CN117195520A - 一种基于运行数据的风电机组等效建模方法 - Google Patents

Abstract

本发明公开了属于风力发电仿真实验技术领域的一种基于运行数据的风电机组等效建模方法。具体如下：确定已知参数，包括额定功率、风轮直径、额定转速、空气密度；通过Wilson方法建立初步模型，获得弦长扭角分布；选取未变桨正常运行风速段的风速作为参照点风速，通过scada运行数据获得对应风速下的风轮的功率推力；通过scada数据的概率分布获得风电机组各风速下的转速和桨距角的变化情况；通过遗传算法确定翼型组合，优化弦长扭角分布；通过二次函数拟合对优化后的叶片外形进行光顺化处理，所得弦长扭角分布即为等效气动模型。本发明方法快捷有效，避免了数据清洗的复杂过程，能有效避免机组个体的差异以及厂商数据的误差。

Description

一种基于运行数据的风电机组等效建模方法

技术领域

本发明涉及风力发电仿真实验技术领域，尤其涉及一种基于运行数据的风电机组等效建模方法。

背景技术

对于叶片厂家来说，如何在原有型号叶片模具上进行改造、更新产品成为关键。对于业主已经投运的风机，如何在高空进行叶片改造，提高低风速发电效率成为重点。对旧叶片进行改造不但要保证叶片本身运行的安全性，还要保证风电机组在叶片加长、加重之后的承载能力。所以对旧风机进行改造需要进行仿真实验以确定改造的方式以及改造的有效性和安全性。而由于旧风机年代久远，难以获得其模型的详细信息，业主单位与第三方设计单位在没有仿真模型的情况下难以进行不同改造方法的比较以及安全性的验证，极大地增加了改造的难度，为此需要提供一种基于运行数据的风电机组等效建模方法。

发明内容

本发明的目的是提出一种基于运行数据的风电机组等效建模方法，包括以下步骤：

步骤1：确定已知参数，包括额定功率、风轮直径、额定转速、空气密度；

步骤2：根据步骤1确定的已知参数，通过Wilson方法建立初步模型，获得弦长扭角分布；

步骤3：选取未变桨正常运行风速段的风速作为参照点风速，通过scada运行数据获得对应风速下的风轮的功率推力；

步骤4：建立控制模型，即通过scada数据的概率分布获得风电机组各风速下的转速和桨距角的变化情况；

步骤5：通过遗传算法确定翼型组合，优化弦长扭角分布；

步骤6：通过二次函数拟合对优化后的叶片外形进行光顺化处理，所得弦长扭角分布即为等效气动模型。

步骤5具体为：

通过遗传算法进行优化，以各个优化点的功率推力绝对误差k最小为优化目标，以各个截面的翼型和弦长扭角为优化变量，通过遗传算法在翼型数据库中选取最合适的翼型组合，使优化点功率和推力贴合目标值。

功率推力绝对误差k的表达式为：

k＝∑|Pi-Pi’|/Pi

式中，Pi为模型风电机组的功率及推力，Pi’为原叶片在对应风速下的功率及推力。

本发明的有益效果在于：

本发明在缺少具体几何的情况下，给出一种能有效模拟原机组气动特性的方法；通过概率密度获得建模参数，方法快捷有效，避免了数据清洗的复杂过程；基于实际运行数据的建模能有效避免机组个体的差异以及厂商数据的误差。

附图说明

图1是本发明基于运行数据的风电机组等效建模方法的流程图；

图2是初步设计弦长分布图；

图3是初步设计扭角分布图；

图4是机组转速变化图；

图5是遗传算法优化后弦长分布图；

图6是遗传算法优化后扭角分布图；

图7是外形优化后弦长分布图；

图8是外形优化后扭角分布图。

具体实施方式

本发明提出一种基于运行数据的风电机组等效建模方法，下面结合附图和具体实施例对本发明做进一步说明。

图1是本发明基于运行数据的风电机组等效建模方法的流程图；具体如下：

第一步，确定已知参数，从产品说明书等有限条件中获得建模所需的基本参数，包括额定功率，风轮直径，额定转速，空气密度，以某2MW机组为例，额定功率为2MW,风轮直径为105m，额定转速为15r/min,当地空气密度1.1Kg/m³。

第二步，通过Wilson方法进行初步模型建立，获得弦长扭角分布，如图2，图3所示。

第三步，确定3-10m/s的整数点风速为参照点风速。通过scada数据获得其各个点功率,分别为12.7kW、113.5kW、267.7kW、486.5kW、794kW、1213.5kW、1723.5kW、2000kW。

第四步，通过scada数据概率分布获得其各风速下转速以及桨距角，如图4所示，建立控制模型。

第五步，通过遗传算法进行优化，以各个优化点的功率推力绝对误差k最小为优化目标，以各个截面的弦长扭角为优化变量，使优化点功率和推力贴合目标值，k＝∑|Pi-Pi’|/Pi，式中，Pi为模型风电机组的功率及推力，Pi’为原叶片在对应风速下的功率及推力。选取翼型为DU翼型族与FFA翼型族混合翼型，所得弦长扭角分布如图5，图6所示，获得的叶片在各风速下的功率及推力能和原叶片的功率及推力基本吻合。

第六步，通过二次函数拟合对叶片外形进行光顺化处理，输出叶片弦长扭角分布，获得等效气动模型，所得弦长扭角分布如图7，图8所示，从而获得平顺光滑的外形曲线。

本实施例通过概率密度获得建模参数，方法快捷有效，避免了数据清洗的复杂过程；基于实际运行数据的建模能有效避免机组个体的差异以及厂商数据的误差。

Claims (3)

1.一种基于运行数据的风电机组等效建模方法，其特征在于，包括以下步骤：

步骤1：确定已知参数，包括额定功率、风轮直径、额定转速、空气密度；

步骤2：根据步骤1确定的已知参数，通过Wilson方法建立初步模型，获得弦长扭角分布；

步骤3：选取未变桨正常运行风速段的风速作为参照点风速，通过scada运行数据获得对应风速下的风轮的功率推力；

步骤4：建立控制模型，即通过scada数据的概率分布获得风电机组各风速下的转速和桨距角的变化情况；

步骤5：通过遗传算法确定翼型组合，优化弦长扭角分布；

步骤6：通过二次函数拟合对优化后的叶片外形进行光顺化处理，所得弦长扭角分布即为等效气动模型。

2.根据权利要求1所述基于运行数据的风电机组等效建模方法，其特征在于，所述步骤5具体为：

通过遗传算法进行优化，以各个优化点的功率推力绝对误差k最小为优化目标，以各个截面的翼型和弦长扭角为优化变量，通过遗传算法在翼型数据库中选取最合适的翼型组合，使优化点功率和推力贴合目标值。

3.根据权利要求2所述基于运行数据的风电机组等效建模方法，其特征在于，功率推力绝对误差k的表达式为：

k＝∑|Pi-Pi’|/Pi

式中，Pi为模型风电机组的功率及推力，Pi’为原叶片在对应风速下的功率及推力。