CN115478990A - 基于气动系数的风力机风速时间参数确定方法 - Google Patents

基于气动系数的风力机风速时间参数确定方法 Download PDF

Info

Publication number
CN115478990A
CN115478990A CN202211144882.XA CN202211144882A CN115478990A CN 115478990 A CN115478990 A CN 115478990A CN 202211144882 A CN202211144882 A CN 202211144882A CN 115478990 A CN115478990 A CN 115478990A
Authority
CN
China
Prior art keywords
wind
wind speed
wind turbine
sequence
time
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
CN202211144882.XA
Other languages
English (en)
Other versions
CN115478990B (zh
Inventor
陈文婷
曹忠鹏
艾超
张珈瑞
杨玥
甄金朋
孔祥东
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.)
Yanshan University
Original Assignee
Yanshan University
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 Yanshan University filed Critical Yanshan University
Priority to CN202211144882.XA priority Critical patent/CN115478990B/zh
Publication of CN115478990A publication Critical patent/CN115478990A/zh
Application granted granted Critical
Publication of CN115478990B publication Critical patent/CN115478990B/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
    • 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)
  • 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)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明涉及一种基于气动系数的风力机风速时间参数确定方法，其包括以下步骤，骤1：激光雷达测风仪测量风速时间序列；步骤2：建立气动系数迭代模型，构建激光雷达测量风速的迭代计算模型；步骤3：根据雷达测量风速的迭代计算模型，计算风力机期望位置处风速；步骤4：获取迭代过程的积累时间，完成风力机的风速时间序列数据处理。本发明通过建立气动系数迭代模型和风速迭代模型实现气动系数的实时迭代更新，完成了对激光雷达测风数据进行处理，获得风轮平面有效风力机期望位置处风速时间序列数据；本发明的计算结果可用于风力机的实时控制，提高风力机的发电效率，降低风力机所受载荷，提高了风力机的使用寿命。

Description

基于气动系数的风力机风速时间参数确定方法
技术领域
本申请涉及风力发电技术领域，具体地涉及一种基于气动系数的风力机风速时间参数确定方法。
背景技术
工业全球化以来，能源消耗量逐年增长，其中化石能源在全球能源消费总量占比仍然超过50％，化石能源的过度使用给气候环境等方面带来严峻的考验，能源问题越来越成为全球重点关注问题。以风能为代表的新能源和可再生能源被视为未来能源，风能的高效利用成为解决能源问题的关键。
如果能实时获得风轮平面有效风速和提前对风轮平面有效风速进行预测，将会提高风力机的控制性能，进而提高风力机效率，降低风力机载荷，达到提高风力机寿命的目的。风具有随机性和波动性，同时受地形、大气环流、温度等多种因素的影响，风信号不像风力机转速、桨距角功率等信号可以有效测量。目前测风设备主要包括：风速风向计、测风塔、皮托管及激光雷达测风仪等，风力机机舱上测风设备多为风速风向计，存在测量滞后、误差较大等缺点，成为制约风力机控制性能提高的重要因素。
激光雷达测风仪作为新兴的测风设备，具有提前测风、可以预测阵风等优势，越来越得到风力机整机生产厂家的青睐。但由于激光雷达只能测量风力机风轮前方一定距离处的风速，激光雷达测风数据需要进行二次处理才能用到风力机主控上。激光雷达测风数据幅值通过风速演化模型处理，相位通过泰勒冻结假设处理，处理结果精度较差，不利于发挥激光雷达的性能。
目前，虽然部分研究证明激光雷达在风力机的应用优势，但尚没有成熟的激光雷达测风仪在风力机应用上的方法。
发明内容
为了克服现有技术的不足，本发明通过建立风力机的气动系数迭代模型和风速迭代模型实现了气动系数的实时迭代更新，完成了对激光雷达测风数据进行处理，获得风轮平面有效风力机期望位置处风速时间序列参数，用于实现风力机的实时控制，提高了风力机的发电效率。
为实现上述目的，本发明所采用的解决方案为：
一种基于气动系数的风力机风速时间参数确定方法，其包括以下步骤：
步骤1：激光雷达测风仪测量风速时间序列；
通过风力机上的机舱式激光雷达测风仪测量设定位置处的风速时间序列数据v0、v1…vi、vi+1…，激光雷达测风仪每间隔t秒获得一次设定位置处的风速时间序列数据，时间序列数据时间间隔为t；
步骤2：建立气动系数迭代模型，构建激光雷达测量风速的迭代计算模型；
步骤21：确定风力机的时限要求；
步骤22：风力机的气动系数计算模型如下所示：
Figure BDA0003854851340000021
式中：Ki,j表示i序列测量风速对应j次迭代风力机的气动系数，Ki,0表示i序列测量风速对应的初始化气动系数；A、B、C和D分别表示气动系数与总推力系数关系的第一系数、第二系数、第三系数和第四系数；CTi,j表示i序列测量风速对应j次迭代总推力系数；i表示激光雷达测量风速序列；j表示i序列测量风速对应系数的迭代次数，j从0开始，每次迭代开始先自增1；
步骤23：构造风速测量的距离迭代模型如下所示：
yi,j＝yi,j-1-vi,j-1×t；
式中：yi,j表示vi,j位置与风轮平面位置的距离，yi,0表示vi位置与期望位置的距离；yi,j-1表示vi,j-1位置与风轮平面位置的距离；vi,j-1表示i序列测量风速j-1次迭代风速；t表示激光雷达测风时间序列数据时间间隔，为时间限定值；
步骤24：激光雷达测量风速的迭代计算模型如下所示：
Figure BDA0003854851340000022
式中：vi,j表示i序列测量风速j次迭代风速，vi,0等于激光雷达测风仪测量风速时间序列数据vi；R表示风力机的风轮半径；Ki,j-1表示i序列测量风速对应j-1次迭代风力机的气动系数；
步骤3：根据雷达测量风速的迭代计算模型，计算风力机期望位置处风速；
根据步骤2中的激光雷达测量风速的迭代计算模型，确定风力机风轮中心处风速，如下所示：
Figure BDA0003854851340000031
式中：
Figure BDA0003854851340000032
表示vi经处理得到的风力机期望位置处风速；Ki,j+1表示i序列测量风速对应j-1次迭代风力机的气动系数；步骤4：获取迭代过程的积累时间，完成风力机的风速时间序列数据处理；
根据步骤2和步骤3积累时间信息，得到与风力机期望位置处风速
Figure BDA0003854851340000033
对应的时间信息ti；步骤3所需时间ti,last的获取方法如下所示：
Figure BDA0003854851340000034
式中：ti,last表示i序列测量风速经步骤3处理所需时间；d表示风力机期望位置距风轮平面的距离；
进一步得到，风力机期望位置处风速
Figure BDA0003854851340000035
对应的时间信息ti，如下所示：
ti＝(i+j)×t+ti,last；
式中：ti表示风速
Figure BDA0003854851340000036
对应的时间信息。
可优选的是，所述步骤21中的确定风力机的时限要求，具体为：
验证激光雷达测量设定位置处的风速是否能在时间t内到达期望位置，如下所示：
Figure BDA0003854851340000037
式中：t表示激光雷达测风时间序列数据时间间隔，为时间限定值；
上述不等式成立时，表明处理过程风速vi,j不能在t时间内到达期望位置，进行步骤2；上述不等式不成立时，表明处理过程风速vi,j能在t时间内到达期望位置，退出步骤2。
可优选的是，所述步骤22中总推力系数计算方法，具体为：
步骤221：调整激光雷达测风仪和SCADA系统同步测量数据；
步骤222：总推力系数的计算模型如下所示：
Figure BDA0003854851340000041
式中：σ表示风力机的实度；δ表示风力机升力曲线斜率；λi+j表示i+j序列测量风速vi+j对应叶尖速比；βi+j表示i+j序列测量风速vi+j对应桨距角，实际应用中从风力机SCADA系统获取；γi+j表示i+j序列测量风速vi+j对应偏航角，从风力机SCADA系统获取；ai,j表示i序列测量风速j次迭代诱导系数，ai,0表示初始化诱导系数。
可优选的是，所述步骤222中叶尖速比迭代公式如下所示：
Figure BDA0003854851340000042
式中：ωi+j表示i+j序列测量风速vi+j对应风轮转速，从风力机SCADA系统获取。
可优选的是，所述步骤222中诱导系数迭代公式如下所示：
Figure BDA0003854851340000043
式中：θi+j表示i+j序列测量风速vi+j对应风轮偏角，从风力机SCADA系统获取；θi+j-1表示i+j-1序列测量风速vi+j-1对应风轮偏角；λi+j-1表示i+j-1序列测量风速vi+j-1对应叶尖速比；β表示风力机的桨距角；ai,j-1表示i序列测量风速j-1次迭代诱导系数。与现有技术相比，本发明的有益效果在于：
(1)本发明通过建立风力机的气动系数迭代模型和风速迭代模型实现了风力机气动系数的实时迭代更新计算，完成了对激光雷达测风数据进行处理，获得风轮平面有效风力机期望位置处风速时间序列参数；
(2)本发明计算的风力发电机期望位置处风速时间序列数据，根据风力机当前状态实时迭代计算，能够获得风力机实时风速时间序列的准确数据，能够用于风力发电机的实时控制，能够提高风力发电机的发电效率，有效降低风力发电机所受的载荷。
附图说明
图1为本发明实施例基于气动系数的风力机风速时间参数确定方法的控制框图；
图2为本发明实施例机舱式激光雷达测风仪示意图；
图3为本发明实施例激光雷达测量风速的迭代计算模型的流程图；
图4为本发明实施例序列风速迭代次数随时间变化示意图；
图5为本发明实施例基于气动系数实时迭代更新的风速处理算法处理结果示意图。
具体实施方式
以下，参照附图对本发明的实施方式进行说明。
本发明以风力发电机为应用实例，实现基于气动系数的风力机风速时间参数确定方法的实际应用，通过建立风力发电机的气动系数迭代模型和风速迭代模型实现了风力发电机气动系数的实时迭代更新计算，完成了对激光雷达测风数据进行处理，获得风轮平面有效风力发电机期望位置处风速和风速时间序列数据，实现风力发电机的实时控制，能够提高风力发电机的发电效率，有效降低风力发电机所受的载荷，大大提高风力发电机的使用寿命。
如图1所示，本发明实施例提供了一种基于气动系数的风力机风速时间参数确定方法，为了证明本发明的适用性，将其应用于实例，具体包含如下步骤：
S1：激光雷达测风仪测量风速时间序列；
如图2所示为本发明实施例机舱式激光雷达测风仪示意图，通过风力发电机上的机舱式激光雷达测风仪测量设定位置处的风速时间序列数据v0、v1…vi、vi+1…，激光雷达测风仪每间隔t秒获得一次设定位置处的风速时间序列数据，即时间序列数据时间间隔为t。S2：建立气动系数迭代模型，构建激光雷达测量风速的迭代计算模型，如图3所示。
S21：确定风力发电机的时限要求。
验证激光雷达测量的风速是否能在时间t内到达风轮平面，如下所示：
Figure BDA0003854851340000051
式中：yi,j表示vi,j位置与风轮平面位置的距离，yi,0表示vi位置与期望位置的距离；vi,j表示i序列测量风速j次迭代风速，vi,0等于激光雷达测风仪测量风速时间序列数据vi；t表示激光雷达测风时间序列数据时间间隔，为时间限定值；d表示风力机期望位置距风轮平面的距离。
上述不等式成立时，表明处理过程风速vi,j不能在t时间内到达期望位置，进行S2；上述不等式不成立时，表明处理过程风速vi,j能在t时间内到达期望位置，退出S2。
S22：风力发电机的气动系数计算模型如下所示：
Figure BDA0003854851340000052
式中：Ki,j表示i序列测量风速对应j次迭代风力机的气动系数，Ki,0表示i序列测量风速对应的初始化气动系数；A、B、C和D分别表示气动系数与总推力系数关系的第一系数、第二系数、第三系数和第四系数；CTi,j表示i序列测量风速对应j次迭代总推力系数；i表示激光雷达测量风速序列；j表示i序列测量风速对应系数的迭代次数，j从0开始，每次迭代开始先自增1。
总推力系数计算方法，具体为：
S221：调整激光雷达测风仪和SCADA系统同步测量数据；
实际应用中激光雷达测风数据须与风力发电机SCADA数据进行同步，来获得实时桨距角βi+j，偏航角γi+j，风轮偏角θi+j，风轮转速ωi+j。
S222：总推力系数的计算模型如下所示：
Figure BDA0003854851340000061
式中：σ表示风力发电机的实度，本实例中，σ设置为固定值0.092；δ表示风力发电机升力曲线斜率，本实例中，δ设置为固定值0.005；λi+j表示i+j序列测量风速vi+j对应叶尖速比；βi+j表示i+j序列测量风速vi+j对应桨距角，本实例中，βi+j根据序列风速vi+j设置；γi+j表示i+j序列测量风速vi+j对应偏航角，本实例中，γi+j等于固定值0；ai,j表示i序列测量风速j次迭代诱导系数，本实例中，初始化诱导系数ai,0为0.1。
叶尖速比迭代公式如下所示：
Figure BDA0003854851340000062
式中：ωi+j表示i+j序列测量风速vi+j对应风轮转速，本实例中，ωi+j根据序列风速vi+j设置；
诱导系数迭代公式如下所示：
Figure BDA0003854851340000063
式中：θi+j表示i+j序列测量风速vi+j对应风轮偏角，本实例中，θi+j设置为固定值0。
S23：构造风速测量的距离迭代模型如下所示：
yi,j＝yi,j-1-vi,j-1×t；
式中：yi,j表示vi,j位置与风轮平面位置的距离，yi,0表示vi位置与期望位置的距离；vi,j-1表示i序列测量风速j-1次迭代风速；yi,j-1表示vi,j-1位置与风轮平面位置的距离；。
本实例中，ω、β根据风力发电机切入风速、额定风速、切出风速计算，具体为，序列风速vi+j＜2.5时，ωi+j＝0、βi+j＝0；序列风速2.5≤vi+j＜8.3时，ωi+j＝1750×π×(vi+j-2.5)/(5.8×30)、βi+j＝0；序列风速8.3≤vi+j＜20时，ωi+j＝175π/3、βi+j＝8；序列风速vi+j≥20时，ωi+j＝0、βi+j＝0。
S24：激光雷达测量风速的迭代计算模型如下所示：
Figure BDA0003854851340000071
式中：R表示风力发电机的风轮半径，本实例中，风力机半径为73.5m。
S3：根据雷达测量风速的迭代计算模型，计算风力发电机风轮中心处风速；
根据S2中的激光雷达测量风速的迭代计算模型，确定风力发电机风轮中心处风速，如下所示：
Figure BDA0003854851340000072
式中：
Figure BDA0003854851340000073
表示vi经处理得到的风力发电机期望位置处风速。
S4：获取迭代过程的积累时间，完成风力发电机的风速时间序列数据处理。
根据迭代过程积累时间信息，得到与风力发电机期望位置处风速
Figure BDA0003854851340000074
对应的时间信息ti；测量风速最后一次迭代所需时间ti,last的获取方法如下所示：
Figure BDA0003854851340000075
式中：ti,last表示i序列测量风速最后一次迭代所需时间；d表示风力发电机期望位置距风轮平面的距离；本实例中，d取值为50m。
进一步得到，风力发电机期望位置处风速
Figure BDA0003854851340000076
对应的时间信息ti，如下所示：
ti＝(i+j)×t+ti,last；
式中：ti表示风速
Figure BDA0003854851340000077
对应的时间信息。
引入拟合优度评估算法效果，具体过程如下所示：
拟合优度的计算方法如下所示：
Figure BDA0003854851340000081
式中：
Figure BDA0003854851340000082
表示拟合优度的计算结果；ESS表示回归平方和；TSS表示总平方和；RSS表示残差平方和。
回归平方和的计算方法如下所示：
Figure BDA0003854851340000083
式中：
Figure BDA0003854851340000084
为上述步骤四风速处理算法处理后风速；
Figure BDA0003854851340000085
为激光雷达测量风速平均值；n表示风力发电机期望位置处风速序列。
总平方和的计算方法如下所示：
Figure BDA0003854851340000086
式中：vn为激光雷达测量风速序列。
按机舱式激光雷达测风仪测量设定位置为250m，期望风速位置为50m，进行分析计算，结果如下表所示，表明本发明实际应用效果较好；序列量为50000时，序列风速迭代次数随时间变化示意图如图4所示，基于气动系数实时迭代更新的风速处理算法处理结果示意图如图5所示。表1中列出了本方法应用前和应用后的评估标准对比情况，评估标准越大表明实际应用效果更好，通过对序列量2000、10000和50000的对比数据表明，应用后评估标准分别为0.26、0.79和0.85，均大于应用前的评估标准，表明本方法的实际应用效果较好。
表1应用前与应用后的效果对比
Figure BDA0003854851340000087
综上，本案例的预测结果证明了具有很好的效果；
(1)本发明实施例通过建立风力发电机的气动系数迭代模型和风速迭代模型实现了风力发电机气动系数的实时迭代更新计算，完成了对激光雷达测风数据进行处理，获得风轮平面有效风力发电机期望位置处风速时间序列数据；通过拟合优度评估算法进行分析表明本方法的应用效果较好，测风准确度显著提高。
(2)本发明实施例计算的风力发电机期望位置处风速时间序列数据，根据风力机当前状态实时迭代计算，能够获得风力机实时风速时间序列的准确数据，能够用于风力发电机的实时控制，实施例证明本方法能够满足实际应用需求。
以上所述的实施例仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (5)

1.一种基于气动系数的风力机风速时间参数确定方法，其特征在于，其包括以下步骤：
步骤1：激光雷达测风仪测量风速时间序列；
通过风力机上的机舱式激光雷达测风仪测量设定位置处的风速时间序列数据v0、v1…vi、vi+1…，激光雷达测风仪每间隔t秒获得一次设定位置处的风速时间序列数据，时间序列数据时间间隔为t；
步骤2：建立气动系数迭代模型，构建激光雷达测量风速的迭代计算模型；
步骤21：确定风力机的时限要求；
步骤22：风力机的气动系数计算模型如下所示：
Figure FDA0003854851330000011
式中：Ki,j表示i序列测量风速对应j次迭代风力机的气动系数，Ki,0表示i序列测量风速对应的初始化气动系数；A、B、C和D分别表示气动系数与总推力系数关系的第一系数、第二系数、第三系数和第四系数；CTi,j表示i序列测量风速对应j次迭代总推力系数；i表示激光雷达测量风速序列；j表示i序列测量风速对应系数的迭代次数，j从0开始，每次迭代开始先自增1；
步骤23：构造风速测量的距离迭代模型如下所示：
yi,j＝yi,j-1-vi,j-1×t；
式中：yi,j表示vi,j位置与风轮平面位置的距离，yi,0表示vi位置与期望位置的距离；yi,j-1表示vi,j-1位置与风轮平面位置的距离；vi,j-1表示i序列测量风速j-1次迭代风速；t表示激光雷达测风时间序列数据时间间隔，为时间限定值；
步骤24：激光雷达测量风速的迭代计算模型如下所示：
Figure FDA0003854851330000012
式中：vi,j表示i序列测量风速j次迭代风速，vi,0等于激光雷达测风仪测量风速时间序列数据vi；R表示风力机的风轮半径；Ki,j-1表示i序列测量风速对应j-1次迭代风力机的气动系数；
步骤3：根据雷达测量风速的迭代计算模型，计算风力机期望位置处风速；
根据步骤2中的激光雷达测量风速的迭代计算模型，确定风力机风轮中心处风速，如下所示：
Figure FDA0003854851330000021
式中：
Figure FDA0003854851330000022
表示vi经处理得到的风力机期望位置处风速；Ki,j+1表示i序列测量风速对应j-1次迭代风力机的气动系数；步骤4：获取迭代过程的积累时间，完成风力机的风速时间序列数据处理；
根据步骤2和步骤3积累时间信息，得到与风力机期望位置处风速
Figure FDA0003854851330000023
对应的时间信息ti；步骤3所需时间ti,last的获取方法如下所示：
Figure FDA0003854851330000024
式中：ti,last表示i序列测量风速经步骤3处理所需时间；d表示风力机期望位置距风轮平面的距离；
进一步得到，风力机期望位置处风速
Figure FDA0003854851330000025
对应的时间信息ti，如下所示：
ti＝(i+j)×t+ti,last；
式中：ti表示风速
Figure FDA0003854851330000026
对应的时间信息。
2.根据权利要求1所述的基于气动系数的风力机风速时间参数确定方法，其特征在于，所述步骤21中的确定风力机的时限要求，具体为：
验证激光雷达测量设定位置处的风速是否能在时间t内到达期望位置，如下所示：
Figure FDA0003854851330000027
式中：t表示激光雷达测风时间序列数据时间间隔，为时间限定值；
上述不等式成立时，表明处理过程风速vi,j不能在t时间内到达期望位置，进行步骤2；上述不等式不成立时，表明处理过程风速vi,j能在t时间内到达期望位置，退出步骤2。
3.根据权利要求1所述的基于气动系数的风力机风速时间参数确定方法，其特征在于，所述步骤22中总推力系数计算方法，具体为：
步骤221：调整激光雷达测风仪和SCADA系统同步测量数据；
步骤222：总推力系数的计算模型如下所示：
Figure FDA0003854851330000031
式中：σ表示风力机的实度；δ表示风力机升力曲线斜率；λi+j表示i+j序列测量风速vi+j对应叶尖速比；βi+j表示i+j序列测量风速vi+j对应桨距角，实际应用中从风力机SCADA系统获取；γi+j表示i+j序列测量风速vi+j对应偏航角，从风力机SCADA系统获取；ai,j表示i序列测量风速j次迭代诱导系数，ai,0表示初始化诱导系数。
4.根据权利要求3所述的基于气动系数的风力机风速时间参数确定方法，其特征在于，所述步骤222中叶尖速比迭代公式如下所示：
Figure FDA0003854851330000032
式中：ωi+j表示i+j序列测量风速vi+j对应风轮转速，从风力机SCADA系统获取。
5.根据权利要求3所述基于气动系数的风力机风速时间参数确定方法，其特征在于，所述步骤222中诱导系数迭代公式如下所示：
Figure FDA0003854851330000033
式中：θi+j表示i+j序列测量风速vi+j对应风轮偏角，从风力机SCADA系统获取；θi+j-1表示i+j-1序列测量风速vi+j-1对应风轮偏角；λi+j-1表示i+j-1序列测量风速vi+j-1对应叶尖速比；β表示风力机的桨距角；ai,j-1表示i序列测量风速j-1次迭代诱导系数。
CN202211144882.XA 2022-09-20 2022-09-20 基于气动系数的风力机风速时间参数确定方法 Active CN115478990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211144882.XA CN115478990B (zh) 2022-09-20 2022-09-20 基于气动系数的风力机风速时间参数确定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211144882.XA CN115478990B (zh) 2022-09-20 2022-09-20 基于气动系数的风力机风速时间参数确定方法

Publications (2)

Publication Number Publication Date
CN115478990A true CN115478990A (zh) 2022-12-16
CN115478990B CN115478990B (zh) 2024-09-20

Family

ID=84423392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211144882.XA Active CN115478990B (zh) 2022-09-20 2022-09-20 基于气动系数的风力机风速时间参数确定方法

Country Status (1)

Country Link
CN (1) CN115478990B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130106107A1 (en) * 2009-12-21 2013-05-02 Christopher Spruce Wind turbine having a control method and controller for performing predictive control of a wind turbine generator
WO2016187405A1 (en) * 2015-05-19 2016-11-24 Ophir Corporation Systems and methods for predicting arrival of wind event
CN108223300A (zh) * 2017-11-13 2018-06-29 国网浙江省电力公司绍兴供电公司 一种应用于风力发电系统的在线风速估计方法
CN109989884A (zh) * 2019-05-09 2019-07-09 浙江大学 一种风机偏航控制方法
CN111472930A (zh) * 2020-03-23 2020-07-31 浙江大学 演化风速计算方法及基于该方法的前馈统一变桨控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130106107A1 (en) * 2009-12-21 2013-05-02 Christopher Spruce Wind turbine having a control method and controller for performing predictive control of a wind turbine generator
WO2016187405A1 (en) * 2015-05-19 2016-11-24 Ophir Corporation Systems and methods for predicting arrival of wind event
CN108223300A (zh) * 2017-11-13 2018-06-29 国网浙江省电力公司绍兴供电公司 一种应用于风力发电系统的在线风速估计方法
CN109989884A (zh) * 2019-05-09 2019-07-09 浙江大学 一种风机偏航控制方法
CN111472930A (zh) * 2020-03-23 2020-07-31 浙江大学 演化风速计算方法及基于该方法的前馈统一变桨控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
艾超;闫桂山;孔祥东;董彦武: "基于动态面控制的液压型风力发电机组稳速控制研究", 动力工程学报, vol. 36, no. 1, 31 December 2016 (2016-12-31) *

Also Published As

Publication number Publication date
CN115478990B (zh) 2024-09-20

Similar Documents

Publication Publication Date Title
CN103850876B (zh) 一种适用于无载荷测量的风电机组独立变桨控制方法
US20210262439A1 (en) Method of identification and compensation of inherent deviation of yaw error of wind turbine based on true power curve
CN105160060B (zh) 一种基于实际功率曲线拟合的风电场理论功率确定方法
CN109784563B (zh) 一种基于虚拟测风塔技术的超短期功率预测方法
CN112784509B (zh) 基于改进高斯分布尾流模型的风力发电机功率计算方法
CN111322205B (zh) 风电机组风向标零位误差辨识方法及校正方法
CN104794347A (zh) 一种风电机组机舱传递函数分区拟合方法
CN108062722B (zh) 基于风速变异系数的山地风电场模型风机机械功率计算方法
CN110454329A (zh) 一种风电机组桨距角控制方法
CN112145373B (zh) 一种风力发电机测风仪风速的校正方法
CN116702957A (zh) 面向极端天气的新能源功率预测方法、设备和存储介质
CN117590027A (zh) 一种风电机组测风仪亏损修正方法、系统及电子设备
CN110765640B (zh) 一种转子有效风速的计算方法、系统及设备
CN113343562A (zh) 一种基于混合建模策略的风机功率预测方法及系统
CN115478990A (zh) 基于气动系数的风力机风速时间参数确定方法
CN117251995A (zh) 基于可变遗忘因子最小二乘法的双馈风机惯量评估方法
CN110094299B (zh) 风电机组的偏航对风自矫正方法和设备
CN114675054B (zh) 基于风力发电机组塔基载荷的风向识别方法与系统
CN115898787A (zh) 一种风电机组静态偏航误差动态识别方法及装置
CN114294157A (zh) 风电风机偏航偏差辨识方法、纠偏方法、电子设备和介质
CN114398842A (zh) 一种在运行风电场发电量评估方法
CN115965293A (zh) 一种风电场运行分析方法及系统
CN113283035B (zh) 双参数风力机机舱传递函数构建方法、系统、设备及存储介质
CN115455680A (zh) 风电场风资源特性的确定方法及装置
CN112036663A (zh) 一种高寒山区风电场风能资源评估方法

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
GR01 Patent grant
GR01 Patent grant