CN114934874A - 风电机组的控制方法和控制设备以及风电机组 - Google Patents
风电机组的控制方法和控制设备以及风电机组 Download PDFInfo
- Publication number
- CN114934874A CN114934874A CN202210608785.5A CN202210608785A CN114934874A CN 114934874 A CN114934874 A CN 114934874A CN 202210608785 A CN202210608785 A CN 202210608785A CN 114934874 A CN114934874 A CN 114934874A
- Authority
- CN
- China
- Prior art keywords
- real
- wind turbine
- time
- air density
- pitch angle
- 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 59
- 230000008859 change Effects 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 4
- 238000011217 control strategy Methods 0.000 description 15
- 238000010248 power generation Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000005452 bending Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 5
- 230000006698 induction Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 229930002875 chlorophyll Natural products 0.000 description 4
- 235000019804 chlorophyll Nutrition 0.000 description 4
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001808 coupling effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000001739 density measurement Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- BIIBYWQGRFWQKM-JVVROLKMSA-N (2S)-N-[4-(cyclopropylamino)-3,4-dioxo-1-[(3S)-2-oxopyrrolidin-3-yl]butan-2-yl]-2-[[(E)-3-(2,4-dichlorophenyl)prop-2-enoyl]amino]-4,4-dimethylpentanamide Chemical compound CC(C)(C)C[C@@H](C(NC(C[C@H](CCN1)C1=O)C(C(NC1CC1)=O)=O)=O)NC(/C=C/C(C=CC(Cl)=C1)=C1Cl)=O BIIBYWQGRFWQKM-JVVROLKMSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 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
- F03D7/00—Controlling wind motors
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/022—Adjusting aerodynamic properties of the blades
- F03D7/0224—Adjusting blade pitch
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/70—Type of control algorithm
- F05B2270/706—Type of control algorithm proportional-integral-differential
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Fluid Mechanics (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
本公开提供一种风电机组的控制方法和控制设备以及风电机组，所述控制方法包括：获取风电机组所处风场的实时空气密度和所述风电机组的实时工作参数；根据所述实时空气密度、所述实时工作参数和所述风电机组的气动性能模型，确定所述风电机组的实时最优桨距角和实时最优增益；根据所述实时最优桨距角和所述实时最优增益，控制所述风电机组运行。
Description
技术领域
本公开涉及风力发电领域，具体涉及一种风电机组的控制方法和控制设备以及风电机组。
背景技术
当风电机组处于额定风速以下的环境中工作时，传统的风电机组控制策略通常将风电机组的桨距角控制在0°左右的固定值，保持不变。随着风电机组所处环境的变化(例如，风速、空气密度等因素的变化)，风电机组的叶片可能发生变形，传统的控制策略难以保证风电机组的发电量保持最大。
因此，需要对风电机组的控制策略进行改进，以有效提升风电机组的发电量。
发明内容
本公开的实施例的目的在于提供一种风电机组的控制方法和控制设备，以帮助提高风电机组的发电量。
根据本公开的实施例，提供一种风电机组的控制方法，所述控制方法包括：获取风电机组所处风场的实时空气密度和所述风电机组的实时工作参数；根据所述实时空气密度、所述实时工作参数和所述风电机组的气动性能模型，确定所述风电机组的实时最优桨距角和实时最优增益；根据所述实时最优桨距角和所述实时最优增益，控制所述风电机组运行。
根据本公开的实施例，提供一种风电机组的控制设备，所述控制设备包括：参数获取单元，被配置为获取风电机组所处风场的实时空气密度和所述风电机组的实时工作参数；确定单元，被配置为根据所述实时空气密度、所述实时工作参数和所述风电机组的气动性能模型，确定所述风电机组的实时最优桨距角和实时最优增益；控制单元，被配置为根据所述实时最优桨距角和所述实时最优增益，控制所述风电机组运行。
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风电机组的控制方法。
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，实现如上所述的风电机组的控制方法。
根据本公开的实施例，提供风电机组，所述风电机组包括：控制器，用于实现如上所述的风电机组的控制方法。
采用根据本公开的实施例的风电机组的控制方法、控制设备、计算机可读存储介质、计算装置、风电机组，至少可以实现以下技术效果之一：通过监测空气密度，补偿由于空气密度导致的功率系数下降；充分评估叶片弯扭耦合造成的气动损失，给予实时补偿；从而提升风电机组的发电量。
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电机组的总体控制策略的示意图；
图2是根据本公开的实施例的风电机组的控制方法的流程图；
图3是根据本公开的实施例的风电机组的控制方法的另一流程图；
图4是根据本公开的实施例的风电机组的控制方法的另一流程图；
图5是根据本公开的实施例的风电机组的控制方法的另一流程图；
图6至图17示出根据本公开的实施例的风电机组的控制方法相关原理的示意图；
图18示出根据本公开的实施例的空气密度传感器布局的示意图；
图19示出不同类型的风电机组的最优桨距角相对于归一化转速的变化情况；
图20示出针对同一风电机组应用根据本公开的控制方法优化前后的输出功率、叶轮转速、桨距角相对于风速的变化情况；
图21示出优化前后的归一化功率相对于风速的变化情况；
图22是根据本公开的实施例的风电机组的控制设备的框图；
图23是根据本公开的实施例的风电机组的计算装置的框图。
具体实施方式
为了便于理解，在此简要介绍本领域的相关技术术语。
叶片攻角：气流速度矢量与翼型弦线的夹角。
最优增益控制：当风电机组运行在额定转速之下时，采用最优增益控制使得机组运行在最优功率系数状态。
静态性能曲线：在叶片扭转变形时，计算出的曲线为静态性能曲线；气弹性能曲线在叶片扭转变形时，计算出的曲线为气弹性能曲线。
叶素动量理论：动量理论和二维翼型受力平衡，使得动量方程封闭的求解方法。
风力机性能曲线：表征风力发电机功率系数随着尖速比的变化规律的曲线。
风力机性能曲面：表征风力发电机功率系数随着尖速比和桨距角的变化规律的曲面。
威布尔分布：连续性的概率分布，其概率密度函数受到形状因子和尺度因子调节，通常用来描述某一地区的风速发生概率。
年发电量：风电机组在一年内产生的发电量之和，其值为基于发电功率、威布尔分布、发电小时数的积分运算结果。
年等效满发小时数：等于年发电量除以机组容量。
风电机组(例如，桨距角调节型风电机组)的控制策略通常可包括三个阶段：最优尖速比控制或最优增益控制(如图1所示的区域I)、扭矩闭环控制(如图1所示的区域II)、桨距角闭环控制(如图1所示的区域III)。
对于桨距角调节型风电机组，在运行过程中，当输出功率小于额定功率时，桨距角保持在零度位置不变，不作任何调节；当发电机输出功率达到额定功率以后，控制系统根据输出功率的变化调整桨距角的大小，使风电机组的输出功率保持在额定功率。此时控制系统参与调节，形成闭环控制。
图1是根据本公开的实施例的风电机组的总体控制策略的示意图。
在图1所示的区域I，当风速小于或等于额定风速时，对风电机组采用最优增益控制策略(也可称为最优尖速比控制策略)，风电机组处于开桨状态，风电机组的桨距角固定在最小桨距角(通常在0°附近)不变。在该控制阶段，叶轮转速与风速呈线性关系。在本公开的实施例中，所述增益与电机扭矩与叶轮转速相关联，可以表示为电机扭矩与叶轮转速的平方之比。
在图1所示的区域II，在风速超过额定风速的情况下，对风电机组采用扭矩闭环控制策略。风电机组的运行状态达到额定转速，但未达到额定功率，此时风电机组仍然保持开桨状态，风电机组的叶轮转速通过电机的反扭矩控制，该阶段为扭矩PID闭环控制，此时的功率系数下降。
在图1所示的区域III，风速继续增大，此阶段对风电机组采用桨距角闭环控制。风电机组的运行状态达到额定功率，即电机的反扭矩达到额定扭矩，此时风电机组的叶轮转速由桨距角控制，该阶段为基于桨距角的PID(比例积分微分)闭环控制，此时的功率系数进一步下降。
对于最优尖速比控制或最优增益控制的阶段，风电机组的叶片受环境因素的影响，尤其在气动力的作用下，容易发生弯曲变形，而且风电机组所处环境的空气密度会发生变化，导致风电机组的实际性能相对于理想设计的机组性能发生偏移。例如，在风电机组的桨距角保持不变的情况下，风电机组的发电量难以保持始终最大。
因此，需要对风速低于额定风速时的最优尖速比控制或最优增益控制进行改进，以补偿叶片变形、空气密度变化等因素所造成的功率损失，提高风电机组的发电量。
本公开提出的风电机组的控制方案可以通过监测空气密度，补偿由于空气密度导致的功率系数下降，充分评估叶片弯扭耦合造成的气动损失，给予实时补偿，从而提升风电机组的发电量。
下面结合附图，提供具体实施方式的描述以帮助读者获得对在此描述的方法、装置和/或系统的全面理解。然而，在理解本申请的公开之后，在此描述的方法、装置和/或系统的各种改变、修改和等同物将是清楚的。例如，在此描述的操作的顺序仅是示例，并且不限于在此阐述的那些顺序，而是除了必须以特定的顺序发生的操作之外，可如在理解本申请的公开之后将是清楚的那样被改变。此外，为了更加清楚和简明，本领域已知的特征的描述可被省略。
在此描述的特征可以以不同的形式来实现，而不应被解释为限于在此描述的示例。相反，已提供在此描述的示例，以仅示出实现在此描述的方法、装置和/或系统的许多可行方式中的一些可行方式，所述许多可行方式在理解本申请的公开之后将是清楚的。
如在此使用的，术语“和/或”包括相关联的所列项中的任何一个以及任何两个或更多个的任何组合。
尽管在此可使用诸如“第一”、“第二”和“第三”的术语来描述各种构件、组件、区域、层或部分，但是这些构件、组件、区域、层或部分不应被这些术语所限制。相反，这些术语仅用于将一个构件、组件、区域、层或部分与另一构件、组件、区域、层或部分进行区分。因此，在不脱离示例的教导的情况下，在此描述的示例中所称的第一构件、第一组件、第一区域、第一层或第一部分也可被称为第二构件、第二组件、第二区域、第二层或第二部分。
在此使用的术语仅用于描述各种示例，并不将用于限制公开。除非上下文另外清楚地指示，否则单数形式也意在包括复数形式。术语“包含”、“包括”和“具有”说明存在叙述的特征、数量、操作、构件、元件和/或它们的组合，但不排除存在或添加一个或多个其他特征、数量、操作、构件、元件和/或它们的组合。
除非另有定义，否则在此使用的所有术语(包括技术术语和科学术语)具有与由本公开所属领域的普通技术人员在理解本公开之后通常理解的含义相同的含义。除非在此明确地如此定义，否则术语(诸如，在通用词典中定义的术语)应被解释为具有与它们在相关领域的上下文和本公开中的含义一致的含义，并且不应被理想化或过于形式化地解释。
此外，在示例的描述中，当认为公知的相关结构或功能的详细描述将引起对本公开的模糊解释时，将省略这样的详细描述。
在本公开的实施例中，可通过风电机组的控制器、风场的场级控制器、或能够远程控制风电机组的任何设备来实现所述控制方法。对于控制方法所涉及的各种工作参数和测量数据，可通过对应的传感器等测量设备来获取。例如，可通过风场中的风速传感器监测实时风速或记录历史风速，可通过设置在风场中的空气密度传感器监测实时空气密度或记录历史空气密度，可通过风电机组中用于测量工作参数的测量装置来获取风电机组的实时工作参数或记录风电机组的历史工作参数。
图2是根据本公开的实施例的风电机组的控制方法的流程图。
在操作S11，获取风电机组所处风场的实时空气密度和风电机组的实时工作参数。
例如，确定风电机组所处机位点的实时风速是否小于额定风速。为了对最优增益控制阶段进行改进，需要判断风速大小。如此便于识别最优增益控制阶段。响应于确定风电机组所处机位点的实时风速小于额定风速，获取风电机组所处风场的实时空气密度和风电机组的实时工作参数。
通过获取实时空气密度和实时工作参数，可以实时分析空气密度的变化以及实时工作参数的变化，从而便于对此控制阶段的性能损失进行补偿。
在本公开的实施例中，实时工作参数包括以下项中的至少一项：实时叶轮转速、实时输出功率。可通过各种测量装置来获取实时工作参数。例如，可通过设置在风电机组上的叶轮转速传感器来获取实时叶轮转速，可通过设置在风电机组上的输出功率监测设备来获取实时输出功率。
在本公开的实施例中，实时空气密度可以是通过设置在风场中的一个或多个空气密度传感器来检测的。也可通过所述一个或多个空气密度传感器来获取风场的历史空气密度。多个空气密度传感器所处位置的海拔可以彼此不同，以便监测风场中的空气密度变化。例如，多个空气密度传感器被设置在风场的边界处并且分别设置在以下位置：风场中海拔最高的风电机组附近；风场中海拔最低的风电机组附近；风场中处于平均海拔的风电机组附近。如图18所示，可在风场边界处设置四个空气密度传感器S。但是本公开不限于此，还可通过能够获取风场中的空气密度的其它装置来获取实时空气密度或历史空气密度。
例如，通过安装在所述风场的N个空气密度传感器，在目标时间段内，以预设时间间隔，采集所述风场的多个空气密度，所述N为正整数；将所述多个空气密度的平均值确定为所述风场的空气密度。所述N个空气密度传感器设置于不同海拔的风电机组的位置处。
例如，N可以为4，所述N个空气密度传感器包括第一空气密度传感器、第二空气密度传感器、第三空气密度传感器和第四空气密度传感器；所述第一空气密度传感器设置于所述风场的最高海拔的风电机组的位置处；所述第二空气密度传感器位于所述风场的最低海拔的风电机组的位置处；所述第三空气密度传感器和所述第四空气密度传感器位于所述风场的平均海拔的风电机组的位置处。
在操作S12，根据实时空气密度、实时工作参数和风电机组的气动性能模型，确定风电机组的实时最优桨距角和实时最优增益。
在根据所述实时空气密度、所述实时工作参数和所述风电机组的气动性能模型，确定所述风电机组的实时最优桨距角和实时最优增益之前，可获取所述风电机组的气动性能模型。
上述气动性能模型可以是基于叶素理论而获取的与风场的空气密度、风电机组的参考工作参数相关联的多维度模型。在本公开的实施例中，参考工作参数可以是预先设置的工作参数，例如，可根据历史工作参数设置参考工作参数。气动性能模型可从多个维度表征空气密度、参考工作参数与最优桨距角及最优增益之间的对应关系，例如，气动性能模型可包括气动性能曲线、气动性能曲面等类似的二维模型或三维模型。通过利用气动性能模型，可以基于实时空气密度、实时工作参数确定实时最优桨距角和实时最优增益。
在本公开的实施例中，最优桨距角、最优尖速比、最优增益分别对应于最大功率系数(即，功率系数为最大功率系数时的桨距角、尖速比、增益分别为最优桨距角、最优尖速比、最优增益)，以实现在最优尖速比控制阶段获取最大输出功率。
在操作S13，根据实时最优桨距角和实时最优增益，控制风电机组运行。
例如，在风电机组的运行过程中，可以根据实时最优桨距角和实时最优增益来调节风电机组的实时工作参数，使得风电机组的桨距角能够达到实时最优桨距角，风电机组的增益能够达到实时最优增益。
下面结合图2描述如何获取风电机组的气动性能模型。
在操作S21，获取风场的多个历史空气密度。例如，获取在风电机组所处机位点的历史风速小于额定风速的情况下，风场的多个历史空气密度(例如，0.6kg/m3≤ρ≤1.5kg/m3)。为了改进最优增益控制阶段的控制方式，需要获取低风速时的历史空气密度，以基于历史空气密度生成气动性能模型。可通过设置在风场中的一个或多个空气密度传感器来获取多个历史空气密度。
在操作S22，基于叶素理论(Blade-element Theory，BEM)构建针对每个历史空气密度的气动性能模型。例如，基于叶素理论对风电机组进行叶素截面气动特性分析，以生成针对每个历史空气密度的气动性能模型。
在本公开的实施例中，气动性能模型包括：最优桨距角模型(例如，第一参数查找表)和最优增益模型(第二参数查找表)，所述最优桨距角模型用于表征每个历史空气密度下参考工作参数与最优桨距角的对应关系，所述最优增益模型用于表征每个历史空气密度下参考工作参数与最优增益的对应关系；其中，所述参考工作参数包括参考叶轮转速或参考输出功率。
在本公开的另一实施例中，气动性能模型还包括：针对每个历史空气密度，与所述风力发电机组的多个参考工作参数分别对应的以叶尖速比、功率系数和桨距角为三维坐标系的三维模型。
下面参照图6至图13，简要描述用于获取气动性能模型的基本原理。在最优尖速比控制或最优增益控制的阶段(即，图1所示的区域I)，风速V小于额定风速，风电机组的叶轮转速Ω由电机扭矩M开环控制，即根据当前测量的叶轮转速来设定电机扭矩，电机扭矩和叶轮转速(即，旋转角速度)的平方呈正比，其比例系数为最优增益Kopt。尖速比λ的表达式为：
其中，R为轮毂中心到叶尖的距离。
在最优尖速比控制阶段，联立
(A表示叶轮扫风面积)和P＝ΩM，可以得到用于控制的电机扭矩的表达式：
M＝KoptΩ2 (2)
其中，
其中，ρ为空气密度，
为最优功率系数，λopt为最优功率系数对应的尖速比(即，最优尖速比)，
和λopt可以通过计算不同尖速比λ所对应的功率系数Cp来获取。可计算不同尖速比λ所对应的功率系数Cp，获取风电机组的性能曲线(如图6所示)，如此可基于性能曲线确定最优功率系数
对应的最优尖速比λopt。图6所示的性能曲线对应于某一参考桨距角。
可基于叶素理论(BEM)对风电机组进行叶素截面气动特性分析。例如，参照图7和图8示出的叶素截面气动特性分析的示意图。当考虑尾流旋转时，轴向诱导风速VX和周向诱导速度VY可以表示为：
VX＝V(1-a) (4)
VY＝Ωr(1+b) (5)
其中，a和b分别为轴向诱导因子以及周向诱导因子，r为轮毂中心到某个叶素的距离，实际流速W表示为：
入流角γ可以表示为：
γ＝arctan(VX/VY) (7)
攻角α、入流角γ之间存在以下关系：
α＝γ-θp-θa-|β| (8)
其中，θp为桨距角，θa为叶素对应的气动扭角，β为某个叶素对应的扭转变形，对于长柔叶片来说，可基于叶根坐标系，通常为负值；当风电机组处于最优增益控制阶段时，θp通常为0°附近的定常值；当忽略了叶片扭转时，β＝0。其它角可基于航空坐标系。对于叶片截面微元，法向推力系数Cn和切向推力系数Ct可以基于叶片截面的升力系数Cl和阻力系数Cd表示为：
Cn＝Clcosγ+Cdsinγ (9)
Ct＝Clsinγ-Cdcosγ (10)
进一步，将叶轮气动扭矩表示为：
其中，B为叶片数，c为弦长。实度σ可表示为：
轴向诱导因子a和周向诱导因子b可以通过联立轴向推力系数和法向推力系数的表达式，迭代求出以下表达式：
上式中的F为普朗特(Prandtl)修正因子，可用于修正叶根和叶尖损失，F的表达式为：
机组的功率为P＝ΩMa，功率系数Cp为：
图8示出柔性长叶片的弯扭耦合效应。如图8所示，叶片在气动力的作用下将产生挥舞方向的弯曲变形，叶片在弯曲的同时，受到后缘指向前缘方向的气动力，在气动力和弯曲变形后的叶片空间位置的共同作用下，叶素产生扭转变形β。根据公式(8)可知，当变形扭转变形β<0时，叶素的攻角减小，从而气动力减小。当风电机组的叶片长度超过50m时，这种弯扭耦合效应越发明显，忽视其性能曲线的形状变化将导致较大的计算误差。
因此，随着桨距角θp变化，风电机组的性能曲线Cp_λ会发生变化，使得不同的桨距角对应于不同的性能曲线。根据Cp、λ和θp三者，可获取风电机组的Cp_λ_θp气动性能曲面，如图9所示。曲面最高点H对应于功率系数最大的位置，即对应于最优功率系数
最优尖速比λopt以及最优桨距角θopt。曲面最高点H可投影到尖速比与桨距角构成的二维平面，以获取对应的最优尖速比λopt和最优桨距角θopt。
如果将风力发电机的气动性能曲面投影至λ-θp二维平面，结合风电机组的三个控制阶段(最优增益控制、扭矩闭环控制、桨距角闭环控制)，最优功率系数
在尖速比λ-桨距角θp平面上的移动路径如图10所示。
在不同的参考叶轮转速(例如，最小转速Ωmin和最大转速Ωmax)下，由于叶片的弯扭耦合效应，导致Cp_λ性能曲线发生变化，如图11所示。风电机组可以在最小转速Ωmin和最大转速Ωmax下运行时，对应的最优功率系数分别为
和
以及最优尖速比分别为
和
对于柔性叶片而言，通常情况下，
若忽略参考转速的影响，例如，以最小转速或者最大转速作为参考转速进行风电机组的控制，将导致风电机组难以在不同的叶轮转速下获得最优工作系数，从而导致风电机组的出力下降，造成发电量损失。
在投影得到的Cp_λ二维平面上(如图12所示)，在不同的参考叶轮转速(例如，最小转速Ωmin和最大转速Ωmax)下，最大功率系数
所对应的最优尖速比λopt和最优桨距角θopt不同，相应的最优增益Kopt也不同。
因此，针对彼此不同的叶轮转速，可获取不同的Cp_λ_θp气动性能曲面。
此外，空气密度ρ(也可称为Rho)会随着诸多环境因素(例如，温度)的变化而变化(如图13中的空气密度相对于温度的变化曲线所示)。在不同空气密度下，叶片的扭转变形不同，从而导致Cp_λ气动性能曲线改变。如图13所示，不同空气密度ρ(kg/m3)下的功率Cp_λ气动性能曲线明显不同。因此，如果不考虑现场实际的真实空气密度，计算得到的
和λopt将出现误差。从而导致风电机组未运行在最优功率系数
最优尖速比λopt以及最优增益Kopt下，导致发电量下降。
因此，结合上述针对不同转速的Cp_λ_θp气动性能曲面，可针对每个历史空气密度，获取相应的不同转速下的Cp_λ_θp气动性能曲面，例如，图14示出某一历史空气密度下针对多个转速的多个Cp_λ_θp气动性能曲面。
根据本公开的示例性实施例，针对每个历史空气密度的气动性能模型也可包括：每个历史空气密度下针对多个转速的多个Cp_λ_θp气动性能曲面。如此，可获取所述气动性能模型中的三维模型，即，针对每个历史空气密度，与所述风力发电机组的多个参考工作参数分别对应的以叶尖速比、功率系数和桨距角为三维坐标系的三维模型。可基于所述三维模型(例如，所述多个气动性能曲面)来获取所述气动性能模型中的第一参数查找表和第二参数查找表。在此，以叶轮转速为例进行说明，但本公开不限于此，还可获取针对每个历史空气密度，与所述风力发电机组的多个参考输出功率分别对应的以叶尖速比、功率系数和桨距角为三维坐标系的三维模型。
返回参照图4，可通过图4所示的操作获取气动性能模型中的最优桨距角模型(例如，第一参数查找表)和最优增益模型(第二参数查找表)。
在操作S31，针对每个历史空气密度下的每个参考工作参数，基于三维模型，确定最大功率系数对应的桨距角作为与该参考工作参数对应的最优桨距角，确定最大功率系数对应的叶尖速比作为与该参考工作参数对应的最优叶尖速比。
可通过安装在风场中的N(例如，1≤N≤20)个空气密度传感器来获取多个历史空气密度，例如，可以以时间间隔Δt，采集各个空气密度传感器的空气密度测量值Yρ，测量时长为Tρ(例如，0.1h≤Tρ≤0.5h)，在时间间隔Δt(例如，0≤Δt≤6h)内采集的空气密度为
其中i为传感器编号。
此外，可根据空气密度传感器的个数和/或安装位置，对空气密度传感器的测量值进行数据清洗。当N大于3时，如果其中一个空气密度传感器的测量值与全部空气密度传感器的测量平均值之间的差大于0.2kg/m3，则可忽略所述一个空气密度传感器的测量值，还可进行测量故障报警。对于实时空气密度的测量值，也可采用类似的数据清洗方式。
在得到测量的空气密度Yρ后，可基于BEM理论计算风电机组在最小转速Ωmin与最大转速Ωmax之间的各个转速Ωi(i＝1,2,...,NΩ)下，风电机组的Cp_λ曲线。
例如，可将包括Ωmin和Ωmax在内的所有转速的数量记为NΩ，将转速的计算间隔记为ΔΩ，并且ΔΩ＝(Ωmax-Ωmin)/(NΩ-1)。在此，转速表示叶轮转速。可针对各个转速Ωi(i＝1,2,...,NΩ)，确定对应的
最优尖速比
和最优桨距角
其中，最优功率系数
为转速Ωi下的最大功率系数。如此，可获取类似于图14所示的不同转速Ωi下的
气动性能曲面。
此外，基于不同转速Ωi下的
气动性能曲面，可利用插值法，获取每个历史空气密度下针对连续变化的参考工作参数的最优桨距角和最优增益，即，获取每个历史空气密度下连续变化的参考工作参数与最优桨距角之间的关系，以及连续变化的参考工作参数与最优尖速比之间的关系。插值法可包括：线性插值法、多项式插值法、样条插值法等。如此，可获取每个历史空气密度下，针对连续变化的参考工作参数(例如，叶轮转速、输出功率)的θopt-λopt拟合曲线。例如，图15示出针对连续变化的叶轮转速的θopt-λopt拟合曲线。
再次参照图4，在操作S32，根据针对每个历史空气密度的与每个参考工作参数对应的最优桨距角，生成最优桨距角模型(例如，第一参数查找表)。最优桨距角模型可包括每个历史空气密度下参考工作参数与最优桨距角的对应关系。在操作S33，根据针对每个历史空气密度的与每个参考工作参数对应的最优叶尖速比，确定针对每个历史空气密度的与每个参考工作参数对应的最优增益，以生成最优增益模型(第二参数查找表)。最优增益模型可包括每个历史空气密度下参考工作参数与最优增益的对应关系。所述参考工作参数可以为参考叶轮转速或参考输出功率。例如，可通过最优尖速比更新风速和参考叶轮转速之间的关系，并计算参考叶轮转速对应的最优增益。如图16所示，可通过上述操作生成某一特定历史空气密度下，参考叶轮转速与最优桨距角的对应关系(即，图16中位于上方的函数曲线)、参考叶轮转速与最优增益的对应关系(即，图16中位于下方的函数曲线)。
在本公开的实施例中，可基于每个历史空气密度下，针对连续变化的参考工作参数(例如，叶轮转速、输出功率)的θopt-λopt拟合曲线，利用插值法生成第一参数查找表和第二参数查找表。
如此，可生成各个历史空气密度(Rho)下的叶轮转速-最优桨距角(Ω-θopt)曲线以及叶轮转速-最优增益(Ω-Kopt)曲线，如图17所示。
在得到针对每个历史空气密度的气动性能模型之后，可根据实时空气密度、实时工作参数和气动性能模型，确定风电机组的实时最优桨距角和实时最优增益。
例如，可通过图5所示的操作确定风电机组的实时最优桨距角和实时最优增益。
图5是根据本公开的实施例的风电机组的控制方法的另一流程图。
在操作S41，根据实时空气密度和风电机组的气动性能模型，确定第一变化曲线以及第二变化曲线，其中，所述第一变化曲线表示所述实时空气密度下的最优桨距角相对于参考工作参数的变化情况，所述第二变化曲线表示所述实时空气密度下的最优增益相对于参考工作参数的变化情况。
例如，实时监测的实时空气密度，可根据实时空气密度和风电机组的气动性能模型，利用插值法确定第一变化曲线以及第二变化曲线。当历史空气密度中不存在实时空气密度这一数值时，可利用插值法来对实时空气密度(例如，1.15kg/m3)相邻的两个或更多个历史空气密度(例如，1.10kg/m3、1.20kg/m3)下的叶轮转速-最优桨距角(Ω-θopt)曲线以及叶轮转速-最优增益(Ω-Kopt)曲线进行处理，以确定所述实时空气密度下的最优桨距角相对于参考工作参数的变化情况以及最优增益相对于参考工作参数的变化情况，即，确定实时空气密度下的第一变化曲线以及第二变化曲线。
在操作S42，根据实时工作参数、第一变化曲线和第二变化曲线，确定风电机组的实时最优桨距角和实时最优增益。在确定第一变化曲线和第二变化曲线之后，可进一步基于实时工作参数确定与之对应的实时最优桨距角和实时最优增益。如此，可得到实时空气密度与实时工作参数下的实时最优桨距角和实时最优增益，以利于提高风电机组的实时发电功率，提高风电机组的年发电量。
图19示出不同类型的风电机组的最优桨距角相对于归一化转速(即，转速比Ω/Ωmax)的变化情况。
如图19所示，最小参考工作参数(例如，最小叶轮转速)对应的最优桨距角的变化范围可以为≥0.25°且≤3°，最大参考工作参数(例如，最大叶轮转速)对应的最优桨距角的变化范围可以为≥-3°且≤-0.25°。
根据本公开的实施例，针对不同类型的风电机组，最小参考工作参数(例如，最小叶轮转速)对应的最优桨距角不同，且最大参考工作参数(例如，最大叶轮转速)对应的最优桨距角也不同。基于上述变化范围的最优桨距角可适用于各种类型的风电机组，使得针对每种类型的风电机组可基于上述变化范围内的最优桨距角来改善风电机组的控制。
针对每个历史空气密度的最优桨距角相对于参考叶轮转速的第一参数查找表满足以下预定条件：最优桨距角相对于参考叶轮转速的函数为θ＝(kΩ/Ωmax)+b，其中，θ表示最优桨距角，Ω表示参考叶轮转速，Ωmax表示额定叶轮转速，k和b均为常数。例如-10≤k≤-0.85，并且0.55≤b≤7。
根据本公开的实施例，针对不同类型的风电机组，最优桨距角y相对于参考叶轮转速Ω的函数不同，即k和b的值会不同。基于上述函数的最优桨距角可适用于各种类型的风电机组，使得针对每种类型的风电机组可基于上述变化范围内的最优桨距角来改善风电机组的控制。
例如，针对第一类型的风电机组，最优桨距角y1相对于参考叶轮转速Ω的函数可以为y1＝(k1*Ω/Ωmax)+b1，其中，-10≤k1≤-0.85，0.55≤b1≤7；针对第二类型的风电机组，最优桨距角y2相对于参考叶轮转速Ω的函数可以为y2＝(k2*Ω/Ωmax)+b2，其中，-10≤k2≤-0.85，0.55≤b2≤7。对于传统的风电机组控制策略，保持桨距角θ为0°。相比之下，利用根据本公开的风电机组控制策略，可将桨距角设置为随转速变化的最优桨距角。例如，“实例桨距角曲线”示出某一类型的风电机组的最优桨距角随转速比变化的曲线，其中，最小转速比对应的最优桨距角位于[0.25°，3°]范围内，最小转速比对应的最优桨距角位于[-0.25°，-3°]范围内；“实例曲线”示出该类型的风电机组的最优桨距角的极限值对应的坐标点之间的连线，其符合关于上述函数的预定条件。
图20示出针对同一风电机组应用根据本公开的控制方法优化前后的输出功率(简称功率)、叶轮转速(简称转速)、桨距角相对于风速的变化，图21示出优化前后的归一化功率相对于风速的变化。在图20所示的实施例中，优化后的风电机组的年发电量比优化前的风电机组的年发电量可提高1％，年满发小时数可提高36小时。在最优增益控制阶段，优化后的最优桨距角不再固定于常值，而且，叶轮转速相对于风速的变化情况也发生改变，最优功率系数和最优桨距角根据实时叶轮转速而实时变化。如图21所示，可通过根据本公开的风电机组的控制方法来对风电机组的控制进行优化，例如，相对于不监测实时空气密度而采用基于参考空气密度(例如，标准空气密度为1.225kg/m3)的传统控制策略的情况(即，优化前)，利用根据本公开的风电机组的控制方法(例如，实时空气密度为1.3kg/m3)进行优化后的归一化功率得到了提升，例如，可使得风电机组的年发电量提高约0.7％，年满发小时数增加25小时左右。
根据本公开的风电机组的控制方法，可以显著改善风电机组的发电效率，尤其对于最优增益控制阶段的控制，可以显著提高风电机组的年发电量，有效补偿叶片弯扭耦合造成的气动损失以及由于空气密度导致的功率系数下降等损失。例如，在实时空气密度为参考空气密度(例如，1.225kg/m3)下，根据本公开的风电机组的控制方法相比于原有控制策略，可以有效提高年发电量达到0.5％-1％。当实时空气密度随温差和季节等因素而变化时，例如，实时空气密度从1.225kg/m3提高到1.3kg/m3，根据本公开的风电机组的控制方法相比于原有控制策略，可以有效提高年发电量达到0.5％-1.5％。
图22是根据本公开的实施例的风电机组的控制设备10的框图。
控制设备10可包括：参数获取单元101、确定单元102和控制单元103。
参数获取单元101可被配置为获取所述风电机组所处风场的实时空气密度和所述风电机组的实时工作参数。
确定单元102可被配置为根据所述实时空气密度、所述实时工作参数和所述风电机组的气动性能模型，确定所述风电机组的实时最优桨距角和实时最优增益。
控制单元103可被配置为根据所述实时最优桨距角和所述实时最优增益，控制所述风电机组运行。
在本公开的实施例中，控制设备10还可包括模型生成单元104，被配置为：获取所述风场的多个历史空气密度；基于叶素理论构建针对每个历史空气密度的气动性能模型。
在本公开的另一实施例中，模型生成单元104还可被配置为：基于所述三维模型，针对每个历史空气密度下的每个参考工作参数，确定最大功率系数对应的桨距角作为与该参考工作参数对应的最优桨距角，确定最大功率系数对应的叶尖速比作为与该参考工作参数对应的最优叶尖速比；根据针对每个历史空气密度的与每个参考工作参数对应的最优桨距角，生成所述最优桨距角模型；根据针对每个历史空气密度的与每个参考工作参数对应的最优叶尖速比，确定针对每个历史空气密度的与每个参考工作参数对应的最优增益，以生成所述最优增益模型。
可参照图1至图21描述的控制方法及相关操作来理解图22所示的各个模块所执行的操作，在此为了简洁而不做赘述。
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，当所述计算机程序被执行时，实现根据本公开的实施例的风电机组的控制方法。
在本公开的实施例中，所述计算机可读存储介质可承载有一个或者多个程序，当所述计算机程序被执行时可实现参照图1至图21描述的部分或全部步骤，例如：获取所述风电机组所处风场的实时空气密度和所述风电机组的实时工作参数；根据所述实时空气密度、所述实时工作参数和所述风电机组的气动性能模型，确定所述风电机组的实时最优桨距角和实时最优增益；根据所述实时最优桨距角和所述实时最优增益，控制所述风电机组运行。
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。
图23是根据本公开的实施例的计算装置的框图。
参照图23，根据本公开的实施例的计算装置20可包括存储器201和处理器202，在存储器201上存储有计算机程序203，当计算机程序203被处理器202执行时，实现根据本公开的实施例的风电机组的控制方法。
在本公开的实施例中，当所述计算机程序203被处理器202执行时，可实现参照图1至图21描述的部分或全部步骤，例如：获取所述风电机组所处风场的实时空气密度和所述风电机组的实时工作参数；根据所述实时空气密度、所述实时工作参数和所述风电机组的气动性能模型，确定所述风电机组的实时最优桨距角和实时最优增益；根据所述实时最优桨距角和所述实时最优增益，控制所述风电机组运行。
图23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23描述了根据本公开的实施例的风电机组的控制方法、控制设备、计算机可读存储介质、计算装置。然而，应该理解的是：图22中所示的控制设备及其各个单元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23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电机组的控制方法、控制设备、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之一：通过监测实时空气密度，补偿由于实时空气密度导致的功率系数下降；充分评估叶片弯扭耦合造成的气动损失，给予实时补偿；从而提升风电机组的发电量。
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 (18)
1.一种风电机组的控制方法，其特征在于，所述控制方法包括：
获取风电机组所处风场的实时空气密度和所述风电机组的实时工作参数；
根据所述实时空气密度、所述实时工作参数和所述风电机组的气动性能模型，确定所述风电机组的实时最优桨距角和实时最优增益；
根据所述实时最优桨距角和所述实时最优增益，控制所述风电机组运行。
2.根据权利要求1所述的控制方法，其特征在于，所述根据所述实时空气密度、所述实时工作参数和所述风电机组的气动性能模型，确定所述风电机组的实时最优桨距角和实时最优增益之前，所述控制方法还包括：
获取所述风电机组的气动性能模型。
3.根据权利要求2所述的控制方法，其特征在于，所述获取所述风电机组的气动性能模型，包括：
获取所述风场的多个历史空气密度；
基于叶素理论构建针对每个历史空气密度的气动性能模型。
4.根据权利要求3所述的控制方法，其特征在于，所述气动性能模型包括：最优桨距角模型和最优增益模型，所述最优桨距角模型用于表征每个历史空气密度下参考工作参数与最优桨距角的对应关系，所述最优增益模型用于表征每个历史空气密度下参考工作参数与最优增益的对应关系；
其中，所述参考工作参数包括参考叶轮转速或参考输出功率。
5.根据权利要求4所述的控制方法，其特征在于，所述气动性能模型还包括：针对每个历史空气密度，与所述风力发电机组的多个参考工作参数分别对应的以叶尖速比、功率系数和桨距角为三维坐标系的三维模型，
其中，所述最优桨距角模型和所述最优增益模型是通过以下操作而获取的：
针对每个历史空气密度下的每个参考工作参数，基于所述三维模型，确定最大功率系数对应的桨距角作为与该参考工作参数对应的最优桨距角，确定最大功率系数对应的叶尖速比作为与该参考工作参数对应的最优叶尖速比；
根据针对每个历史空气密度的与每个参考工作参数对应的最优桨距角，生成所述最优桨距角模型；
根据针对每个历史空气密度的与每个参考工作参数对应的最优叶尖速比，确定针对每个历史空气密度的与每个参考工作参数对应的最优增益，以生成所述最优增益模型。
6.根据权利要求4所述的控制方法，其特征在于，最小参考工作参数对应的最优桨距角的变化范围为≥0.25°且≤3°，最大参考工作参数对应的最优桨距角的变化范围为≥-3°且≤-0.25°。
7.根据权利要求4所述的控制方法，其特征在于，针对每个历史空气密度的最优桨距角相对于参考叶轮转速的最优桨距角模型满足以下预定条件：
最优桨距角相对于参考叶轮转速的函数为θ＝(kΩ/Ωmax)+b，其中，θ表示最优桨距角，Ω表示参考叶轮转速，Ωmax表示额定叶轮转速，k和b均为常数。
8.根据权利要求7所述的控制方法，其特征在于，-10≤k≤-0.85，并且0.55≤b≤7。
9.根据权利要求1至8中任一项所述的控制方法，其特征在于，所述根据所述实时空气密度、所述实时工作参数和所述风电机组的气动性能模型，确定所述风电机组的实时最优桨距角和实时最优增益，包括：
根据所述实时空气密度和所述风电机组的气动性能模型，确定第一变化曲线以及第二变化曲线，其中，所述第一变化曲线表示所述实时空气密度下的最优桨距角相对于参考工作参数的变化情况，所述第二变化曲线表示所述实时空气密度下的最优增益相对于参考工作参数的变化情况；
根据所述实时工作参数、所述第一变化曲线和所述第二变化曲线，确定所述风电机组的实时最优桨距角和实时最优增益。
10.根据权利要求1至8中任一项所述的控制方法，其特征在于，所述根据所述实时最优桨距角和所述实时最优增益，控制所述风电机组运行，包括：
根据所述实时最优桨距角和所述实时最优增益来调节风电机组的实时工作参数，使得风电机组的桨距角达到实时最优桨距角，风电机组的增益达到实时最优增益。
11.根据权利要求1至8中任一项所述的控制方法，其特征在于，所述实时工作参数包括以下项中的至少一项：实时叶轮转速、实时输出功率。
12.根据权利要求1至8中任一项所述的控制方法，其特征在于，所述控制方法还包括：
通过安装在所述风场的N个空气密度传感器，在目标时间段内，以预设时间间隔，采集所述风场的多个空气密度，所述N为正整数；
将所述多个空气密度的平均值确定为所述风场的空气密度。
13.根据权利要求12所述的控制方法，其特征在于，所述N个空气密度传感器设置于不同海拔的风电机组的位置处。
14.根据权利要求12所述的控制方法，其特征在于，所述N为4，所述N个空气密度传感器包括第一空气密度传感器、第二空气密度传感器、第三空气密度传感器和第四空气密度传感器；
所述第一空气密度传感器设置于所述风场的最高海拔的风电机组的位置处；
所述第二空气密度传感器位于所述风场的最低海拔的风电机组的位置处；
所述第三空气密度传感器和所述第四空气密度传感器位于所述风场的平均海拔的风电机组的位置处。
15.一种风电机组的控制设备，其特征在于，所述控制设备包括：
参数获取单元，被配置为获取风电机组所处风场的实时空气密度和所述风电机组的实时工作参数；
确定单元，被配置为根据所述实时空气密度、所述实时工作参数和所述风电机组的气动性能模型，确定所述风电机组的实时最优桨距角和实时最优增益；
控制单元，被配置为根据所述实时最优桨距角和所述实时最优增益，控制所述风电机组运行。
16.一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，实现根据权利要求1至14中任一项所述的风电机组的控制方法。
17.一种计算装置，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，实现根据权利要求1至14中任一项所述的控制风电机组的方法。
18.一种风电机组，其特征在于，所述风电机组包括：
控制器，用于实现根据权利要求1至14中任一项所述的风电机组的控制方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210608785.5A CN114934874A (zh) | 2022-05-31 | 2022-05-31 | 风电机组的控制方法和控制设备以及风电机组 |
| PCT/CN2022/122115 WO2023231251A1 (zh) | 2022-05-31 | 2022-09-28 | 风电机组的控制方法和控制设备以及风电机组 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210608785.5A CN114934874A (zh) | 2022-05-31 | 2022-05-31 | 风电机组的控制方法和控制设备以及风电机组 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114934874A true CN114934874A (zh) | 2022-08-23 |
Family
ID=82866514
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210608785.5A Pending CN114934874A (zh) | 2022-05-31 | 2022-05-31 | 风电机组的控制方法和控制设备以及风电机组 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN114934874A (zh) |
| WO (1) | WO2023231251A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023231251A1 (zh) * | 2022-05-31 | 2023-12-07 | 金风科技股份有限公司 | 风电机组的控制方法和控制设备以及风电机组 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2479426B1 (en) * | 2011-01-24 | 2017-06-28 | Siemens Aktiengesellschaft | Method for determining a pitch angle offset signal and for controlling a rotor frequency of a wind turbine for speed avoidance control |
| CN103573550A (zh) * | 2012-07-27 | 2014-02-12 | 华锐风电科技(集团)股份有限公司 | 一种风力发电机组的控制方法与系统 |
| DK2757252T3 (en) * | 2013-01-17 | 2018-03-26 | Ge Renewable Tech | Procedure for operating a wind turbine |
| CN104763586B (zh) * | 2015-04-03 | 2017-06-16 | 内蒙古工业大学 | 用于风力发电机组的控制方法及设备 |
| CN105298745B (zh) * | 2015-09-25 | 2018-04-13 | 南车株洲电力机车研究所有限公司 | 一种基于实时空气密度变化的提升风电机组发电量的方法 |
| CN112283026A (zh) * | 2020-11-05 | 2021-01-29 | 华能新能源上海发电有限公司 | 一种基于空气密度跟踪最优模态增益的动态转矩控制方法 |
| CN114233570B (zh) * | 2021-11-19 | 2023-12-08 | 上海电气风电集团股份有限公司 | 风力机组的功率控制方法 |
| CN114934874A (zh) * | 2022-05-31 | 2022-08-23 | 新疆金风科技股份有限公司 | 风电机组的控制方法和控制设备以及风电机组 |
-
2022
- 2022-05-31 CN CN202210608785.5A patent/CN114934874A/zh active Pending
- 2022-09-28 WO PCT/CN2022/122115 patent/WO2023231251A1/zh unknown
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023231251A1 (zh) * | 2022-05-31 | 2023-12-07 | 金风科技股份有限公司 | 风电机组的控制方法和控制设备以及风电机组 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2023231251A1 (zh) | 2023-12-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2479426B1 (en) | Method for determining a pitch angle offset signal and for controlling a rotor frequency of a wind turbine for speed avoidance control | |
| CN107709766B (zh) | 校准风力涡轮机的负载传感器的方法 | |
| EP2878811B1 (en) | Methods of operating a wind turbine, and wind turbines | |
| CN107709762B (zh) | 风力涡轮机的控制方法以及系统 | |
| EP1152148A1 (en) | Airfoil profiles for wind turbines | |
| US10907612B2 (en) | Control of a wind turbine using real-time gain calculation | |
| CN102797629B (zh) | 一种风电机组的控制方法、控制器及其控制系统 | |
| CN203939626U (zh) | 用于在偏航误差过程中减小风力涡轮机上负载的控制系统 | |
| CN108488035B (zh) | 永磁直驱风力发电机组失速和变桨混合控制方法 | |
| Miau et al. | Design and test of a vertical-axis wind turbine with pitch control | |
| US10975845B2 (en) | Control of a wind turbine using real-time blade model | |
| WO2015192856A1 (en) | Control of wind turbines in response to wind shear | |
| US10006437B2 (en) | Method for operating a wind power plant | |
| EP2878809B1 (en) | Methods of operating a wind turbine, wind turbines and wind parks | |
| CA3009204C (en) | Method for operating a wind turbine | |
| CN111749845B (zh) | 用于风电机组的降载控制方法和装置 | |
| CN112031998A (zh) | 基于激光雷达的风电机组独立变桨控制优化方法及系统 | |
| CN114934874A (zh) | 风电机组的控制方法和控制设备以及风电机组 | |
| EP2636895B1 (en) | Methods and systems for alleviating loads in off-shore wind turbines | |
| CN110630438B (zh) | 一种风力发电机组的偏航系统的控制方法及装置 | |
| KR101264169B1 (ko) | 풍속 의존형 풍력발전기의 최대출력 추종 ｅｍｔｄｃ 해석모델 | |
| Feil et al. | Distributed aerodynamic control using active trailing-edge flaps for large wind turbines | |
| CN109753759B (zh) | 一种基于等效功率的风轮等效风速计算方法 | |
| Sørensen et al. | Adaptive passivity based individual pitch control for wind turbines in the full load region | |
| Xia et al. | A new pitch control method for large scale wind turbine based on ADRC |
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 |
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. |
|
| CB02 | Change of applicant information |