CN113848346A - 风电机组的极端风况条件的预测方法、装置及设备 - Google Patents
风电机组的极端风况条件的预测方法、装置及设备 Download PDFInfo
- Publication number
- CN113848346A CN113848346A CN202010597652.3A CN202010597652A CN113848346A CN 113848346 A CN113848346 A CN 113848346A CN 202010597652 A CN202010597652 A CN 202010597652A CN 113848346 A CN113848346 A CN 113848346A
- Authority
- CN
- China
- Prior art keywords
- wind
- data
- condition
- wind condition
- predicting
- 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 35
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000005070 sampling Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000012634 fragment Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010008 shearing Methods 0.000 description 2
- 239000007983 Tris buffer Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P13/00—Indicating or recording presence, absence, or direction, of movement
- G01P13/02—Indicating direction only, e.g. by weather vane
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Wind Motors (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供一种风电机组的极端风况条件的预测方法、装置及设备,所述方法包括:对测风塔风况数据进行处理以获得风况数据片段;基于所述风况数据片段中的风速与风况参数的联合概率分布,预测预定重现周期的风况参数;以及输出预测的所述预定重现周期的风况参数。
Description
技术领域
本公开涉及风力发电技术,具体的,涉及一种针对风电机组运行环境的极端风况条件的预测方法、装置及设备。
背景技术
风力发电机组在设计过程中需要考虑外部环境条件以及机组的运行状态,其中,外部环境条件又分为正常条件和极端条件。极端外部极端风况条件是指具有一定重现周期的风况条件(例如,一年一遇或50年一遇)。极端风况条件主要包括:极端湍流、极端运行阵风、极端运行相干阵风、极端风剪切以及极端风向变化。
目前,风力发电机组设计中应用的极端风况参数主要来自于IEC61400-1标准中的推荐公式。IEC61400-1是国际通用标准,其中推荐的公式是根据德国、美国和澳大利亚等国家有限的测风塔数据统计、拟合和假设得来,但该标准并没有考虑具体地区(例如,中国的部分地区)的气候条件、地形地貌等条件。随着机组叶轮直径的增长,这些极端风况参数对机组关键部件的开发起到了主导作用。
目前风力发电机组设计参数,依据IEC61400-1标准中给出的推荐公式进行极端风况参数的设定,会导致在平坦地形上的极端风况条件的参数设置过于保守,而在复杂地形上该参数设置又存在风险,机组的经济性、竞争性和可靠性等都由此受到非常大的影响与限制。
发明内容
提供本发明内容以按照简化形式介绍选择的构思,以下在具体实施方式中进一步描述选择的构思。本发明内容不意在确定所要求保护的主题的关键特征或必要特征,也不意在用于帮助确定所要求保护的主题的范围。
本发明将逆一阶可靠性方法及测风塔的高频采样数据相结合,应用于极端风况参数的计算与预测上,能够更加准确的计算风电场位置处的极端风况条件,从而打破极端风况参数只能按照标准推荐公式来计算的现状,为风电机组的开发设计打开新的局面。
根据本公开的一个方面,一种风电机组的极端风况条件的预测方法包括:对测风塔风况数据进行处理以获得风况数据片段;基于所述片风况数据片段中的风速与风况参数的联合概率分布,预测预定重现周期的风况参数;以及输出预测的所述预定重现周期的风况参数。
根据本公开的实施例,在所述预测方法中,对测风塔的风况数据进行处理的步骤可包括:获取测风塔高频采样数据,其中,高频采样数据包括时间戳、风速和风向中的至少一种变量;确定所述高频采样数据是否满足预定条件;以预定时间长度对满足所述预定条件的高频采样数据进行数据片段切割,以获得所述风况数据片段。
根据本公开的实施例,在所述预测方法中,所述预定条件包括数据完整率超过预定阈值。
根据本公开的实施例,在所述预测方法中,所述风况参数可包括风速标准差、风速变化幅值、风向变化幅值、风剪切值和风电机组载荷中的至少一个。
根据本公开的实施例,在所述预测方法中,预测所述预定重现周期的风况参数的步骤可包括:基于高斯概率函数确定所述预定重现周期的可靠性指标,其中,所述可靠性指标与针对风速值的第一标准正态变量和针对风况参数的第二标准正态变量的平方和相关联;通过所述第一标准正态变量和所述第二标准正态变量的联合概率分布计算所述风况参数相对于风速的函数;基于计算出的函数预测所述预定重现周期的风况参数。
根据本公开的另一方面,一种风电机组的极端风况条件的预测装置包括:数据处理单元,被配置为对测风塔风况数据进行处理以获得风况数据片段;数据分析单元,被配置为基于所述风况数据片段中的风速与风况参数的联合概率分布,预测预定重现周期的风况参数;以及数据输出单元,被配置为输出预测的所述预定重现周期的风况参数。
根据本公开的实施例,在所述预测装置中,所述数据处理单元可被配置为:获取测风塔高频采样数据,其中,高频采样数据包括时间戳、风速和风向中的至少一种变量;确定所述高频采样数据是否满足预定条件;以预定时间长度对满足所述预定条件的高频采样数据进行数据片段切割,以获得所述风况数据片段。
根据本公开的实施例,在所述预测装置中,所述预定条件包括数据完整率超过预定阈值。
根据本公开的实施例,在所述预测装置中,所述风况参数可包括风速标准差、风速变化幅值、风向变化幅值、风剪切值和风电机组载荷中的至少一个。
根据本公开的实施例,在所述预测装置中,预测所述预定重现周期的风况参数的步骤可包括:基于高斯概率函数确定所述预定重现周期的可靠性指标,其中,所述可靠性指标与针对风速值的第一标准正态变量和针对风况参数的第二标准正态变量的平方和相关联;通过所述第一标准正态变量和所述第二标准正态变量的联合概率分布计算所述风况参数相对于风速的函数;基于计算出的函数预测所述预定重现周期的风况参数。
根据本公开的另一方面,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如上所述的任意一项所述的风电机组的极端风况条件的预测方法。
根据本公开的另一方面,一种计算机设备包括:处理器;存储器,存储有计算机程序,当所述计算机程序被处理器执行时,实现如上所述的任意一项所述的风电机组的极端风况条件的预测方法。
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是根据实施例的极端风况条件的预测方法的流程示意图;
图2是根据实施例的极端风况条件的预测装置的结构示意图;
图3是50年重现周期的风速标准差的示意图;
图4是根据本公开的实施例的风电机组的极端风况条件的预测的计算机设备。
具体实施方式
提供以下具体实施方式以帮助读者获得对在此所描述的方法、设备和/或系统的全面理解。然而,在理解本申请的公开内容之后,在此所描述的方法、设备和/或系统的各种改变、修改及等同物将是显而易见的。例如,在此所描述的操作的顺序仅仅是示例,其并不限于在此所阐述的顺序,而是除了必须以特定顺序发生的操作之外,可做出在理解本申请的公开内容之后将是显而易见的改变。此外,为了提高清楚性和简洁性,可省略本领域中已知的特征的描述。为了使本领域技术人员能够更好的理解本发明,下面结合附图对本发明的具体实施例进行详细描述。
极端风况条件下的风况参数是具有特定重现周期和相应发生概率的风况参数,这种风况参数无法通过实际测试获得,而需要根据实测数据并且利用概率分布函数进行推算才能得到。
目前风电行业均基于IEC标准中推荐的公式来计算此类风况参数,而IEC标准制定仅参考了美国、澳洲、德国等少数国家的有限数量且较短时间的风况条件数据来设置。在中国地形复杂、气候多样的情况下需要进一步验证此类极端风况参数的有效性。
技术术语定义
联合概率分布:联合概率分布简称联合分布,是两个及以上随机变量组成的随机向量的概率分布。
高频数据:利用测风设备以及数据采集器收集回传的高采样频率的数据(一般为秒级数据)。
图1是根据本公开的一个实施例的极端风况条件的预测方法的流程示意图。如图1所示,在步骤101中,对测风塔风况数据进行数据处理以获得风况数据片段。
步骤101中可包括执行数据读取的操作。例如,获取测风塔高频采样数据。根据本公开的实施例,读取的数据可以是由测风塔获取的高频采样数据(一般为秒级数据),可设置数据含有时间戳、风速、风向等变量等。
在步骤101中,还可包括确定高频采样数据是否满足预定条件的操作。根据本公开的实施例,预定条件包括数据完整率超过预定阈值。
例如,可执行数据完整率判断操作,以确定高频采样数据的数据完整率是否达标。典型的判断表达式如下:
在式(1)中,P表示数据完整率,在本公开的实施例中,可将满足数据完整率条件的阈值设定为85%、或者90%、或者95%,甚至更高,但不限于此,满足数据完整率条件的阈值设置得越高时,满足条件的风况数据片段越少,所以具体实施时,可根据具体应用场景设定满足数据完整率的阈值。如果式(1)的判断结果为“是”,即满足数据完整率条件,可进行下一步骤的操作;如果为“否”,则停止对此数据进行分析。
此外,在步骤101中,还可包括执行片段切割及预处理的操作。例如,以预定时间长度对满足所述预定条件的高频采样数据进行数据片段切割,以获得风况数据片段。为了对特定时间段内的时间序列数据点进行模式识别,此处需要对步骤101中读取的数据进行按照特定时间长度进行片段切割,典型的时间长度为10分钟。例如,自动数字状态监测系统(SCADA)的数据采样周期为1s,那么每个风况数据片段的点数为600个。然后,还可对切割得到的风况数据片断再次进行数据完整率的判断,判断方法同上,将满足数据完整率条件的片断进行下一步的处理。
在步骤102中,基于风况数据片段中的风速与风况参数的联合概率分布,预测预定重现周期的风况参数。
不同重现周期可根据需要自定义,例如,1年、5年、10年、20年、30年或50年等。风况参数可包括:风速标准差、风速变化幅值、风向变化幅值、风剪切值和风电机组载荷等,并且还可包括海况条件。
根据本公开的实施例,在基于风况数据片段中的风速与各风况参数的联合概率分布预测不同重现周期的风况参数时,首先,可基于高斯概率函数确定预定重现周期的可靠性指标。其中,所述可靠性指标与针对风速值的第一标准正态变量和针对风况参数的第二标准正态变量的平方和相关联。其次,通过所述第一标准正态变量和所述第二标准正态变量的联合概率分布计算所述风况参数相对于风速的函数。再次,基于计算出的函数预测所述预定重现周期的风况参数。
下面,以风速标准差为例,对步骤102进行详细介绍。定义V为风速,对应于在步骤101中取得的10分钟数据片段内的平均风速,定义σV为10分钟片段内的风速标准差,假设需计算50年重现周期的风速的标准差,则可靠性指标为:
此可靠性指标在标准正态空间为圆的半径,所以:
其中,u1和u2分别表示第一标准正态变量和第二标准正态变量,u1和u2是通过考虑了相关性的物理变量转换后得到的,例如:Rosenblatt转换。此时,风速以及标准差则可表示如下:
本公开不限于利用式(4)表示风速及其标准差的联合概率分布,例如还可采用IFORM、SORM等方式实现联合概率分布。
根据IEC61400-1:2019标准,风速以及标准差均遵循Weibull分布,所以风速以及标准差则又可以表示为:
其中的A为比例参数,k为形状参数。例如,可以通过实测数据拟合得到风速与上述两个参数的拟合关系曲线A(V)以及k(V)。
则:
可将式(6)代入到式(3)中进行求解,可得到50年重现周期的风速标准差。
图3是50年重现周期的风速标准差的示意图。在图3中,曲线表示50年重现周期的标准差,散点表示实测数据点。
根据相同的计算方法,可以得到不同重现周期的风速标准差数值、风速变化幅值、风向变化幅值、风剪切参数和风电机组载荷等风况参数。
步骤103中,将步骤102中的结果输出,也就是说,输出预测的预定重现周期的风况参数。
图2是根据本公开的一个实施例的极端风况条件的预测装置的结构示意图。
如图2所示,该极端风况条件的风况参数的预测装置主要包括数据处理单元100、数据分析单元200和数据输出单元300。上述各个单元之间可通过总线进行数据交互,以执行各自的功能。另外,各单元之间也可独立运行。数据处理单元100可被配置为对测风塔风况数据进行处理以获得风况数据片段;数据分析单元200可被配置为基于所述风况数据片段中的风速与风况参数的联合概率分布,预测预定重现周期的风况参数;数据输出单元300可被配置为输出预测的所述预定重现周期的风况参数。但本公开不限于此,每个单元中还可包含更多个功能模块。
数据处理单元100可用于获取测风塔高频采样数据。其中,高频采样数据包括时间戳、风速和风向中的至少一种变量。数据处理单元100可从风电机组的测风塔读取所述高频采样数据,还可从风电机组的主控制器的实时数据中读取上述高频采样数据。高频采样数据可包括时间戳、风速和风向等数据,例如,可以是数据串、数据包、数据阵列等。
此外,数据处理单元100还可用于确定所述高频采样数据是否满足预定条件。例如,预定条件包括数据完整率超过预定阈值。即,数据处理单元100可对所读取的高频采样数据执行数据完整性校验。
此外,数据处理单元100还可用于以预定时间长度对满足所述预定条件的高频采样数据进行数据片段切割,以获得风况数据片段。
数据分析单元200可基于风况数据片段中的风速与各风况参数的联合概率分布,预测预定重现周期(例如,1年、5年、10年、20年、30年或50年等)的相应风况参数。风况参数包括风速标准差、风速变化幅值、风向变化幅值、风剪切值、风电机组载荷和海况条件等中的至少一个。联合概率分布处理可在R环境或matlab环境中实现。
根据本公开的实施例,数据分析单元200可基于高斯概率函数确定所述预定重现周期的可靠性指标。其中,所述可靠性指标与针对风速值的第一标准正态变量和针对风况参数的第二标准正态变量的平方和相关联;通过所述第一标准正态变量和所述第二标准正态变量的联合概率分布计算所述风况参数相对于风速的函数;基于计算出的函数预测所述预定重现周期的风况参数。
数据输出单元300可输出针对预定重现周期预测的风况参数,可基于该风况参数指导风电机组的设计。
图4是根据本公开实施例提供的风电机组的极端风况条件的预测的计算机设备。
该计算机设备包括处理器和存储器。存储器用于存储计算机程序。所述计算机程序被处理器执行使得处理器执行根据本发明的风电机组的极端风况条件的预测方法的计算机程序。
如图4所示,该设备可以包括处理器401以及存储有计算机程序指令的存储器402。
具体地,上述处理器401可以包括中央处理器(CPU),或者特定集成电路(Application Specific Integrated Circuit,ASIC),或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器402可以包括用于数据或指令的大容量存储器。举例来说而非限制,存储器402可包括硬盘驱动器(Hard Disk Drive,HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus,USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下,存储器402可包括可移除或不可移除(或固定)的介质。在合适的情况下,存储器402可在综合网关容灾设备的内部或外部。在特定实施例中,存储器402是非易失性固态存储器。在特定实施例中,存储器402包括只读存储器(ROM)。在合适的情况下,该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器401通过读取并执行存储器402中存储的计算机程序指令,以实现上述实施例中的任意一种用于风电机组的极端风况条件的预测方法。
在一个示例中,上述的计算机设备还可包括通信接口403和总线404。其中,如图4所示,处理器401、存储器402、通信接口403通过总线404连接并完成相互间的通信。
通信接口403,主要用于实现本发明实施例中各模块、设备、单元和/或设备之间的通信。
总线404包括硬件、软件或两者,用于将上述部件彼此耦接在一起。举例来说,总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下,总线X10可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线,但本发明考虑任何合适的总线或互连。
该风力发电机组控制器可以执行本发明实施例中的风力发电机组运行控制方法,从而实现结合图1至图3描述的风电机组的极端风况条件的预测方法及装置。
根据上述描述的实施例,可根据历史的风速以及风向数据更加准确的计算极端风况参数,在保证机组安全的基础上实现机组经济性、竞争性以及可靠性的提升。为极端类参数提供了通用型解决方案,可用于任何环境参数计算以及风力发电机组载荷的计算,由此可从整体上实现机组的概率设计,例如,不同重现周期的载荷、海浪、洋流等。
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根据本发明的风电机组的极端风况条件的预测方法的计算机程序。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)。
以上对本公开的具体实施方式进行了详细描述,虽然已示出和描述了一些实施例,但本领域技术人员应理解,在不脱离由权利要求及其等同物限定的本公开的原理和精神的范围的情况下,可对这些实施例进行修改和变型,这些修改和变型也应在本公开权利要求的保护范围内。
Claims (12)
1.一种风电机组的极端风况条件的预测方法,其特征在于,所述方法包括:
对测风塔风况数据进行处理以获得风况数据片段;
基于所述风况数据片段中的风速与风况参数的联合概率分布,预测预定重现周期的风况参数;以及
输出预测的所述预定重现周期的风况参数。
2.根据权利要求1所述的预测方法,其中,对测风塔的风况数据进行处理的步骤包括:
获取测风塔高频采样数据,其中,高频采样数据包括时间戳、风速和风向中的至少一种变量;
确定所述高频采样数据是否满足预定条件;
以预定时间长度对满足所述预定条件的高频采样数据进行数据片段切割,以获得所述风况数据片段。
3.根据权利要求2所述的预测方法,其中,所述预定条件包括数据完整率超过预定阈值。
4.根据权利要求1所述的预测方法,其中,所述风况参数包括风速标准差、风速变化幅值、风向变化幅值、风剪切值和风电机组载荷中的至少一个。
5.根据权利要求1所述的预测方法,其中,预测所述预定重现周期的风况参数的步骤包括:
基于高斯概率函数确定所述预定重现周期的可靠性指标,其中,所述可靠性指标与针对风速值的第一标准正态变量和针对风况参数的第二标准正态变量的平方和相关联;
通过所述第一标准正态变量和所述第二标准正态变量的联合概率分布计算所述风况参数相对于风速的函数;
基于计算出的函数预测所述预定重现周期的风况参数。
6.一种风电机组的极端风况条件的预测装置,其特征在于,包括:
数据处理单元,被配置为对测风塔风况数据进行处理以获得风况数据片段;
数据分析单元,被配置为基于所述风况数据片段中的风速与风况参数的联合概率分布,预测预定重现周期的风况参数;以及
数据输出单元,被配置为输出预测的所述预定重现周期的风况参数。
7.根据权利要求6所述的预测装置,其中,所述数据处理单元被配置为:
获取测风塔高频采样数据,其中,高频采样数据包括时间戳、风速和风向中的至少一种变量;
确定所述高频采样数据是否满足预定条件;
以预定时间长度对满足所述预定条件的高频采样数据进行数据片段切割,以获得所述风况数据片段。
8.根据权利要求7所述的预测装置,其中,所述预定条件包括数据完整率超过预定阈值。
9.根据权利要求6所述的预测装置,其中,所述风况参数包括风速标准差、风速变化幅值、风向变化幅值、风剪切值和风电机组载荷中的至少一个。
10.根据权利要求6所述的预测装置,其中,预测所述预定重现周期的风况参数的步骤包括:
基于高斯概率函数确定所述预定重现周期的可靠性指标,其中,所述可靠性指标与针对风速值的第一标准正态变量和针对风况参数的第二标准正态变量的平方和相关联;
通过所述第一标准正态变量和所述第二标准正态变量的联合概率分布计算所述风况参数相对于风速的函数;
基于计算出的函数预测所述预定重现周期的风况参数。
11.一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5中任意一项所述的风电机组的极端风况条件的预测方法。
12.一种计算机设备,其特征在于,所述计算机设备包括:
处理器;
存储器,存储有计算机程序,当所述计算机程序被处理器执行时,实现如权利要求1至5中任意一项所述的风电机组的极端风况条件的预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010597652.3A CN113848346B (zh) | 2020-06-28 | 2020-06-28 | 风电机组的极端风况条件的预测方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010597652.3A CN113848346B (zh) | 2020-06-28 | 2020-06-28 | 风电机组的极端风况条件的预测方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113848346A true CN113848346A (zh) | 2021-12-28 |
CN113848346B CN113848346B (zh) | 2024-04-19 |
Family
ID=78972042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010597652.3A Active CN113848346B (zh) | 2020-06-28 | 2020-06-28 | 风电机组的极端风况条件的预测方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113848346B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308711A (zh) * | 2012-03-06 | 2013-09-18 | 全北大学校产学协力团 | 一种用于预测风力发电场的风况的方法 |
CN103807096A (zh) * | 2014-02-18 | 2014-05-21 | 江苏金风科技有限公司 | 风力涡轮机及其控制方法 |
EP2886853A1 (en) * | 2013-12-20 | 2015-06-24 | Mitsubishi Heavy Industries, Ltd. | A monitoring system and a monitoring method for a wind turbine generator |
WO2016032128A1 (ko) * | 2014-08-25 | 2016-03-03 | 전자부품연구원 | 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법 |
CN105654239A (zh) * | 2015-12-30 | 2016-06-08 | 北京金风科创风电设备有限公司 | 用于风力发电机组极端风况的识别方法、装置及系统 |
CN106932607A (zh) * | 2017-03-09 | 2017-07-07 | 北京玖天气象科技有限公司 | 一种简便判断测风数据受测风塔体遮挡影响的方法和装置 |
CN110067696A (zh) * | 2019-06-03 | 2019-07-30 | 浙江运达风电股份有限公司 | 一种风电机组载荷确定方法、装置、设备及可读存储介质 |
-
2020
- 2020-06-28 CN CN202010597652.3A patent/CN113848346B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103308711A (zh) * | 2012-03-06 | 2013-09-18 | 全北大学校产学协力团 | 一种用于预测风力发电场的风况的方法 |
EP2886853A1 (en) * | 2013-12-20 | 2015-06-24 | Mitsubishi Heavy Industries, Ltd. | A monitoring system and a monitoring method for a wind turbine generator |
CN103807096A (zh) * | 2014-02-18 | 2014-05-21 | 江苏金风科技有限公司 | 风力涡轮机及其控制方法 |
WO2016032128A1 (ko) * | 2014-08-25 | 2016-03-03 | 전자부품연구원 | 풍력발전단지 제어 시스템 및 이를 이용한 풍력발전단지 제어방법 |
CN105654239A (zh) * | 2015-12-30 | 2016-06-08 | 北京金风科创风电设备有限公司 | 用于风力发电机组极端风况的识别方法、装置及系统 |
CN106932607A (zh) * | 2017-03-09 | 2017-07-07 | 北京玖天气象科技有限公司 | 一种简便判断测风数据受测风塔体遮挡影响的方法和装置 |
CN110067696A (zh) * | 2019-06-03 | 2019-07-30 | 浙江运达风电股份有限公司 | 一种风电机组载荷确定方法、装置、设备及可读存储介质 |
Non-Patent Citations (1)
Title |
---|
ÁSTA HANNESDÓTTIR 等: "Extreme wind fluctuations: joint statistics, extreme turbulence, and impact on wind turbine loads", 《WES》, vol. 4, no. 2, pages 325 - 342 * |
Also Published As
Publication number | Publication date |
---|---|
CN113848346B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7199608B2 (ja) | 風力タービン翼を検査するための方法および装置、ならびにそれらの機器および記憶媒体 | |
He et al. | A spatio-temporal analysis approach for short-term forecast of wind farm generation | |
CN112285807B (zh) | 一种气象信息预测方法及装置 | |
CN109488528B (zh) | 一种风机偏航系统的调整方法及装置 | |
CN115906600A (zh) | 风电机组的布局位置检测方法、模型训练方法及装置 | |
Ganger et al. | Statistical characterization of wind power ramps via extreme value analysis | |
CN111997831B (zh) | 风电机组的载荷控制方法和装置 | |
CN105654239B (zh) | 用于风力发电机组极端风况的识别方法、装置及系统 | |
CN112462736A (zh) | 一种基于数据分析的风电机组故障诊断方法 | |
Skrimpas et al. | Employment of kernel methods on wind turbine power performance assessment | |
Cevasco et al. | O&M cost-Based FMECA: Identification and ranking of the most critical components for 2-4 MW geared offshore wind turbines | |
CN113821931A (zh) | 风机输出功率预测方法和系统 | |
de Andrade Vieira et al. | Power curve modelling of a wind turbine for monitoring its behaviour | |
CN117805542A (zh) | 一种矿用隔爆本质安全型变频器运行监控系统 | |
CN113848346B (zh) | 风电机组的极端风况条件的预测方法、装置及设备 | |
CN113606099A (zh) | 一种监测风电机组叶片结冰的方法和系统 | |
Khediri et al. | Deep-belief network based prediction model for power outage in smart grid | |
CN114576102A (zh) | 风电机组轴承状态的预测方法、装置、设备及存储介质 | |
CN117272753A (zh) | 一种基于过程参数的输电线路覆冰舞动预警方法 | |
Yan et al. | Analysis of extreme wind speed estimates in the northern South China Sea | |
CN113098640B (zh) | 一种基于频道占用度预测的频谱异常检测方法 | |
Liu et al. | Dynamic security assessment of western Danish power system based on ensemble decision trees | |
Li et al. | Short-term load forecasting using support vector regression-based local predictor | |
Pandit et al. | Comparison of binned and Gaussian Process based wind turbine power curves for condition monitoring purposes | |
CN111310959A (zh) | 风力发电机组损坏预测分析方法、装置、设备及存储介质 |
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 | ||
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 |