一种基于运行数据聚类的风力发电机组偏航控制优化方法与流程

1.本发明涉及风力发电机组控制领域，特别是一种基于运行数据聚类的风力发电机组偏航控制优化方法，用于实现风力发电机组对风不准时的偏航控制优化，提升对风准确度。


背景技术：

2.在风力发电机组运行的过程中，风向可能会发生变化。为了能够提高风力发电机组的发电效率，风力发电机组会进行偏航，以调整风力发电机组的叶轮处于迎风状态。
3.目前，主流的风力发电机组偏航控制，以风轮后方的风向标为判断依据，当风向发生变化时，如当10分钟平均风向或60秒平均风向变化超过偏航启动阈值时，风力发电机组偏航系统动作，调整风力发电机组的风轮处于正对风状态。
4.但实际运行过程中，因风轮旋转影响、风向标安装异常造成对零不准、设备振动造成风向标松动以及风向标老化造成的测量误差增大等问题，均会引起风力发电机组风向测量不准，进而造成风力发电机组偏航对风异常。而风力发电机组的发电功率与偏航对风角度的余弦的三次方成正比，当偏航对风角度为0度时，其发电功率最大，功率损失为0；当偏航对风角度为5度时，其发电功率为正常功率的98.863％，功率损失为正常功率的1.137％；当偏航对风角度为10度时，其发电功率为正常功率的95.552％，功率损失为正常功率的4.448％；可见偏航对风不准，对风力发电机组发电功率影响较大，直接损失较多的发电量。
5.目前，针对风力发电机组偏航偏差控制优化也有相应研究人员开展过部分研究，申请号为2018114069744的《一种风机偏航系统的调整方法及装置》，根据所有风速范围分段的数值区间及与所有风速范围分段对应的最佳对风角度，计算整体最佳对风角度，但其未考虑不同风速范围段的风频对整体最佳对风角度的影响；申请号为201911117633x的专利《一种风电机组偏航校准方法及系统》，建立风速-偏航误差校准值查找表，采用查表的方式确定当前风向和当前风速下的偏航误差校准值，但未给出综合对风偏差，风速-偏航误差校准值查找表在实际应用时当风向变化较快时，该方法存在滞后性，可能给偏航控制造成更大误差。
6.因此，需要针对现有偏航控制方法进行优化改进，以避免因风力发电机组对风不准造成的发电功率损失，影响风电场的经济性。


技术实现要素：

7.针对上述情况，为克服现有技术之缺陷，本发明之目的就是提供一种基于运行数据聚类的风力发电机组偏航控制优化方法，用于实现风力发电机组对风不准时的偏航控制优化，提升对风准确度，避免因风力发电机组对风不准造成的发电功率损失，提升风电场运行的经济性。
8.本发明解决的技术方案是：
9.一种基于运行数据聚类的风力发电机组偏航控制优化方法，先读取前一阶段风力
发电机组的运行数据，时间区间为0.5-2年，所述运行数据包括风速v、发电功率p、转速m、对风角度α、桨叶角度β；其次，对读取到的运行数据进行初步筛选，剔除异常数据；对筛选后的运行数据按标准功率曲线进行聚类，并按风速分类处理，求得每个风速区间对应的平均发电功率；按照发电功率、对风角度进行运行数据聚类，获取聚类中心点；以聚类中心点，确定每个风速区间下的对风偏差角度；按照对风偏差角度，对每个风速段的平均功率进行修正；以最大发电量为目标，计算风力发电机组综合对风偏差角度，将综合对风偏差角度作为偏航控制补偿角度，从而提高偏航对风准确度，提升风力发电机组发电功率。
10.对读取到的运行数据进行初步筛选的原则为：
11.a、是剔除转速低于并网转速的数据；
12.b、剔除功率未达到额定功率，但桨叶角度大于规定值(可设置3
°
)的数据；
13.c、剔除三支桨叶角度偏差超过规定值(可设置为1
°‑2°
)的数据；
14.d、剔除额定风速及以上的数据。
15.对筛选后的运行数据按标准功率曲线进行聚类，并按风速分类处理，求得每个风速区间对应的平均发电功率的具体方法为：
16.对筛选后的运行数据按照风速-功率进行排列，并将风力发电机组标准功率曲线作为聚类中心，以标准功率曲线为中心，按照设定的阈值(可设置0.5m/s-1m/s)对功率曲线进行左右平移(左侧为功率曲线上限，右侧为功率曲线下限)对运行数据进行聚类，并将聚类后的运行数据以风速区间进行分类，将读取到的风速数据进行大小排列并进行n等分，则分为[v
1-δv,v1+δv,)、[v
1-δv,v1+δv)
…
、[v
i-δv,vi+δv)、
…
、[v
n-δv,vn+δv)，风速区间数据中，v1为切入风速、vn为额定风速、vi为第i个风速区间的平均风速、n为区间数量、δv为风速区间长度的一半；
[0017][0018]
统计每个风速区间对应的数据点数量，即风频数为(t1,t2,l,tn)，其中ti为[v
i-δv,vi+δv,)风速区间的风频数；
[0019]
分别求取每个风速区间的平均功率其中[v
i-δv,vi+δv,)风速区间的平均发电功率为
[0020][0021]
其中pj为[v
i-δv,vi+δv,)风速区间的第j个数据点对应的发电功率；
[0022]
按照发电功率、对风角度进行运行数据聚类，获取聚类中心点的具体方法为：
[0023]
1)对每个风速区间下的风速、发电功率、对风角度数据进行排列，对每个风速区间的数据分别随机选取(p,α)为初始聚类中心；以[v
i-δv,vi+δv,)风速区间为例，则其风速、发电功率、对风角度数据分别为(v1(j),p1(j),α1(j))、
…
(vi(j),pi(j),αi(j))
…
、随机选取第k个数据点，即(vi(k),pi(k),αi(k))为初始聚类中心，其中1≤k≤ti；
[0024]
2)计算各区间样本中各个数据点到聚类中心点的距离并将距离样本其他点距离最小的点作为新的聚类中心；以[v
i-δv,vi+δv,)风速区间为例，计算各区间样本中各个数据点到聚类中心点的距离并将距离样本其他点距离最小的点作为样本新的聚类中心；
[0025]
3)重复1)、2)步骤，对聚类中心进行迭代寻优，直至聚类中心无变化，聚类结束，并得到各个风速区间下的聚类中心点(v1,p1,α1)、
…
、(vn,pn,αn)；
[0026]
每个风速区间下的聚类中心点中的对风角度即为各个风速区间下的对风偏差角度：(α1,α2,l,αn)；
[0027]
按照对风偏差角度，对每个风速段的平均功率进行修正的具体方法为：
[0028]
按照对风偏差角度，对每个风速段的平均功率进行修正；
[0029]
根据风力发电机组发电功率函数关系，可得发电功率p如下：
[0030][0031]
其中，ρ为空气密度、a为风轮扫风面积、c
p
为风能利用系数；
[0032]
因此，根据对风偏差角度(α1,α2,l,αn)，对原有平均功率进行修正，计算出无对风偏差下的发电功率，修正后的发电功率为：
[0033][0034]
然后以最大发电量为目标，计算风力发电机组综合对风偏差角度α
ref
，具体方法为：
[0035]
对各个风速区间下的对风偏差角度(α1,α2,l,αn)，叠加风频数据，进行加权计算，得出综合对风偏差角度α
ref
：
[0036][0037]
为了进一步提高综合对风偏差角度的准确度，通过下式对综合对风偏差角度目标值进行左右搜索寻优，寻优目标函数为风力发电机组发电量s最大，步长为kα
ref
，可左右搜索n次，以左右各搜索三次为例，即移动步长分别为-3kα
ref
、-2kα
ref
、-kα
ref
、kα
ref
、2kα
ref
、3kα
ref
；
[0038]
[0039][0040]
通过比较n次搜索中发电量s最大时对应的对风偏差角度为综合对风偏差角度，将综合对风偏差角度作为偏航控制补偿角度，从而提高偏航对风准确度，提升风力发电机组发电功率。
[0041]
本发明方法通过对风力发电机组海量的运行数据进行筛选，提取与偏航对风偏差有关的风速、发电功率、对风角度等关键信息量，并按照风速、发电功率进行区间划分，并对每个风速区间的发电功率、对风角度进行聚类寻优，找到每个风速区间下的最佳聚类中心点；最后以风力发电机组发电量最大为目标，求出综合对风偏差角度，将综合对风偏差角度作为风力发电机组偏航控制补偿角度，从而提升偏航对风精度，提高机组发电效率。与现有技术相比，本发明具有以下优点：
[0042]
(1)以机组运行数据为偏航控制优化基础，可以不断迭代更新，使得机组偏航控制精度持续优化；
[0043]
(2)采用数据聚类方法，可以有效剔除异常运行数据，降低异常数据对优化结果的干扰；
[0044]
(3)分风速区间寻找对风偏差角度，保证对风偏差角度的准确性；
[0045]
(4)计算综合对风偏差角度，避免了多风速区间补偿滞后性的缺点，便于偏航控制参数补偿的应用实施，保证了偏航控制优化的效果。
附图说明
[0046]
图1本发明基于运行数据聚类的风力发电机组偏航控制优化方法流程图；
[0047]
图2本发明实施例以标准功率曲线为依据对运行数据筛选效果图；
[0048]
图3本发明实施例每个风速区间下对风偏差角度及综合对风偏差角度示意图；
[0049]
图4本发明实施例偏航控制补偿前后功率曲线对比。
具体实施方式
[0050]
以下结合附图和实施例对本发明的具体实施方式作进一步详细说明。
[0051]
本发明一种基于运行数据聚类的风力发电机组偏航控制优化方法，包括以下步骤：
[0052]
(1)先读取1年以来风力发电机组的运行数据，所述运行数据包括风速v、发电功率p、转速m、对风角度α、桨叶角度β；对读取到的运行数据进行初步筛选。筛选原则：一是剔除转速低于并网转速的数据，二是剔除功率未达到额定功率，但桨叶角度大于规定值(本实施例取3
°
)的数据，三是剔除三支桨叶角度偏差超过规定值(本实施例取1
°
)的数据；四是剔除额定风速及以上的数据；
[0053]
(2)对筛选后的运行数据按照风速-功率进行排列，并将风力发电机组标准功率曲线作为聚类中心，以标准功率曲线为中心，按照设定的阈值1m/s对功率曲线进行左右平移(左侧为功率曲线上限，右侧为功率曲线下限)对数据进行聚类，聚类后数据分布如图2所示。并将聚类后的运行数据以风速区间进行分类，将读取到的风速数据进行大小排列并进行n等分(本实施例选取8等分)，则分为[v
1-δv,v1+δv,)、[v
1-δv,v1+δv)
…
、[v
i-δv,vi+
δv)、
…
、[v
n-δv,vn+δv)即[2.5,3.5)、[3.5,4.5)
…
、[10.5,11.5)风速区间数据v1为切入风速3m/s、vn为额定风速11m/s、vi为切入风速、δv为风速区间长度的一半0.5m/s；
[0054][0055]
统计每个风速区间对应的数据点数量，即风频数为(t1,t2,l,t8)，其中ti为[v
i-δv,vi+δv,)风速区间的风频数。
[0056]
分别求取每个风速区间的平均功率其中[v
i-δv,vi+δv,)风速区间的平均发电功率为
[0057][0058]
其中pj为[v
i-δv,vi+δv,)风速区间的第j个数据点对应的发电功率。
[0059]
(3)按照发电功率、对风角度进行运行数据聚类。
[0060]
1)对每个区间下的风速、发电功率、对风角度数据进行排列，对每个风速区间的数据分别随机选取(p,α)为初始聚类中心，以[v
i-δv,vi+δv,)风速区间为例，则其风速、发电功率、对风角度数据为(v1(j),p1(j),α1(j))、
…
(vi(j),pi(j),αi(j))
…
、随机选取第k个数据点即(vi(k),pi(k),αi(k))为初始聚类中心，其中1≤k≤ti；
[0061]
2)计算各区间样本中各个数据点到聚类中心点的距离并将距离样本其他点距离最小的点作为新的聚类中心；以[v
i-δv,vi+δv,)风速区间为例，计算各区间样本中各个数据点到聚类中心点的距离并将距离样本其他点距离最小的点作为样本新的聚类中心；
[0062]
3)重复1)、2)步骤，对聚类中心进行迭代寻优，直至聚类中心无变化，聚类结束，并得到各个风速区间下的聚类中心点(v1,p1,α1)、
…
、(vn,pn,αn)；
[0063]
(4)确定每个风速区间下的对风偏差角度。通过(3)获取到的聚类中心点分别为(v1,p1,α1)、
……
、(vn,pn,αn)，每个风速区间下的聚类中心点中的对风角度即为各个风速区间下的对风偏差角度为(α1,α2,l,αn)；
[0064]
(5)按照对风偏差角度，对每个风速段的平均功率进行修正。
[0065]
根据风力发电机组发电功率函数关系，可得发电功率p如下：
[0066][0067]
其中，ρ为空气密度、a为风轮扫风面积、c
p
为风能利用系数。
[0068]
因此，根据对风偏差角度(α1,α2,l,αn)，对原有平均功率进行修正，
计算出无对风偏差下的发电功率，修正后的发电功率
[0069][0070]
(6)计算风力发电机组综合对风偏差角度α
ref
。对各个风速区间下的对风偏差角度(α1,α2,l,αn)，叠加风频数据，进行加权计算，得出综合对风偏差角度α
ref
。
[0071][0072]
为了进一步提高综合对风偏差角度准确度，可通过综合对风偏差角度目标值进行左右搜索寻优，寻优目标函数为风力发电机组发电量s最大，步长为kα
ref
，可左右搜索n次，本实施例以左右各搜索三次，即移动步长分别为-3kα
ref
、-2kα
ref
、-kα
ref
、kα
ref
、2kα
ref
、3kα
ref
[0073][0074][0075]
通过比较n次搜索中发电量s最大时对应的对风偏差角度为综合对风偏差角度，将综合对风偏差角度作为偏航控制补偿角度，从而提高偏航对风准确度，提升风力发电机组发电功率。
[0076]
如图3所示，通过上述算例计算，本实施例得出各个风速区间下的对风偏差角度(6.2
°
,6.2
°
,6.1
°
,8.6
°
,8.9
°
,8.8
°
,8.4
°
,8.2
°
,8.5
°
)，综合对风偏差角度为7.6
°
。
[0077]
如图4所示，按照综合对风偏差进行偏航控制补偿角度后风力发电机组功率曲线得到明显提升。

技术特征：
1.一种基于运行数据聚类的风力发电机组偏航控制优化方法，其特征在于，先读取前一阶段风力发电机组的运行数据，所述运行数据包括风速v、发电功率p、转速m、对风角度α、桨叶角度β；其次，对读取到的运行数据进行初步筛选，剔除异常数据；对筛选后的运行数据按标准功率曲线进行聚类，并按风速分类处理，求得每个风速区间对应的平均发电功率；按照发电功率、对风角度进行运行数据聚类，获取聚类中心点；以聚类中心点，确定每个风速区间下的对风偏差角度；按照对风偏差角度，对每个风速段的平均功率进行修正；以最大发电量为目标，计算风力发电机组综合对风偏差角度，将综合对风偏差角度作为偏航控制补偿角度，从而提高偏航对风准确度，提升风力发电机组发电功率。2.根据权利要求1所述的基于运行数据聚类的风力发电机组偏航控制优化方法，其特征在于，读取前一阶段风力发电机组运行数据的时间区间为0.5-2年。3.根据权利要求1所述的基于运行数据聚类的风力发电机组偏航控制优化方法，其特征在于，对读取到的运行数据进行初步筛选的原则为：a、是剔除转速低于并网转速的数据；b、剔除功率未达到额定功率，但桨叶角度大于规定值的数据；c、剔除三支桨叶角度偏差超过规定值的数据；d、剔除额定风速及以上的数据。4.根据权利要求1所述的基于运行数据聚类的风力发电机组偏航控制优化方法，其特征在于，所述对筛选后的运行数据按标准功率曲线进行聚类，并按风速分类处理，求得每个风速区间对应的平均发电功率的具体方法为：对筛选后的运行数据按照风速-功率进行排列，并将风力发电机组标准功率曲线作为聚类中心，以标准功率曲线为中心，按照设定的阈值对功率曲线进行左右平移对运行数据进行聚类，并将聚类后的运行数据以风速区间进行分类，将读取到的风速数据进行大小排列并进行n等分，则分为[v
1-δv,v1+δv,)、[v
1-δv,v1+δv)
…
、[v
i-δv,v
i
+δv)、
…
、[v
n-δv,v
n
+δv)，风速区间数据中，v1为切入风速、v
n
为额定风速、v
i
为第i个风速区间的平均风速、n为区间数量、δv为风速区间长度的一半；统计每个风速区间对应的数据点数量，即风频数为(t1,t2,l,t
n
)，其中t
i
为[v
i-δv,v
i
+δv,)风速区间的风频数；分别求取每个风速区间的平均功率其中[v
i-δv,v
i
+δv,)风速区间的平均发电功率为平均发电功率为其中p
j
为[v
i-δv,v
i
+δv,)风速区间的第j个数据点对应的发电功率。5.根据权利要求4所述的基于运行数据聚类的风力发电机组偏航控制优化方法，其特征在于，按照发电功率、对风角度进行运行数据聚类，获取聚类中心点的具体方法为：1)对每个风速区间下的风速、发电功率、对风角度数据进行排列，对每个风速区间的数
据分别随机选取(p,α)为初始聚类中心；2)计算各区间样本中各个数据点到聚类中心点的距离并将距离样本其他点距离最小的点作为新的聚类中心；3)重复1)、2)步骤，对聚类中心进行迭代寻优，直至聚类中心无变化，聚类结束，并得到各个风速区间下的聚类中心点(v1,p1,α1)、
…
、(v
n
,p
n
,α
n
)；每个风速区间下的聚类中心点中的对风角度即为各个风速区间下的对风偏差角度：(α1,α2,l,α
n
)。6.根据权利要求5所述的基于运行数据聚类的风力发电机组偏航控制优化方法，其特征在于，按照对风偏差角度，对每个风速段的平均功率进行修正的具体方法为：按照对风偏差角度，对每个风速段的平均功率进行修正；根据风力发电机组发电功率函数关系，可得发电功率p如下：其中，ρ为空气密度、a为风轮扫风面积、c
p
为风能利用系数；因此，根据对风偏差角度(α1,α2,l,α
n
)，对原有平均功率进行修正，计算出无对风偏差下的发电功率，修正后的发电功率为：然后以最大发电量为目标，计算风力发电机组综合对风偏差角度α
ref
，具体方法为：对各个风速区间下的对风偏差角度(α1,α2,l,α
n
)，叠加风频数据，进行加权计算，得出综合对风偏差角度α
ref
：为了进一步提高综合对风偏差角度的准确度，通过下式对综合对风偏差角度目标值进行左右搜索寻优，寻优目标函数为风力发电机组发电量s最大，步长为kα
ref
，可左右搜索n次：次：通过比较n次搜索中发电量s最大时对应的对风偏差角度为综合对风偏差角度，将综合
对风偏差角度作为偏航控制补偿角度，从而提高偏航对风准确度，提升风力发电机组发电功率。

技术总结
本发明涉及一种基于运行数据聚类的风力发电机组偏航控制优化方法，通过对风力发电机组海量的运行数据进行筛选，提取与偏航对风偏差有关的风速、发电功率、对风角度等关键信息量，并按照风速、发电功率进行区间划分，并对每个风速区间的发电功率、对风角度进行聚类寻优，找到每个风速区间下的最佳聚类中心点；最后以风力发电机组发电量最大为目标，求出综合对风偏差角度，将综合对风偏差角度作为风力发电机组偏航控制补偿角度，从而提升偏航对风精度，提高机组发电效率。提高机组发电效率。提高机组发电效率。


技术研发人员：蔡高原 李兵兵 张会广 魏庆海 刘立群 韩路路 赖右福 阎钊 陈松威 刘伟涛
受保护的技术使用者：大唐滑县风力发电有限责任公司
技术研发日：2023.02.24
技术公布日：2023/6/7