CN113468711A - 缩减风电机组的载荷工况的方法和设备 - Google Patents
缩减风电机组的载荷工况的方法和设备 Download PDFInfo
- Publication number
- CN113468711A CN113468711A CN202010238089.0A CN202010238089A CN113468711A CN 113468711 A CN113468711 A CN 113468711A CN 202010238089 A CN202010238089 A CN 202010238089A CN 113468711 A CN113468711 A CN 113468711A
- Authority
- CN
- China
- Prior art keywords
- load
- working condition
- screening
- sub
- groups
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012216 screening Methods 0.000 claims abstract description 133
- 238000013461 design Methods 0.000 claims abstract description 29
- 238000004088 simulation Methods 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000012360 testing method Methods 0.000 claims description 72
- 238000012545 processing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 abstract description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 208000026462 essential tremor 3 Diseases 0.000 description 2
- 208000031683 hereditary essential 3 tremor Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000002800 charge carrier Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 208000026478 essential tremor 5 Diseases 0.000 description 1
- 238000013401 experimental design Methods 0.000 description 1
- 208000036719 hereditary essential 5 tremor Diseases 0.000 description 1
- OZCYJKDWRUIFFE-UHFFFAOYSA-N rcs-4 Chemical compound C12=CC=CC=C2N(CCCCC)C=C1C(=O)C1=CC=C(OC)C=C1 OZCYJKDWRUIFFE-UHFFFAOYSA-N 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
Images
Landscapes
- Wind Motors (AREA)
Abstract
提供一种缩减风电机组载荷工况的方法和设备，所述方法包括：获取用于风电机组仿真的多个载荷工况组，其中，多个载荷工况组中的每个载荷工况组包括多个载荷子工况；基于预设的运行条件对所有载荷工况组进行分组，获得多个载荷工况小组；获取多组样本风参数；基于多组样本风参数和多个载荷工况组对所有载荷子工况进行筛选，获得粗筛选载荷子工况集合；基于多组样本风参数和多个载荷工况小组对所有载荷子工况进行筛选，获得细筛选载荷子工况集合；将粗筛选载荷子工况集合和细筛选载荷子工况集合取并集，获得载荷子工况缩减集合。采用上述方法和设备获得的载荷子工况缩减集合用于风场设计评估，能够降低计算成本，提高仿真效率。
Description
技术领域
本发明总体来说涉及风力发电技术领域，更具体地讲，涉及一种缩减风 电机组的载荷工况的方法和设备。
背景技术
在风电场项目的风力发电机组选型过程中，基于风电机组的设计载荷工 况，对布置在风电场的风电机组的载荷进行设计仿真或者对特定厂址的载荷 进行适应性评估是风电场设计的工程应用中常见的方法。
目前，在使用较为广泛的风电机组设计标准(例如，通用国际标准IEC 第三版或者第四版)下，对风电机组进行仿真所需要的载荷工况可能超过2000 个，尤其是针对有特殊设计需求风电机组、处于特定环境(例如，海上等) 风电机组下的风电机组或者需要进行多点位分析的风电机组，用于仿真的载 荷工况的数量可能会更多。由于对每个载荷工况的迭代处理需要耗费较多的 计算资源和大量的计算时间，因此影响了仿真和评估的效率，此外，大量的 用于仿真的载荷工况在实际项目的计算中，并不会在最值载荷点出现，因此 一些载荷工况的仿真实际上是多余的仿真。
基于上述分析可以看出，现有的基于载荷工况的仿真方法的计算成本较 高而仿真效率较低。
发明内容
本发明的示例性实施例在于提供一种缩减风电机组的载荷工况的方法和 设备，其能够克服现有的基于载荷工况的仿真方法的计算成本较高而仿真效 率较低的缺陷。
根据本发明示例性实施例的一方面，提供一种缩减风电机组载荷工况的 方法，其特征在于，所述方法包括：获取用于风电机组仿真的多个载荷工况 组，其中，所述多个载荷工况组中的每个载荷工况组包括多个载荷子工况； 基于预设的运行条件对所有载荷工况组进行分组，获得多个载荷工况小组； 获取多组样本风参数；基于所述多组样本风参数和所述多个载荷工况组对所 有载荷子工况进行筛选，获得粗筛选载荷子工况集合；基于所述多组样本风 参数和所述多个载荷工况小组对所有载荷子工况进行筛选，获得细筛选载荷子工况集合；将所述粗筛选载荷子工况集合和所述细筛选载荷子工况集合取 并集，获得载荷子工况缩减集合。
可选地，所述风电机组在所述多个载荷工况组中的每个载荷工况组下包 括多个载荷变量，其中，基于所述多组样本风参数和所述多个载荷工况组对 所有载荷子工况进行筛选，获得粗筛选载荷子工况集合的步骤包括：在所述 多组样本风参数中的任一样本风参数下，执行以下处理：确定在每个载荷工 况组下的每个载荷变量的包络时序载荷的最值；将每个载荷工况组下的每个 载荷变量的包络时序载荷的最值中满足预定条件的最值所对应的载荷子工况 所属的载荷子工况集合取并集，获得第一预筛选载荷子工况集合；将所获得 的所有第一预筛选载荷子工况集合取并集，获得第二预筛选载荷子工况集合； 将在所述多组样本风参数下获得的所有第二预筛选载荷子工况集合取并集， 获得粗筛选载荷子工况集合。
可选地，通过以下方式确定在任意一个载荷工况组下的任意一个载荷变 量的包络时序载荷的最值：确定所述任意一个载荷工况组所包括的多个载荷 子工况下的所述任意一个载荷变量的包络时序载荷；将确定的多个载荷子工 况下的所述任意一个载荷变量的包络时序载荷中的最值确定为所述任意一个 载荷工况组下的所述任意一个载荷变量的包络时序载荷的最值。
可选地，基于所述多组样本风参数和所述多个载荷工况小组对所有载荷 子工况进行筛选，获得细筛选载荷子工况集合的步骤包括：在所述多组样本 风参数中的任一样本风参数下，执行以下处理：确定在每个载荷工况小组下 的每个载荷变量的包络时序载荷的最值；将每个载荷工况小组下的每个载荷 变量的包络时序载荷的最值中满足预定条件的最值所对应的载荷工况小组取 并集，获得第三预筛选载荷子工况集合；将所获得的所有第三预筛选载荷子 工况集合取并集，获得第四预筛选载荷子工况集合；将在所述多组样本风参 数下获得的所有第四预筛选载荷子工况集合取并集，获得细筛选载荷子工况 集合。
可选地，通过以下方式确定在任意一个载荷工况小组下的任意一个载荷 变量的包络时序载荷的最值的步骤包括：确定所述任意一个载荷工况小组所 包括的载荷子工况下的所述任意一个载荷变量的包络时序载荷；将确定的所 述任意一个载荷工况小组所包括的载荷子工况下的所述任意一个载荷变量的 包络时序载荷中的最大值或最小值确定为所述任意一个载荷工况小组下的所 述任意一个载荷变量的包络时序载荷的最值。
可选地，所述最值指示最大值或者最小值，如果所述最值指示最大值， 则所述预设条件指示每个载荷工况组下或者每个载荷工况小组下的每个载荷 变量的包络时序载荷的最值按照从大到小的顺序排序后排在前N位的最值； 如果所述最值指示最小值，则所述预设条件指示每个载荷工况组下或者每个 载荷工况小组下的每个载荷变量的包络时序载荷的最值按照从小到大的顺序 排序后排在前N位的最值，其中，N为正整数。
可选地，所述预设的运行条件包括以下项中的至少一项：与各个载荷工 况组对应的风速段、偏航策略、停机策略和故障状态。
可选地，所述载荷工况组表示风电机组在寿命周期里所经历的多种状况 的组合，所述载荷子工况表示在风电机组的寿命周期里所经历的一个状况。
可选地，适用于所述载荷子工况缩减集合的应用场景包括以下场景中的 任意一个：特定场址的载荷适应性评估、风电场的定制化设计、风电机组设 计的初始快速迭代。
可选地，所述方法还包括：获取一组测试风参数，其中，所述测试风参 数不同于样本风参数且满足风参数预定条件；基于所述测试风参数，将所述 载荷子工况缩减集合和所述多个载荷工况组分别应用于任一适用于所述载荷 子工况缩减集合的应用场景，获得第一测试结果和第二测试结果；如果第一 测试结果与第二测试结果相同或者第一测试结果与第二测试结果之间的偏差 在预定范围内，则确定所述载荷子工况缩减集合可靠；如果第一测试结果与 第二测试结果之间的偏差不在预定范围内，则修正所述载荷子工况缩减集合。
可选地，所述风参数预定条件是指所述一组测试风参数中的每个风参数 不超出预定边界范围的临界值的预定百分数，其中，所述预定边界范围基于 所述样本风参数来确定。
根据本发明的示例性实施例的另一方面，提供一种缩减风电机组载荷工 况的设备，其特征在于，所述设备包括：载荷工况组获取单元，获取用于风 电机组仿真的多个载荷工况组，其中，所述多个载荷工况组中的每个载荷工 况组包括多个载荷子工况；分组单元，基于预设的运行条件对所有载荷工况 组进行分组，获得多个载荷工况小组；样本风参数获取单元，获取多组样本 风参数；粗筛选单元，基于所述多组样本风参数和所述多个载荷工况组对所 有载荷子工况进行筛选，获得粗筛选载荷子工况集合；细筛选单元，基于所 述多组样本风参数和所述多个载荷工况小组对所有载荷子工况进行筛选，获 得细筛选载荷子工况集合；合并单元，将所述粗筛选载荷子工况集合和所述 细筛选载荷子工况集合取并集，获得载荷子工况缩减集合。
可选地，所述风电机组在所述多个载荷工况组中的每个载荷工况组下包 括多个载荷变量，其中，粗筛选单元在所述多组样本风参数中的任一样本风 参数下，执行以下处理：确定在每个载荷工况组下的每个载荷变量的包络时 序载荷的最值；将每个载荷工况组下的每个载荷变量的包络时序载荷的最值 中满足预定条件的最值所对应的载荷子工况所属的载荷子工况集合取并集， 获得第一预筛选载荷子工况集合；将所获得的所有第一预筛选载荷子工况集 合取并集，获得第二预筛选载荷子工况集合；粗筛选单元将在所述多组样本 风参数下获得的所有第二预筛选载荷子工况集合取并集，获得粗筛选载荷子 工况集合。
可选地，所述粗筛选单元通过以下方式确定在任意一个载荷工况组下的 任意一个载荷变量的包络时序载荷的最值：确定所述任意一个载荷工况组所 包括的多个载荷子工况下的所述任意一个载荷变量的包络时序载荷；将确定 的多个载荷子工况下的所述任意一个载荷变量的包络时序载荷中的最值确定 为所述任意一个载荷工况组下的所述任意一个载荷变量的包络时序载荷的最 值。
可选地，所述细筛选单元在所述多组样本风参数中的任一样本风参数下， 执行以下处理：确定在每个载荷工况小组下的每个载荷变量的包络时序载荷 的最值；将每个载荷工况小组下的每个载荷变量的包络时序载荷的最值中满 足预定条件的最值所对应的载荷工况小组取并集，获得第三预筛选载荷子工 况集合；将所获得的所有第三预筛选载荷子工况集合取并集，获得第四预筛 选载荷子工况集合；细筛选单元将在所述多组样本风参数下获得的所有第四 预筛选载荷子工况集合取并集，获得细筛选载荷子工况集合。
可选地，所述细筛选单元通过以下方式确定在任意一个载荷工况小组下 的任意一个载荷变量的包络时序载荷的最值的步骤包括：确定所述任意一个 载荷工况小组所包括的载荷子工况下的所述任意一个载荷变量的包络时序载 荷；将确定的所述任意一个载荷工况小组所包括的载荷子工况下的所述任意 一个载荷变量的包络时序载荷中的最大值或最小值确定为所述任意一个载荷 工况小组下的所述任意一个载荷变量的包络时序载荷的最值。
可选地，所述最值指示最大值或者最小值，如果所述最值指示最大值， 则所述预设条件指示每个载荷工况组下或者每个载荷工况小组下的每个载荷 变量的包络时序载荷的最值按照从大到小的顺序排序后排在前N位的最值； 如果所述最值指示最小值，则所述预设条件指示每个载荷工况组下或者每个 载荷工况小组下的每个载荷变量的包络时序载荷的最值按照从小到大的顺序 排序后排在前N位的最值，其中，N为正整数。
可选地，所述预设的运行条件包括以下项中的至少一项：与各个载荷工 况组对应的风速段、偏航策略、停机策略和故障状态。
可选地，所述载荷工况组表示风电机组在寿命周期里所经历的多种状况 的组合，所述载荷子工况表示在风电机组的寿命周期里所经历的一个状况。
可选地，适用于所述载荷子工况缩减集合的应用场景包括以下场景中的 任意一个：特定场址的载荷适应性评估、风电场的定制化设计、风电机组设 计的初始快速迭代。
可选地，，所述设备还包括：测试风参数获取单元，获取一组测试风参数， 其中，所述测试风参数不同于样本风参数且满足风参数预定条件；测试结果 获取单元，基于所述测试风参数，将所述载荷子工况缩减集合和所述多个载 荷工况组分别应用于任一适用于所述载荷子工况缩减集合的应用场景，获得 第一测试结果和第二测试结果；可靠性判断单元，如果第一测试结果与第二 测试结果相同或者第一测试结果与第二测试结果之间的偏差在预定范围内， 则确定所述载荷子工况缩减集合可靠；如果第一测试结果与第二测试结果之 间的偏差不在预定范围内，则修正所述载荷子工况缩减集合。
可选地，所述风参数预定条件是指所述一组测试风参数中的每个风参数 不超出预定边界范围的临界值的预定百分数，其中，所述预定边界范围基于 所述样本风参数来确定。
另一方面，本发明实施例还提供了一种电子设备，其特征在于，所述电 子设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运 行的计算机程序；所述处理器执行所述计算机程序时所述的缩减风电机组载 荷工况的方法。
另一方面，本发明实施例还提供了一种计算机可读存储介质，所述计算 机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现所 述的缩减风电机组载荷工况的方法。
利用本发明实施例提供的缩减风电机组载荷工况的方法和设备，能够有 效地缩减载荷子工况的数量，使得应用根据本发明获得的载荷子工况缩减集 合进行相关计算时，并且采用上述方法和设备获得的载荷子工况缩减集合用 于风场设计评估，能够降低计算成本，提高仿真效率。
将在接下来的描述中部分阐述本发明总体构思另外的方面和/或优点，还 有一部分通过描述将是清楚的，或者可以经过本发明总体构思的实施而得知。
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他目的将会变得更加清楚，其中：
图1示出根据本发明示例性实施例的缩减风电机组载荷工况的方法的流 程图；
图2示出根据本发明示例性实施例的基于预设的运行条件对所有载荷工 况组进行分组后得到的载荷工况小组和风参数的对应示意图；
图3示出根据本发明示例性实施例的缩减风电机组载荷工况的设备的框 图。
具体实施方式
现将详细参照本发明的示例性实施例，所述实施例的示例在附图中示出， 其中，相同的标号始终指的是相同的部件。以下将通过参照附图来说明所述 实施例，以便解释本发明。
图1示出根据本发明示例性实施例的缩减风电机组载荷工况的方法的流 程图。
如图1所示，在步骤S100，获取用于风电机组仿真的多个载荷工况组， 其中，多个载荷工况组中的每个载荷工况组包括多个载荷子工况。
具体说来，载荷工况组表示风电机组在寿命周期里所经历的多种状况的 组合，载荷子工况表示在风电机组的寿命周期里所经历的一个状况。例如， 这种状况可以是一种风电机组的运行状态，例如，发电状态、故障状态、启 机状态、停机状态、空转状态、维护状态等，也可以是风电机组的一个风况 条件，例如，常规风、阵风、极端风等，也可以是一种风电机组外部的其他 条件，例如，电气故障、结冰、掉网、地震、控制故障、安全系统故障等， 也可以是对应的载荷分析类型，例如极限载荷、疲劳载荷等。这里，应理解， 本发明实施例的状况不限于上述举例，也可以是设计的其他情形，在此不做 任何限定。
此外，本发明实施例中记载的载荷工况组可以是依照IEC或GL标准下 的载荷工况组，为了统一表述，在本发明的示例性实施例中统一将获取的载 荷工况组设定为基于IEC标准规范第三版记载的14个机组设计常用极限载荷 工况组，分别为DLC13、DLC14、DLC15、DLC21、DLC22、DLC23、DLC41、 DLC42、DLC51、DLC61、DLC62、DLC63、DLC71和DLC81，其中，上述载荷工况组中均包括多个载荷子工况，例如，载荷工况组DLC13包括60个 载荷子工况，例如，DLC13-1、DLC13-2、DLC13-3、DLC13-4······DLC13-60。 这里，应理解，上述载荷工况组仅是示例性地示出，实际的载荷工况组以及 载荷子工况的内容和数量可以根据实际依照的标准和风电机组设计的不同而 有所不同。
在步骤S200，基于预设的运行条件对所有载荷工况组进行分组，获得多 个载荷工况小组。
作为示例，预设的运行条件可包括但不限于以下项中的至少一项：与各 个载荷工况组对应的风速段、偏航策略、停机策略和故障状态。例如偏航策 略包括正偏航、负偏航以及不同角度的偏航等，停机策略包括大风停机、叶 片卡桨停机、叶片过速停机、紧急停机等，故障状态包括控制系统出现故障、 安全系统出现故障、感知系统错误、短路情况等。
此外，作为示例，在确定了载荷工况组之后，可以对应地获得影响各个 载荷工况组的风参数。这里，风参数可以包括但不限于以下项中的至少一项： 湍流强度、空气密度、入流角、风切变、风频分布值、全风速段ETM湍流强 度、全风速段NTM湍流强度等。这里，对于切入风速为3m/s，切出风速为 19m/s的风电机组来说，全风速段ETM湍流强度可包括ETM3、ETM5、ETM7、 ETM9、ETM11、ETM13、ETM15、ETM17和ETM19，这里，ETM3指的是 在切入风速和切出风速区间内以3米/秒的风速间隔选取的湍流强度，以此类 推。全风速段NTM湍流强度可包括Ir-2、Ir、Ir+2和Iout，其中，Ir-2指的是 比风力发电机组的额定风速低2m/s风速的风速段对应的常规湍流强度，Ir指 的是风速代表值为额定风速的预设风速段对应的湍流强度，Ir+2指的是比风 力发电机组的额定风速高2m/s风速的风速段对应的常规湍流强度，Iout指的 是风速代表值为切出风速的预设风速段对应的湍流强度。
表1示出了载荷工况组和风参数的对应关系的示例。
在表1所示的示例中，第一列为载荷工况组的编号，每一行中打勾的风 参数为影响该行对应的载荷工况组的风参数，其中，I16指的是在厂家维护风 速为16m/s下的常规湍流强度。
具体说来，在一个示例中，可将预设的运行条件作为一个划分条件，对 所有载荷工况组进行分组，例如，针对基于IEC标准规范第三版划分14个载 荷工况组中的一个载荷工况组DLC22来说，如果在基本的风速段下并参考是 否发生短路，不参考“正偏航、负偏航以及不同角度的偏航、大风停机、叶 片卡桨停机、叶片过速停机、紧急停机、控制系统出现故障、安全系统出现 故障和感知系统错误”可以将载荷工况组DLC22分为5个载荷工况小组，并 且，也可划分出影响每个载荷工况小组的风参数。此外，也可通过调整预设 的运行条件来调整载荷工况小组被划分的精细程度，例如，载荷工况组DLC22 在上述分组的基础上，参考“正偏航、负偏航以及不同角度的偏航、大风停 机、叶片卡桨停机、叶片过速停机、紧急停机、控制系统出现故障、安全系 统出现故障和感知系统错误”，载荷工况组DLC22的每个载荷工况小组在参 考偏航跑飞时按风速段又可分为四个载荷工况小组，这样载荷工况组DLC22 被划分的5个载荷工况小组可以被进一步细分为32个载荷工况小组。这里， 应理解，载荷工况组基于预设的运行条件被划分得到的载荷工况小组也包括 了多个载荷子工况。
图2示出根据本发明示例性实施例的基于预设的运行条件对所有载荷工 况组进行分组后得到的载荷工况小组和风参数的对应示意图。如图2所示， 按照预设的运行条件，基于IEC标准规范第三版划分14个载荷工况组被划分 为40个载荷工况小组，其中，第一列为载荷工况小组的编号和名称，每一行 中打勾的风参数为影响该行对应的载荷工况小组的风参数。
在步骤S300，获取多组样本风参数。作为示例，多组样本风参数可基于 预设的样本设计方法被获取。这里。预设的样本设计方法可以包括蒙特卡洛 样本法、正交法和均匀设计法。
蒙特卡洛法是一种以概率统计理论为基础的随机采样方法，是一种通过 在一定范围内均匀随机抽样来得到某个结果的计算方法，一般是通过针对计 算问题选定抽样范围，在抽样范围内进行随机抽样，再根据问题定义(比如 本发明实施例的载荷仿真)，计算得到一些必要的样本统计值(例如，本发明 实施例中的样本风参数)。
正交法(即，正交试验设计，Orthogonal experimental design)是研究多 因素多水平的一种设计方法，正交法是根据正交性从全面试验中挑选出部分 有代表性的点(作为示例，有代表性的点可指上述的湍流强度、空气密度、 入流角和/或风切变)进行试验，这些有代表性的点具备了“均匀分散，齐整 可比”的特点。例如，可以以基准工况组/基准工况中的湍流强度、空气密度、 入流角、风切变的数值为基准，以“均匀分散，齐整可比”为原则选取多个 其他工况组或者工况的湍流强度、空气密度、入流角、风切变，对上述各参 数的数值进行组合获得多组样本风参数。
均匀设计法是利用均匀设计表来安排试验，用回归分析进行数据分析的 一种试验方法，其基本思想是使试验点在因素空间中具有较好的均匀分散性。
具体说来，在使用上述方法中的任意一种方法获取到样本风参数后，可 以首先记录下每组样本风参数所包括的每个样本风参数的预定边界范围，例 如，常规风切变样本风参数的值为0.2，常规风切变样本风参数的预定边界范 围为[0.1 0.35]。然后剔除不符合实际风场风参数特性的样本点位，从而得到 最终的多组样本风参数。
相应地，在获取了多组样本风参数后，在步骤S400，基于多组样本风参 数和多个载荷工况组对所有载荷子工况进行筛选，获得粗筛选载荷子工况集 合。
作为示例，风电机组在多个载荷工况组中的每个载荷工况组下可包括多 个载荷变量。这里，载荷变量可包括但不限于以下项中的至少一项：叶片的 多个等分截面载荷、叶根载荷、固定轮毂载荷、旋转轮毂载荷、偏航载荷、 塔顶载荷、塔底载荷、塔架法兰面载荷、塔架突变截面载荷、每段塔架中心 的截面载荷。作为示例，上述载荷可以是力矩类载荷。
在本发明的一个示例中，可通过以下方式基于多组样本风参数和多个载 荷工况组对所有载荷子工况进行筛选，获得粗筛选载荷子工况集合：
具体说来，在多组样本风参数中的任一样本风参数下，执行以下处理： 首先，确定在每个载荷工况组下的每个载荷变量的包络时序载荷的最值。这 里，任一载荷工况组下的任一载荷变量的包络时序载荷是指任一载荷工况组 下的任一载荷变量的时序载荷中的最大值。最值指示最大值或者最小值。
作为示例，可通过以下步骤确定在任意一个载荷工况组下的任意一个载 荷变量的包络时序载荷的最值：
首先，确定任意一个载荷工况组所包括的多个载荷子工况下的任意一个 载荷变量的包络时序载荷。
具体说来，可利用各种仿真程序来获得任意一个载荷工况组所包括的多 个载荷子工况下的任意一个载荷变量的包络时序载荷。例如，可利用Bladed 仿真软件来获得任意一个载荷工况组所包括的多个载荷子工况下的所述任意 一个载荷变量的包络时序载荷。但本发明不限于此，还可以通过其他软件(例 如，Hawc2、Simpack、Fast等)来仿真获得任意一个载荷工况组所包括的多 个载荷子工况下的所述任意一个载荷变量的包络时序载荷。
例如，在仿真软件为Bladed仿真软件时，将任一样本风参数下输入Bladed 仿真软件，可以输出在该样本风参数下该载荷风况组所包括的所有载荷子工 况下的所述任意一个载荷变量的包络时序载荷。
然后，将确定的多个载荷子工况下的所述任意一个载荷变量的包络时序 载荷中的最值确定为所述任意一个载荷工况组下的所述任意一个载荷变量的 包络时序载荷的最值。
例如，假设最值为最大值，有50组样本风参数，载荷变量为M1，载荷 工况组DLC13包括60个载荷子工况，分别为DLC13-1、DLC13-2、DLC13-3、 DLC13-4······DLC13-60。在将风参数W1输入Bladed仿真软件后，能够 得到DLC13下的每个载荷子工况的载荷变量M1的包络时序载荷m1，例如， m1DLC13-1、m1DLC13-2、m1DLC13-3······m1DLC13-60，如果m1DLC13-1、m1DLC13-2、 m1DLC13-3······m1DLC13-60中的最大值是m1DLC13-2，则可将m1DLC13-2确定为载荷工况 组DLC13下载荷变量M1的包络时序载荷的最值，类似地，可以获得其他载 荷工况组下载荷变量M1的包络时序载荷的最值，例如，m1DLC14-3、m1DLC15-7、 m1DLC21-7、m1DLC22-3、m1DLC23-5、m1DLC42-4m1DLC51-7、m1DLC61-4、m1DLC62-5、m1DLC63-5、 m1DLC71-4、m1DLC81-6。类似地，也可获得其他载荷工况组下的其他载荷变量 (例如，M2、M3······Mn)的包络时序载荷的最值。
接下来，将每个载荷工况组下的每个载荷变量的包络时序载荷的最值中 满足预定条件的最值所对应的载荷子工况所属的载荷工况小组取并集，获得 第一预筛选载荷子工况集合。
作为示例，如果最值指示最大值，则预设条件指示每个载荷工况组下或 者每个载荷工况小组下的每个载荷变量的包络时序载荷的最值按照从大到小 的顺序排序后排在前N位的最值；如果最值指示最小值，则预设条件指示每 个载荷工况组下或者每个载荷工况小组下的每个载荷变量的包络时序载荷的 最值按照从小到大的顺序排序后排在前N位的最值，其中，N为正整数。
例如，接上述示例，假设N＝3，针对载荷变量M1，可将m1DLC13-2、m1DLC14-3、 m1DLC15-7、m1DLC21-7、m1DLC22-3、m1DLC23-5、m1DLC42-4 m1DLC51-7、m1DLC61-4、m1DLC62-5、 m1DLC63-5、m1DLC71-4、m1DLC81-6中按从大到小排列后排在前三位的最值 m1DLC-123、m1DLC42-4和m1DLC81-6所对应的载荷子工况DLC13-2、DLC42-4和 DLC81-6所属的载荷工况小组(例如，如表1所示)取并集，获得第一预筛 选载荷子工况集合，例如，PW1(M1)，类似地，可以获得PW1(M2)······PW1(Mn)。
最后，将所获得的所有第一预筛选载荷子工况集合取并集，获得第二预 筛选载荷子工况集合(例如，PW1、PW2······PW50)。
在获取了所有的样本风参数下的第二预筛选载荷子工况集合之后，将在 多组样本风参数(即，所有样本风参数)下获得的所有第二预筛选载荷子工 况集合取并集，获得粗筛选载荷子工况集合。
在步骤S500，基于多组样本风参数和多个载荷工况小组对所有载荷子工 况进行筛选，获得细筛选载荷子工况集合。
在本发明的一个示例中，可通过以下方式基于多组样本风参数和多个载 荷工况小组对所有载荷子工况进行筛选，获得细筛选载荷子工况集合：
具体说来，在多组样本风参数中的任一样本风参数下，执行以下处理： 首先，确定在每个载荷工况小组下的每个载荷变量的包络时序载荷的最值。 这里，任一载荷工况小组下的任一载荷变量的包络时序载荷是指任一载荷工 况小组下的任一载荷变量的时序载荷中的最大值。所述最值指示最大值或者 最小值。
作为示例，通过以下方式确定在任意一个载荷工况小组下的任意一个载 荷变量的包络时序载荷的最值的步骤包括：
确定任意一个载荷工况小组所包括的载荷子工况下的所述任意一个载荷 变量的包络时序载荷；
具体说来，可利用各种仿真程序来获得任意一个载荷工况小组所包括的 载荷子工况下的所述任意一个载荷变量的包络时序载荷。例如，可利用Bladed 仿真软件来获得任意一个载荷工况小组所包括的载荷子工况下的所述任意一 个载荷变量的包络时序载荷。但本发明不限于此，还可以通过其他软件(例 如，Hawc2、Simpack、Fast等)来仿真任意一个载荷工况小组所包括的载荷 子工况下的所述任意一个载荷变量的包络时序载荷。
例如，在仿真软件为Bladed仿真软件时，将任一样本风参数下输入Bladed 仿真软件，可以输出在该样本风参数下该载荷工况小组所包括的载荷子工况 下的所述任意一个载荷变量的包络时序载荷。
然后，将确定的任意一个载荷工况小组所包括的载荷子工况下的所述任 意一个载荷变量的包络时序载荷中的最大值或最小值确定为任意一个载荷工 况小组下的所述任意一个载荷变量的包络时序载荷的最值。
例如，假设最值为最大值，有50组样本风参数，载荷变量为M1，载荷 工况小组DLC13ETM3包括6个载荷子工况，分别为DLC13BTM3-1、 DLC13BTM3-2、DLC13BTM3-3、DLC13BTM-4······DLC13BTM3-6。在 将风参数W1输入Bladed仿真软件后，能够得到DLC13BTM3下的每个载荷 子工况的载荷变量M1的包络时序载荷m1，例如，m1DLC13BTM3-1、m1DLC13BTM3-2、 m1DLC13BTM3-3······m1DLC13BTM3-6，如果m1DLC13BTM3-1、m1DLC13BTM3-2、m1DLC13BTM3-3······m1DLC13BTM3-6中的最大值是m1DLC13BTM3-2，则可将 m1DLC13BTM3-2确定为载荷工况组DLC13BTM3下载荷变量M1的包络时序载荷 的最值，类似地，可以获得其他载荷工况小组下载荷变量M1的包络时序载 荷的最值。类似地，也可获得其他载荷工况小组下的其他载荷变量(例如， M2、M3······Mn)的包络时序载荷的最值。
接下来，将每个载荷工况小组下的每个载荷变量的包络时序载荷的最值 中满足预定条件的最值所对应的载荷工况小组取并集，获得第三预筛选载荷 子工况集合。
作为示例，如果最值指示最大值，则预设条件指示每个载荷工况组下或 者每个载荷工况小组下的每个载荷变量的包络时序载荷的最值按照从大到小 的顺序排序后排在前N位的最值；如果最值指示最小值，则预设条件指示每 个载荷工况组下或者每个载荷工况小组下的每个载荷变量的包络时序载荷的 最值按照从小到大的顺序排序后排在前N位的最值，其中，N为正整数。
例如，接上述示例，假设N＝3，针对载荷变量M1，例如可将每个载荷 工况小组下的载荷变量M1的包络时序载荷的最值中按从大到小排列后排在 前三位的最值m1DLC13BTM3-2、m1DLC15Vr-4和m1DLC14ALL-3所对应的载荷子工况 DLC13BTM3-2、DLC15Vr-4和DLC14ALL-3所属的载荷工况小组(例如， 如表1所示)取并集，获得第三预筛选载荷子工况集合，例如，QW1(M1)，类 似地，可以获得QW1(M2)······QW1(Mn)。
最后，将获得的所有第三预筛选载荷子工况集合取并集，获得第四预筛 选载荷子工况集合(例如，QW1、QW2······QW50)。
在获取了所有的样本风参数下的第三预筛选载荷子工况集合之后，将在 多组样本风参数下获得的所有第四预筛选载荷子工况集合取并集，获得细筛 选载荷子工况集合。
在步骤S600，将粗筛选载荷子工况集合和细筛选载荷子工况集合取并集， 获得载荷子工况缩减集合。
作为示例，适用于载荷子工况缩减集合的应用场景可包括但不限于以下 场景中的任意一个：特定场址的载荷适应性评估、风电场的定制化设计、风 电机组设计的初始快速迭代。
此外，可选择地，所述方法可还附加地包括对载荷子工况缩减集合进行 验证的步骤(在图1中未示出)。
具体说来，首先，可获取一组测试风参数，其中，测试风参数不同于样 本风参数且满足风参数预定条件，这里，风参数预定条件是指一组测试风参 数中的每个风参数不超出预定边界范围的临界值的预定百分数，其中，预定 边界范围基于样本风参数来确定，这里，预定边界在上文已经进行了描述， 在此将不再赘述。具体说来，如果测试风参数中的一个风参数超出预定边界 范围的预定百分数(例如，5％)，则确定该风参数无法应用于载荷子工况缩 减集合的应用场景。
然后，基于测试风参数，将载荷子工况缩减集合和多个载荷工况组分别 应用于任一适用于载荷子工况缩减集合的应用场景，获得第一测试结果和第 二测试结果。
如果第一测试结果与第二测试结果相同或者第一测试结果与第二测试结 果之间的偏差在预定范围内，则确定载荷子工况缩减集合可靠。这里，预定 范围可以是人为预先设置的范围，例如，[0 5％]。
如果第一测试结果与第二测试结果之间的偏差不在预定范围内，则修正 载荷子工况缩减集合。例如，可以通过改变预设的运行条件进一步秀增载荷 子工况缩减集合等。
根据本发明示例性实施例的缩减风电机组载荷工况的方法，能够有效地 缩减载荷子工况的数量，使得应用根据本发明获得的载荷子工况缩减集合进 行相关计算时，并且采用上述方法获得的载荷子工况缩减集合用于风场设计 评估，能够降低计算成本，提高仿真效率。
基于与图1所示确定风电机组部件的使用寿命的方法相同的发明构思， 本发明实施例还提供了一种缩减风电机组的载荷工况的设备，如下面实施例。 由于该设备解决问题的原理与图1所示方法相似，因此该设备的实施可以参 见图1的缩减风电机组的载荷工况的方法的实施，重复之处不再赘述。
图3示出根据本发明示例性实施例的缩减风电机组载荷工况的设备的框 图。
如图3所示，根据本发明示例性实施例的缩减风电机组载荷工况的设备 包括：载荷工况组获取单元100、分组单元200、样本风参数获取单元300、 粗筛选单元400、细筛选单元500和合并单元600。
载荷工况组获取单元100获取用于风电机组仿真的多个载荷工况组，其 中，多个载荷工况组中的每个载荷工况组包括多个载荷子工况。
具体说来，载荷工况组表示风电机组在寿命周期里所经历的多种状况的 组合，载荷子工况表示在风电机组的寿命周期里所经历的一个状况。例如， 这种状况可以是一种风电机组的运行状态，例如，发电状态、故障状态、启 机状态、停机状态、空转状态、维护状态等，也可以是风电机组的一个风况 条件，例如，常规风、阵风、极端风等，也可以是一种风电机组外部的其他 条件，例如，电气故障、结冰、掉网、地震、控制故障、安全系统故障等， 也可以是对应的载荷分析类型，例如极限载荷、疲劳载荷等。这里，应理解， 本发明的状况不限于上述举例，也可以是设计的其他情形，在此不做任何限 定。
分组单元200基于预设的运行条件对所有载荷工况组进行分组，获得多 个载荷工况小组。
作为示例，预设的运行条件可包括但不限于以下项中的至少一项：与各 个载荷工况组对应的风速段、偏航策略、停机策略和故障状态。例如偏航策 略包括正偏航、负偏航以及不同角度的偏航等，停机策略包括大风停机、叶 片卡桨停机、叶片过速停机、紧急停机等，故障状态包括控制系统出现故障、 安全系统出现故障、感知系统错误、短路情况等。样本风参数获取单元300 获取多组样本风参数。作为示例，多组样本风参数可基于预设的样本设计方 法被获取。这里。预设的样本设计方法可以包括蒙特卡洛样本法、正交法和 均匀设计法。
相应地，在获取了多组样本风参数后，粗筛选单元400基于多组样本风 参数和多个载荷工况组对所有载荷子工况进行筛选，获得粗筛选载荷子工况 集合。
作为示例，风电机组在多个载荷工况组中的每个载荷工况组下可包括多 个载荷变量。这里，载荷变量可包括但不限于以下项中的至少一项：叶片的 4个等分截面载荷、叶根载荷、轮毂载荷、旋转轮毂载荷、偏航载荷、塔顶 载荷、塔底载荷、塔架法兰面载荷、塔架突变截面载荷、每段塔架中心的截 面载荷。作为示例，上述载荷可以是力矩类载荷。
在本发明的一个示例中，粗筛选单元400在多组样本风参数中的任一样 本风参数下，执行以下处理：确定在每个载荷工况组下的每个载荷变量的包 络时序载荷的最值；将每个载荷工况组下的每个载荷变量的包络时序载荷的 最值中满足预定条件的最值所对应的载荷子工况所属的载荷子工况集合取并 集，获得第一预筛选载荷子工况集合；将所获得的所有第一预筛选载荷子工 况集合取并集，获得第二预筛选载荷子工况集合；粗筛选单元将在多组样本 风参数下获得的所有第二预筛选载荷子工况集合取并集，获得粗筛选载荷子 工况集合。
作为示例，最值指示最大值或者最小值，如果最值指示最大值，则预设 条件指示每个载荷工况组下或者每个载荷工况小组下的每个载荷变量的包络 时序载荷的最值按照从大到小的顺序排序后排在前N位的最值；如果最值指 示最小值，则预设条件指示每个载荷工况组下或者每个载荷工况小组下的每 个载荷变量的包络时序载荷的最值按照从小到大的顺序排序后排在前N位的 最值，其中，N为正整数。
作为示例，粗筛选单元400通过以下方式确定在任意一个载荷工况组下 的任意一个载荷变量的包络时序载荷的最值：确定任意一个载荷工况组所包 括的多个载荷子工况下的任意一个载荷变量的包络时序载荷；将确定的多个 载荷子工况下的任意一个载荷变量的包络时序载荷中的最值确定为任意一个 载荷工况组下的任意一个载荷变量的包络时序载荷的最值。
细筛选单元500基于多组样本风参数和多个载荷工况小组对所有载荷子 工况进行筛选，获得细筛选载荷子工况集合。
在本发明的一个示例中，细筛选单元500在多组样本风参数中的任一样 本风参数下，执行以下处理：确定在每个载荷工况小组下的每个载荷变量的 包络时序载荷的最值；将每个载荷工况小组下的每个载荷变量的包络时序载 荷的最值中满足预定条件的最值所对应的载荷工况小组取并集，获得第三预 筛选载荷子工况集合；将所获得的所有第三预筛选载荷子工况集合取并集， 获得第四预筛选载荷子工况集合；细筛选单元将在多组样本风参数下获得的 所有第四预筛选载荷子工况集合取并集，获得细筛选载荷子工况集合。
作为示例，细筛选单元500通过以下方式确定在任意一个载荷工况小组 下的任意一个载荷变量的包络时序载荷的最值的步骤包括：确定任意一个载 荷工况小组所包括的载荷子工况下的所述任意一个载荷变量的包络时序载荷； 将确定的任意一个载荷工况小组所包括的载荷子工况下的所述任意一个载荷 变量的包络时序载荷中的最大值或最小值确定为任意一个载荷工况小组下的 所述任意一个载荷变量的包络时序载荷的最值。
作为示例，适用于载荷子工况缩减集合的应用场景可包括但不限于以下 场景中的任意一个：特定场址的载荷适应性评估、风电场的定制化设计、风 电机组设计的初始快速迭代。
此外，可选择地，所述设备可还附加地包括对载荷子工况缩减集合进行 验证的设备(在图3中未示出)。具体说来，所述设备可还包括测试风参数获 取单元、测试结果获取单元和可靠性判断单元。
具体说来，测试风参数获取单元获取一组测试风参数，其中，测试风参 数不同于样本风参数且满足风参数预定条件。这里，风参数预定条件是指一 组测试风参数中的每个风参数不超出预定边界范围的临界值的预定百分数， 其中，预定边界范围基于样本风参数来确定，这里，预定边界在上文已经进 行了描述，在此将不再赘述。具体说来，如果测试风参数中的一个风参数超 出预定边界范围的预定百分数(例如，5％)，则确定该风参数无法应用于载 荷子工况缩减集合的应用场景。
测试结果获取单元基于测试风参数，将载荷子工况缩减集合和多个载荷 工况组分别应用于任一适用于载荷子工况缩减集合的应用场景，获得第一测 试结果和第二测试结果。
可靠性判断单元如果第一测试结果与第二测试结果相同或者第一测试结 果与第二测试结果之间的偏差在预定范围内，则确定载荷子工况缩减集合可 靠；如果第一测试结果与第二测试结果之间的偏差不在预定范围内，则修正 载荷子工况缩减集合。
应该理解，根据本发明示例性实施例的确定风电机组部件的使用寿命的 设备的具体实现方式可参照结合图1和图2描述的相关具体实现方式来实现， 在此不再赘述。
此外，应该理解，根据本发明示例性实施例的确定风电场的代表风参数 的设备中的各个单元可被实现硬件组件和/或软件组件。本领域技术人员根据 限定的各个单元所执行的处理，可以例如使用现场可编程门阵列(FPGA)或 专用集成电路(ASIC)来实现各个单元。
根据本发明的另一示例性实施例的电子设备包括：处理器(未示出)和 存储器(未示出)及存储在所述存储器上并可在所述处理器上运行的计算机 程序；所述处理器执行所述计算机程序时实现如上述示例性实施例的缩减风 电机组的载荷工况的方法。
根据本发明的示例性实施例的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示例性实施例的缩减风电机组的载荷工况的方法 的计算机程序。该计算机可读存储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。计算机可读存储介质的示例包括：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)。
利用根据本发明示例性实施例的缩减风电机组的载荷工况的方法和设备， 能够有效地缩减载荷子工况的数量，使得应用根据本发明获得的载荷子工况 缩减集合进行相关计算时，并且采用上述方法和设备获得的载荷子工况缩减 集合用于风场设计评估，能够降低计算成本，提高仿真效率。
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 (19)
1.一种缩减风电机组载荷工况的方法，其特征在于，所述方法包括：
获取用于风电机组仿真的多个载荷工况组，其中，所述多个载荷工况组中的每个载荷工况组包括多个载荷子工况；
基于预设的运行条件对所有载荷工况组进行分组，获得多个载荷工况小组；
获取多组样本风参数；
基于所述多组样本风参数和所述多个载荷工况组对所有载荷子工况进行筛选，获得粗筛选载荷子工况集合；
基于所述多组样本风参数和所述多个载荷工况小组对所有载荷子工况进行筛选，获得细筛选载荷子工况集合；
将所述粗筛选载荷子工况集合和所述细筛选载荷子工况集合取并集，获得载荷子工况缩减集合。
2.如权利要求1所述的方法，其特征在于，所述风电机组在所述多个载荷工况组中的每个载荷工况组下包括多个载荷变量，
其中，基于所述多组样本风参数和所述多个载荷工况组对所有载荷子工况进行筛选，获得粗筛选载荷子工况集合的步骤包括：
在所述多组样本风参数中的任一样本风参数下，执行以下处理：
确定在每个载荷工况组下的每个载荷变量的包络时序载荷的最值；
将每个载荷工况组下的每个载荷变量的包络时序载荷的最值中满足预定条件的最值所对应的载荷子工况所属的载荷子工况集合取并集，获得第一预筛选载荷子工况集合；
将所获得的所有第一预筛选载荷子工况集合取并集，获得第二预筛选载荷子工况集合；
将在所述多组样本风参数下获得的所有第二预筛选载荷子工况集合取并集，获得粗筛选载荷子工况集合。
3.如权利要求2所述的方法，其特征在于，通过以下方式确定在任意一个载荷工况组下的任意一个载荷变量的包络时序载荷的最值：
确定所述任意一个载荷工况组所包括的多个载荷子工况下的所述任意一个载荷变量的包络时序载荷；
将确定的多个载荷子工况下的所述任意一个载荷变量的包络时序载荷中的最值确定为所述任意一个载荷工况组下的所述任意一个载荷变量的包络时序载荷的最值。
4.如权利要求2所述的方法，其特征在于，基于所述多组样本风参数和所述多个载荷工况小组对所有载荷子工况进行筛选，获得细筛选载荷子工况集合的步骤包括：
在所述多组样本风参数中的任一样本风参数下，执行以下处理：
确定在每个载荷工况小组下的每个载荷变量的包络时序载荷的最值；
将每个载荷工况小组下的每个载荷变量的包络时序载荷的最值中满足预定条件的最值所对应的载荷工况小组取并集，获得第三预筛选载荷子工况集合；
将所获得的所有第三预筛选载荷子工况集合取并集，获得第四预筛选载荷子工况集合；
将在所述多组样本风参数下获得的所有第四预筛选载荷子工况集合取并集，获得细筛选载荷子工况集合。
5.如权利要求4所述的方法，其特征在于，通过以下方式确定在任意一个载荷工况小组下的任意一个载荷变量的包络时序载荷的最值：
确定所述任意一个载荷工况小组所包括的载荷子工况下的所述任意一个载荷变量的包络时序载荷；
将确定的所述任意一个载荷工况小组所包括的载荷子工况下的所述任意一个载荷变量的包络时序载荷中的最大值或最小值确定为所述任意一个载荷工况小组下的所述任意一个载荷变量的包络时序载荷的最值。
6.如权利要求2或4所述的方法，其特征在于，所述最值指示最大值或者最小值，
如果所述最值指示最大值，则所述预设条件指示每个载荷工况组下或者每个载荷工况小组下的每个载荷变量的包络时序载荷的最值按照从大到小的顺序排序后排在前N位的最值；
如果所述最值指示最小值，则所述预设条件指示每个载荷工况组下或者每个载荷工况小组下的每个载荷变量的包络时序载荷的最值按照从小到大的顺序排序后排在前N位的最值，
其中，N为正整数。
7.如权利要求1所述的方法，其特征在于，所述预设的运行条件包括以下项中的至少一项：
与各个载荷工况组对应的风速段、偏航策略、停机策略和故障状态。
8.如权利要求1所述的方法，其特征在于，所述载荷工况组表示风电机组在寿命周期里所经历的多种状况的组合，所述载荷子工况表示在风电机组的寿命周期里所经历的一个状况。
9.如权利要求1所述的方法，其特征在于，适用于所述载荷子工况缩减集合的应用场景包括以下场景中的任意一个：
特定场址的载荷适应性评估、风电场的定制化设计、风电机组设计的初始快速迭代。
10.如权利要求9所述的方法，其特征在于，所述方法还包括：
获取一组测试风参数，其中，所述测试风参数不同于样本风参数且满足风参数预定条件；
基于所述测试风参数，将所述载荷子工况缩减集合和所述多个载荷工况组分别应用于任一适用于所述载荷子工况缩减集合的应用场景，获得第一测试结果和第二测试结果；
如果第一测试结果与第二测试结果相同或者第一测试结果与第二测试结果之间的偏差在预定范围内，则确定所述载荷子工况缩减集合可靠；
如果第一测试结果与第二测试结果之间的偏差不在预定范围内，则修正所述载荷子工况缩减集合。
11.如权利要求10所述的方法，其特征在于，所述风参数预定条件是指所述一组测试风参数中的每个风参数不超出预定边界范围的临界值的预定百分数，其中，所述预定边界范围基于所述样本风参数来确定。
12.一种缩减风电机组载荷工况的设备，其特征在于，所述设备包括：
载荷工况组获取单元，获取用于风电机组仿真的多个载荷工况组，其中，所述多个载荷工况组中的每个载荷工况组包括多个载荷子工况；
分组单元，基于预设的运行条件对所有载荷工况组进行分组，获得多个载荷工况小组；
样本风参数获取单元，获取多组样本风参数；
粗筛选单元，基于所述多组样本风参数和所述多个载荷工况组对所有载荷子工况进行筛选，获得粗筛选载荷子工况集合；
细筛选单元，基于所述多组样本风参数和所述多个载荷工况小组对所有载荷子工况进行筛选，获得细筛选载荷子工况集合；
合并单元，将所述粗筛选载荷子工况集合和所述细筛选载荷子工况集合取并集，获得载荷子工况缩减集合。
13.如权利要求12所述的设备，其特征在于，所述风电机组在所述多个载荷工况组中的每个载荷工况组下包括多个载荷变量，
其中，粗筛选单元在所述多组样本风参数中的任一样本风参数下，执行以下处理：
确定在每个载荷工况组下的每个载荷变量的包络时序载荷的最值；
将每个载荷工况组下的每个载荷变量的包络时序载荷的最值中满足预定条件的最值所对应的载荷子工况所属的载荷子工况集合取并集，获得第一预筛选载荷子工况集合；
将所获得的所有第一预筛选载荷子工况集合取并集，获得第二预筛选载荷子工况集合；
粗筛选单元将在所述多组样本风参数下获得的所有第二预筛选载荷子工况集合取并集，获得粗筛选载荷子工况集合。
14.如权利要求13所述的设备，其特征在于，所述粗筛选单元通过以下方式确定在任意一个载荷工况组下的任意一个载荷变量的包络时序载荷的最值：
确定所述任意一个载荷工况组所包括的多个载荷子工况下的所述任意一个载荷变量的包络时序载荷；
将确定的多个载荷子工况下的所述任意一个载荷变量的包络时序载荷中的最值确定为所述任意一个载荷工况组下的所述任意一个载荷变量的包络时序载荷的最值。
15.如权利要求13所述的设备，其特征在于，所述细筛选单元在所述多组样本风参数中的任一样本风参数下，执行以下处理：
确定在每个载荷工况小组下的每个载荷变量的包络时序载荷的最值；
将每个载荷工况小组下的每个载荷变量的包络时序载荷的最值中满足预定条件的最值所对应的载荷工况小组取并集，获得第三预筛选载荷子工况集合；
将所获得的所有第三预筛选载荷子工况集合取并集，获得第四预筛选载荷子工况集合；
细筛选单元将在所述多组样本风参数下获得的所有第四预筛选载荷子工况集合取并集，获得细筛选载荷子工况集合。
16.如权利要求15所述的设备，其特征在于，所述细筛选单元通过以下方式确定在任意一个载荷工况小组下的任意一个载荷变量的包络时序载荷的最值的步骤包括：
确定所述任意一个载荷工况小组所包括的载荷子工况下的所述任意一个载荷变量的包络时序载荷；
将确定的所述任意一个载荷工况小组所包括的载荷子工况下的所述任意一个载荷变量的包络时序载荷中的最大值或最小值确定为所述任意一个载荷工况小组下的所述任意一个载荷变量的包络时序载荷的最值。
17.如权利要求13或15所述的设备，其特征在于，所述最值指示最大值或者最小值，
如果所述最值指示最大值，则所述预设条件指示每个载荷工况组下或者每个载荷工况小组下的每个载荷变量的包络时序载荷的最值按照从大到小的顺序排序后排在前N位的最值；
如果所述最值指示最小值，则所述预设条件指示每个载荷工况组下或者每个载荷工况小组下的每个载荷变量的包络时序载荷的最值按照从小到大的顺序排序后排在前N位的最值，
其中，N为正整数。
18.一种电子设备，其特征在于，所述电子设备包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序；
所述处理器执行所述计算机程序时实现如权利要求1至11任一项所述的缩减风电机组载荷工况的方法。
19.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至11任意一项所述的缩减风电机组载荷工况的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010238089.0A CN113468711B (zh) | 2020-03-30 | 2020-03-30 | 缩减风电机组的载荷工况的方法和设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010238089.0A CN113468711B (zh) | 2020-03-30 | 2020-03-30 | 缩减风电机组的载荷工况的方法和设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113468711A true CN113468711A (zh) | 2021-10-01 |
| CN113468711B CN113468711B (zh) | 2024-02-06 |
Family
ID=77864948
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010238089.0A Active CN113468711B (zh) | 2020-03-30 | 2020-03-30 | 缩减风电机组的载荷工况的方法和设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113468711B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573172A (zh) * | 2014-11-19 | 2015-04-29 | 新疆金风科技股份有限公司 | 风力发电机组中的结构件的疲劳分析方法和疲劳分析装置 |
| CN105160406A (zh) * | 2015-09-02 | 2015-12-16 | 中联重科股份有限公司 | 工程机械设备的检测数据的处理方法、装置和系统 |
| CN106503316A (zh) * | 2016-10-12 | 2017-03-15 | 广东明阳风电产业集团有限公司 | 一种风机载荷高效评估系统 |
| CN108681449A (zh) * | 2018-05-17 | 2018-10-19 | 北京航空航天大学 | 数字卫星载荷情报压缩复接源代码人工智能书写方法 |
| CN110046376A (zh) * | 2019-02-26 | 2019-07-23 | 中国西安卫星测控中心 | 一种基于贝叶斯网络的卫星姿控系统多工况健康评估方法 |
| CN110210044A (zh) * | 2018-02-28 | 2019-09-06 | 北京金风科创风电设备有限公司 | 风力发电机组的载荷预测方法和装置 |
-
2020
- 2020-03-30 CN CN202010238089.0A patent/CN113468711B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104573172A (zh) * | 2014-11-19 | 2015-04-29 | 新疆金风科技股份有限公司 | 风力发电机组中的结构件的疲劳分析方法和疲劳分析装置 |
| CN105160406A (zh) * | 2015-09-02 | 2015-12-16 | 中联重科股份有限公司 | 工程机械设备的检测数据的处理方法、装置和系统 |
| CN106503316A (zh) * | 2016-10-12 | 2017-03-15 | 广东明阳风电产业集团有限公司 | 一种风机载荷高效评估系统 |
| CN110210044A (zh) * | 2018-02-28 | 2019-09-06 | 北京金风科创风电设备有限公司 | 风力发电机组的载荷预测方法和装置 |
| CN108681449A (zh) * | 2018-05-17 | 2018-10-19 | 北京航空航天大学 | 数字卫星载荷情报压缩复接源代码人工智能书写方法 |
| CN110046376A (zh) * | 2019-02-26 | 2019-07-23 | 中国西安卫星测控中心 | 一种基于贝叶斯网络的卫星姿控系统多工况健康评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113468711B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019165753A1 (zh) | 风力发电机组的载荷预测方法和装置 | |
| Tang et al. | Dimension-adaptive sparse grid interpolation for uncertainty quantification in modern power systems: Probabilistic power flow | |
| JP4995134B2 (ja) | 風車の監視装置及び方法並びにプログラム | |
| CN110442833A (zh) | 一种基于多维度scada数据评估风电机组健康状态评估方法 | |
| CN109670213B (zh) | 一种风电场多机等值建模方法及装置 | |
| CN113937793B (zh) | 一种基于阻抗分段降阶模型零点辨识的稳定性分析方法 | |
| CN112459971A (zh) | 风力发电机组塔筒的异常振动检测方法 | |
| Asareh et al. | A computational platform for considering the effects of aerodynamic and seismic load combination for utility scale horizontal axis wind turbines | |
| CN112765743A (zh) | 一种风电机组整机一体化设计多目标协同优化方法及装置 | |
| CN105260572A (zh) | 一种风机叶片建模软件调用系统及其调用方法 | |
| CN113468711B (zh) | 缩减风电机组的载荷工况的方法和设备 | |
| CN108335035A (zh) | 风力发电机组运行状态的评估方法及装置 | |
| CN111950131A (zh) | 一种考虑限电因素的风电场出力等值聚合模型构建方法 | |
| CN112052604A (zh) | 风机等效疲劳载荷的预测方法、系统、设备及可读介质 | |
| CN115434870B (zh) | 风力发电组振动数据的处理方法、装置、设备及存储介质 | |
| CN114221359B (zh) | 基于决策树的新能源电力系统调频能力建模与分析方法 | |
| CN111651843B (zh) | 发电机主机架的设计方法、系统及电子设备 | |
| CN113361058A (zh) | 确定风电场的代表风参数的方法和设备 | |
| KR20230161721A (ko) | 딥 러닝 기반 재생 에너지 소비 및 생산 예측 방법 및 그 장치 | |
| CN114912807A (zh) | 一种风电机组技改后发电量提升效果评估方法和评估系统 | |
| Stammler et al. | Load case selection for finite element simulations of wind turbine pitch bearings and hubs | |
| Khalel et al. | Dynamic security assessment for the power system in the presence of wind turbines | |
| McKinnon et al. | Comparison of novel SCADA data cleaning technique for wind turbine electric pitch system | |
| CN115373373B (zh) | 一种风电机组主场控软件测试方法 | |
| CN116933570B (zh) | 风电场再开发过程中的发电量评估方法和装置 |
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 | ||
| CB02 | Change of applicant information |
Address after: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Applicant after: Jinfeng Technology Co.,Ltd. Address before: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region Applicant before: XINJIANG GOLDWIND SCIENCE & TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |