CN112145373B - 一种风力发电机测风仪风速的校正方法 - Google Patents

Abstract

本发明公开一种风力发电机测风仪风速的校正方法，步骤为：采集风机在一段时间内同步的来流风速数据和第一参数的运行数据并进行预处理，划分风机的不同运行阶段，并对不同阶段下的来流风速和第二参数运行数据进行再处理，得到处理后的测风仪风速、叶轮转速、桨距角以及发电机输出功率数据作为多元因子，采用多元回归拟合的方法，在风机不同运行阶段下选取不同的多元因子构建来流风速与第二参数的函数关系式并进一步修正，得到拟合关系式；根据所得拟合关系式对测风仪风速进行校正，获取更精确的实时来流风速。本发明兼顾风力发电机组不同运行阶段下的测风偏差特性，能够获取更高精度的来流风速，确保风力发电机组的安全运行和发电效益的提高。

Description

一种风力发电机测风仪风速的校正方法

技术领域

本发明涉及一种风力发电中风速测量技术，具体为一种风力发电机测风仪风速的校正方法。

背景技术

大型风力发电机组往往采用变速变桨的控制技术，在风力发电机组控制的过程中，对风机叶轮前方来流风速的精准预测是影响风力发电机组控制效果的关键因素。对来流风速的准确测量可以使风力发电机组的变桨控制效果更加优良，使风机切入和切出状态的判断也更加及时，可以使风机运行过程的控制策略更完善，提高机组的系统性能和安全性，保证风机能够最大限度地利用风能，并延长机组的使用寿命。

目前风力发电机组主要采用安装于机舱上方的风速仪对来流风速进行测量。由于来流风速受风机叶轮旋转、机舱外形、塔架、各种环境因素等的影响，得到的机舱风速仪风速与来流风速存在较大的偏差，测量值并不能准确反映叶轮前的实际来流风速。为获得叶轮前方的自由来流风速，需要对机舱风速进行校正。

为了能实现对叶轮前方来流风速的直接测量，目前在工程应用可以通过测风塔对来流风速直接测量，测量的结果不会受叶轮旋转、机舱外形等因素的影响，但是通过测风塔得到的风速由于风机与测风塔所处位置不同，并不能准确反映风机叶轮前的来流风速。还有就是通过在机舱上安装机舱式激光雷达，这样可以凭借激光雷达的高精度等优良特性，实现对叶轮前方来流风速实时性的精确测量，但是机舱式激光雷达造价高昂，不适合对每台风机配备激光测风雷达，所以不具备大规模应用的基础。

因而在机舱风速校正方面，许多研究者提出了不同的模型来研究机舱风速与来流风速的关系。有些研究者基于风轮空气动力学理论，提出了流管模型，通过理论计算去修正机舱风速，但由于风机运行环境复杂、理论模型与风速仪实际测量状况差异大，导致理论计算与实际存在较大的计算偏差，不易应用等问题。也有一些研究，通过采集机舱测风仪风速与来流风速，用线性拟合或者高阶多项式拟合的方法直接构建两者之间的关系，用得到的关系式预估来流风速，由于风机运行情况复杂，来流风速不仅仅与测风仪风速有着最直接的关系，还与叶轮转速、叶片桨距角等因素存在着密切的联系。因而，只用机舱风速一个因子去构建与来流风速的关系，并不能更好地反映来流风速的大小。

发明内容

针对现有风力发电中风速日的测量方法不能更好地反映来流风速的大小等不足，本发明要解决的问题是提供一种可获取精度更高的来流风速的风力发电机测风仪风速的校正方法。

为解决上述技术问题，本发明采用的技术方案是：

本发明提供一种风力发电机测风仪风速的校正方法，包括以下步骤：

S1)确定采用变速变桨控制技术的水平轴风机，采集该风机在一段时间内同步的来流风速数据和第一参数的运行数据；

S2)对采集的来流风速数据和第一参数运行数据进行预处理，划分风机的不同运行阶段，并对不同阶段下的来流风速和第二参数运行数据进行再处理，得到处理后的测风仪风速、叶轮转速、桨距角以及发电机输出功率数据；

S3)利用上述再处理后的测风仪风速、叶轮转速、桨距角以及发电机输出功率数据作为多元因子，采用多元回归拟合的方法，在风机不同运行阶段下选取不同的多元因子构建来流风速与第二参数的函数关系式并进一步修正，得到拟合关系式；

S4)根据所得拟合关系式对测风仪风速进行校正，获取更精确的实时来流风速。

步骤S2)中第一参数运行数据包括机舱上方的测风仪风速数据、叶轮转速、发电机转速、叶轮桨距角、发电机输出功率以及风机偏航状态；第二参数运行数据包括测风仪风速、叶轮转速、桨距角以及发电机输出功率。

步骤S2)中划分风机的不同运行阶段包括：按照风力发电机叶轮转速、输出功率和桨距角随测风仪风速升序排列下的趋势变化规律来划分不同运行阶段，划分的不同运行阶段包括转速恒定阶段、变转速运行阶段、恒转速运行阶段以及恒功率运行阶段。

步骤S2)中，对采集的数据进行预处理，包括对数据的部分剔除和剔除后数据的平均化处理，其中，对剔除后的数据进行1min钟测量时间上的平均。

步骤S2)中对不同阶段下的来流风速和第二参数运行数据进行再处理，具体为：确定叶轮转速、发电机功率和来流风速在不同运行阶段下的极值范围，并在这些极值附近取一合适固定值做为进一步剔除数据的节点。

步骤S3)中，风机在四个不同运行阶段下都采用二元线性回归的形式构建来流风速与第二参数的规则关系式，具体为：

在转速恒定阶段和恒转速运行阶段只考虑来流风速与测风仪风速及发电机输出功率的对应关系；在变转速运行阶段只考虑来流风速与测风仪风速及叶轮转速的对应关系；在恒功率运行阶段只考虑来流风速与测风仪风速及桨距角的对应关系。即：

转速恒定运行阶段和恒转速运行阶段：V_n＝b₀+b₁V_c+b₂P；

变转速运行阶段：V_n＝b₀+b₁V_c+b₂N；

恒功率运行阶段：V_n＝b₀+b₁V_c+b₂β

其中，b₀,b₁,b₂为回归系数，V_n,V_c,P,N,β分别为预估来流风速、测风仪风速、发电机输出功率、叶轮转速以及桨距角。

步骤S4)中，获取实时来流风速的方法为：

从风力发电机数据监测系统平台读取测风仪风速、叶轮转速、发电机输出功率和桨距角1min平均后的实时测量数据；

判断发电机功率、叶轮转速和测风仪风速所属的运行阶段，并将这些数据代入本阶段对应的拟合关系式求得预估来流风速；

按照输入数据的时间先后顺序再输出实时性的预估来流风速值。

本发明具有以下有益效果及优点：

1.本发明风力发电机测风仪风速的校正方法能够兼顾风力发电机组不同运行阶段下的测风偏差特性，能够获取更高精度的来流风速，有利于确保风力发电机组的安全运行和发电效益的提高。

2.通过本发明技术方案所获得的拟合函数在拟合优度和应用效果上都优于直接对来流风速和机舱风速采取线性拟合的方式，具有很强的实用价值。

附图说明

图1为本发明风力发电机风速采集示意图；

图2为风力发电机组运行范围的划分阶段；

图3为叶轮转速、桨距角和发电机功率随测风仪风速增大的变化趋势；

图4A为预估来流风速与实际来流风速的转速恒定阶段验证误差对比图；

图4B为预估来流风速与实际来流风速的变转速运行阶段验证误差对比图；

图4C为预估来流风速与实际来流风速的恒转速运行阶段验证误差对比图；

图4D为预估来流风速与实际来流风速的恒功率运行阶段验证误差对比图；

图5为实现对来流风速实时预估的流程示意图。

其中，1为机舱式测风激光雷达，2为测风仪，3为机舱，4为塔架，5 为叶片，V₀为来流风速。

具体实施方式

下面结合说明书附图对本发明作进一步阐述。

本发明提供一种风力发电机测风仪风速的校正方法，包括以下步骤：

S1)确定采用变速变桨控制技术的水平轴风机，采集该风机在一段时间内同步的来流风速数据和第一参数的运行数据；

S2)对采集的来流风速数据和第一参数运行数据进行预处理，划分风机的不同运行阶段，并对不同阶段下的来流风速和第二参数运行数据进行再处理，得到处理后的测风仪风速、叶轮转速、桨距角以及发电机输出功率数据；

S3)利用上述再处理后的测风仪风速、叶轮转速、桨距角以及发电机输出功率数据作为多元因子，采用多元回归拟合的方法，在风机不同运行阶段下选取不同的多元因子构建来流风速与第二参数的函数关系式并进一步修正，得到拟合关系式；

S4)根据所得拟合关系式对测风仪风速进行校正，获取更精确的实时来流风速。

步骤S2)中第一参数运行数据包括机舱上方的测风仪风速数据、叶轮转速、发电机转速、叶轮桨距角、发电机输出功率以及风机偏航状态；第二参数运行数据包括测风仪风速、叶轮转速、桨距角以及发电机输出功率。

步骤S2)中划分风机的不同运行阶段包括：按照风力发电机叶轮转速、输出功率和桨距角随测风仪风速升序排列下的趋势变化规律来划分不同运行阶段，划分的不同运行阶段包括转速恒定阶段、变转速运行阶段、恒转速运行阶段以及恒功率运行阶段。

步骤S2)中，对采集的数据进行预处理，包括对数据的部分剔除和剔除后数据的平均化处理，其中，对剔除后的数据进行1min钟测量时间上的平均。

步骤S2)中对不同阶段下的来流风速和第二参数运行数据进行再处理，具体为：确定叶轮转速、发电机功率和来流风速在不同运行阶段下的极值范围，并在这些极值附近取一合适固定值做为进一步剔除数据的节点。

步骤S3)中，风机在四个不同运行阶段下都采用二元线性回归的形式构建来流风速与第二参数的规则关系式，具体为：

在转速恒定阶段和恒转速运行阶段只考虑来流风速与测风仪风速及发电机输出功率的对应关系；在变转速运行阶段只考虑来流风速与测风仪风速及叶轮转速的对应关系；在恒功率运行阶段只考虑来流风速与测风仪风速及桨距角的对应关系。即：

转速恒定运行阶段和恒转速运行阶段：V_n＝b₀+b₁V_c+b₂P；

变转速运行阶段：V_n＝b₀+b₁V_c+b₂N；

恒功率运行阶段：V_n＝b₀+b₁V_c+b₂β

其中，b₀,b₁,b₂为回归系数，V_n,V_c,P,N,β分别为预估来流风速、测风仪风速、发电机输出功率、叶轮转速以及桨距角。

步骤S4)中，获取实时来流风速的方法为：

从风力发电机数据监测系统平台读取测风仪风速、叶轮转速、发电机输出功率和桨距角1min平均后的实时测量数据；

判断发电机功率、叶轮转速和测风仪风速所属的运行阶段，并将这些数据代入本阶段对应的拟合关系式求得预估来流风速；

按照输入数据的时间先后顺序再输出实时性的预估来流风速值。

步骤S1)中，来流风速数据由激光测风仪采集，激光测风仪的采样速率为1HZ。第一参数运行数据所包含的机舱上方的测风仪风速数据，叶轮转速、发电机转速、叶轮桨距角、发电机输出功率、风机偏航状态等，均通过传感器记录于系统数据库中，可直接提取这些数据。

各参数数据的采集过程要持续同步进行，实验应采集尽可能多的数据，但考虑实际情况的局限性，采集的风速数据范围应至少包括从切入风速到额定风速1.5倍的范围。

本实施例以额定功率为1500kw，叶轮直径为77m的水平轴类风力发电机为研究对象，采用两光束、80m测距的机舱式测风激光雷达对风机叶轮前方的来流风速进行测量，激光雷达采集的时间要与风机机组采集的系统时间在任何时刻都要保持一致，确保各数据的同步性。本次实验采集的数据时长为24小时，采样时间频率为1秒。该激光测风仪安装在机舱前方。具体的风速采集示意图如图1所示。

步骤S2)中，对采集的数据进行预处理，包括对数据的部分剔除和平均化理，然后划分风机的不同运行阶段，并对不同阶段下的来流风速和第二参数运行数据进行再处理，以确定出用于后续拟合的数据。

对采集的数据按照采样时间顺序进行排列整理。为减小误差，需要对采集的数据进行部分剔除和平均化处理。首先，剔除的部分数据包括：

(1)机舱进行偏航过程所对应的数据。因为风力发电机受到风向大幅度变动而偏航的过程中，测风仪测到的风速会发生较大的变化，此时的运行数据不具备参考价值，保留这些数据会影响风速测量的精度。

(2)风力发电机组在故障、停机或未并网等非正常运行状态下产生的数据。

(3)剔除可能会在雨雾天气下采集的数据，激光测风设备通过发射激光脉冲测量叶轮前方的风速，雨雾天气会对激光测量的精度带来很大影响。

然后，对筛选剔除后的数据进行平均化处理。由于风速变化的间歇性和不确定性，加上以1秒为间隔的采样频率较高，得到的采样数据在较短时间内存在一定的波动性，甚至同步采集的来流风速与机舱风速，在某些时刻它们在宏观上的变化趋势也存在一定的错位。因此，对采集的数据进行适当时长的平均处理，能够消除数据存在的波动和延迟问题，更好地反映来流风速与测风仪风速及其他参数的变化规律。但是，若采取的平均时间过长，会使风速和其他参数变得过于平稳，导致数据失真，这样构建的风速关系式在实际应用时会存在很大误差。因而，典型地可将平均时间采用30秒并且更多。经过对比验证，本实施例将平均时长定为1分钟。

如图2所示，大型风力发电机组往往采用变速变桨的控制技术，随着来流风速从切入风速到切出风速的变化，变速机组的运行范围可划分四个阶段：包括转速恒定阶段(AB)、变转速运行阶段(BC)、恒转速运行阶段 (CD)以及恒功率运行阶段(DE)。目前一些对风速分段拟合的研究，往往忽略第一个阶段只划分后三个阶段，这样得到的风速关系式并不能更精确地描述风机处于转速恒定阶段时对应的来流风速。也有以额定风速为界将前三个阶段合并为一个阶段，从而以两阶段进行分段拟合。由于机舱测风仪风速与来流风速之间的变化规律在风机不同运行阶段下受到的影响因子不同，因此更具体地分段考虑，在不同阶段采用不同的关系式才能更精确地对风速校正。

如图3所示，风力发电机四个运行阶段的具体划分方式为，首先画出数据预处理后的叶轮转速、桨距角、发电机输出功率随机舱测风仪风速升序排列下的散点图，并将发电机转速由低速转速恒定阶段过渡到到变转速阶段时对应的机舱风速作为第一节点，将变转速阶段过渡到恒转速阶段时对应的机舱风速作为第二节点，将功率刚变化到额定功率时对应的机舱风速作为第三节点。理论上也可由桨距角保持0度不变到开始增大所对应的机舱风速作为第三节点，但是风机在恒转速阶段的实际运行中存在着小幅度的变桨，这样划分出的恒功率阶段并不准确。具体地，三个节点的测风仪风速值为3.4m/s，7m/s，9.2m/s。然后以这三个测风仪风速值为界点，从剔除后的数据中筛选出四个阶段下对应的来流风速数据和第二参数数据，第二参数数据即测风仪风速、叶轮转速、叶轮桨距角、和发电机输出功率数据。

由于风速变化的复杂性，同一测风仪的风速值可能由不同阶段下的来流风速产生，因而按照图3风速排序划分下的不同阶段中，都存在少量不属于本阶段的各参数数据，这些数据与风机在该阶段运行时的实际参数取值范围存在较大的偏差，不进一步剔除掉这些数据，所得出的关系式会降低来流风速的预估精度，这也是本领域技术研究人员在实际操作中容易忽略的地方。因而，要对四个阶段中的来流风速和第二参数运行数据分别进行再处理。再处理的方法为，首先从图3或实际运行数据的统计结果中确定叶轮的变速范围，即低速恒转速值N1和高速恒转速值N2，以及风机的额定功率Pe，还可以结合来流风速在各阶段运行过程中的极值范围，并在这些极值附近取一合适的值作为不同阶段下进一步筛选剔除的节点，在本实施例中N1为10.6rpm，N2为17.3rpm，Pe为1500kw。具体地，在转速恒定阶段剔除叶轮转速大于11rpm且来流风速大于7m/s的数据；在变转速阶段剔除叶轮转速大于17.3rpm且来流风速大于11m/s的数据；在恒转速阶段剔除叶轮转速小于17rpm且来流风速大于12m/s的数据；在恒功率阶段剔除额定功率小于1480kw且来流风速小于11m/s的数据。

最后将再处理筛选出的各阶段数值做为下一步骤S3)中用于拟合的数据。

步骤S3)中，采用多元回归拟合的方法，在风机不同运行阶段下选取不同的多元因子构建来流风速与第二参数的函数关系式并进一步修正。

关于在风机在不同运行阶段下从第二参数数据中进行多元因子的选取，具体地，在转速恒定阶段和恒转速阶段只考虑来流风速与测风仪风速及发电机输出功率的对应关系；在变转速阶段只考虑来流风速与测风仪风速及叶轮转速的对应关系；在恒功率阶段只考虑来流风速与测风仪风速及叶轮桨距角的对应关系。并在不同阶段下分析来流风速与选定的多元因子的线性相关性。具体地可通过Person系数ρ_X,Y，即

来判定两个变量数组之间的线性关系，其中，ρ_X,Y的取值为(-1,1)，当0<|r|<1 时，表示两变量存在一定程度的线性相关，且|r|越接近1，两变量间线性关系越密切；|r|越接近于0，表示两变量的线性相关越弱。一般可按三级划分：|r|<0.4为低度线性相关；0.4≤|r|<0.7为显著性线性相关；0.7≤|r|<1 为高度线性相关。

来流风速与选定的多元因子的相关性分析结果如下表1，由表中结果可知，风机在四个不同运行阶段下，来流风速与选定的二元因子间的Person 系数基本大于0.7，因而有很强的线性相关性，同时考虑到在实际工程应用中规则关系式应简单化的原则，根据上述不同阶段下相关因子的选定与线性相关分析，本发明实施例的多元回归拟合方法在四个不同阶段下都采用二元线性回归拟合的方法。当然，多元非线性回归拟合也在本发明的考虑范围之内。

表1来流风速与叶轮转速、桨距角及功率的相关性

具体地，风机在四个不同运行阶段下的二元线性回归形式可表述为下表2中的关系。

表2来流风速与叶轮转速、桨距角及功率的关系式

转速恒定运行阶段(AB)	V<sub>n</sub>＝b<sub>0</sub>+b<sub>1</sub>V<sub>c</sub>+b<sub>2</sub>P
		变转速运行阶段(BC)	V<sub>n</sub>＝b<sub>0</sub>+b<sub>1</sub>V<sub>c</sub>+b<sub>2</sub>N
恒转速运行阶段(CD)	V<sub>n</sub>＝b<sub>0</sub>+b<sub>1</sub>V<sub>c</sub>+b<sub>2</sub>P
		恒功率运行阶段(DE)	V<sub>n</sub>＝b<sub>0</sub>+b<sub>1</sub>V<sub>c</sub>+b<sub>2</sub>β

对于关系式拟合优度的判定，可通过可决系数R²和平均绝对误差mae 来判断，公式为：

其中y_i为来流风速的实际测量值Vo，

为来流风速的预测值Vn，

为实测来流风速的平均值。可决系数R2的取值范围在0到1之间，越接近1，拟合程度越好；平均绝对误差mae能更好地反映预测值误差的实际情况，其值越小，说明拟合效果越好。

在确定风机四个运行阶段下具体的关系式后，根据步骤S2中处理得到的数据进行二元线性回归拟合求解计算，并计算可决系数R²和平均绝对误差mae的大小。这里还可以进一步绘制残差图，剔除少量的异常点后，得到适当改进的二元线性回归模型。计算结果如下表3所示。基于相同的数据，表中对比了用线性拟合的方法直接构建来流风速与机舱风速的计算结果。由求解结果可知，在四个不同阶段下采用二元线性回归的方法得到的可决系数R²都比线性拟合大，拟合效果更好；而平均绝对误差mae都比线性拟合的要小，说明由二元线性回归求得的来流风速在整体上更接近真实的来流风速。

表3多元回归与线性拟合的对比

步骤S4)中，根据所得拟合关系式对测风仪风速进行校正，获取更精确的实时来流风速。

对于上述得到的表3中的函数关系式进行验证，用于验证的现场实测数据和步骤S1中数据的采集方式一致，都是基于同一型号的风力发电机，唯一不同的是采集的时间先后不一样。用于验证的数据同样要按照步骤S2 中的方式进行分段和1min平均处理，然后将不同阶段下对应的数据输入表 3中的函数模型得到预估的来流风速Vn。

为了说明验证结果的好坏，可以用预估来流风速Vn与实测来流风速Vo 之间的平均绝对值差mae的大小来判断。验证结果如下表4，由表可知，在风力发电机组不同运行阶段下，采用二元线性回归拟合得到平均绝对值差比线性拟合的更小，对来流风速的预估效果更好，且预估的来流风速与真实的来流风速的平均误差不超过0.4m/s，在实际应用中可以等效于真实的来流风速。

表4多元回归与线性拟合的对比验证结果

如图4A～4D所示，具体地，还可以形象直观地从图中看到四个运行阶段下预估来流风速与实际来流风速的偏差。图中为风机不同运行阶段过程中一段30min内的风速偏差，其中Vo-Vn为本发明多元回归方法下预估来流风速与实际来流风速的偏差结果，Vo-V1n为直接进行线性拟合得到的预估来流风速与实际来流风速的偏差结果。由图可进一步看出，多元回归拟合在整体上对来流风速的预估效果更好。

由上述的验证可以体现本发明的优越性，需要注意的是上述验证的是已经采集一段时长的数据，而在风机实际运行的过程中，更注重对来流风速的实时性预估，需要通过测风仪风速数据和机组运行数据获取逐分钟甚至逐秒的实时来流风速大小。这里提出一种实现对来流风速实时预估的具体流程，如图5所示，流程图中Pe为发电机额定功率，也可以是比额定功率稍小接近于额定功率的数值，N1、N2为叶轮转速范围的最大、最小值，或者接近最大、最小值附近的一个转速值。图中的判定条件也可以进一步加入来流风速的界限范围等做为实测数据所属运行阶段的判定标准。

上述实施例中的方案仅是对本发明的优选实施例进行描述而非对其限制，本领域的普通技术人员依然可以对前述实施例中所描述的技术方案进行替换或修改，在不脱离本发明设计思想的前提下，这些修改或替在本质上并未脱离本发明实施例技术方案的保护范围。

Claims (6)

1.一种风力发电机测风仪风速的校正方法，其特征在于包括以下步骤：

S1)确定采用变速变桨控制技术的水平轴风机，采集该风机在一段时间内同步的来流风速数据和第一参数的运行数据；

S2)对采集的来流风速数据和第一参数运行数据进行预处理，划分风机的不同运行阶段，并对不同阶段下的来流风速和第二参数运行数据进行再处理，得到处理后的测风仪风速、叶轮转速、桨距角以及发电机输出功率数据；

S3)利用上述再处理后的测风仪风速、叶轮转速、桨距角以及发电机输出功率数据作为多元因子，采用二元回归拟合的方法，在风机不同运行阶段下选取不同的多元因子构建来流风速与第二参数的函数关系式并进一步修正，得到拟合关系式；

步骤S3)中，风机在四个不同运行阶段下都采用二元线性回归的形式构建来流风速与第二参数的规则关系式，具体为：

在转速恒定阶段和恒转速运行阶段只考虑来流风速与测风仪风速及发电机输出功率的对应关系；在变转速运行阶段只考虑来流风速与测风仪风速及叶轮转速的对应关系；在恒功率运行阶段只考虑来流风速与测风仪风速及桨距角的对应关系；即：

转速恒定运行阶段和恒转速运行阶段：V_n＝b₀+b₁V_c+b₂P；

变转速运行阶段：V_n＝b₀+b₁V_c+b₂N；

恒功率运行阶段：V_n＝b₀+b₁V_c+b₂β

其中，b₀,b₁,b₂为回归系数，V_n,V_c,P,N,β分别为预估来流风速、测风仪风速、发电机输出功率、叶轮转速以及桨距角；

S4)根据所得拟合关系式对测风仪风速进行校正，获取更精确的实时来流风速。

2.根据权利要求1所述的风力发电机测风仪风速的校正方法，其特征在于：步骤S2)中第一参数运行数据包括机舱上方的测风仪风速数据、叶轮转速、发电机转速、叶轮桨距角、发电机输出功率以及风机偏航状态；第二参数运行数据包括测风仪风速、叶轮转速、桨距角以及发电机输出功率。

3.根据权利要求1所述的风力发电机测风仪风速的校正方法，其特征在于：步骤S2)中划分风机的不同运行阶段包括：按照风力发电机叶轮转速、输出功率和桨距角随测风仪风速升序排列下的趋势变化规律来划分不同运行阶段，划分的不同运行阶段包括转速恒定阶段、变转速运行阶段、恒转速运行阶段以及恒功率运行阶段。

4.根据权利要求1所述的风力发电机测风仪风速的校正方法，其特征在于：步骤S2)中，对采集的数据进行预处理，包括对数据的部分剔除和剔除后数据的平均化处理，其中，对剔除后的数据进行1min钟测量时间上的平均。

5.根据权利要求1所述的风力发电机测风仪风速的校正方法，其特征在于：步骤S2)中对不同阶段下的来流风速和第二参数运行数据进行再处理，具体为：确定叶轮转速、发电机功率和来流风速在不同运行阶段下的极值范围，并在这些极值附近取一合适固定值做为进一步剔除数据的节点。

6.根据权利要求1所述的风力发电机测风仪风速的校正方法，其特征在于：步骤S4)中，获取实时来流风速的方法为：

从风力发电机数据监测系统平台读取测风仪风速、叶轮转速、发电机输出功率和桨距角1min平均后的实时测量数据；

判断发电机功率、叶轮转速和测风仪风速所属的运行阶段，并在将这些数据代入本阶段对应的拟合关系式求得预估来流风速；

按照输入数据的时间先后顺序再输出实时性的预估来流风速值。

Images