-
公开(公告)号：CN112555096A
公开(公告)日：2021-03-26
申请号：CN202011364415.9
申请日：2020-11-27
申请人： 华北电力大学
摘要： 本公开涉及一种风电机组偏航协同控制方法、装置、电子设备及存储介质，方法包括：获取各风电机组的推力系数；获取相邻两台风电机组的流向间距；获取风电场的尾流膨胀率；针对于每一列，基于风电场的尾流膨胀率和第一台风电机组的推力系数，确定第一台风电机组的偏航角度；针对于每一列，基于风电场的尾流膨胀率、第M台风电机组的推力系数和第M台与第M‑1台风电机组的流向间距，确定每一列中第M台风电机组的偏航角度；针对于每一列，确定第N台风电机组的偏航角度为0；控制各风电机组以所确定的与其对应的偏航角运行；其中，1＜M＜N，且M和N均为正整数，其可以显著提升风电场发电效率。
-
公开(公告)号：CN112347611A
公开(公告)日：2021-02-09
申请号：CN202011102957.9
申请日：2020-10-15
申请人： 华北电力大学
IPC分类号： G06F30/20 , G06Q50/06 , G06Q10/04 , G06F113/08 , G06F119/14
摘要： 本发明公开了属于新能源风力发电技术领域的一种风力机远场尾流流向湍流度计算方法。包括步骤：1，获取风电机组入流情况、风电机组参数和风电机组运行状态的基本数据；2，根据获取的基本数据计算轮毂高度水平面内尾流速度损失剖面标准差σ随下游距离x的线性变化函数；在尾流速度损失分布已知的情况下，或通过高斯速度损失剖面拟合直接获取，相当于已知的输入条件；3，将轮毂高度水平面内尾流速度损失剖面标准差σ作为输入值输入到附加湍流度模型中，结合风电机组入流数据得出风电机组远场尾流流向湍流度的预测结果。本发明可以实现风电机组远场尾流流向湍流度的准确预测，对机组排布优化具有重要的指导意义。
-
公开(公告)号：CN106934094B
公开(公告)日：2021-01-08
申请号：CN201710046493.6
申请日：2017-01-18
申请人： 华北电力大学 , 国网能源研究院有限公司
IPC分类号： G06F30/20 , G06F113/06
摘要： 本发明属于风电场技术领域，尤其涉及一种基于二十四节气的风电功率预测方法。考虑到季节和气候变化因素对于风电功率预测精度的影响，本发明提出一种基于二十四节气的风电功率预测方法。该方法从建立预测模型和样本划分角度出发，考虑到同一节气内的气象数据样本集更能代表当前预测时刻气候状态，根据二十四节气的时间节点，将样本数据进行划分，以同一节气内的风电场数据建立预测模型，从而在一定程度上减小了由于季节和气候变化带来的影响，提高了风电功率预测精度。
-
公开(公告)号：CN111291514A
公开(公告)日：2020-06-16
申请号：CN202010078646.7
申请日：2020-02-03
申请人： 华北电力大学
IPC分类号： G06F30/23 , G06F30/27 , G06N20/00 , G06F119/04
摘要： 本发明提出了一种风电机组疲劳寿命的快速预测方法，该方法将风电机组的疲劳损伤与机器学习相耦合。首先，根据实际工况下可能出现的风参数条件对风电机组部件进行疲劳损伤预计算，建立部件每分钟疲劳损伤数据库；然后，将疲劳损伤数据库中的数据输入至机器学习模型中进行多次迭代训练，建立风参数与疲劳损伤量之间的非线性映射关系；最后，将SCADA数据中风参数数据或测风塔数据输入至已经训练好的机器学习模型中，得到风电机组部件疲劳寿命的预测值。
-
公开(公告)号：CN107239856B
公开(公告)日：2020-05-12
申请号：CN201710398999.3
申请日：2017-05-31
申请人： 华北电力大学
摘要： 本发明涉及一种风向数据插补方法，能够根据待插补风向数据的缺失情况自动选取插补时的时间窗口，保证辅助插补风向数据与待插补风向数据间的关联性；且通过三角函数变换，更好的利用了风向数据的特性，即，风向数据的环形效果。本发明所提供的方法能够较为有效地插补风向数据，得到较高完整度和较好准确性的风向数据，可以为风资源评估提供较好的数据支持。
-
公开(公告)号：CN110321632A
公开(公告)日：2019-10-11
申请号：CN201910589284.5
申请日：2019-07-02
申请人： 华北电力大学
摘要： 本发明提出一种计算充分发展风电场的等效粗糙度的方法，包括：考虑轮毂高度风速不均匀性修正了top dowm模型，引入修正系数α来表示实际风轮来流速度与平面平均速度的差异；修正后的top down模型同Jensen尾流模型相结合，利用Jensen尾流模型计算风电场叠加速度得到修正系数，根据top down模型计算等效粗糙度以及轮毂平面平均速度，通过耦合top down模型和Jensen模型的轮毂平面平均速度得到最终的等效粗糙度。本发明所得到的新粗糙度模型，可以快速、简单、方便、较准确地计算出大型风电场的等效粗糙度，为大型风电场的微观选址考虑粗糙度的影响提供参考。
-
公开(公告)号：CN108629461A
公开(公告)日：2018-10-09
申请号：CN201810454447.4
申请日：2018-05-14
申请人： 华北电力大学
摘要： 本发明公开了一种基于简化动量定理的近场尾流预测模型，所述近场尾流预测模型包括以下步骤：步骤一：针对风电机组近场尾流区，分别用(1-a)U∞和U∞代替常见一维动量定理中的Uw，得到两种简化的一维动量定理；步骤二：假设尾流区的速度损失沿径向呈高斯分布，根据步骤一中两种简化的一维动量定理分别计算出尾流区最大速度损失；步骤三：假设尾流线性膨胀并定义尾流边界，引入尾流膨胀系数k表示尾流区的线性膨胀规律；步骤四：根据步骤二至步骤三的结果，得到近场尾流区的上限位置和下限位置，进而给出风电机组近场尾流边界的预测范围；步骤五：基于步骤四的结果再次对简化一维动量定理进行修正，用 代替Uw来构建高精度风电机组尾流预测模型。
-
公开(公告)号：CN108108562A
公开(公告)日：2018-06-01
申请号：CN201711452906.7
申请日：2017-12-27
申请人： 华北电力大学
IPC分类号： G06F17/50
摘要： 本发明属于风力发电微观选址技术领域，具体涉及一种基于高斯分布的风电机组尾流的解析建模方法。本发明包括：在适当假设的前提下，结合质量守恒和一维动量守恒定理，同时根据风速损失沿径向符合高斯分布且尾流半径呈线性膨胀的规律，推导出风电机组尾流区风速分布的计算模型；根据对不同下游位置的尾流速度的分析，确定下游尾流边界系数的取值范围；结合风轮处尾流的膨胀规律，确定风轮处尾流边界系数的取值范围。本发明所得到的简化尾流模型，可以快速、简单、方便、准确地计算出风电机组尾流区的风速分布，为风电场微观选址考虑尾流效应的影响提供参考。
-
公开(公告)号：CN106650982A
公开(公告)日：2017-05-10
申请号：CN201610786502.0
申请日：2016-08-30
申请人： 华北电力大学
摘要： 本发明公开了一种基于多点NWP的深度学习功率预测方法，所述基于多点NWP的深度学习功率预测方法包括以下步骤：(1)采集指定区域内功率预测所需数据；(2)将所述步骤(1)采集的数据进行预处理，得到训练深度学习网络所需数据集；(3)根据所述步骤(2)得到的数据集逐层训练深度学习网络的每一层，得到每层的网络参数；(4)将所述步骤(3)中得到的每层网络参数初始化一个深度神经网络，并进行微调，得到最终的深度学习功率预测模型；(5)将多点NWP数据输入所述步骤(4)中得到的深度学习功率预测模型，预测得到指定区域内任意风电机组、风电场、风电场群短期功率预测结果。
-
公开(公告)号：CN103942608B
公开(公告)日：2016-12-07
申请号：CN201410121068.5
申请日：2014-03-28
申请人： 华北电力大学
CPC分类号： Y02E40/76 , Y04S10/545
摘要： 本发明公开了属于风电场技术领域的一种基于尾流模型的风电场优化调度方法。该优化调度方法的步骤为：1）基于尾流效应的风电场优化调度系统，获取现场的风速信息和风电机组信息；2）建立不同风向时的多台风电机组尾流模型，并计算n台风电机组的尾流风速；3）判断每台风电机组的功率是否为最大，如果不是，建立基于遗传算法的风电场最大输出功率的优化算法，优化计算整个风电场输出功率。本优化调度方法可以明显的提高风电场的输出功率，当风电场中风电机组数量较多时，本发明的优化控制系统所产生的经济效益是非常可观。
-
-
-
-
-
-
-
-
-
搜索结果
186 条记录 (耗时 0.078 秒)
