CN113464376B - 风电机组失速识别方法和装置 - Google Patents

风电机组失速识别方法和装置 Download PDF

Info

Publication number
CN113464376B
CN113464376B CN202010242703.0A CN202010242703A CN113464376B CN 113464376 B CN113464376 B CN 113464376B CN 202010242703 A CN202010242703 A CN 202010242703A CN 113464376 B CN113464376 B CN 113464376B
Authority
CN
China
Prior art keywords
stall
wind
section
current moment
wind turbine
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
Application number
CN202010242703.0A
Other languages
English (en)
Other versions
CN113464376A (zh
Inventor
卞凤娇
刘磊
张凯
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.)
Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Original Assignee
Beijing Goldwind Science and Creation Windpower Equipment 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 Beijing Goldwind Science and Creation Windpower Equipment Co Ltd filed Critical Beijing Goldwind Science and Creation Windpower Equipment Co Ltd
Priority to CN202010242703.0A priority Critical patent/CN113464376B/zh
Publication of CN113464376A publication Critical patent/CN113464376A/zh
Application granted granted Critical
Publication of CN113464376B publication Critical patent/CN113464376B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • 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
    • F03D7/0256—Stall control
    • 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
    • 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)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Wind Motors (AREA)

Abstract

提供一种风电机组失速识别方法和装置，该方法包括：通过遥感测量装置获取当前时刻风电机组前方的多个截面处的截面风信息，所述截面风信息包括截面风速和截面风向，所述多个截面相对所述风电机组的距离不同；通过对所获取的截面风速和截面风向进行数据状态有效性判断，确定当前时刻用于计算攻角的风速计算值和风向计算值；基于所确定的风速计算值和风向计算值，确定当前时刻叶片攻角；基于所确定的当前时刻叶片攻角，来识别风电机组当前时刻的失速程度。在上述风电机组失速识别方法和装置中，能够提高对风电机组不同程度的失速现象识别的准确性。

Description

风电机组失速识别方法和装置
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，涉及一种风电机组失速识别方法和装置。
背景技术
随着对风特性认知的加深，业主和制造商对叶片失速现象也越来越重视。风电机组在非稳态工况下运行时，叶根到叶尖会产生不同程度的失速，风电机组在失速状态运行时会在较大程度上改变风电机组的叶片的载荷和气动特性，造成风电机组发电量损失，同时使风电机组的叶片处于超负荷运行，影响风电机组安全，长期深度失速甚至会导致叶片断裂风电机组寿命降低。因此，准确的预测失速现象可以给风电机组控制提供更可靠的信息并保障风电机组安全。
为实现叶片失速的准确评估，现有技术中提出了多种失速识别及预警方法。一种方法为以升力系数随攻角变化的规律为依据，通过气动力计算叶素及叶片模态的气动阻尼，再结合叶片模态阻尼比和桨距角的关系设定相应的变桨速率，再调整停机过程中的变桨速率使得监测的攻角始终处于非负状态。但上述方法仅针对停机过程，且实际运行中风电机组的升力系数随攻角变化关系较理论关系差异明显，导致失速识别的准确性较低。
除此之外，现有技术中还提出轴流式风机叶片失速检测方法，获取风机当前时刻的部分历史运行数据，通过智能算法识别压差、进出口流量、电流等关系模型，从而判断是否出现失速现象；或者，通过转子叶片的振动信号进行频谱分析及频谱信号的噪声系数来识别失速；或者，利用声学传感器监测风轮叶片某位置气流分离状况，并将识别结果用以控制桨片的倾斜来达到防止气流完全脱离失速；或者，通过在叶片上安装湍流传感器来判断叶片是否处于临近失速工况。
以上失速识别方法都是通过添加额外传感器或者机械装置(例如，湍流传感器、声学传感器、升力扰动装置、失速栅等)来进行失速识别和控制，或者仅针对特殊操作状态下的风电机组失速进行控制和保护。
发明内容
本发明的示例性实施例的目的在于提供一种风电机组失速识别方法和装置，以克服上述至少一种缺陷。
在一个总体方面，提供一种风电机组失速识别方法，所述风电机组失速识别方法包括：通过遥感测量装置获取当前时刻风电机组前方的多个截面处的截面风信息，所述截面风信息包括截面风速和截面风向，所述多个截面相对所述风电机组的距离不同；通过对所获取的截面风速和截面风向进行数据状态有效性判断，确定当前时刻用于计算攻角的风速计算值和风向计算值；基于所确定的风速计算值和风向计算值，确定当前时刻叶片攻角；基于所确定的当前时刻叶片攻角，来识别风电机组当前时刻的失速程度。
在另一总体方面，提供一种风电机组失速识别装置，所述风电机组失速识别装置包括：信息获取模块，通过遥感测量装置获取当前时刻风电机组前方的多个截面处的截面风信息，所述截面风信息包括截面风速和截面风向，所述多个截面相对所述风电机组的距离不同；风参计算模块，通过对所获取的截面风速和截面风向进行数据状态有效性判断，确定当前时刻用于计算攻角的风速计算值和风向计算值；攻角确定模块，基于所确定的风速计算值和风向计算值，确定当前时刻叶片攻角；失速识别模块，基于所确定的当前时刻叶片攻角，来识别风电机组当前时刻的失速程度。
在另一总体方面，提供一种控制器，包括：处理器；存储器，用于存储计算机程序，所述计算机程序在被所述处理器执行时实现上述的风电机组失速识别方法。
在另一总体方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现上述的风电机组失速识别方法。
在上述风电机组失速识别方法和装置中，能够准确识别风电机组不同程度的失速现象，有助于针对不同程度的失速现象进行动态控制，从而最大程度的减少发电量损失，并确保风电机组运行安全。
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详细描述，本发明示例性实施例的上述和其它目的、特点和优点将会变得更加清楚。
图1示出根据本发明示例性实施例的风电机组失速识别方法的流程图；
图2示出根据本发明示例性实施例的遥感测量装置探测多个截面处的截面风信息的示意图；
图3示出根据本发明示例性实施例的确定用于计算攻角的风向计算值的步骤的流程图；
图4示出根据本发明示例性实施例的确定用于计算攻角的风速计算值的步骤的流程图；
图5示出根据本发明示例性实施例的识别风电机组发生部分失速现象的步骤的流程图；
图6示出根据本发明示例性实施例的识别风电机组发生深度失速现象的步骤的流程图；
图7示出根据本发明示例性实施例的优化失速概率阈值和失速持续时间阈值的步骤的流程图；
图8示出根据本发明示例性实施例的风电机组失速识别装置的框图；
图9示出根据本发明示例性实施例的控制器的框图。
具体实施方式
现在，将参照附图更充分地描述不同的示例实施例，一些示例性实施例在附图中示出。
图1示出根据本发明示例性实施例的风电机组失速识别方法的流程图。
参照图1，在步骤S10中，通过遥感测量装置获取当前时刻风电机组前方的多个截面处的截面风信息。这里，通过遥感测量装置获取的截面风信息包括截面风速和截面风向，多个截面相对风电机组的距离不同。
在一优选实施例中，在风电机组的机舱顶部可设置遥感测量装置，用于探测风电机组前方的多个截面处的截面风信息。在此情况下，步骤S10中从遥感测量装置获取风电机组前方的多个截面处的截面风信息。
这里，遥感测量装置可指无接触、远距离的探测技术，作为示例，该遥感测量装置可包括但不限于激光雷达，也可以通过其他装置来探测风电机组前方的多个截面处的截面风信息，例如，超声波测风装置。
这里，上述多个截面位于风电机组的叶轮平面的前方(即，迎风一侧)，以激光雷达为例，激光雷达的光束向叶轮平面的前方发射，从而探测位于风电机组的叶轮平面的前方的多个截面处的截面风信息。
图2示出根据本发明示例性实施例的遥感测量装置探测多个截面处的截面风信息的示意图。
在图2所示的示例中，以遥感测量装置为激光雷达为例，假设激光雷达共发射四根光束，基于所发射的光束激光雷达能够探测位于各根光束上的多个空间点位置处的入流风信息(可包括风速信息和风向信息)。
与激光雷达距离相同的空间点形成一截面，换言之，激光雷达具有多个截面，即，多个空间点分布在多个不同的截面，多个不同的截面相对风电机组的距离不同。优选地，通过调整激光雷达的安装角度，可以使得每个截面与叶轮平面平行，截面与激光雷达之间距离指探测距离，截面N所在位置可指激光雷达能够探测到的最远距离。
例如，可基于分布在同一截面上的多个空间点位置处的风速信息来确定该截面的截面风速。这里，可利用各种方式来基于分布在同一截面上的多个空间点位置处的风速信息来确定该截面的截面风速，作为示例，可将多个空间点位置处的风速信息的平均值确定为该截面的截面风速，但本发明不限于此，还可以通过其他方式来确定截面风速。
类似地，可基于分布在同一截面上的多个空间点位置处的风向信息来确定该截面的截面风向。这里，可利用各种方式来基于分布在同一截面上的多个空间点位置处的风向信息来确定该截面的截面风向，作为示例，可将多个空间点位置处的风向信息的平均值确定为该截面的截面风向，但本发明不限于此，还可以通过其他方式来确定截面风向。
可选地，在步骤S10中可还获取风电场中各个风电机组的实时数据和初始化参数，并进行存储。
作为示例，风电机组的实时数据可包括但不限于风电机组的工作状态、限功率状态、高频转速值、风电机组的输出功率值、桨距角值、空气密度值、风速仪测得的风速值、风向标测得的风向值。
可选地，根据本发明示例性实施例的风电机组失速识别方法可还包括：确定风电机组的工作状态。
例如，如果风电机组的工作状态处于并网状态、且处于非限功率状态，则通过遥感测量装置获取风电机组前方的多个截面处的截面风速和截面风向，以识别风电机组是否发生失速现象。如果风电机组的工作状态没有处于并网状态、和/或没有处于非限功率状态，则不执行本发明的风电机组失速识别方法。
作为示例，初始化参数可包括但不限于：风电机组不同叶片翼型截面处的部分失速攻角阈值、不同叶片翼型截面处的深度失速攻角阈值、叶片不同翼型截面处所在位置、部分失速概率阈值、深度失速概率阈值、部分失速持续时间阈值、深度失速持续时间阈值、部分失速概率滤波时间、深度失速概率滤波时间、叶片不同翼型截面处所在位置的扭角值、调和平均精度、给定失速概率阈值调节范围和给定失速持续时间阈值调节范围。
在步骤S20中，通过对所获取的截面风速和截面风向进行数据状态有效性判断，确定当前时刻用于计算攻角的风速计算值和风向计算值。
在一优选示例中，可对所获取的截面风速和截面风向进行滤波处理，后续基于滤波处理后的截面风速和截面风向来计算在不同截面处的风速计算值和风向计算值。
由于实时数据频率较高且数据毛刺多，无法直接用于控制，此时可对风电机组风电机组的实时数据(如叶轮转速值、空气密度值、桨距角值、风电机组的输出功率值、风速仪测得的风速值、风向标测得的风向值)等信息进行滤波处理，去掉时序数据的毛刺，避免异常值信息流入控制，对失速判断产生影响。
优选地，对风速计算值和风向计算值进行滤波的滤波时长与实时数据时长一致。
这里，可利用各种滤波方式来对风电机组的实时数据、风速计算值和风向计算值进行滤波，本发明对此不做限定。
下面结合图3来介绍确定用于计算攻角的风向计算值的过程。作为示例，通过遥感测量装置所获取的截面风信息除包括截面风速和截面风向之外，可还包括指示数据状态有效性的风向标识、指示传感器状态有效性的传感器标识。
图3示出根据本发明示例性实施例的确定用于计算攻角的风向计算值的步骤的流程图。这里，可在每个时刻通过执行图3所示的步骤来确定该时刻用于计算攻角的风向计算值。
参照图3，在步骤S201中，基于传感器标识确定当前时刻所获取的多个截面的截面风向是否均为无效数据。
这里，如果传感器标识指示传感器状态为有效状态，则确定通过遥感测量装置所获取的多个截面的截面风向均为有效数据，如果传感器标识指示传感器状态为无效状态，则确定通过遥感测量装置所获取的多个截面的截面风向均为无效数据。
如果基于传感器标识确定当前时刻所获取的多个截面的截面风向均为无效数据，则执行步骤S202：确定数据状态无效持续时间是否达到设定时间。
这里，可以依据经验来确定设定时间的时长，除此之外，也可以基于遥感测量装置的历史探测数据来确定设定时间的时长，本发明对此不做限定。
如果确定数据状态无效持续时间没有达到设定时间，则执行步骤S203：将上一时刻确定的风向计算值确定为当前时刻的风向计算值。
作为示例，初始时刻的风向计算值可设置为零或者风向标测得的风向值，本发明对此不做限定，本领域技术人员可以根据需要来设定初始时刻的风向计算值。
如果确定数据状态无效持续时间达到设定时间，则执行步骤S204：将当前时刻通过风向标获得的风向值确定为当前时刻用于计算攻角的风向计算值。
如果基于传感器标识确定当前时刻所获取的多个截面的截面风向不均为无效数据，即，存在至少一个截面的截面风向为有效数据，则可基于多个截面对应的风向标识，将各风向标识所指示的截面风向为有效数据的截面中距离风电机组最近的截面的截面风向，确定为当前时刻用于计算攻角的风向计算值。
例如，在步骤S205中，基于第i个截面对应的风向标识确定当前时刻所获取的第i个截面的截面风向是否为有效数据。
如果第i个截面对应的风向标识指示当前时刻所获取的第i个截面的截面风向不是有效数据(即，为无效数据)，则执行步骤S206：使得i＝i+1，并返回执行步骤S205。
作为示例，可将各截面按照与风电机组的距离进行升序排序并编号，i表示截面的编号。这里，i的初始值为1，第1个截面表示距离风电机组最近的截面，m表示截面的总数量，m为大于零的自然数。
如果第i个截面对应的风向标识指示当前时刻所获取的第i个截面的截面风向为有效数据，则执行步骤S207：将第i个截面的截面风向确定为当前时刻的风向计算值。
应理解，上述图3所示的确定风向计算值的方式仅为示例，本发明不限于此，还可以通过其他方式来确定用于计算攻角的风向计算值。
下面结合图4来介绍确定用于计算攻角的风速计算值的过程。作为示例，通过遥感测量装置所获取的截面风信息可还包括指示数据状态有效性的风速标识。
图4示出根据本发明示例性实施例的确定用于计算攻角的风速计算值的步骤的流程图。
参照图4，在步骤S210中，基于距离风电机组最近的两个截面对应的风速标识确定当前时刻所获取的距离风电机组最近的两个截面的截面风速是否均为无效数据。
这里，距离风电机组最近的两个截面可指上述示例中i等于1和2时对应的两个截面，即，最靠近风电机组的两个截面。
如果确定当前时刻所获取的距离风电机组最近的两个截面的截面风速均为无效数据，则执行步骤S211：将上一时刻确定的风速计算值确定为当前时刻的风速计算值。
作为示例，初始时刻的风速计算值可设置为零或者风速仪测得的风速值，本发明对此不做限定，本领域技术人员可以根据需要来设定初始时刻的风速计算值。
如果确定当前时刻所获取的距离风电机组最近的两个截面的截面风速不为无效数据，即，上述两个截面中存在至少一个截面的截面风速为有效数据，则可基于距离风电机组最近的两个截面对应的风速标识，将距离风电机组最近的截面的截面风速确定为当前时刻用于计算攻角的风速计算值，或者，基于风速拟合曲线来确定当前时刻用于计算攻角的风速计算值。
例如，在步骤S212中，基于距离风电机组最近的截面对应的风速标识，确定当前时刻所获取的距离风电机组最近的截面的截面风速是否为有效数据。
如果距离风电机组最近的截面对应的风速标识指示当前时刻所获取的距离风电机组最近的截面的截面风速为有效数据，则执行步骤S213：将距离风电机组最近的截面的截面风速确定为当前时刻的风速计算值。
如果距离风电机组最近的截面对应的风速标识指示当前时刻所获取的距离风电机组最近的截面的截面风速不为有效数据(即，为无效数据)，则执行步骤S214：基于风速拟合曲线来确定与距离风电机组最近的截面所在位置对应的风速值，并将所确定的风速值确定为当前时刻的风速计算值。
例如，风速拟合曲线可通过对来流方向上的靠近风电机组的预定数量的截面的截面风速(为有效数据的截面风速)进行拟合、插值获得。这里，曲线拟合和插值方法为本领域的公知常识，本发明对此不做限定。
可选地，在执行步骤S210之前，根据本发明示例性实施例的风电机组失速识别方法可还包括：基于传感器标识确定当前时刻所获取的多个截面的截面风速是否均为无效数据。
这里，如果传感器标识指示传感器状态为有效状态，则确定通过遥感测量装置所获取的多个截面的截面风速均为有效数据，如果传感器标识指示传感器状态为无效状态，则确定通过遥感测量装置所获取的多个截面的截面风速均为无效数据。
如果基于传感器标识确定当前时刻所获取的多个截面的截面风速均为无效数据，则确定数据状态无效持续时间是否达到设定时间。如果确定数据状态无效持续时间没有达到设定时间，则将上一时刻确定的风速计算值确定为当前时刻的风速计算值，如果确定数据状态无效持续时间达到设定时间，则将当前时刻通过风速仪获得的风速值确定为当前时刻用于计算攻角的风速计算值。
如果基于传感器标识确定当前时刻所获取的多个截面的截面风速不均为无效数据，则执行上述图4所示的步骤，以确定当前时刻用于计算攻角的风速计算值。
应理解，上述图4所示的确定风速计算值的方式仅为示例，本发明不限于此，还可以通过其他方式来确定用于计算攻角的风速计算值。
返回图1，在步骤S30中，基于所确定的风速计算值和风向计算值，确定当前时刻叶片攻角。
这里，攻角可指叶片翼型截面的攻角。应理解，上述遥感测量装置探测的截面是指在垂直于叶轮平面的水平高度上，相对叶轮不同距离处的截面，叶片翼型截面指的是叶轮平面内沿着叶片方向不同位置处的截面。
这里，可利用现有的各种方法来基于风速计算值和风向计算值计算叶片攻角，本发明对此不做限定。
在一示例中，可通过以下方式确定当前时刻叶片攻角：根据风电机组的风能利用系数，确定轴向诱导因子；根据当前时刻的风速计算值、风向计算值、轴向诱导因子、叶片扭角值、风电机组的输出功率值、叶轮转速值、桨距角值和空气密度值，确定当前时刻叶片攻角。
在步骤S40中，基于所确定的当前时刻叶片攻角，来识别风电机组当前时刻的失速程度。
例如，具体识别过程可为：基于当前时刻叶片攻角与各翼型截面所对应的失速攻角阈值的比较结果，确定当前时刻各翼型截面处的失速状态；基于失速概率滤波时间内的失速状态识别结果，确定叶片失速概率；基于所确定的叶片失速概率、失速概率阈值以及失速持续时间阈值，确定风电机组当前时刻的失速程度。
作为示例，叶片失速概率可指失速概率滤波时间内处于失速状态的识别次数与失速概率滤波时间内的总识别次数的比值。
一个截面对应一个失速攻角阈值，不同截面所对应的失速攻角阈值可依据风电机组的失速历史数据或者依据经验来确定，本领域技术人员可以根据需要来对各失速攻角阈值进行调整。
作为示例，风电机组的失速程度可包括部分失速，在此情况下，失速攻角阈值包括部分失速攻角阈值，失速状态包括部分失速状态，失速概率滤波时间包括部分失速概率滤波时间，失速概率阈值包括部分失速概率阈值，失速持续时间阈值包括部分失速持续时间阈值。
下面参照图5来介绍识别风电机组发生部分失速现象的过程。应理解，图5所示的识别风电机组发生部分失速现象的方式仅为示例，本发明不限于此，还可以通过其他方式来识别风电机组是否发生部分失速现象。
图5示出根据本发明示例性实施例的识别风电机组发生部分失速现象的步骤的流程图。
参照图5，在步骤S401中，将当前时刻叶片攻角分别与各翼型截面所对应的部分失速攻角阈值进行比较。
也就是说，将叶片攻角与各截面所对应的部分失速攻角阈值一一进行比较。
在步骤S402中，确定各翼型截面处的部分失速状态。
针对每个翼型截面，如果计算攻角大于该翼型截面所对应的部分失速攻角阈值，则确定该翼型截面处于部分失速状态，如果计算攻角不大于该翼型截面所对应的部分失速攻角阈值，则确定该翼型截面没有处于部分失速状态。
在步骤S403中，确定叶片部分失速概率。
优选地，通过以下方式确定叶片部分失速概率：如果存在至少一个翼型截面处于部分失速状态，则识别当前时刻处于部分失速状态，如果不存在至少一个翼型截面处于部分失速状态，则确定当前时刻不处于部分失速状态。
基于部分失速概率滤波时间内识别为处于部分失速状态的次数和部分失速概率滤波时间内的总识别次数，确定叶片部分失速概率。
例如，可将部分失速概率滤波时间内识别为处于部分失速状态的次数与总识别次数的比值(或者低通滤波值)，确定为叶片部分失速概率。作为示例，总识别次数可为部分失速概率滤波时间与程序执行周期的比值。
在步骤S404中，确定是否满足第一条件，即，判断所确定的叶片部分失速概率是否大于部分失速概率阈值、且部分失速状态持续时间是否大于部分失速持续时间阈值。
如果满足第一条件，即，所确定的叶片部分失速概率大于部分失速概率阈值、且部分失速状态持续时间大于部分失速持续时间阈值，则执行步骤S405：确定风电机组当前时刻发生部分失速现象。
如果不满足第一条件，即，所确定的叶片部分失速概率不大于部分失速概率阈值、和/或部分失速状态持续时间不大于部分失速持续时间阈值，则确定风电机组当前时刻没有发生部分失速现象。
作为示例，风电机组的失速程度可还包括深度失速，在此情况下，失速攻角阈值包括深度失速攻角阈值，失速状态包括深度失速状态，失速概率滤波时间包括深度失速概率滤波时间，失速概率阈值包括深度失速概率阈值，失速持续时间阈值包括深度失速持续时间阈值。
下面参照图6来介绍识别风电机组发生深度失速现象的过程。应理解，图6所示的识别风电机组发生深度失速现象的方式仅为示例，本发明不限于此，还可以通过其他方式来识别风电机组是否发生深度失速现象。
图6示出根据本发明示例性实施例的识别风电机组发生深度失速现象的步骤的流程图。
参照图6，在步骤S410中，将当前时刻叶片攻角分别与各翼型截面所对应的深度失速攻角阈值进行比较。
也就是说，将叶片在不同截面处的攻角与各截面所对应的深度失速攻角阈值一一进行比较。
在步骤S411中，确定各翼型截面处的深度失速状态。
针对每个翼型截面，如果叶片攻角大于该翼型截面所对应的深度失速攻角阈值，则确定该翼型截面处于深度失速状态，如果叶片攻角不大于该翼型截面所对应的深度失速攻角阈值，则确定该翼型截面没有处于深度失速状态。
在步骤S412中，确定叶片深度失速概率。
优选地，可通过以下方式确定叶片深度失速概率：如果所有翼型截面均处于深度失速状态，则识别当前时刻处于深度失速状态，如果所有翼型截面不均处于深度失速状态(存在至少一个翼型截面不处于深度失速状态)，则确定当前时刻不处于深度失速状态。
基于深度失速概率滤波时间内识别为处于深度失速状态的次数和深度失速概率滤波时间内的总识别次数，确定叶片深度失速概率。作为示例，总识别次数可为深度失速概率滤波时间与程序执行周期的比值。
作为示例，可将深度失速概率滤波时间内识别为处于深度失速状态的次数与深度失速概率滤波时间内的总识别次数的比值(或者低通滤波值)，确定为叶片深度失速概率。
在步骤S413中，确定是否满足第二条件，即，判断叶片深度失速概率是否大于深度失速概率阈值、且深度失速状态持续时间是否大于深度失速持续时间阈值。
如果所确定的叶片深度失速概率大于深度失速概率阈值、且深度失速状态持续时间大于深度失速持续时间阈值(满足第二条件)，则执行步骤S414：确定风电机组当前时刻发生深度失速现象。
如果所确定的叶片深度失速概率不大于深度失速概率阈值、和/或深度失速状态持续时间不大于深度失速持续时间阈值(不满足第二条件)，则确定风电机组当前时刻没有发生深度失速现象。
可选地，除上述识别深度失速现象的方式之外，还可以在确定所有翼型截面均处于深度失速状态时，确定风电机组当前时刻发生深度失速现象，在确定所有翼型截面不均处于深度失速状态(存在至少一个翼型截面不处于深度失速状态)时，确定风电机组当前时刻没有发生深度失速现象。
在一优选示例中，根据本发明示例性实施例的风电机组失速识别方法还包括：基于风电机组当前时刻的失速程度来选择控制方式，并基于所选择的控制方式来控制风电机组运行。
例如，如果风电机组当前时刻发生部分失速现象，则所选择的控制方式包括变桨控制方式，如果风电机组当前时刻发生深度失速现象，则所选择的控制方式包括停机控制方式。
优选地，根据本发明示例性实施例的风电机组失速识别方法还包括对失速概率阈值和失速持续时间阈值进行优化的步骤。
下面参照图7来介绍优化失速概率阈值和失速持续时间阈值的过程，应理解，图7所示的阈值优化方式仅为示例，本发明不限于此，还可以通过其他方式来对失速概率阈值和失速持续时间阈值进行优化。
图7示出根据本发明示例性实施例的优化失速概率阈值和失速持续时间阈值的步骤的流程图。
参照图7，在步骤S60中，获取风电机组的失速样本，并确定所获取的失速样本的实际失速点。
例如，可根据风电机组的实时风速值、实时风向值、叶轮转速值、叶片桨距角值和风电机组的输出功率来判断风电机组是否发生失速现象，并将失速时序点进行标记。
这里，失效现象包括部分失速现象和深度失速现象，针对不同的失速现象可采用不同的符号进行标记。
在步骤S70中，将失速样本的风速-功率曲线与预定风速-功率曲线进行对比，搜索失速样本的各散点中处于预定风速-功率曲线下的散点，形成离群集合。
作为示例，可采用机器学习等方式来识别处于预定风速-功率曲线下的散点。
在步骤S80中，基于给定失速概率阈值调节范围和给定失速持续时间阈值调节范围，选取多种参数组合。这里，不同参数组合中的失速概率阈值和/或失速持续时间阈值不同。
在步骤S90中，确定失速样本在第j种参数组合下的失速点，并将处于离群集合点中的失速点确定为在第j种参数组合下的离群点。
这里，针对不同的失速现象可采用不同的符号进行二次标记。
在步骤S100中，基于失速样本的实际失速点和在第j种参数组合下的离群点，确定在第j种参数组合下的失速识别准确率和失速识别召回率。
这里，正确率是评估识别的结果中目标成果所占的比例，召回率是召回目标成果的比例。
也就是说，失速识别准确率指的是所确定的离群点中有多少是实际失速点，失速识别召回率指的是实际失速点中有多少在步骤S90所确定的离群点中被识别出来。这里，可利用各种方法来计算失速识别准确率和失速识别召回率，本发明对此部分内容不再赘述。
在步骤S110中，基于在第j种参数组合下的失速识别准确率和失速识别召回率，确定在第j种参数组合下的调和平均精度。
这里，可利用各种方法来计算调和平均精度，作为示例，可利用如下公式来确定调和平均精度：
Figure BDA0002433082810000131
公式(1)中，Fj表示在第j种参数组合下的调和平均精度，Pj表示在第j种参数组合下的失速识别准确率，Rj表示在第j种参数组合下的失速识别召回率。
在步骤S120中，确定j是否等于n。这里，n表示参数组合的数量，n为大于零的自然数。
如果j不等于n，则执行步骤S130：使得j＝j+1，并返回执行步骤S90。
如果j等于n，则执行步骤S140：确定所有参数组合中的最大调和平均精度。
在步骤S150中，确定最大调和平均精度是否大于存储的调和平均精度。
如果最大调和平均精度不大于存储的调和平均精度，则不更新失速概率阈值和失速持续时间阈值。
如果最大调和平均精度大于存储的调和平均精度，则执行步骤S160：更新失速概率阈值和失速持续时间阈值，与此同时，还用最大调和平均精度更新存储的调和平均精度。
例如，可用最大调和平均精度所对应的参数组合中的失速概率阈值更新存储的失速概率阈值，用最大调和平均精度所对应的参数组合中的失速持续时间阈值更新存储的失速持续时间阈值。
这里，当失速样本为风电机组发生部分失速现象的样本时，可基于上述图7所示的方式来更新部分失速概率阈值和部分失速持续时间阈值，当失速样本为风电机组发生深度失速现象的样本时，可基于上述图7所示的方式来更新深度失速概率阈值和深度失速持续时间阈值。
在上述风电机组失速识别方法中，对于处于并网状态、且非限功率状态下的风电机组都可以实现失速控制和保护，同时还可实现对相关阈值的自寻优。
图8示出根据本发明示例性实施例的风电机组失速识别装置的框图。
如图8所示，根据本发明示例性实施例的风电机组失速识别装置100包括：信息获取模块101、风参计算模块102、攻角确定模块103和失速识别模块104。
具体说来，信息获取模块101通过遥感测量装置获取当前时刻风电机组前方的多个截面处的截面风信息。这里，截面风信息包括截面风速和截面风向，多个截面相对风电机组的距离不同。
可选地，信息获取模块101可还获取风电场中各个风电机组的实时数据和初始化参数，并进行存储。
作为示例，风电机组的实时数据可包括但不限于风电机组的工作状态、限功率状态、高频转速值、风电机组的输出功率值、桨距角值、空气密度值、风速仪测得的风速值、风向标测得的风向值。
作为示例，初始化参数可包括但不限于：风电机组不同叶片翼型截面处的部分失速攻角阈值、不同叶片翼型截面处的深度失速攻角阈值、叶片不同翼型截面处所在位置、部分失速概率阈值、深度失速概率阈值、部分失速持续时间阈值、深度失速持续时间阈值、叶片不同翼型截面处所在位置的扭角值、调和平均精度、给定失速概率阈值调节范围和给定失速持续时间阈值调节范围。
可选地，信息获取模块101可确定风电机组的工作状态。
例如，如果风电机组的工作状态处于并网状态、且处于非限功率状态，则信息获取模块101通过遥感测量装置获取风电机组前方的多个截面处的截面风速和截面风向，以识别风电机组是否发生失速现象。如果风电机组的工作状态没有处于并网状态、和/或没有处于非限功率状态，则信息获取模块101不通过遥感测量装置获取截面风信息。
可选地，根据本发明示例性实施例的风电机组失速识别装置可还包括：数据预处理模块105，可对所获取的截面风速和截面风向进行滤波处理，后续基于滤波处理后的截面风速和截面风向来计算风速计算值和风向计算值。
数据预处理模块105还可对风速计算值和风向计算值进行滤波，优选地，对风速计算值和风向计算值进行滤波的滤波时长与实时数据时长一致。
风参计算模块102通过对所获取的截面风速和截面风向进行数据状态有效性判断，确定当前时刻用于计算攻角的风速计算值和风向计算值。
下面介绍风参计算模块102确定用于计算攻角的风向计算值的过程。作为示例，通过遥感测量装置所获取的截面风信息除包括截面风速和截面风向之外，可还包括指示数据状态有效性的风向标识、指示传感器状态有效性的传感器标识。
例如，风参计算模块102通过以下方式确定用于计算攻角的风向计算值：基于传感器标识确定当前时刻所获取的多个截面的截面风向是否均为无效数据，如果基于传感器标识确定当前时刻所获取的多个截面的截面风向均为无效数据，则确定数据状态无效持续时间是否达到设定时间。
如果确定数据状态无效持续时间没有达到设定时间，则将上一时刻确定的风向计算值确定为当前时刻的风向计算值。如果确定数据状态无效持续时间达到设定时间，则将当前时刻通过风向标获得的风向值确定为当前时刻用于计算攻角的风向计算值。
如果基于传感器标识确定当前时刻所获取的多个截面的截面风向不均为无效数据，则风参计算模块102基于多个截面处的截面风向确定当前时刻用于计算攻角的风向计算值。
例如，基于多个截面对应的风向标识，将各风向标识所指示的截面风向为有效数据的截面中距离风电机组最近的截面的截面风向，确定为当前时刻用于计算攻角的风向计算值。
下面介绍风参计算模块102确定用于计算攻角的风速计算值的过程。作为示例，通过遥感测量装置所获取的截面风信息可还包括指示数据状态有效性的风速标识。
例如，风参计算模块102通过以下方式确定风速计算值。
风参计算模块102基于距离风电机组最近的两个截面对应的风速标识确定当前时刻所获取的距离风电机组最近的两个截面的截面风速是否均为无效数据。
如果确定当前时刻所获取的距离风电机组最近的两个截面的截面风速均为无效数据，则将上一时刻确定的风速计算值确定为当前时刻的风速计算值。如果确定当前时刻所获取的距离风电机组最近的两个截面的截面风速不为无效数据，则可基于距离风电机组最近的两个截面对应的风速标识，将距离风电机组最近的截面的截面风速确定为当前时刻用于计算攻角的风速计算值，或者，基于风速拟合曲线来确定当前时刻用于计算攻角的风速计算值。
例如，风参计算模块102可基于距离风电机组最近的截面对应的风速标识，确定当前时刻所获取的距离风电机组最近的截面的截面风速是否为有效数据。
如果距离风电机组最近的截面对应的风速标识指示当前时刻所获取的距离风电机组最近的截面的截面风速为有效数据，则将距离风电机组最近的截面的截面风速确定为当前时刻的风速计算值。
如果距离风电机组最近的截面对应的风速标识指示当前时刻所获取的距离风电机组最近的截面的截面风速不为有效数据(即，为无效数据)，则基于风速拟合曲线来确定与距离风电机组最近的截面所在位置对应的风速值，并将所确定的风速值确定为当前时刻的风速计算值。
例如，风速拟合曲线可通过对来流方向上的靠近风电机组的预定数量的截面的截面风速进行拟合、插值获得。
可选地，风参计算模块102可还基于传感器标识确定当前时刻所获取的多个截面的截面风速是否均为无效数据。
如果基于传感器标识确定当前时刻所获取的多个截面的截面风速均为无效数据，则确定数据状态无效持续时间是否达到设定时间。如果确定数据状态无效持续时间没有达到设定时间，则将上一时刻确定的风速计算值确定为当前时刻的风速计算值，如果确定数据状态无效持续时间达到设定时间，则将当前时刻通过风速仪获得的风速值确定为当前时刻用于计算攻角的风速计算值。
如果基于传感器标识确定当前时刻所获取的多个截面的截面风速不均为无效数据，则通过上述方式来确定当前时刻用于计算攻角的风速计算值。
攻角确定模块103基于所确定的风速计算值和风向计算值，确定当前时刻叶片攻角。
失速识别模块104基于所确定的当前时刻叶片攻角，来识别风电机组当前时刻的失速程度。
例如，失速识别模块104可基于当前时刻叶片攻角与各翼型截面所对应的失速攻角阈值的比较结果，确定当前时刻各翼型截面处的失速状态；基于失速概率滤波时间内的失速状态识别结果，确定叶片失速概率；基于所确定的叶片失速概率、失速概率阈值以及失速持续时间阈值，确定风电机组当前时刻的失速程度。
在一优选示例中，失速识别模块104可包括部分失速处理模块41和深度失速处理模块42。
针对风电机组的失速程度包括部分失速的情况，失速攻角阈值包括部分失速攻角阈值，失速状态包括部分失速状态，失速概率滤波时间包括部分失速概率滤波时间，失速概率阈值包括部分失速概率阈值，失速持续时间阈值包括部分失速持续时间阈值。
在此情况下，部分失速处理模块41基于叶片攻角、不同翼型截面对应的部分失速攻角阈值、部分失速概率阈值、部分失速概率滤波时间、部分失速持续时间阈值来确定风电机组是否发生部分失速现象。
部分失速处理模块41将当前时刻叶片攻角分别与各翼型截面所对应的部分失速攻角阈值进行比较，确定各翼型截面处的部分失速状态。
针对每个翼型截面，如果叶片攻角大于该翼型截面所对应的部分失速攻角阈值，则确定该翼型截面处于部分失速状态，如果叶片攻角不大于该翼型截面所对应的部分失速攻角阈值，则确定该翼型截面没有处于部分失速状态。
如果存在至少一个翼型截面处于部分失速状态，则识别当前时刻处于部分失速状态；如果不存在至少一个翼型截面处于部分失速状态，则确定当前时刻不处于部分失速状态。
基于部分失速概率滤波时间内识别为处于部分失速状态的次数和部分失速概率滤波时间内的总识别次数，确定叶片部分失速概率。例如，可将部分失速概率滤波时间内识别为处于部分失速状态的次数与部分失速概率滤波时间内的总识别次数的比值，确定为叶片部分失速概率。
确定是否满足第一条件，即，判断所确定的叶片部分失速概率是否大于部分失速概率阈值、且部分失速状态持续时间是否大于部分失速持续时间阈值。
如果满足第一条件，即，所确定的叶片部分失速概率大于部分失速概率阈值、且部分失速状态持续时间大于部分失速持续时间阈值，则确定风电机组当前时刻发生部分失速现象。如果不满足第一条件，即，所确定的叶片部分失速概率不大于部分失速概率阈值、和/或部分失速状态持续时间不大于部分失速持续时间阈值，则确定风电机组当前时刻没有发生部分失速现象。
针对风电机组的失速程度包括深度失速的情况，失速攻角阈值包括深度失速攻角阈值，失速状态包括深度失速状态，失速概率滤波时间包括深度失速概率滤波时间、失速概率阈值包括深度失速概率阈值，失速持续时间阈值包括深度失速持续时间阈值。
在此情况下，深度失速处理模块42基于叶片攻角、不同翼型截面对应的深度失速攻角阈值、深度失速概率阈值、深度失速概率滤波时间、深度失速持续时间阈值来确定风电机组是否发生深度失速现象。
深度失速处理模块42将当前时刻叶片攻角分别与各翼型截面所对应的深度失速攻角阈值进行比较，并确定各翼型截面处的深度失速状态。
针对每个翼型截面，如果叶片攻角大于该翼型截面所对应的深度失速攻角阈值，则确定该翼型截面处于深度失速状态，如果叶片攻角不大于该翼型截面所对应的深度失速攻角阈值，则确定该翼型截面没有处于深度失速状态。
如果所有翼型截面均处于深度失速状态，则识别当前时刻处于深度失速状态；如果所有翼型截面不均处于深度失速状态，则确定当前时刻不处于深度失速状态。基于深度失速概率滤波时间内识别为处于深度失速状态的次数和深度失速概率滤波时间内的总识别次数，确定叶片深度失速概率。例如，可将深度失速概率滤波时间内识别为处于深度失速状态的次数与深度失速概率滤波时间内的总识别次数的比值，确定为叶片深度失速概率。
确定是否满足第二条件，即，判断叶片深度失速概率是否大于深度失速概率阈值、且深度失速状态持续时间是否大于深度失速持续时间阈值。如果所确定的叶片深度失速概率大于深度失速概率阈值、且深度失速状态持续时间大于深度失速持续时间阈值，则深度失速处理模块42确定风电机组当前时刻发生深度失速现象。如果所确定的叶片深度失速概率不大于深度失速概率阈值、和/或深度失速状态持续时间不大于深度失速持续时间阈值，则深度失速处理模块42确定风电机组当前时刻没有发生深度失速现象。
在一优选示例中，根据本发明示例性实施例的风电机组失速识别装置可还包括：变桨控制模块51和停机控制模块52。
例如，如果风电机组当前时刻发生部分失速现象，则变桨控制模块51选择变桨控制方式，并将变桨信号传输至变桨控制系统。如果风电机组当前时刻发生深度失速现象，则停机控制模块52选择停机控制方式，并将停机信号传输至停机控制系统。
优选地，根据本发明示例性实施例的风电机组失速识别装置可还包括：参数优化模块，对失速概率阈值和失速持续时间阈值进行优化，并将优化后的失速概率阈值和失速持续时间阈值返回值失速识别模块。
参数优化模块进行参数优化时，部分失速概率阈值、部分失速持续时间阈值与深度失速概率阈值、深度失速持续时间阈值是解耦的关系，因此在参数优化时可以分别进行优化。
例如，参数优化模块对失速概率阈值和失速持续时间阈值进行优化的过程为：获取风电机组的失速样本，并确定所获取的失速样本的实际失速点，将失速样本的风速-功率曲线与预定风速-功率曲线进行对比，搜索失速样本的各散点中处于预定风速-功率曲线下的散点，形成离群集合。基于给定失速概率阈值调节范围和给定失速持续时间阈值调节范围，选取多种参数组合。这里，不同参数组合中的失速概率阈值和/或失速持续时间阈值不同。
针对每种参数组合，确定所述失速样本在该种参数组合下的失速点，将处于所述离群集合点中的失速点确定为在该种参数组合下的离群点，基于失速样本的实际失速点和在该种参数组合下的离群点，确定在该种参数组合下的失速识别准确率和失速识别召回率，基于在该种参数组合下的失速识别准确率和失速识别召回率，确定在该种参数组合下的调和平均精度；确定所有参数组合中的最大调和平均精度，并确定最大调和平均精度是否大于存储的调和平均精度；如果最大调和平均精度不大于存储的调和平均精度，则不更新失速概率阈值和失速持续时间阈值；如果最大调和平均精度大于存储的调和平均精度，则更新失速概率阈值、失速持续时间阈值以及调和平均精度。
例如，参数优化模块可用最大调和平均精度所对应的参数组合中的失速概率阈值更新存储的失速概率阈值，用最大调和平均精度所对应的参数组合中的失速持续时间阈值更新存储的失速持续时间阈值，与此同时，还用最大调和平均精度更新存储的调和平均精度。
图9示出根据本发明示例性实施例的控制器的框图。
如图9所示，根据本发明示例性实施例的控制器200包括：处理器201和存储器202。
具体说来，存储器202用于存储计算机程序，所述计算机程序在被所述处理器201执行时实现上述的风电机组失速识别方法。
这里，图1所示的风电机组失速识别方法可在图9所示的处理器201中执行。也就是说，图8所示的各模块可由数字信号处理器、现场可编程门阵列等通用硬件处理器来实现，也可通过专用芯片等专用硬件处理器来实现，还可完全通过计算机程序来以软件方式实现，例如，可被实现为图9中所示的处理器201中的各个模块。
根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述风电机组失速识别方法的计算机程序。该计算机可读记录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。计算机可读记录介质的示例包括：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)。
在上述风电机组失速识别方法和装置中，无需添加额外传感器及机械装置(如湍流传感器、声学传感器、升力扰动装置、失速栅等)，采用简单准确的算法即可识别不同程度失速现象和参数自寻优，同时可对不同程度失速现象进行动态控制，从而最大程度的减少发电量损失并保护机组安全。
此外，在上述风电机组失速识别方法和装置中，失速现象可通过比较攻角是否大于失速攻角阈值进行识别，并根据不同阈值设置不同失速程度。
通过上述风电机组失速识别方法和装置，克服了目前失速识别方法需依赖相关设备等问题，在不增加新投入的前提下即可减少风电机组部分失速现象和深度失速现象引起的停机造成的发电量损失和降低风电机组失速导致的载荷异常、叶片断裂等故障发生频率，同时可提高风电机组功率曲线质量。
通过上述风电机组失速识别方法和装置，通过不断地累计数据，自动更新失速概率阈值和失速持续时间阈值，甚至可以根据不同季节的环境特性寻找不同失速阈值。
尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。

Claims (16)

1.一种风电机组失速识别方法，其特征在于，所述风电机组失速识别方法包括：
通过遥感测量装置获取当前时刻风电机组前方的多个截面处的截面风信息，所述截面风信息包括截面风速和截面风向，所述多个截面相对所述风电机组的距离不同；
通过对所获取的截面风速和截面风向进行数据状态有效性判断，确定当前时刻用于计算攻角的风速计算值和风向计算值；
基于所确定的风速计算值和风向计算值，确定当前时刻叶片攻角；
基于所确定的当前时刻叶片攻角，来识别风电机组当前时刻的失速程度。
2.根据权利要求1所述的风电机组失速识别方法，其特征在于，所述截面风信息还包括指示数据状态有效性的风向标识，
其中，通过以下方式基于多个截面处的截面风向确定当前时刻用于计算攻角的风向计算值：
基于所述多个截面对应的风向标识，将各风向标识所指示的截面风向为有效数据的截面中距离风电机组最近的截面的截面风向，确定为当前时刻用于计算攻角的风向计算值。
3.根据权利要求2所述的风电机组失速识别方法，其特征在于，所述截面风信息还包括指示传感器状态有效性的传感器标识，
其中，通过以下方式确定当前时刻用于计算攻角的风向计算值：
基于传感器标识确定当前时刻所获取的所述多个截面的截面风向是否均为无效数据，
如果基于传感器标识确定当前时刻所获取的所述多个截面的截面风向均为无效数据，则确定数据状态无效持续时间是否达到设定时间，
如果确定数据状态无效持续时间没有达到设定时间，则将上一时刻确定的风向计算值确定为当前时刻的风向计算值，
如果确定数据状态无效持续时间达到设定时间，则将当前时刻通过风向标获得的风向值确定为当前时刻用于计算攻角的风向计算值，
如果基于传感器标识确定当前时刻所获取的所述多个截面的截面风向不均为无效数据，则基于所述多个截面处的截面风向确定当前时刻用于计算攻角的风向计算值。
4.根据权利要求1或2所述的风电机组失速识别方法，其特征在于，所述截面风信息还包括指示数据状态有效性的风速标识，
其中，通过以下方式基于多个截面处的截面风速确定当前时刻用于计算攻角的风速计算值：
基于距离风电机组最近的两个截面对应的风速标识，将距离风电机组最近的截面的截面风速确定为当前时刻用于计算攻角的风速计算值，或者，基于风速拟合曲线来确定当前时刻用于计算攻角的风速计算值。
5.根据权利要求4所述的风电机组失速识别方法，其特征在于，通过以下方式确定当前时刻用于计算攻角的风速计算值：
基于距离风电机组最近的两个截面对应的风速标识，确定当前时刻所获取的距离风电机组最近的两个截面的截面风速是否均为无效数据，
如果确定当前时刻所获取的距离风电机组最近的两个截面的截面风速均为无效数据，则将上一时刻确定的风速计算值确定为当前时刻用于计算攻角的风速计算值，
如果确定当前时刻所获取的距离风电机组最近的两个截面的截面风速不均为无效数据，则基于距离风电机组最近的截面对应的风速标识，确定距离风电机组最近的截面的截面风速是否为无效数据，
如果确定距离风电机组最近的截面的截面风速为有效数据，则将距离风电机组最近的截面的截面风速确定为当前时刻用于计算攻角的风速计算值；
如果确定距离风电机组最近的截面的截面风速为无效数据，则基于风速拟合曲线来确定与距离风电机组最近的截面所在位置对应的风速值，并将所确定的风速值确定为当前时刻用于计算攻角的风速计算值。
6.根据权利要求5所述的风电机组失速识别方法，其特征在于，所述截面风信息还包括指示传感器状态有效性的传感器标识，
其中，通过以下方式确定当前时刻用于计算攻角的风速计算值：
基于传感器标识确定当前时刻所获取的所述多个截面的截面风速是否均为无效数据，
如果基于传感器标识确定当前时刻所获取的所述多个截面的截面风速均为无效数据，则确定数据状态无效持续时间是否达到设定时间，
如果确定数据状态无效持续时间没有达到设定时间，则将上一时刻确定的风速计算值确定为当前时刻的风速计算值，
如果确定数据状态无效持续时间达到设定时间，则将当前时刻通过风速仪获得的风速值确定为当前时刻用于计算攻角的风速计算值，
如果基于传感器标识确定当前时刻所获取的所述多个截面的截面风速不均为无效数据，则基于所述多个截面处的截面风速确定当前时刻用于计算攻角的风速计算值。
7.根据权利要求1所述的风电机组失速识别方法，其特征在于，基于所确定的当前时刻叶片攻角，来识别风电机组当前时刻的失速程度的步骤包括：
基于当前时刻叶片攻角与各翼型截面所对应的失速攻角阈值的比较结果，确定当前时刻各翼型截面处的失速状态；
基于失速概率滤波时间内的失速状态识别结果，确定叶片失速概率；
基于所确定的叶片失速概率、失速概率阈值以及失速持续时间阈值，确定风电机组当前时刻的失速程度。
8.根据权利要求7所述的风电机组失速识别方法，其特征在于，所述失速攻角阈值包括部分失速攻角阈值，所述失速状态包括部分失速状态，所述失速概率滤波时间包括部分失速概率滤波时间，所述失速概率阈值包括部分失速概率阈值，所述失速持续时间阈值包括部分失速持续时间阈值，
其中，识别风电机组当前时刻的失速程度的步骤包括：
将当前时刻叶片攻角分别与各翼型截面所对应的部分失速攻角阈值进行比较；
针对每个翼型截面，如果叶片攻角大于该翼型截面所对应的部分失速攻角阈值，则确定该翼型截面处于部分失速状态，如果叶片攻角不大于该翼型截面所对应的部分失速攻角阈值，则确定该翼型截面没有处于部分失速状态；
如果存在至少一个翼型截面处于部分失速状态，则识别当前时刻处于部分失速状态；
如果不存在至少一个翼型截面处于部分失速状态，则确定当前时刻不处于部分失速状态；
基于部分失速概率滤波时间内识别为处于部分失速状态的次数和部分失速概率滤波时间内的总识别次数，确定叶片部分失速概率；
如果所确定的叶片部分失速概率大于部分失速概率阈值、且部分失速状态持续时间大于部分失速持续时间阈值，则确定风电机组当前时刻发生部分失速现象。
9.根据权利要求7所述的风电机组失速识别方法，其特征在于，所述失速攻角阈值包括深度失速攻角阈值，所述失速状态包括深度失速状态，所述失速概率滤波时间包括深度失速概率滤波时间，所述失速概率阈值包括深度失速概率阈值，所述失速持续时间阈值包括深度失速持续时间阈值，
其中，识别风电机组当前时刻的失速程度的步骤包括：
将当前时刻叶片攻角分别与各翼型截面所对应的深度失速攻角阈值进行比较；
针对每个翼型截面，如果叶片攻角大于该翼型截面所对应的深度失速攻角阈值，则确定该翼型截面处于深度失速状态，如果叶片攻角不大于该翼型截面所对应的深度失速攻角阈值，则确定该翼型截面没有处于深度失速状态；
如果所有翼型截面均处于深度失速状态，则识别当前时刻处于深度失速状态；
如果所有翼型截面不均处于深度失速状态，则确定当前时刻不处于深度失速状态；
基于深度失速概率滤波时间内识别为处于深度失速状态的次数和深度失速概率滤波时间内的总识别次数，确定叶片深度失速概率；
如果所确定的叶片深度失速概率大于深度失速概率阈值、且深度失速状态持续时间大于深度失速持续时间阈值，则确定风电机组当前时刻发生深度失速现象。
10.根据权利要求8或9所述的风电机组失速识别方法，其特征在于，所述风电机组失速识别方法还包括：基于风电机组当前时刻的失速程度来选择控制方式，并基于所选择的控制方式来控制风电机组运行，
其中，如果风电机组当前时刻发生部分失速现象，则所选择的控制方式包括变桨控制方式，
如果风电机组当前时刻发生深度失速现象，则所选择的控制方式包括停机控制方式。
11.根据权利要求7所述的风电机组失速识别方法，其特征在于，通过以下方式对失速概率阈值和失速持续时间阈值进行优化：
获取风电机组的失速样本，并确定所获取的失速样本的实际失速点；
将所述失速样本的风速-功率曲线与预定风速-功率曲线进行对比，搜索所述失速样本的各散点中处于所述预定风速-功率曲线下的散点，形成离群集合；
基于给定失速概率阈值调节范围和给定失速持续时间阈值调节范围，选取多种参数组合，其中，不同参数组合中的失速概率阈值和/或失速持续时间阈值不同；
针对每种参数组合，确定所述失速样本在该种参数组合下的失速点，将处于所述离群集合点中的失速点确定为在该种参数组合下的离群点，基于失速样本的实际失速点和在该种参数组合下的离群点，确定在该种参数组合下的失速识别准确率和失速识别召回率，基于在该种参数组合下的失速识别准确率和失速识别召回率，确定在该种参数组合下的调和平均精度；
确定所有参数组合中的最大调和平均精度是否大于存储的调和平均精度；
如果所有参数组合中的最大调和平均精度大于存储的调和平均精度，则更新失速概率阈值和失速持续时间阈值；
如果所有参数组合中的最大调和平均精度不大于存储的调和平均精度，则不更新失速概率阈值和失速持续时间阈值。
12.根据权利要求11所述的风电机组失速识别方法，其特征在于，更新失速概率阈值和失速持续时间阈值的步骤包括：
用最大调和平均精度所对应的参数组合中的失速概率阈值更新存储的失速概率阈值，用最大调和平均精度所对应的参数组合中的失速持续时间阈值更新存储的失速持续时间阈值。
13.根据权利要求1所述的风电机组失速识别方法，其特征在于，在风电机组工作状态处于并网状态、且非限功率状态下，通过遥感测量装置获取风电机组前方的多个截面处的截面风速和截面风向。
14.一种风电机组失速识别装置，其特征在于，所述风电机组失速识别装置包括：
信息获取模块，通过遥感测量装置获取当前时刻风电机组前方的多个截面处的截面风信息，所述截面风信息包括截面风速和截面风向，所述多个截面相对所述风电机组的距离不同；
风参计算模块，通过对所获取的截面风速和截面风向进行数据状态有效性判断，确定当前时刻用于计算攻角的风速计算值和风向计算值；
攻角确定模块，基于所确定的风速计算值和风向计算值，确定当前时刻叶片攻角；
失速识别模块，基于所确定的当前时刻叶片攻角，来识别风电机组当前时刻的失速程度。
15.一种控制器，其特征在于，包括：
处理器；
存储器，用于存储计算机程序，所述计算机程序在被所述处理器执行时实现如权利要求1至13中任意一项所述的风电机组失速识别方法。
16.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序在被处理器执行时实现如权利要求1至13中任意一项所述的风电机组失速识别方法。
CN202010242703.0A 2020-03-31 2020-03-31 风电机组失速识别方法和装置 Active CN113464376B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010242703.0A CN113464376B (zh) 2020-03-31 2020-03-31 风电机组失速识别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010242703.0A CN113464376B (zh) 2020-03-31 2020-03-31 风电机组失速识别方法和装置

Publications (2)

Publication Number Publication Date
CN113464376A CN113464376A (zh) 2021-10-01
CN113464376B true CN113464376B (zh) 2022-07-12

Family

ID=77865402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010242703.0A Active CN113464376B (zh) 2020-03-31 2020-03-31 风电机组失速识别方法和装置

Country Status (1)

Country Link
CN (1) CN113464376B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115962101B (zh) * 2022-12-05 2024-03-22 中材科技风电叶片股份有限公司 一种失速状态监测方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104675621A (zh) * 2015-03-02 2015-06-03 中船重工(重庆)海装风电设备有限公司 确定变速变桨风电机组叶片控制参数的方法及系统
CN105257471A (zh) * 2015-10-23 2016-01-20 北京金风科创风电设备有限公司 风力发电机组桨距角控制方法、装置及系统
CN108488035A (zh) * 2018-03-20 2018-09-04 内蒙古工业大学 永磁直驱风力发电机组失速和变桨混合控制方法
EP3599375A1 (en) * 2018-07-26 2020-01-29 General Electric Company System and method for protecting wind turbines during extreme wind direction change
CN110761945A (zh) * 2018-07-27 2020-02-07 北京金风科创风电设备有限公司 风力发电机组的叶片失速控制方法及装置

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9372201B2 (en) * 2014-03-31 2016-06-21 Alstom Renewable Technologies Yaw and pitch angles

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104675621A (zh) * 2015-03-02 2015-06-03 中船重工(重庆)海装风电设备有限公司 确定变速变桨风电机组叶片控制参数的方法及系统
CN105257471A (zh) * 2015-10-23 2016-01-20 北京金风科创风电设备有限公司 风力发电机组桨距角控制方法、装置及系统
CN108488035A (zh) * 2018-03-20 2018-09-04 内蒙古工业大学 永磁直驱风力发电机组失速和变桨混合控制方法
EP3599375A1 (en) * 2018-07-26 2020-01-29 General Electric Company System and method for protecting wind turbines during extreme wind direction change
CN110761945A (zh) * 2018-07-27 2020-02-07 北京金风科创风电设备有限公司 风力发电机组的叶片失速控制方法及装置

Also Published As

Publication number Publication date
CN113464376A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
US9366235B2 (en) Estimation of wind conditions at a wind turbine
EP2886853B1 (en) A monitoring system and a monitoring method for a wind turbine generator
CA2898931C (en) System and method for enhanced operation of wind parks
US8839656B2 (en) Method of checking a wind turbine in a wind farm for a yaw misalignment, method of monitoring a wind turbine in a wind farm and monitoring apparatus
EP3181897B1 (en) Operating a wind turbine
US20150292486A1 (en) Wind turbine blade ice accretion detector
CN109209783A (zh) 一种基于噪声检测叶片的雷击损伤的方法及装置
JP2010084770A (ja) 風力タービンの状態を監視する方法およびシステム
JP2010084770A5 (zh)
AU2021335744C1 (en) Load control method and apparatus for wind turbine generator system
EP4293216A1 (en) Wind turbine generator system control method and control device
CN113464376B (zh) 风电机组失速识别方法和装置
US20210148336A1 (en) A method for determining wind turbine blade edgewise load recurrence
CN116221014B (zh) 基于激光雷达风电机组净空控制方法、装置、系统及介质
CN114483447A (zh) 风力发电机组的变桨控制方法、装置、设备及存储介质
CN115081346A (zh) 一种风电机组尾流效应下的健康度判断方法、装置及介质
CN108825452B (zh) 确定风力发电机组叶片结冰的方法和装置
CN113027698B (zh) 风力发电机组的变桨控制回路异常的检测方法和装置
CN112879216A (zh) 风电场的风速修正方法和装置
CN113740931B (zh) 风力发电机组的阵风检测方法及装置
US12123399B2 (en) Load control method and apparatus for wind turbine generator system
CN116560219B (zh) 基于输电杆塔风速联合分析的自适应监测控制方法及系统
CN115681018A (zh) 风力发电机组、叶片及失速检测方法、装置、系统及介质
CN117972589A (zh) 一种叶片损伤判断方法、装置、电子设备及存储介质
CN116629597A (zh) 非iec工况下风机风险快速评估方法、系统及装置

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