风电场风机覆冰期预报方法

采用Makkonen结冰增长模型镶嵌冰表面辐射融化模型建立适用于风机覆冰的预报模型,基于WRF耦合CALMET综合模式预测结果和风机性能参数驱动模型,进行风机覆冰开始和结束时间的预报。以湖北通山九宫山风电场为研究对象,对2012年12月至2013年12月期间监测到19次风机覆冰进行分析,分别采用提前1 d、提前2 d、提前3 d三种预报方案开展覆冰起止时间的预报,发现该模型对风机覆冰具有一定的提前预警能力,且越临近覆冰发生时间,预报准确性越高。

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%。

基于组合权重的多模式融合风机气温预测方法

在寒潮天气下山区风机覆冰期预测困难,造成风电功率预测偏差大,而精确的风机气温预测是提升覆冰期预测准确率的关键。由于气温的异质性和波动性,单个模型较难适应不同风电场的气温预测需求,提出一种多模式融合的风机气温预测方法(multi-mode fusion fan temperature prediction method,MMTP),通过AHP-独立性权法-熵值法的组合权重法,集成多种人工智能算法,不仅提高了预测的普适性,还能实现不同模式优势互补。仿真结果表明:该方法能有效地提升气温预测准确率,48 h预报时效内比单一模式预报误差平均降低约8%;采用该方法进行气温订正后,风机覆冰期预报准确率显著提高,覆冰期预报误差减小了3~6 h。

风力发电机覆冰预警技术研究

能源电力低碳化转型背景下,风电将成为第一大电源。风机覆冰会导致停机,是影响风电出力的重要因素,有必要开展风机覆冰预警技术研究。文中总结了贵州龙源新能源公司风机覆冰给风机运行带来的多方面影响,提出应从风电场高精度气象预测预警技术和风机部件覆冰在线监测技术开展风机覆冰预警技术研究。风机部件覆冰在线监测技术应重点监测风机叶片,监测预警技术包括视频监测法和人工观冰法和微波监测法等,其中视频监测法和人工观冰法已实用化,微波监测法前景较好。

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。