CN113007041A - 一种风电机组叶片结冰检测系统及检测方法 - Google Patents
一种风电机组叶片结冰检测系统及检测方法 Download PDFInfo
- Publication number
- CN113007041A CN113007041A CN202110228954.8A CN202110228954A CN113007041A CN 113007041 A CN113007041 A CN 113007041A CN 202110228954 A CN202110228954 A CN 202110228954A CN 113007041 A CN113007041 A CN 113007041A
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- wind
- power generation
- blade
- turbine generator
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 104
- 238000010248 power generation Methods 0.000 claims abstract description 72
- 230000001133 acceleration Effects 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 15
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000010183 spectrum analysis Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000009825 accumulation Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008014 freezing Effects 0.000 description 4
- 238000007710 freezing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
Classifications
-
- 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
- F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
- F03D80/40—Ice detection; De-icing means
-
- 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
- F03D7/0264—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor for stopping; controlling in emergency situations
-
- 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
- F03D7/028—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power
-
- 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
-
- 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)
- Mechanical Engineering (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种风电机组叶片结冰检测系统及检测方法,解决了现有技术中风电机组存在带冰运行的问题,具有可有效检测叶片结冰情况的有益效果,具体方案如下:一种风电机组叶片结冰检测系统,包括风速获取单元,用于根据风电机组的运行数据获得真实风速;叶片结冰检测单元,包括发电性能检测模块和叶片模态检测模块,发电性能检测模块用于获取风电机组的预测功率并比较预测功率值与实际功率值,以用于判断发电性能是否降低,叶片模态检测模块用于对叶片的模态进行检测,通过叶片结冰检测单元用于判断风电机组是否出现叶片结冰情况;安全判断单元,与发电性能检测模块、叶片模态检测模块分别单独连接,并与风电机组的控制单元连接。
Description
技术领域
本发明涉及风力发电领域,尤其是一种风电机组叶片结冰检测系统及检测方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
近年来,为了满足日益增长的能源需求,风电作为一种公认的可再生能源在很多国家得到了快速的发展,对风电场建设方面的资金投入,也有了显著的增长。在寒冷气候下,风电机组面临冰冻环境的考验。我国内陆风电场多处于高海拔的山区地带,每当寒冬来临之际,众多风电场易出现叶片结冰现象,同时随着我国中南部地区风场的开发,风电机组的叶片结冰问题日益凸显,成为急需解决的问题。
发明人发现,风机叶片覆冰会显著影响叶片的气动性能,覆冰增加所产生的不对称荷载将会引发机械故障,影响机组的安全稳定运行。为保障安装在寒冷地区的风机冬季结冰气候下运行的安全性,需要对叶片的结冰状态进行检测。
发明内容
针对现有技术存在的不足,本发明的目的是提供一种风电机组叶片结冰检测系统,能够检测到叶片的结冰情况并控制发电机的动作,避免机组叶片带冰运行,降低安全隐患。
为了实现上述目的,本发明是通过如下的技术方案来实现:
一种风电机组叶片结冰检测系统,包括:
风速获取单元,用于根据风电机组的运行数据获得真实风速;
叶片结冰检测单元,包括发电性能检测模块和叶片模态检测模块,发电性能检测模块用于获取风电机组的预测功率并比较预测功率值与实际功率值,以用于判断发电性能是否降低,叶片模态检测模块用于对叶片的模态进行检测,通过叶片结冰检测单元判断风电机组是否出现叶片结冰情况;
安全判断单元,与发电性能检测模块、叶片模态检测模块分别单独连接,并与风电机组的控制单元连接。
上述的系统中,通过发电性能检测模块和叶片模态检测模块的设置,可对风电机组发电性能和叶片模态双重进行检测,两种方法进行结合,保证了判断叶片是否出现结冰情况的准确性,从而有效避免机组叶片带冰运行,降低安全隐患。
如上所述的一种风电机组叶片结冰检测系统,为了提升风电机组健康发电模型预测的准确性,所述发电性能检测模块通过对风电机组进行分类,减少模型数量,选择同一类中风电机组正常运行数据进行模型训练,获得风电机组健康发电模型,将风电机组运行数据输入风电机组健康发电模型中,获得风电机组的所述预测功率。
如上所述的一种风电机组叶片结冰检测系统,以风速、桨距角、偏航误差、发电机转速作为模型输入,发电机功率为模型输出,构建所述风电机组健康发电模型;
风速为风速获取单元获得的真实风速。
如上所述的一种风电机组叶片结冰检测系统,所述叶片模态检测模块通过检测风轮质量平衡问题来对叶片模态进行检测;
叶片模态检测模块对发电机转速、桨距角以及塔架加速度信号进行频谱分析,查看频谱信号中是否存在风轮信号的高点,以判断发电机组叶片是否出现结冰情况。
如上所述的一种风电机组叶片结冰检测系统,所述风速获取单元根据风电机组的运行数据,通过卡尔曼滤波器获得真实风速,有利于提高发电性能检测模块判断结果的准确度。
第二方面,本发明还提供了一种风电机组叶片结冰检测方法,包括如下内容:
风速获取单元根据风电机组的运行数据获得真实风速;
发电性能检测模块获取风电机组的预测功率,并比较预测功率值与实际功率值,以用于判断发电性能是否降低;
当安全判断单元接收到发电性能检测模块判定为发电性能降低的信号后,安全判断单元控制叶片模态检测模块检测风轮质量平衡问题,若检测到风轮质量出现不平衡问题,则由安全判断单元控制发电机停机。
如上所述的一种风电机组叶片结冰检测方法,所述风速获取单元根据风电机组的运行数据获得真实风速,包括如下内容:
通过初始风速计算叶尖速比,根据叶尖速比、桨距角和补偿系数来插值得到需要的风能利用系数值,得到风能利用系数值后计算风速的气动功率和气动转矩,进一步得到风轮加速度;
由获得的风轮加速度和卡尔曼滤波器得到一轮迭代后的真实风速;
通过不断迭代来获得需要的真实风速。
如上所述的一种风电机组叶片结冰检测方法,所述发电性能检测模块用于判断发电性能是否降低,包括如下内容:
对发电机组进行分类;
选择同一类风电机组的正常运行数据进行模型训练,以风速、桨距角、偏航误差、发电机转速作为模型输入,发电机功率为模型输出,获得风电机组的健康发电模型;
将风电机组正常运行数据输入风电机组的健康发电模型中,获得风电机组的预测功率,对预测功率和实际功率进行残差分析,获取风电机组正常运行状态下的风电机组功率残差分布,根据功率残差分布设置合适的检测阈值;
通过风电机组的预测功率与实际功率差值,该差值与检测阈值进行对比,若差值超过检测阈值,则判断为发电机性能降低,并将发电机性能降低的信号发送至安全判断单元。
如上所述的一种风电机组叶片结冰检测方法,所述叶片模态检测模态包括如下内容:
叶片模态检测模块对风电机组发电机转速、桨距角以及塔架加速度信号进行频谱分析,查看频谱信号中是否存在风轮信号的高点,如果存在表示风轮质量出现不平衡问题,则判定风电机组叶片出现结冰情况。
上述本发明的有益效果如下:
1)本发明通过对发电性能和叶片模态双重进行检测,两种方法进行结合,保证了判断叶片是否出现结冰情况的准确性,从而有效避免机组叶片带冰运行,降低安全隐患,而且可用于多种风电机组,适用面较广,且不需要额外添加硬件,经济效益好。
2)本发明考虑到风速传感器安装于机舱后部,其检测的风速值准确度较低,通过充分考虑风电机组的运行数据,如功率、发电机转速和叶片角度等参数,可获得相对真实的风速,保证叶片结冰检测单元判断结果的可靠性。
3)本发明发电性能检测模块通过对风电机组进行分类,减少模型数量,可提升风电机组健康发电模型预测的准确性,对风电机组正常运行的数据进行建模,搭建机组功率与风速、桨距角、偏航误差等运行参数的风电机组健康发电模型,可保证预测功率的准确,以准确判断风电机组是否出现发电性能下降的问题。
4)本发明叶片模态检测模块通过判断风电机组叶片质量是否出现不平衡问题,来判断叶片是否出现结冰情况,准确度较高。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是本发明实施例中一种风电机组叶片结冰检测方法流程图。
图2是本发明实施例中一种风电机组叶片结冰检测系统中风速获取单元流程图。
图3是本发明实施例中一种风电机组叶片结冰检测系统中真实风速与初始风速的对比图。
图4是本发明实施例中桨距角频谱分析曲线;
图5是本发明实施例中发电机转速频谱分析曲线;
图6是本发明实施例中机舱两侧加速度频谱分析曲线。
具体实施方式
应该指出,以下详细说明都是例示性的,旨在对本发明提供进一步的说明。除非另有指明,本发明使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非本发明另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合;
为了方便叙述,本发明中如果出现“上”、“下”、“左”、“右”字样,仅表示与附图本身的上、下、左、右方向一致,并不对结构起限定作用,仅仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的设备或元件必须具有特定的方位,以特定的方位构造和操作,因此不能理解为对本发明的限制。
术语解释部分:本发明中的术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或为一体;可以是机械连接,也可以是电连接,可以是直接连接,也可以是通过中间媒介间接相连,可以是两个元件内部连接,或者两个元件的相互作用关系,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明的具体含义。
正如背景技术所介绍的,现有技术中存在叶片带冰运行的问题,为了解决如上的技术问题,本发明提出了一种风电机组叶片结冰检测系统及检测方法。
实施例一
本发明的一种典型的实施方式中,一种风电机组叶片结冰检测系统,包括用于获得真实风速的风速获取单元、用于判断叶片是否结冰的叶片结冰检测单元和用于同风电机组连接的安全判断单元。
风速获取单元,由于风电机组的风速传感器安装于机舱的后部,容易受到机组风轮的影响,导致风速传感器测量的风速值并不准确,为了保证叶片结冰检测算法使用风速的可靠性,根据机组的运行数据,如功率、发电机转速、叶片角度,通过卡尔曼滤波器获得真实风速。
叶片结冰检测单元,包括发电性能检测模块和叶片模态检测模块:
发电性能检测模块,通过对风电机组进行分类,对风电机组正常运行的数据进行建模,搭建风电机组功率与风速、桨距角、偏航误差运行参数的风电机组健康发电模型,其中风速为风速获取单元计算出的可靠性较高的真实风速。将风电机组的运行参数输入风电机组健康发电模型,可以预测风电机组的预测功率值,设置合理的检测阈值,将预测功率值与实际功率值进行对比,如果超过检测阈值,则认为风电机组可能存在叶片结冰。
叶片模态检测模块,当发电性能检测中获得风电机组的功率值变小,表明风电机组发电能力下降,需要对叶片的模态进行检测,检测风轮质量平衡问题,若检测到风轮质量出现不平衡问题,则认定风电机组出现了叶片结冰。
通过发电性能检测与叶片模态检测两种方法相结合,增加了叶片结冰检测算法的准确性。
安全判断单元,当叶片结冰检测单元检测出机组存在叶片结冰的情况时,通过安全判断单元对风电机组下发报警、限功率运行或者停机指令,安全判断单元与发电性能检测模块、叶片模态检测模块分别单独连接,并与风电机组的控制单元连接,通过控制单元控制发电机的动作。
通过风电机组叶片结冰检测方法,对叶片结冰状态进行准确判断,使用该系统能够在满足风电机组运行安全性的同时,最大程度的保证风电机组的发电量。
需要说明的是,安全判断单元与风电机组的控制单元连接,用于向风电机组的控制单元发送报警信息,风电机组的控制单元为现有风电机组的控制单元,可为工控机或其他类型的控制器,安全判断单元获得叶片模态检测模块发送的信息确定叶片存在结冰情况时,安全判断单元发送报警信息至风电机组的控制单元。
具体地,参考图1所示,当叶片模态检测模块检测到叶片轻微结冰时,即风轮质量不平衡问题小于设定值时,安全判断单元向风电机组的控制单元发送限功率运行指令,当叶片模态检测模块检测到叶片结冰时,即风轮质量不平衡问题大于等于设定值时,安全判断单元向风电机组的控制单元发送停机指令。
实施例二
一种风电机组叶片结冰检测方法,包括如下内容:
步骤1:风速获取单元获得相对真实的风速,为了保证叶片结冰检测单元使用风速的可靠性,根据风电机组的运行数据,如功率、发电机转速、叶片角度等参数,通过卡尔曼滤波器获得相对真实的真实风速,因风速获取单元实质上也是估算,但其充分考虑风电机组的运行数据,其获得的真实风速相近于真实风速;
风速获取单元获得真实风速,参考图2所示,包括如下内容:
将风速仪测量风速作为初始的真实风速,通过真实风速计算叶尖速比,根据叶尖速比、桨距角和补偿系数插值得到需要的风能利用系数值Cp,得到风能利用系数值后计算风速的气动功率和气动转矩,进一步得到风轮加速度,计算公式如下所示。
其中,AerPower为气动功率,AerTorque为气动转矩,RotorAccEst为通过气动转矩计算得到的风轮加速度,AirDen为空气密度,RotorArea为扫风面积,Cp为风能利用系数,WindEst为真实风速,RotorSpeed风轮转速,GeneratorTorque为发电机转矩,GearboxRatio为齿轮比,Inertia为风轮惯量。
由获得的风轮加速度以及计算的卡尔曼滤波系数得到一轮迭代后的真实风速,计算公式如下所示:
其中,KalmanGain为卡尔曼滤波系数,NewWindEst为更新后的真实风速,AvtEst为风速计算时间常数,RotorAccMea为风轮加速度,CtrTime为风电机组控制单元中主控程序的执行周期。
通过不断的迭代来不断逼近真实风速,风速获取单元的计算流程图如图2所示。其中,补偿后的风能利用系数由静态风能利用系数乘以补偿系数得到,静态风能利用系数由叶尖速比和桨距角二维插值得到,二维表格部分如表1所示。由于动态仿真的限制,该表格由静态仿真计算得来,计算得到的风能利用系数相对较大,导致估计出的风速存在偏小的问题。为了增加风速的估计拟合效果,增加补偿系数来对计算得到的真实风速进行调节,其公式如下所示。
Cp=StaticCp*CpCompensateFactor
其中,Cp为补偿后的风能利用系数值,风能利用系数StaticCp为通过静态插值表得到的值,CpCompensateFactor为补偿系数,该值一般小于1,越小代表获得的真实风速越大。
表1 静态风能利用系数插值表
以安装有四光束激光雷达的3MW风电机组为例,将风速估计值和激光雷达测风数据进行对比,对比结果如图3所示,对比结果显示风速估计算法估计出的风速与激光雷达测得的风速一致性较强,具有较高的可信度。
步骤2:发电性能检测模块用于预测风电机组的功率值,并判断风电机组是否存在发电性能降低的问题,包括如下内容:
(1)风电机组分类。由于风场运行的风电机组较多,每个风电机组或多或少都有一些特性差异,针对某个风电机组训练的模型去预测其他风电机组时,往往会出现预测偏差较大的问题,为了提升预测模型的准确性,减少模型数量,可以先对全场风电机组进行分类后再做模型训练。
使用K-Means聚类算法,对全场表现相似的机组进行了聚类。选择风速、总有功累计、限电损失发电量、故障次数统计、维护次数统计、故障损失发电量、维护损失发电量、远程停机损失发电量、自动复位次数、风机正常小时数累积、电网正常小时数累积、限电小时数累计、风机故障小时数累积、有效风小时数累积、发电小时数累积等风机信息作为聚类的特征,对风电机组进行聚类。
(2)正常发电模型训练。聚类处理后,选择同一类风电机组的数据进行模型训练,按照要求剔除风电机组的部分数据,包括,停机数据、故障时的数据、环境温度大于结冰温度的运行数据、大偏航误差数据以及一些异常点数据,剩余的运行数据为风电机组的正常运行数据。
使用神经网络算法对风电机组正常运行数据进行训练,以风速、桨距角、偏航误差、发电机转速等运行数据作为模型输入,发电机功率为模型输出,获得风电机组的健康发电模型。
(3)发电性能检测阈值确定。将风电机组正常运行数据输入健康发电模型,获得正常状态下的预测功率,对该预测功率和实际功率进行残差分析,获取风电机组正常运行状态下的风电机组功率残差分布,根据功率残差分布设置合适的发电性能检测阈值。该阈值的确定一般通过对残差使用3sigma法则获得,也可根据机组的实际运行数据弹性设置检测阈值。
(4)结果输出。使用健康发电模型对风电机组运行数据的功率进行预测,然后计算实际功率值与预测功率值的差值,将该差值与残差分析获得的检测阈值进行对比,如果超过阈值则认为该条数据存在发电性能降低的问题;
(5)当发电性能检测模块检测到风电机组的发电能力下降时,安全判断单元选取N条数据为一个滑窗,如果其中有X条数据超过阈值,则认为机组发电性能降低的概率为X/N*100%,通过设定合适的概率报警值,来最终确定风电机组是否报出发电性能降低报警。
步骤3:叶片模态检测模块用于对叶片的模态进行检测。当安全判断单元给出当前风电机组发电能力降低信号后,将对风电机组的叶片模态进行检测。当叶片覆冰运行时,将会导致机组叶片质量不平衡,对风电机组发电机转速、桨距角以及塔架加速度信号进行频谱分析,查看频谱信号中是否存在风轮1P信号的高点,如果存在,则判定机组叶片出现结冰情况;
以某风场2MW机组为例,该机组风轮1P频率为0.146Hz,当该机组出现叶片结冰时,发电机转速、桨距角以及机舱加速度信号的频谱曲线如图4-图6所示。从频谱曲线图上可以明显的发现,频谱曲线上出现了风轮1P频率的高点;
如果叶片模态未检测到风轮质量不平衡问题,认为此时叶片存在覆冰但是机组还能正常运行,在保证机组安全且尽量减少损失发电量为目的,进行降功率运行,功率限定值可以设置为当前理论发电量的S*100%(S小于1),并每隔一段时间T,就进行一次叶片模态检测,一旦出现质量不平衡问题,通过安全判断单元发送信号至风电机组,进行发电机停机。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种风电机组叶片结冰检测系统,其特征在于,包括:
风速获取单元,用于根据风电机组的运行数据获得真实风速;
叶片结冰检测单元,包括发电性能检测模块和叶片模态检测模块,发电性能检测模块用于获取风电机组的预测功率并比较预测功率值与实际功率值,以用于判断发电性能是否降低,叶片模态检测模块用于对叶片的模态进行检测,通过叶片结冰检测单元用于判断风电机组是否出现叶片结冰情况;
安全判断单元,与发电性能检测模块、叶片模态检测模块分别单独连接,并与风电机组的控制单元连接。
2.根据权利要求1所述的一种风电机组叶片结冰检测系统,其特征在于,所述发电性能检测模块通过对风电机组进行分类,选择同一类中风电机组正常运行数据进行模型训练,获得风电机组健康发电模型,将风电机组运行数据输入风电机组健康发电模型中,获得风电机组的所述预测功率。
3.根据权利要求2所述的一种风电机组叶片结冰检测系统,其特征在于,以风速、桨距角、偏航误差、发电机转速作为模型输入,发电机功率为模型输出,构建所述风电机组健康发电模型;
风速为风速获取单元获得的真实风速。
4.根据权利要求1所述的一种风电机组叶片结冰检测系统,其特征在于,所述叶片模态检测模块通过检测风轮质量平衡问题来对叶片模态进行检测;
叶片模态检测模块对发电机转速、桨距角以及塔架加速度信号进行频谱分析,查看频谱信号中是否存在风轮信号的高点,以判断发电机组叶片是否出现结冰情况。
5.根据权利要求1所述的一种风电机组叶片结冰检测系统,其特征在于,所述风速获取单元根据风电机组的运行数据,通过卡尔曼滤波器获得真实风速。
6.一种风电机组叶片结冰检测方法,其特征在于,包括如下内容:
风速获取单元根据风电机组的运行数据获得真实风速;
发电性能检测模块获取风电机组的预测功率,并比较预测功率值与实际功率值,以用于判断发电性能是否降低;
当安全判断单元接收到发电性能检测模块判定为发电性能降低的信号后,安全判断单元控制叶片模态检测模块检测风轮质量平衡问题,若检测到风轮质量出现不平衡问题,则由安全判断单元控制发电机停机。
7.根据权利要求6所述的一种风电机组叶片结冰检测方法,其特征在于,所述风速获取单元根据风电机组的运行数据获得真实风速,包括如下内容:
通过初始风速计算叶尖速比,根据叶尖速比、桨距角和补偿系数来插值得到需要的风能利用系数值,得到风能利用系数值后计算风速的气动功率和气动转矩,进一步得到风轮加速度;
由获得的风轮加速度和卡尔曼滤波器得到一轮迭代后的真实风速;
通过不断迭代来获得需要的真实风速。
8.根据权利要求6所述的一种风电机组叶片结冰检测方法,其特征在于,所述发电性能检测模块用于判断发电性能是否降低,包括如下内容:
对发电机组进行分类;
选择同一类风电机组的正常运行数据进行模型训练,以风速、桨距角、偏航误差、发电机转速作为模型输入,发电机功率为模型输出,获得风电机组的健康发电模型;
将风电机组正常运行数据输入风电机组的健康发电模型中,获得风电机组的预测功率,对预测功率和实际功率进行残差分析,获取风电机组正常运行状态下的风电机组功率残差分布,根据功率残差分布设置合适的检测阈值;
通过风电机组的预测功率与实际功率差值,该差值与检测阈值进行对比,若差值超过检测阈值,则判断为发电机性能降低,并将发电机性能降低的信号发送至安全判断单元。
9.根据权利要求6所述的一种风电机组叶片结冰检测方法,其特征在于,所述叶片模态检测模态包括如下内容:
叶片模态检测模块对风电机组发电机转速、桨距角以及塔架加速度信号进行频谱分析,查看频谱信号中是否存在风轮信号的高点,如果存在表示风轮质量出现不平衡问题,则判定风电机组叶片出现结冰情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110228954.8A CN113007041A (zh) | 2021-03-02 | 2021-03-02 | 一种风电机组叶片结冰检测系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110228954.8A CN113007041A (zh) | 2021-03-02 | 2021-03-02 | 一种风电机组叶片结冰检测系统及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113007041A true CN113007041A (zh) | 2021-06-22 |
Family
ID=76402158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110228954.8A Pending CN113007041A (zh) | 2021-03-02 | 2021-03-02 | 一种风电机组叶片结冰检测系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113007041A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113847216A (zh) * | 2021-10-14 | 2021-12-28 | 远景智能国际私人投资有限公司 | 风机叶片的状态预测方法、装置、设备及存储介质 |
CN114753980A (zh) * | 2022-04-29 | 2022-07-15 | 南京国电南自维美德自动化有限公司 | 一种风机叶片结冰监测方法及系统 |
CN115640503A (zh) * | 2022-10-25 | 2023-01-24 | 北京华控智加科技有限公司 | 风电机组叶片异常检测方法和装置 |
CN115711206A (zh) * | 2022-11-14 | 2023-02-24 | 长春大学 | 一种基于聚类权重的风力发电机叶片覆冰状态监测系统 |
CN116541753A (zh) * | 2023-07-07 | 2023-08-04 | 三峡智控科技有限公司 | 一种风电机组叶片覆冰预警方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103899485A (zh) * | 2014-04-24 | 2014-07-02 | 湘电风能有限公司 | 一种检测风机运行时叶片结冰的方法 |
CN105089929A (zh) * | 2014-05-21 | 2015-11-25 | 南车株洲电力机车研究所有限公司 | 风力发电机组叶片结冰检测系统及其方法 |
US20160027294A1 (en) * | 2014-07-23 | 2016-01-28 | Nordex Energy Gmbh | Method for testing a rotor blade ice detection system as well as rotor blade ice detection system and wind turbine for carrying out the method |
CN105464912A (zh) * | 2016-01-27 | 2016-04-06 | 国电联合动力技术有限公司 | 一种风力发电机组叶片结冰检测的方法和装置 |
CN105986960A (zh) * | 2015-02-15 | 2016-10-05 | 上海电气风电设备有限公司 | 一种用于风力发电机控制系统的风速估算方法 |
US20170058871A1 (en) * | 2015-08-27 | 2017-03-02 | General Electric Company | System and method for mitigating ice throw from a wind turbine rotor blade |
CN108119319A (zh) * | 2016-11-29 | 2018-06-05 | 北京金风科创风电设备有限公司 | 风力发电机组叶片结冰状态识别方法及装置 |
CN108425812A (zh) * | 2018-01-18 | 2018-08-21 | 内蒙古久和能源装备有限公司 | 一种风力发电机组叶片结冰软测量方法 |
CN108999758A (zh) * | 2017-06-07 | 2018-12-14 | 北京金风科创风电设备有限公司 | 风力发电机的叶片结冰监测方法和设备 |
-
2021
- 2021-03-02 CN CN202110228954.8A patent/CN113007041A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103899485A (zh) * | 2014-04-24 | 2014-07-02 | 湘电风能有限公司 | 一种检测风机运行时叶片结冰的方法 |
CN105089929A (zh) * | 2014-05-21 | 2015-11-25 | 南车株洲电力机车研究所有限公司 | 风力发电机组叶片结冰检测系统及其方法 |
US20160027294A1 (en) * | 2014-07-23 | 2016-01-28 | Nordex Energy Gmbh | Method for testing a rotor blade ice detection system as well as rotor blade ice detection system and wind turbine for carrying out the method |
CN105986960A (zh) * | 2015-02-15 | 2016-10-05 | 上海电气风电设备有限公司 | 一种用于风力发电机控制系统的风速估算方法 |
US20170058871A1 (en) * | 2015-08-27 | 2017-03-02 | General Electric Company | System and method for mitigating ice throw from a wind turbine rotor blade |
CN105464912A (zh) * | 2016-01-27 | 2016-04-06 | 国电联合动力技术有限公司 | 一种风力发电机组叶片结冰检测的方法和装置 |
CN108119319A (zh) * | 2016-11-29 | 2018-06-05 | 北京金风科创风电设备有限公司 | 风力发电机组叶片结冰状态识别方法及装置 |
CN108999758A (zh) * | 2017-06-07 | 2018-12-14 | 北京金风科创风电设备有限公司 | 风力发电机的叶片结冰监测方法和设备 |
CN108425812A (zh) * | 2018-01-18 | 2018-08-21 | 内蒙古久和能源装备有限公司 | 一种风力发电机组叶片结冰软测量方法 |
Non-Patent Citations (2)
Title |
---|
刘琳: "变速恒频风力机叶轮不平衡故障仿真研究", 《华电技术》 * |
杨校生: "《风电场建设、运行与管理 风电场中、高级工程技术人员及管理人员培训教材》", 31 July 2010 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113847216A (zh) * | 2021-10-14 | 2021-12-28 | 远景智能国际私人投资有限公司 | 风机叶片的状态预测方法、装置、设备及存储介质 |
CN113847216B (zh) * | 2021-10-14 | 2023-09-26 | 远景智能国际私人投资有限公司 | 风机叶片的状态预测方法、装置、设备及存储介质 |
CN114753980A (zh) * | 2022-04-29 | 2022-07-15 | 南京国电南自维美德自动化有限公司 | 一种风机叶片结冰监测方法及系统 |
CN114753980B (zh) * | 2022-04-29 | 2024-06-04 | 南京国电南自维美德自动化有限公司 | 一种风机叶片结冰监测方法及系统 |
CN115640503A (zh) * | 2022-10-25 | 2023-01-24 | 北京华控智加科技有限公司 | 风电机组叶片异常检测方法和装置 |
CN115640503B (zh) * | 2022-10-25 | 2023-08-11 | 北京华控智加科技有限公司 | 风电机组叶片异常检测方法和装置 |
CN115711206A (zh) * | 2022-11-14 | 2023-02-24 | 长春大学 | 一种基于聚类权重的风力发电机叶片覆冰状态监测系统 |
CN115711206B (zh) * | 2022-11-14 | 2023-08-11 | 长春大学 | 一种基于聚类权重的风力发电机叶片覆冰状态监测系统 |
CN116541753A (zh) * | 2023-07-07 | 2023-08-04 | 三峡智控科技有限公司 | 一种风电机组叶片覆冰预警方法 |
CN116541753B (zh) * | 2023-07-07 | 2023-09-12 | 三峡智控科技有限公司 | 一种风电机组叶片覆冰预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113007041A (zh) | 一种风电机组叶片结冰检测系统及检测方法 | |
CN111801493B (zh) | 确定用于风力涡轮机的控制设置 | |
CN109751206B (zh) | 风机叶片结冰故障预测方法、装置及存储介质 | |
CN102454544B (zh) | 调整风力涡轮机功率参数的系统和方法 | |
EP3121442B2 (en) | Operating wind turbines | |
CN107709761B (zh) | 极端负荷控制 | |
CN113609637B (zh) | 一种考虑故障连锁的多灾害配电网弹性评估方法 | |
CN113591359B (zh) | 一种风电机组切入/切出风速调优方法、系统及设备介质 | |
CN107110121A (zh) | 对风力涡轮机构造的确定 | |
CN106230024B (zh) | 含双馈风电场的电力系统停电风险计算方法 | |
CN102915471A (zh) | 一种风电扰动在线安全预警的方法 | |
CN107869420B (zh) | 风力涡轮机发电场的风力涡轮机偏航控制方法及系统 | |
Jing et al. | Improving wind turbine efficiency through detection and calibration of yaw misalignment | |
CN117905638B (zh) | 基于强化学习的风力发电机优化控制方法及系统 | |
CN114623051A (zh) | 一种风电叶片覆冰状态智能识别及预警方法 | |
Datta et al. | Cyber threat analysis framework for the wind energy based power system | |
CN104775985A (zh) | 风力发电机组控制系统和控制方法 | |
CN110222393A (zh) | 基于细粒度风电发电状态划分的风机叶片结冰异常监测方法 | |
CN112610412A (zh) | 一种基于载荷检测的风电机组叶片净空控制方法 | |
Bao et al. | A data-driven approach for identification and compensation of wind turbine inherent yaw misalignment | |
Bafandeh et al. | Optimal altitude control of an integrated airborne wind energy system with globalized Lyapunov-based switched extremum seeking | |
Zhang et al. | A fault diagnosis based on LSSVM and Bayesian probability for wind turbines | |
Cohal et al. | Fault Detection and Isolation of a Wind Turbine | |
Obdam et al. | Flight leader concept for wind farm load counting: offshore evaluation | |
CN111878326B (zh) | 风机的结冰故障检测方法、系统、电子设备和介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210622 |
|
RJ01 | Rejection of invention patent application after publication |