CN112555102B - 识别叶片桨距角偏差及控制风力发电机组的方法及装置 - Google Patents

Abstract

提供了一种识别叶片桨距角偏差及控制风力发电机组的方法及装置。所述识别叶片桨距角偏差的方法包括：获取风力发电机组的运行数据；基于获取的运行数据，确定所述风力发电机组的振动信号在叶轮的一倍旋转频率下的能量幅值及在叶轮的三倍旋转频率下的能量幅值；基于确定的在叶轮的一倍旋转频率及三倍旋转频率下的能量幅值，利用预先建立的特定数学模型来确定叶片当前的桨距角绝对偏差角度，其中，叶片当前的桨距角绝对偏差角度为叶片当前的桨距角与最优桨距角之间的偏差。

Description

识别叶片桨距角偏差及控制风力发电机组的方法及装置

技术领域

本发明总体说来涉及风力发电技术领域，更具体地讲，涉及一种识别叶片桨距角偏差及控制风力发电机组的方法及装置。

背景技术

通常在风力发电机组的设计仿真阶段，会根据整机的数学模型(涉及叶片、塔架、变桨、及变流系统等)，设计出风力发电机组的控制参数，其中包含风力发电机组的最优桨距角参数。在风力发电机组运行时，如果风力发电机组的输出功率小于额定功率，则叶片的桨距角被固定在最优桨距角，以便使叶片从风能中获取最大的能量。

然而，在现场安装过程中，由于安装误差或者错误，可能导致叶片(一支或者多支)的实际桨距角与最优桨距角之间存在偏差，从而产生叶轮气动不平衡。除此之外，机组运行过程中的一些环境因素亦可能导致叶轮气动不平衡，例如，叶片表面污染物聚集，并且在不同叶片间不均匀分布，此外，叶片表面结冰也可能导致叶轮的气动不平衡。

由于叶轮系统是一个惯性较大的旋转部件(特别是针对永磁直驱机组)，叶轮气动不平衡可能对机组的安全稳定运行造成不良影响：1)导致机组出力降低，这是由于机组叶片的实际桨距角与最优桨距角之间存在偏差，降低了叶片吸收风能的效率；2)影响发电机主轴的寿命，这是由于在叶轮气动不平衡的条件下，机组在运行过程中，叶轮系统相对于发电机主轴存在一定角度的偏载，并以一定周期重复出现，进而影响发电机主轴的寿命；3)导致机组故障频繁，这是由于叶轮气动不平衡的存在，叶轮平面承受的推力不均衡，使得在某些工况条件下，机组机舱的加速度超过阈值，从而导致机组振动故障。

然而，现有技术无法自动便捷地识别出叶片的实际桨距角与最优桨距角之间存在的偏差，不便于及时、准确地减小该偏差以尽量避免上述不良影响。

发明内容

本发明的示例性实施例在于提供一种识别叶片桨距角偏差及控制风力发电机组的方法及装置，以解决现有技术存在的无法自动便捷地识别出叶片的实际桨距角与最优桨距角之间存在的偏差的问题。

根据本发明的示例性实施例，提供一种识别风力发电机组的叶片桨距角偏差的方法，所述方法包括：获取风力发电机组的运行数据；基于获取的运行数据，确定所述风力发电机组的振动信号在叶轮的一倍旋转频率下的能量幅值及在叶轮的三倍旋转频率下的能量幅值；基于确定的在叶轮的一倍旋转频率及三倍旋转频率下的能量幅值，利用预先建立的特定数学模型来确定叶片当前的桨距角绝对偏差角度，其中，叶片当前的桨距角绝对偏差角度为叶片当前的桨距角与最优桨距角之间的偏差。

可选地，获取风力发电机组的运行数据的步骤包括：当所述风力发电机组在特定条件下正常发电且未限电时，获取所述风力发电机组的运行数据。

可选地，获取风力发电机组的运行数据的步骤包括：在所述风力发电机组在所述特定条件下正常发电且未限电达到第一预设时长之后，获取第二预设时长内的所述风力发电机组的运行数据，其中，在第二预设时长内，所述风力发电机组仍保持在所述特定条件下正常发电且未限电。

可选地，确定叶片当前的桨距角绝对偏差角度的步骤包括：基于所述风力发电机组的叶轮气动不平衡度，利用所述特定数学模型来确定叶片当前的桨距角绝对偏差角度，其中，所述叶轮气动不平衡度为确定的在叶轮的一倍旋转频率下的能量幅值与确定的在叶轮的三倍旋转频率下的能量幅值的比值，其中，所述特定数学模型用于指示风力发电机组在不同的桨距角绝对偏差角度下的叶轮气动不平衡度。

可选地，所述特定数学模型通过下述方式获取：基于仿真运行的运行数据和/或实际运行的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组α，其中，α＝[α₀,α₁,α₂,…,α_n-1]_n*1，β＝[β₀,β₁,β₂,…,β_n-1]_n*1，β_i＝β₀+i*sgn(Δ)*|Δ|，其中，β₀为叶片的最优桨距角，Δ为步长且为不等于0的实数，n为大于1的整数，sgn为符号函数，且

α_i为在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，0≤i≤n-1。

可选地，确定叶片当前的桨距角绝对偏差角度的步骤包括：从获取的数组α中，确定与所述风力发电机组的叶轮气动不平衡度最接近的α_j，并将叶片当前的桨距角绝对偏差角度确定为：±j*|Δ|，其中，0≤j≤n-1。

可选地，所述特定数学模型通过下述方式获取：通过仿真软件分别模拟风力发电机组运行在数组β中的各个桨距角下，并基于模拟运行在数组β中的各个桨距角下的运行数据，获取数组α。

可选地，所述特定数学模型通过下述方式获取：通过仿真软件分别模拟风力发电机组运行在数组β中的各个桨距角下，并基于模拟运行在数组β中的各个桨距角下的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组

分别控制实际风力发电机组运行在数组β中的各个桨距角下，并基于实际运行在数组β中的各个桨距角下的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组

基于数组

和数组

确定数组α，其中，

为模拟运行在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，

为实际运行在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，其中，数组

和数组

的相关性满足预设条件。

可选地，所述预设条件为：对数组

和与数组β对应的数组δ进行线性回归后得到的决定系数大于或等于第一预设阈值；对数组

和数组δ进行线性回归后得到的决定系数大于或等于第一预设阈值；数组

和数组

的相关系数大于或等于第二预设阈值，其中，δ＝[δ₀,δ₁,δ₂,…,δ_n-1]_n*1，δ_i＝i*sgn(Δ)*|Δ|。

可选地，基于数组

和数组

确定数组α的步骤包括：基于对数组

和数组δ进行线性回归后得到的回归系数k₁和常数项b₁，以及对数组

和数组δ进行线性回归后得到的回归系数k₂和常数项b₂，构建一元线性回归方程；将数组δ中的各个桨距角绝对偏差角度分别代入构建的一元线性回归方程，得到数组α。

可选地，所述方法还包括：获取所述风力发电机组的各个叶片的方位角；基于获取的各个叶片的方位角，从各个叶片中识别出当前出现确定的桨距角绝对偏差角度的叶片。

可选地，所述方法还包括：获取拍摄的叶轮的图像；基于获取的图像，将叶片当前的桨距角绝对偏差角度确定为：+j*|Δ|或-j*|Δ|。

可选地，所述特定条件为：叶轮的转速达到额定转速，且输出功率未达到额定功率。

可选地，所述风力发电机组的振动信号为：所述风力发电机组沿机舱的轴向的振动信号。

根据本发明的另一示例性实施例，提供一种控制风力发电机组的方法，其特征在于，所述方法包括：通过如上所述的识别风力发电机组的叶片桨距角偏差的方法来确定叶片当前的桨距角绝对偏差角度；基于确定的桨距角绝对偏差角度，控制当前出现确定的桨距角绝对偏差角度的叶片变桨到最优桨距角。

根据本发明的另一示例性实施例，提供一种识别风力发电机组的叶片桨距角偏差的装置，所述装置包括：数据获取单元，获取风力发电机组的运行数据；能量幅值确定单元，基于获取的运行数据，确定所述风力发电机组的振动信号在叶轮的一倍旋转频率下的能量幅值及在叶轮的三倍旋转频率下的能量幅值；偏差角度确定单元，基于确定的在叶轮的一倍旋转频率及三倍旋转频率下的能量幅值，利用预先建立的特定数学模型来确定叶片当前的桨距角绝对偏差角度，其中，叶片当前的桨距角绝对偏差角度为叶片当前的桨距角与最优桨距角之间的偏差。

可选地，数据获取单元当所述风力发电机组在特定条件下正常发电且未限电时，获取所述风力发电机组的运行数据。

可选地，数据获取单元在所述风力发电机组在所述特定条件下正常发电且未限电达到第一预设时长之后，获取第二预设时长内的所述风力发电机组的运行数据，其中，在第二预设时长内，所述风力发电机组仍保持在所述特定条件下正常发电且未限电。

可选地，偏差角度确定单元基于所述风力发电机组的叶轮气动不平衡度，利用所述特定数学模型来确定叶片当前的桨距角绝对偏差角度，其中，所述叶轮气动不平衡度为确定的在叶轮的一倍旋转频率下的能量幅值与确定的在叶轮的三倍旋转频率下的能量幅值的比值，其中，所述特定数学模型用于指示风力发电机组在不同的桨距角绝对偏差角度下的叶轮气动不平衡度。

可选地，所述特定数学模型通过下述方式获取：基于仿真运行的运行数据和/或实际运行的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组α，其中，α＝[α₀,α₁,α₂,…,α_n-1]_n*1，β＝[β₀,β₁,β₂,…,β_n-1]_n*1，β_i＝β₀+i*sgn(Δ)*|Δ|，其中，β₀为叶片的最优桨距角，Δ为步长且为不等于0的实数，n为大于1的整数，sgn为符号函数，且

α_i为在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，0≤i≤n-1。

可选地，偏差角度确定单元从获取的数组α中，确定与所述风力发电机组的叶轮气动不平衡度最接近的α_j，并将叶片当前的桨距角绝对偏差角度确定为：±j*|Δ|，其中，0≤j≤n-1。

可选地，所述特定数学模型通过下述方式获取：通过仿真软件分别模拟风力发电机组运行在数组β中的各个桨距角下，并基于模拟运行在数组β中的各个桨距角下的运行数据，获取数组α。

可选地，所述特定数学模型通过下述方式获取：通过仿真软件分别模拟风力发电机组运行在数组β中的各个桨距角下，并基于模拟运行在数组β中的各个桨距角下的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组

分别控制实际风力发电机组运行在数组β中的各个桨距角下，并基于实际运行在数组β中的各个桨距角下的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组

基于数组

和数组

确定数组α，其中，

为模拟运行在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，

为实际运行在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，其中，数组

和数组

的相关性满足预设条件。

可选地，所述预设条件为：对数组

和与数组β对应的数组δ进行线性回归后得到的决定系数大于或等于第一预设阈值；对数组

和数组δ进行线性回归后得到的决定系数大于或等于第一预设阈值；数组

和数组

的相关系数大于或等于第二预设阈值，其中，δ＝[δ₀,δ₁,δ₂,…,δ_n-1]_n*1，δ_i＝i*sgn(Δ)*|Δ|。

可选地，基于数组

和数组

确定数组α的处理包括：基于对数组

和数组δ进行线性回归后得到的回归系数k₁和常数项b₁，以及对数组

和数组δ进行线性回归后得到的回归系数k₂和常数项b₂，构建一元线性回归方程；将数组δ中的各个桨距角绝对偏差角度分别代入构建的一元线性回归方程，得到数组α。

可选地，数据获取单元获取所述风力发电机组的各个叶片的方位角；偏差角度确定单元基于获取的各个叶片的方位角，从各个叶片中识别出当前出现确定的桨距角绝对偏差角度的叶片。

可选地，数据获取单元获取拍摄的叶轮的图像；偏差角度确定单元基于获取的图像，将叶片当前的桨距角绝对偏差角度确定为：+j*|Δ|或-j*|Δ|。

可选地，所述特定条件为：叶轮的转速达到额定转速，且输出功率未达到额定功率。

可选地，所述风力发电机组的振动信号为：所述风力发电机组沿机舱的轴向的振动信号。

根据本发明的另一示例性实施例，提供一种控制风力发电机组的装置，所述装置包括：如上所述的识别风力发电机组的叶片桨距角偏差的装置；变桨控制单元，基于所述识别风力发电机组的叶片桨距角偏差的装置确定的桨距角绝对偏差角度，控制当前出现确定的桨距角绝对偏差角度的叶片变桨到最优桨距角。

根据本发明的另一示例性实施例，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序被处理器执行时实现如上所述的识别风力发电机组的叶片桨距角偏差的方法或如上所述的控制风力发电机组的方法。

根据本发明的另一示例性实施例，提供一种风力发电机组的控制装置，所述控制装置包括：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，实现如上所述的识别风力发电机组的叶片桨距角偏差的方法或如上所述的控制风力发电机组的方法。

根据本发明的另一示例性实施例，提供一种风电场的控制系统，所述风电场包括至少一台风力发电机组，所述控制系统包括：用于获取所述至少一台风力发电机组的运行数据的I/O接口、处理器及存储器；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，实现如上所述的识别风力发电机组的叶片桨距角偏差的方法或如上所述的控制风力发电机组的方法。

根据本发明示例性实施例的识别叶片桨距角偏差及控制风力发电机组的方法及装置，能够准确、便捷地自动识别出叶片的实际桨距角与最优桨距角之间存在的偏差，便于及时调整叶片的桨距角，以避免因该偏差所造成的叶轮-塔架系统的振动超限报警停机、发电量损失、影响发电机主轴的寿命等情况。此外，本发明还能够自动矫正桨距角偏差，从而提高机组出力，降低某些工况下载荷和故障(例如，机舱加速度超限)发生的频次。

将在接下来的描述中部分阐述本发明总体构思另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本发明总体构思的实施而得知。

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描述，本发明示例性实施例的上述和其他目的和特点将会变得更加清楚，其中：

图1示出根据本发明示例性实施例的识别风力发电机组的叶片桨距角偏差的方法的流程图；

图2示出根据本发明示例性实施例的确定振动信号在叶轮的一倍旋转频率下的能量幅值的方法的流程图；

图3示出根据本发明示例性实施例的控制风力发电机组的方法的流程图；

图4示出根据本发明示例性实施例的识别风力发电机组的叶片桨距角偏差的装置的框图；

图5示出根据本发明示例性实施例的控制风力发电机组的装置的框图；

图6示出根据本发明示例性实施例的风力发电机组的控制装置的框图；

图7示出根据本发明示例性实施例的风电场的控制系统的框图。

具体实施方式

现将详细参照本发明的实施例，所述实施例的示例在附图中示出，其中，相同的标号始终指的是相同的部件。以下将通过参照附图来说明所述实施例，以便解释本发明。

图1示出根据本发明示例性实施例的识别风力发电机组的叶片桨距角偏差的方法的流程图。

参照图1，在步骤S10，获取风力发电机组的运行数据。

作为示例，可当所述风力发电机组在特定条件下正常发电且未限电时，获取所述风力发电机组的运行数据。

进一步地，作为示例，可在所述风力发电机组在所述特定条件下正常发电且未限电达到第一预设时长之后，获取第二预设时长内的所述风力发电机组的运行数据，其中，在第二预设时长内，所述风力发电机组仍保持在所述特定条件下正常发电且未限电。换言之，获取在风力发电机组的运行状态满足一定条件达到第一预设时长之后的，第二预设时长内的所述风力发电机组的运行数据，其中，在第二预设时长内，所述风力发电机组的运行状态仍满足该条件。具体说来，当风力发电机组在所述特定条件下正常发电且未限电达到第一预设时长时，接下来的第二预设时长内的运行数据才可能被用于识别叶片的桨距角绝对偏差角度，但如果风力发电机组在所述接下来的第二预设时长内不满足在所述特定条件下正常发电且未限电，则所述接下来的第二预设时长内的运行数据也不能被用于识别叶片的桨距角绝对偏差角度；否则，可被用于识别叶片的桨距角绝对偏差角度，从而提高识别桨距角绝对偏差角度的准确度。

作为示例，第一预设时长和第二预设时长可根据实际情况被设置。作为示例，第一预设时长大于第二预设时长。例如，第一预设时长可为10分钟，第二预设时长可为2分钟。作为示例，第二预设时长可基于运行数据的采样周期被设置。

作为示例，所述特定条件可为：叶轮的转速达到额定转速，且输出功率未达到额定功率。例如，所述特定条件可为：无变桨动作、叶轮的转速处于特定范围内，其中，所述特定范围为：大于或等于γ*ω_max，其中，γ为预设的叶轮转速系数，ω_max为叶轮的额定转速(例如，叶轮设计最大转速)，γ为大于0且小于或等于1的数。

风电属于不稳定电源，由于电网消纳问题、或者风电场本身容量限制，可能需要对风力发电机组的发电能力进行限制，例如：7m/s风况下机组本来输出功率能够达到1000kW，但可能被限制在600kW。通常控制系统里可设定一个标志位(例如，该标志位为1表示处于限电状态，为0表示处于非限电状态)，作为后续机组功率曲线绘制或者其他控制模块的输入。

考虑到在机组的运行过程中，叶轮转速受到风速变化(湍流)影响较大，正常情况下存在一定幅度的波动，因此，所述特定条件可包括：叶轮的转速ω大于或等于γ*ω_max。作为示例，转速ω可为平均转速。作为示例，γ可根据实际情况被设置，例如，γ的设置范围可为0.8到1。

作为示例，风力发电机组在特定条件下正常发电且未限电(即，未限制发电，未限制输出功率)可理解为风力发电机组运行在机组的功率曲线上的“过渡段”，这是由于考虑到这个阶段的叶轮转速基本稳定在额定转速，且输出功率尚未到达额定功率，没有变桨动作，便于后续在步骤S20进行频谱分析和确定叶轮的一倍旋转频率。应该理解，所述特定条件也可为其他的便于后续精准地获取振动信号在叶轮的一倍旋转频率下的能量幅值(例如，精准地确定叶轮的一倍旋转频率)的条件，本发明对此不作限制。

作为示例，获取的运行数据可包括：风力发电机组的转速、用于描述风力发电机组的振动强度的运行数据。例如，用于描述风力发电机组的振动强度的运行数据可包括：风力发电机组沿机舱的轴向(X方向)的加速度信号和/或沿机舱的侧向(Y方向)的加速度信号。

在步骤S20，基于获取的运行数据，确定所述风力发电机组的振动信号在叶轮的一倍旋转频率下的能量幅值及在叶轮的三倍旋转频率下的能量幅值。

叶轮的一倍旋转频率表示叶片每旋转一周的频率的大小。

考虑到当叶轮处于气动不平衡状态时，对风力发电机组沿机舱的轴向的振动影响较大，作为示例，所述风力发电机组的振动信号可为：所述风力发电机组沿机舱的轴向的振动信号。

作为示例，可通过对风力发电机组的振动信号(例如，机舱在X方向上的加速度信号)进行频谱分析，确定所述风力发电机组的振动信号在叶轮的一倍旋转频率及三倍旋转频率下的能量(例如，功率)幅值。

作为示例，可通过快速傅里叶变换FFT和/或功率谱密度PSD进行频谱分析。

作为优选示例，下面会参照图2来详细描述步骤S20的示例性实施例。

在步骤S30，基于确定的在叶轮的一倍旋转频率及三倍旋转频率下的能量幅值，利用预先建立的特定数学模型来确定叶片当前的桨距角绝对偏差角度，其中，叶片当前的桨距角绝对偏差角度为叶片当前的桨距角(即，实际桨距角)与最优桨距角之间的偏差。

实际上，这里所说的最优桨距角为理论最优桨距角，控制系统认为叶片当前已处于理论最优桨距角，但由于安装误差、变桨执行精度、运行环境影响(例如，结冰、叶片污染)等原因，叶片当前可能并不处于理论最优桨距角，当前的实际桨距角可能与理论最优桨距角之间存在偏差，该偏差即桨距角绝对偏差角度，并且，该偏差会使叶轮处于气动不平衡状态，且偏差越大，气动不平衡程度越大。本发明考虑到该偏差能够导致叶轮气动不平衡，提出可基于叶轮的气动不平衡状态来确定该偏差的大小。

叶轮气动不平衡(rotor aerodynamic imbalance)指的是叶片由于安装误差或者运行环境影响(例如，结冰、叶片污染)等原因导致叶轮平面受力不均匀，发生周期性振动的现象。一般来说，大型风力发电机组在达到额定功率前，叶片的桨距角会固定在一个特定的角度，称之为最优桨距角(或者最小桨距角)，通过一定的控制策略，控制叶轮转速，保持最优的叶尖速比，能够使叶轮最大程度地吸收风能。一般情况下，风力发电机组的叶片均保持相同的桨距角，整个叶轮处于平衡状态，叶轮面受到的推力(由自由来流风速产生，不考虑对风偏差)均衡。在机组的实际运行过程中，可能存在叶轮气动不平衡现象，具体表现为叶轮-塔架系统以一定周期振动，严重影响机组的安全稳定运行，导致叶轮气动不平衡的原因主要有：(1)叶片安装偏差，在叶片的安装过程中，变桨轴承上的安装标记与叶片合模线未对齐，或者安装标记错误，都有可能导致叶片的初始安装角度与设计值产生偏差，从而导致叶轮气动不平衡；(2)变桨控制系统的执行精度低，受多种因素影响，变桨系统的执行一般存在一定的偏差，由于不同叶片由不同的变桨系统驱动，执行偏差累加的情况下，可能导致叶片之间的实际桨距角存在较大偏差，从而产生叶轮气动不平衡现象；(3)叶片结冰或者表面污染且分布不均匀。上述情况下，由于叶片翼型发生了变化，影响到叶片的气动性能，在叶片的部分区域可能会导致叶片的升力或者阻力过大，进而在机组的运行过程中，可能导致叶轮出现气动不平衡状态。上述导致叶轮气动不平衡的因素中，前2种为永久性叶轮气动不平衡，后一种若运行工况发生变化(例如，环境温度升高或者下雨)的情况下，叶轮气动不平衡情况可能被消除。风力发电机组在叶轮气动不平衡状态下运行，可能会导致机组频繁报故障，当叶轮气动不平衡程度较大时，在某些工况条件下，会导致叶轮-塔架系统的振动加速度过大，影响机组的安全稳定运行，同时由此导致的停机，也会造成发电量的损失。

本发明考虑到叶轮气动不平衡状态从时域上表现为一定周期的振动，从频域上表现为叶轮处于气动不平衡状态下的振动信号在叶轮的一倍旋转频率下的能量幅值大于处于气动平衡状态下的振动信号在叶轮的一倍旋转频率下的能量幅值，且随着气动不平衡程度的增大呈递增状态，因此，可基于振动信号在叶轮的一倍旋转频率下的能量幅值来确定叶片当前的桨距角绝对偏差角度。本发明还考虑到叶轮分别处于气动不平衡状态和气动平衡状态时，振动信号在叶轮的一倍旋转频率下的能量幅值的差别较大，但振动信号在叶轮的三倍旋转频率下的能量幅值的差别较小，因此，可基于两者来确定叶片当前的桨距角绝对偏差角度。

作为示例，可基于所述风力发电机组的叶轮气动不平衡度，利用所述特定数学模型来确定叶片当前的桨距角绝对偏差角度，其中，所述叶轮气动不平衡度为确定的在叶轮的一倍旋转频率下的能量幅值与确定的在叶轮的三倍旋转频率下的能量幅值的比值，其中，所述特定数学模型用于指示风力发电机组在不同的桨距角绝对偏差角度下的叶轮气动不平衡度。

作为示例，所述特定数学模型可通过下述方式获取：基于仿真运行的运行数据和/或测试时实际运行的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组α，其中，β＝[β₀,β₁,β₂,…,β_n-1]_n*1，α＝[α₀,α₁,α₂,…,α_n-1]_n*1，β_i＝β₀+i*sgn(Δ)*|Δ|，其中，β₀为叶片的最优桨距角，Δ为步长且为不等于0的实数，n为大于1的整数，sgn为符号函数，且

α_i为在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，0≤i≤n-1，i为整数。

作为示例，Δ可为-0.5度或0.5度。

实际上，数组β中的各个桨距角与最优桨距角之间的偏差(即，桨距角绝对偏差角度)构成数组δ＝[δ₀,δ₁,δ₂,…,δ_n-1]_n*1，δ_i＝i*sgn(Δ)*|Δ|，例如，β₀与最优桨距角之间的偏差为0(即δ₀)，β₁与最优桨距角之间的偏差为Δ(即δ₁)，β₂与最优桨距角之间的偏差为2Δ(即δ₂)。应该理解，α_i与β_i一一对应，δ_i与β_i一一对应，即，α_i为在桨距角绝对偏差角度δ_i下的叶轮气动不平衡度。

作为示例，无论是基于仿真运行的运行数据还是测试时实际运行的运行数据来获取数组α，得到数组α中的各个叶轮气动不平衡度所基于的运行数据可以是：模拟机组或实际机组在所述特定条件下正常发电且未限电达到第一预设时长之后的，第二预设时长内的运行数据。例如，以α₁为例，需要基于桨距角为β₁、正常发电且未限电、无变桨动作、叶轮的转速处于所述特定范围内达到第一预设时长之后的第二预设时长内的运行数据来得到α₁，并且，在第二预设时长内，仍需要满足桨距角为β₁、正常发电且未限电、无变桨动作、叶轮的转速处于所述特定范围内。

作为示例，在仿真运行和/或测试时实际运行的过程中，可仅使叶轮的一支叶片的桨距角为数组β中的各个桨距角，其余叶片的桨距角固定在最优桨距角并保持不变。

作为示例，步骤S30可包括：从获取的数组α中，确定与所述风力发电机组的叶轮气动不平衡度(即，当前确定的叶轮气动不平衡度)最接近的α_j，并将叶片当前的桨距角绝对偏差角度确定为：±j*|Δ|，其中，0≤j≤n-1，j为整数。应该理解，通过该方式仅能确定桨距角绝对偏差角度的绝对值，后续可通过其他方式确定该偏差是正向偏差+j*|Δ|还是负向偏差-j*|Δ|。这里，一般叶片的变桨角度范围为0～90度，正向偏差即偏差朝桨距角90度方向，负向偏差即偏差朝桨距角0度方向，例如，当最优桨距角为0.5度时，如果正向偏差1度，则实际为1.5度，如果负向偏差1度，则实际为-0.5度。

作为示例，数组α中的任意一个α_i的邻近范围可定义为：

可查找当前确定的叶轮气动不平衡度在哪一个α_i的邻近范围内，并将查找到的α_i确定为α_j。

作为示例，所述特定数学模型可通过下述方式获取：通过仿真软件分别模拟风力发电机组运行在数组β中的各个桨距角下，并基于模拟运行在数组β中的各个桨距角下的运行数据，获取数组α。

作为示例，仿真软件可为bladed硬件在环仿真平台。

通过在仿真环境中构建出叶轮气动不平衡时的工况，来获取在不同桨距角偏差条件下的叶轮气动不平衡度的动态特性。考虑到对于相同机型，相同的硬件配置(塔架高度、叶片长度及型号等)，不考虑制造过程中产生的差异，可以认为整机的动态特性相同，机组整机的仿真模型在仿真工况下表现出来的动态响应和特征与机组实际动态响应和特征会比较吻合，因此，可仅基于仿真数据来获取用于确定叶片的桨距角绝对偏差角度的数学模型。

作为示例，相同配置且在类似的环境(例如，地形条件)下的风力发电机组可使用同一用于确定叶片的桨距角绝对偏差角度的数学模型。

作为示例，所述特定数学模型可通过下述方式获取：通过仿真软件分别模拟风力发电机组运行在数组β中的各个桨距角下，并基于模拟运行在数组β中的各个桨距角下的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组

分别控制实际风力发电机组运行在数组β中的各个桨距角下，并基于实际运行在数组β中的各个桨距角下的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组

并基于数组

和数组

确定数组α，其中，

为模拟运行在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，

为实际运行在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，其中，数组

和数组

的相关性满足预设条件。

为了尽量减小外部环境因素对桨距角绝对偏差角度现场检测的影响，现场测试和仿真测试的工况条件应确保一致。作为示例，工况条件可包括以下项之中的至少一项：风速大小、湍流强度、入流角、风剪切。作为示例，可以采用现场实测的上述工况，作为仿真测试的仿真工况。

作为示例，所述预设条件可为：对数组

和与数组β对应的数组δ进行线性回归后得到的决定系数大于或等于第一预设阈值；对数组

和数组δ进行线性回归后得到的决定系数大于或等于第一预设阈值；数组

和数组

的相关系数大于或等于第二预设阈值。应该理解，所述预设条件也可为其他的用于判断在仿真测试下和在现场实际测试下的叶轮气动不平衡情况之间的相关性较高的条件。

作为示例，可基于对数组

和数组δ进行线性回归后得到的回归系数k₁和常数项b₁，以及对数组

和数组δ进行线性回归后得到的回归系数k₂和常数项b₂，构建一元线性回归方程；并将数组δ中的各个桨距角绝对偏差角度分别代入构建的一元线性回归方程，得到数组α。

作为示例，构建的一元线性回归方程的回归系数可为

常数项可为

作为示例，根据本发明示例性实施例的识别风力发电机组的叶片桨距角偏差的方法还可包括：获取所述风力发电机组的各个叶片的方位角；并基于获取的各个叶片的方位角，从各个叶片中识别出当前出现确定的桨距角绝对偏差角度的叶片。

作为示例，当风力发电机组在发电状态且发电机的转速达到额定转速时，从时序来说，三支叶片存在120度的相位差，在一定时刻，当确定一支叶片的方位角后，其余2支叶片的方位角也随之确定。当叶轮存在气动不平衡时，机组在1P频率处存在较大的能量，且发生在存在桨距角绝对偏差角度的一支叶片的方位角为0时(即某一支叶片垂直向上时)，因此，通过时序和叶片的方位角，可确定是哪支叶片存在确定的桨距角绝对偏差角度。

作为示例，根据本发明示例性实施例的识别风力发电机组的叶片桨距角偏差的方法还可包括：获取拍摄的叶轮的图像；并基于获取的图像，将叶片当前的桨距角绝对偏差角度确定为：+j*|Δ|或-j*|Δ|。即，进一步确定桨距角绝对偏差角度的具体方向。此外，作为示例，也可基于获取的图像，从各个叶片中识别出当前出现确定的桨距角绝对偏差角度的叶片。

图2示出根据本发明示例性实施例的确定振动信号在叶轮的一倍旋转频率下的能量幅值的方法的流程图。

参照图2，在步骤S201，基于获取的运行数据，确定叶轮的一倍旋转频率所属的频段。

考虑到叶轮的一倍旋转频率与塔架一阶频率可能会比较接近，为了更精准地确定叶轮的一倍旋转频率所属的频段，作为示例，可基于获取的运行数据确定叶轮的最小转速和最大转速，并基于确定的最小转速和最大转速来确定叶轮的一倍旋转频率所属的频率范围；确定所述风力发电机组的塔架一阶频率；并将确定的叶轮的一倍旋转频率所属的频率范围之中除塔架一阶频率之外的频段确定为：叶轮的一倍旋转频率所属的频段。

作为示例，可确定叶轮的一倍旋转频率f_1P所属的频率范围为：

ω_{t_min}/60≤f_1P≤ω_{t_max}/60，

其中，ω_{t_min}为确定的叶轮的最小转速、ω_{t_max}为确定的叶轮的最大转速。

作为示例，可基于获取的运行数据(例如，机舱在Y方向上的加速度信号)，确定风力发电机组的塔架一阶频率。作为另一示例，可参考仿真中的整机模态分析Campbell图，获取风力发电机组的理论上的塔架一阶频率的大小。

在步骤S202，通过对所述风力发电机组的振动信号进行频谱分析，得到所述风力发电机组的振动信号在预设频率范围内的各个频段下的能量幅值。

作为示例，所述预设频率范围可为0-2Hz。

在步骤S203，将在步骤S202得到的在第一特定频段下的能量幅值作为：所述风力发电机组的振动信号在叶轮的一倍旋转频率下的能量幅值，其中，第一特定频段与确定的叶轮的一倍旋转频率所属的频段相对应。具体说来，将频谱分析结果中的与确定的叶轮的一倍旋转频率所属的频段所对应的能量幅值作为：所述风力发电机组的振动信号在叶轮的一倍旋转频率下的能量幅值。

作为示例，可基于确定的叶轮的一倍旋转频率所属的频段，确定叶轮的三倍旋转频率所属的频段；并将在步骤S202得到的在第二特定频段下的能量幅值作为：所述风力发电机组的振动信号在叶轮的三倍旋转频率下的能量幅值，其中，第二特定频段与确定的叶轮的三倍旋转频率所属的频段相对应。例如，叶轮的三倍旋转(3P)频率的大小可为一倍旋转(1P)频率的大小的三倍。

图3示出根据本发明示例性实施例的控制风力发电机组的方法的流程图。

参照图3，在步骤S10，获取风力发电机组的运行数据。

在步骤S20，基于获取的运行数据，确定所述风力发电机组的振动信号在叶轮的一倍旋转频率下的能量幅值及在叶轮的三倍旋转频率下的能量幅值。

在步骤S30，基于确定的在叶轮的一倍旋转频率及三倍旋转频率下的能量幅值，利用预先建立的特定数学模型来确定叶片当前的桨距角绝对偏差角度。

在步骤S40，基于确定的桨距角绝对偏差角度，控制当前出现确定的桨距角绝对偏差角度的叶片变桨到最优桨距角。即，控制当前出现确定的桨距角绝对偏差角度的叶片按照确定的桨距角绝对偏差角度进行变桨，以变桨到最优桨距角。

图4示出根据本发明示例性实施例的识别风力发电机组的叶片桨距角偏差的装置100的框图。

如图4所示，根据本发明示例性实施例的识别风力发电机组的叶片桨距角偏差的装置100包括：数据获取单元10、能量幅值确定单元20、以及偏差角度确定单元30。

具体说来，数据获取单元10用于获取风力发电机组的运行数据。

作为示例，数据获取单元10可当所述风力发电机组在特定条件下正常发电且未限电时，获取所述风力发电机组的运行数据。

进一步地，作为示例，数据获取单元10可在所述风力发电机组在所述特定条件下正常发电且未限电达到第一预设时长之后，获取第二预设时长内的所述风力发电机组的运行数据，其中，在第二预设时长内，所述风力发电机组仍保持在所述特定条件下正常发电且未限电。换言之，数据获取单元10获取在风力发电机组的运行状态满足一定条件达到第一预设时长之后的，第二预设时长内的所述风力发电机组的运行数据，其中，在第二预设时长内，所述风力发电机组的运行状态仍满足该条件。具体说来，当风力发电机组在所述特定条件下正常发电且未限电达到第一预设时长时，接下来的第二预设时长内的运行数据才可能被用于识别叶片的桨距角绝对偏差角度，但如果风力发电机组在所述接下来的第二预设时长内不满足在所述特定条件下正常发电且未限电，则所述接下来的第二预设时长内的运行数据也不能被用于识别叶片的桨距角绝对偏差角度；否则，可被用于识别叶片的桨距角绝对偏差角度，从而提高识别桨距角绝对偏差角度的准确度。

作为示例，第一预设时长和第二预设时长可根据实际情况被设置。作为示例，第一预设时长大于第二预设时长。例如，第一预设时长可为10分钟，第二预设时长可为2分钟。作为示例，第二预设时长可基于运行数据的采样周期被设置。

作为示例，所述特定条件可为：叶轮的转速达到额定转速，且输出功率未达到额定功率。例如，所述特定条件可为：无变桨动作、叶轮的转速处于特定范围内，其中，所述特定范围为：大于或等于γ*ω_max，其中，γ为预设的叶轮转速系数，ω_max为叶轮的额定转速(例如，叶轮设计最大转速)，γ为大于0且小于或等于1的数。

风电属于不稳定电源，由于电网消纳问题、或者风电场本身容量限制，可能需要对风力发电机组的发电能力进行限制，例如：7m/s风况下机组本来输出功率能够达到1000kW，但可能被限制在600kW。通常控制系统里可设定一个标志位(例如，该标志位为1表示处于限电状态，为0表示处于非限电状态)，作为后续机组功率曲线绘制或者其他控制模块的输入。

考虑到在机组的运行过程中，叶轮转速受到风速变化(湍流)影响较大，正常情况下存在一定幅度的波动，因此，所述特定条件可包括：叶轮的转速ω大于或等于γ*ω_max。作为示例，转速ω可为平均转速。作为示例，γ可根据实际情况被设置，例如，γ的设置范围可为0.8到1。

作为示例，风力发电机组在特定条件下正常发电且未限电(即，未限制发电，未限制输出功率)可理解为风力发电机组运行在机组的功率曲线上的“过渡段”，这是由于考虑到这个阶段的叶轮转速基本稳定在额定转速，且输出功率尚未到达额定功率，没有变桨动作，便于后续能量幅值确定单元20进行频谱分析和确定叶轮的一倍旋转频率。应该理解，所述特定条件也可为其他的便于后续精准地获取振动信号在叶轮的一倍旋转频率下的能量幅值(例如，精准地确定叶轮的一倍旋转频率)的条件，本发明对此不作限制。

作为示例，获取的运行数据可包括：风力发电机组的转速、用于描述风力发电机组的振动强度的运行数据。例如，用于描述风力发电机组的振动强度的运行数据可包括：风力发电机组沿机舱的轴向(X方向)的加速度信号和/或沿机舱的侧向(Y方向)的加速度信号。

能量幅值确定单元20用于基于获取的运行数据，确定所述风力发电机组的振动信号在叶轮的一倍旋转频率下的能量幅值及在叶轮的三倍旋转频率下的能量幅值。

叶轮的一倍旋转频率表示叶片每旋转一周的频率的大小。

考虑到当叶轮处于气动不平衡状态时，对风力发电机组沿机舱的轴向的振动影响较大，作为示例，所述风力发电机组的振动信号可为：所述风力发电机组沿机舱的轴向的振动信号。

作为示例，能量幅值确定单元20可通过对风力发电机组的振动信号(例如，机舱在X方向上的加速度信号)进行频谱分析，确定所述风力发电机组的振动信号在叶轮的一倍旋转频率及三倍旋转频率下的能量(例如，功率)幅值。

作为示例，能量幅值确定单元20可通过快速傅里叶变换FFT和/或功率谱密度PSD进行频谱分析。

作为示例，能量幅值确定单元20可基于获取的运行数据，确定叶轮的一倍旋转频率所属的频段；通过对所述风力发电机组的振动信号进行频谱分析，得到所述风力发电机组的振动信号在预设频率范围内的各个频段下的能量幅值；并将在所述各个频段之中的第一特定频段下的能量幅值作为：所述风力发电机组的振动信号在叶轮的一倍旋转频率下的能量幅值，其中，第一特定频段与确定的叶轮的一倍旋转频率所属的频段相对应。

考虑到叶轮的一倍旋转频率与塔架一阶频率可能会比较接近，为了更精准地确定叶轮的一倍旋转频率所属的频段，作为示例，能量幅值确定单元20可基于获取的运行数据确定叶轮的最小转速和最大转速，并基于确定的最小转速和最大转速来确定叶轮的一倍旋转频率所属的频率范围；确定所述风力发电机组的塔架一阶频率；并将确定的叶轮的一倍旋转频率所属的频率范围之中除塔架一阶频率之外的频段确定为：叶轮的一倍旋转频率所属的频段。

作为示例，能量幅值确定单元20可确定叶轮的一倍旋转频率f_1P所属的频率范围为：

ω_{t_min}/60≤f_1P≤ω_{t_max}/60，

其中，ω_{t_min}为确定的叶轮的最小转速、ω_{t_max}为确定的叶轮的最大转速。

作为示例，能量幅值确定单元20可基于获取的运行数据(例如，机舱在Y方向上的加速度信号)，确定风力发电机组的塔架一阶频率。作为另一示例，能量幅值确定单元20可参考仿真中的整机模态分析Campbell图，获取风力发电机组的理论上的塔架一阶频率的大小。

作为示例，所述预设频率范围可为0-2Hz。

作为示例，能量幅值确定单元20可基于确定的叶轮的一倍旋转频率所属的频段，确定叶轮的三倍旋转频率所属的频段；并将在所述各个频段之中的第二特定频段下的能量幅值作为：所述风力发电机组的振动信号在叶轮的三倍旋转频率下的能量幅值，其中，第二特定频段与确定的叶轮的三倍旋转频率所属的频段相对应。例如，叶轮的三倍旋转(3P)频率的大小可为一倍旋转(1P)频率的大小的三倍。

偏差角度确定单元30用于基于确定的在叶轮的一倍旋转频率及三倍旋转频率下的能量幅值，利用预先建立的特定数学模型来确定叶片当前的桨距角绝对偏差角度，其中，叶片当前的桨距角绝对偏差角度为叶片当前的桨距角(即，实际桨距角)与最优桨距角之间的偏差。

实际上，这里所说的最优桨距角为理论最优桨距角，控制系统认为叶片当前已处于理论最优桨距角，但由于安装误差、变桨执行精度、运行环境影响(例如，结冰、叶片污染)等原因，叶片当前可能并不处于理论最优桨距角，当前的实际桨距角可能与理论最优桨距角之间存在偏差，该偏差即桨距角绝对偏差角度，并且，该偏差会使叶轮处于气动不平衡状态，且偏差越大，气动不平衡程度越大。本发明考虑到该偏差能够导致叶轮气动不平衡，提出可基于叶轮的气动不平衡状态来确定该偏差的大小。

本发明考虑到叶轮气动不平衡状态从时域上表现为一定周期的振动，从频域上表现为叶轮处于气动不平衡状态下的振动信号在叶轮的一倍旋转频率下的能量幅值大于处于气动平衡状态下的振动信号在叶轮的一倍旋转频率下的能量幅值，且随着气动不平衡程度的增大呈递增状态，因此，偏差角度确定单元30可基于振动信号在叶轮的一倍旋转频率下的能量幅值来确定叶片当前的桨距角绝对偏差角度。本发明还考虑到叶轮分别处于气动不平衡状态和气动平衡状态时，振动信号在叶轮的一倍旋转频率下的能量幅值的差别较大，但振动信号在叶轮的三倍旋转频率下的能量幅值的差别较小，因此，偏差角度确定单元30可基于两者来确定叶片当前的桨距角绝对偏差角度。

作为示例，偏差角度确定单元30可基于所述风力发电机组的叶轮气动不平衡度，利用所述特定数学模型来确定叶片当前的桨距角绝对偏差角度，其中，所述叶轮气动不平衡度为确定的在叶轮的一倍旋转频率下的能量幅值与确定的在叶轮的三倍旋转频率下的能量幅值的比值，其中，所述特定数学模型用于指示风力发电机组在不同的桨距角绝对偏差角度下的叶轮气动不平衡度。

作为示例，所述特定数学模型可通过下述方式获取：基于仿真运行的运行数据和/或测试时实际运行的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组α，其中，β＝[β₀,β₁,β₂,…,β_n-1]_n*1，α＝[α₀,α₁,α₂,…,α_n-1]_n*1，β_i＝β₀+i*sgn(Δ)*|Δ|，其中，β₀为叶片的最优桨距角，Δ为步长且为不等于0的实数，n为大于1的整数，sgn为符号函数，且

α_i为在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，0≤i≤n-1。

作为示例，Δ可为-0.5度或0.5度。

实际上，数组β中的各个桨距角与最优桨距角之间的偏差(即，桨距角绝对偏差角度)构成数组δ＝[δ₀,δ₁,δ₂,…,δ_n-1]_n*1，δ_i＝i*sgn(Δ)*|Δ|，例如，β₀与最优桨距角之间的偏差为0(即δ₀)，β₁与最优桨距角之间的偏差为Δ(即δ₁)，β₂与最优桨距角之间的偏差为2Δ(即δ₂)。应该理解，α_i与β_i一一对应，δ_i与β_i一一对应，即，α_i为在桨距角绝对偏差角度δ_i下的叶轮气动不平衡度。

作为示例，无论是基于仿真运行的运行数据还是测试时实际运行的运行数据来获取数组α，得到数组α中的各个叶轮气动不平衡度所基于的运行数据可以是：模拟机组或实际机组在所述特定条件下正常发电且未限电达到第一预设时长之后的，第二预设时长内的运行数据。例如，以α₁为例，需要基于桨距角为β₁、正常发电且未限电、无变桨动作、叶轮的转速处于所述特定范围内达到第一预设时长之后的第二预设时长内的运行数据来得到α₁，并且，在第二预设时长内，仍需要满足桨距角为β₁、正常发电且未限电、无变桨动作、叶轮的转速处于所述特定范围内。

作为示例，在仿真运行和/或测试时实际运行的过程中，可仅使叶轮的一支叶片的桨距角为数组β中的各个桨距角，其余叶片的桨距角固定在最优桨距角并保持不变。

作为示例，偏差角度确定单元30可从获取的数组α中，确定与所述风力发电机组的叶轮气动不平衡度(即，当前确定的叶轮气动不平衡度)最接近的α_j，并将叶片当前的桨距角绝对偏差角度确定为：±j*|Δ|，其中，0≤j≤n-1。应该理解，通过该方式仅能确定桨距角绝对偏差角度的绝对值，后续可通过其他方式确定该偏差是正向偏差还是负向偏差。

作为示例，数组α中的任意一个α_i的邻近范围可定义为：

偏差角度确定单元30可查找当前确定的叶轮气动不平衡度在哪一个α_i的邻近范围内，并将查找到的α_i确定为α_j。

作为示例，所述特定数学模型可通过下述方式获取：通过仿真软件分别模拟风力发电机组运行在数组β中的各个桨距角下，并基于模拟运行在数组β中的各个桨距角下的运行数据，获取数组α。

作为示例，仿真软件可为bladed硬件在环仿真平台。

通过在仿真环境中构建出叶轮气动不平衡时的工况，来获取在不同桨距角偏差条件下的叶轮气动不平衡度的动态特性。考虑到对于相同机型，相同的硬件配置(塔架高度、叶片长度及型号等)，不考虑制造过程中产生的差异，可以认为整机的动态特性相同，机组整机的仿真模型在仿真工况下表现出来的动态响应和特征与机组实际动态响应和特征会比较吻合，因此，可仅基于仿真数据来获取用于确定叶片的桨距角绝对偏差角度的数学模型。

作为示例，相同配置且在类似的环境(例如，地形条件)下的风力发电机组可使用同一用于确定叶片的桨距角绝对偏差角度的数学模型。

作为示例，所述特定数学模型可通过下述方式获取：通过仿真软件分别模拟风力发电机组运行在数组β中的各个桨距角下，并基于模拟运行在数组β中的各个桨距角下的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组

分别控制实际风力发电机组运行在数组β中的各个桨距角下，并基于实际运行在数组β中的各个桨距角下的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组

并基于数组

和数组

确定数组α，其中，

为模拟运行在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，

为实际运行在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，其中，数组

和数组

的相关性满足预设条件。

为了尽量减小外部环境因素对桨距角绝对偏差角度现场检测的影响，现场测试和仿真测试的工况条件应确保一致。作为示例，工况条件可包括以下项之中的至少一项：风速大小、湍流强度、入流角、风剪切。作为示例，可以采用现场实测的上述工况，作为仿真测试的仿真工况。

作为示例，所述预设条件可为：对数组

和与数组β对应的数组δ进行线性回归后得到的决定系数大于或等于第一预设阈值；对数组

和数组δ进行线性回归后得到的决定系数大于或等于第一预设阈值；数组

和数组

的相关系数大于或等于第二预设阈值。应该理解，所述预设条件也可为其他的用于判断在仿真测试下和在现场实际测试下的叶轮气动不平衡情况之间的相关性较高的条件。

作为示例，可基于对数组

和数组δ进行线性回归后得到的回归系数k₁和常数项b₁，以及对数组

和数组δ进行线性回归后得到的回归系数k₂和常数项b₂，构建一元线性回归方程；并将数组δ中的各个桨距角绝对偏差角度分别代入构建的一元线性回归方程，得到数组α。

作为示例，构建的一元线性回归方程的回归系数可为

常数项可为

作为示例，数据获取单元10可获取所述风力发电机组的各个叶片的方位角；偏差角度确定单元30可基于获取的各个叶片的方位角，从各个叶片中识别出当前出现确定的桨距角绝对偏差角度的叶片。

作为示例，数据获取单元10可获取拍摄的叶轮的图像；偏差角度确定单元30可基于获取的图像，将叶片当前的桨距角绝对偏差角度确定为：+j*|Δ|或-j*|Δ|。即，进一步确定桨距角绝对偏差角度的具体方向。

图5示出根据本发明示例性实施例的控制风力发电机组的装置的框图。

如图5所示，根据本发明示例性实施例的控制风力发电机组的装置200包括：识别风力发电机组的叶片桨距角偏差的装置100以及变桨控制单元40。

具体说来，识别风力发电机组的叶片桨距角偏差的装置100用于确定风力发电机组的叶片当前的桨距角绝对偏差角度。

变桨控制单元40用于基于确定的桨距角绝对偏差角度，控制当前出现确定的桨距角绝对偏差角度的叶片变桨到最优桨距角。即，控制当前出现确定的桨距角绝对偏差角度的叶片按照确定的桨距角绝对偏差角度进行变桨，以变桨到最优桨距角。

作为示例，控制风力发电机组的装置200可以是部署在风力发电机组内的主控制器或者是与主控制器交互的子控制器。

应该理解，根据本发明示例性实施例的识别风力发电机组的叶片桨距角偏差的装置100和根据本发明示例性实施例的控制风力发电机组的装置200中的各个单元可被实现硬件组件和/或软件组件。本领域技术人员根据限定的各个单元所执行的处理，可以例如使用现场可编程门阵列(FPGA)或专用集成电路(ASIC)来实现各个单元。

本发明的示例性实施例提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序被处理器执行时实现如上述示例性实施例所述的识别风力发电机组的叶片桨距角偏差的方法或控制风力发电机组的方法。该计算机可读存储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。计算机可读存储介质的示例包括：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)。

图6示出根据本发明示例性实施例的风力发电机组的控制装置的框图。

如图6所示，根据本发明的示例性实施例的风力发电机组的控制装置300包括：处理器50和存储器60，其中，存储器60包括程序模块70，当程序模块70中的计算机程序被处理器50执行时，实现如上述示例性实施例所述的识别风力发电机组的叶片桨距角偏差的方法或控制风力发电机组的方法。

作为示例，风力发电机组的控制装置300可以是部署在风力发电机组内的主控制器或者是与主控制器交互的子控制器。

应该理解，存储器60还可进一步包括其他可移动/不可移动、易失性/非易失性的计算机系统存储介质。此外，存储器60还可包括用于实现风力发电机组的其他功能的程序模块。此外，根据本发明的示例性实施例的风力发电机组的控制装置300还可包括输入/输出接口80，处理器50可通过I/O接口80获取风力发电机组的运行数据，例如，I/O接口80可连接到加速度传感器等。

图7示出根据本发明示例性实施例的风电场的控制系统的框图。所述风电场包括至少一台风力发电机组。

如图7所示，根据本发明的示例性实施例的风电场的控制系统400包括：处理器90和存储器100，其中，存储器100包括程序模块110，当程序模块110中的计算机程序被处理器90执行时，实现如上述示例性实施例所述的识别风力发电机组的叶片桨距角偏差的方法或控制风力发电机组的方法。应该理解，存储器100还可进一步包括其他可移动/不可移动、易失性/非易失性的计算机系统存储介质。此外，存储器100还可包括用于控制风力发电机组的其他功能的程序模块。此外，根据本发明的示例性实施例的风电场的控制系统400还可包括I/O接口120，处理器90可通过I/O接口120获取风电场内的各个风力发电机组的运行数据，还可通过I/O接口120向各个风力发电机组发送控制参数。

虽然已表示和描述了本发明的一些示例性实施例，但本领域技术人员应该理解，在不脱离由权利要求及其等同物限定其范围的本发明的原理和精神的情况下，可以对这些实施例进行修改。

Claims (19)

1.一种识别风力发电机组的叶片桨距角偏差的方法，其特征在于，所述方法包括：

获取风力发电机组的运行数据；

基于获取的运行数据，确定所述风力发电机组的振动信号在叶轮的一倍旋转频率下的能量幅值及在叶轮的三倍旋转频率下的能量幅值；

基于确定的在叶轮的一倍旋转频率及三倍旋转频率下的能量幅值，利用预先建立的特定数学模型来确定叶片当前的桨距角绝对偏差角度，

其中，叶片当前的桨距角绝对偏差角度为叶片当前的桨距角与最优桨距角之间的偏差，

其中，确定叶片当前的桨距角绝对偏差角度的步骤包括：

基于所述风力发电机组的叶轮气动不平衡度，利用所述特定数学模型来确定叶片当前的桨距角绝对偏差角度，

其中，所述叶轮气动不平衡度为确定的在叶轮的一倍旋转频率下的能量幅值与确定的在叶轮的三倍旋转频率下的能量幅值的比值，

其中，所述特定数学模型用于指示风力发电机组在不同的桨距角绝对偏差角度下的叶轮气动不平衡度。

2.根据权利要求1所述的方法，其特征在于，获取风力发电机组的运行数据的步骤包括：

当所述风力发电机组在特定条件下正常发电且未限电时，获取所述风力发电机组的运行数据。

3.根据权利要求2所述的方法，其特征在于，获取风力发电机组的运行数据的步骤包括：

在所述风力发电机组在所述特定条件下正常发电且未限电达到第一预设时长之后，获取第二预设时长内的所述风力发电机组的运行数据，其中，在第二预设时长内，所述风力发电机组仍保持在所述特定条件下正常发电且未限电。

4.根据权利要求1所述的方法，其特征在于，所述特定数学模型通过下述方式获取：

基于仿真运行的运行数据和/或实际运行的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组α，

其中，α＝[α₀,α₁,α₂,…,α_n-1]_n*1，β＝[β₀,β₁,β₂,…,β_n-1]_n*1，β_i＝β₀+i*sgn(Δ)*|Δ|，

其中，β₀为叶片的最优桨距角，Δ为步长且为不等于0的实数，n为大于1的整数，sgn为符号函数，且

α_i为在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，0≤i≤n-1。

5.根据权利要求4所述的方法，其特征在于，确定叶片当前的桨距角绝对偏差角度的步骤包括：

从获取的数组α中，确定与所述风力发电机组的叶轮气动不平衡度最接近的α_j，并将叶片当前的桨距角绝对偏差角度确定为：±j*|Δ|，

其中，0≤j≤n-1。

6.根据权利要求4所述的方法，其特征在于，所述特定数学模型通过下述方式获取：

通过仿真软件分别模拟风力发电机组运行在数组β中的各个桨距角下，并基于模拟运行在数组β中的各个桨距角下的运行数据，获取数组α。

7.根据权利要求4所述的方法，其特征在于，所述特定数学模型通过下述方式获取：

通过仿真软件分别模拟风力发电机组运行在数组β中的各个桨距角下，并基于模拟运行在数组β中的各个桨距角下的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组

分别控制实际风力发电机组运行在数组β中的各个桨距角下，并基于实际运行在数组β中的各个桨距角下的运行数据，获取在数组β中的各个桨距角下的叶轮气动不平衡度所构成的数组

基于数组

和数组

确定数组α，

其中，

为模拟运行在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，

为实际运行在桨距角绝对偏差角度为i*sgn(Δ)*|Δ|下的叶轮气动不平衡度，

其中，数组

和数组

的相关性满足预设条件。

8.根据权利要求7所述的方法，其特征在于，所述预设条件为：

对数组

和与数组β对应的数组δ进行线性回归后得到的决定系数大于或等于第一预设阈值；

对数组

和数组δ进行线性回归后得到的决定系数大于或等于第一预设阈值；

数组

和数组

的相关系数大于或等于第二预设阈值，

其中，δ＝[δ₀,δ₁,δ₂,…,δ_n-1]_n*1，δ_i＝i*sgn(Δ)*|Δ|。

9.根据权利要求8所述的方法，其特征在于，基于数组

和数组

确定数组α的步骤包括：

基于对数组

和数组δ进行线性回归后得到的回归系数k₁和常数项b₁，以及对数组

和数组δ进行线性回归后得到的回归系数k₂和常数项b₂，构建一元线性回归方程；

将数组δ中的各个桨距角绝对偏差角度分别代入构建的一元线性回归方程，得到数组α。

10.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述风力发电机组的各个叶片的方位角；

基于获取的各个叶片的方位角，从各个叶片中识别出当前出现确定的桨距角绝对偏差角度的叶片。

11.根据权利要求5所述的方法，其特征在于，所述方法还包括：

获取拍摄的叶轮的图像；

基于获取的图像，将叶片当前的桨距角绝对偏差角度确定为：+j*|Δ|或-j*|Δ|。

12.根据权利要求2所述的方法，其特征在于，所述特定条件为：叶轮的转速达到额定转速，且输出功率未达到额定功率。

13.根据权利要求1所述的方法，其特征在于，所述风力发电机组的振动信号为：所述风力发电机组沿机舱的轴向的振动信号。

14.一种控制风力发电机组的方法，其特征在于，所述方法包括：

通过权利要求1至13之中任一项所述的识别风力发电机组的叶片桨距角偏差的方法来确定叶片当前的桨距角绝对偏差角度；

基于确定的桨距角绝对偏差角度，控制当前出现确定的桨距角绝对偏差角度的叶片变桨到最优桨距角。

15.一种识别风力发电机组的叶片桨距角偏差的装置，其特征在于，所述装置包括：

数据获取单元，获取风力发电机组的运行数据；

能量幅值确定单元，基于获取的运行数据，确定所述风力发电机组的振动信号在叶轮的一倍旋转频率下的能量幅值及在叶轮的三倍旋转频率下的能量幅值；

偏差角度确定单元，基于确定的在叶轮的一倍旋转频率及三倍旋转频率下的能量幅值，利用预先建立的特定数学模型来确定叶片当前的桨距角绝对偏差角度，

其中，叶片当前的桨距角绝对偏差角度为叶片当前的桨距角与最优桨距角之间的偏差，

其中，所述偏差角度确定单元适用于：

基于所述风力发电机组的叶轮气动不平衡度，利用所述特定数学模型来确定叶片当前的桨距角绝对偏差角度，

其中，所述叶轮气动不平衡度为确定的在叶轮的一倍旋转频率下的能量幅值与确定的在叶轮的三倍旋转频率下的能量幅值的比值，

其中，所述特定数学模型用于指示风力发电机组在不同的桨距角绝对偏差角度下的叶轮气动不平衡度。

16.一种控制风力发电机组的装置，其特征在于，所述装置包括：

如权利要求15所述的识别风力发电机组的叶片桨距角偏差的装置；

变桨控制单元，基于所述识别风力发电机组的叶片桨距角偏差的装置确定的桨距角绝对偏差角度，控制当前出现确定的桨距角绝对偏差角度的叶片变桨到最优桨距角。

17.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序被处理器执行时实现如权利要求1至13中的任意一项所述的识别风力发电机组的叶片桨距角偏差的方法或如权利要求14所述的控制风力发电机组的方法。

18.一种风力发电机组的控制装置，其特征在于，所述控制装置包括：

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至13中的任意一项所述的识别风力发电机组的叶片桨距角偏差的方法或如权利要求14所述的控制风力发电机组的方法。

19.一种风电场的控制系统，所述风电场包括至少一台风力发电机组，其特征在于，所述控制系统包括：

I/O接口，用于获取所述至少一台风力发电机组的运行数据；

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至13中的任意一项所述的识别风力发电机组的叶片桨距角偏差的方法或如权利要求14所述的控制风力发电机组的方法。

Images