CN114444291B - 一种风机发电量损失精细化测算方法、系统、设备和介质 - Google Patents
一种风机发电量损失精细化测算方法、系统、设备和介质 Download PDFInfo
- Publication number
- CN114444291B CN114444291B CN202210065952.6A CN202210065952A CN114444291B CN 114444291 B CN114444291 B CN 114444291B CN 202210065952 A CN202210065952 A CN 202210065952A CN 114444291 B CN114444291 B CN 114444291B
- Authority
- CN
- China
- Prior art keywords
- wind speed
- fan
- power
- data
- full
- 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
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000010248 power generation Methods 0.000 title claims abstract description 36
- 238000012216 screening Methods 0.000 claims abstract description 19
- 230000009467 reduction Effects 0.000 claims abstract description 8
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 230000007704 transition Effects 0.000 claims description 31
- 230000009194 climbing Effects 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 3
- 238000012423 maintenance Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 5
- 238000013021 overheating Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 125000000205 L-threonino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])[C@](C([H])([H])[H])([H])O[H] 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Wind Motors (AREA)
Abstract
本发明涉及一种风机发电量损失精细化测算方法、系统、设备和介质,包括:获取预设时间段内的风机SCADA数据,并进行预处理;利用预处理后的所有风机SCADA数据,进行该时间段内的单台风机平均功率曲线拟合;根据拟合得到的平均功率曲线以及预先获取的风机各关键部件的温度控制阈值数据,估算出各关键部件温度超限降功率运行导致的单台风机及全风场在该时间段内发电量损失的最大值和最小值。本发明利用了风机的控制逻辑中有关各部件温度异常的预警值对故障数据进行不同层次的筛选,同时对风机的功率曲线的拟合方法进行了优化,并在以上两点创新的基础上进行风机发电量损失的精细化计算。因此,本发明可以广泛应用于风电场生产运维领域。
Description
技术领域
本发明涉及一种基于SCADA数据对风电机组因关键部件过热降功率运行导致的风机发电量损失精细化测算方法、系统、设备和介质,属于风电场生产运维领域。
背景技术
风电平价上网对风电机组(以下简称风机)的运行成本提出了更高的要求,因此风机运行中发生的所有降功率、限容导致的电量损失都值得重点关注。但实际运行过程中,导致风机降功率运行的原因多种多样,对这些不同原因导致的电量损失的分解测算的重要性与迫切性也在日渐提高。除去电网下发的限电指令之外,风机对风不准、控制逻辑缺陷与部件过热均为风机发电量损失的重大原因,而部件过热作为其中的一个主要原因,具有非常重要的研究分析价值。
但现在风电运营分析中的重点关注对象往往是对风不准、变桨控制策略、转速-转矩控制策略导致的发电量损失,对部件过热导致降温的电量损失的测算研究并不深入。且现有的计算方法往往是基于风机保证功率曲线的计算方法,这种方法容易引入对风不准的电量损失,对于后续的经济性损失的计算与技术改造的收益计算有非常大的负面影响。
发明内容
针对上述问题,本发明的目的是提供一种风机发电量损失精细化测算方法、系统、设备和介质,实现了对风机发电量损失的精细化计算。
为实现上述目的,本发明采取以下技术方案:
第一方面,本发明提供一种风机发电量损失精细化测算方法,其包括以下步骤:
获取预设时间段内的风机SCADA数据,并进行预处理;
利用预处理后的所有风机SCADA数据,进行该时间段内的单台风机平均风速-功率曲线拟合;
根据拟合得到的单台风机的平均风速-功率曲线以及预先获取的风机各关键部件的温度控制阈值数据,估算出各关键部件温度超限降功率运行导致的单台风机及全风场在该时间段内发电量损失的最大值和最小值。
进一步,所述利用预处理后的所有风机SCADA数据,进行该时间段内的单台风机平均风速-功率曲线拟合的方法,包括:
将所有风机的SCADA数据中的风速测点数据、有功功率测点数据进行拼接;
将得到的拼接数据按照功率进行分段;
对每一段中的数据使用四分位法按照风速进行数据筛选,选取风速值在下四分位数和上四分位数之间的数据;
基于筛选后的数据,进行功率曲线拟合,得到单台风机的平均风速-功率曲线。
进一步,所述单台风机的平均风速-功率曲线的拟合方法,包括:
基于风机的切入风速和额定风速将风速数据将每一分段中筛选出的风速数据再次划分为三个风速区间段;
基于划分得到的三个风速区间段,对风机的输出功率曲线进行拟合,得到单台风机的平均风速-功率曲线。
进一步,基于划分得到的三个风速区间段,对风机的输出功率曲线进行拟合,得到单台风机的风速-功率曲线的方法,包括:
当风速实测值V风速小于风机的切入风速V切入风速时,确定风机输出功率预测值P预测=0;
当风速实测值V风速大于风机的切入风速V切入风速小于风机达到额定功率时的额定风速V额定风速时,拟合得到风速区间段内风机输出功率曲线;
当风速区间段内风速实测值V风速大于风机额定V额定风速时,确定风机输出功率预测值为风机额定功率P预测=P满发;
将上述各风速区间段对应的风机输出功率曲线进行拟合,得到最终的单台风机的风速-功率曲线。
进一步,当V切入风速<V风速<V额定风速时,进行功率曲线拟合的方法为:
将该风速区间段分为两部分,分别为爬升段和过渡段,两个风速段的分割点记为Vsep;
对于爬升段,使用k阶多项式对筛选后的数据进行拟合,得到爬升段的风速-功率曲线函数P预测=f爬升(V风速);
对于过渡段,使用k阶多项式对筛选后的数据进行拟合,得到风速-功率曲线函数,并进行修正,得到过渡段的风速-功率曲线函数P预测=f过渡(V风速);
修正方法为:
首先,使用得到的风速-功率曲线函数,分别计算预设风速下的风机功率值;
计算公式包括:
v1=Vsep,P1=fk(v1);
v3=V额定风速,P3=P实际满发;
其中,Vsep为功率曲线爬升段和过渡段的风速分割值;P实际满发为风机运行过程中的实际满发功率值;
其次,将得到的预设风速下的风机功率值(v1,P1),(v2,P2),(v3,P3)使用二次曲线进行拟合,得到过渡段的风机输出功率曲线P预测=f过渡(V风速)。
进一步,所述P实际满发的计算方法为:
首先,获取风机工作参数设定值中的额定满发功率P额定满发;
其次,判断该时间段内的实发功率最大值是否小于额定满发功率:
如果实发功率最大值小于额定满发功率,则不对额定满发功率做出修正,认为P实际满发=P额定满发;
否则,筛选出所有实发功率大于额定满发功率的数据点,如果这些点的数量小于等于设定的阈值,则不对额定满发功率做出修正,认为P实际满发=P额定满发;否则,取这些实发功率大于额定满发功率的数据点的实发功率的预设比例值,记为P修正满发,认为P实际满发=P修正满发。
进一步,所述根据拟合得到的单台风机的平均风速-功率曲线以及预先获取的风机各关键部件的温度控制阈值数据,估算出各关键部件温度超限降功率运行导致的单台风机及全风场在该时间段内发电量损失的最大值和最小值的方法,包括:
确定待分析关键部件,选取SCADA数据中与待分析关键部件相关的温度测点,同时获取风机控制逻辑中与待分析关键部件相关的温度阈值;
使用单台风机的平均风速-功率曲线,根据每台风机的风速值,计算每台风机的发电能力以及功率偏差;
筛选出该时间段内SCADA数据中待分析关键部件温度最大值大于温度阈值的所有数据,计算出全风场内风机损失电量的最大值;
筛选出该时间段内SCADA数据中待分析关键部件温度最小值大于温度阈值的所有数据,计算出全风场内风机损失电量的最小值。
第二方面,本发明提供一种风机发电量损失精细化测算系统,该系统包括:
数据获取模块,用于获取预设时间段内的风机SCADA数据,并进行预处理;
功率曲线拟合模块,用于利用预处理后的所有风机SCADA数据,进行该时间段内的单台风机平均风速-功率曲线拟合;
电量损失测算模块,用于根据拟合得到的单台风机的平均风速-功率曲线以及预先获取的风机各关键部件的温度控制阈值数据,估算出各关键部件温度超限降功率运行导致的单台风机及全风场在该时间段内发电量损失的最大值和最小值。
第三方面,本发明提供一种处理设备,所述处理设备至少包括处理器和存储器,所述存储器上存储有计算机程序,所述处理器运行所述计算机程序时执行以实现所述风机发电量损失精细化测算方法的步骤。
第四方面,本发明提供一种计算机存储介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现所述风机发电量损失精细化测算方法的步骤。
本发明由于采取以上技术方案,其具有以下优点:
1、本发明公开了一种能够精细化计算风机及风场因为部件温度超过阈值导致的发电量损失值,通过SCADA数据和控制逻辑中的阈值,通过特定的风速-功率曲线拟合算法以及损失电量计算算法,对损失电量进行精细化的计算,通过数据驱动的方式为风电生产运维工作提供有效的经济性指导。
2、本发明中提出的风速-功率曲线拟合算法在现有常用的将风速分为三段区间分别拟合的方式基础上,提出了将原有的爬升段分为爬升段与过渡段的四段区间划分拟合方式。这种方式能够更好的拟合过渡段的风功率曲线,由于许多故障数据点都处于风功率曲线上的过渡段区间,因此该方法能够更精准地给出功率偏差的数值。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。在整个附图中,用相同的附图标记表示相同的部件。在附图中:
图1为本发明中的风机发电量损失精细化测算方法流程示意图;
图2为本发明中风速-功率曲线拟合模块及筛选后得到的出现问题的数据点的展示示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明的一些实施例中,提供一种基于SCADA数据对风机因关键部件过热降功率运行导致的风机发电量损失精细化测算方法,利用了风机的控制逻辑中有关各部件温度异常的预警值对故障数据进行不同层次的筛选,同时对风机的功率曲线的拟合方法进行了优化,并在以上两点创新的基础上进行风机发电量损失的精细化计算。
与之相对应地,本发明的另一些实施例中,还提供一种风机发电量损失精细化测算系统、设备和介质。
实施例1
如图1所示,本实施例提供一种风机发电量损失精细化测算方法,包括以下步骤:
1)获取某一时间段内的风机SCADA数据,并进行预处理;
2)利用预处理后的所有风机SCADA数据,进行该时间段内的单台风机平均风速-功率曲线拟合;
3)根据拟合得到的单台风机的平均风速-功率曲线以及预先获取的风机各关键部件的温度控制阈值数据,估算出各关键部件温度超限降功率运行导致的单台风机及全风场在该时间段内发电量损失的最大值和最小值。
作为一个优选的实施例,上述步骤1)中,对风机SCADA数据进行预处理的方法为:对获取的预设时间段内的风机SCADA数据进行数据清洗,剔除掉异常数据。
其中,异常数据特指:在采集到的风机SCADA数据中,数据值不在风机正常运行过程中允许的数值范围内的数据点。
作为一个优选的实施例,上述步骤2)中,单台风机平均风速-功率曲线的拟合方法,包括以下步骤:
2.1)将所有风机的SCADA数据中的风速测点数据、有功功率测点数据进行拼接;
2.2)将得到的拼接数据按照功率进行分段;
2.3)对每一分段中的数据使用四分位法按照风速进行数据筛选,选取风速值在下四分位数和上四分位数之间的数据;
2.4)基于筛选后的数据,进行功率曲线拟合,得到单台风机的平均风速-功率曲线。
作为一个优选的实施例,上述步骤2.4)中,基于筛选后的数据进行风功率曲线拟合的方法,包括以下步骤:
2.4.1)基于风机的切入风速和额定风速将每一分段中筛选出的风速数据再次划分为三个风速区间段。
2.4.2)基于划分得到的三个风速区间段,对风机的输出功率曲线进行拟合,得到单台风机的平均风速-功率曲线。
具体地,对风机的风速-功率曲线进行拟合的方法,包括以下步骤:
当风速实测值V风速小于风机的切入风速V切入风速,即0<V风速<V切入风速时,确定风机的输出功率预测值,此时P预测=0;
当第二风速区间段内风速实测值V风速大于风机的切入风速V切入风速小于风机达到额定功率时的额定风速V额定风速,即V切入风速<V风速<V额定风速,对该风速区间段内风机的输出功率进行拟合;
当风速区间段内风速实测值V风速大于风机额定V额定风速,即V风速>V额定风速,对应的风机输出功率预测值,此时风机额定功率P预测=P满发。
其中,当V切入风速<V风速<V额定风速时,进行功率曲线拟合的方法为:
①将该风速区间段分为两部分,分别为爬升段和过渡段,两个风速段的分割点记为VSep;
②对于爬升段,使用k阶多项式对筛选后的数据进行拟合,得到爬升段的风速-功率曲线函数P预测=f爬升(V风速);
③对于过渡段,使用k阶多项式对筛选后的数据进行拟合,得到风速-功率曲线函数,并进行修正,得到过渡段的风速-功率曲线函数P预测=f过渡(V风速);
修正方法为:
首先,使用得到的风速-功率曲线函数,分别计算预设风速下的风机功率值;
具体地,预设风速下对应的风机功率值的计算包括:
v1=Vsep,P1=fk(v1);
v3=V额定风速,P3=P实际满发;
其中,Vsep为功率曲线爬升段和过渡段的风速分割值。
其次,将得到的预设风速下的风机功率值(v1,P1),(v2,P2),(v3,P3)使用二次曲线进行拟合,得到过渡段的风机输出功率曲线P预测=f过渡(V风速)。
最后,将各风速区间段对应的风机输出功率曲线进行拟合,得到最终的单台风机的平均风速-功率曲线拟合结果为:
作为一个优选的实施例,上述功率曲线拟合过程中的P实际满发为风机运行过程中的实际满发功率值,其具体计算方法如下:
首先,获取风机工作参数设定值中的额定满发功率P额定满发;
其次,判断该时间段内的实发功率最大值是否小于额定满发功率:
如果实发功率最大值小于额定满发功率,则不对额定满发功率做出修正,认为P实际满发=P额定满发;
否则,筛选出所有实发功率大于额定满发功率的数据点,如果这些点的数量小于等于设定的阈值,则不对额定满发功率做出修正,认为P实际满发=P额定满发;否则,取这些实发功率大于额定满发功率的数据点的实发功率的上85%分位数,记为P修正满发,认为P实际满发=P修正满发。
作为一个优选的实施例,上述步骤3)中,预先获取的风机各关键部件的温度控制阈值包括但不限于启动降功率运行发电机定子绕组温度、风机停机发电机前后轴温度、启动降功率运行齿轮箱入口油温、风机停机最高齿轮箱主轴及前后轴温度等的温度阈值。
作为一个优选的实施例,上述步骤3)中,估算风机及风场损失电量最大最小值的方法,包括以下步骤:
3.1)确定待分析关键部件,选取SCADA数据中与待分析关键部件相关的温度测点,包括但不限于最大值、最小值等;获取风机控制逻辑中与待分析关键部件相关的温度阈值,记为Thres(℃)。
具体地,由于启动降功率运行发电机定子绕组温度、风机停机发电机前后轴温度、启动降功率运行齿轮箱出入口油温、风机停机最高齿轮箱主轴及前后轴温度等的温度类测点通常有两个温度阈值,其一是当温度超过该阈值时,风机启动限功率运行模式,可称为该温度测点的限功率运行模式阈值;其二是当温度超过该阈值时,风机启动强制停机程序,可称为该温度测点的强制停机阈值。因此,本实施例中,获取的温度阈值包括但不限于开启限功率运行模式阈值和强制停机阈值等,可以针对两个温度阈值分别进行计算。
3.2)利用步骤2)中得到的单台风机的平均风速-功率曲线以及每台风机的风速值,计算每台风机的发电能力以及功率偏差。
其中,各风机的功率偏差(也即风机发电量损失)的计算公式为:
3.3)筛选出该时间段内SCADA数据中待分析关键部件温度最大值大于温度阈值的所有数据,计算出全风场在该时间段内风机损失电量的最大值,计算公式为:
其中,Lossmax为损失电量最大值,单位为kW·h;Δt为SCADA数据采集时间间隔,单位为h;为i号风机在t时刻的功率偏差,单位为kW;D1为SCADA数据中待分析关键部件温度最大值大于该阈值的所有数据。
3.4)筛选出该时间段内SCADA数据中待分析关键部件温度最小值大于温度阈值的所有数据,计算出全风场在该时间段内风机损失电量的最小值,计算公式为:
其中,Lossmin为损失电量最小值,单位为kW·h;D2为SCADA数据中待分析关键部件温度最小值大于温度阈值的所有数据。
如图2所示,展示了本发明中的多个模块的具体结果。该优选实施例的对象为某风场中的额定满发功率为1500kW的风机。在风速-功率曲线模块中,其具体优选参数示例如下:在四分位法筛选数据中,优选的上四分位数为75%,优选的下四分位数为15%;在数据在爬升段拟合过程中,优选的多项式阶数k为5。在额定满发功率修正中,优选的上四分位数为85%。本实施例针对该风机的发电机定子温度超过阈值导致电量损失的数值进行计算,其中从机组控制逻辑中获取的发电机定子的启动降功率运行的温度阈值为135℃。针对该风机的计算结果如图中所示,修正后的满发功率为1528.4kW,具体测算得到损失电量最小值为3202.3kWh,损失电量最大值为3321.0kWh。
实施例2
上述实施例1提供了一种风机发电量损失精细化测算方法,与之相对应地,本实施例提供一种风机发电量损失精细化测算系统。本实施例提供的系统可以实施实施例1的一种风机发电量损失精细化测算方法,该系统可以通过软件、硬件或软硬结合的方式来实现。例如,该系统可以包括集成的或分开的功能模块或功能单元来执行实施例1各方法中的对应步骤。由于本实施例的系统基本相似于方法实施例,所以本实施例描述过程比较简单,相关之处可以参见实施例1的部分说明即可,本实施例提供的系统的实施例仅仅是示意性的。
本实施例提供的一种风机发电量损失精细化测算系统,包括:
数据获取模块,用于获取预设时间段内的风机SCADA数据,并进行预处理;
功率曲线拟合模块,用于利用预处理后的所有风机SCADA数据,进行该时间段内的单台风机平均风速-功率曲线拟合;
电量损失测算模块,用于根据拟合得到的单台风机的平均风速-功率曲线以及预先获取的风机各关键部件的温度控制阈值数据,估算出各关键部件温度超限降功率运行导致的单台风机及全风场在该时间段内发电量损失的最大值和最小值。
实施例3
本实施例提供一种与本实施例1所提供的一种风机发电量损失精细化测算方法对应的处理设备,处理设备可以是用于客户端的处理设备,例如手机、笔记本电脑、平板电脑、台式机电脑等,以执行实施例1的方法。
所述处理设备包括处理器、存储器、通信接口和总线,处理器、存储器和通信接口通过总线连接,以完成相互间的通信。存储器中存储有可在所述处理器上运行的计算机程序,所述处理器运行所述计算机程序时执行本实施例1所提供的一种风机发电量损失精细化测算方法。
在一些实施例中,存储器可以是高速随机存取存储器(RAM:Random AccessMemory),也可能还包括非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
在另一些实施例中,处理器可以为中央处理器(CPU)、数字信号处理器(DSP)等各种类型通用处理器,在此不做限定。
实施例4
本实施例1的一种风机发电量损失精细化测算方法可被具体实现为一种计算机程序产品,计算机程序产品可以包括计算机可读存储介质,其上载有用于执行本实施例1所述的一种风机发电量损失精细化测算方法的计算机可读程序指令。
计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。
需要说明的是,附图中的流程图和框图显示了根据本申请的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
上述各实施例仅用于说明本发明,其中各部件的结构、连接方式和制作工艺等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
Claims (5)
1.一种风机发电量损失精细化测算方法,其特征在于,包括以下步骤:
获取预设时间段内的风机SCADA数据,并进行预处理;
利用预处理后的所有风机SCADA数据,进行该时间段内的单台风机平均风速-功率曲线拟合;
其中,预处理包括:
将所有风机的SCADA数据中的风速测点数据、有功功率测点数据进行拼接;
将得到的拼接数据按照功率进行分段;
对每一段中的数据使用四分位法按照风速进行数据筛选,选取风速值在下四分位数和上四分位数之间的数据;
基于筛选后的数据,进行功率曲线拟合,得到单台风机的平均风速-功率曲线;
功率曲线拟合方法,包括以下步骤:
基于风机的切入风速和额定风速将风速数据每一分段中筛选出的风速数据再次划分为三个风速区间段;
基于划分得到的三个风速区间段,对风机的输出功率曲线进行拟合,得到单台风机的平均风速-功率曲线,包括:
当风速实测值V风速小于风机的切入风速V切入风速时,确定风机输出功率预测值P预测=0;
当风速实测值V风速大于风机的切入风速V切入风速小于风机达到额定功率时的额定风速V额定风速时,拟合得到风速区间段内风机输出功率曲线;
其中,将该风速区间段分为两部分,分别为爬升段和过渡段,两个风速段的分割点记为VSep;
对于爬升段,使用k阶多项式对筛选后的数据进行拟合,得到爬升段的风速-功率曲线函数P预测=f爬升(V风速);
对于过渡段,使用k阶多项式对筛选后的数据进行拟合,得到风速-功率曲线函数,并进行修正,得到过渡段的风速-功率曲线函数P预测=f过渡(V风速);
修正方法为:
首先,使用得到的风速-功率曲线函数,分别计算预设风速下的风机功率值;
计算公式包括:
v1=Vsep,P1=fk(v1);
v3=V额定风速,P3=P实际满发;
其中,Vsep为功率曲线爬升段和过渡段的风速分割值;P实际满发为风机运行过程中的实际满发功率值;
其次,将得到的预设风速下的风机功率值(v1,P1),(v2,P2),(v3,P3)使用二次曲线进行拟合,得到过渡段的风机输出功率曲线P预测=f过渡(V风速);
当风速区间段内风速实测值V风速大于风机额定V额定风速时,确定风机输出功率预测值为风机额定功率P预测=P满发;
将上述各风速区间段对应的风机输出功率曲线进行拟合,得到最终的单台风机的风速-功率曲线;根据拟合得到的单台风机的平均风速-功率曲线以及预先获取的风机各关键部件的温度控制阈值数据,估算出各关键部件温度超限降功率运行导致的单台风机及全风场在该时间段内发电量损失的最大值和最小值;包括:
确定待分析关键部件,选取SCADA数据中与待分析关键部件相关的温度测点,同时获取风机控制逻辑中与待分析关键部件相关的温度阈值;
使用单台风机的平均风速-功率曲线,根据每台风机的风速值,计算每台风机的发电能力以及功率偏差;
筛选出该时间段内SCADA数据中待分析关键部件温度最大值大于温度阈值的所有数据,计算出全风场内风机损失电量的最大值;
筛选出该时间段内SCADA数据中待分析关键部件温度最小值大于温度阈值的所有数据,计算出全风场内风机损失电量的最小值。
2.如权利要求1所述的一种风机发电量损失精细化测算方法,其特征在于,所述P实际满发的计算方法为:
首先,获取风机工作参数设定值中的额定满发功率P额定满发;
其次,判断该时间段内的实发功率最大值是否小于额定满发功率:
如果实发功率最大值小于额定满发功率,则不对额定满发功率做出修正,认为P实际满发=P额定满发;
否则,筛选出所有实发功率大于额定满发功率的数据点,如果这些点的数量小于等于设定的阈值,则不对额定满发功率做出修正,认为P实际满发=P额定满发;否则,取这些实发功率大于额定满发功率的数据点的实发功率的预设比例值,记为P修正满发,认为P实际满发=P修正满发。
3.一种风机发电量损失精细化测算系统,其特征在于,该系统包括:
数据获取模块,用于获取预设时间段内的风机SCADA数据,并进行预处理;
功率曲线拟合模块,用于利用预处理后的所有风机SCADA数据,进行该时间段内的单台风机平均风速-功率曲线拟合;
其中,预处理包括:
将所有风机的SCADA数据中的风速测点数据、有功功率测点数据进行拼接;
将得到的拼接数据按照功率进行分段;
对每一段中的数据使用四分位法按照风速进行数据筛选,选取风速值在下四分位数和上四分位数之间的数据;
基于筛选后的数据,进行功率曲线拟合,得到单台风机的平均风速-功率曲线;
功率曲线拟合方法,包括以下步骤:
基于风机的切入风速和额定风速将风速数据每一分段中筛选出的风速数据再次划分为三个风速区间段;
基于划分得到的三个风速区间段,对风机的输出功率曲线进行拟合,得到单台风机的平均风速-功率曲线,包括:
当风速实测值V风速小于风机的切入风速V切入风速时,确定风机输出功率预测值P预测=0;
当风速实测值V风速大于风机的切入风速V切入风速小于风机达到额定功率时的额定风速V额定风速时,拟合得到风速区间段内风机输出功率曲线;
其中,将该风速区间段分为两部分,分别为爬升段和过渡段,两个风速段的分割点记为VSep;
对于爬升段,使用k阶多项式对筛选后的数据进行拟合,得到爬升段的风速-功率曲线函数P预测=f爬升(V风速);
对于过渡段,使用k阶多项式对筛选后的数据进行拟合,得到风速-功率曲线函数,并进行修正,得到过渡段的风速-功率曲线函数P预测=f过渡(V风速);
修正方法为:
首先,使用得到的风速-功率曲线函数,分别计算预设风速下的风机功率值;
计算公式包括:
v1=Vsep,P1=fk(v1);
v3=V额定风速,P3=P实际满发;
其中,Vsep为功率曲线爬升段和过渡段的风速分割值;P实际满发为风机运行过程中的实际满发功率值;
其次,将得到的预设风速下的风机功率值(v1,P1),(v2,P2),(v3,P3)使用二次曲线进行拟合,得到过渡段的风机输出功率曲线P预测=f过渡(V风速);
当风速区间段内风速实测值V风速大于风机额定V额定风速时,确定风机输出功率预测值为风机额定功率P预测=P满发;
将上述各风速区间段对应的风机输出功率曲线进行拟合,得到最终的单台风机的风速-功率曲线;
电量损失测算模块,用于根据拟合得到的单台风机的平均风速-功率曲线以及预先获取的风机各关键部件的温度控制阈值数据,估算出各关键部件温度超限降功率运行导致的单台风机及全风场在该时间段内发电量损失的最大值和最小值,包括:
确定待分析关键部件,选取SCADA数据中与待分析关键部件相关的温度测点,同时获取风机控制逻辑中与待分析关键部件相关的温度阈值;
使用单台风机的平均风速-功率曲线,根据每台风机的风速值,计算每台风机的发电能力以及功率偏差;
筛选出该时间段内SCADA数据中待分析关键部件温度最大值大于温度阈值的所有数据,计算出全风场内风机损失电量的最大值;
筛选出该时间段内SCADA数据中待分析关键部件温度最小值大于温度阈值的所有数据,计算出全风场内风机损失电量的最小值。
4.一种处理设备,所述处理设备至少包括处理器和存储器,所述存储器上存储有计算机程序,其特征在于,所述处理器运行所述计算机程序时执行以实现权利要求1到2任一项所述风机发电量损失精细化测算方法的步骤。
5.一种计算机存储介质,其特征在于,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现根据权利要求1到2任一项所述风机发电量损失精细化测算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210065952.6A CN114444291B (zh) | 2022-01-20 | 2022-01-20 | 一种风机发电量损失精细化测算方法、系统、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210065952.6A CN114444291B (zh) | 2022-01-20 | 2022-01-20 | 一种风机发电量损失精细化测算方法、系统、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114444291A CN114444291A (zh) | 2022-05-06 |
CN114444291B true CN114444291B (zh) | 2023-02-10 |
Family
ID=81368730
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210065952.6A Active CN114444291B (zh) | 2022-01-20 | 2022-01-20 | 一种风机发电量损失精细化测算方法、系统、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114444291B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114881379B (zh) * | 2022-07-12 | 2022-10-14 | 东方电气风电股份有限公司 | 风电场应发电量估测方法、装置、设备及存储介质 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109253056A (zh) * | 2018-09-14 | 2019-01-22 | 华润电力投资有限公司北方分公司 | 一种风电数据分析方法及系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104937263B (zh) * | 2013-01-25 | 2017-11-28 | 维斯塔斯风力系统有限公司 | 风轮机的控制 |
CN104564529B (zh) * | 2014-12-30 | 2017-07-14 | 北京金风科创风电设备有限公司 | 风力发电机组的输出功率补偿方法、装置和系统 |
CN110374804B (zh) * | 2019-07-03 | 2020-06-19 | 西安交通大学 | 一种基于深度确定性策略梯度补偿的变桨距控制方法 |
CN112598210A (zh) * | 2020-10-23 | 2021-04-02 | 河北新天科创新能源技术有限公司 | 一种风电机组发电机性能评估及预警方法 |
CN113626767B (zh) * | 2021-08-02 | 2022-06-28 | 中节能风力发电股份有限公司 | 一种风机限电识别方法、系统、设备和存储介质 |
CN113822418A (zh) * | 2021-09-24 | 2021-12-21 | 中节能风力发电股份有限公司 | 一种风电场功率预测方法、系统、设备和存储介质 |
CN113935152A (zh) * | 2021-09-24 | 2022-01-14 | 浙江大学 | 永磁风力发电机及其设计方法、系统、电子设备和介质 |
-
2022
- 2022-01-20 CN CN202210065952.6A patent/CN114444291B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109253056A (zh) * | 2018-09-14 | 2019-01-22 | 华润电力投资有限公司北方分公司 | 一种风电数据分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114444291A (zh) | 2022-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020399503B2 (en) | Method and apparatus for detecting yaw-to-wind abnormality, and device and storage medium thereof | |
CN109488528B (zh) | 一种风机偏航系统的调整方法及装置 | |
CN107810322B (zh) | 通过风力涡轮机增加有功功率 | |
CN113591359B (zh) | 一种风电机组切入/切出风速调优方法、系统及设备介质 | |
CN110761958B (zh) | 风力发电机组的叶片失速诊断方法及装置 | |
US20230265832A1 (en) | Load control method and apparatus for wind turbine generator system | |
CN114444291B (zh) | 一种风机发电量损失精细化测算方法、系统、设备和介质 | |
CN116994416B (zh) | 基于人工智能的风机运行故障预警方法及系统 | |
CN112855460A (zh) | 风电机组轴系实时疲劳寿命预测方法、系统、介质及设备 | |
CN115374653B (zh) | 基于nset模型的风力发电机温度预警方法及相关装置 | |
CN109779835B (zh) | 风力发电机组的功率控制方法和装置 | |
CN114778116A (zh) | 一种风力发电机组变桨轴承故障预警方法及系统 | |
CN114151147A (zh) | 汽轮机转速异常的故障预警方法、系统、设备及介质 | |
CN114777913B (zh) | 一种风机叶片状态监测的预警方法及系统 | |
CN116663935B (zh) | 风力机发电量计算方法、装置、计算机设备及存储介质 | |
CN117212074B (zh) | 风力发电系统及其变桨电机的温升预警方法及存储介质 | |
CN114439683B (zh) | 风力发电机转矩控制方法、装置、设备及存储介质 | |
CN114235387B (zh) | 高速轴转速震荡检测方法、装置及作业机械 | |
CN114412705B (zh) | 基于湍流强度的风电机组机舱位移监测优化方法及系统 | |
WO2020181786A1 (zh) | 一种基于风电机组运行数据清洗方法及系统 | |
CN115563806A (zh) | 一种预变桨方法、装置、设备及介质 | |
Zhao et al. | An Equivalent Aggregation Model of Wind Farm Considering Wind Curtailment | |
CN117189504A (zh) | 风力发电机组的变流系统的异常检测方法及装置 | |
CN118194082A (zh) | 一种基于scada数据的变流器电气异常检测方法、电气异常检测模型训练方法、系统及装置 | |
CN117365870A (zh) | 一种风电机组叶片失速监测与控制方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |