[发明专利]基于风能分布捕获最大风能的方法和系统

说明书

本发明公开一种基于风能分布捕获最大风能的方法和系统。根据本发明，在设定时间段内多次测量风电机组的风速与风向；基于多次测量的风速与风向，构建风电机组的风能分布数据；基于风电机组的风能分布数据，判断最大风能捕获角度；以及基于所述最大风能捕获角度，指导风电机组进行偏航控制。本发明通过实时获取风速和风向二者的数值，能够有效实时地展现风电机组的风况，通过捕获最大风能方向，提升风能到电能的最大转换，提升风电机组的发电量。通过积累历史运行数据，对后续风机运行的最大风能的方向进行预测，可提前采取偏航，实现实时跟踪，减小未能捕获最大风能对风电机组造成的高载荷，减少风电机组可能出现的故障。

技术领域

本发明涉及风力发电技术领域，特别涉及一种基于风能分布捕获最大风能的方法和系统。

背景技术

风力发电机组将风能转换成机械能，然后将机械能转换成电能。在能量之间的转换率相同的情况下，风力发电机组捕获风能的大小，直接影响电能的大小。

目前，风力发电机组的偏航控制策略，主要依靠风向标采集到的风向，通过计算设定时间段内角度偏差以及持续时间作为参数，控制或者触发偏航。因此，出现了单纯考虑风向角度偏差作为输入量，造成偏航角度误差，偏航控制策略输出偏航角度出现偏差。因此，该方法不仅没有捕获最大风能，实现发电量的最大化，而且，长期处于该模式运行的风电机组，易出现疲劳和高载荷，缩短风机寿命。同时，未能对数据进行进一步的挖掘，不能给机组后续运行时间提出指导。

因此，需要一种方法和系统来有效地提高风电机组实现最大风能的捕获和偏航控制策略的指导。

发明内容

考虑到以上的问题，本发明通过风速和风向的测量值，计算不同风速和风向在风电机组的各方位或者角度上的风能分布情况，利用PCA(主要成分分析)对样本快速降维，加速计算速度，通过数据分析和挖掘，有效地提高风电机组实现最大风能的捕获和偏航控制策略的指导。

本发明通过测量风速和风向，输入后续步骤进行实时计算，减小单纯依靠风向标测量风向单一变量造成误差，对风电机组风能的分布进行实时展现，对设定时间段内采集到的风速和风向在各方向上的风能值进行计算，利用PCA方法降维，快速计算出最大风能方向，并将其输入主控程序参数，保证风电机组实时捕获最大风能，提升发电量和降载。另一方面，通过采集数据的积累，实现对最大风能的方向预测。

本发明的目标之一在于，利用风速和风向二者的测量值相结合，计算每台风电机组风能的分布状况，清晰并且有效地反映出能量场中的分布情况，对最大风能捕获有明确的指导。

本发明的另一目标在于，通过PCA方法对样本数据进行降维处理，保证后续控制策略的实时性和算法的快速性，缩短计算时间。通过PCA将风能分布数据映射到另一维度，计算贡献率。

本发明的又一目标在于，通过采集数据和贡献率数据积累，进行数据拟合，对最大风能方向进行预测，对风机的运行和偏航实现指导。

根据本发明的第一方面，提供了一种基于风能分布捕获最大风能的方法，包括：在设定时间段内多次测量风电机组的风速与风向；基于多次测量的风速与风向，构建风电机组的风能分布数据；基于风电机组的风能分布数据，判断最大风能捕获角度；以及基于所述最大风能捕获角度，指导风电机组进行偏航控制。

优选地，所述的基于风电机组的风能分布数据，判断最大风能捕获角度包括：利用主要成分分析方法将风能分布数据降维；以及基于降维后的风能分布数据，判断最大风能捕获角度。

优选地，所述的利用主要成分分析方法将风能分布数据降维包括：分解风能分布数据的成分；选择风能分布数据的主要的多个成分来构建降维的风能分布数据。

根据第一实施方式，选择使得贡献率在第一阈值以上的主要的多个成分来构建降维的风能分布数据，其中，所述贡献率反映风能分布数据的特征量对最大风能的影响程度。