CN114033617B - 一种控制参量自适应调整的可控风力发电方法及系统 - Google Patents
一种控制参量自适应调整的可控风力发电方法及系统 Download PDFInfo
- Publication number
- CN114033617B CN114033617B CN202111546190.3A CN202111546190A CN114033617B CN 114033617 B CN114033617 B CN 114033617B CN 202111546190 A CN202111546190 A CN 202111546190A CN 114033617 B CN114033617 B CN 114033617B
- Authority
- CN
- China
- Prior art keywords
- wind power
- point
- acquiring
- power generation
- monitoring
- 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
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 96
- 238000005259 measurement Methods 0.000 claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims description 64
- 238000000605 extraction Methods 0.000 claims description 53
- 238000012937 correction Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 11
- 230000001133 acceleration Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 230000008439 repair process Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012916 structural analysis Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000005611 electricity Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- F03D7/00—Controlling wind motors
-
- 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
-
- 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
- Y02E10/76—Power conversion electric or electronic aspects
Abstract
本发明提供了一种控制参量自适应调整的可控风力发电方法，包括：步骤1：基于预设监测方式，对风力发电装置的当前工作参数进行跟踪测量；步骤2：获取与风力发电装置相关电网的负载需求；步骤3：基于负载需求以及跟踪测量结果，确定风力发电装置的可控输出功率状态信息；步骤4：按照可控输出功率状态信息，获取自适应调整集合，来对对应的当前工作参数进行自适应调整；步骤5：按照自适应调整后的参数控制风力发电装置相关的运行器件按照最新调整参数进行工作。通过根据电网负载的实际需要与跟踪测量结果的结合，提供风力发电装置所需要的电源电压，进而方便可控输出功率调整以及使用。
Description
技术领域
本发明涉及自动控制技术领域，特别涉及一种控制参量自适应调整的可控风力发电方法及系统。
背景技术
风能(wind energy)空气流动所产生的动能。太阳能的一种转化形式。由于太阳辐射造成地球表面各部分受热不均匀，引起大气层中压力分布不平衡，在水平气压梯度的作用下，空气沿水平方向运动形成风。风能资源的总储量非常巨大，一年中技术可开发的能量约5.3X10^13千瓦时。风能是可再生的清洁能源，储量大、分布广，但它的能量密度低(只有水能的1/800)，并且不稳定。在一定的技术条件下，风能可作为一种重要的能源得到开发利用。风能利用是综合性的工程技术，通过风力机将风的动能转化成机械能、电能和热能等。
把风的动能转变成机械动能，再把机械能转化为电力动能，这就是风力发电。风力发电的原理，是利用风力带动风车叶片旋转，再透过增速机将旋转的速度提升，来促使发电机发电。依据风车技术，大约是每秒三米的微风速度(微风的程度)，便可以开始发电。风力发电正在世界上形成一股热潮，因为风力发电不需要使用燃料，也不会产生辐射或空气污染。
风力发电装置因风量不稳定，故其输出的是13～25V变化的交流电，须经充电器整流，再对蓄电瓶充电，使风力发电装置产生的电能变成化学能。然后用有保护电路的逆变电源，把电瓶里的化学能转变成交流220V市电，才能保证稳定使用。
现有的风力发电装置，由于不便于根据电网负载的实际需要，来提供风力发电装置所需要的电源电压，不方便后续可控输出功率使用。
因此，本发明提出一种控制参量自适应调整的可控风力发电方法及系统。
发明内容
本发明提供一种控制参量自适应调整的可控风力发电方法及系统，用以解决上述提出的技术问题。
本发明提供一种控制参量自适应调整的可控风力发电方法，包括：
步骤1：基于预设监测方式，对风力发电装置的当前工作参数进行跟踪测量；
步骤2：获取与所述风力发电装置相关电网的负载需求；
步骤3：基于所述负载需求以及跟踪测量结果，确定所述风力发电装置的可控输出功率状态信息；
步骤4：按照所述可控输出功率状态信息，获取自适应调整集合，来对对应的当前工作参数进行自适应调整；
步骤5：按照自适应调整后的参数控制所述风力发电装置相关的运行器件按照最新调整参数进行工作。
在一种可能实现的方式中，步骤1中，对风力发电装置的当前工作参数进行跟踪测量的过程中，包括：
基于设置在风力发电机的前、后轴承上的加速度传感器，跟踪监测对应的轴承状态；
基于设置在所述风力发电机的动力输入处的扭矩仪，同步跟踪监测传动链的扭矩和转速；
基于设置在发电机并网侧的三相电压监测器和电流互感器，跟踪监测对应的电压信号和电流信号；
其中，跟踪测量结果包括：轴承状态、扭矩和转速、电压信号和电流信号在内。
在一种可能实现的方式中，步骤5：按照自适应调整后的参数控制所述风力发电装置相关的运行器件按照最新调整参数进行工作，包括：
确定自适应调整后的参数的参数匹配属性，并按照所述参数匹配属性匹配对应的运行器件；
获取对应运行器件处于原始状态的状态参数，同时，获取所述参数匹配属性对应的参数调节因子；
按照所述参数调节因子对对应的状态参数进行调节，并按照调节后的参数控制对应的运行器件进行相应工作。
在一种可能实现的方式中，步骤2：获取与所述风力发电装置相关电网的负载需求，包括：
统计每个历史时间点的历史负载需求，并基于历史负载需求，构建相邻历史时间点的需求变化量，并将每个时间点的历史负载需求以及对应的需求变化量作为需求样本，对神经网络模型进行训练，得到需求预估模型；
获取基于所述风力发电装置的供电区域，并获取所述供电区域的用电需求，并对所述用电需求进行对应时间点的精度划分，并将每个时间点的需求差异，一一匹配到所述需求预估模型上，进行第一修正；
同时，获取当下时间点的前一时间点的负载需求，并根据所述需求预估模型，预估当下时间点的第一需求，并将所述第一需求与对应的实际需求进行比较，对所述需求预估模型进行第二修正；
基于修正后的模型，预测得到下一时间点的负载需求。
在一种可能实现的方式中，步骤3：基于所述负载需求以及跟踪测量结果，确定所述风力发电装置的可控输出功率状态信息，包括：
根据跟踪测量结果，得到每个运行器件的当下运行信息，并构建对应运行器件的运行矩阵；
将所述运行矩阵输入到运行分析模型中，得到对应运行器件的运行高效性；
根据所有运行器件的运行高效行，评估得到第二需求，并将所述第二需求与负载需求进行比较；
根据比较结果，确定所述风力发电装置的可控输出功率状态信息。
在一种可能实现的方式中，在执行步骤1之前，包括：
根据常规必要获取信息，确定所述风力发电装置的第一监测点；
获取基于每个第一监测点得到的第一监测信息，并构建第一集合；
基于所述第一集合，确定对应第一监测点是否存在监测故障，若存在，将所述第一监测点进行第一标注；
构建所述风力发电装置的三维结构，并基于所述风力发电装置的构建标准，获取三维结构中的每个待核验器件结构，并将第一标注的第一监测点与待核验器件结构进行匹配，获得若干匹配的第一结构；
提取对应第一结构中的局部故障区域，并对所述局部故障区域进行结构分析以及自动化分析，确定存在的故障可能因素；
根据所述故障可能因素，确定导致对应进行第一标注的第一监测点出现监测故障的故障种类；
若所述故障种类为单一结构故障，进行第一提醒；
若所述故障种类为单一自动化故障，调取与所述故障可能因素相关的修复方案，进行自动化修复，并进行第二提醒；
若所述故障种类包括结构故障以及自动化故障，获取结构故障造成的第一损失信息，并获取自动化故障造成的第二损失信息；
同时，还确定进行第一标注的第一监测点在所述局部故障区域的第一位置；
将所述第一损失信息、第二损失信息、第一位置分别输入到位置补充模型中，获取第二位置，并将所述第二位置作为对应局部故障区域的第二监测点；
确定第一监测点的第一监测属性，并匹配第一监测设备，同时，确定第二监测点的第二监测属性，并匹配第二监测设备；
基于监测点布局以及设备匹配结果，得到预设监测方式。
在一种可能实现的方式中，执行步骤3之前，包括：
获取所述历史时间段的风力集合，并根据所述风力集合构建风力曲线，同时，构建与风力曲线相关的风力转换可用电源曲线；
基于时间戳，并按照预设提取标准，对所述风力曲线以及风力转换可用电源曲线进行第一点提取，同时，对所述风力曲线中的转折点进行第二点提取，对风力转换可用电源曲线进行第三点提取；
获取第二点的第一提取时间点，并基于第一提取时间点，在所述风力转换可用电源曲线上进行第四点提取，同时，获取所述第三点的第二提取时间点，并基于第二提取时间点，在所述风力曲线上进行第五点提取；
根据与所述风力曲线相关的提取点集合以及与风力转换可用电源曲线相关的提取点集合，计算风力曲线与风力转换可用电源曲线的匹配度P；
其中，n表示提取点集合中的提取点的总个数，且风力曲线与风力转换可用电源曲线对应的提取点的个数相等；A1i表示风力曲线中第i个提取点的风力转换值，且取值范围为[0，1]；A2i表示风力转换可用电源曲线中第i个提取点的可用电源转换值，且取值范围为(0，1)；
基于匹配-等级映射表，获取所述匹配度的匹配等级，若匹配等级满足预设等级时，判定风电转换过程处于低损耗状态；
否则，判定风电转换过程处于高损耗状态，并基于曲线对比图，获取存在高损耗的时间集合，基于时间集合以及高损耗对应的风力集合以及转换的可用电源集合，获取风电转换过程中的损耗规律，并基于两者不同点之间的差异，对所述损耗规律进行调整，并将调整后的规律作为确定所述可控输出功率状态信息的调整条件。
在一种可能实现的方式中，并基于两者不同点之间的差异，对所述损耗规律进行调整，包括：
根据如下公式，计算提取的第二点以及提取的第三点的差异度Y1；
根据如下公式，计算提取的第四点以及提取的第五点的差异度Y2；
其中，n1表示第二点的个数，n2表示第三点的个数，n3表示第四点的个数，n4表示第五点的个数；Y1j1表示第j1个第二点的风力转换值，且取值范围为[0，1]；Y2j1表示第j1个第三点的可用电源转换值，且取值范围为(0，1)；Y3j2表示第j2个第三点的风力转换值，且取值范围为[0，1]；Y4j2表示第j2个第四点的可用电源转换值，且取值范围为(0，1)；max(n1，n2)表示获取n1与n2中的最大值；max(n3，n4)表示获取n3与n4中的最大值；
将获取的差异度Y1与差异度Y2与差异列表进行比较，筛选可能损耗条件，并基于所述可能损耗条件，对所述损耗规律进行调整。
在一种可能实现的方式中，步骤4：按照所述可控输出功率状态信息，获取自适应调整集合，来对对应的当前工作参数进行自适应调整，包括：
基于所述可控输出功率状态信息，得到若干需要调整的调整类型，获取每类需要调整类型中包含的调整参数以及调整器件，得到自适应调整集合；
按照所述自适应调整集合，对对应当前工作参数进行自适应调整。
本发明提供一种控制参量自适应调整的可控风力发电系统，包括：
跟踪测量模块，用于基于预设监测方式，对风力发电装置的当前工作参数进行跟踪测量；
获取模块，用于获取与所述风力发电装置相关电网的负载需求；
确定模块，用于基于所述负载需求以及跟踪测量结果，确定所述风力发电装置的可控输出功率状态信息；
自适应调整模块，用于按照所述可控输出功率状态信息，获取自适应调整集合，来对对应的当前工作参数进行自适应调整；
控制模块，用于按照自适应调整后的参数控制所述风力发电装置相关的运行器件按照最新调整参数进行工作。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种控制参量自适应调整的可控风力发电方法的流程图；
图2为本发明实施例中一种控制参量自适应调整的可控风力发电系统的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
实施例1：
本发明提供一种控制参量自适应调整的可控风力发电方法，如图1所示，包括：
步骤1：基于预设监测方式，对风力发电装置的当前工作参数进行跟踪测量；
步骤2：获取与所述风力发电装置相关电网的负载需求；
步骤3：基于所述负载需求以及跟踪测量结果，确定所述风力发电装置的可控输出功率状态信息；
步骤4：按照所述可控输出功率状态信息，获取自适应调整集合，来对对应的当前工作参数进行自适应调整；
步骤5：按照自适应调整后的参数控制所述风力发电装置相关的运行器件按照最新调整参数进行工作。
该实施例中，预设监测方式，比如是设置在风力发电装置不同器件(风轮、发电机、调向器、塔架)的必要监测点，比如电流、电压监测点等，来构建一个监测体系，对风力发电装置进行监测。
该实施例中，负载需求指的是电网负载，且不同时间点下对应的负载需求不同。
该实施例中，跟踪测量结果，比如是包括：轴承状态、扭矩和转速、电压信号和电流信号在内。
该实施例中，比如：可控输出功率状态信息是由与风轮、发电机、调向器、塔架等不同类型的相关信息组成的。
比如，需要调节电压和电流，来达到所满足的功率，此时，就需要对风轮、发电机、调向器、塔架等进行调整，以此达到功率调整的目的。
该实施例中，比如：可控输出功率状态信息，包含，对塔架的方向进行调节，来改变接受风力的面积，进而获取更大的功率信号等，其中，进行方向调整可以视为自适应调整。
上述技术方案的有益效果是：通过根据电网负载的实际需要与跟踪测量结果的结合，提供风力发电装置所需要的电源电压，进而方便可控输出功率调整以及使用。
实施例2：
基于实施例1的基础上，步骤1中，对风力发电装置的当前工作参数进行跟踪测量的过程中，包括：
基于设置在风力发电机的前、后轴承上的加速度传感器，跟踪监测对应的轴承状态；
基于设置在所述风力发电机的动力输入处的扭矩仪，同步跟踪监测传动链的扭矩和转速；
基于设置在发电机并网侧的三相电压监测器和电流互感器，跟踪监测对应的电压信号和电流信号；
其中，跟踪测量结果包括：轴承状态、扭矩和转速、电压信号和电流信号在内。
上述技术方案的有益效果是：通过设置多个不同类型的传感器，便于对不同的信号进行有效测量，保证跟踪测量的有效性，为后续可控输出功率提供便利。
实施例3：
基于实施例1的基础上，步骤5：按照自适应调整后的参数控制所述风力发电装置相关的运行器件按照最新调整参数进行工作，包括：
确定自适应调整后的参数的参数匹配属性，并按照所述参数匹配属性匹配对应的运行器件；
获取对应运行器件处于原始状态的状态参数，同时，获取所述参数匹配属性对应的参数调节因子；
按照所述参数调节因子对对应的状态参数进行调节，并按照调节后的参数控制对应的运行器件进行相应工作。
该实施例中，比如，通过控制器，并按照参数调节因子，对与风力发电装置连接的风力发电装置变频器进行电压控制，又比如，基于变速齿轮箱对叶片轮毂齿轮比进行调节，进而调整风力发电装置的输出电源的电压和频率，使风力发电装置使其得到相应的发电的转速等。
该实施例中，确定参数匹配属性，是为了获取对应类型的运行器件，比如发电机变频器，原始状态的状态参数，比如，获取发电机变频器按照之前方式工作时的工作参数，且获取的参数调节因子，比如，是对发电机变频器的电压进行调整的电压变量。
该实施例中，通过控制与风力发电装置连接的风力发电装置的变频器，调整输出电源的电压和频率，且通过可控输出功率状态信息，可以对发电机所需要的电源电压调节，进而达到节能、调速的目的，且通过设置的各种检测器件，便于提供风力发电电网电流信息，方便后续可控输出功率使用，方便后续可控输出功率的使用，使其的稳定性和实用性提高。
上述技术方案的有益效果是：通过匹配参数与运行器件，便于按照参数调节因子对状态参数进行调节，保证按照需求方向进行运转，进一步保障了对可控输出功率的调整以及使用。
实施例4：
基于实施例1的基础上，步骤2：获取与所述风力发电装置相关电网的负载需求，包括：
统计每个历史时间点的历史负载需求，并基于历史负载需求，构建相邻历史时间点的需求变化量，并将每个时间点的历史负载需求以及对应的需求变化量作为需求样本，对神经网络模型进行训练，得到需求预估模型；
获取基于所述风力发电装置的供电区域，并获取所述供电区域的用电需求，并对所述用电需求进行对应时间点的精度划分，并将每个时间点的需求差异，一一匹配到所述需求预估模型上，进行第一修正；
同时，获取当下时间点的前一时间点的负载需求，并根据所述需求预估模型，预估当下时间点的第一需求，并将所述第一需求与对应的实际需求进行比较，对所述需求预估模型进行第二修正；
基于修正后的模型，预测得到下一时间点的负载需求。
该实施例中，不同历史时间点的历史负载需求是不一样的，且历史时间点可以按照秒、分来划分，且相邻历史时间点的需求变化量即为负载需求的变化，可能增加也可能减小又或者不变。
该实施例中，比如，风力发电装置最后获取的电能是集合供给区域1的，此时，获取区域1的用电需求，并按照对应的秒、分进行精度划分，来确定相邻时间点的需求差异，此部分可以根据提前统计需要的用电量以及用电时间，来初步统计得到需求差异；
该实施例中，通过获取前一时间点的负载需求(实际的)，进而根据模型预估当下时间点的第一需求(预估的)，并进行比较；
上述技术方案的有益效果是：通过实地统计负载需求进行第一修正以及通过前一时间点、当下时间点对应的需求的比较，进行第二修正，进而通过两种方式的修正结合，提高预测下一时间点的需求的可靠性，为后续可控输出功率的调整以及使用提供可靠性基础。
实施例5：
基于实施例1的基础上，步骤3：基于所述负载需求以及跟踪测量结果，确定所述风力发电装置的可控输出功率状态信息，包括：
根据跟踪测量结果，得到每个运行器件的当下运行信息，并构建对应运行器件的运行矩阵；
将所述运行矩阵输入到运行分析模型中，得到对应运行器件的运行高效性；
根据所有运行器件的运行高效行，评估得到第二需求，并将所述第二需求与负载需求进行比较；
根据比较结果，确定所述风力发电装置的可控输出功率状态信息。
该实施例中，当存在运行器件为s1个时，得到每个运行器件的运行矩阵Hg，且g的取值范围为[1，s1]，并分别将运行矩阵输入到运行分析模型中，得到对应的运行高效性，且运行分析模型是预先训练好的，由运行矩阵中包含的各种参数(电压、电流等)以及高效性结果来得到的。
该实施例中，得到的第二需求是指的这些运行器件在当前状态下进行工作所能满足负载的一个需求，也就是可以提供的输出电压。
上述技术方案的有益效果是：通过根据运行器件的运行信息并进行模型分析，后续通过运行器件的运行高效性，来获取可提供需求，进而确定可控输出功率状态信息。
实施例6：
基于实施例1的基础上，在执行步骤1之前，包括：
根据常规必要获取信息，确定所述风力发电装置的第一监测点；
获取基于每个第一监测点得到的第一监测信息，并构建第一集合；
基于所述第一集合，确定对应第一监测点是否存在监测故障，若存在，将所述第一监测点进行第一标注；
构建所述风力发电装置的三维结构，并基于所述风力发电装置的构建标准，获取三维结构中的每个待核验器件结构，并将第一标注的第一监测点与待核验器件结构进行匹配，获得若干匹配的第一结构；
提取对应第一结构中的局部故障区域，并对所述局部故障区域进行结构分析以及自动化分析，确定存在的故障可能因素；
根据所述故障可能因素，确定导致对应进行第一标注的第一监测点出现监测故障的故障种类；
若所述故障种类为单一结构故障，进行第一提醒；
若所述故障种类为单一自动化故障，调取与所述故障可能因素相关的修复方案，进行自动化修复，并进行第二提醒；
若所述故障种类包括结构故障以及自动化故障，获取结构故障造成的第一损失信息，并获取自动化故障造成的第二损失信息；
同时，还确定进行第一标注的第一监测点在所述局部故障区域的第一位置；
将所述第一损失信息、第二损失信息、第一位置分别输入到位置补充模型中，获取第二位置，并将所述第二位置作为对应局部故障区域的第二监测点；
确定第一监测点的第一监测属性，并匹配第一监测设备，同时，确定第二监测点的第二监测属性，并匹配第二监测设备；
基于监测点布局以及设备匹配结果，得到预设监测方式。
该实施例中，常规必要监测信息指的是，比如是需要对电机的电压、电流进行检测，这就是必要监测信息，也就是作为确定可控输出功率状态的基础信息。
该实施例中，比如，监测的是轴承状态，此时，设置在轴承上的加速度传感器当前所处位置即为第一监测点，此时，获取加速度传感器的第一集合(包括不同时间点的加速度信息在内)，并根据监测的所有加速度信息，来确定是否存在故障，若轴承存在监测故障，存在时，对设置加速度传感器的第一监测点进行标注。
该实施例中，待核验器件比如是包括：风轮、发电机、调向器、塔架在内的。
该实施例中，构建标准指的是风力发电装置处于完全出厂标准情况下的一个状态，以此来与现在获取的三维结构进行比较，进而进行标注监测点的匹配，得到对应的第一结果，可以是一个也可以是多个。
该实施例中，比如轴承上的局部故障区域是单纯的因为结构出现故障，扫之监测结果不正常，此时，进行第一提醒。
该实施例中，存在两种类型，一种是结构故障导致测量失误，一种是器件本身自动化(程序错误等)导致测量失误，通过对两者分别造成的损失信息进行分析，并结合对应的第一位置，来设置新的监测点，即第二监测点。
该实施例中，第一监测点以及第二监测点的监测点布局，是指的不同监测点在不同器件上的位置，进而构成监测点布局，匹配的监测设备，比如是匹配的加速度传感器等，以此来得到对应设备匹配结果。
上述技术方案的有益效果是：通过获取常规必要获取信息对应的第一监测点，并通过故障因素确定的第二监测点，以此构成预设监测方式，且通过该预设监测方式，便于保证对每个器件的有效监测，为后续可控输出功率状态的确定提供有效监测基础。
实施例7：
基于实施例1的基础上，执行步骤3之前，包括：
获取所述历史时间段的风力集合，并根据所述风力集合构建风力曲线，同时，构建与风力曲线相关的风力转换可用电源曲线；
基于时间戳，并按照预设提取标准，对所述风力曲线以及风力转换可用电源曲线进行第一点提取，同时，对所述风力曲线中的转折点进行第二点提取，对风力转换可用电源曲线进行第三点提取；
获取第二点的第一提取时间点，并基于第一提取时间点，在所述风力转换可用电源曲线上进行第四点提取，同时，获取所述第三点的第二提取时间点，并基于第二提取时间点，在所述风力曲线上进行第五点提取；
根据与所述风力曲线相关的提取点集合以及与风力转换可用电源曲线相关的提取点集合，计算风力曲线与风力转换可用电源曲线的匹配度P；
其中，n表示提取点集合中的提取点的总个数，且风力曲线与风力转换可用电源曲线对应的提取点的个数相等；A1i表示风力曲线中第i个提取点的风力转换值，且取值范围为[0，1]；A2i表示风力转换可用电源曲线中第i个提取点的可用电源转换值，且取值范围为(0，1)；
基于匹配-等级映射表，获取所述匹配度的匹配等级，若匹配等级满足预设等级时，判定风电转换过程处于低损耗状态；
否则，判定风电转换过程处于高损耗状态，并基于曲线对比图，获取存在高损耗的时间集合，基于时间集合以及高损耗对应的风力集合以及转换的可用电源集合，获取风电转换过程中的损耗规律，并基于两者不同点之间的差异，对所述损耗规律进行调整，并将调整后的规律作为确定所述可控输出功率状态信息的调整条件。
该实施例中，风力集合指的是不同时间点对风叶的风力，且风力转换可用电源指的是不同时间点所对的风力下电源转换情况。
该实施例中，预设提取标准，比如是按照一定的时间间隔进行的提取。
该实施例中，风力转换值以及可用电源转换值，可以都是预设的转换表来进行数值转换的，方便计算。
该实施例中，匹配-等级映射表也是预先设定好的，且预设等级是预先规定好的。
上述技术方案的有益效果是：通过风力曲线与风力转换可用电源曲线进行比较，来确定两者之间的匹配度，进而根据映射表，来确定匹配等级，进而确定所处的损耗状态，当处于高损耗状态时，按照曲线对比图，确定时间集合，进而集合之前获取的集合，来确定损耗规律，并作为调整条件，保证可控输出功率状态的有效获取。
实施例8：
基于实施例7的基础上，基于两者不同点之间的差异，对所述损耗规律进行调整，包括：
根据如下公式，计算提取的第二点以及提取的第三点的差异度Y1；
根据如下公式，计算提取的第四点以及提取的第五点的差异度Y2；
其中，n1表示第二点的个数，n2表示第三点的个数，n3表示第四点的个数，n4表示第五点的个数；Y1j1表示第j1个第二点的风力转换值，且取值范围为[0，1]；Y2j1表示第j1个第三点的可用电源转换值，且取值范围为(0，1)；Y3j2表示第j2个第三点的风力转换值，且取值范围为[0，1]；Y4j2表示第j2个第四点的可用电源转换值，且取值范围为(0，1)；max(n1，n2)表示获取n1与n2中的最大值；max(n3，n4)表示获取n3与n4中的最大值；
将获取的差异度Y1与差异度Y2与差异列表进行比较，筛选可能损耗条件，并基于所述可能损耗条件，对所述损耗规律进行调整。
该实施例中，差异列表是预先设定好的，包括：Y1、Y2以及对应的损耗条件在内。
该实施例中，可能损耗条件，比如是磨损导致的损耗等。
该实施例中，比如，n1＝2，n2＝1，此时，当j1＝2时，可以视Y22＝0。
上述技术方案的有益效果是：通过获取第一点与第二点的差异以及第四点与第五点的差异，来筛选可能损耗条件，进而进行调整，保证损耗规律的合理性，保证可控输出功率状态的可靠性。
实施例9：
基于实施例1的基础上，步骤4：按照所述可控输出功率状态信息，获取自适应调整集合，来对对应的当前工作参数进行自适应调整，包括：
基于所述可控输出功率状态信息，得到若干需要调整的调整类型，获取每类需要调整类型中包含的调整参数以及调整器件，得到自适应调整集合；
按照所述自适应调整集合，对对应当前工作参数进行自适应调整。
上述技术方案的有益效果是：通过进行自适应调整，保证器件可以按照该调节结果运行，间接保证可控输出功率的使用。
实施例10：
本发明提供一种控制参量自适应调整的可控风力发电系统，如图2所示，包括：
跟踪测量模块，用于基于预设监测方式，对风力发电装置的当前工作参数进行跟踪测量；
获取模块，用于获取与所述风力发电装置相关电网的负载需求；
确定模块，用于基于所述负载需求以及跟踪测量结果，确定所述风力发电装置的可控输出功率状态信息；
自适应调整模块，用于按照所述可控输出功率状态信息，获取自适应调整集合，来对对应的当前工作参数进行自适应调整；
控制模块，用于按照自适应调整后的参数控制所述风力发电装置相关的运行器件按照最新调整参数进行工作。
上述技术方案的有益效果是：通过根据电网负载的实际需要与跟踪测量结果的结合，提供风力发电装置所需要的电源电压，进而方便可控输出功率调整以及使用。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种控制参量自适应调整的可控风力发电方法，其特征在于，包括：
步骤1：基于预设监测方式，对风力发电装置的当前工作参数进行跟踪测量；
步骤2：获取与所述风力发电装置相关电网的负载需求；
步骤3：基于所述负载需求以及跟踪测量结果，确定所述风力发电装置的可控输出功率状态信息；
步骤4：按照所述可控输出功率状态信息，获取自适应调整集合，来对对应的当前工作参数进行自适应调整；
步骤5：按照自适应调整后的参数控制所述风力发电装置相关的运行器件按照最新调整参数进行工作；
其中，步骤2：获取与所述风力发电装置相关电网的负载需求，包括：
统计每个历史时间点的历史负载需求，并基于历史负载需求，构建相邻历史时间点的需求变化量，并将每个时间点的历史负载需求以及对应的需求变化量作为需求样本，对神经网络模型进行训练，得到需求预估模型；
获取基于所述风力发电装置的供电区域，并获取所述供电区域的用电需求，并对所述用电需求进行对应时间点的精度划分，并将每个时间点的需求差异，一一匹配到所述需求预估模型上，进行第一修正；
同时，获取当下时间点的前一时间点的负载需求，并根据所述需求预估模型，预估当下时间点的第一需求，并将所述第一需求与对应的实际需求进行比较，对所述需求预估模型进行第二修正；
基于修正后的模型，预测得到下一时间点的负载需求。
2.如权利要求1所述的可控风力发电方法，其特征在于，步骤1中，对风力发电装置的当前工作参数进行跟踪测量的过程中，包括：
基于设置在风力发电机的前、后轴承上的加速度传感器，跟踪监测对应的轴承状态；
基于设置在所述风力发电机的动力输入处的扭矩仪，同步跟踪监测传动链的扭矩和转速；
基于设置在发电机并网侧的三相电压监测器和电流互感器，跟踪监测对应的电压信号和电流信号；
其中，跟踪测量结果包括：轴承状态、扭矩和转速、电压信号和电流信号在内。
3.如权利要求1所述的可控风力发电方法，其特征在于，步骤5：按照自适应调整后的参数控制所述风力发电装置相关的运行器件按照最新调整参数进行工作，包括：
确定自适应调整后的参数的参数匹配属性，并按照所述参数匹配属性匹配对应的运行器件；
获取对应运行器件处于原始状态的状态参数，同时，获取所述参数匹配属性对应的参数调节因子；
按照所述参数调节因子对对应的状态参数进行调节，并按照调节后的参数控制对应的运行器件进行相应工作。
4.如权利要求1所述的可控风力发电方法，其特征在于，步骤3：基于所述负载需求以及跟踪测量结果，确定所述风力发电装置的可控输出功率状态信息，包括：
根据跟踪测量结果，得到每个运行器件的当下运行信息，并构建对应运行器件的运行矩阵；
将所述运行矩阵输入到运行分析模型中，得到对应运行器件的运行高效性；
根据所有运行器件的运行高效性，评估得到第二需求，并将所述第二需求与负载需求进行比较；
根据比较结果，确定所述风力发电装置的可控输出功率状态信息。
5.如权利要求1所述的可控风力发电方法，其特征在于，在执行步骤1之前，包括：
根据常规必要获取信息，确定所述风力发电装置的第一监测点；
获取基于每个第一监测点得到的第一监测信息，并构建第一集合；
基于所述第一集合，确定对应第一监测点是否存在监测故障，若存在，将所述第一监测点进行第一标注；
构建所述风力发电装置的三维结构，并基于所述风力发电装置的构建标准，获取三维结构中的每个待核验器件结构，并将第一标注的第一监测点与待核验器件结构进行匹配，获得若干匹配的第一结构；
提取对应第一结构中的局部故障区域，并对所述局部故障区域进行结构分析以及自动化分析，确定存在的故障可能因素；
根据所述故障可能因素，确定导致对应进行第一标注的第一监测点出现监测故障的故障种类；
若所述故障种类为单一结构故障，进行第一提醒；
若所述故障种类为单一自动化故障，调取与所述故障可能因素相关的修复方案，进行自动化修复，并进行第二提醒；
若所述故障种类包括结构故障以及自动化故障，获取结构故障造成的第一损失信息，并获取自动化故障造成的第二损失信息；
同时，还确定进行第一标注的第一监测点在所述局部故障区域的第一位置；
将所述第一损失信息、第二损失信息、第一位置分别输入到位置补充模型中，获取第二位置，并将所述第二位置作为对应局部故障区域的第二监测点；
确定第一监测点的第一监测属性，并匹配第一监测设备，同时，确定第二监测点的第二监测属性，并匹配第二监测设备；
基于监测点布局以及设备匹配结果，得到预设监测方式。
6.如权利要求1所述的可控风力发电方法，其特征在于，执行步骤3之前，包括：
获取历史时间段的风力集合，并根据所述风力集合构建风力曲线，同时，构建与风力曲线相关的风力转换可用电源曲线；
基于时间戳，并按照预设提取标准，对所述风力曲线以及风力转换可用电源曲线进行第一点提取，同时，对所述风力曲线中的转折点进行第二点提取，对风力转换可用电源曲线进行第三点提取；
获取第二点的第一提取时间点，并基于第一提取时间点，在所述风力转换可用电源曲线上进行第四点提取，同时，获取所述第三点的第二提取时间点，并基于第二提取时间点，在所述风力曲线上进行第五点提取；
根据与所述风力曲线相关的提取点集合以及与风力转换可用电源曲线相关的提取点集合，计算风力曲线与风力转换可用电源曲线的匹配度P；
其中，n表示提取点集合中的提取点的总个数，且风力曲线与风力转换可用电源曲线对应的提取点的个数相等；
表示风力曲线中第i个提取点的风力转换值，且取值范围为[0，1]；
表示风力转换可用电源曲线中第i个提取点的可用电源转换值，且取值范围为（0，1）；
基于匹配-等级映射表，获取所述匹配度的匹配等级，若匹配等级满足预设等级时，判定风电转换过程处于低损耗状态；
否则，判定风电转换过程处于高损耗状态，并基于曲线对比图，获取存在高损耗的时间集合，基于时间集合以及高损耗对应的风力集合以及转换的可用电源集合，获取风电转换过程中的损耗规律，并基于两者不同点之间的差异，对所述损耗规律进行调整，并将调整后的规律作为确定所述可控输出功率状态信息的调整条件。
7.如权利要求6所述的可控风力发电方法，其特征在于，并基于两者不同点之间的差异，对所述损耗规律进行调整，包括：
根据如下公式，计算提取的第二点以及提取的第三点的差异度Y1；
根据如下公式，计算提取的第四点以及提取的第五点的差异度Y2；
其中，n1表示第二点的个数，n2表示第三点的个数，n3表示第四点的个数，n4表示第五点的个数；
表示第j1个第二点的风力转换值，且取值范围为[0，1]；
表示第j1个第三点的可用电源转换值，且取值范围为（0，1）；
表示第j2个第三点的风力转换值，且取值范围为[0，1]；
表示第j2个第四点的可用电源转换值，且取值范围为（0，1）；
表示获取
中的最大值；
表示获取
4中的最大值；
将获取的差异度Y1与差异度Y2与差异列表进行比较，筛选可能损耗条件，并基于所述可能损耗条件，对所述损耗规律进行调整。
8.如权利要求1所述的可控风力发电方法，其特征在于，步骤4：按照所述可控输出功率状态信息，获取自适应调整集合，来对对应的当前工作参数进行自适应调整，包括：
基于所述可控输出功率状态信息，得到若干需要调整的调整类型，获取每类需要调整类型中包含的调整参数以及调整器件，得到自适应调整集合；
按照所述自适应调整集合，对对应当前工作参数进行自适应调整。
9.一种控制参量自适应调整的可控风力发电系统，其特征在于，包括：
跟踪测量模块，用于基于预设监测方式，对风力发电装置的当前工作参数进行跟踪测量；
获取模块，用于获取与所述风力发电装置相关电网的负载需求；
确定模块，用于基于所述负载需求以及跟踪测量结果，确定所述风力发电装置的可控输出功率状态信息；
自适应调整模块，用于按照所述可控输出功率状态信息，获取自适应调整集合，来对对应的当前工作参数进行自适应调整；
控制模块，用于按照自适应调整后的参数控制所述风力发电装置相关的运行器件按照最新调整参数进行工作；
其中，所述获取模块，用于：
统计每个历史时间点的历史负载需求，并基于历史负载需求，构建相邻历史时间点的需求变化量，并将每个时间点的历史负载需求以及对应的需求变化量作为需求样本，对神经网络模型进行训练，得到需求预估模型；
获取基于所述风力发电装置的供电区域，并获取所述供电区域的用电需求，并对所述用电需求进行对应时间点的精度划分，并将每个时间点的需求差异，一一匹配到所述需求预估模型上，进行第一修正；
同时，获取当下时间点的前一时间点的负载需求，并根据所述需求预估模型，预估当下时间点的第一需求，并将所述第一需求与对应的实际需求进行比较，对所述需求预估模型进行第二修正；
基于修正后的模型，预测得到下一时间点的负载需求。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111546190.3A CN114033617B (zh) | 2021-12-16 | 2021-12-16 | 一种控制参量自适应调整的可控风力发电方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111546190.3A CN114033617B (zh) | 2021-12-16 | 2021-12-16 | 一种控制参量自适应调整的可控风力发电方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114033617A CN114033617A (zh) | 2022-02-11 |
| CN114033617B true CN114033617B (zh) | 2022-08-09 |
Family
ID=80147008
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111546190.3A Active CN114033617B (zh) | 2021-12-16 | 2021-12-16 | 一种控制参量自适应调整的可控风力发电方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114033617B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116761306B (zh) * | 2023-08-14 | 2023-11-07 | 华能山东发电有限公司烟台发电厂 | 一种两用照明装置的照明优化方法及系统 |
| CN116911578B (zh) * | 2023-09-13 | 2024-02-27 | 华能信息技术有限公司 | 一种风电控制系统的人机交互方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102008039429A1 (de) * | 2008-08-23 | 2010-02-25 | DeWind, Inc. (n.d.Ges.d. Staates Nevada), Irvine | Verfahren zur Regelung eines Windparks |
| CN102400855B (zh) * | 2011-11-16 | 2014-02-05 | 北京金风科创风电设备有限公司 | 风电场的功率调节方法及装置 |
| US20200063712A1 (en) * | 2017-02-24 | 2020-02-27 | Siemens Gamesa Renewable Energy A/S | Inertial response for grid stability |
| CN107152377B (zh) * | 2017-07-18 | 2019-04-09 | 北京金风科创风电设备有限公司 | 对风力发电机组的输出功率进行控制的方法和设备 |
| US11605036B2 (en) * | 2017-08-09 | 2023-03-14 | Verdigris Technologies, Inc. | System and methods for power system forecasting using deep neural networks |
| CN110080944B (zh) * | 2018-01-26 | 2021-09-24 | 通用电气公司 | 风力发电系统及其控制方法 |
| US11261846B2 (en) * | 2019-11-01 | 2022-03-01 | General Electric Company | System and method for designing and operating a wind turbine power system based on statistical analysis of operational and/or grid data thereof |
| CN113532753B (zh) * | 2021-07-15 | 2024-02-20 | 宁夏龙源新能源有限公司 | 一种基于机器视觉的风电场齿轮箱漏油检测方法 |
-
2021
- 2021-12-16 CN CN202111546190.3A patent/CN114033617B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN114033617A (zh) | 2022-02-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Dai et al. | Research on power coefficient of wind turbines based on SCADA data | |
| EP3317526B1 (en) | Methods and systems for generating wind turbine control schedules | |
| EP3317523B1 (en) | Methods and systems for generating wind turbine control schedules | |
| CN101858312B (zh) | 风力发电机组实时运行状态评估系统及评估方法 | |
| CN103138256B (zh) | 一种新能源电力消纳全景分析系统及方法 | |
| EP2612025B1 (en) | Method and implementation of a fast real-time estimator for remaining battery life for wind energy applications | |
| CN114033617B (zh) | 一种控制参量自适应调整的可控风力发电方法及系统 | |
| CN104915747A (zh) | 一种发电机组的发电性能评估方法及设备 | |
| CN106979126B (zh) | 基于svr的风力发电机组高风速段有效风速估计方法 | |
| EP3317525B1 (en) | Methods and systems for generating wind turbine control schedules | |
| EP2472694A2 (en) | Methods and systems for controlling a power conversion system | |
| CN102419394B (zh) | 一种预测分辨率可变的风光功率预测方法 | |
| EP2120204A1 (en) | Method and system to quantify performance of a power generating system | |
| EP3317522A1 (en) | Methods and systems for generating wind turbine control schedules | |
| CN106815771A (zh) | 一种风电场载荷的长期评估方法 | |
| CN102915471A (zh) | 一种风电扰动在线安全预警的方法 | |
| EP3317524B1 (en) | Methods and systems for generating wind turbine control schedules | |
| WO2017000950A1 (en) | Methods and systems for generating wind turbine control schedules | |
| WO2017000951A1 (en) | Methods and systems for generating wind turbine control schedules | |
| Miryousefi Aval et al. | A novel method for reliability and risk evaluation of wind energy conversion systems considering wind speed correlation | |
| Shi et al. | Reliability assessment of interconnected generation systems based on hourly wind speed probability model | |
| Spruce et al. | Simulation and control of windfarms | |
| CN111130122A (zh) | 一种风电场无功控制能力在线监测方法 | |
| Xiaoming et al. | Analysis of factors affecting wind farm output power | |
| CN104564519A (zh) | 桨距角控制与超级电容相结合的风电入网功率控制方法 |
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 | ||
| CB02 | Change of applicant information |
Address after: No. 48-2, Bashan Road, Huanggu District, Shenyang, Liaoning 110000 Applicant after: Jinqilin new energy Co.,Ltd. Address before: No. 48-2, Bashan Road, Huanggu District, Shenyang, Liaoning 110000 Applicant before: Jinqilin Construction Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |