一种风力发电机功率曲线的获取方法及装置制造方法及图纸

本申请公开了一种风力发电机功率曲线的获取方法，包括获取风力发电机运行时的观测数据；观测数据包括风速的观测数据和输出功率的观测数据；将观测数据代入到预先建立的风力发电机模型的状态空间方程中；对状态空间方程进行一阶线性化；对线性化后的状态空间方程进行Kalman滤波，生成观测数据的去噪数据，以便根据去噪数据生成功率曲线。本申请以实际观测数据为依据，在以风力发电机机理模型建立的状态空间方程的基础上，采用Kalman滤波对观测数据进行最优估计，可有效提高精度和可靠性。本申请还公开了一种风力发电机功率曲线的获取装置，同样具有上述有益效果。

A Method and Device for Obtaining Power Curve of Wind Turbine

This application discloses a method for obtaining power curves of wind turbines, including observational data of wind speed and output power; observational data including observational data of wind speed and output power; substituting observational data into the state space equation of a pre-established wind turbine model; first-order linearization of the state space equation; and linearization of the linearized state space equation. Kalman filter is used to generate the denoising data of the observed data, so that the power curve can be generated from the denoising data. Based on the actual observation data and the state space equation established by the mechanism model of wind turbine, this application uses Kalman filter to estimate the observation data optimally, which can effectively improve the accuracy and reliability. The application also discloses a device for obtaining the power curve of a wind turbine, which also has the above beneficial effect.

【技术实现步骤摘要】
一种风力发电机功率曲线的获取方法及装置
本申请涉及风力发电
，特别涉及一种风力发电机功率曲线的获取方法及装置。
技术介绍
随着近些年风力发电技术的快速发展和进步，风力发电已经在我国电力系统中发挥着重要作用。风力发电机功率曲线是风力发电机的重要特性，它描述了风力发电机的输出功率与风速之间的关系，是评估风力发电机组性能和发电能力的一项重要指标。现有技术中，风力发电机组功率曲线的获取方式一般分为两大类。其中一种是依靠数理统计方法，通过对测量得到的风力发电机组运行时的观测数据进行数据拟合等方式，得到功率曲线。然而，由于实际的观测数据中包含有大量的故障数据，包括高风速零功率的故障点和风速误差过大的湍流点，因此，依靠数理统计方法得到的功率曲线误差较大；并且，一些常见的拟合函数并不完全适用于风力发电机。另一种方法则是依据风力发电机的工作原理得到的机理模型：其中，ρ为空气密度，A为风力发电机风轮的扫略面积，V为风轮处的风速，Cp为风能利用系数。然而，在实际应用中，参数空气密度会随着温度、气压等环境因素变化；风能利用率会因叶尖速比、桨距角的不同而变化；实际测量位置处的风速大小和角度也与风轮处的风速不同。因此，这些因素都会造成较大的误差。由此可见，采用何种高精度、高可靠性的风力发电机功率曲线获取方法及装置，是本领域技术人员亟待解决的技术问题。
技术实现思路
本申请的目的在于提供一种高精度、高可靠性的风力发电机功率曲线的获取方法及装置。为解决上述技术问题，本申请提供一种风力发电机功率曲线的获取方法，包括：获取风力发电机运行时的观测数据；所述观测数据包括风速的观测数据和输出功率的观测数据；将所述观测数据代入到预先建立的风力发电机模型的状态空间方程中；对所述状态空间方程进行一阶线性化；对线性化后的所述状态空间方程进行Kalman滤波，生成所述观测数据的去噪数据，以便根据所述去噪数据生成所述功率曲线。可选地，所述获取风力发电机运行时的观测数据包括：采集预设时长时间段内所述风力发电机运行时的观测数据。可选地，还包括：在所述生成所述观测数据的去噪数据之后，将所述去噪数据进行存储。可选地，在所述获取风力发电机运行时的观测数据之后、所述将所述观测数据代入到预先建立的风力发电机模型的状态空间方程中之前，还包括：对所述观测数据进行筛选预处理。可选地，所述对所述观测数据进行筛选预处理包括：将所述观测数据划分成多个风速比恩；计算各个所述风速比恩的平均风速；将各个所述风速比恩中与对应的平均风速的误差超过预设误差阈值的观测数据滤除。可选地，所述对所述观测数据进行筛选预处理还包括：在所述将各个所述风速比恩中与对应的平均风速的误差超过预设误差阈值的观测数据滤除之后，将所述风速不为零而所述输出功率为零的观测数据滤除。可选地，所述状态空间方程的状态观测量包括：空气密度、测量风速与叶片接触风速的差速、风向与叶片的夹角和风能利用率；所述观测数据还包括所述状态观测量的观测数据。可选地，所述对所述状态空间方程进行一阶线性化包括：将所述状态空间方程的观测方程进行一阶泰勒展开后保留一阶项。本申请还提供了一种风力发电机功率曲线的获取装置，包括：数据获取模块：用于获取风力发电机运行时的观测数据；所述观测数据包括风速的观测数据和输出功率的观测数据；数据融合模块：用于将所述观测数据代入到预先建立的风力发电机模型的状态空间方程中；线性化处理模块：用于对所述状态空间方程进行一阶线性化；Kalman滤波模块：用于对线性化后的所述状态空间方程进行Kalman滤波，生成所述观测数据的去噪数据，以便根据所述去噪数据生成所述功率曲线。可选地，还包括：数据存储模块：用于在所述Kalman滤波模块生成所述观测数据的去噪数据之后，将所述去噪数据进行存储。本申请所提供的风力发电机功率曲线的获取方法包括：获取风力发电机运行时的观测数据；所述观测数据包括风速的观测数据和输出功率的观测数据；将所述观测数据代入到预先建立的风力发电机模型的状态空间方程中；对所述状态空间方程进行一阶线性化；对线性化后的所述状态空间方程进行Kalman滤波，生成所述观测数据的去噪数据，以便根据所述去噪数据生成所述功率曲线。可见，相比于现有技术，本申请实施例所提供的风力发电机功率曲线的获取方法，以大量的实际观测数据为依据，在以风力发电机机理模型建立的状态空间方程的基础上，采用Kalman滤波对观测数据进行最优估计，利用Kalman滤波的高精度，获取观测数据的可靠性较高的去噪数据，以便生成风力发电机的功率曲线。本申请所提供的风力发电机功率曲线的获取装置可以实现上述风力发电机功率曲线的获取方法，同样具有上述有益效果。附图说明为了更清楚地说明现有技术和本申请实施例中的技术方案，下面将对现有技术和本申请实施例描述中需要使用的附图作简要的介绍。当然，下面有关本申请实施例的附图描述的仅仅是本申请中的一部分实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图，所获得的其他附图也属于本申请的保护范围。图1为本申请实施例所提供的一种风力发电机功率曲线的获取方法的流程图；图2为本申请实施例所提供的一种风力发电机功率曲线的获取装置的结构框图。具体实施方式本申请的核心在于提供一种高精度、高可靠性的风力发电机功率曲线的获取方法及装置。为了对本申请实施例中的技术方案进行更加清楚、完整地描述，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行介绍。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。请参考图1，图1为本申请实施例所提供的一种风力发电机功率曲线的获取方法的流程图，主要包括以下步骤：步骤1：获取风力发电机运行时的观测数据；观测数据包括风速的观测数据和输出功率的观测数据。步骤2：将观测数据代入到预先建立的风力发电机模型的状态空间方程中。具体地，这里所说的状态空间方程为根据风力发电机机理模型所建立的状态空间方程。当然，可以根据步骤1中所获取到的观测数据的数量来设置状态空间方程中变量矩阵的维数。步骤3：对状态空间方程进行一阶线性化。步骤4：对线性化后的状态空间方程进行Kalman滤波，生成观测数据的去噪数据，以便根据去噪数据生成功率曲线。具体地，Kalman滤波是自动控制系统中一种常用的滤波算法，它可以通过逐次地滤波处理对系统进行最优估计。本申请将测量得到的观测数据与风力发电机的机理模型通过状态空间方程进行结合，以便利用Kalman滤波来获取高精度和高可靠性的去噪数据，进而获得风力发电机的功率曲线。根据Kalman滤波算法理论，风力发电机机理模型所对应的状态空间方程需要经过一阶线性化之后，再进行滤波处理，从而进行最优估计以获得观测数据的去噪数据。可见，本申请实施例所提供的风力发电机功率曲线的获取方法，以大量的实际观测数据为依据，在以风力发电机机理模型建立的状态空间方程的基础上，采用Kalman滤波对观测数据进行最优估计，利用Kalman滤波的高精度，获取观测数据的可靠性较高的去噪数据，以便生成风力发电机的功率曲线。本申请所提供的风力发电机功率曲线的获取方本文档来自技高网...

【技术保护点】
1.一种风力发电机功率曲线的获取方法，其特征在于，包括：获取风力发电机运行时的观测数据；所述观测数据包括风速的观测数据和输出功率的观测数据；将所述观测数据代入到预先建立的风力发电机模型的状态空间方程中；对所述状态空间方程进行一阶线性化；对线性化后的所述状态空间方程进行Kalman滤波，生成所述观测数据的去噪数据，以便根据所述去噪数据生成所述功率曲线。

【技术特征摘要】
1.一种风力发电机功率曲线的获取方法，其特征在于，包括：获取风力发电机运行时的观测数据；所述观测数据包括风速的观测数据和输出功率的观测数据；将所述观测数据代入到预先建立的风力发电机模型的状态空间方程中；对所述状态空间方程进行一阶线性化；对线性化后的所述状态空间方程进行Kalman滤波，生成所述观测数据的去噪数据，以便根据所述去噪数据生成所述功率曲线。2.根据权利要求1所述的获取方法，其特征在于，所述获取风力发电机运行时的观测数据包括：采集预设时长时间段内所述风力发电机运行时的观测数据。3.根据权利要求1所述的获取方法，其特征在于，还包括：在所述生成所述观测数据的去噪数据之后，将所述去噪数据进行存储。4.根据权利要求1所述的获取方法，其特征在于，在所述获取风力发电机运行时的观测数据之后、所述将所述观测数据代入到预先建立的风力发电机模型的状态空间方程中之前，还包括：对所述观测数据进行筛选预处理。5.根据权利要求4所述的获取方法，其特征在于，所述对所述观测数据进行筛选预处理包括：将所述观测数据划分成多个风速比恩；计算各个所述风速比恩的平均风速；将各个所述风速比恩中与对应的平均风速的误差超过预设误差阈值的观测数据滤除。6.根据权利要求5所述的获取方法，其特征在于，所述对所述观测数据进...

【专利技术属性】
技术研发人员：唐娟，刘瑾，刘楠，杨东海，张波，李素红，刘杰，李建立，魏立，廖雪松，
申请(专利权)人：中国船舶重工集团海装风电股份有限公司，
类型：发明
国别省市：重庆,50