一种风电机组的风向预测和偏航控制方法及系统技术方案

本发明专利技术公开了一种风电机组的风向预测和偏航控制方法，风向检测器实时获取风电场内各风电机组所处的风向，对各目标本征模态分量的数据进行风向预测，对各组预测结果进行叠加重构，输出风向预测结果；计算偏航阈值时间段的平均风向与机舱轴线的角度α是否大于偏航偏差阈值的最小值，偏航电机执行模块根据不同偏航控制模式下的偏航偏差阀值进行偏航角度调整；该风向预测和偏航控制方法通过风向的准确预测对偏航系统动作进行指导，以提高偏航系统对风精度和减少偏航等待时长，实现快速对风。并通过对偏航控制参数重新划分，避免了偏航系统在低风速区频繁启停导致偏航系统机械部件的严重磨损的问题。的严重磨损的问题。的严重磨损的问题。

【技术实现步骤摘要】
一种风电机组的风向预测和偏航控制方法及系统


[0001]本专利技术涉及发电领域，尤其涉及一种风电机组的风向预测和偏航控制方法及系统。

技术介绍

[0002]全球经济与社会的快速发展，使得石油等一次性能源供应与环境保护之间的矛盾日益突出，同时也加速了传统能源危机的爆发。风能作为清洁环保的可再生能源，越来越受到世界各国青睐。我国碳达峰碳中和战略目标的提出更加推动了风力发电的发展。风力发电主要是利用风带动叶轮旋转，叶轮带动发电机旋转切割磁感线，将风能转换为机械功，机械功带动转子旋转，最终产生电能。现阶段，风场遍布全国各地，随着年限的增加，很多风电场面临着功率特性系数和风电转换效率降低等问题，而平价上网时代的到来，增加风机发电量成为众多业主关注的焦点。
[0003]偏航系统在风力发电机组中起着不可或缺的作用，一方面可有效调整机舱对准风向；另一方面，可减小风机的疲劳载荷，增加风机寿命，防止因风机和叶片的受力不平衡。影响偏航控制系统的主要因素是风向，而受地理等因素的影响，尤其在山区，风速和风向不稳定，变化频繁且变化幅度较大。为了合理的利用风资源，减少风向和风速特性带来的不利影响，使风电安全并网，并减少偏航次数和偏航误差，提高对风精度，对偏航控制系统及策略研究尤为重要。
[0004]随着科技的发展，为了充分利用风资源增加发电量，在风电机组优化控制方面的研究越来越多。但是，相较于发电机系统和变桨系统方面，在偏航控制系统方面的研究不是很多。为了减小偏航误差对风电性能的影响，目前大多风电机组普遍采用基于风向测量的主动偏航控制，而风向的快速变化与偏航缓慢跟随动作之间的矛盾会限制此类控制方法的性能；最后，随着对低速风资源的挖掘利用，因低速风向变化频繁，若直接移植传统偏航策略，偏航系统为了有效对风，机舱不断进行重启对风操作，从而影响了偏航轴承的寿命。

技术实现思路

[0005]本专利技术要解决的技术问题是提供一种风电机组的风向预测和偏航控制方法，该风电机组的风向预测和偏航控制方法通过风向的准确预测对偏航系统动作进行指导，以提高偏航系统对风精度和减少偏航等待时长，实现快速对风。通过对偏航控制参数重新划分，增大低风速区间的偏航偏差阈值和偏航时间阈值，避免了偏航系统在低风速区频繁启停导致偏航系统机械部件的严重磨损的问题。
[0006]为解决上述技术问题，本专利技术提供一种风电机组风向预测及偏航控制方法。提供风向检测器、数据采集模块、数据预测模块、风机偏航模块及偏航电机执行模块，所述方法包括以下步骤：所述风向检测器实时获取风电场内各风电机组所处的风向，所述数据采集模块实时采集所述风向检测器的风向数据并发送给所述数据预测模块，所述数据预测模块根据数据分解策略将风向数据分解得到频率不同的目标本征模态分量IMF数据，对各目标
本征模态分量IMF数据进行预测，对各组预测结果进行叠加重构，输出风向预测结果；所述风机偏航模块通过所述风向预测结果，计算偏航阈值时间段的平均风向与机舱轴线的角度α是否大于偏航偏差阈值的最小值，若否，则偏航系统不动作，若是，则根据风速的范围执行不同偏航控制模式下的偏航偏差阀值，所述偏航电机执行模块根据不同偏航控制模式下的偏航偏差阀值进行偏航角度调整。
[0007]优选地，获取包括一组一段时间内的风向数据x(t)，向风向数据x(t)加入长度相同的服从正态分布的高斯白噪声，并对高斯白噪声进行归一化的处理；进而利用经验模态分解法进行分解，得到本征模态分量IMF；不断重复以上动作，并且每次加入不同正态分布的高斯白噪声；将每次得到的对应的所有本征模态分量IMF整体求均值，得到一个目标本征模态分量，通过原风向数据序列x(t)得到多个目标本征模态分量IMF，组成风向数据序列x(t)的信号固有模态组合：
[0008][0009]将能量和相关系数较大的前几组目标本征模态分量IMF划分为高频分量IMF，并将能量和相关系数较小的后几组目标本征模态分量IMF分量划分为低频分量IMF；
[0010]其中，x(t)为原风向数据序列，c
i
(t)为第i个本征模态分量IMF，r
n
为Res剩余分量。
[0011]优选地，对各目标本征模态分量IMF的序列数据进行风向预测包括：采用神经网络策略对所述高频分量IMF进行预测得到高频分量预测值；
[0012]采用最小二乘支持向量机模型对所述低频分量IMF及Res剩余分量进行预测得到低频分量IMF及Res剩余分量预测值。
[0013]优选地，所述神经网络采用反向传播神经网络BPNN。所述反向传播神经网络由输入层、隐藏层和输出层组成，所述隐藏层节点数由输入层节点数和输出层节点数共同决定，输出层节点数为m，输入层节点数为n，得到隐藏层节点数：其中，a为0至10之间的整数，所述隐藏层的层数为一层或多层，所述输入层到所述隐藏层的传递公式为：所述隐藏层到所述输出层的传递公式为所述隐藏层到所述输出层的传递公式为隐藏层激励函数为：w
ij
为输入层与隐藏层神经元之间的连接权重，w
jk
为隐藏层与输出层神经元之间的连接权重，a
j
为隐藏层阀值，b
k
为输出层阀值，记Q
k
为所述高频分量预测值，x
i
为所述高频分量IMF，i＝1、2、
…
、n。
[0014]优选地，所述最小二乘支持向量机模型的运算公式为：
[0015][0016]其中：α
i
表示对应分量的拉格朗日乘子，K(x
i
，x
j
)表示最小二乘支持向量机模型核函数对称矩阵，b表示偏差，f(x)为低频分量IMF和剩余分量的预测值，x为所述低频分量IMF及Res剩余分量，N为低频分量IMF及Res剩余分量中数据数量；
[0017]其中：所述核函数的具体表达式为：
[0018][0019]σ为核参数。
[0020]优选地，所述风向检测器用于实时获取风电场内各风电机组处的风向，安装于所述风电机组上的合适位置，所述风向检测器与所述数据采集模块通讯连接，所述数据采集模块用于从所述风向检测器采集风向数据并对风向数据进行存储，所述数据预测模块与所述数据采集模块通讯连接，所述风机偏航模块与所述数据预测模块通讯连接，所述风机偏航模块与所述偏航电机执行模块通讯连接。
[0021]优选地，所述风速的范围分为：切入风速、峰值风速、额定风速和切出风速；
[0022]所述“根据风速的范围执行不同偏航控制模式下的偏航偏差阀值”具体包括：第一轮偏航偏差阀值选择：判断所述数据预测模块预测的风向所对应的风速是否大于所述切入风速，并小于所述峰值风速；
[0023]如果是，则所述风机偏航模块控制执行低风速控制模式下的偏航偏差阀值，
[0024]如果否，则进入第二轮偏航偏差阀值选择；
[0025]第二轮偏航偏差阀值选择：判断所述数据预测模块预测的风向所对应的风速是否大于所述峰值风速，并小于额定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电机组的风向预测和偏航控制方法，其特征在于，提供风向检测器、数据采集模块、数据预测模块、风机偏航模块及偏航电机执行模块，所述方法包括以下步骤：所述风向检测器实时获取风电场内各风电机组所处的风向，所述数据采集模块实时采集所述风向检测器的风向数据并发送给所述数据预测模块，所述数据预测模块根据数据分解策略将风向数据分解得到不同频率的目标本征模态分量IMF序列数据，对各目标本征模态分量IMF序列数据进行预测，对各组预测结果进行叠加重构，输出风向预测结果；所述风机偏航模块通过所述风向预测结果，计算偏航阈值时间段的平均风向与机舱轴线的角度α是否大于偏航偏差阈值的最小值，若否，则偏航系统不动作，若是，则根据风速的范围执行不同偏航控制模式下的偏航偏差阀值，所述偏航电机执行模块根据不同偏航控制模式下的偏航偏差阀值进行偏航角度调整。2.根据权利要求1所述的风电机组的风向预测和偏航控制方法，其特征在于，所述数据分解策略为：获取包括一组一段时间内的风向数据x(t)，向风向数据x(t)加入长度相同的服从正态分布的高斯白噪声，并对高斯白噪声进行归一化的处理；进而利用经验模态分解法进行分解，得到本征模态分量IMF；不断重复以上动作，并且每次加入不同正态分布的高斯白噪声；将每次得到的对应的所有本征模态分量IMF整体求均值，得到一个目标本征模态分量，通过原风向数据序列x(t)得到多个目标本征模态分量IMF，组成风向数据序列x(t)的信号固有模态组合：将能量和相关系数较大的前几组目标本征模态分量IMF划分为高频分量IMF，并将能量和相关系数较小的后几组目标本征模态分量IMF分量划分为低频分量IMF；其中，x(t)为原风向数据序列，c
i
(t)为第i个本征模态分量IMF，r
n
为Res剩余分量。3.根据权利要求2所述的风电机组的风向预测和偏航控制方法，其特征在于，对各目标本征模态分量IMF的序列数据进行风向预测包括：采用神经网络策略对所述高频分量IMF进行预测得到高频分量预测值；采用最小二乘支持向量机模型对所述低频分量IMF及Res剩余分量进行预测得到低频分量IMF及Res剩余分量预测值。4.根据权利要求3所述的风电机组的风向预测和偏航控制方法，其特征在于，所述神经网络策略包括采用反向传播神经网络，所述反向传播神经网络由输入层、隐藏层和输出层组成，所述隐藏层节点数由输入层节点数和输出层节点数共同决定，输出层节点数为m，输入层节点数为n，得到隐藏层节点数：其中，a为0至10之间的整数，所述隐藏层的层数为一层或多层，所述输入层到所述隐藏层的传递公式为：所述隐藏层到所述输出层的传递公式为隐藏层到所述输出层的传递公式为隐藏层激励函数为：w
ij
为输入层与隐藏层神经元之间的连接权重，w
jk
为隐藏层与输出层神经元之间的连接权重，a
j
为隐藏层阀值，b
k
为输出层阀值，记Q
k
为所述高频分
量预测值，x
i
为所述高频分量IMF，i＝1、2、
…
、n。5.根据权利要求3所述的风电机组风向预测及偏航控制方法，其特征在于，所述最小二...

【专利技术属性】
技术研发人员：韩笑，朱成中，张笑华，段群龙，步兵，王德玉，王秋强，肖飞，
申请(专利权)人：苏州禾望电气有限公司，
类型：发明
国别省市：