CN114893362A - 一种评估潜在退役风机叶片时空分布的方法和系统 - Google Patents

一种评估潜在退役风机叶片时空分布的方法和系统 Download PDF

Info

Publication number
CN114893362A
CN114893362A CN202210581196.2A CN202210581196A CN114893362A CN 114893362 A CN114893362 A CN 114893362A CN 202210581196 A CN202210581196 A CN 202210581196A CN 114893362 A CN114893362 A CN 114893362A
Authority
CN
China
Prior art keywords
fan
blade
time
retired
blades
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.)
Granted
Application number
CN202210581196.2A
Other languages
English (en)
Other versions
CN114893362B (zh
Inventor
许扬
蔡安民
林伟荣
张林伟
郑磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaneng Jilin Power Generation Co ltd
Huaneng Clean Energy Research Institute
Original Assignee
Huaneng Clean Energy Research Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huaneng Clean Energy Research Institute filed Critical Huaneng Clean Energy Research Institute
Priority to CN202210581196.2A priority Critical patent/CN114893362B/zh
Publication of CN114893362A publication Critical patent/CN114893362A/zh
Application granted granted Critical
Publication of CN114893362B publication Critical patent/CN114893362B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G06Q10/06395—Quality analysis or management
    • 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
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Game Theory and Decision Science (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Structures Of Non-Positive Displacement Pumps (AREA)
  • Wind Motors (AREA)

Abstract

本申请公开了一种评估潜在退役风机叶片时空分布的方法和系统，能够合理评估指定区域内部潜在退役风机叶片的时间分布和空间分布情况。该方法包括：获取指定区域内部每个风电场的配置信息；所述配置信息包括：每个风电场的坐标、每台风机的投运时间以及每个叶片的质量；根据所述每台风机的投运时间，推算出所述区域内部每个叶片的退役时间；根据所述每个叶片的质量，推算出所述区域内部每个风电场总的叶片质量；按叶片的退役时间，把所述区域内在未来同一时间段退役的叶片划分为一组；依据所述每个风电场的坐标和所述每个风电场总的叶片质量，对同一组叶片进行核密度估计，得到未来同一时间段退役的叶片的空间分布特征。

Description

一种评估潜在退役风机叶片时空分布的方法和系统
技术领域
本发明涉及风力发电技术领域，更具体地说，涉及一种评估潜在退役风机叶片时空分布的方法和系统。
背景技术
随着风力发电机组(以下简称为风机)运行年限的增加，风机大规模的退役潮即将来临。风机退役之后，风机上叶片的回收再利用是业内需要面临的一个十分重要的问题。为了更好地规划针对任一指定区域内部所有退役风机叶片的废弃材料管理办法，必须了解该区域内部潜在退役风机叶片的时间分布和空间分布情况。但是目前还没有一套合理的方法来评估指定区域内部潜在退役风机叶片的时间分布和空间分布情况。
发明内容
有鉴于此，本发明提供一种评估潜在退役风机叶片时空分布的方法和系统，以实现合理评估指定区域内部潜在退役风机叶片的时间分布和空间分布情况，便于更好地规划针对该区域内部所有退役风机叶片的废弃材料管理办法。
一种评估潜在退役风机叶片时空分布的方法，包括：
获取指定区域内部每个风电场的配置信息；所述配置信息包括：每个风电场的坐标、每台风机的投运时间以及每个叶片的质量；
根据所述每台风机的投运时间，推算出所述区域内部每个叶片的退役时间；
根据所述每个叶片的质量，推算出所述区域内部每个风电场总的叶片质量；
按叶片的退役时间，把所述区域内在未来同一时间段退役的叶片划分为一组；
依据所述每个风电场的坐标和所述每个风电场总的叶片质量，对同一组叶片进行核密度估计，得到未来同一时间段退役的叶片的空间分布特征。
可选的，所述获取指定区域内部每个风电场的配置信息，包括：
对指定区域内部每个风电场的配置信息进行统计，形成以风电场为单元划分的风电场信息数据库。
可选的，所述根据所述每台风机的投运时间，推算出所述区域内部每个叶片的退役时间，包括：
对于未进行延寿的风机，基于风机的投运时间，按规定的服役周期推算出风机的退役时间；对于进行了延寿的风机，以延寿之后的退役时间作为本台风机的退役时间；其中，风机的退役时间就是风机上每个叶片的退役时间；
对应的，所述配置信息还包括：每台风机是否进行了延寿以及延寿时间的长短。
可选的，所述根据所述每个叶片的质量，推算出所述区域内部每个风电场总的叶片质量，包括：
对于叶片质量数据完整的风机来说，通过对本台风机上各个叶片的质量进行加和，计算得到本台风机上总的叶片质量；
对于叶片质量数据缺损的风机来说，以叶片质量数据完整的风机作为样本风机，以叶片质量数据缺损的风机作为目标风机；将单台样本风机上总的叶片质量与本台样本风机的容量进行回归分析，建立回归关系式，进而在已知单台目标风机的容量的前提下，利用所述回归关系式反推出本台目标风机上总的叶片质量；
对同一风电场内各台风机上总的叶片质量进行加和，求得本风电场总的叶片质量。
可选的，所述回归关系式为通过线性回归关系式或者多项式回归关系式。
可选的，所述核密度估计采用四次核密度估计函数实现。
可选的，所述依据所述每个风电场的坐标和所述每个风电场总的叶片质量，对同一组叶片进行核密度估计，得到未来同一时间段退役的叶片的空间分布特征，包括：
采用如下四次核密度估计函数来表征未来同一时间段退役的叶片的空间分布特征：
Figure BDA0003663790370000031
式中，Density(x，y)为坐标点位(x,y)处的密度，x、y是地理空间横纵坐标；i＝1、2、…、n，i为所述区域内部各风电场的编号，n为所述区域内部风电场的总个数；yii是第i个风电场内总的叶片质量；di是第i个风电场的坐标与坐标点位(x,y)之间的空间距离；R是所述四次核密度估计函数的带宽。
可选的，所述得到未来同一时间段退役的叶片的空间分布特征后，还包括：利用地理信息系统GIS对未来不同时间段退役的叶片的时空分布特征进行可视化展示。
可选的，所述配置信息还包括：每台风机的制造商、每个风电场的开发商、风机容量、叶片长度以及叶片材料中的任意一项或任意几项。
一种评估潜在退役风机叶片时空分布的系统，包括：
获取单元，用于获取指定区域内部每个风电场的配置信息；所述配置信息包括：每个风电场的坐标、每台风机的投运时间以及每个叶片的质量；
退役时间推算单元，用于根据所述每台风机的投运时间，推算出所述区域内部每个叶片的退役时间；
叶片总质量推算单元，用于根据所述每个叶片的质量，推算出所述区域内部每个风电场总的叶片质量；
时间分布特征评估单元，用于按叶片的退役时间，把所述区域内在未来同一时间段退役的叶片划分为一组；
空间分布特征评估单元，用于依据所述每个风电场的坐标和所述每个风电场总的叶片质量，对同一组叶片进行核密度估计，得到未来同一时间段退役的叶片的空间分布特征。
从上述的技术方案可以看出，本发明将指定区域范围内的潜在退役风机叶片质量在时间和空间维度进行分类和区分。并且在空间维度上，通过运用核密度估计函数，将离散的变量连续化，能够更直观地体现潜在退役风机叶片的空间分布，便于政策、决策的制定，即有利于更好地规划针对该区域内部所有退役风机叶片的废弃材料管理办法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种评估潜在退役风机叶片时空分布的方法流程图；
图2为现有技术公开的一种风电场示意图；
图3为本发明实施例公开的一种推算风机退役时间的方法流程图；
图4为本发明实施例公开的一种推算风机上总的叶片质量的方法流程图；
图5为本发明实施例公开的一种评估潜在退役风机叶片时空分布的系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，本发明实施例公开了一种评估潜在退役风机叶片时空分布的方法，包括：
步骤S01：获取指定区域内部每个风电场的配置信息；所述配置信息包括：每个风电场的坐标、每台风机的投运时间以及每个叶片的质量。
具体的，所述指定区域为包含多个风电场在内的任意区域，区域范围人为指定。
每个风电场内包含多台风机，每台风机一般具有三个叶片，如图2所示。所述质量是量度物体所含物质多少的物理量，也是量度物体平动惯性大小的物理量，国际单位是千克。
可选的，所述获取指定区域内部每个风电场的配置信息，包括：对指定区域内部每个风电场的配置信息进行统计，形成以风电场为单元划分的风电场信息数据库。
步骤S02：根据所述每台风机的投运时间，推算出所述区域内部每个叶片的退役时间。
具体的，风机的投运时间就是风机上每个叶片的投运时间，风机的退役时间就是风机上每个叶片的退役时间。根据每台风机的投运时间，推算出所述区域内部每台风机的退役时间，也就相当于推算出了所述区域内部每个叶片的退役时间。
如图3所示，根据每台风机的投运时间，推算出所述区域内部每台风机的退役时间，具体包括：
步骤S021：对于所述区域内部每台风机，分别判断本台风机是否进行了延寿，若否，进入步骤S022；若是，进入步骤S023；
步骤S022：基于本台风机的投运时间，按规定的服役周期(一般为20年的服役周期，但并不局限；服役周期的长短根据实际情况确定即可)推算出本台风机的退役时间。
步骤S023：以延寿之后的退役时间作为本台风机的退役时间。
也即是说，相较于未进行延寿的风机，进行了延寿的风机的退役时间需要进行相应调整，在按规定的服役周期推断出的风机退役时间的基础上进行顺延。比如说，某台风机通过技术改造进行了延寿，风机寿命延长了5年，则该台风机的退役时间按照延寿之后的退役时间计算，即在原有的退役时间的基础上顺延5年。对应的，所述配置信息还包括：每台风机是否进行了延寿以及延寿时间的长短。
可选的，将所述步骤S022和步骤S023中最终推算出的每台风机的退役时间写入到所述风电场信息数据库中。
步骤S03：根据所述每个叶片的质量，推算出所述区域内部每个风电场总的叶片质量。
具体的，风电场内的每台风机一般具有三个叶片，正常情况下每台风机上的三个叶片的质量数据都能够被获取到，此时对同一台风机上各个叶片的质量进行加和，可以求得本台风机上总的叶片质量。但当因某些原因导致某一台或某几台风机上的若干个叶片的质量数据缺损时，可通过回归分析方法反推出每一台存在叶片质量数据缺损的风机上总的叶片质量。
参见图4，根据所述每个叶片的质量，推算出所述区域内部每台风机上总的叶片质量，具体包括：
步骤S031：对于所述区域内部每台风机，分别判断本台风机是否存在叶片质量数据缺损，若否，进入步骤S032；若是，进入步骤S033；
步骤S032：对本台风机上各个叶片的质量进行加和，求得本台风机上总的叶片质量。
步骤S033：以叶片质量数据完整的风机作为样本风机，以叶片质量数据缺损的风机作为目标风机；将单台样本风机上总的叶片质量与本台样本风机的容量进行回归分析(例如线性回归分析或者多项式回归分析)，建立回归关系式，进而在已知单台目标风机的容量的前提下，利用所述回归关系式反推出本台目标风机上总的叶片质量。
举个例子，当进行线性回归分析时，获得的线性回归关系式为
Figure BDA0003663790370000061
其中x为风机容量，y为风机上总的叶片质量，
Figure BDA0003663790370000062
为线性回归参数；将样本风机的x和y代入
Figure BDA0003663790370000063
中可计算得到线性回归参数
Figure BDA0003663790370000064
和
Figure BDA0003663790370000065
那么在已知目标风机的x的前提下，即可通过该线性回归关系式计算得到目标风机的y。
在通过所述步骤S032或步骤S033求得各台风机上总的叶片质量后，对同一个风电场内各台风机上总的叶片质量进行加和，可以求得本风电场总的叶片质量。
步骤S04：按叶片的退役时间，把所述区域内在未来同一时间段退役的叶片划分为一组。即，以预设时长为单位，统计未来不同时间段内退役的叶片，以实现对潜在退役风机叶片的时间尺度划分。
具体的，所述预设时长选取的越短，时间尺度划分越精细，但计算量也越大，所以需要折中选取，一般选取一个月即可。即，以月为单位，对潜在退役风机叶片进行时间尺度划分。
步骤S05：依据所述每个风电场的坐标和所述每个风电场总的叶片质量，对同一组叶片进行核密度估计，得到未来同一时间段退役的叶片的空间分布特征。
具体的，同一个时间段内的潜在退役风机叶片(即未来同一时间段退役的叶片)就是一个空间尺度划分对象。在对潜在退役风机叶片进行了时间尺度划分的基础上，再分别针对每个时间段内的潜在退役风机叶片进行空间尺度划分。其中，在对同一时间段的潜在退役风机叶片进行空间尺度划分时，为了在空间范围内将潜在退役风机叶片分布进行量化表征，并且由于风电场在空间上处于离散分布的状态，所以可以采用核密度估计函数的方式，来表征该时间段内潜在退役风机叶片的空间分布特征。
常用的核密度估计函数有均匀核函数、三角核函数、伽马核函数、高斯核函数、四次核密度估计函数等。在核密度估计函数中，每一个观测样本对密度的影响是连续的，其对密度的影响力随着距离的增加而平滑减小。以四次核密度估计函数为例，其公式为：
Figure BDA0003663790370000071
式中，Density(x，y)为坐标点位(x,y)处的密度，x、y是地理空间横纵坐标；i＝1、2、…、n，i为所述区域内部各风电场的编号，n为所述区域内部风电场的总个数；yi是第i个风电场内总的叶片质量；di是第i个风电场的坐标与坐标点位(x,y)之间的空间距离；R是所述四次核密度估计函数的带宽(即搜索半径)。
根据上述四次核密度估计函数，选取合适的带宽(即搜索半径)和空间步长(空间步长，是指空间上两个节点之间的垂直距离。与时间步长相似，在过程模拟中，模型将整个空间离散为多个细小的网格，每个网格可以视为属性均一的单元，这个网格的边长就是空间步长)，可以获得所述区域所在二维平面上任意一点关于yi的概率密度，也即所述区域所在二维平面上任意一点所对应的潜在退役风机叶片质量的概率密度值。
由以上描述可知，本发明实施例将指定区域范围内的潜在退役风机叶片质量在时间和空间维度进行分类和区分。并且在空间维度上，通过运用核密度估计函数，将离散的变量连续化，能够更直观地体现潜在退役风机叶片的空间分布，便于政策、决策的制定，即有利于更好地规划针对该区域内部所有退役风机叶片的废弃材料管理办法。
可选的，在上述实施例中，步骤S03所示内容和步骤S04所示内容的执行顺序并不局限，可以是先执行步骤S03所示内容再执行步骤S04所示内容，也可以是先执行步骤S04所示内容再执行步骤S03所示内容，图1仅以前者作为示例。
可选的，针对上述公开的任一实施例，所述步骤S05后还包括：利用GIS(Geographic Information System，地理信息系统)系统对未来不同时间段退役的叶片的时空分布特征进行可视化展示。
可选的，基于上述公开的任一实施例，所述配置信息还包括：每台风机的制造商、每个风电场的开发商、风机容量、叶片长度以及叶片材料中的任意一项或任意几项，便于政策、决策的制定。
与上述方法实施例相对应的，本发明实施例还公开了一种评估潜在退役风机叶片时空分布的系统，如图5所示，包括：
获取单元100，用于获取指定区域内部每个风电场的配置信息；所述配置信息包括：每个风电场的坐标、每台风机的投运时间以及每个叶片的质量；
退役时间推算单元200，用于根据所述每台风机的投运时间，推算出所述区域内部每个叶片的退役时间；
叶片总质量推算单元300，用于根据所述每个叶片的质量，推算出所述区域内部每个风电场总的叶片质量；
时间分布特征评估单元400，用于按叶片的退役时间，把所述区域内在未来同一时间段退役的叶片划分为一组；
空间分布特征评估单元500，用于依据所述每个风电场的坐标和所述每个风电场总的叶片质量，对同一组叶片进行核密度估计，得到未来同一时间段退役的叶片的空间分布特征。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。以上所描述的系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明实施例的精神或范围的情况下，在其它实施例中实现。因此，本发明实施例将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种评估潜在退役风机叶片时空分布的方法，其特征在于，包括：
获取指定区域内部每个风电场的配置信息；所述配置信息包括：每个风电场的坐标、每台风机的投运时间以及每个叶片的质量；
根据所述每台风机的投运时间，推算出所述区域内部每个叶片的退役时间；
根据所述每个叶片的质量，推算出所述区域内部每个风电场总的叶片质量；
按叶片的退役时间，把所述区域内在未来同一时间段退役的叶片划分为一组；
依据所述每个风电场的坐标和所述每个风电场总的叶片质量，对同一组叶片进行核密度估计，得到未来同一时间段退役的叶片的空间分布特征。
2.根据权利要求1所述的评估潜在退役风机叶片时空分布的方法，其特征在于，所述获取指定区域内部每个风电场的配置信息，包括：
对指定区域内部每个风电场的配置信息进行统计，形成以风电场为单元划分的风电场信息数据库。
3.根据权利要求1所述的评估潜在退役风机叶片时空分布的方法，其特征在于，所述根据所述每台风机的投运时间，推算出所述区域内部每个叶片的退役时间，包括：
对于未进行延寿的风机，基于风机的投运时间，按规定的服役周期推算出风机的退役时间；对于进行了延寿的风机，以延寿之后的退役时间作为本台风机的退役时间；其中，风机的退役时间就是风机上每个叶片的退役时间；
对应的，所述配置信息还包括：每台风机是否进行了延寿以及延寿时间的长短。
4.根据权利要求1所述的评估潜在退役风机叶片时空分布的方法，其特征在于，所述根据所述每个叶片的质量，推算出所述区域内部每个风电场总的叶片质量，包括：
对于叶片质量数据完整的风机来说，通过对本台风机上各个叶片的质量进行加和，计算得到本台风机上总的叶片质量；
对于叶片质量数据缺损的风机来说，以叶片质量数据完整的风机作为样本风机，以叶片质量数据缺损的风机作为目标风机；将单台样本风机上总的叶片质量与本台样本风机的容量进行回归分析，建立回归关系式，进而在已知单台目标风机的容量的前提下，利用所述回归关系式反推出本台目标风机上总的叶片质量；
对同一风电场内各台风机上总的叶片质量进行加和，求得本风电场总的叶片质量。
5.根据权利要求4所述的评估潜在退役风机叶片时空分布的方法，其特征在于，所述回归关系式为通过线性回归关系式或者多项式回归关系式。
6.根据权利要求1所述的评估潜在退役风机叶片时空分布的方法，其特征在于，所述核密度估计采用四次核密度估计函数实现。
7.根据权利要求6所述的评估潜在退役风机叶片时空分布的方法，其特征在于，所述依据所述每个风电场的坐标和所述每个风电场总的叶片质量，对同一组叶片进行核密度估计，得到未来同一时间段退役的叶片的空间分布特征，包括：
采用如下四次核密度估计函数来表征未来同一时间段退役的叶片的空间分布特征：
Figure FDA0003663790360000021
式中，Density(x，y)为坐标点位(x,y)处的密度，x、y是地理空间横纵坐标；i＝1、2、…、n，i为所述区域内部各风电场的编号，n为所述区域内部风电场的总个数；yi是第i个风电场内总的叶片质量；di是第i个风电场的坐标与坐标点位(x,y)之间的空间距离；R是所述四次核密度估计函数的带宽。
8.根据权利要求1～7中任一项所述的评估潜在退役风机叶片时空分布的方法，其特征在于，所述得到未来同一时间段退役的叶片的空间分布特征后，还包括：利用地理信息系统GIS对未来不同时间段退役的叶片的时空分布特征进行可视化展示。
9.根据权利要求1～7中任一项所述的评估潜在退役风机叶片时空分布的方法，其特征在于，所述配置信息还包括：每台风机的制造商、每个风电场的开发商、风机容量、叶片长度以及叶片材料中的任意一项或任意几项。
10.一种评估潜在退役风机叶片时空分布的系统，其特征在于，包括：
获取单元，用于获取指定区域内部每个风电场的配置信息；所述配置信息包括：每个风电场的坐标、每台风机的投运时间以及每个叶片的质量；
退役时间推算单元，用于根据所述每台风机的投运时间，推算出所述区域内部每个叶片的退役时间；
叶片总质量推算单元，用于根据所述每个叶片的质量，推算出所述区域内部每个风电场总的叶片质量；
时间分布特征评估单元，用于按叶片的退役时间，把所述区域内在未来同一时间段退役的叶片划分为一组；
空间分布特征评估单元，用于依据所述每个风电场的坐标和所述每个风电场总的叶片质量，对同一组叶片进行核密度估计，得到未来同一时间段退役的叶片的空间分布特征。
CN202210581196.2A 2022-05-26 2022-05-26 一种评估潜在退役风机叶片时空分布的方法和系统 Active CN114893362B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210581196.2A CN114893362B (zh) 2022-05-26 2022-05-26 一种评估潜在退役风机叶片时空分布的方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210581196.2A CN114893362B (zh) 2022-05-26 2022-05-26 一种评估潜在退役风机叶片时空分布的方法和系统

Publications (2)

Publication Number Publication Date
CN114893362A true CN114893362A (zh) 2022-08-12
CN114893362B CN114893362B (zh) 2023-04-21

Family

ID=82725017

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210581196.2A Active CN114893362B (zh) 2022-05-26 2022-05-26 一种评估潜在退役风机叶片时空分布的方法和系统

Country Status (1)

Country Link
CN (1) CN114893362B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150149234A1 (en) * 2013-11-27 2015-05-28 General Electric Company Systems and methods for airline fleet retirement prediction
CN109973329A (zh) * 2018-12-27 2019-07-05 积成电子股份有限公司 风力发电机机舱变频器柜温度异常的判断方法
US20200005406A1 (en) * 2018-06-27 2020-01-02 Hydromax USA, LLC Cross-bore risk assessment and risk management tool
CN110826927A (zh) * 2019-11-11 2020-02-21 国网山东省电力公司日照供电公司 一种风电场可用惯量评估方法
CN111878322A (zh) * 2020-08-03 2020-11-03 广东工业大学 风力发电机装置
CN113283641A (zh) * 2021-04-29 2021-08-20 东北大学 一种考虑风电预测误差时空相关性复合储能优化配置方法
CN113357101A (zh) * 2021-07-05 2021-09-07 湖南工程学院 一种风力发电机电磁时空耦合载荷的识别方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150149234A1 (en) * 2013-11-27 2015-05-28 General Electric Company Systems and methods for airline fleet retirement prediction
US20200005406A1 (en) * 2018-06-27 2020-01-02 Hydromax USA, LLC Cross-bore risk assessment and risk management tool
CN109973329A (zh) * 2018-12-27 2019-07-05 积成电子股份有限公司 风力发电机机舱变频器柜温度异常的判断方法
CN110826927A (zh) * 2019-11-11 2020-02-21 国网山东省电力公司日照供电公司 一种风电场可用惯量评估方法
CN111878322A (zh) * 2020-08-03 2020-11-03 广东工业大学 风力发电机装置
CN113283641A (zh) * 2021-04-29 2021-08-20 东北大学 一种考虑风电预测误差时空相关性复合储能优化配置方法
CN113357101A (zh) * 2021-07-05 2021-09-07 湖南工程学院 一种风力发电机电磁时空耦合载荷的识别方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
姜文玲等: "多时空尺度下大型风电基地出力特性研究" *
孙辉等: "考虑风速时空分布及风机运行状态的风电场功率计算方法" *
郭强等: "基于机组叶片长度的风电场度电成本优化" *

Also Published As

Publication number Publication date
CN114893362B (zh) 2023-04-21

Similar Documents

Publication Publication Date Title
EP3539316B1 (en) Prediction of performance indicators in cellular networks
Verburg et al. A multi-scale, multi-model approach for analyzing the future dynamics of European land use
Oree et al. A multi-objective framework for long-term generation expansion planning with variable renewables
Chandra et al. A spatially nonstationary Fay-Herriot model for small area estimation
Pham et al. A coupled stochastic rainfall–evapotranspiration model for hydrological impact analysis
CN110400011B (zh) 电力现货交易中风电场出力申报方案的确定方法及装置
CN114501530A (zh) 基于深度强化学习的天线参数的确定方法和装置
Noll et al. Design methodology for optimum dosage air monitoring site selection
CN114893362B (zh) 一种评估潜在退役风机叶片时空分布的方法和系统
CN110913407A (zh) 重叠覆盖的分析方法及装置
Qin et al. SQoE KQIs anomaly detection in cellular networks: Fast online detection framework with Hourglass clustering
EP4322084A1 (en) Method and device for selecting wind resource assessment tool and electronic device
CN108446213A (zh) 一种静态代码质量分析方法和装置
Popereshnyak et al. Methods for Assessing the Maturity Levels of Software Ecosystems.
CN111222757A (zh) 一种充电桩使用情况的统计方法及装置
CN116706992A (zh) 一种分布式光伏集群的自适应功率预测方法、装置和设备
Di Stasio et al. Stochastic model to forecast the voltage sags in real power systems
Koester et al. EU agricultural policy reform: Evaluating the EU’s new methodology for direct payments
US20130268230A1 (en) Processing distributions
Mancini et al. A standard approach for including climate change responses in IUCN Red List assessments
Fontalvo-Herrera et al. Yield-level performance of quality dimensions trough T2 charts and multivariate capacity indicators applied to a fumigation services company
CN112347706A (zh) 径流重建方法、装置、计算机设备和存储介质
CN115759887B (zh) 一种基于多维度的充电站选址智能测评方法及系统
CN116260140B (zh) 一种在役风电场理论净发电量的快速估算方法及系统
de Souza et al. Model-based Inference for Rare and Clustered Populations from Adaptive Cluster Sampling using Auxiliary Variables

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
TR01 Transfer of patent right

Effective date of registration: 20231130

Address after: 102209 building a, Huaneng talent innovation and entrepreneurship base, future science and Technology City, Beiqijia Town, Changping District, Beijing

Patentee after: HUANENG CLEAN ENERGY Research Institute

Patentee after: Huaneng Jilin Power Generation Co.,Ltd.

Address before: 102209 building a, Huaneng talent innovation and entrepreneurship base, future science and Technology City, Beiqijia Town, Changping District, Beijing

Patentee before: HUANENG CLEAN ENERGY Research Institute

TR01 Transfer of patent right