CN114076065B - 识别风力发电机组的叶片失速的方法及设备 - Google Patents
识别风力发电机组的叶片失速的方法及设备 Download PDFInfo
- Publication number
- CN114076065B CN114076065B CN202010811906.7A CN202010811906A CN114076065B CN 114076065 B CN114076065 B CN 114076065B CN 202010811906 A CN202010811906 A CN 202010811906A CN 114076065 B CN114076065 B CN 114076065B
- Authority
- CN
- China
- Prior art keywords
- blade
- angle
- attack
- data points
- stall
- 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
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Sustainable Energy (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Sustainable Development (AREA)
- Wind Motors (AREA)
Abstract
本发明提供了一种识别风力发电机组的叶片失速的方法及设备。所述方法包括:基于风力发电机组的实时运行数据,确定叶片攻角;当第一预设时长内的叶片攻角均大于或等于叶片失速攻角时,确定叶片处于失速状态,其中,所述叶片失速攻角是基于风力发电机组的满足预设条件的历史运行数据计算得到的。根据所述方法及设备,能够快速且准确地识别叶片是否处于失速状态。
Description
技术领域
本发明总体说来涉及能源技术领域,更具体地讲,涉及一种识别风力发电机组的叶片失速的方法及设备。
背景技术
现代大型风力发电机组通常为输入升力型风机,即,通过叶片在不同叶片截面的翼型设计,叶片在转动过程中,根据边界层理论气流在叶片前缘分离,叶片上方的气流较快,根据伯努利方程气压较小,叶片下方的气流较慢,气压较大,由于叶片截面的上下表面存在压力差,且下方大于上方,这样就产生了升力;同时,阻力与相对风速方向相同,升力和阻力的合力围绕叶片的轴向方向形成了叶片的气动扭矩。气动扭矩的大小与风速大小密切相关,风速越大,气动扭矩越大,反之越小。机组控制系统根据气动扭矩的大小,给定相应的电磁扭矩,两者必须保持匹配,才能确保机组叶轮转速平稳。
机组在运行过程中,由于种种原因,例如,叶片本身翼型存在问题、恶劣的运行环境工况、或者本身参数设置不合理,会导致叶片产生失速问题。当叶片发生失速时,具体表现为:叶片在各个截面的升力急剧降低,阻力变大,从而导致机组出力降低,远低于设计输出,机组的功率曲线出现“凹坑”。
目前对于叶片失速的判断主要是通过对机组的功率曲线进行分析,一般根据风速功率不匹配来进行判断:在一定的环境温度条件下,一定的风速条件下,当机组的功率输出低于机组设计输出一定比例时,判断叶片为失速。当叶片失速时,一般采取保护停机或者根据失速的程度调整叶片的桨距角到一定角度以减轻叶片的失速程度,从而降低因叶片失速带来的发电量损失。
然而,单纯通过风速功率关系判断叶片失速可能导致误判。这是因为:导致机组功率曲线差的原因很多,比如机组自身因素,如控制参数不合适、变流器效率差、机组存在较大的静态偏航对风偏差等自身因素;或者机组运行的外部因素,如风向变化、湍流强度等,如果上述单个因素存在或者同时存在,可能会导致机组出现叶片失速误判。此外,机组的设计功率曲线中的风速默认为准确测量的风速,而机组的风速测量仪器风速仪位于叶轮后方,受到叶轮转动时的扰流作用,导致风速测量结果不够准确。由于风速测量结果不够准确,通过风速功率关系判断叶片是否失速,可能会导致判断结果不准确。
发明内容
本发明的示例性实施例在于提供一种识别风力发电机组的叶片失速的方法及设备,其能够解决现有技术存在的叶片失速识别结果不够准确的问题。
根据本发明的示例性实施例,提供一种识别风力发电机组的叶片失速的方法,所述方法包括:基于风力发电机组的实时运行数据,确定叶片攻角;当第一预设时长内的叶片攻角均大于或等于叶片失速攻角时,确定叶片处于失速状态,其中,所述叶片失速攻角是基于风力发电机组的满足预设条件的历史运行数据计算得到的。
可选地,基于风力发电机组的实时运行数据,确定叶片攻角的步骤包括:基于风力发电机组的实时运行数据,确定在与叶片的距叶片根部预设长度处对应的叶片截面处的攻角,并将确定的攻角作为叶片攻角。
可选地,所述实时运行数据包括以下项之中的至少一项:叶轮转速、风向角、入流因子、轴向诱导因子、自由来流风速、叶片扭角、叶片桨距角。
可选地,基于风力发电机组的实时运行数据,确定在与叶片的距叶片根部预设长度处对应的叶片截面处的攻角的步骤包括:通过下式计算在与叶片的距叶片根部预设长度处对应的叶片截面处的攻角α:
其中,a表示入流因子或轴向诱导因子,U表示自由来流风速,β表示风向角,ω叶轮表示叶轮转速,θT表示叶片扭角,θp,0表示叶片桨距角,r表示所述预设长度。
可选地,所述方法还包括:筛选出满足所述预设条件的历史运行数据;基于筛选出的历史运行数据,计算所述叶片失速攻角。
可选地,筛选出满足所述预设条件的历史运行数据的步骤包括:获取第二预设时长的历史运行数据;确定第二预设时长内处于正常发电且未限电的数据点;从确定的处于正常发电且未限电的数据点中筛选出:处于功率曲线最大风能捕获段的连续的超过第一预定数量的满足第一预设条件的数据点、处于功率曲线过渡段的连续的超过第二预定数量的满足第二预设条件的数据点;将筛选出的数据点的运行数据作为满足所述预设条件的历史运行数据。
可选地,所述第一预设条件包括:ω>c*ω额定、p≤pe(v)*d以及ω∈[Q1-1.5IQR,Q1];和/或,所述第二预设条件包括:ω>c*ω额定、p<p额定以及p≤pe(v)*d,其中,c为大于0且小于1的实数,ω表示发电机转速,ω额定表示额定转速,p表示实际输出功率,d表示功率系数,pe(v)表示环境风速为v时的设计输出功率,v表示环境风速,p额定表示额定输出功率,IQR=Q3-Q1,Q3为所述处于正常发电且未限电的数据点的发电机转速的箱线图的上四分位数,Q1为所述箱线图的下四分位数。
可选地,基于筛选出的历史运行数据,计算所述叶片失速攻角的步骤包括:按照筛选出的数据点的时间先后顺序,将前b%的数据点划分为第一组数据点,并将剩余的数据点划分为第二组数据点;基于数据点的运行数据,计算第一组数据点和第二组数据点之中每个数据点对应的叶片攻角;针对k个攻角筛选值中的第i个攻角筛选值,确定第一组数据点之中叶片攻角大于该攻角筛选值的所有数据点的叶片攻角的平均值αmean1(i),以及第二组数据点之中叶片攻角大于该攻角筛选值的所有数据点的叶片攻角的平均值αmean2(i),并确定αmean1(i)和αmean2(i)之中的较小值与较大值的比值λi;基于[λ1,λ2…,λk]之中的最大值λj所对应的αmean1(j)和/或αmean2(j),确定所述叶片失速攻角,其中,k个攻角筛选值是按照预设步长划分预设角度范围而得到的。
可选地,所述预设角度范围通过下述方式确定:确定第一组数据点的叶片攻角的平均值αmean1和最小值αmin1、第二组数据点的叶片攻角的平均值αmean2和最小值αmin2,并将αmin1和αmin2之中的最大值作为所述预设角度范围的起点,将αmean1和αmean2之中的最小值作为所述预设角度范围的终点。
可选地,基于αmean1(j)和/或αmean2(j),确定所述叶片失速攻角的步骤包括:将αmean1(j)和αmean2(j)之中的较小值作为所述叶片失速攻角;或者,将αmean1(j)和αmean2(j)的平均值作为所述叶片失速攻角。
根据本发明的另一示例性实施例,提供一种识别风力发电机组的叶片失速的设备,所述设备包括:攻角确定单元,基于风力发电机组的实时运行数据,确定叶片攻角;失速识别单元,当第一预设时长内的叶片攻角均大于或等于叶片失速攻角时,确定叶片处于失速状态,其中,所述叶片失速攻角是基于风力发电机组的满足预设条件的历史运行数据计算得到的。
可选地,攻角确定单元基于风力发电机组的实时运行数据,确定在与叶片的距叶片根部预设长度处对应的叶片截面处的攻角,并将确定的攻角作为叶片攻角。
可选地,所述实时运行数据包括以下项之中的至少一项:叶轮转速、风向角、入流因子、轴向诱导因子、自由来流风速、叶片扭角、叶片桨距角。
可选地,攻角确定单元通过下式计算在与叶片的距叶片根部预设长度处对应的叶片截面处的攻角α:
其中,a表示入流因子或轴向诱导因子,U表示自由来流风速,β表示风向角,ω叶轮表示叶轮转速,θT表示叶片扭角,θp,0表示叶片桨距角,r表示所述预设长度。
可选地,所述设备还包括:数据筛选单元,筛选出满足所述预设条件的历史运行数据;失速攻角计算单元,基于筛选出的历史运行数据,计算所述叶片失速攻角。
可选地,数据筛选单元获取第二预设时长的历史运行数据;确定第二预设时长内处于正常发电且未限电的数据点;从确定的处于正常发电且未限电的数据点中筛选出:处于功率曲线最大风能捕获段的连续的超过第一预定数量的满足第一预设条件的数据点、处于功率曲线过渡段的连续的超过第二预定数量的满足第二预设条件的数据点;并将筛选出的数据点的运行数据作为满足所述预设条件的历史运行数据。
可选地,所述第一预设条件包括:ω>c*ω额定、p≤pe(v)*d以及ω∈[Q1-1.5IQR,Q1];和/或,所述第二预设条件包括:ω>c*ω额定、p<p额定以及p≤pe(v)*d,其中,c为大于0且小于1的实数,ω表示发电机转速,ω额定表示额定转速,p表示实际输出功率,d表示功率系数,pe(v)表示环境风速为v时的设计输出功率,v表示环境风速,p额定表示额定输出功率,IQR=Q3-Q1,Q3为所述处于正常发电且未限电的数据点的发电机转速的箱线图的上四分位数,Q1为所述箱线图的下四分位数。
可选地,失速攻角计算单元按照筛选出的数据点的时间先后顺序,将前b%的数据点划分为第一组数据点,并将剩余的数据点划分为第二组数据点;基于数据点的运行数据,计算第一组数据点和第二组数据点之中每个数据点对应的叶片攻角;针对k个攻角筛选值中的第i个攻角筛选值,确定第一组数据点之中叶片攻角大于该攻角筛选值的所有数据点的叶片攻角的平均值αmean1(i),以及第二组数据点之中叶片攻角大于该攻角筛选值的所有数据点的叶片攻角的平均值αmean2(i),并确定αmean1(i)和αmean2(i)之中的较小值与较大值的比值λi;并基于[λ1,λ2…,λk]之中的最大值λj所对应的αmean1(j)和/或αmean2(j),确定所述叶片失速攻角,其中,k个攻角筛选值是按照预设步长划分预设角度范围而得到的。
可选地,所述预设角度范围通过下述方式确定:确定第一组数据点的叶片攻角的平均值αmean1和最小值αmin1、第二组数据点的叶片攻角的平均值αmean2和最小值αmin2,并将αmin1和αmin2之中的最大值作为所述预设角度范围的起点,将αmean1和αmean2之中的最小值作为所述预设角度范围的终点。
可选地,失速攻角计算单元将αmean1(j)和αmean2(j)之中的较小值作为所述叶片失速攻角;或者,将αmean1(j)和αmean2(j)的平均值作为所述叶片失速攻角。
根据本发明的另一示例性实施例,提供一种存储有计算机程序的计算机可读存储介质,当所述计算机程序被处理器执行时实现如上所述的识别风力发电机组的叶片失速的方法。
根据本发明的另一示例性实施例,提供一种识别风力发电机组的叶片失速的设备,所述设备包括: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,实现如上所述的识别风力发电机组的叶片失速的方法。
根据本发明示例性实施例的识别风力发电机组的叶片失速的方法及设备,其能够快速且准确地识别叶片是否处于失速状态。
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描述,本发明示例性实施例的上述和其它目的和特点将会变得更加清楚,其中:
图1示出根据本发明示例性实施例的识别风力发电机组的叶片失速的方法的流程图;
图2示出根据本发明示例性实施例的叶片攻角与叶片升力系数之间的关系的示例;
图3示出根据本发明示例性实施例的叶片的某一截面的自由来流风速与叶轮转速之间的关系的示例;
图4示出根据本发明示例性实施例的筛选出满足预设条件的历史运行数据的方法的流程图;
图5示出根据本发明示例性实施例的数据集的箱线图的示例;
图6示出根据本发明示例性实施例的基于筛选出的历史运行数据计算叶片失速攻角的方法的流程图;
图7示出根据本发明示例性实施例的识别风力发电机组的叶片失速的设备的结构框图。
具体实施方式
现将详细参照本发明的实施例,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识别风力发电机组的叶片失速的方法的流程图。
参照图1,在步骤S10,基于风力发电机组的实时运行数据,确定叶片攻角。
在步骤S20,当第一预设时长内的叶片攻角均大于或等于叶片失速攻角时,确定叶片处于失速状态。
这里,所述叶片失速攻角是基于风力发电机组的满足预设条件的历史运行数据计算得到的。换言之,本发明用于判断叶片是否处于失速状态所使用的叶片失速攻角是基于风力发电机组的实际运行数据所得到的实际失速攻角,从而能够进一步提高叶片失速识别结果的准确性。
作为示例,叶片处于失速状态可指叶片上表面的层流(边界层)提前分离,导致叶片的阻力急剧增大,升力急剧降低,机组的功率输出随之降低的现象。
作为示例,可基于风力发电机组的实时运行数据,确定在与叶片的距叶片根部预设长度处对应的叶片截面处的攻角,并将确定的攻角作为叶片攻角。换言之,将叶片在某一截面处的攻角,作为叶片攻角用于判断叶片是否处于失速状态。作为示例,叶片在某一截面处的攻角可指在该截面处,自由来流合成风速与该截面弦线的夹角大小。作为示例,所述预设长度可为70%~80%的叶片长度。
作为示例,用于确定叶片攻角的实时运行数据可包括以下项之中的至少一项:叶轮转速、风向角、入流因子(inflow factor,无量纲)、轴向诱导因子(axial flowinduction factor,无量纲)、自由来流风速、叶片扭角、叶片桨距角。
本发明考虑到现代大型风力发电机组主要为升力型风机,即通过叶片上下表面的压力差产生升力驱动整个叶轮转动,将风能转化为机械能拖动发电机转动,再将机械能转化为电能。根据空气动力学,在叶片的某一截面上,叶片表面的气流根据设计在一定位置分离,确保叶片的升力最大。但在某些工况条件下,如果该分离点出现了提前,会导致该截面处的阻力增大,升力降低,攻角增大,叶片吸收风能的能力大大降低,此时叶片可能会出现失速现象。导致叶片失速的因素很多:(1)叶片表面污染,在叶片表面污染的情况下,叶片的翼型已经发生了变化,可能会导致叶片提前达到失速攻角,导致叶片升力急剧降低;(2)现场运行时空气密度低;(3)机组设计的最小转速过低;(4)跳转速失败;(5)其他因素,或者上述因素的组合。对于某一叶片,叶片某一截面处的攻角与叶片升力系数Cl之间的关系如图2所示:当某一叶片截面的攻角大于一定的角度后,叶片的升力会急剧降低,导致叶片出现失速现象。需要指出的是,不同型号的叶片的失速攻角大小可能相同或不同,同一型号的叶片由于具体运行环境不同,对应的失速攻角大小可能相同或不同。
因此,本发明提出可通过叶片攻角的大小及叶片的实际失速攻角来判断叶片是否处于失速状态。进一步地,提出可通过叶片在某一截面处的攻角大小来判断叶片是否处于失速状态,以简化叶片攻角的计算,降低计算叶片攻角的运算量。
作为示例,本发明简化了叶片气动模型,简化后叶片的某一截面的自由来流风速与叶轮转速之间的关系如图3所示,基于图3可通过式(1)来计算叶片某一截面处的攻角α:
其中,表示入流角,θp,0表示叶片桨距角,θT表示叶片扭角,可通过查表法确定。
图3中自由来流风速垂直于叶轮平面,考虑到自由来流风速与叶轮平面存在一定夹角β(即,一定的偏航对风偏差),同时假设切向因子a′=0,则可通过式(2)来计算叶片某一截面处的攻角α:
其中,a表示入流因子或轴向诱导因子,可基于风能利用系数得到;U表示自由来流风速,β表示风向角,ω叶轮表示叶轮转速,r表示所述预设长度,rω叶轮表示叶片上距根部长度为r处(例如,距叶片根部80%叶片长度处)的线速度。通过式(2)可以估算出在叶片某一截面处的攻角的大小,从而能够简便地计算出叶片攻角用于判断叶片是否处于失速状态。
作为示例,根据本发明示例性实施例的识别风力发电机组的叶片失速的方法还可包括:筛选出满足所述预设条件的历史运行数据;并基于筛选出的历史运行数据,计算所述叶片失速攻角。
作为示例,所述叶片失速攻角可为基于筛选出的历史运行数据得到的叶片在与叶片的距叶片根部所述预设长度处对应的叶片截面处的叶片失速攻角。
作为示例,可基于筛选出的历史运行数据计算对应的叶片攻角,并基于计算出的叶片攻角,确定所述叶片失速攻角。
以下,将结合图4描述筛选出满足预设条件的历史运行数据的方法的示例性实施例。
在步骤S101,获取第二预设时长的历史运行数据。
所述历史运行数据包括与叶片失速相关联的运行数据。作为示例,所述历史运行数据可包括以下项之中的至少一项:环境风速、发电机转速、输出功率。
例如,第二预设时长可为10天,例如,可获取最近10天的历史运行数据。
在步骤S102,确定第二预设时长内处于正常发电且未限电的数据点。
作为示例,可将第二预设时长以固定时间间隔(例如,10min)划分为多个时间段,每个数据点分别与一个时间段相对应,从而每个数据点可与一个时间段内的运行数据的均值相对应。
作为示例,处于正常发电且未限电的数据点即:所对应的时间段内正常发电(即,未待机、停机等)且未限电(即,未限制发电,未限制输出功率)的数据点。
在步骤S103,从确定的处于正常发电且未限电的数据点中筛选出:处于功率曲线最大风能捕获段(即,机组的功率曲线上的MPPT段)的连续的超过第一预定数量的满足第一预设条件的数据点、处于功率曲线过渡段(即,机组的功率曲线上的过渡段)的连续的超过第二预定数量的满足第二预设条件的数据点。
换言之,筛选出多组这样的连续数据点:均满足处于功率曲线最大风能捕获段和第一预设条件的连续数据点且连续数据点的数量超过第一预定数量(例如,3个)、均满足处于功率曲线过渡段和第二预设条件的连续数据点且连续数据点的数量超过第二预定数量(例如,3个)。
作为示例,所述第一预设条件可涉及对输出功率和发电机转速的限定。作为示例,所述第一预设条件可包括:ω>c*ω额定、p≤pe(v)*d以及ω∈[Q1-1.5IQR,Q1],其中,c为大于0且小于1的实数(例如,可为0.9),ω表示发电机转速,ω额定表示额定转速,p表示实际输出功率(即,在环境风速为v时的实际输出功率),d表示功率系数,pe(v)表示环境风速为v时的设计输出功率,v表示环境风速,p额定表示额定输出功率,IQR=Q3-Q1,Q3为第二预设时长内处于正常发电且未限电的数据点的发电机转速的箱线图(例如,如图5所示)的上四分位数,Q1为所述箱线图的下四分位数。
作为示例,所述第二预设条件可涉及对输出功率和发电机转速的限定。作为示例,所述第二预设条件可包括:ω>c*ω额定、p<p额定以及p≤pe(v)*d。
在步骤S104,将筛选出的数据点的运行数据作为满足所述预设条件的历史运行数据。
以下,将结合图6描述基于筛选出的历史运行数据计算叶片失速攻角的方法的示例性实施例。
在步骤S201,按照筛选出的数据点的时间先后顺序,将前b%的数据点划分为第一组数据点,并将剩余的数据点划分为第二组数据点。例如,b可为70。
在步骤S202,基于数据点的运行数据,计算第一组数据点和第二组数据点之中每个数据点对应的叶片攻角。
作为示例,每个数据点对应的叶片攻角可为:基于该数据点对应的时间段内的运行数据的均值,计算得到的与叶片的距叶片根部预设长度处对应的叶片截面处的攻角,例如,可通过式(2)计算得到。
在步骤S203,针对k个攻角筛选值中的第i个攻角筛选值,确定第一组数据点之中叶片攻角大于该攻角筛选值的所有数据点的叶片攻角的平均值αmean1(i),以及第二组数据点之中叶片攻角大于该攻角筛选值的所有数据点的叶片攻角的平均值αmean2(i),并确定αmean1(i)和αmean2(i)之中的较小值与较大值的比值λi,其中,k个攻角筛选值是按照预设步长划分预设角度范围而得到的,i的取值范围为从1到k。
作为示例,所述预设角度范围可通过下述方式确定:确定第一组数据点的叶片攻角的平均值αmean1和最小值αmin1、第二组数据点的叶片攻角的平均值αmean2和最小值αmin2,并将αmin1和αmin2之中的最大值作为所述预设角度范围的起点,将αmean1和αmean2之中的最小值作为所述预设角度范围的终点。
在步骤S204,基于[λ1,λ2…,λk]之中的最大值λj所对应的αmean1(j)和/或αmean2(j),确定所述叶片失速攻角。
作为示例,可将αmean1(j)和αmean2(j)之中的较小值作为所述叶片失速攻角;或者,将αmean1(j)和αmean2(j)的平均值作为所述叶片失速攻角。
根据本发明的示例性实施例,考虑到叶片失速时的特征(输出功率、发电机转速等)、以及机组在不同运行区间的叶片失速特征,通过自学习的方法,学习出叶片在某一截面下的实际失速攻角。
此外,作为另一示例,可根据叶片的模型,基于筛选出的历史运行数据进行仿真,以获得所述叶片失速攻角,这里,所述历史运行数据可包括:环境风资源数据。
作为示例,在步骤S20中,可当连续第三预定数量的正常发电且未限电的时间段的叶片攻角均大于或等于所述叶片失速攻角时,确定叶片处于失速状态。作为示例,每个时间段的叶片攻角可基于该时间段内的运行数据的均值计算得到。例如,所述时间段的时长可为10min。
根据本发明的示例性实施例,能够快速而准确地识别叶片是否处于失速状态。从而能够实现:(1)机组安全运行预警,发出叶片失速警告消息,以便现场服务工程师进行人工检查并采取相应措施;(2)停机保护,为确保机组安全运行,可以进行短时间停机保护;(3)调整控制参数,减轻叶片的失速程度,减小机组发电量损失。
图7示出根据本发明示例性实施例的识别风力发电机组的叶片失速的设备的结构框图。
如图7所示,根据本发明示例性实施例的识别风力发电机组的叶片失速的设备包括:攻角确定单元10和失速识别单元20。
具体说来,攻角确定单元10用于基于风力发电机组的实时运行数据,确定叶片攻角。
失速识别单元20用于当第一预设时长内的叶片攻角均大于或等于叶片失速攻角时,确定叶片处于失速状态,其中,所述叶片失速攻角是基于风力发电机组的满足预设条件的历史运行数据计算得到的。
作为示例,攻角确定单元10可基于风力发电机组的实时运行数据,确定在与叶片的距叶片根部预设长度处对应的叶片截面处的攻角,并将确定的攻角作为叶片攻角。
作为示例,所述实时运行数据可包括以下项之中的至少一项:叶轮转速、风向角、入流因子、轴向诱导因子、自由来流风速、叶片扭角、叶片桨距角。
作为示例,攻角确定单元10可通过下式计算在与叶片的距叶片根部预设长度处对应的叶片截面处的攻角α:
其中,a表示入流因子或轴向诱导因子,U表示自由来流风速,β表示风向角,ω叶轮表示叶轮转速,θT表示叶片扭角,θp,0表示叶片桨距角,r表示所述预设长度。
作为示例,根据本发明示例性实施例的识别风力发电机组的叶片失速的设备还可包括:数据筛选单元(未示出)和失速攻角计算单元(未示出)。
数据筛选单元用于筛选出满足所述预设条件的历史运行数据。
失速攻角计算单元用于基于筛选出的历史运行数据,计算所述叶片失速攻角。
作为示例,数据筛选单元可执行以下处理:获取第二预设时长的历史运行数据;确定第二预设时长内处于正常发电且未限电的数据点;从确定的处于正常发电且未限电的数据点中筛选出:处于功率曲线最大风能捕获段的连续的超过第一预定数量的满足第一预设条件的数据点、处于功率曲线过渡段的连续的超过第二预定数量的满足第二预设条件的数据点;并将筛选出的数据点的运行数据作为满足所述预设条件的历史运行数据。
作为示例,所述第一预设条件可包括:ω>c*ω额定、p≤pe(v)*d以及ω∈[Q1-1.5IQR,Q1];和/或,所述第二预设条件可包括:ω>c*ω额定、p<p额定以及p≤pe(v)*d,其中,c为大于0且小于1的实数,ω表示发电机转速,ω额定表示发电机额定转速,p表示实际输出功率,d表示功率系数,pe(v)表示环境风速为v时的设计输出功率,v表示环境风速,p额定表示额定输出功率,IQR=Q3-Q1,Q3为所述处于正常发电且未限电的数据点的发电机转速的箱线图的上四分位数,Q1为所述箱线图的下四分位数。
作为示例,失速攻角计算单元可执行以下处理:按照筛选出的数据点的时间先后顺序,将前b%的数据点划分为第一组数据点,并将剩余的数据点划分为第二组数据点;基于数据点的运行数据,计算第一组数据点和第二组数据点之中每个数据点对应的叶片攻角;针对k个攻角筛选值中的第i个攻角筛选值,确定第一组数据点之中叶片攻角大于该攻角筛选值的所有数据点的叶片攻角的平均值αmean1(i),以及第二组数据点之中叶片攻角大于该攻角筛选值的所有数据点的叶片攻角的平均值αmean2(i),并确定αmean1(i)和αmean2(i)之中的较小值与较大值的比值λi;并基于[λ1,λ2…,λk]之中的最大值λj所对应的αmean1(j)和/或αmean2(j),确定所述叶片失速攻角,其中,k个攻角筛选值是按照预设步长划分预设角度范围而得到的。
作为示例,所述预设角度范围可通过下述方式确定:确定第一组数据点的叶片攻角的平均值αmean1和最小值αmin1、第二组数据点的叶片攻角的平均值αmean2和最小值αmin2,并将αmin1和αmin2之中的最大值作为所述预设角度范围的起点,将αmean1和αmean2之中的最小值作为所述预设角度范围的终点。
作为示例,失速攻角计算单元可将αmean1(j)和αmean2(j)之中的较小值作为所述叶片失速攻角;或者,将αmean1(j)和αmean2(j)的平均值作为所述叶片失速攻角。
作为示例,所述叶片失速攻角可以是根据叶片的模型,基于风力发电机组的满足所述预设条件的历史运行数据仿真得到的,其中,所述历史运行数据包括:环境风资源数据。
应该理解,根据本发明示例性实施例的识别风力发电机组的叶片失速的设备所执行的具体处理已经参照图1-6进行了详细描述,这里将不再赘述相关细节。
应该理解,根据本发明示例性实施例的识别风力发电机组的叶片失速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装置所执行的处理,可以例如使用现场可编程门阵列(FPGA)或专用集成电路(ASIC)来实现各个装置。
本发明的示例性实施例提供一种存储有计算机程序的计算机可读存储介质,当所述计算机程序被处理器执行时实现如上述示例性实施例所述的识别风力发电机组的叶片失速的方法。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)。
根据本发明的示例性实施例的识别风力发电机组的叶片失速的设备包括:处理器(未示出)和存储器(未示出),其中,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,实现如上述示例性实施例所述的识别风力发电机组的叶片失速的方法。
虽然已表示和描述了本发明的一些示例性实施例,但本领域技术人员应该理解,在不脱离由权利要求及其等同物限定其范围的本发明的原理和精神的情况下,可以对这些实施例进行修改。
Claims (11)
1.一种识别风力发电机组的叶片失速的方法,其特征在于,所述方法包括:
基于风力发电机组的实时运行数据,确定叶片攻角;
当第一预设时长内的叶片攻角均大于或等于叶片失速攻角时,确定叶片处于失速状态,
其中,所述叶片失速攻角是基于风力发电机组的满足预设条件的历史运行数据计算得到的;
其中,所述方法还包括:
获取第二预设时长的历史运行数据;
确定第二预设时长内处于正常发电且未限电的数据点;
从确定的处于正常发电且未限电的数据点中筛选出:处于功率曲线最大风能捕获段的连续的超过第一预定数量的满足第一预设条件的数据点、处于功率曲线过渡段的连续的超过第二预定数量的满足第二预设条件的数据点;
基于筛选出的数据点的运行数据,计算所述叶片失速攻角。
2.根据权利要求1所述的方法,其特征在于,基于风力发电机组的实时运行数据,确定叶片攻角的步骤包括:
基于风力发电机组的实时运行数据,确定在与叶片的距叶片根部预设长度处对应的叶片截面处的攻角,并将确定的攻角作为叶片攻角。
3.根据权利要求2所述的方法,其特征在于,所述实时运行数据包括以下项之中的至少一项:
叶轮转速、风向角、入流因子、轴向诱导因子、自由来流风速、叶片扭角、叶片桨距角。
4.根据权利要求3所述的方法,其特征在于,基于风力发电机组的实时运行数据,确定在与叶片的距叶片根部预设长度处对应的叶片截面处的攻角的步骤包括:
通过下式计算在与叶片的距叶片根部预设长度处对应的叶片截面处的攻角α:
其中,a表示入流因子或轴向诱导因子,U表示自由来流风速,β表示风向角,ω叶轮表示叶轮转速,θT表示叶片扭角,θp,0表示叶片桨距角,r表示所述预设长度。
5.根据权利要求1所述的方法,其特征在于,
所述第一预设条件包括:ω>c*ω额定、p≤pe(v)*d以及ω∈[Q1-1.5IQR,Q1];
和/或,所述第二预设条件包括:ω>c*ω额定、p<p额定以及p≤pe(v)*d,
其中,c为大于0且小于1的实数,ω表示发电机转速,ω额定表示额定转速,p表示实际输出功率,d表示功率系数,pe(v)表示环境风速为v时的设计输出功率,v表示环境风速,p额定表示额定输出功率,IQR=Q3-Q1,Q3为所述处于正常发电且未限电的数据点的发电机转速的箱线图的上四分位数,Q1为所述箱线图的下四分位数。
6.根据权利要求1所述的方法,其特征在于,基于筛选出的数据点的运行数据,计算所述叶片失速攻角的步骤包括:
按照筛选出的数据点的时间先后顺序,将前b%的数据点划分为第一组数据点,并将剩余的数据点划分为第二组数据点;
基于数据点的运行数据,计算第一组数据点和第二组数据点之中每个数据点对应的叶片攻角;
针对k个攻角筛选值中的第i个攻角筛选值,确定第一组数据点之中叶片攻角大于该攻角筛选值的所有数据点的叶片攻角的平均值αmean1(i),以及第二组数据点之中叶片攻角大于该攻角筛选值的所有数据点的叶片攻角的平均值αmean2(i),并确定αmean1(i)和αmean2(i)之中的较小值与较大值的比值λi;
基于[λ1,λ2…,λk]之中的最大值λj所对应的αmean1(j)和/或αmean2(j),确定所述叶片失速攻角,
其中,k个攻角筛选值是按照预设步长划分预设角度范围而得到的。
7.根据权利要求6所述的方法,其特征在于,所述预设角度范围通过下述方式确定:
确定第一组数据点的叶片攻角的平均值αmean1和最小值αmin1、第二组数据点的叶片攻角的平均值αmean2和最小值αmin2,并将αmin1和αmin2之中的最大值作为所述预设角度范围的起点,将αmean1和αmean2之中的最小值作为所述预设角度范围的终点。
8.根据权利要求6所述的方法,其特征在于,基于αmean1(j)和/或αmean2(j),确定所述叶片失速攻角的步骤包括:
将αmean1(j)和αmean2(j)之中的较小值作为所述叶片失速攻角;
或者,将αmean1(j)和αmean2(j)的平均值作为所述叶片失速攻角。
9.一种识别风力发电机组的叶片失速的设备,其特征在于,所述设备包括:
攻角确定单元,基于风力发电机组的实时运行数据,确定叶片攻角;
失速识别单元,当第一预设时长内的叶片攻角均大于或等于叶片失速攻角时,确定叶片处于失速状态,
其中,所述叶片失速攻角是基于风力发电机组的满足预设条件的历史运行数据计算得到的;
其中,所述设备还包括:
数据筛选单元,获取第二预设时长的历史运行数据;确定第二预设时长内处于正常发电且未限电的数据点;从确定的处于正常发电且未限电的数据点中筛选出:处于功率曲线最大风能捕获段的连续的超过第一预定数量的满足第一预设条件的数据点、处于功率曲线过渡段的连续的超过第二预定数量的满足第二预设条件的数据点;
失速攻角计算单元,基于筛选出的数据点的运行数据,计算所述叶片失速攻角。
10.一种存储有计算机程序的计算机可读存储介质,其特征在于,当所述计算机程序被处理器执行时实现如权利要求1至8中的任意一项所述的识别风力发电机组的叶片失速的方法。
11.一种识别风力发电机组的叶片失速的设备,其特征在于,所述设备包括:
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8中的任意一项所述的识别风力发电机组的叶片失速的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010811906.7A CN114076065B (zh) | 2020-08-13 | 2020-08-13 | 识别风力发电机组的叶片失速的方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010811906.7A CN114076065B (zh) | 2020-08-13 | 2020-08-13 | 识别风力发电机组的叶片失速的方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114076065A CN114076065A (zh) | 2022-02-22 |
CN114076065B true CN114076065B (zh) | 2023-09-26 |
Family
ID=80280531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010811906.7A Active CN114076065B (zh) | 2020-08-13 | 2020-08-13 | 识别风力发电机组的叶片失速的方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114076065B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116221015B (zh) * | 2023-04-28 | 2023-07-28 | 三峡智控科技有限公司 | 一种基于叶片攻角的风力发电机组叶片失效保护方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102562453A (zh) * | 2012-03-01 | 2012-07-11 | 国电联合动力技术有限公司 | 变速恒频风力发电机在额定转速阶段的变桨控制方法 |
EP3029317A1 (en) * | 2014-12-05 | 2016-06-08 | Siemens Aktiengesellschaft | Method and apparatus for reduction of fatigue and gust loads on wind turbine blades |
WO2018131821A1 (ko) * | 2017-01-10 | 2018-07-19 | 한국항공우주연구원 | 받음각 자동 조절 날개 및 받음각 자동 조절 날개를 포함하는 항공기 및 선박 |
CN109162867A (zh) * | 2017-06-29 | 2019-01-08 | 北京金风科创风电设备有限公司 | 风力发电机组pid控制方法及装置 |
CN109268205A (zh) * | 2018-08-27 | 2019-01-25 | 华北电力大学 | 一种基于智能风力机的风电场优化控制方法 |
CN109322787A (zh) * | 2018-09-10 | 2019-02-12 | 许继集团有限公司 | 一种风力发电机组停机控制方法和控制装置 |
CN110761958A (zh) * | 2018-07-27 | 2020-02-07 | 北京金风科创风电设备有限公司 | 风力发电机组的叶片失速诊断方法及装置 |
-
2020
- 2020-08-13 CN CN202010811906.7A patent/CN114076065B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102562453A (zh) * | 2012-03-01 | 2012-07-11 | 国电联合动力技术有限公司 | 变速恒频风力发电机在额定转速阶段的变桨控制方法 |
EP3029317A1 (en) * | 2014-12-05 | 2016-06-08 | Siemens Aktiengesellschaft | Method and apparatus for reduction of fatigue and gust loads on wind turbine blades |
WO2018131821A1 (ko) * | 2017-01-10 | 2018-07-19 | 한국항공우주연구원 | 받음각 자동 조절 날개 및 받음각 자동 조절 날개를 포함하는 항공기 및 선박 |
CN109162867A (zh) * | 2017-06-29 | 2019-01-08 | 北京金风科创风电设备有限公司 | 风力发电机组pid控制方法及装置 |
CN110761958A (zh) * | 2018-07-27 | 2020-02-07 | 北京金风科创风电设备有限公司 | 风力发电机组的叶片失速诊断方法及装置 |
CN109268205A (zh) * | 2018-08-27 | 2019-01-25 | 华北电力大学 | 一种基于智能风力机的风电场优化控制方法 |
CN109322787A (zh) * | 2018-09-10 | 2019-02-12 | 许继集团有限公司 | 一种风力发电机组停机控制方法和控制装置 |
Also Published As
Publication number | Publication date |
---|---|
CN114076065A (zh) | 2022-02-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3465359B1 (en) | System and method for controlling a dynamic system, in particular a wind turbine | |
US10253758B2 (en) | System and method for optimizing wind farm performance | |
CN110761958B (zh) | 风力发电机组的叶片失速诊断方法及装置 | |
US10724499B2 (en) | Controlling wind turbines according to reliability estimates | |
US20110270450A1 (en) | Systems and methods for identifying wind turbine performance inefficiency | |
WO2022048228A1 (zh) | 风电机组的载荷控制方法和装置 | |
CN110761945B (zh) | 风力发电机组的叶片失速控制方法及装置 | |
CN114076065B (zh) | 识别风力发电机组的叶片失速的方法及设备 | |
Swytink‐Binnema et al. | Digital tuft analysis of stall on operational wind turbines | |
EP3642481B1 (en) | A method for determining wind turbine blade edgewise load recurrence | |
TWI729349B (zh) | 風力發電裝置及風力發電系統 | |
CN111340307A (zh) | 预测风机风力发电功率的方法以及相关装置 | |
GB2555010B (en) | Determining loads on a wind turbine | |
CN111310341B (zh) | 风机运行参数确定方法、装置、设备及可读存储介质 | |
CN115478993A (zh) | 风力发电机组叶片失速监测方法及系统 | |
CN110005579B (zh) | 一种叶片根部力矩测量方法 | |
CN108825452B (zh) | 确定风力发电机组叶片结冰的方法和装置 | |
Sanchez et al. | Numerical modelling techniques to predict rotor imbalance problems in tidal stream turbines | |
CN116756644B (zh) | 一种风电机组风速风向仪覆冰故障的预警方法 | |
CN113468765B (zh) | 部件寿命确定方法、系统和可读存储介质 | |
Shaler et al. | Assessment of Airfoil Property Sensitivity on Wind Turbine Extreme and Fatigue Loads | |
CN116933663B (zh) | 一种机载涡轮转子气动特性高保真模型建模方法及装置 | |
CN112665766B (zh) | 一种基于fbg的风机叶片载荷测量方法及应用 | |
WO2020251042A1 (ja) | 風車制御装置、風車制御プログラム及び風車制御方法 | |
EP4372225A1 (en) | Method and system for wind speed determination using rpm and blade pitch angle |
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: 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. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |