CN112632749B - 一种风力发电机发电性能的评价方法及装置 - Google Patents
一种风力发电机发电性能的评价方法及装置 Download PDFInfo
- Publication number
- CN112632749B CN112632749B CN202011331600.8A CN202011331600A CN112632749B CN 112632749 B CN112632749 B CN 112632749B CN 202011331600 A CN202011331600 A CN 202011331600A CN 112632749 B CN112632749 B CN 112632749B
- Authority
- CN
- China
- Prior art keywords
- wind
- wind speed
- driven generator
- power
- data
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- 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
Abstract
本申请公开了一种风力发电机发电性能的评价方法及装置。其中,该方法包括:获取风力发电机处于运行状态下的功率,以及风力发电机处于运行状态时的风速和风向数据;依据风速和风向数据确定修正后的风速;对修正后的风速和修正后的风速对应的功率分别进行区间划分,得到多个风速区间和多个功率区间,其中,每个风速区间中数据点最多的功率区间为该风速区间的区间数据集;依据区间数据集绘制风力发电机的实际功率曲线,并依据风力发电机的实际功率曲线和风力发电机的理想功率曲线评价风力发电机的发电性能。本申请解决了现有的风力发电机的发电性能评价方法精确度较低的技术问题。
Description
技术领域
本申请涉及风力风力发电机性能评价领域,具体而言,涉及一种风力发电机发电性能的评价方法及装置。
背景技术
风力发电占总发电装机比重越来越高。随着新能源政策补贴取消,竞价上网时代已经来临,电网配网改革也对风电提出了更高的适应性要求,竞争更加激烈、严酷,给风电行业生产、运营、管理提出了严峻挑战。
风力发电机(以下简称风机)是风电企业生产的基本单位,相对于风电装机的发展速度,风机相关技术的发展速度相对滞后,普遍存在风机功率曲线不达标等性能问题。而风机性能的好坏是影响发电量的最主要因素,是风电企业盈利的关键。对风机性能进行定量分析,抓重点精准突破,是提高发电量、降低发电成本的关键技术。
风机是将风能转化为电能的装置,风能转化为电能的转化效率代表风力发电机性能,简化为风速——功率对应关系。
风机性能分析依赖于数据源、网络平台、分析方法。随着风电集控系统成为区域公司“无人值班、少人值守”的标配,集控中心是天然的数据源和网络平台,数据源和网络平台问题迎刃而解。利用集控系统的便利条件研究风电场最为关注的风机性能分析问题,具有重要的技术应用意义。
风力发电机性能评价主要通过绘制功率曲线。国际标准IEC61400-12-1标准中给出了采用比恩斯原理绘制功率曲线的方法,能够根据风电机组10分钟平均风速和功率数据绘制反映机组整体运行性能的功率曲线。具体流程如下:
数据源:从区域集控系统取得风力发电机风速、功率数据;数据清洗:剔除测量原因造成的异常数据,获得全体数据集;区间划分:将数据组按照0.5m/s风速间隔进行划分,获得区间数据集;发电能力:将区间数据集内的功率数据进行平均,作为该风速区间风力发电机的发电能力;绘制曲线:所有风速区间发电能力计算完成后得到一组风速—功率对应关系,根据该对应关系绘制风速—功率曲线,称为实际功率曲线;劣化程度:根据实际功率曲线和理论功率曲线,计算风力发电机性能劣化程度。
上述风力发电机性能的评价方法存在以下缺点:
1)数据清洗不彻底,现有数据清洗方法只能剔除因测量原因造成的异常数据,不能剔除风力发电机设备状态原因造成的异常数据。
2)未考虑风的高波动性,自然界的风具有高波动性,风处于加速阶段、减速阶段、平稳阶段,风力发电机性能表现各不相同。此外,风力发电机偏航是大滞后系统,风向的集中度对风力发电机的性能也有较大影响。因此,在不考虑风速变化率和风向集中度的情况下,单独按照风速进行区间划分不能准确体现风力发电机性能。
3)发电能力评价方法精度不足,以风速区间内的平均功率作为该风速区间内风力发电机的发电能力精度不足。以风速在[4m/s,4.5m/s]区间为例,上述方法实际上是将风速在[4m/s,4.5m/s]区间内的功率平均值作为风力发电机在4.25m/s风速时的发电能力。考虑到数据样本可能集中在4.1m/s或4.4m/s附近,上述方法得到的结果将产生偏差。
针对现有的风力发电机的发电性能评价方法精确度较低的问题,目前尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种风力发电机发电性能的评价方法及装置,以至少解决现有的风力发电机的发电性能评价方法精确度较低的技术问题。
根据本申请实施例的一个方面,提供了一种风力发电机发电性能的评价方法,包括:获取风力发电机处于运行状态下的功率,以及风力发电机处于运行状态时的风速和风向数据;依据风速和风向数据确定修正后的风速;对修正后的风速和修正后的风速对应的功率分别进行区间划分,得到多个风速区间和多个功率区间,其中,每个风速区间中数据点最多的功率区间为该风速区间的区间数据集;依据区间数据集绘制风力发电机的实际功率曲线,并依据风力发电机的实际功率曲线和风力发电机的理想功率曲线评价风力发电机的发电性能。
可选地,获取风力发电机处于运行状态下的功率,以及风力发电机处于运行状态时的风速和风向数据之前,上述方法还包括:从以下任意一个系统中采集数据:风力发电机的主控系统、风力发电机的监控系统及风力发电机的区域集控系统,其中,数据至少包括:带时间标签的风力发电机的状态、风力发电机处于状态中任一状态下的功率、风力发电机处于状态中任一状态时的风速和风向数据;依据数据对应的物理意义范围从数据中删除存在测量误差的数据。
可选地,依据数据对应的物理意义范围从数据中删除存在测量误差的数据之后,上述方法还包括:将风力发电机的状态标准化,得到风力发电机的标准化状态,其中,标准化状态至少包括以下状态:运行状态、待机状态、故障状态、检修状态、限电状态以及离线状态。
可选地,依据风速和风向数据确定修正后的风速之前,上述方法还包括:依据风速计算风速变化率;依据风向数据计算风向集中度,风向集中度包括风向处于预设夹角范围内的概率。
可选地,依据风速和风向数据确定修正后的风速,包括:通过如下公式计算修正后的风速:Vx=f(Cr)×(V-f(V`)),其中,Vx为修正后的风速、V为修正前的风速、Cr为风向集中度、V`为风速变化率。
可选地,对修正后的风速和修正后的风速对应的功率分别进行区间划分,包括:以第一预设间隔将修正后的风速划分为多个风速区间;以第二预设间隔将每一个风速区间对应的功率划分为多个功率区间。
可选地,依据区间数据集绘制风力发电机的实际功率曲线,包括:依据聚类算法确定每个区间数据集的区间聚类中心点;依据区间聚类中心点确定功率曲线标准点;依据功率曲线标准点绘制风力发电机的实际功率曲线。
根据本申请实施例的另一方面,还提供了一种风力发电机发电性能的评价装置,包括:获取模块,用于获取风力发电机处于运行状态下的功率,以及风力发电机处于运行状态时的风速和风向数据;第一确定模块,用于依据风速和风向数据确定修正后的风速;划分模块,用于对修正后的风速和修正后的风速对应的功率分别进行区间划分,得到多个风速区间和多个功率区间,其中,每个风速区间中数据点最多的功率区间为该风速区间的区间数据集;第二确定模块,用于依据区间数据集绘制风力发电机的实际功率曲线,并依据风力发电机的实际功率曲线和风力发电机的理想功率曲线确定风力发电机的发电性能。
根据本申请实施例的再一方面,还提供了一种非易失性存储介质,其特征在于,非易失性存储介质包括存储的程序,其中,在程序运行时控制非易失性存储介质所在设备执行以上的风力发电机发电性能的评价方法。
根据本申请实施例的再一方面,还提供了一种处理器,处理器用于运行存储在存储器中的程序,其中,程序运行时执行以上的风力发电机发电性能的评价方法。
在本申请实施例中,采用获取风力发电机处于运行状态下的功率,以及风力发电机处于运行状态时的风速和风向数据;依据风速和风向数据确定修正后的风速;对修正后的风速和修正后的风速对应的功率分别进行区间划分,得到多个风速区间和多个功率区间,其中,每个风速区间中数据点最多的功率区间为该风速区间的区间数据集;依据区间数据集绘制风力发电机的实际功率曲线,并依据风力发电机的实际功率曲线和风力发电机的理想功率曲线评价风力发电机的发电性能的方式,从而实现了提高评价风力风力发电机的发电性能的精确度的技术效果,进而解决了现有的风力发电机的发电性能评价方法精确度较低技术问题。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种风力发电机发电性能的评价方法的流程图;
图2是根据本申请实施例的另一种风力发电机发电性能的评价方法的流程图;
图3是根据本申请实施例的一种风力发电机发电性能的评价装置的结构图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。.
根据本申请实施例,提供了一种电机性能的确定方法的实施例,需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本申请实施例的一种风力发电机发电性能的评价方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取风力发电机处于运行状态下的功率,以及风力发电机处于运行状态时的风速和风向数据;
步骤S104,依据风速和风向数据确定修正后的风速;
步骤S106,对修正后的风速和修正后的风速对应的功率分别进行区间划分,得到多个风速区间和多个功率区间,其中,每个风速区间中数据点最多的功率区间为该风速区间的区间数据集;
步骤S108,依据区间数据集绘制风力发电机的实际功率曲线,并依据风力发电机的实际功率曲线和风力发电机的理想功率曲线评价风力发电机的发电性能。
通过上述步骤,可以实现提高评价风力风力发电机的发电性能的精确度的技术效果。
根据本申请的一个可选的实施例,执行步骤S102之前,还需要从以下任意一个系统中采集数据:风力发电机的主控系统、风力发电机的监控系统及风力发电机的区域集控系统,其中,数据至少包括:带时间标签的风力发电机的状态、风力发电机处于状态中任一状态下的功率、风力发电机处于状态中任一状态时的风速和风向数据;依据数据对应的物理意义范围从数据中删除存在测量误差的数据。
在本步骤中,从风机主控系统、风机监控系统、区域集控系统三个系统中任一个采集数据。数据内容包括带时间标签的风机状态、功率P、风速V、风向D数据。根据数据物理意义合理范围,剔除测量误差数据。
根据本申请的另一个可选的实施例,依据数据对应的物理意义范围从数据中删除存在测量误差的数据之后,将风力发电机的状态标准化,得到风力发电机的标准化状态,其中,标准化状态至少包括以下状态:运行状态、待机状态、故障状态、检修状态、限电状态以及离线状态。
将风机状态标准化为“运行”、“待机”、“故障”、“检修”、“限电”、“离线”6种,选取“运行”状态下风力发电机的功率、风速、风向数据,通过该方法可以剔除设备状态异常数据。
根据风力发电机的设备原理,将不同类型风力发电机状态标准化。取标准化后风力发电机运行状态下的数据作为基础数据源,可以剔除因设备状态原因造成的异常数据。
根据本申请的一个可选的实施例,执行步骤S104之前,还需要依据风速计算风速变化率;依据风向数据计算风向集中度,风向集中度包括风向处于预设夹角范围内的概率。
优选地,在执行步骤S104时可以通过如下公式计算修正后的风速:Vx=f(Cr)×(V-f(V`)),其中,Vx为修正后的风速、V为修正前的风速、Cr为风向集中度、V`为风速变化率。
计算风速变化率、风向集中度(风向处于30°夹角范围内的概率),利用风速修正算法,修正后的风速和对应的功率组成全体数据集。
本步骤中的风速修正算法如下:
Vx=f(Cr)×(V-f(V`)),其中,Vx为修正后的风速、V为修正前的风速、Cr为风向集中度、V`为风速变化率。
根据本申请的一个可选的实施例,步骤S106通过以下方法实现:以第一预设间隔将修正后的风速划分为多个风速区间;以第二预设间隔将每一个风速区间对应的功率划分为多个功率区间。
修正后的风速以0.5m/s间隔,划分为多个风速区间。对每一个风速区间,以50kW为间隔,划分多个功率区间。数据点最多的功率区间为该风速区间的区间数据集。
在本申请的另一个可选的实施例中,执行步骤S108时包括如下方法步骤:依据聚类算法确定每个区间数据集的区间聚类中心点;依据区间聚类中心点确定功率曲线标准点;依据功率曲线标准点绘制风力发电机的实际功率曲线。
针对每一区间数据集,应用聚类方法(k均值聚类算法)计算区间聚类中心点。利用区间聚类中心点反算功率曲线标准点,并绘制实际功率曲线。最后,实际功率曲线与理论功率曲线比较,得出风力发电机发电能力劣化程度。
本申请实施例提供的风力发电机发电性能评价方法,先进行风力发电机状态标准化,再选取运行状态下的数据作为基础数据集。采用风速变化率和风向集中度对风速进行修正,修正后的数据作为全体数据集。采用风速区间和功率区间的网格分割法获得区间数据集。采用区间聚类算法获得区间聚类中心。由区间聚类中心反算功率曲线标准点。可以提高风力发电机的发电性能评价方法的精确度。
风力发电机性能劣化程度是风电企业最为关注的技术指标。上述方法对风力发电机性能劣化程度的准确评价为风电企业的基建验收、生产管理、技术改造提供关键的数据支持,进而提供风电企业的管理水平、盈利水平。
图2是根据本申请实施例的另一种风力发电机发电性能的评价方法的流程图,如图2所示,该方法包括以下步骤:
首先,从风机主控系统、风机监控系统、区域集控系统三个系统中任一个采集数据。数据内容包括带时间标签的风机状态、功率P、风速V、风向D数据。根据数据物理意义合理范围,剔除测量误差数据。
其次,将风机状态标准化为“运行”、“待机”、“故障”、“检修”、“限电”、“离线”6种,选取“运行”状态下风力发电机的功率、风速、风向数据,剔除设备状态异常数据。
再次,计算风速变化率、风向集中度(风向处于30°夹角范围内的概率),利用风速修正算法,修正后的风速和对应的功率组成全体数据集。
Vx=f(Cr)×(V-f(V`)),其中,Vx为修正后的风速、V为修正前的风速、Cr为风向集中度、V`为风速变化率。
再次,修正后的风速以0.5m/s间隔,划分为多个风速区间。对每一个风速区间,以50kW为间隔,划分多个功率区间。数据点最多的功率区间为该风速区间的区间数据集。
再次,针对每一区间数据集,应用聚类方法(k均值聚类算法)计算区间聚类中心点。
再次,利用区间聚类中心点反算功率曲线标准点,并绘制实际功率曲线。
最后,实际功率曲线与理论功率曲线比较,得出风力发电机发电能力劣化程度。
图3是根据本申请实施例的一种风力发电机发电性能的评价装置的结构图,如图3所示,该装置包括:
获取模块30,用于获取风力发电机处于运行状态下的功率,以及风力发电机处于运行状态时的风速和风向数据;
确定模块32,用于依据风速和风向数据确定修正后的风速;
划分模块34,用于对修正后的风速和修正后的风速对应的功率分别进行区间划分,得到多个风速区间和多个功率区间,其中,每个风速区间中数据点最多的功率区间为该风速区间的区间数据集;
评价模块36,用于依据区间数据集绘制风力发电机的实际功率曲线,并依据风力发电机的实际功率曲线和风力发电机的理想功率曲线确定风力发电机的发电性能。
需要说明的是,图3所示实施例的优选实施方式可以参见图1所示实施例的相关描述,此处不再赘述。
本申请实施例还提供了一种非易失性存储介质,其特征在于,非易失性存储介质包括存储的程序,其中,在程序运行时控制非易失性存储介质所在设备执行以上的风力发电机发电性能的评价方法。
非易失性存储介质用于存储执行以下功能的程序:获取风力发电机处于运行状态下的功率,以及风力发电机处于运行状态时的风速和风向数据;依据风速和风向数据确定修正后的风速;对修正后的风速和修正后的风速对应的功率分别进行区间划分,得到多个风速区间和多个功率区间,其中,每个风速区间中数据点最多的功率区间为该风速区间的区间数据集;依据区间数据集绘制风力发电机的实际功率曲线,并依据风力发电机的实际功率曲线和风力发电机的理想功率曲线评价风力发电机的发电性能。
本申请实施例还提供了一种处理器,处理器用于运行存储在存储器中的程序,其中,程序运行时执行以上的风力发电机发电性能的评价方法。
处理器用于运行执行以下功能的程序:获取风力发电机处于运行状态下的功率,以及风力发电机处于运行状态时的风速和风向数据;依据风速和风向数据确定修正后的风速;对修正后的风速和修正后的风速对应的功率分别进行区间划分,得到多个风速区间和多个功率区间,其中,每个风速区间中数据点最多的功率区间为该风速区间的区间数据集;依据区间数据集绘制风力发电机的实际功率曲线,并依据风力发电机的实际功率曲线和风力发电机的理想功率曲线确定风力发电机的发电性能。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,可以为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对相关技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,ReHNXRd-Only Memory)、随机存取存储器(RHNXRM,RHNXRndom HNXRccess Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (8)
1.一种风力发电机发电性能的评价方法,其特征在于,包括:
获取风力发电机处于运行状态下的功率,以及所述风力发电机处于所述运行状态时的风速和风向数据;
依据所述风速和所述风向数据确定修正后的风速,在依据所述风速和所述风向数据确定修正后的风速之前,还包括:依据所述风速计算风速变化率,依据所述风向数据计算风向集中度,所述风向集中度包括风向处于预设夹角范围内的概率;其中,依据所述风速和所述风向数据确定修正后的风速,包括:通过如下公式计算所述修正后的风速:Vx=f(Cr)×(V-f(V`)),其中,Vx为所述修正后的风速、V为修正前的所述风速、Cr为所述风向集中度、V`为所述风速变化率;
对所述修正后的风速和所述修正后的风速对应的功率分别进行区间划分,得到多个风速区间和多个功率区间,其中,每个风速区间中数据点最多的功率区间为该风速区间的区间数据集;
依据所述区间数据集绘制所述风力发电机的实际功率曲线,并依据所述风力发电机的实际功率曲线和所述风力发电机的理想功率曲线评价所述风力发电机的发电性能。
2.根据权利要求1所述的方法,其特征在于,获取风力发电机处于运行状态下的功率,以及所述风力发电机处于所述运行状态时的风速和风向数据之前,所述方法还包括:
从以下任意一个系统中采集数据:所述风力发电机的主控系统、所述风力发电机的监控系统及所述风力发电机的区域集控系统,其中,所述数据至少包括:带时间标签的所述风力发电机的状态、所述风力发电机处于所述状态中任一状态下的功率、所述风力发电机处于所述状态中任一状态时的风速和风向数据;
依据所述数据对应的物理意义范围从所述数据中删除存在测量误差的数据。
3.根据权利要求2所述的方法,其特征在于,依据所述数据对应的物理意义范围从所述数据中删除存在测量误差的数据之后,所述方法还包括:
将所述风力发电机的状态标准化,得到所述风力发电机的标准化状态,其中,所述标准化状态至少包括以下状态:所述运行状态、待机状态、故障状态、检修状态、限电状态以及离线状态。
4.根据权利要求1所述的方法,其特征在于,对所述修正后的风速和所述修正后的风速对应的功率分别进行区间划分,包括:
以第一预设间隔将所述修正后的风速划分为多个风速区间;
以第二预设间隔将每一个风速区间对应的功率划分为多个功率区间。
5.根据权利要求1所述的方法,其特征在于,依据所述区间数据集绘制所述风力发电机的实际功率曲线,包括:
依据聚类算法确定每个所述区间数据集的区间聚类中心点;
依据所述区间聚类中心点确定功率曲线标准点;
依据所述功率曲线标准点绘制所述风力发电机的实际功率曲线。
6.一种风力发电机发电性能的评价装置,其特征在于,包括:
获取模块,用于获取风力发电机处于运行状态下的功率,以及所述风力发电机处于所述运行状态时的风速和风向数据;
确定模块,用于依据所述风速和所述风向数据确定修正后的风速,在依据所述风速和所述风向数据确定修正后的风速之前,还包括:依据所述风速计算风速变化率,依据所述风向数据计算风向集中度,所述风向集中度包括风向处于预设夹角范围内的概率;其中,依据所述风速和所述风向数据确定修正后的风速,包括:通过如下公式计算所述修正后的风速:Vx=f(Cr)×(V-f(V`)),其中,Vx为所述修正后的风速、V为修正前的所述风速、Cr为所述风向集中度、V`为所述风速变化率;
划分模块,用于对所述修正后的风速和所述修正后的风速对应的功率分别进行区间划分,得到多个风速区间和多个功率区间,其中,每个风速区间中数据点最多的功率区间为该风速区间的区间数据集;
评价模块,用于依据所述区间数据集绘制所述风力发电机的实际功率曲线,并依据所述风力发电机的实际功率曲线和所述风力发电机的理想功率曲线评价所述风力发电机的发电性能。
7.一种非易失性存储介质,其特征在于,所述非易失性存储介质包括存储的程序,其中,在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至5中任意一项所述的风力发电机发电性能的评价方法。
8.一种处理器,其特征在于,所述处理器用于运行存储在存储器中的程序,其中,所述程序运行时执行权利要求1至5中任意一项所述的风力发电机发电性能的评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011331600.8A CN112632749B (zh) | 2020-11-24 | 2020-11-24 | 一种风力发电机发电性能的评价方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011331600.8A CN112632749B (zh) | 2020-11-24 | 2020-11-24 | 一种风力发电机发电性能的评价方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112632749A CN112632749A (zh) | 2021-04-09 |
CN112632749B true CN112632749B (zh) | 2023-08-15 |
Family
ID=75303820
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011331600.8A Active CN112632749B (zh) | 2020-11-24 | 2020-11-24 | 一种风力发电机发电性能的评价方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112632749B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881379B (zh) * | 2022-07-12 | 2022-10-14 | 东方电气风电股份有限公司 | 风电场应发电量估测方法、装置、设备及存储介质 |
CN116663935B (zh) * | 2023-07-24 | 2023-10-20 | 长江三峡集团实业发展(北京)有限公司 | 风力机发电量计算方法、装置、计算机设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160060A (zh) * | 2015-07-17 | 2015-12-16 | 中国电力科学研究院 | 一种基于实际功率曲线拟合的风电场理论功率确定方法 |
CN106815456A (zh) * | 2015-12-02 | 2017-06-09 | 中国电力科学研究院 | 一种风电机组功率特性评价方法 |
CN108171400A (zh) * | 2017-12-06 | 2018-06-15 | 浙江大学 | 一种基于异常点及离群点检测的风机功率曲线数据预处理方法 |
CN109472040A (zh) * | 2018-08-31 | 2019-03-15 | 北京优利康达科技股份有限公司 | 一种动态校正风电机组偏航对风偏差的方法和装置 |
CN110083896A (zh) * | 2019-04-12 | 2019-08-02 | 沈阳工业大学 | 风电机组运行功率曲线达标符合度评价方法 |
JP2019173581A (ja) * | 2018-03-27 | 2019-10-10 | 株式会社日立製作所 | 風力発電装置の制御方法 |
CN111125895A (zh) * | 2019-12-13 | 2020-05-08 | 湖南科技大学 | 一种风力发电机整机服役功率特性在线评估方法 |
CN111291032A (zh) * | 2020-01-23 | 2020-06-16 | 福州大学 | 一种组合型风电场数据清洗方法 |
-
2020
- 2020-11-24 CN CN202011331600.8A patent/CN112632749B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160060A (zh) * | 2015-07-17 | 2015-12-16 | 中国电力科学研究院 | 一种基于实际功率曲线拟合的风电场理论功率确定方法 |
CN106815456A (zh) * | 2015-12-02 | 2017-06-09 | 中国电力科学研究院 | 一种风电机组功率特性评价方法 |
CN108171400A (zh) * | 2017-12-06 | 2018-06-15 | 浙江大学 | 一种基于异常点及离群点检测的风机功率曲线数据预处理方法 |
JP2019173581A (ja) * | 2018-03-27 | 2019-10-10 | 株式会社日立製作所 | 風力発電装置の制御方法 |
CN109472040A (zh) * | 2018-08-31 | 2019-03-15 | 北京优利康达科技股份有限公司 | 一种动态校正风电机组偏航对风偏差的方法和装置 |
CN110083896A (zh) * | 2019-04-12 | 2019-08-02 | 沈阳工业大学 | 风电机组运行功率曲线达标符合度评价方法 |
CN111125895A (zh) * | 2019-12-13 | 2020-05-08 | 湖南科技大学 | 一种风力发电机整机服役功率特性在线评估方法 |
CN111291032A (zh) * | 2020-01-23 | 2020-06-16 | 福州大学 | 一种组合型风电场数据清洗方法 |
Non-Patent Citations (1)
Title |
---|
郭巍等.远程监控技术在华能新能源辽宁分公司的应用.《中国电机工程学会2015年年会论文集》.2016,第1-8页. * |
Also Published As
Publication number | Publication date |
---|---|
CN112632749A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112632749B (zh) | 一种风力发电机发电性能的评价方法及装置 | |
CN111628499B (zh) | 一种计及多风险因素的配电网新能源消纳能力评估的方法 | |
US11644009B2 (en) | Method and apparatus for detecting yaw-to-wind abnormality, and device and storage medium thereof | |
CN106570790B (zh) | 一种计及风速数据分段特性的风电场出力数据修复方法 | |
CN108089078A (zh) | 设备劣化预警方法及系统 | |
Wang et al. | A de-ambiguous condition monitoring scheme for wind turbines using least squares generative adversarial networks | |
CN116771610A (zh) | 一种调整风电机组变桨系统故障评估值的方法 | |
CN115221785A (zh) | 一种神经网络预测模型的构建方法、预测方法、系统 | |
CN111340307A (zh) | 预测风机风力发电功率的方法以及相关装置 | |
CN112855458B (zh) | 一种风力发电机组的风速仪故障诊断方法、系统及介质 | |
CN112598148A (zh) | 基于协同表达和LightGBM算法的风机变桨电机温度故障预警方法 | |
CN110188939B (zh) | 风电场的风功率的预测方法、系统、设备和存储介质 | |
CN112131753A (zh) | 风机疲劳寿命的评估方法、系统、设备及可读介质 | |
CN112085350A (zh) | 一种大型光伏电站中光伏阵列状态的评估方法 | |
CN111414354A (zh) | 一种风电场数据的处理方法、装置及计算机可读存储介质 | |
CN115842408A (zh) | 基于scada的风电场运行状态检测系统及方法 | |
CN110489852A (zh) | 提高风电系统数据质量的方法及装置 | |
CN116085212A (zh) | 一种新能源风电机组的运行状态实时监测方法及系统 | |
CN114912807A (zh) | 一种风电机组技改后发电量提升效果评估方法和评估系统 | |
CN115345370A (zh) | 一种基于Vine Copula模型的风电机组运行联动性分析方法 | |
CN113153657A (zh) | 风机发电率损失预测方法、系统、设备及介质 | |
Bao et al. | Iterative modeling of wind turbine power curve based on least‐square B‐spline approximation | |
CN113052716B (zh) | 风力发电机组主轴承的异常预警方法及装置 | |
Cajazeira et al. | RAM factors in the operation and maintenance phase of wind turbines | |
CN112749820A (zh) | 一种风电功率预测方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |