【技术实现步骤摘要】
大型风电机组叶轮面等效风速预测方法
本专利技术涉及叶轮面等效风速预测
,特别涉及一种大型风电机组叶轮面等效风速预测方法。
技术介绍
在风力发电中,风能的利用取决于风电机组能否快速准确的跟踪。大型风力机组叶轮具有的较大转动惯量导致机组叶轮转速难以实时跟踪快速变化的风况。随着激光雷达测风技术的日益成熟,激光雷达测风系统为风信息的提前测量提供了一种新的技术手段。基于风速和风向的预览信息可设计先进非线性预测控制策略,从而对风电机组做出提前控制与调节,提升大型风电机组的控制性能。然而,激光雷达测得的为风电机组叶轮前方一段距离处的风速,而风速从前方运动到叶轮面过程上存在时移演化历程。将雷达测量的结果直接用作风电机组控制输入是不准确的,本专利技术提供了一种大型风电机组叶轮面等效风速预测方法,结合利用先进测量设备测量数据和智能建模算法,可以准确预测叶轮面等效风速,从而更有效地服务于风电机组先进预测控制策略的设计。
技术实现思路
本专利技术提供了一种大型风电机组叶轮面等效风速预测方法,其目的是为了解决叶轮面等效风速未来信息获取不准确,不能为大型风电机组先进预测控制提供可靠的输入的问题。为了达到上述目的,本专利技术的实施例提供了一种大型风电机组叶轮面等效风速预测方法,包括:步骤1,通过激光雷达测量风电机组前方虚拟叶轮面各个高度的风速;步骤2,根据测量的虚拟叶轮面各个高度的风速数据计算虚拟叶轮面等效风速;步骤3,利用风电机组模型与传感器测量数据获取实际叶轮面等效风速;步骤4 ...
【技术保护点】
1.一种大型风电机组叶轮面等效风速预测方法,其特征在于,包括:/n步骤1,通过激光雷达测量风电机组前方虚拟叶轮面各个高度的风速;/n步骤2,根据测量的虚拟叶轮面各个高度的风速数据计算虚拟叶轮面等效风速;/n步骤3,利用风电机组模型与传感器测量数据获取实际叶轮面等效风速;/n步骤4,将计算出的虚拟叶轮面等效风速经过时移模型后输入到BP神经网络;/n步骤5,将获取的实际叶轮面等效风速作为BP神经网络的期望输出,训练BP神经网络使误差最小。/n
【技术特征摘要】
1.一种大型风电机组叶轮面等效风速预测方法,其特征在于,包括:
步骤1,通过激光雷达测量风电机组前方虚拟叶轮面各个高度的风速;
步骤2,根据测量的虚拟叶轮面各个高度的风速数据计算虚拟叶轮面等效风速;
步骤3,利用风电机组模型与传感器测量数据获取实际叶轮面等效风速;
步骤4,将计算出的虚拟叶轮面等效风速经过时移模型后输入到BP神经网络;
步骤5,将获取的实际叶轮面等效风速作为BP神经网络的期望输出,训练BP神经网络使误差最小。
2.根据权利要求1所述的大型风电机组叶轮面等效风速预测方法,其特征在于,所述步骤1具体包括:
采用多光束激光雷达进行风速测量,可以同时测得虚拟叶轮面各个高度上的风速。
3.根据权利要求2所述的大型风电机组叶轮面等效风速预测方法,其特征在于,所述步骤2具体包括:
假定激光雷达测得风速点处有一虚拟风电机组,将虚拟风电机组的叶轮转子扫掠区域A细分为多个水平段,选择多个水平段,使得两个水平段之间的水平分离线恰好位于需要测量风速的两个点的中间。
4.根据权利要求3所述的大型风电机组叶轮面等效风速预测方法,其特征在于,所述步骤2还包括:
计算扇形区域面积,如下所示:
其中,A表示扇形区域面积,R表示叶轮半径,h表示所计算扇形区域的高度。
5.根据权利要求4所述的大型风电机组叶轮面等效风速预测方法,其特征在于,所述步骤2还包括:
计算虚拟叶轮面等效风速,如下所示:
其中,ueq表示虚拟叶轮面等效风速,Ai表示第i个区段的区域面积,ui表示第i个区段的风速。
6.根据权利要求5所述的大型风电机组叶轮面等效风速预测方法,其特征在于,所述步骤3具体包括:
叶片的气动转矩和等效风速之间存在的特定的数学关系,气动模型如下所示:
Ta(λ,β)=ρπR2V2Cq(λ,β)/2(3)
其中,Ta(λ,β)表示气动转矩,单位为N·m,ρ表示空气密度,单位为kg·m-3,R表示转子半径,单位为m,V表示实际叶轮面等效风速,单位为m·s-1,Cq(λ,β)表示转矩系数,λ表示叶尖速比,β表示桨叶角度。
7.根据权利要求6所述的大型风电机组叶轮面等效风速预测方法,其特征在于,所述步骤3还包括:
对气动转矩Ta(λ,β)的获取采用标准的卡尔曼滤波器设计,根据风电机组的传动链模型来建立气动转矩的相关模型,风电机组的传动链模型,如下所示:
其中,γ表示扭转角且γ=(θr-θ...
【专利技术属性】
技术研发人员:宋冬然,常青,杨建,董密,孙尧,粟梅,杨迎港,刘俊波,李子群,许杉敏,涂燕萍,
申请(专利权)人:中南大学,
类型:发明
国别省市:湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。