[go: up one dir, main page]

CN108918905B - 风力发电机组风速的预测方法及装置 - Google Patents

风力发电机组风速的预测方法及装置 Download PDF

Info

Publication number
CN108918905B
CN108918905B CN201810742962.2A CN201810742962A CN108918905B CN 108918905 B CN108918905 B CN 108918905B CN 201810742962 A CN201810742962 A CN 201810742962A CN 108918905 B CN108918905 B CN 108918905B
Authority
CN
China
Prior art keywords
wind speed
wind
data
speed data
measuring device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810742962.2A
Other languages
English (en)
Other versions
CN108918905A (zh
Inventor
王峰
唐碧琴
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jinfeng Technology Co ltd
Original Assignee
Xinjiang Goldwind Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xinjiang Goldwind Science and Technology Co Ltd filed Critical Xinjiang Goldwind Science and Technology Co Ltd
Priority to CN201810742962.2A priority Critical patent/CN108918905B/zh
Publication of CN108918905A publication Critical patent/CN108918905A/zh
Application granted granted Critical
Publication of CN108918905B publication Critical patent/CN108918905B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • G01P5/26—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the direct influence of the streaming fluid on the properties of a detecting optical wave
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明提供了一种风力发电机组风速的预测方法及装置，所述预测方法包括：计算激光雷达的风速测量时间与风力发电机组的另一测风装置的风速测量时间的时间差；对激光雷达测量的风速数据进行第一次数据分仓处理，并依据所述时间差求取与第一次数据分仓处理得到的各个数据仓的风速数据对应匹配的测风装置测量的风速数据；对得出的测风装置测量的风速数据进行第二次数据分仓处理，并依据第二次数据分仓处理的结果进行风速预测。本发明通过对风力发电机组的风速进行预测，并可在线求取预测的风速的概率分布值，实现了对风力发电机组的预测风速的可信度的在线评估。

Description

风力发电机组风速的预测方法及装置
技术领域
本发明涉及风电技术领域，具体地讲，涉及一种风力发电机组风速的预测方法及装置。
背景技术
近年来，风电技术领域的发展已由原先以量的扩张逐渐向寻求技术更新转变。其中，在风力发电机组的风速测量方面，先后有风速仪、风向标、微波雷达、声雷达等仪器出现，但是风速仪和风向标只能实现单点测量，且这类传统的装置易受冰冻天气影响，微波雷达和声雷达由于常用波长主要为厘米波，因此在晴空天气条件下将会出现探测盲区，且声雷达的探测使得在夜间和高海拔地区易出现信噪比降低的情况甚至无法测量。目前，激光雷达测量风速作为新型的风速测量手段出现在各种与风速测量相关的应用中，激光雷达预测风速方法有很多，主要应用于变桨前馈控制和偏航校准中。
现有技术中，虽然利用激光雷达预测风速的方法有很多种，但大多数只是通过离线方式采集历史数据，并对历史数据进行分析、统计等处理后，才能预测风速以及对预测的风速的可信度进行评估，不能在线预测风速并对预测的风速进行可能性的评估。
发明内容
本发明针对现有技术的不足，提供了一种风力发电机组风速的预测方法及装置。
本发明的一方面提供一种风力发电机组风速的预测方法，所述预测方法包括：所述预测方法包括：计算激光雷达的风速测量时间与风力发电机组的另一测风装置的风速测量时间的时间差；对激光雷达测量的风速数据进行第一次数据分仓处理，并依据所述时间差求取与第一次数据分仓处理得到的各个数据仓的风速数据对应匹配的测风装置测量的风速数据；对得出的测风装置测量的风速数据进行第二次数据分仓处理，并依据第二次数据分仓处理的结果进行风速预测。
优选地，所述激光雷达安装在风力发电机组的机舱上，所述测风装置为安装在风力发电机组机舱上的风速仪和/或安装在距离风力发电机组一定范围内的地面激光雷达。
优选地，所述计算激光雷达的风速测量时间与测风装置的风速测量时间的时间差的步骤包括：获取风电场的年平均风速数据
Figure BDA0001723657910000021
和激光雷达的测风距离d，其中，所述年平均风速数据
Figure BDA0001723657910000022
由风电场中的测风塔采集的数据得出，所述测风距离d为激光雷达测量风速的位置距离风力发电机组的轮毂中心位置处的距离；对获取的年平均风速数据
Figure BDA0001723657910000023
和测量距离d进行计算以得出时间差
Figure BDA0001723657910000024
优选地，所述对激光雷达测量的风速数据进行第一次数据分仓处理，并依据所述时间差求取与第一次数据分仓处理得到的各个数据仓的风速数据对应匹配的测风装置测量的风速数据的步骤包括：按照预定的风速段对激光雷达测量的风速数据进行第一次数据分仓处理，以得出多个激光雷达风速数据仓；选择时间差Δt内的任意一个时间t作为风速预测时间，并依据所述风速预测时间得出分别与多个激光雷达风速数据仓中的风速数据对应匹配的测风装置测量的风速数据。
优选地，所述对得出的测风装置测量的风速数据进行第二次数据分仓处理，并依据第二次数据分仓处理的结果进行风速预测的步骤包括：分别对得出的与多个激光雷达风速数据仓中的风速数据对应匹配的测风装置测量的风速数据进行第二次数据分仓处理，以得出多个测风装置风速数据仓；对多个测风装置风速数据仓内的风速数据进行分析，得出风速数据个数最多的测风装置风速数据仓，并将该测风装置风速数据仓所在风速段的风速作为预测风速。
优选地，还包括：对不同时间段内的风力发电机组的风速进行预测，并求取不同时间段内的预测风速的概率分布值，其中，所述概率分布值是指预测风速所在数据仓的风速数据个数占总风速数据个数的比值。
优选地，所述对不同时间段内的风力发电机组的风速进行预测，并求取不同时间段内的预测风速的概率分布值的步骤包括：对数据分仓处理的风速数据进行数据更新，并对数据更新后的风速数据进行分析，以得出最新预测风速和概率分布值，其中，所述数据更新是将该时间段内的数据分仓处理的风速数据与前一时间段内的数据分仓处理的风速数据进行合并。
本发明的另一方面提供一种风力发电机组风速的预测装置，所述预测装置包括：时间差获取模块，被配置为计算激光雷达的风速测量时间与风力发电机组的另一测风装置的风速测量时间的时间差；风速数据匹配模块，被配置为对激光雷达测量的风速数据进行第一次数据分仓处理，并依据所述时间差求取与第一次数据分仓处理得到的各个数据仓的风速数据对应匹配的测风装置测量的风速数据；风速预测模块，被配置为对得出的测风装置测量的风速数据进行第二次数据分仓处理，并依据第二次数据分仓处理的结果进行风速预测。
优选地，所述激光雷达安装在风力发电机组的机舱上，所述测风装置为安装在风力发电机组机舱上的风速仪和/或安装在距离风力发电机组一定范围内的地面激光雷达。
优选地，所述风速数据匹配模块包括：第一次数据分仓处理单元，按照预定的风速段对激光雷达测量的风速数据进行第一次数据分仓处理，以得出多个激光雷达风速数据仓；匹配单元，选择时间差内的任意一个时间作为风速预测时间，并依据所述风速预测时间得出分别与多个激光雷达风速数据仓中的风速数据对应匹配的测风装置测量的风速数据。
优选地，所述风速预测模块包括：第二次数据分仓处理单元，分别对得出的与多个激光雷达风速数据仓中的风速数据对应匹配的测风装置测量的风速数据进行第二次数据分仓处理，以得出多个测风装置风速数据仓；风速预测单元，对多个测风装置风速数据仓内的风速数据进行分析，得出风速数据个数最多的测风装置风速数据仓，并将该测风装置风速数据仓所在风速段的风速作为预测风速。
优选地，还包括：概率分布值计算模块，被配置为对不同时间段内的风力发电机组的风速进行预测，并求取不同时间段内的预测风速的概率分布值，其中，所述概率分布值是指预测风速所在数据仓的风速数据个数占总风速数据个数的比值。
优选地，所述预测装置设置在风力发电机的主控制器中。
本发明的另一方面提供了一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器运行时，所述处理器执行如上所述的风力发电机组风速的预测方法。
本发明的另一方面提供了一种计算机设备，包括处理器和存储计算机程序的存储器，所述计算机程序被处理器运行时，所述处理器执行如上所述的风力发电机组风速的预测方法。
在本发明中，通过基于激光雷达和测风装置实现对风力发电机组的风速进行预测，并可在线求取预测的风速的概率分布值，实现了对风力发电机组的预测风速的可信度的在线评估。
附图说明
通过以下结合附图进行的描述，本发明的示例性实施例的以上和其他方面、特点和优点将会更加清楚，在附图中：
图1示出根据本发明的实施例的一种风力发电机组风速的预测方法的流程图；
图2示出根据本发明的示例性实施例的测风装置为风速仪的安装示意图；
图3示出根据本发明的示例性实施例的测风装置为地面激光雷达的安装示意图；
图4示出根据本发明的实施例的一种风力发电机组风速的预测装置的框图；
图5示出根据本发明的实施例的风速数据匹配模块的框图；
图6示出根据本发明的实施例的风速预测模块的框图。
具体实施方式
提供以下参照附图的描述以帮助全面理解由权利要求及其等同物限定的本发明的示例性实施例。以下参照附图的描述包括各种特定细节以帮助理解，但是所述特定细节将仅被视为示例性的。因此，本领域普通技术人员将意识到，在不脱离本发明的范围和精神的情况下，可对这里描述的实施例进行各种改变和修改。此外，为了清晰和简要，可省略公知功能和结构的描述。
以下描述和权利要求中使用的术语和词语不限于字面含义，而是仅由发明者使用以使得能够清楚和一致地理解本发明。因此，本领域技术人员应该清楚的是，提供本发明的示例性实施例的以下描述仅是说明的目的，而不是限制由权利要求及其等同物限定的本发明的目的。
图1是示出根据本发明的实施例的一种风力发电机组风速的预测方法的流程图。
如图1所示，首先，在步骤S100，计算激光雷达的风速测量时间与风力发电机组的另一测风装置的风速测量时间的时间差。具体地，先获取风电场的年平均风速数据
Figure BDA0001723657910000051
和激光雷达的测风距离d，再对获取的年平均风速数据
Figure BDA0001723657910000052
和测量距离d进行计算以得出时间差
Figure BDA0001723657910000053
其中，年平均风速数据
Figure BDA0001723657910000054
由风电场中的测风塔采集的数据得出，测风距离d为激光雷达测量风速的位置距离风力发电机组的轮毂中心位置处的距离。根据本发明的实施例，激光雷达安装在风力发电机组的机舱上，测风装置为安装在风力发电机组机舱上的风速仪和/或安装在距离风力发电机组一定范围内的地面激光雷达，具体如图2和图3中所示。在图2中，测风装置为安装在风力发电机组机舱上的风速仪2，风速仪2的安装位置和激光雷达1的安装位置相近，测风距离d为激光雷达1测量风速的位置距离轮毂中心3位置处的距离，其中，激光雷达测量风速的位置是激光雷达发出的激光光束4所覆盖的位置。由于激光雷达1的安装位置和风速仪2的安装位置相近，但激光雷达1测量的风速是其安装位置前方一定的距离(通常为60m-120m)处的风速，因此，风速仪2测量的风速和激光雷达1测量的风速存在一定时间上延迟，且激光雷达1测量的风速到达风速仪2的测量位置时，风速也会发生变化。在图3中，测风装置为安装在距离风力发电机组一定范围内的地面激光雷达5，激光雷达1安装在风力发电机组的机舱上，而地面激光雷达5安装在距离风力发电机组一定距离的地面上。地面激光雷达可分为短距离测量和远距离测量两种，一般短距离测量的范围为10m～250m,远距离测量的范围为0.1km～6km。激光雷达1测量的风速是距离风力发电机组测风距离d位置处的风速，地面激光雷达5测量的风速是激光雷达1测量的风速到达轮毂中心处时的风速，因此，两者测量的风速也存在一定时间上的延迟，且测量的风速也发生了变化。这里，将测风装置测量的风速和激光雷达1测量的风速之间存在的时间延迟定义为时间差。由于对风力发电机组的风速的预测其实是对风力发电机组的轮毂中心的风速进行预测，这里，将测风装置测量的风速近似为轮毂中心的风速，因此，时间差就是激光雷达测量的风速到达风力发电机组的轮毂中心位置处的时间。
根据本发明的实施例，假设测风装置为风速仪，对风电场A中的测风塔采集的2017年的风速数据进行分析，可得出风电场A在2017年的年平均风速数据为
Figure BDA0001723657910000055
且激光雷达的测量距离d为60m，即测风距离d＝60m，则可得出风速预测的时间差为Δt＝6s。例如，激光雷达测量的第1秒时刻的风速，经过6秒会到达风速仪的测量位置，那么，与激光雷达测量的第1秒时刻的风速对应匹配的是风速仪测量的第7秒时刻的风速，但是，此时风速仪测量的第7秒时刻的风速可能已经发生变化。这里，求取时间差Δt可基于冰冻湍流假设来进行计算，其中，冰冻湍流假设即泰勒假设，是指在满足某些条件的情况下，当湍流流经传感器时，可假设认为湍流是被冻结的，其含义是在空间上一固定点对湍流的观测结果统计上等同于同时段沿平均风方向空间各点的观测，也称为定型湍流假设。应理解，上述对于平均风速数据和测量距离的举例仅是示例性举例，本发明可采用的平均风速数据和测量距离不限于此。
在步骤S200，对激光雷达测量的风速数据进行第一次数据分仓处理，并依据时间差求取与第一次数据分仓处理得到的各个数据仓的风速数据对应匹配的测风装置测量的风速数据。具体地，先按照预定的风速段对激光雷达测量的风速数据进行第一次数据分仓处理，以得出多个激光雷达风速数据仓。然后，再选择时间差内的任意一个时间作为风速预测时间，并依据风速预测时间t得出分别与多个激光雷达风速数据仓中的风速数据对应匹配的测风装置测量的风速数据。其中，数据分仓处理将风速数据按照预定的风速段进行分仓，这里，预定的风速段是按照风速的整数值进行分段，风速段的误差可设置在±0.5m/s。例如，预定的风速段中风速段为6m/s的数据仓内的风速数据的取值是从5.5m/s～6.5m/s。应理解，上述对于风速段的误差的举例仅是示例性举例，本发明可采用的风速段的误差不限于此。
根据上述举例，假设2017年6月采集的激光雷达测量的风速数据有5000个，进行第一次数据分仓处理后得出8个数据仓，分别是风速段为1m/s的数据仓1、风速段为2m/s的数据仓2、风速段为3m/s的数据仓3、风速段为4m/s的数据仓4、风速段为5m/s的数据仓5、风速段为6m/s的数据仓6、风速段为7m/s的数据仓7和风速段为8m/s的数据仓8。其中，在进行第一次数据分仓处理时，将小于0.5m/s的激光雷达测量的风速数据整体抛弃，不进行数据分仓处理。根据步骤S100中得出风速预测的时间差Δt＝6s，那么，可任意选择0～6s之间的一个时间作为风速预测时间，例如，选择风速预测时间为3秒、5秒或者6秒等。假设选择的风速预测时间为6秒，则根据第一次数据分仓处理的结果得出分别与8个数据仓内的激光雷达测量的风速数据相对应匹配的风速仪测量的风速数据。以数据仓6为例，假设数据仓6内有800个激光雷达测量的风速数据，则800个激光雷达测量的风速数据取值范围都在5.5m/s～6.5m/s之间，且测量时间分别为第1秒、第5秒、…、第N秒等。那么，与数据仓6内的800个激光雷达测量的风速数据相对应匹配的风速仪测量的风速数据分别是第7秒、第11秒、…、第N+6秒等时刻的800个风速仪测量的风速数据。同样，对其他七个数据仓也分别求取得出对应匹配的风速仪测量的风速数据，共计得出5000个对应匹配的风速仪测量的风速数据。应理解，上述对于风速预测时间的举例仅是示例性举例，本发明可采用的风速预测时间不限于此。
在步骤S300，对得出的测风装置测量的风速数据进行第二次数据分仓处理，并依据第二次数据分仓处理的结果进行风速预测。具体地，先分别对得出的与多个激光雷达风速数据仓中的风速数据对应匹配的测风装置测量的风速数据进行第二次数据分仓处理，以得出多个测风装置风速数据仓。然后，再对多个测风装置风速数据仓内的风速数据进行分析，得出风速数据个数最多的测风装置风速数据仓，并将该测风装置风速数据仓所在风速段的风速作为预测风速。根据上述举例，依然以数据仓6得出的风速仪测量的风速数据进行分析，由于风速在6秒后有可能发生变化，所以，得到的800个风速仪测量的风速数据的取值范围不一定在5.5m/s～6.5m/s之间，此时，对得到的800个风速仪测量的风速数据进行第二次数据分仓处理。假设对800个风速仪测量的风速数据进行第二次数据分仓处理后得到5个数据仓，分别是风速段为4m/s的数据仓1、风速段为5m/s的数据仓2、风速段为7m/s的数据仓3、风速段为9m/s的数据仓4和风速段为10m/s的数据仓5。对得到的5个数据仓进行分析，找出数据仓内包含的风速仪测量的风速数据的个数最多的数据仓。例如数据仓3内的风速仪测量的风速数据的个数最多，包含了200个风速数据，则将数据仓3所在的风速段的风速作为风力发电机组的预测风速，即预测风速为7m/s。
在步骤S400，对不同时间段内的风力发电机组的风速进行预测，并求取不同时间段内的预测风速的概率分布值。具体地，求取不同时间段内的风力发电机组的预测风速时，对数据分仓处理的风速数据进行数据更新，并对数据更新后的风速数据进行分析，以得出最新预测风速和概率分布值。其中，概率分布值是指预测风速所在数据仓的风速数据个数占总风速数据个数的比值，数据更新是将该时间段内的数据分仓处理的风速数据与前一时间段内的数据分仓处理的风速数据进行合并。根据上述举例，由得出的预测风速为7m/s可知，在数据仓3内包含有200个风速仪测量的风速数据，且数据仓6中风速仪测量的风速数据的总数为800个，因此，得出概率分布值为0.25，即预测风速为7m/s的可能性是25％。同样，对步骤S200中第一次数据分仓处理得到的其他七个数据仓也分别求取得出对应匹配的风速仪测量的风速数据，并进行第二次数据分仓处理，分析得出预测风速和相应的概率分布值。
图4是示出根据本发明的实施例的一种风力发电机组风速的预测装置的框图。
如图4所示，风力发电机组风速的预测装置400可包括时间差获取模块401、风速数据匹配模块402、风速预测模块403和概率分布值计算模块404。根据本发明的实施例，风力发电机组风速的预测装置400可通过各种计算装置(例如，计算机、服务器、工作站等)来实现，风力发电机组风速的预测装置400设置在风力发电机的主控制器中。具体地，时间差获取模块401被配置为计算激光雷达的风速测量时间与风力发电机组的另一测风装置的风速测量时间的时间差。其中，激光雷达安装在风力发电机组的机舱上，测风装置为安装在风力发电机组机舱上的风速仪和/或安装在距离风力发电机组一定范围内的地面激光雷达。风速数据匹配模块402被配置为对激光雷达测量的风速数据进行第一次数据分仓处理，并依据时间差求取与第一次数据分仓处理得到的各个数据仓的风速数据对应匹配的测风装置测量的风速数据。风速预测模块403被配置为对得出的测风装置测量的风速数据进行第二次数据分仓处理，并依据第二次数据分仓处理的结果进行风速预测。概率分布值计算模块404被配置为对不同时间段内的风力发电机组的风速进行预测，并求取不同时间段内的预测风速的概率分布值，其中，概率分布值是指预测风速所在数据仓的风速数据个数占总风速数据个数的比值。时间差获取模块401获取风电场的年平均风速数据
Figure BDA0001723657910000081
和激光雷达的测量距离d，再对获取的年平均风速数据
Figure BDA0001723657910000082
和测量距离d进行计算以得出时间差Δt。其中，年平均风速数据
Figure BDA0001723657910000083
由风电场中的测风塔采集的数据得出，测风距离d为激光雷达测量风速的位置距离风力发电机组的轮毂中心位置处的距离。
风速数据匹配模块402根据时间差获取模块401计算得出的时间差Δt以及激光雷达采集测量的风速数据，得出对应匹配的测风装置测量的风速数据。具体地，风速数据匹配模块402按照预定的风速段对激光雷达测量的风速数据进行第一次数据分仓处理，并对得出多个激光雷达风速数据仓中的风速数据对应匹配得出测风装置测量的风速数据。下面将参照图5来详细说明根据本发明实施例的风速数据匹配模块402。
图5是示出根据本发明的实施例的风速数据匹配模块的框图。
如图5所示，风速数据匹配模块402包括第一次数据分仓处理单元501和匹配单元502。其中，第一次数据分仓处理单元501按照预定的风速段对激光雷达测量的风速数据进行第一次数据分仓处理，以得出多个激光雷达风速数据仓。匹配单元502选择时间差内的任意一个时间作为风速预测时间，并依据风速预测时间得出分别与多个激光雷达风速数据仓中的风速数据对应匹配的测风装置测量的风速数据。具体地，第一次数据分仓处理单元501按照预定的风速段对激光雷达测量的风速数据进行数据分仓处理，以得出多个激光雷达风速数据仓。其中，预定的风速段是按照风速的整数值进行分段，风速段的误差可设置在±0.5m/s。例如，当风速段的误差设置在±0.5m/s时，在数据分仓过程中，可将小于0.5m/s的激光雷达测量的风速数据忽略不计。匹配单元502根据计算得到的时间差选择任意一个时间差内的时间作为风速预测时间，假设时间差为Δt＝5s，则可任意选择0～5s之间的任意一个时间，如3s或者5s等作为风速预测时间。应理解，上述对于时间差和风速预测时间的举例仅是示例性举例，本发明可采用的时间差和风速预测时间不限于此。然后，匹配单元502分别将多个激光雷达风速数据仓中的风速数据与测风装置测量的风速数据进行对应匹配，以得出与每个激光雷达风速数据仓内的风速数据对应的测风装置测量的风速数据。
返回图4，风速预测模块403对风速数据匹配模块402中得出的测风装置测量的风速数据进行第二次数据分仓处理，并依据第二次数据分仓处理的结果进行风速预测。下面将参照图6来详细说明根据本发明实施例的风速预测模块403。
图6是示出根据本发明的实施例的风速预测模块403的框图。
如图6所示，风速预测模块403包括第二次数据分仓处理单元601和风速预测单元602。其中，第二次数据分仓处理单元601分别对得出的与多个激光雷达风速数据仓中的风速数据对应匹配的测风装置测量的风速数据进行第二次数据分仓处理，以得出多个测风装置风速数据仓。风速预测单元602对多个测风装置风速数据仓内的风速数据进行分析，得出风速数据个数最多的测风装置风速数据仓，并将该测风装置风速数据仓所在风速段的风速作为预测风速。具体地，第二次数据分仓处理单元601对测风装置测量的风速数据进行第二次数据分仓处理后，风速预测单元602对多个测风装置风速数据仓内的风速数据进行分析，得出风速数据个数最多的测风装置风速数据仓，并将该测风装置风速数据仓所在风速段的风速作为预测风速。例如，第二次数据分仓处理后得到7个测风装置风速数据仓，分别对这7个测风装置风速数据仓内的风速数据个数进行分析，得到个数最多的测风装置风速数据仓为测风装置风速数据仓2。例如，测风装置风速数据仓2内的风速数据的取值范围为6.5m/s～7.5m/s，风速段为7m/s风速段，那么，预测风速即为风速段的风速7m/s。应理解，上述对于数据仓和风速段的举例仅是示例性举例，本发明可采用的数据仓和风速段不限于此。
返回图4，概率分布值计算单元404根据风速预测模块403得到的预测风速来计算预测风速的概率分布值，其中，概率分布值是指预测风速所在数据仓的风速数据个数占总风速数据个数的比值。具体地，概率分布值计算单元404对不同时间段内的风力发电机组的风速进行预测，并求取不同时间段内的预测风速的概率分布值。在求取不同时间段内的风力发电机组的预测风速时，对数据分仓处理的风速数据进行数据更新，并对数据更新后的风速数据进行分析，以得出最新预测风速和概率分布值,其中，数据更新是将该时间段内的数据分仓处理的风速数据与前一时间段内的数据分仓处理的风速数据进行合并。
根据本发明的实施例的一种风力发电机组风速的预测方法及装置能够基于激光雷达和另一测风装置实现对风力发电机组的风速进行预测，并可在线求取预测的风速的概率分布值，实现了对风力发电机组的预测风速的可信度的在线评估。
根据本发明的方法可被记录在包括执行由计算机实现的各种操作的程序指令的计算机可读介质中。介质也可以只包括程序指令或者包括与程序指令相结合的数据文件、数据结构等。计算机可读介质的例子包括磁介质(例如硬盘、软盘和磁带)；光学介质(例如CD-ROM和DVD)；磁光介质(例如，光盘)；以及特别配制用于存储并执行程序指令的硬件预测系统(例如，只读存储器(ROM)、随机存取存储器(RAM)、闪存等)。介质也可以是包括传输规定程序指令、数据结构等的信号的载波的传输介质(例如光学线或金属线、波导等)。程序指令的例子包括例如由编译器产生的机器码和包含可使用解释器由计算机执行的高级代码的文件。
尽管已经参照本发明的特定示例性实施例显示和描述了本发明，但是本领域技术人员将理解，在不脱离由权利要求及其等同物限定的本发明的精神和范围的情况下，可进行各种形式和细节上的各种改变。

Claims (11)

1.一种风力发电机组风速的预测方法，其特征在于，所述预测方法包括：
计算激光雷达的风速测量时间与风力发电机组的另一测风装置的风速测量时间的时间差；
对激光雷达测量的风速数据进行第一次数据分仓处理，并依据所述时间差求取与第一次数据分仓处理得到的各个数据仓的风速数据对应匹配的测风装置测量的风速数据；
对得出的测风装置测量的风速数据进行第二次数据分仓处理，并依据第二次数据分仓处理的结果进行风速预测，
其中，所述对激光雷达测量的风速数据进行第一次数据分仓处理，并依据所述时间差求取与第一次数据分仓处理得到的各个数据仓的风速数据对应匹配的测风装置测量的风速数据的步骤包括：
按照预定的风速段对激光雷达测量的风速数据进行第一次数据分仓处理，以得出多个激光雷达风速数据仓；
选择时间差内的任意一个时间作为风速预测时间，并依据所述风速预测时间得出分别与多个激光雷达风速数据仓中的风速数据对应匹配的测风装置测量的风速数据，
其中，所述对得出的测风装置测量的风速数据进行第二次数据分仓处理，并依据第二次数据分仓处理的结果进行风速预测的步骤包括：
分别对得出的与多个激光雷达风速数据仓中的风速数据对应匹配的测风装置测量的风速数据进行第二次数据分仓处理，以得出多个测风装置风速数据仓；
对多个测风装置风速数据仓内的风速数据进行分析，得出风速数据个数最多的测风装置风速数据仓，并将该测风装置风速数据仓所在风速段的风速作为预测风速。
2.如权利要求1所述的预测方法，其特征在于，所述激光雷达安装在风力发电机组的机舱上，所述测风装置为安装在风力发电机组机舱上的风速仪和/或安装在距离风力发电机组一定范围内的地面激光雷达。
3.如权利要求1所述的预测方法，其特征在于，所述计算激光雷达的风速测量时间与风力发电机组的另一测风装置的风速测量时间的时间差的步骤包括：
获取风电场的年平均风速数据
Figure FDA0002950240070000021
和激光雷达的测风距离d，其中，所述年平均风速数据
Figure FDA0002950240070000022
由风电场中的测风塔采集的数据得出，所述测风距离d为激光雷达测量风速的位置距离风力发电机组的轮毂中心位置处的距离；
对获取的年平均风速数据
Figure FDA0002950240070000023
和测量距离d进行计算以得出时间差
Figure FDA0002950240070000024
4.如权利要求1-3中的任意一个所述的预测方法，其特征在于，还包括：
对不同时间段内的风力发电机组的风速进行预测，并求取不同时间段内的预测风速的概率分布值，其中，所述概率分布值是指预测风速所在数据仓的风速数据个数占总风速数据个数的比值。
5.如权利要求4所述的方法，其特征在于，所述对不同时间段内的风力发电机组的风速进行预测，并求取不同时间段内的预测风速的概率分布值的步骤包括：
对数据分仓处理的风速数据进行数据更新，并对数据更新后的风速数据进行分析，以得出最新预测风速和概率分布值，其中，所述数据更新是将该时间段内的数据分仓处理的风速数据与前一时间段内的数据分仓处理的风速数据进行合并。
6.一种风力发电机组风速的预测装置，其特征在于，所述预测装置包括：
时间差获取模块，被配置为计算激光雷达的风速测量时间与风力发电机组的另一测风装置的风速测量时间的时间差；
风速数据匹配模块，被配置为对激光雷达测量的风速数据进行第一次数据分仓处理，并依据所述时间差求取与第一次数据分仓处理得到的各个数据仓的风速数据对应匹配的测风装置测量的风速数据；
风速预测模块，被配置为对得出的测风装置测量的风速数据进行第二次数据分仓处理，并依据第二次数据分仓处理的结果进行风速预测，
其中，所述风速数据匹配模块包括：
第一次数据分仓处理单元，按照预定的风速段对激光雷达测量的风速数据进行第一次数据分仓处理，以得出多个激光雷达风速数据仓；
匹配单元，选择时间差内的任意一个时间作为风速预测时间，并依据所述风速预测时间得出分别与多个激光雷达风速数据仓中的风速数据对应匹配的测风装置测量的风速数据，
其中，所述风速预测模块包括：
第二次数据分仓处理单元，分别对得出的与多个激光雷达风速数据仓中的风速数据对应匹配的测风装置测量的风速数据进行第二次数据分仓处理，以得出多个测风装置风速数据仓；
风速预测单元，对多个测风装置风速数据仓内的风速数据进行分析，得出风速数据个数最多的测风装置风速数据仓，并将该测风装置风速数据仓所在风速段的风速作为预测风速。
7.如权利要求6所述的预测装置，其特征在于，所述激光雷达安装在风力发电机组的机舱上，所述测风装置为安装在风力发电机组机舱上的风速仪和/或安装在距离风力发电机组一定范围内的地面激光雷达。
8.如权利要求6-7中的任意一个所述的预测装置，其特征在于，还包括：
概率分布值计算模块，被配置为对不同时间段内的风力发电机组的风速进行预测，并求取不同时间段内的预测风速的概率分布值，其中，所述概率分布值是指预测风速所在数据仓的风速数据个数占总风速数据个数的比值。
9.如权利要求8所述的预测装置，其特征在于，所述预测装置设置在风力发电机的主控制器中。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器运行时，所述处理器执行权利要求1-5中任一项所述的预测方法。
11.一种计算机设备，包括处理器和存储计算机程序的存储器，其特征在于，所述计算机程序被处理器运行时，所述处理器执行权利要求1-5中任一项所述的预测方法。
CN201810742962.2A 2018-07-09 2018-07-09 风力发电机组风速的预测方法及装置 Active CN108918905B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810742962.2A CN108918905B (zh) 2018-07-09 2018-07-09 风力发电机组风速的预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810742962.2A CN108918905B (zh) 2018-07-09 2018-07-09 风力发电机组风速的预测方法及装置

Publications (2)

Publication Number Publication Date
CN108918905A CN108918905A (zh) 2018-11-30
CN108918905B true CN108918905B (zh) 2021-04-27

Family

ID=64424587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810742962.2A Active CN108918905B (zh) 2018-07-09 2018-07-09 风力发电机组风速的预测方法及装置

Country Status (1)

Country Link
CN (1) CN108918905B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR3094093B1 (fr) * 2019-03-18 2021-03-05 Ifp Energies Now Procédé de prédiction de la vitesse du vent dans le plan du rotor pour une éolienne équipée d’un capteur de télédétection par Laser
CN109992888B (zh) * 2019-04-02 2023-06-09 上海电气风电集团股份有限公司 风电场的风资源情况的评估方法及系统
CN109989884B (zh) * 2019-05-09 2020-02-07 浙江大学 一种风机偏航控制方法
CN116123028A (zh) * 2022-12-20 2023-05-16 中国华能集团清洁能源技术研究院有限公司 风电场级mppt预测模型控制方法和装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103061980A (zh) * 2012-12-28 2013-04-24 东方电气集团东方汽轮机有限公司 基于激光测风雷达的风力发电机组的前馈控制系统及其控制方法
EP2876302A1 (fr) * 2013-11-25 2015-05-27 IFP Energies nouvelles Procédé de contrôle et de surveillance d'une éolienne au moyen d'une estimation de la vitesse du vent au moyen d'un capteur lidar
CN104794347A (zh) * 2015-04-22 2015-07-22 中国大唐集团新能源股份有限公司 一种风电机组机舱传递函数分区拟合方法
CN105279384A (zh) * 2015-11-16 2016-01-27 华北电力科学研究院有限责任公司 一种基于风力机机舱风速的来流风速计算方法及装置
CN105354763A (zh) * 2015-11-16 2016-02-24 华北电力科学研究院有限责任公司 风电机组来流风速测量方法及装置
CN106979126A (zh) * 2017-04-12 2017-07-25 浙江大学 基于svr的风力发电机组高风速段有效风速估计方法
CN107524565A (zh) * 2017-09-18 2017-12-29 沈阳大学 基于lidar辅助的大型风力发电机独立变桨控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103061980A (zh) * 2012-12-28 2013-04-24 东方电气集团东方汽轮机有限公司 基于激光测风雷达的风力发电机组的前馈控制系统及其控制方法
EP2876302A1 (fr) * 2013-11-25 2015-05-27 IFP Energies nouvelles Procédé de contrôle et de surveillance d'une éolienne au moyen d'une estimation de la vitesse du vent au moyen d'un capteur lidar
CN104794347A (zh) * 2015-04-22 2015-07-22 中国大唐集团新能源股份有限公司 一种风电机组机舱传递函数分区拟合方法
CN105279384A (zh) * 2015-11-16 2016-01-27 华北电力科学研究院有限责任公司 一种基于风力机机舱风速的来流风速计算方法及装置
CN105354763A (zh) * 2015-11-16 2016-02-24 华北电力科学研究院有限责任公司 风电机组来流风速测量方法及装置
CN106979126A (zh) * 2017-04-12 2017-07-25 浙江大学 基于svr的风力发电机组高风速段有效风速估计方法
CN107524565A (zh) * 2017-09-18 2017-12-29 沈阳大学 基于lidar辅助的大型风力发电机独立变桨控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
一种风力发电机组机舱风速修正方法;刘敬智 等;《测控技术》;20161130;第35卷(第11期);第138-左栏第12行-第140页右栏倒数第5行 *

Also Published As

Publication number Publication date
CN108918905A (zh) 2018-11-30

Similar Documents

Publication Publication Date Title
CN108918905B (zh) 风力发电机组风速的预测方法及装置
Schneemann et al. Offshore wind farm global blockage measured with scanning lidar
CN105628977B (zh) 风速仪修正系数的标定方法、装置和系统
Held et al. Lidar estimation of rotor-effective wind speed–an experimental comparison
US20200264313A1 (en) Lidar-based turbulence intensity error reduction
EP2581761B1 (en) Estimation of Wind Properties Using a Light Detection and Ranging Device
CN105844361A (zh) 风电机组风功率预测方法、解缆方法和装置
CN115013258A (zh) 一种风电机组机前风速智能软测量方法、装置及服务器
CN111120205A (zh) 基于激光雷达的风电场区域化控制方法
US20200149512A1 (en) Method of determining an induction factor for a wind turbine equipped with a lidar sensor
US20170121028A1 (en) Enhancing engine performance to improve fuel consumption based on atmospheric ice particles
Schlipf et al. Detection of wind evolution and lidar trajectory optimization for lidar-assisted wind turbine control
US20200400836A1 (en) Method of determining the vertical profile of the wind speed upstream from a wind turbine equipped with a lidar sensor
CN113847199A (zh) 一种基于机载雷达在线偏航系统的偏航优化控制方法
JP2017003416A (ja) 降水予測システム
Newman et al. An error reduction algorithm to improve lidar turbulence estimates for wind energy
Conti et al. Probabilistic estimation of the Dynamic Wake Meandering model parameters using SpinnerLidar-derived wake characteristics
US5689444A (en) Statistical quality control of wind profiler data
Sengers et al. Validation of an interpretable data-driven wake model using lidar measurements from a free-field wake steering experiment
CN119900689B (zh) 一种风机叶片覆冰检测及控制方法、装置、设备及介质
US20220106937A1 (en) METHOD OF DETERMINING AVERAGE WIND SPEED BY MEANS OF A LiDAR SENSOR
CN118520197B (zh) 基于激光雷达的风力机叶轮平面在线风速预测方法
Ungurán et al. Uncertainty identification of blade-mounted lidar-based inflow wind speed measurements for robust feedback–feedforward control synthesis
Conti et al. Calibration and validation of the Dynamic Wake Meandering model Part I: Bayesian estimation of model parameters using SpinnerLidar-derived wake characteristics
US11578701B2 (en) Method of determining an induction factor between a measurement plane and the rotor plane of a wind turbine

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder
CP01 Change in the name or title of a patent holder

Address after: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region

Patentee after: Jinfeng Technology Co.,Ltd.

Address before: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region

Patentee before: XINJIANG GOLDWIND SCIENCE & TECHNOLOGY Co.,Ltd.