一种基于数据驱动的风机覆冰预测方法与流程

1.本发明属于风力发电机叶片覆冰预测技术领域，尤其涉及一种基于数据驱动的风机覆冰预测方法。

背景技术：

2.风力发电机作为风力发电的主要设备得到了广泛的应用，风机通常被安装在海上和偏远的高海拔陆地地区，以获得最大的风速和最小的利益冲突。但是这些地区环境较为恶劣，冬季低温环境会给风机叶片带来诸多考验，风力发电机叶片非常容易出现不同程度的覆冰现象。风力发电机叶片覆冰的危害展现在多种方面，可以概括为影响风机的发电性能和使用寿命、造成经济损失、存在影响公共安全的隐患。
3.当前，国内外许多专家学者和企业对风力发电机叶片覆冰现象的预测进行了深入的研究。虽然风机覆冰预测的方法得到了广泛的应用，但是其存在一定的缺点：(1)对专家知识过度依赖。(2)需要安装额外的检测设备，增加了风机的安装及设计复杂度，并且产生了额外的维护成本，传感器的老化和故障也会影响信号的准确性。(3)预测模型的使用具有条件限制，环境和风机型号的改变将造成模型预测性能得不到保证。
4.目前缺乏能够准确、智能、实时预测风机覆冰的方法。在冬季只能提前主动停机，给电网调度带来运行负担，同时增加经济损失。

技术实现要素：

5.本发明要解决的技术问题是：提供一种基于数据驱动的风机覆冰预测方法，以解决现有技术缺乏对风机叶片覆冰在线预测方法，在冬季只能提前主动停机，给电网调度带来运行负担，同时增加经济损失等技术问题。
6.本发明技术方案是：
7.一种基于数据驱动的风机覆冰预测方法，它包括：
8.步骤1、根据预测需求确定待测大气参数并实时测量；
9.步骤2、建立数据拟合模型，得到大气参数预测值；
10.步骤3、将风力发电机叶片三维模型转为二维模型；
11.步骤4、构建基于大气参数预测值的风力发电机叶片覆冰质量预测函数；
12.步骤5、重构合成风力发电机叶片三维覆冰冰形；
13.步骤6、根据实时参数，重构大气参数预测值，更新风力发电机叶片覆冰质量预测函数。
14.步骤1所述待测大气参数包括：环境温度、环境风速、液态水含量和水滴中值体积直径；通过多圆柱体积冰器、六要素气象仪、云雷达和微波辐射计完成对环境温度t(t)、环境风速v(t)、液态水含量w(t)和水滴中值体积直径a(t)的测量。
15.建立数据拟合模型，得到大气参数预测值的方法包括：
16.步骤2.1、基于一万条以上野外试验数据，构建关于环境温度、环境风速、液态水含
量和水滴中值直径等冰冻环境大气参数的数据库；
17.步骤2.2、将实时测量的环境温度、环境风速、液态水含量和水滴中值体积直径作为输入数据，进行滤波和剔除异常点的预处理；
18.步骤2.3、然后对输入数据进行统一归一化，归一化后的范围为：[-1 1]；
[0019]
步骤2.4、运用regress函数进行多项式数据拟合，多项式拟合模型为：
[0020]
y＝a0+a1x1+a2x2+a3x3+a4x4[0021]
其中，x1，x2，x3，x4分别为环境温度、环境风速、液态水含量和水滴中值体积直径，a0，a1，a2，a3，a4为常数项系数；选取100组数据进行数据拟合，求出a0，a1，a2，a3，a4，预测后面关于环境温度、环境风速、液态水含量和水滴中值体积直径的20组数据，取20组数据的平均值作为输出；计算公式如下：
[0022][0023][0024][0025][0026]
其中，分别为环境温度、环境风速、液态水含量和水滴中值体积直径的预测值。
[0027]
步骤3所述将风力发电机叶片三维模型转为二维模型的方法为：将风力发电机三维模型进行沿叶展方向的“切片”处理，将叶片分割出无数个微元控制体截面，对每个翼型截面分别进行冰形模拟。
[0028]
步骤4所述构建基于大气参数预测值的风力发电机叶片覆冰质量预测函数的方法包括：根据环境风速、水滴中值体积直径的预测值和水滴碰撞点距目标风力发电机叶片驻点距离s(t)以及风力发电机转速n计算水滴碰撞系数α1(t)的函数：
[0029][0030]
根据环境温度t、风速、液态水含量的预测值和水滴碰撞系数α1(t)的函数计算冻结系数α3(t)的函数：
[0031][0032]
风力发电机叶片表面微元控制体覆冰质量增长的计算函数表示为：
[0033]
[0034]
计算得到风力发电机叶片微元控制体实时覆冰重量m(t+δt)：
[0035]
m(t+δt)＝m(t)+δm(t)。
[0036]
步骤5所述重构合成风力发电机叶片三维覆冰冰形的方法为：将风力发电机叶片所有截面覆冰质量计算完成，最终将所有切片得到的二维冰形模拟结果重构得到整个风力发电机三维叶片覆冰结果。
[0037]
根据实时参数，重构大气参数预测值，更新风力发电机叶片覆冰质量预测函数的方法为：根据实时测量的环境温度t(t)、环境风速v(t)、液态水含量w(t)和水滴中值体积直径a(t)，重构大气参数预测曲线和拟合函数，实时预测风力发电机叶片覆冰质量。
[0038]
本发明的有益效果：
[0039]
本发明结合冰冻环境大气参数自建数据库，构建数据拟合函数，通过数据拟合的方法，实现了对风机覆冰的关键大气参数的精准预测，进而实现风机覆冰的实时预测。对于覆冰期风力发电机的运行方案提供决策基础及提高电网调度稳定性具有重大意义。
[0040]
本发明解决了现有技术缺乏对风机叶片覆冰在线预测方法，在冬季只能提前主动停机，给电网调度带来运行负担，同时增加经济损失等技术问题。
附图说明
[0041]
图1为本发明流程图；
[0042]
图2为风力发电机叶片覆冰计算流程图。
具体实施方式
[0043]
本发明提供一种基于数据驱动的风机覆冰预测方法(见图1)，包括如下步骤：
[0044]
s1.根据预测需求确定待测大气参数并实时测量；
[0045]
具体地：本发明依据风机叶片覆冰发展的物理模型，首先通过计算水滴碰撞系数以及冻结系数，进而构建风机叶片覆冰质量预测模型。而计算水滴碰撞系数及冻结系数，至少需要4个强相关的环境参数，包括环境温度、风速风向、液态水含量、水滴中值体积直径、空气动粘滞系数等。由于部分参数对预测结果影响相对较小，为加快计算速度，在一些情况下可做一定简化，如空气动粘滞系数在不考虑温升引起边界层定性温度变化的条件下可近似为定值。
[0046]
此外，构建覆冰预测函数还需要任意时间步内计算水滴碰撞点距目标风力发电机叶片驻点距离s(t)和风力发电机转速n(t)。在将风机从三维模型转换位二维模型时，从驻点开始开始均匀“切片”，每一个“切片”对应一个以驻点原点的坐标来表示驻点距离，将每一个坐标记录，从而得到水滴碰撞点距目标风力发电机叶片驻点距离s(t)。风力发电机转速n(t)可通过实时转速测量装置获得。
[0047]
进一步地，可以通过不同的测量设备组合，测量得到覆冰预测所需要的不同大气参数。进一步地，测量设备不仅限于：六要素气象仪、云雷达、微波辐射计等。以六要素气象仪为例。将六要素气象仪安装固定在风电场中的测风塔或目标风机塔顶。由风机自身供电、测风塔配备电源或在并网前端供电。
[0048]
分别对实际完成测量的环境温度t(t)、环境风速v(t)、液态水含量w(t)、水滴中值体积直径a(t)进行收集。
[0049]
对我国大部分风力发电地区气象参数进行统计考察，结合风力发电机覆冰的实际情况，为减少计算冗余，将环境温度t、环境风速v、液态水含量w、水滴中值直径a取值范围进行以下设定。环境温度t的取值范围设定在-15～5℃，取值精度0.5℃；风速v的取值范围设定为0～20m/s，取值精度0.5m/s；液态水含量w范围设置为0.2～2.6g/m3，取值精度0.2g/m3；水滴中值体积直径a取值范围10～100μm，取值精度5μm。目标风力发电机转速n的范围设置为5～30r/min，取值精度为0.5r/min；水滴碰撞点距目标风力发电机叶片驻点距离s的范围设置为-0.05～0.30m，取值精度0.01m。
[0050]
s2.建立数据拟合模型，得到大气参数预测值；
[0051]
基于湖南雪峰山近五年的数万条野外试验数据，构建关于环境温度、环境风速、液态水含量和水滴中值直径等冰冻环境大气参数的数据库。将实时测量的环境温度、环境风速、液态水含量和水滴中值体积直径作为输入数据，进行滤波和剔除异常点的预处理；然后对输入数据进行统一归一化，归一化后的范围为：[-1 1]；运用regress函数进行多项式数据拟合，多项式拟合模型为：
[0052]
y＝a0+a1x1+a2x2+a3x3+a4x4[0053]
其中，x1，x2，x3，x4分别为环境温度、环境风速、液态水含量和水滴中值体积直径，a0，a1，a2，a3，a4为常数项系数。
[0054]
选取前100组数据进行数据拟合，求出a0，a1，a2，a3，a4，预测其后面关于环境温度、环境风速、液态水含量和水滴中值体积直径的20组数据，取20组的平均值作为输出。计算公式如下：
[0055][0056][0057][0058][0059]
其中，分别为环境温度、环境风速、液态水含量和水滴中值体积直径的预测值。
[0060]
s3.将风力发电机叶片三维模型转为二维模型；
[0061]
具体地：本发明将风力发电机三维模型进行沿叶展方向的“切片”处理，根据计算精度和叶片尺寸的不同，将叶片平均分割出超过10000个微元控制体截面，精度要求越高，截面数越多，并对每个翼型截面分别进行冰形模拟。
[0062]
s4.构建基于大气参数预测值的风力发电机叶片覆冰质量预测函数；
[0063]
根据环境风速、水滴中值体积直径的预测值和水滴碰撞点距目标风力发电机叶片驻点距离s(t)以及风力发电机转速n计算水滴碰撞系数α1(t)的函数：
[0064][0065]
根据环境温度、风速、液态水含量的预测值和水滴碰撞系数α1(t)的函数计算冻结系数α3(t)的函数：
[0066][0067]
风力发电机叶片表面微元控制体覆冰质量增长的计算函数表示为：
[0068][0069]
在过冷却水滴碰撞到风力发电机叶片表面的过程中，忽略水滴飞溅的影响，因此捕获系数α2≈1。
[0070]
进一步计算得到风力发电机叶片微元控制体覆冰预测重量m(t+δt)：
[0071]
m(t+δt)＝m(t)+δm(t)
[0072]
s5.重构合成风力发电机叶片三维覆冰冰形；
[0073]
具体地：将风力发电机叶片所有截面覆冰质量预测计算完成，最终将所有切片得到的二维冰形模拟结果重构得到整个风力发电机三维叶片覆冰预测结果。
[0074]
s6.根据实时参数，重构大气参数预测值，更新风力发电机叶片覆冰质量预测函数。
[0075]
具体地：根据实时测量的上述数据参数，环境温度t(t)、环境风速v(t)、液态水含量w(t)、水滴中值体积直径a(t)，并根据上述流程，重构大气参数预测曲线和拟合函数，实时预测风力发电机叶片覆冰质量。

技术特征：

1.一种基于数据驱动的风机覆冰预测方法，其特征在于：它包括：步骤1、根据预测需求确定待测大气参数并实时测量；步骤2、建立数据拟合模型，得到大气参数预测值；步骤3、将风力发电机叶片三维模型转为二维模型；步骤4、构建基于大气参数预测值的风力发电机叶片覆冰质量预测函数；步骤5、重构合成风力发电机叶片三维覆冰冰形；步骤6、根据实时参数，重构大气参数预测值，更新风力发电机叶片覆冰质量预测函数。2.根据权利要求1所述的一种基于数据驱动的风机覆冰预测方法，其特征在于：步骤1所述待测大气参数包括：环境温度、环境风速、液态水含量和水滴中值体积直径；通过多圆柱体积冰器、六要素气象仪、云雷达和微波辐射计完成对环境温度t(t)、环境风速v(t)、液态水含量w(t)和水滴中值体积直径a(t)的测量。3.根据权利要求1所述的一种基于数据驱动的风机覆冰预测方法，其特征在于：建立数据拟合模型，得到大气参数预测值的方法包括：步骤2.1、基于一万条以上野外试验数据，构建关于环境温度、环境风速、液态水含量和水滴中值直径等冰冻环境大气参数的数据库；步骤2.2、将实时测量的环境温度、环境风速、液态水含量和水滴中值体积直径作为输入数据，进行滤波和剔除异常点的预处理；步骤2.3、然后对输入数据进行统一归一化，归一化后的范围为：[-1 1]；步骤2.4、运用regress函数进行多项式数据拟合，多项式拟合模型为：y＝a0+a1x1+a2x2+a3x3+a4x4其中，x1，x2，x3，x4分别为环境温度、环境风速、液态水含量和水滴中值体积直径，a0，a1，a2，a3，a4为常数项系数；选取100组数据进行数据拟合，求出a0，a1，a2，a3，a4，预测后面关于环境温度、环境风速、液态水含量和水滴中值体积直径的20组数据，取20组数据的平均值作为输出；计算公式如下：作为输出；计算公式如下：作为输出；计算公式如下：作为输出；计算公式如下：其中，分别为环境温度、环境风速、液态水含量和水滴中值体积直径的预测值。
4.根据权利要求1所述的一种基于数据驱动的风机覆冰预测方法，其特征在于：步骤3所述将风力发电机叶片三维模型转为二维模型的方法为：将风力发电机三维模型进行沿叶展方向的“切片”处理，将叶片分割出无数个微元控制体截面，对每个翼型截面分别进行冰形模拟。5.根据权利要求1所述的一种基于数据驱动的风机覆冰预测方法，其特征在于：步骤4所述构建基于大气参数预测值的风力发电机叶片覆冰质量预测函数的方法包括：根据环境风速、水滴中值体积直径的预测值风速、水滴中值体积直径的预测值和水滴碰撞点距目标风力发电机叶片驻点距离s(t)以及风力发电机转速n计算水滴碰撞系数α1(t)的函数：根据环境温度t、风速、液态水含量的预测值和水滴碰撞系数α1(t)的函数计算冻结系数α3(t)的函数：风力发电机叶片表面微元控制体覆冰质量增长的计算函数表示为：计算得到风力发电机叶片微元控制体实时覆冰重量m(t+δt)：m(t+δt)＝m(t)+δm(t)。6.根据权利要求1所述的一种基于数据驱动的风机覆冰预测方法，其特征在于：步骤5所述重构合成风力发电机叶片三维覆冰冰形的方法为：将风力发电机叶片所有截面覆冰质量计算完成，最终将所有切片得到的二维冰形模拟结果重构得到整个风力发电机三维叶片覆冰结果。7.根据权利要求1所述的一种基于数据驱动的风机覆冰预测方法，其特征在于：根据实时参数，重构大气参数预测值，更新风力发电机叶片覆冰质量预测函数的方法为：根据实时测量的环境温度t(t)、环境风速v(t)、液态水含量w(t)和水滴中值体积直径a(t)，重构大气参数预测曲线和拟合函数，实时预测风力发电机叶片覆冰质量。

技术总结

本发明公开了一种基于数据驱动的风机覆冰预测方法，它包括：步骤1、根据预测需求确定待测大气参数并实时测量；步骤2、建立数据拟合模型，得到大气参数预测值；步骤3、将风力发电机叶片三维模型转为二维模型；步骤4、构建基于大气参数预测值的风力发电机叶片覆冰质量预测函数；步骤5、重构合成风力发电机叶片三维覆冰冰形；步骤6、根据实时参数，重构大气参数预测值，更新风力发电机叶片覆冰质量预测函数；解决了现有技术缺乏对风机叶片覆冰在线预测方法，在冬季只能提前主动停机，给电网调度带来运行负担，同时增加经济损失等技术问题。同时增加经济损失等技术问题。同时增加经济损失等技术问题。