CN119397722A 一种大型风电机组气动性能现场历史演化行为分析方法 （湖南科技大学）

一种大型风电机组气动性能现场历史演化本发明公开了一种大型风电机组气动性能定法。设计了符合实际的计算工况区域划分算解决了工况划分时需要解决的散点数据“单值组5年劣化度，描述了机组现场气动性能的历史2步骤3，计算工况区域划分；设计符合叶片现场数据实际特征的计算工况区域划分算出四指标多角度观测算法，即基于瞬时功率计算得到的区间功率系数均值和最大值2.根据权利要求1所述的一种大型风电机组气动性能现场历史演化行为分析方法，其pp33.根据权利要求2所述的一种大型风电机组气动性能现场历史演化行为分析方法，其式中，W(s)和V(s)分别为风轮转速和风速的拉普拉斯变换结果，τ为该系统的时间常一阶惯性系统是一个滤波系统，在其截至频率fc(fc＝1/2πτ)外的风速信号将会被滤tn44.根据权利要求3所述的一种大型风电机组气动性能现场历史演化行为分析方法，其m5Pi)已经不属于最大风能跟踪5.根据权利要求4所述的一种大型风电机组气动性能现场历史演化行为分析方法，其定义评价指标CPI即基于瞬时功率计算得到的区间功率系数实时值和CPA即基于累积功得到的区间功率系数均值和最大值CPmaxI，基于累积功率计算得到的区间功率系数均值和最大值CPmaxA四个评价指标观测大型风电机组气动性能现场历史演化行为。6用四分位法分配SCADA数据以剔除异常功率数据；为了解决小幅度传感数据被大幅度传感7[0005]本发明采用的技术方案为一种大型风电机组气动性能现场历史演化行为分析方算法，采用数据分箱方法和“保守”数据对比法分别解决工况划分时需要解决的散点数据区域MPPT。并提出四指标多角度观测算法，即基于瞬时功率计算得到的区间功率系数均值和最大t8pp种是数据驱动时间常数确定法，模型驱动时间常数确定法是基于简化的动力学分析模型，风轮实际转动惯量会因叶片柔性带来计算困难，因此本发明提出数据驱动时间常数确定9tnm概率最大的功率点，将该点作为区间内唯一的功率值。设该区间内的功率点为Pn1，Pn2，[0056]该区间所有点的概率密度集合定义为ii(p),则有大风能跟踪区域的功率_转速表达式(18P=ka'(19)Pi设AP=R-kono2(21))已经不属于最大风能[0073]定义评价指标CPI即基于瞬时功率计算得到的区间功率系数实时值和CPA即基于累计算得到的区间功率系数均值和最大值CPmaxI，基于累积功率计算得到的区间功率系数均值和最大值CPmaxA四个评价指标观测大型风电机组气动性能[0075]1、本发明提出的基于现场数据确定的功率系数作为风轮叶片气动性能现场分析的基本指标，为大型风电机组气动性能现场历史演化行为分析提供了新的评价指标及方算法，采用数据分箱方法和“保守”数据对比法分别解决工况划分时需要解决的散点数据流风速存在一定的偏差，一方面是因为气流经过风轮时空气动能部分转换为风轮机械能，种是数据驱动时间常数确定法，模型驱动时间常数确定法是基于简化的动力学分析模型，风轮实际转动惯量会因叶片柔性带来计算困难，因此本发明提出数据驱动时间常数确定tn确定关键是明确最大风能跟踪区域的最低转速和最高转速。选择转速_功率曲线作为判断m概率最大的功率点，将该点作为区间内唯一的功率值。设该区间内的功率点为Pn1，Pn2，大风能跟踪区域的功率_转速表达式(18设AP=R-kina(21)[0161]定义评价指标CPI(基于瞬时功率计算得到的区间功率系数实时值)和CPA(基于累计算得到的区间功率系数均值和最大值CPmaxI，基于累积功率计算得到的区间功率系数均值和最大值CPmaxA四个评价指标观测大型风电是按照式(1)计算得到的区间每个采样点功率系数CPI的平均值，CPmaxI是区间每个采样[0163]选取南方某山地风电场2.1MW双馈风电计寿命20年。分析主要包括数据驱动时间常数分析和机组气动性能历史演变分析两个方式(16)～式(21)提出的工况区域划分方法，可知最大风能跟踪区转速范围为[9.4r/min,风能跟踪区域(MPPT)中一组连续数据(数据长度为3000个点)，分别取时间常数τ为8s，[0167]表1中详细给出了多个时间常数取值下的区间平均风速(滤波后)、平均叶尖速叶尖速比则逐步增加，但总体上变化不大；标准差先减小后增大，在40s时有最小值算基于瞬时功率和累积功率的功率系数，其中，基于瞬时功率的功率系数计算按式(6)进[0172]图7为两台机组进行气动性能演变分析得到的相关曲线。图7(a)和图7(b)分别给台机组不同年份数据样本计算的功率系数区间均值和功率系数区间最大值CPmax。表2和率计算得到的区间功率系数均值，CPmaxI表示基于瞬时功率计算得到的区间功率系数最大并与风电机组设计理论与经验相结合分析，指标CPmaxA能更好地反应风电机组实际性能，除2019年度外，而、CPmaxI和三个指标均表现出随服役年限增加而整体下降的趋势。而然是“向下”。2021年相较于2017年，机组2从四个指标计算出来的劣化度(Γ)分别为来的性能劣化不可避免。本文提出一种基于现场SCADA数据的大型风电机组气动性能现场历史演化行为分析方法