CN112302865A - 风力发电机组的最优增益追踪方法和设备 - Google Patents
风力发电机组的最优增益追踪方法和设备 Download PDFInfo
- Publication number
- CN112302865A CN112302865A CN201910701176.2A CN201910701176A CN112302865A CN 112302865 A CN112302865 A CN 112302865A CN 201910701176 A CN201910701176 A CN 201910701176A CN 112302865 A CN112302865 A CN 112302865A
- Authority
- CN
- China
- Prior art keywords
- optimal gain
- value
- gain
- wind speed
- gain value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000005457 optimization Methods 0.000 claims description 97
- 238000006243 chemical reaction Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 8
- 238000011156 evaluation Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000010248 power generation Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000002860 competitive effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/10—Purpose of the control system
- F05B2270/103—Purpose of the control system to affect the output of the engine
- F05B2270/1033—Power (if explicitly mentioned)
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mechanical Engineering (AREA)
- Sustainable Energy (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Chemical & Material Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Wind Motors (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
提供一种风力发电机组的最优增益追踪方法和设备,所述最优增益追踪方法包括:确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间;确定在增益寻优风速区间内的最优增益值;将所确定的在增益寻优风速区间内的最优增益值确定为风力发电机组的实际最优增益值。采用本发明示例性实施例的风力发电机组的最优增益追踪方法和设备,能够准确获得风力发电机组的实际最优增益值。
Description
技术领域
本发明总体上涉及风力发电技术领域,更具体地讲,涉及一种风力发电机组的最优增益追踪方法和设备。
背景技术
大型风力发电机组在最大功率点跟踪(maximum power point tracking,MPPT)控制是以风力发电机组的最大功率曲线(或风力发电机组的最优增益Kopt)为基础的。然而在将一个机型的最大功率曲线应用到某具体风力发电机组时会存在一定的误差,另外,由于风力发电机组长时间运行以及外部环境条件变化,会使风力发电机组的实际输出功率相对于最大功率曲线发生偏移。
在现有的风力发电机组的控制策略中,第一种是采用年平均空气密度,或者采取年平均气温经过计算得到年平均空气密度,然后利用年平均空气密度计算最优增益值。但上述确定最优增益值的方式存在以下缺点:一是需要获得风力发电机组的海拔,且空气密度受季节和温度影响较大,采用这种方式计算得到的最优增益值与实际值之间存在较大的偏差。
第二种是利用温度传感器实时采集环境温度,通过实时的环境温度计算实时的空气密度,最优增益由实时的空气密度计算得到。但是这种最优增益获取方式需要获得风力发电机组的海拔计算空气密度,并且计算最优增益需计算风能利用系数Cp,Cp是随着风速而变化的,但由于目前风力发电机组上的风速仪均设置在叶轮后,易受到尾流等影响,风速仪所测量得到的风速值不准确,导致采用上述方式在实际应用中往往无法追踪到最优增益。
发明内容
本发明的示例性实施例的目的在于提供一种风力发电机组的最优增益追踪方法和设备,以克服上述至少一个缺点。
在一总体方面,提供一种风力发电机组的最优增益追踪方法,包括:确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间;确定在增益寻优风速区间内的最优增益值;将所确定的在增益寻优风速区间内的最优增益值确定为风力发电机组的实际最优增益值。
可选地,确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间的步骤可包括:获取风力发电机组在预定时间段内的运行数据,所述运行数据可包括风速;对风力发电机组在最大功率点跟踪阶段所对应的风速进行分仓,得到多个风速区间,并建立风速区间-风频对应关系,风频可指风速在风速区间内出现的次数;根据所建立的风速区间-风频对应关系,确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间。
可选地,增益寻优风速区间可指在预定时间段内最大功率点跟踪阶段中风频大于设定值的风速区间。
可选地,所述运行数据可还包括发电机转速,其中,所述最优增益追踪方法可还包括:根据获取的风速和发电机转速,建立风速-转速对应关系,根据所建立的风速-转速对应关系,识别风力发电机组是否处于最大功率点跟踪阶段。
可选地,确定在增益寻优风速区间内的最优增益值的步骤可包括:基于初始最优增益值和初始单步迭代步长,将风力发电机组的输出功率作为评价目标,通过多轮寻优搜索,找到使得与增益寻优风速区间内的风速对应的输出功率的平均值达到最大的最优增益值,将找到的最优增益值确定为在增益寻优风速区间内的最终最优增益值,其中,在任一轮寻优搜索过程中,可以预定周期进行最优增益值切换,控制风力发电机组分别在上一最优增益值下和在当前最优增益值下运行,以确定在所述任一轮寻优搜索中的最优增益值。
可选地,在多轮寻优搜索过程中,随着迭代次数的增加,可逐步减小单步迭代步长。
可选地,可通过以下方式确定在增益寻优风速区间内的最终最优增益值:根据初始搜索方向、初始单步迭代步长和初始最优增益值,确定风力发电机组的当前最优增益值;以预定周期进行最优增益值切换,以分别获取风力发电机组在上一最优增益值下的与增益寻优风速区间内的风速对应的输出功率和在当前最优增益值下的与增益寻优风速区间内的风速对应的输出功率;分别计算在上一最优增益值下的与增益寻优风速区间内的风速对应的输出功率的第一功率平均值以及在当前最优增益值下的与增益寻优风速区间内的风速对应的输出功率的第二功率平均值;如果第二功率平均值大于第一功率平均值,则确定同一搜索方向下搜索次数是否达到第一预设值;如果第二功率平均值不大于第一功率平均值,则改变搜索方向,并确定步长变化次数是否达到第二预设值;如果搜索次数达到第一预设值,则将当前最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值;如果搜索次数没有达到第一预设值,则沿当前搜索方向,基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并返回以预定周期进行最优增益值切换的步骤;如果步长变化次数达到第二预设值,则将上一最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值;如果步长变化次数没有达到第二预设值,则更新当前单步迭代步长,并基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并返回以预定周期进行最优增益值切换的步骤。
可选地,所述如果搜索次数达到第一预设值,则将当前最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值的步骤可包括:如果搜索次数达到第一预设值,则确定步长变化次数是否达到第二预设值;如果步长变化次数没有达到第二预设值,则更新当前单步迭代步长,并基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并返回以预定周期进行最优增益值切换的步骤;如果步长变化次数达到第二预设值,则将当前最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值。
可选地,所述如果第二功率平均值不大于第一功率平均值,则改变搜索方向,并确定步长变化次数是否达到第二预设值的步骤可包括:如果第二功率平均值不大于第一功率平均值,则改变搜索方向;确定是否为单步迭代内在第一轮寻优搜索时发生搜索方向改变;如果是,则沿改变后的搜索方向,基于上一最优增益值和当前单步迭代步长来更新当前最优增益值,并返回以预定周期进行最优增益值切换的步骤;如果否,则确定步长变化次数是否达到第二预设值。
可选地,以预定周期切换上一最优增益值和当前最优增益值,以将上一最优增益值和当前最优增益值之一作为实际应用的最优增益值,实际应用的最优增益值可为空气密度补偿折算后的最优增益值,通过以下方式来获得空气密度补偿折算后的实际应用的最优增益值:获取风力发电机组在实际应用的最优增益值下运行时的空气密度,基于空气密度标准值和所获取的空气密度,对实际应用的最优增益值进行空气密度补偿折算,获得空气密度补偿折算后的实际应用的最优增益值。
可选地,所述初始最优增益值可为风力发电机组的理论最优增益值,第一预设值可为当前轮寻优搜索下的最优增益变化边界与当前单步迭代步长的比值,最优增益变化边界可为在风力发电机组允许的最大桨距角偏差下所对应的最大最优增益偏差值;初始单步迭代步长可为最大最优增益颗粒度,最后一轮寻优搜索时的单步迭代步长可为最小最优增益颗粒度,任一中间轮寻优搜索时的单步迭代步长可根据最大最优增益颗粒度、最小最优增益颗粒度以及步长变化次数来确定;初始搜索方向可为正向和负向中的一个,初始搜索方向的反方向可为正向和负向中的另一个。
可选地,所述最优增益追踪方法可还包括:将风力发电机组的实际最优增益与理论最优增益进行比较;如果实际最优增益与理论最优增益的差值大于增益偏差预警值,则进行报警。
在另一总体方面,提供一种风力发电机组的最优增益追踪设备,包括:寻优风速区间确定模块,确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间;区间增益确定模块,确定在增益寻优风速区间内的最优增益值;最优增益确定模块,将所确定的在增益寻优风速区间内的最优增益值确定为风力发电机组的实际最优增益值。
可选地,寻优风速区间确定模块可包括:运行数据获取子模块,获取风力发电机组在预定时间段内的运行数据,所述运行数据可包括风速;第一对应关系建立子模块,对风力发电机组在最大功率点跟踪阶段所对应的风速进行分仓,得到多个风速区间,并建立风速区间-风频对应关系,风频可指风速在风速区间内出现的次数;寻优区间确定子模块,根据所建立的风速区间-风频对应关系,确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间。
可选地,寻优区间确定子模块可将在预定时间段内最大功率点跟踪阶段中风频大于设定值的风速区间确定为增益寻优风速区间。
可选地,所述运行数据可还包括发电机转速,其中,寻优风速区间确定模块可还包括:第二对应关系建立子模块,根据获取的风速和发电机转速,建立风速-转速对应关系,状态识别子模块,根据所建立的风速-转速对应关系,识别风力发电机组是否处于最大功率点跟踪阶段。
可选地,区间增益确定模块可基于初始最优增益值和初始单步迭代步长,将风力发电机组的输出功率作为评价目标,通过多轮寻优搜索,找到使得与增益寻优风速区间内的风速对应的输出功率的平均值达到最大的最优增益值,将找到的最优增益值确定为在增益寻优风速区间内的最终最优增益值,其中,在任一轮寻优搜索过程中,区间增益确定模块可以预定周期进行最优增益值切换,控制风力发电机组分别在上一最优增益值下和在当前最优增益值下运行,以确定在所述任一轮寻优搜索中的最优增益值。
可选地,在多轮寻优搜索过程中,随着迭代次数的增加,可逐步减小单步迭代步长,以减小最优增益颗粒度。
可选地,区间增益确定模块可通过以下方式确定在增益寻优风速区间内的最终最优增益值:根据初始搜索方向、初始单步迭代步长和初始最优增益值,确定风力发电机组的当前最优增益值;以预定周期进行最优增益值切换,以分别获取风力发电机组在上一最优增益值下的与增益寻优风速区间内的风速对应的输出功率和在当前最优增益值下的与增益寻优风速区间内的风速对应的输出功率;分别计算在上一最优增益值下的与增益寻优风速区间内的风速对应的输出功率的第一功率平均值以及在当前最优增益值下的与增益寻优风速区间内的风速对应的输出功率的第二功率平均值;如果第二功率平均值大于第一功率平均值,则确定同一搜索方向下搜索次数是否达到第一预设值;如果搜索次数达到第一预设值,则将当前最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值;如果搜索次数没有达到第一预设值,则沿当前搜索方向,基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并继续根据当前最优增益值控制风力发电机组运行;如果第二功率平均值不大于第一功率平均值,则改变搜索方向,并确定步长变化次数是否达到第二预设值;如果步长变化次数达到第二预设值,则将上一最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值;如果步长变化次数没有达到第二预设值,则更新当前单步迭代步长,并基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并继续根据当前最优增益值控制风力发电机组运行。
可选地,如果搜索次数达到第一预设值,则区间增益确定模块可确定步长变化次数是否达到第二预设值,如果步长变化次数没有达到第二预设值,则区间增益确定模块更新当前单步迭代步长,并基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并继续根据当前最优增益值控制风力发电机组运行,如果步长变化次数达到第二预设值,则区间增益确定模块将当前最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值。
可选地,如果第二功率平均值不大于第一功率平均值,则区间增益确定模块可改变搜索方向,确定是否为单步迭代内在第一轮寻优搜索时发生搜索方向改变,如果是,则沿改变后的搜索方向,基于上一最优增益值和当前单步迭代步长来更新当前最优增益值,并继续根据当前最优增益值控制风力发电机组运行,如果否,则确定步长变化次数是否达到第二预设值。
可选地,区间增益确定模块可以预定周期切换上一最优增益值和当前最优增益值,以将上一最优增益值和当前最优增益值之一作为实际应用的最优增益值,实际应用的最优增益值可为空气密度补偿折算后的最优增益值,区间增益确定模块可通过以下方式来获得空气密度补偿折算后的实际应用的最优增益值:获取风力发电机组在实际应用的最优增益值下运行时的空气密度,基于空气密度标准值和所获取的空气密度,对实际应用的最优增益值进行空气密度补偿折算,获得空气密度补偿折算后的实际应用的最优增益值。
可选地,所述初始最优增益值可为风力发电机组的理论最优增益值,第一预设值可为当前轮寻优搜索下的最优增益变化边界与当前单步迭代步长的比值,最优增益变化边界可为在风力发电机组允许的最大桨距角偏差下所对应的最大最优增益偏差值;初始单步迭代步长可为最大最优增益颗粒度,最后一轮寻优搜索时的单步迭代步长可为最小最优增益颗粒度,任一中间轮寻优搜索时的单步迭代步长可根据最大最优增益颗粒度、最小最优增益颗粒度以及步长变化次数来确定;初始搜索方向可为正向和负向中的一个,初始搜索方向的反方向可为正向和负向中的另一个。
可选地,所述最优增益追踪设备可还包括:比较模块,将风力发电机组的实际最优增益与理论最优增益进行比较;报警模块,如果实际最优增益与理论最优增益的差值大于增益偏差预警值,则进行报警。
在另一总体方面,提供一种存储有计算机程序的计算机可读存储介质,当所述计算机程序在被处理器执行时实现上述的风力发电机组的最优增益追踪方法。
在另一总体方面,提供一种计算装置,所述计算装置包括:处理器;存储器,存储有计算机程序,当所述计算机程序被处理器执行时,实现上述的风力发电机组的最优增益追踪方法。
采用本发明示例性实施例的风力发电机组的最优增益追踪方法和设备,能够准确获得风力发电机组的实际最优增益值。
附图说明
通过下面结合示例性地示出实施例的附图进行的详细描述,本发明示例性实施例的上述和其它目的、特点和优点将会变得更加清楚。
图1示出根据本发明示例性实施例的风力发电机组的最优增益追踪方法的流程图;
图2示出根据本发明示例性实施例的确定最大功率点跟踪阶段内的增益寻优风速区间的示意图;
图3示出根据本发明示例性实施例的确定在增益寻优风速区间内的最终最优增益值的步骤的流程图;
图4示出根据本发明示例性实施例的风力发电机组的最优增益追踪设备的框图;
图5示出根据本发明示例性实施例的寻优风速区间确定模块的框图;
图6示出根据本发明示例性实施例的增益报警装置的框图。
具体实施方式
现在,将参照附图更充分地描述不同的示例实施例,一些示例性实施例在附图中示出。
图1示出根据本发明示例性实施例的风力发电机组的最优增益追踪方法的流程图。
参照图1,在步骤S10中,确定风力发电机组在最大功率点跟踪阶段(MPPT)内的增益寻优风速区间。
例如,可获取风力发电机组在预定时间段内的运行数据,基于所获取的运行数据先识别最大功率点跟踪阶段,然后再在最大功率点跟踪阶段内确定增益寻优风速区间。
作为示例,可通过如下方式来识别最大功率点跟踪阶段。这里,所获取的运行数据可包括风速和发电机转速。
根据获取的风速和发电机转速,建立风速-转速对应关系,根据所建立的风速-转速对应关系,识别风力发电机组是否处于最大功率点跟踪阶段。
下面参照图2来介绍确定增益寻优风速区间的过程。
图2示出根据本发明示例性实施例的确定最大功率点跟踪阶段内的增益寻优风速区间的示意图。
从图2所示可以看出,在切入转速段,随着风速的增大,发电机转速基本不变,在最大功率点跟踪阶段,随着风速的增大,发电机转速也随之增大,在额定转速段,随着风速的增大,发电机转速保持在额定转速不变。
基于上述风速与发电机转速之间的变化规律,通过对获取的风力发电机组在预定时间段内的风速和发电机转速进行分析,可识别出最大功率点跟踪阶段。
例如,可通过如下方式来确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间。
对风力发电机组在最大功率点跟踪阶段所对应的风速进行分仓,得到多个风速区间(也可称为风速仓),并建立风速区间-风频对应关系;根据所建立的风速区间-风频对应关系,确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间。
这里,风频可指风速在风速区间内出现的次数,也就是说,在对在最大功率点跟踪阶段所对应的风速进行分仓之后,在每个风速区间内对应多个风速,针对每个风速区间,统计风速在该风速区间内出现的次数得到该风速区间的风频,优选地,可将在预定时间段内最大功率点跟踪阶段中所获取的风速出现的次数大于设定值(即,风频大于设定值)的风速区间确定为增益寻优风速区间。
基于在最大功率点跟踪阶段对应的风速进行风频统计,将在最大功率点跟踪阶段中风速出现的次数大于设定值的风速区间确定为增益寻优风速区间(即,优选风仓)。
也就是说,在最大功率点跟踪阶段,选取风频相对较集中的风速区间进行最优增益辨识,可以加快辨识过程,减少最优增益搜索时间。
返回图1,在步骤S20中,确定在增益寻优风速区间内的最优增益值。
例如,可基于初始最优增益值和初始单步迭代步长,将风力发电机组的输出功率(可指发电机侧输出功率)作为评价目标,通过多轮寻优搜索,找到使得与增益寻优风速区间内的风速对应的输出功率的平均值达到最大的最优增益值,将找到的最优增益值确定为在增益寻优风速区间内的最终最优增益值。
也就是说,以初始最优增益值为搜索的初始值,以单步迭代步长为间隔,进行多轮寻优搜索,以搜索到使得增益寻优风速区间对应的评价目标值最大的最优增益值,即,找到使得与增益寻优风速区间内的风速对应的输出功率的平均值达到最大的最优增益值。
优选地,在任一轮寻优搜索过程中,以预定周期进行最优增益值切换,控制风力发电机组分别在上一最优增益值下和在当前最优增益值下运行,以确定在任一轮寻优搜索中的最优增益值。
在本发明示例性实施例中,考虑到需要减少由于昼夜温差、湍流、扇区、对风偏差等环境因素导致的寻优结果不确定性,对不同最优增益值按预定周期(例如30分钟)进行定期切换,确保对两组最优增益值的对比基本在同一环境条件下进行。
此外,优选地,在多轮寻优搜索过程中,还可以随着迭代次数的增加,逐步减小单步迭代步长,以减小最优增益颗粒度。也就是说,先搜索到在某一单步迭代步长下的最优增益值,然后逐步减小单步迭代步长,以上述已搜索到的最优增益值为基准进行新一轮的寻优搜索过程,以减小最优增益变化颗粒度。
这样,可以随着寻优搜索的进行,通过逐步缩小单步迭代步长来寻找最优增益值,将最优增益的粗颗粒度寻优搜索和细颗粒度寻优搜索相结合,以获得更为精确的最优增益值。
下面参照图3来介绍确定在增益寻优风速区间内的最终最优增益值的步骤。应理解,图3所示的确定最终最优增益值的方式仅为示例,本发明不限于此,还可以通过其他方式来获得增益寻优风速区间的最终最优增益值。
图3示出根据本发明示例性实施例的确定在增益寻优风速区间内的最终最优增益值的步骤的流程图。
参照图3,在步骤S201中,根据初始搜索方向、初始单步迭代步长和初始最优增益值,确定风力发电机组的当前最优增益值。
作为示例,初始最优增益值可为风力发电机组的理论最优增益值。也就是说,在本发明示例性实施例中,以理论最优增益值为基础,通过多轮寻优搜索过程来获得风力发电机组的实际最优增益值。
例如,初始搜索方向可为正向和负向中的一个,相应地,初始搜索方向的反方向可为正向和负向中的另一个。
在一示例中,假设搜索方向的正向用1来表示,负向用-1来表示,在此情况下,当前最优增益值=初始最优增益值+初始搜索方向×初始单步迭代步长。
在步骤S202中,以预定周期进行最优增益值切换,分别获取风力发电机组在上一最优增益值下的与增益寻优风速区间内的风速对应的输出功率和在当前最优增益值下的与增益寻优风速区间内的风速对应的输出功率。
在本发明示例性实施例中,通过定时切换最优增益值,可以使其基本在同一环境因素下对风力发电机组进行性能评价,从而减少由于昼夜温差、湍流、扇区、对风偏差等环境因素导致的寻优结果不确定性。
考虑到将不同空气密度下得到的最优增益值进行对比也存在不确定性,因此还需要对最优增益值进行空气密度补偿折算。优选地,本发明示例性实施例中,以预定周期切换上一最优增益值和当前最优增益值(即,以预定周期控制风力发电机组在上一最优增益值和当前最优增益值之间切换),以将上一最优增益值和当前最优增益值之一作为实际应用的最优增益值,实际应用的最优增益值可为空气密度补偿折算后的最优增益值。
例如,可通过以下方式来获得空气密度补偿折算后的实际应用的最优增益值:获取风力发电机组在实际应用的最优增益值下运行时的空气密度,基于空气密度标准值和所获取的空气密度,对实际应用的最优增益值进行空气密度补偿折算,获得空气密度补偿折算后的实际应用的最优增益值。
作为示例,空气密度标准值可指风力发电机组所在区域的年平均空气密度。这里,可基于所获取的风力发电机组在实际应用的最优增益值下运行时的空气密度相对于空气密度标准值的偏差大小,来调整实际应用的最优增益值以获得空气密度补偿折算后的实际应用的最优增益值。
通过在寻优搜索过程中对最优增益进行基于空气密度补偿折算,使得对不同最优增益值的对比过程可以在同一环境因素下进行,有效减小环境因素对最优增益值确定结果的影响,保证寻优搜索结果的准确性。
在步骤S203中,分别计算在上一最优增益值下的与增益寻优风速区间内的风速对应的输出功率的第一功率平均值以及在当前最优增益值下的与增益寻优风速区间内的风速对应的输出功率的第二功率平均值。
这里,为获得准确的最终最优增益值,每组最优增益值下对应的增益寻优风速区间内的数据量需要符合计算需求(在任一最优增益值下获得的风速、发电机转速、输出功率的数据量大于设定值),足够多的数据可以降低寻优搜索结果的不确定性。例如,当每组最优增益值下的数据量均符合计算需求时,继续执行步骤S203。当任一组最优增益值下的数据量不符合计算需求时,则返回步骤S202。
在步骤S204中,将计算得到的第一功率平均值与第二功率平均值进行比较,即,判断第二功率平均值是否大于第一功率平均值。
如果第二功率平均值不大于(即,小于或者等于)第一功率平均值,则执行步骤S205:改变搜索方向。
在步骤S206中,确定是否为单步迭代内在第一轮寻优搜索时发生搜索方向改变。
如果是,则执行步骤S210:沿改变后的搜索方向,基于上一最优增益值和当前单步迭代步长来更新当前最优增益值,并返回执行步骤S202。
例如,如果改变后的搜索方向为正向,则通过将上一最优增益值与当前单步迭代步长相加来获得当前最优增益值。如果改变后的搜索方向为负向,则通过将上一最优增益值与当前单步迭代步长相减来获得当前最优增益值。
如果否,则执行步骤S207:确定步长变化次数是否达到第二预设值。这里,第二预设值可指步长变化的总次数。
如果步长变化次数达到第二预设值,则执行步骤S208:确定在增益寻优风速区间内的最终最优增益值。
这里所获得的最终最优增益值可指最后一轮寻优搜索中单步迭代内的最优增益值。
在一优选实施例中,还可以确定增益寻优风速区间内的发电机转速(与最终最优增益值对应的发电机转速),并建立转速与最优增益的映射关系。
例如,在确定出最终最优增益值之后,可计算在最终最优增益值下与增益寻优风速区间内的风速对应的发电机转速的平均值,建立在增益寻优风速区间下发电机转速的平均值与最终最优增益值的对应关系。
如果步长变化次数没有达到第二预设值,则执行步骤S209:更新当前单步迭代步长。
在一优选实施例中,初始单步迭代步长可为最大最优增益颗粒度(即,最大最优增益变化值),最后一轮寻优搜索时的单步迭代步长可为最小最优增益颗粒度(即,最小最优增益变化值),任一中间轮寻优搜索时的单步迭代步长可根据最大最优增益颗粒度、最小最优增益颗粒度以及步长变化次数来确定。通过上述自适应确定单步迭代步长,可以实现准确快速的最优增益辨识。
例如,可通过如下公式来确定任一中间轮寻优搜索时的单步迭代步长:
公式(1)中,δ表示任一中间轮寻优搜索时的单步迭代步长,Kmax表示最大最优增益颗粒度,Kmin表示最小最优增益颗粒度,m表示步长已变化次数。
在本发明示例性实施例中,基于自适应迭代步长的寻优颗粒度变化,可以很好的解决由于各种因素引起的最优增益值不够精确和搜索时间比较长的问题。上述寻优搜索过程可以使得风力发电机组在增益寻优风速区间的不同风速条件下均能快速且实时追踪最佳功率点,为精细化、智能化风力发电机组打下坚实的基础。
在步骤S210中,基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并返回执行步骤S202。
这里,沿改变后的搜索方向,来基于当前最优增益值和更新后的当前单步迭代步长来更新当前最优增益值。
如果第二功率平均值大于第一功率平均值,则执行步骤S211:确定同一搜索方向下搜索次数是否达到第一预设值。
例如,第一预设值可为当前轮寻优搜索下的最优增益变化边界与当前单步迭代步长的比值。作为示例,最优增益变化边界可为在风力发电机组允许的最大桨距角偏差下所对应的最大最优增益偏差值。
如果同一搜索方向下搜索次数没有达到第一预设值,则执行步骤S212:沿当前搜索方向,基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并返回执行步骤S202。
如果同一搜索方向下搜索次数达到第一预设值,则继续执行步骤S207。
返回图1,在步骤S30中,将所确定的在增益寻优风速区间内的最优增益值确定为风力发电机组的实际最优增益值。
在一优选实施例中,可对增益寻优风速区间所对应的风速进行分仓,得到多个子风速仓,在此情况下,可针对每个子风速仓,利用上述图3所示的步骤来确定出在各子风速仓下的最终最优增益值。相应地,可建立在各子风速仓下与子风速仓内的风速对应的发电机转速与最优增益的对应关系。
针对上述情况,可获得风力发电机组在增益寻优风速区间内的不同子风速仓下的实际最优增益值。
随着风力发电机组单机容量的不断增大,风力发电机组在最大功率点跟踪阶段追踪最优增益时产生的偏差所引起的功率损失不断增大,这大大降低了风力发电机组的发电量。加之风力发电设备制造行业竞争激烈,“竞价上网”呼声高涨,风力发电运营厂商对风力发电机组发电效率的要求也越来越高,因此迫切需要一种可在最大功率点跟踪阶段实时准确追踪最优增益,捕获最大风能,提高风力发电机组的发电效率和发电量的方法。为此,采用本发明示例性实施例的风力发电机组的最优增益追踪方法,以风力发电机组的实际输出功率作为目标值,能够使得风力发电机组能够准确追踪到最优增益。
优选地,在通过上述步骤获得实际最优增益值之后,可控制风力发电机组在最大功率点跟踪阶段在该实际最优增益值下运行,以追踪最佳叶尖速比。
例如,可基于确定的最优增益值确定与该最优增益值对应的最佳叶尖速比,以基于确定的最佳叶尖速比控制风力发电机组运行,从而使得风力发电机组在最大功率点跟踪阶段能够实时追踪最佳功率点,提高风力发电机组的发电量,为精细化、智能化风力发电机组打下坚实的基础。
除此之外,在一优选实施例中,在获得风力发电机组的实际最优增益值之后,还可基于所获得的实际最优增益值来判断风力发电机组是否存在增益报警隐患。
在此情况下,根据本发明示例性实施例的风力发电机组的最优增益追踪方法可还包括:将风力发电机组的实际最优增益与理论最优增益进行比较;如果实际最优增益与理论最优增益的差值大于增益偏差预警值,则进行报警。如果实际最优增益与理论最优增益的差值不大于(即,小于或者等于)增益偏差预警值,则确定风力发电机组的最优增益偏差在安全范围内,此时不进行报警。作为示例,增益偏差预警值可为允许的增益偏差的最大值。
在上述最优增益追踪方法中,如果理论最优增益值和实际最优增益值的结果差异较大,则输出报警,以提醒相关人员检查影响风力发电机组最优增益的因素,例如,桨叶对零偏差、转矩执行不准确、叶片粗糙度、叶片污损等导致的气动性能下降。
图4示出根据本发明示例性实施例的风力发电机组的最优增益追踪设备的框图。
如图4所示,根据本发明示例性实施例的风力发电机组的最优增益追踪设备包括:寻优风速区间确定模块10、区间增益确定模块20和最优增益确定模块30。
具体说来,寻优风速区间确定模块10确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间。
例如,寻优风速区间确定模块10可获取风力发电机组在预定时间段内的运行数据,基于所获取的运行数据先识别最大功率点跟踪阶段,然后再在最大功率点跟踪阶段内确定增益寻优风速区间。
图5示出根据本发明示例性实施例的寻优风速区间确定模块10的框图。
如图5所示,根据本发明示例性实施例的寻优风速区间确定模块10可包括:运行数据获取子模块21、第二对应关系建立子模块22、状态识别子模块23、第一对应关系建立子模块24和寻优区间确定子模块25。
具体说来,运行数据获取子模块21获取风力发电机组在预定时间段内的运行数据。作为示例,所获取的运行数据可包括风速和发电机转速。
第二对应关系建立子模块22根据获取的风速和发电机转速,建立风速-转速对应关系。
状态识别子模块23根据所建立的风速-转速对应关系,识别风力发电机组是否处于最大功率点跟踪阶段。
第一对应关系建立子模块24对风力发电机组在最大功率点跟踪阶段所对应的风速进行分仓,得到多个风速区间,并建立风速区间-风频对应关系。
寻优区间确定子模块25根据所建立的风速区间-风频对应关系,确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间。
这里,风频可指风速在风速区间内出现的次数,优选地,寻优区间确定子模块25可将在预定时间段内最大功率点跟踪阶段中所获取的风速出现的次数大于设定值的风速区间确定为增益寻优风速区间。
返回图4,区间增益确定模块20确定在增益寻优风速区间内的最优增益值。
例如,区间增益确定模块20可基于初始最优增益值和初始单步迭代步长,将风力发电机组的输出功率作为评价目标,通过多轮寻优搜索,找到使得与增益寻优风速区间内的风速对应的输出功率的平均值达到最大的最优增益值,将找到的最优增益值确定为在增益寻优风速区间内的最终最优增益值。
在一优选实施例中,在任一轮寻优搜索过程中,区间增益确定模块20以预定周期进行最优增益值切换,控制风力发电机组分别在上一最优增益值下和在当前最优增益值下运行,以确定在所述任一轮寻优搜索中的最优增益值。
优选地,在多轮寻优搜索过程中,区间增益确定模块20还可以随着迭代次数的增加,逐步减小单步迭代步长,以减小最优增益颗粒度。
下面介绍区间增益确定模块20确定在增益寻优风速区间内的最终最优增益值的过程。
区间增益确定模块20根据初始搜索方向、初始单步迭代步长和初始最优增益值,确定风力发电机组的当前最优增益值;以预定周期进行最优增益值切换,以分别获取风力发电机组在上一最优增益值下的与增益寻优风速区间内的风速对应的输出功率和在当前最优增益值下的与增益寻优风速区间内的风速对应的输出功率;分别计算在上一最优增益值下的与增益寻优风速区间内的风速对应的输出功率的第一功率平均值以及在当前最优增益值下的与增益寻优风速区间内的风速对应的输出功率的第二功率平均值;如果第二功率平均值大于第一功率平均值,则确定同一搜索方向下搜索次数是否达到第一预设值;如果达到第一预设值,则将当前最优增益值确定为在增益寻优风速区间内的最终最优增益值;如果没有达到第一预设值,则沿当前搜索方向,基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并继续根据当前最优增益值控制风力发电机组运行;如果第二功率平均值不大于第一功率平均值,则改变搜索方向,并确定步长变化次数是否达到第二预设值;如果达到第二预设值,则将上一最优增益值确定为在增益寻优风速区间内的最终最优增益值;如果没有达到第二预设值,则更新当前单步迭代步长,并基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并继续根据当前最优增益值控制风力发电机组运行。
优选地,当达到第一预设值时,区间增益确定模块20可还确定步长变化次数是否达到第二预设值,如果没有达到第二预设值,则区间增益确定模块更新当前单步迭代步长,并基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并继续根据当前最优增益值控制风力发电机组运行,如果达到第二预设值,则区间增益确定模块将当前最优增益值确定为在增益寻优风速区间内的最终最优增益值。
此外,当第二功率平均值不大于第一功率平均值时,区间增益确定模块20可还改变搜索方向,确定是否为单步迭代内在第一轮寻优搜索时发生搜索方向改变,如果是,则沿改变后的搜索方向,基于上一最优增益值和当前单步迭代步长来更新当前最优增益值,并继续根据当前最优增益值控制风力发电机组运行,如果否,则确定步长变化次数是否达到第二预设值。
作为示例,初始最优增益值可为风力发电机组的理论最优增益值。第一预设值可为当前轮寻优搜索下的最优增益变化边界与当前单步迭代步长的比值,最优增益变化边界可为在风力发电机组允许的最大桨距角偏差下所对应的最大最优增益偏差值。初始单步迭代步长可为最大最优增益颗粒度,最后一轮寻优搜索时的单步迭代步长可为最小最优增益颗粒度,任一中间轮寻优搜索时的单步迭代步长可根据最大最优增益颗粒度、最小最优增益颗粒度以及步长变化次数来确定。初始搜索方向可为正向和负向中的一个,初始搜索方向的反方向可为正向和负向中的另一个。
优选地,区间增益确定模块20以预定周期切换上一最优增益值和当前最优增益值,以将上一最优增益值和当前最优增益值之一作为实际应用的最优增益值,实际应用的最优增益值可为空气密度补偿折算后的最优增益值。
例如,区间增益确定模块20可通过以下方式来获得空气密度补偿折算后的实际应用的最优增益值。
区间增益确定模块20获取风力发电机组在实际应用的最优增益值下运行时的空气密度,基于空气密度标准值和所获取的空气密度,对实际应用的最优增益值进行空气密度补偿折算,获得空气密度补偿折算后的实际应用的最优增益值。作为示例,空气密度标准值可指风力发电机组所在区域的年平均空气密度。
在一优选实施例中,区间增益确定模块20可对增益寻优风速区间所对应的风速进行分仓,得到多个子风速仓,在此情况下,可针对每个子风速仓,利用上述确定增益寻优风速区间的最终最优增益值的方式来确定出在各子风速仓下的最终最优增益值。相应地,区间增益确定模块20还可建立在各子风速仓下与子风速仓内的风速对应的发电机转速与最优增益的对应关系。
最优增益确定模块30将所确定的在增益寻优风速区间内的最优增益值确定为风力发电机组的实际最优增益值。
针对上述多个子风速仓的情况,最优增益确定模块30可获得风力发电机组在增益寻优风速区间内的不同子风速仓下的实际最优增益值。
在一优选实施例中,在获得风力发电机组的实际最优增益值之后,还可基于所获得的实际最优增益值来判断风力发电机组是否存在增益报警隐患。
图6示出根据本发明示例性实施例的增益报警装置的框图。
如图6所示,根据本发明示例性实施例的增益报警装置可包括:比较模块40和报警模块50。
具体说来,比较模块40将风力发电机组的实际最优增益与理论最优增益进行比较。
如果实际最优增益与理论最优增益的差值大于增益偏差预警值,则报警模块50进行报警。
如果实际最优增益与理论最优增益的差值不大于(即,小于或者等于)增益偏差预警值,则确定风力发电机组的最优增益偏差在安全范围内,此时报警模块50不进行报警。
根据本发明的示例性实施例还提供一种计算装置。该计算装置包括处理器和存储器。存储器用于存储计算机程序。所述计算机程序被处理器执行使得处理器执行如上所述的风力发电机组的最优增益追踪方法的计算机程序。
根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述风力发电机组的最优增益追踪方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括:只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。
采用本发明示例性实施例的风力发电机组的最优增益追踪方法和设备,能够准确获得风力发电机组的实际最优增益,有助于实现最大化的捕获风能。
此外,采用本发明示例性实施例的风力发电机组的最优增益追踪方法和设备,简单、高效、易实现,可通过确定的与最优增益值对应的最佳叶尖速比,使得风力发电机组能够自适应调整偏航控制精度,以最大化的捕获风能。
此外,采用本发明示例性实施例的风力发电机组的最优增益追踪方法和设备,通过在最大功率点跟踪阶段的增益寻优风速区间内搜索最优增益值,从而缩短寻优时间,加速最优增益辨识过程。此外,还通过自适应步长寻优搜索风力发电机组的实际最优增益值,解决了最优增益寻优颗粒度的问题。
此外,采用本发明示例性实施例的风力发电机组的最优增益追踪方法和设备,在寻优搜索期间通过定期切换最优增益进行对比,降低了由于昼夜温差、湍流、扇区、对风偏差等环境因素导致的寻优结果不确定性,确保不同最优增益基本在同一环境条件下进行对比。此外,在寻优搜索期间还通过对最优增益进行空气密度补偿折算,减少了不同空气密度下最优增益存在的不确定性。
尽管已经参照其示例性实施例具体显示和描述了本发明,但是本领域的技术人员应该理解,在不脱离权利要求所限定的本发明的精神和范围的情况下,可以对其进行形式和细节上的各种改变。
Claims (26)
1.一种风力发电机组的最优增益追踪方法,其特征在于,包括:
确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间;
确定在增益寻优风速区间内的最优增益值;
将所确定的在增益寻优风速区间内的最优增益值确定为风力发电机组的实际最优增益值。
2.如权利要求1所述的最优增益追踪方法,其特征在于,确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间的步骤包括:
获取风力发电机组在预定时间段内的运行数据,所述运行数据包括风速;
对风力发电机组在最大功率点跟踪阶段所对应的风速进行分仓,得到多个风速区间,并建立风速区间-风频对应关系,风频指风速在风速区间内出现的次数;
根据所建立的风速区间-风频对应关系,确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间。
3.如权利要求2所述的最优增益追踪方法,其特征在于,增益寻优风速区间指在预定时间段内最大功率点跟踪阶段中风频大于设定值的风速区间。
4.如权利要求2所述的最优增益追踪方法,其特征在于,所述运行数据还包括发电机转速,
其中,所述最优增益追踪方法还包括:
根据获取的风速和发电机转速,建立风速-转速对应关系,
根据所建立的风速-转速对应关系,识别风力发电机组是否处于最大功率点跟踪阶段。
5.如权利要求1所述的最优增益追踪方法,其特征在于,确定在增益寻优风速区间内的最优增益值的步骤包括:
基于初始最优增益值和初始单步迭代步长,将风力发电机组的输出功率作为评价目标,通过多轮寻优搜索,找到使得与增益寻优风速区间内的风速对应的输出功率的平均值达到最大的最优增益值,将找到的最优增益值确定为在增益寻优风速区间内的最终最优增益值,
其中,在任一轮寻优搜索过程中,以预定周期进行最优增益值切换,控制风力发电机组分别在上一最优增益值下和在当前最优增益值下运行,以确定在所述任一轮寻优搜索中的最优增益值。
6.如权利要求5所述的最优增益追踪方法,其特征在于,在多轮寻优搜索过程中,随着迭代次数的增加,逐步减小单步迭代步长。
7.如权利要求6所述的最优增益追踪方法,其特征在于,通过以下方式确定在增益寻优风速区间内的最终最优增益值:
根据初始搜索方向、初始单步迭代步长和初始最优增益值,确定风力发电机组的当前最优增益值;
以预定周期进行最优增益值切换,以分别获取风力发电机组在上一最优增益值下的与增益寻优风速区间内的风速对应的输出功率和在当前最优增益值下的与增益寻优风速区间内的风速对应的输出功率;
分别计算在上一最优增益值下的与增益寻优风速区间内的风速对应的输出功率的第一功率平均值以及在当前最优增益值下的与增益寻优风速区间内的风速对应的输出功率的第二功率平均值;
如果第二功率平均值大于第一功率平均值,则确定同一搜索方向下搜索次数是否达到第一预设值;
如果第二功率平均值不大于第一功率平均值,则改变搜索方向,并确定步长变化次数是否达到第二预设值;
如果搜索次数达到第一预设值,则将当前最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值;
如果搜索次数没有达到第一预设值,则沿当前搜索方向,基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并返回以预定周期进行最优增益值切换的步骤;
如果步长变化次数达到第二预设值,则将上一最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值;
如果步长变化次数没有达到第二预设值,则更新当前单步迭代步长,并基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并返回以预定周期进行最优增益值切换的步骤。
8.如权利要求7所述的最优增益追踪方法,其特征在于,所述如果搜索次数达到第一预设值,则将当前最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值的步骤包括:
如果搜索次数达到第一预设值,则确定步长变化次数是否达到第二预设值;
如果步长变化次数没有达到第二预设值,则更新当前单步迭代步长,并基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并返回以预定周期进行最优增益值切换的步骤;
如果步长变化次数达到第二预设值,则将当前最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值。
9.如权利要求7所述的最优增益追踪方法,其特征在于,所述如果第二功率平均值不大于第一功率平均值,则改变搜索方向,并确定步长变化次数是否达到第二预设值的步骤包括:
如果第二功率平均值不大于第一功率平均值,则改变搜索方向;
确定是否为单步迭代内在第一轮寻优搜索时发生搜索方向改变;
如果是,则沿改变后的搜索方向,基于上一最优增益值和当前单步迭代步长来更新当前最优增益值,并返回以预定周期进行最优增益值切换的步骤;
如果否,则确定步长变化次数是否达到第二预设值。
10.如权利要求7所述的最优增益追踪方法,其特征在于,以预定周期切换上一最优增益值和当前最优增益值,以将上一最优增益值和当前最优增益值之一作为实际应用的最优增益值,实际应用的最优增益值为空气密度补偿折算后的最优增益值,通过以下方式来获得空气密度补偿折算后的实际应用的最优增益值:
获取风力发电机组在实际应用的最优增益值下运行时的空气密度,基于空气密度标准值和所获取的空气密度,对实际应用的最优增益值进行空气密度补偿折算,获得空气密度补偿折算后的实际应用的最优增益值。
11.如权利要求7所述的最优增益追踪方法,其特征在于,所述初始最优增益值为风力发电机组的理论最优增益值,
第一预设值为当前轮寻优搜索下的最优增益变化边界与当前单步迭代步长的比值,最优增益变化边界为在风力发电机组允许的最大桨距角偏差下所对应的最大最优增益偏差值;
初始单步迭代步长为最大最优增益颗粒度,最后一轮寻优搜索时的单步迭代步长为最小最优增益颗粒度,任一中间轮寻优搜索时的单步迭代步长根据最大最优增益颗粒度、最小最优增益颗粒度以及步长变化次数来确定;
初始搜索方向为正向和负向中的一个,初始搜索方向的反方向为正向和负向中的另一个。
12.如权利要求1所述的最优增益追踪方法,其特征在于,所述最优增益追踪方法还包括:
将风力发电机组的实际最优增益与理论最优增益进行比较;
如果实际最优增益与理论最优增益的差值大于增益偏差预警值,则进行报警。
13.一种风力发电机组的最优增益追踪设备,其特征在于,包括:
寻优风速区间确定模块,确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间;
区间增益确定模块,确定在增益寻优风速区间内的最优增益值;
最优增益确定模块,将所确定的在增益寻优风速区间内的最优增益值确定为风力发电机组的实际最优增益值。
14.如权利要求13所述的最优增益追踪设备,其特征在于,寻优风速区间确定模块包括:
运行数据获取子模块,获取风力发电机组在预定时间段内的运行数据,所述运行数据包括风速;
第一对应关系建立子模块,对风力发电机组在最大功率点跟踪阶段所对应的风速进行分仓,得到多个风速区间,并建立风速区间-风频对应关系,风频指风速在风速区间内出现的次数;
寻优区间确定子模块,根据所建立的风速区间-风频对应关系,确定风力发电机组在最大功率点跟踪阶段内的增益寻优风速区间。
15.如权利要求14所述的最优增益追踪设备,其特征在于,寻优区间确定子模块将在预定时间段内最大功率点跟踪阶段中风频大于设定值的风速区间确定为增益寻优风速区间。
16.如权利要求14所述的最优增益追踪设备,其特征在于,所述运行数据还包括发电机转速,
其中,寻优风速区间确定模块还包括:
第二对应关系建立子模块,根据获取的风速和发电机转速,建立风速-转速对应关系,
状态识别子模块,根据所建立的风速-转速对应关系,识别风力发电机组是否处于最大功率点跟踪阶段。
17.如权利要求13所述的最优增益追踪设备,其特征在于,区间增益确定模块基于初始最优增益值和初始单步迭代步长,将风力发电机组的输出功率作为评价目标,通过多轮寻优搜索,找到使得与增益寻优风速区间内的风速对应的输出功率的平均值达到最大的最优增益值,将找到的最优增益值确定为在增益寻优风速区间内的最终最优增益值,
其中,在任一轮寻优搜索过程中,区间增益确定模块以预定周期进行最优增益值切换,控制风力发电机组分别在上一最优增益值下和在当前最优增益值下运行,以确定在所述任一轮寻优搜索中的最优增益值。
18.如权利要求17所述的最优增益追踪设备,其特征在于,在多轮寻优搜索过程中,随着迭代次数的增加,逐步减小单步迭代步长。
19.如权利要求18所述的最优增益追踪设备,其特征在于,区间增益确定模块通过以下方式确定在增益寻优风速区间内的最终最优增益值:
根据初始搜索方向、初始单步迭代步长和初始最优增益值,确定风力发电机组的当前最优增益值;
以预定周期进行最优增益值切换,以分别获取风力发电机组在上一最优增益值下的与增益寻优风速区间内的风速对应的输出功率和在当前最优增益值下的与增益寻优风速区间内的风速对应的输出功率;
分别计算在上一最优增益值下的与增益寻优风速区间内的风速对应的输出功率的第一功率平均值以及在当前最优增益值下的与增益寻优风速区间内的风速对应的输出功率的第二功率平均值;
如果第二功率平均值大于第一功率平均值,则确定同一搜索方向下搜索次数是否达到第一预设值;
如果第二功率平均值不大于第一功率平均值,则改变搜索方向,并确定步长变化次数是否达到第二预设值;
如果搜索次数达到第一预设值,则将当前最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值;
如果搜索次数没有达到第一预设值,则沿当前搜索方向,基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并继续根据当前最优增益值控制风力发电机组运行;
如果步长变化次数达到第二预设值,则将上一最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值;
如果步长变化次数没有达到第二预设值,则更新当前单步迭代步长,并基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并继续根据当前最优增益值控制风力发电机组运行。
20.如权利要求19所述的最优增益追踪设备,其特征在于,如果搜索次数达到第一预设值,则区间增益确定模块确定步长变化次数是否达到第二预设值,如果步长变化次数没有达到第二预设值,则区间增益确定模块更新当前单步迭代步长,并基于当前最优增益值和当前单步迭代步长来更新当前最优增益值,并继续根据当前最优增益值控制风力发电机组运行,如果步长变化次数达到第二预设值,则区间增益确定模块将当前最优增益值确定为在增益寻优风速区间内当前单步迭代步长下的最终最优增益值。
21.如权利要求19所述的最优增益追踪设备,其特征在于,如果第二功率平均值不大于第一功率平均值,则区间增益确定模块改变搜索方向,确定是否为单步迭代内在第一轮寻优搜索时发生搜索方向改变,如果是,则沿改变后的搜索方向,基于上一最优增益值和当前单步迭代步长来更新当前最优增益值,并继续根据当前最优增益值控制风力发电机组运行,如果否,则确定步长变化次数是否达到第二预设值。
22.如权利要求19所述的最优增益追踪设备,区间增益确定模块以预定周期切换上一最优增益值和当前最优增益值,以将上一最优增益值和当前最优增益值之一作为实际应用的最优增益值,实际应用的最优增益值为空气密度补偿折算后的最优增益值,区间增益确定模块通过以下方式来获得空气密度补偿折算后的实际应用的最优增益值:
获取风力发电机组在实际应用的最优增益值下运行时的空气密度,基于空气密度标准值和所获取的空气密度,对实际应用的最优增益值进行空气密度补偿折算,获得空气密度补偿折算后的实际应用的最优增益值。
23.如权利要求19所述的最优增益追踪设备,其特征在于,所述初始最优增益值为风力发电机组的理论最优增益值,
第一预设值为当前轮寻优搜索下的最优增益变化边界与当前单步迭代步长的比值,最优增益变化边界为在风力发电机组允许的最大桨距角偏差下所对应的最大最优增益偏差值;
初始单步迭代步长为最大最优增益颗粒度,最后一轮寻优搜索时的单步迭代步长为最小最优增益颗粒度,任一中间轮寻优搜索时的单步迭代步长根据最大最优增益颗粒度、最小最优增益颗粒度以及步长变化次数来确定;
初始搜索方向为正向和负向中的一个,初始搜索方向的反方向为正向和负向中的另一个。
24.如权利要求13所述的最优增益追踪设备,其特征在于,所述最优增益追踪设备还包括:
比较模块,将风力发电机组的实际最优增益与理论最优增益进行比较;
报警模块,如果实际最优增益与理论最优增益的差值大于增益偏差预警值,则进行报警。
25.一种存储有计算机程序的计算机可读存储介质,当所述计算机程序在被处理器执行时实现如权利要求1-12中的任意一项所述的风力发电机组的最优增益追踪方法。
26.一种计算装置,其特征在于,所述计算装置包括:
处理器;
存储器,存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1-12中的任意一项所述的风力发电机组的最优增益追踪方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910701176.2A CN112302865A (zh) | 2019-07-31 | 2019-07-31 | 风力发电机组的最优增益追踪方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910701176.2A CN112302865A (zh) | 2019-07-31 | 2019-07-31 | 风力发电机组的最优增益追踪方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112302865A true CN112302865A (zh) | 2021-02-02 |
Family
ID=74485354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910701176.2A Pending CN112302865A (zh) | 2019-07-31 | 2019-07-31 | 风力发电机组的最优增益追踪方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112302865A (zh) |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102434391A (zh) * | 2011-12-27 | 2012-05-02 | 南京理工大学 | 一种基于起始转速调整的改进最大功率点跟踪控制方法 |
KR20120103966A (ko) * | 2011-03-11 | 2012-09-20 | 삼성중공업 주식회사 | 가변속 풍력 터빈 시스템 |
CN103225588A (zh) * | 2012-01-31 | 2013-07-31 | 北京能高自动化技术股份有限公司 | 基于模式识别技术的风力发电功率曲线优化方法 |
CN103244354A (zh) * | 2012-02-08 | 2013-08-14 | 北京能高自动化技术股份有限公司 | 风力发电机组功率曲线自适应优化方法 |
CN103758697A (zh) * | 2014-01-14 | 2014-04-30 | 南京理工大学 | 一种基于风机有效跟踪区间的改进最大功率跟踪控制方法 |
CN104533714A (zh) * | 2014-11-03 | 2015-04-22 | 华北电力大学 | 一种风力发电机组控制器参数辨识与整定方法 |
CN104929863A (zh) * | 2015-04-28 | 2015-09-23 | 广州市香港科大霍英东研究院 | 一种基于改进爬山算法的风力发电最大功率点跟踪方法 |
US20150292485A1 (en) * | 2012-12-12 | 2015-10-15 | State Grid Corporation Of China | Extremum seeking-based control method for maximum output tracking of a wind turbine generator |
CN105569922A (zh) * | 2015-12-16 | 2016-05-11 | 大连尚能科技发展有限公司 | 一种基于风速影响的风速风向仪的角度测量误差补偿方法 |
CN107100795A (zh) * | 2017-07-05 | 2017-08-29 | 四川东方电气自动控制工程有限公司 | 一种低风速下风力发电机组mppt自适应控制方法 |
CN108708823A (zh) * | 2018-04-28 | 2018-10-26 | 山东中车风电有限公司 | 风力发电机组的最优增益参数在线优化方法与系统 |
CN108869176A (zh) * | 2018-06-28 | 2018-11-23 | 北京金风科创风电设备有限公司 | 风力发电机组的对风偏差校正方法、装置和电子设备 |
CN109779836A (zh) * | 2018-12-20 | 2019-05-21 | 明阳智慧能源集团股份公司 | 一种基于遗传算法寻优的风力发电机组发电量提升方法 |
-
2019
- 2019-07-31 CN CN201910701176.2A patent/CN112302865A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20120103966A (ko) * | 2011-03-11 | 2012-09-20 | 삼성중공업 주식회사 | 가변속 풍력 터빈 시스템 |
CN102434391A (zh) * | 2011-12-27 | 2012-05-02 | 南京理工大学 | 一种基于起始转速调整的改进最大功率点跟踪控制方法 |
CN103225588A (zh) * | 2012-01-31 | 2013-07-31 | 北京能高自动化技术股份有限公司 | 基于模式识别技术的风力发电功率曲线优化方法 |
CN103244354A (zh) * | 2012-02-08 | 2013-08-14 | 北京能高自动化技术股份有限公司 | 风力发电机组功率曲线自适应优化方法 |
US20150292485A1 (en) * | 2012-12-12 | 2015-10-15 | State Grid Corporation Of China | Extremum seeking-based control method for maximum output tracking of a wind turbine generator |
CN103758697A (zh) * | 2014-01-14 | 2014-04-30 | 南京理工大学 | 一种基于风机有效跟踪区间的改进最大功率跟踪控制方法 |
CN104533714A (zh) * | 2014-11-03 | 2015-04-22 | 华北电力大学 | 一种风力发电机组控制器参数辨识与整定方法 |
CN104929863A (zh) * | 2015-04-28 | 2015-09-23 | 广州市香港科大霍英东研究院 | 一种基于改进爬山算法的风力发电最大功率点跟踪方法 |
CN105569922A (zh) * | 2015-12-16 | 2016-05-11 | 大连尚能科技发展有限公司 | 一种基于风速影响的风速风向仪的角度测量误差补偿方法 |
CN107100795A (zh) * | 2017-07-05 | 2017-08-29 | 四川东方电气自动控制工程有限公司 | 一种低风速下风力发电机组mppt自适应控制方法 |
CN108708823A (zh) * | 2018-04-28 | 2018-10-26 | 山东中车风电有限公司 | 风力发电机组的最优增益参数在线优化方法与系统 |
CN108869176A (zh) * | 2018-06-28 | 2018-11-23 | 北京金风科创风电设备有限公司 | 风力发电机组的对风偏差校正方法、装置和电子设备 |
CN109779836A (zh) * | 2018-12-20 | 2019-05-21 | 明阳智慧能源集团股份公司 | 一种基于遗传算法寻优的风力发电机组发电量提升方法 |
Non-Patent Citations (1)
Title |
---|
张秀玲;谭光忠;张少宇;窦春霞;: "采用模糊推理最优梯度法的风力发电系统最大功率点跟踪研究", 中国电机工程学报, no. 02, pages 119 - 123 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102056531B1 (ko) | 풍력 터빈 그리고 그것을 위한 운전 제어 방법 및 디바이스 | |
CN111126651B (zh) | 风电场噪声预测方法、装置及系统 | |
US20170022974A1 (en) | Operating wind turbines | |
CN110094298B (zh) | 切出策略自适应调整的方法及装置 | |
EP3760859B1 (en) | Method and apparatus for dynamically determining yaw control precision | |
US10697431B2 (en) | Control of a wind turbine taking noise into account | |
CN108798997B (zh) | 风力发电机组的控制方法、装置、控制器及系统 | |
CN112597691B (zh) | 基于LightGBM算法的风电机组变桨电机温度传感器故障预警方法 | |
CN110645145B (zh) | 风力发电机组的控制方法和控制设备 | |
CN112186761B (zh) | 一种基于概率分布的风电功率场景生成方法及系统 | |
CN114263564B (zh) | 考虑不变桨风速范围的风电机组有功功率控制方法及系统 | |
CN112302865A (zh) | 风力发电机组的最优增益追踪方法和设备 | |
CN111336062B (zh) | 一种基于测量风速的风力发电机组最大风能捕获方法 | |
CN112308275A (zh) | 风力发电机组的最优桨距角辨识方法和设备 | |
CN116292094B (zh) | 确定代表风力发电机组的方法和装置以及控制方法和装置 | |
CN113464376B (zh) | 风电机组失速识别方法和装置 | |
CN114412705B (zh) | 基于湍流强度的风电机组机舱位移监测优化方法及系统 | |
CN116292080B (zh) | 风力发电机组的变桨距控制方法及装置 | |
CN113740931B (zh) | 风力发电机组的阵风检测方法及装置 | |
CN113090453B (zh) | 风力发电机组的控制方法、装置和风力发电机组 | |
LU505191B1 (en) | Wind turbine power control method, device, equipment and storage medium | |
CN116009008B (zh) | 基于雷达的叶片虚警抑制方法 | |
CN113279904A (zh) | 一种风电机组最大功率跟踪的桨距角寻优方法及装置 | |
CN115076029A (zh) | 基于风速和湍流度的风电机组降载控制方法及存储介质 | |
CN114992049A (zh) | 用于风力发电机组的控制方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |