一种风电场变桨用超级电容寿命估算方法技术

本发明专利技术提供了一种风电场变桨用超级电容寿命估算方法，包括：通过风电场环境大数据统计风电场全年风向风力大数据信息及超级电容环境大数据信息；根据全年风向风力大数据信息及超级电容环境大数据信息智能预测风电场运行状态信息，获得风电场运行状态预测信息；根据风电场运行状态预测信息，分析风电场变桨用超级电容的电容预估充放电使用工况；根据电容预估充放电使用工况，结合超级电容实时状态监测参数信息，估算风电场变桨用超级电容寿命。估算风电场变桨用超级电容寿命。估算风电场变桨用超级电容寿命。

【技术实现步骤摘要】
一种风电场变桨用超级电容寿命估算方法


[0001]本专利技术涉及新能源智能预测
，更具体地说，本专利技术涉及一种风电场变桨用超级电容寿命估算方法。

技术介绍

[0002]现阶段，风力发电机组的变桨用电源比较前沿的储能方式是采用超级电容器，超级电容器相较于铅酸电池使用更加方便用于在发电机停止工作时提供电力使桨叶变桨,但为了保证顺桨电机的启动和运转,电池组必须能提供足够的电压和电流,因此要求电池具备良好的倍率性能,尤其在恶劣的低温情况下,将对电池性能提出更高的要求；对超级电容定期进行人工操作紧急顺桨和定期巡检容量内阻，寿命预测是一项比较关键的技术；在变桨上广泛应用的储能单元，通常较难进行风机全生命周期的免维护，需要对风电场变桨用超级电容寿命进行精确估算；因此，有必要提出一种风电场变桨用超级电容寿命估算方法，以至少部分地解决现有技术中存在的问题。

技术实现思路

[0003]在
技术实现思路
部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明；本专利技术的
技术实现思路
部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。
[0004]为至少部分地解决上述问题，本专利技术提供了一种风电场变桨用超级电容寿命估算方法，包括：
[0005]S100，通过风电场环境大数据统计风电场全年风向风力大数据信息及超级电容环境大数据信息；
[0006]S200，根据全年风向风力大数据信息及超级电容环境大数据信息智能预测风电场运行状态信息，获得风电场运行状态预测信息；
[0007]S300，根据风电场运行状态预测信息，分析风电场变桨用超级电容的电容预估充放电使用工况；
[0008]S400，根据电容预估充放电使用工况，结合超级电容实时状态监测参数信息，估算风电场变桨用超级电容寿命。
[0009]优选的，所述S100包括：
[0010]S101，通过气象卫星云图选取风电场所在区域的风电场区域气象卫星云图数据；
[0011]S102，根据风电场区域气象卫星云图数据，获取气象环境大数据中风电场所在区域的风电场环境大数据；
[0012]S103，筛选风电场环境大数据中的风电场全年风向风力大数据信息及超级电容环境大数据信息并进行统计，获得风电场全年风向风力及超级电容环境大数据信息。
[0013]优选的，所述S200包括：
[0014]S201，建立风电场运行状态预测的风电场运行的拟合特性动态预测模型；
[0015]S202，将全年风向风力及超级电容环境大数据信息输入拟合特性动态预测模型进行滚动优化，获得拟合特性动态滚动优化数据；
[0016]S203，通过拟合特性动态滚动优化数据，智能预测风电场运行状态信息，获得风电场运行状态预测信息。
[0017]优选的，所述S300包括：
[0018]S301，根据风电场运行状态预测信息，进行风电场变桨预测估计，获得风电场变桨预测估计数据；
[0019]S302，根据风电场变桨预测估计数据，分析风电场变桨用超级电容的电容预估充放电使用工况；
[0020]S303，电容预估充放电使用工况包括：预测估计充放电次数、预测估计充放电周期及预测估计充放电容量。
[0021]优选的，所述S400包括：
[0022]S401，根据电容预估充放电使用工况，预设置超级电容的预估充放电状态参数；
[0023]S402，将预估充放电状态参数与超级电容实时状态监测参数进行实际参数权重机器学习，循环反馈预测干扰误差；
[0024]S403，根据循环反馈预测干扰误差，进行预测干扰误差校正补偿，精确估算风电场变桨用超级电容寿命。
[0025]优选的，所述S103包括：
[0026]S1031，通过大数据清洗筛选，筛选风电场环境大数据中的风电场全年风向风力大数据信息及超级电容环境大数据信息；
[0027]S1032，对风电场全年风向风力大数据信息及超级电容环境大数据信息进行数据统计，获得风向风力统计信息及超级电容环境统计信息；
[0028]S1033，将风向风力统计信息及超级电容环境统计信息存储到系统数据库，获得风电场全年风向风力及超级电容环境大数据信息。
[0029]优选的，所述S201包括：
[0030]S2011，以风电场所在区域运行全年的每天为状态预测周期，建立预测模型输入数据序列；
[0031]S2012，根据预测模型输入数据序列，将风电场所在区域的全年风向风力大数据信息及超级电容环境大数据信息进行输入数据序列化分组；
[0032]S2013，根据输入数据序列化分组，设置风电场运行状态序列化分组，建立输入数据序列化分组与风电场运行状态序列化分组的输入数据序列对应风电场运行状态序列；风向风力变化频繁程度及超级电容环境变化剧烈程度与风电场运行状态的稳定性，成多因素影响多运行状态的互交叉互影响反比关系；多因素影响多运行状态的互交叉互影响反比关系包括：在超级电容环境变化剧烈程度处于超级电容环境要求范围内时，主因素为风向风力变化因素；在超级电容环境变化剧烈程度超出超级电容环境要求范围时，主因素为超级电容环境变化因素；根据多因素影响多运行状态的互交叉互影响反比关系，建立风电场运行状态预测的风电场运行的拟合特性动态预测模型。
[0033]优选的，所述S301包括：
[0034]S3011，根据风电场运行状态预测信息，对风电场运行状态预测信息进行运行状态
预测与变桨预测判定；
[0035]S3012，进行运行状态预测与变桨预测判定包括：当运行状态预测超出系统设定运行状态变化范围时，执行风电场风机组变桨动作；并根据运行状态预测超出系统设定运行状态变化范围的状态变化范围区间，调整风电场风机组变桨动作幅度；通过运行状态预测与变桨预测判定获得运行状态预测与变桨预测判定结果；
[0036]S3013，根据运行状态预测与变桨预测判定结果，进行风电场变桨预测估计，获得风电场变桨预测估计数据。
[0037]优选的，所述S402包括：
[0038]S4021，建立预估充放电状态参数与超级电容实时状态监测参数的实际参数权重循环机器学习模型；
[0039]S4022，将预估充放电状态参数与超级电容实时状态监测参数输入实际参数权重循环机器学习模型，进行实际参数权重机器学习；
[0040]S4023，在进行实际参数权重机器学习过程中，通过实际参数权重循环机器学习模型的循环反馈预测机制，循环反馈预测干扰误差。
[0041]优选的，所述S403包括：
[0042]S4031，以循环反馈预测干扰误差数据为索引数据，以误差校正补偿经验数据为基础数据，建立误差校正补偿经验数据库；
[0043]S4032，通过循环反馈预测干扰误差数据索引，调取循环反馈预测干扰误差索引的预测干扰误差校正补偿数据；
[0044]S4本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电场变桨用超级电容寿命估算方法，其特征在于，包括：S100，通过风电场环境大数据统计风电场全年风向风力大数据信息及超级电容环境大数据信息；S200，根据全年风向风力大数据信息及超级电容环境大数据信息智能预测风电场运行状态信息，获得风电场运行状态预测信息；S300，根据风电场运行状态预测信息，分析风电场变桨用超级电容的电容预估充放电使用工况；S400，根据电容预估充放电使用工况，结合超级电容实时状态监测参数信息，估算风电场变桨用超级电容寿命。2.根据权利要求1所述的一种风电场变桨用超级电容寿命估算方法，其特征在于，所述S100包括：S101，通过气象卫星云图选取风电场所在区域的风电场区域气象卫星云图数据；S102，根据风电场区域气象卫星云图数据，获取气象环境大数据中风电场所在区域的风电场环境大数据；S103，筛选风电场环境大数据中的风电场全年风向风力大数据信息及超级电容环境大数据信息并进行统计，获得风电场全年风向风力及超级电容环境大数据信息。3.根据权利要求1所述的一种风电场变桨用超级电容寿命估算方法，其特征在于，所述S200包括：S201，建立风电场运行状态预测的风电场运行的拟合特性动态预测模型；S202，将全年风向风力及超级电容环境大数据信息输入拟合特性动态预测模型进行滚动优化，获得拟合特性动态滚动优化数据；S203，通过拟合特性动态滚动优化数据，智能预测风电场运行状态信息，获得风电场运行状态预测信息。4.根据权利要求1所述的一种风电场变桨用超级电容寿命估算方法，其特征在于，所述S300包括：S301，根据风电场运行状态预测信息，进行风电场变桨预测估计，获得风电场变桨预测估计数据；S302，根据风电场变桨预测估计数据，分析风电场变桨用超级电容的电容预估充放电使用工况；S303，电容预估充放电使用工况包括：预测估计充放电次数、预测估计充放电周期及预测估计充放电容量。5.根据权利要求1所述的一种风电场变桨用超级电容寿命估算方法，其特征在于，所述S400包括：S401，根据电容预估充放电使用工况，预设置超级电容的预估充放电状态参数；S402，将预估充放电状态参数与超级电容实时状态监测参数进行实际参数权重机器学习，循环反馈预测干扰误差；S403，根据循环反馈预测干扰误差，进行预测干扰误差校正补偿，精确估算风电场变桨用超级电容寿命。6.根据权利要求2所述的一种风电场变桨用超级电容寿命估算方法，其特征在于，所述
S103包括：S1031，通过大数据清洗筛选，筛选风电场环境大数据中的风电场全年风向风力大数据信息及超级电容环境大数据信息；S1032，对风电场全年风向风力大数据信息及超级电容环境大数据信息进行数据统计，获得风向风力统计信息及超级电容环境统计信息；S1033，将风向风力统计信息及超级电容环境统计信息存储到系统数...

【专利技术属性】
技术研发人员：李卫东，赵川，武义，张俊峰，
申请(专利权)人：深圳市今朝时代股份有限公司，
类型：发明
国别省市：