数据驱动的风电机组偏航参数适应性优化

为了增强风电机组偏航系统自适应水平,提升风能利用率,提出一种基于K近邻聚类（KNN）算法风电机组偏航控制参数优化方法。为准确描述风向变化,建立改进Weibull概率分布建立风向评估模型,即以风向波动的幅值（A）和波动持续时间（T）作为风况的数据标签来描述风向。对比风电机组不同偏航参数下的运行数据确定聚类中心（已知风况下的最佳偏航参数）,通过基于KNN算法的风电机组偏航控制参数优化模型,得到不同风况下风电机组最佳的偏航参数。通过对风电机组运行数据进行算例分析表明,该方法高风速时可提升风电机组发电效率,并在低风速时减少偏航启动次数。     

直驱风电机组变速恒频的控制策略

为了实现变速恒频的控制目的,从空气动力学的基础理论 入手,分析了风力发电机组运行时的最大风能追踪原理,通过构建风机受力模型,推导出理 论风能利用系数.着重分析了变速恒频控制原理及运行方式,提出了可靠的控制策略,通过 在不同风速下对风机转速和功率曲线关系图的分析比较,得出一条最佳功率曲线,控制风机 沿着该条曲线运行便可获得最大输出功率.     

3MW风电机组变桨距无模型控制

随着风电机组装机容量的迅速增加,电网对风电机组的电能品质提出了更高的要求,而功率波动是影响风电机组电能品质的一个重要问题。考虑到风电机组变桨控制中的桨距角和机组功率的非线性关系和外界扰动问题,为了减小风电机组功率波动,基于无模型自适应(MFA)控制理论设计了风电机组变桨无模型控制器,不依赖于风电机组精确的数学模型。为了验证无模型变桨控制器的性能,以3MW双馈风电机组为控制对象在Sinmulink中对该算法进行了仿真并和广泛应用的PID变桨控制器进行了对比。仿真结果表明无模型变桨控制器较好地解决了风电机组变桨控制中的非线性和外界扰动问题,风电机组输出的功率波动明显小于PID控制器。     

基于场景判别的风电齿轮箱温度预测及趋势异常预警方法

将齿轮箱温度划分为正常、温升异常和温度异常3种场景,并利用所构建的卷积神经网络（Conventional neural network,CNN）结合双向长短期记忆（Bidirectional long short term memory,Bi LSTM）网络模型对场景进行判别。在此基础上,采用分位数回归（Quantile regression,QR）结合门控循环单元（Gaterecurrentunit,GRU）方法,分别预测不同温度场景下的油温及轴承点预测及温度区间,并根据GRU温度异常诊断模型对2种预测温度进行诊断。算例分析结果表明,用该方法能准确预测各状态下齿轮箱温度,且预测区间可靠,可实现齿轮箱温度异常的高效诊断。依托某风场实测数据对所提方案进行验证,验证结果表明所提方法有效且性能优越。     

基于QR-NFGLSTM与核密度估计的风电功率概率预测

为提高风电功率概率预测精度和缩短长短期记忆网络的训练时间,提出一种基于分位数回归结合新遗忘门长短期记忆（NFGLSTM）网络与核密度估计的风电功率概率预测方法。该方法对长短期记忆网络的结构改进,提出一种新的遗忘门结构,以缩短训练时间。基于分位数回归和NFGLSTM网络建立组合预测模型,得到风电功率点预测值和某一置信度下的预测区间,采用Cosine核函数的核密度估计求解预测值的概率密度函数。基于某风电场的实测数据的算例分析表明,和传统预测方法相比,该方法可缩短长短期记忆网络的训练时间,提高概率预测精度。     

风电机组转矩的非线性控制

风电机组发电机转矩控制不仅直接决定机组的最大功率追踪效果,而且对传动系统疲劳载荷有明显影响。风电机组发电过程时刻受到风速的扰动,而且机组传动系统具有明显的非线性特性。本文设计了一种非线性转矩控制器,在计算出最优转速后,对风电机组转矩进行控制跟踪最优转速。在考虑机组传动系统柔性的情况下,实现最大功率追踪的同时可减小传动系统疲劳载荷。在FAST软件中针对5MW风电机组仿真,结果表明该方法能够很好地追踪最大功率,且相对传统PI控制输出的功率更加稳定平滑,对传动系统载荷有一定的改善。     

基于频繁子图挖掘的典型零件结构获取方法

典型零件结构是产品的隐性设计知识,用于企业零件资源聚类和检索.为了从零件库中获取典型零件结构,提出基于频繁子图挖掘的典型零件结构获取方法.从基于特征的三维零件模型中提取和筛选特征关系,并建立其有向特征关系图;由海量三维零件模型的有向特征关系图构成有向特征关系图库;利用Apriori频繁子图挖掘算法对有向特征关系图库实施频繁子图挖掘;通过频繁子图与零件库之间映射关系获取典型零件结构.实例验证了该方法的可行性.     

基于模糊自适应卡尔曼滤波的风电场储能系统功率控制

以大规模全钒液流电池作为风电场的储能装置,提出了基于模糊自适应卡尔曼滤波的储能系统控制策略。控制策略以电池荷电状态(state of charge,SOC)和SOC变化率调整储能系统有功功率目标值,有效地解决了低通滤波相位延迟的问题,加快了电池的SOC恢复速度。仿真结果表明,采用上述控制策略后,风电场输出功率波动得到抑制,电池的SOC也得到有效控制,这防止了电池的过充过放,延长了储能系统的寿命。     

基于特征变权的超短期风电功率预测

针对当前风电功率预测过程中历史信息利用不充分及多维输入权重值固定忽略了不同时间维度的特征重要性的问题,提出一种基于特征变权的风电功率预测模型。该方法利用随机森林（RF）分析不同高度处的风速、风向、温度等气象特征对风电输出功率的影响程度,并利用累积贡献率完成气象特征的提取。对提取的特征及历史功率信息利用奇异谱分析（SSA）去噪,以去噪后的数据作为输入建立级联式FA-CNN-LSTM多变量预测模型对超短期风电功率进行预测。通过在CNN-LSTM网络中增加特征注意力机制（FA）自适应挖掘不同时刻的特征关系,动态调整不同时间维度各输入特征的权重,加强预测时刻关键特征的注意力,从而提升预测性能。基于某风电场实测数据的算例分析表明,所提方法可有效提高超短期风电功率预测精度。     

海上风电技术的发展与现状

随着风电技术的快速发展,海上风电已成为世界可再生能源发展的关注点。从海上风电的发展历程、现状、远景、基础结构及风电机组的吊装方面,叙述了目前海上风电的吊装方式、近海风电场址选择时需考虑的一些因素及海上测风设备的选用等问题,还介绍了国外主要国家的海上风电发展规划,可为我国海上风电场的发展和建设提供借鉴。