CN113623143A - 风电机组发电量损失根因自动识别系统及其实现方法 - Google Patents
风电机组发电量损失根因自动识别系统及其实现方法 Download PDFInfo
- Publication number
- CN113623143A CN113623143A CN202110936961.3A CN202110936961A CN113623143A CN 113623143 A CN113623143 A CN 113623143A CN 202110936961 A CN202110936961 A CN 202110936961A CN 113623143 A CN113623143 A CN 113623143A
- Authority
- CN
- China
- Prior art keywords
- wind
- unit
- wind turbine
- loss
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000012423 maintenance Methods 0.000 claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000005611 electricity Effects 0.000 claims abstract description 11
- 238000010977 unit operation Methods 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims description 13
- 238000013500 data storage Methods 0.000 claims description 7
- 238000004519 manufacturing process Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000007726 management method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 4
- 238000010252 digital analysis Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process 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
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
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
一种风电机组发电量损失根因自动识别系统及其实现方法,涉及风电机组发电量损失分析技术领域,其能够在风电机组运行过程中,自动分析机组因电网限电、机组故障、机组检修、自身性能降低等多种原因而损失的发电量,并且能够自动分析性能损失根因,给出维护建议,进而有效提升机组发电量。所述风电机组发电量损失根因自动识别系统中,先通过分析机组状态数据,将机组进行划分,再基于机组理论功率曲线、风速和发电量数据分析出机组各项损失电量;再通过输入机组运行数据,自动分析计算并得出性能损失根因,再给出相关运维建议。
Description
技术领域
本发明涉及风电机组发电量损失分析技术领域,尤其涉及一种风电机组发电量损失根因自动识别系统及其实现方法。
背景技术
在风电场运营期间,发电量和运维成本总是业主所关心的;在早期,由于风电技术水平和制造工艺等问题,机组故障率很高,如何有效降低机组故障率,提升机组利用率和发电量成为大多数企业的关注重点。
随着机组质量、运维水平不断提升,故障率逐年降低,同时随着风电场机组老化和运营管理要求的提高,增加风电场效益单纯依靠降低机组故障率提升发电量这一方式已不能满足需求,而通过分析机组损失电量,改进运营方式,进而提升机组发电量越来越受到风电场的青睐。
发明内容
本发明的目的在于提供一种风电机组发电量损失根因自动识别系统及其实现方法,其能够在风电机组运行过程中,自动分析机组因电网限电、机组故障、机组检修、自身性能降低等多种原因而损失的发电量,并且能够自动分析性能损失根因,给出维护建议,进而有效提升机组发电量。
为达到上述目的,本发明采用如下技术方案:
一种风电机组发电量损失根因自动识别系统,包括:风速风向传感器、工况测量仪、角度传感器、温度传感器,且所述风速风向传感器、所述角度传感器、所述温度传感器及所述工况测量仪用于至少获取以下测点的测量数据:
数据存储模块,所述数据存储模块用于建立测点指标数据存储功能并完成历史数控存储;
模数分析模块,所述模数分析模块用于根据风场、机组、机型信息进行分类,将风电机组生产和运维数据作为输入指标,对风电机组进行分析,分析模型具备但不限于以下功能:机组损失电量分析、机组实际功率曲线、风资源分析、以及机组性能损失分析;
可视化界面模块,所述可视化界面模块用于进行单机性能分析、机组对比、全场概览、以及运维建议的显示;
网络通讯模块,所述网络通讯模块用于通过以太网和RS232/RS485接口实现与外部设备的数据通信,且通讯协议支持TCP/IP、Modbus。
具体地,风场运行数据测点包括:机组状态、限电状态、风速、风向、有功功率、发电量、对风角度、机舱位置、桨叶1角度、桨叶2角度、桨叶3角度、叶轮转速、发电机转速、以及环境温度,并采用Modbus通讯的方式从SCADA系统、风功率预测系统、以及能量管理系统中获取。
相对于现有技术,本发明所述的风电机组发电量损失根因自动识别系统具有以下优势:
本发明提供的风电机组发电量损失根因自动识别系统中,由于结合先进的人工智能、大数据技术,实现了风电资产的智能化整体升级;且该系统基于历史及实时的SCADA数据对风电场运行状态进行评估,同时通过连接风机资产和运维及技术人员,实时获取资产全面信息,优化机组运行性能;并通过机组设备的远程监控,结合智能化算法,建立完备的故障智能分析诊断系统,洞察设备的健康状态,预警即将发生的故障,以及结合人工智能和机器学习技术在线优化风机控制策略,动态评估风电场运营效率,因此本发明提供的一种风电机组发电量损失根因自动识别系统,能够在风电机组运行过程中,自动分析机组因电网限电、机组故障、机组检修、自身性能降低等多种原因而损失的发电量,并且能够自动分析性能损失根因,给出维护建议,进而有效提升机组发电量。
一种风电机组发电量损失根因自动识别系统的实现方法,包括以下步骤:
安装风电机组发电量损失根因自动识别系统的服务器,并将机组运行数据、风场风资源数据、以及调度限电数据的测量点接入;
建立测点指标数据库,并完成历史数据的存储功能;
建立具有风电机组发电量损失根因模型的模数分析模块,并具有但不限于以下功能:机组损失电量分析、机组实际功率曲线、风资源分析、以及机组性能损失分析;
对风电机组发电量损失根因进行可视化展示,并出具相关模型的运维建议报告。
具体地,先通过分析机组状态数据,将机组划分为待机等风、启动、并网、调度限功率、调度停机、故障停机、检修停机状态,再基于机组理论功率曲线、风速和发电量数据分析出机组各项损失电量,包括故障损失电量、计划检修损失电量、性能损失电量、调度限电损失电量;
再通过输入机组运行数据,包括机组状态、风速、风向、有功功率、发电量、对风角度、机舱位置、桨叶1角度、桨叶2角度、桨叶3角度、叶轮转速、发电机转速、环境温度数据,自动分析计算并得出性能损失根因,再给出相关运维建议。
所述风电机组发电量损失根因自动识别系统的实现方法与上述风电机组发电量损失根因自动识别系统相对于现有技术所具有的优势相同,在此不再赘述。
附图说明
图1为本发明实施例提供的风电机组发电量损失根因自动识别系统的结构框架图;
图2为本发明实施例提供的风电机组发电量损失根因自动识别系统的实现方法的流程示意图;
图3为本发明实施例提供的风电机组发电量损失根因自动识别系统中单机性能分析的显示示意图;
图4为本发明实施例提供的风电机组发电量损失根因自动识别系统中机组对比的显示示意图;
图5为本发明实施例提供的风电机组发电量损失根因自动识别系统中全场概览的显示示意图。
附图标记:
11-风速风向传感器;12-工况测量仪;13-角度传感器;14-温度传感器;2-数据存储模块;3-模数分析模块;4-可视化界面模块;5-网路通讯模块。
具体实施方式
为了便于理解,下面结合说明书附图,对本发明实施例提供的风电机组发电量损失根因自动识别系统及其实现方法进行详细描述。
本发明实施例提供一种风电机组发电量损失根因自动识别系统,如图1所示,包括:风速风向传感器11、工况测量仪12、角度传感器13、温度传感器14,且该风速风向传感器11、角度传感器13、温度传感器14及工况测量仪12用于至少获取以下测点的测量数据:
测点 | 提取数据 |
机组状态 | 原始值; |
限电状态 | 原始值; |
风速 | 原始值; |
风向 | 原始值; |
有功功率 | 原始值; |
发电量 | 原始值; |
对风角度 | 原始值; |
机舱位置 | 原始值; |
桨叶1角度 | 原始值; |
桨叶2角度 | 原始值; |
桨叶3角度 | 原始值; |
叶轮转速 | 原始值; |
发电机转速 | 原始值; |
环境温度 | 原始值; |
数据存储模块2,该数据存储模块2用于建立测点指标数据存储功能并完成历史数控存储;
模数分析模块3,该模数分析模块3用于根据风场、机组、机型信息进行分类,将风电机组生产和运维数据作为输入指标,对风电机组进行分析,分析模型具备但不限于以下功能:机组损失电量分析、机组实际功率曲线、风资源分析、以及机组性能损失分析;
可视化界面模块4,该可视化界面模块4用于进行单机性能分析、机组对比、全场概览、以及运维建议的显示;
网络通讯模块5,该网络通讯模块5用于通过以太网和RS232/RS485接口实现与外部设备的数据通信,且通讯协议支持TCP/IP、Modbus。
相对于现有技术,本发明实施例所述的风电机组发电量损失根因自动识别系统具有以下优势:
本发明实施例提供的风电机组发电量损失根因自动识别系统中, 由于结合先进的人工智能、大数据技术,实现了风电资产的智能化整体升级;且该系统基于历史及实时的SCADA数据对风电场运行状态进行评估,同时通过连接风机资产和运维及技术人员,实时获取资产全面信息,优化机组运行性能;并通过机组设备的远程监控,结合智能化算法,建立完备的故障智能分析诊断系统,洞察设备的健康状态,预警即将发生的故障,以及结合人工智能和机器学习技术在线优化风机控制策略,动态评估风电场运营效率,因此本发明实施例提供的一种风电机组发电量损失根因自动识别系统,能够在风电机组运行过程中,自动分析机组因电网限电、机组故障、机组检修、自身性能降低等多种原因而损失的发电量,并且能够自动分析性能损失根因,给出维护建议,进而有效提升机组发电量。
具体地,风场运行数据测点可以包括:机组状态、限电状态、风速、风向、有功功率、发电量、对风角度、机舱位置、桨叶1角度、桨叶2角度、桨叶3角度、叶轮转速、发电机转速、以及环境温度,并采用Modbus通讯的方式从SCADA系统、风功率预测系统、以及能量管理系统中获取。
如图2所示,本发明实施例再提供一种风电机组发电量损失根因自动识别系统的实现方法,包括以下步骤:
步骤S1、安装风电机组发电量损失根因自动识别系统的服务器,并将机组运行数据、风场风资源数据、以及调度限电数据的测量点接入;
步骤S2、建立测点指标数据库,并完成历史数据的存储功能;
步骤S3、建立具有风电机组发电量损失根因模型的模数分析模块,并具有但不限于以下功能:机组损失电量分析、机组实际功率曲线、风资源分析、以及机组性能损失分析;
步骤S4、对风电机组发电量损失根因进行可视化展示,并出具相关模型的运维建议报告。
具体地,先通过分析机组状态数据,将机组划分为待机等风、启动、并网、调度限功率、调度停机、故障停机、检修停机状态,再基于机组理论功率曲线、风速和发电量数据分析出机组各项损失电量,包括故障损失电量、计划检修损失电量、性能损失电量、调度限电损失电量;
再通过输入机组运行数据,包括机组状态、风速、风向、有功功率、发电量、对风角度、机舱位置、桨叶1角度、桨叶2角度、桨叶3角度、叶轮转速、发电机转速、环境温度数据,自动分析计算并得出性能损失根因,再给出相关运维建议。
综上所述,本发明实施例提供的风电机组发电量损失根因自动识别系统及其实现方法,能够在风电机组运行过程中,自动分析机组因电网限电、机组故障、机组检修、自身性能降低等多种原因而损失的发电量,并且能够自动分析性能损失根因,给出维护建议,进而有效提升机组发电量。
此处需要补充说明的是,SCADA(Supervisory Control And Data Acquisition)系统,即数据采集与监视控制系统。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (4)
1.一种风电机组发电量损失根因自动识别系统,其特征在于,包括:
风速风向传感器、工况测量仪、角度传感器、温度传感器,且所述风速风向传感器、所述角度传感器、所述温度传感器及所述工况测量仪用于至少获取以下测点的测量数据:
数据存储模块,所述数据存储模块用于建立测点指标数据存储功能并完成历史数控存储;
模数分析模块,所述模数分析模块用于根据风场、机组、机型信息进行分类,将风电机组生产和运维数据作为输入指标,对风电机组进行分析,分析模型具备但不限于以下功能:机组损失电量分析、机组实际功率曲线、风资源分析、以及机组性能损失分析;
可视化界面模块,所述可视化界面模块用于进行单机性能分析、机组对比、全场概览、以及运维建议的显示;
网络通讯模块,所述网络通讯模块用于通过以太网和RS232/RS485接口实现与外部设备的数据通信,且通讯协议支持TCP/IP、Modbus。
2.根据权利要求1所述的风电机组发电量损失根因自动识别系统,其特征在于,风场运行数据测点包括:机组状态、限电状态、风速、风向、有功功率、发电量、对风角度、机舱位置、桨叶1角度、桨叶2角度、桨叶3角度、叶轮转速、发电机转速、以及环境温度,并采用Modbus通讯的方式从SCADA系统、风功率预测系统、以及能量管理系统中获取。
3.一种风电机组发电量损失根因自动识别系统的实现方法,其特征在于,包括以下步骤:
安装风电机组发电量损失根因自动识别系统的服务器,并将机组运行数据、风场风资源数据、以及调度限电数据的测量点接入;
建立测点指标数据库,并完成历史数据的存储功能;
建立具有风电机组发电量损失根因模型的模数分析模块,并具有但不限于以下功能:机组损失电量分析、机组实际功率曲线、风资源分析、以及机组性能损失分析;
对风电机组发电量损失根因进行可视化展示,并出具相关模型的运维建议报告。
4.根据权利要求3所述的风电机组发电量损失根因自动识别系统的实现方法,其特征在于,先通过分析机组状态数据,将机组划分为待机等风、启动、并网、调度限功率、调度停机、故障停机、检修停机状态,再基于机组理论功率曲线、风速和发电量数据分析出机组各项损失电量,包括故障损失电量、计划检修损失电量、性能损失电量、调度限电损失电量;
再通过输入机组运行数据,包括机组状态、风速、风向、有功功率、发电量、对风角度、机舱位置、桨叶1角度、桨叶2角度、桨叶3角度、叶轮转速、发电机转速、环境温度数据,自动分析计算并得出性能损失根因,再给出相关运维建议。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110936961.3A CN113623143A (zh) | 2021-08-16 | 2021-08-16 | 风电机组发电量损失根因自动识别系统及其实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110936961.3A CN113623143A (zh) | 2021-08-16 | 2021-08-16 | 风电机组发电量损失根因自动识别系统及其实现方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113623143A true CN113623143A (zh) | 2021-11-09 |
Family
ID=78385773
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110936961.3A Pending CN113623143A (zh) | 2021-08-16 | 2021-08-16 | 风电机组发电量损失根因自动识别系统及其实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113623143A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667226A (zh) * | 2009-09-30 | 2010-03-10 | 华北电力大学(保定) | 风电场及机组出力损失计算方法 |
CN104809556A (zh) * | 2015-04-22 | 2015-07-29 | 中国大唐集团新能源股份有限公司 | 风电机组损失电量计算方法 |
CN106523300A (zh) * | 2017-01-03 | 2017-03-22 | 国电联合动力技术有限公司 | 基于机舱风速仪的风电机组损失电量评估方法 |
CN109086253A (zh) * | 2018-07-20 | 2018-12-25 | 西安西热电站信息技术有限公司 | 一种基于可靠性维度的风电机组损失电量计算方法 |
CN112632112A (zh) * | 2019-12-31 | 2021-04-09 | 北京金风慧能技术有限公司 | 风力发电机组的损失电量的计算方法和设备 |
-
2021
- 2021-08-16 CN CN202110936961.3A patent/CN113623143A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101667226A (zh) * | 2009-09-30 | 2010-03-10 | 华北电力大学(保定) | 风电场及机组出力损失计算方法 |
CN104809556A (zh) * | 2015-04-22 | 2015-07-29 | 中国大唐集团新能源股份有限公司 | 风电机组损失电量计算方法 |
CN106523300A (zh) * | 2017-01-03 | 2017-03-22 | 国电联合动力技术有限公司 | 基于机舱风速仪的风电机组损失电量评估方法 |
CN109086253A (zh) * | 2018-07-20 | 2018-12-25 | 西安西热电站信息技术有限公司 | 一种基于可靠性维度的风电机组损失电量计算方法 |
CN112632112A (zh) * | 2019-12-31 | 2021-04-09 | 北京金风慧能技术有限公司 | 风力发电机组的损失电量的计算方法和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104978608B (zh) | 一种风电功率预测装置及预测方法 | |
CN111525684A (zh) | 一种基于云平台的风电场集群化监控的运维系统 | |
US20140316838A1 (en) | Decision support system (dss) for maintenance of a plurality of renewable energy generators in a renewable power plant | |
CN116720631B (zh) | 一种分布式光伏发电电量分析预测方法、系统及存储介质 | |
CN106523300B (zh) | 基于机舱风速仪的风电机组损失电量评估方法 | |
CN112231361A (zh) | 一种基于风机运行数据的风电项目发电量评估方法 | |
CN113154897B (zh) | 一种火电厂空冷系统的远程运维系统 | |
US20130253853A1 (en) | Stress factor driven maintenance and scheduling | |
CN111950764A (zh) | 一种极端天气条件电网风电功率预测修正方法 | |
KR20150049186A (ko) | 풍력발전 시스템의 데이터 처리장치 및 방법 | |
CN113187672B (zh) | 一种风力发电站的潜能评估方法 | |
CN103645060A (zh) | 基于状态监控系统的风力发电机组突发故障识别诊断方法 | |
CN113623143A (zh) | 风电机组发电量损失根因自动识别系统及其实现方法 | |
CN114738212B (zh) | 一种考虑多属性气象特性的风电机组检修方法及装置 | |
CN115757569A (zh) | 基于国产化结构的新能源多类型数据调配方法及系统 | |
CN115392560A (zh) | 一种基于决策树的变流器故障预测方法和系统 | |
CN107045548B (zh) | 一种计算风电能量利用率的系统及方法 | |
CN116050072A (zh) | 一种基于随机采样一致性的风电机组理论功率曲线识别方法和装置 | |
CN115842408A (zh) | 基于scada的风电场运行状态检测系统及方法 | |
CN113761692B (zh) | 一种基于迁移成分分析的多风电机组运行状态辨识方法 | |
CN107871177B (zh) | 一种新能源功率预测集中式架构的实现方法 | |
CN105024379B (zh) | 一种风机检修管理调度系统 | |
Wang et al. | Data quality analysis framework and evaluation methods for power system operation with high proportion of renewable energy penetration | |
CN114239920A (zh) | 一种风电功率短期预测方法 | |
CN114510815A (zh) | 一种风电机组功率特性评估方法及系统 |
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: 20211109 |
|
RJ01 | Rejection of invention patent application after publication |