[发明专利]确定风力发电机组的机舱位移的方法、装置和系统

说明书

本发明提供了一种确定风力发电机组的机舱位移的方法、装置和系统。风力发电机组包括机舱、用于测量机舱的线性运动数据的线性运动传感器、以及用于测量机舱的角度数据的角度传感器。确定风力发电机组的机舱位移的方法包括：通过线性运动传感器获取机舱的所述线性运动数据，并基于获取的线性运动数据来计算第一位移；通过角度传感器获取机舱的所述角度数据，并基于获取的角度数据来计算第二位移。根据本发明的确定风力发电机组的机舱位移的方法、装置和系统，可将通过两种方式分别计算出的第一位移和第二位移进行结合，以便获得更准确的机舱位移计算结果。

技术领域

本发明涉及风力发电技术，更具体而言，涉及一种确定风力发电机组的机舱位移的方法、装置和系统。

背景技术

风力发电机组通常包括塔筒和设置在塔筒上的机舱。在风力发电机组的运行过程中，机舱会受到外力的影响而产生位移，从而使得塔筒所承受的载荷增大。因此，为了正确评估风力发电机组的载荷，需要精准的机舱位移作为输入。

一种传统的机舱位移确定方法借助于卫星定位来确定机舱位移。这种机舱位移确定方法需要设置基站和测站，测站由数据采集模块和两个定位天线组成，测站安装在机舱顶部，基站与测站分离并且避免对基站产生电磁干扰，基站相距测站的距离小于或等于10公里，并且由基站为测站提供同步和差分信号，以用于机舱位移计算。虽然在部分风电场已经批量使用北斗系统，但是北斗系统的结构是复杂的，成本也很高。因此，不可能为所有风电场配备北斗系统。此外，在确定机舱位移的过程中使用的信号容易受到外界因素干扰。

传统的机舱位移确定方法还包括借助于图像中的特征点来推导机舱位移的方法、以及借助于加速度传感器信号来计算机舱位移的方法。在借助于图像中的特征点来推导机舱位移的方法中，需要借助于图像采集设备，计算图像采集设备所采集的图像中的机舱位移，并由此推导出实际机舱位移，但是受到雨、雾等天气因素的影响，采集的图像可能是不准确的，导致作为计算结果的实际机舱位移是不准确的。在借助于加速度传感器信号来计算机舱位移的方法中，需要对加速度传感器信号所表示的加速度进行二次积分，但是由于外界因素而带来的噪声将使计算结果不准确。

发明内容

本发明的目的在于提供一种准确计算机舱位移的方案，以避免外界因素对计算结果的影响，并且尽可能减少成本。

根据本发明的示例性实施例，提供了一种确定风力发电机组的机舱位移的方法，其中，风力发电机组包括机舱、用于测量机舱的线性运动数据的线性运动传感器、以及用于测量机舱的角度数据的角度传感器，确定机舱位移的方法包括：通过线性运动传感器获取机舱的线性运动数据，并基于获取的线性运动数据来计算第一位移；通过角度传感器获取机舱的角度数据，并基于获取的角度数据来计算第二位移。

可选的，通过角度数据来计算第二位移的步骤包括：确定角度数据的多个角度分量中的每个角度分量与位移之间的线性对应关系；根据角度数据和线性对应关系来计算第二位移。

可选的，通过角度数据来计算所述第二位移的步骤还包括：将在风力发电机组处于停机状态下的预定时间段内通过角度传感器测量的角度数据的平均值，作为静差；在计算第二位移之前，从用于计算第二位移的角度数据中减去静差。

可选的，根据第一位移和第二位移来确定机舱位移的步骤包括：基于第一位移和第二位移，通过卡尔曼滤波算法、扩展卡尔曼滤波算法、粒子滤波算法、以及高斯滤波算法中的一个来确定机舱位移。

可选的，当通过卡尔曼滤波算法来确定机舱位移时，确定所述机舱位移的步骤包括：根据线性运动数据和第一位移之间的关系，生成状态转移方程；根据角度数据和第二位移之间的关系，生成观测方程；针对状态转移方程和观测方程执行卡尔曼滤波算法以获得最优估计值，作为机舱位移。