CN116993026B - 一种大规模风电场机组运行参数优化方法 - Google Patents
一种大规模风电场机组运行参数优化方法 Download PDFInfo
- Publication number
- CN116993026B CN116993026B CN202311250521.8A CN202311250521A CN116993026B CN 116993026 B CN116993026 B CN 116993026B CN 202311250521 A CN202311250521 A CN 202311250521A CN 116993026 B CN116993026 B CN 116993026B
- Authority
- CN
- China
- Prior art keywords
- fans
- grouping
- group
- historical
- operation data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 title description 4
- 238000010977 unit operation Methods 0.000 title description 2
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000010248 power generation Methods 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 12
- 238000009434 installation Methods 0.000 claims description 5
- 238000003064 k means clustering Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 101100153586 Caenorhabditis elegans top-1 gene Proteins 0.000 claims description 2
- 101100370075 Mus musculus Top1 gene Proteins 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- F03D7/0204—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor for orientation in relation to wind direction
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Sustainable Energy (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Sustainable Development (AREA)
- Combustion & Propulsion (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Water Supply & Treatment (AREA)
- Probability & Statistics with Applications (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Fluid Mechanics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种大规模风电场机组运行参数优化方法,包括,步骤S10:获取风电机组的属性信息和历史运行数据,根据风电机组的属性信息和历史运行数据对风机进行分组,步骤S20:对于每个分组,根据筛选条件从该分组中确定top‑k个风机,步骤S30:根据top‑k个风机的运行参数对该分组内其他风机进行参数调优。本发明先根据风机的属性信息、历史运行数据对风机进行分组,选择每个分组内运行效能最佳的top‑k个风机,通过运行效能最佳的top‑k个风机对分组内其他风机的运行参数进行优化,提高了风能利用率,降低风机运行参数设置的工作量,增加了总发电量,提高了风电场的经济效益。
Description
技术领域
本发明涉及风机控制参数优化技术领域,尤其涉及一种大规模风电场机组运行参数优化方法。
背景技术
为了缓解传统能源供应紧张状况以及日益严重的环境污染问题、全球气候变暖问题,预期实现“碳达峰、碳中和”任务目标,包括太阳能、风能、地热能等清洁能源技术成为研究热点。特别是风能,具有蕴藏量大、可再生、绿色无污染、分布广等诸多优点,成为发展速度最快的新型能源。近年来,我国的风机装机总量以及增量,都达到了世界领先的行列,发展风力发电技术对改善我国能源结构发挥了重要作用。
大规模风电场包括几百台甚至上千台,受限于不同的风机型号、服役年限、安装位置、季节等因素,为每台风机设置合理的运行参数,具有很大的挑战性及重要的应用价值。如果为风机设置的偏航系统设置相同的运行参数,没有结合风机自身特性,不能充分发挥出风机的潜能。
本发明按照“分组寻优,据优调优”的原则,先根据风机的属性、历史运行数据对风机进行分组,分组优化风机控制参数,对于提高风能利用率,降低风机运行参数设置的工作量,增加总发电量,具有重要的意义。
发明内容
为解决上述问题,本发明的目的在于提供一种基于激光测风雷达的风电机组偏航自适应校准方法及系统。
为实现以上目的,提供以下技术方案:
一种大规模风电场机组运行参数优化方法,所述方法包括:
步骤S10:获取风电机组的属性信息和历史运行数据,根据风电机组的属性信息和历史运行数据对风机进行分组;风电机组的属性信息是不易发生改变的信息,包括风机的型号、服役年限、轮毂高度、叶片直径、切入风速、切出风速、功率曲线、安装位置;
步骤S20:对于每个分组,根据筛选条件从该分组中确定top-k个风机;
步骤S30:根据top-k个风机的运行参数对该分组内其他风机进行参数调优;
当k为1时,使用该top-1风机的运行参数作为该分组内其他风机的运行参数;当k大于1时,使用top-k个风机的平均运行参数作为该分组内其他风机的运行参数。
优选地,所述根据风电机组的属性信息和历史运行数据对风机进行分组,具体包括:
步骤S11:根据属性信息初步分组;步骤S12:根据历史运行数据对初步分组结果进一步分组。
优选地,所述根据属性信息初步分组,具体为:
采用风电机组的单一属性对风电场的风机进行初步分组。
优选地,所述根据属性信息初步分组,具体为:
采用多个属性加权的方式进行分组。
优选地,确定j个属性,Attr1,Attr2,...,Attrj,设置每个属性对应的权重值,w1,w2,...,wj,第i个风机的分组得分为Scorei,
,
根据的Scorei分布特征,对风机进行分组。
优选地,所述历史运行数据,是采用SCADA系统按照设定的采样频率收集风机的运行数据,并存储到数据库中。
优选地,根据历史运行数据对风机进一步分组之前,对历史运行数据进行预处理。
优选地,所述预处理包括,删除运行状态为故障、停机状态的历史运行数据,缺失值处理、异常值处理、空值处理、数据归一化处理。
优选地,所述根据历史运行数据对风机进一步分组,具体为:
遍历每个初步分组,使用k-means聚类算法对历史运行数据进行聚类,每个簇包含的风机作为一个分组。
优选地,所述运行参数为偏航控制参数或变桨控制参数。
本发明通过获取风电机组的属性信息和历史运行数据,根据风电机组的属性信息和历史运行数据对风机进行分组,即先根据属性信息初步分组,然后根据历史运行数据对初步分组进一步分组,对于每个分组,根据筛选条件从该分组中确定top-k个风机,根据top-k个风机的运行参数对该分组内其他风机进行参数调优,提高了风能利用率,降低风机运行参数设置的工作量,增加了总发电量,提高了风电场的经济效益。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅展示出了本发明的某些实施例,因此不应被看作是对范围的限定。
图1是本发明的一种大规模风电场机组运行参数优化方法的流程图;
图2是本发明根据风电机组的属性信息和历史运行数据对风机进行分组的具体流程图;
图3是本发明使用k-means聚类算法对历史运行数据进行聚类的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域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,都属于本发明保护的范围。
图1是本发明的一种大规模风电场机组运行参数优化方法的流程图。参照图1,该方法的执行步骤如下:
步骤S10:获取风电机组的属性信息和历史运行数据,根据风电机组的属性信息和历史运行数据对风机进行分组。
风电机组的属性信息包括风机的型号、服役年限、轮毂高度、叶片直径、切入风速、切出风速、功率曲线、安装位置等,上述信息对于风机,是不易发生改变的信息,并且上述信息与风机运行参数息息相关。例如,对于服役年限较高的风机,由于叶片、塔筒疲劳等原因,偏航误差角度不适宜设置过小,否则,轴向推力、偏航力矩、俯仰力矩等载荷加剧叶片、偏航轴承、塔筒部件产生的故障的概率,降低发电效率甚至影响风机安全运行。
风电机组的属性信息用于风机分组,比较直观,例如不同型号的风机分在不同的组。相对于风电机组的属性信息,风电机组的历史运行数据蕴含了隐性地、不易发现的分组规律。风电机组的历史数据包括风速、风向、风力等级、叶片方位角、叶尖速比、输出功率、发电机机端电压、偏航角度、偏航角速度、风轮轴向角度、风轮转矩、偏航力矩、俯仰力矩、风轮转速、偏航延时、运行状态、时间信息等。对于风电机组的历史数据,可以采用现有的聚类算法,例如k-means,将机组分为M个簇,每个簇包含的风机作为一个分组。
在进行聚类计算之前,对风电机组的历史数据进行预处理,包括删除处于故障状态的风机的历史数据。
对于风电机组历史数据的采集,可以采用SCADA系统。SCADA系统在风机运行过程中,以设定的采样频率(例如5分钟)采集风机运行数据,并存储到数据库中。数据库可以采用关系型数据库或NOSQL数据库,本发明不做具体限定。
优选地,步骤S10包括以下子步骤,参照图2。
步骤S11:根据属性信息初步分组。
根据风电机组的属性信息对风机粗略分组,分组个数G不易过多,优选地,3<=G<=7。进一步地,初步分组可采用以下两种方式:1)、根据单一属性信息初步分组,2)、根据多个属性加权分组。
1)、根据单一属性信息初步分组
采用风电机组的单一属性对风电场的风机进行初步分组。例如,风电场的风机分三批次安装,每个批次对应一个型号,可以采用风机型号将风电场的风机分为3组。
2)、根据多个属性加权分组
根据多个属性分组,可以采用多个属性加权的方式。例如,分组采用的属性为Attr1、Attr2、Attr3,3个属性对应的权重为w1、w2、w3,第i个风机的分组得分为Scorei。权重值w1、w2、w3,可以根据需要设定。假如期望分组结果倾向于属性Attr1,可以调高w1的权重值。
根据的Scorei分布特征,对风机进行分组。例如,Scorei分布符合正态分布,可以根据正态分布的期望值μ和标准差σ对对风机进行分组。例如第一组为(0, μ-σ],第二组为(μ-σ, μ+σ],第三组为(μ+σ, +∞)。
或者,根据实际需要,针对所有风机的分组得分,可以采用等距分组法、标准差分组法等方法,对风机进行分组。
步骤S12:根据历史运行数据对初步分组结果进一步分组。
根据历史运行数据对初步分组的结果进一步分组,风电机组的历史运行数据蕴含了隐性地、不易发现的分组规律,例如某些风机长期受到尾流效应的影响,其发电功率、载荷等发面具有相似性。首先对获取的历史运行数据进行预处理,包括缺失值处理、异常值处理、空值处理,数据归一化处理,删除运行状态为故障、停机状态的历史运行数据。
遍历每个初步分组,使用k-means聚类算法对历史运行数据进行聚类,参照图3。S1:设定k值,随机选取k个风机的历史运行数据作为聚类中心,S2:采用曼哈顿距离计算其他风机历史运行数据与聚类中心的相似距离,将其他风机分到相应的簇中,S3:对于每个簇,采用该簇内历史运行数据的平均值作为新的聚类中心,S4:判断是否收敛,如果是,执行步骤S6:运行结束;如果否,步骤S5:判断迭代次数达到阈值,如果是,转到步骤S1,如果否,转到步骤S2。
步骤S20:对于每个分组,根据筛选条件从该分组中确定top-k个风机。
示例性地,筛选条件可以设置为:对于每个分组的风机,按照输出功率降序排列,选择前p个风机,再对前p个风机按照偏航次数升序排序,选择前k个风机,k<=p。当然根据优化目标,对于选择的前p个风机,还可以使用变桨次数升序排序,选择前k个风机。
步骤S30:根据top-k个风机的运行参数对该分组内其他风机进行参数调优。
当k为1时,使用该风机的偏航控制参数作为该分组内其他风机的偏航参数。当k大于1时,top-k个风机的平均偏航控制参数作为该分组内其他风机的偏航参数。当然,根据本发明的方法,还可以设定变桨相关筛选条件在每个分组中筛选出top-k个风机,然后根据top-k个风机的变桨参数对该分组内其他风机的变桨参数进行参数调优。
需要指出,根据实施的需要,可将本申请实施例中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本申请实施例的目的。
上述根据本申请实施例的方法可在硬件、固件中实现,或者被实现为可存储在记录介质(诸如CD ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码,从而在此描述的装置可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解,计算机、处理器、微处理器、控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如,RAM、ROM、闪存等),当所述软件或计算机代码被计算机、处理器或硬件访问且执行时,实现在此描述的装置。此外,当通用计算机访问用于实现在此示出的装置的代码时,代码的执行将通用计算机转换为用于执行在此示出的装置的专用计算机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及装置步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同装置来实现所描述的功能,但是这种实现不应认为超出本申请实施例的范围。
以上实施方式仅用于说明本申请实施例,而并非对本申请实施例的限制,有关技术领域的普通技术人员,在不脱离本申请实施例的思路和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本申请实施例的范畴,本申请实施例的专利保护范围应由权利要求限定。
Claims (6)
1.一种大规模风电场机组运行参数优化方法,所述方法包括:
步骤S10:获取风电机组的属性信息和历史运行数据,根据风电机组的属性信息和历史运行数据对风机进行分组;风电机组的属性信息是不易发生改变的信息,包括风机的型号、服役年限、轮毂高度、叶片直径、安装位置;
所述根据风电机组的属性信息和历史运行数据对风机进行分组,具体包括:
步骤S11:根据属性信息初步分组,初步分组个数为G,3<=G<=7;步骤S12:根据历史运行数据对初步分组结果进一步分组;
所述根据属性信息初步分组,采用风电机组的单一属性对风电场的风机进行初步分组,或,采用多个属性加权的方式进行分组;
所述采用多个属性加权的方式进行分组,具体为:
确定j个属性,Attr1,Attr2,...,Attrj,设置每个属性对应的权重值,w1,w2,...,wj,第i个风机的分组得分为Scorei,
,
根据Scorei的分布特征,对风机进行分组;
步骤S20:对于每个分组,根据筛选条件从该分组中确定top-k个风机;
步骤S30:根据top-k个风机的运行参数对该分组内其他风机进行参数调优;
当k为1时,使用该top-1风机的运行参数作为该分组内其他风机的运行参数;当k大于1时,使用top-k个风机的平均运行参数作为该分组内其他风机的运行参数。
2.根据权利要求1所述的一种大规模风电场机组运行参数优化方法,其特征在于,
所述历史运行数据,是采用SCADA系统按照设定的采样频率收集风机的运行数据,并存储到数据库中。
3.根据权利要求2所述的一种大规模风电场机组运行参数优化方法,其特征在于, 根据历史运行数据对风机进一步分组之前,对历史运行数据进行预处理。
4.根据权利要求3所述的一种大规模风电场机组运行参数优化方法,其特征在于,
所述预处理包括,删除运行状态为故障、停机状态的历史运行数据,缺失值处理、异常值处理、空值处理、数据归一化处理。
5.根据权利要求4所述的一种大规模风电场机组运行参数优化方法,其特征在于, 所述根据历史运行数据对风机进一步分组,具体为:
遍历每个初步分组,使用k-means聚类算法对历史运行数据进行聚类,每个簇包含的风机作为一个分组。
6.根据权利要求1所述的一种大规模风电场机组运行参数优化方法,其特征在于,
所述运行参数为偏航控制参数或变桨控制参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311250521.8A CN116993026B (zh) | 2023-09-26 | 2023-09-26 | 一种大规模风电场机组运行参数优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311250521.8A CN116993026B (zh) | 2023-09-26 | 2023-09-26 | 一种大规模风电场机组运行参数优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116993026A CN116993026A (zh) | 2023-11-03 |
CN116993026B true CN116993026B (zh) | 2023-12-19 |
Family
ID=88526946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311250521.8A Active CN116993026B (zh) | 2023-09-26 | 2023-09-26 | 一种大规模风电场机组运行参数优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116993026B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103401236A (zh) * | 2013-07-30 | 2013-11-20 | 华北电力大学 | 一种基于风电场流动相关性的风电场机组分组方法 |
CN111091298A (zh) * | 2019-12-20 | 2020-05-01 | 华北电力大学 | 一种风电场流场耦合特性评估与智能分群方法及系统 |
CN111980858A (zh) * | 2020-09-15 | 2020-11-24 | 中国船舶重工集团海装风电股份有限公司 | 一种风力发电机组增功提效自适应控制方法及控制系统 |
CN112270203A (zh) * | 2020-09-18 | 2021-01-26 | 河北建投新能源有限公司 | 一种基于熵权法的风机特征优选方法 |
CN112448411A (zh) * | 2019-08-31 | 2021-03-05 | 南京理工大学 | 多风电场接入系统的汇集站选址和外送容量规划方法 |
CN114429233A (zh) * | 2020-10-14 | 2022-05-03 | 许昌许继风电科技有限公司 | 一种基于聚类算法的场站级最优功率控制方法及系统 |
CN114723252A (zh) * | 2022-03-25 | 2022-07-08 | 中国长江三峡集团有限公司 | 一种风电场样板机选择方法 |
CN114841090A (zh) * | 2022-04-26 | 2022-08-02 | 华北电力大学 | 风电场分组优化控制方法、系统、装置和介质 |
CN115146742A (zh) * | 2022-08-03 | 2022-10-04 | 重庆大学 | 适用于场群控制的海上风电场机组分组与旗舰机选取方法 |
WO2023020524A1 (zh) * | 2021-08-17 | 2023-02-23 | 华能华家岭风力发电有限公司 | 一种风电机组切入/切出风速调优方法、系统及设备介质 |
CN116316883A (zh) * | 2023-03-17 | 2023-06-23 | 华北电力大学 | 一种风电机群协同运行优化控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110761947B (zh) * | 2019-11-15 | 2020-09-11 | 华北电力大学 | 一种风电机组偏航校准方法及系统 |
US11761427B2 (en) * | 2021-06-29 | 2023-09-19 | Aspentech Corporation | Method and system for building prescriptive analytics to prevent wind turbine failures |
-
2023
- 2023-09-26 CN CN202311250521.8A patent/CN116993026B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103401236A (zh) * | 2013-07-30 | 2013-11-20 | 华北电力大学 | 一种基于风电场流动相关性的风电场机组分组方法 |
CN112448411A (zh) * | 2019-08-31 | 2021-03-05 | 南京理工大学 | 多风电场接入系统的汇集站选址和外送容量规划方法 |
CN111091298A (zh) * | 2019-12-20 | 2020-05-01 | 华北电力大学 | 一种风电场流场耦合特性评估与智能分群方法及系统 |
CN111980858A (zh) * | 2020-09-15 | 2020-11-24 | 中国船舶重工集团海装风电股份有限公司 | 一种风力发电机组增功提效自适应控制方法及控制系统 |
CN112270203A (zh) * | 2020-09-18 | 2021-01-26 | 河北建投新能源有限公司 | 一种基于熵权法的风机特征优选方法 |
CN114429233A (zh) * | 2020-10-14 | 2022-05-03 | 许昌许继风电科技有限公司 | 一种基于聚类算法的场站级最优功率控制方法及系统 |
WO2023020524A1 (zh) * | 2021-08-17 | 2023-02-23 | 华能华家岭风力发电有限公司 | 一种风电机组切入/切出风速调优方法、系统及设备介质 |
CN114723252A (zh) * | 2022-03-25 | 2022-07-08 | 中国长江三峡集团有限公司 | 一种风电场样板机选择方法 |
CN114841090A (zh) * | 2022-04-26 | 2022-08-02 | 华北电力大学 | 风电场分组优化控制方法、系统、装置和介质 |
CN115146742A (zh) * | 2022-08-03 | 2022-10-04 | 重庆大学 | 适用于场群控制的海上风电场机组分组与旗舰机选取方法 |
CN116316883A (zh) * | 2023-03-17 | 2023-06-23 | 华北电力大学 | 一种风电机群协同运行优化控制方法 |
Non-Patent Citations (2)
Title |
---|
大型风电场风电机组分组方法研究综述;沈小军;周冲成;吕洪;;电气工程学报;第11卷(第05期);第1-10页 * |
计及损耗的风电机组运行指标基准值研究;顾煜炯 等;自动化仪表;第39卷(第11期);第1-5、10页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116993026A (zh) | 2023-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10830213B2 (en) | Determination of wind turbine configuration | |
US8912674B2 (en) | System and method of selecting wind turbine generators in a wind park for change of output power | |
US8860237B2 (en) | System and method of selecting wind turbine generators in a wind park for curtailment of output power to provide a wind reserve | |
CN113591359B (zh) | 一种风电机组切入/切出风速调优方法、系统及设备介质 | |
CN106774276A (zh) | 风电场自动发电控制系统测试平台 | |
CN113205210B (zh) | 复杂地形风电场风速与功率预测方法、系统、设备及存储介质 | |
CN105909466A (zh) | 风力发电机组偏航误差分析方法 | |
CN116316883B (zh) | 一种风电机群协同运行优化控制方法 | |
Van Bussel | Offshore wind energy, the reliability dilemma | |
CN112610412B (zh) | 一种基于载荷检测的风电机组叶片净空控制方法 | |
CN116993026B (zh) | 一种大规模风电场机组运行参数优化方法 | |
EP3608538A1 (en) | Model-based repowering solutions for wind turbines | |
Su et al. | A coordinative optimization method of active power and fatigue distribution in onshore wind farms | |
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 | |
CN109779836B (zh) | 一种基于遗传算法寻优的风力发电机组发电量提升方法 | |
Bao et al. | A data-driven approach for identification and compensation of wind turbine inherent yaw misalignment | |
CN115358160A (zh) | 一种基于改进遗传算法的复杂地形风电场微观选址方法 | |
CN110212570B (zh) | 基于mmse挖掘的风电场等值模型及其构建方法和应用 | |
CN112884262A (zh) | 一种风电机组载荷适应性确定方法和系统 | |
Allagui et al. | Optimization of the wind farm energy capture by minimizing the wake effects | |
Zhang et al. | Influence of Wind Turbine Structural Parameters on Wind Shear and Tower Shadow Effect | |
CN115495883A (zh) | 基于SCADA数据提取的风电机组Bladed建模方法 | |
Yin et al. | Research on Wind Deviation Detection Based on DENCLUE Abnormal Working Condition Filtering | |
CN112145376B (zh) | 一种风力机全时效率测定方法 | |
CN115115136A (zh) | 基于全生命周期度电成本最优化的风电机组自动布置方法 |
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 |