CN114687952A - 风力发电机组的起停机异常识别方法及装置 - Google Patents
风力发电机组的起停机异常识别方法及装置 Download PDFInfo
- Publication number
- CN114687952A CN114687952A CN202011586086.2A CN202011586086A CN114687952A CN 114687952 A CN114687952 A CN 114687952A CN 202011586086 A CN202011586086 A CN 202011586086A CN 114687952 A CN114687952 A CN 114687952A
- Authority
- CN
- China
- Prior art keywords
- stop
- wind
- generating set
- specific
- wind speed
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000005856 abnormality Effects 0.000 claims abstract description 91
- 230000009471 action Effects 0.000 claims abstract description 61
- 230000002159 abnormal effect Effects 0.000 claims description 70
- 238000010248 power generation Methods 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 11
- 230000002411 adverse Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000002035 prolonged effect Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本公开提供一种风力发电机组的起停机异常识别方法及装置。所述起停机异常识别方法包括:获取风力发电机组在预设时间段内的运行数据;根据所述运行数据确定所述风力发电机组在所述预设时间段中的各个预设时间间隔内的起停机次数,其中,每个预设时间间隔内的所述起停机次数表示所述风力发电机组在相应的预设时间间隔内的起机动作次数与停机动作次数之和;根据所述起停机次数识别所述风力发电机组的起停机异常。
Description
技术领域
本公开涉及风力发电领域,具体涉及一种风力发电机组的起停机异常识别方法及装置。
背景技术
在风力发电机组因遇到故障或外界工况而需要停机时,风力发电机组将启动停机策略,将风力发电机组从运行状态(即发电状态)切换到停机状态。当故障消除或是外界工况满足起机需求时,风力发电机组将启动起机策略,将风力发电机从停机状态或待机状态切换至运行状态。每次起停机时风力发电机组的主控系统、变桨系统、电气系统等各个系统均需处于不同的开合状态来进行相互配合,但是,如果起停机次数过于频繁,会导致各种不良影响,例如,风力发电机组的发电性能降低、整机载荷增加、开关设备和电气设备的寿命降低等。
通常导致风力发电机组短时间内频繁起停机的原因包括以下四个方面:第一,在平均风速小的情况下,由于风况不稳定,当风速由小变大时,可以吹动风力发电机组,使风力发电机组并网发电,但短期内如果湍流较大,风速又快速变小,导致风力发电机组没有足够的风能支撑其发电,因而使其重新切出电网,转入停机状态,此时造成频繁起停机的情况;第二,由于风力发电机组自身发生了故障造成停机后再起机,如果故障不能修复则会出现短时反复起停机的问题;第三,由于测试人员在现场进行特殊测试时,存在着由人为起停机造成的频繁起停机情况;第四,在平均风速大的情况下,为了避免风力发电机组的载荷超限,当风速或变桨角度(例如,变桨桨距角)超过一定阈值时会启动停机操作,使风力发电机组重新切出电网,转入停机状态,但风力发电机组会继续判断此时是否满足起机指令,如风速仍然很大,可以吹动风力发电机组,则会使风力发电机组重新并网发电,然后又再次因风速过大而切出,从而造成频繁起停机的情况。
针对第二种情况和第三种情况已有技术手段进行识别,例如,第二种情况下风力发电机组会自动生成故障文件,通知现场人员对故障问题进行处理;第三种情况的频繁起停机属于人为操作,因而非风力发电机组本身的问题,可以不必处理。但是,针对诸如第一种情况和第四种情况的不同风速情况,很难有效地识别风力发电机组是否存在起停机异常,并且难以有效避免频繁的起停机。
发明内容
本公开的实施例的目的在于提供一种风力发电机组的起停机异常识别方法及装置,以避免起停机次数过于频繁及其导致的不良影响,可以实现以下技术效果中的至少一者:改善风力发电机组的发电性能,降低风力发电机组的整机载荷,降低风力发电机组的整机及子系统的运行风险,延长风力发电机组的各个部件的使用寿命,降低风力发电机组的维护成本。
根据本公开的实施例,提供一种风力发电机组的起停机异常识别方法,所述起停机异常识别方法包括:获取风力发电机组在预设时间段内的运行数据;根据所述运行数据确定所述风力发电机组在所述预设时间段中的各个预设时间间隔内的起停机次数,其中,每个预设时间间隔内的所述起停机次数表示所述风力发电机组在相应的预设时间间隔内的起机动作次数与停机动作次数之和;根据所述起停机次数识别所述风力发电机组的起停机异常。
根据本公开的实施例,提供一种存储有计算机程序的计算机可读存储介质,当所述计算机程序在被处理器执行时实现如上所述的起停机异常识别方法。
根据本公开的实施例,提供一种计算装置,所述计算装置包括: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,实现如上所述的起停机异常识别方法。
根据本公开的实施例,提供一种风力发电机组的起停机异常识别装置,所述起停机异常识别装置包括:数据获取单元,被配置为获取风力发电机组在预设时间段内的运行数据;数据处理单元,被配置为根据所述运行数据确定所述风力发电机组在所述预设时间段中的各个预设时间间隔内的起停机次数,其中,每个预设时间间隔内的所述起停机次数表示所述风力发电机组在相应的预设时间间隔内的起机动作次数与停机动作次数之和;起停机异常识别单元,被配置为根据所述起停机次数识别所述风力发电机组的起停机异常。
采用根据本公开的实施例的风力发电机组的起停机异常识别方法及装置、存储有计算机程序的计算机可读存储介质以及计算装置,至少可以实现以下技术效果中的至少一者:能够直观地观察多个风力发电机组的起停机次数相对于平均风速的分布,并且容易地识别出起停机异常点,还可以获取与起停机异常点相关的任何信息;可以结合有效地识别风力发电机组的起停机异常,有针对性地调节与起停机异常点对应的风力发电机组的控制参数,从而有效避免风力发电机组的起停机异常,减少起停机异常导致的不良影响;改善风力发电机组的发电性能,降低风力发电机组的整机载荷,降低风力发电机组的整机及子系统的运行风险,延长风力发电机组的各个部件的使用寿命,降低风力发电机组的维护成本。
附图说明
通过下面结合附图进行的描述,本公开的上述和其他目的和特点将会变得更加清楚。
图1是根据本公开的实施例的风力发电机组的起停机异常识别方法的流程图;
图2是根据本公开的实施例的对运行数据进行预处理的操作流程图;
图3示出了确定风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数的流程图;
图4是根据本公开的实施例的确定平均风速的操作流程图;
图5是根据本公开的实施例的多个风力发电机组的起停机次数相对于平均风速的分布图;
图6是根据本公开的另一实施例的多个风力发电机组的起停机次数相对于平均风速的分布图;
图7和图8是根据本公开的实施例的特定风力发电机组的运行数据和环境风速在特定时间段内随时间的变化的示意图;
图9示出了根据本公开的实施例的起停机异常识别装置的框图;
图10是根据本公开的实施例的计算装置的示意图。
具体实施方式
为了有效地识别风力发电机组在不同风速情况下是否存在频繁起停机异常,应了解小风速情况和大风速情况的起停机原理。在本公开中,小风速情况可包括风速比风力发电机组正常发电或者风力发电机组起停机次数较少时的风速小的情况,大风速情况可包括风速比风力发电机组正常发电或者风力发电机组起停机次数较少时的风速大的情况。
不同风速情况下的起停机逻辑原理是:当风力发电机组处于待机状态时,风力发电机组的控制系统检查各个子系统(包括变流子系统、变桨子系统、通信子系统等)是否正常运行,如果各个子系统未反馈异常,则控制系统下达指令以使变流子系统开启、水冷子系统开启和变桨子系统开启,控制系统中的控制器实时监控发电机转速是否达到发电机转速启动阈值,并且发电机转速保持高于发电机转速启动阈值的持续时间达到一定时长。直到控制器监控到满足上述条件后才使风力发电机组执行起机动作,进入起机过程,例如,变桨子系统执行变桨动作,进入发电状态,使变流器并网,执行控制器发出的发电指令。在发电同时,控制器持续监控发电功率、发电机转速、监控风速和变桨角度(即,变桨桨距角),直到发电功率过小(例如,小于发电功率阈值),并且发电机转速过小(例如,低于发电机转速停止阈值)且持续预定时长(例如,发电机转速保持低于发电机转速停止阈值的持续时间达到预定时长)时,控制器将使风力发电机组执行停机动作,例如,变桨子系统执行变桨动作,使变流器切出电网;或者,直到平均风速过大(平均风速大于最大风速阈值)并且变桨角度大于最大角度阈值时,控制器将使风力发电机组执行停机动作,例如,变桨子系统执行变桨动作,使变流器切出电网。当发电机完全停稳并且变桨角度达到停机角度阈值时,风力发电机组进入待机状态。如此完成风力发电机组在不同风速情况下的一次起停过程,分别完成一次起机动作和一次停机动作,即,起停机次数为两次(起机一次与停机一次之和)。
对于整个风电场的多个风力发电机组,由于与起停机相关的工作参数不同以及机组状态不同等因素的影响,多个风力发电机组的起停机次数和每次起机与停机之间的间隔时间也不尽相同。通常,一个风力发电机组在一年内的起停机次数会达到一千次左右,有些风力发电机组甚至达到数千次。而由于风力发电机组的起停机操作绝大多数属于正常操作(即,起停机次数没有超过起停机次数阈值),因此,针对一个风电场上的上百个风力发电机组甚至数个风电场的几千个风力发电机组的运行工况来说,很难识别出起停机异常的风力发电机组。
为了识别出风力发电机组在不同风速情况下的起停机异常,克服频繁起停机导致的不良影响,本发明提出一种风力发电机组的起停机异常识别方法及装置。根据本公开的起停机异常识别方法及装置可以通过创新的分析与识别算法,实现离线或在线地评估风力发电机组的起停机异常,筛查出因为小风速和/或大风速工况导致的频繁起停机异常的情况,通过策略优化可降低频繁起停机的次数,可以实现以下技术效果中的至少一者:避免起停机次数过于频繁及其导致的不良影响,改善风力发电机组的发电性能,降低风力发电机组的整机载荷,降低风力发电机组的整机及子系统的运行风险,延长风力发电机组的各个部件的使用寿命,降低风力发电机组的维护成本。
图1是根据本公开的实施例的风力发电机组的起停机异常识别方法的流程图。在本公开的实施例中,风力发电机组可包括一个或多个风力发电机组。风力发电机组可以是单个风电场或多个风电场上的全部风力发电机组或部分风力发电机组。
在步骤S11,获取风力发电机组在预设时间段内的运行数据。预设时间段可以是已经过去的一段时间、未来的一段时间等,例如,自当前时间起过去的一段时间(例如,过去一年内)、自当前时间起未来的一段时间(例如,未来一年内)。其中,已经过去的一段时间可用于离线识别起停机异常,未来的一段时间可用于在线识别起停机异常。
根据本公开的实施例,运行数据包括风力发电机组的运行状态数据,运行状态数据指示风力发电机组的运行状态。运行状态可包括起机状态、待机状态、发电状态和停机状态。从待机状态切换至起机状态表示起机动作,从发电状态切换至停机状态表示停机动作。此外,运行数据还可包括风力发电机组的编号和/或风力发电机组的运行参数。
在本公开的实施例中,运行状态数据可以是利用不同数字表示风力发电机组的运行状态的运行状态字,例如,运行状态字1表示停机状态,运行状态字2表示待机状态,运行状态字3表示起机状态,运行状态字4表示运行状态,即发电状态。
在步骤S12,根据运行数据确定风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数,其中,每个预设时间间隔内的起停机次数表示风力发电机组在相应的预设时间间隔内的起机动作次数与停机动作次数之和。
根据本公开的实施例,预设时间段被均匀地划分为多个预设时间间隔,每个预设时间间隔均对应有起停机次数。例如,预设时间段为去年一年(即,8760小时),预设时间间隔为2小时,即预设时间段可包括4380个预设时间间隔,在去年一年内,每2小时内的起停机次数表示风力发电机组在相应的2小时内的起机动作次数与停机动作次数之和。
根据本公开的实施例,步骤S12可包括按照时间顺序对运行状态数据进行排序;按照各个预设时间间隔对排序后的运行状态数据进行分组,以生成预处理的运行状态数据;根据预处理的运行状态数据所指示的运行状态的变化来确定起停机次数。
在步骤S13,根据起停机次数识别风力发电机组的起停机异常。根据本公开的实施例,起停机异常表示风力发电机组的起停机次数过多。下面将结合图5至图8进一步描述如何识别风力发电机组的起停机异常。
图2是根据本公开的实施例的对运行数据进行预处理的操作流程图。
在步骤S21,从运行数据中提取风力发电机组的编号和在预设时间段内的运行状态数据。根据本公开的实施例,风力发电机组可包括一个或多个风力发电机组,运行数据可包括风力发电机组的编号和每个风力发电机组在预设时间段内的运行状态数据。相应地,可从运行数据中提取一个或多个风力发电机组的编号和每个风力发电机组在预设时间段内的运行状态数据。
在步骤S22,针对每个风力发电机组,按照时间顺序对运行状态数据进行排序。根据本公开的实施例,可基于每个风力发电机组的编号,将与编号对应的运行状态数据按照时间顺序进行排序。通过按照时间顺序对运行状态数据进行排序,可便于确定每个风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数。
在步骤S23,针对每个风力发电机组,按照各个预设时间间隔对排序后的运行状态数据进行分组。从而可进一步确定每个风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数。在本公开的实施例中,每个风力发电机组的运行状态数据按照各个预设时间间隔被分组为m个运行状态数据组,记为[L1…L(i-1),Li,L(i+1)…Lm],其中,1至m分别表示运行状态数据组中的每组数据的数据组号,i和m均为自然数,m表示组号最大值且等于预设时间段的长度除以预设时间间隔的值,1≤i≤m。例如,预设时间段为去年一年(即,8760小时),预设时间间隔为2小时,则m=4380。
每组数据可包括一个或多个数据点,例如,每组数据所包括的数据点可记为n,n为大于或等于1的自然数,例如,第i组运行状态数据为[S1…S(j-1),Sj,S(j+1)…Sn],其中,1至n分别表示数据点的序号,1≤j≤n,j和n均为自然数。在本公开的实施例中,S1至Sn分别表示与数据点对应的运行状态。例如,Sj=1表示停机状态,Sj=2表示待机状态,Sj=3表示起机状态,Sj=4表示运行状态,即发电状态。例如,可从第1个数据点开始分析运行状态的变化。
在本公开的实施例中,每组数据中的数据点数与获取运行状态数据时的采样频率有关。例如,如果采样频率为1Hz,则按照上述实施例分组的每组数据包括7200个数据点,即n=7200。
下面将结合图3描述确定风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数的流程。
在按照各个预设时间间隔对排序后的运行状态数据进行分组之后,可开始执行图3所示的操作流程。可从第一组数据L1(即,数据组号i=1)开始确定起停机次数。
如图3所示,在步骤S31,确定数据组号i是否小于组号最大值m。如果否,则执行步骤S32;如果是,则执行步骤S39。
在步骤S32,获取第i组运行状态数据[S1…S(j-1),Sj,S(j+1)…Sn]。
在步骤S33,确定数据点的序号j是否小于n。如果是,则执行步骤S34;否则,执行步骤S38。
在步骤S34,确定是否S(j-1)至Sj表明从待机状态切换至起机状态。例如,可确定S(j-1)至Sj是否为从S(j-1)=2变为Sj=3。如果是,则执行步骤S36;否则,执行步骤S35。
在步骤S35,确定是否S(j-1)至Sj表明从发电状态切换至停机状态。例如,可确定S(j-1)至Sj是否为从S(j-1)=4变为Sj=1。如果是,则执行步骤S36;否则,执行步骤S37。
在步骤S36,可对风力发电机组的起停机次数Ki进行计数。如上,如果确定S(j-1)至Sj表明从待机状态切换至起机状态或者S(j-1)至Sj表明从发电状态切换至停机状态,则使起停机次数Ki递增,即Ki=Ki+1,否则保持起停机次数Ki不变。在步骤S36之后可执行步骤S37。
在步骤S37,使数据点的序号j递增(即,j=j+1),从而可针对下一个数据点分析运行状态的变化。在步骤S38,可使数据组号i递增,即i=i+1,从而可针对下一组运行状态数据分析运行状态的变化。
在分析完全部运行状态数据的变化之后,可执行步骤S39,输出风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数[K1…Ki…Km]。例如,可以以列表的形式存储并输出风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数[K1…Ki…Km]。该列表还可包括风力发电机组的编号。
参照图2和图3描述的操作流程也可称为数据筛查,通过数据筛查可实现数据降维处理,例如,确定风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数。可针对单个风电场或多个风电场上的全部风力发电机组或部分风力发电机组执行上述操作。
图4是根据本公开的实施例的确定平均风速的操作流程图。
根据本公开的实施例的起停机异常识别方法还可包括:获取风力发电机组在预设时间段内的环境风速(S41);根据环境风速确定在各个预设时间间隔内的平均风速(S42)。
在步骤S41,可通过测风雷达等测风装置获取风力发电机组在预设时间段内的环境风速。在本公开的实施例中,风力发电机组在预设时间段内的环境风速可包含在风力发电机组在预设时间段内的运行数据中。因此,可从运行数据中提取环境风速。
在步骤S42,可按照与图2所示的数据分组方式对环境风速进行分组。例如,可按照时间顺序对环境风速进行排序,排序后的环境风速与排序后的运行状态数据在时间顺序上一一对应。然后,按照各个预设时间间隔对排序后的环境风速进行分组,以生成预处理的环境风速。在本公开的实施例中,每个风力发电机组的环境风速按照各个预设时间间隔被分组为m个环境风速组,记为[V1…V(i-1),Vi,V(i+1)…Vm],其中,1至m分别表示环境风速数据组中的每组数据的数据组号,i和m均为自然数,m表示组号最大值且等于预设时间段的长度除以预设时间间隔的值,1≤i≤m。m个环境风速组与上面描述的m个运行状态数据组相对应。
然后,可根据预处理的环境风速确定在各个预设时间间隔内的平均风速。例如,可对环境风速组中每组环境风速(例如,V1至Vm中的每个)求平均,以生成对应的平均风速。例如,根据第i组环境风速Vi确定第i组的平均风速为Vi’。因此,根据m个环境风速组[V1…V(i-1),Vi,V(i+1)…Vm]确定对应的平均风速组[V1’…V(i-1)’,Vi’,V(i+1)’…Vm’]。
根据本公开的实施例,可以以列表的形式存储并输出平均风速组[V1’…V(i-1)’,Vi’,V(i+1)’…Vm’]。可选地,平均风速组[V1’…V(i-1)’,Vi’,V(i+1)’…Vm’]可与风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数[K1…Ki…Km]一起存储并输出。
根据本公开的实施例,可根据风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数识别风力发电机组的起停机异常。识别起停机异常的过程可包括展示风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数相对于平均风速的分布图。例如,可采用可视化的图表来展示分布图。
在本公开的实施例中,风力发电机组可包括多个风力发电机组,分布图可包括多个风力发电机组的起停机次数相对于平均风速的分布图。
图5是根据本公开的实施例的多个风力发电机组的起停机次数相对于平均风速的分布图。
如图5所示,不同形状的符号代表不同机组编号的风力发电机组的在预设时间段中的各个预设时间间隔内的起停机次数。在此以两个风力发电机组(机组编号分别为140605044和140605065)为例进行说明,但是本发明不限于此,还可展示更多个或一个风力发电机组的起停机次数相对于平均风速的分布图,例如,可展示单个风电场或多个风电场上的全部风力发电机组或部分风力发电机组的起停机次数相对于平均风速的分布图。
根据本公开的实施例,可根据风力发电机组的整体性能设置起停机次数阈值,以将大于起停机次数阈值的起停机次数识别为起停机异常点。根据起停机次数识别风力发电机组的起停机异常还可包括:将起停机次数与起停机次数阈值进行比较;将大于起停机次数阈值的起停机次数识别为起停机异常点。
在图5所示的实施例中,起停机次数阈值设置为4。可将小于起停机次数阈值的起停机次数识别为起停机正常点。可将大于起停机次数阈值的起停机次数识别为起停机异常点。如图5所示,绝大多数起停机次数小于或等于起停机次数阈值,属于起停机正常点。但是,虚线框中的起停机次数大于起停机次数阈值,因此被识别为起停机异常点。起停机异常点主要分布在平均风速相对低(例如,低于4m/s)和平均风速相对高(例如,高于15m/s)的风速段。平均风速相对低的风况可称为小风速风况,平均风速相对高的风况可称为大风速风况。
根据本公开的另一实施例,根据起停机次数识别风力发电机组的起停机异常还可包括:基于多个风力发电机组的起停机次数相对于平均风速的分布图,识别与起停机异常点对应的起停机次数、平均风速、特定风力发电机组和特定时间间隔中的至少一项。
例如,可基于图5展示的分布图,进一步识别与起停机异常点对应的起停机次数、平均风速、特定风力发电机组和特定时间间隔中的至少一项。图6是根据本公开的另一实施例的多个风力发电机组的起停机次数相对于平均风速的分布图。
如图6所示,可在多个风力发电机组的起停机次数相对于平均风速的分布图中选择起停机异常点,使得可在分布图中进一步展示与选择的起停机异常点对应的起停机次数count(count=5.000)、平均风速wind_mean(wind_mean=3.54m/s)、特定风力发电机组的机组编号wtid(wtid=140605065)和特定时间间隔的起始时刻ts_start(ts_start=2018-02-20 10:00:00)。根据图6中进一步展示的信息,可识别出与选择的起停机异常点对应的起停机次数(例如,5)、平均风速(例如,3.54m/s)、特定风力发电机组(例如,机组编号为140605065)和特定时间间隔(例如,自2018-02-20 10:00:00开始的2小时)。
图6所示的实施例仅为示例,但是本发明不限于此,可展示与分布图中的全部起停机异常点对应的起停机次数、平均风速、特定风力发电机组和特定时间间隔中的至少一项,或者,可根据用户需求选择性地展示与全部起停机异常点中的一个或多个起停机异常点对应的起停机次数、平均风速、特定风力发电机组和特定时间间隔中的至少一项。
参照图5和图6示出的实施例,可以通过可视化方式展示多个风力发电机组的起停机次数相对于平均风速的分布,从而能够直观地观察多个风力发电机组的起停机次数相对于平均风速的分布,并且容易地识别出起停机异常点,还可以获取与起停机异常点相关的任何信息,例如,与起停机异常点对应的起停机次数、平均风速、特定风力发电机组和特定时间间隔中的至少一项。
根据本公开的实施例,根据起停机次数识别风力发电机组的起停机异常还可包括:展示与起停机异常点对应的特定风力发电机组的运行数据和/或环境风速在特定时间段内随时间的变化,其中,特定时间段包含与起停机异常点对应的特定时间间隔。
在风力发电机组的工作过程中,出现起停机异常的时间段往往不限于单个时间间隔,而是涉及连续的多个时间间隔。例如,与第一起停机异常点对应的特定风力发电机组的机组编号为140605065,第一特定时间间隔为自2018-02-20 10:00:00开始的2小时;与第二起停机异常点对应的特定风力发电机组的机组编号为140605065,第二特定时间间隔为自2018-02-20 12:00:00开始的2小时。因此,可能需要针对多个起停机异常点进行时序分析。用于进行时序分析的特定时间段至少包含特定时间间隔,即特定时间段的范围可大于或等于特定时间间隔的范围,特定时间间隔可包括一个或多个时间间隔。
图5和图6示出了起停机次数相对于平均风速的分布图,以便于识别起停机异常点。根据上述分布图可进一步针对起停机异常点展示时序图,即展示与起停机异常点对应的特定风力发电机组的运行数据和/或环境风速在特定时间段内随时间的变化。在本公开的实施例中,特定风力发电机组的运行数据可包括发电机转速和/或变桨角度。
图7和图8是根据本公开的实施例的特定风力发电机组的运行数据和环境风速在特定时间段内随时间的变化的示意图。
在图7所示的实施例中,与起停机异常点对应的特定时间间隔内的平均风速约为3.5m/s,并且,特定时间段包含了与起停机异常点对应的特定时间间隔。例如,特定时间段为2018年02月20日0点至下午1点。如图7所示,环境风速在0至6m/s的小风速范围内随时间波动,由于与起停机异常点对应的特定风力发电机组随着环境风速的变化而频繁地起停机,导致发电机转速和变桨角度也随着环境风速的变化而反复增减。如此频繁的反复变化对特定风力发电机组的性能会造成不良影响,例如,风力发电机组的发电性能降低、整机载荷增加、开关设备和电气设备的寿命降低等。
在图8所示的实施例中,与起停机异常点对应的特定时间间隔内的平均风速约为16m/s,并且,特定时间段包含了与起停机异常点对应的特定时间间隔。例如,特定时间段为2018年8月11日上午3点至8点左右。如图8所示,环境风速在10m/s至20m/s的大风速范围内随时间波动,由于与起停机异常点对应的特定风力发电机组随着环境风速的变化而频繁地起停机,导致发电机转速和变桨角度也随着环境风速的变化而反复增减。如此频繁的反复变化对特定风力发电机组的性能会造成不良影响,例如,风力发电机组的发电性能降低、整机载荷增加、开关设备和电气设备的寿命降低等。
根据与起停机异常点对应的特定风力发电机组的运行数据和环境风速在特定时间段内随时间的变化(例如,图7和图8示出的时序变化图),可以从时间维度分析与起停机异常点对应的特定风力发电机组的运行环境和运行情况,从而可以有效调节特定风力发电机组的控制参数,有效避免频繁的起停机。
如上,通过展示起停机次数相对于平均风速的分布图和/或运行数据和环境风速在特定时间段内随时间的变化,可以从特定维度分析与风力发电机组相关的信息,有利于快速评估风力发电机组的运行情况,并且有利于高效识别风力发电机组的起停机异常。
在识别出起停机异常点之后,可调节与起停机异常点对应的特定风力发电机组的控制参数。根据本公开的实施例,可针对与起停机异常点对应的特定风力发电机组,延长起机动作与停机动作之间的间隔时间阈值。间隔时间阈值可表示起机动作与停机动作之间的最小时间间隔。例如,与起停机异常点对应的起机动作与停机动作之间的间隔时间阈值为15分钟,即,只要当前的起机动作与上一次停机动作之间的间隔时间大于或等于15分钟或者当前的停机动作与上一次起机动作之间的间隔时间大于或等于15分钟,就允许执行当前的起机动作或停机动作,由此导致了起停机过于频繁。因此,为了强制减少起停机次数,可适当延长起机动作与停机动作之间的间隔时间阈值,例如,将间隔时间阈值延长为20分钟。
此外,根据起停机次数识别风力发电机组的起停机异常还可包括:根据与起停机异常点对应的平均风速,识别与起停机异常点对应的风况。从而可以基于风况来有针对性地分析与起停机异常点关联的信息,并且可以有针对性地控制与起停机异常点对应的特定风力发电机组以避免频繁起停机。根据本公开的实施例,可针对与起停机异常点对应的风况,调节与起停机异常点对应的特定风力发电机组的控制参数。控制参数可包括与特定风力发电机组的起停机相关的任何参数,例如,特定风力发电机组的平均风速阈值、发电机转速启动阈值、发电机转速保持高于发电机转速启动阈值的持续时间阈值以及起机动作与停机动作之间的间隔时间。
根据本公开的实施例,与起停机异常点对应的风况可包括大风速风况和/或小风速风况。在本公开的实施例中,可设置平均风速最小值和/或平均风速最大值。当与起停机异常点对应的平均风速小于平均风速最小值时,可将与起停机异常点对应的风况识别为小风速风况。当与起停机异常点对应的平均风速大于平均风速最大值时,可将与起停机异常点对应的风况识别为大风速风况。例如,在图5至图8示出的实施例中,平均风速最小值可设置为4m/s,平均风速最大值可设置为15m/s。图5和图6中的两个虚线框内的起停机异常点分别分布在小风速风况和大风速风况。
根据本公开的实施例,针对与起停机异常点对应的风况调节与起停机异常点对应的特定风力发电机组的控制参数包括:如果与起停机异常点对应的风况为大风速风况,则设置特定风力发电机组的平均风速阈值,使得在平均风速小于平均风速阈值时允许特定风力发电机组执行起机动作。例如,参照图5和图6示出的分布图以及图8示出时序变化图,可以看出在大风速风况下,大风很容易吹动特定风力发电机组,即非常容易满足起机条件,因此可以针对特定风力发电机组额外增加对平均风速的判断。通过额外设置特定风力发电机组的平均风速阈值,使得只有在平均风速小于平均风速阈值时才允许特定风力发电机组执行起机动作,从而大大降低特定风力发电机组的起机次数,也相应减少了特定风力发电机组在大风速风况下的起停机异常。
根据本公开的实施例,针对与起停机异常点对应的风况调节与起停机异常点对应的特定风力发电机组的控制参数包括:如果与起停机异常点对应的风况为小风速风况,则增大特定风力发电机组的发电机转速启动阈值,和/或,增大特定风力发电机组的发电机转速保持高于发电机转速启动阈值的持续时间阈值。例如,参照图5和图6示出的分布图以及图7示出时序变化图,可以看出在小风速风况下,风速波动较大,短期内的湍流较多,导致没有足够的风能持续支持特定风力发电机组的发电,因此,特定风力发电机组频繁地起停机。为了减少特定风力发电机组在小风速风况下的起停机异常,可以增大特定风力发电机组的发电机转速启动阈值,使得只有当发电机转速高于增大的发电机转速启动阈值时才允许执行起机动作。可选地,还可增大特定风力发电机组的发电机转速保持高于发电机转速启动阈值的持续时间阈值,使得只有发电机转速保持高于发电机转速启动阈值超过增大的持续时间阈值时才允许执行起机动作。如此,通过提高特定风力发电机组在小风速风况下的起机要求可有效减少起停机异常。
如上,可以结合有效地识别风力发电机组的起停机异常,有针对性地调节与起停机异常点对应的风力发电机组的控制参数,从而有效避免风力发电机组的起停机异常,减少起停机异常导致的不良影响。
根据本公开的实施例,可采用离线和/或在线的方式如上的起停机异常识别方法。例如,可通过离线方式获取风力发电机组的历史运行数据和历史环境风速,以离线方式识别风力发电机组的起停机异常,并且基于离线识别的结果以离线方式设置或调节风力发电机组的控制参数,从而减少起停机异常。可选地,可通过在线方式实时获取风力发电机组的实时运行数据和实时环境风速,以在线方式识别风力发电机组的起停机异常,并且基于在线识别的结果以在线方式实时设置或调节风力发电机组的控制参数,从而减少起停机异常。此外,为了在线执行如上的起停机异常识别方法,需要实时的计算资源、实时的数据回传等诸多实时处理要求。
根据本公开的实施例,提供一种风力发电机组的起停机异常识别装置,起停机异常识别装置可执行如上的起停机异常识别方法。
图9示出了根据本公开的实施例的起停机异常识别装置2的框图。起停机异常识别装置2可包括数据获取单元21、数据处理单元22和起停机异常识别单元23。
数据获取单元21被配置为获取风力发电机组在预设时间段内的运行数据。根据本公开的实施例,数据获取单元21可通过风力发电机组中用于监测并记录运行数据的任何装置或模块(例如,数据监控设备、数据存储器)来实现。
数据处理单元22被配置为根据运行数据确定风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数,其中,每个预设时间间隔内的起停机次数表示风力发电机组在相应的预设时间间隔内的起机动作次数与停机动作次数之和。根据本公开的实施例,数据处理单元22可通过风力发电机组中用于处理运行数据的任何装置或模块(例如,主控制系统、中央处理器等)来实现。
起停机异常识别单元23被配置为根据起停机次数识别风力发电机组的起停机异常。根据本公开的实施例,起停机异常识别单元23可通过风力发电机组中用于处理运行数据的任何装置或模块(例如,主控制系统、中央处理器等)来实现。可选地,起停机异常识别单元23还可包括展示单元(未示出),用于展示参照图5和图6描述的分布图和/或参照图7和图8描述的时序变化图。展示单元可通过风力发电机组中的显示器或其它具有显示功能的装置来实现。
此外,起停机异常识别装置2还可包括控制参数调节单元24。控制参数调节单元24可被配置为针对与起停机异常点对应的风况,调节与起停机异常点对应的特定风力发电机组的控制参数。可选地,控制参数调节单元24可被配置为针对与起停机异常点对应的特定风力发电机组,延长起机动作与停机动作之间的间隔时间阈值。根据本公开的实施例,间隔时间阈值可表示起机动作与停机动作之间的最小时间间隔。根据本公开的实施例,控制参数调节单元24可通过风力发电机组中用于控制风力发电机组的各个部件运行的控制器或控制模块(例如,主控制系统、中央处理器、发电机控制器、变桨控制器等)来实现。
可参照上文中结合图1至图8描述的起停机异常识别方法来理解起停机异常识别装置2及其各个单元所执行的相应处理的具体细节,在此不做赘述。
根据本公开的实施例,还提供一种计算机可读存储介质,其上存储有计算机程序,当计算机程序被执行时,实现根据本公开的实施例的起停机异常识别方法。在本公开的实施例中,计算机可读存储介质可承载有一个或者多个计算机程序,当计算机程序被执行时可实现参照图1至图8描述的所有步骤,例如以下步骤:获取风力发电机组在预设时间段内的运行数据;根据运行数据确定风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数,其中,每个预设时间间隔内的起停机次数表示风力发电机组在相应的预设时间间隔内的起机动作次数与停机动作次数之和;根据起停机次数识别风力发电机组的起停机异常;针对与起停机异常点对应的风况,调节与起停机异常点对应的特定风力发电机组的控制参数;针对与起停机异常点对应的特定风力发电机组,延长起机动作与停机动作之间的间隔时间阈值。
计算机可读存储介质例如可以是,但不限于,电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储计算机程序的有形介质,该计算机程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读存储介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。计算机可读存储介质可以包含在任意装置中;也可以单独存在,而未装配入该装置中。
以上已经结合图1至图8对根据本公开的实施例的起停机异常识别方法进行了描述。接下来,结合图10对根据本公开的实施例的计算装置进行描述。
图10是根据本公开的实施例的计算装置的示意图。
参照图10,根据本公开的实施例的计算装置3可包括存储器31和处理器32,在存储器31上存储有计算机程序33,当计算机程序33被处理器32执行时,实现根据本公开的实施例的起停机异常识别方法。
在本公开的实施例中,当计算机程序33被处理器32执行时,可实现参照图1至图8描述的起停机异常识别方法的所有操作,例如以下操作:获取风力发电机组在预设时间段内的运行数据;根据运行数据确定风力发电机组在预设时间段中的各个预设时间间隔内的起停机次数,其中,每个预设时间间隔内的起停机次数表示风力发电机组在相应的预设时间间隔内的起机动作次数与停机动作次数之和;根据起停机次数识别风力发电机组的起停机异常;针对与起停机异常点对应的风况,调节与起停机异常点对应的特定风力发电机组的控制参数;针对与起停机异常点对应的特定风力发电机组,延长起机动作与停机动作之间的间隔时间阈值。
图10示出的计算装置仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
以上已参照图1至图10描述了根据本公开的实施例的风力发电机组的起停机异常识别方法及装置、计算机可读存储介质、计算装置。然而,应该理解的是:图9中所示的起停机异常识别装置及其单元或模块可分别被配置为执行特定功能的软件、硬件、固件或上述项的任意组合,图10中所示的计算装置并不限于包括以上示出的组件,而是可根据需要增加或删除一些组件,并且以上组件也可被组合。
采用根据本公开的实施例的风力发电机组的起停机异常识别方法及装置、计算机可读存储介质、计算装置,至少可以实现以下技术效果中的至少一者:能够直观地观察多个风力发电机组的起停机次数相对于平均风速的分布,并且容易地识别出起停机异常点,还可以获取与起停机异常点相关的任何信息;可以结合有效地识别风力发电机组的起停机异常,有针对性地调节与起停机异常点对应的风力发电机组的控制参数,从而有效避免风力发电机组的起停机异常,减少起停机异常导致的不良影响;改善风力发电机组的发电性能,降低风力发电机组的整机载荷,降低风力发电机组的整机及子系统的运行风险,延长风力发电机组的各个部件的使用寿命,降低风力发电机组的维护成本。
由控制系统中的各个组件或控制器执行的控制逻辑或功能可由在一个或多个附图中的流程图或类似示图来表示。这些附图提供代表性的控制策略和/或逻辑,代表性的控制策略和/或逻辑可使用一个或更多个处理策略(诸如,事件驱动、中断驱动、多任务、多线程等)来实现。因此,示出的各个步骤或功能可按照示出的顺序被执行、并行地执行或者在一些情况下被省略。虽然未总是被明确示出,但是本领域普通技术人员将认识到,示出的一个或更多个步骤或功能可根据使用的特定处理策略而被重复执行。
尽管已参照优选实施例表示和描述了本公开,但本领域技术人员应该理解,在不脱离由权利要求限定的本公开的精神和范围的情况下,可以对这些实施例进行各种修改和变换。
Claims (37)
1.一种风力发电机组的起停机异常识别方法,其特征在于,所述起停机异常识别方法包括:
获取风力发电机组在预设时间段内的运行数据;
根据所述运行数据确定所述风力发电机组在所述预设时间段中的各个预设时间间隔内的起停机次数,其中,每个预设时间间隔内的所述起停机次数表示所述风力发电机组在相应的预设时间间隔内的起机动作次数与停机动作次数之和;
根据所述起停机次数识别所述风力发电机组的起停机异常。
2.根据权利要求1所述的起停机异常识别方法,其特征在于,所述运行数据包括所述风力发电机组的运行状态数据,所述运行状态数据指示所述风力发电机组的运行状态。
3.根据权利要求2所述的起停机异常识别方法,其特征在于,根据所述运行数据确定所述风力发电机组的起停机次数包括:
按照时间顺序对所述运行状态数据进行排序;
按照各个预设时间间隔对排序后的运行状态数据进行分组,以生成预处理的运行状态数据;
根据预处理的运行状态数据所指示的运行状态的变化来确定所述起停机次数。
4.根据权利要求2所述的起停机异常识别方法,其特征在于,所述运行状态包括起机状态、待机状态、发电状态和停机状态,从待机状态切换至起机状态表示起机动作,从发电状态切换至停机状态表示停机动作。
5.根据权利要求1所述的起停机异常识别方法,其特征在于,所述起停机异常识别方法还包括:获取所述风力发电机组在所述预设时间段内的环境风速;
根据所述环境风速确定在所述各个预设时间间隔内的平均风速。
6.根据权利要求5所述的起停机异常识别方法,其特征在于,根据所述起停机次数识别所述风力发电机组的起停机异常包括:展示所述起停机次数相对于所述平均风速的分布图。
7.根据权利要求6所述的起停机异常识别方法,其特征在于,所述风力发电机组包括多个风力发电机组,
所述分布图包括所述多个风力发电机组的起停机次数相对于所述平均风速的分布图。
8.根据权利要求7所述的起停机异常识别方法,其特征在于,根据所述起停机次数识别所述风力发电机组的起停机异常还包括:
将所述起停机次数与起停机次数阈值进行比较;
将大于所述起停机次数阈值的起停机次数识别为起停机异常点。
9.根据权利要求8所述的起停机异常识别方法,其特征在于,根据所述起停机次数识别所述风力发电机组的起停机异常还包括:
基于所述分布图,识别与所述起停机异常点对应的起停机次数、平均风速、特定风力发电机组和特定时间间隔中的至少一项。
10.根据权利要求9所述的起停机异常识别方法,其特征在于,根据所述起停机次数识别所述风力发电机组的起停机异常还包括:展示所述特定风力发电机组的运行数据和/或环境风速在特定时间段内随时间的变化,其中,所述特定时间段包含所述特定时间间隔。
11.根据权利要求10所述的起停机异常识别方法,其特征在于,所述特定风力发电机组的运行数据包括所述特定风力发电机组的发电机转速和/或变桨角度。
12.根据权利要求8所述的起停机异常识别方法,其特征在于,根据所述起停机次数识别所述风力发电机组的起停机异常还包括:
根据与所述起停机异常点对应的平均风速,识别与所述起停机异常点对应的风况。
13.根据权利要求12所述的起停机异常识别方法,其特征在于,所述起停机异常识别方法还包括:针对与所述起停机异常点对应的风况,调节与所述起停机异常点对应的特定风力发电机组的控制参数。
14.根据权利要求13所述的起停机异常识别方法,其特征在于,所述风况包括大风速风况和/或小风速风况。
15.根据权利要求14所述的起停机异常识别方法,其特征在于,针对与所述起停机异常点对应的风况调节与所述起停机异常点对应的特定风力发电机组的控制参数包括:
如果与所述起停机异常点对应的风况为大风速风况,则设置所述特定风力发电机组的平均风速阈值,使得在平均风速小于平均风速阈值时允许所述特定风力发电机组执行起机动作。
16.根据权利要求14所述的起停机异常识别方法,其特征在于,针对与所述起停机异常点对应的风况调节与所述起停机异常点对应的特定风力发电机组的控制参数包括:
如果与所述起停机异常点对应的风况为小风速风况,则增大所述特定风力发电机组的发电机转速启动阈值,和/或,增大所述特定风力发电机组的发电机转速保持高于发电机转速启动阈值的持续时间阈值。
17.根据权利要求8所述的起停机异常识别方法,其特征在于,所述起停机异常识别方法还包括:
针对与所述起停机异常点对应的特定风力发电机组,延长起机动作与停机动作之间的间隔时间阈值。
18.根据权利要求1至17中任一项所述的起停机异常识别方法,其特征在于,采用离线和/或在线的方式执行所述起停机异常识别方法。
19.一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18中任意一项所述的起停机异常识别方法。
20.一种计算装置,其特征在于,所述计算装置包括:
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18中任意一项所述的起停机异常识别方法。
21.一种风力发电机组的起停机异常识别装置,其特征在于,所述起停机异常识别装置包括:
数据获取单元,被配置为获取风力发电机组在预设时间段内的运行数据;
数据处理单元,被配置为根据所述运行数据确定所述风力发电机组在所述预设时间段中的各个预设时间间隔内的起停机次数,其中,每个预设时间间隔内的所述起停机次数表示所述风力发电机组在相应的预设时间间隔内的起机动作次数与停机动作次数之和;
起停机异常识别单元,被配置为根据所述起停机次数识别所述风力发电机组的起停机异常。
22.根据权利要求21所述的起停机异常识别装置,其特征在于,所述运行数据包括所述风力发电机组的运行状态数据,所述运行状态数据指示所述风力发电机组的运行状态。
23.根据权利要求22所述的起停机异常识别装置,其特征在于,数据处理单元还被配置为:
按照时间顺序对所述运行状态数据进行排序;
按照各个预设时间间隔对排序后的运行状态数据进行分组,以生成预处理的运行状态数据;
根据预处理的运行状态数据所指示的运行状态的变化来确定所述起停机次数。
24.根据权利要求22所述的起停机异常识别装置,其特征在于,所述运行状态包括起机状态、待机状态、发电状态和停机状态,从待机状态切换至起机状态表示起机动作,从发电状态切换至停机状态表示停机动作。
25.根据权利要求21所述的起停机异常识别装置,其特征在于,数据获取单元还被配置为:获取所述风力发电机组在所述预设时间段内的环境风速;
根据所述环境风速确定在所述各个预设时间间隔内的平均风速。
26.根据权利要求25所述的起停机异常识别装置,其特征在于,起停机异常识别单元还被配置为:展示所述起停机次数相对于所述平均风速的分布图。
27.根据权利要求26所述的起停机异常识别装置,其特征在于,所述风力发电机组包括多个风力发电机组,
所述分布图包括所述多个风力发电机组的起停机次数相对于所述平均风速的分布图。
28.根据权利要求27所述的起停机异常识别装置,其特征在于,起停机异常识别单元还被配置为:
将所述起停机次数与起停机次数阈值进行比较;
将大于所述起停机次数阈值的起停机次数识别为起停机异常点。
29.根据权利要求28所述的起停机异常识别装置,其特征在于,起停机异常识别单元还被配置为:
基于所述分布图,识别与所述起停机异常点对应的起停机次数、平均风速、特定风力发电机组和特定时间间隔中的至少一项。
30.根据权利要求29所述的起停机异常识别装置,其特征在于,起停机异常识别单元还被配置为:展示所述特定风力发电机组的运行数据和/或环境风速在特定时间段内随时间的变化,其中,所述特定时间段包含所述特定时间间隔。
31.根据权利要求30所述的起停机异常识别装置,其特征在于,所述特定风力发电机组的运行数据包括所述特定风力发电机组的发电机转速和/或变桨角度。
32.根据权利要求28所述的起停机异常识别装置,其特征在于,起停机异常识别单元还被配置为:
根据与所述起停机异常点对应的平均风速,识别与所述起停机异常点对应的风况。
33.根据权利要求32所述的起停机异常识别装置,其特征在于,所述起停机异常识别装置还包括控制参数调节单元,被配置为针对与所述起停机异常点对应的风况,调节与所述起停机异常点对应的特定风力发电机组的控制参数。
34.根据权利要求33所述的起停机异常识别装置,其特征在于,所述风况包括大风速风况和/或小风速风况。
35.根据权利要求34所述的起停机异常识别装置,其特征在于,控制参数调节单元还被配置为:
如果与所述起停机异常点对应的风况为大风速风况,则设置所述特定风力发电机组的平均风速阈值,使得在平均风速小于平均风速阈值时允许所述特定风力发电机组执行起机动作。
36.根据权利要求34所述的起停机异常识别装置,其特征在于,控制参数调节单元还被配置为:
如果与所述起停机异常点对应的风况为小风速风况,则增大所述特定风力发电机组的发电机转速启动阈值,和/或,增大所述特定风力发电机组的发电机转速保持高于发电机转速启动阈值的持续时间阈值。
37.根据权利要求28所述的起停机异常识别装置,其特征在于,所述起停机异常识别装置还包括:控制参数调节单元,被配置为针对与所述起停机异常点对应的特定风力发电机组,延长起机动作与停机动作之间的间隔时间阈值。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011586086.2A CN114687952A (zh) | 2020-12-29 | 2020-12-29 | 风力发电机组的起停机异常识别方法及装置 |
PCT/CN2021/103156 WO2022142210A1 (zh) | 2020-12-29 | 2021-06-29 | 风力发电机组的起停机异常识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011586086.2A CN114687952A (zh) | 2020-12-29 | 2020-12-29 | 风力发电机组的起停机异常识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114687952A true CN114687952A (zh) | 2022-07-01 |
Family
ID=82129316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011586086.2A Pending CN114687952A (zh) | 2020-12-29 | 2020-12-29 | 风力发电机组的起停机异常识别方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114687952A (zh) |
WO (1) | WO2022142210A1 (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102937071B (zh) * | 2012-11-28 | 2014-09-03 | 国电联合动力技术有限公司 | 一种风力发电机组启动控制的方法和装置 |
CN109958573B (zh) * | 2017-12-22 | 2020-09-08 | 北京金风科创风电设备有限公司 | 风力发电机组的启停机控制方法和装置 |
US10364799B1 (en) * | 2018-02-09 | 2019-07-30 | Inventus Holdings, Llc | Secure windfarm power production during a SCADA system offline mode |
JP2019143583A (ja) * | 2018-02-23 | 2019-08-29 | 株式会社日立製作所 | 風力発電装置とその制御方法 |
CN109441723B (zh) * | 2018-12-07 | 2020-03-17 | 新疆金风科技股份有限公司 | 风力发电机组启机控制方法、装置、存储介质 |
CN110159484B (zh) * | 2019-04-04 | 2020-10-13 | 浙江运达风电股份有限公司 | 基于风电场场级能量控制的风电机群启停机控制方法 |
-
2020
- 2020-12-29 CN CN202011586086.2A patent/CN114687952A/zh active Pending
-
2021
- 2021-06-29 WO PCT/CN2021/103156 patent/WO2022142210A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022142210A1 (zh) | 2022-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108087210B (zh) | 风力发电机组叶片异常识别方法及装置 | |
CN108518804B (zh) | 一种机房温湿度环境预测方法及系统 | |
CN102003341B (zh) | 用于风力方案集的系统和方法 | |
CN108204834B (zh) | 风力发电机组的状态监测方法及装置 | |
CN104520581A (zh) | 自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法 | |
CN104730458A (zh) | 发电机励磁系统状态监测方法 | |
CN116316613B (zh) | 电力设备运行监测方法、系统、电子设备及存储介质 | |
CN110360064A (zh) | 风力发电机组控制方法和风力发电机组 | |
Cevasco et al. | O&M cost-Based FMECA: Identification and ranking of the most critical components for 2-4 MW geared offshore wind turbines | |
CN116155956A (zh) | 一种基于梯度决策树模型的多路复用通信方法及系统 | |
CN109989882B (zh) | 风力发电机组的待机控制方法和装置 | |
CN114687952A (zh) | 风力发电机组的起停机异常识别方法及装置 | |
CN112483334B (zh) | 基于边缘计算的风电机组智能控制方法 | |
CN108223298B (zh) | 用于配置风力涡轮机的方法和系统 | |
CN114251238A (zh) | 变桨电机温度异常检测方法及设备 | |
CN214366547U (zh) | 风力发电机组智能控制的边缘处理装置 | |
CN112598210A (zh) | 一种风电机组发电机性能评估及预警方法 | |
CN114778116A (zh) | 一种风力发电机组变桨轴承故障预警方法及系统 | |
US11168669B2 (en) | Method, apparatus and system for wind converter management | |
KR102411915B1 (ko) | 시설 및 장비 실시간 모니터링 및 이상 징후 ai 진단 서비스 제공 시스템 및 방법 | |
CN113404651B (zh) | 风力发电机组的数据异常检测方法和装置 | |
Dao et al. | Modelling the effects of reliability and maintenance on levelised cost of wind energy | |
CN115828439A (zh) | 风力发电机组异常损耗的识别方法及装置 | |
CN113494428A (zh) | 风力发电机组的故障检测方法和装置 | |
CN111652313A (zh) | 基于聚类分析的多源异构数据挖掘方法 |
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 |