CN117432594A - 近零碳港口多能源融合系统及其自洽运行方法及介质 - Google Patents
近零碳港口多能源融合系统及其自洽运行方法及介质 Download PDFInfo
- Publication number
- CN117432594A CN117432594A CN202311339279.1A CN202311339279A CN117432594A CN 117432594 A CN117432594 A CN 117432594A CN 202311339279 A CN202311339279 A CN 202311339279A CN 117432594 A CN117432594 A CN 117432594A
- Authority
- CN
- China
- Prior art keywords
- wind power
- value
- early warning
- comprehensive
- wind
- 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
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 47
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 42
- 230000004927 fusion Effects 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000006243 chemical reaction Methods 0.000 claims abstract description 89
- 238000012544 monitoring process Methods 0.000 claims abstract description 75
- 238000010248 power generation Methods 0.000 claims abstract description 39
- 238000011156 evaluation Methods 0.000 claims abstract description 34
- 238000012545 processing Methods 0.000 claims description 32
- 230000005856 abnormality Effects 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000011017 operating method Methods 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000002411 adverse Effects 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 150000001721 carbon Chemical class 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 230000001052 transient effect Effects 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
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了近零碳港口多能源融合系统及其自洽运行方法及介质，具体涉及风力发电监测技术领域；通过综合分析负荷变异值、综合风电转换值以及风电转换颠簸值，计算风电运行状态评估系数，量化分析风力涡轮机的运行状态以提前发现风力涡轮机存在的故障风险，有利于对风力涡轮机的自洽运行的管理；通过考虑综合预警集合内生成风电运行可接受信号的次数和相邻风电运行可接受信号之间的时间间隔，可以提高故障预测的可信度；通过将综合预警集合内生成风电运行可接受信号的次数和相邻风电运行可接受信号之间的时间间隔综合分析计算风电综合预警值，能更全面地评估风力涡轮机的运行状态，确保风电系统在近零碳港口多能源融合系统中的正常运行。
Description
技术领域
本发明涉及风力发电监测技术领域，更具体地说，本发明涉及近零碳港口多能源融合系统及其自洽运行方法及介质。
背景技术
近零碳港口是指通过优化运输结构和工艺、应用节能减排技术、实施清洁能源替代、强化碳排放管理，实现运营期年度二氢化碳排放量趋近于零的港口。港口需要大量电力来运行各种设备，如起重机、堆垛机、照明、通信系统等。这些能源用于为这些设备提供电力，还可以提供电力给岸电设施或港口电网。清洁能源包括太阳能和风能等，如风能通过风力涡轮机产生电力；近零碳港口通过将风力涡轮机发电、太阳能光伏板发电以及传统电网发电等进行融合，形成对近零碳港口的多能源融合发电，采用清洁能源如风能和太阳能，可以显著减少港口的碳排放，有助于应对气候变化和减少环境影响。
但是在实际的对风能的利用中，所使用的风力涡轮机的运行状态对电力生产的稳定性和可用性有很大影响，实际中大多是在风力涡轮机发生故障或察觉到电力生产不稳定较为明显后才发出警报并采取措施，对风力涡轮机的运行的监测不到位，不能提前对风力涡轮机的运行状态进行预警，从而导致风力涡轮机的发电效率降低，从而损失电力生产量，影响电力供应的稳定性，最终导致近零碳港口多能源融合的可用性降低。
为了解决上述问题，现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供近零碳港口多能源融合系统及其自洽运行方法及介质以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
近零碳港口多能源融合系统，包括数据处理模块，以及与数据处理模块信号连接的信息采集模块、风电运行判断模块以及风电综合预警模块；
信息采集模块采集轴承负荷异常信息，将轴承负荷异常信息发送至数据处理模块，数据处理模块计算得到负荷变异值；
信息采集模块采集风能转换效率信息，将风能转换效率信息发送至数据处理模块，数据处理模块计算得到综合风电转换值和风电转换颠簸值；
数据处理模块将负荷变异值、综合风电转换值以及风电转换颠簸值进行归一化处理计算风电运行状态评估系数；
风电运行判断模块将风电运行状态评估系数与风电运行判断第一阈值、风电运行判断第二阈值进行比较，生成风电运行良好信号、风电运行可接受信号或风电运行糟糕信号；
数据处理模块对综合预警集合内的生成风电运行可接受信号的情况进行分析计算综合预警比和紧密系数；
风电综合预警模块根据综合预警比和紧密系数计算风电综合预警值；将风电综合预警值和风电综合预警阈值进行比较，生成综合预警糟糕信号或综合预警正常信号。
在一个优选的实施方式中，近零碳港口多能源融合系统的自洽运行方法，包括如下步骤：
步骤S1：采集轴承负荷异常信息，轴承负荷异常信息包括负荷变异值；对风力涡轮机的轴承受到的径向负荷值的变化幅度的情况进行分析，计算负荷变异值；
步骤S2：采集风能转换效率信息，风能转换效率信息包括综合风电转换值和风电转换颠簸值；通过分析实际发电量和理论发电量计算综合风电转换值；通过对风力涡轮机的发电效率的稳定性进行分析，计算风电转换颠簸值；
步骤S3：将负荷变异值、综合风电转换值以及风电转换颠簸值进行归一化处理计算风电运行状态评估系数；将风电运行状态评估系数与风电运行判断第一阈值、风电运行判断第二阈值进行比较，生成风电运行良好信号、风电运行可接受信号或风电运行糟糕信号；
步骤S4：对综合预警集合内的生成风电运行可接受信号的情况进行分析计算综合预警比和紧密系数，根据综合预警比和紧密系数计算风电综合预警值；将风电综合预警值和风电综合预警阈值进行比较，生成综合预警糟糕信号或综合预警正常信号。
在一个优选的实施方式中，在步骤S1中，负荷变异值的具体获取逻辑为：
设定负荷异常监测区间；在负荷异常监测区间监测到n个风力涡轮机的轴承受到的径向负荷值；计算负荷变异值，其表达式为：其中，n为负荷异常监测区间内监测到的风力涡轮机的轴承受到的径向负荷值的数量，q为负荷异常监测区间内监测到的风力涡轮机的轴承受到的径向负荷值的编号，q＝1、2、3、4、......、n，n、q均为大于等于1的正整数；lvv、jfzq+1、jfzq分别为负荷变异值、负荷异常监测区间内第q+1个监测到的风力涡轮机的轴承受到的径向负荷值以及负荷异常监测区间内第q个监测到的风力涡轮机的轴承受到的径向负荷值。
在一个优选的实施方式中，在步骤S2中，设定风电效率监测区间；将风电效率监测区间均等分为m个小区间，计算每个小区间的理论发电量；获取每个小区间的实际发电量；
计算综合风电转换值：综合风电转换值为风电效率监测区间内所有小区间的实际发电量的和与风电效率监测区间内所有小区间的理论发电量的和的比值；
风电转换颠簸值的具体获取逻辑为：将小区间的实际发电量与小区间的理论发电量的比值标记为小区间风电效率值；计算风电效率监测区间内小区间风电效率值的平均值；对风电效率监测区间内的所有的小区间对应的小区间风电效率值进行离散分析，计算风电转换颠簸值，其表达式为：其中，m、w分别为风电效率监测区间内小区间的数量以及风电效率监测区间内小区间的编号，w＝1、2、3、4、......、m，n、w均为大于1的正整数；fzd、xfxw、xfp分别为风电转换颠簸值、风电效率监测区间内第w小区间对应的小区间风电效率值以及风电效率监测区间内小区间风电效率值的平均值。
在一个优选的实施方式中，在步骤S3中，将负荷变异值、综合风电转换值以及风电转换颠簸值进行归一化处理，通过归一化处理后的负荷变异值、综合风电转换值以及风电转换颠簸值计算风电运行状态评估系数；
设定风电运行判断第一阈值和风电运行判断第二阈值，风电运行判断第一阈值小于风电运行判断第二阈值；
当风电运行状态评估系数小于风电运行判断第一阈值，生成风电运行良好信号；当风电运行状态评估系数大于等于风电运行判断第一阈值，且风电运行状态评估系数小于等于风电运行判断第二阈值，生成风电运行可接受信号；当风电运行状态评估系数大于风电运行判断第二阈值，生成风电运行糟糕信号。
在一个优选的实施方式中，在步骤S4中，若综合预警集合内未生成风电运行糟糕信号，且当综合预警集合内生成风电运行可接受信号的次数大于等于2时，生成预警分析信号；
当生成预警分析信号，获取综合预警集合内生成风电运行可接受信号的次数，获取综合预警集合内生成的风电运行可接受信号和风电运行正常信号的总次数；将综合预警集合内生成风电运行可接受信号的次数与综合预警集合内生成的风电运行可接受信号和风电运行正常信号的总次数的比值标记为综合预警比；
获取相邻的风电运行可接受信号之间的时间间隔；设定间隔阈值；获取综合预警集合内相邻的风电运行可接受信号之间的时间间隔的数量，获取综合预警集合内相邻的风电运行可接受信号之间的时间间隔小于间隔阈值的相邻的风电运行可接受信号之间的时间间隔的数量；将综合预警集合内相邻的风电运行可接受信号之间的时间间隔小于间隔阈值的相邻的风电运行可接受信号之间的时间间隔的数量与综合预警集合内相邻的风电运行可接受信号之间的时间间隔的数量的比值标记为紧密系数；
风电综合预警值为综合预警比与紧密系数的乘积；
设定风电综合预警阈值；当风电综合预警值大于风电综合预警阈值，生成综合预警糟糕信号；当风电综合预警值小于等于风电综合预警阈值，生成综合预警正常信号。
在一个优选的实施方式中，近零碳港口多能源融合系统的自洽运行介质，所述近零碳港口多能源融合系统的自洽运行介质为一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述近零碳港口多能源融合系统的自洽运行方法的技术方案中任一项技术方案所述的近零碳港口多能源融合系统的自洽运行方法。
本发明近零碳港口多能源融合系统及其自洽运行方法及介质的技术效果和优点：
1、通过综合分析负荷变异值、综合风电转换值以及风电转换颠簸值，计算风电运行状态评估系数，量化分析风力涡轮机的运行状态以提前发现风力涡轮机存在的故障风险，有助于在问题严重之前采取维修措施，减少停机时间和损失。将风电运行状态评估系数与风电运行判断第一阈值、风电运行判断第二阈值进行比较生成不同的信号，更准确的对风力涡轮机的运行状态进行划分，有利于对风力涡轮机的自洽运行的管理，有助于确保近零碳港口多能源融合系统的可靠运行。
2、通过在综合预警集合内生成风电运行糟糕信号，可以及早预警风力涡轮机的运行状态问题，减少因故障导致的损失，通过考虑综合预警集合内生成风电运行可接受信号的次数和相邻风电运行可接受信号之间的时间间隔，可以提高故障预测的可信度；通过将综合预警集合内生成风电运行可接受信号的次数和相邻风电运行可接受信号之间的时间间隔综合分析计算风电综合预警值，能更全面地评估风力涡轮机的运行状态，根据生成的综合预警糟糕信号或综合预警正常信号，可以自动决策是否停止风力涡轮机的运行，确保风电系统在近零碳港口多能源融合系统中的正常运行。
附图说明
图1为本发明近零碳港口多能源融合系统的自洽运行方法示意图；
图2为本发明近零碳港口多能源融合系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，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。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。
实施例1
图2给出了本发明近零碳港口多能源融合系统的结构示意图，近零碳港口多能源融合系统，包括数据处理模块，以及与数据处理模块信号连接的信息采集模块、风电运行判断模块以及风电综合预警模块。
信息采集模块采集轴承负荷异常信息，将轴承负荷异常信息发送至数据处理模块，数据处理模块计算得到负荷变异值。
信息采集模块采集风能转换效率信息，将风能转换效率信息发送至数据处理模块，数据处理模块计算得到综合风电转换值和风电转换颠簸值。
数据处理模块将负荷变异值、综合风电转换值以及风电转换颠簸值进行归一化处理计算风电运行状态评估系数。
风电运行判断模块将风电运行状态评估系数与风电运行判断第一阈值、风电运行判断第二阈值进行比较，生成风电运行良好信号、风电运行可接受信号或风电运行糟糕信号。
数据处理模块对综合预警集合内的生成风电运行可接受信号的情况进行分析计算综合预警比和紧密系数。
风电综合预警模块根据综合预警比和紧密系数计算风电综合预警值；将风电综合预警值和风电综合预警阈值进行比较，生成综合预警糟糕信号或综合预警正常信号。
实施例2
本发明实施例2与实施例1的区别在于，本实施例是对近零碳港口多能源融合系统的自洽运行方法进行介绍。
图1给出了本发明近零碳港口多能源融合系统的自洽运行方法，其包括如下步骤：
步骤S1：采集轴承负荷异常信息，轴承负荷异常信息包括负荷变异值；对风力涡轮机的轴承受到的径向负荷值的变化幅度的情况进行分析，计算负荷变异值。
步骤S2：采集风能转换效率信息，风能转换效率信息包括综合风电转换值和风电转换颠簸值；通过分析实际发电量和理论发电量计算综合风电转换值；通过对风力涡轮机的发电效率的稳定性进行分析，计算风电转换颠簸值。
步骤S3：将负荷变异值、综合风电转换值以及风电转换颠簸值进行归一化处理计算风电运行状态评估系数；将风电运行状态评估系数与风电运行判断第一阈值、风电运行判断第二阈值进行比较，生成风电运行良好信号、风电运行可接受信号或风电运行糟糕信号。
步骤S4：对综合预警集合内的生成风电运行可接受信号的情况进行分析计算综合预警比和紧密系数，根据综合预警比和紧密系数计算风电综合预警值；将风电综合预警值和风电综合预警阈值进行比较，生成综合预警糟糕信号或综合预警正常信号。
在步骤S1中，采集轴承负荷异常信息；轴承是风力涡轮机的关键部件，负责支持和限制旋转部件的运动，轴承的实时运行状态对于风力涡轮机的可靠性和性能至关重要。
小幅度的零星负荷通常可以由轴承轻松承受，而不会引发严重问题。轴承通常设计成具有一定的额外负荷承受能力，以应对瞬时的额外负荷。然而，如果零星的负荷变化频繁或幅度较大，可能会引发一些问题，如轴承的疲劳或寿命缩短。此外，如果负荷超出了轴承的额定承载能力，轴承可能会受到损坏或故障。通过监测轴承所承受的负荷，可以提前发现轴承存在的问题。
轴承通常用于支持旋转部件的重量和惯性力，这通常是径向负荷。因此，监测径向负荷对风力涡轮机的寿命和性能的影响较为显著。
轴承负荷异常信息包括负荷变异值。负荷变异值的具体获取逻辑为：
设定负荷异常监测区间，负荷异常监测区间对应的时间长度是本领域专业技术人员依据实际对风力涡轮机的所受负荷的监测需求进行设定，负荷异常监测区间对应的时间长度为固定值，但负荷异常监测区间的范围是随着实时的时间变化而进行变化，即负荷异常监测区间的一个临界点始终为实时的时间；例如若实时的时间为07：20，负荷异常监测区间的时间长度设置为2min，则负荷异常监测区间监测的即为07：18至07：20之间的时间间隔。
对单个风力涡轮机的负荷情况进行分析：在负荷异常监测区间监测到n个风力涡轮机的轴承受到的径向负荷值，n的大小与监测风力涡轮机的轴承受到的径向负荷值的频率有关。
径向负荷值是指轴承所受的垂直于轴线方向的负载；使用力传感器可以直接测量轴承所受的径向负荷，力传感器通常会安装在轴承所支撑的部件上，以测量垂直于轴线方向的力，力传感器输出的数据可以用来确定径向负荷值。
对负荷异常监测区间监测到的n个风力涡轮机的轴承受到的径向负荷值的变化幅度的情况进行分析，计算负荷变异值，其表达式为：其中，n为负荷异常监测区间内监测到的风力涡轮机的轴承受到的径向负荷值的数量，q为负荷异常监测区间内监测到的风力涡轮机的轴承受到的径向负荷值的编号，q＝1、2、3、4、......、n，n、q均为大于等于1的正整数；lvv、jfzq+1、jfzq分别为负荷变异值、负荷异常监测区间内第q+1个监测到的风力涡轮机的轴承受到的径向负荷值以及负荷异常监测区间内第q个监测到的风力涡轮机的轴承受到的径向负荷值。
负荷变异值越大，负荷异常监测区间内风力涡轮机的轴承受到的径向负荷值的变化程度越大越频繁，对风力涡轮机本身的运行的不利影响越大，风力涡轮机可能存在旋翼运行或机械故障，导致轴承负荷的波动，从而影响风力涡轮机电力的输出。
在步骤S2中，采集风能转换效率信息，风力涡轮机的风能转换效率是指它将风能成功转换为电能的效率，反映风力涡轮机在利用风能时的效率和性能，风能转换效率反映了风力涡轮机将风能转化为电能的效率，高效率表示风力涡轮机能够更充分地利用可用的风资源。
风能转换效率不佳意味着大量的风能未能被有效地转化为电能，风能转换效率不佳通常反映了风力涡轮机的运行状态和运行性能，风能转换效率不佳可能表明风力涡轮机在特定风速下未能有效地将风能转化为电能，这可能是由于叶片受损、涡轮机机械部件故障、控制系统问题或其他因素引起的。
风能转换效率信息包括综合风电转换值和风电转换颠簸值。
设定风电效率监测区间，风电效率监测区间对应的时间长度是本领域专业技术人员依据实际对风力涡轮机将风能成功转换为电能的效率的监测需求进行设定，风电效率监测区间对应的时间长度为固定值，但风电效率监测区间的范围是随着实时的时间变化而进行变化，即风电效率监测区间的一个临界点始终为实时的时间；例如若实时的时间为07：20，风电效率监测区间的时间长度设置为5min，则风电效率监测区间监测的即为07：15至07：20之间的时间间隔。
将风电效率监测区间均等分为m个小区间，计算每个小区间的理论发电量；获取每个小区间的实际发电量，小区间的实际发电量的获取现有技术较为成熟，此处不再赘述。
计算综合风电转换值：综合风电转换值为风电效率监测区间内所有小区间的实际发电量的和与风电效率监测区间内所有小区间的理论发电量的和的比值。综合风电转换值越大，风力涡轮机将风能转化为电能的效率越高；反之，风力涡轮机将风能转化为电能的效率越低，不利于近零碳港口多能源融合的正常使用。
其中，小区间的理论发电量的获取方法为：
计算每个小区间对应的风速平均值，风速平均值是小区间内风力涡轮机的风速的平均值；获取每个小区间对应的风速平均值对应的理论发电功率；将小区间的理论发电功率与小区间对应的时间长度相乘，计算出每个小区间对应的理论发电量。
值得注意的是，每个小区间对应的风速平均值对应的理论发电功率是基于功率曲线获取的，此处为现有技术，不再赘述。
值得注意的是，m应尽量较大，以更好准确的反映小区间的风速平均值的准确性。
风电转换颠簸值的具体获取逻辑为：将小区间的实际发电量与小区间的理论发电量的比值标记为小区间风电效率值；即每个小区间对应一个小区间风电效率值，计算风电效率监测区间内小区间风电效率值的平均值；对风电效率监测区间内的所有的小区间对应的小区间风电效率值进行离散分析，计算风电转换颠簸值，其表达式为：其中，m、w分别为风电效率监测区间内小区间的数量以及风电效率监测区间内小区间的编号，w＝1、2、3、4、......、m，m、w均为大于1的正整数；fzd、xfxw、xfp分别为风电转换颠簸值、风电效率监测区间内第w小区间对应的小区间风电效率值以及风电效率监测区间内小区间风电效率值的平均值。
其中，风电效率监测区间内小区间风电效率值的平均值是风电效率监测区间内所有小区间风电效率值的和与小区间数量的比值。
风电转换颠簸值越大，说明在风电效率监测区间内小区间风电效率值之间的偏差越大，即风力涡轮机将风能转化为电能的效率不稳定，风电转换效率不稳定可能导致电力输出的波动，这意味着近零碳港口依赖于风力涡轮机供应的电力时，电力的可靠性会降低，不稳定的电力输出可能会影响港口的正常运行，特别是在电力需求高峰期，如果清洁能源供应不稳定，港口可能需要依赖传统能源来弥补缺口，这将影响碳排放的控制目标。
在步骤S3中，将轴承负荷异常信息和风能转换效率信息进行综合分析，从而对风力涡轮机的运行状态进行分析，提前发现风力涡轮机存在的故障风险。
将负荷变异值、综合风电转换值以及风电转换颠簸值进行归一化处理，通过归一化处理后的负荷变异值、综合风电转换值以及风电转换颠簸值计算风电运行状态评估系数，例如，本发明可采用如下公式进行风电运行状态评估系数的计算，其表达式为：其中，fszp、lvv、zfz、fzd分别为风电运行状态评估系数、负荷变异值、综合风电转换值以及风电转换颠簸值；α1、α2、α3分别为负荷变异值、综合风电转换值以及风电转换颠簸值的预设比例系数，且α1、α3大于0，α2小于0。
风电运行状态评估系数越大，风力涡轮机的运行状态越差，风电转换的能力越差，导致近零碳港口多能源融合的可用性降低。
设定风电运行判断第一阈值和风电运行判断第二阈值，风电运行判断第一阈值小于风电运行判断第二阈值。
将风电运行状态评估系数与风电运行判断第一阈值、风电运行判断第二阈值进行比较：
当风电运行状态评估系数小于风电运行判断第一阈值，生成风电运行良好信号。此时，风力涡轮机的运行状态正常，无需采取措施。
当风电运行状态评估系数大于等于风电运行判断第一阈值，且风电运行状态评估系数小于等于风电运行判断第二阈值，生成风电运行可接受信号。此时，风力涡轮机的运行状态可能存在问题，但是单次出现不会影响风力涡轮机的正常运行，但风电运行可接受信号出现过多会暗示风力涡轮机的运行状态可能存在即将故障的风险。
当风电运行状态评估系数大于风电运行判断第二阈值，生成风电运行糟糕信号。此时，风力涡轮机的运行状态不佳，不能正常的运行，会影响近零碳港口多能源融合的正常运行，根据生成的风电运行糟糕信号，停止风力涡轮机的运行，安排专业技术人员对风力涡轮机进行检修，并切换至传统电网发电或其他清洁能源发电以代替该风力涡轮机的发电。
其中，风电运行判断第一阈值和风电运行判断第二阈值是本领域专业技术人员根据风电运行状态评估系数的大小以及实际中对近零碳港口多能源融合场景下的对风力涡轮机的要求标准等其他实际情况进行设定，此处不再赘述。
在步骤S4中，获取综合预警集合内是否生成风电运行糟糕信号，若综合预警集合内未生成风电运行糟糕信号，且当综合预警集合内生成风电运行可接受信号的次数大于等于2时，生成预警分析信号。
综合预警集合内生成风电运行糟糕信号时说明风力涡轮机已经故障较为明显，且因为综合预警集合内生成风电运行可接受信号的次数小于2时对风力涡轮机的状态的影响较小，对风力涡轮机的状态评估没有意义，故不再考虑。
当生成预警分析信号，获取综合预警集合内生成风电运行可接受信号的次数，获取综合预警集合内生成的风电运行可接受信号和风电运行正常信号的总次数；将综合预警集合内生成风电运行可接受信号的次数与综合预警集合内生成的风电运行可接受信号和风电运行正常信号的总次数的比值标记为综合预警比。
获取相邻的风电运行可接受信号之间的时间间隔，相邻的风电运行可接受信号之间的时间间隔越小，说明发生风力涡轮机的运行状态可能存在问题的情况越紧密。
设定间隔阈值，间隔阈值是根据相邻的风电运行可接受信号之间的时间间隔的大小以及实际中对相邻的风电运行可接受信号之间的时间间隔的安全要求标准进行设定；相邻的风电运行可接受信号之间的时间间隔小于间隔阈值，说明发生风力涡轮机的运行状态可能存在问题的情况较为紧密。
获取综合预警集合内相邻的风电运行可接受信号之间的时间间隔的数量，获取综合预警集合内相邻的风电运行可接受信号之间的时间间隔小于间隔阈值的相邻的风电运行可接受信号之间的时间间隔的数量；将综合预警集合内相邻的风电运行可接受信号之间的时间间隔小于间隔阈值的相邻的风电运行可接受信号之间的时间间隔的数量与综合预警集合内相邻的风电运行可接受信号之间的时间间隔的数量的比值标记为紧密系数。
在综合预警比相同的情况下，紧密系数越大，风力涡轮机发生故障的概率越大。
故计算风电综合预警值，风电综合预警值为综合预警比与紧密系数的乘积。风电综合预警值越大，风力涡轮机发生故障的概率越大，对近零碳港口多能源融合的正常运行的不利影响越大。
设定风电综合预警阈值，风电综合预警阈值是本领域专业技术人员根据风电综合预警值的大小以及实际中对风力涡轮机的运行状态的要求标准等其他实际情况进行设定，此处不再赘述。
比较风电综合预警值和风电综合预警阈值：
当风电综合预警值大于风电综合预警阈值，生成综合预警糟糕信号；当风电综合预警值小于等于风电综合预警阈值，生成综合预警正常信号。
当生成综合预警糟糕信号，说明在综合预警集合内风力涡轮机的运行状态存在较大的问题，此时根据生成的综合预警糟糕信号，停止该风力涡轮机的运行，安排专业技术人员对风力涡轮机进行检修，并切换至传统电网发电或其他清洁能源发电以代替该风力涡轮机的发电。
生成综合预警正常信号，说明在综合预警集合内风力涡轮机的运行状态在可以接受的范围内，此时无需采取措施。
值得注意的是，综合预警集合包括生成的风电运行糟糕信号、风电运行可接受信号以及风电运行正常信号，综合预警集合包括生成的风电运行糟糕信号、风电运行可接受信号以及风电运行正常信号的总数量是固定的，且综合预警集合采集的是距离实时时间最近的生成的风电运行糟糕信号、风电运行可接受信号以及风电运行正常信号；综合预警集合包括生成的风电运行糟糕信号、风电运行可接受信号以及风电运行正常信号的总数量是根据实际的对风力涡轮机的监测需求进行设定，此处不再赘述。
实施例3
近零碳港口多能源融合系统的自洽运行介质，所述近零碳港口多能源融合系统的自洽运行介质为一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述近零碳港口多能源融合系统的自洽运行方法的技术方案中任一项技术方案所述的近零碳港口多能源融合系统的自洽运行方法。
上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数以及阈值选取由本领域的技术人员根据实际情况进行设置。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络，或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)，或者半导体介质。半导体介质可以是固态硬盘。
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模块及算法步骤，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方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和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。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其他的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，既可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read-only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.近零碳港口多能源融合系统，其特征在于，包括数据处理模块，以及与数据处理模块信号连接的信息采集模块、风电运行判断模块以及风电综合预警模块；
信息采集模块采集轴承负荷异常信息，将轴承负荷异常信息发送至数据处理模块，数据处理模块计算得到负荷变异值；
信息采集模块采集风能转换效率信息，将风能转换效率信息发送至数据处理模块，数据处理模块计算得到综合风电转换值和风电转换颠簸值；
数据处理模块将负荷变异值、综合风电转换值以及风电转换颠簸值进行归一化处理计算风电运行状态评估系数；
风电运行判断模块将风电运行状态评估系数与风电运行判断第一阈值、风电运行判断第二阈值进行比较，生成风电运行良好信号、风电运行可接受信号或风电运行糟糕信号；
数据处理模块对综合预警集合内的生成风电运行可接受信号的情况进行分析计算综合预警比和紧密系数；
风电综合预警模块根据综合预警比和紧密系数计算风电综合预警值；将风电综合预警值和风电综合预警阈值进行比较，生成综合预警糟糕信号或综合预警正常信号。
2.近零碳港口多能源融合系统的自洽运行方法，用于实现权利要求1所述的近零碳港口多能源融合系统，其特征在于，包括如下步骤：
步骤S1：采集轴承负荷异常信息，轴承负荷异常信息包括负荷变异值；对风力涡轮机的轴承受到的径向负荷值的变化幅度的情况进行分析，计算负荷变异值；
步骤S2：采集风能转换效率信息，风能转换效率信息包括综合风电转换值和风电转换颠簸值；通过分析实际发电量和理论发电量计算综合风电转换值；通过对风力涡轮机的发电效率的稳定性进行分析，计算风电转换颠簸值；
步骤S3：将负荷变异值、综合风电转换值以及风电转换颠簸值进行归一化处理计算风电运行状态评估系数；将风电运行状态评估系数与风电运行判断第一阈值、风电运行判断第二阈值进行比较，生成风电运行良好信号、风电运行可接受信号或风电运行糟糕信号；
步骤S4：对综合预警集合内的生成风电运行可接受信号的情况进行分析计算综合预警比和紧密系数，根据综合预警比和紧密系数计算风电综合预警值；将风电综合预警值和风电综合预警阈值进行比较，生成综合预警糟糕信号或综合预警正常信号。
3.根据权利要求2所述的近零碳港口多能源融合系统的自洽运行方法，其特征在于，在步骤S1中，负荷变异值的具体获取逻辑为：
设定负荷异常监测区间；在负荷异常监测区间监测到n个风力涡轮机的轴承受到的径向负荷值；计算负荷变异值，其表达式为：其中，n为负荷异常监测区间内监测到的风力涡轮机的轴承受到的径向负荷值的数量，q为负荷异常监测区间内监测到的风力涡轮机的轴承受到的径向负荷值的编号，q＝1，2，3，4、......、n，n、q均为大于等于1的正整数；1vv、jfzq+1、jfzq分别为负荷变异值、负荷异常监测区间内第q+1个监测到的风力涡轮机的轴承受到的径向负荷值以及负荷异常监测区间内第q个监测到的风力涡轮机的轴承受到的径向负荷值。
4.根据权利要求2所述的近零碳港口多能源融合系统的自洽运行方法，其特征在于，在步骤S2中，设定风电效率监测区间；将风电效率监测区间均等分为m个小区间，计算每个小区间的理论发电量；获取每个小区间的实际发电量；
计算综合风电转换值：综合风电转换值为风电效率监测区间内所有小区间的实际发电量的和与风电效率监测区间内所有小区间的理论发电量的和的比值；
风电转换颠簸值的具体获取逻辑为：将小区间的实际发电量与小区间的理论发电量的比值标记为小区间风电效率值；计算风电效率监测区间内小区间风电效率值的平均值；对风电效率监测区间内的所有的小区间对应的小区间风电效率值进行离散分析，计算风电转换颠簸值，其表达式为：其中，m、w分别为风电效率监测区间内小区间的数量以及风电效率监测区间内小区间的编号，w＝1、2、3、4、......、m，m、w均为大于1的正整数；fzd、xfxw、xfp分别为风电转换颠簸值、风电效率监测区间内第w小区间对应的小区间风电效率值以及风电效率监测区间内小区间风电效率值的平均值。
5.根据权利要求2所述的近零碳港口多能源融合系统的自洽运行方法，其特征在于，在步骤S3中，将负荷变异值、综合风电转换值以及风电转换颠簸值进行归一化处理，通过归一化处理后的负荷变异值、综合风电转换值以及风电转换颠簸值计算风电运行状态评估系数；
设定风电运行判断第一阈值和风电运行判断第二阈值，风电运行判断第一阈值小于风电运行判断第二阈值；
当风电运行状态评估系数小于风电运行判断第一阈值，生成风电运行良好信号；当风电运行状态评估系数大于等于风电运行判断第一阈值，且风电运行状态评估系数小于等于风电运行判断第二阈值，生成风电运行可接受信号；当风电运行状态评估系数大于风电运行判断第二阈值，生成风电运行糟糕信号。
6.根据权利要求2所述的近零碳港口多能源融合系统的自洽运行方法，其特征在于，在步骤S4中，若综合预警集合内未生成风电运行糟糕信号，且当综合预警集合内生成风电运行可接受信号的次数大于等于2时，生成预警分析信号；
当生成预警分析信号，获取综合预警集合内生成风电运行可接受信号的次数，获取综合预警集合内生成的风电运行可接受信号和风电运行正常信号的总次数；将综合预警集合内生成风电运行可接受信号的次数与综合预警集合内生成的风电运行可接受信号和风电运行正常信号的总次数的比值标记为综合预警比；
获取相邻的风电运行可接受信号之间的时间间隔；设定间隔阈值；获取综合预警集合内相邻的风电运行可接受信号之间的时间间隔的数量，获取综合预警集合内相邻的风电运行可接受信号之间的时间间隔小于间隔阈值的相邻的风电运行可接受信号之间的时间间隔的数量；将综合预警集合内相邻的风电运行可接受信号之间的时间间隔小于间隔阈值的相邻的风电运行可接受信号之间的时间间隔的数量与综合预警集合内相邻的风电运行可接受信号之间的时间间隔的数量的比值标记为紧密系数；
风电综合预警值为综合预警比与紧密系数的乘积；
设定风电综合预警阈值；当风电综合预警值大于风电综合预警阈值，生成综合预警糟糕信号；当风电综合预警值小于等于风电综合预警阈值，生成综合预警正常信号。
7.近零碳港口多能源融合系统的自洽运行介质，用于实现权利要求2-6任一项所述的近零碳港口多能源融合系统的自洽运行方法，其特征在于，所述近零碳港口多能源融合系统的自洽运行介质为一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述近零碳港口多能源融合系统的自洽运行方法的技术方案中任一项技术方案所述的近零碳港口多能源融合系统的自洽运行方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311339279.1A CN117432594A (zh) | 2023-10-17 | 2023-10-17 | 近零碳港口多能源融合系统及其自洽运行方法及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311339279.1A CN117432594A (zh) | 2023-10-17 | 2023-10-17 | 近零碳港口多能源融合系统及其自洽运行方法及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117432594A true CN117432594A (zh) | 2024-01-23 |
Family
ID=89557539
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311339279.1A Pending CN117432594A (zh) | 2023-10-17 | 2023-10-17 | 近零碳港口多能源融合系统及其自洽运行方法及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117432594A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118246334A (zh) * | 2024-04-11 | 2024-06-25 | 广州镜轩科技有限公司 | 基于神经网络的家用电器负荷调控系统 |
-
2023
- 2023-10-17 CN CN202311339279.1A patent/CN117432594A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118246334A (zh) * | 2024-04-11 | 2024-06-25 | 广州镜轩科技有限公司 | 基于神经网络的家用电器负荷调控系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Cho et al. | Model-based fault detection, fault isolation and fault-tolerant control of a blade pitch system in floating wind turbines | |
| EP2609326B1 (en) | Method of operating a wind turbine and wind turbine | |
| US9261077B2 (en) | System and method for real-time load control of a wind turbine | |
| EP2365215B1 (en) | Rotational speed control of a wind turbine based on rotor acceleration | |
| EP2447722B1 (en) | Control System and Methods of Verifying Operation of at Least One Wind Turbine Sensor | |
| CN117432594A (zh) | 近零碳港口多能源融合系统及其自洽运行方法及介质 | |
| EP2954200A1 (en) | Method, system and controller for controlling a wind turbine | |
| CN109188227A (zh) | 一种双馈型风力发电机绝缘状态评估方法及系统 | |
| CN116629641B (zh) | 一种新能源场站并网稳定性评估方法 | |
| EP3796016A1 (en) | System and method for detecting battery faults in a pitch system of a wind turbine | |
| CN107630785B (zh) | 一种多种工况下的风电机组保护控制系统 | |
| Botsaris et al. | Systemic assessment and analysis of factors affect the reliability of a wind turbine | |
| EP1795984B1 (en) | Functionality test method | |
| CN111810357A (zh) | 用于减轻风力涡轮的转子叶片的损坏的系统及方法 | |
| Li et al. | Monitoring of wind turbines: A bio-inspired fault tolerant approach | |
| CN111884487B (zh) | 变换器的控制方法及系统、风电系统 | |
| CN112727678B (zh) | 基于多容错模式的风机变桨控制系统 | |
| Elshenawy et al. | Fault detection and diagnosis strategy for wind turbine system using partial least square technique | |
| Ma et al. | Active power dispatch strategy of wind farms under generator faults | |
| Carvalho et al. | Maintenance costs of a pitch control device of a wind turbine | |
| CN117738851A (zh) | 一种基于动态荷载的风电机组故障诊断方法 | |
| Zhang et al. | Research on causes of failure of direct-drive wind turbine | |
| Bhardwaj et al. | Failure data characterisation of offshore wind turbines | |
| CN118868406A (zh) | 一种基于风光储的智能电厂管理系统及方法 | |
| Abeygunawardane et al. | A Markov model for a wind energy conversion system with condition monitoring |
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 |