ES2926639T3 - Método y dispositivo para calibrar automáticamente un error de alineación del viento de una unidad de generación de energía eólica - Google Patents

Método y dispositivo para calibrar automáticamente un error de alineación del viento de una unidad de generación de energía eólica Download PDF

Info

Publication number
ES2926639T3
ES2926639T3 ES17830459T ES17830459T ES2926639T3 ES 2926639 T3 ES2926639 T3 ES 2926639T3 ES 17830459 T ES17830459 T ES 17830459T ES 17830459 T ES17830459 T ES 17830459T ES 2926639 T3 ES2926639 T3 ES 2926639T3
Authority
ES
Spain
Prior art keywords
data
correction
target
wind
alignment error
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
Application number
ES17830459T
Other languages
English (en)
Inventor
Hangye Ye
Donghao Pan
Xin Wang
You Ying
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.)
Zhejiang Windey Co Ltd
Original Assignee
Zhejiang Windey 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 Zhejiang Windey Co Ltd filed Critical Zhejiang Windey Co Ltd
Application granted granted Critical
Publication of ES2926639T3 publication Critical patent/ES2926639T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • 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
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/321—Wind directions
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/329—Azimuth or yaw angle
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/30—Control parameters, e.g. input parameters
    • F05B2270/335—Output power or torque
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2270/00—Control
    • F05B2270/80—Devices generating input signals, e.g. transducers, sensors, cameras or strain gauges
    • F05B2270/802—Calibration thereof
    • 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)
  • 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)
  • Wind Motors (AREA)

Abstract

Se proporcionan un método y un dispositivo para calibrar automáticamente un error de alineación del viento de una unidad de generación de energía eólica. El método comprende: obtener datos operativos históricos de una unidad objetivo dentro de un período de tiempo preestablecido; eliminar datos anómalos de los datos operativos históricos de la unidad objetivo; realizar el procesamiento de reducción de dimensionalidad en datos objetivo y determinar una curva que representa una relación entre el error de alineación del viento y el rendimiento de salida por medio de los datos obtenidos después del procesamiento de reducción de dimensionalidad; determinar un error de alineación del viento inherente por medio de la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida; y corregir los parámetros cero en un sistema de guiñada de la unidad objetivo sobre la base del error inherente de alineación del viento. El dispositivo tiene múltiples módulos, y la función de cada uno de los módulos corresponde al método. De acuerdo con el método y el dispositivo anteriores, se utilizan datos históricos de operación de una unidad de generación de viento, y un error inherente de alineación del viento de un sistema de guiñada de una unidad objetivo se identifica automáticamente mediante exploración y análisis de datos, de modo que los parámetros cero en el sistema de guiñada de la unidad objetivo se puede ajustar automáticamente de acuerdo con el error de alineación del viento inherente, mejorando la adaptabilidad del sistema de guiñada de la unidad y mejorando el rendimiento de salida real de la unidad. (Traducción automática con Google Translate, sin valor legal)

Description

DESCRIPCIÓN
Método y dispositivo para calibrar automáticamente un error de alineación del viento de una unidad de generación de energía eólica
Campo
La presente solicitud reivindica la prioridad de la Solicitud de Patente China N° 201610579606.4, titulada “METHOD AND DEVICE FOR AUTOMATICALLY CALIBRATING WIND ALIGNMENT ERROR OF WIND POWER GENERATOR SET”, presentada ante la Oficina de Patentes de China el 21 de julio de 2016.
Antecedentes
Recientemente, un problema de imprecisión de medición del viento realizada por una veleta en la parte trasera de una góndola en una industria de energía eólica atrae cada vez más la atención. Muchos factores, tales como un método de calibración incorrecto usado cuando se instala la veleta, un error de operación de un operario y mantenedor, y una perturbación causada por una condición extrema, tal como un tifón, puede hacer que la posición cero absoluta de la veleta no sea paralela a la línea central de la góndola, por lo tanto, un sistema de guiñada tiene un “error de alineación del viento inherente”, lo que da como resultado que la potencia de salida de un conjunto de generador no pueda cumplir los requisitos de diseño.
El documento WO2016086778A1 describe un método para controlar la corrección de la alineación del viento de un sistema generador de aerogenerador. El sistema comprende: adquirir valores de la velocidad del viento ambiental, valores medidos del ángulo de alineación del viento de guiñada y valores de potencia generada del sistema generador de aerogenerador en tiempo real; dividir cada valor de velocidad del viento ambiental adquirido en múltiples secciones de velocidad del viento según la magnitud del valor de velocidad del viento ambiental, y extraer valores medidos del ángulo de alineación del viento de guiñada y valores de potencia generada en al menos una sección de velocidad del viento; determinar un valor máximo de valores de potencia generada extraídos en cada sección de velocidad del viento; calcular una desviación de corrección de alineación del viento del sistema generador de aerogenerador según un valor medido del ángulo de alineación del viento de guiñada correspondiente al valor máximo de los valores de potencia generada extraídos en cada sección de velocidad del viento; y realizar un procesamiento de corrección en un valor medido del ángulo de alineación del viento de guiñada adquirido posteriormente usando la desviación de corrección de alineación del viento. El método de control implementa una operación de control de corrección de alineación del viento en el sistema generador de aerogenerador y también mejora la eficiencia de corrección. El documento WO2016086778A1 se refiere además a un dispositivo y un sistema que están relacionados con el método precedente.
Resumen
En vista de esto, en la presente descripción se proporcionan un método y un dispositivo para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica, para resolver el problema en la técnica convencional de que muchos factores hacen que una posición cero absoluta de la veleta no sea paralela a la línea central de la góndola, y un sistema de guiñada tenga un “error de alineación del viento inherente”, lo que da como resultado que la potencia de salida de un conjunto generador no pueda cumplir los requisitos de diseño. Las soluciones técnicas se describen de la siguiente manera.
Se proporciona un método para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica. El método incluye:
adquirir datos de operación históricos de un conjunto generador objetivo dentro de un período de tiempo preestablecido;
eliminar datos anormales de los datos de operación históricos del conjunto generador objetivo para adquirir datos objetivo;
realizar un proceso de reducción de dimensionalidad sobre los datos objetivo, y determinar una curva que represente una relación entre un error de alineación del viento y un rendimiento de salida en base a los datos obtenidos por el proceso de reducción de dimensionalidad,
en donde la realización de un proceso de reducción de dimensionalidad sobre los datos objetivo, y la determinación de una curva que representa una relación entre un error de alineación del viento y un rendimiento de salida en base a los datos obtenidos por el proceso de reducción de dimensionalidad comprende:
realizar estadísticas de probabilidad sobre el error de alineación del viento en los datos objetivo, y determinar un rango de error de alineación del viento objetivo en base a un resultado de las estadísticas de probabilidad; eliminar datos, que tienen un error de alineación del viento fuera del rango de error de alineación del viento objetivo, de los datos objetivo para adquirir los primeros datos objetivo;
determinar una curva de energía eólica correspondiente a cada error de alineación del viento en base a los primeros datos objetivo, en donde la curva de energía eólica es una curva que representa una relación entre la velocidad del viento y la potencia activa; y
procesar la curva de energía eólica en la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida,
en donde el procesamiento de la curva de energía eólica en la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida comprende:
realizar un proceso integral sobre cada una de las curvas de energía eólica correspondientes a diferentes errores de alineación del viento, para adquirir un valor cuantificado del rendimiento de salida, y
adquirir la curva que representa una relación entre el error de alineación del viento y el rendimiento de salida; determinar un error de alineación del viento inherente en base a la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida, en donde el error de alineación del viento inherente representa un ángulo entre la posición cero de una veleta y la línea central de una góndola; y
corregir un parámetro de posición cero de un sistema de guiñada del conjunto generador objetivo en base al error de alineación del viento inherente.
La eliminación de datos anormales de los datos de operación históricos del conjunto generador objetivo incluye: realizar un proceso de agrupamiento sobre los datos de operación históricos y eliminar los datos anormales en base a un resultado de agrupamiento del proceso de agrupamiento.
La realización de un proceso de agrupamiento sobre los datos de operación históricos incluye:
estandarizar los datos de operación históricos para adquirir datos de operación históricos objetivo;
determinar una proporción de datos de ruido objetivo £-ruido en base al número de objetos de datos en los datos de operación históricos objetivo;
calcular una distancia geométrica entre cada uno de los objetos de datos y un objeto objetivo en los datos de operación históricos objetivo para adquirir un conjunto de distancias, donde el objeto objetivo es un objeto de datos en los datos de operación históricos objetivo que tiene la distancia geométrica de orden k en un orden ascendente de distancias geométricas entre un objeto de datos y los objetos de datos, donde un valor inicial de k es 2; realizar estadísticas de probabilidad sobre elementos en el conjunto de distancias, y agrupar los elementos en el conjunto de distancias, que tienen valores de probabilidad dentro de un rango de probabilidades preestablecido, en un nuevo conjunto de distancias;
determinar un valor esperado matemático del nuevo conjunto de distancias como un valor de un parámetro Epsk de un algoritmo de agrupamiento DBSCAN;
determinar el número de puntos en una vecindad Epsk de cada uno de los objetos de datos en los datos de operación históricos objetivo, para adquirir un conjunto de números;
realizar estadísticas de probabilidad sobre elementos en el conjunto de números y agrupar los elementos en el conjunto de números, que tienen valores de probabilidad dentro de un rango de probabilidades preestablecido, en un nuevo conjunto de números;
determinar un valor esperado matemático del nuevo conjunto de números como un valor de un parámetro Minptsk del algoritmo de agrupamiento DBSCAN;
realizar un proceso de agrupamiento DBSCAN sobre los datos de operación históricos objetivo con los parámetros Minptsk y Epsk;
calcular una proporción de datos de ruido actual Relación-ruidok en base a un resultado de agrupamiento del proceso de agrupamiento DBSCAN;
terminar el proceso de agrupamiento, en un caso en el que k>2 y Relación-ruidok cumpla IRelación-ruidok-i -Relación-ruidokl á £-ruido; y
asignar k+1 a k, y luego volver a realizar el paso de calcular una distancia geométrica entre cada uno de los objetos de datos y un objeto objetivo en los datos de operación históricos objetivo, en un caso en el que k no cumple k>2 y/o Relación-ruidok no cumple IRelación-ruidok-i - Relación-ruidokl á £-ruido.
El método incluye además:
adquirir datos de operación antes de la corrección del conjunto generador objetivo antes de que se realice la corrección y datos de operación después de la corrección del conjunto generador objetivo después de que se realice la corrección;
dividir cada uno de los datos de operación antes de la corrección y los datos de operación después de la corrección en dos conjuntos según una velocidad nominal del viento;
eliminar datos anormales de los dos conjuntos de los datos de operación antes de la corrección, y fusionar los dos conjuntos de los datos de operación antes de la corrección en los que se eliminan los datos anormales, para adquirir datos de operación antes de la corrección objetivo; y eliminar datos anormales de los dos conjuntos de los datos de operación después de la corrección, y fusionar los dos conjuntos de los datos de operación después de la corrección en los que se eliminan los datos anormales, para adquirir los datos de operación después de la corrección objetivo; ajustar una curva de energía eólica a cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, y realizar una interpolación lineal sobre la curva de energía eólica con respecto a la velocidad del viento en cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, para adquirir una potencia activa teórica correspondiente a cada velocidad del viento;
calcular una desviación de potencia entre una potencia activa real y la potencia activa teórica de cada punto de datos en cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, para adquirir la desviación de potencia correspondiente a cada punto de datos;
realizar estadísticas de probabilidad sobre las desviaciones de potencia correspondientes a puntos de datos; eliminar los puntos de datos, que tienen densidades de probabilidad fuera de un rango preestablecido, en base a un resultado de las estadísticas de probabilidad, y volver a realizar el paso de dividir cada uno de los datos de operación antes de la corrección y los datos de operación después de la corrección en dos conjuntos según una velocidad nominal del viento, hasta que la curva de energía eólica ajustada ya no cambie;
convertir la curva de energía eólica antes de que se realice la corrección en un valor cuantificado del rendimiento de salida antes de que se realice la corrección realizando un proceso integral sobre la curva de energía eólica antes de que se realice la corrección, y convertir la curva de energía eólica después de que se realice la corrección a un valor cuantificado del rendimiento de salida después de que se realice la corrección realizando un proceso integral sobre la curva de energía eólica después de que se realice la corrección; y
comparar el valor cuantitativo del rendimiento de salida antes de que se realice la corrección con el valor cuantitativo del rendimiento de salida después de que se realice la corrección, para adquirir un cambio del rendimiento de salida del conjunto generador objetivo antes de que se realice la corrección al rendimiento de salida del conjunto generador objetivo después de que se realice la corrección.
Se proporciona un dispositivo para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica. El dispositivo incluye:
un módulo de adquisición de datos, configurado para adquirir datos de operación históricos de un conjunto generador objetivo dentro de un período de tiempo preestablecido;
un módulo de eliminación de datos, configurado para eliminar datos anormales de los datos de operación históricos adquiridos por el módulo de adquisición de datos, para adquirir datos objetivo;
un módulo de proceso de reducción de dimensionalidad, configurado para realizar un proceso de reducción de dimensionalidad sobre los datos objetivo obtenidos por el módulo de eliminación de datos después de que se eliminen los datos anormales;
en donde el módulo de proceso de reducción de dimensionalidad comprende:
un submódulo de estadísticas de probabilidad, configurado para realizar estadísticas de probabilidad sobre el error de alineación del viento en los datos objetivo, y determinar un rango de error de alineación del viento objetivo en base a un resultado de las estadísticas de probabilidad;
un submódulo de eliminación de datos, configurado para eliminar datos que tienen un error de alineación del viento fuera del rango de error de alineación del viento objetivo, de los datos objetivo para adquirir los primeros datos objetivo;
un módulo de determinación de curvas, configurado para determinar una curva que representa una relación entre un error de alineación del viento y un rendimiento de salida en base a los datos obtenidos por el módulo de proceso de reducción de dimensionalidad después de que se realice el proceso de reducción de dimensionalidad;
en donde el módulo de determinación de curvas comprende:
un primer submódulo de determinación de curvas, configurado para determinar una curva de energía eólica correspondiente a cada error de alineación del viento en base a los primeros datos objetivo, en donde la curva de energía eólica es una curva que representa una relación entre una velocidad del viento y una potencia activa; y un segundo submódulo de determinación de curvas, configurado para procesar la curva de energía eólica en la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida,
en donde el segundo submódulo de determinación de curvas está configurado además para:
realizar un proceso integral sobre cada una de las curvas de energía eólica correspondientes a diferentes errores de alineación del viento, para adquirir un valor cuantificado del rendimiento de salida, y
adquirir la curva que representa una relación entre el error de alineación del viento y el rendimiento de salida; un módulo de determinación de error de alineación del viento inherente, configurado para determinar un error de alineación del viento inherente en base a la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida determinado por el módulo de determinación de curvas, en donde el error de alineación del viento inherente representa un ángulo entre una posición cero de una veleta y una línea central de una góndola; y un módulo de corrección, configurado para corregir un parámetro de posición cero de un sistema de guiñada del conjunto generador objetivo en base al error de alineación del viento inherente determinado por el módulo de determinación de error de alineación del viento inherente.
El módulo de eliminación de datos incluye:
un módulo de agrupamiento, configurado para realizar un proceso de agrupamiento sobre los datos de operación históricos, para adquirir un resultado de agrupamiento; y
un módulo de eliminación, configurado para eliminar los datos anormales en base al resultado de la agrupación del proceso de agrupamiento.
El dispositivo incluye además:
un submódulo de adquisición de datos, configurado para adquirir datos de operación antes de la corrección del conjunto generador objetivo antes de que se realice la corrección y datos de operación después de la corrección del conjunto generador objetivo después de que se realice la corrección;
un submódulo de división de datos, configurado para dividir cada uno de los datos de operación antes de la corrección y los datos de operación después de la corrección en dos conjuntos según una velocidad nominal del viento;
un submódulo de eliminación de datos anormales, configurado para eliminar datos anormales de los dos conjuntos de los datos de operación antes de la corrección y para eliminar datos anormales de los dos conjuntos de los datos de operación después de la corrección;
un submódulo de fusión de datos, configurado para fusionar los dos conjuntos de los datos de operación antes de la corrección en los que se eliminan los datos anormales, para adquirir datos de operación antes de la corrección objetivo y para fusionar los dos conjuntos de los datos de operación después de la corrección en los que se eliminan los datos anormales para adquirir los datos de operación después de la corrección objetivo;
un submódulo de ajuste de datos, configurado para ajustar una curva de energía eólica a cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo;
un submódulo de interpolación de datos, configurado para realizar una interpolación lineal sobre la curva de energía eólica con respecto a la velocidad del viento en cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, para adquirir una potencia activa teórica correspondiente a cada velocidad del viento; y
un submódulo de cálculo de desviación de potencia, configurado para calcular una desviación de potencia entre una potencia activa real y la potencia activa teórica de cada punto de datos en cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, para adquirir la desviación de potencia correspondiente a cada punto de datos.
El submódulo de eliminación de datos anormales está configurado además para: realizar estadísticas de probabilidad sobre las desviaciones de potencia correspondientes a puntos de datos; eliminar los puntos de datos, que tienen densidades de probabilidad fuera de un rango preestablecido, en base a un resultado de las estadísticas de probabilidad, para adquirir nuevos datos de operación antes de la corrección y nuevos datos de operación después de la corrección; y luego desencadenar el submódulo de división de datos para dividir los datos de operación antes de la corrección en dos conjuntos según una velocidad nominal del viento, hasta que la curva de energía eólica ajustada ya no cambie.
El módulo de evaluación incluye además:
un submódulo de procesamiento de curva de energía eólica, configurado para convertir la curva de energía eólica antes de que se realice la corrección en un valor cuantificado del rendimiento de salida antes de que se realice la corrección realizando un proceso integral sobre la curva de energía eólica antes de que se realice la corrección, y para convertir la curva de energía eólica después de que se realice la corrección a un valor cuantificado del rendimiento de salida después de que se realice la corrección realizando un proceso integral sobre la curva de energía eólica después de que se realice la corrección; y
un submódulo de comparación, configurado para comparar el valor cuantitativo del rendimiento de salida antes de que se realice la corrección con el valor cuantitativo del rendimiento de salida después de que se realice la corrección, para adquirir un cambio del rendimiento de salida del conjunto generador objetivo antes de que se realice la corrección al rendimiento de salida del conjunto generador objetivo después de que se realice la corrección. Las soluciones técnicas anteriores tienen los siguientes efectos beneficiosos. Según el método y el dispositivo para calibrar automáticamente el error de alineación del viento del conjunto generador de energía eólica proporcionado por la presente descripción. Los datos de operación históricos del conjunto generador de energía eólica se utilizan por completo. El error de alineación del viento inherente del sistema de guiñada del conjunto generador de energía eólica se identifica automáticamente realizando la extracción de datos y el análisis sobre los datos de operación históricos del conjunto generador de energía eólica. Además, el parámetro de posición cero del sistema de control de guiñada se ajusta automáticamente en base al error de alineación del viento inherente, mejorando por ello la capacidad autoadaptativa del sistema de guiñada del conjunto generador, y mejorando el rendimiento de salida real del conjunto generador, de modo que la potencia de salida del conjunto generador pueda cumplir los requisitos de diseño.
Breve descripción de los dibujos
Con el fin de ilustrar más claramente las realizaciones de la presente descripción o las soluciones técnicas en la tecnología convencional, el dibujo referido para describir las realizaciones o la tecnología convencional se describirá brevemente en lo sucesivo. Evidentemente, los dibujos en la siguiente descripción muestran solamente realizaciones de la presente descripción, y por los expertos en la técnica, se pueden adquirir otros dibujos en base al dibujo proporcionado sin ningún esfuerzo creativo.
La Figura 1 es un diagrama esquemático de una relación entre una dirección del viento real y una posición de góndola en el caso en el que haya un error de alineación del viento inherente.
La Figura 2 es un diagrama de flujo esquemático de un método para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica según una realización de la presente descripción;
La Figura 3 es un diagrama de flujo esquemático de un método para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica según otra realización de la presente descripción;
La Figura 4 es un diagrama de flujo esquemático de una manera de implementación de realizar un proceso de agrupamiento sobre los datos de operación históricos en el método para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica según una realización de la presente descripción; La Figura 5 muestra un diagrama de dispersión de los datos de operación históricos antes de que se realice el proceso de agrupamiento, y un diagrama de dispersión de los datos de operación históricos después de que se realice el proceso de agrupamiento sobre los datos de operación históricos con un algoritmo de agrupamiento DBSCAN mejorado para eliminar datos anormales;
La Figura 6 es un diagrama de flujo esquemático de una manera de implementación de realizar un proceso de reducción de dimensionalidad sobre los datos objetivo y determinar una curva que representa una relación entre un error de alineación del viento y un rendimiento de salida en base a los datos obtenidos por el proceso de reducción de dimensionalidad, en el método para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica según una realización de la presente descripción;
La Figura 7 es un diagrama esquemático de estadísticas de probabilidad de errores de alineación del viento y un rango de error de alineación del viento objetivo según una realización de la presente descripción;
La Figura 8 muestra curvas de energía eólica con diferentes errores de alineación del viento según una realización de la presente descripción;
La Figura 9 muestra una curva que representa una relación entre el error de alineación del viento y el rendimiento de salida según una realización de la presente descripción;
La Figura 10 es un diagrama esquemático de la desviación de potencia entre una potencia activa real y una potencia activa teórica de cada punto de datos según una realización de la presente descripción;
La Figura 11 es un diagrama esquemático de un resultado estadístico de la desviación de potencia para cada uno de un caso en el que la velocidad del viento es menor que la velocidad nominal del viento y un caso en el que la velocidad del viento es mayor que la velocidad nominal del viento según un realización de la presente descripción; La Figura 12 es un diagrama que muestra la comparación entre la curva de energía eólica del conjunto generador antes de que se realice la corrección y la curva de energía eólica del conjunto generador después de que se realice la corrección según una realización de la presente descripción;
La Figura 13 es un diagrama de resultados de evaluación de los rendimientos de salida del conjunto generador objetivo antes de que se realice la corrección y los rendimientos de salida del conjunto generador objetivo después de que se realice la corrección según una realización de la presente descripción; y
La Figura 14 es un diagrama estructural esquemático de un dispositivo para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica según una realización de la presente descripción.
Descripción detallada de realizaciones
Las soluciones técnicas de las realizaciones de la presente descripción se describen clara y completamente en lo sucesivo junto con los dibujos de las realizaciones de la presente descripción. Es evidente que las realizaciones descritas a continuación son solamente algunas realizaciones de la presente descripción, más que todas las realizaciones. En base a las realizaciones de la presente descripción, todas las demás realizaciones, hechas por los expertos en la técnica sin ningún esfuerzo creativo, caen dentro del alcance de protección de la presente descripción.
Una veleta está montada en un bastidor meteorológico en la parte trasera de la parte superior de una cubierta de góndola. La veleta se usa para medir un ángulo de desviación entre una dirección del viento y una línea central de la góndola, es decir, un error de alineación del viento. Debido a que el orden de magnitud del tamaño característico de la veleta es diferente del orden de magnitud del tamaño característico del plano de la parte superior de la cubierta de la góndola, es difícil asegurar que la posición cero de la veleta sea paralela a la línea central de la góndola por inspección visual de un operario o usando un simple equipo de posicionamiento cero de veleta. Según la experiencia de ingeniería, todavía hay muchos factores que pueden hacer que la veleta se desplace o se suelte durante la operación de un parque eólico. Como se muestra en la Figura 1, suponiendo que un ángulo entre la posición cero de la veleta y la línea central de la góndola es a0, y el error de alineación del viento medido por la veleta es a, entonces el ángulo entre la línea central de la góndola y la dirección del viento es p = a a0, y a0 se considera como el “error de alineación del viento inherente” del sistema de guiñada. Debido a la existencia del “error de alineación del viento inherente”, la góndola no puede alinearse con precisión con el viento, lo que puede afectar directamente al rendimiento de salida real del conjunto generador.
Además, el rápido aumento y la aplicación de la tecnología de procesamiento de grandes datos y de computación en la nube tienen un impacto enorme en la industria de la energía eólica. Considerando que los parques eólicos tienen una gran cantidad de información de datos, y estos datos están en gran medida en forma de datos de origen desordenados, los datos “inactivos” actuales no proporcionan más valor para el proceso de operación de los parques eólicos.
Sobre la base de las consideraciones anteriores, un método para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica se proporciona mediante una realización de la presente descripción. En el método, los datos de operación históricos del conjunto generador de energía eólica se utilizan totalmente. El error de alineación del viento inherente del sistema de guiñada del conjunto generador de energía eólica se identifica automáticamente realizando extracción de datos y análisis sobre los datos de operación históricos. Además, el parámetro de posición cero del sistema de control de guiñada se ajusta automáticamente en base al error de alineación del viento inherente, mejorando por ello la capacidad autoadaptativa del sistema de guiñada del conjunto generador y mejorando el rendimiento de salida real del conjunto generador.
Con referencia a la Figura 2, la Figura 2 es un diagrama de flujo esquemático de un método para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica según una realización de la presente descripción. El método incluye los pasos S201 al paso S205.
En el paso S201, se adquieren datos de operación históricos de un conjunto generador objetivo dentro de un período de tiempo preestablecido.
Los datos de operación históricos del conjunto generador objetivo pueden incluir un tiempo de muestreo de datos, un estado del conjunto generador de energía eólica, una velocidad del viento, una potencia activa, una velocidad del generador, un ángulo de paso y un error de alineación del viento.
En el paso S202, se eliminan datos anormales de los datos de operación históricos del conjunto generador objetivo para adquirir datos objetivo.
En el paso S203, se realiza un proceso de reducción de dimensionalidad sobre los datos objetivo, y se determina una curva que representa una relación entre un error de alineación del viento y un rendimiento de salida en base a los datos obtenidos por el proceso de reducción de dimensionalidad.
En el paso S204, se determina un error de alineación del viento inherente en base a la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida.
En la presente realización, el error de alineación del viento correspondiente al punto más alto de la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida sirve como el error de alineación del viento inherente del conjunto generador objetivo.
En el paso S205, se corrige un parámetro de posición cero de un sistema de guiñada del conjunto generador objetivo en base al error de alineación del viento inherente.
En el método para calibrar automáticamente el error de alineación del viento del conjunto generador de energía eólica según la presente descripción, se eliminan en primer lugar datos anormales de los datos de operación históricos del conjunto generador, luego se realiza un proceso de reducción de dimensionalidad sobre los datos en los que se eliminan los datos anormales, y se determina una curva que representa una relación entre un error de alineación del viento y el rendimiento de salida, y se determina un error de alineación del viento inherente en base a la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida, y un parámetro de posición cero de un sistema de guiñada del conjunto generador objetivo se corrige en base al error de alineación del viento inherente. En el método según la realización de la descripción, el error de alineación del viento inherente del sistema de guiñada del conjunto generador de energía eólica se determina realizando un proceso de agrupamiento y un proceso de reducción de dimensionalidad o similar sobre los datos de operación históricos. Además, el parámetro de posición cero del sistema de control de guiñada se ajusta automáticamente en base al error de alineación del viento inherente, mejorando por ello la capacidad autoadaptativa del sistema de guiñada del conjunto generador y mejorando el rendimiento de salida real del conjunto generador.
Haciendo referencia a la Figura 3, la Figura 3 es un diagrama de flujo esquemático de un método para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica según una realización de la presente descripción. El método incluye los pasos S301 al paso S306.
En el paso S301, se adquieren datos de operación históricos de un conjunto generador objetivo dentro de un período de tiempo preestablecido.
Los datos de operación históricos del conjunto generador objetivo pueden incluir un tiempo de muestreo de datos, un estado del conjunto generador de energía eólica, una velocidad del viento, una potencia activa, una velocidad del generador, un ángulo de paso y un error de alineación del viento.
En el paso S302, se eliminan datos anormales de los datos de operación históricos del conjunto generador objetivo para adquirir datos objetivo.
En el paso S303, se realiza un proceso de reducción de dimensionalidad sobre los datos objetivo, y se determina una curva que representa una relación entre un error de alineación del viento y un rendimiento de salida en base a los datos obtenidos por el proceso de reducción de dimensionalidad.
En el paso S304, se determina un error de alineación del viento inherente en base a la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida.
En la presente realización, el error de alineación del viento correspondiente al punto más alto de la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida sirve como el error de alineación del viento inherente del conjunto generador objetivo.
En el paso S305, un parámetro de posición cero de un sistema de guiñada del conjunto generador objetivo se corrige en base al error de alineación del viento inherente.
En el paso S306, se evalúa un cambio del rendimiento de salida del conjunto generador objetivo antes de que se realice la corrección al rendimiento de salida del conjunto generador objetivo después de que se realice la corrección en base a una técnica de purificación profunda de datos de operación.
En el método para calibrar automáticamente el error de alineación del viento del conjunto generador de energía eólica según la presente descripción, los datos anormales se eliminan primero de los datos de operación históricos del conjunto generador, luego se realiza un proceso de reducción de dimensionalidad sobre los datos en el que se eliminan los datos anormales, y se determina una curva que representa una relación entre un error de alineación del viento y un rendimiento de salida, y se determina un error de alineación del viento inherente en base a la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida, y un parámetro de posición cero de un sistema de guiñada del conjunto generador objetivo se corrige en base al error de alineación del viento inherente. Finalmente, se puede evaluar un cambio del rendimiento de salida del conjunto generador objetivo antes de que se realice la corrección al rendimiento de salida del conjunto generador objetivo después de que se realice la corrección. En el método según la realización de la descripción, el error de alineación del viento inherente del sistema de guiñada del conjunto generador de energía eólica se determina realizando un proceso de agolpamiento y un proceso de reducción de dimensionalidad o similar sobre los datos de operación históricos. Además, el parámetro de posición cero del sistema de control de guiñada se ajusta automáticamente en base al error de alineación del viento inherente, mejorando por ello la capacidad autoadaptativa del sistema de guiñada del conjunto generador, y se determina en base al resultado de evaluación de que se mejora el rendimiento de salida real del conjunto generador.
Generalmente, hay algunos datos anormales en los datos de operación históricos del conjunto generador de energía eólica, y los datos anormales pueden tener un impacto adverso sobre la determinación del error de alineación del viento inherente. Con el fin de evitar el impacto adverso de los datos anormales sobre la determinación del error de alineación del viento inherente, los datos anormales se eliminan de los datos de operación históricos del conjunto generador de energía eólica según la realización de la presente descripción. Hay diversas maneras de implementación para eliminar los datos anormales. En una posible manera de implementación, se realiza un proceso de agrupamiento sobre los datos de operación históricos y los datos anormales se eliminan en base a un resultado de agrupamiento del proceso de agrupamiento. Preferiblemente, el proceso de agrupamiento se puede realizar sobre los datos de operación históricos del conjunto generador objetivo usando un algoritmo de agrupamiento DBSCAN mejorado, y los datos anormales se pueden eliminar en base al resultado de agrupamiento. Haciendo referencia a la Figura 4, la Figura 4 es un diagrama de flujo esquemático de una manera de implementación de realizar un proceso de agrupamiento sobre los datos de operación históricos, que incluye el paso S401 al paso S411.
En el paso S401, los datos de operación históricos se estandarizan para adquirir datos de operación históricos objetivo.
Se debería señalar que diferentes tipos de datos de operación tienen diferentes dimensiones, y el rango de la cantidad de los datos varía mucho. En el caso de que el proceso de agrupamiento se realice usando el algoritmo de agrupamiento basado en densidad (es decir, el algoritmo de agrupamiento DBSCAN), normalmente se necesita realizar en primer lugar un proceso de estandarización para convertir los datos a un rango de 0 a 1.
En el paso S402, se determina una proporción de datos de ruido objetivo £-ruido en base al número de objetos de datos en los datos de operación históricos objetivo.
En el paso S403, se calcula una distancia geométrica entre cada uno de los objetos de datos y un objeto objetivo en los datos de operación históricos objetivo para adquirir un conjunto de distancias.
El objeto objetivo es un objeto de datos en los datos de operación históricos objetivo que tiene la distancia geométrica de orden k en un orden ascendente de distancias geométricas entre un objeto de datos y los objetos de datos, donde un valor inicial de k es 2.
Suponiendo que hay n objetos en los datos de operación históricos objetivo, y la distancia geométrica entre cada objeto de datos y el objeto objetivo es k-dis, entonces el conjunto de distancias es Distk = {k-disi , k-dis2, ... k disn}. En el paso S404, se realizan estadísticas de probabilidad sobre elementos en el conjunto de distancias, y los elementos en el conjunto de distancias, que tienen valores de probabilidad dentro de un rango de probabilidades preestablecido, se agrupan en un nuevo conjunto de distancias.
En la presente realización, los elementos en el conjunto de distancias, que tienen valores de probabilidad dentro de un rango de probabilidad del 5%-95%, se pueden agrupar en un nuevo conjunto de distancias.
En el paso S405, se determina un valor esperado matemático del nuevo conjunto de distancias como un valor de un parámetro Epsk de un algoritmo de agrupamiento DBSCAN.
En el paso S406, se determina el número de puntos en una vecindad Epsk de cada uno de los objetos de datos en los datos de operación históricos objetivo para adquirir un conjunto de números Pk = {pi , p2 , ..., pn}.
En el paso S407, se realizan estadísticas de probabilidad sobre elementos en el conjunto de números, y los elementos en el conjunto de números, que tienen valores de probabilidad dentro de un rango de probabilidades preestablecido, se agrupan en un nuevo conjunto de números.
En el paso S408, se determina un valor esperado matemático del nuevo conjunto de números como un valor de un parámetro Minptsk del algoritmo de agrupamiento DBSCAN.
En la presente realización, los elementos en el conjunto de números, que tienen valores de probabilidad dentro de un rango de probabilidad del 5%-95%, se pueden agrupar en un nuevo conjunto de números Pk*, y el valor esperado matemático de Pk* se asigna a Minptsk.
En el paso S409, se realiza un proceso de agolpamiento DBSCAN sobre los datos de operación históricos objetivo con los parámetros Minptsk y Epsk.
En el paso S410, se calcula una proporción de datos de ruido actual Relación-ruidok en base a un resultado de agolpamiento del proceso de agrupamiento DBSCAN.
En el paso S411, se determina si k cumple k>2 y si la Relación-ruidok cumple IRelación-ruidok-i - Relación-ruidokl á £-ruido. El proceso de agrupamiento se termina, en el caso en el que k>2 y la Relación-ruidok cumple IRelaciónruidok-i - Relación-ruidokl á £-ruido. k+1 se asigna a k, y luego se vuelve a realizar el paso S403, en el caso en el que k no cumpla k>2 y/o Relación-ruidok no cumpla IRelación-ruidok-i - Relación-ruidokl á £-ruido.
Haciendo referencia a la Figura 5, la Figura 5-a es un diagrama de dispersión de los datos de operación históricos antes de que se realice el proceso de agrupamiento, y la Figura 5-b es un diagrama de dispersión de los datos de operación históricos después de que se realice el proceso de agrupamiento sobre los datos de operación históricos con un algoritmo de agrupamiento DBSCAN mejorado para eliminar datos anormales. El algoritmo de agrupamiento DBSCAN es un algoritmo de agrupamiento clásico basado en densidad, que tiene una velocidad de agrupamiento rápida y es capaz de encontrar grupos de formas arbitrarias en un conjunto de datos que tiene datos anormales. La precisión del algoritmo de agrupamiento DBSCAN está relacionada con la selección de dos parámetros Eps y Minpts. En la realización de la descripción, los parámetros Eps y Minpts del algoritmo DBSCAN se determinan de manera adaptativa durante el proceso de agrupamiento, asegurando por ello la fiabilidad y precisión del resultado de agrupamiento y eliminando por completo el impacto adverso de los datos anormales sobre la determinación del error de alineación del viento inherente del sistema de guiñada del conjunto generador de energía eólica.
Se debería señalar que, además del caso mencionado anteriormente en el que los datos objetivo se obtienen eliminando los datos anormales con el algoritmo de agrupamiento DBSCAN mejorado, los datos también se pueden filtrar en base a los rangos de variación normales de los parámetros principales en los datos de operación históricos, y luego los datos se reconstruyen usando un método de interpolación lineal para adquirir los datos objetivo. Además, los datos objetivo también se pueden adquirir en base a un método para eliminar los datos anormales, tal como un método de cuartil y un algoritmo de agrupamiento de medias k.
Haciendo referencia a la Figura 6, la Figura 6 es un diagrama de flujo esquemático de una manera de implementación de realizar un proceso de reducción de dimensionalidad sobre los datos objetivo y determinar una curva que representa una relación entre un error de alineación del viento y un rendimiento de salida en base a los datos obtenidos por el proceso de reducción de dimensionalidad, en el método para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica según una realización de la presente descripción. La manera de implementación mostrada en la Figura 6 incluye los pasos S601 a S604.
En el paso S601, se realizan estadísticas de probabilidad sobre el error de alineación del viento en los datos objetivo, y se determina un rango de error de alineación del viento objetivo en base a un resultado de las estadísticas de probabilidad.
En la presente realización, un rango de error de alineación del viento, determinado por los errores de alineación del viento que tienen valores de probabilidad dentro de un rango de probabilidad del i0% al 90%, se pueden determinar como el rango de error de alineación del viento objetivo, como se muestra en la Figura 7.
En el paso S602, datos, que tienen un error de alineación del viento fuera del rango de error de alineación del viento objetivo, se eliminan de los datos objetivo para adquirir los primeros datos objetivo.
En el paso S603, se determina una curva de energía eólica correspondiente a cada error de alineación del viento en base a los primeros datos objetivo.
La curva de energía eólica es una curva que representa una relación entre una velocidad del viento y una potencia activa.
En la presente realización, en el rango de error de alineación del viento objetivo, se realiza un proceso de reducción de dimensionalidad sobre los datos usando el método Bin. Se ajustan las curvas de potencia eólica correspondientes a diferentes errores de alineación del viento, como se muestra en la Figura 8, y el método para ajustar la curva de energía eólica se puede implementar haciendo referencia al estándar IEC61400-12-1-2005. En el paso S604, la curva de energía eólica se procesa en la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida.
Específicamente, se realiza un proceso integral sobre cada una de las curvas de energía eólica correspondientes a diferentes errores de alineación del viento, para adquirir un valor cuantificado del rendimiento de salida EOH (horas
i0
equivalentes teóricas de generación de potencia a la potencia nominal en un año), se adquiere la curva que representa una relación entre el error de alineación del viento y el rendimiento de salida como se muestra en la Figura 9, el error de alineación del viento correspondiente al punto más alto de la curva sirve como el error de alineación del viento inherente del conjunto generador objetivo.
El parámetro de posición cero del sistema de guiñada del conjunto generador objetivo se puede corregir en base al error de alineación del viento inherente después de que se determine el error de alineación del viento inherente. Con el fin de determinar el efecto de corrección, en la realización de la descripción, se evalúa un cambio del rendimiento de salida del conjunto generador objetivo antes de que se realice la corrección al rendimiento de salida del conjunto generador objetivo después de que se realice la corrección en base a una técnica de purificación profunda de datos de operación.
Específicamente, un proceso de evaluación, basado en una técnica de purificación profunda de datos de operación, un cambio del rendimiento de salida del conjunto generador objetivo antes de que se realice la corrección al rendimiento de salida del conjunto generador objetivo después de que se realice la corrección incluye los pasos (1) a (9).
En el paso (1), se adquieren los datos de operación antes de la corrección del conjunto generador objetivo antes de que se realice la corrección y los datos de operación después de la corrección del conjunto generador objetivo después de que se realice la corrección.
En el paso (2), cada uno de los datos de operación antes de la corrección y los datos de operación después de la corrección se dividen en dos conjuntos según una velocidad nominal del viento.
En el paso (3), los datos anormales se eliminan de los dos conjuntos de los datos de operación antes de la corrección, y los dos conjuntos de los datos de operación antes de la corrección, en los que se eliminan los datos anormales, se fusionan para adquirir los datos de operación antes de la corrección objetivo. Los datos anormales se eliminan de los dos conjuntos de los datos de operación después de la corrección, y los dos conjuntos de los datos de operación después de la corrección, en los que se eliminan los datos anormales, se fusionan para adquirir los datos de operación después de la corrección objetivo.
En el paso (4), se ajusta una curva de energía eólica a cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, y se realiza una interpolación lineal sobre la curva de energía eólica con respecto a una velocidad del viento en cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, para adquirir una potencia activa teórica correspondiente a cada velocidad del viento.
En el paso (5), una desviación de potencia entre una potencia activa real y la potencia activa teórica de cada punto de datos en cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo se calculan para adquirir la desviación de potencia correspondiente a cada punto de datos. La Figura 10 muestra la desviación de potencia entre una potencia activa real y una potencia activa teórica de un punto de datos.
En el paso (6), se realizan estadísticas de probabilidad sobre las desviaciones de potencia correspondientes a puntos de datos. La Figura 11-a muestra un resultado estadístico de la desviación de potencia para un caso en el que la velocidad del viento es menor que una velocidad nominal del viento, y la Figura 11-b muestra un resultado estadístico de la desviación de potencia para un caso en el que la velocidad del viento es mayor que la velocidad nominal del viento.
En el paso (7), los puntos de datos, que tienen densidades de probabilidad fuera de un rango preestablecido, se eliminan en base a un resultado de las estadísticas de probabilidad, para obtener nuevos datos de operación antes de la corrección objetivo y nuevos datos de operación después de la corrección objetivo. Entonces, se vuelve a realizar el paso (2), hasta que la curva de energía eólica ajustada ya no cambie. Específicamente, los puntos de datos con una densidad de probabilidad menor que el 10 % y una densidad de probabilidad mayor que el 90 % se consideran datos atípicos y datos de borde, y se eliminan estos datos.
En el paso (8), la curva de energía eólica antes de que se realice la corrección se convierte en un valor cuantificado del rendimiento de salida antes de que se realice la corrección realizando un proceso integral sobre la curva de energía eólica antes de que se realice la corrección, y la curva de energía eólica después de que se realice la corrección se convierte en un valor cuantificado del rendimiento de salida después de que se realice la corrección realizando un proceso integral sobre la curva de energía eólica después de que se realice la corrección. La Figura 12 es un diagrama que muestra la comparación entre la curva de energía eólica del conjunto generador antes de que se realice la corrección y la curva de energía eólica del conjunto generador después de que se realice la corrección.
En el paso (9), el valor cuantitativo del rendimiento de salida antes de que se realice la corrección se compara con el valor cuantitativo del rendimiento de salida después de que se realice la corrección, para adquirir el cambio del rendimiento de salida del conjunto generador objetivo antes de que se realice la corrección al rendimiento de salida del conjunto generador objetivo después de que se realice la corrección. La Figura 13 es un diagrama de resultados de evaluación de los rendimientos de salida del conjunto generador objetivo antes de que se realice la corrección y los rendimientos de salida del conjunto generador objetivo después de que se realice la corrección.
Un dispositivo para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica correspondiente al método anterior se proporciona además en la realización de la presente descripción. Haciendo referencia a la Figura 14, la Figura 14 muestra un diagrama estructural esquemático del dispositivo, el dispositivo puede incluir un módulo de adquisición de datos 1401, un módulo de eliminación de datos anormales 1402, un módulo de proceso de reducción de dimensionalidad 1403, un módulo de determinación de curvas 1404, un módulo de determinación de error de alineación del viento inherente 1405 y un módulo de corrección 1406.
El módulo de adquisición de datos 1401 está configurado para adquirir datos de operación históricos de un conjunto generador objetivo dentro de un período de tiempo preestablecido.
El módulo de eliminación de datos 1402 está configurado para eliminar datos anormales de los datos de operación históricos, para adquirir datos objetivo.
El módulo de proceso de reducción de dimensionalidad 1403 está configurado para realizar un proceso de reducción de dimensionalidad sobre los datos objetivo obtenidos por el módulo de eliminación de datos 1402 después de que se eliminan los datos anormales.
El módulo de determinación de curvas 1404 está configurado para determinar una curva que representa una relación entre un error de alineación del viento y un rendimiento de salida en base a los datos obtenidos por el módulo de proceso de reducción de dimensionalidad 1403 después de que se realice el proceso de reducción de dimensionalidad.
El módulo de determinación de error de alineación del viento inherente 1405 está configurado para determinar un error de alineación del viento inherente en base a la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida determinado por el módulo de determinación de curvas 1404.
El módulo de corrección 1406 está configurado para corregir un parámetro de posición cero de un sistema de guiñada del conjunto generador objetivo en base al error de alineación del viento inherente determinado por el módulo de determinación de error de alineación del viento inherente 1405.
En el dispositivo para calibrar automáticamente el error de alineación del viento del conjunto generador de energía eólica según la presente descripción, en primer lugar se eliminan datos anormales de los datos de operación históricos del conjunto generador, luego se realiza un proceso de reducción de dimensionalidad sobre los datos en el que se eliminan los datos anormales, y se determina una curva que representa una relación entre un error de alineación del viento y un rendimiento de salida, y un error de alineación del viento inherente se determina en base a la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida, y se corrige un parámetro de posición cero de un sistema de guiñada del conjunto generador objetivo en base al error de alineación del viento inherente. En el dispositivo según la realización de la descripción, el error de alineación del viento inherente del sistema de guiñada del conjunto generador de energía eólica se determina realizando un proceso de agrupamiento y un proceso de reducción de dimensionalidad o similar sobre los datos de operación históricos. Además, el parámetro de posición cero del sistema de control de guiñada se ajusta automáticamente en base al error de alineación del viento inherente, mejorando por ello la capacidad autoadaptativa del sistema de guiñada del conjunto generador y mejorando el rendimiento de salida real del conjunto generador.
En el dispositivo para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica según la realización anterior, el módulo de eliminación de datos incluye un módulo de agrupamiento y un módulo de eliminación.
El módulo de agrupamiento está configurado para realizar un proceso de agrupamiento sobre los datos de operación históricos, para adquirir un resultado de agrupamiento.
El módulo de eliminación está configurado para eliminar los datos anormales en base al resultado de agrupamiento del proceso de agrupamiento.
Además, el módulo de agrupamiento incluye un submódulo de proceso de estandarización, un submódulo de determinación de proporción de datos de ruido, un submódulo de cálculo de distancia, un primer submódulo de estadísticas de probabilidad, un submódulo de determinación de conjunto de distancias, un primer submódulo de determinación de parámetros, un submódulo de determinación de conjunto de números, un segundo submódulo de estadísticas de probabilidad, un primer submódulo de determinación de conjuntos de números, un segundo submódulo de estadísticas de probabilidad, un segundo submódulo de determinación de conjuntos de números, un segundo submódulo de determinación de parámetros, un submódulo de proceso de agrupamiento, un submódulo de cálculo de proporción de datos de ruido, un submódulo de evaluación y un submódulo de asignación.
El submódulo de proceso de estandarización está configurado para estandarizar los datos de operación históricos para adquirir datos de operación históricos objetivo.
El submódulo de determinación de proporción de datos de ruido está configurado para determinar una proporción de datos de ruido objetivo £-ruido en base al número de objetos de datos en los datos de operación históricos objetivo. El submódulo de cálculo de distancia está configurado para calcular una distancia geométrica entre cada uno de los objetos de datos y un objeto objetivo en los datos de operación históricos objetivo para adquirir un conjunto de distancias. El objeto objetivo es un objeto de datos en los datos de operación históricos objetivo que tiene la distancia geométrica de orden k en un orden ascendente de distancias geométricas entre un objeto de datos y los objetos de datos, un valor inicial de k es 2.
El primer submódulo de estadísticas de probabilidad está configurado para realizar estadísticas de probabilidad sobre elementos en el conjunto de distancias.
El submódulo de determinación de conjunto de distancias está configurado para agrupar los elementos en el conjunto de distancias, que tienen valores de probabilidad dentro de un rango de probabilidades preestablecido, en un nuevo conjunto de distancias.
El primer submódulo de determinación de parámetros está configurado para determinar un valor esperado matemático del nuevo conjunto de distancias como un valor de un parámetro Epsk de un algoritmo de agrupamiento DBSCAN.
El primer submódulo de determinación de conjunto de números está configurado para determinar el número de puntos en una vecindad Epsk de cada uno de los objetos de datos en los datos de operación históricos objetivo, para adquirir un conjunto de números.
El segundo submódulo de estadísticas de probabilidad está configurado para realizar estadísticas de probabilidad sobre elementos en el conjunto de números.
El segundo submódulo de determinación de conjunto de números está configurado para agrupar los elementos en el conjunto de números, que tienen valores de probabilidad dentro de un rango de probabilidades preestablecido, en un nuevo conjunto de números.
El segundo submódulo de determinación de parámetros está configurado para determinar un valor esperado matemático del nuevo conjunto de números como un valor de un parámetro Minptsk del algoritmo de agrupamiento DBSCAN.
El submódulo de proceso de agrupamiento está configurado para realizar un proceso de agrupamiento DBSCAN sobre los datos de operación históricos objetivo con los parámetros Minptsk y Epsk.
El submódulo de cálculo de proporción de datos de ruido está configurado para calcular una proporción de datos de ruido actual Relación-ruidok en base a un resultado de agrupamiento del proceso de agrupamiento DBSCAN.
El submódulo de evaluación está configurado para determinar si k es mayor que 2 y Relación-ruidok cumple IRelación-ruidok-i - Relación-ruidokl á £-ruido. El proceso de agrupamiento se termina, en un caso en el que k sea mayor que 2 y Relación-ruidok cumpla IRelación-ruidok-i - Relación-ruidokl á £-ruido. El submódulo de asignación se desencadena para asignar k+1 a k, y el submódulo de cálculo de distancias se desencadena para calcular una distancia geométrica entre cada uno de los objetos de datos y un objeto objetivo en los datos de operación históricos objetivo, en un caso en el que k no sea mayor que 2 y/o Relación-ruidok no cumpla IRelación-ruidok-i - Relaciónruidokl á £-ruido.
En el dispositivo para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica según la realización anterior, el módulo de proceso de reducción de dimensionalidad incluye un submódulo de estadísticas de probabilidad y un submódulo de eliminación de datos.
El submódulo de estadísticas de probabilidad está configurado para realizar estadísticas de probabilidad sobre el error de alineación del viento en los datos objetivo y determinar un rango de error de alineación del viento objetivo en base a un resultado de las estadísticas de probabilidad.
El submódulo de eliminación de datos está configurado para eliminar datos, que tienen un error de alineación del viento fuera del rango de error de alineación del viento objetivo, de los datos objetivo para adquirir los primeros datos objetivo.
El módulo de determinación de curvas incluye un primer submódulo de determinación de curvas y un segundo submódulo de determinación de curvas.
i3
El primer submódulo de determinación de curvas está configurado para determinar una curva de energía eólica correspondiente a cada error de alineación del viento en base a los primeros datos objetivo. La curva de energía eólica es una curva que representa una relación entre una velocidad del viento y una potencia activa.
El segundo submódulo de determinación de curvas está configurado para procesar la curva de energía eólica en la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida.
El dispositivo para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica según la realización anterior incluye además un módulo de evaluación configurado para evaluar, según un método de evaluación preestablecido, un cambio desde el rendimiento de salida del conjunto generador objetivo antes de que se realice la corrección al rendimiento de salida del conjunto generador objetivo después de que se realice la corrección.
Además, el módulo de evaluación incluye un submódulo de adquisición de datos, un submódulo de división de datos, un submódulo de eliminación de datos anormales, un submódulo de fusión de datos, un submódulo de ajuste de datos, un submódulo de interpolación de datos, un submódulo de cálculo de desviación de potencia, un submódulo de procesamiento de curvas de energía eólica y un submódulo de comparación.
El submódulo de adquisición de datos está configurado para adquirir datos de operación antes de la corrección del conjunto generador objetivo antes de que se realice la corrección y datos de operación después de la corrección del conjunto generador objetivo después de que se realice la corrección.
El submódulo de división de datos está configurado para dividir cada uno de los datos de operación antes de la corrección y los datos de operación después de la corrección en dos conjuntos según una velocidad nominal del viento.
El submódulo de eliminación de datos anormales está configurado para eliminar datos anormales de los dos conjuntos de los datos de operación antes de la corrección y para eliminar datos anormales de los dos conjuntos de los datos de operación después de la corrección.
El submódulo de fusión de datos está configurado para fusionar los dos conjuntos de los datos de operación antes de la corrección en los que se eliminan los datos anormales, para adquirir datos de operación antes de la corrección objetivo y para fusionar los dos conjuntos de los datos de operación después de la corrección en los que se eliminan los datos anormales, para adquirir los datos de operación después de la corrección objetivo.
El submódulo de ajuste de datos está configurado para ajustar una curva de energía eólica a cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo.
El submódulo de interpolación de datos está configurado para realizar una interpolación lineal sobre la curva de energía eólica con respecto a una velocidad del viento en cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, para adquirir una potencia activa teórica correspondiente a cada velocidad del viento.
El submódulo de cálculo de desviación de potencia está configurado para calcular una desviación de potencia entre una potencia activa real y la potencia activa teórica de cada punto de datos en cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, para adquirir la desviación de potencia correspondiente a cada punto de datos.
El submódulo de eliminación de datos anormales está configurado además para: realizar estadísticas de probabilidad sobre las desviaciones de potencia correspondientes a puntos de datos; eliminar los puntos de datos, que tienen densidades de probabilidad fuera de un rango preestablecido, en base a un resultado de las estadísticas de probabilidad, para adquirir nuevos datos de operación antes de la corrección y nuevos datos de operación después de la corrección; y luego desencadenar el submódulo de división de datos para dividir los datos de operación antes de la corrección en dos conjuntos según una velocidad nominal del viento, hasta que la curva de energía eólica ajustada ya no cambie.
El submódulo de procesamiento de curvas de energía eólica está configurado para convertir la curva de energía eólica antes de que se realice la corrección en un valor cuantificado del rendimiento de salida antes de que se realice la corrección realizando un proceso integral sobre la curva de energía eólica antes de que se realice la corrección, y convertir la curva de energía eólica después de que se realice la corrección en un valor cuantificado del rendimiento de salida después de que se realice la corrección realizando un proceso integral sobre la curva de energía eólica después de que se realice la corrección.
El submódulo de comparación está configurado para comparar el valor cuantitativo del rendimiento de salida antes de que se realice la corrección con el valor cuantitativo del rendimiento de salida después de que se realice la corrección, para adquirir el cambio del rendimiento de salida del conjunto generador objetivo antes de que se realice la corrección al rendimiento de salida del conjunto generador objetivo después de que se realice la corrección.
Según el método y el dispositivo para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica proporcionado por la presente descripción, el proceso de agolpamiento se realiza sobre los datos de operación del conjunto generador usando el algoritmo DBSCAN mejorado, para eliminar los datos anormales, y eliminando por ello suficientemente el impacto adverso de los datos anormales sobre el proceso de identificación automática del error de alineación del viento inherente del sistema de guiñada de un conjunto generador de energía eólica. La precisión de una identificación en línea del error de alineación del viento inherente del sistema de guiñada se mejora realizando las estadísticas de probabilidad y el proceso de reducción de dimensionalidad, y se puede lograr una realimentación oportuna cuando la veleta se desplaza de nuevo debido a perturbaciones externas. El parámetro de posición cero del sistema de control de guiñada se ajusta automáticamente en base al error de alineación del viento inherente, para mejorar el nivel adaptativo del sistema de guiñada del conjunto generador y mejorar la eficiencia de alineación del viento, y además eliminar la revisión periódica de la veleta realizada por el operario y mantenedor y para reducir el error humano, mejorando por ello la fiabilidad del sistema de guiñada del conjunto generador. En el proceso de evaluación, en base a una técnica de purificación profunda de datos de operación, un cambio del rendimiento de salida del conjunto generador de energía eólica antes de que se realice la corrección al rendimiento de salida del conjunto generador de energía eólica después de que se realice la corrección, se eliminan los datos anormales y se pueden evaluar con precisión datos puros capaces de caracterizar el rendimiento del conjunto generador en un estado estable, por lo tanto, el rendimiento de salida del conjunto generador de energía eólica.
Las realizaciones anteriores de la descripción se describen de una manera progresiva. Cada una de las realizaciones se centra principalmente en describir sus diferencias con respecto a otras realizaciones, y se pueden hacer referencias entre estas realizaciones con respecto a partes iguales o similares.
En las realizaciones según la presente descripción, se debería entender que el método, el aparato y el dispositivo descritos se pueden implementar de otras formas. Por ejemplo, las realizaciones del dispositivo descrito anteriormente son solamente esquemáticas. Por ejemplo, la división de las unidades es solamente una división según una función lógica, y puede haber otros modos de división en la implementación práctica, por ejemplo, se pueden combinar múltiples unidades o componentes, o se pueden integrar en otro sistema; y se pueden omitir o pueden no ser realizadas algunas características. Además, el acoplamiento, acoplamiento directo o conexión de comunicación mostrado o discutido anteriormente se puede realizar mediante algunas interfaces de comunicación, o acoplamiento indirecto o conexión de comunicación de dispositivos o unidades, y puede ser eléctrico, mecánico o de otras formas.
La unidad anterior descrita como un componente separado puede estar o no físicamente separada. El componente mostrado como una unidad puede ser o no una unidad física, es decir, puede estar situada en un lugar o puede estar distribuida en múltiples unidades de red. El objeto de las soluciones de las realizaciones se puede lograr seleccionando una parte de o todas las unidades según las necesidades prácticas. Además, todas las unidades de función según la realización de la presente descripción se pueden integrar en una unidad de procesamiento, o pueden ser unidades físicamente separadas, o dos o más unidades están integradas en una unidad.
En el caso de que la función se implemente en forma de unidad de función de software y se venda o use como un producto separado, también se puede almacenar en un medio de almacenamiento legible por ordenador. En base a tal entendimiento, la esencia, o la parte que contribuye a la tecnología convencional de las soluciones técnicas de la presente descripción, o, una parte de las soluciones técnicas se pueden incorporar en forma de un producto de software. El producto de software informático se almacena en un medio de almacenamiento e incluye varias instrucciones configuradas para hacer que un dispositivo informático (que puede ser un ordenador personal, un servidor o un dispositivo de red, etc.) ejecute todos o parte de los pasos del método de cada realización de la presente descripción. El medio de almacenamiento descrito anteriormente incluye diversos medios capaces de almacenar códigos de programa, tales como un disco rápido USB, un disco duro móvil, una Memoria de Solo Lectura (ROM), una Memoria de Acceso Aleatorio (RAM), un disco magnético o un disco óptico.
La ilustración anterior de las realizaciones descritas permite a los expertos en la técnica implementar o poner en práctica la presente descripción. Diversas modificaciones a las realizaciones son evidentes para los expertos en la técnica, y el principio general definido en la presente memoria se puede implementar en otras realizaciones sin apartarse del alcance de la presente descripción. Por lo tanto, la presente descripción no se limita a las realizaciones descritas en la presente memoria, sino que debería estar de acuerdo con el alcance más amplio consistente con el principio y las características novedosas descritas en la presente memoria.

Claims (7)

REIVINDICACIONES
1. Un método para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica, que comprende:
adquirir datos de operación históricos de un conjunto generador objetivo dentro de un período de tiempo preestablecido (S201);
eliminar datos anormales de los datos de operación históricos del conjunto generador objetivo para adquirir datos objetivo (S202);
realizar un proceso de reducción de dimensionalidad sobre los datos objetivo, y determinar una curva que representa una relación entre un error de alineación del viento y un rendimiento de salida en base a los datos obtenidos por el proceso de reducción de dimensionalidad (S203),
en donde la realización de un proceso de reducción de dimensionalidad sobre los datos objetivo y la determinación de una curva que representa una relación entre un error de alineación del viento y un rendimiento de salida en base a los datos obtenidos por el proceso de reducción de dimensionalidad (S203) comprende:
realizar estadísticas de probabilidad sobre el error de alineación del viento en los datos objetivo, y determinar un rango de error de alineación del viento objetivo en base a un resultado de las estadísticas de probabilidad (S601); eliminar datos, que tienen un error de alineación del viento fuera del rango de error de alineación del viento objetivo, de los datos objetivo para adquirir los primeros datos objetivo (S602);
determinar una curva de energía eólica correspondiente a cada error de alineación del viento en base a los primeros datos objetivo (S603), en donde la curva de energía eólica es una curva que representa una relación entre una velocidad del viento y una potencia activa; y
procesar la curva de energía eólica en la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida (S604),
en donde el procesamiento de la curva de energía eólica en la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida (S604) comprende:
realizar un proceso integral sobre cada una de las curvas de energía eólica correspondientes a diferentes errores de alineación del viento, para adquirir un valor cuantificado del rendimiento de salida, y
adquirir la curva que representa una relación entre el error de alineación del viento y el rendimiento de salida; determinar un error de alineación del viento inherente en base a la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida (S204), en donde el error de alineación del viento inherente representa un ángulo entre una posición cero de una veleta y una línea central de una góndola; y
corregir un parámetro de posición cero de un sistema de guiñada del conjunto generador objetivo en base al error de alineación del viento inherente.
2. El método según la reivindicación 1, en donde la eliminación de datos anormales de los datos de operación históricos del conjunto generador objetivo (S202) comprende:
realizar un proceso de agrupamiento sobre los datos de operación históricos y eliminar los datos anormales en base a un resultado de agrupamiento del proceso de agrupamiento.
3. El método según la reivindicación 2, en donde la realización de un proceso de agrupamiento sobre los datos de operación históricos comprende:
estandarizar los datos de operación históricos para adquirir datos de operación históricos objetivo (S401); determinar una proporción de datos de ruido objetivo £-ruido en base al número de objetos de datos en los datos de operación históricos objetivo (S402);
calcular una distancia geométrica entre cada uno de los objetos de datos y un objeto objetivo en los datos de operación históricos objetivo para adquirir un conjunto de distancias (S403), en donde el objeto objetivo es un objeto de datos en los datos de operación históricos objetivo que tiene la distancia geométrica de orden k en un orden ascendente de distancias geométricas entre un objeto de datos y los objetos de datos, en donde un valor inicial de k es 2;
realizar estadísticas de probabilidad sobre elementos en el conjunto de distancias, y agrupar los elementos en el conjunto de distancias, que tienen valores de probabilidad dentro de un rango de probabilidades preestablecido, en un nuevo conjunto de distancias (S404);
determinar un valor esperado matemático del nuevo conjunto de distancias como un valor de un parámetro Epsk de un algoritmo de agrupamiento DBSCAN (S405);
determinar el número de puntos en una vecindad Epsk de cada uno de los objetos de datos en los datos de operación históricos objetivo, para adquirir un conjunto de números (S406);
realizar estadísticas de probabilidad sobre elementos en el conjunto de números, y agrupar los elementos en el conjunto de números, que tienen valores de probabilidad dentro de un rango de probabilidades preestablecido, en un nuevo conjunto de números (S407);
determinar un valor esperado matemático del nuevo conjunto de números como un valor de un parámetro Minptsk del algoritmo de agrupamiento DBSCAN (S408);
realizar un proceso de agrupamiento DBSCAN sobre los datos de operación históricos objetivo con los parámetros Minptsk y Epsk (S409);
calcular una proporción de datos de ruido actual Relación-ruidok en base a un resultado de agrupamiento del proceso de agrupamiento DBSCAN (S410);
terminar el proceso de agrupamiento, en un caso en el que k>2 y Relación-ruidok cumple IRelación-ruidok-i -Relación-ruidokl á £-ruido; y
asignar k+1 a k, y luego volver a realizar el paso de calcular una distancia geométrica entre cada uno de los objetos de datos y un objeto objetivo en los datos de operación históricos objetivo, en un caso en el que k no cumpla k>2 y/o Relación-ruidok no cumpla IRelación-ruidok-i - Relación-ruidokl á £-ruido.
4. El método según cualquiera de las reivindicaciones 1 a 3, comprende además:
adquirir datos de operación antes de la corrección del conjunto generador objetivo antes de que se realice la corrección y datos de operación después de la corrección del conjunto generador objetivo después de que se realice la corrección;
dividir cada uno de los datos de operación antes de la corrección y los datos de operación después de la corrección en dos conjuntos según una velocidad nominal del viento;
eliminar datos anormales de los dos conjuntos de los datos de operación antes de la corrección, y fusionar los dos conjuntos de los datos de operación antes de la corrección en los que se eliminan los datos anormales, para adquirir datos de operación antes de la corrección objetivo; y eliminar datos anormales de los dos conjuntos de los datos de operación después de la corrección, y fusionar los dos conjuntos de los datos de operación después de la corrección en los que se eliminan los datos anormales, para adquirir datos de operación después de la corrección objetivo; ajustar una curva de energía eólica a cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, y realizar una interpolación lineal sobre la curva de energía eólica con respecto a una velocidad del viento en cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, para adquirir una potencia activa teórica correspondiente a cada velocidad del viento;
calcular una desviación de potencia entre una potencia activa real y la potencia activa teórica de cada punto de datos en cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, para adquirir la desviación de potencia correspondiente a cada punto de datos;
realizar estadísticas de probabilidad sobre las desviaciones de potencia correspondientes a puntos de datos; eliminar los puntos de datos, que tienen densidades de probabilidad fuera de un rango preestablecido, en base a un resultado de las estadísticas de probabilidad, y volver a realizar el paso de dividir cada uno de los datos de operación antes de la corrección y los datos de operación después de la corrección en dos conjuntos según una velocidad nominal del viento, hasta que la curva de energía eólica ajustada ya no cambie;
convertir la curva de energía eólica antes de que se realice la corrección en un valor cuantificado del rendimiento de salida antes de que se realice la corrección realizando un proceso integral sobre la curva de energía eólica antes de que se realice la corrección, y convertir la curva de energía eólica después de que se realice la corrección a un valor cuantificado del rendimiento de salida después de que se realice la corrección realizando un proceso integral sobre la curva de energía eólica después de que se realice la corrección; y
comparar el valor cuantitativo del rendimiento de salida antes de que se realice la corrección con el valor cuantitativo del rendimiento de salida después de que se realice la corrección, para adquirir un cambio del rendimiento de salida del conjunto generador objetivo antes de que se realice la corrección al rendimiento de salida del conjunto generador objetivo después de que se realice la corrección.
5. Un dispositivo para calibrar automáticamente un error de alineación del viento de un conjunto generador de energía eólica, que comprende:
un módulo de adquisición de datos (1401), configurado para adquirir datos de operación históricos de un conjunto generador objetivo dentro de un período de tiempo preestablecido;
un módulo de eliminación de datos (1402), configurado para eliminar datos anormales de los datos de operación históricos adquiridos por el módulo de adquisición de datos (1401), para adquirir datos objetivo;
un módulo de proceso de reducción de dimensionalidad (1403), configurado para realizar un proceso de reducción de dimensionalidad sobre los datos objetivo obtenidos por el módulo de eliminación de datos (1402) después de que se eliminen los datos anormales;
en donde el módulo de proceso de reducción de dimensionalidad (1403) comprende:
un submódulo de estadísticas de probabilidad, configurado para realizar estadísticas de probabilidad sobre el error de alineación del viento en los datos objetivo, y determinar un rango de error de alineación del viento objetivo en base a un resultado de las estadísticas de probabilidad;
un submódulo de eliminación de datos, configurado para eliminar datos, que tienen un error de alineación del viento fuera del rango de error de alineación del viento objetivo, de los datos objetivo para adquirir los primeros datos objetivo;
un modulo de determinación de curvas (1404), configurado para determinar una curva que representa una relación entre un error de alineación del viento y un rendimiento de salida en base a los datos obtenidos por el modulo de proceso de reducción de dimensionalidad (1403) después de que se realice el proceso de reducción de dimensionalidad,
en donde el módulo de determinación de curvas (1404) comprende:
un primer submódulo de determinación de curvas, configurado para determinar una curva de energía eólica correspondiente a cada error de alineación del viento en base a los primeros datos objetivo, en donde la curva de energía eólica es una curva que representa una relación entre una velocidad del viento y una potencia activa; y un segundo submódulo de determinación de curvas, configurado para procesar la curva de energía eólica en la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida,
en donde el segundo submódulo de determinación de curvas está configurado además para:
realizar un proceso integral en cada una de las curvas de energía eólica correspondientes a diferentes errores de alineación del viento, para adquirir un valor cuantificado del rendimiento de salida, y
adquirir la curva que representa una relación entre el error de alineación del viento y el rendimiento de salida; un módulo de determinación de error de alineación del viento inherente (1405), configurado para determinar un error de alineación del viento inherente en base a la curva que representa la relación entre el error de alineación del viento y el rendimiento de salida determinado por el módulo de determinación de curvas (1404), en donde el error de alineación del viento inherente representa un ángulo entre una posición cero de una veleta y una línea central de una góndola; y
un módulo de corrección (1406), configurado para corregir un parámetro de posición cero de un sistema de guiñada del conjunto generador objetivo en base al error de alineación del viento inherente determinado por el módulo de determinación de error de alineación del viento inherente (1405).
6. El dispositivo según la reivindicación 5, en donde el módulo de eliminación de datos (1402) comprende:
un módulo de agrupamiento, configurado para realizar un proceso de agrupamiento sobre los datos de operación históricos, para adquirir un resultado de agrupamiento; y
un módulo de eliminación, configurado para eliminar los datos anormales en base al resultado de agrupamiento del proceso de agrupamiento.
7. El dispositivo según cualquiera de las reivindicaciones 5 a 6, que comprende además:
un submódulo de adquisición de datos, configurado para adquirir datos de operación antes de la corrección del conjunto generador objetivo antes de que se realice la corrección y datos de operación después de la corrección del conjunto generador objetivo después de que se realice la corrección;
un submódulo de división de datos, configurado para dividir cada uno de los datos de operación antes de la corrección y los datos de operación después de la corrección en dos conjuntos según una velocidad nominal del viento;
un submódulo de eliminación de datos anormales, configurado para eliminar datos anormales de los dos conjuntos de los datos de operación antes de la corrección y para eliminar datos anormales de los dos conjuntos de los datos de operación después de la corrección;
un submódulo de fusión de datos, configurado para fusionar los dos conjuntos de los datos de operación antes de la corrección en los que se eliminan los datos anormales, para adquirir datos de operación antes de la corrección objetivo y para fusionar los dos conjuntos de los datos de operación después de la corrección en los que se eliminan los datos anormales, para adquirir los datos de operación después de la corrección objetivo;
un submódulo de ajuste de datos, configurado para ajustar una curva de energía eólica a cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo;
un submódulo de interpolación de datos, configurado para realizar una interpolación lineal sobre la curva de energía eólica con respecto a una velocidad del viento en cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, para adquirir una potencia activa teórica correspondiente a cada velocidad del viento;
un submódulo de cálculo de desviación de potencia, configurado para calcular una desviación de potencia entre una potencia activa real y la potencia activa teórica de cada punto de datos en cada uno de los datos de operación antes de la corrección objetivo y los datos de operación después de la corrección objetivo, para adquirir la desviación de potencia correspondiente a cada punto de datos;
en donde el submódulo de eliminación de datos anormales está configurado además para: realizar estadísticas de probabilidad sobre las desviaciones de potencia correspondientes a puntos de datos; eliminar los puntos de datos, que tienen densidades de probabilidad fuera de un rango preestablecido, en base a un resultado de las estadísticas de probabilidad, para adquirir nuevos datos de operación antes de la corrección y nuevos datos de operación después de la corrección; y luego desencadenar el submódulo de división de datos para dividir los datos de operación antes de la corrección en dos conjuntos según una velocidad nominal del viento, hasta que la curva de energía eólica ajustada ya no cambie;
en donde el módulo de evaluación comprende además:
un submódulo de procesamiento de curvas de energía eólica, configurado para convertir la curva de energía eólica antes de que se realice la corrección en un valor cuantificado del rendimiento de salida antes de que se realice la corrección realizando un proceso integral sobre la curva de energía eólica antes de que se realice la corrección, y para convertir la curva de energía eólica después de que se realice la corrección en un valor cuantificado del rendimiento de salida después de que se realice la corrección realizando un proceso integral sobre la curva de energía eólica después de que se realice la corrección; y
un submódulo de comparación, configurado para comparar el valor cuantitativo del rendimiento de salida antes de que se realice la corrección con el valor cuantitativo del rendimiento de salida después de que se realice la corrección, para adquirir un cambio del rendimiento de salida del conjunto generador objetivo antes de que se realice la corrección al rendimiento de salida del conjunto generador objetivo después de que se realice la corrección.
ES17830459T 2016-07-21 2017-07-18 Método y dispositivo para calibrar automáticamente un error de alineación del viento de una unidad de generación de energía eólica Active ES2926639T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201610579606.4A CN106014858B (zh) 2016-07-21 2016-07-21 一种风电机组对风误差自动校准方法及装置
PCT/CN2017/093303 WO2018014825A1 (zh) 2016-07-21 2017-07-18 一种风电机组对风误差自动校准方法及装置

Publications (1)

Publication Number Publication Date
ES2926639T3 true ES2926639T3 (es) 2022-10-27

Family

ID=57117269

Family Applications (1)

Application Number Title Priority Date Filing Date
ES17830459T Active ES2926639T3 (es) 2016-07-21 2017-07-18 Método y dispositivo para calibrar automáticamente un error de alineación del viento de una unidad de generación de energía eólica

Country Status (5)

Country Link
EP (1) EP3489508B1 (es)
CN (1) CN106014858B (es)
DK (1) DK3489508T3 (es)
ES (1) ES2926639T3 (es)
WO (1) WO2018014825A1 (es)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106014858B (zh) * 2016-07-21 2019-11-22 浙江运达风电股份有限公司 一种风电机组对风误差自动校准方法及装置
CN108071562B (zh) * 2016-11-17 2021-01-15 中国电力科学研究院 一种基于能量流的风电机组能效状态诊断方法
CN106870298B (zh) * 2017-03-28 2020-04-07 中车株洲电力机车研究所有限公司 基于机器学习的叶根螺栓断裂故障检测方法
CN106991508A (zh) * 2017-05-25 2017-07-28 华北电力大学 一种基于dbscan的风电机组运行状态识别方法
CN109086793B (zh) * 2018-06-27 2021-11-16 东北大学 一种风力发电机的异常识别方法
CN109345113B (zh) * 2018-09-29 2021-03-02 北京拾易技术有限公司 风电机组性能评估方法及介质
CN109667727B (zh) * 2018-11-18 2020-01-10 浙江大学 一种基于功率曲线分析的风电机组偏航误差固有偏差辨识及补偿方法
CN109488528B (zh) * 2018-11-23 2020-03-17 华润电力技术研究院有限公司 一种风机偏航系统的调整方法及装置
CN109581269A (zh) * 2018-12-25 2019-04-05 中国电力科学研究院有限公司 一种电子式互感器误差特性快速评价方法及系统
CN109681380B (zh) * 2018-12-29 2022-09-30 新疆金风科技股份有限公司 用于调整最小桨距角位置的方法及装置
CN110094300B (zh) * 2019-01-24 2020-04-21 上海电力学院 风电机组的对风偏差矫正方法、装置、设备及介质
CN110094310B (zh) * 2019-05-13 2020-05-19 北京天泽智云科技有限公司 一种识别风力发电机偏航对风不正的方法
CN111145109B (zh) * 2019-12-09 2023-03-31 深圳先进技术研究院 基于图像的风力发电功率曲线异常数据识别与清洗方法
CN111322205B (zh) * 2019-12-13 2021-11-23 风脉能源（武汉）股份有限公司 风电机组风向标零位误差辨识方法及校正方法
CN113048016A (zh) * 2019-12-27 2021-06-29 新疆金风科技股份有限公司 在线修正风力发电机组的对风偏差的方法和装置
CN111522808B (zh) * 2020-04-29 2023-07-28 贵州电网有限责任公司 一种风电机组异常运行数据处理方法
CN111828253B (zh) * 2020-07-29 2022-02-11 湘电风能有限公司 一种基于风向方位角的风力发电机组保护控制方法
CN112032003B (zh) * 2020-09-01 2021-08-17 浙江运达风电股份有限公司 一种大型风电机组运行性能监测方法
CN112145373B (zh) * 2020-09-15 2021-09-10 东北大学 一种风力发电机测风仪风速的校正方法
CN112031997B (zh) * 2020-09-15 2021-08-13 华北电力科学研究院有限责任公司 一种风电机组偏航静态偏差确定方法、装置
US11231012B1 (en) * 2020-09-22 2022-01-25 General Electric Renovables Espana, S.L. Systems and methods for controlling a wind turbine
CN112443461B (zh) * 2020-10-10 2022-02-08 东北电力大学 基于对称声压传感器的风力发电机组偏航误差分析方法
CN112648139B (zh) * 2020-11-12 2022-03-04 北京金风慧能技术有限公司 风力发电机组对风不正校正方法、装置及控制器
CN112699913B (zh) * 2020-11-25 2023-08-29 国网湖南省电力有限公司 一种台区户变关系异常诊断方法及装置
CN112632773B (zh) * 2020-12-21 2024-04-05 北京华能新锐控制技术有限公司 一种风电机组可靠性预测方法
CN112381185B (zh) * 2021-01-15 2022-03-01 北京工业大数据创新中心有限公司 一种工业设备特性曲线相似度获取方法及装置
CN113309661B (zh) * 2021-03-09 2022-04-26 明阳智慧能源集团股份公司 一种提升风力发电机组发电量的方法
CN113236507B (zh) * 2021-05-28 2022-08-19 中南大学 一种风电机组偏航静态误差诊断方法和系统
CN113256179B (zh) * 2021-07-06 2021-09-24 大唐环境产业集团股份有限公司 脱硫系统浆液品质在线分类评价方法、系统及装置
CN113757041A (zh) * 2021-08-12 2021-12-07 太原重工股份有限公司 一种风力发电机组风向数据的智能校准方法及系统
CN113653609B (zh) * 2021-09-17 2022-04-19 中节能风力发电股份有限公司 风电机组风向标故障识别方法、系统、设备和存储介质
CN114033631B (zh) * 2021-11-08 2023-08-01 浙江运达风电股份有限公司 一种风电机组风能利用系数在线辨识方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5022102B2 (ja) * 2007-05-25 2012-09-12 三菱重工業株式会社 風力発電装置、風力発電システムおよび風力発電装置の発電制御方法
JP4995209B2 (ja) * 2009-01-05 2012-08-08 三菱重工業株式会社 風力発電装置及び風力発電装置の風向推定方法
CN102213182B (zh) * 2011-05-12 2013-09-04 北京金风科创风电设备有限公司 偏航误差角获得方法及偏航控制方法/装置和风力发电机组
DK2757252T3 (en) * 2013-01-17 2018-03-26 Ge Renewable Tech Procedure for operating a wind turbine
US20150086357A1 (en) * 2013-09-24 2015-03-26 General Electric Company Wind turbine and method for adjusting yaw bias in wind turbine
WO2015048972A1 (en) * 2013-10-01 2015-04-09 Vestas Wind Systems A/S Safe mode operation at high yaw error
CN103675356B (zh) * 2013-11-19 2016-06-01 中国大唐集团科学技术研究院有限公司 基于粒子群优化的风速仪故障检测方法和系统
WO2015077337A1 (en) * 2013-11-21 2015-05-28 General Electric Company System and method for assessing the performance impact of wind turbine upgrades
EP2878809B1 (en) * 2013-11-29 2017-06-14 Alstom Renovables España, S.L. Methods of operating a wind turbine, wind turbines and wind parks
CN104481804B (zh) * 2014-12-05 2017-02-22 北京金风科创风电设备有限公司 风力发电机组对风矫正控制方法、装置和系统
CN104747368B (zh) * 2015-01-27 2017-11-07 风脉（武汉）可再生能源技术有限责任公司 一种风电机组功率优化的方法和系统
EP3250821A1 (en) * 2015-01-28 2017-12-06 KK Wind Solutions A/S Calibrating a wind vane of a wind turbine
CN104989592B (zh) * 2015-07-07 2018-05-04 中能电力科技开发有限公司 风力发电机组机舱风向校正方法
CN105257470B (zh) * 2015-09-25 2018-03-20 南车株洲电力机车研究所有限公司 一种风电机组风向补偿优化方法及装置
CN105259374B (zh) * 2015-11-25 2018-10-26 江苏天赋新能源工程技术有限公司 风向标零位校正装置
CN105484939A (zh) * 2015-12-16 2016-04-13 大连尚能科技发展有限公司 一种风速风向仪的角度测量误差曲线的替代学习方法
CN105569922A (zh) * 2015-12-16 2016-05-11 大连尚能科技发展有限公司 一种基于风速影响的风速风向仪的角度测量误差补偿方法
CN106014858B (zh) * 2016-07-21 2019-11-22 浙江运达风电股份有限公司 一种风电机组对风误差自动校准方法及装置

Also Published As

Publication number Publication date
DK3489508T3 (da) 2022-07-04
WO2018014825A1 (zh) 2018-01-25
EP3489508A4 (en) 2019-08-07
EP3489508B1 (en) 2022-06-08
EP3489508A1 (en) 2019-05-29
CN106014858B (zh) 2019-11-22
CN106014858A (zh) 2016-10-12

Similar Documents

Publication Publication Date Title
ES2926639T3 (es) Método y dispositivo para calibrar automáticamente un error de alineación del viento de una unidad de generación de energía eólica
US10902337B1 (en) Method and device of trajectory outlier detection, and storage medium thereof
US20200018289A1 (en) Forecasting output power of wind turbine in wind farm
KR102311499B1 (ko) 풍력 터빈의 적어도 하나의 요 각도를 재교정하기 위한 컴퓨터 구현 방법, 각각의 시스템, 윈드 파크 최적화를 위한 컴퓨터 구현 방법, 그리고 각각의 윈드 파크
ES2838684T3 (es) Método, dispositivo y sistema para compensar la potencia de salida de conjunto generador de aerogenerador
US11644009B2 (en) Method and apparatus for detecting yaw-to-wind abnormality, and device and storage medium thereof
US20190338758A1 (en) Method and device for calculating power generation of wind farm
CN105628977B (zh) 风速仪修正系数的标定方法、装置和系统
CN115018902A (zh) 用于确定媒堆库存的方法及处理器
GB201203496D0 (en) Read-detection in solid-state storage devices
CN110094300B (zh) 风电机组的对风偏差矫正方法、装置、设备及介质
CN111581711B (zh) 杆塔建模方法、装置、终端设备及计算机可读存储介质
DK2981711T3 (en) PROCEDURE FOR EFFICIENCY MONITORING OF A WINDOW ENERGY PARK
CN110348654A (zh) 风力发电机组评价及运行数据的修正方法、装置及终端
CN112381940A (zh) 一种点云数据生成数字高程模型的处理方法、装置及终端设备
CN103065295B (zh) 一种基于建筑物角点自修正的航空与地面LiDAR数据高精度自动配准方法
CN103116173A (zh) 用于光电跟踪的误差检验装置
US20240137666A1 (en) Image processing method and apparatus and related device
CN111435549B (zh) 一种前视预测告警地形数据提取方法
CN107564996B (zh) 划片方法及终端设备
CN110094299A (zh) 风电机组的偏航对风自矫正方法和设备
CN115689061A (zh) 风电超短期功率预测方法及相关设备
CN110751657B (zh) 一种基于三角形覆盖的图像三维分形维数计算方法
AU2021455921A1 (en) Tracking method and apparatus, electronic device, and storage medium
CN113379923A (zh) 轨道识别方法、装置、存储介质及设备