CN116662748A - 风机覆冰厚度的预测方法、预测装置、存储介质及处理器 - Google Patents

风机覆冰厚度的预测方法、预测装置、存储介质及处理器 Download PDF

Info

Publication number
CN116662748A
CN116662748A CN202310530166.3A CN202310530166A CN116662748A CN 116662748 A CN116662748 A CN 116662748A CN 202310530166 A CN202310530166 A CN 202310530166A CN 116662748 A CN116662748 A CN 116662748A
Authority
CN
China
Prior art keywords
fan
predicted
determining
icing
time period
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
Application number
CN202310530166.3A
Other languages
English (en)
Inventor
徐勋建
周逸豪
冯涛
蔡泽林
胡博
简洲
李丽
叶钰
黄金海
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.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
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 State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202310530166.3A priority Critical patent/CN116662748A/zh
Publication of CN116662748A publication Critical patent/CN116662748A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • 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
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • F03D80/40—Ice detection; De-icing means
    • 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)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Application Of Or Painting With Fluid Materials (AREA)

Abstract

本申请实施例提供一种风机覆冰厚度的预测方法、预测装置、存储介质及处理器。预测方法包括：确定目标区域在目标时间点之前的预设时间段的预测气象数据；根据预测气象数据确定目标区域中的每个风机在目标时间点的预测覆冰状态；获取目标区域中每个风机的叶片参数；根据预测气象数据和每个风机的叶片参数确定每个风机的叶尖在目标时间点的预测线速度；根据每个风机的预测覆冰状态、预测线速度以及预测气象数据确定每个风机在预设时间段的覆冰增量预测值；根据覆冰增量预测值确定每个风机在目标时间点的覆冰厚度预测值。可以准确预测未来时间风机的覆冰厚度。从而可以科学指导调度部门提前调整运行方式，指导对风机退备容量的预测和提前调度计划，保障冬季电力供应。

Description

风机覆冰厚度的预测方法、预测装置、存储介质及处理器
技术领域
本申请涉及风力发电风险评估技术领域，具体涉及一种风机覆冰厚度的预测方法、预测装置、存储介质及处理器。
背景技术
风能是一种可再生能源，风力发电已成为世界各国发展清洁能源的重要选择之一。然而，在寒冷的天气条件下，风机叶片很容易发生覆冰现象，严重影响风机的性能和正常运行，导致风机退备和风电出力减少，加剧冬季供电缺口。因此，对风机叶片的覆冰厚度预测非常重要，可以提前指导场站应对和调度计划，保障电力供应。而在风机叶片覆冰预测方面，目前的一些研究方法通常使用经验或简化的模型，这些模型主要基于统计分析和历史数据，无法考虑到气象环境条件的变化对风机覆冰的影响，因此预测精度较低，无法满足实际应用需求。
发明内容
本申请实施例的目的是提供一种风机覆冰厚度的预测方法、预测装置、存储介质及处理器。
为了实现上述目的，本申请第一方面提供一种风机覆冰厚度的预测方法，预测方法包括：
确定目标区域在目标时间点之前的预设时间段的预测气象数据；
根据预测气象数据确定目标区域中的每个风机在目标时间点的预测覆冰状态；
获取目标区域中每个风机的叶片参数；
根据预测气象数据和每个风机的叶片参数确定每个风机的叶尖在目标时间点的预测线速度；
根据每个风机的预测覆冰状态、预测线速度以及预测气象数据确定每个风机在预设时间段的覆冰增量预测值；
根据覆冰增量预测值确定每个风机在目标时间点的覆冰厚度预测值。
在本申请的实施例中，预测气象数据包括大气温度、地面温度以及相对湿度，根据预测气象数据确定目标区域中的每个风机在目标时间点的预测覆冰状态包括：根据大气温度确定降水粒子在预设时间段降落至地面的含冰率；在含冰率小于预设阈值，且地面温度小于预设温度的情况下，确定每个风机在目标时间点的预测覆冰状态为冻雨覆冰状态；在相对相对湿度大于预设相对湿度，且地面温度小于预设温度的情况下，确定每个风机在目标时间点的预测覆冰状态为冻雾覆冰状态。
在本申请的实施例中，根据大气温度确定预设时间段的降水粒子降落至地面的含冰率包括，根据公式(1)计算含冰率：
其中，I是指降水粒子在预设时间段降落至地面的含冰率，W是指目标区域的大气在预设时间段的热量传导系数，z是指目标区域的降水粒子在预设时间段降落至地面的下降高度，T是指目标区域在预设时间段的大气温度，pi是指冰的密度，r是指降水粒子的半径。
在本申请的实施例中，预测气象数据还包括降水量和过冷水含量，根据每个风机的预测覆冰状态、预测线速度以及预测气象数据确定每个风机在预设时间段的覆冰增量预测值包括：针对每个风机，在风机的预测覆冰状态为冻雨覆冰状态的情况下，根据降水量、过冷水含量和风机叶片的预测线速度确定风机在预设时间段覆冰的第一增量预测值；针对每个风机，在风机的预测覆冰状态为冻雾覆冰状态的情况下，根据过冷水含量和风机叶片的预测线速度确定风机在预设时间段覆冰的第二增量预测值；针对每个风机，根据第一增量预测值和/或第二增量预测值确定风机在预设时间段的覆冰增量预测值。
在本申请的实施例中，针对每个风机，在风机的预测覆冰状态为冻雨覆冰状态的情况下，根据降水量、过冷水含量和风机叶片的预测线速度确定风机在预设时间段覆冰的第一增量预测值包括，根据公式(2)确定每个风机在预设时间段覆冰的第一增量预测值：
其中，Efrz是指每个风机在预设时间段的第一增量预测值，pi是指冰的密度，ρ0是指水的密度，p为目标区域在预设时间段的降水量，U是指每个风机的的叶尖在目标时间点的预测线速度，M是指目标区域在预设时间段的过冷水含量。
在本申请的实施例中，针对每个风机，在风机的预测覆冰状态为冻雾覆冰状态的情况下，根据过冷水含量和风机叶片的预测线速度确定风机的覆冰在预设时间段的第二增量预测值包括，根据公式(3)确定每个风机的覆冰在预设时间段的第二增量预测值；
Efog＝M×U×Δt×p2ir×β (3)
其中，Efog是指每个风机的覆冰在预设时间段的第二增量预测值，M是指目标区域在预设时间段的过冷水含量，U是指每个风机的的叶尖在目标时间点的预测线速度，Δt是指预设时间段，ρair是指目标区域在预设时间段的大气密度，β是指每个风机在预设时间段的冻结系数。
在本申请的实施例中，预测气象数据包括风速，叶片参数包括叶片转动半径和叶片转数，根据预测气象数据和每个风机的叶片参数确定每个风机的叶尖在目标时间点的预测线速度包括：根据每个风机的叶片转动半径和叶片转数确定每个风机的叶尖速比；根据每个风机的叶尖速比确定每个风机的叶尖线速度；根据风速和每个风机的叶尖线速度确定每个风机的叶尖在目标时间点的预测线速度。
本申请第二方面提供一种处理器，被配置成执行上述的风机覆冰厚度的预测方法。
本申请第三方面提供一种风机覆冰厚度的预测装置，包括：
气象预测模块，用于确定目标区域在目标时间点之前的预设时间段的预测气象数据；
覆冰状态预测模块，用于根据预测气象数据确定目标区域中的每个风机在目标时间点的预测覆冰状态；
风机参数预测模块，用于获取目标区域中每个风机的叶片参数，根据预测气象数据和每个风机的叶片参数确定每个风机的叶尖在目标时间点的预测线速度；
覆冰厚度预测模块，用于根据每个风机的预测覆冰状态、预测线速度以及预测气象数据确定每个风机在预设时间段的覆冰增量预测值，根据覆冰增量预测值确定每个风机在目标时间点的覆冰厚度预测值。
本申请第四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所述处理器被配置成执行上述的风机覆冰厚度的预测方法。
通过上述技术方案，通过确定目标区域在目标时间点之前的预设时间段的预测气象数据；根据预测气象数据确定目标区域中的每个风机在目标时间点的预测覆冰状态；获取目标区域中每个风机的叶片参数；根据预测气象数据和每个风机的叶片参数确定每个风机的叶尖在目标时间点的预测线速度；根据每个风机的预测覆冰状态、预测线速度以及预测气象数据确定每个风机在预设时间段的覆冰增量预测值；根据覆冰增量预测值确定每个风机在目标时间点的覆冰厚度预测值。基于气象条件对风机覆冰的影响，可以准确预测未来时间风机的覆冰厚度。从而可以科学指导调度部门提前调整运行方式，保护风机发电组的使用寿命和正常工作。能够实现风机叶片覆冰厚度预测，指导对风机退备容量的预测和提前调度计划，保障冬季电力供应。
本申请实施例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示意性示出了根据本申请实施例的风机覆冰厚度的预测方法的流程示意图；
图2示意性示出了根据本申请实施例的实况气象数据和预测气象数据的曲线图；
图3示意性示出了根据本申请实施例的预测覆冰厚度和实际开机容量的示意图；
图4示意性示出了根据本申请实施例的风机覆冰厚度的预测装置的结构框图；
图5示意性示出了根据本申请实施例的计算机设备的内部结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，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。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
图1示意性示出了根据本申请实施例的风机覆冰厚度的预测方法的流程示意图。如图1所示，在本申请一实施例中，提供了一种风机覆冰厚度的预测方法，包括以下步骤：
S102，确定目标区域在目标时间点之前的预设时间段的预测气象数据。
目标区域是指风机的风电场所在的地理区域。目标时间点是指未来时间的任意一个时间点，可以自定义设定。预设时间段在目标时间点之前，且包括该目标时间点的一段时间，可以自定义设定。例如，目标时间点是当前时间后的第15天下午16点，那么预设时间段可以是第14天下午16点至第15天下午16点之间的时间段。预测气象数据是指风电场在预设时间段预测的气象要素。气象要素包括环境的气温、降水、风速、风向、相对相对湿度、气压等中的至少一者。通过气象数值预报模式，处理器可以根据风电场所在的目标区域，选择模式计算区域，并且基于目标区域的地形高度等静态数据和全球大尺度气象资料，驱动数值预报模式运行，提供风电场所在的目标区域在未来的预设时间段的降水、温度、相对湿度、风速等预测气象数据。
S104，根据预测气象数据确定目标区域中的每个风机在目标时间点的预测覆冰状态。
处理器可以根据风电场所在的目标区域在未来的预设时间段的降水、温度、相对湿度、风速等预测气象数据，来确定目标区域中的每个风机在目标时间点的预测覆冰状态。预测覆冰状态是指风机的叶片在未来时间的预测的覆冰状态，确定风机是否覆冰。预测覆冰状态可以是冻雾天气引起的覆冰，也可以冻雨天气引起的覆冰。
S106，获取目标区域中每个风机的叶片参数。
S108，根据预测气象数据和每个风机的叶片参数确定每个风机的叶尖在目标时间点的预测线速度。
风机的叶片参数包括叶片转动半径和叶片转数。处理器可以根据在预设时间段的预测气象数据中的风速、风机的叶片转动半径和叶片转数，来计算每个风机的叶尖在目标时间点的预测线速度。预测线速度是指在预设时间段旋转风机叶片的叶尖与水汽之间预测的相对速度。
S110，根据每个风机的预测覆冰状态、预测线速度以及预测气象数据确定每个风机在预设时间段的覆冰增量预测值。
处理器可以基于每个风机的预测覆冰状态，确定风机具体的覆冰情况。若预测出风机在目标时间点的气象环境，不会引起风机叶片覆冰，那么风机覆冰增量预测值为零。若预测出风机在目标时间点的气象环境，会引发风机叶片覆冰。那么针对不同的预测覆冰状态，处理器可以根据每个风机在预设时间段的预测线速度和预测气象数据，来预测该风机在预设时间段的覆冰增量预测值。覆冰增量预测值是指预测的风机叶片覆冰的增长厚度值。
S112，根据覆冰增量预测值确定每个风机在目标时间点的覆冰厚度预测值。
对于每个风机在当前时间的覆冰厚度值，可以通过直接测量获取。那么，对于未来时间的目标时间点，处理器可以根据覆冰增量预测值的累计值与当前时间的覆冰厚度值相加，得到每个风机在目标时间点的覆冰厚度预测值。有关气象要素的观测数据对风机的风力发电会产生很大影响，尤其是处于山区风力较大区域的风力发电机组，由于冬季寒潮冰冻灾害频发，导致风机叶片覆冰停机。所以基于气象要素数据的监控，可以科学指导调度部门提前调整运行方式，保护风机发电组的使用寿命和正常工作。
在一个实施例中，预测气象数据包括风速，叶片参数包括叶片转动半径和叶片转数，和根据预测气象数据和每个风机的叶片参数确定每个风机的叶尖在目标时间点的预测线速度包括：根据每个风机的叶片转动半径和叶片转数确定每个风机的叶尖速比；根据每个风机的叶尖速比确定每个风机的叶尖线速度；根据风速和每个风机的叶尖线速度确定每个风机的叶尖在目标时间点的预测线速度。
叶尖线速度是指风机叶尖的理论线速度，与风机叶片自身的参数相关。而环境的风速会影响风机在旋转时叶尖的线速度。那么，根据以下公式(4)计算预测线速度：
其中，U是指每个风机的叶尖在目标时间点的预测线速度，vx是指每个风机的叶尖在目标时间点的叶尖线速度，vc是指每个风机所在的目标区域在预设时间段的风速。
在一个实施例中，预测气象数据包括大气温度、地面温度以及相对湿度，根据预测气象数据确定目标区域中的每个风机在目标时间点的预测覆冰状态包括：根据大气温度确定降水粒子在预设时间段降落至地面的含冰率；在含冰率小于预设阈值，且地面温度小于预设温度的情况下，确定每个风机在目标时间点的预测覆冰状态为冻雨覆冰状态；在相对相对湿度大于预设相对湿度，且地面温度小于预设温度的情况下，确定每个风机在目标时间点的预测覆冰状态为冻雾覆冰状态。
风机叶片出现覆冰现象通常是基于冻雾和/或冻雨天气的出现。处理器可以根据在预设时间段预测的大气温度，来确定降水粒子在预设时间段降落至地面的含冰率。预设阈值是出现冻雨天气时降水粒子降落至地面的最大含冰率。预设温度是出现冻雨和/或冻雾天气时地面的最高温度。预设相对湿度是指出现冻雾天气时大气的最大相对湿度。只有在预测的含冰率小于预设阈值，且地面温度小于预设温度的情况下，才可以确定在预设时间段的天气为冻雨天气，在目标时间点风机可能由于冻雨天气而发生覆冰情况。此时，处理器可以确定该风机在目标时间点的预测覆冰状态为冻雨覆冰状态。而对于冻雾天气的预测，只有在预测的相对相对湿度大于预设相对湿度，且地面温度小于预设温度的情况下，才能预测目标时间段的天气为冻雾天气，风机在目标时间点的预测覆冰状态为冻雾覆冰状态。
在一个实施例中，处理器可以根据大气温度确定预设时间段的降水粒子降落至地面的含冰率。固态降水粒子的形成层的云顶温度小于-6.6℃，形成层的降水粒子为完全冻结状态。在降水粒子降落过程中，通过从云顶高度向下进行垂直积分，逐层计算其融化率。则，降水粒子降落至地面时的含冰率可以根据公式(1)计算：
其中，I是指降水粒子在预设时间段降落至地面的含冰率，W是指目标区域的大气在预设时间段的热量传导系数，z是指目标区域的降水粒子在预设时间段降落至地面的下降高度，T是指目标区域在预设时间段的大气温度，pi是指冰的密度，r是指降水粒子的半径。
在一个实施例中，预测气象数据还包括降水量和过冷水含量，根据每个风机的预测覆冰状态、预测线速度以及预测气象数据确定每个风机在预设时间段的覆冰增量预测值包括：针对每个风机，在风机的预测覆冰状态为冻雨覆冰状态的情况下，根据降水量、过冷水含量和风机叶片的预测线速度确定风机在预设时间段覆冰的第一增量预测值；针对每个风机，在风机的预测覆冰状态为冻雾覆冰状态的情况下，根据过冷水含量和风机叶片的预测线速度确定风机在预设时间段覆冰的第二增量预测值；针对每个风机，根据第一增量预测值和/或第二增量预测值确定风机在预设时间段的覆冰增量预测值。
在风机的预测覆冰状态为冻雨覆冰状态的情况下，降水量、过冷水含量以及风机叶片的预测线速度将影响覆冰厚度的增长。则，处理器可以根据上述数据计算每个风机在预设时间段由于冻雨天气产生覆冰的第一增量预测值。在风机的预测覆冰状态为冻雾覆冰状态的情况下，冷水含量和风机叶片的预测线速度将影响覆冰厚度的增长。则，处理器可以根据上述数据计算每个风机在预设时间段由于冻雾天气产生覆冰的第二增量预测值。在预设时间段，可能存在一部分时间为冻雨天气，一部分时间为冻雾天气，或者同时出现冻雨和冻雾天气。那么，针对每个风机，处理器可以据第一增量预测值和/或第二增量预测值，来预测风机在预设时间段的覆冰增量预测值。
在一个实施例中，针对每个风机，在风机的预测覆冰状态为冻雨覆冰状态的情况下，根据降水量、过冷水含量和风机叶片的预测线速度确定风机在预设时间段覆冰的第一增量预测值包括，根据公式(2)确定每个风机在预设时间段覆冰的第一增量预测值：
其中，Efrz是指每个风机在预设时间段的第一增量预测值，pi是指冰的密度，ρ0是指水的密度，p为目标区域在预设时间段的降水量，U是指每个风机的的叶尖在目标时间点的预测线速度，M是指目标区域在预设时间段的过冷水含量。
在一个实施例中，针对每个风机，在风机的预测覆冰状态为冻雾覆冰状态的情况下，根据过冷水含量和风机叶片的预测线速度确定风机的覆冰在预设时间段的第二增量预测值包括，根据公式(3)确定每个风机的覆冰在预设时间段的第二增量预测值；
Efog＝M×U×Δt×pair×β (3)
其中，Efog是指每个风机的覆冰在预设时间段的第二增量预测值，M是指目标区域在预设时间段的过冷水含量，U是指每个风机的的叶尖在目标时间点的预测线速度，Δt是指预设时间段，ρair是指目标区域在预设时间段的大气密度，β是指每个风机在预设时间段的冻结系数。
在一个具体的实施例中，提供了一种风机覆冰厚度的预测方法，包括以下步骤：
步骤1、选择美国国家大气研究中心(National Center for AtmosphericResearch，NCAR)开发的天气研究和预报模式(Weather Research and Forecasting，WRF)作为气象数值预报模式，对2023年2月13至15日湖南某风电场的气象数据进行预测。该风电场共有25台风机，每台风机装机容量2MW。采用2层嵌套模拟区域，水平分辨率分别为9km和3km。利用6小时间隔1°×1°空间分辨率的GFS(Global Forecast System，全球预报系统)气象预报产品驱动WRF模式运行，模拟得到降水、温度、相对湿度、风速等预测气象数据。如图2所示，数值预报模式预测的预测温度和预测相对湿度与实况温度和实况相对湿度非常接近，较好地模拟了风电场区域在冻雾天气的大气冷层结构和低层接近饱和的空气相对湿度。
步骤2、利用预测的风速和每个风机的叶尖线速度，根据以下公式(4)计算预测线速度：
其中，U是指每个风机的叶尖在目标时间点的预测线速度，vx是指每个风机的叶尖在目标时间点的叶尖线速度，vc是指每个风机所在的目标区域在预设时间段的风速。
步骤3、根据大气温度确定预设时间段的降水粒子降落至地面的含冰率。固态降水粒子的形成层的云顶温度小于-6.6℃，形成层的降水粒子为完全冻结状态。在降水粒子降落过程中，通过从云顶高度向下进行垂直积分，逐层计算其融化率。则，降水粒子降落至地面时的含冰率可以根据公式(1)计算：
其中，I是指降水粒子在预设时间段降落至地面的含冰率，W是指目标区域的大气在预设时间段的热量传导系数，z是指目标区域的降水粒子在预设时间段降落至地面的下降高度，T是指目标区域在预设时间段的大气温度，pi是指冰的密度，r是指降水粒子的半径。
步骤4、在含冰率小于0.8，且地面温度小于零摄氏度的情况下，则认为存在冻雨天气。此时，根据公式(2)确定每个风机在预设时间段覆冰的第一增量预测值：
其中，Efrz是指每个风机在预设时间段的第一增量预测值，pi是指冰的密度，ρ0是指水的密度，p为目标区域在预设时间段的降水量，U是指每个风机的的叶尖在目标时间点的预测线速度，M是指目标区域在预设时间段的过冷水含量。
在地面气温小于零摄氏度，且相对相对湿度大于90％的情况下，则认为存在冻雾天气。此时，根据公式(3)确定每个风机的覆冰在预设时间段的第二增量预测值；
Efog＝ ×U×Δt×pair×β (3)
其中，Efog是指每个风机的覆冰在预设时间段的第二增量预测值，M是指目标区域在预设时间段的过冷水含量，U是指每个风机的的叶尖在目标时间点的预测线速度，Δt是指预设时间段，ρair是指目标区域在预设时间段的大气密度，β是指每个风机在预设时间段的冻结系数。
步骤5、结合风机在冻雨天气的第一增量预测值和在冻雾天气的第一增量预测值，计算数值预报模式积分过程中的覆冰厚度预测值。计算结果如图3所示，预测该风电场风机于2月13日凌晨0时开始覆冰，之后一直增长至当天晚上达到最厚。实际风机于2月13日上午开始陆续停机，当天下午所有风机容量退出备用。预测2月15日凌晨起覆冰迅速减弱，实际风机于15日凌晨陆续开机，当天上午全部风机恢复运行，本次风机覆冰退备过程结束。综上，预测风机覆冰情况与风机实际运行情况一致性较高，本方法对风机叶片覆冰的预测效果较好，可以为风电场功率预测、场站运维和调度计划提供重要指导。
通过上述风机覆冰厚度的预测方法、预测装置、存储介质及处理器，通过数值预报模式，可以确定目标区域在目标时间点之前的预设时间段的预测气象数据。根据大气温度、地面温度、降水量、过冷水含量等预测气象数据，来确定目标区域中的每个风机在目标时间点的预测覆冰状态。获取目标区域中每个风机的叶片参数，根据预测气象数据和每个风机的叶片参数确定每个风机的叶尖在目标时间点的预测线速度。根据每个风机的预测覆冰状态、预测线速度以及预测气象数据，来确定每个风机在预设时间段的冻雨天气和冻雾天气的覆冰增量预测值。根据覆冰增量预测值确定每个风机在目标时间点的覆冰厚度预测值。基于气象条件对风机覆冰的影响，可以准确预测未来时间风机的覆冰厚度。从而可以科学指导调度部门提前调整运行方式，保护风机发电组的使用寿命和正常工作。能够实现风机叶片覆冰厚度预测，指导对风机退备容量的预测和提前调度计划，保障冬季电力供应。
图1为一个实施例中风机覆冰厚度的预测方法的流程示意图。应该理解的是，虽然图1的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图4所示，提供了一种风机覆冰厚度的预测装置，包括气象预测模块、覆冰状态预测模块、风机参数预测模块以及覆冰厚度预测模块，其中：
气象预测模块402，用于确定目标区域在目标时间点之前的预设时间段的预测气象数据；
覆冰状态预测模块404，用于根据预测气象数据确定目标区域中的每个风机在目标时间点的预测覆冰状态；
风机参数预测模块406，用于获取目标区域中每个风机的叶片参数，根据预测气象数据和每个风机的叶片参数确定每个风机的叶尖在目标时间点的预测线速度；
覆冰厚度预测模块408，用于根据每个风机的预测覆冰状态、预测线速度以及预测气象数据确定每个风机在预设时间段的覆冰增量预测值，根据覆冰增量预测值确定每个风机在目标时间点的覆冰厚度预测值。
在一个实施例中，预测气象数据包括大气温度、地面温度以及相对湿度，覆冰状态预测模块404还用于：根据大气温度确定降水粒子在预设时间段降落至地面的含冰率；在含冰率小于预设阈值，且地面温度小于预设温度的情况下，确定每个风机在目标时间点的预测覆冰状态为冻雨覆冰状态；在相对相对湿度大于预设相对湿度，且地面温度小于预设温度的情况下，确定每个风机在目标时间点的预测覆冰状态为冻雾覆冰状态。
在一个实施例中，覆冰厚度预测模块408还用于根据公式(1)计算含冰率：
其中，I是指降水粒子在预设时间段降落至地面的含冰率，W是指目标区域的大气在预设时间段的热量传导系数，z是指目标区域的降水粒子在预设时间段降落至地面的下降高度，T是指目标区域在预设时间段的大气温度，pi是指冰的密度，r是指降水粒子的半径。
在一个实施例中，预测气象数据还包括降水量和过冷水含量，覆冰厚度预测模块408还用于：针对每个风机，在风机的预测覆冰状态为冻雨覆冰状态的情况下，根据降水量、过冷水含量和风机叶片的预测线速度确定风机在预设时间段覆冰的第一增量预测值；针对每个风机，在风机的预测覆冰状态为冻雾覆冰状态的情况下，根据过冷水含量和风机叶片的预测线速度确定风机在预设时间段覆冰的第二增量预测值；针对每个风机，根据第一增量预测值和/或第二增量预测值确定风机在预设时间段的覆冰增量预测值。
在一个实施例中，覆冰厚度预测模块408还用于：根据公式(2)确定每个风机在预设时间段覆冰的第一增量预测值：
其中，Efrz是指每个风机在预设时间段的第一增量预测值，pi是指冰的密度，ρ0是指水的密度，p为目标区域在预设时间段的降水量，U是指每个风机的的叶尖在目标时间点的预测线速度，M是指目标区域在预设时间段的过冷水含量。
在一个实施例中，覆冰厚度预测模块408还用于：根据公式(3)确定每个风机的覆冰在预设时间段的第二增量预测值；
Efog＝ ×U×Δt×pair×β (3)
其中，Efog是指每个风机的覆冰在预设时间段的第二增量预测值，M是指目标区域在预设时间段的过冷水含量，U是指每个风机的的叶尖在目标时间点的预测线速度，Δt是指预设时间段，ρair是指目标区域在预设时间段的大气密度，β是指每个风机在预设时间段的冻结系数。
在一个实施中，测气象数据包括风速，叶片参数包括叶片转动半径和叶片转数，风机参数预测模块406还用于：根据每个风机的叶片转动半径和叶片转数确定每个风机的叶尖速比；根据每个风机的叶尖速比确定每个风机的叶尖线速度；根据风速和每个风机的叶尖线速度确定每个风机的叶尖在目标时间点的预测线速度。
所述风机覆冰厚度的预测装置包括处理器和存储器，上述气象预测模块、覆冰状态预测模块、风机参数预测模块以及覆冰厚度预测模块等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序模块中实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现对风机覆冰厚度的预测方法。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本申请实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现上述风机覆冰厚度的预测方法。
本申请实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述风机覆冰厚度的预测方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器A01、网络接口A02、存储器(图中未示出)和数据库(图中未示出)。其中，该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作系统B01、计算机程序B02和数据库(图中未示出)。该内存储器A03为非易失性存储介质A04中的操作系统B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储风机覆冰厚度的预测方法的数据。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种风机覆冰厚度的预测方法。
本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本申请实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现风机覆冰厚度的预测方法的步骤。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有风机覆冰厚度的预测方法步骤的程序。
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。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
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)

1.一种风机覆冰厚度的预测方法，其特征在于，所述预测方法包括：
确定目标区域在目标时间点之前的预设时间段的预测气象数据；
根据所述预测气象数据确定所述目标区域中的每个风机在所述目标时间点的预测覆冰状态；
获取所述目标区域中每个风机的叶片参数；
根据所述预测气象数据和每个风机的叶片参数确定每个风机的叶尖在所述目标时间点的预测线速度；
根据每个风机的预测覆冰状态、预测线速度以及所述预测气象数据确定每个风机在所述预设时间段的覆冰增量预测值；
根据所述覆冰增量预测值确定每个风机在所述目标时间点的覆冰厚度预测值。
2.根据权利要求1所述的风机覆冰厚度的预测方法，其特征在于，所述预测气象数据包括大气温度、地面温度以及相对湿度，所述根据所述预测气象数据确定所述目标区域中的每个风机在所述目标时间点的预测覆冰状态包括：
根据所述大气温度确定降水粒子在所述预设时间段降落至地面的含冰率；
在所述含冰率小于预设阈值，且所述地面温度小于预设温度的情况下，确定每个风机在所述目标时间点的预测覆冰状态为冻雨覆冰状态；
在所述相对相对湿度大于预设相对湿度，且所述地面温度小于所述预设温度的情况下，确定每个风机在所述目标时间点的预测覆冰状态为冻雾覆冰状态。
3.根据权利要求2所述的风机覆冰厚度的预测方法，其特征在于，所述根据所述大气温度确定所述预设时间段的降水粒子降落至地面的含冰率包括，根据公式(1)计算所述含冰率：
其中，I是指降水粒子在所述预设时间段降落至地面的含冰率，W是指所述目标区域的大气在所述预设时间段的热量传导系数，z是指所述目标区域的降水粒子在所述预设时间段降落至地面的下降高度，T是指所述目标区域在所述预设时间段的大气温度，pi是指冰的密度，r是指所述降水粒子的半径。
4.根据权利要求2所述的风机覆冰厚度的预测方法，其特征在于，所述预测气象数据还包括降水量和过冷水含量，所述根据每个风机的预测覆冰状态、预测线速度以及所述预测气象数据确定每个风机在所述预设时间段的覆冰增量预测值包括：
针对每个风机，在所述风机的预测覆冰状态为冻雨覆冰状态的情况下，根据所述降水量、所述过冷水含量和所述风机叶片的预测线速度确定所述风机在所述预设时间段覆冰的第一增量预测值；
针对每个风机，在所述风机的预测覆冰状态为冻雾覆冰状态的情况下，根据所述过冷水含量和所述风机叶片的预测线速度确定所述风机在所述预设时间段覆冰的第二增量预测值；
针对每个风机，根据所述第一增量预测值和/或第二增量预测值确定所述风机在所述预设时间段的覆冰增量预测值。
5.根据权利要求4所述的风机覆冰厚度的预测方法，其特征在于，所述针对每个风机，在所述风机的预测覆冰状态为冻雨覆冰状态的情况下，根据所述降水量、所述过冷水含量和所述风机叶片的预测线速度确定所述风机在所述预设时间段覆冰的第一增量预测值包括，根据公式(2)确定每个风机在所述预设时间段覆冰的第一增量预测值：
其中，Efrz是指每个风机在所述预设时间段的第一增量预测值，pi是指冰的密度，ρ0是指水的密度，p为所述目标区域在所述预设时间段的降水量，U是指每个风机的的叶尖在所述目标时间点的预测线速度，M是指所述目标区域在所述预设时间段的过冷水含量。
6.根据权利要求4所述的风机覆冰厚度的预测方法，其特征在于，所述针对每个风机，在所述风机的预测覆冰状态为冻雾覆冰状态的情况下，根据所述过冷水含量和所述风机叶片的预测线速度确定所述风机的覆冰在所述预设时间段的第二增量预测值包括，根据公式(3)确定每个风机的覆冰在所述预设时间段的第二增量预测值；
Efog＝M×U×Δt×pair×β (3)
其中，Wfog是指每个风机的覆冰在所述预设时间段的第二增量预测值，M是指所述目标区域在所述预设时间段的过冷水含量，U是指每个风机的的叶尖在所述目标时间点的预测线速度，Δt是指所述预设时间段，ρair是指所述目标区域在所述预设时间段的大气密度，β是指每个风机在所述预设时间段的冻结系数。
7.根据权利要求1所述的风机覆冰厚度的预测方法，其特征在于，所述预测气象数据包括风速，所述叶片参数包括叶片转动半径和叶片转数，所述根据所述预测气象数据和每个风机的叶片参数确定每个风机的叶尖在所述目标时间点的预测线速度包括：
根据每个风机的叶片转动半径和叶片转数确定每个风机的叶尖速比；
根据每个风机的叶尖速比确定每个风机的叶尖线速度；
根据所述风速和每个风机的叶尖线速度确定每个风机的叶尖在所述目标时间点的预测线速度。
8.一种处理器，其特征在于，被配置成执行根据权利要求1至7中任意一项所述的风机覆冰厚度的预测方法。
9.一种风机覆冰厚度的预测装置，其特征在于，包括：
气象预测模块，用于确定目标区域在目标时间点之前的预设时间段的预测气象数据；
覆冰状态预测模块，用于根据所述预测气象数据确定所述目标区域中的每个风机在所述目标时间点的预测覆冰状态；
风机参数预测模块，用于获取所述目标区域中每个风机的叶片参数，根据所述预测气象数据和每个风机的叶片参数确定每个风机的叶尖在所述目标时间点的预测线速度；
覆冰厚度预测模块，用于根据每个风机的预测覆冰状态、预测线速度以及所述预测气象数据确定每个风机在所述预设时间段的覆冰增量预测值，根据所述覆冰增量预测值确定每个风机在所述目标时间点的覆冰厚度预测值。
10.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至7中任一项所述的风机覆冰厚度的预测方法。
CN202310530166.3A 2023-05-11 2023-05-11 风机覆冰厚度的预测方法、预测装置、存储介质及处理器 Pending CN116662748A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310530166.3A CN116662748A (zh) 2023-05-11 2023-05-11 风机覆冰厚度的预测方法、预测装置、存储介质及处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310530166.3A CN116662748A (zh) 2023-05-11 2023-05-11 风机覆冰厚度的预测方法、预测装置、存储介质及处理器

Publications (1)

Publication Number Publication Date
CN116662748A true CN116662748A (zh) 2023-08-29

Family

ID=87718170

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310530166.3A Pending CN116662748A (zh) 2023-05-11 2023-05-11 风机覆冰厚度的预测方法、预测装置、存储介质及处理器

Country Status (1)

Country Link
CN (1) CN116662748A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117104529A (zh) * 2023-10-23 2023-11-24 成都流体动力创新中心 一种应用于飞机过冷大水滴结冰的潜势预报方法及系统
CN117638926A (zh) * 2024-01-25 2024-03-01 国能日新科技股份有限公司 基于覆冰与功率耦合建模的新能源功率预测方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117104529A (zh) * 2023-10-23 2023-11-24 成都流体动力创新中心 一种应用于飞机过冷大水滴结冰的潜势预报方法及系统
CN117104529B (zh) * 2023-10-23 2023-12-29 成都流体动力创新中心 一种应用于飞机过冷大水滴结冰的潜势预报方法及系统
CN117638926A (zh) * 2024-01-25 2024-03-01 国能日新科技股份有限公司 基于覆冰与功率耦合建模的新能源功率预测方法及装置
CN117638926B (zh) * 2024-01-25 2024-04-05 国能日新科技股份有限公司 基于覆冰与功率耦合建模的新能源功率预测方法及装置

Similar Documents

Publication Publication Date Title
CN116662748A (zh) 风机覆冰厚度的预测方法、预测装置、存储介质及处理器
Watson et al. Application of wind speed forecasting to the integration of wind energy into a large scale power system
US8620634B2 (en) Energy resource allocation including renewable energy sources
CN102945508B (zh) 一种基于模型校正的风电功率预测预报方法
Li et al. A physical approach of the short-term wind power prediction based on CFD pre-calculated flow fields
US20140324495A1 (en) Wind turbine maintenance optimizer
CN115585107A (zh) 风力发电机组叶片冻雾覆冰厚度的预测方法和系统
US20180248380A1 (en) Forecasting solar power generation using real-time power data
US20190179053A1 (en) Storm outage management system
Okundamiya et al. Model for optimal sizing of a wind energy conversion system for green-mobile applications
CN117575088A (zh) 用于确定电网覆冰程度的方法、装置、存储介质及处理器
CN116760009A (zh) 风电覆冰停机脱网风险的预测方法、装置及处理器
CN111443400B (zh) 一种风力预测方法、预测装置、预测系统和存储介质
CN103617454A (zh) 一种依据数值天气预报的风电场功率预测方法
CN115438554B (zh) 一种基于天气预报的风电覆冰预测方法
Haupt et al. Taming wind power with better forecasts
Cai et al. Wind energy potential at elevated hub heights in the US Midwest region
CN115600522A (zh) 用于风机结冰厚度的预测方法、装置、处理器及存储介质
Yu et al. Interannual variability of the summer wind energy over China: A comparison of multiple datasets
Abbes et al. Investigation of wind characteristics and wind power potential in El-Kef region, Tunisia
Alhaddad et al. Aiming for smart wind energy: A comparison analysis between wind speed forecasting techniques
Zheng et al. Short-term wind power prediction model based on WRF-RF model
Woods et al. A downscaled wind climatology on the outer continental shelf
Malmsten Wind turbine production losses in cold climate: Case study of ten wind farms in sweden
Demir Wind turbine power curve update based on atmospheric conditions and structural fatigue

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