CN116624331A - 风电机组智能冗余群控方法、装置、存储介质及终端设备 - Google Patents
风电机组智能冗余群控方法、装置、存储介质及终端设备 Download PDFInfo
- Publication number
- CN116624331A CN116624331A CN202310396822.5A CN202310396822A CN116624331A CN 116624331 A CN116624331 A CN 116624331A CN 202310396822 A CN202310396822 A CN 202310396822A CN 116624331 A CN116624331 A CN 116624331A
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- monitoring data
- wind
- data
- target
- 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 46
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims abstract description 145
- 230000007613 environmental effect Effects 0.000 claims abstract description 50
- 230000002159 abnormal effect Effects 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 3
- 230000002547 anomalous effect Effects 0.000 claims 2
- 238000010248 power generation Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/048—Automatic control; Regulation by means of an electrical or electronic controller controlling wind farms
-
- 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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
-
- 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
本申请提供了一种风电机组智能冗余群控方法、装置、存储介质及终端设备,涉及风电机组控制技术领域,方法包括:获取目标风电机组在当前时刻的第一监测数据;在确定第一监测数据异常的情况下,获取目标风电机组的至少一台相邻风电机组在当前时刻的第二监测数据;在确定第二监测数据正常的情况下,获取目标风电机组的第一环境数据;依据第一环境数据对第二监测数据进行加权拟合,得到第三监测数据,第三监测数据为第二监测数据在第一环境数据下的等效数据;以第三监测数据作为目标风电机组的在当前时刻的目标监测数据。本申请能保证风电机组在传感器故障的情况下正常运行,避免长时间停机,提高发电效率。
Description
技术领域
本申请涉及风电机组控制技术领域,具体地涉及一种风电机组智能冗余群控方法、一种风电机组智能冗余群控装置、一种机器可读存储介质及一种终端设备。
背景技术
风速、风向和温度等外部环境对风力发电机组的正常运行有重要影响,由于风速、风向和温度在大部分工况下是多变无规律的,因此,风力发电机组对风速、风向和温度有效准确的采集是风力发电机组控制中不可或缺的重要控制部分。
目前,大型风力发电机组的风速、风向和温度的采集方法通常为:风速与风向信号通过风速仪和风向标获取风况数据,机械式通过风杯以及风向标的转轴旋转来计算当前的风速以及风向数据,超声波式通过超声波探头来计算风速和风向数据,温度一般采取热敏电阻Pt100来采集当前环境温度。风电机组的控制方式为:风速仪采集风速大小信号反馈给主控系统,主控系统根据当前的风速信息来自动判断机组是否需要切入并网发电还是风速过大切出停止发电,风向标传感器采集到风向与机舱位置的风向角度差值,传送给主控系统进行判断机组是否需要进行偏航对风,环境温度信号则决定了风机在极端的高温环境或者低温环境是否需要停机保护。
大部分现有风电机组的风速仪风向标以及部分温度传感器等外部设备的冗余控制都是通过多安装一套设备来实现,例如安装2套风速仪风向标或者2个温度传感器器等,当设备1出现问题的时候临时采用设备2的数据,但现有技术增加了整机的设备成本,且在备用设备同时出现问题的时候,只能让风机停机等待维修,这种情况在冬季大雪封山的风场尤为明显,维修人员不能及时的进行更换维修,风机只能长时间停机,导致风力资源的浪费及电量收益损失。
申请内容
本申请实施例的目的是提供一种风电机组智能冗余群控方法、装置、存储介质及终端设备,以解决上述问题。
为了实现上述目的,本申请第一方面提供一种风电机组智能冗余群控方法,包括:
获取目标风电机组在当前时刻的第一监测数据;
在确定所述第一监测数据异常的情况下,获取所述目标风电机组的至少一台相邻风电机组在当前时刻的第二监测数据,所述目标风电机组的相邻风电机组与所述目标风电机组属于同一风电机组群;
在确定所述第二监测数据正常的情况下,获取所述目标风电机组的第一环境数据;
依据所述第一环境数据对所述第二监测数据进行加权拟合,得到第三监测数据,所述第三监测数据为所述第二监测数据在所述第一环境数据下的等效数据;
以所述第三监测数据作为所述目标风电机组的在当前时刻的目标监测数据。
可选地,所述第一监测数据及所述第二监测数据至少包括:
风速、风向及环境温度中的一者或多者。
可选地,确定所述第一监测数据异常,包括:
若所述目标风电机组在当前时刻的风速与所述目标风电机组在当前时刻的前N个时刻的历史风速均相同,确定所述第一监测数据异常。
可选地,若所述目标风电机组在当前时刻的风向及所述目标风电机组在当前时刻的前N个时刻的历史风向均相同,确定所述第一监测数据异常。
可选地,确定所述第一监测数据异常,包括:
确定当前时刻所述风电机组群中除所述目标风电机组外的所有风电机组对应的环境温度的环境温度均值;
若所述目标风电机组在当前时刻的环境温度与得到的环境温度均值之间的差值达到环境温度差阈值,确定所述第一监测数据异常。
可选地,所述第一环境数据至少包括:
所述目标风电机组的位置及海拔高度。
可选地,依据所述第一环境数据对所述第二监测数据进行加权拟合,得到第三监测数据,包括:
通过预设的关系表格确定所述第一环境数据的权重系数,所述关系表格至少包括不同位置及海拔高度对应的风速、风向或环境温度的权重系数;
以所述第一环境数据的权重系数对相邻风电机组在当前时刻的风速、风向或环境温度进行加权拟合,确定加权拟合后的风速、风向及环境温度中的一者或多者作为第三监测数据。
本申请第二方面,提供一种风电机组智能冗余群控装置,其特征在于,包括:
数据获取模块,被配置为获取目标风电机组在当前时刻的第一监测数据;
在确定所述第一监测数据异常的情况下,获取所述目标风电机组的至少一台相邻风电机组在当前时刻的第二监测数据,所述目标风电机组的相邻风电机组与所述目标风电机组属于同一风电机组群;以及
在确定所述第二监测数据正常的情况下,获取所述目标风电机组的第一环境数据;
数据修正模块,被配置为依据所述第一环境数据对所述第二监测数据进行加权拟合,得到第三监测数据,所述第三监测数据为所述第二监测数据在所述第一环境数据下的等效数据;以及
以所述第三监测数据作为所述目标风电机组的在当前时刻的目标监测数据。
本申请第三方面,提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得处理器被配置成执行上述的风电机组智能冗余群控方法。
本申请第四方面,提供一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的风电机组智能冗余群控方法。
本申请提供的实施方式具有以下有益效果:
本申请通过对风电机组的监测数据是否异常进行监测,在确定监测数据异常的情况下,获取与当前风电机组相邻的风电机组的正常监测数据,根据当前风电机组与相邻风电机组的环境数据对采集到的相邻风电机组的监测数据进行加权拟合折算,得到当前风电机组的等效监测数据,从而能够在不额外增加传感器设备的情况下实现在传感器故障时确定风电机组的监测数据,从而保证风电机组在传感器故障的情况下正常运行,避免长时间停机,提高发电效率。
本申请实施例或实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本申请实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本申请实施例,但并不构成对本申请实施例的限制。在附图中:
图1示意性示出了本申请实施方式的风电机组智能冗余群控方法的方法流程图;
图2示意性示出了本申请实施方式的风电机组冗余控制逻辑图;
图3示意性示出了本申请实施方式的风电机组智能冗余群控装置的示意框图;
图4示意性示出了本申请实施方式的一种终端设备结构示意图。
附图标记说明
10-终端设备,100-处理器,101-存储器,102-计算机程序。
具体实施方式
以下结合附图对本申请实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本申请实施例,并不用于限制本申请实施例。
可以理解的,本申请的方法可应用于风电机组控制系统,其中,风力发电机组的主控PLC采用巴合曼控制器,风电机组控制系统采用BS架构(浏览器和服务器架构模式)进行风电场内所有风电机组之间的数据相互传递与交互,从而实现针对风电机组的风速仪风向标以及温度传感器等外部设备进行智能冗余控制,其中,服务器可以采用Goahead嵌入式WebServer服务器,通过Http轮询方式对风电场内的所有风电机组进行数据访问连接。例如,可以采用AJAX与Goahead嵌入式服务器轮询交互方式,并通过Goahead服务器的GoForms过程来处理前台指令,然后通过Web_SviRead与Web_SviWrite的方法对巴合曼控制器中的SVI变量进行读写操作。
本申请中,风电机组控制系统由冗余控制监控系统、风电机组外设信号采集系统、控制信号与冗余数据输入系统和智能冗余控制系统构成,其中,冗余控制监控系统对所有风电机组的外部设备信号进行实时监控,当风电场中的某台风电机组的外部设备如传感器等出现问题的时候,产生冗余控制信号,以控制对故障设备采集的数据进行切换,智能冗余控制系统对外部设备故障的风电机组的冗余控制信号进行识别,针对故障风电机组的位置进行附近的正常运行风机的选择,并启动风电机组外设信号采集系统采集这几台正常运行风机的外设数据,然后通过地址位置远近,海拔高度和温度等进行加权等效拟合计算出一个当前故障机位的外设数据,最后使用控制信号与冗余数据输入系统将折算后的数据写入故障机位,从而实现在没有增加额外硬件的情况下,获取风电机组之间运行数据并进行相应控制,保证风电机组可以在传感器设备损坏的情况下正常运行,不会长时间停机,提高发电效益。其中,通过Goahead服务器实现的前台冗余控制监控系统界面可以采用HTML+CSS+Javascript与数据可视化工具Echarts相结合,并通过AJAX(异步JavaScript和XML)实现界面的局部数据更新。
如图1及图2所示,本申请第一方面提供一种风电机组智能冗余群控方法,包括:
S100、获取目标风电机组在当前时刻的第一监测数据;
S200、在确定第一监测数据异常的情况下,获取目标风电机组的至少一台相邻风电机组在当前时刻的第二监测数据,目标风电机组的相邻风电机组与目标风电机组属于同一风电机组群;
S300、在确定第二监测数据正常的情况下,获取目标风电机组的第一环境数据,依据第一环境数据对第二监测数据进行加权拟合,得到第三监测数据,第三监测数据为第二监测数据在第一环境数据下的等效数据;
S400、以第三监测数据作为目标风电机组的在当前时刻的目标监测数据。
如此,本申请通过对风电机组的监测数据是否异常进行监测,在确定监测数据异常的情况下,获取与当前风电机组相邻的风电机组的正常监测数据,根据当前风电机组与相邻风电机组的环境数据对采集到的相邻风电机组的监测数据进行加权拟合折算,得到当前风电机组的等效监测数据,从而能够在不额外增加传感器设备的情况下实现在传感器故障时确定风电机组的监测数据,从而保证风电机组在传感器故障的情况下正常运行,避免长时间停机,提高发电效率。
具体的,步骤S100中,可以以预先设定的监测时刻对同一风电场中的所有风电机组的监测数据进行采集,例如,每1秒采集一次风电机组的监测数据,可以理解的,目标风电机组的监测数据可以通过设置在目标风电机组上的风速风向仪、温度传感器等进行采集。其中第一监测数据至少包括:风速、风向及环境温度中的一者或多者,本申请中,第一监测数据包括目标风电机组对应的风速、风向及环境温度。
步骤S200中,在获取到目标风电机组的第一监测数据后,首先对第一监测数据是否异常进行判断,其中,确定第一监测数据异常,包括:若目标风电机组在当前时刻的风速与目标风电机组在当前时刻的前N个时刻的历史风速均相同,确定第一监测数据异常。例如,以监测数据的采集频率为次/秒为例,在采集到目标风电机组在当前时刻的风速后,将采集到的当前时刻的风速与目标风电机组的前29秒的风速进行比较,若当前时刻的风速与当前时刻之前29秒的风速均相同,即目标风电机组的风速仪采集到的风速已经持续30S没有变化,则可判断目标风电机组的风速仪故障,第一监测数据异常。
同理,若目标风电机组在当前时刻的风向及目标风电机组在当前时刻的前N个时刻的历史风向均相同,确定第一监测数据异常。在采集到目标风电机组在当前时刻的风向后,将采集到的当前时刻的风向与目标风电机组的前29秒的风向进行比较,若当前时刻的风向与当前时刻之前29秒的风向均相同,即目标风电机组的风向标采集到的风向已经持续30S没有变化,则可判断目标风电机组的风向标故障,第一监测数据异常。
若第一监测数据包括环境温度,则确定第一监测数据异常,还包括:确定当前时刻风电机组群中除目标风电机组外的所有风电机组对应的环境温度的环境温度均值;若目标风电机组在当前时刻的环境温度与得到的环境温度均值之间的差值达到环境温度差阈值,确定第一监测数据异常。例如,当前风电场内包括风电机组1、风电机组2、风电机组3、…、风电机组N,确定风电机组1为目标风电机组,当采集到风电机组1在当前时刻的环境温度t1后,获取当前时刻风电机组2~风电机组N的环境温度t2~tN,并计算t2~tN的平均值t0,将t1与t0进行比较,若t1与t0的差值大于预设的环境温度差阈值,即风电机组1处采集到的温度与风电场中其他风电机组的温度差异过大,则可判断风电机组1的温度传感器故障。
可以理解的,步骤S200中,目标风电机组的相邻风电机组可以根据风电场的实际布局和目标风电机组的特征信息来确定。例如,可以以同一风电场中,与目标风电机组的距离最近的1台或多台风电机组为相邻风电机组,本申请中,相邻风电机组为2台。又例如,可以以与目标风电机组海拔高度相近的风电机组为相邻风电机组,例如,确定与目标风电机组的海拔高度的差值在设定阈值内的风电机组中,与目标风电机组距离最近的2台风电机组为相邻风电机组。其中,第二监测数据与第一监测数据的元素相同,即包括相邻风电机组对应的风速、风向及环境温度。
步骤S300中,在获取到相邻风电机组的第二监测数据后,还需要对第二监测数据是否异常进行判断,以相邻风电机组为2台为例,若根据采集到的第二监测数据确定2台相邻风电机组的外设都是正常运行状态,则对2台相邻风电机组的第二监测数据均进行采集,若其中1台的外设损坏则采集另一台的第二监测数据,若2台相邻风电机组的外设都是损坏的,则不对2台相邻风电机组的第二监测数据进行采集,停止对目标风电机组的外部设备的冗余控制。可以理解的,若2台相邻风电机组的外部设备均为正常运行状态,则以其中任一台相邻风电机组的第二监测数据作为对目标风电机组的目标检测数据进行折算的基础监测数据,或者以该2台相邻风电机组的第二监测数据的均值作为基础监测数据;若仅其中1台相邻风电机组的外部设备为正常运行状态,则以该相邻风电机组对应的第二监测数据作为基础监测数据。
确定用于折算的基础监测数据后,首先根据第一环境数据确定数据折算的权重系数,其中,第一环境数据至少包括:目标风电机组的位置及海拔高度,其中,位置可以为目标风电机组的坐标或目标风电机组与相邻风电机组的距离。依据第一环境数据对第二监测数据进行加权拟合,得到第三监测数据,包括:
通过预设的关系表格确定第一环境数据的权重系数,关系表格至少包括不同位置及海拔高度对应的风速、风向或环境温度的权重系数;其中,可以预先通过实验或仿真确定风电机组在不同海拔高度下对风速、风向或环境温度的影响,根据不同海拔高度对不同参数的影响,确定不同海拔高度对应于不同参数的权重系数;同理,可以确定风电机组在风电场内不同位置对风速、风向或环境温度的影响,并确定不同位置对应于不同参数的权重系数。可以理解的,若第一环节数据包括风电机组的位置及海拔高度两项参数时,可以基于位置及海拔高度进行仿真实验得到位置及海拔高度对应于不同参数的综合权重系数,也可以分别得到位置对应于不同参数的权重系数及海拔高度对应于不同参数的权重系数,通过对得到的权重系数进行加权拟合后得到综合权重系数,此处对此不作限定。
在一个具体实例中,关系表格的构建步骤包括:
S1、分别获取目标风电机组在预设监测周期内的第一平均风速及与目标风电机组相邻的每一风电机组的第二平均风速。以临近机组群有3台相互备用的机组机组1、机组2、机组3为例,其中,机组1为目标风电机组,机组2及机组3为机组1的相邻风电机组,在3台机组的风速采集设备均正常的情况下,分别采集机组1、机组2及机组3在10分钟内的平均风速数据,分别记为机组1风速、机组2风速及机组3风速,可以理解的,机组1风速为第一平均风速,机组2风速及机组3风速为第二平均风速。
S2、分别计算第一平均风速及所有第二平均风速中的每一平均风速与其余平均风速之间的风速比值。具体的,分别计算机组1风速/机组2风速,机组1风速/机组3风速,机组2风速/机组1风速,机组2风速/机组3风速,机组3风速/机组1风速,机组3风速/机组2风速,这样就会得到3台机组相互之间的风速在10分钟的比例关系值。
S3、对每一机组的10分钟平均风速进行风速段划分,如根据每一机组的10分钟平均风速可以将风速段划分为3m-4m、4m-5m、5m-6m,以此类推,计算任意2个机组在不同风速段的N个预设监测周期如1个小时内的平均风速比值,从而构建不同风电机组即不同位置和海拔高度对应的不同风速的比值关系即权重系数的关系表格。具体的,分别统计机组1、机组2及机组3之间在每个风速段下每小时的风速比值,以机组1为例,统计其在风速段3m-4m下,每小时即6个预设监测周期与机组2及机组3在该风速段的风速比值,例如,分别得到机组1与机组2在第一个10分钟、…、第六个10分钟的风速比值为风速比值1、风速比值2、风速比值3、风速比值4、风速比值5、风速比值6,计算得到机组1与机组2在风速段3m-4m下,每小时的平均风速比值为(风速比值1+风速比值2+风速比值3+风速比值4+风速比值5+风速比值6)/6。以此类推,计算得到各机组在不同风速段下,与相邻机组每小时的平均风速比值,这样就可以构建每台机组与其他相邻2台机组在每个风速段的风速与平均风速比值的矩阵关系,当其中一个机组的风速仪损坏,就可以通过一台或者2台机组的风速进行每个风速段内的值进行等效折算。可以理解的,机组运行的时间越长,得到的比例系数就越准确,因此,本申请中,不同机组在不同风速段的平均风速比值包括但不限于为1个小时内的平均风速比值。
同理,可以采用上述方法得到机组1与机组2、机组3之间在不同温度段,与相邻机组每小时的平均温度比值,其中,温度段的划分可以是在-30°至40°范围内,以每3°为一个区间进行温度段的划分,目标机组与其相邻机组在不同温度段的平均温度比值的计算过程与平均风速比值相同,此处不再赘述。
同理,本申请还可以采用上述方法得到机组1与机组2、机组3之间在不同风向段,与相邻机组每小时的平均风向比值,其中,风向需要进行风向偏差值段划分,例如在-30°至30°范围内,以每2°为一个区间进行风向段的划分,其中,目标机组与其相邻机组在不同风向段的平均风向比值的计算过程与平均风速比值相同,此处不再赘述。
通过上述步骤,分别构建不同风电机组即不同位置和海拔高度在不同风速段与相邻风电机组的不同平均风速比值关系、不同风电机组在不同温度段与相邻风电机组的不同平均温度比值关系及不同风电机组在不同风向段与相邻风电机组的不同平均风向比值关系的关系表格,从而在进行数据折算时,只需根据相邻风电机组的风速、风向或环境温度所属的风速段、风向段或温度段,从构建的关系表格中获取目标风电机组与该相邻风电机组对应的权重系数即比值关系即可将相邻风电机组的监测数据进行折算,以折算后的风速、风向及环境温度作为目标风电机组的第三监测数据,通过Goahead服务器的GoForms过程中的Web_SviWrite将计算得到的目标风电机组的等效运行数替换目标风电机组的故障数据即异常的第一监测数据,以使目标风电机组能够正常运行而无需长时间停机。可以理解的,若根据相邻风电机组的第二监测数据折算得到的第三监测数据仍然异常,则控制目标风电机组停机,以便于检测维修。
如图3所示,本申请第二方面,提供一种风电机组智能冗余群控装置,其特征在于,包括:
数据获取模块,被配置为获取目标风电机组在当前时刻的第一监测数据;
在确定第一监测数据异常的情况下,获取目标风电机组的至少一台相邻风电机组在当前时刻的第二监测数据,目标风电机组的相邻风电机组与目标风电机组属于同一风电机组群;以及
在确定第二监测数据正常的情况下,获取目标风电机组的第一环境数据;
数据修正模块,被配置为依据第一环境数据对第二监测数据进行加权拟合,得到第三监测数据,第三监测数据为第二监测数据在第一环境数据下的等效数据;以及
以第三监测数据作为目标风电机组的在当前时刻的目标监测数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请第三方面,提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得处理器被配置成执行上述的风电机组智能冗余群控方法。
本申请第四方面,提供一种终端设备,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述的风电机组智能冗余群控方法。
如图4所示是本申请实施方式提供的终端设备的示意图。如图4所示,该实施例的终端设备10包括:处理器100、存储器101以及存储在存储器101中并可在处理器100上运行的计算机程序102。处理器100执行计算机程序102时实现上述方法实施例中的步骤。或者,处理器100执行计算机程序102时实现上述各装置实施例中各模块/单元的功能。
示例性的,计算机程序102可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器101中,并由处理器100执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序102在终端设备10中的执行过程。
终端设备10可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。终端设备10可包括,但不仅限于,处理器100、存储器101。本领域技术人员可以理解,图4仅仅是终端设备10的示例,并不构成对终端设备10的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备还可以包括输入输出设备、网络接入设备、总线等。
处理器100可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器101可以是终端设备10的内部存储单元,例如终端设备10的硬盘或内存。存储器101也可以是终端设备10的外部存储设备,例如终端设备10上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器101还可以既包括终端设备10的内部存储单元也包括外部存储设备。存储器101用于存储计算机程序以及终端设备10所需的其他程序和数据。存储器101还可以用于暂时地存储已经输出或者将要输出的数据。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
综上,本申请通过对异常数据的监测、识别、计算和替代实现了对风电机组的全自动控制,避免了手动切换操作所带来的一系列弊端,可大幅减少风电机组在严酷恶劣环境中由于外设设备损坏而导致的长时间故障停机,实现了保障风电机组安全稳定运行的基础上提高了机组的经济收益;同时,本申请可以有效降低外部冗余设备的数量,进一步降低整机的制造成本;另外,本申请使用简单,前台冗余控制监控系统只需在环网计算机中增加相应功能即可,可以直接利用风机塔底带工控功能的显示屏,无需额外增加设备成本;本申请中与临近机位的数据交互方式简单可靠,不需要额外增加与临近机位的通信设备。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种风电机组智能冗余群控方法,其特征在于,包括:
获取目标风电机组在当前时刻的第一监测数据;
在确定所述第一监测数据异常的情况下,获取所述目标风电机组的至少一台相邻风电机组在当前时刻的第二监测数据,所述目标风电机组的相邻风电机组与所述目标风电机组属于同一风电机组群;
在确定所述第二监测数据正常的情况下,获取所述目标风电机组的第一环境数据;
依据所述第一环境数据对所述第二监测数据进行加权拟合,得到第三监测数据,所述第三监测数据为所述第二监测数据在所述第一环境数据下的等效数据;
以所述第三监测数据作为所述目标风电机组的在当前时刻的目标监测数据。
2.根据权利要求1所述的风电机组智能冗余群控方法,其特征在于,所述第一监测数据及所述第二监测数据至少包括:
风速、风向及环境温度中的一者或多者。
3.根据权利要求2所述的风电机组智能冗余群控方法,其特征在于,确定所述第一监测数据异常,包括:
若所述目标风电机组在当前时刻的风速与所述目标风电机组在当前时刻的前N个时刻的历史风速均相同,确定所述第一监测数据异常。
4.根据权利要求2所述的风电机组智能冗余群控方法,其特征在于,
若所述目标风电机组在当前时刻的风向及所述目标风电机组在当前时刻的前N个时刻的历史风向均相同,确定所述第一监测数据异常。
5.根据权利要求2所述的风电机组智能冗余群控方法,其特征在于,确定所述第一监测数据异常,包括:
确定当前时刻所述风电机组群中除所述目标风电机组外的所有风电机组对应的环境温度的环境温度均值;
若所述目标风电机组在当前时刻的环境温度与得到的环境温度均值之间的差值达到环境温度差阈值,确定所述第一监测数据异常。
6.根据权利要求3~5中任一项权利要求所述的风电机组智能冗余群控方法,其特征在于,所述第一环境数据至少包括:
所述目标风电机组的位置及海拔高度。
7.根据权利要求6所述的风电机组智能冗余群控方法,其特征在于,依据所述第一环境数据对所述第二监测数据进行加权拟合,得到第三监测数据,包括:
通过预设的关系表格确定所述第一环境数据的权重系数,所述关系表格至少包括不同位置及海拔高度对应的风速、风向或环境温度的权重系数;
以所述第一环境数据的权重系数对相邻风电机组在当前时刻的风速、风向或环境温度进行加权拟合,确定加权拟合后的风速、风向及环境温度中的一者或多者作为第三监测数据。
8.一种风电机组智能冗余群控装置,其特征在于,包括:
数据获取模块,被配置为获取目标风电机组在当前时刻的第一监测数据;
在确定所述第一监测数据异常的情况下,获取所述目标风电机组的至少一台相邻风电机组在当前时刻的第二监测数据,所述目标风电机组的相邻风电机组与所述目标风电机组属于同一风电机组群;以及
在确定所述第二监测数据正常的情况下,获取所述目标风电机组的第一环境数据;
数据修正模块,被配置为依据所述第一环境数据对所述第二监测数据进行加权拟合,得到第三监测数据,所述第三监测数据为所述第二监测数据在所述第一环境数据下的等效数据;以及
以所述第三监测数据作为所述目标风电机组的在当前时刻的目标监测数据。
9.一种机器可读存储介质,其特征在于,该机器可读存储介质上存储有指令,该指令在被处理器执行时使得处理器被配置成执行权利要求1~8中任一项权利要求所述的风电机组智能冗余群控方法。
10.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1~8中任一项权利要求所述的风电机组智能冗余群控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310396822.5A CN116624331A (zh) | 2023-04-13 | 2023-04-13 | 风电机组智能冗余群控方法、装置、存储介质及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310396822.5A CN116624331A (zh) | 2023-04-13 | 2023-04-13 | 风电机组智能冗余群控方法、装置、存储介质及终端设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116624331A true CN116624331A (zh) | 2023-08-22 |
Family
ID=87612423
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310396822.5A Pending CN116624331A (zh) | 2023-04-13 | 2023-04-13 | 风电机组智能冗余群控方法、装置、存储介质及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116624331A (zh) |
-
2023
- 2023-04-13 CN CN202310396822.5A patent/CN116624331A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101519483B1 (ko) | 풍력발전단지의 시뮬레이션 장치 | |
AU2020399503B2 (en) | Method and apparatus for detecting yaw-to-wind abnormality, and device and storage medium thereof | |
CN106815771B (zh) | 一种风电场载荷的长期评估方法 | |
CN110067708B (zh) | 一种使用功率曲线识别偏航对风不正的方法 | |
EP2728175A1 (en) | Operation monitoring system, operation monitoring method, and program | |
US8112252B2 (en) | Control system and methods of verifying operation of at least one wind turbine sensor | |
US20140103652A1 (en) | System and method of selecting wind turbine generators in a wind park for curtailment of output power to provide a wind reserve | |
CN103323772A (zh) | 基于神经网络模型的风力发电机运行状态分析方法 | |
CN111082749B (zh) | 光伏组串运行状态的识别方法、装置及存储介质 | |
CN113030516B (zh) | 风速仪故障检测方法、装置、设备和存储介质 | |
EP4130463A1 (en) | Wind turbine generator system, and rotation speed avoidance control method and apparatus therefor | |
CN111287911A (zh) | 一种风电机组疲劳载荷的预警方法和系统 | |
CN113586336B (zh) | 风力发电机组的控制方法及其控制装置及计算机可读存储介质 | |
TWI729349B (zh) | 風力發電裝置及風力發電系統 | |
EP3608538A1 (en) | Model-based repowering solutions for wind turbines | |
WO2018110268A1 (ja) | 運転支援システム及び運転支援方法 | |
EP3526471A1 (en) | Determining loads on a wind turbine | |
CN116624331A (zh) | 风电机组智能冗余群控方法、装置、存储介质及终端设备 | |
CN112131753A (zh) | 风机疲劳寿命的评估方法、系统、设备及可读介质 | |
TWI707086B (zh) | 風力發電廠控制系統及風力發電廠的控制方法 | |
CN116542030A (zh) | 基于轨迹灵敏度的双馈风机参数辨识方法、系统及设备 | |
CN113761692B (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 | |
US11920562B2 (en) | Temperature estimation in a wind turbine | |
Topić et al. | Reliability model of different wind power plant configuration using sequential Monte Carlo simulation | |
US20230213018A1 (en) | Wind turbine generator system, and rotation speed avoidance control method and apparatus therefor |
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 |