风电机组叶片结冰研究现状与进展

随着寒冷气候地区风电场建设规模的不断扩大,叶片结冰问题日益突出.我国云贵高原地区风电场机组叶片受冰冻影响,每年有2个月的冰冻期.叶片积冰严重时会导致叶片断裂,威胁风电场人员安全;同时叶片覆冰造成机组效率降低,年发电量损失1％～10％,恶劣地区为20％～50％.因此有必要对叶片结冰机理及其对风电机组的影响进行深入研究.总结了风电机组叶片结冰原因、结冰类型、结冰过程和现阶段国外研究机构的主要研究成果,探究在不同气象参数以及结冰强度条件下,结冰对叶片气动性能和风电场发电量的影响并分析结冰对策,以避免机组结冰可能引起的问题,减少风电场建设的不确定性因素,弥补国内叶片结冰的研究空白.     

结合随机森林和SVM的风机叶片结冰预测

风电领域里工作在严寒地区的风机结冰现象严重。材料、结构性能的变化以及低温环境引起的负荷变化威胁风机的发电和安全运行。文中提出结合随机森林和SVM的风机叶片结冰监测方法。主要采取递归特征消除随机森林的特征选择方法从原始风机数据集选择出有效特征,SVM对特征选择后的数据集进行训练,最后用Stacking结合策略融合SVM模型和随机森林模型。经试验结果表明,采取RFE-随机森林特征选择和SVM相结合的方法比未经过特征选择的SVM模型在分类精度上平均提高9.64%;采取Stacking结合策略融合SVM模型和随机森林模型,融合模型具有最好的准确率99.05%和泛化性。该方法可以实现对风机结冰有效预测且可理解性好,对风场操作人员维护风机具有指导意义。     

基于图像识别的叶片结冰检测方法研究

随着化石燃料的大量消耗,环境污染严重,清洁、环保的可再生能源发电渗透率持续提升,寒冷地区风电场建设规模不断扩大,将导致叶片结冰,严重会导致叶片断裂,因此有必要对叶片结冰识别进行深入研究。通过分析现有的叶片结冰检测方法,基于图像识别,通过改进Canny算法与显著物识别算法结合,将图像的边缘像素识别出来,然后计算每一个点的像素梯度,利用灰度值分割法确定最优阈值,再进行显著物的识别,对叶片结冰图像识别进行研究。研究表明叶片结冰图像识别高效可靠,可以有助于对叶片进行除冰,确保风电机组安全可靠的运行。     

基于Bi-LSTM和支持向量机的风机叶片短期覆冰状态预测模型

风机叶片覆冰灾害严重危害风电场安全经济运行,对风机叶片覆冰状态的预测是预防覆冰灾害的有效手段。针对传统覆冰状态预测方法精度较差问题,基于风电场SCADA监测数据,提出一种基于Bi-LSTM和SVM的风机叶片短期覆冰状态预测模型。首先,采用PCA对风机叶片覆冰状态监测特征指标进行降维,筛选可以反映风机叶片覆冰状态的特征指标;其次,基于大量历史数据,对Bi-LSTM和SVM模型进行训练,训练结果表明模型有较好精确度;最后,将多组实际数据集输入Bi-LSTM预测模型,预测输出值输入SVM模型,对风机叶片是否会出现覆冰故障进行判别。结果表明,所提方法可准确实现叶片覆冰状态预测,准确率可达95%。     

风向偏差角对风机功率预测的影响

提高风电功率预测准确率对风电场和电力系统的稳定运行都具有重要意义。风机偏航系统理论上可使得风机叶片自动适应环境风向的变化,但风向偏差角仍普遍存在。应用国电集团江西省某风电场的实测数据,分析了风向偏差角的分布特征及其对风机输出功率的影响。结果表明：风向偏差角具有显著的正态分布特征及日变化规律,当风速一定时,风向偏差角越大,则风机输出功率越小。进一步将风向偏差角引入预测模型,发现可有效提升风电功率预测的准确性,预测相关系数提升0.9%,均方根误差降低7.9%、平均绝对误差降低8.6%,表明在风电功率预测模型中,考虑风向偏差角的影响具有积极意义。     

浅谈高海拔地区防止冷水塔结冰及提高机组效益的措施

在青藏高原高寒地区火力发电厂运行中，冷水塔结冰一是会对水塔的安全运行造成威胁、二是造成冷水塔的冷却效率降低，循环水温度升高，从而导致汽轮机的效率降低，文章主要从运行调整方面提出了减少水塔结冰、降低循环水温度，提高汽轮机效率方面的解决办法。     

基于降低风电机组叶片损伤的风电机组组合优化

对于大型风电场,研究机组组合优化,可以提高风电场运行水平,提高风电场经济效益。叶片是风电机组的关键部件之一,占风机总成本的20%,是影响风电机组使用寿命的重要因素之一。通过对叶根在不同风况下四种不同载荷工况的受力分析,量化了不同运行工况下叶片损伤量,确定了叶片损伤量与叶片寿命的关系,建立了风电场各机组总叶片损伤量的数学模型;应用改进二进制粒子群(BPSO)优化算法,结合风电场预测功率数据和负荷调度要求,以叶片损伤量最小为优化目标,建立风电场内机组组合优化调度模型。将所提出模型应用于某49.5 MW风电场,对33台机组进行组合优化,算例结果表明在满足负荷的要求下,可减少启停机次数,延长机组寿命,验证了该算法的可行性和有效性。     

基于RF-LightGBM算法在风机叶片开裂故障预测中的应用

针对SCADA系统采集的数据繁杂,难以从原始数据判别工作中风机叶片开裂状态的问题,提出了一种对风机叶片状态进行分类预测的随机森林(RF)算法与LightGBM算法结合的模型。首先对SCADA数据进行预处理,特征变换,采用RF算法对特征进行重要性排序;然后利用清洗后的数据训练该分类预测模型,利用K折交叉验证法对模型进行验证调优;最后用测试数据集对叶片状态进行预测,依靠F1-score指标对模型性能进行评价。实验结果表明,数据处理后,模型性能明显提高,较XGBoost与GBDT算法分别提高了11%、16%,与传统的叶片状态识别方法相比,该算法能够更加快速精准的在线预测出风机叶片开裂状态,为风电场对风机叶片状态监测检修提供更可靠的参考依据。     

基于风电场动态电压安全决策树体系的SVC紧急控制策略

为克服规模化风电场中磁控电抗器型SVC控制性能的局限性,避免故障切除后无功过补偿,提出了基于风电场动态电压安全决策树体系的SVC紧急控制策略。分别基于决策树中的回归树算法与分类树算法构建风机过电压预测回归树以及风机脱网分类树,形成风电场动态电压安全决策树体系。该决策树体系依据在线信息进行数据挖掘,对风机脱网状况与电压越限情况进行快速预判,并根据预测结果采取合理的电容器退出措施,避免无功过补偿。算例分析表明,所提策略不仅能为电网及风电场运行人员提供风机脱网风险信息与决策参考,还能够降低故障切除后风机因过电压而脱网的风险。     

中能公司利用无人机监测风机叶片取得良效

<正>8月下旬,为降低叶片巡检工作强度,提高检测效率,中能公司联合无人机电力巡检专业服务商,在麒麟山风电场进行了风机叶片无人机检测试点应用,成功实现了6台机组叶片检测,取得良好成效。本次检测使用无人机对典型风机叶片进行高清拍照和高清视频拍摄,从叶片底端至顶端概况巡查,后沿每片扇叶以20米距离近距飞行拍摄,最后对重点区域和可疑区域进行详查,并对无人机巡检数据,     

基于深度全连接神经网络的风机叶片结冰预测方法

我国北方地区风电机组叶片结冰问题,对机组正常安全运行会产生严重影响。为对风电机组叶片结冰状态进行有效预测,基于风场大数据,提出一种使用深度学习算法进行优化的深度全连接神经网络的风电机组叶片结冰预测算法。将处理后的数据集对深度全连接神经网络模型进行训练、测试、评价,最后将所得评价结果并与最近邻法(KNN)、支持向量机(SVM)、未使用深度学习优化算法的BP神经网络的预测结果进行对比。结果表明,所提出的基于深度全连接网络的风电机组叶片结冰预测算法,求取精度较高,计算量少,可以对风电机组叶片结冰预测问题进行快速有效判断。     

基于降噪时序深度学习网络的风电功率短期预测方法

利用风电场历史功率数据预测未来一段时间内的风功率,对保障电网安全稳定运行具有重要的意义。本文提出一种基于奇异谱分析SSA(singular spectrum analysis)和长短时记忆LSTM(long-short term memory net⁃work)网络的时序特征预测框架用于短期风功率的预测。首先通过SSA对历史风功率原始数据进行降噪处理,然后经过数据转换之后,以LSTM网络为基础进行预测模型的训练,最后通过某风电场提供的两个风机的历史功率数据进行验证。实验结果表明,奇异谱分析对风电场的历史数据具有良好的降噪性,SSA+LSTM模型在测试数据上取得了较好的预测性能,能够有效进行短期风功率的预测。     

大型风电场的风能损失计算

大型风电场由于风机数量众多,各台运转的风机之间的相互干扰作用会影响风机的有功输出,从而造成风电场的风能损失。风能损失将直接影响风电场投入运行后的年度发电能力、发电计划安排以及风电场的运行控制。文中提出了一种新的迭代回归计算方法,可有效分离风机的正常输出和非正常输出,从而正确估算风机的理想输出曲线,并定量计算风电场的风能损失,可服务于已并网的大型风电场。最后,结合实际数据对某风电场的风能损失进行了计算和分析。     

基于雷电物理的风机叶片动态击距与电气几何模型

风机叶片遭受雷击现已成为风电场亟需解决的问题之一。该文将电气几何方法与雷电先导发展的物理过程相结合,提出了针对风机叶片的电气几何分析模型。通过引入风机叶片动态击距的概念及分析方法,模拟了雷电先导的发展过程,使得击距的物理意义更加清晰,并进一步推导了叶片防雷系统效率的计算方法,最后基于风机叶片长间隙下击穿实验验证了该模型的有效性。利用提出的风机叶片电气几何模型,分析了叶片角度、雷电流幅值和接闪器布置对防雷系统效率的影响,分析发现叶片越接近水平、雷电流幅值越小叶片防雷系统效率越低,增设叶片侧接闪器能够有效提高防雷系统效率。该文提出的方法拟为风机叶片的防雷设计与评估提供理论依据。     

基于风机功率和导线载流特性动态匹配的风电场出线增容

由于目前风电场出线容量整定计算时,标准风速远小于风机实际运行风速,造成了风场出线输送能力的浪费。文中提出了一种综合考虑风机出力特性和输电线路允许载流量变化特性的风电场出线增容方法。通过分析风机的风速功率曲线和输电线路最大载流量计算模型,将风机总功率和导线最大载流量在不同风速下进行动态匹配,以作为运行和设计中增容方案制定的基础。对于运行中的风电场,计算风机极限投运量;正在设计阶段中的风电场送出线路,降低所用导线的截面积。经实例分析,该方法有效增大了风电场的出线容量,提高了风电场运行经济性。     

考虑风电功率短期波动的风电场无功快速跟踪优化EI北大核心CSCD

风力发电的不确定性使风电场难以实现精准地优化调控。为此,该文提出一种无功快速跟踪优化方法,解决风机功率短期波动导致风电场运行状态偏移的问题。总控单元通过集中式无功优化获得风电场时段最优运行点,各风机控制单元利用梯度跟踪技术快速调节无功,实现对时段内风机功率短期波动的跟踪优化。所有风机的分布式跟踪优化共同组成风电场系统性的跟踪优化。通过我国某实际风电场案例,验证了所提方法的有效性。结果表明,快速跟踪优化方法能够有效降低系统网损,提高电压质量,缩小风电场优化时间尺度。     

基于人工神经网络的风电功率预测

风电场输出功率预测对接入大量风电的电力系统运行有重要意义。对风速和风电场输出功率预测的方法进行了分类。根据风电场输出功率的影响因素,建立了风电功率预测的神经网络模型。分析了实测功率数据、不同高度的大气数据对预测结果的影响。建立了基于神经网络的误差带预测模型,实现了误差带预测。研究结果表明,神经网络的结构和输入样本对预测结果有一定的影响;实测功率数据作为输入可以提高提前量为30 min的预测精度,而对提前量为1 h的预测精度会降低;把不同高度的数据都作为神经网络的输入比只采用轮毂高度数据的预测精度高;设计的神经网络能够对误差带进行预测。     

含多种风电机组的风电场仿真建模及其协调控制研究

正风电场接入会对电网的稳定运行带来一定的影响,而且不同类型风电机组运行特性不同,因此需要研究含多种风电机组的风电场建模。研究了双馈风机与改造定速异步风机的模型及其控制策略,基于PSCAD软件建立了包含定速异步风机、改造的定速异步风机和双馈风机的风电场模型,并对其进行了仿真分析。仿真结果表明,改造风机能够解决定速异步风机运行时大量吸收无功的问题,与双馈风机配合甚至还可以向电网发出一定无功。     

计及空间相关性的轻量级风电功率预测方法

针对风电功率预测数据高维灾难以及云计算的通信依赖问题,提出一种风电功率的属地边端轻量级预测方法。采用KNN算法计算风机间的距离量化空间相关性,并引入轮廓系数自适应地确定近邻数k以降低冗余特征维度,从而确定输入目标预测风机的邻近风机数据;基于Seq2Seq结构的GRU-MLP网络完成各台风机的风电功率预测。实验结果表明,在预测准确率近似的条件下所提方法相较于常规网络复杂度小、效率更高,可为风电场功率预测任务从云端向边缘迁移提供技术方案。     

风力发电机叶片防冰的数值计算模型及现场试验研究

风力发电机叶片覆冰严重影响着寒冷地区风电场的安全稳定运行,采用电加热防冰技术可以有效地防止覆冰事故的发生。该文对风力发电机叶片防冰的物理过程进行分析,在此基础上建立风力发电机叶片防冰的数值计算模型:利用k-w SST湍流模型求解叶片周围的空气流场,通过Eulerian方法获得过冷却水滴的运动轨迹及碰撞情况,基于Messinger控制体思想建立叶片表面的质量守恒和热平衡方程。此外,为了验证该数值模型的有效性,该文还在自然覆冰试验站进行风机发电机叶片防冰的现场试验研究。结果表明:所建立的风力发电机叶片防冰数值计算模型能够有效地模拟叶片防冰过程,仿真得到的防冰区域表面温度与试验结果较为吻合。反之,在给定的覆冰气象参数和叶片目标温度条件下,该模型能够有效地预测所需的防冰功率大小,为风机发电机叶片防冰系统的设计与运行提供帮助。