CN116204841A - 一种基于运行数据的风电场可控尾流识别方法及系统 - Google Patents
一种基于运行数据的风电场可控尾流识别方法及系统 Download PDFInfo
- Publication number
- CN116204841A CN116204841A CN202310122169.3A CN202310122169A CN116204841A CN 116204841 A CN116204841 A CN 116204841A CN 202310122169 A CN202310122169 A CN 202310122169A CN 116204841 A CN116204841 A CN 116204841A
- Authority
- CN
- China
- Prior art keywords
- wake
- unit
- units
- wind
- theoretical
- 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 45
- 238000012216 screening Methods 0.000 claims abstract description 24
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 7
- 230000015654 memory Effects 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 9
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012821 model calculation Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material 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
- F03D7/028—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power
-
- 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)
- Wind Motors (AREA)
Abstract
本发明公开了一种基于运行数据的风电场可控尾流识别方法及系统,方法包括:获取风电场及场内机组的基本参数并建立每台机组的邻近机组集合;筛选出处于正常工作状态的机组并对处于正常工作状态下的机组计算其机组理论尾流作用区域,在其邻近机组集合中筛选出落在其理论尾流作用区域内且距离其最近的机组与其形成一个理论尾流作用机组对;通过提取理论尾流作用机组对中两台机组所记录的当前风向数据来建立有效尾流机组集合;通过获取有效尾流机组集合中所有机组的功率,筛选出所有下游机组功率均小于最上游机组功率的有效尾流机组集合形成可控尾流机组集合。通过本发明可以高效可靠的可控尾流识别,为风电场协同控制技术的落地提供支撑。
Description
技术领域
本发明涉及风力发电技术领域,具体涉及一种基于运行数据的风电场可控尾流识别方法及系统。
背景技术
在风力发电领域,风力机尾流效应会降低风电场的发电量,进而影响整个风电场的投资收益。目前有多种方法来减少风电场中的尾流影响,在风电场运营阶段主要采用协同控制策略来尽量避免尾流效应造成的发电量损失,该控制策略在实施前需要重点解决如何在一个运营风电场中识别判断出具备实施控制策略条件的尾流这一关键技术问题。
现有尾流识别技术主要包括两种,一是以激光雷达为代表的直接测量技术,通过先进的设备观测机组尾流影响作用范围,从而进行协同控制;二是以测风设备为基础的模型计算技术,该方法以测风塔或者场内某几台机组所测风向为全场代表风向,结合尾流模型来计算场内尾流作用范围。以激光雷达为代表的直接测量技术所用测量设备较为昂贵,常见于理论验证工作中,难以广泛应用于以提高整体收益为目的的实际工程项目;以测风设备为基础的模型计算技术虽然较为简便,但是该方法存在较多假设,其中的均匀入流假设并不符合大多数风电场的实际运行条件,在实际应用过程中易导致冗余甚至错误的协同控制动作,造成资源浪费。
发明内容
因此,本发明实施例基于风力机尾流的演化发展规律,结合风电场实时运行数据,在考虑机组运行状态以及风场不均匀性等特点,提供一种基于运行数据的风电场可控尾流识别方法及系统,能够有效识别受尾流影响的机组,可以解决现有技术存在的问题。
为达到上述目的,本发明提供如下技术方案:
第一方面,本发明实施例提供一种基于运行数据的风电场可控尾流识别方法,包括:
获取风电场及场内机组的基本参数,并基于所述基本参数建立每台机组的邻近机组集合;
获取风电场实际运行数据,筛选出处于正常工作状态的机组;
对处于正常工作状态下的机组,计算其机组理论尾流作用区域,并在其邻近机组集合中筛选出落在其理论尾流作用区域内且距离其最近的机组,与其形成一个理论尾流作用机组对;
提取理论尾流作用机组对中两台机组所记录的当前风向数据,如果两台机组的风向数据之差小于或等于预设阈值则判定两台机组为有效尾流机组对,并建立有效尾流机组集合;
获取有效尾流机组集合中所有机组的功率,筛选出所有下游机组功率均小于最上游机组功率的有效尾流机组集合,形成可控尾流机组集合。
进一步地,所述基本参数包括:风电场内各机组的编号、布局坐标,以及叶轮直径、标准功率曲线。
进一步地,以每台机组为中心取与其距离小于N倍叶轮直径的所有机组,建立该机组的邻近机组集合,其中N根据每个风电场实际环境确定。
进一步地,获取风电场实际运行数据,筛选出处于正常工作状态的机组的过程,包括:
从风电场SCADA系统中获取各个机组当前时刻的风速、风向以及功率数据,对于每台机组,根据其风速与功率数据,结合标准功率曲线判断其是否处于正常工作状态。
进一步地,根据其风速与功率数据,结合标准功率曲线判断其是否处于正常工作状态的判别标准为:
在同一风速下,若SCADA系统记录的功率数据PSCADA与根据标准功率曲线得到的功率数据PSta满足以下公式,则判定该时刻机组处于正常运行状态:
式中,偏差δ为经验参数,根据实际判别情况选取。
进一步地,所述对处于正常工作状态下的机组,计算其机组理论尾流作用区域的过程,包括:
在机组实测风向下,采用以下公式计算机组理论尾流作用区域:
Dw=2kwx+D
式中,x为当前风向下机组下游与机组之间的距离,Dw为位于x处的尾流作用直径,D为叶轮直径,kw为尾流扩散系数。
进一步地,所述建立有效尾流机组集合的过程,包括:
汇总全部有效尾流机组对,如果两个有效尾流机组对中存在同一机组,则整合为一个集合,形成有效尾流机组集合。
第二方面,本发明实施例提供一种基于运行数据的风电场可控尾流识别系统,包括:
邻近机组集合建立模块,用于获取风电场及场内机组的基本参数,并基于所述基本参数建立每台机组的邻近机组集合;
正常工作机组获取模块,用于获取风电场实际运行数据,筛选出处于正常工作状态的机组;
理论尾流作用机组对获取模块,用于对处于正常工作状态下的机组,计算其机组理论尾流作用区域,并在其邻近机组集合中筛选出落在其理论尾流作用区域内且距离其最近的机组,与其形成一个理论尾流作用机组对;
有效尾流机组合对获取模块,用于提取理论尾流作用机组对中两台机组所记录的当前风向数据,如果两台机组的风向数据之差小于或等于预设阈值则判定两台机组为有效尾流机组对,并建立有效尾流机组集合;
可控尾流机组集合获取模块,用于获取有效尾流机组集合中所有机组的功率,筛选出所有下游机组功率均小于最上游机组功率的有效尾流机组集合,形成可控尾流机组集合。
第三方面,本发明实施例提供一种计算机设备,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行本发明实施例第一方面任一实施例所述的基于运行数据的风电场可控尾流识别方法。
第四方面,本发明实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行本发明实施例第一方面任一实施例所述的基于运行数据的风电场可控尾流识别方法。
本发明技术方案,具有如下优点:
本发明提供的一种基于运行数据的风电场可控尾流识别方法及系统,基于风力机尾流概念以及风电场实时运行数据,在考虑到风电机组的差异化运行状态以及场内流场的非均匀性特点的基础上,可以达到实时地识别出场内具有协同调控潜力的可控尾流效应所在位置的目的。相比于现有的基于激光雷达的尾流直接测量技术以及基于测风设备的尾流模型计算技术,不仅在成本上大幅降低同时也更加可靠,能够较为简便地应用于实际风电场中,为风电场协同控制技术的落地提供支撑。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例中提供的基于运行数据的风电场可控尾流识别方法的一个具体示例的流程图;
图2本发明实施例中风电场的布局示意图;
图3为本发明实施例中在一段时间范围内正常工作状态与非正常工作状态数据分布示意图;
图4为本发明实施例中可绘制风电场内理论尾流作用区域示意图;
图5为为采用本发明实施例提供的可绘制风电场内有效尾流作用区域示意图;
图6为本发明实施例提供的可绘制风电场内可控尾流作用区域示意图;
图7为本发明实施例中提供的基于运行数据的风电场可控尾流识别系统一示例的模块组成图;
图8为本发明实施例提供的计算机设备一个具体示例的组成图。
具体实施方式
下面将结合附图对本发明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。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供一种的基于运行数据的风电场可控尾流识别方法,如图1所示,该方法包括以下步骤:
步骤S1:获取风电场及场内机组的基本参数,并基于所述基本参数建立每台机组的邻近机组集合。
在本发明实施例中,从风电场数据库中获取风电场及场内机组的基本参数。具体包括:风电场内各机组的编号、布局坐标,以及叶轮直径、标准功率曲线等。如图2所示的为本实施例所在风电场的布局示意,并以每台机组为中心,取与其距离小于N倍叶轮直径的所有机组建立该机组的邻近机组集合,其中N根据每个风电场实际环境确定,通常N>15,本实施例中,N取20。
步骤S2:获取风电场实际运行数据,筛选出处于正常工作状态的机组。
在本发明实施例中,从风电场SCADA系统中获取各个机组当前时刻的风速、风向以及功率数据。对于每台机组,根据其风速与功率数据,结合标准功率曲线判断其是否处于正常工作状态。具体判别标准为:
在同一风速下,若SCADA系统记录的功率数据PSCADA与根据标准功率曲线得到的功率数据PSta满足以下公式,则判定该时刻机组处于正常运行状态:
若SCADA系统记录的功率数据PSCADA与根据标准功率曲线得到的功率数据PSta满足以下公式,则判定该时刻机组处于非正常工作状态:
式中,偏差δ为经验参数,根据实际判别情况选取。
根据上述判定标准,筛选出当前时刻处于正常工作状态的机组。如图3所示的为本实施例中某台机组根据上述判断标准,在一段时间范围内正常工作状态与非正常工作状态数据分布示意图。
步骤S3:对处于正常工作状态下的机组,计算其机组理论尾流作用区域,并在其邻近机组集合中筛选出落在其理论尾流作用区域内且距离其最近的机组,与其形成一个理论尾流作用机组对。
本发明实施例对处于正常工作状态下的机组,对机组实测风向下,采用以下公式计算机组理论尾流作用区域:
Dw=2kwx+D
式中,x为当前风向下机组下游与机组之间的距离,Dw为位于x处的尾流作用直径,D为叶轮直径,kw为尾流扩散系数,为经验参数,一般对于陆上风电场取0.075,海上风电场取0.05。
步骤S4:提取理论尾流作用机组对中两台机组所记录的当前风向数据,如果两台机组的风向数据之差小于或等于预设阈值则判定两台机组为有效尾流机组对,并建立有效尾流机组集合。
提取理论尾流作用机组对中两台机组所记录的当前风向数据d1和d2,如果|d1-d2|≤M,则两台机组为有效尾流机组对,其中M根据实际情况确定,一般M小于22.5度。
本实施例中汇总全部有效尾流机组对,如果两个有效尾流机组对中存在同一机组,则整合为一个集合,形成有效尾流机组集合。以该实施例风电场在某时刻记录的数据为例,在该阶段可绘制风电场内有效尾流作用区域,如图5所示。
步骤S6:获取有效尾流机组集合中所有机组的功率,筛选出所有下游机组功率均小于最上游机组功率的有效尾流机组集合,形成可控尾流机组集合。
本发明实施例风电场在某时刻记录的数据为例,在该阶段可绘制风电场内可控尾流作用区域,如图6所示,在各个时刻根据上述步骤可实时地确定风电场内存在可控尾流影响的机组集合,进而可在该机组集合中实施协同控制策略来减小因尾流效应造成的发电量损失。图6所示即为经过本发明实施例提供的方法获得的该风电场在当前时刻的可控尾流所在位置,相关的协同控制策略也应在此集合中进行,进而减小因尾流效应造成的发电量损失。
实施例2
本发明实施例提供一种基于运行数据的风电场可控尾流识别系统,如图7所示,包括:
邻近机组集合建立模块1,用于获取风电场及场内机组的基本参数,并基于所述基本参数建立每台机组的邻近机组集合;此模块执行实施例1中的步骤S1所描述的方法,在此不再赘述。
正常工作机组获取模块2,用于获取风电场实际运行数据,筛选出处于正常工作状态的机组;此模块执行实施例1中的步骤S2所描述的方法,在此不再赘述。
理论尾流作用机组对获取模块3,用于对处于正常工作状态下的机组,计算其机组理论尾流作用区域,并在其邻近机组集合中筛选出落在其理论尾流作用区域内且距离其最近的机组,与其形成一个理论尾流作用机组对;该模块执行实施例1中的步骤S3所描述的方法,在此不再赘述。
有效尾流机组集合获取模块4,用于提取理论尾流作用机组对中两台机组所记录的当前风向数据,如果两台机组的风向数据之差小于或等于预设阈值则判定两台机组为有效尾流机组对,并建立有效尾流机组集合;该模块执行实施例1中的步骤S4所描述的方法,在此不再赘述。
可控尾流机组集合获取模块5,用于获取有效尾流机组集合中所有机组的功率,筛选出所有下游机组功率均小于最上游机组功率的有效尾流机组集合,形成可控尾流机组集合。该模块执行实施例1中的步骤S5所描述的方法,在此不再赘述。
实施例3
本发明实施例提供一种计算机设备,如图8所示,包括:至少一个处理器501,例如CPU(Central Processing Unit,中央处理器),至少一个通信接口503,存储器504,至少一个通信总线502。其中,通信总线502用于实现这些组件之间的连接通信。其中,通信接口503可以包括显示屏(Display)、键盘(Keyboard),可选通信接口503还可以包括标准的有线接口、无线接口。存储器504可以是高速RAM存储器(Ramdom Access Memory,易挥发性随机存取存储器),也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器504可选的还可以是至少一个位于远离前述处理器501的存储装置。其中处理器501可以执行实施例1的基于运行数据的风电场可控尾流识别方法。存储器504中存储一组程序代码,且处理器501调用存储器504中存储的程序代码,以用于执行实施例1的基于运行数据的风电场可控尾流识别方法。
其中,通信总线502可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。通信总线502可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一条线表示,但并不表示仅有一根总线或一种类别的总线。
其中,存储器504可以包括易失性存储器(英文:volatile memory),例如随机存取存储器(英文:random-access memory,缩写:RAM);存储器也可以包括非易失性存储器(英文:non-volatile memory),例如快闪存储器(英文:flash memory),硬盘(英文:hard diskdrive,缩写:HDD)或固态硬盘(英文:solid-state drive,缩写:SSD);存储器504还可以包括上述种类的存储器的组合。
其中,处理器501可以是中央处理器(英文:central processing unit,缩写:CPU),网络处理器(英文:network processor,缩写:NP)或者CPU和NP的组合。
其中,处理器501还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文:application-specific integrated circuit,缩写:ASIC),可编程逻辑器件(英文:programmable logic device,缩写:PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文:complex programmable logic device,缩写:CPLD),现场可编程逻辑门阵列(英文:field-programmable gate array,缩写:FPGA),通用阵列逻辑(英文:generic arraylogic,缩写:GAL)或其任意组合。
可选地,存储器504还用于存储程序指令。处理器501可以调用程序指令,实现如本申请执行实施例1中的基于运行数据的风电场可控尾流识别方法。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机可执行指令,该计算机可执行指令可执行实施例1的基于运行数据的风电场可控尾流识别方法。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(HardDisk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于运行数据的风电场可控尾流识别方法,其特征在于,包括:
获取风电场及场内机组的基本参数,并基于所述基本参数建立每台机组的邻近机组集合;
获取风电场实际运行数据,筛选出处于正常工作状态的机组;
对处于正常工作状态下的机组,计算其机组理论尾流作用区域,并在其邻近机组集合中筛选出落在其理论尾流作用区域内且距离其最近的机组,与其形成一个理论尾流作用机组对;
提取理论尾流作用机组对中两台机组所记录的当前风向数据,如果两台机组的风向数据之差小于或等于预设阈值则判定两台机组为有效尾流机组对,并建立有效尾流机组集合;
获取有效尾流机组集合中所有机组的功率,筛选出所有下游机组功率均小于最上游机组功率的有效尾流机组集合,形成可控尾流机组集合。
2.根据权利要求1所述的基于运行数据的风电场可控尾流识别方法,其特征在于,所述基本参数包括:风电场内各机组的编号、布局坐标,以及叶轮直径、标准功率曲线。
3.根据权利要求2所述的基于运行数据的风电场可控尾流识别方法,其特征在于,以每台机组为中心取与其距离小于N倍叶轮直径的所有机组,建立该机组的邻近机组集合,其中N根据每个风电场实际环境确定。
4.根据权利要求3所述的基于运行数据的风电场可控尾流识别方法,其特征在于,获取风电场实际运行数据,筛选出处于正常工作状态的机组的过程,包括:
从风电场SCADA系统中获取各个机组当前时刻的风速、风向以及功率数据,对于每台机组,根据其风速与功率数据,结合标准功率曲线判断其是否处于正常工作状态。
6.根据权利要求4所述的基于运行数据的风电场可控尾流识别方法,其特征在于,所述对处于正常工作状态下的机组,计算其机组理论尾流作用区域的过程,包括:
在机组实测风向下,采用以下公式计算机组理论尾流作用区域:
Dw=2kwx+D
式中,x为当前风向下机组下游与机组之间的距离,Dw为位于x处的尾流作用直径,D为叶轮直径,kw为尾流扩散系数。
7.根据权利要求1所述的基于运行数据的风电场可控尾流识别方法,其特征在于,所述建立有效尾流机组集合的过程,包括:
汇总全部有效尾流机组对,如果两个有效尾流机组对中存在同一机组,则整合为一个集合,形成有效尾流机组集合。
8.一种基于运行数据的风电场可控尾流识别系统,其特征在于,包括:
邻近机组集合建立模块,用于获取风电场及场内机组的基本参数,并基于所述基本参数建立每台机组的邻近机组集合;
正常工作机组获取模块,用于获取风电场实际运行数据,筛选出处于正常工作状态的机组;
理论尾流作用机组对获取模块,用于对处于正常工作状态下的机组,计算其机组理论尾流作用区域,并在其邻近机组集合中筛选出落在其理论尾流作用区域内且距离其最近的机组,与其形成一个理论尾流作用机组对;
有效尾流机组合对获取模块,用于提取理论尾流作用机组对中两台机组所记录的当前风向数据,如果两台机组的风向数据之差小于或等于预设阈值则判定两台机组为有效尾流机组对,并建立有效尾流机组集合;
可控尾流机组集合获取模块,用于获取有效尾流机组集合中所有机组的功率,筛选出所有下游机组功率均小于最上游机组功率的有效尾流机组集合,形成可控尾流机组集合。
9.一种计算机设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1-7中任一所述的基于运行数据的风电场可控尾流识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-7中任一所述的基于运行数据的风电场可控尾流识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310122169.3A CN116204841A (zh) | 2023-02-09 | 2023-02-09 | 一种基于运行数据的风电场可控尾流识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310122169.3A CN116204841A (zh) | 2023-02-09 | 2023-02-09 | 一种基于运行数据的风电场可控尾流识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116204841A true CN116204841A (zh) | 2023-06-02 |
Family
ID=86516816
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310122169.3A Pending CN116204841A (zh) | 2023-02-09 | 2023-02-09 | 一种基于运行数据的风电场可控尾流识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116204841A (zh) |
-
2023
- 2023-02-09 CN CN202310122169.3A patent/CN116204841A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020399503B2 (en) | Method and apparatus for detecting yaw-to-wind abnormality, and device and storage medium thereof | |
CN108072524B (zh) | 一种风电机组齿轮箱轴承故障预警方法 | |
CN110991666A (zh) | 故障检测方法、模型的训练方法、装置、设备及存储介质 | |
CN111881617B (zh) | 数据处理方法、风力发电机组的性能评估方法及系统 | |
WO2019127975A1 (zh) | 在极端湍流风况下控制风力发电机组变桨的方法和装置 | |
CN107947228B (zh) | 基于Markov理论的含风电电力系统随机稳定性分析方法 | |
CN115453356B (zh) | 一种动力设备运行状态监测分析方法、系统、终端及介质 | |
CN110580586A (zh) | 计及尾流效应和集电系统的风电场功率计算方法 | |
CN116204841A (zh) | 一种基于运行数据的风电场可控尾流识别方法及系统 | |
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 | |
CN116826859A (zh) | 一种电源碳电协同规划方法、装置、设备及存储介质 | |
CN110797906B (zh) | 风电基地最大装机容量的确定方法、装置及存储介质 | |
CN114778116A (zh) | 一种风力发电机组变桨轴承故障预警方法及系统 | |
CN110334951B (zh) | 一种风电机组高温降容状态的智能评估方法及系统 | |
CN116663935B (zh) | 风力机发电量计算方法、装置、计算机设备及存储介质 | |
CN113761692A (zh) | 一种基于迁移成分分析的多风电机组运行状态辨识方法 | |
CN113962583A (zh) | 混凝土重力坝洪水漫坝风险分析方法 | |
CN114547829A (zh) | 一种风电场理论功率计算方法及系统 | |
CN116292082A (zh) | 一种用于稳定风电机组转速的自适应变桨控制方法 | |
CN116502543B (zh) | 风电机组对风偏差识别方法、装置、电子设备和存储介质 | |
CN116933570B (zh) | 风电场再开发过程中的发电量评估方法和装置 | |
CN116163886A (zh) | 一种基于主动变桨策略的风电场协同控制方法及系统 | |
CN116123041A (zh) | 一种风力发电机限功率过程识别方法及系统 | |
CN117759476A (zh) | 基于编码标识的水电机组调速系统故障诊断方法和系统 | |
CN116498502A (zh) | 基于机舱控制测风雷达的风电机组功率曲线计算方法及系统 |
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 |