[发明专利]复杂地况下全场动态风况感知算法

说明书

本发明涉及复杂地况下全场动态风况感知算法，包括建立整场风况模型，所述建立整场风况模型的具体步骤如下：确定特征机位点：通过仿真建立与整场其他点位的关联模型，确保整场风机实现每台独立风机感知能力的互联互通，风况特征高精度测量：基于激光雷达等先进传感技术，对特征机位点周围的风速进行测量和风况特征重构，整场风况模型训练：基于大量测量得到的多个特征机位点风况特征，采用机器学习进行整场风况模型的训练；得到基于特征点位风况为输入的全场动态风况感知模型，通过大数据的相关性分析，建立风情预估，为对未来风况的控制策略调整准备，为全场协同控制创造条件。

技术领域

本发明涉及风力发电技术领域，尤其涉及复杂地况下全场动态风况感知算法。

背景技术

随着国内风电的快速发展，行业内各厂家陆续提出了智能风电场、数字化风电场的概念并开展相关研究，场级或风电机组群层面的控制产品不断推出，它们与传统的SCADA系统有着不同的产品定位和设计理念，它们基于风机单机时间维度的数据以及场内机组地理位置维度的数据，通过风电机组单元群间协同算法自动化调整风电机组的运行状态及保护机制，进一步提升风机及风电场发电性能，或者提高设备运行可靠性，比如风机虚拟传感、风电场流场模型等等，而且这一技术方向已经成为了各大厂家研发的重点方向。

由于地形数据精细程度及气象微物理过程研究程度所限，目前单机数据分析已无法支撑对全场协调控制的有效应用，如何使风场内每台风机的感知范围扩大，使得单机控制策略针对复杂风况更有针对性，如何通过整场风机动作协调有效提升发电效率，如何使所有风机更加安全应对短时破坏风，减少安全事故增加风机寿命成为亟待解决的问题。

在复杂地形风电场，经常遇到如上的超出IEC设计规范的风况，根据标准要求，在此工况下，为了保护机组安全需要停机进行保护，甚至由于机组不能提前预测到此恶劣工况，从而报出如过速、振动等故障，甚至出现扫塔的风险。若机组长期处于此工况，其安全风险及疲劳寿命均有很大影响。

发明内容

本发明解决的问题在于提供复杂地况下全场动态风况感知算法，解决了上述技术问题。

为了实现上述目的，本发明采用了如下技术方案：

复杂地况下全场动态风况感知算法，包括建立整场风况模型，所述建立整场风况模型的具体步骤如下：

步骤一：确定特征机位点：通过仿真建立与整场其他点位的关联模型，确保整场风机实现每台独立风机感知能力的互联互通；

步骤二：风况特征高精度测量：基于激光雷达等先进传感技术，对特征机位点周围的风速进行测量和风况特征重构；

步骤三：整场风况模型训练：基于大量测量得到的多个特征机位点风况特征，采用机器学习进行整场风况模型的训练。

优选的，所述特征机位点为风电场中具备典型地形特征，代表局部区域流动情况的机位点；尤其是复杂山地项目特征点位选取是整个风场风况模型的首要前提，特征点位的选取基于风场中长尺度风况，结合地形地势和测风塔数据，建立风场流体模型，通过仿真建立各机位点关联程度，从而确定出特征机位点，安装激光雷达。

优选的，所述特征机位点的选择原则包括：

S1、整场四周主风向前端无遮挡机位，此机位点用于准确提供风场自由来风信号；

S2、对于关联度较差机位点群，通过单独分组，组内关键点位加装雷达补充精准测风矫正并提升机位的关联程度；

S3、具体特征点位的选取，需要等到方案详细设计阶段，结合仿真模型的情况进行不断调整及迭代确定。

本发明的有益效果是：得到基于特征点位风况为输入的全场动态风况感知模型，通过大数据的相关性分析，建立风情预估，为对未来风况的控制策略调整准备，为全场协同控制创造条件，可用于优化“转速-扭矩”曲线的输入条件和依据，及各机组特殊风况的预测和预警。