CN112682276B - 风机叶片覆冰状态预测方法、装置、介质和电子设备 - Google Patents
风机叶片覆冰状态预测方法、装置、介质和电子设备 Download PDFInfo
- Publication number
- CN112682276B CN112682276B CN202011410050.9A CN202011410050A CN112682276B CN 112682276 B CN112682276 B CN 112682276B CN 202011410050 A CN202011410050 A CN 202011410050A CN 112682276 B CN112682276 B CN 112682276B
- Authority
- CN
- China
- Prior art keywords
- icing
- fan
- fan blade
- temperature
- type
- 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
Images
Classifications
-
- 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
- Control Of Positive-Displacement Air Blowers (AREA)
- Structures Of Non-Positive Displacement Pumps (AREA)
Abstract
本公开涉及一种风机叶片覆冰预测方法、装置、介质和电子设备,其中所述方法包括:获取风电场的风机处的气象环境参数,所述气象环境参数至少包括温度、湿度、空气中的液态水含量;确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型;基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度。本公开的实施方案可以提高风机叶片覆冰状态如厚度等参数预测的准确性,对发生风机覆冰灾害的风险做出较为准确的预测,以便于相关人员提前部署应对措施,提高风机运行时的安全性。
Description
技术领域
本公开实施例涉及电网技术领域,尤其涉及一种风机叶片覆冰状态预测方法、风机叶片覆冰状态预测装置,以及实现风机叶片覆冰状态预测方法的计算机可读存储介质和电子设备。
背景技术
高寒山区风电场的风机在寒冷季节易发生覆冰状况。风机叶片的轻度覆冰会降低风机叶片的气动力特性,影响风电输出功率,而重度叶片覆冰不仅增加了风机载荷,可能导致风机结构损坏,甚至在覆冰脱落时危及周边设备、人员安全。对于电网侧,风机覆冰的发生可能导致风电脱网事件,严重影响电网安全稳定运行。
因此,相关技术中提出一些对风机叶片的覆冰状态进行监测的技术方案,以支撑例如风电场及电网在风机叶片覆冰发生时进行科学决策部署。但是,目前的覆冰状态监测方案依然难以获得较为准确地风机覆冰信息如厚度信息等。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开实施例提供了一种风机叶片覆冰状态预测方法、风机叶片覆冰状态预测装置,以及实现风机覆冰状态预测方法的计算机可读存储介质和电子设备。
第一方面,本公开实施例提供一种风机叶片覆冰状态预测方法,包括:
获取风电场的风机处的气象环境参数,所述气象环境参数至少包括温度、湿度、空气中的液态水含量;
确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型;
基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度。
在本公开的一些实施例中,所述获取风电场的风机处的气象环境参数,包括:
获取未来预设时长内多个时刻的风电场的风机处的所述气象环境参数;
所述确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机表面的覆冰类型,包括:
确定每个时刻所述温度和湿度达到预设结冰条件时,基于每个时刻所述空气中的液态水含量,确定相应水滴的中值体积直径;
判断所述中值体积直径是否小于等于预设参考值;
若是,则所述覆冰类型是第一覆冰类型;若否,则所述覆冰类型是第二覆冰类型。
在本公开的一些实施例中,所述基于每个时刻所述空气中的液态水含量,确定相应水滴的中值体积直径,包括:
由以下公式确定中值体积直径:
Wi=a(LWCi)1/3;
其中,i=1,…,n为预设时长内的第i时刻,Wi表示第i时刻对应的中值体积直径,a是转换因子,LWCi是第i时刻对应的空气中的液态水含量。
在本公开的一些实施例中,所述气象环境参数还包括风速和露点温度;
所述基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度,包括:
在所述覆冰类型是第一覆冰类型时,基于所述风速、所述中值体积直径确定第一覆冰厚度;
在所述覆冰类型是第二覆冰类型时,基于第一系数、第二系数以及所述风速、所述中值体积直径确定第二覆冰厚度;
其中,所述第一系数是水滴与风机叶片的热交换系数,且与所述露点温度相关,所述第二系数是风机叶片对水滴的捕获系数。
在本公开的一些实施例中,所述第一覆冰厚度I1具体由以下公式确定:
其中,Vi为对应第i时刻的风速,Wi表示第i时刻对应的中值体积直径。
在本公开的一些实施例中,所述第二覆冰厚度I2具体由以下公式确定:
其中,C为所述第一系数,由以下公式确定:
Lf是水冻结潜热、Cw是水的比热、ts是风机表面温度、td是露点温度;
E为所述第二系数,由以下公式确定:
K是常数,M是水的运动粘度,A是风机叶片转动时扫过的面积。
在本公开的一些实施例中,所述预设结冰条件是温度小于等于零度,同时湿度大于等于80%;和/或,所述气象环境参数至少包含中尺度气象环境参数。
第二方面,本公开实施例提供一种风机叶片覆冰状态预测装置,包括:
气象数据获取模块,用以获取风电场的风机处的气象环境参数,所述气象环境参数包括温度、湿度、空气中的液态水含量;
覆冰类型确定模块,用以确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型;
覆冰厚度确定模块,用以基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度。
第三方面,本公开实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述任一实施例所述风机叶片覆冰状态预测方法的步骤。
第四方面,本公开实施例提供一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述任一实施例所述风机叶片覆冰状态预测方法的步骤。
本公开实施例提供的技术方案与现有技术相比具有如下优点:
本公开实施例中,先获取风电场的风机处的气象环境参数,所述气象环境参数至少包括温度、湿度、空气中的液态水含量,然后确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型,最后基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度。这样,可以提高风机覆冰状态如厚度等参数预测的准确性,对发生风机覆冰灾害的风险做出较为准确的预测,以便于相关人员提前部署应对措施,提高风机运行时的安全性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例风机叶片覆冰状态预测方法流程图;
图2为本公开实施例风机叶片覆冰状态预测装置示意图;
图3为本公开实施例实现风机叶片覆冰状态预测方法的电子设备示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
应当理解,在下文中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
目前的覆冰状态监测方案依然难以获得较为准确的风机覆冰状态信息。发明人发现原因主要包括:风机覆冰主要包括云内覆冰与降水覆冰两种类型。最常见的一种云内覆冰是雾凇,这是由于空气中温度低于零度的雾滴(简称冻雾)在接触到风机表面后凝结导致。
而根据雾滴大小、空气中水雾含量、温度、风速等因素不同,雾凇可以分为软雾凇和硬雾凇两种类型,但不限于此。前者即软雾凇质地疏松,为晶状结构,呈白色,覆冰增长速度慢,比重小,易于消除。后者即硬雾凇则粘附力强,颜色不透明,比重大,不容易消除。
国外Makkonen博士提出的Makkonen覆冰模型被广泛应用于电网覆冰预测领域,美国、加拿大和芬兰一直使用Makkonen覆冰模型进行输电线路设计。但是,发明人研究发现,将该Makkonen覆冰模型应用于例如风机覆冰预测依然存在诸多待解决的难题,例如,该模型的碰撞系数依赖于空气中云水含量、粒子体积直径等要素,这些要素参数难以获得。又例如,该模型未能区分覆冰类型,也不适用于风机,因此无法较为准确得到风机叶片覆冰增长速度,覆冰状态如覆冰厚度计算偏差较大,整体上难以较为准确的预测风机的覆冰状态。
为了缓解上述问题,本公开实施例提出一种风机叶片覆冰状态预测方法,该方法可以由例如进行风机管理的后台服务器来执行,但不限于此。图1为示例性示出的风机叶片覆冰状态预测方法流程图,该方法可以包括以下步骤:
步骤S101:获取风电场的风机处的气象环境参数,所述气象环境参数至少包括温度、湿度、空气中的液态水含量。
示例性的,液态水含量(Liquid Water Content,简称为LWC)是指单位体积的空气中所含有的液态水的质量。气象环境参数可以由风机处设置的气象监测模块如各种气象传感器检测得到附近的气象环境参数,例如温度传感器检测温度、湿度传感器检测湿度等,之后传输数据至后台服务器。也可以由后台服务器与国家和/或地方气象预报中心的服务器交互获取风机处的一些气象环境参数,本实施例中对此不作限制。以上这些参数的具体获取过程可以参考现有技术理解,此处不再赘述。
步骤S102:确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型。
示例性的,在本公开的一些实施例中,所述预设结冰条件可以是温度小于等于零度,同时湿度大于等于80%。当获取的风机处的温度小于等于零度,同时湿度大于等于80%时,可以确定达到结冰条件,此时可基于空气中的液态水含量LWC确定风机叶片表面的覆冰类型,覆冰类型可以是软雾凇或硬雾凇,但不限于此。
步骤S103:基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度。
示例性的,当覆冰类型是例如软雾凇或硬雾凇时,可以进行相应的不同计算处理以确定覆冰厚度。
本公开实施例的上述风机叶片覆冰状态预测方法中,先获取风电场的风机处的气象环境参数,所述气象环境参数至少包括温度、湿度、空气中的液态水含量,然后确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型,最后基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度。这样,通过确定风机叶片表面的不同覆冰类型而对应执行相应的计算处理,可提高风机覆冰状态如厚度等参数预测的准确性,进而对发生风机覆冰灾害的风险可做出较为准确的预测,以便于相关人员提前部署应对措施,提高风机运行时的安全性。
可选的,所述气象环境参数至少可以包含中尺度气象环境参数,即中尺度天气下的气象环境参数如温度、湿度、空气中的液态水含量等。关于中尺度天气具体可以参考现有技术理解,此处不再赘述。本实施例中获取中尺度气象环境参数进行上述处理过程,由于中尺度气象环境参数数据粒度更小,可进一步提高风机覆冰状态如厚度等参数预测的准确性,进而对发生风机覆冰灾害的风险可做出更为准确的预测。
可选的,在本公开的一些实施例中,步骤S101中获取风电场的风机处的气象环境参数,具体可以包括:获取未来预设时长内多个时刻的风电场的风机处的所述气象环境参数。
示例性的,未来预设时长可以是未来一天,未来一天的某个时段等,对此不作限制。本实施例中可以获取预测的例如未来一天内的多个时刻(如24小时每个整点时刻)的风电场的风机处的气象环境参数,如温度、湿度和空气中的液态水含量。
相应的,步骤S102中确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型,具体可以包括以下步骤1)~步骤3):
步骤1):确定每个时刻所述温度和湿度达到预设结冰条件时,基于每个时刻所述空气中的液态水含量,确定相应水滴的中值体积直径。
可选的,在本公开的一些实施例中,步骤1)中基于每个时刻所述空气中的液态水含量,确定相应水滴的中值体积直径MVD,记为W,具体可以由但不限于以下公式确定中值体积直径:
Wi=a(LWCi)1/3;
其中,i=1,…,n为预设时长内的第i时刻,Wi表示第i时刻对应的中值体积直径W,a是转换因子,a的取值可以是18-40,但不限于此。LWCi是第i时刻对应的空气中的液态水含量。
例如n取值24,则未来一天内的24小时每个整点时刻,可以确定风电场的风机处的温度和湿度达到上述预设结冰条件时,基于每个整点时刻的空气中的液态水含量,确定每个整点时刻相应水滴的中值体积直径Wi。
步骤2):判断所述中值体积直径是否小于等于预设参考值。
步骤3):若是,则所述覆冰类型是第一覆冰类型;若否,则所述覆冰类型是第二覆冰类型。
具体的,假设给定预设参考值X,当计算的例如每个整点时刻的上述Wi的值小于等于X时,则空气中的液态水含量低,雾滴即小的水滴,其直径小,结冰类型为软雾凇。反之,当上述Wi的值大于X时,则液态水含量高,雾滴直径大,结冰类型为硬雾凇,此处仅为举例说明,本实施例中并不限于此。预设参考值X为试验得到的经验值,可以根据具体情况设置,本实施例中对此也不作限制。
本实施例中的上述方案,可以确定未来预设时长内多个时刻的风机叶片表面的覆冰类型,最后基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度。这样,可以针对未来每个时刻进行较为精确的预测,进一步提高风机覆冰状态如厚度等参数预测的准确性,进而对发生风机覆冰灾害的风险可做出更为准确的预测,以便于相关人员提前部署应对措施,提高风机运行时的安全性。
可选的,在本公开的一些实施例中,所述气象环境参数还可以包括风速和露点温度。该风速也可以是预测得到的中尺度气象环境参数。相应的,在一些实施例中,步骤S103中基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度,具体可以包括以下步骤:
步骤i):在所述覆冰类型是第一覆冰类型时,基于所述风速、所述中值体积直径确定第一覆冰厚度。
示例性的,第一覆冰类型可为软雾凇。可选的,在本公开的一些实施例中,第一覆冰厚度I1具体可由但不限于以下公式确定:
其中,Vi为对应第i时刻的风速,Wi表示第i时刻对应的中值体积直径。
步骤ii):在所述覆冰类型是第二覆冰类型时,基于第一系数、第二系数以及所述风速、所述中值体积直径确定第二覆冰厚度。
示例性的,第二覆冰类型可以为硬雾凇,此时液态水含量较高,雾滴较大,被风机叶片捕获的液滴一部分不会立即冻结,而是沿着风机叶片滑动,运动过程中与覆冰发生热量交换,其中的一部分会冻结,另一部分则由于重力作用滑落,因此,第一系数可以是水滴与风机叶片的热交换系数,且与露点温度相关。第二系数可以是风机叶片对水滴的捕获系数。
可选的,在本公开的一些实施例中,第二覆冰厚度I2具体可由但不限于以下公式确定:
其中,C为第一系数,在一些实施例中,C的取值可由但不限于以下公式确定:
其中,Lf是水冻结潜热、Cw是水的比热、ts是风机表面温度、td是风机处的露点温度。关于露点温度的概念可以参考现有技术理解,此处不再赘述。
E为第二系数,在一些实施例中,E的取值可由但不限于以下公式确定:
其中,K是常数,M是水的运动粘度,即流体的动力粘度与同温度下该流体密度之比,A是风机叶片转动时扫过的面积。
本实施例中,通过上述各公式计算而得到的覆冰厚度数据更为准确,进一步提高风机覆冰状态如厚度等参数预测的准确性,进而对发生风机覆冰灾害的风险可做出更为准确的预测,以便于相关人员提前部署应对措施,提高风机运行时的安全性。
下面对本公开的一个具体实施例进行说明,该具体实施例的方案可以包括以下步骤:
步骤S1:选择中尺度气象模式,获取未来一段时长内的多个时刻i风机处的温度、湿度、空气中的液态水含量LWC、风机叶片处的风速、露点温度。
步骤S2:判断是否达到结冰的条件。
结冰的条件为温度小于等于0度,同时湿度大于等于80%。也即只有同时满足温度小于等于0度,湿度大于等于80%才能达成结冰条件。当每个时刻的温度和湿度不满足任何其中一项条件时,则不进行后续计算。当满足结冰的条件时,则进行后续风机叶片冻雾结冰厚度预测计算,转到步骤S3。
步骤S3:计算水滴的中值体积直径(MVD,Median Volume Diameter),记为W,单位例如为微米,示例的计算公式如下:
Wi=a(LWCi)1/3;
其中,LWCi为时刻i对应的空气中的液态水含量,可通过例如中尺度气象模式预测获得,单位为g/m3,a为转换因子,a的取值可以是18-40,但不限于此。Wi即时刻i对应的中值体积直径W。
步骤S4:判断风机的冻雾结冰类型。
具体的,给定参考值X,X取值例如为18,但不限于此。当计算的上述Wi的值小于等于参考值X时,则空气中液态水含量低,雾滴直径小,冻雾结冰类型为软雾凇,转到步骤S5计算覆冰厚度。
反之,当Wi的值大于参考值X时,则液态水含量高,雾滴直径大,冻雾结冰类型为硬雾凇,转到步骤S6计算覆冰厚度。
步骤S5:软雾凇对应的覆冰厚度I1计算公式如下:
其中,Vi为预测的时刻i的风速,Wi为时刻i对应的上述中值体积直径(MVD)。
步骤S6:当液态水含量较高,雾滴较大时,被风机叶片捕获的液滴一部分不会立即冻结,而是沿着风机叶片滑动,运动过程中与覆冰发生热量交换,其中的一部分会冻结,另一部分则由于重力作用滑落。
因此,硬雾凇对应的覆冰厚度I2计算公式下:
其中,C为热交换系数,计算公式如下:
其中,Lf为水冻结潜热,Cw为水的比热,ts为风机表面温度,td为风机处的露点温度。
E为风机叶片对雾滴的捕获系数,计算公式如下:
其中,M为水的运动粘度,K为常数,Wi为时刻i对应的上述中值体积直径(MVD),Vi为时刻i对应的风速,A为风机叶片转动时扫过的面积。
本公开上述实施例中通过在中尺度气象模式输出的气象环境要素参数进行风机例如冻雾覆冰厚度增长预测计算,计算值的可信度高,计算方便快捷,稳定性高,为风电场工作人员、调度人员提供较为准确可靠的覆冰厚度信息以供参考,提高风机覆冰状态如厚度等参数预测的准确性,进而对发生风机覆冰灾害的风险可做出更为准确的预测,以便于相关人员提前部署应对措施,提高风机运行时的安全性。
需要说明的是,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。另外,也易于理解的是,这些步骤可以是例如在多个模块/进程/线程中同步或异步执行。
基于同一构思,本公开实施例提供一种风机覆冰状态预测装置,如图2中所示,该风机覆冰状态预测装置30可以包括以下模块:
气象数据获取模块301,用以获取风电场的风机处的气象环境参数,所述气象环境参数包括温度、湿度、空气中的液态水含量。
覆冰类型确定模块302,用以确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型。
覆冰厚度确定模块303,用以基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度。
本公开实施例的上述风机叶片覆冰状态预测装置中,先获取风电场的风机处的气象环境参数,所述气象环境参数至少包括温度、湿度、空气中的液态水含量,然后确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型,最后基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度。这样,可以提高风机覆冰状态如厚度等参数预测的准确性,对发生风机覆冰灾害的风险做出较为准确的预测,以便于相关人员提前部署应对措施,提高风机运行时的安全性。
在本公开的一些实施例中,所述气象数据获取模块301获取风电场的风机处的气象环境参数,包括:获取未来预设时长内多个时刻的风电场的风机处的所述气象环境参数。
所述覆冰类型确定模块302确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机表面的覆冰类型,包括:确定每个时刻所述温度和湿度达到预设结冰条件时,基于每个时刻所述空气中的液态水含量,确定相应水滴的中值体积直径;判断所述中值体积直径是否小于等于预设参考值;若是,则所述覆冰类型是第一覆冰类型;若否,则所述覆冰类型是第二覆冰类型。
可选的,在本公开的一些实施例中,所述覆冰类型确定模块302基于每个时刻所述空气中的液态水含量,确定相应水滴的中值体积直径,包括:
由以下公式确定中值体积直径:
Wi=a(LWCi)1/3;
其中,i=1,…,n为预设时长内的第i时刻,Wi表示第i时刻对应的中值体积直径,a是转换因子,LWCi是第i时刻对应的空气中的液态水含量。
在本公开的一些实施例中,所述气象环境参数还包括风速和露点温度。所述覆冰厚度确定模块303基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度,包括:在所述覆冰类型是第一覆冰类型时,基于所述风速、所述中值体积直径确定第一覆冰厚度;在所述覆冰类型是第二覆冰类型时,基于第一系数、第二系数以及所述风速、所述中值体积直径确定第二覆冰厚度。其中,所述第一系数是水滴与风机叶片的热交换系数,且与所述露点温度相关,所述第二系数是风机叶片对水滴的捕获系数。
可选的,在本公开的一些实施例中,所述第一覆冰厚度I1具体由以下公式确定:
其中,Vi为对应第i时刻的风速,Wi表示第i时刻对应的中值体积直径。
可选的,在本公开的一些实施例中,所述第二覆冰厚度I2具体由以下公式确定:
其中,C为所述第一系数,由以下公式确定:
Lf是水冻结潜热、Cw是水的比热、ts是风机表面温度、td是露点温度。
E为所述第二系数,由以下公式确定:
K是常数,M是水的运动粘度,A是风机叶片转动时扫过的面积。
可选的,在本公开的一些实施例中,所述预设结冰条件是温度小于等于零度,同时湿度大于等于80%;和/或,所述气象环境参数至少包含但不限于中尺度气象环境参数。
关于上述实施例中的装置,其中各个模块执行操作的具体方式以及带来的相应技术效果已经在有关该方法的实施例中进行了对应的详细描述,此处将不做详细阐述说明。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。作为模块或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网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现木公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本公开实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述任一项实施例所述风机叶片覆冰状态预测方法的步骤。
示例性的,该可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
本公开实施例还提供一种电子设备,例如风机后台管理平台服务器或服务器集群等,电子设备可以包括处理器以及存储器,存储器用于存储所述处理器的可执行指令。其中,所述处理器配置为经由执行所述可执行指令来执行上述任一项实施例中所述风机叶片覆冰状态预测方法的步骤。
下面参照图3来描述根据本发明的这种实施方式的电子设备600。图3显示的电子设备600仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于:至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元610执行,使得所述处理单元610执行本说明书上述风机叶片覆冰状态预测方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元610可以执行如图1中所示风机叶片覆冰状态预测方法的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202,还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204,这样的程序模块6205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备600交互的设备通信,和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且,电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备600使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本公开实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述风机叶片覆冰状态预测方法。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种风机叶片覆冰状态预测方法,其特征在于,包括:
获取风电场的风机处的气象环境参数,所述气象环境参数至少包括温度、湿度、空气中的液态水含量;
确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型;
基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度;
其中,所述获取风电场的风机处的气象环境参数,包括:
获取未来预设时长内多个时刻的风电场的风机处的所述气象环境参数;
所述确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型,包括:
确定每个时刻所述温度和湿度达到预设结冰条件时,基于每个时刻所述空气中的液态水含量,确定相应水滴的中值体积直径;
判断所述中值体积直径是否小于等于预设参考值;
若是,则所述覆冰类型是第一覆冰类型;若否,则所述覆冰类型是第二覆冰类型。
2.根据权利要求1所述的方法,其特征在于,所述基于每个时刻所述空气中的液态水含量,确定相应水滴的中值体积直径,包括:
由以下公式确定中值体积直径:
Wi=a(LWCi)1/3;
其中,i=1,…,n为预设时长内的第i时刻,Wi表示第i时刻对应的中值体积直径,a是转换因子,LWCi是第i时刻对应的空气中的液态水含量。
3.根据权利要求2所述的方法,其特征在于,所述气象环境参数还包括风速和露点温度;
所述基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度,包括:
在所述覆冰类型是第一覆冰类型时,基于所述风速、所述中值体积直径确定第一覆冰厚度;
在所述覆冰类型是第二覆冰类型时,基于第一系数、第二系数以及所述风速、所述中值体积直径确定第二覆冰厚度;
其中,所述第一系数是水滴与风机叶片的热交换系数,且与所述露点温度相关,所述第二系数是风机叶片对水滴的捕获系数。
6.根据权利要求1~4任一项所述的方法,其特征在于,所述预设结冰条件是温度小于等于零度,同时湿度大于等于80%;和/或,所述气象环境参数至少包含中尺度气象环境参数。
7.根据权利要求5所述的方法,其特征在于,所述预设结冰条件是温度小于等于零度,同时湿度大于等于80%;和/或,所述气象环境参数至少包含中尺度气象环境参数。
8.一种风机叶片覆冰状态预测装置,其特征在于,包括:
气象数据获取模块,用以获取风电场的风机处的气象环境参数,所述气象环境参数包括温度、湿度、空气中的液态水含量;
覆冰类型确定模块,用以确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型;
覆冰厚度确定模块,用以基于确定的不同覆冰类型执行相对应的不同计算处理以确定覆冰厚度;
其中,所述获取风电场的风机处的气象环境参数,包括:
获取未来预设时长内多个时刻的风电场的风机处的所述气象环境参数;
所述确定所述温度和湿度达到预设结冰条件时,基于所述空气中的液态水含量确定所述风机叶片表面的覆冰类型,包括:
确定每个时刻所述温度和湿度达到预设结冰条件时,基于每个时刻所述空气中的液态水含量,确定相应水滴的中值体积直径;
判断所述中值体积直径是否小于等于预设参考值;
若是,则所述覆冰类型是第一覆冰类型;若否,则所述覆冰类型是第二覆冰类型。
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1~7任一项所述风机叶片覆冰状态预测方法的步骤。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1~7任一项所述风机叶片覆冰状态预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410050.9A CN112682276B (zh) | 2020-12-03 | 2020-12-03 | 风机叶片覆冰状态预测方法、装置、介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410050.9A CN112682276B (zh) | 2020-12-03 | 2020-12-03 | 风机叶片覆冰状态预测方法、装置、介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112682276A CN112682276A (zh) | 2021-04-20 |
CN112682276B true CN112682276B (zh) | 2022-04-05 |
Family
ID=75446065
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011410050.9A Active CN112682276B (zh) | 2020-12-03 | 2020-12-03 | 风机叶片覆冰状态预测方法、装置、介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112682276B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113339210A (zh) * | 2021-06-10 | 2021-09-03 | 北京国电思达科技有限公司 | 一种风电机组叶片覆冰监测方法、系统 |
CN114593024A (zh) * | 2022-04-06 | 2022-06-07 | 华润电力技术研究院有限公司 | 风机叶片结冰预测方法以及相关设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4628736A (en) * | 1985-01-14 | 1986-12-16 | Massachusetts Institute Of Technology | Method and apparatus for measurement of ice thickness employing ultra-sonic pulse echo technique |
EP2366974A1 (en) * | 2010-03-17 | 2011-09-21 | Sikorsky Aircraft Corporation | Virtual Ice Accretion Meter Display |
CN103440407A (zh) * | 2013-08-14 | 2013-12-11 | 北京航空航天大学 | 一种输电线雾凇覆冰过程的预测方法 |
CN103453867A (zh) * | 2013-09-09 | 2013-12-18 | 国家电网公司 | 输电线路覆冰厚度监测方法 |
EP3009673A1 (en) * | 2014-10-15 | 2016-04-20 | Siemens Aktiengesellschaft | Operating a wind turbine during standstill, involving particularly the detection of rotor blades icing |
CN109751204A (zh) * | 2019-02-18 | 2019-05-14 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种风力机结冰数值模拟方法 |
CN109767518A (zh) * | 2018-12-14 | 2019-05-17 | 南京航空航天大学 | 基于机翼结冰厚度确定气象参数mvd的反推方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5488375A (en) * | 1994-09-28 | 1996-01-30 | Alliedsignal Inc. | Airborne weather radar system with icing detection capabiliy |
US6560551B1 (en) * | 2000-08-18 | 2003-05-06 | Rosemount Aerospace Inc. | Liquid water content measurement apparatus and method |
US7175136B2 (en) * | 2003-04-16 | 2007-02-13 | The Boeing Company | Method and apparatus for detecting conditions conducive to ice formation |
CN105508152B (zh) * | 2015-12-31 | 2018-10-23 | 北京金风科创风电设备有限公司 | 叶片结冰模型的构建方法、结冰状态的监测方法和装置 |
WO2018220268A1 (en) * | 2017-05-29 | 2018-12-06 | Oulun Yliopisto | Freezing of structures caused by cloud droplets |
WO2018228652A1 (en) * | 2017-06-16 | 2018-12-20 | Vestas Wind Systems A/S | Apparatus and methods for determining icing risk in wind turbines |
CN111738481A (zh) * | 2020-04-01 | 2020-10-02 | 南京航空航天大学 | 基于bp神经网络的飞机结冰气象参数mvd预测方法 |
CN111291311B (zh) * | 2020-05-06 | 2020-08-07 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种积冰密度测量方法 |
-
2020
- 2020-12-03 CN CN202011410050.9A patent/CN112682276B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4628736A (en) * | 1985-01-14 | 1986-12-16 | Massachusetts Institute Of Technology | Method and apparatus for measurement of ice thickness employing ultra-sonic pulse echo technique |
EP2366974A1 (en) * | 2010-03-17 | 2011-09-21 | Sikorsky Aircraft Corporation | Virtual Ice Accretion Meter Display |
CN103440407A (zh) * | 2013-08-14 | 2013-12-11 | 北京航空航天大学 | 一种输电线雾凇覆冰过程的预测方法 |
CN103453867A (zh) * | 2013-09-09 | 2013-12-18 | 国家电网公司 | 输电线路覆冰厚度监测方法 |
EP3009673A1 (en) * | 2014-10-15 | 2016-04-20 | Siemens Aktiengesellschaft | Operating a wind turbine during standstill, involving particularly the detection of rotor blades icing |
CN109767518A (zh) * | 2018-12-14 | 2019-05-17 | 南京航空航天大学 | 基于机翼结冰厚度确定气象参数mvd的反推方法 |
CN109751204A (zh) * | 2019-02-18 | 2019-05-14 | 中国空气动力研究与发展中心低速空气动力研究所 | 一种风力机结冰数值模拟方法 |
Non-Patent Citations (4)
Title |
---|
A comparative study of icing mechanism between soft rime and hard rime for the operating insulators;LIU Guo-te;《2013 Annual Report Conference on Electrical Insulation and Dielectric Phenomena》;20131023;第374-377页 * |
Research to the influence factors on shedding processes of three-types icing;Yue Zhou;《Cold Regions Science and Technology》;20180824;第155卷;第300-307页 * |
基于最优时间步长模型的输电导线雾凇覆冰预测;蒋兴良;《电工技术学报》;20180930;第33卷(第18期);第4409-4417页 * |
导线覆冰类型的判别准则与电网冰灾防治系统的的设计;陆卓群;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20170315(第3期);第57-60页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112682276A (zh) | 2021-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3524813B1 (en) | Method and apparatus for predicting ice formation | |
Shu et al. | Study of ice accretion feature and power characteristics of wind turbines at natural icing environment | |
CN109751206B (zh) | 风机叶片结冰故障预测方法、装置及存储介质 | |
US10719773B2 (en) | Managing computational workloads of computing apparatuses powered by renewable resources | |
EP3613982B1 (en) | Method for controlling operation of a wind turbine | |
CN112682276B (zh) | 风机叶片覆冰状态预测方法、装置、介质和电子设备 | |
RU2591366C1 (ru) | Ветроэнергетическая установка и способ управления ветроэнергетической установкой или ветровой электростанцией | |
Homola et al. | Effect of atmospheric temperature and droplet size variation on ice accretion of wind turbine blades | |
Wharton et al. | Atmospheric stability impacts on power curves of Tall wind turbines-an Analysis of a West Coast North American wind farm | |
JP5746098B2 (ja) | 自然エネルギーを利用した発電システムの劣化診断装置 | |
Sunden et al. | On icing and icing mitigation of wind turbine blades in cold climate | |
Gao et al. | Wind turbine icing characteristics and icing-induced power losses to utility-scale wind turbines | |
EP3465359A1 (en) | System and method for controlling a dynamic system | |
WO2012097076A2 (en) | Methods and apparatus for monitoring complex flow fields for wind turbine applications | |
CN113847216B (zh) | 风机叶片的状态预测方法、装置、设备及存储介质 | |
CN105844361A (zh) | 风电机组风功率预测方法、解缆方法和装置 | |
Jin et al. | Experimental study of ice accretion on S826 & S832 wind turbine blade profiles | |
Lehtomäki et al. | Fatigue loads of iced turbines: Two case studies | |
Swenson et al. | An efficacious model for predicting icing-induced energy loss for wind turbines | |
CN114439706A (zh) | 一种风电场风机叶片覆冰状态预测方法 | |
Jin et al. | A stereoscopic PIV study of the effect of rime ice on the vortex structures in the wake of a wind turbine | |
Prieto et al. | A model to estimate the effect of variables causing erosion in wind turbine blades | |
Li et al. | Multivariable time series prediction for the icing process on overhead power transmission line | |
Drapalik et al. | Ice aggregation and ice throw from small wind turbines | |
Caccia et al. | Numerical simulation of ice accretion on wind turbine blades |
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 |