一种风力发电机组发电量提升方法、系统及装置与流程

1.本发明涉及风力发电及计算机算法技术领域，尤其是涉及一种风力发电机组发电量提升方法、系统及装置。


背景技术：

2.风能因其在全球范围内蕴藏量巨大、可再生、分布广、无污染等特性，使风力发电逐渐成为重要的能源供应方案。
3.目前，我国风力发电机组装机总容量快速增加，截止2021年底，全国风电累计装机约3.28亿千瓦。据统计，全国服役超过10年的风力发电机组台数约35000台，但是，随着服役年限的增长，这些机组发电效能大都出现不同程度的下降。
4.究其原因，可能包含：变桨系统响应速度偏差、偏航系统对风角度偏差、叶片气动外形改变、叶片漆层损伤，等等。其中，变桨系统、偏航系统的偏差及老化故障较为常见；叶片覆冰常发生于低温高湿地区，会引起叶片气动外形明显改变；叶片在运行过程中的结构损伤难于避免，也会引起叶片气动外形变化；此外，叶片脏污、侵蚀、腐蚀等现象频繁发生并各具特点，引起叶片表面粗糙度变化，进而造成漆层损伤，导致叶片气动性能产生不同程度的损失。
5.现有服役机组大都是变速及变桨距类型的，在额定风速以下时，采用转矩调节转速使机组出力最大化；在额定风速以上时，采用变桨调节使机组出力保持在额定功率。具体来讲，在额定风速以下时，机组常用的控制策略为最大功率跟踪策略，关键控制参数的合理性直接决定跟踪效果。
6.当前，服役机组的控制参数大都是根据理论值进行制定的，但随着现场机组运行时间的增加以及所处运行环境的不断变化，就会造成理论控制参数与机组实际状态有一定差异，所以就造成了机组出力效率下降的问题。


技术实现要素：

7.本发明的目的在于提供一种风力发电机组发电量提升方法、系统及装置，以解决现有技术中存在的至少一种上述技术问题。
8.为解决上述技术问题，本发明提供的风力发电机组发电量提升方法，包括：
9.步骤1、机组基础参数校准；
10.步骤2、设置寻优参数；
11.步骤3、基于遗传算法，对最优增益参数的系数进行寻优操作得到最优参数，并统计平均户外温度；
12.步骤4、机组以最优参数运行寻优时间间隔时长后，当户外温度变化量超过预设阈值时，重复步骤3～4。
13.进一步地，所述遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗
传、突变、自然选择以及杂交等。遗传算法通常的实现方式为采用计算机进行模拟。对于一个寻优问题，可以理解为一定数量的候选解(称为个体)的抽象表示(称为染色体)的种群向更好的解进化。所述解通常用二进制表示(即由0和/或1组成的字符串)。进化从初始种群中开始，之后逐代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体(基于它们的适应度)，通过自然选择和突变产生新的种群，该种群在算法的下一次迭代中成为当前种群。
14.进一步地，所述步骤1，具体包括风速仪校准、风向仪校准及桨叶校准，确保上述设备采集的数值准确。
15.优选的，所述风速仪校准可以通过低速环形风洞产生稳定气流、利用数字压力计检测皮托静压管的压差并换算为风速的标准值，基于标准值校准风速仪；所述风向仪校准是人工在机组的风向仪上进行对零操作；所述桨叶校准是人工在机组的桨叶上进行对零操作。
16.进一步地，所述步骤2具体包括：
17.步骤21、设置寻优时间间隔及寻优温度差参数；
18.步骤22、设置寻优风速段范围，根据具体机组机型设置机组最大功率跟踪段风速范围、寻优时长、单次迭代循环次数及总迭代次数。
19.优选的，所述风速段范围选择最大风能捕获段。
20.进一步地，所述最大风能捕获段，源自于变速变浆距风力发电机组在达到额定功率之前的三段运行区域，分别是：并网转速段，具体是指机组运行在并网发电时的转速；额定转速段，具体是指机组运行在额定功率时的转速；最大风能捕获段，具体是指机组通过控制发电机电磁转矩设定值,调节发电机转速，始终保持叶尖速比最优。
21.进一步地，所述步骤3的具体步骤包括：
22.步骤31、确定寻优参数及评价函数；
23.步骤32、基于寻优参数随机选择个体，生成初始化种群；
24.步骤33、按照所述寻优时长运行每个个体，记录评价函数值，直至单次迭代循环次数，计算所述个体在本次迭代过程中的平均评价函数值；
25.步骤34、基于评价函数值，对上一代种群进行选择、交叉和变异操作，得到新一代种群；
26.步骤35、重复步骤33～34，直至达到所述总迭代次数，输出最优参数并记录寻优过程中的平均户外温度。
27.优选的，所述评价函数，用于将风能利用率系数最大化。
28.进一步地，所述选择操作是指将选择算子作用于种群，用于在上一代种群中选择出适应度较好的个体。所述选择算子就是指用于选择运算的指令。
29.进一步地，所述交叉操作是指将交叉算子作用于种群，用于在选中的两个个体中，将相同位置的基因进行交换，生成新的个体。所述交叉算子是指用于交叉运算的指令。
30.进一步地，所述基因是基于二进制数值进行编码。
31.进一步地，所述变异操作是指将变异算子作用于种群，用于在选中的一个个体中，将某些基因执行异向转化。所述变异算子是指用于变异运算的指令。所述异向转化是指基因中的二进制字符值由“0”变成“1”，或者由“1”变成“0”的操作。
和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或模块。方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。“和/或”用于表示在其所连接的两个对象之间选择一个或全部。
51.下面结合具体的实施方式对本发明做进一步的解释说明。
52.在结合具体实施方式进行解释说明之前，为便于理解本方案，特将本方案的设计思路说明如下：
53.为了保证长期服役的发电机组的发电效率保持在较高的水准上，目前主要有三个研发方向：针对风向测量装置的漂移，采用偏航自矫正策略，用于确保机组跟风的准确性；针对机组地理位置的差异，采用定制化参数，用于使控制参数与当地情况相适应；针对气动性能变化，采用自适应寻优算法，用于在线调整控制参数。
54.本发明基于气动性能变化的影响因素，通过更优化的方案，确保长期服役机组的发电效能进一步提升。
55.如图1所示，变速变桨距风力发电机组在达到额定功率之前，可将运行区域分为三个阶段，其中region1为并网转速段，具体是指机组运行在并网发电时的转速；region3为额定转速段，具体是指机组运行在额定功率时的转速；region2为最大风能捕获段，具体是指机组通过控制发电机电磁转矩设定值,调节发电机转速，始终保持叶尖速比最优。
56.所述的叶尖速比计算公式如下：
[0057][0058]
其中，ν为风速，r为叶轮半径，ω表示叶轮转速；
[0059]
所述的发电机电磁转矩设定值的计算公式如下：
[0060]
t＝ki*k*ω2；
[0061]
其中，ki表示最优增益参数的系数(一般情况下，该值设为1)，k表示最优增益参数，其计算公式如下：
[0062][0063]
其中，g为齿轮箱传动比，ρ为当前户外温度下的空气密度，c
pmax
为机组设计理论最大风能利用系数，λ
opt
为机组设计理论最优叶尖速比参数。
[0064]
如图2所示，本实施例针对最大风能捕获段，进行控制优化，具体步骤如下：
[0065]
步骤1、机组基础参数校准，具体包括风速仪校准、风向仪校准及桨叶校准，确保上述设备采集的数值准确。
[0066]
步骤2、设置运算参数，具体包括：
[0067]
步骤21、设置寻优时间间隔ti以及寻优温度差参数dt，其中：ti≥30天，dt＝15℃；
[0068]
步骤22、设置寻优风速段范围，根据具体机组机型设置机组最大功率跟踪段风速范围[ws1,ws2]、寻优时长tc、单次迭代循环次数c及总迭代次数n，其中：切入风速《ws1《ws2《额定风速，tc为30分钟；
[0069]
所述切入风速对于并网风机而言，是指达到并网条件的风速，也就是可以发电的
最低风速，低于此风速会自动停机；
[0070]
所述额定风速对于并网风机而言，就是指达到额定功率所需要的风速。
[0071]
步骤3、基于遗传算法，对最优增益参数的系数进行寻优操作并统计平均户外温度，具体包括：
[0072]
步骤31、确定寻优参数为最优增益参数的系数ki，ki的取值范围可以为[0.7-1.3]，确定评价函数为风能利用率系数最大化，即max(cp)，其中cp计算公式如下：
[0073][0074]
其中，p为机组功率，ρ为当前户外温度下的空气密度，ν为风速，r为叶轮半径；
[0075]
步骤32、基于寻优参数的范围，随机选择m个个体x，x∈[1
…
m]，生成初始化种群o；
[0076]
步骤33、按照所述寻优时长tc运行每个个体x，记录评价函数值cp_x[i]_[n]，直至当前种群o达到单次迭代循环次数c，计算所述个体x在本次迭代过程中的平均评价函数值cp_x[i]，其中：i表示第i个个体，取值范围为1～m；n为每个个体的迭代次数，取值范围为1～c；
[0077]
步骤34、基于每个个体的评价函数值，对上一代种群o进行选择、交叉和变异操作，得到新一代种群o’；
[0078]
步骤35、重复步骤33～34，直至达到所述总迭代次数n，输出最优参数ki_best,并记录寻优过程中的平均户外温度t1。
[0079]
步骤4、记录寻优操作结束时刻机组tm，在机组以最优参数ki_best运行寻优时间间隔ti后，且当户外温度变化量超过预设阈值时，即当前日平均气温t,满足|t-t1|》dt条件时，重复步骤3～4。
[0080]
本发明实施例提供的上述风力发电机组发电量提升方法，针对风力发电机组气动性能变化的因素影响，基于户外温度变化，采用遗传算法迭代寻优参数设置，可有效提升变速及变桨距风力发电机组长期服役的发电效能。
[0081]
另一方面，本发明实施例还提供了一种用于上述风力发电机组发电量提升方法的风力发电机组发电量提升装置，包括：处理器、存储器、总线；
[0082]
所述存储器存储可由处理器读取的指令及数据；
[0083]
所述处理器用于调用所述存储器中的指令及数据，具体包括如下步骤：
[0084]
步骤1、机组基础参数校准，具体包括风速仪校准、风向仪校准及桨叶校准，确保上述设备采集的数值准确；
[0085]
步骤2、设置运算参数，具体包括：
[0086]
步骤21、设置寻优时间间隔ti以及寻优温度差参数dt，其中：ti≥30天，dt＝15℃；
[0087]
步骤22、设置寻优风速段范围，根据具体机组机型设置机组最大功率跟踪段风速范围[ws1,ws2]、寻优时长tc、单次迭代循环次数c及总迭代次数n，其中：切入风速《ws1《ws2《额定风速，tc为30分钟；
[0088]
所述切入风速对于并网风机而言，是指达到并网条件的风速，也就是可以发电的最低风速，低于此风速会自动停机；
[0089]
所述额定风速对于并网风机而言，就是指达到额定功率所需要的风速；
[0090]
步骤3、基于遗传算法，对最优增益参数的系数进行寻优操作并统计平均户外温度，具体包括：
[0091]
步骤31、确定寻优参数为最优增益参数的系数ki，ki的取值范围为[0.7-1.3]，确定评价函数为风能利用率系数最大化，即max(cp)，其中cp计算公式如下：
[0092][0093]
其中，p为机组功率，ρ为当前户外温度下的空气密度，ν为风速，r为叶轮半径；
[0094]
步骤32、基于寻优参数的范围，随机选择m个个体x，x∈[1
…
m]，生成初始化种群o；
[0095]
步骤33、按照所述寻优时长tc运行每个个体x，记录评价函数值cp_x[i]_[n]，直至当前种群o达到单次迭代循环次数c，计算所述个体x在本次迭代过程中的平均评价函数值cp_x[i]，其中：i表示第i个个体，取值范围为1～m；n为每个个体的迭代次数，取值范围为1～c；
[0096]
步骤34、基于每个个体的评价函数值，对上一代种群o进行选择、交叉和变异操作，得到新一代种群o’；
[0097]
步骤35、重复步骤33～34，直至达到所述总迭代次数n，输出最优参数ki_best,并记录寻优过程中的平均户外温度t1；
[0098]
步骤4、记录寻优操作结束时刻机组tm，在机组以最优参数ki_best运行寻优时间间隔ti后，且当户外温度变化量超过预设阈值时，即当前日平均气温t,满足|t-t1|》dt条件时，重复步骤3～4；
[0099]
所述总线连接各功能部件之间传送信息。
[0100]
又一方面，如图3所示，本发明实施例还提供了一种风力发电机组发电量提升系统，包括：参数输入模块、数据处理模块和结果生成模块；
[0101]
所述参数输入模块，用于输入运算参数及户外温度；
[0102]
所述数据处理模块，包括遗传算法单元、温度统计单元和迭代判断单元：
[0103]
所述遗传算法单元，基于遗传算法，对最优增益参数的系数进行寻优操作，生成最优参数方案；
[0104]
所述温度统计单元，用于统计平均户外温度；
[0105]
所述迭代判断单元，用于判断户外温度变化量是否超过预设阈值，当所述户外温度变化量超过预设阈值时，启动所述遗传算法单元及所述温度统计单元进行寻优操作并统计平均户外温度；
[0106]
所述结果生成模块，用于输出最优参数方案。
[0107]
本方案在又一种实施方式下，可以通过设备的方式来实现，该设备可以包括执行上述各个实施方式中各个或几个步骤的相应模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。
[0108]
处理器执行上文所描述的各个方法和处理。例如，本方案中的方法实施方式可以被实现为软件程序，其被有形地包含于机器可读介质，例如存储器。在一些实施方式中，软件程序的部分或者全部可以经由存储器和/或通信接口而被载入和/或安装。当软件程序加
载到存储器并由处理器执行时，可以执行上文描述的方法中的一个或多个步骤。备选地，在其它实施方式中，处理器可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法之一。
[0109]
该设备可以利用总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。总线将包括一个或多个处理器、存储器和/或硬件模块的各种电路连接到一起。总线还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其它电路连接。
[0110]
总线可以是工业标准体系结构(isa，industry standard architecture)总线、外部设备互连(pci，peripheral component)总线或扩展工业标准体系结构(eisa，extended industry standard component)总线等，总线可以分为地址总线、数据总线、控制总线等。
[0111]
上述实施例方案针对气动性能变化等影响因素，采用更细致优化的寻优方案，可以解决因户外温度变化所引起的空气密度变化，进而导致机组寻优过程评价不精确的问题，确保了寻优结果的最优化，使长期服役机组的发电效能进一步提升。
[0112]
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

技术特征：
1.一种风力发电机组发电量提升方法，其特征在于，包括：步骤1、机组基础参数校准；步骤2、设置运算参数；步骤3、基于遗传算法，对最优增益参数的系数进行寻优操作得到最优参数，并统计平均户外温度；步骤4、机组以最优参数运行寻优时间间隔时长后，当户外温度变化量超过预设阈值时，重复步骤3～4。2.根据权利要求1所述的风力发电机组发电量提升方法，其特征在于，所述步骤1包括：风速仪校准、风向仪校准及桨叶校准。3.根据权利要求1所述的风力发电机组发电量提升方法，其特征在于，所述步骤2包括：步骤21、设置寻优时间间隔及寻优温度差参数；步骤22、设置寻优风速段范围，根据具体机组机型设置机组最大功率跟踪段风速范围、寻优时长、单次迭代循环次数及总迭代次数。4.根据权利要求3所述的风力发电机组发电量提升方法，其特征在于，所述风速段范围选择最大风能捕获段。5.根据权利要求1所述的风力发电机组发电量提升方法，其特征在于，所述步骤3包括：步骤31、确定寻优参数及评价函数；步骤32、基于寻优参数随机选择个体，生成初始化种群；步骤33、按照所述寻优时长运行每个个体，记录评价函数值，直至单次迭代循环次数，计算所述个体在本次迭代过程中的平均评价函数值；步骤34、基于评价函数值，对上一代种群进行选择、交叉和变异操作，得到新一代种群；步骤35、重复步骤33～34，直至达到所述总迭代次数，输出最优参数并记录寻优过程中的平均户外温度。6.根据权利要求5所述的风力发电机组发电量提升方法，其特征在于，所述评价函数，用于将风能利用率系数最大化。7.根据权利要求1所述的风力发电机组发电量提升方法，其特征在于，所述步骤4中户外温度变化量的计算方法是将当前户外温度减去上一次寻优过程中的平均户外温度，再求绝对值。8.根据权利要求1所述的风力发电机组发电量提升方法，其特征在于，所述预设阈值是15摄氏度。9.一种用于权利要求1～8任一所述的风力发电机组发电量提升方法的风力发电机组发电量提升装置，其特征在于，所述装置包括处理器、存储器、总线，所述存储器存储可由处理器读取的指令及数据；所述处理器用于调用所述存储器中的指令及数据；所述总线连接各功能部件之间传送信息。10.一种风力发电机组发电量提升系统，其特征在于，包括：参数输入模块、数据处理模块和结果生成模块；所述参数输入模块，用于输入运算参数及户外温度；所述数据处理模块，包括遗传算法单元、温度统计单元和迭代判断单元：所述遗传算法单元，基于遗传算法，对最优增益参数的系数进行寻优操作，生成最优参
数方案；所述温度统计单元，用于统计平均户外温度；所述迭代判断单元，用于判断户外温度变化量是否超过预设阈值，当所述户外温度变化量超过预设阈值时，启动所述遗传算法单元及所述温度统计单元进行寻优操作并统计平均户外温度；所述结果生成模块，用于输出最优参数方案。

技术总结
本发明提供了一种风力发电机组发电量提升方法、系统及装置，涉及风力发电及计算机算法技术领域，包括：步骤1、机组基础参数校准；步骤2、设置运算参数；步骤3、基于遗传算法，对最优增益参数的系数进行寻优操作得到最优参数，并统计平均户外温度；步骤4、机组以最优参数运行寻优时间间隔时长后，当户外温度变化量超过预设阈值时，重复步骤3～4。本方案针对风力发电机组气动性能变化的因素影响，基于户外温度变化，采用遗传算法迭代寻优参数设置，可以有效提升变速及变桨距风力发电机组长期服役的发电效能。发电效能。发电效能。


技术研发人员：薛华武 高云龙 刘海军 卢阳 陈星星 乔殿城 张宇川 吉楠 杨瑞
受保护的技术使用者：国家电投集团达茂旗新能源发电有限公司
技术研发日：2023.02.20
技术公布日：2023/6/14