【技术实现步骤摘要】
本公开总体涉及风力发电，更具体地说，涉及一种风向估计方法和装置以及一种风力发电机组的控制方法和装置。
技术介绍
1、涡激振动问题是风电行业塔筒普遍存在问题，涡激振动是指来流经过光滑圆柱塔筒时产生交替脱落的旋涡，引起塔筒发生垂直于来流方向的周期性振动的现象。如果塔筒的自振频率与旋涡的脱落频率接近时，塔筒将发生共振，增加风机倒塔的风险。目前抑制机组抗涡激振动主要从2个方面进行，(1)在机组内部安装质量阻尼器，改变机组的自振频率，避免它与漩涡脱落频率相接近；(2)安装表面扰流装置，改变塔筒后的尾流场。机组上电运行后可以自动偏航对风，以减少涡激振动对机组的损伤。因吊装未上电机组无法自动偏航对风，需要通过动力机构使机头对准主风向，而实际风向复杂多变，从而导致现有技术中没有针对吊装后未上电的风力发电机组的减少涡激振动损伤的方法。
技术实现思路
1、本公开的实施例提供一种风向估计方法和装置以及一种风力发电机组的控制方法和装置，从而减少涡激振动对吊装后未上电的风力发电机组的损伤。
2、本公开的实施例提供了一种风向估计的方法，所述方法包括：获取预定风电场的风向数据集，其中，所述风向数据集包括与预定风电场临近的多个观测点的风向数据；根据每个观测点的风向数据的风向集中度，对每个观测点的风向数据进行分类；根据分类结果确定每个观测点的主风向；根据所述预定风电场的空间属性以及所述风向数据集的空间属性和/或时间属性从所述多个观测点的主风向中确定至少一个第一主风向；基于所述至少一个第一主风向确定所述预
3、可选地，针对所述多个观测点中的每个观测点，可以将该观测点的圆周风向划分为多个扇区，其中，所述风向数据分别落在所述多个扇区中，所述风向集中度可以由落在占比最大的两个相邻扇区以及它们的对角扇区中的风向数据的个数与所述观测点的风向数据总数所确定。
4、可选地，根据每个观测点的风向数据的风向集中度，对每个观测点的风向数据进行分类，可以包括：当该观测点的风向数据的风向集中度大于第一分类阈值时，将该观测点的风向数据分类为风向集中，否则将该观测点的风向数据分类为风向分散。
5、可选地，根据分类结果确定每个观测点的主风向，可以包括：如果该观测点的风向数据分类为风向集中，并且在占比最大的两个相邻扇区中的一扇区的风向占比比另一扇区的风向占比大第二分类阈值时，则将所述一扇区对应的角度确定为该观测点的主风向，否则将所述两个相邻扇区对应角度的平均值确定为该观测点的主风向；如果该观测点的风向数据分类为风向分散，则将占比最大的两个相邻扇区对应的角度的平均值确定为该观测点的主风向。
6、可选地，每个观测点的风向数据可以包括全风速条件下的全风速风向数据和大风速条件下的大风速风向数据，其中，全风速条件指所观测到的全部风速，大风速条件是指风速大于预定风速阈值，其中，所述风向集中包括：全风速条件下的全风速风向集中以及大风速条件下的大风速风向集中；所述风向分散包括：全风速条件下的全风速风向分散以及大风速条件下的大风速风向分散，并且每个观测点的主风向包括全风速条件下的全风速主风向和大风速条件下的大风速主风向。
7、可选地，如果观测点的风向数据分类为全风速风向集中和大风速风向集中二者，则当大风速与全风速占比大于第一风向阈值，且风向集中度大于第二风向阈值时，将大风速主风向确定为所述观测点的主风向，否则将全风速主风向确定为所述观测点的主风向；如果观测点的风向数据分类为全风速风向分散和大风速风向集中二者，则当大风速与全风速占比大于第三风向阈值，且风向集中度大于第四风向阈值时，将大风速主风向确定为所述观测点的主风向，否则将全风速主风向确定为所述观测点的主风向，其中，第三风向阈值小于第一风向阈值，第四风向阈值小于第二风向阈值；或者如果观测点的风向数据分类为大风速风向分散，则将全风速主风向确定为所述观测点的主风向。
8、可选地，根据所述预定风电场的空间属性和/或时间属性以及所述风向数据集的空间属性和/或时间属性从所述多个观测点的主风向中选取至少一个第一主风向，可以包括：对多个观测点的主风向按照空间属性和时间属性进行聚类分析，以在多个观测点的主风向中将与预定风电场的空间属性和/或时间属性相似的至少一个观测点的主风向选作第一主风向。
9、可选地，对多个观测点的主风向按照空间属性和时间属性进行聚类分析所采用的算法可以包括空间相似性算法、k-means聚类算法和空间属性统计算法中的至少一种。
10、可选地，基于至少一个第一主风向确定所述预定风电场的预测主风向，可以包括：通过融合算法将至少一个第一主风向融合为预测主风向，其中，融合算法包括svr算法、决策树算法、随机森林算法、xgboost、adaboost和gbrt中的至少一种。
11、可选地，空间属性可以包括：所属区域、地形、海拔、地势、距所述预定风电场的距离中的至少一种；并且时间属性可以包括：年份、月份、季节、大风月、小风月、平风月中的至少一种。
12、可选地，多个观测点为气象站、测风塔、风力发电机组的scada系统获取的scada风速数据集中的至少一者，风向数据包括气象实测数据和气象预报数据。
13、本公开的实施例提供了一种风力发电机组的控制方法，所述控制方法包括：根据如上所述的风向估计方法确定预定风电场的预测主风向；以及基于预测主风向，通过动力机构对所述预定风电场的风力发电机组的偏航系统进行控制。
14、本公开的实施例提供了一种用于风向估计的装置，所述装置包括：数据获取单元，被配置为获取预定风电场的风向数据集，其中，所述风向数据集包括与预定风电场临近的多个观测点的风向数据；分类单元，被配置为根据每个观测点的风向数据的风向集中度，对每个观测点的风向数据进行分类；主风向确定单元，被配置为根据分类结果确定每个观测点的主风向；筛选单元，被配置为根据所述预定风电场的空间属性以及所述风向数据集的空间属性和/或时间属性从所述多个观测点的主风向中确定至少一个第一主风向；预测单元，被配置为基于所述至少一个第一主风向确定所述预定风电场的预测主风向。
15、本公开的实施例提供了一种风力发电机组的控制装置，所述控制装置包括：主风向预测单元，被配置为根据如上所述的风向估计方法确定预定风电场的预测主风向；以及偏航系统控制单元，被配置为基于所述预测主风向，通过动力机构对所述预定风电场的风力发电机组的偏航系统进行控制。
16、本公开的实施例提供了一种存储有计算机程序的计算机可读存储介质，当所述计算机程序被处理器执行时，实现如上所述的风向估计的方法。
17、本公开的实施例提供了一种计算装置，所述计算装置包括：处理器；和存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的风向估计的方法。
18、根据本公开的实施例的风向估计方法和装置以及风力发电机组的控制方法和装置，通过预定风电场的空间属性以及风向数据集的空间属性和/或时间属性来对预测预定风本文档来自技高网...
【技术保护点】
1.一种风向估计的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，针对所述多个观测点中的每个观测点，将该观测点的圆周风向划分为多个扇区，其中，所述风向数据分别落在所述多个扇区中，所述风向集中度由落在占比最大的两个相邻扇区以及它们的对角扇区中的风向数据的个数与所述观测点的风向数据总数所确定。
3.根据权利要求2所述的方法，其特征在于，根据每个观测点的风向数据的风向集中度，对每个观测点的风向数据进行分类，包括：
4.根据权利要求3所述的方法，其特征在于，根据分类结果确定每个观测点的主风向，包括：
5.根据权利要求4所述的方法，其特征在于，每个观测点的风向数据包括全风速条件下的全风速风向数据和大风速条件下的大风速风向数据，其中，全风速条件指所观测到的全部风速，大风速条件是指风速大于预定风速阈值，
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求1所述的方法，其特征在于，根据所述预定风电场的空间属性和/或时间属性以及所述风向数据集的空间属性和/或时间属性从所述多个观测点的主风向
8.根据权利要求7所述的方法，其特征在于，对所述多个观测点的主风向按照空间属性和时间属性进行聚类分析所采用的算法包括空间相似性算法、K-means聚类算法和空间属性统计算法中的至少一种。
9.根据权利要求7所述的方法，其特征在于，基于所述至少一个第一主风向确定所述预定风电场的预测主风向，包括：通过融合算法将所述至少一个第一主风向融合为所述预测主风向，其中，融合算法包括SVR算法、决策树算法、随机森林算法、XGBoost、Adaboost和GBRT中的至少一种。
10.根据权利要求7所述的方法，其特征在于，所述空间属性包括：所属区域、地形、海拔、地势、距所述预定风电场的距离中的至少一种；并且
11.根据权利要求1所述的方法，其特征在于，多个观测点为气象站、测风塔、风力发电机组的SCADA系统获取的SCADA风速数据集中的至少一者，风向数据包括气象实测数据和气象预报数据。
12.一种风力发电机组的控制方法，其特征在于，所述控制方法包括：
13.一种用于风向估计的装置，其特征在于，所述装置包括：
14.一种风力发电机组的控制装置，其特征在于，所述控制装置包括：
15.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序被处理器执行时，实现根据权利要求1至11中任一项所述的风向估计的方法。
16.一种计算装置，其特征在于，所述计算装置包括：
...【技术特征摘要】
1.一种风向估计的方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，针对所述多个观测点中的每个观测点，将该观测点的圆周风向划分为多个扇区，其中，所述风向数据分别落在所述多个扇区中，所述风向集中度由落在占比最大的两个相邻扇区以及它们的对角扇区中的风向数据的个数与所述观测点的风向数据总数所确定。
3.根据权利要求2所述的方法，其特征在于，根据每个观测点的风向数据的风向集中度，对每个观测点的风向数据进行分类，包括：
4.根据权利要求3所述的方法，其特征在于，根据分类结果确定每个观测点的主风向，包括：
5.根据权利要求4所述的方法，其特征在于，每个观测点的风向数据包括全风速条件下的全风速风向数据和大风速条件下的大风速风向数据，其中，全风速条件指所观测到的全部风速，大风速条件是指风速大于预定风速阈值，
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求1所述的方法，其特征在于，根据所述预定风电场的空间属性和/或时间属性以及所述风向数据集的空间属性和/或时间属性从所述多个观测点的主风向中选取至少一个第一主风向，包括：
8.根据权利要求7所述的方法，其特征在于，对所述多个观测点的主风向按照空间属性和时间属性进行聚类分析所采用的算法...
【专利技术属性】
技术研发人员：王瑾，董海萍，
申请(专利权)人：金风科技股份有限公司，
类型：发明
国别省市：
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。