[發明專利]智能風電機組工況辨識系統及方法

有效

• 申請號: 201310056495.5
• 申請日: 2013-02-21
• 公開（公告）號: CN103161668A
• 公開（公告）日: 2013-06-19
• 發明（設計）人: 劉成良;王雙園;黃亦翔;貢亮;李彥明
• 申請（專利權）人: 上海交通大學
• 主分類號: F03D7/00
• 分類號: F03D7/00
• 代理公司: 上海旭誠知識產權代理有限公司 31220
• 代理人: 鄭立

技術領域

本發明涉及風力發電領域，尤其涉及一種智能風電機組工況辨識系統及方法。

背景技術

風能作為一種清潔的可再生能源，越來越受到世界各國的重視。其蘊量巨大，全球的風能約為2.74×10⁹MW，其中可利用的風能為2×10⁷MW，比地球上可開發利用的水能總量還要大10倍。

把風的動能轉變成機械動能，再把機械能轉化為電力動能，這就是風力發電。風力發電的原理是利用風力帶動風車葉片旋轉，再透過增速機將旋轉的速度提升，來促使發電機發電。依據目前的風車技術，大約是每秒三米的微風速度（微風的程度），便可以開始發電。風力發電正在世界上形成一股熱潮，因為風力發電不需要使用燃料，也不會產生輻射或空氣污染。風力發電所需要的裝置，稱作風力發電機組。這種風力發電機組，大體上可分風輪（包括尾舵）、電機和鐵塔三部分。

隨著風力發電技術的發展和大規模的商業化運營，由于風電機組成本高、維修維護費用高及運營壽命長，所以風電機組的穩定性和安全性問題得到越來越廣泛的關注。特別大型風力發電機組，其通常工作在非常惡劣的氣候條件和交變載荷工況下，并且是全天候的運行。因此，對風電機組進行狀態監控，能有效地避免風電機組故障的發生，達到在不停機狀態下對運行設備進行有效的監控。目前，各種風電監控系統廣泛應用于支持和保障風電機組的正常運行。然而，現有技術的這些風電監控系統采用的監控策略多是基于風電機組的單個或幾個參數為依據（如風速、電機轉速和有功功率等），將風電機組化分為幾個不同的工況，再根據不同工況進行控制參數的整定和監測閾值的選擇。但事實上，僅通過有限的參數閾值來劃分風電機組的運行工況，并不能有效描述風力發電機組復雜多變的運行工況。因此采用現有技術的這種監控策略的風電監控系統的很可能在實際監控過程中做出錯誤判斷并發生諸如誤報警等的錯誤，這將直接影響到風電機組的正常運行。而且，由于實際使用的風電機組由多個子系統集成，不同的子系統其對不同的工況響應是不同的，因此在設計合理有效的風電機組的監控系統時，也需要考慮到其中的子系統對不同工況的響應。

因此，本領域的技術人員致力于開發一種智能風電機組工況辨識系統及方法，采用風電機組的多個參數進行工況辨識。

發明內容

有鑒于現有技術的上述缺陷，本發明所要解決的技術問題是提供一種智能風電機組工況辨識系統及方法，通過采用風電機組的多個參數并使用自組織映射神經網絡實現風電機組的工況辨識。

為實現上述目的，本發明提供了一種智能風電機組工況辨識方法，其特征在于，風電機組包括多個子系統，所述辨識方法包括步驟：

使用傳感器獲取所述風電機組的多個參數，所述參數包括所述風電機組的環境參數和所述風電機組的機組參數；

將所述多個參數分類為全局參數和局部參數，所述全局參數與所述多個子系統皆相關，所述局部參數僅與所述多個子系統中的一部分相關；

提取所述多個參數的特征值，所述特征值包括統計學特征值和時、頻域特征值；

根據各個所述參數的特征值獲得各個所述參數的特征值向量；

將與同一個所述子系統相關的所述多個參數的特征值向量輸入第一層自組織映射神經網絡獲得與所述子系統相關的輸出向量；將與所述多個子系統分別相關的各個所述輸出向量作為混合向量并將所述混合向量輸入第二層自組織映射神經網絡獲得所述風電機組的工況的辨識結果。

進一步地，所述子系統包括輪轂子系統、傳動子系統、發電機子系統、電氣控制子系統和塔基子系統。

進一步地，所述工況包括多個全局工況和多個子系統工況；所述全局工況表示所述風電機組的整體運行狀態，包括停機、啟動、欠載、滿載和超載；所述子系統工況表示所述各個子系統的運行狀態，包括輪轂子系統的低速、高速、額定轉速、失速和鎖定。

進一步地，使用正多邊形顯示所述工況的辨識結果；

所述正多邊形的中心與所述正多邊形的各個頂點的連線將所述正多邊形分為多個三角形的全局工況區域，所述全局工況區域與所述全局工況一一對應；

每個所述全局工況區域皆被從所述正多邊形的中心至所述全局工況區域的三角形的底邊的線分為多個子系統工況區域；在每個所述全局工況區域內，所述子系統工況區域與所述子系統工況一一對應；

每個所述全局工況區域皆被平行于所述全局工況區域的三角形的底邊的線分為多個分級區域，距離所述正多邊形的中心越遠的所述分級區域對應的工況嚴厲程度越高；