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%。

浅谈风电机组覆冰的影响及应对措施

南方冬季气候低温高湿,经常遇到低温冻害天气,风力发电机叶片的覆冰对风力机组的安全稳定生产带来了重大影响,风力发电机组覆冰的不利影响体现在:计量错误、发电量降低、风机的气动特性改变,降低风机设计寿命以及安全问题等。研究有关风力机组防覆冰技术具有重要意义,防冰除冰技术也成为了风力机组如何安全度过结冰期的重点与难点。

南方山地风电场覆冰影响因素分析

每年冬季我国南方的山地风电场频繁出现风机叶片覆冰现象,造成风电场发电功率损失,影响电力系统运行的安全稳定。覆冰情况与当地气候条件密切相关,本文利用统计方法挖掘数值天气预报中与覆冰相关的重要影响因素,并通过假设检验得出结论:随着时间和空间的变化,气象要素对风机叶片覆冰情况的影响程度会发生改变。基于本文的研究结论可以更加准确把握风电场覆冰规律,并根据天气预报对风机叶片覆冰情况进行提前判断,从而指导生产运营,为风力发电的安全与效率提供有力保障。

风力机防除冰系统研究综述

风能作为一种可再生的清洁能源,其应用范围逐步扩大。然而丰富的风力资源基本分布在高寒地带与湿度较大的沿海地区,机组部件极易受到低温高湿的覆冰影响,因此研究有关风力机组防除冰系统具有重要意义。本文通过对现有的风机叶片覆冰探测技术和除冰技术的研究和总结,可以为智能化探测除冰系统的发展方向提供诸多参考。通过大数据将风场中的每台风机所收集到的数据进行综合分析,以节省除冰所需要的人力。对目前风力机叶片防除冰与探测技术的主流方法进行了分析评价,重点介绍了基于冰自身电学特性的探测技术与热能除冰系统的研究与发展现状,并对未来风机机组的智能防除冰综合系统发展提出了相关研究重点与发展方向。