CN113638851A - 一种用于风力发电机组失速监测的方法 - Google Patents

Abstract

本发明公开了一种用于风力发电机组失速监测的方法，包括以下步骤：获取风力发电机组运行状态数据和保证功率曲线数据，根据机组实际运行状况选定风速区间；求解选定风速区间内保证功率曲线趋势函数；获取选定风速区间内风力发电机组的运行状态数据，进行边缘数据定位；基于边缘数据进行失速边界初步求解；针对风力发电机组不同情况下的失速进行失速边界的精细求解；根据失速边界进行失速判别。上述技术方案在失速边界构建过程中，即考虑了机组的出力趋势，又结合了机组实际运行数据，因此具有较好的灵活性和可靠性，相比于单一的数据监测方法，以数据分布监测为主体，并以失速相关物理量监测进行验证，保证了失速监测结果的有效性和可解释性。

Description

一种用于风力发电机组失速监测的方法

技术领域

本发明涉及风力发电技术领域，尤其涉及一种用于风力发电机组失速监测的方法。

背景技术

叶片作为风力发电机组的主要部件之一，其捕获风能的能力将直接影响风力发电机组的出力性能。在风力发电机组实际运行过程中，由于叶片设计、环境等原因，均可能出现风力发电机组失速现象。该现象主要体现为风力发电机组风能捕获能力下降，出力性能远低于理论水平。一般来说，风力发电机组失速现象的出现将会导致机组或风电场发电量的大量损失。因此，对风力发电机组失速现象进行有效监测，对于提高风电场经济收益具有着重要意义。

有资料显示，现有的失速数据监测技术主要有以下两种方式：1.将机组实际运行的功率曲线与设计功率曲线进行对比；2.在第一种方式基础上，增加预设条件，通过多种机组运行数据完成失速数据判别。

虽然上述方法均可实现风力发电机组数据的失速监测，但也存在一定的局限性。例如，第一种方式中设计功率曲线是理想状态下的机组出力情况，而在实际环境下受外界环境等因素的影响，机组的实际出力存在偏差波动，因此通过实际运行功率曲线与设计功率曲线进行失速数据的监测易存在较大误差；第二种方式通过对机组运行状态和环境数据来进一步考虑外界环境等因素对失速的影响，但是该方式需要额外获取大量的辅助信息，如环境温度、海拔等。

中国专利文献CN112855457A公开了一种“失速监测系统、方法及叶片”。系统包括：设置于风力发电机组的叶片的尾缘处的一个或一个以上的柔性附件；数据采集装置，用于采集柔性附件的振动数据；处理装置，用于获取振动数据，根据振动数据，确定柔性附件的振动频率是否超出正常振动频率范围，若振动频率超出正常振动频率范围，判定风力发电机组发生失速。上述技术方案需要额外获取大量的辅助信息，导致处理信息量大，效率低。

发明内容

本发明主要解决原有的技术方案机组的实际出力存在偏差波动且需要额外获取大量的辅助信息的技术问题，提供一种用于风力发电机组失速监测的方法，从失速数据的分布特性、关联物理量的特征变化等多个方面结合考虑风力发电机组运行数据失速问题，在失速边界构建过程中，即考虑了机组的出力趋势，又结合了机组实际运行数据，因此具有较好的灵活性和可靠性，相比于单一的数据监测方法，以数据分布监测为主体，并以失速相关物理量监测进行验证，保证了失速监测结果的有效性和可解释性。

本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：

S1获取风力发电机组运行状态数据和保证功率曲线数据，根据机组实际运行状况选定风速区间；

S2求解选定风速区间内保证功率曲线趋势函数；

S3获取选定风速区间内风力发电机组的运行状态数据，进行边缘数据定位；

S4基于边缘数据进行失速边界初步求解；

S5针对风力发电机组不同情况下的失速进行失速边界的精细求解；

S6根据失速边界进行失速判别。

作为优选，所述的步骤S1选定风速区间包括以下原则：首先，选定风速区间需位于机组额定风速之前；其次，选定风速区间需反映机组变转速阶段的功率变化趋势，一般选取机组变转速阶段的中间风速区间。

作为优选，所述的步骤S2选定风速区间保证功率曲线趋势函数求解：

假设保证功率曲线数据为{(v_i,p_i),1≤i≤50},选取风速区间[v_c,v_d],对应功率区间[p_c,p_d]，则选定风速区间保证功率曲线趋势函数f计算方式如下：

f(x)＝kx+b

其中，k为选定风速区间保证功率曲线趋势函数斜率，b为截距。

作为优选，所述的步骤S3边缘数据定位具体包括：获取选定风速区间风力发电机组运行状态数据，按照相同功率间隔对数据进行子区划分，选取各子区中最大或最小风速运行数据作为边缘数据，其中，若将最大风速作为边缘数据选择标准，则生成右侧边缘数据集合；反之，则生成左侧边缘数据集合。相同功率间隔如50KWh。

作为优选，所述的步骤S4基于边缘数据进行失速边界初步求解具体包括：

首选右侧边缘数据集合进行失速边界的初步构建。假设右侧边缘数据集合为X_r＝{(v_j,p_j),1≤j≤n,n为集合数据长度}，则失速边界函数g计算方式如下：

g(x)＝kx+b₁

其中，x为失速边界函数输入，g(x)为失速边界函数输出，k为选定风速区间保证功率曲线趋势函数斜率，b₁为函数截距。

作为优选，当按照风速区间选择原则选定的风速区间内无数据时，选取左侧边缘数据集合，相比于正常的边缘数据集合构建，此时选定风速区间为[0,v_d]的数据来构建边缘数据集合，假设左侧边缘数据集合为X_l＝{(v_j,p_j),1≤j≤m,m为集合数据长度}，则失速边界函数g计算方式如下：

g(x)＝kx+b₁

b₁＝2*b-b₂

作为优选，所述的步骤S5针对风力发电机组不同情况下的失速进行失速边界的精细求解具体包括：

首先，根据机组实际运行状态进行失速边界分界点的求解，假设机组额定功率为p_s，额定功率折中系数为λ，则分界点v_o计算方式如下：

其中，p_s、λ分别根据机组额定功率和设计人员经验进行设置，

然后，对于分界点v_o后的数据设定失速边界，假设分界点v_o后额定功率折中系数为β，则失速边界为h(x)＝β*p_s，其中，β根据设计人员经验进行设置。对于步骤S4求解出的失速边界函数只适用于机组变转速阶段，对于额定风速及以后阶段无法适用，因此需对失速边界进行分界点求解并对分界点后的数据进行精细化处理。其中，p_s、λ分别根据机组额定功率和设计人员经验进行设置，例如p_s＝1500、λ＝0.9，β根据设计人员经验进行设置，例如β＝0.95。

作为优选，所述的步骤S6基于边缘数据进行失速判别具体包括：

S6.1基于失速边界进行失速数据初步判别；

S6.2设定时间连续性时长，基于失速边界判别结果进行失速连续性判别；

S6.3进行失速数据状态的二次确认，完成失速数据的最终监测。

作为优选，所述的步骤S6.1基于失速边界进行失速数据初步判别具体包括：

基于步骤S5的失速边界的精细求解，失速边界最终表示为如下形式：

对于风速分界点之前的数据，若其功率低于g(x)，则为失速数据；对于风速分界点之后的数据，若其功率低于h(x)，则为失速数据。

作为优选，所述的步骤S6.2在时间连续性方面，若基于失速边界监测出的失速数据在时间上存在一定的时间连续性，则为失速数据。

对于风力发电机组失速状态而言，其失速特性不仅会在风速-功率数据形态分布上体现，在与失速特性相关的其他物理量上也会有所体现。因此，可基于失速特性相关物理量来进一步对数据失速情况进行监测和确认。

在本发明中，采用基于失速特性相关物理量完成失速数据的进一步监测(如时间连续性)，减少数据误判。在时间连续性方面，若基于失速边界监测出的失速数据在时间上存在一定的时间连续性(其中，时间连续周期根据设计人员经验进行设置，例如24小时)，则为失速数据。

本发明的有益效果是：

1.本发明从失速数据的分布特性、相关联物理量的特征变化等多个方面结合考虑构建技术方案，提出了一种用于风力发电机组失速监测的方法，实现了对风速-功率失速数据的识别。

2.本发明在失速边界构建过程中，即考虑了机组的出力趋势，又结合了机组实际运行数据，因此具有较好的灵活性和可靠性。

3.相比于单一的数据监测方法，本发明以数据分布监测为主体，并以失速相关物理量监测进行验证，保证了失速监测结果的有效性和可解释性。

附图说明

图1是本发明的一种风力发电机组失速监测流程图。

图2是本发明的一种失速边界构建流程图。

图3是本发明的一种失速判别流程图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例：本实施例的一种用于风力发电机组失速监测的方法，如图1、图2、图3所示，包括以下步骤：

1-1选定风速区间保证功率曲线趋势函数求解：

获取风力发电机组运行状态数据和保证功率曲线数据，根据机组实际运行状况选定风速区间，进行选定风速区间保证功率曲线趋势函数求解。

获取风力发电机组运行状态数据和保证功率曲线数据，根据机

1-1-1组实际运行状况选定风速区间：

获取风力发电机组运行状态数据和保证功率曲线数据，观察机组实际运行情况，选定风速区间。风速区间选择原则如下：首先，选定风速区间需位于机组额定风速之前；其次，选定风速区间需较好的反映机组变转速阶段的功率变化趋势，一般选取机组变转速阶段的中间风速区间。

1-1-2选定风速区间保证功率曲线趋势函数求解：

假设保证功率曲线数据为{(v_i,p_i),1≤i≤50},选取风速区间[v_c,v_d],对应功率区间[p_c,p_d]，则选定风速区间保证功率曲线趋势函数f计算方式如下：

f(x)＝kx+b

其中，k为选定风速区间保证功率曲线趋势函数斜率，b为截距。

1-2失速边界求解：

获取选定风速区间内风力发电机组的运行状态数据，进行边缘数据定位；基于边缘数据进行失速边界初步求解；针对风力发电机组不同情况下的失速进行失速边界的精细求解。

1-2-1边缘数据定位：

获取选定风速区间风力发电机组运行状态数据，按照相同功率间隔(如50KWh)对数据进行子区划分，选取各子区中最大(小)风速运行数据作为边缘数据。其中，若将最大风速作为边缘数据选择标准，则生成右侧边缘数据集合；反之，则生成左侧边缘数据集合。

1-2-2失速边界初步构建：

在本发明中，首选右侧边缘数据集合进行失速边界的初步构建。假设右侧边缘数据集合为X_r＝{(v_j,p_j),1≤j≤n,n为集合数据长度}，则失速边界函数g计算方式如下：

g(x)＝kx+b₁

其中，x为失速边界函数输入，g(x)为失速边界函数输出，k为选定风速区间保证功率曲线趋势函数斜率，b₁为函数截距。

当按照风速区间选择原则选定的风速区间内无数据时，本发明则选取左侧边缘数据集合，相比于正常的边缘数据集合构建，此时的选定风速区间为[0,v_d]的数据来构建边缘数据集合。假设左侧边缘数据集合为X_l＝{(v_j,p_j),1≤j≤m,m为集合数据长度}，则失速边界函数g计算方式如下：

g(x)＝kx+b₁

b₁＝2*b-b₂

1-2-3失速边界精细化：

对于上述步骤求解出的失速边界函数只适用于机组变转速阶段，对于额定风速及以后阶段无法适用，因此需对失速边界进行分界点求解并对分界点后的数据进行精细化处理。该过程具体细节如下：

首先，根据机组实际运行状态进行失速边界分界点的求解。假设机组额定功率为p_s，额定功率折中系数为λ，则分界点v_o计算方式如下：

其中，p_s、λ分别根据机组额定功率和设计人员经验进行设置，例如p_s＝1500、λ＝0.9。

然后，对于分界点v_o后的数据设定失速边界。假设分界点v_o后额定功率折中系数为β，则失速边界为h(x)＝β*p_s。其中，β根据设计人员经验进行设置，例如β＝0.95。

1-3失速判别：

基于失速边界进行失速数据初步判别；设定时间连续性时长，基于失速边界判别结果进行失速连续性判别，进行失速数据状态的二次确认，完成失速数据的最终监测。

1-3-1基于失速边界的数据失速判别：

基于上述精细化处理，失速边界最终可表示为如下形式：

对于风速分界点之前的数据，若其功率低于g(x)，则为失速数据；对于风速分界点之后的数据，若其功率低于h(x)，则为失速数据。

1-3-2基于失速特性相关物理量的数据失速判别：

对于风力发电机组失速状态而言，其失速特性不仅会在风速-功率数据形态分布上体现，在与失速特性相关的其他物理量上也会有所体现。因此，可基于失速特性相关物理量来进一步对数据失速情况进行监测和确认。

在本发明中，采用基于失速特性相关物理量完成失速数据的进一步监测(如时间连续性)，减少数据误判。在时间连续性方面，若基于失速边界监测出的失速数据在时间上存在一定的时间连续性(其中，时间连续周期根据设计人员经验进行设置，例如24小时)，则为失速数据。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

尽管本文较多地使用了失速边界、边缘数据定位等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (10)

1.一种用于风力发电机组失速监测的方法，其特征在于，包括以下步骤：

S1获取风力发电机组运行状态数据和保证功率曲线数据，根据机组实际运行状况选定风速区间；

S2求解选定风速区间内保证功率曲线趋势函数；

S3获取选定风速区间内风力发电机组的运行状态数据，进行边缘数据定位；

S4基于边缘数据进行失速边界初步求解；

S5针对风力发电机组不同情况下的失速进行失速边界的精细求解；

S6根据失速边界进行失速判别。

2.根据权利要求1所述的一种用于风力发电机组失速监测的方法，其特征在于，所述步骤S1选定风速区间包括以下原则：首先，选定风速区间需位于机组额定风速之前；其次，选定风速区间需反映机组变转速阶段的功率变化趋势，一般选取机组变转速阶段的中间风速区间。

3.根据权利要求1所述的一种用于风力发电机组失速监测的方法，其特征在于，所述步骤S2选定风速区间保证功率曲线趋势函数求解：

假设保证功率曲线数据为{(v_i,p_i),1≤i≤50},选取风速区间[v_c,v_d],对应功率区间[p_c,p_d]，则选定风速区间保证功率曲线趋势函数f计算方式如下：

f(x)＝kx+b

其中，k为选定风速区间保证功率曲线趋势函数斜率，b为截距。

4.根据权利要求1所述的一种用于风力发电机组失速监测的方法，其特征在于，所述步骤S3边缘数据定位具体包括：获取选定风速区间风力发电机组运行状态数据，按照相同功率间隔对数据进行子区划分，选取各子区中最大或最小风速运行数据作为边缘数据，其中，若将最大风速作为边缘数据选择标准，则生成右侧边缘数据集合；反之，则生成左侧边缘数据集合。

5.根据权利要求1所述的一种用于风力发电机组失速监测的方法，其特征在于，所述步骤S4基于边缘数据进行失速边界初步求解具体包括：

首选右侧边缘数据集合进行失速边界的初步构建。假设右侧边缘数据集合为X_r＝{(v_j,p_j),1≤j≤n,n为集合数据长度}，则失速边界函数g计算方式如下：

g(x)＝kx+b₁

其中，x为失速边界函数输入，g(x)为失速边界函数输出，k为选定风速区间保证功率曲线趋势函数斜率，b₁为函数截距。

6.根据权利要求5所述的一种用于风力发电机组失速监测的方法，其特征在于，当按照风速区间选择原则选定的风速区间内无数据时，选取左侧边缘数据集合，相比于正常的边缘数据集合构建，此时选定风速区间为[0,v_d]的数据来构建边缘数据集合，假设左侧边缘数据集合为X_l＝{(v_j,p_j),1≤j≤m,m为集合数据长度}，则失速边界函数g计算方式如下：

g(x)＝kx+b₁

b₁＝2*b-b₂

(v_j，p_j)∈X_l。

7.根据权利要求1所述的一种用于风力发电机组失速监测的方法，其特征在于，所述步骤S5针对风力发电机组不同情况下的失速进行失速边界的精细求解具体包括：

首先，根据机组实际运行状态进行失速边界分界点的求解，假设机组额定功率为p_s，额定功率折中系数为λ，则分界点v_o计算方式如下：

其中，p_s、λ分别根据机组额定功率和设计人员经验进行设置，

然后，对于分界点v_o后的数据设定失速边界，假设分界点v_o后额定功率折中系数为β，则失速边界为h(x)＝β*p_s，其中，β根据设计人员经验进行设置。

8.根据权利要求7所述的一种用于风力发电机组失速监测的方法，其特征在于，所述步骤S6基于边缘数据进行失速判别具体包括：

S6.1基于失速边界进行失速数据初步判别；

S6.2设定时间连续性时长，基于失速边界判别结果进行失速连续性判别；

S6.3进行失速数据状态的二次确认，完成失速数据的最终监测。

9.根据权利要求8所述的一种用于风力发电机组失速监测的方法，其特征在于，所述步骤S6.1基于失速边界进行失速数据初步判别具体包括：

基于步骤S5的失速边界的精细求解，失速边界最终表示为如下形式：

对于风速分界点之前的数据，若其功率低于g(x)，则为失速数据；对于风速分界点之后的数据，若其功率低于h(x)，则为失速数据。

10.根据权利要求8所述的一种用于风力发电机组失速监测的方法，其特征在于，所述步骤S6.2在时间连续性方面，若基于失速边界监测出的失速数据在时间上存在一定的时间连续性，则为失速数据。

Images