CN117869209A - 一种抗恶劣天气的风机保护方法及系统 - Google Patents

一种抗恶劣天气的风机保护方法及系统 Download PDF

Info

Publication number
CN117869209A
CN117869209A CN202311684418.4A CN202311684418A CN117869209A CN 117869209 A CN117869209 A CN 117869209A CN 202311684418 A CN202311684418 A CN 202311684418A CN 117869209 A CN117869209 A CN 117869209A
Authority
CN
China
Prior art keywords
wind speed
fan
threshold value
parameter combination
fitness
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
CN202311684418.4A
Other languages
English (en)
Inventor
陈晓敏
张舒翔
张建新
徐志轩
张礼兴
郭津瑄
程学文
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.)
Datang Renewable Energy Test And Research Institute Co ltd
China Datang Corp Science and Technology Research Institute Co Ltd
Original Assignee
Datang Renewable Energy Test And Research Institute Co ltd
China Datang Corp Science and Technology Research Institute 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 Datang Renewable Energy Test And Research Institute Co ltd, China Datang Corp Science and Technology Research Institute Co Ltd filed Critical Datang Renewable Energy Test And Research Institute Co ltd
Priority to CN202311684418.4A priority Critical patent/CN117869209A/zh
Publication of CN117869209A publication Critical patent/CN117869209A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Wind Motors (AREA)

Abstract

本申请提供了一种抗恶劣天气的风机保护方法及系统,涉及风机保护技术领域,所述方法包括:连接气象平台获取目标周期内目标区域的风况预测数据,包括风速预测数据和风向预测数据,获取目标风机的运行参数组合,包括桨叶角度数据、主轴转速数据、发电机负载数据,获取预设风速阈值,当风速预测数据满足第一风速阈值生成第一变浆调节指令,然后进行优化调节获取优化运行参数组合并进行风机控制,当满足第二风速阈值时,生成第一停机指令并进行风机停机控制。本申请主要解决了现有技术缺乏自动化技术,不能根据实时的风向预测数据和风况预测数据进行风机优化动态调节的问题。提高了风机在恶劣环境条件下的适应性和可靠性。

Description

一种抗恶劣天气的风机保护方法及系统
技术领域
本申请涉及风机保护技术领域,具体涉及一种抗恶劣天气的风机保护方法及系统。
背景技术
风机是现代社会中重要的能源转换设备,广泛应用于电力、工业、建筑等领域。它们在能源供应和节能方面发挥着关键作用,对于保障社会生产和居民生活具有重要意义。在恶劣天气条件下,如强风、暴雨、冰雹等,风机容易受到损坏,导致停机或性能下降。这种损坏可能导致能源供应中断、设备维修成本增加,甚至对工作人员和周围环境造成安全威胁。尽管已经存在一些针对风机的保护技术,如防雷击、防冰冻等,但这些技术往往不能全面应对各种恶劣天气的影响。此外,一些保护设备可能增加风机的维护成本和复杂性。为了确保风机在恶劣天气下的正常运行,提高其在各种环境条件下的适应性和可靠性,有必要研究和开发新的、有效的风机保护方法。
但在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
现有技术缺乏自动化技术,不能根据实时的风向预测数据和风况预测数据进行风机优化动态调节的问题。
发明内容
本申请主要解决了现有技术缺乏自动化技术,不能根据实时的风向预测数据和风况预测数据进行风机优化动态调节的问题。
鉴于上述问题,本申请提供了一种抗恶劣天气的风机保护方法及系统,第一方面,本申请提供了一种抗恶劣天气的风机保护方法,所述方法包括:连接气象平台获取目标周期内目标区域的风况预测数据,所述风况预测数据包括风速预测数据和风向预测数据;获取目标风机的运行参数组合,所述运行参数组合包括桨叶角度数据、主轴转速数据、发电机负载数据;获取预设风速阈值,所述预设风速阈值包括第一风速阈值、第二风速阈值,其中,所述第一风速阈值小于所述第二风速阈值;当所述风速预测数据满足所述第一风速阈值,生成第一变桨调节指令,根据所述第一变桨调节指令,对所述运行参数组合进行优化调节,获取优化运行参数组合;将所述优化运行参数组合发送至风机控制单元进行风机控制;当所述风速预测数据满足所述第二风速阈值,生成第一停机指令,根据所述第一停机指令,风机控制单元进行风机停机控制。
第二方面,本申请提供了一种抗恶劣天气的风机保护系统,所述系统包括:预测数据获取模块,所述预测数据获取模块用于连接气象平台获取目标周期内目标区域的风况预测数据,所述风况预测数据包括风速预测数据和风向预测数据;运行参数获取模块,所述运行参数获取模块用于获取目标风机的运行参数组合,所述运行参数组合包括桨叶角度数据、主轴转速数据、发电机负载数据;阈值获取模块,所述阈值获取模块用于获取预设风速阈值,所述预设风速阈值包括第一风速阈值、第二风速阈值,其中,所述第一风速阈值小于所述第二风速阈值;优化调节模块,所述优化调节模块用于当所述风速预测数据满足所述第一风速阈值,生成第一变桨调节指令,根据所述第一变桨调节指令,对所述运行参数组合进行优化调节,获取优化运行参数组合;风机控制模块,所述风机控制模块用于将所述优化运行参数组合发送至风机控制单元进行风机控制;停机指令生成模块,所述停机指令生成模块用于当所述风速预测数据满足所述第二风速阈值,生成第一停机指令,根据所述第一停机指令,风机控制单元进行风机停机控制。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供了一种抗恶劣天气的风机保护方法及系统,涉及风机保护技术领域,所述方法包括:连接气象平台获取目标周期内目标区域的风况预测数据,包括风速预测数据和风向预测数据,获取目标风机的运行参数组合,包括桨叶角度数据、主轴转速数据、发电机负载数据,获取预设风速阈值,当风速预测数据满足第一风速阈值生成第一变浆调节指令,然后进行优化调节获取优化运行参数组合并进行风机控制,当满足第二风速阈值时,生成第一停机指令并进行风机停机控制。
本申请主要解决了现有技术缺乏自动化技术,不能根据实时的风向预测数据和风况预测数据进行风机优化动态调节的问题。提高了风机在恶劣环境条件下的适应性和可靠性。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是示例性的,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供了一种抗恶劣天气的风机保护方法流程示意图;
图2为本申请实施例提供了一种抗恶劣天气的风机保护方法中风机控制单元进行风机停机控制的方法流程示意图;
图3为本申请实施例提供了一种抗恶劣天气的风机保护方法中获得优化运行参数组合的方法流程示意图;
图4为本申请实施例提供了一种抗恶劣天气的风机保护系统的结构示意图。
附图标记说明:预测数据获取模块10,运行参数获取模块20,阈值获取模块30,优化调节模块40,风机控制模块50,停机指令生成模块60。
具体实施方式
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,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。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。
本申请主要解决了现有技术缺乏自动化技术,不能根据实时的风向预测数据和风况预测数据进行风机优化动态调节的问题。提高了风机在恶劣环境条件下的适应性和可靠性。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍:
实施例一
如图1所示一种抗恶劣天气的风机保护方法,所述方法包括:
连接气象平台获取目标周期内目标区域的风况预测数据,所述风况预测数据包括风速预测数据和风向预测数据;
具体而言,要连接气象平台获取目标周期内目标区域的风况预测数据,包括风速预测数据和风向预测数据,选择一个具有风况预测能力的可靠的气象平台,通过互联网或其他方式访问所选气象平台的网站或API接口。输入目标区域和目标周期:在气象平台的查询界面中,输入需要获取的风况预测数据的区域(如经度和纬度)和时间范围(如日期和时间)。获取风况预测数据:气象平台将返回包含风况预测数据的文件或数据流。处理和分析这些数据,其中,风速预测数据是指对未来一段时间内风的速度大小的预测,通常以米/秒或公里/小时为单位表示。风向预测数据是指对未来一段时间内风的移动方向的预测,通常以角度为单位表示。
获取目标风机的运行参数组合,所述运行参数组合包括桨叶角度数据、主轴转速数据、发电机负载数据;
具体而言,获取目标风机的运行参数组合,包括桨叶角度数据、主轴转速数据、发电机负载数据,通过互联网或现场设备连接,与目标风机的监控系统建立通信。获取运行参数:向监控系统发送请求,获取包括桨叶角度数据、主轴转速数据、发电机负载数据在内的运行参数。解析和处理数据,存储和分析数据:将解析和处理后的数据存储在适当的数据库或文件中,并进行分析。例如,可以检查桨叶角度是否在合适的范围内,主轴转速是否稳定,发电机负载是否在预期之内等。
获取预设风速阈值,所述预设风速阈值包括第一风速阈值、第二风速阈值,其中,所述第一风速阈值小于所述第二风速阈值;
具体而言,获取预设风速阈值,其中包括第一风速阈值和第二风速阈值,其中第一风速阈值小于第二风速阈值,在风机附近设置风速监测设备,实时监测风速。这些数据可以用来确定第一风速阈值和第二风速阈值。根据风速监测数据,设定第一风速阈值和第二风速阈值。第一风速阈值可以设定为略低于平均风速,而第二风速阈值可以设定为接近最大可承受风速。调整阈值:在实施过程中,根据实际运行情况和监测数据,可以对阈值进行调整,使其更符合实际需求。
当所述风速预测数据满足所述第一风速阈值,生成第一变桨调节指令,根据所述第一变桨调节指令,对所述运行参数组合进行优化调节,获取优化运行参数组合;
具体而言,当风速预测数据满足第一风速阈值时,可以生成第一变桨调节指令,并根据该指令对运行参数组合进行优化调节,以获取优化运行参数组合。通过风速监测设备或气象平台获取目标区域的风速预测数据。判断风速阈值:比较风速预测数据与第一风速阈值的大小。如果风速预测数据小于或等于第一风速阈值,则进入下一步;否则,保持当前运行参数组合不变。生成第一变桨调节指令:根据风速预测数据和第一风速阈值,生成第一变桨调节指令。该指令通常包括变桨角度、变桨速度等参数。优化调节运行参数组合:根据第一变桨调节指令,对运行参数组合进行优化调节。这可能包括调整桨叶角度、主轴转速和发电机负载等参数。获取优化运行参数组合:经过优化调节后,获取新的运行参数组合作为优化运行参数组合。执行优化运行参数组合:将优化运行参数组合应用到风机上,使风机在满足风速预测数据的情况下以更优的参数运行。
将所述优化运行参数组合发送至风机控制单元进行风机控制;
具体而言,将优化运行参数组合发送至风机控制单元进行风机控制,连接风机控制单元:通过通信接口或现场设备连接,将优化运行参数组合发送到风机控制单元。解析和转换数据:风机控制单元接收到优化运行参数组合后,需要将其解析和转换为目标风机可以理解和执行的指令。包括将优化运行参数组合转换为具体的机械动作、电力输出等。风机控制单元根据解析和转换后的指令,对风机进行精确控制。这可能包括调整桨叶角度、主轴转速、发电机负载等参数。在实施控制过程中,风机控制单元需要实时监测风机的运行状态和相关参数,如风速、电流、电压等。根据监测数据,风机控制单元可以调整指令以确保风机在优化运行参数组合下稳定运行。异常处理:如果监测数据显示异常或风机出现故障,风机控制单元需要采取相应措施,如发送警报信号或执行紧急停机程序,以保护风机和附近人员的安全。风机控制单元通常配备数据记录功能,可以记录风机的运行数据和相关参数。这些数据可以用于后续分析以优化风机的运行性能和维护计划。
当所述风速预测数据满足所述第二风速阈值,生成第一停机指令,根据所述第一停机指令,风机控制单元进行风机停机控制。
具体而言,当风速预测数据满足第二风速阈值时,可以生成第一停机指令,并根据该指令由风机控制单元进行风机停机控制。通过风速监测设备或气象平台获取目标区域的风速预测数据。判断风速阈值:比较风速预测数据与第二风速阈值的大小。如果风速预测数据大于或等于第二风速阈值,则进入下一步;否则,保持当前运行参数组合不变。生成第一停机指令:根据风速预测数据和第二风速阈值,生成第一停机指令。该指令通常包括停机时间、重启时间等参数。风机停机控制:风机控制单元接收到第一停机指令后,将执行相应的停机操作。这可能包括关闭发电机、降低主轴转速、将桨叶调整到指定角度等。监测与调整:在停机期间,风机控制单元需要实时监测风速和风向等参数。根据监测数据,风机控制单元可以调整指令以确保风机在安全条件下重启。执行重启操作:当风速下降到第一风速阈值以下时,根据第一停机指令中的重启时间参数,风机控制单元执行相应的重启操作。这可能包括重新启动发电机、增加主轴转速、将桨叶调整到合适的角度等。数据记录与分析:风机控制单元通常配备数据记录功能,可以记录风机的停机时间、重启时间、监测数据等。这些数据可以用于后续分析以优化风机的运行性能和维护计划。
进一步而言,如图2所示,本申请方法还包括:
通过风速传感器进行风速传感数据采集,获取风速监测数据;
建立风速监测时间窗口,根据所述风速监测时间窗口对所述风速监测数据进行风速增长速率监测;
当风速增长速率达到风速增长速率阈值,和/或风速监测数据满足所述第二风速阈值时,生成第二停机指令,根据所述第二停机指令,风机控制单元进行风机停机控制。
具体而言,通过风速传感器进行风速传感数据采集,获取风速监测数据;建立风速监测时间窗口,根据所述风速监测时间窗口对所述风速监测数据进行风速增长速率监测,当风速增长速率达到风速增长速率阈值,或风速监测数据满足所述第二风速阈值时,生成第二停机指令,根据所述第二停机指令,风机控制单元进行风机停机控制的方法,通过风速传感器进行风速传感数据采集,获取风速监测数据。风速传感器用于监测风速,获取风速监测数据。建立风速监测时间窗口。这个时间窗口可以根据实际需要设定,例如可以设定为1分钟、5分钟或10分钟等。这个时间窗口用于对风速监测数据进行统计分析。根据所述风速监测时间窗口对所述风速监测数据进行风速增长速率监测。在每个风速监测时间窗口内,计算风速的增长速率,即风速的变化量与时间窗口长度的比值。当风速增长速率达到风速增长速率阈值,或风速监测数据满足所述第二风速阈值时,生成第二停机指令。这个条件可以根据实际需要进行设定,例如可以设定为风速增长速率大于某个阈值,或者风速大于某个阈值等。根据所述第二停机指令,风机控制单元进行风机停机控制。风机控制单元接收到第二停机指令后,会执行相应的停机操作,例如切断电源、关闭控制信号等,使风机停止运行。
进一步而言,本申请方法,根据所述第一变桨调节指令,对所述运行参数组合进行优化调节,获取优化运行参数组合,包括:
获取所述第一风速阈值下目标风机的运行参数范围,包括桨叶角度范围、主轴转速范围、发电机负载范围,构建桨叶角度优化空间、间,构建运行参数优化空间;
构建适应度评估函数,使用所述适应度评估函数在所述运行参数优化空间内进行参数寻优,获取优化运行参数组合。
具体而言,获取第一风速阈值下目标风机的运行参数范围,包括桨叶角度范围、主轴转速范围、发电机负载范围,构建桨叶角度优化空间、运行参数优化空间,构建适应度评估函数,使用适应度评估函数在运行参数优化空间内进行参数寻优,获取优化运行参数组合的方法,获取第一风速阈值下目标风机的运行参数范围:通过风速监测设备或气象平台获取目标区域的风速预测数据,根据第一风速阈值和风速预测数据,获取第一风速阈值下目标风机的运行参数范围,包括桨叶角度范围、主轴转速范围、发电机负载范围。构建桨叶角度优化空间、运行参数优化空间:根据获取的运行参数范围,构建桨叶角度优化空间,该空间包括所有可能的桨叶角度组合,同时构建运行参数优化空间,该空间包括所有可能的运行参数组合。构建适应度评估函数:为了评估运行参数组合的优劣,需要构建适应度评估函数。该函数可以根据不同的优化目标进行构建,例如可以包括发电效率、运行稳定性、功率输出等指标。进行参数寻优:使用适应度评估函数在运行参数优化空间内进行参数寻优。这可以通过迭代计算的方式进行,每次选择一组参数进行评估,根据评估结果更新优化空间,直到满足停止条件(如达到最大迭代次数或找到满足要求的参数组合)。获取优化运行参数组合:根据参数寻优的结果,获取优化运行参数组合。这些组合可以包括最佳的桨叶角度、主轴转速和发电机负载等参数。
进一步而言,如图3所示,本申请方法,使用所述适应度评估函数在所述运行参数优化空间内进行参数寻优,获取优化运行参数组合,包括:
在所述运行参数优化空间内随机提取第一控制参数组合,将所述第一控制参数组合作为当前最优控制参数组合;
结合风速预测数据,对所述第一控制参数组合进行仿真,获取第一仿真结果;
使用所述适应度评估函数对所述第一仿真结果进行适应度评估,获取第一适应度;
在所述运行参数优化空间内随机提取第二控制参数组合,进行仿真和适应度评估,获取第二适应度;
比对所述第一适应度和所述第二适应度,根据比对结果获取当前最优控制参数组合;
迭代寻优操作,直到满足预设收敛条件,获得所述优化运行参数组合。
具体而言,在运行参数优化空间内随机提取第一控制参数组合,将第一控制参数组合作为当前最优控制参数组合,结合风速预测数据,对第一控制参数组合进行仿真,获取第一仿真结果,使用适应度评估函数对第一仿真结果进行适应度评估,获取第一适应度,在运行参数优化空间内随机提取第二控制参数组合,进行仿真和适应度评估,获取第二适应度;比对第一适应度和第二适应度,根据比对结果获取当前最优控制参数组合,迭代寻优操作,直到满足预设收敛条件,获得优化运行参数组合的方法,在运行参数优化空间内随机提取第一控制参数组合,将其作为当前最优控制参数组合。这一步是基于随机采样的方法,从运行参数优化空间中随机选择一个控制参数组合作为当前最优控制参数组合。结合风速预测数据,对第一控制参数组合进行仿真。具体的仿真步骤可以根据不同的模型和问题进行具体定义。是通过模拟或预测模型来预测在给定的控制参数组合下的系统行为或性能。使用适应度评估函数对第一仿真结果进行适应度评估。适应度评估函数是用来评估仿真结果优劣的函数,可以根据不同的优化目标进行构建。例如,如果目标是最大化发电效率,那么适应度评估函数可以是发电效率的函数;如果目标是最大化运行稳定性,那么适应度评估函数可以是运行稳定性的函数等。在运行参数优化空间内随机提取第二控制参数组合,进行仿真和适应度评估,获取第二适应度。这一步与第一步类似,也是基于随机采样的方法选择另一个控制参数组合进行仿真和适应度评估。比对第一适应度和第二适应度,根据比对结果获取当前最优控制参数组合。这一步是通过比较两个控制参数组合的适应度来选择更优的控制参数组合作为当前最优控制参数组合。迭代寻优操作:重复步骤直到满足预设收敛条件。这一步是通过反复迭代来不断优化控制参数组合,直到满足预设的收敛条件为止。获得优化运行参数组合:根据最终的最优控制参数组合,获得优化运行参数组合。这一步是基于最终选择的优化控制参数组合来获取优化运行参数组合。
进一步而言,本申请方法适应度评估函数公式如下:
σ=ω1Xi2Yi3Zi
其中,σ为第i控制参数组合的适应度,Xi、Yi、Zi分别为第i仿真结果的安全性、稳定性、风能转换效率,ω1、ω2、ω3为权重,并且ω123=1。
具体而言,安全性通常是一个非常重要的评估指标,因为它直接关系到风机的正常运行和设备的安全。稳定性也是一个重要的评估指标,因为它关系到风机的持续运行和电力输出的稳定性。风能转换效率是评估风机性能的重要指标,它直接关系到风能利用效率和发电量。通过将这三个方面的评估结果加权求和,可以得到一个综合的适应度评估值。这个值可以用来评估不同的控制参数组合的优劣,并指导优化算法进行参数寻优。最终,优化算法会选择具有最高适应度值的控制参数组合作为优化运行参数组合。
进一步而言,本申请方法,比对所述第一适应度和所述第二适应度,根据比对结果获取当前最优控制参数组合,包括:
若所述第二适应度大于所述第一适应度,则将所述第二适应度对应的第二控制参数组合作为当前最优控制参数组合;
若所述第二适应度不大于所述第一适应度,则计算概率,并随机生成[0,1]内的数,判断是否大于该概率,在否的情况下,将所述第二适应度对应的第二控制参数组合作为当前最优控制参数组合,所述概率的计算公式如下:
其中,σ1为第一适应度,σ2为第二适应度,c为随着寻优迭代次数增加而减小的常数。
具体而言,根据适应度评估函数的值,可以判断哪个控制参数组合更优。如果第二适应度大于第一适应度,那么第二控制参数组合更优。如果第二适应度不大于第一适应度,那么我要计算概率来判断是否选择第二控制参数组合作为当前最优控制参数组合。随着寻优迭代次数的增加,第二适应度更优的概率会逐渐减小。这是因为随着迭代的进行,优化空间中的较优解可能已经被找到,再次随机选择的控制参数组合可能不会优于当前的最优解。因此,随着寻优迭代次数的增加,选择第二控制参数组合作为当前最优控制参数组合的概率会逐渐减小。在判断概率后,如果生成的随机数大于该概率,那么将第二适应度对应的第二控制参数组合作为当前最优控制参数组合。否则,将第一适应度对应的第一控制参数组合作为当前最优控制参数组合。
进一步而言,本申请方法还包括:
通过变桨监控单元进行风机状态监测,获取变桨反馈信息;
当所述变桨反馈信息显示异常时,生成第三停机指令,根据所述第三停机指令进行风机保护。
具体而言,通过变桨监控单元进行风机状态监测,获取变桨反馈信息,当所述变桨反馈信息显示异常时,生成第三停机指令,根据所述第三停机指令进行风机保护:通过变桨监控单元进行风机状态监测,获取变桨反馈信息。变桨监控单元是用于监控风机变桨系统的运行状态,获取变桨反馈信息,如变桨角度、变桨速度等。当所述变桨反馈信息显示异常时,生成第三停机指令。当变桨反馈信息出现异常,如变桨角度不正确、变桨速度过快等,系统会判断为风机状态异常,生成第三停机指令。根据所述第三停机指令进行风机保护。当生成第三停机指令后,系统会采取相应的保护措施,如停机并报警,以避免风机受到损坏。
实施例二
基于与前述实施例一种抗恶劣天气的风机保护方法相同的发明构思,如图4所示,本申请提供了一种抗恶劣天气的风机保护系统,所述系统包括:
预测数据获取模块10,所述预测数据获取模块10用于连接气象平台获取目标周期内目标区域的风况预测数据,所述风况预测数据包括风速预测数据和风向预测数据;
运行参数获取模块20,所述运行参数获取模块20用于获取目标风机的运行参数组合,所述运行参数组合包括桨叶角度数据、主轴转速数据、发电机负载数据;
阈值获取模块30,所述阈值获取模块30用于获取预设风速阈值,所述预设风速阈值包括第一风速阈值、第二风速阈值,其中,所述第一风速阈值小于所述第二风速阈值;
优化调节模块40,所述优化调节模块40用于当所述风速预测数据满足所述第一风速阈值,生成第一变桨调节指令,根据所述第一变桨调节指令,对所述运行参数组合进行优化调节,获取优化运行参数组合;
风机控制模块50,所述风机控制模块50用于将所述优化运行参数组合发送至风机控制单元进行风机控制;
停机指令生成模块60,所述停机指令生成模块60用于当所述风速预测数据满足所述第二风速阈值,生成第一停机指令,根据所述第一停机指令,风机控制单元进行风机停机控制。
进一步地,该系统还包括:
第二停机指令生成模块,用于通过风速传感器进行风速传感数据采集,获取风速监测数据;建立风速监测时间窗口,根据所述风速监测时间窗口对所述风速监测数据进行风速增长速率监测;当风速增长速率达到风速增长速率阈值,和/或风速监测数据满足所述第二风速阈值时,生成第二停机指令,根据所述第二停机指令,风机控制单元进行风机停机控制。
进一步地,该系统还包括:
优化参数组合获取模块,用于获取所述第一风速阈值下目标风机的运行参数范围,包括桨叶角度范围、主轴转速范围、发电机负载范围,构建桨叶角度优化空间,构建运行参数优化空间;构建适应度评估函数,使用所述适应度评估函数在所述运行参数优化空间内进行参数寻优,获取优化运行参数组合。
进一步地,该系统还包括:
参数优化模块,用于在所述运行参数优化空间内随机提取第一控制参数组合,将所述第一控制参数组合作为当前最优控制参数组合;结合风速预测数据,对所述第一控制参数组合进行仿真,获取第一仿真结果;使用所述适应度评估函数对所述第一仿真结果进行适应度评估,获取第一适应度;在所述运行参数优化空间内随机提取第二控制参数组合,进行仿真和适应度评估,获取第二适应度;比对所述第一适应度和所述第二适应度,根据比对结果获取当前最优控制参数组合;迭代寻优操作,直到满足预设收敛条件,获得所述优化运行参数组合。
进一步地,该系统还包括:
概率计算模块,若所述第二适应度大于所述第一适应度,则将所述第二适应度对应的第二控制参数组合作为当前最优控制参数组合;若所述第二适应度不大于所述第一适应度,则计算概率,并随机生成[0,1]内的数,判断是否大于该概率,在否的情况下,将所述第二适应度对应的第二控制参数组合作为当前最优控制参数组合,所述概率的计算公式如下:其中,σ1为第一适应度,σ2为第二适应度,c为随着寻优迭代次数增加而减小的常数。
进一步地,该系统还包括:
风机保护模块,用于通过变桨监控单元进行风机状态监测,获取变桨反馈信息;当所述变桨反馈信息显示异常时,生成第三停机指令,根据所述第三停机指令进行风机保护。
说明书通过前述一种抗恶劣天气的风机保护方法的详细描述,本领域技术人员可以清楚地知识本实施例中一种抗恶劣天气的风机保护系统,对于实施例公开的系统而言,由于其与实施例公开装置相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种抗恶劣天气的风机保护方法,其特征在于,所述方法包括:
连接气象平台获取目标周期内目标区域的风况预测数据,所述风况预测数据包括风速预测数据和风向预测数据;
获取目标风机的运行参数组合,所述运行参数组合包括桨叶角度数据、主轴转速数据、发电机负载数据;
获取预设风速阈值,所述预设风速阈值包括第一风速阈值、第二风速阈值,其中,所述第一风速阈值小于所述第二风速阈值;
当所述风速预测数据满足所述第一风速阈值,生成第一变桨调节指令,根据所述第一变桨调节指令,对所述运行参数组合进行优化调节,获取优化运行参数组合;
将所述优化运行参数组合发送至风机控制单元进行风机控制;
当所述风速预测数据满足所述第二风速阈值,生成第一停机指令,根据所述第一停机指令,风机控制单元进行风机停机控制。
2.如权利要求1所述的方法,其特征在于,还包括:
通过风速传感器进行风速传感数据采集,获取风速监测数据;
建立风速监测时间窗口,根据所述风速监测时间窗口对所述风速监测数据进行风速增长速率监测;
当风速增长速率达到风速增长速率阈值,或风速监测数据满足所述第二风速阈值时,生成第二停机指令,根据所述第二停机指令,风机控制单元进行风机停机控制。
3.如权利要求1所述的方法,其特征在于,根据所述第一变桨调节指令,对所述运行参数组合进行优化调节,获取优化运行参数组合,包括:
获取所述第一风速阈值下目标风机的运行参数范围,包括桨叶角度范围、主轴转速范围、发电机负载范围,构建桨叶角度优化空间、间,构建运行参数优化空间;
构建适应度评估函数,使用所述适应度评估函数在所述运行参数优化空间内进行参数寻优,获取优化运行参数组合。
4.如权利要求3所述的方法,其特征在于,使用所述适应度评估函数在所述运行参数优化空间内进行参数寻优,获取优化运行参数组合,包括:
在所述运行参数优化空间内随机提取第一控制参数组合,将所述第一控制参数组合作为当前最优控制参数组合;
结合风速预测数据,对所述第一控制参数组合进行仿真,获取第一仿真结果;
使用所述适应度评估函数对所述第一仿真结果进行适应度评估,获取第一适应度;
在所述运行参数优化空间内随机提取第二控制参数组合,进行仿真和适应度评估,获取第二适应度;
比对所述第一适应度和所述第二适应度,根据比对结果获取当前最优控制参数组合;
迭代寻优操作,直到满足预设收敛条件,获得所述优化运行参数组合。
5.如权利要求3所述的方法,其特征在于,所述适应度评估函数公式如下:
σ=ω1Xi2Yi3Zi
其中,σ为第i控制参数组合的适应度,Xi、Yi、Zi分别为第i仿真结果的安全性、稳定性、风能转换效率,ω1、ω2、ω3为权重,并且ω123=1。
6.如权利要求3所述的方法,其特征在于,比对所述第一适应度和所述第二适应度,根据比对结果获取当前最优控制参数组合,包括:
若所述第二适应度大于所述第一适应度,则将所述第二适应度对应的第二控制参数组合作为当前最优控制参数组合;
若所述第二适应度不大于所述第一适应度,则计算概率,并随机生成[0,1]内的数,判断是否大于该概率,在否的情况下,将所述第二适应度对应的第二控制参数组合作为当前最优控制参数组合,所述概率的计算公式如下:
其中,σ1为第一适应度,σ2为第二适应度,c为随着寻优迭代次数增加而减小的常数。
7.如权利要求1所述的方法,其特征在于,还包括:
通过变桨监控单元进行风机状态监测,获取变桨反馈信息;
当所述变桨反馈信息显示异常时,生成第三停机指令,根据所述第三停机指令进行风机保护。
8.一种抗恶劣天气的风机保护系统,其特征在于,所述系统包括:
预测数据获取模块,所述预测数据获取模块用于连接气象平台获取目标周期内目标区域的风况预测数据,所述风况预测数据包括风速预测数据和风向预测数据;
运行参数获取模块,所述运行参数获取模块用于获取目标风机的运行参数组合,所述运行参数组合包括桨叶角度数据、主轴转速数据、发电机负载数据;
阈值获取模块,所述阈值获取模块用于获取预设风速阈值,所述预设风速阈值包括第一风速阈值、第二风速阈值,其中,所述第一风速阈值小于所述第二风速阈值;
优化调节模块,所述优化调节模块用于当所述风速预测数据满足所述第一风速阈值,生成第一变桨调节指令,根据所述第一变桨调节指令,对所述运行参数组合进行优化调节,获取优化运行参数组合;
风机控制模块,所述风机控制模块用于将所述优化运行参数组合发送至风机控制单元进行风机控制;
停机指令生成模块,所述停机指令生成模块用于当所述风速预测数据满足所述第二风速阈值,生成第一停机指令,根据所述第一停机指令,风机控制单元进行风机停机控制。
CN202311684418.4A 2023-12-08 2023-12-08 一种抗恶劣天气的风机保护方法及系统 Pending CN117869209A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311684418.4A CN117869209A (zh) 2023-12-08 2023-12-08 一种抗恶劣天气的风机保护方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311684418.4A CN117869209A (zh) 2023-12-08 2023-12-08 一种抗恶劣天气的风机保护方法及系统

Publications (1)

Publication Number Publication Date
CN117869209A true CN117869209A (zh) 2024-04-12

Family

ID=90592432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311684418.4A Pending CN117869209A (zh) 2023-12-08 2023-12-08 一种抗恶劣天气的风机保护方法及系统

Country Status (1)

Country Link
CN (1) CN117869209A (zh)

Similar Documents

Publication Publication Date Title
AU2019413696B2 (en) System and method for evaluating models for predictive failure of renewable energy assets
US12019436B2 (en) System and method for proactive handling of multiple faults and failure modes in an electrical network of energy assets
CN106870298B (zh) 基于机器学习的叶根螺栓断裂故障检测方法
CN105134510A (zh) 一种风力发电机组变桨系统的状态监测和故障诊断方法
CN111950505B (zh) 一种ssa-aann的风力发电机传感器状态评估方法
CN104807644A (zh) 一种风电机组变桨系统的故障预警方法及系统
EP4194684A1 (en) Load control method and apparatus for wind turbine generator system
CN112733283A (zh) 一种风电机组部件故障预测方法
US20150128596A1 (en) Steam turbine blade vibration monitor backpressure limiting system and method
Yang et al. Fault early warning of wind turbine gearbox based on multi‐input support vector regression and improved ant lion optimization
JP2021161932A (ja) 風力発電装置の発電量予測装置
CN114061743A (zh) 风力发电机组的振动监测方法、装置、设备及介质
CN117410961A (zh) 风功率预测方法、装置、设备及存储介质
CN116624341A (zh) 一种风电机组功率异常诊断方法、系统及设备
CN117728587B (zh) 一种新能源发电设备运行数据的实时监控系统及方法
CN116306139A (zh) 一种风力机叶片寿命智能监测方法及系统
Sun et al. Wind turbine anomaly detection using normal behavior models based on SCADA data
CN117869209A (zh) 一种抗恶劣天气的风机保护方法及系统
CN115929569A (zh) 一种风电机组变桨系统故障诊断方法
CN114320773B (zh) 一种基于功率曲线分析与神经网络的风电机组故障预警方法
Liu et al. Study of the pitch behaviour of large‐scale wind turbines based on statistic evaluation
Liu et al. A Bayesian deep learning-based probabilistic risk assessment and early-warning model for power systems considering meteorological conditions
Wang et al. Wind turbine spindle condition monitoring based on operational data
Dinh et al. Implementation of Digital Twin-Assisted Condition Monitoring and Fault Diagnosis for Wind Turbines
Ou et al. Fault Prediction Model of Wind Power Pitch System Based on BP Neural Network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication