CN114439706A - 一种风电场风机叶片覆冰状态预测方法 - Google Patents

Abstract

本发明公开了一种风电场风机叶片覆冰状态预测方法，包括：获取风电场历史运行数据和并网功率数据，对风电场历史运行数据和并网功率数据进行数据预处理，剔除无效数据；计算并确定测风塔的第一时间段内风速、风向、温度、湿度、压力数据的时间序列，并网功率数据的时间序列，并将两组数据按照时间取交集进行整合，作为风电场风机叶片覆冰状态预测的历史数据；获取现场风电场风机叶片覆冰情况的历史记录；根据参考风电机组功率曲线，结合现场风电场风机叶片覆冰情况的历史记录，建立覆冰预测模型；根据覆冰预测模型，获得风电场风机叶片发生覆冰的时间，并记录状态；若发生覆冰，则标记为1，否则标记为零。还公开了对应的系统、电子设备以及计算机可读存储介质。

Description

一种风电场风机叶片覆冰状态预测方法

技术领域

本发明涉及风电场设备监测与管理技术领域，尤其涉及一种风电场风机叶片覆冰状态预测方法。

背景技术

风力发电资源利用率高，技术也比较成熟，随着技术发展成本也在不断下降，因此装机容量答复提高，但是风力发电对气象条件的变化非常敏感，具有一定程度的不稳定性。冬春季节气候湿润的地区，风机叶片覆冰称为风电场无法正常运行发电的主要影响因素。叶片覆冰后，叶片气动特性改变，机组动态载荷增加，会对风电场安全运行和效益产生负面影响。不同气候环境、地形条件影响，风机叶片工作中会形成质地不同、形状各异的覆冰，不同区域的风机叶片覆冰过程和特征存在很大差异，相应的除冰技术措施也不同。

此外，由于风电场的日常运行系统维护、电网限电计划、数据采集设备故障等原因，会导致风电场的部分历史运行数据并不能准确反映其对应时刻的实际发电能力。该部分数据会对风电场覆冰预测过程中准确标识场站的整体冰冻状态造成很大干扰，从而影响风电场覆冰预测的准确性和覆冰预测模型的可靠性。

发明内容

为了解决现有技术中存在的问题，本发明提供了如下技术方案。

本发明一方面提供了一种风电场风机叶片覆冰状态预测方法，包括：

步骤1，获取风电场历史运行数据和并网功率数据，对风电场历史运行数据和所述并网功率数据进行数据预处理，剔除无效数据；

步骤2，计算并确定测风塔的第一时间段内风速、风向、温度、湿度、压力数据的时间序列，并网功率数据的时间序列，并将两组数据按照时间取交集进行整合，作为风电场风机叶片覆冰状态预测的历史数据；

步骤3，获取现场风电场风机叶片覆冰情况的历史记录；

步骤4，根据参考风电机组功率曲线，结合所述现场风电场风机叶片覆冰情况的历史记录，建立覆冰预测模型；

步骤5，根据所述覆冰预测模型，获得所述风电场风机叶片发生覆冰的时间，并记录状态；若发生覆冰，则标记为1，否则标记为零。

优选的，所述剔除无效数据包括：

(1)剔除风机定检维护时段的数据；

(2)剔除风机各种因素造成的停机数据，包括故障停机、手动关机等；

(3)剔除异常因素造成的数据损坏，包括通信中断、SCADA系统故障等；

(4)剔除电网限电原因造成的降功率运行数据。

优选的，所述第一时间段为15分钟。

优选的，所述步骤4根据参考风电机组功率曲线，结合所述现场风电场风机叶片覆冰情况的历史记录，建立覆冰预测模型，包括：

步骤41，确定对叶片覆冰有影响的多个指标因素；

步骤42，根据灰色关联分析，定量计算所述多个指标因素与所述风机叶片覆冰程度的关联度的数值，确定影响叶片覆冰因素的重要程度，通过所述灰色关联分析，将对所述风机叶片覆冰有影响的所述多个指标因素按照影响程度从大到小的顺序进行排列，并所述关联度的数值选取建立所述叶片覆冰预测模型采用的参数；

步骤43，采集天气预报数据；

步骤44，根据所述关联度的数值，确定所述天气预报数据中的关键要素数据；

步骤45，根据测风塔的第一时间段内风速、风向、温度、湿度、压力数据的时间序列，并网功率数据的时间序列获得覆冰状态序列；

步骤46，基于所述天气预报数据中的关键要素数据以及所述覆冰状态序列，采用统计学方法和概率方法得到风电场预测覆冰产生时的关键气象要素的临界条件。

优选的，所述步骤41确定对叶片覆冰有影响的多个指标因素中所述多个指标因素为冰冻气象条件以及与冰冻天气相关的气象要素，所述冰冻气象条件包括雨凇、雾凇及雨雾混合淞，所述与冰冻天气相关的气象要素包括气温、相对湿度和风速。

优选的，所述方法还包括：

步骤6，在预测所述风机叶片覆冰产生时，结合所述产生的时间段内所述风机叶片的实际出力数据，对覆冰程度进行具体划分，并且计算不同程度的覆冰情况对所述风机叶片的实际出力的影响系数。

优选的，所述对覆冰程度进行具体划分包括通过模糊聚类分析、粒子群优化的方法，预测冰冻发生的程度，以及对应冰冻程度下的叶片出力的功率修正系数。

本发明的第二方面提供一种风电场风机叶片覆冰状态预测系统，包括：

风电场数据获取及预处理模块，用于获取风电场历史运行数据和并网功率数据，对风电场历史运行数据和所述并网功率数据进行数据预处理，剔除无效数据；

覆冰状态预测数据计算模块，用于计算并确定测风塔的第一时间段内风速、风向、温度、湿度、压力数据的时间序列，并网功率数据的时间序列，并将两组数据按照时间取交集进行整合，作为风电场风机叶片覆冰状态预测的历史数据；

覆冰历史记录获取模块，用于获取现场风电场风机叶片覆冰情况的历史记录；

覆冰预测模型建立模块，用于根据参考风电机组功率曲线，结合所述现场风电场风机叶片覆冰情况的历史记录，建立覆冰预测模型；

叶片覆冰状态预测模块，用于根据所述覆冰预测模型，获得所述风电场风机叶片发生覆冰的时间，并记录状态；若发生覆冰，则标记为1，否则标记为零；

出力修正模块，用于在预测所述风机叶片覆冰产生时，结合所述产生的时间段内所述风机叶片的实际出力数据，对覆冰程度进行具体划分，并且计算不同程度的覆冰情况对所述风机叶片的实际出力的影响系数。

本发明的第三方面提供一种电子设备，包括处理器和存储器，所述存储器存储有多条指令，所述处理器用于读取所述指令并执行如第一方面所述的方法。

本发明的第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述多条指令可被处理器读取并执行如第一方面所述的方法。

本发明具有如下有益效果：

1)根据天气预报数据，在对风电场进行覆冰预测分析研究之前，需要先对风电场历史运行数据进行数据预处理，对无效数据的剔除，预测经过更为精准。

2)灰色关联分析，可定量计算各因素对风力机叶片覆冰程度的影响，确定影响叶片覆冰因素的重要程度，为建立覆冰预测模型奠定基础。

3)根据灰色关联分析的结果，整理数值天气预报数据中的关键要素数据，并结合覆冰状态序列数据，利用统计学方法、概率方法，得到风电场预测覆冰产生时的关键气象要素的临界条件。

4)在预测覆冰产生时，需要结合相应时间段的实际出力数据，对覆冰程度给出具体划分，并且给出不同程度的覆冰情况对实际出力的影响系数，然后将该覆冰影响系数引入风电短期预测模型，通过模糊聚类分析、粒子群优化等方法，预测冰冻发生的程度，以及对应冰冻程度下的功率修正系数，提高了预测准确率，降低考核。

附图说明

图1为本发明所述方法流程示意图。

图2为本发明提供的电子设备实施例的结构示意图。

具体实施方式

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。

本发明提供的方法可以在如下的终端环境中实施，该终端可以包括一个或多个如下部件：处理器、存储器和显示屏。其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现下述实施例所述的方法。

处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分，通过运行或执行存储在存储器内的指令、程序、代码集或指令集，以及调用存储在存储器内的数据，执行终端的各种功能和处理数据。

存储器可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory，ROM)。存储器可用于存储指令、程序、代码、代码集或指令。

显示屏用于显示各个应用程序的用户界面。

除此之外，本领域技术人员可以理解，上述终端的结构并不构成对终端的限定，终端可以包括更多或更少的部件，或者组合某些部件，或者不同的部件布置。比如，终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件，在此不再赘述。

一、风电机组叶片覆冰机理及类型

1、风电机组叶片覆冰产生的基本气象条件

按照覆冰区域展开分析，风电场气象合理预测与运行状况了解，叶片出现覆冰的问题应该具备如下条件：环境温度低于0摄氏度，叶片表面低于-5摄氏度，空气湿度在85％以上。虽然这几个气象条件范围较窄，但通常风电场会处于大气冷热气流交汇地区，受微地形微气象的影响严重，所以部分风电场机组叶片覆冰现象较为普遍。

2、叶片表面结冰原理分析

(1)叶片表面结冰机理

叶片表面出现结冰的现象，是水在特定环境之下产生的物相变化，只要是温度不足0摄氏度水就会发生结冰的现象，这是自然规律，是无法改变的。在规定条件之下，空气过冷造成的水滴和风机叶片出现碰撞而导致凝结成冰，叶片表面的结冰形式中一般是过冷水滴成冰。过冷水滴主要指的是环境处于0摄氏度以下时依然以液态存在的水滴。环境中的气压不同，水的汽、液、固的状态也会有明显的变化，标准大气压水的结冰温度为0摄氏度，环境气压增大结冰的温度会逐步降低，所以在低于0摄氏度的情况下也会存在液态水。大气层中的过冷水滴稳定性很差，如果环境出现变化，过冷水滴会快速凝结而转化为冰。风电机组叶片表面撞击到存在过冷水滴的空气时，水滴因撞击会直接在叶片的前缘迎风面的位置上，过冷水滴的内部平衡被破坏，使得过冷水滴的结冰温度变高，更易在风电机组叶片的表面结冰。风电机组叶片表面结冰的发生是耦合相变复杂传热的阶段，因为叶片表面温度要低于冷水滴的温度，所以在过冷水滴撞击叶片时，会快速的吸收水分而经过凝固之后释放热量，然后过冷水滴在叶片表面迅速成冰。

(2)覆冰类型及分类

叶片表面结冰主要有雨凇、雾凇和混合凇三种类型：雨凇。如过冷水滴直径相对较大，在和叶片出现碰撞后，水滴先散开成水膜后迅速凝结成冰凌。此类覆冰一般环境温度在0～5℃时出现，空气湿度较大的条件之下，叶片表面会出现透明的硬度较高的冰层。此类冰层密度较大，附着力强；雾凇。过冷水滴的直径较小，在空气中漂浮运动，撞击叶片后快速形成冰凌，以干增长方式存在。一般在环境温度低于-5℃时，空气内水含量很少，晶体的形状是不规则的，极易在不光滑的叶片表面形成冰面，其质地疏松、密度小、粘附力不足；混合凇。过冷水滴的直径不同，空气内漂浮运动，在与叶片接触后快速成冰，有些为干增长、有些则为湿增长。冰内部以半透明的形式存在，密度中等，一般是出现在叶片迎水面，附着力较大。山区地带中风速较高的条件下，从云中来的冰晶会有一些大小中等的地面雾存在，通常环境温度在-10～-3℃之间时出现。因此，叶片表面极易出现雾凇、混合淞的形式。此外，叶片的长期运行之下，表面会存在较多的污渍、前缘腐蚀、叶片粗糙度过大等问题，也会导致叶片出现覆冰的问题。

2、覆冰影响因素分析

风电机组叶片覆冰和风电场的自然环境、地形条件有着直接的关系，而覆冰类型和环境温度、风速、叶轮扫风区过冷水滴直径、空气内液态水含量等存在直接的联系。

(1)影响叶片覆冰的气象条件

环境温度。给叶片覆冰影响最直接也最为明显，覆冰一般发生在环境温度为-1℃至-8℃之间，环境温度太低过冷水滴会出现雪花的情况，不会发生覆冰。因此冬季环境较低的情况下北方地区覆冰发生率较低，而南方的云南、贵州、湖南等地区湿度高的情况下发生覆冰的问题比较严重；空气湿度。其高低对于叶片覆冰的形成是有绝对性影响的，通常空气相对湿度超过85％极易产生叶片覆冰，还易导致雨凇的出现。覆冰发生率最高的为湖南、湖北、江西等地，冬季与初春的时节阴雨绵绵，空气湿度非常高，很多情况下甚至会达到90％以上，所以叶片的覆冰发生率较高，且主要是以雨凇的形式存在；风速。由于风可以直接进行过冷水滴的输送，所以也会给叶片覆冰产生直接影响。风速较小情况下有效地促进雾凇形成，风速较大会产生粒状雾凇的形式。一般风速越大叶片覆冰形成的速度也会更快。

过冷却水滴直径大小。水滴直径比较大的情况下，与叶片接触之下会产生结冰反应，潜热释放速度很慢，相反潜热释放速度过快结冰也会更快，因此覆冰形成的特征相差很大。叶片雨凇覆冰过程中过冷水滴直径较大，约在10～40μm之间，多为是毛毛雨天气。雾凇覆冰时过冷水滴直径在1～20μm之间，而混合凇水滴直径在5～35μm之间，多为浓雾天气；凝结高度。其为大气环境中的过冷水滴形成冰晶或雪花状态的海拔高度，会根据不同地面气温与露点温度而出现一定的变化。凝结高度主要是地面作为起始点为基准的空气水滴经过碰撞后所产生冻结的高度，其数值大小对于高海拔地带内的风电机组叶片覆冰会存在直接的影响。当风电机组所处叶轮扫风区域高度超过凝结高度时，此区域机组多为严重覆冰工况。

(2)影响叶片覆冰的地形及地理环境

风电机组叶片覆冰受本地地形条件、气象条件和风电机组的运行状态影响。覆冰与山区地带的走向、坡向、分水岭等方面存在直接的影响，山区风电机组的叶片覆冰在地形条件下影响最大。从目前研究结论分析，覆冰严重性与地形条件有着直接的影响，绝对海拔高度并不会对覆冰产生直接影响，但周边环境内的地形与测量点和周边相对高度也会给覆冰造成影响。风况相对好的条件下突出的地形条件，如山顶、垭口、迎风坡等，还有空气水份较高的江河、山顶等位置上容易出现液冰的区域，其覆冰也会更加严重。

(3)叶片覆冰对机组功率输出的影响

叶片结冰在迎风面的发生率比较高，且叶尖覆冰主要沉积在叶根位置，覆冰累积与不规则脱落也会造成机组输出功率的影响。在叶片表面发生微覆冰问题会导致其表面粗糙度较高而出现叶片气动性能很低，机组运行功率也很低；叶片覆冰严重会导致叶片转矩为零，不会有任何输出功率，自然覆冰也会造成振动严重而产生停机的问题。

叶片覆冰会直接影响系统的输出功率，受到覆冰重量、覆冰后翼分布、叶片设计与风机控制。以VestasV80-1.8MW风机进行仿真分析，在雨凇条件下叶片覆冰可达709kg，占叶片重量的11％(叶片总重量6500kg)；在雾凇条件下叶片覆冰可达434kg，占叶片重量的6.7％。研究分析发现，下面两种情况产生的覆冰问题会给叶片阻力带来影响：叶片的阻力沿叶片轴向以指数次增长，雨凇时叶尖阻力增加了365％，雾凇时增加了250％，而在两种条件下叶尖的升力均减小了40％。

综上，叶片覆冰结合不同的冰灾严重性，风机输出功率会产生很大的变化，比较轻的覆冰会让叶片功率有一部分损失，而覆冰严重会导致其输出功率为零，也就会停止运行。

叶片覆冰对于机组产生的危害有静态与动态载荷的不平衡、机组振动过于剧烈、叶片频率发生变化、增加疲劳载荷、增加叶片弯矩、造成人身危害等。

3、风电机组叶片覆冰检测及叶片防冰除冰系统

现有技术不能从根本上消除覆冰问题，只能在覆冰出现后立即采取必要措施除覆冰，能够有效的减轻经济损失。

(1)覆冰测量方式及必要性

覆冰测量可分为直接法、间接法和数学模型法三类。直接法利用覆冰所致重量、反射特性变化测量；间接法根据覆冰相关因素如风速、湿度和温度及覆冰条件下风机发电功率变化估算覆冰。覆冰检测工作开展可通过采取措施主动进行防冻除冰系统达到要求，但也容易产生负面作用。叶片轻微覆冰条件下会导致叶片输出功率下降5～15％，如果覆冰检测器无法准确检测出覆冰的情况，一般会在覆冰出现的几个小时内会通过视频等方式进行覆冰检测，在该过程中不仅风力发电效率降低，叶片加热系统也会导致能耗过大，通过加热进行覆冰溶解。

(2)基于叶片振动检测叶片覆冰传感器

精确的覆冰检测必须直接测得叶片上的覆冰量。叶片在寒冷空气中运转，叶尖速度达到了250km/h，叶尖的结冰条件跟装在机舱顶部上的传感器监测到的结冰条件相比相差巨大。建议机组采用叶片振动检测叶片覆冰传感器，其设计基于简单的物理原则：结冰量增加会引起叶片自然振动频率发生变化，随着固体重量增加固有频率会降低。基于高灵敏度的传感器系统和特殊算法可实现冰层厚度毫米范围内的测量分辨率，在风机运行情况下或待机情况下都能执行测量，意味看风机在启机前每时每刻都在进行检测，确保叶片上的覆冰量在运行条件的符合范围内。目前包括基于光纤振动传感器的叶片覆冰检测系统，基于光纤振动传感器的叶片覆冰检测系统。风机防冻除冰主要包含防冰、除冰两个种类，前者是采取措施避免冰雪粘附到叶片表面，后者是直接进行覆冰去除。这两种方式也可以理解为被动、主动两种，前者是利用物理原理避免出现结冰问题，后者是通过外部系统加热的方式以消除覆冰。

4、防冻除冰系统的效益和成本

目前还没有技术相对成熟的商业化风机融冰系统，不管是主动还是被动的方式融冰系统都不能从根本上避免叶片覆冰问题的发生，有些融冰系统仅能在叶片覆冰后依然能够保证功率输出正常，防止产生停机的问题，避免给叶片产生严重的振动影响，也会保护人们的生命安全。如果通过加热方式进行风机功率降低，可提高维护效果。气候环境温度较低的情况下，融冰系统耗电量仅为总发电量的3～8％，防冰系统耗电量为总发电量的3％以内。假设风机叶片防冰系统成本占据总投资的5％左右，防冰系统成本占比会伴随着叶片尺寸增大而降低。防冰系统应该连续加热处理，确保其时刻保持在0℃以上，而除冰系统可有效地清理掉覆冰，两种方式都会导致电能损耗。覆冰检测可减少融冰电量损失，为了能够减少能耗，可分为多个加热区域，所以确保叶尖部位的30％长度无覆冰就能够达到风机的90％气动性能，如果在叶尖分配设置防冻融冰系统能够减少能耗。

5、叶片气热除冰方案

叶片气热除冰方案基本原理是通过加热叶片内的空气并在叶片内部循环，再将热量传到叶片外表面，从而达到除冰的目的。加热时叶片腔内有气流会出现在叶尖部位，气流也会从叶尖经过和腹板形成的风道而组合成为气体循环路线，腔内空气循环加热可避免结冰问题的出现，保证叶片后缘与叶根部分进行加热处理，防、除冰效果很好，可显著提高热量传导效率，降低加热功耗。叶片外表面温度升高就能在覆冰层与叶片出现了水膜的情况，就是通过叶片旋离心力实现除冰。除冰时热风输出温度为60～80℃，叶片表面温度可控制在10～0℃，由于叶片形式不会变化，设置的除冰系统会给空气动力性能与防雷性能没有任何影响，加热除冰可应用到气候温和、覆冰发生在0℃左右环境中，因为除冰要保证叶片温度合理，所以能耗消耗仅为防冰的50％。综合分析目前国内外风电机组叶片除冰技术可靠及适用性，对风电机组叶片覆冰检测方法及除冰技术方案有以下建议：使用叶片安装振动传感器并对其振动数据分析评估覆冰状况在国外有批量应用案例，经实践检验是可靠有效的一种检测手段。使用高灵敏度的传感器系统和特殊算法，可实现冰层厚度毫米范围内的测量分辨率；通过分析覆冰期风电场运行数据，使用基于功率曲线对比的覆冰检测通常为各大整机商所使用，目前也是最为常用的覆冰告警停机方式。在叶片内部安装热风加热系统除冰，该方案简单可靠，除冰效率高，但叶片加热除冰的过程需要耗费大量自用电。提高热风加热系统的除冰效率、降低除冰能耗有3种方式：机组叶片覆冰停机后进行加热除冰，不采用维持叶片本体高温的方式进行防冰；使用高精度覆冰检测系统，由此控制除冰加热系统精准启停；在叶片前缘使用超疏水涂层，预防融冰回重复凝结。需要注意的是，热风加热除冰系统在超过60米以上叶片进行除冰存在功率瓶颈。

参见图1，本实施例提供了一种风电场风机叶片覆冰状态预测方法，包括：

S1，获取风电场历史运行数据和并网功率数据，对风电场历史运行数据和所述并网功率数据进行数据预处理，剔除无效数据；

S2，计算并确定测风塔的第一时间段内风速、风向、温度、湿度、压力数据的时间序列，并网功率数据的时间序列，并将两组数据按照时间取交集进行整合，作为风电场风机叶片覆冰状态预测的历史数据；

S3，获取现场风电场风机叶片覆冰情况的历史记录；

S4，根据参考风电机组功率曲线，结合所述现场风电场风机叶片覆冰情况的历史记录，建立覆冰预测模型；

S5，根据所述覆冰预测模型，获得所述风电场风机叶片发生覆冰的时间，并记录状态；若发生覆冰，则标记为1，否则标记为零。

作为优选的实施方式，所述剔除无效数据包括：

(1)剔除风机定检维护时段的数据；

(2)剔除风机各种因素造成的停机数据，包括故障停机、手动关机等；

(3)剔除异常因素造成的数据损坏，包括通信中断、SCADA系统故障等；

(4)剔除电网限电原因造成的降功率运行数据。

作为优选的实施方式，所述第一时间段为15分钟。当然，本领域技术人员也可以根据风电场的具体情况选择适合的时间段，均在本发明的保护范围内。

作为优选的实施方式，所述S4根据参考风电机组功率曲线，结合所述现场风电场风机叶片覆冰情况的历史记录，建立覆冰预测模型，包括：

S41，确定对叶片覆冰有影响的多个指标因素；

S42，根据灰色关联分析，定量计算所述多个指标因素与所述风机叶片覆冰程度的关联度的数值，确定影响叶片覆冰因素的重要程度，通过所述灰色关联分析，将对所述风机叶片覆冰有影响的所述多个指标因素按照影响程度从大到小的顺序进行排列，并所述关联度的数值选取建立所述叶片覆冰预测模型采用的参数；

S43，采集天气预报数据；

S44，根据所述关联度的数值，确定所述天气预报数据中的关键要素数据；

S45，根据测风塔的第一时间段内风速、风向、温度、湿度、压力数据的时间序列，并网功率数据的时间序列获得覆冰状态序列；

S46，基于所述天气预报数据中的关键要素数据以及所述覆冰状态序列，采用统计学方法和概率方法得到风电场预测覆冰产生时的关键气象要素的临界条件。

作为优选的实施方式，所述步骤41确定对叶片覆冰有影响的多个指标因素中所述多个指标因素为冰冻气象条件以及与冰冻天气相关的气象要素，所述冰冻气象条件包括雨凇、雾凇及雨雾混合淞，所述与冰冻天气相关的气象要素包括气温、相对湿度和风速。

风电场覆冰情况的严重程度会直接反映在风电机组的实际出力上。因此，作为优选的实施方式，所述方法还包括：

步骤6，在预测所述风机叶片覆冰产生时，结合所述产生的时间段内所述风机叶片的实际出力数据，对覆冰程度进行具体划分，并且计算不同程度的覆冰情况对所述风机叶片的实际出力的影响系数。

该影响系数后期会引入风电短期预测模型，以提高预测准确率，降低考核。

作为优选的实施方式，所述对覆冰程度进行具体划分包括通过模糊聚类分析、粒子群优化的方法，预测冰冻发生的程度，以及对应冰冻程度下的叶片出力的功率修正系数。

叶片覆冰对风机的影响：叶片结冰会引起风电机组叶片的气动性能改变，导致风电机组发电量降低，同时结冰质量分布不均匀会引起不平衡载荷，给风电机组的安全稳定运行带来影响。当覆冰严重时，风电机组会自动控制停机，没有自动控制的现场维护人员也会在出力低于功率曲线的50％左右时手动停机。

本实施例还提供一种风电场风机叶片覆冰状态预测系统，包括：

风电场数据获取及预处理模块，用于获取风电场历史运行数据和并网功率数据，对风电场历史运行数据和所述并网功率数据进行数据预处理，剔除无效数据；

覆冰状态预测数据计算模块，用于计算并确定测风塔的第一时间段内风速、风向、温度、湿度、压力数据的时间序列，并网功率数据的时间序列，并将两组数据按照时间取交集进行整合，作为风电场风机叶片覆冰状态预测的历史数据；

覆冰历史记录获取模块，用于获取现场风电场风机叶片覆冰情况的历史记录；

覆冰预测模型建立模块，用于根据参考风电机组功率曲线，结合所述现场风电场风机叶片覆冰情况的历史记录，建立覆冰预测模型；

叶片覆冰状态预测模块，用于根据所述覆冰预测模型，获得所述风电场风机叶片发生覆冰的时间，并记录状态；若发生覆冰，则标记为1，否则标记为零；

出力修正模块，用于在预测所述风机叶片覆冰产生时，结合所述产生的时间段内所述风机叶片的实际出力数据，对覆冰程度进行具体划分，并且计算不同程度的覆冰情况对所述风机叶片的实际出力的影响系数。

本实施例以湖南T风电场、湖南H风电场、云南M风电场、四川Z风电场、江西Y风电场为例，通过2016年冬天现场观测气象资料和风机冰冻停机现象对叶片覆冰进行初步研究。

一、测试所需数据说明

1、测试场站

在易发生冰冻灾害天气的南方区域，通过分析现场提供的实发数据，并结合现场提供的冰冻记录，最终选取湖南T风电场、湖南H风电场、云南M风电场、四川Z风电场、江西Y风电场，进行冰冻试验测试。

2、测试数据

针对湖南T风电场、湖南H风电场、四川Z风电场、江西Y风电场，选取2016年11月1日00:00-2017年2月28日23:45时间段内的实发功率数据、短期预测功率数据、各气象源的天气预报信息(温度、湿度等)、前期分析出的实际冰冻样本数据。

针对云南M风电场，选取2016年11月1日00:00-2017年3月31日23:45时间段内的实发功率数据、短期预测功率数据、各气象源的天气预报信息(温度、湿度等)、前期分析出的实际冰冻样本数据。

3、风电场冰冻预测准确率统计

(1)根据天气预报信息按点进行预测

通过前期的实发数据分析，得出影响现场风机冰冻的主要因素为温度和湿度，且当温度和湿度达到不同的阈值时，电场会出现不同程度的冰冻情况。考虑到天气预报信息与实际天气信息之间存在偏差，所以，设置不同的温度阈值(-5-6度，变化步长为0.5度)、不同的湿度阈值(80-92，变化步长为2)，假设，当某时刻的预测温度小于温度阈值，且预测湿度大于湿度阈值时，则预测该时刻会发生冰冻，否则预测该时刻不会发生冰冻。最后，分别统计出各气象源在不同的温度阈值和湿度阈值条件下，整体预测准确率、实际发生冰冻条件下的预测准确率以及实际不会发生冰冻条件下的预测准确率。然后，根据整体预测准确率最高时对应的温度阈值和湿度阈值，找到相应条件下实际发生冰冻条件下的预测准确率以及实际不会发生冰冻条件下的预测准确率的结果。统计结果如表1所示。

表1 根据天气预报信息按点进行预测的统计结果

(2)根据天气预报信息按天进行预测

通过前期的实发数据分析，得出影响现场风机冰冻的主要因素为温度和湿度，且当温度和湿度达到不同的阈值时，电场会出现不同程度的冰冻情况。考虑到天气预报信息与实际天气信息之间存在偏差，所以，设置不同的温度阈值(-5-6度，变化步长为0.5度)、不同的湿度阈值(80-92，变化步长为2)。根据天气预报信息按天进行预测，即以天为单位，得到一天内的最低温度值的平均湿度值，假设，当一天内最小温度小于温度阈值，且一天的平均湿度值大于湿度阈值时，则预报该天96个点均会发生冰冻，否则预测该天96个点都不会发生冰冻。最后，分别统计出各气象源在不同的温度阈值和湿度阈值条件下，整体预测准确率、实际发生冰冻条件下的预测准确率以及实际不会发生冰冻条件下的预测准确率。然后，根据整体预测准确率最高时对应的温度阈值和湿度阈值，找到相应条件下实际发生冰冻条件下的预测准确率以及实际不会发生冰冻条件下的预测准确率的结果。统计结果如表2所示。

表2根据天气预报信息按天进行预测的统计结果

(3)根据天气预报信息分别按点、按天进行预测的结果对比

综合表2，可以得到：

湖南T风电场，使用气象2按天预测时，整体预测准确率、实际冰冻条件下的预测准确率、实际不冰冻条件下的预测准确率均最高，分别为88.33％，65.52％，95.60％。

湖南H风电场，使用气象2按天预测时，整体预测准确率、实际冰冻条件下的预测准确率均最高。整体预测准确率、实际冰冻条件下的预测准确率、实际不冰冻条件下的预测准确率分别为95.00％，88.89％，95.50％。

云南M风电场，使用气象3按天预测时，整体预测准确率、实际冰冻条件下的预测准确率、实际不冰冻条件下的预测准确率均最高，分别为96.69％，16.67％，100％。

四川Z风电场，使用气象1按天预测时，实际冰冻条件下的预测准确率最高。整体预测准确率、实际冰冻条件下的预测准确率、实际不冰冻条件下的预测准确率分别为95.00％，80.00％，95.65％。

江西Y风电场，使用气象2按天预测时，整体预测准确率、实际冰冻条件下的预测准确率均最高。整体预测准确率、实际冰冻条件下的预测准确率、实际不冰冻条件下的预测准确率分别为97.50％，85.71％，98.23％。

由于云南M风电场的实际冰冻条件下的预测准确率仅为16.67％，即在6天冰冻样本中，只准确预测到了1天，该情况下，后续的冰冻修正系数研究将意义不大。为了研究该场的冰冻试验效果，按以下思路调整研究方向：

(1)首先，设定整体预测准确率的最低限值为85％，找出整体预测准确率不小于85％时所对应的实际冰冻条件下的预测准确率；

(2)其次，根据(1)中挑选出来的实际冰冻条件下的预测准确率，从中找出最大值，然后找出对应条件下的实际不冰冻条件下的预测准确率；

(3)最后，根据(2)中挑选出来的实际不冰冻条件下的预测准确率，从中找出最大值对应的温度阈值及湿度阈值。

按照以上思路，最终的结果为：气象源为气象3、预测方式为按天预测、温度阈值为1、湿度阈值为80。该条件下，整体预测准确率为88.08％，实际冰冻条件下的预测准确率为50.00％，实际不冰冻条件下的预测准确率为89.66％(即在实际不发生冰冻时，误报为冰冻的概率为10.34％)。

(4)不同冰冻程度下的修正系数研究

为了研究不同程度冰冻条件下的修正系数，需按照不同的温度范围、湿度范围，设定不同的修正系数值。当一天内的最低预测温度、一天内的平均湿度在相应的范围时，赋予当天96个点相应的系数值，然后将短期预测功率乘以该系数得到当天修订后的预测功率值。可以根据实发功率、预测功率和修订后的预测功率，计算通过修订之后，预测精度平均提高的百分点，并将此作为粒子群算法的寻优目标，得到预测精度平均提高最多时，对应的修订系数值。

由于预测温度、预测湿度与实测温度、实测湿度之间存在一定的误差，所以，会存在将实际不会发生冰冻的天误判为冰冻的情况，该情况会在一定程度上影响功率修订的效果。为了将该影响降低到最低，按以下思路设定温度、湿度范围：

(1)若当天被预测发生冰冻，则将当天的最低预测温度、平均湿度进行统计；

(2)将预测发生冰冻的按天统计的天气预报信息(一天内的最低预测温度、一天内的平均湿度)，进行分析，尽量将误报天的天气信息与准确预测天的天气信息设置在不同的温度、湿度范围。

按以上思路及方法，将修订前精度与修订后精度进行对比，对比结果如表3所示。表中给出的精度结果均为4个月的平均精度。

表3 精度对比结果

从表3可以看出，将预测发生冰冻天的短期预测功率进行修正之后，月平均精度均有一定程度的提高。

本实施例还提供了一种存储器，存储有多条指令，指令用于实现如实施例的方法。

如图2所示，本发明还提供了一种电子设备，包括处理器301和与处理器301连接的存储器302，存储器302存储有多条指令，指令可被处理器加载并执行，以使处理器能够执行如实施例的方法。

本实施例：

1)根据天气预报数据，在对风电场进行覆冰预测分析研究之前，需要先对风电场历史运行数据进行数据预处理，对无效数据的剔除，预测经过更为精准。

2)灰色关联分析，可定量计算各因素对风力机叶片覆冰程度的影响，确定影响叶片覆冰因素的重要程度，为建立覆冰预测模型奠定基础。

3)根据灰色关联分析的结果，整理数值天气预报数据中的关键要素数据，并结合覆冰状态序列数据，利用统计学方法、概率方法，得到风电场预测覆冰产生时的关键气象要素的临界条件。

4)在预测覆冰产生时，需要结合相应时间段的实际出力数据，对覆冰程度给出具体划分，并且给出不同程度的覆冰情况对实际出力的影响系数，然后将该覆冰影响系数引入风电短期预测模型，通过模糊聚类分析、粒子群优化等方法，预测冰冻发生的程度，以及对应冰冻程度下的功率修正系数，提高了预测准确率，降低考核。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。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 (10)

1.一种风电场风机叶片覆冰状态预测方法，其特征在于包括：

步骤1，获取风电场历史运行数据和并网功率数据，对风电场历史运行数据和所述并网功率数据进行数据预处理，剔除无效数据；

步骤2，计算并确定测风塔的第一时间段内风速、风向、温度、湿度、压力数据的时间序列，并网功率数据的时间序列，并将两组数据按照时间取交集进行整合，作为风电场风机叶片覆冰状态预测的历史数据；

步骤3，获取现场风电场风机叶片覆冰情况的历史记录；

步骤4，根据参考风电机组功率曲线，结合所述现场风电场风机叶片覆冰情况的历史记录，建立覆冰预测模型；

步骤5，根据所述覆冰预测模型，获得所述风电场风机叶片发生覆冰的时间，并记录状态；若发生覆冰，则标记为1，否则标记为零。

2.根据权利要求1所述的一种风电场风机叶片覆冰状态预测方法，其特征在于所述剔除无效数据包括：

(1)剔除风机定检维护时段的数据；

(2)剔除风机各种因素造成的停机数据，包括故障停机、手动关机等；

(3)剔除异常因素造成的数据损坏，包括通信中断、SCADA系统故障等；

(4)剔除电网限电原因造成的降功率运行数据。

3.根据权利要求1所述的一种风电场风机叶片覆冰状态预测方法，其特征在于所述第一时间段为15分钟。

4.根据权利要求1所述的一种风电场风机叶片覆冰状态预测方法，其特征在于所述步骤4根据参考风电机组功率曲线，结合所述现场风电场风机叶片覆冰情况的历史记录，建立覆冰预测模型，包括：

步骤41，确定对叶片覆冰有影响的多个指标因素；

步骤42，根据灰色关联分析，定量计算所述多个指标因素与所述风机叶片覆冰程度的关联度的数值，确定影响叶片覆冰因素的重要程度，通过所述灰色关联分析，将对所述风机叶片覆冰有影响的所述多个指标因素按照影响程度从大到小的顺序进行排列，并所述关联度的数值选取建立所述叶片覆冰预测模型采用的参数；

步骤43，采集天气预报数据；

步骤44，根据所述关联度的数值，确定所述天气预报数据中的关键要素数据；

步骤45，根据测风塔的第一时间段内风速、风向、温度、湿度、压力数据的时间序列，并网功率数据的时间序列获得覆冰状态序列；

步骤46，基于所述天气预报数据中的关键要素数据以及所述覆冰状态序列，采用统计学方法和概率方法得到风电场预测覆冰产生时的关键气象要素的临界条件。

5.根据权利要求4所述的一种风电场风机叶片覆冰状态预测方法，其特征在于所述步骤41确定对叶片覆冰有影响的多个指标因素中所述多个指标因素为冰冻气象条件以及与冰冻天气相关的气象要素，所述冰冻气象条件包括雨凇、雾凇及雨雾混合淞，所述与冰冻天气相关的气象要素包括气温、相对湿度和风速。

6.根据权利要求1所述的一种风电场风机叶片覆冰状态预测方法，其特征在于所述方法还包括：

步骤6，在预测所述风机叶片覆冰产生时，结合所述产生的时间段内所述风机叶片的实际出力数据，对覆冰程度进行具体划分，并且计算不同程度的覆冰情况对所述风机叶片的实际出力的影响系数。

7.根据权利要求6所述的一种风电场风机叶片覆冰状态预测方法，其特征在于所述对覆冰程度进行具体划分包括通过模糊聚类分析、粒子群优化的方法，预测冰冻发生的程度，以及对应冰冻程度下的叶片出力的功率修正系数。

8.一种实施如权利要求1-7任一所述方法的风电场风机叶片覆冰状态预测系统，其特征在于包括：

风电场数据获取及预处理模块，用于获取风电场历史运行数据和并网功率数据，对风电场历史运行数据和所述并网功率数据进行数据预处理，剔除无效数据；

覆冰状态预测数据计算模块，用于计算并确定测风塔的第一时间段内风速、风向、温度、湿度、压力数据的时间序列，并网功率数据的时间序列，并将两组数据按照时间取交集进行整合，作为风电场风机叶片覆冰状态预测的历史数据；

覆冰历史记录获取模块，用于获取现场风电场风机叶片覆冰情况的历史记录；

覆冰预测模型建立模块，用于根据参考风电机组功率曲线，结合所述现场风电场风机叶片覆冰情况的历史记录，建立覆冰预测模型；

叶片覆冰状态预测模块，用于根据所述覆冰预测模型，获得所述风电场风机叶片发生覆冰的时间，并记录状态；若发生覆冰，则标记为1，否则标记为零；

出力修正模块，用于在预测所述风机叶片覆冰产生时，结合所述产生的时间段内所述风机叶片的实际出力数据，对覆冰程度进行具体划分，并且计算不同程度的覆冰情况对所述风机叶片的实际出力的影响系数。

9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有多条指令，所述处理器用于读取所述指令并执行如权利要求1-7任一所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述多条指令可被处理器读取并执行如权利要求1-7任一所述的方法。

Images