CN112308275A - 风力发电机组的最优桨距角辨识方法和设备 - Google Patents
风力发电机组的最优桨距角辨识方法和设备 Download PDFInfo
- Publication number
- CN112308275A CN112308275A CN201910701671.3A CN201910701671A CN112308275A CN 112308275 A CN112308275 A CN 112308275A CN 201910701671 A CN201910701671 A CN 201910701671A CN 112308275 A CN112308275 A CN 112308275A
- Authority
- CN
- China
- Prior art keywords
- pitch angle
- value
- optimal
- optimal pitch
- angle 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 80
- 238000005457 optimization Methods 0.000 claims description 108
- 230000008859 change Effects 0.000 claims description 97
- 238000006243 chemical reaction Methods 0.000 claims description 45
- 238000011156 evaluation Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims 2
- 230000008569 process Effects 0.000 description 22
- 230000007613 environmental effect Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000010248 power generation Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- 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"
-
- 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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/022—Adjusting aerodynamic properties of the blades
- F03D7/0224—Adjusting blade pitch
-
- 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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
- F03D7/046—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with learning or adaptive control, e.g. self-tuning, fuzzy logic or neural network
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Marketing (AREA)
- Chemical & Material Sciences (AREA)
- Mechanical Engineering (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Sustainable Energy (AREA)
- Sustainable Development (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Fluid Mechanics (AREA)
- Wind Motors (AREA)
Abstract
提供一种风力发电机组的最优桨距角辨识方法和设备,所述最优桨距角辨识方法包括:确定风力发电机组在最大功率点跟踪阶段内的寻优风速区间;确定在寻优风速区间内的最优桨距角值以及在所述最优桨距角值下的最优增益值;将所确定的在寻优风速区间内的最优桨距角值确定为风力发电机组的实际最优桨距角值,将在所述最优桨距角值下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桨距角辨识方法和设备,能够准确获得风力发电机组的实际最优桨距角值和实际最优增益值。
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桨距角辨识方法和设备。
背景技术
风能作为一种清洁的可再生能源,越来越受到世界各国的重视。在国家开发利用可再生能源政策推动下,我国风电产业以及技术在迅速发展,其中提高风力发电机组出力、优化功率曲线已经成为风电领域的研究热点。
最优桨距角和最优增益的确定对于风力发电机组出力至关重要,但因叶片零刻度标错、制造工艺差异、季节气候变化、风场特定风况、长久运行以及人为对零错误等,都可导致风力发电机组运行的最小桨距角不是风力发电机组最佳出力的最优桨距角,预设增益值也不是风力发电机组实际最佳出力对应的最优增益,并且人工检查难度较大也不利于大规模周期性校正工作。
在现有的风力发电机组的控制策略中,一般主要通过以下几种方式进行桨距角寻优以获得最优桨距角。
第一种是通过获取多台风力发电机组在不同桨距角下的动态功率曲线,进行为期数月的测试对比风力发电机组的发电功率,选择出最优桨距角。但这种最优桨距角确定方式,测试周期较长,策略过于理想化,并且即使相同型号的两台风力发电机组在机组制造、安装、可用扇区等方面也存在着差异,这使得基于这两台风力发电机组所获得的数据不具备数据可比性,由此得到的最优桨距角也不够准确。
第二种是根据预设步长,获取风力发电机组在待寻优桨距角运行时的等效功率值,从而得到最优桨距角。
第三种是根据风能利用系数Cp与桨距角β和叶尖速比λ的关系,通过反复调整桨距角来获得最优桨距角。
第四种是利用转速、转矩以及风速信号推算出不同时刻的最优桨距角,此方法过于理想化,现实效果不够理想。
在上述获得最优桨距角的各方法中,由于预设固定增益是根据设计阶段理想的Cp-λ计算得到,而实际上每台风力发电机组由于叶片制造、安装、环境等原因,必定存在着一条实际的Cp-λ曲线及对应的最优增益,也就是说,在某一时刻当前桨距角下的预设固定增益对应的风能利用,同当前桨距角下的实际最优增益对应的风能利用是存在差别的。换言之,在现有的桨距角寻优方法中考虑到MPPT段不同桨距角下预设固定增益导致的功率差异,均为局部寻优的策略,在一定程度上同样不具备数据可比性,最后获取的最优桨距角也并非是实际上的最优。
此外,在现有的控制策略中当最终确定某一最优桨距角之后,还需要另行通过其他技术手段来确定在该最优桨距角下的转矩最优增益。不仅该所谓的最优桨距角对于整机来说可能只是局部上的最优桨距角,基于此进一步确定的最优增益也同样仅是局部最优桨距角下的最优增益,无形中增加了实施整机性能提升方案所需的时间。
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桨距角辨识方法和设备,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桨距角辨识方法,包括:确定风力发电机组在最大功率点跟踪阶段内的寻优风速区间;确定在寻优风速区间内的最优桨距角值以及在所述最优桨距角值下的最优增益值;将所确定的在寻优风速区间内的最优桨距角值确定为风力发电机组的实际最优桨距角值,将在所述最优桨距角值下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寻优风速区间。
可选地,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。
可选地,所述运行数据可还包括发电机转速,其中,所述最优桨距角辨识方法可还包括: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,确定在寻优风速区间内的最优桨距角值以及在所述最优桨距角值下的最优增益值的步骤可包括:基于初始最优桨距角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桨距角值,并确定与找到的最优桨距角值对应的最优增益值,将找到的最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将所确定的最优增益值确定为在最终最优桨距角值下的最终最优增益值,其中,在任一轮寻优搜索过程中,可以预定周期进行最优桨距角值切换,控制风力发电机组分别在上一最优桨距角值、在上一最优桨距角值下的上一最优增益值下和在当前最优桨距角值、在当前最优桨距角值下的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桨距角值以及在该最优桨距角值下的最优增益值。
可选地,在多轮寻优搜索过程中,可随着迭代次数的增加,逐步减小单步迭代步长。
可选地,可通过以下方式确定在寻优风速区间内的最终最优桨距角值以及在最终最优桨距角值下的最终最优增益值:根据初始搜索方向、初始单步迭代步长和初始最优桨距角值,确定风力发电机组的当前最优桨距角值;确定在当前最优桨距角值下的当前最优增益值;以预定周期进行最优桨距角值切换,以分别获取风力发电机组在上一最优桨距角值以及在上一最优桨距角值下的上一最优增益值下的与寻优风速区间内的第一风速对应的第一输出功率和在当前最优桨距角值以及在当前最优桨距角值下的当前最优增益值下的与寻优风速区间内的第二风速对应的第二输出功率;分别计算在上一最优桨距角值以及上一最优增益值下的与寻优风速区间内的第一风速对应的第一输出功率的第一功率平均值以及在当前最优桨距角值以及当前最优增益值下的与寻优风速区间内的第二风速对应的第二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,则将当前最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在当前最优桨距角值下的当前最优增益值确定为最终最优增益值;如果搜索次数没有达到第一预设值,则沿当前搜索方向,基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回确定在当前最优桨距角值下的当前最优增益值的步骤;如果步长变化次数达到第二预设值,则将上一最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在上一最优桨距角值下的上一最优增益值确定为最终最优增益值;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,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回确定在当前最优桨距角值下的当前最优增益值的步骤。
可选地,所述确定在当前最优桨距角值下的当前最优增益值包括:确定预先存储的桨距角-最优增益数据表中是否存在与当前最优桨距角值对应的最优增益值;如果桨距角-最优增益数据表中存在与当前最优桨距角值对应的最优增益值,则将所对应的最优增益值确定为在当前最优桨距角值下的当前最优增益值;如果桨距角-最优增益数据表中不存在与当前最优桨距角值对应的最优增益值,则确定在当前最优桨距角值下的当前最优增益值。
可选地,所述如果搜索次数达到第一预设值,则将当前最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在当前最优桨距角值下的当前最优增益值确定为最终最优增益值可包括: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,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回确定在当前最优桨距角值下的当前最优增益值的步骤;如果步长变化次数达到第二预设值,则将当前最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在当前最优桨距角值下的当前最优增益值确定为最终最优增益值。
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,基于上一最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回确定在当前最优桨距角值下的当前最优增益值的步骤;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桨距角值和在上一最优桨距角值下的上一最优增益值以及当前最优桨距角值和在当前最优桨距角值下的当前最优增益值,以将上一最优桨距角值和当前最优桨距角值之一作为实际应用的最优桨距角值,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,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桨距角值以及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,第一风速或第二风速可均为空气密度补偿折算后的风速,可通过以下方式来获得空气密度补偿折算后的风速:获取风力发电机组在上一最优桨距角值以及上一最优增益值下运行时的第一空气密度以及在当前最优桨距角值以及当前最优增益值下运行时的第二空气密度;基于空气密度标准值和第一空气密度,对第一风速进行空气密度补偿折算,获得空气密度补偿折算后的第一风速;基于空气密度标准值和第二空气密度,对第二风速进行空气密度补偿折算,获得空气密度补偿折算后的第二风速。
可选地,所述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,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回确定在当前最优桨距角值下的当前最优增益值的步骤可包括:如果步长变化次数没有达到第二预设值,则确定是否满足寻优搜索的终止条件;如果满足寻优搜索的终止条件,则将上一最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在上一最优桨距角值下的上一最优增益值确定为最终最优增益值;如果不满足寻优搜索的终止条件,则基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回确定在当前最优桨距角值下的当前最优增益值的步骤。
可选地,初始最优桨距角值可为风力发电机组的理论最优桨距角值,第一预设值可为当前轮寻优搜索下的最优桨距角变化边界与当前单步迭代步长的比值,最优桨距角变化边界可为在风力发电机组允许的最大桨距角偏差;初始单步迭代步长可为最大最优桨距角变化颗粒度,最后一轮寻优搜索时的单步迭代步长可为最小最优桨距角变化颗粒度,任一中间轮寻优搜索时的单步迭代步长可根据最大最优桨距角变化颗粒度、最小最优桨距角变化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,所述最优桨距角辨识方法可还包括:分别将风力发电机组的实际最优桨距角值与理论最优桨距角值、实际最优增益值与理论最优增益值进行比较;如果实际最优桨距角值与理论最优桨距角值的差值大于桨距角偏差预警值,和/或,实际最优增益值与理论最优增益值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桨距角辨识设备,包括:寻优区间确定模块,确定风力发电机组在最大功率点跟踪阶段内的寻优风速区间;区间寻优值确定模块,确定在寻优风速区间内的最优桨距角值以及在所述最优桨距角值下的最优增益值;最优参数确定模块,将所确定的在寻优风速区间内的最优桨距角值确定为风力发电机组的实际最优桨距角值,将在所述最优桨距角值下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,区间寻优值确定模块可基于初始最优桨距角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桨距角值,并确定与找到的最优桨距角值对应的最优增益值,将找到的最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将所确定的最优增益值确定为在最终最优桨距角值下的最终最优增益值,其中,在任一轮寻优搜索过程中,区间寻优值确定模块可以预定周期进行最优桨距角值切换,控制风力发电机组分别在上一最优桨距角值、在上一最优桨距角值下的上一最优增益值下和在当前最优桨距角值、在当前最优桨距角值下的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桨距角值以及在该最优桨距角值下的最优增益值。
可选地,在多轮寻优搜索过程中,可随着迭代次数的增加,逐步减小单步迭代步长。
可选地,区间寻优值确定模块可通过以下方式确定在寻优风速区间内的最终最优桨距角值以及在最终最优桨距角值下的最终最优增益值:根据初始搜索方向、初始单步迭代步长和初始最优桨距角值,确定风力发电机组的当前最优桨距角值;确定在当前最优桨距角值下的当前最优增益值;以预定周期进行最优桨距角值切换,以分别获取风力发电机组在上一最优桨距角值以及在上一最优桨距角值下的上一最优增益值下的与寻优风速区间内的第一风速对应的第一输出功率和在当前最优桨距角值以及在当前最优桨距角值下的当前最优增益值下的与寻优风速区间内的第二风速对应的第二输出功率;分别计算在上一最优桨距角值以及上一最优增益值下的与寻优风速区间内的第一风速对应的第一输出功率的第一功率平均值以及在当前最优桨距角值以及当前最优增益值下的与寻优风速区间内的第二风速对应的第二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,则将当前最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在当前最优桨距角值下的当前最优增益值确定为最终最优增益值;如果搜索次数没有达到第一预设值,则沿当前搜索方向,基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值;如果步长变化次数达到第二预设值,则将上一最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在上一最优桨距角值下的上一最优增益值确定为最终最优增益值;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,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值。
可选地,区间寻优值确定模块可确定预先存储的桨距角-最优增益数据表中是否存在与当前最优桨距角值对应的最优增益值,如果桨距角-最优增益数据表中存在与当前最优桨距角值对应的最优增益值,则将所对应的最优增益值确定为在当前最优桨距角值下的当前最优增益值,如果桨距角-最优增益数据表中不存在与当前最优桨距角值对应的最优增益值,则确定在当前最优桨距角值下的当前最优增益值。
可选地,如果搜索次数达到第一预设值,则区间寻优值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,则区间寻优值确定模块更新当前单步迭代步长,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值,如果步长变化次数达到第二预设值,则区间寻优值确定模块将当前最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在当前最优桨距角值下的当前最优增益值确定为最终最优增益值。
可选地,如果第二功率平均值不大于第一功率平均值,则区间寻优值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,基于上一最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值,如果否,则确定步长变化次数是否达到第二预设值。
可选地,区间寻优值确定模块以预定周期切换上一最优桨距角值和在上一最优桨距角值下的上一最优增益值以及当前最优桨距角值和在当前最优桨距角值下的当前最优增益值,以将上一最优桨距角值和当前最优桨距角值之一作为实际应用的最优桨距角值,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,区间寻优值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桨距角值以及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,第一风速或第二风速可均为空气密度补偿折算后的风速,区间寻优值确定模块可通过以下方式来获得空气密度补偿折算后的风速:获取风力发电机组在上一最优桨距角值以及上一最优增益值下运行时的第一空气密度以及在当前最优桨距角值以及当前最优增益值下运行时的第二空气密度;基于空气密度标准值和第一空气密度,对第一风速进行空气密度补偿折算,获得空气密度补偿折算后的第一风速;基于空气密度标准值和第二空气密度,对第二风速进行空气密度补偿折算,获得空气密度补偿折算后的第二风速。
可选地,如果步长变化次数没有达到第二预设值,则区间寻优值确定模块可确定是否满足寻优搜索的终止条件,如果满足寻优搜索的终止条件,则将上一最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在上一最优桨距角值下的上一最优增益值确定为最终最优增益值,如果不满足寻优搜索的终止条件,则区间寻优值确定模块可基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值。
可选地,初始最优桨距角值可为风力发电机组的理论最优桨距角值,第一预设值可为当前轮寻优搜索下的最优桨距角变化边界与当前单步迭代步长的比值,最优桨距角变化边界可为在风力发电机组允许的最大桨距角偏差;初始单步迭代步长可为最大最优桨距角变化颗粒度,最后一轮寻优搜索时的单步迭代步长可为最小最优桨距角变化颗粒度,任一中间轮寻优搜索时的单步迭代步长可根据最大最优桨距角变化颗粒度、最小最优桨距角变化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,所述最优桨距角辨识设备可还包括:比较模块,分别将风力发电机组的实际最优桨距角值与理论最优桨距角、实际最优增益值与理论最优增益值进行比较;报警模块,如果实际最优桨距角值与理论最优桨距角值的差值大于桨距角偏差预警值,和/或,实际最优增益值与理论最优增益值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桨距角辨识方法。
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桨距角辨识方法。
采用本发明示例性实施例的风力发电机组的最优桨距角辨识方法和设备,能够准确获得风力发电机组的实际最优桨距角值和实际最优增益值,实现利用桨距角和转矩增益联合寻优辨识风力发电机组最优桨距角和最优增益。
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桨距角辨识方法的流程图;
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寻优风速区间内的最终最优桨距角值以及在最终最优桨距角值下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桨距角辨识设备的框图;
图5示出根据本发明示例性实施例的寻优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桨距角辨识方法的流程图。
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频大于设定值的风速区间确定为寻优风速区间(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,确定在寻优风速区间内的最优桨距角值以及在所述最优桨距角值下的最优增益值。
例如,可基于初始最优桨距角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桨距角值,并确定与找到的最优桨距角值对应的最优增益值,将找到的最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将所确定的最优增益值确定为在最终最优桨距角值下的最终最优增益值。
也就是说,以初始最优桨距角值为搜索的初始值,以单步迭代步长为间隔,进行多次搜索,以搜索到使得寻优风速区间对应的目标值最大的最优桨距角值,即,找到使得与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桨距角值。
优选地,在任一轮寻优搜索过程中,以预定周期进行最优桨距角值切换,控制风力发电机组分别在上一最优桨距角值、在上一最优桨距角值下的上一最优增益值下和在当前最优桨距角值、在当前最优桨距角值下的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桨距角值以及在该最优桨距角值下的最优增益值。
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,对不同最优桨距角值按预定周期(例如30分钟)进行定期切换,确保对两组最优桨距角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,以减小最优桨距角变化颗粒度。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桨距角值,将最优桨距角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桨距角值。
下面参照图3来介绍确定在寻优风速区间内的最终最优桨距角值以及在最终最优桨距角值下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桨距角值和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寻优风速区间的最终最优桨距角值和最终最优增益值。
图3示出根据本发明示例性实施例的确定在寻优风速区间内的最终最优桨距角值以及在最终最优桨距角值下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桨距角值,确定风力发电机组的当前最优桨距角值。
作为示例,初始最优桨距角值可为风力发电机组的理论最优桨距角值。也就是说,在本发明示例性实施例中,以理论最优桨距角值为基础,通过多轮寻优搜索过程来获得风力发电机组的实际最优桨距角值。
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,当前最优桨距角值=初始最优桨距角值+初始搜索方向×初始单步迭代步长。
在步骤S202中,确定在当前最优桨距角值下的当前最优增益值。
这里,可通过各种方法来确定在当前最优桨距角值下的当前最优增益值。在本发明的一优选实施例中,可预先建立一桨距角-最优增益数据表,该桨距角-最优增益数据表初始状态为空,随着每次寻优搜索过程,将最终确定的最优桨距角值以及在该最优桨距角值下的最优增益值存入到所建立的桨距角-最优增益数据表中,以减少后续的寻优搜索时间。
作为示例,在风电场中一般是间隔一定时间(例如,三个月或者半年)进行一次最优桨距角寻优搜索过程,优选地,可在每次最优桨距角寻优搜索过程之前将所建立的桨距角-最优增益数据表清空,这样可以使得每次在执行最优桨距角寻优搜索时,桨距角-最优增益数据表中所存储的数据均是最贴近当前的环境条件的数据,提高寻优的效率和准确性。
在此情况下,可通过如下方式来确定在当前最优桨距角值下的当前最优增益值:确定预先存储的桨距角-最优增益数据表中是否存在与当前最优桨距角值对应的最优增益值,如果桨距角-最优增益数据表中存在与当前最优桨距角值对应的最优增益值,则将所对应的最优增益值确定为在当前最优桨距角值下的当前最优增益值,如果桨距角-最优增益数据表中不存在与当前最优桨距角值对应的最优增益值,则确定在当前最优桨距角值下的当前最优增益值(可以通过各种方式来确定与当前最优桨距角值对应的当前最优增益值)。
通过采用上述基于桨距角-最优增益数据表的最优增益值确定方式,以避免重复搜索在某一最优桨距角值下的最优增益值,有效减少寻优搜索时间。
在步骤S203中,以预定周期进行最优桨距角值切换,以分别获取风力发电机组在上一最优桨距角值以及在上一最优桨距角值下的上一最优增益值下的与寻优风速区间内的第一风速对应的第一输出功率和在当前最优桨距角值以及在当前最优桨距角值下的当前最优增益值下的与寻优风速区间内的第二风速对应的第二输出功率。
在本发明示例性实施例中,通过定时切换最优桨距角值,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。
考虑到不同空气密度下的最优增益对整机风能利用存在影响,使风力发电机组无法按实际Cp-λ对应的最优叶尖速比运行,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的上一最优增益值和当前最优增益值可均为空气密度补偿折算后的最优增益值。
例如,以预定周期切换上一最优桨距角值、在上一最优桨距角值下的上一最优增益值以及当前最优桨距角值、在当前最优桨距角值下的当前最优增益值,即,以预定周期控制风力发电机组在上一最优桨距角值、上一最优增益值与当前最优桨距角值、当前最优增益值之间切换,以将上一最优桨距角值和当前最优桨距角值之一作为实际应用的最优桨距角值,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桨距角值以及在该实际应用的最优桨距角值下的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。
除此之外,还考虑到不同空气密度下得到的输出功率进行对比存在不确定性,因此还需要对风力发电机组的风速进行空气密度补偿折算。例如,需要将采集的风速折算到标准空气密度下的风速,进而通过评价与寻优风速区间内的折算后的风速对应的输出功率来进行桨距角寻优搜索过程。
优选地,本发明示例性实施例中的第一风速和第二风速均为空气密度补偿折算后的风速,第一输出功率和第二输出功率均为与空气密度补偿折算后的风速对应的输出功率。
例如,可通过以下方式来获得空气密度补偿折算后的第一风速:获取风力发电机组在上一最优桨距角值以及上一最优增益值下运行时的第一空气密度,基于空气密度标准值和第一空气密度,对第一风速进行空气密度补偿折算,获得空气密度补偿折算后的第一风速。
例如,可通过以下方式来获得空气密度补偿折算后的第二风速:获取风力发电机组在当前最优桨距角值以及当前最优增益值下运行时的第二空气密度,基于空气密度标准值和第二空气密度,对第二风速进行空气密度补偿折算,获得空气密度补偿折算后的第二风速。
这里,可通过各种方法来对风速进行空气密度补偿折算,例如,可基于所获取的空气密度相对于空气密度标准值的偏差大小,来调整风速以获得空气密度补偿折算后的风速。
在步骤S204中,分别计算在上一最优桨距角值以及上一最优增益值下的与寻优风速区间内的第一风速对应的第一输出功率的第一功率平均值以及在当前最优桨距角值以及当前最优增益值下的与寻优风速区间内的第二风速对应的第二输出功率的第二功率平均值。
这里,为获得准确的最终最优桨距角值以及最终最优增益值,每组最优桨距角值和最优增益值下对应的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,当每组最优桨距角值和最优增益值下的数据量均符合计算需求时,继续执行步骤S204。当任一组最优桨距角值和最优增益值下的数据量不符合计算需求时,则返回步骤S203。
在步骤S205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。
在本发明示例性实施例中,在基于输出功率确定最优桨距角值的过程中,无需引入预设功率曲线作对比,也无需引入预设风频作辅助评价,同样考虑到实测风速的不确定性,也无需计算Cp-λ等信息,极大提升了最优桨距角辨识过程的便利性。
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S206:改变搜索方向。
在步骤S207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S211:沿改变后的搜索方向,基于上一最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回执行步骤S202。
例如,如果改变后的搜索方向为正向,则通过将上一最优桨距角值与当前单步迭代步长相加来获得当前最优桨距角值。如果改变后的搜索方向为负向,则通过将上一最优桨距角值与当前单步迭代步长相减来获得当前最优桨距角值。
如果否,则执行步骤S208: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S209:确定在寻优风速区间内的最终最优桨距角值以及在该最终最优桨距角值下的最终最优增益值。
这里所获得的最终最优桨距角值可指最后一轮寻优搜索中单步迭代内的最优桨距角值。
如果步长变化次数没有达到第二预设值,则执行步骤S210:更新当前单步迭代步长。
在一优选实施例中,如果步长变化次数没有达到第二预设值,则可确定是否满足寻优搜索的终止条件,如果满足寻优搜索的终止条件,则执行步骤S209,如果不满足寻优搜索的终止条件,则执行步骤S210。
作为示例,该寻优搜索的终止条件可指当前最优桨距角变化颗粒度是否到达最小变化颗粒度或者符合颗粒度自适应终止条件。如果当前最优桨距角变化颗粒度到达最小变化颗粒度或者符合颗粒度自适应终止条件,则确定满足寻优搜索的终止条件,如果当前最优桨距角变化颗粒度没有到达最小变化颗粒度或者不符合颗粒度自适应终止条件,则确定不满足寻优搜索的终止条件。例如,颗粒度自适应终止条件可指当前最优桨距角变化颗粒度处于颗粒度终止变化范围内,这里,本领域技术人员可以根据实际需要来确定该颗粒度终止变化范围的取值范围。
例如,在当前最优桨距角符合颗粒度自适应终止条件时,表明此时实际桨距角值的寻优颗粒度已经较细,功率评价已经无法有效区分上一最优桨距角值与当前最优桨距角值的优劣,导致寻优风速区间内不同最优桨距角虽然有差异,但该两个最优桨距角之间的数据可比性已经较弱,更细的桨距角颗粒度优化无法进行,这个时候继续进行桨距角寻优搜索已没有意义,可以终止寻优搜索过程。
在一优选实施例中,初始单步迭代步长可为最大最优桨距角变化颗粒度(即,最大最优桨距角变化值),最后一轮寻优搜索时的单步迭代步长可为最小最优桨距角变化颗粒度(即,最小最优桨距角变化值),任一中间轮寻优搜索时的单步迭代步长可根据最大最优桨距角变化颗粒度、最小最优桨距角变化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桨距角辨识。
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,θmax表示最大最优桨距角变化颗粒度,θmin表示最小最优桨距角变化颗粒度,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桨距角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S211中,基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回执行步骤S202。
这里,沿改变后的搜索方向,来基于当前最优桨距角值和更新后的当前单步迭代步长来更新当前最优桨距角值。
如果第二功率平均值大于第一功率平均值,则执行步骤S212: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桨距角变化边界与当前单步迭代步长的比值,作为示例,最优桨距角变化边界为在风力发电机组允许的最大桨距角偏差。
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S213:沿当前搜索方向,基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,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S208。
通过上述基于桨距角和增益的联合寻优策略,可以辨识风力发电机组的实际最优桨距角值,同时也可以同步辨识出在最终实际最优桨距角值下的最优增益值,不仅可以避免桨距角辨识和转矩增益辨识分开导致的测试周期偏长,以及只辨识到局部最优桨距角和最优增益的问题,还可以有效提升风力发电机组的发电性能。
返回图1,在步骤S30中,将所确定的在寻优风速区间内的最优桨距角值确定为风力发电机组的实际最优桨距角值,将在所述最优桨距角值下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桨距角值以及在该最终最优桨距角值下的最终最优增益值。
针对上述情况,可获得风力发电机组在寻优风速区间内的不同子风速仓下的实际最优桨距角值以及实际最优增益值。
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桨距角辨识方法,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桨距角值以及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桨距角值以及实际最优增益值之后,还可基于所获得的实际最优桨距角值和实际最优增益值来判断风力发电机组是否存在报警隐患。
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桨距角辨识方法可还包括:分别将风力发电机组的实际最优桨距角值与理论最优桨距角、实际最优增益值与理论最优增益值进行比较;如果实际最优桨距角值与理论最优桨距角值的差值大于桨距角偏差预警值,和/或,实际最优增益值与理论最优增益值的差值大于增益偏差预警值,则进行报警。如果实际最优桨距角值与理论最优桨距角值的差值不大于(即,小于或者等于)桨距角偏差预警值,且实际最优增益值与理论最优增益值的差值不大于增益偏差预警值,则确定风力发电机组的最优桨距角偏差以及最优增益偏差均在安全范围内,此时不进行报警。作为示例,桨距角偏差预警值可为允许的桨距角偏差的最大值,增益偏差预警值可为允许的增益偏差的最大值。
在上述最优桨距角辨识方法中,如果理论最优桨距角值和实际最优桨距角值、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桨距角和最优增益的因素,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桨距角辨识设备的框图。
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桨距角辨识设备包括:寻优区间确定模块10、区间寻优值确定模块20和最优参数确定模块30。
具体说来,寻优区间确定模块10确定风力发电机组在最大功率点跟踪阶段内的寻优风速区间。
例如,寻优区间确定模块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寻优风速区间。
图5示出根据本发明示例性实施例的寻优区间确定模块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风速出现的次数大于设定值的风速区间确定为寻优风速区间。
返回图4,区间寻优值确定模块20确定在寻优风速区间内的最优桨距角值以及在所述最优桨距角值下的最优增益值。
例如,区间寻优值确定模块20可基于初始最优桨距角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桨距角值,并确定与找到的最优桨距角值对应的最优增益值,将找到的最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将所确定的最优增益值确定为在最终最优桨距角值下的最终最优增益值。
在一优选实施例中,在任一轮寻优搜索过程中,区间寻优值确定模块20以预定周期进行最优桨距角值切换,控制风力发电机组分别在上一最优桨距角值、在上一最优桨距角值下的上一最优增益值下和在当前最优桨距角值、在当前最优桨距角值下的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桨距角值以及在该最优桨距角值下的最优增益值。
优选地,在多轮寻优搜索过程中,区间寻优值确定模块20还可以随着迭代次数的增加,逐步减小单步迭代步长,以减小最优桨距角变化颗粒度。
下面介绍区间寻优值确定模块20确定在寻优风速区间内的最终最优桨距角值以及在最终最优桨距角值下的最终最优增益值的过程。
区间寻优值确定模块20可根据初始搜索方向、初始单步迭代步长和初始最优桨距角值,确定风力发电机组的当前最优桨距角值;确定在当前最优桨距角值下的当前最优增益值;以预定周期进行最优桨距角值切换,以分别获取风力发电机组在上一最优桨距角值以及在上一最优桨距角值下的上一最优增益值下的与寻优风速区间内的第一风速对应的第一输出功率和在当前最优桨距角值以及在当前最优桨距角值下的当前最优增益值下的与寻优风速区间内的第二风速对应的第二输出功率;分别计算在上一最优桨距角值以及上一最优增益值下的与寻优风速区间内的第一风速对应的第一输出功率的第一功率平均值以及在当前最优桨距角值以及当前最优增益值下的与寻优风速区间内的第二风速对应的第二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,则将当前最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在当前最优桨距角值下的当前最优增益值确定为最终最优增益值;如果没有达到第一预设值,则沿当前搜索方向,基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值;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;如果达到第二预设值,则将上一最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在上一最优桨距角值下的上一最优增益值确定为最终最优增益值;如果没有达到第二预设值,则更新当前单步迭代步长,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值。
例如,区间寻优值确定模块20可通过如下方式来确定在当前最优桨距角值下的当前最优增益值:确定预先存储的桨距角-最优增益数据表中是否存在与当前最优桨距角值对应的最优增益值,如果桨距角-最优增益数据表中存在与当前最优桨距角值对应的最优增益值,则将所对应的最优增益值确定为在当前最优桨距角值下的当前最优增益值,如果桨距角-最优增益数据表中不存在与当前最优桨距角值对应的最优增益值,则确定在当前最优桨距角值下的当前最优增益值。
优选地,当达到第一预设值时,区间寻优值确定模块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,则区间寻优值确定模块20更新当前单步迭代步长,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值,如果达到第二预设值,则区间寻优值确定模块20将当前最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在当前最优桨距角值下的当前最优增益值确定为最终最优增益值。
此外,当第二功率平均值不大于第一功率平均值时,区间寻优值确定模块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,基于上一最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值,如果否,则确定步长变化次数是否达到第二预设值。
此外,当没有达到第二预设值时,区间寻优值确定模块20可还确定是否满足寻优搜索的终止条件,如果满足寻优搜索的终止条件,则将上一最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在上一最优桨距角值下的上一最优增益值确定为最终最优增益值,如果不满足寻优搜索的终止条件,则区间寻优值确定模块20更新当前单步迭代步长,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值。
作为示例,初始最优桨距角值可为风力发电机组的理论最优桨距角值。第一预设值可为当前轮寻优搜索下的最优桨距角变化边界与当前单步迭代步长的比值,最优桨距角变化边界可为在风力发电机组允许的最大桨距角偏差。初始单步迭代步长可为最大最优桨距角变化颗粒度,最后一轮寻优搜索时的单步迭代步长可为最小最优桨距角变化颗粒度,任一中间轮寻优搜索时的单步迭代步长可根据最大最优桨距角变化颗粒度、最小最优桨距角变化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,区间寻优值确定模块20以预定周期切换上一最优桨距角值、在上一最优桨距角值下的上一最优增益值以及当前最优桨距角值、在当前最优桨距角值下的当前最优增益值,以将上一最优桨距角值和当前最优桨距角值之一作为实际应用的最优桨距角值,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,区间寻优值确定模块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。
区间寻优值确定模块20获取风力发电机组在实际应用的最优桨距角值以及在该实际应用的最优桨距角值下的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,区间寻优值确定模块20可对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,利用上述确定寻优风速区间的最终最优桨距角值以及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桨距角值以及最终最优增益值。
此外,优选地,第一风速和第二风速均为空气密度补偿折算后的风速,第一输出功率和第二输出功率均为与空气密度补偿折算后的风速对应的输出功率。例如,区间寻优值确定模块20可通过以下方式来获得空气密度补偿折算后的第一风速和第二风速。
区间寻优值确定模块20获取风力发电机组在上一最优桨距角值以及上一最优增益值下运行时的第一空气密度以及在当前最优桨距角值以及当前最优增益值下运行时的第二空气密度。
区间寻优值确定模块20基于空气密度标准值和第一空气密度,对第一风速进行空气密度补偿折算,获得空气密度补偿折算后的第一风速。
区间寻优值确定模块20基于空气密度标准值和第二空气密度,对第二风速进行空气密度补偿折算,获得空气密度补偿折算后的第二风速。
最优参数确定模块30将所确定的在寻优风速区间内的最优桨距角值确定为风力发电机组的实际最优桨距角值,将在所述最优桨距角值下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,最优参数确定模块30可获得风力发电机组在寻优风速区间内的不同子风速仓下的实际最优桨距角值以及在该实际最优桨距角值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桨距角值以及实际最优增益值之后,还可基于所获得的实际最优桨距角值以及实际最优增益值来判断风力发电机组是否存在报警隐患。
图6示出根据本发明示例性实施例的报警装置的框图。
如图6所示,根据本发明示例性实施例的报警装置可包括:比较模块40和报警模块50。
具体说来,比较模块40分别将风力发电机组的实际最优桨距角值与理论最优桨距角、实际最优增益值与理论最优增益值进行比较。
如果实际最优桨距角值与理论最优桨距角值的差值大于桨距角偏差预警值,和/或,实际最优增益值与理论最优增益值的差值大于增益偏差预警值,则报警模块50进行报警。
如果实际最优桨距角值与理论最优桨距角值的差值不大于(即,小于或者等于)桨距角偏差预警值,且实际最优增益值与理论最优增益值的差值不大于增益偏差预警值,则确定风力发电机组的最优桨距角偏差以及最优增益偏差均在安全范围内,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桨距角辨识方法的计算机程序。
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桨距角辨识方法的计算机程序。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桨距角辨识方法和设备,区别于现有技术中针对过渡段的桨距角寻优方式,而是针对变转速段来进行桨距角寻优,以准确获得风力发电机组的实际最优桨距角以及在该实际最优桨距角下的实际最优增益,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桨距角辨识方法和设备,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转矩控制精度,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桨距角辨识方法和设备,通过在最大功率点跟踪阶段的寻优风速区间内搜索最优桨距角值,从而缩短寻优时间,加速最优桨距角辨识过程。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桨距角值,解决了最优桨距角寻优颗粒度的问题。
此外,通过最大功率点跟踪阶段段不同桨距角下转矩最优增益辨识功能的引入,可以解决现有技术中在不同桨距角下由于预设固定转矩增益导致的数据可比性缺陷问题。
此外,采用本发明示例性实施例的风力发电机组的最优桨距角辨识方法和设备,在寻优搜索期间通过定期切换最优桨距角进行对比,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,确保不同最优桨距角以及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以及输出功率进行空气密度补偿折算,减少了不同空气密度下最优桨距角存在的不确定性。
此外,根据本发明示例性实施例的风力发电机组的最优桨距角辨识方法和设备,在深入了解实际业务场景的前提下,以风力发电机组的实际输出功率作为评价目标,将追踪最优桨距角这一业界难题转化为桨距角和转矩增益联合优化的问题,通过机器学习算法-自适应寻优算法准确追踪到风力发电机组的最优桨距角和最优增益。
同时基于自适应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桨距角寻优不够精确和搜索时间比较长的问题。本发明上述示例性实施例中的最优桨距角辨识方法和设备可以使得风力发电机组在最大功率点跟踪阶段段不同风速条件下均能快速且实时追踪最佳功率点,获取实际的最大风能利用,为精细化、智能化风力发电机组打下坚实的基础。
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 (32)
1.一种风力发电机组的最优桨距角辨识方法,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寻优风速区间;
确定在寻优风速区间内的最优桨距角值以及在所述最优桨距角值下的最优增益值;
将所确定的在寻优风速区间内的最优桨距角值确定为风力发电机组的实际最优桨距角值,将在所述最优桨距角值下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所述的最优桨距角辨识方法,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寻优风速区间。
3.如权利要求2所述的最优桨距角辨识方法,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确定为寻优风速区间。
4.如权利要求2所述的最优桨距角辨识方法,其特征在于,所述运行数据还包括发电机转速,
其中,所述最优桨距角辨识方法还包括:
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所述的最优桨距角辨识方法,其特征在于,确定在寻优风速区间内的最优桨距角值以及在所述最优桨距角值下的最优增益值的步骤包括:
基于初始最优桨距角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桨距角值,并确定与找到的最优桨距角值对应的最优增益值,将找到的最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将所确定的最优增益值确定为在最终最优桨距角值下的最终最优增益值,
其中,在任一轮寻优搜索过程中,以预定周期进行最优桨距角值切换,控制风力发电机组分别在上一最优桨距角值、在上一最优桨距角值下的上一最优增益值下和在当前最优桨距角值、在当前最优桨距角值下的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桨距角值以及在该最优桨距角值下的最优增益值。
6.如权利要求5所述的最优桨距角辨识方法,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所述的最优桨距角辨识方法,其特征在于,通过以下方式确定在寻优风速区间内的最终最优桨距角值以及在最终最优桨距角值下的最终最优增益值:
根据初始搜索方向、初始单步迭代步长和初始最优桨距角值,确定风力发电机组的当前最优桨距角值;
确定在当前最优桨距角值下的当前最优增益值;
以预定周期进行最优桨距角值切换,以分别获取风力发电机组在上一最优桨距角值以及在上一最优桨距角值下的上一最优增益值下的与寻优风速区间内的第一风速对应的第一输出功率和在当前最优桨距角值以及在当前最优桨距角值下的当前最优增益值下的与寻优风速区间内的第二风速对应的第二输出功率;
分别计算在上一最优桨距角值以及上一最优增益值下的与寻优风速区间内的第一风速对应的第一输出功率的第一功率平均值以及在当前最优桨距角值以及当前最优增益值下的与寻优风速区间内的第二风速对应的第二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,则将当前最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在当前最优桨距角值下的当前最优增益值确定为最终最优增益值;
如果搜索次数没有达到第一预设值,则沿当前搜索方向,基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回确定在当前最优桨距角值下的当前最优增益值的步骤;
如果步长变化次数达到第二预设值,则将上一最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在上一最优桨距角值下的上一最优增益值确定为最终最优增益值;
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,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回确定在当前最优桨距角值下的当前最优增益值的步骤。
8.如权利要求7所述的最优桨距角辨识方法,其特征在于,所述确定在当前最优桨距角值下的当前最优增益值包括:
确定预先存储的桨距角-最优增益数据表中是否存在与当前最优桨距角值对应的最优增益值;
如果桨距角-最优增益数据表中存在与当前最优桨距角值对应的最优增益值,则将所对应的最优增益值确定为在当前最优桨距角值下的当前最优增益值;
如果桨距角-最优增益数据表中不存在与当前最优桨距角值对应的最优增益值,则确定在当前最优桨距角值下的当前最优增益值。
9.如权利要求7所述的最优桨距角辨识方法,其特征在于,所述如果搜索次数达到第一预设值,则将当前最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在当前最优桨距角值下的当前最优增益值确定为最终最优增益值包括:
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,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回确定在当前最优桨距角值下的当前最优增益值的步骤;
如果步长变化次数达到第二预设值,则将当前最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在当前最优桨距角值下的当前最优增益值确定为最终最优增益值。
10.如权利要求7所述的最优桨距角辨识方法,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,基于上一最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回确定在当前最优桨距角值下的当前最优增益值的步骤;
如果否,则确定步长变化次数是否达到第二预设值。
11.如权利要求7所述的最优桨距角辨识方法,其特征在于,以预定周期切换上一最优桨距角值和在上一最优桨距角值下的上一最优增益值以及当前最优桨距角值和在当前最优桨距角值下的当前最优增益值,以将上一最优桨距角值和当前最优桨距角值之一作为实际应用的最优桨距角值,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桨距角值以及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。
12.如权利要求7所述的最优桨距角辨识方法,其特征在于,第一风速或第二风速均为空气密度补偿折算后的风速,通过以下方式来获得空气密度补偿折算后的风速:
获取风力发电机组在上一最优桨距角值以及上一最优增益值下运行时的第一空气密度以及在当前最优桨距角值以及当前最优增益值下运行时的第二空气密度;
基于空气密度标准值和第一空气密度,对第一风速进行空气密度补偿折算,获得空气密度补偿折算后的第一风速;
基于空气密度标准值和第二空气密度,对第二风速进行空气密度补偿折算,获得空气密度补偿折算后的第二风速。
13.如权利要求7所述的最优桨距角辨识方法,其特征在于,所述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,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回确定在当前最优桨距角值下的当前最优增益值的步骤包括:
如果步长变化次数没有达到第二预设值,则确定是否满足寻优搜索的终止条件;
如果满足寻优搜索的终止条件,则将上一最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在上一最优桨距角值下的上一最优增益值确定为最终最优增益值;
如果不满足寻优搜索的终止条件,则更新当前单步迭代步长,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并返回确定在当前最优桨距角值下的当前最优增益值的步骤。
14.如权利要求7所述的最优桨距角辨识方法,其特征在于,初始最优桨距角值为风力发电机组的理论最优桨距角值,
第一预设值为当前轮寻优搜索下的最优桨距角变化边界与当前单步迭代步长的比值,最优桨距角变化边界为在风力发电机组允许的最大桨距角偏差;
初始单步迭代步长为最大最优桨距角变化颗粒度,最后一轮寻优搜索时的单步迭代步长为最小最优桨距角变化颗粒度,任一中间轮寻优搜索时的单步迭代步长根据最大最优桨距角变化颗粒度、最小最优桨距角变化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。
15.如权利要求1所述的最优桨距角辨识方法,其特征在于,所述最优桨距角辨识方法还包括:
分别将风力发电机组的实际最优桨距角值与理论最优桨距角值、实际最优增益值与理论最优增益值进行比较;
如果实际最优桨距角值与理论最优桨距角值的差值大于桨距角偏差预警值,和/或,实际最优增益值与理论最优增益值的差值大于增益偏差预警值,则进行报警。
16.一种风力发电机组的最优桨距角辨识设备,其特征在于,包括:
寻优区间确定模块,确定风力发电机组在最大功率点跟踪阶段内的寻优风速区间;
区间寻优值确定模块,确定在寻优风速区间内的最优桨距角值以及在所述最优桨距角值下的最优增益值;
最优参数确定模块,将所确定的在寻优风速区间内的最优桨距角值确定为风力发电机组的实际最优桨距角值,将在所述最优桨距角值下的最优增益值确定为风力发电机组的实际最优增益值。
17.如权利要求16所述的最优桨距角辨识设备,其特征在于,寻优区间确定模块包括:
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寻优风速区间。
18.如权利要求17所述的最优桨距角辨识设备,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寻优风速区间。
19.如权利要求17所述的最优桨距角辨识设备,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。
20.如权利要求16所述的最优桨距角辨识设备,其特征在于,区间寻优值确定模块基于初始最优桨距角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桨距角值,并确定与找到的最优桨距角值对应的最优增益值,将找到的最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将所确定的最优增益值确定为在最终最优桨距角值下的最终最优增益值,
其中,在任一轮寻优搜索过程中,区间寻优值确定模块以预定周期进行最优桨距角值切换,控制风力发电机组分别在上一最优桨距角值、在上一最优桨距角值下的上一最优增益值下和在当前最优桨距角值、在当前最优桨距角值下的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桨距角值以及在该最优桨距角值下的最优增益值。
21.如权利要求20所述的最优桨距角辨识设备,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。
22.如权利要求21所述的最优桨距角辨识设备,其特征在于,区间寻优值确定模块通过以下方式确定在寻优风速区间内的最终最优桨距角值以及在最终最优桨距角值下的最终最优增益值:
根据初始搜索方向、初始单步迭代步长和初始最优桨距角值,确定风力发电机组的当前最优桨距角值;
确定在当前最优桨距角值下的当前最优增益值;
以预定周期进行最优桨距角值切换,以分别获取风力发电机组在上一最优桨距角值以及在上一最优桨距角值下的上一最优增益值下的与寻优风速区间内的第一风速对应的第一输出功率和在当前最优桨距角值以及在当前最优桨距角值下的当前最优增益值下的与寻优风速区间内的第二风速对应的第二输出功率;
分别计算在上一最优桨距角值以及上一最优增益值下的与寻优风速区间内的第一风速对应的第一输出功率的第一功率平均值以及在当前最优桨距角值以及当前最优增益值下的与寻优风速区间内的第二风速对应的第二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,则将当前最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在当前最优桨距角值下的当前最优增益值确定为最终最优增益值;
如果搜索次数没有达到第一预设值,则沿当前搜索方向,基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值;
如果步长变化次数达到第二预设值,则将上一最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在上一最优桨距角值下的上一最优增益值确定为最终最优增益值;
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,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值。
23.如权利要求22所述的最优桨距角辨识设备,其特征在于,区间寻优值确定模块确定预先存储的桨距角-最优增益数据表中是否存在与当前最优桨距角值对应的最优增益值,如果桨距角-最优增益数据表中存在与当前最优桨距角值对应的最优增益值,则将所对应的最优增益值确定为在当前最优桨距角值下的当前最优增益值,如果桨距角-最优增益数据表中不存在与当前最优桨距角值对应的最优增益值,则确定在当前最优桨距角值下的当前最优增益值。
24.如权利要求22所述的最优桨距角辨识设备,其特征在于,如果搜索次数达到第一预设值,则区间寻优值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,则区间寻优值确定模块更新当前单步迭代步长,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值,如果步长变化次数达到第二预设值,则区间寻优值确定模块将当前最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在当前最优桨距角值下的当前最优增益值确定为最终最优增益值。
25.如权利要求22所述的最优桨距角辨识设备,其特征在于,如果第二功率平均值不大于第一功率平均值,则区间寻优值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,基于上一最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值,如果否,则确定步长变化次数是否达到第二预设值。
26.如权利要求22所述的最优桨距角辨识设备,其特征在于,区间寻优值确定模块以预定周期切换上一最优桨距角值和在上一最优桨距角值下的上一最优增益值以及当前最优桨距角值和在当前最优桨距角值下的当前最优增益值,以将上一最优桨距角值和当前最优桨距角值之一作为实际应用的最优桨距角值,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,区间寻优值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桨距角值以及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。
27.如权利要求22所述的最优桨距角辨识设备,其特征在于,第一风速或第二风速均为空气密度补偿折算后的风速,区间寻优值确定模块通过以下方式来获得空气密度补偿折算后的风速:
获取风力发电机组在上一最优桨距角值以及上一最优增益值下运行时的第一空气密度以及在当前最优桨距角值以及当前最优增益值下运行时的第二空气密度;
基于空气密度标准值和第一空气密度,对第一风速进行空气密度补偿折算,获得空气密度补偿折算后的第一风速;
基于空气密度标准值和第二空气密度,对第二风速进行空气密度补偿折算,获得空气密度补偿折算后的第二风速。
28.如权利要求22所述的最优桨距角辨识设备,其特征在于,如果步长变化次数没有达到第二预设值,则区间寻优值确定模块确定是否满足寻优搜索的终止条件,如果满足寻优搜索的终止条件,则将上一最优桨距角值确定为在寻优风速区间内的最终最优桨距角值,将在上一最优桨距角值下的上一最优增益值确定为最终最优增益值,如果不满足寻优搜索的终止条件,则区间寻优值确定模块更新当前单步迭代步长,并基于当前最优桨距角值和当前单步迭代步长来更新当前最优桨距角值,并继续确定在当前最优桨距角值下的当前最优增益值。
29.如权利要求22所述的最优桨距角辨识设备,其特征在于,初始最优桨距角值为风力发电机组的理论最优桨距角值,
第一预设值为当前轮寻优搜索下的最优桨距角变化边界与当前单步迭代步长的比值,最优桨距角变化边界为在风力发电机组允许的最大桨距角偏差;
初始单步迭代步长为最大最优桨距角变化颗粒度,最后一轮寻优搜索时的单步迭代步长为最小最优桨距角变化颗粒度,任一中间轮寻优搜索时的单步迭代步长根据最大最优桨距角变化颗粒度、最小最优桨距角变化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。
30.如权利要求16所述的最优桨距角辨识设备,其特征在于,所述最优桨距角辨识设备还包括:
比较模块,分别将风力发电机组的实际最优桨距角值与理论最优桨距角值、实际最优增益值与理论最优增益值进行比较;
报警模块,如果实际最优桨距角值与理论最优桨距角值的差值大于桨距角偏差预警值,和/或,实际最优增益值与理论最优增益值的差值大于增益偏差预警值,则进行报警。
31.一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1-15中的任意一项所述的风力发电机组的最优桨距角辨识方法。
32.一种计算装置,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1-15中的任意一项所述的风力发电机组的最优桨距角辨识方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910701671.3A CN112308275A (zh) | 2019-07-31 | 2019-07-31 | 风力发电机组的最优桨距角辨识方法和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910701671.3A CN112308275A (zh) | 2019-07-31 | 2019-07-31 | 风力发电机组的最优桨距角辨识方法和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112308275A true CN112308275A (zh) | 2021-02-02 |
Family
ID=74485348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910701671.3A Pending CN112308275A (zh) | 2019-07-31 | 2019-07-31 | 风力发电机组的最优桨距角辨识方法和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308275A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113279904A (zh) * | 2021-05-24 | 2021-08-20 | 许昌许继风电科技有限公司 | 一种风电机组最大功率跟踪的桨距角寻优方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103939287A (zh) * | 2014-04-25 | 2014-07-23 | 广东工业大学 | 一种适用于集中变流控制变速风电机群的最大功率输出控制方法 |
CN104696161A (zh) * | 2015-03-10 | 2015-06-10 | 中船重工(重庆)海装风电设备有限公司 | 一种风力发电机组最大风能捕获的变桨控制方法及装置 |
WO2017211367A1 (en) * | 2016-06-07 | 2017-12-14 | Vestas Wind Systems A/S | Adaptive control of a wind turbine by detecting a change in performance |
CN107676223A (zh) * | 2016-08-02 | 2018-02-09 | 北京金风科创风电设备有限公司 | 风力发电机组变桨控制方法及装置 |
CN108223266A (zh) * | 2016-12-13 | 2018-06-29 | 北京金风科创风电设备有限公司 | 在额定风速以下控制风力发电机的方法和装置 |
CN109139366A (zh) * | 2018-09-26 | 2019-01-04 | 北京金风科创风电设备有限公司 | 风电场的控制系统 |
-
2019
- 2019-07-31 CN CN201910701671.3A patent/CN112308275A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN103939287A (zh) * | 2014-04-25 | 2014-07-23 | 广东工业大学 | 一种适用于集中变流控制变速风电机群的最大功率输出控制方法 |
CN104696161A (zh) * | 2015-03-10 | 2015-06-10 | 中船重工(重庆)海装风电设备有限公司 | 一种风力发电机组最大风能捕获的变桨控制方法及装置 |
WO2017211367A1 (en) * | 2016-06-07 | 2017-12-14 | Vestas Wind Systems A/S | Adaptive control of a wind turbine by detecting a change in performance |
CN107676223A (zh) * | 2016-08-02 | 2018-02-09 | 北京金风科创风电设备有限公司 | 风力发电机组变桨控制方法及装置 |
CN108223266A (zh) * | 2016-12-13 | 2018-06-29 | 北京金风科创风电设备有限公司 | 在额定风速以下控制风力发电机的方法和装置 |
CN109139366A (zh) * | 2018-09-26 | 2019-01-04 | 北京金风科创风电设备有限公司 | 风电场的控制系统 |
Non-Patent Citations (3)
Title |
---|
M.A.ALSUMIRI等: "Maximum Power Point Tracking for wind generator system using Sliding Mode Control", 2013 APPEEC, 19 June 2014 (2014-06-19) * |
丁勇钢;张兴;李美之;: "变速变桨控制水平轴风力机桨距角优化", 工程热物理学报, no. 10 * |
朱波等: "风电机组电动变桨距控制系统的研究", 合肥工业大学学报(自然科学版 ), vol. 33, no. 8 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113279904A (zh) * | 2021-05-24 | 2021-08-20 | 许昌许继风电科技有限公司 | 一种风电机组最大功率跟踪的桨距角寻优方法及装置 |
CN113279904B (zh) * | 2021-05-24 | 2022-06-21 | 许昌许继风电科技有限公司 | 一种风电机组最大功率跟踪的桨距角寻优方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110206682B (zh) | 动态确定偏航控制精度的方法和装置 | |
CN110094298B (zh) | 切出策略自适应调整的方法及装置 | |
CN112186761B (zh) | 一种基于概率分布的风电功率场景生成方法及系统 | |
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 | |
CN107591811B (zh) | 配电网无功优化方法及装置 | |
AU2018415216B2 (en) | Mesoscale data-based automatic wind turbine layout method and device | |
CN109488528A (zh) | 一种风机偏航系统的调整方法及装置 | |
CN110289631A (zh) | 一种风电场储能装置容量的计算方法及系统 | |
CN108549962A (zh) | 基于历史分段序列搜索和时序稀疏化的风电功率预测方法 | |
CN110645145B (zh) | 风力发电机组的控制方法和控制设备 | |
CN108979957B (zh) | 获取变速风力发电机组最大风能的非线性预测控制方法 | |
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 | |
CN112308275A (zh) | 风力发电机组的最优桨距角辨识方法和设备 | |
CN114429233A (zh) | 一种基于聚类算法的场站级最优功率控制方法及系统 | |
CN113033136A (zh) | 简化的光伏电池物理参数提取优化方法及系统 | |
CN111488712A (zh) | 一种基于迁移学习的风力发电机功率曲线建模方法 | |
CN108321801A (zh) | 一种能源基地系统日前发电计划制定方法和系统 | |
CN114320744A (zh) | 尾流控制系统和方法 | |
CN112302865B (zh) | 风力发电机组的最优增益追踪方法和设备 | |
CN108537372B (zh) | 一种风向预测方法及风力发电机组的偏航控制方法 | |
CN111651841B (zh) | 基于圆周割线改进型粒子群算法的叶片临界颤振系统参数辨识方法 | |
CN115146742A (zh) | 适用于场群控制的海上风电场机组分组与旗舰机选取方法 | |
CN105068591A (zh) | 一种光伏阵列局部遮挡下最大功率点跟踪方法 | |
CN113688581A (zh) | 风电场有功出力优化控制的方法、装置、电子设备及介质 | |
Kazda et al. | Framework of multi-objective wind farm controller applicable to real wind farms |
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 |