CN112632851A - 一种评估塔筒变化影响风电机组闪变的分析方法 - Google Patents

一种评估塔筒变化影响风电机组闪变的分析方法 Download PDF

Info

Publication number
CN112632851A
CN112632851A CN202011474099.0A CN202011474099A CN112632851A CN 112632851 A CN112632851 A CN 112632851A CN 202011474099 A CN202011474099 A CN 202011474099A CN 112632851 A CN112632851 A CN 112632851A
Authority
CN
China
Prior art keywords
height
wind turbine
turbine generator
tower
shadow
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.)
Granted
Application number
CN202011474099.0A
Other languages
English (en)
Other versions
CN112632851B (zh
Inventor
刘一星
王世均
陈宝刚
罗元宏
张凯
刘亚林
胡豪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CSIC Haizhuang Windpower Co Ltd
Original Assignee
CSIC Haizhuang Windpower Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CSIC Haizhuang Windpower Co Ltd filed Critical CSIC Haizhuang Windpower Co Ltd
Priority to CN202011474099.0A priority Critical patent/CN112632851B/zh
Publication of CN112632851A publication Critical patent/CN112632851A/zh
Application granted granted Critical
Publication of CN112632851B publication Critical patent/CN112632851B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • G06F30/27Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00Details relating to the application field
    • G06F2113/04Power grid distribution networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00Details relating to the application field
    • G06F2113/06Wind turbines or wind farms

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Medical Informatics (AREA)
  • Marketing (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Wind Motors (AREA)

Abstract

本发明提供一种评估塔筒变化影响风电机组闪变的分析方法,包括以下步骤:当塔筒高度变化百分比小于或等于高度变化阈值时,判定风电机组的闪变特性不产生变化;当大于高度变化阈值时,将距离差值和距离阈值进行比较、面积差值和面积阈值进行比较;当距离差值大于或等于距离阈值或面积差值大于或等于面积阈值时,判定风电机组的闪变特性不产生变化;当距离差值小于距离阈值,且面积差值小于面积阈值时,使用塔筒高度对光影闪变模型进行计算,得到塔筒高度变化后风电机组闪变值,根据标准进行判定。本发明可以解决当风电机组塔筒高度发生改变时,风电机组闪变特性变化情况无法进行量化分析,必须去现场实测后出具测试报告的技术问题。

Description

一种评估塔筒变化影响风电机组闪变的分析方法
技术领域
本发明涉及风力发电技术领域,具体涉及一种评估塔筒变化影响风电机组闪变的分析方法。
背景技术
电压波动和闪变是目前电能质量研究中非常关心的一个问题,电压波动是指一系列的电压变化或工频电压包络线发生周期性的变化,闪变则是指人眼对照明发生波动的主观视觉感受,电压波动和闪变会对实际生产和生活带来一系列不利影响。
由于风力发电的随机性与波动性,风电机组的输出功率是不稳定的,这种不稳定的功率并入电网中,会引起电网电压的波动和闪变问题,从而对电网的电能质量带来严重影响。风电机组在持续运行和切换操作过程中,均会对电网产生电压波动和闪变,这也是一个难以避免的问题,因此对风电机组接入电网后引起电压波动和闪变问题进行全面系统的研究和分析具有非常重要的意义。
随着对发电功率需求的增加,风电机组的发展趋势是高塔筒、长叶片和大容量。目前在现有技术中,没有一种当风电机组塔筒高度发生改变时,对风电机组闪变特性带来变化的量化分析方法;所以当风电机组的塔筒高度发生变化时,要求工作人员去现场进行实测,根据实测结果确定风电机组的闪变特性变化情况,这种实地检测十分耗费人力和时间。
发明内容
针对现有技术存在的不足,本发明提出一种评估塔筒变化影响风电机组闪变的分析方法,以解决现有技术中存在的当风电机组塔筒高度发生改变时,风电机组闪变特性变化情况无法进行量化分析,必须去现场实测后出具测试报告的技术问题。
本发明采用的技术方案是,一种评估塔筒变化影响风电机组闪变的分析方法,包括以下步骤:
根据塔筒高度的原始值和变化值,计算塔筒高度变化百分比;
将塔筒高度变化百分比和高度变化阈值进行比较,当塔筒高度变化百分比小于或等于高度变化阈值时,判定风电机组的闪变特性不产生变化;
当塔筒高度变化百分比大于高度变化阈值时,计算第一阴影所在位置和第二阴影所在位置的距离差值,将距离差值和距离阈值进行比较,计算第二阴影减去第一阴影、第二阴影重合部分后的面积差值,将面积差值和面积阈值进行比较;当距离差值大于或等于距离阈值或面积差值大于或等于面积阈值时,判定风电机组的闪变特性不产生变化;
当距离差值小于距离阈值,且面积差值小于面积阈值时,使用塔筒高度对光影闪变模型进行计算,得到塔筒高度变化后风电机组闪变值;
结合标准,分析塔筒高度变化后风电机组闪变值是否符合标准要求。
上述技术方案的有益技术效果如下:制定了一种评估塔筒变化影响风电机组闪变的分析方法,结合自组织神经网络和塔筒高度对光影闪变模型,可以不需要去现场实地测试,即可根据塔筒高度变化评估出是否会对风电机组闪变带来影响,以及带来何种影响。
进一步的,高度变化阈值为10%。
进一步的,距离阈值、面积阈值根据现场实测的历史数据,使用自组织神经网络计算得到。
进一步的,自组织神经网络的训练过程如下:
确定输入层样本数据、输出层样本数据,构建训练集、验证集;
建立初始优胜邻域;
从训练集中随机选取一输入层样本数据进行归一化处理,得到输入集合;
对输出层各权向量赋值进行归一化处理,得到输出集合;
使用欧氏几何距离相似性测量方法计算输入集合与输出集合的点积,选出点积最大的获胜节点;
以获胜节点为中心确定权重调整域,重新定义优胜邻域;
对优胜邻域内的节点调整权值。
进一步的,输入层样本数据为风电机组闪变特性各种变化情况;输出层样本数据包括第一阴影所在位置、第一阴影面积,第二阴影所在位置、第二阴影面积,第一阴影、第二阴影的重合部分,距离差值、第一阴影半径。
进一步的,距离阈值为第一阴影半径的四分之一,面积阈值为第一阴影面积的四分之一。
上述技术方案的有益技术效果如下:使用自组织神经网络计算得到距离阈值和面积阈值,可以快速地、自适应地找出风电机组闪变特性变化与距离、面积之间的内在联系,过程无需过多的人工干预,结果相对准确可靠。
进一步的,塔筒高度对光影闪变模型的建模过程具体如下:
计算塔筒高度变化前风电机组3个叶片分别对应的第一风速;
根据第一风速,计算塔筒高度变化后风电机组3个叶片分别对应的第二风速;
根据第二风速,计算塔筒高度变化后对应轮毂高度处总的等效风速;
根据总的等效风速,计算塔筒高度变化后风电机组闪变值。
进一步的,第一风速按以下公式进行计算:
Va=VT(1+r×sin(θ))α
Vb=VT(1+r×sin(θ+120°))α
Vc=VT(1+r×sin(θ-120°))α
在上式中,Va、Vb、Vc表示塔筒高度变化前风电机组3个叶片分别对应的风速,VT表示塔筒高度变化前对应轮毂高度位置处的风速,r表示表示轮毂中心到叶片顶端距离的3/4与轮毂高之比,θ表示任意一个叶片的旋转角度,α表示风剪切系数。
进一步的,第二风速按以下公式进行计算:
Va′=VT′(1+r′×sin(θ′))α
Vb′=VT′(1+r′×sin(θ′+120°))α
Vc′=VT′(1+r′×sin(θ′-120°))α
r′=r+X
θ′=θ+β
在上式中,Va′、Vb′、Vc′表示塔筒高度变化后风电机组3个叶片分别对应的风速,VT′表示塔筒高度变化后对应轮毂高度处的风速,r表示表示轮毂中心到叶片顶端距离的3/4与轮毂高之比,X表示第一阴影所在位置和第二阴影所在位置的距离差值,θ表示任意一个叶片的旋转角度,β表示桨距角,α表示风剪切系数。
进一步的,塔筒高度变化后风电机组闪变值按以下公式进行计算:
Figure BDA0002834532810000041
在上式中,Pst表示塔筒高度变化后风电机组闪变值,ρ表示空气密度,π表示圆周率,V′表示塔筒高度变化后对应轮毂高度处总的等效风速,r表示表示轮毂中心到叶片顶端距离的3/4与轮毂高之比,Cp表示功率系数,λ表示叶尖速比,β表示桨距角,α表示风剪切系数,c表示塔筒变化引起电压变化的折算系数,
Figure BDA0002834532810000042
表示电压变化系数,Sk表示电网接入系统短路容量。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明实施例1的塔筒高度变化前、后的投影示意图;
图2为本发明实施例1的分析方法流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例1
本实施例提供了一种评估塔筒变化影响风电机组闪变的分析方法,包括以下步骤:
根据塔筒高度的原始值和变化值,计算塔筒高度变化百分比;
将塔筒高度变化百分比和高度变化阈值进行比较,当塔筒高度变化百分比小于或等于高度变化阈值时,判定风电机组的闪变特性不产生变化;
当塔筒高度变化百分比大于高度变化阈值时,计算第一阴影所在位置和第二阴影所在位置的距离差值,将距离差值和距离阈值进行比较,计算第二阴影减去第一阴影、第二阴影重合部分后的面积差值,将面积差值和面积阈值进行比较;当距离差值大于或等于距离阈值或面积差值大于或等于面积阈值时,判定风电机组的闪变特性不产生变化;
当距离差值小于距离阈值,且面积差值小于面积阈值时,使用塔筒高度对光影闪变模型进行计算,得到塔筒高度变化后风电机组闪变值;
结合标准,分析塔筒高度变化后风电机组闪变值是否符合标准要求。
以下对实施例1工作原理进行详细说明:
风电机组的塔筒高度发生变化后,塔筒在光照下投影到地面的阴影所在区域位置也会随之发生变化,如图1所示。图1中的相邻2个塔筒,位于左边的塔筒表示原有的第一塔筒,位于右边的塔筒表示高度改变后的第二塔筒。第一塔筒、第二塔筒投影到地面的阴影分别为第一阴影、第二阴影;第一阴影、第二阴影均为圆形。R表示第一阴影的半径,X表示第一阴影所在位置和第二阴影所在位置的距离差值,S表示第二阴影减去第一阴影、第二阴影重合部分后的面积差值。上述的R、X、S不需要去现场,通过塔筒变化前的高度值、变化后的高度值,结合三角函数即可求得。
图1中,r表示轮毂中心到叶片顶端距离的3/4与轮毂高之比;塔筒高度变化时,轮毂中心到叶片顶端距离始终保持不变,所以第一塔筒、第二塔筒可以使用r表示各自轮毂中心到叶片顶端距离的3/4与轮毂高之比。β表示桨距角,θ表示任意一个叶片的旋转角度。
在本实施例中,当风电机组的塔筒高度发生变化后,如图2所示,按以下步骤对风电机组闪变特性的影响进行分析:
1、根据塔筒高度的原始值和变化值,计算塔筒高度变化百分比。
输入塔筒高度的原始值H和变化值H’,变化值H’为塔筒高度变化前、后的差值;塔筒高度变化百分比等于H’除以H再乘以百分之百。
2、将塔筒高度变化百分比和高度变化阈值进行比较,当塔筒高度变化百分比小于或等于高度变化阈值时,判定风电机组的闪变特性不产生变化。
根据现场实测的历史数据统计结果,形成一张塔筒高度变化百分比和风电机组闪变特性变化的映射关系表,从映射关系表得出当塔筒高度变化百分比小于或等于10%时,塔筒高度的变化对风电机组闪变特性不产生影响。在本实施例中,将高度变化阈值设为10%。当塔筒高度变化百分比小于或等于高度变化阈值时时,工作人员可以不需要去现场实测,判定风电机组的闪变特性不产生变化,直接出具风电机组闪变特性不产生变化的测试报告。
3、当塔筒高度变化百分比大于高度变化阈值时:计算第一阴影所在位置和第二阴影所在位置的距离差值,将距离差值和距离阈值进行比较,计算第二阴影减去第一阴影、第二阴影重合部分后的面积差值,将面积差值和面积阈值进行比较;当距离差值大于或等于距离阈值,或面积差值大于或等于面积阈值时,判定风电机组的闪变特性不产生变化。
如图1所示,第一阴影所在位置和第二阴影所在位置的距离差值为X,第一阴影的半径为R;第二阴影减去第一阴影、第二阴影重合部分后的面积差值为S。
在本实施例中,在造成风电机组闪变特性变化时,距离阈值、面积阈值分别要满足怎样的条件,以及距离阈值、面积阈值之间的相关性,可以根据现场实测的历史数据分析得出。但数据量较大,且各个数据之间的有效关联性较为隐蔽,不便于直接使用映射关系来求解。在本实施例中,选用人工神经网络分析得出距离阈值、面积阈值;具体的,选用自组织神经网络。自组织神经网络的训练过程如下:
将风电机组闪变特性各种变化情况作为输入层样本数据,将第一阴影所在位置、第一阴影的面积,第二阴影所在位置、第二阴影的面积,第一阴影、第二阴影的重合部分,距离差值、第一阴影的半径作为输出层样本数据,构建训练集、验证集。
建立初始优胜邻域;
从训练集中随机选取一输入层样本数据进行归一化处理,得到输入集合;
对输出层各权向量赋值进行归一化处理,得到输出集合;
使用欧氏几何距离相似性测量方法计算输入集合与输出集合的点积,选出点积最大的获胜节点;
以获胜节点为中心确定权重调整域,重新定义优胜邻域;
对优胜邻域内的节点调整权值。
按上述方法训练并进行验证的自组织神经网络,可以得出距离阈值、面积阈值,以及这两者之间的相关性。使用自组织神经网络计算得到距离阈值和面积阈值,可以快速地、自适应地找出风电机组闪变特性变化与距离、面积之间的内在联系,过程无需过多的人工干预,结果相对准确可靠。
根据自组织神经网络的输出,当距离差值X大于或等于第一阴影半径R的四分之一,或者面积差值S大于或等于第一阴影面积πR2的四分之一时,塔筒高度的变化对风电机组闪变特性不产生影响。在本实施例中,距离阈值设为1/4R,将X和1/4R进行比较;面积阈值设为1/4πR2,将S和1/4πR2进行比较。
在本实施例中,当X>1/4R或S>1/4πR2时,工作人员可以不需要去现场实测,判定风电机组的闪变特性不产生变化,直接出具风电机组闪变特性不产生变化的测试报告。
4、当距离差值小于距离阈值,且面积差值小于面积阈值时,使用塔筒高度对光影闪变模型进行计算,得到塔筒高度变化后风电机组闪变值。
当X<1/4R,且S<1/4πR2时,使用塔筒高度对光影闪变模型进行计算。塔筒高度对光影闪变模型的建模过程具体如下:
首先,计算塔筒高度变化前风电机组3个叶片分别对应的风速,在本实施例中定义此风速为第一风速,按以下公式进行计算:
Va=VT(1+r×sin(θ))α (1)
Vb=VT(1+r×sin(θ+120°))α (2)
Vc=VT(1+r×sin(θ-120°))α (3)
在上式(1)、(2)、(3)中,Va、Vb、Vc表示塔筒高度变化前风电机组3个叶片分别对应的风速,VT表示塔筒高度变化前对应轮毂高度位置处的风速,r表示表示轮毂中心到叶片顶端距离的3/4与轮毂高之比,θ表示任意一个叶片的旋转角度,α表示风剪切系数。
当塔筒高度发生变化后,风吹过每一个叶片都会使3个叶片对应的风速发生变化,在本实施例中定义变化后的风速为第二风速,按以下公式进行计算:
Va′=VT′(1+r′×sin(θ′))α (4)
Vb′=VT′(1+r′×sin(θ′+120°))α (5)
Vc′=VT′(1+r′×sin(θ′-120°))α (6)
r′=r+X (7)
θ′=θ+β (8)
在上式(4)~(8)中,Va′、Vb′、Vc′表示塔筒高度变化后风电机组3个叶片分别对应的风速,VT′表示塔筒高度变化后对应轮毂高度处的风速,r表示表示轮毂中心到叶片顶端距离的3/4与轮毂高之比,X表示第一阴影所在位置和第二阴影所在位置的距离差值,θ表示任意一个叶片的旋转角度,β表示桨距角,α表示风剪切系数。
然后,计算塔筒高度变化后对应轮毂高度处总的等效风速V′,按以下公式进行计算:
Figure BDA0002834532810000091
最后,计算塔筒高度变化后风电机组闪变值,按以下公式进行计算:
Figure BDA0002834532810000092
在上式(10)中,Pst表示塔筒高度变化后风电机组闪变值,ρ表示空气密度,π表示圆周率,V′表示塔筒高度变化后对应轮毂高度处总的等效风速,r表示表示轮毂中心到叶片顶端距离的3/4与轮毂高之比,Cp表示功率系数,λ表示叶尖速比,β表示桨距角,α表示风剪切系数,c表示塔筒变化引起电压变化的折算系数,
Figure BDA0002834532810000093
表示电压变化系数,Sk表示电网接入系统短路容量。
5、结合标准,分析塔筒高度变化后风电机组闪变值是否符合标准要求
在本实施例中,使用的标准为GB 12326-2000《电能质量电压波动和闪变》。将计算得到的塔筒高度变化后风电机组闪变值与标准中的要求进行比对,工作人员可以不需要去现场实测,直接出具风电机组闪变特性产生变化情况的测试报告。
通过本实施例中的技术方案,制定了一种评估塔筒变化影响风电机组闪变的分析方法,可以根据塔筒高度变化,不需要去现场实地测试,即可评估出塔筒高度变化是否会对风电机组闪变带来影响,以及带来何种影响。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (10)

1.一种评估塔筒变化影响风电机组闪变的分析方法,其特征在于,包括以下步骤:
根据塔筒高度的原始值和变化值,计算塔筒高度变化百分比;
将塔筒高度变化百分比和高度变化阈值进行比较,当塔筒高度变化百分比小于或等于高度变化阈值时,判定风电机组的闪变特性不产生变化;
当塔筒高度变化百分比大于高度变化阈值时,计算第一阴影所在位置和第二阴影所在位置的距离差值,将距离差值和距离阈值进行比较,计算第二阴影减去第一阴影、第二阴影重合部分后的面积差值,将面积差值和面积阈值进行比较;当距离差值大于或等于距离阈值或面积差值大于或等于面积阈值时,判定风电机组的闪变特性不产生变化;
当距离差值小于距离阈值,且面积差值小于面积阈值时,使用塔筒高度对光影闪变模型进行计算,得到塔筒高度变化后风电机组闪变值;
结合标准,分析塔筒高度变化后风电机组闪变值是否符合标准要求。
2.根据权利要求1所述的一种评估塔筒变化影响风电机组闪变的分析方法,其特征在于:所述高度变化阈值为10%。
3.根据权利要求1所述的一种评估塔筒变化影响风电机组闪变的分析方法,其特征在于:所述距离阈值、面积阈值根据现场实测的历史数据,使用自组织神经网络计算得到。
4.根据权利要求3所述的一种评估塔筒变化影响风电机组闪变的分析方法,其特征在于:所述自组织神经网络的训练过程如下:
确定输入层样本数据、输出层样本数据,构建训练集、验证集;
建立初始优胜邻域;
从训练集中随机选取一输入层样本数据进行归一化处理,得到输入集合;
对输出层各权向量赋值进行归一化处理,得到输出集合;
使用欧氏几何距离相似性测量方法计算输入集合与输出集合的点积,选出点积最大的获胜节点;
以获胜节点为中心确定权重调整域,重新定义优胜邻域;
对优胜邻域内的节点调整权值。
5.根据权利要求4所述的一种评估塔筒变化影响风电机组闪变的分析方法,其特征在于:所述输入层样本数据为风电机组闪变特性各种变化情况;所述输出层样本数据包括第一阴影所在位置、第一阴影面积,第二阴影所在位置、第二阴影面积,第一阴影、第二阴影的重合部分,距离差值、第一阴影半径。
6.根据权利要求5所述的一种评估塔筒变化影响风电机组闪变的分析方法,其特征在于:所述距离阈值为第一阴影半径的四分之一,所述面积阈值为第一阴影面积的四分之一。
7.根据权利要求1所述的一种评估塔筒变化影响风电机组闪变的分析方法,其特征在于:所述塔筒高度对光影闪变模型的建模过程具体如下:
计算塔筒高度变化前风电机组3个叶片分别对应的第一风速;
根据所述第一风速,计算塔筒高度变化后风电机组3个叶片分别对应的第二风速;
根据所述第二风速,计算塔筒高度变化后对应轮毂高度处总的等效风速;
根据所述总的等效风速,计算塔筒高度变化后风电机组闪变值。
8.根据权利要求7所述的一种评估塔筒变化影响风电机组闪变的分析方法,其特征在于,所述第一风速按以下公式进行计算:
Va=VT(1+r×sin(θ))α
Vb=VT(1+r×sin(θ+120°))α
Vc=VT(1+r×sin(θ-120°))α
在上式中,Va、Vb、Vc表示塔筒高度变化前风电机组3个叶片分别对应的风速,VT表示塔筒高度变化前对应轮毂高度位置处的风速,r表示表示轮毂中心到叶片顶端距离的3/4与轮毂高之比,θ表示任意一个叶片的旋转角度,α表示风剪切系数。
9.根据权利要求7所述的一种评估塔筒变化影响风电机组闪变的分析方法,其特征在于,所述第二风速按以下公式进行计算:
Va′=VT′(1+r′×sin(θ′))α
Vb′=VT′(1+r′×sin(θ′+120°))α
Vc′=VT′(1+r′×sin(θ′-120°))α
r′=r+X
θ′=θ+β
在上式中,Va′、Vb′、Vc′表示塔筒高度变化后风电机组3个叶片分别对应的风速,VT′表示塔筒高度变化后对应轮毂高度处的风速,r表示表示轮毂中心到叶片顶端距离的3/4与轮毂高之比,X表示第一阴影所在位置和第二阴影所在位置的距离差值,θ表示任意一个叶片的旋转角度,β表示桨距角,α表示风剪切系数。
10.根据权利要求7所述的一种评估塔筒变化影响风电机组闪变的分析方法,其特征在于,所述塔筒高度变化后风电机组闪变值按以下公式进行计算:
Figure FDA0002834532800000031
在上式中,Pst表示塔筒高度变化后风电机组闪变值,ρ表示空气密度,π表示圆周率,V′表示塔筒高度变化后对应轮毂高度处总的等效风速,r表示表示轮毂中心到叶片顶端距离的3/4与轮毂高之比,Cp表示功率系数,λ表示叶尖速比,β表示桨距角,α表示风剪切系数,c表示塔筒变化引起电压变化的折算系数,
Figure FDA0002834532800000032
表示电压变化系数,Sk表示电网接入系统短路容量。
CN202011474099.0A 2020-12-14 2020-12-14 一种评估塔筒变化影响风电机组闪变的分析方法 Active CN112632851B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011474099.0A CN112632851B (zh) 2020-12-14 2020-12-14 一种评估塔筒变化影响风电机组闪变的分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011474099.0A CN112632851B (zh) 2020-12-14 2020-12-14 一种评估塔筒变化影响风电机组闪变的分析方法

Publications (2)

Publication Number Publication Date
CN112632851A true CN112632851A (zh) 2021-04-09
CN112632851B CN112632851B (zh) 2022-05-03

Family

ID=75314117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011474099.0A Active CN112632851B (zh) 2020-12-14 2020-12-14 一种评估塔筒变化影响风电机组闪变的分析方法

Country Status (1)

Country Link
CN (1) CN112632851B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115898788A (zh) * 2022-11-28 2023-04-04 中国华能集团清洁能源技术研究院有限公司 海上风电场风速预警扩散式控制方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7530785B1 (en) * 2005-04-13 2009-05-12 The Wind Turbine Company Method and apparatus for controlling pitch and flap angles of a wind turbine
US20100293959A1 (en) * 2007-09-25 2010-11-25 Airbus Sas Method for Operating a Gas Turbine Engine, Power Supplying Device for Conducting such Method and Aircraft using such Method
CN101949363A (zh) * 2010-09-21 2011-01-19 山东科技大学 计及风电场输入风速和风向随机波动的风电机组分组方法
CN106499572A (zh) * 2016-10-18 2017-03-15 浙江海洋大学 智能化波浪发电装置及其控制方法
CN106815773A (zh) * 2015-12-02 2017-06-09 中国电力科学研究院 一种风电场功率特性评估方法
CN108258731A (zh) * 2018-03-13 2018-07-06 西南交通大学 一种带有超导磁储能的新式无刷双馈风力发电系统
CN108549999A (zh) * 2018-05-16 2018-09-18 山东明科电气技术有限公司 基于风速区间的海上风电电能质量数据分析方法及系统
CN110685869A (zh) * 2019-11-19 2020-01-14 中国船舶重工集团海装风电股份有限公司 一种风电机组的故障诊断方法、装置及设备
CN111310341A (zh) * 2020-02-20 2020-06-19 华润电力技术研究院有限公司 风机运行参数确定方法、装置、设备及可读存储介质
CN112065668A (zh) * 2020-09-08 2020-12-11 沈阳工业大学 一种风电机组状态异常评估方法及系统

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7530785B1 (en) * 2005-04-13 2009-05-12 The Wind Turbine Company Method and apparatus for controlling pitch and flap angles of a wind turbine
US20100293959A1 (en) * 2007-09-25 2010-11-25 Airbus Sas Method for Operating a Gas Turbine Engine, Power Supplying Device for Conducting such Method and Aircraft using such Method
CN101949363A (zh) * 2010-09-21 2011-01-19 山东科技大学 计及风电场输入风速和风向随机波动的风电机组分组方法
CN106815773A (zh) * 2015-12-02 2017-06-09 中国电力科学研究院 一种风电场功率特性评估方法
CN106499572A (zh) * 2016-10-18 2017-03-15 浙江海洋大学 智能化波浪发电装置及其控制方法
CN108258731A (zh) * 2018-03-13 2018-07-06 西南交通大学 一种带有超导磁储能的新式无刷双馈风力发电系统
CN108549999A (zh) * 2018-05-16 2018-09-18 山东明科电气技术有限公司 基于风速区间的海上风电电能质量数据分析方法及系统
CN110685869A (zh) * 2019-11-19 2020-01-14 中国船舶重工集团海装风电股份有限公司 一种风电机组的故障诊断方法、装置及设备
CN111310341A (zh) * 2020-02-20 2020-06-19 华润电力技术研究院有限公司 风机运行参数确定方法、装置、设备及可读存储介质
CN112065668A (zh) * 2020-09-08 2020-12-11 沈阳工业大学 一种风电机组状态异常评估方法及系统

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
M.R.QUDDES等: "Electromagnetic Design Study of Transverse Flux", 《 IEEE TRANSACTIONS ON ENERGY CONVERSION 》 *
万书亭等: "基于等效风速的风机功率波动特性分析", 《噪声与振动控制》 *
李志勇等: "大型直驱风电机组风剪切效应ANN软测量方法", 《控制与信息技术》 *
王淼: "并网风电场电压波动和闪变的评估及抑制方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
王淼等: "风电场引起电压闪变值估算方法研究", 《华北电力大学学报(自然科学版)》 *
胡煜等: "风电引起3p闪变的仿真分析", 《电力自动化设备》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115898788A (zh) * 2022-11-28 2023-04-04 中国华能集团清洁能源技术研究院有限公司 海上风电场风速预警扩散式控制方法及系统

Also Published As

Publication number Publication date
CN112632851B (zh) 2022-05-03

Similar Documents

Publication Publication Date Title
CN106897821B (zh) 一种暂态评估特征选择方法及装置
US20210262439A1 (en) Method of identification and compensation of inherent deviation of yaw error of wind turbine based on true power curve
US8141416B2 (en) Systems and methods for identifying wind turbine performance inefficiency
US20160223600A1 (en) Power generation performance evaluation method and apparatus for power generator set
CN105512766A (zh) 一种风电场功率预测方法
US20240094693A1 (en) Prediction method of wind power output, electronic device, storage medium, and system
CN112632851B (zh) 一种评估塔筒变化影响风电机组闪变的分析方法
CN106650977A (zh) 应用于新建风电场的短期功率预测方法
CN110991701A (zh) 一种基于数据融合的风电场风机风速预测方法及系统
CN116432123A (zh) 一种基于cart决策树算法的电能表故障预警方法
CN113357098A (zh) 一种风机变桨子系统故障预警方法
CN116451454A (zh) 一种基于风-浪资源的风机和波浪能装置联合开发最优配置选型方法
CN111814284A (zh) 基于相关性检测与改进随机森林的在线电压稳定评估方法
CN110378624A (zh) 基于趋势提取的火电机组一次调频指标计算方法及系统
CN111008725B (zh) 一种用于短期风电功率预测的气象因素波动特征提取方法
CN114662809A (zh) 一种综合能源园区内供电电源的电能质量评价方法和系统
CN108695908B (zh) 一种基于统计分析确定上网机组调峰贡献的方法
CN115377999A (zh) 一种基于宽频测量数据的次同步振荡辨识的方法
CN114118863A (zh) 一种建筑可再生碳中和能源系统
CN114595989A (zh) 一种风电机组性能评估方法及装置
CN113848347A (zh) 一种风力发电机测风仪健康状态检测方法
Lou et al. A data-mining approach for wind turbine power generation performance monitoring based on power curve
CN116187685B (zh) 一种基于调峰约束的电网接纳光伏最大容量的计算方法
CN109543976A (zh) 一种采用高斯混合模型的风电机组谐波发射模态辨识方法
CN114942956A (zh) 一种基于气象同化的风资源修正方法

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