一种风力机组场站风况分布极端湍流特征识别方法及系统与流程

1.本发明属于风力机组湍流识别技术领域，具体涉及一种风力机组场站风况分布极端湍流特征识别方法及系统。


背景技术：

2.随着风力发电装机量的逐年提高，有相当数量的机组安装在山地和丘陵地带，相比平原，这些地形的风况特点更为复杂，多存在大风、高湍流等特点，容易造成机组的疲劳载荷和极限载荷超限，iec标准针对机组设计输入中的风况有明确要求，需根据不同风区定义其在不同风速下湍流的取值范围，厂商将根据参考风区的设计风况曲线进行机组的设计。
3.但实际机组运行风况与iec标准中规定的理论风区风况曲线可能有较大差异，这是导致机组载荷超限最终造成部件损坏的重要原因，但目前还未有相关文献基于大数据分析方法对设计风区风况特征进行定量的分析以及显像化展示。


技术实现要素：

4.本发明的目的在于提供一种风力机组场站风况分布极端湍流特征识别方法及系统，解决了目前无对设计风区风况特征进行定量的分析以及显像化展示的问题。
5.本发明是通过以下技术方案来实现：
6.一种风力机组场站风况分布极端湍流特征识别方法，包括以下步骤：
7.s1、获取目标风电场各机位点机组的历史运行数据；历史运行数据包括风速；
8.s2、对获取的历史运行数据进行数据清洗，得到符合要求的风速数据；
9.s3、根据环境温度和现场海拔高度对符合要求的风速数据进行校正，保证与iec设计曲线在同一标准上进行对比；
10.s4、在符合要求的数据中，选取满足连续性的风速数据，将满足连续性的风速数据按照预设时间间隔进行分割，分割成n组；
11.计算每个预设时间间隔的平均风速，得到n个平均风速；
12.s5、根据每个预设时间间隔的平均风速计算对应预设时间间隔的平均湍流，得到n个平均湍流；
13.s6、将s4和s5的数据整理得到n组平均风速和平均湍流的散点数据集，得到实测风速湍流曲线；
14.s7、将实测风速湍流曲线和iec标准风速湍流曲线对比，分为两类：一类为超出iec标准的组a1，一类为不超出iec标准的组a2；
15.s8、将组a1的散点数量进行累积，并与总数量n进行对比，其比值作为风场风况复杂程度的定量评估值。
16.进一步，s1中，获取的历史运行数据要求不少于一个月。
17.进一步，s2中，数据清洗所采用的方式包括重复值删除、缺失值补充或/和中断数
据剔除。
18.进一步，s3中，根据环境温度和现场海拔高度对符合要求的风速数据进行校正，折算到标准空气密度，具体的步骤为：
19.3.1、根据海拔高度h和实时空气温度t，计算实时空气密度ρ1：
20.ρ1＝1.293/(10
(/(00
×
((3+t)/3)
)；
21.3.2、根据密度进行风速折算：
[0022][0023]
vi
测
为风速通道中实际记录的每个数据，vi(i＝1,2,3
…
l)为折算的风速数据。
[0024]
进一步，s4中，计算每个预设时间间隔的平均风速，得到n个平均风速，具体为：
[0025]
vm＝average(v1+v2+
…
+vl)/l，则得到一系列的预设时间间隔均值vm1、vm2
…
vmn；
[0026]
其中l为预设时间间隔内的采样点数，vl为第l次采样的的风速。
[0027]
进一步，s5中，平均湍流的计算公式为：
[0028]
turn＝风速标准差/vmn，则得到tur1、tur2、...turn。
[0029]
进一步，风速标准差的计算公式为：
[0030]
vi(i＝1,2,3
…
l)为折算的风速数据。
[0031]
进一步，s6中，将散点数据集在图形中进行展示，同时将iec标准中的四类风区对应的iec标准风速湍流曲线在图形中展示，横轴为平均风速，纵轴为平均湍流。
[0032]
进一步，s7中，超出iec标准的组a1的散点数据数量记为count(a1)，不超出iec标准的组a2的散点数据数量记为count(a2)，则count(a1)+count(a2)＝n；
[0033]
s8中，将组a1的散点数量进行累积，并与总数量n进行对比，对应的公式为：kwind＝count(a1)/n；
[0034]
当kwind》k0时，则判断该风场的风况较为复杂，需要持续关注机组大部件疲劳。
[0035]
本发明还公开了一种风力机组场站风况分布极端湍流特征识别系统，包括：
[0036]
数据获取模块，用于获取目标风电场各机位点机组的历史运行数据，并进行存储；历史运行数据包括风速；
[0037]
数据清洗模块，用于对获取的历史运行数据进行数据清洗，得到符合要求的风速数据；
[0038]
折算模块，用于根据环境温度和现场海拔高度对符合要求的风速数据进行校正，保证与iec设计曲线在同一标准上进行对比；
[0039]
平均风速计算模块，用于在符合要求的数据中，选取满足连续性的风速数据，将满足连续性的风速数据按照预设时间间隔进行分割，分割成n组；
[0040]
计算每个预设时间间隔的平均风速，得到n个平均风速；
[0041]
平均湍流计算模块，用于根据每个预设时间间隔的平均风速计算对应预设时间间隔的平均湍流，得到n个平均湍流；
[0042]
风速湍流曲线生成模块，用于将n个平均风速和n个平均湍流整理得到n组平均风速和平均湍流的散点数据集，得到实测风速湍流曲线；
[0043]
曲线比较模块，用于将实测风速湍流曲线和iec标准风速湍流曲线对比，分为两类：一类为超出iec标准的组a1，一类为不超出iec标准的组a2；
[0044]
评估模块，用于将组a1的散点数量进行累积，并与总数量n进行对比，其比值作为风场风况复杂程度的定量评估值。
[0045]
与现有技术相比，本发明具有以下有益的技术效果：
[0046]
本发明公开了一种风力机组场站风况分布极端湍流特征识别方法，获取针对机组设计影响最为严苛的风速数据，先预处理为符合要求的数据，基于iec设计标准中的规定，将风速校正，保证与iec设计曲线在同一标准上进行对比；在符合要求的数据中，选取满足连续性的风速数据，因为由于传输和存储问题，会存在数据丢失和断续的问题，这样会导致计算不准确；计算平均风速和平均湍流，形成数据集，得到实测风速湍流曲线；将实测风速湍流曲线和iec标准风速湍流曲线对比，提取出超过iec标准风速湍流曲线以外的风速湍流数据，通过对风速湍流分布的统计和展示，来判断机组外界风况是否与设计情况相符，在全工况下(包括状态启机、停机、运行等各种运行状态下)，对整场机组的各机位点给定时间范围内数据进行分析，建立整场机组风况分布特征并进行可视化呈现，通过可视化特征定性判断不同风场及不同机位点的风况的复杂程度。
[0047]
本发明的方法是可以定量的对现场复杂风况进行评判，主要通过与设计风况进行对比，通过各机位点实际运行的风况超出设计风况的比例来确定与设计是否相符，并根据比例来确定是否实施控制干预，如通过降低转速、特殊工况变桨等方法。
附图说明
[0048]
图1为本发明的一种风力机组场站风况分布极端湍流特征识别方法的流程图；
[0049]
图2为本发明形成的风速湍流曲线的数据图形展示。
具体实施方式
[0050]
为了使本发明的目的、技术方案及优点更加清楚明了，以下结合附图及实施例进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明，即所描述的实施例仅仅为本发明一部分实施例，而不是全部实施例。
[0051]
本发明附图及实施例描述和示出的组件可以以各种不同的配置来布置和设计，因此，以下附图中提供的本发明实施例的详细描述并非旨在限制要求保护的本发明的范围，而仅仅是表示本发明选定的一种实施例。基于本发明的附图及实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护范围。
[0052]
本发明基于scada大数据集，针对机组的风况特征进行分析和可视化呈现，并与iec设计标准风况进行比对，实现定量分析，同时进行可视化展示，使设计和运行人员更为清晰了解现场实际运行工况及设计工况的差异。
[0053]
如图1所示，本发明公开了一种风力机组场站风况分布极端湍流特征识别方法，包括以下步骤：
[0054]
s1、获取目标风电场各机位点机组的历史运行数据，并进行存储；历史运行数据包括风速；
[0055]
s2、对获取的历史运行数据进行数据清洗，得到符合要求的风速数据；
[0056]
s3、根据环境温度和现场海拔高度对符合要求的风速数据进行校正，保证与iec设计曲线在同一标准上进行对比；
[0057]
s4、在符合要求的数据中，选取满足连续性的风速数据，将满足连续性的风速数据按照预设时间间隔进行分割，分割成n组；
[0058]
计算每个预设时间间隔的平均风速，得到n个平均风速；
[0059]
s5、根据每个预设时间间隔的平均风速计算对应预设时间间隔的平均湍流，得到n个平均湍流；
[0060]
s6、将s4和s5的数据整理得到n组平均风速和平均湍流的散点数据集，得到实测风速湍流曲线；
[0061]
s7、将实测风速湍流曲线和iec标准风速湍流曲线对比，分为两类：一类为超出iec标准的组a1，一类为不超出iec标准的组a2；
[0062]
s8、将组a1的散点数量进行累积，并与总数量n进行对比，其比值作为风场风况复杂程度的定量评估值。
[0063]
以下结合实施例对本发明的特征和性能进一步详细说明。
[0064]
如图1所示，本发明公开的一种风力机组场站风况分布极端湍流特征识别方法，主要包括四个阶段：数据准备、数据计算、可视化呈现和定量分析这四个部分。
[0065]
1、数据准备
[0066]
1)针对目标风电场各机位点机组的历史运行数据进行采集和存储，要求不少于一个月的数据，可充分经历各种运行状态和外部环境风况，使数据更为有效；历史运行数据主要包括机组号、时间戳和风速、环境温度；
[0067]
2)将回传的数据按照指定位置和编号放置在场端服务器上进行存储；
[0068]
3)将数据调用并进行数据清洗工作，包括重复值删除、缺失值补充、中断数据剔除等。
[0069]
2、数据计算
[0070]
1)根据环境温度、现场海拔高度对风速进行校正，折算到标准空气密度，保证与iec设计曲线在同一标准上进行对比，具体的步骤为：
[0071]
1.1、根据海拔高度h(m)和实时空气温度t(℃)，计算实时空气密度：
[0072]
ρ1＝1.293/(10
(/(00
×
(+(73+t)/3)
)
[0073]
1.2、根据密度进行风速折算：
[0074][0075]
vi
测
为风速通道中实际记录的每个数据，vi(i＝1,2,3
…
l)为折算数据，用于下面计算。
[0076]
2)将清洗过的数据，满足连续性的scada数据按照10min一个片段进行分割，分割成n组；
[0077]
3)计算每个10min的平均风速：vm＝average(v1+v2+
…
+vl)/l，得到一系列的10min均值vm1、vm2
…
vmn。其中l为10min内的采样点数，如1秒钟采样一次，则l＝600；
[0078]
4)计算10min的平均湍流，tur1＝风速标准差/风速均值vmn，得到tur1、tur2、...turn。
[0079]
风速标准差的计算公式为：
[0080]
vi(i＝1,2,3
…
l)为折算的风速数据。
[0081]
3、可视化展示
[0082]
1)对上述计算得到n组(tur1,vm1)、(tur2,vm2)，
…
(turn,vmn)进行记录。
[0083]
2)如图2所示，并将上述所有散点在图形中进行展示(横轴风速，纵轴湍流)，同时将iec标准中的四类风区对应的风速-湍流曲线在图形中展示(横轴风速，纵轴湍流)。
[0084]
4、定量分析
[0085]
1)将超出风速湍流曲线外的散点进行打标识，即分为两类：一类为超出iec标准的组a1，一类为不超出iec设计的组a2，有count(a1)+count(a2)＝n
[0086]
2)将超出设计的散点数量进行累积，并与总数量进行对比，其比值为：
[0087]
kwind＝count(a1)/n
[0088]
其k值将作为风场风况复杂程度的定量评估值。
[0089]
3)可做报警处理，当kwind》k0时认为该风场的风况较为复杂，需要持续关注机组大部件疲劳，如有必要需要通过控制手段降低载荷，防止大部件损坏。
[0090]
本发明还公开了一种风力机组场站风况分布极端湍流特征识别系统，包括：
[0091]
数据获取模块，用于获取目标风电场各机位点机组的历史运行数据，并进行存储；历史运行数据包括风速；
[0092]
数据清洗模块，用于对获取的历史运行数据进行数据清洗，得到符合要求的风速数据；
[0093]
折算模块，用于根据环境温度和现场海拔高度对符合要求的风速数据进行校正，保证与iec设计曲线在同一标准上进行对比；
[0094]
平均风速计算模块，用于在符合要求的数据中，选取满足连续性的风速数据，将满足连续性的风速数据按照预设时间间隔进行分割，分割成n组；
[0095]
计算每个预设时间间隔的平均风速，得到n个平均风速；
[0096]
平均湍流计算模块，用于根据每个预设时间间隔的平均风速计算对应预设时间间隔的平均湍流，得到n个平均湍流；
[0097]
风速湍流曲线生成模块，用于将n个平均风速和n个平均湍流整理得到n组平均风速和平均湍流的散点数据集，得到实测风速湍流曲线；
[0098]
曲线比较模块，用于将实测风速湍流曲线和iec标准风速湍流曲线对比，分为两类：一类为超出iec标准的组a1，一类为不超出iec标准的组a2；
[0099]
评估模块，用于将组a1的散点数量进行累积，并与总数量n进行对比，其比值作为风场风况复杂程度的定量评估值。
[0100]
本发明一种风力机组场站风况分布极端湍流特征识别方法可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0101]
本发明的一种风力机组场站风况分布极端湍流特征识别方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质
中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。其中，所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nandflash)、固态硬盘(ssd))等。
[0102]
在示例性实施例中，还提供计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的风力机组场站风况分布极端湍流特征识别方法的步骤。处理器可能是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
[0103]
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

技术特征：
1.一种风力机组场站风况分布极端湍流特征识别方法，其特征在于，包括以下步骤：s1、获取目标风电场各机位点机组的历史运行数据；历史运行数据包括风速；s2、对获取的历史运行数据进行数据清洗，得到符合要求的风速数据；s3、根据环境温度和现场海拔高度对符合要求的风速数据进行校正，保证与iec设计曲线在同一标准上进行对比；s4、在符合要求的数据中，选取满足连续性的风速数据，将满足连续性的风速数据按照预设时间间隔进行分割，分割成n组；计算每个预设时间间隔的平均风速，得到n个平均风速；s5、根据每个预设时间间隔的平均风速计算对应预设时间间隔的平均湍流，得到n个平均湍流；s6、将s4和s5的数据整理得到n组平均风速和平均湍流的散点数据集，得到实测风速湍流曲线；s7、将实测风速湍流曲线和iec标准风速湍流曲线对比，分为两类：一类为超出iec标准的组a1，一类为不超出iec标准的组a2；s8、将组a1的散点数量进行累积，并与总数量n进行对比，其比值作为风场风况复杂程度的定量评估值。2.根据权利要求1所述的一种风力机组场站风况分布极端湍流特征识别方法，其特征在于，s1中，获取的历史运行数据要求不少于一个月。3.根据权利要求1所述的一种风力机组场站风况分布极端湍流特征识别方法，其特征在于，s2中，数据清洗所采用的方式包括重复值删除、缺失值补充或/和中断数据剔除。4.根据权利要求1所述的一种风力机组场站风况分布极端湍流特征识别方法，其特征在于，s3中，根据环境温度和现场海拔高度对符合要求的风速数据进行校正，折算到标准空气密度，具体的步骤为：3.1、根据海拔高度h和实时空气温度t，计算实时空气密度ρ1：ρ1＝1.293/(10
(/(00
×
((3+t)/3)
)；3.2、根据密度进行风速折算：vi
测
为风速通道中实际记录的每个数据，vi(i＝1,2,3
…
l)为折算的风速数据。5.根据权利要求1所述的一种风力机组场站风况分布极端湍流特征识别方法，其特征在于，s4中，计算每个预设时间间隔的平均风速，得到n个平均风速，具体为：vm＝average(v1+v2+
…
+vl)/l，则得到一系列的预设时间间隔均值vm1、vm2
…
vmn；其中l为预设时间间隔内的采样点数，vl为第l次采样的的风速。6.根据权利要求5所述的一种风力机组场站风况分布极端湍流特征识别方法，其特征在于，s5中，平均湍流的计算公式为：turn＝风速标准差/vmn，则得到tur1、tur2、...turn。7.根据权利要求6所述的一种风力机组场站风况分布极端湍流特征识别方法，其特征在于，风速标准差的计算公式为：
vi(i＝1,2,3
…
l)为折算的风速数据。8.根据权利要求1所述的一种风力机组场站风况分布极端湍流特征识别方法，其特征在于，s6中，将散点数据集在图形中进行展示，同时将iec标准中的四类风区对应的iec标准风速湍流曲线在图形中展示，横轴为平均风速，纵轴为平均湍流。9.根据权利要求1所述的一种风力机组场站风况分布极端湍流特征识别方法，其特征在于，s7中，超出iec标准的组a1的散点数据数量记为count(a1)，不超出iec标准的组a2的散点数据数量记为count(a2)，则count(a1)+count(a2)＝n；s8中，将组a1的散点数量进行累积，并与总数量n进行对比，对应的公式为：kwind＝count(a1)/n；当kwind>k0时，则判断该风场的风况较为复杂，需要持续关注机组大部件疲劳。10.一种风力机组场站风况分布极端湍流特征识别系统，其特征在于，包括：数据获取模块，用于获取目标风电场各机位点机组的历史运行数据，并进行存储；历史运行数据包括风速；数据清洗模块，用于对获取的历史运行数据进行数据清洗，得到符合要求的风速数据；折算模块，用于根据环境温度和现场海拔高度对符合要求的风速数据进行校正，保证与iec设计曲线在同一标准上进行对比；平均风速计算模块，用于在符合要求的数据中，选取满足连续性的风速数据，将满足连续性的风速数据按照预设时间间隔进行分割，分割成n组；计算每个预设时间间隔的平均风速，得到n个平均风速；平均湍流计算模块，用于根据每个预设时间间隔的平均风速计算对应预设时间间隔的平均湍流，得到n个平均湍流；风速湍流曲线生成模块，用于将n个平均风速和n个平均湍流整理得到n组平均风速和平均湍流的散点数据集，得到实测风速湍流曲线；曲线比较模块，用于将实测风速湍流曲线和iec标准风速湍流曲线对比，分为两类：一类为超出iec标准的组a1，一类为不超出iec标准的组a2；评估模块，用于将组a1的散点数量进行累积，并与总数量n进行对比，其比值作为风场风况复杂程度的定量评估值。

技术总结
本发明属于风力机组湍流识别技术领域，涉及一种风力机组场站风况分布极端湍流特征识别方法，包括以下步骤：获取目标风电场各机位点机组的历史运行数据；对历史运行数据进行数据清洗，得到符合要求的风速数据；对符合要求的风速数据进行校正；选取满足连续性的风速数据，且按照预设时间间隔进行分割，分割成N组；计算每个预设时间间隔的平均风速和平均湍流，得到实测风速湍流曲线；将实测风速湍流曲线和IEC标准风速湍流曲线对比，超出IEC标准散点数量进行累积，并与总数量N进行对比，其比值作为风场风况复杂程度的定量评估值。通过各机位点实际运行的风况超出设计风况的比例来确定与设计是否相符，并根据比例来确定是否实施控制干预。干预。干预。


技术研发人员：张新丽 何延福 陈国武 龚振鹏 王守燊 白维涛 程明 叶涛 任鑫 王一妹
受保护的技术使用者：中国华能集团清洁能源技术研究院有限公司
技术研发日：2022.11.28
技术公布日：2023/5/30