[发明专利]大型风电机组叶轮面等效风速预测方法

权利要求书

1.一种大型风电机组叶轮面等效风速预测方法，其特征在于，包括：

步骤1，通过激光雷达测量风电机组前方虚拟叶轮面各个高度的风速；

步骤2，根据测量的虚拟叶轮面各个高度的风速数据计算虚拟叶轮面等效风速；

步骤3，利用风电机组模型与传感器测量数据获取实际叶轮面等效风速，其中，叶片的气动转矩和等效风速之间存在的特定的数学关系，气动模型如下所示：

T_a(λ,β)＝ρπR²V²C_q(λ,β)/2 (3)

其中，T_a(λ,β)表示气动转矩，单位为N·m，ρ表示空气密度，单位为kg·m^-3，R表示转子半径，单位为m，V表示实际叶轮面等效风速，单位为m·s^-1，C_q(λ,β)表示转矩系数，λ表示叶尖速比，β表示桨叶角度，对气动转矩T_a(λ,β)的获取采用标准的卡尔曼滤波器设计，根据风电机组的传动链模型来建立气动转矩的相关模型，风电机组的传动链模型，如下所示：

其中，γ表示扭转角且γ＝(θ_r-θ_g/N)，θ_r表示叶轮旋转角度，θ_g表示发电机旋转角度，T_sh表示传动链低速轴转矩且T_sh＝s_dtγ+ω_rd_dt-ω_gd_dt/N，s_dt表示传动链刚度，d_dt表示阻尼系数，ω_r表示转子转速，ω_g表示发电机转速，J_r表示叶轮转动惯量，J_g表示发电机转动惯量，T_a表示气动转矩，T_g表示发电机电气转矩，N为齿轮箱变比，将式(4)表示为状态空间的形式再加入气动转矩的未知输入模型，得到扩展模型，如下所示：

在式(5)中加入随机噪声得到的状态空间方程形式，如下所示：

其中，w_r，w_ωr，w_ωg和w_Ta分别为γ，ω_r，ω_g和T_a的过程噪声；

根据式(6)设计卡尔曼滤波器得到的气动转矩T_a和转子转速ω_r的获取值，再将气动模型表示为：

其中，T_a(λ,β)表示气动转矩，ρ表示空气密度，R表示转子半径，C_q(λ,β)表示转矩系数，ω_r表示转子转速；

通过求解式(4)得到叶尖速比λ，通过牛顿拉夫逊法求下述方程的零根：

其中，f(λ,β)表示与λ和β相关的非线性函数，T_a(λ,β)表示气动转矩，ρ表示空气密度，R表示转子半径，C_q(λ,β)表示转矩系数，ω_r表示转子转速；

通过得到的叶尖速比λ的值，计算实际叶轮面等效风速，如下所示：

其中，V表示实际叶轮面等效风速，ω_r表示转子转速，R表示转子半径，λ表示叶尖速比；

步骤4，将计算出的虚拟叶轮面等效风速经过时移模型后输入到BP神经网络，其中，所述时移模型，如下所示：

其中，t_pre表示激光雷达提前测量的时移，表示平均风速，L表示叶轮前激光雷达测量距离；

步骤5，将获取的实际叶轮面等效风速作为BP神经网络的期望输出，训练BP神经网络使误差最小。

2.根据权利要求1所述的大型风电机组叶轮面等效风速预测方法，其特征在于，所述步骤1具体包括：

采用多光束激光雷达进行风速测量，可以同时测得虚拟叶轮面各个高度上的风速。