风速仪容错控制方法、装置及风电场控制器

摘要

本发明实施例提供了风速仪容错控制方法、装置及风电场控制器。该方法包括：根据风电场中风力发电机组两两之间的风速相关性系数，确定每台目标风力发电机组对应的至少一台临近风力发电机组；将所述至少一台临近风力发电机组对应的机组标识，以及每台临近风力发电机组与所述目标风力发电机组之间的风速相关性系数，发送至所述目标风力发电机组；向发生风速仪故障的故障风力发电机组发送与所述故障风力发电机组对应的至少一台临近风力发电机组各自的瞬时风速信息。通过对风速仪故障进行冗余，可以提高年度发电量和保障机组安全。

说明书

技术领域

本发明涉及风力发电技术领域，具体而言，本发明涉及一种风力发电机组的风速仪容错控制方法、装置及风电场控制器。

背景技术

随着风力发电机控制技术的日益成熟，研究方向已经向着节能增功等精细化发展。其中，风力发电机组故障容错技术已经成为了增加风力发电机有效工作小时数的重要手段之一。风机风速仪故障目前是较为突出的一类故障。该故障出现的频次较高，且一旦发生就需要进行停机处理。风速估计是一种作为替代失效风速仪，从而完成风速仪故障容错的一种实用方法。

发明人在实现本发明的过程中发现，现有的在线风速估计方法通常需要进行离线的参数设计，一旦风机叶片发生老化等改变风机Cp曲线(功率系数曲线)的问题，就会导致风速估计的误差增大。

发明内容

本发明针对现有方式的缺点，提出一种风力发电机组的风速仪容错控制方法、装置及风电场控制器，用以解决现有技术存在风速估计的误差较大的问题。

第一方面，本发明的实施例提供了一种风力发电机组的风速仪容错控制方法，其包括：

根据风电场中风力发电机组两两之间的风速相关性系数，确定每台目标风力发电机组对应的至少一台临近风力发电机组；

将所述至少一台临近风力发电机组对应的机组标识，以及每台临近风力发电机组与所述目标风力发电机组之间的风速相关性系数，发送至所述目标风力发电机组；

向发生风速仪故障的故障风力发电机组发送与所述故障风力发电机组对应的至少一台临近风力发电机组各自的瞬时风速信息。

第二方面，本发明的实施例提供了一种风力发电机组的风速仪容错控制方法，其包括：

获取本风力发电机组对应的至少一台临近风力发电机组的机组标识，以及每台临近风力发电机组与本风力发电机组之间的风速相关性系数；

当本风力发电机组发生风速仪故障时，获取本风力发电机组对应的至少一台临近风力发电机组各自的瞬时风速信息；

根据所述至少一台临近风力发电机组各自的瞬时风速信息、多个所述风速相关性系数，获得各临近风力发电机组的风速融合值；

根据所述各临近风力发电机组的风速融合值，确定本风力发电机组的风速估计值。

第三方面，本发明的实施例提供了一种风电场控制器，其包括：

临近风力发电机组确定模块，用于根据风电场中风力发电机组两两之间的风速相关性系数，确定每台目标风力发电机组对应的至少一台临近风力发电机组；

数据发送模块，用于将所述至少一台临近风力发电机组分别对应的机组标识，以及每台临近风力发电机组与所述目标风力发电机组之间的风速相关性系数，发送至所述目标风力发电机组；以及，向发生风速仪故障的故障风力发电机组发送与所述故障风力发电机组对应的至少一台临近风力发电机组各自的瞬时风速信息。

第四方面，本发明的实施例提供了一种风力发电机组的风速仪容错控制装置，其包括：

获取模块，用于获取本风力发电机组对应的至少一台临近风力发电机组的机组标识，以及每台临近风力发电机组与本风力发电机组之间的风速相关性系数；以及，当本风力发电机组发生风速仪故障时，获取本风力发电机组对应的多台临近风力发电机组各自的瞬时风速信息；

风速融合值计算模块，用于根据所述至少一台临近风力发电机组各自的瞬时风速信息、多个所述风速相关性系数，获得各临近风力发电机组的风速融合值；

风速估计值确定模块，用于根据所述各临近风力发电机组的风速融合值，确定本风力发电机组的风速估计值。

第五方面，本发明的实施例提供了一种电子设备，其包括：

处理器；以及

存储器，配置用于存储机器可读指令，所述指令在由所述处理器执行时，使得所述处理器前述任意一种方法。

第六方面，本发明的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述任意一种方法。

本发明实施例的上述技术方案，通过对风速仪故障进行冗余，利于风速相关性进行风速估计，可以降低风速估计的误差，提高风速估计的精度，同时可保障风力发电机组的安全，并且可以提高年度发电量。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是本发明实施例一的风力发电机组的风速仪容错控制方法的流程图；

图2是本发明实施例二的风力发电机组的风速仪容错控制方法的流程图；

图3为本发明的实施例三的风电场控制器的流程流程图；

图4为本发明实施例三中风力发电机组的主控制PLC的风速估计处理流程图；

图5是本发明实施例三的振动信号与其包络线实际风速与估计风速比较的示意图；

图6是本实施例四提供的一种风电场控制器600的逻辑功能框图；

图7是本实施例五提供一种风力发电机组的风速仪容错控制装置700的逻辑功能框图；

图8是本实施例六提供的一种电子设备2000的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

风电场控制器(Wind Farm Controller，WFC)，是指在风电场侧实现对风力发电机组的集群控制决策的硬件载体，由实时核部分和非实时核部分两部分组成。实时核(RealTime Controller，RT)，是指采用可编程逻辑控制器(PLC)实现，具备与风力发电机组实时通讯、实时运算处理的能力，主要承担了实时决策器及需要高可靠性的决策调度单元的任务。非实时核(Non-Real Time Controller，NRT)，其采用工业计算机(IndustrialPersonal Computer，IPC)及非实时操作系统实现，具备与风力发电机组通讯、与实时核通讯、数据存储、复杂运算处理、决策管理、日志记录、HMI(Human Machine Interface，人机交互接口/人机交互界面)显示接口等能力，主要承担了非实时决策器运行及决策管理的任务。

本发明的实施例在基于风电场控制器的基础上，建立了风力发电机组风速仪故障冗余的技术解决方案。该技术方案至少包含两个主要部分，其一，当风力发电机组的风速仪失效时，用估计风速值替换风速仪的测量结果，这个估计风速值在一些实施例中是与风速相关性系数相关联的“临近风机的风速融合值”，在另外一些实施例中是本风机的单机版风速估计值，在又一些实施例中，该估计风速值是根据“临近风机的风速融合值”和单机版风速估计值联合确定的风速估计值等，在又一些实施例中，该估计风速值是将“临近风机的风速融合值”和“单机版风速估计值”进行二次风速融合后得到的最终风速估计值等；其二，风电场控制器预先计算各个风力发电机组风速相关性最大的至少两台风力发电机组，得到该至少两台机组的标识及相应的风速相关性系数，并推送给相应的风力发电机组；然后，当某台机组发生风速仪故障或失效时，再将这至少两台风力发电机组的当前瞬时风速信息推送给故障机组(指风速仪发生故障的风力发电机组)，来供其计算最终风速估计值，用于故障机组进行辅助风速估计及判断切入、切出的条件。风力发电机组切入是指风力发电机组从停机状态切换至启动状态，切出指风力发电机组从并网发电状态切换至停机状态。

本发明的实施例提供了一种全新的风速估计方法。该方法基于风电场控制器，通过采集各风力发电机组的运行数据，周期性地更新风速估计所需要的参数；同时，通过梳理全风场风力发电机组的运行数据，计算与各个机组风速相关性最大的两台风力发电机组，并利用这两台风力发电机组的实时风速数据，辅助风速估计，还可作为风力发电机组切入切出的辅助判断条件，保护风力发电机组的安全。因为风速过大时，会超出风力发电机组的载荷设计，因此当风速过大时需要将关停风力发电机组。

风电场控制器的作用包括：

(1)载入过去一段时间(例如30天)，风电场内所有风力发电机组的以下运行数据信息：瞬时风速、风机运行状态(例如包括停机状态、待机状态、启动状态、加速状态、并网发电状态)、风速仪故障标识位、风力发电机组的转速、以及风机三个叶片的桨距角位置(该桨距角位置利用转速可以粗略判定，利用功率也可以确定)，以上数据均为同一时间戳下的1s数据，这是考虑风电场控制器wfc的带宽能力，但不以1s数据为限制。

(2)在风电场控制器中，运行周期为例如30天，每隔30天执行一次计算，主要要是用于计算各风力发电机组的测量的瞬时风速之间的相关性系数(包括但不限于皮尔逊相关系数)，计算各个风力发电机组的单机版风速估计所需的系数，单机版风速估计值与实际风速(在过去一段预定时间长度内测量的多个瞬时风速值的平均值或者其他数学统计值)之间的相关性系数。风力发电机组WTC会将单机版风速估计值上传至风电场控制器WFC，该相关性系数是用历史数据计算的。其中，各个风力发电机组在正常运行状态下的回归系数，包括执行单机版风速估计所需的线性回归系数和二次回归系数。进一步地，该风电场控制器还周期性地根据历史运行数据，计算各风力发电机组的瞬时风速统计值，并发送到每个相应的风力发电机组。

实施例一

图1是本发明实施例一的风力发电机组的风速仪容错控制方法的流程图。该方法的执行主体是风电场控制器，如图1所示，其包括如下步骤：

S110：根据风电场中风力发电机组两两之间的风速相关性系数，确定每台目标风力发电机组对应的至少一台临近风力发电机组。

S120：将至少一台临近风力发电机组分别对应的机组标识，以及每台临近风力发电机组与目标风力发电机组之间的风速相关性系数，发送至目标风力发电机组。

S130：向发生风速仪故障的故障风力发电机组发送与故障风力发电机组对应的至少一台临近风力发电机组各自的瞬时风速信息。

在一些实施例中，还包括如下步骤：根据目标风力发电机组的历史运行数据确定如下计算参数：测量的瞬时风速与平均桨距角之间的二次回归系数a，b，c，以及测量的瞬时风速与转速之间的线性回归系数e与f；将计算参数发送至每台目标风力发电机组。

在一些实施例中，在根据风电场中风力发电机组两两之间的风速相关性系数，确定每台目标风力发电机组对应的至少一台临近风力发电机组之前，还包括：获取风电场中风力发电机组两两之间在同一时刻的瞬时风速值；根据风力发电机组两两之间在同一时刻的瞬时风速值，和相关系数统计公式获得每两台风力发电机组之间的风速相关性系数；其中，该风速相关性系数包括皮尔逊(pearson)相关系数、或者斯皮尔曼(spearman)相关系数。

在一些实施例中，还包括如下步骤：获取风电场内所有风力发电机组在预设历史周期内的以下历史运行数据：瞬时风速、运行状态、风速仪故障标识位、风力发电机组的转速、以及三个叶片的桨距角。根据上述历史运行数据可计算获得上述的计算参数，包括二次回归系数a，b，c和线性回归系数e与f。

本实施例通过风电场控制器周期性地计算全风电场中两两风机之间的风速相关性系数，并确定每台待目标机组的多个相关性系数最高的机组作为其临近机组，将临近机组的标识(例如机组编号)及其相应的风速相关性系数发送给该目标机组，从而可在该目标机组发生风速仪的效时，通过从风电场控制器获得其对应的临近机组的当前实时瞬时风速信息，并结合这些临近机组与本机组之间的风速相关系性系数，就可以获得临近机组的风速融合值，这样则实现了对风速仪故障进行冗余，可以提高风力发电机组的年度发电量，并且保障风力发电机组的运行安全。

实施例二

图2是本发明实施例二的风力发电机组的风速仪容错控制方法的流程图。该方法的执行主体是风力发电机组，例如为其主控制器或者与主控制器通信连接的独立的装置，如图2所示，其包括如下步骤：

S210：获取本风力发电机组对应的至少一台临近风力发电机组的机组标识，以及每台临近风力发电机组与本风力发电机组之间的风速相关性系数。

S220：当本风力发电机组发生风速仪故障时，获取本风力发电机组对应的至少一台临近风力发电机组各自的瞬时风速信息。

S230：根据至少一台临近风力发电机组各自的瞬时风速信息、多个风速相关性系数，获得各临近风力发电机组的风速融合值。

在本步骤中，假设A，B两台机组是由风电场控制器推送的符合条件的临近风力发电机组，其瞬时风速分别为wa与wb，与故障风力发电机组的风速相关性系数分别为ca与cb，则加权平均的结果为(wa*ca+wb*cb)/(ca+cb)，作为临近风力发电机组的风速融合值。

S240：根据各临近风力发电机组的风速融合值，确定本风力发电机组的风速估计值。

在本实施例中，故障风力发电机组通过与风电场控制器交互，从风电场控制器获取多台临近风力发电机组的风速信息，包括瞬时风速和风速相关性系数，从而获得临近风力发电机组的风速融合值，作为其最终风速估计值，有利于实现风速冗余，保障风力发电机组的安全，以科学估计的风速代替测量的风速，避免了在风速仪失效时就立即停机而过多的损失发电量，并且获得可靠的风速信息，以控制机组的运行状态。

在一些实施例中，该方法在S240根据临近风力发电机组的风速融合值，确定本风力发电机组的风速估计值的步骤之前，还可以包括如下步骤：

获取本风力发电机组测量的瞬时风速与平均桨距角之间的二次回归系数a，b，c，本风力发电机组的测量的瞬时风速与转速之间的线性回归系数e与f；

当本风力发电机组三个桨叶的平均桨距角大于预先设定的最小桨距角与偏置角度之和，并且当前功率大于额定功率与预设比例(例如80％)的乘积时，确定本风力发电机组的单机版风速估计值＝a*平均桨距角*平均桨距角+b*平均桨距角+c；当本风力发电机组三个桨叶的平均桨距角小于或等于预先设定的最小桨距角与偏置角度之和，或者当本风力发电机组的当前功率小于或等于额定功率与预设比例的乘积时，确定本风力发电机组的单机版风速估计值＝e*瞬时转速+f；

根据临近风力发电机组的风速融合值，以及本风力发电机组的单机版风速估计值，确定本风力发电机组的风速估计值。在本步骤中，故障风力发电机组对上述的临近风力发电机组的风速融合值，和故障风力发电机组本身的单机版风速估计值，进行求取平均值或加权平均值处理，以获得其最终风速估计值。其中，加权平均值对应的2个加权系数可以相同或不同，或者根据该风力发电机组的历史运行数据(例如上一次或多次确定的加权系数)来预先确定。

在一些实施例中，每台临近风力发电机组与本风力发电机组之间的风速相关性系数定义为第一风速相关性系数；

根据临近风力发电机组的风速融合值，以及本风力发电机组的单机版风速估计值，确定本风力发电机组的最终风速估计值，具体可包括：

计算临近风力发电机组的风速融合值与本风力发电机组在预设历史时间段内的瞬时风速统计值之间的第二风速相关性系数；

计算本风力发电机组的单机版风速估计值与本风力发电机组在预设历史时间段内的瞬时风速统计值之间的第三风速相关性系数；

将临近风力发电机组的风速融合值、本风力发电机组的单机版风速估计值，分别与第二风速相关性系数、第三风速相关性系数进行加权平均处理，获得本风力发电机组的风速估计值。

在本实施例中，对于上述在预设历史时间段内的瞬时风速统计值，风电场控制器用指定时间长度的(例如最近的一个月)历史运行数据进行相关计算。需要在历史运行数据中清洗掉非发电状态以及风速仪故障的数据，由于风速仪故障时风机系统会停机，因此清洗到非发电状态即可。举例而言，瞬时风速统计值指的是，风电场控制器wfc根据采集到的在过去一段时间内风机的大量瞬时风速(未经过处理的风速仪实测值)进行数学统计计算而获得的瞬时风速统计值，然后会发送给相应的风力发电机组。例如获取单台风机最近一个月的风速实测数据，每20ms采集一个瞬时风速值，然后在风电场控器的数据库中进行存储。那么在一个月内理论上总共能获得的最大数据点为：50*60*60*24*30＝129600000个数据点，根据该129600000个数据点可获得该风机的瞬时风速统计值。可选地，还可以对该129600000个数据点进行数据清洗以后，获得该台风电机组处于正常发电状态下，并且风速仪正常时对应的多个瞬时风速值，称为数据清洗后的瞬时风速值，对数据清洗后的这些瞬时风速值进行数学统计而获得一个瞬时风速统计值，例如算术平均值、积分平均值(基于定积分中值定理)、几何平均值、调和平均值、或者加权平均值等。本风力发电机组会根据风电场控制器最近一次发送的瞬时风速统计值来参与计算上述的第二、第三风速相关性系数。可选地，为减小风电场控制器的计算负荷，也可以降低瞬时风速采集频率和/或上报频率，例如每隔1秒或T秒采集一个瞬时风速值，以减少风电场控制器的计算工作量。可选地，计算瞬时风速统计值的相关程序或算法可以在单台风力发电机组本地执行，而不由风电场控制器执行。

在一些实施例中，该方法还可以包括如下步骤：根据临近风力发电机组的风速融合值、临近风力发电机组分别对应的瞬时风速值、预设的切出风速阈值，判断本风力发电机组是否满足切出条件；以及，根据临近风力发电机组分别对应的瞬时风速值，以及预设的切入风速阈值，判断本风力发电机组是否满足切入条件。

本实施例的技术方案，能够让故障风力发电机组在风速仪失效时，获得更加准确可信的最终风速估计值，以辅助风速估计，并作为切入切出的辅助判断条件，以在保障机组安全的前提下提高发电量。

实施例三

以下通过具体的例子对上述两个实施例进行更加详细的说明：

图3为本发明的实施例的风电场控制器的计算处理过程。如图3所示，包括如下步骤：

步骤S310：载入过去30天，风电场内所有风力发电机组(简称机组)的以下运行数据信息：瞬时风速、风机运行状态(例如包括停机状态、待机状态、启动状态、加速状态、并网发电状态)、风速仪故障标识位、风力发电机组的转速、以及风机三个叶片的桨距角位置(该桨距角位置利用转速可以粗略判定，利用功率也可以确定)，以上数据均为同一时间戳下的1s数据，这是考虑wfc带宽能力。清洗掉所有非运行状态以及故障数据，随后将所有风力发电机组的风速信息统一处理(例如按时间戳进行数据清洗)，进而获得风力发电机组两两之间的风速相关性系数，将每台风力发电机组风速相关性系数最高的5台风力发电机组号存入数组，并将对应的相关性系数存入该数组。

在本步骤计算的时候会计算与该机组相关性最高的5台。在后面信息融合的步骤中，会利用这5台机组里面相关性最高的两台，如果这两台机组中也有风速仪故障的情况，则在剩下的三台中选取相关性系数最高的、且没有发生风速仪故障的两台机组进行替补。即实际使用为2台机组的信息，取5台机组是为了冗余。

设两个样本集分别为X，Y，则皮尔逊相关性系数r为：

步骤S320：利用预设时间长度(例如30天)的历史运行数据，计算每台风力发电机组执行单机版风速估计所需要的如下系数：当桨距角低于最小桨距角加偏置角度时，计算风速与转速之间的线性回归系数e与f；反之，则计算风速与桨距角之间的二次回归系数a，b，c，并将两组系数存入相应数组。

步骤S330：将以上计算结果发送给风电场中的各风力发电机组的主控制器，例如为主控PLC控制器。

步骤S340：当接收到故障风力发电机组发送的申请临近风力发电机组的当前瞬时风速时，向该故障风力发电机组反馈临近风力发电机的当前瞬时风速信息。

图4为本发明实施例中风力发电机组的主控制PLC程序内的风速估计过程。如图4所示，包括如下步骤：

步骤S410：风力发电机组的PLC程序首先检查是否有风电场控制器发送来的5台机组号。

步骤S420：若有更新(指具有5台机组号或5台机组号发生改变)，则向该风场控制器申请这5台风力发电机组中没有风速仪故障的两台机组的瞬时或实时风速信息。或者申请5台机组对应的瞬时或实时风速信息，以及该5台机组的风速仪故障标志位，然后选择这5台机组中没有故障并且风速相关性系数最大的至少2台机组，作为其临近风力发电机组。

步骤S430：将该瞬时或实时风速信息按照对应的相关性系数进行加权平均，得到临近机组的融合风速值。

临近风速融合值，是指定机组(指某台风力发电机组，随意一台风力发电机组，但需记录该机组的机组号)的两台临近机组风速，按照与该指定机组之间的相关性系数，进行加权平均后的结果。设A，B两台风力发电机组，风速分别为wa与wb，与该指定机组的风速相关性系数分别为ca与cb，则加权平均的结果为(wa*ca+wb*cb)/(ca+cb)。

上述临近机组，并非指地理上临近某台风力发电机组的风力发电机组。若某台风力发电机组的风速与另一台风力发电机组的风速之间的相关性系数较高(指全场全部风机与该风机进行风速相关性计算后，将相关性系数按照从大到小排列，取相关性系数最大的几个，本实施例中取5个)，则称这两台风力发电机组互为临近机组。相关性系数越高，说明这两台风力发电机组之间的“距离”越近。

作为可选的实施方式，在计算临近风速融合值时，还可选取多余两台临近机组来进行计算。例如，在上述5台临近机组中选取3台、4台、或5台临近机组。当选取3台临近机组时，假设具有A，B，C三台风力发电机组，均构成该指定机组(假设机组编号为D)的“临近机组”，且风速分别为wa、wb、wc，临近机组A、B、C与该指定机组D的风速相关性系数分别为ca、cb、cc，则加权平均的结果为：(wa*ca+wb*cb+wc*cc)/(ca+cb+cc)，作为该指定机组D的临近风速融合值，其他情况依次类推。

步骤S440：利用风电场控制器推送的风速与转速之间的线性回归系数e，f以及风速与桨距角之间的二次回归系数a，b，c，计算单机版风速估计值。

单机版风速估计，是指利用风力发电机组的运行数据，对风速进行估计。在本发明的实施例中，单机版风速估计的计算流程包括如下步骤：

当风力发电机组三个桨叶的平均桨距角大于预先设定或确定的最小桨距角(其中，该最小桨距角为风力发电机组的算法中桨距角的下限值。该最小桨距角是一个计算角度，有可能是最优CP对应的角度，也可能是由风力发电机组降载策略规定。)加偏置角度(例如0.2deg)，且当前功率大于80％额定功率时，风速估计值＝a*平均桨距角*平均桨距角+b*平均桨距角+c；当不满足以上条件时，风速估计值＝e*瞬时转速+f。

以上a，b，c，d，e，f参数可由风力发电机组设计模型(其是基于GH bladed的风机模型，可由风机静态曲线中，桨距角与风速的对应数据，以及转速与风速的对应数据，按上述公式获得回归参数，包括风速与桨距角之间的二次回归系数a，b，c，以及风速与转速之间的线性回归系数e与f获得默认值，然后风电场控制器可根据风力发电机组实际运行数据进行周期运算。上述周期运算是指规定某一确定周期，比如15天，则每15天计算一次相应参数。在风力发电机组中可根据风电场控制器上一次或最近一次计算并推送过来的a，b，c，d，e，f参数来执行单机版的风速估计。

步骤S450：计算融合风速值与本台风力发电机组在预设历史时间段内的瞬时风速统计值之间的相关性系数；计算单机版风速估计值与本台风力发电机组在预设历史时间段内的瞬时风速统计值之间的相关性系数；将临近机组的融合风速值、单机版风速估计值，分别与融合风速值与风速之间的相关性系数，单机版风速估计值与风速之间的相关性系数进行加权平均处理，获得最终的风速估计值。具体处理过程包括：设单机版风速估计值与融合风速值为Va与Vb，相关性系数为ca与cb，则加权平均的结果为(Va*ca+Vb*cb)/(ca+cb))。

在本步骤中，本台风力发电机组在预设历史时间段内的瞬时风速统计值，可以由风电场控制器(周期性地)计算获得，然后发送给相应的风力发电机组进行本地保存。当该机组发生风速仪故障时，该机组将直接调用本地保存的最新的或风电场控制器最近一次发送的瞬时风速统计值来参与计算。

步骤S460：若没有更新(即为默认值)，则根据默认参数计算单机版风速估计值，并将该值作为最终的风速估计值。

步骤S470(未绘出)：将临近两台风力发电机组的瞬时风速，与最终估计风速值的最大值，作为风力发电机组切出的判断条件。具体地，设临近两台风力发电机组为A与B，风速为wa，wb。本机组的最终估计风速为w，则以wa，wb与w之中的最大值，与风力发电机组切出风速阈值进行比较，若超过则该风力发机组停机。

步骤S480(未绘出)：临近两台风力发电机组的瞬时风速最小值，作为风力发电机组切入的判断条件。具体地，设临近两台风力发电机组为A与B，风速为wa，wb。以wa，wb的最小值，与风力发电机组切入风速阈值进行比较，若超过则该风力发电机组启动。

图5为本发明的实施例的风速估计的一个输出举例。图5中实线为实际风速曲线，虚线为估计风速。实际风速与估计风速最大偏差为2m/s，相对偏差小于15％的情况占比高于95％。图5中横坐标一个点表示20ms。

本发明的实施例的优点在于：通过对风速仪故障进行冗余，可以提高年度发电量。

实施例四

图6是本实施例四提供的一种风电场控制器600的逻辑功能框图，其包括：

临近风力发电机组确定模块610，用于根据风电场中风力发电机组两两之间的风速相关性系数，确定每台目标风力发电机组对应的至少一台临近风力发电机组；

数据发送模块620，用于将至少一台临近风力发电机组分别对应的机组标识，以及每台临近风力发电机组与目标风力发电机组之间的风速相关性系数，发送至目标风力发电机组；以及，向发生风速仪故障的故障风力发电机组发送与故障风力发电机组对应的至少一台临近风力发电机组各自的瞬时风速信息。

进一步地，该装置600还可以包括：单机版风速估计计算参数确定模块630，用于根据目标风力发电机组的历史运行数据确定如下计算参数：测量的瞬时风速与平均桨距角之间的二次回归系数a，b，c，以及测量的瞬时风速与转速之间的线性回归系数e与f；该数据发送模块，还用于将计算参数发送至每台目标风力发电机组。

进一步地，该装置还可以包括：相关系数计算模块604，用于获取风电场中风力发电机组两两之间在同一时刻的瞬时风速值；根据风力发电机组两两之间在同一时刻的瞬时风速值，相关系数统计公式获得每两台风力发电机组之间的风速相关性系数；其中，该风速相关性系数包括皮尔逊相关系数、或者斯皮尔曼相关系数。

进一步地，该装置还可以包括：数据获取模块602，用于获取风电场内所有风力发电机组在预设历史周期内的以下历史运行数据：瞬时风速、运行状态、风速仪故障标识位、风力发电机组的转速、以及三个叶片的桨距角。

该风电场控制器600的工作过程已在前述方法实施例中详述，故不再赘述。

实施例五

图7是本实施例五提供一种风力发电机组的风速仪容错控制装置700的逻辑功能框图，其包括：

获取模块710，用于获取本风力发电机组对应的至少一台临近风力发电机组的机组标识，以及每台临近风力发电机组与本风力发电机组之间的风速相关性系数；以及，当本风力发电机组发生风速仪故障时，获取本风力发电机组对应的至少一台临近风力发电机组各自的瞬时风速信息；

风速融合值计算模块720，用于根据至少一台临近风力发电机组各自的瞬时风速信息、多个风速相关性系数，获得临近风力发电机组的风速融合值；

风速估计值确定模块730，用于根据临近风力发电机组的风速融合值，确定本风力发电机组的风速估计值。

进一步地，该获取模块710，还可用于获取本风力发电机组测量的瞬时风速与平均桨距角之间的二次回归系数a，b，c，本风力发电机组测量的瞬时风速与转速之间的线性回归系数e与f；

该装置还可以包括：单机版风速估计值计算模块740，用于当本风力发电机组三个桨叶的平均桨距角大于预先设定的最小桨距角与偏置角度之和，并且当前功率大于额定功率与预设比例(如80％)的乘积时，确定本风力发电机组的单机版风速估计值＝a*平均桨距角*平均桨距角+b*平均桨距角+c；当本风力发电机组三个桨叶的平均桨距角小于或等于预先设定的最小桨距角与偏置角度之和，或者当本风力发电机组的当前功率小于或等于额定功率与预设比例的乘积时，确定本风力发电机组的单机版风速估计值＝e*瞬时转速+f；

该风速估计值确定模块730，用于根据临近风力发电机组的风速融合值，以及本风力发电机组的单机版风速估计值，确定本风力发电机组的风速估计值。

在一些实施例中，每台临近风力发电机组与本风力发电机组之间的风速相关性系数定义为第一风速相关性系数；该风速估计值确定模块730，具体可用于：计算临近风力发电机组的风速融合值与本风力发电机组在预设历史时间段内的瞬时风速统计值之间的第二风速相关性系数；计算本风力发电机组的单机版风速估计值与本风力发电机组在预设历史时间段内的瞬时风速统计值之间的第三风速相关性系数；将临近风力发电机组的风速融合值、本风力发电机组的单机版风速估计值，分别与第二风速相关性系数、第三风速相关性系数进行加权平均处理，获得本风力发电机组的风速估计值。

在一些实施例中，该装置700还包括：切入切出判断模块750，用于根据临近风力发电机组的风速融合值、临近风力发电机组分别对应的瞬时风速值、预设的切出风速阈值，判断本风力发电机组是否满足切出条件；以及，根据临近风力发电机组分别对应的瞬时风速值，以及预设的切入风速阈值，判断本风力发电机组是否满足切入条件。

该装置700的工作过程已在前述方法实施例中详述，故不再赘述。

本发明实施例还提供一种风力发电机组，其包括实施例五中描述的任意一种风力发电机组的风速仪容错控制装置。

实施例六

本申请实施例提供了一种电子设备，如图8所示，图8所示的电子设备2000包括：处理器2001和收发器2004。其中，处理器2001和收发器2004相连，如通过总线2002相连。可选的，电子设备2000还可以包括存储器2003。需要说明的是，实际应用中收发器2004不限于一个，该电子设备2000的结构并不构成对本申请实施例的限定。

其中，处理器2001应用于本申请实施例中，用于实现图6所示的AA模块的功能。收发器2004包括接收机和发射机，收发器2004应用于本申请实施例中，用于实现图6所示的数据获取模块602、数据发送模块620的功能；或者，实现图7中的获取模块710的功能。

处理器2001可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器2001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线2002可包括一通路，在上述组件之间传送信息。总线2002可以是PCI总线或EISA总线等。总线2002可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器2003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

可选的，存储器2003用于存储执行本申请方案的应用程序代码，并由处理器2001来控制执行。处理器2001用于执行存储器2003中存储的应用程序代码，以实现图6所示实施例提供的风电场控制器600的动作，或者实现图7所示实施例的风速仪容错控制装置700的动作。

本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现前述任一实施例所示的方法。

本申请实施例提供了一种计算机可读存储介质，与现有技术相比，通过对风速仪故障进行冗余，可以提高年度发电量。

本申请实施例提供了一种计算机可读存储介质适用于上述方法实施例，在此不再赘述。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本技术领域技术人员可以理解，可以用计算机程序指令来实现这些结构图和/或框图和/或流图中的每个框以及这些结构图和/或框图和/或流图中的框的组合。本技术领域技术人员可以理解，可以将这些计算机程序指令提供给通用计算机、专业计算机或其他可编程数据处理方法的处理器来实现，从而通过计算机或其他可编程数据处理方法的处理器来执行本发明公开的结构图和/或框图和/或流图的框或多个框中指定的方案。

本技术领域技术人员可以理解，本发明中已经讨论过的各种操作、方法、流程中的步骤、措施、方案可以被交替、更改、组合或删除。进一步地，具有本发明中已经讨论过的各种操作、方法、流程中的其他步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。进一步地，现有技术中的具有与本发明中公开的各种操作、方法、流程中的步骤、措施、方案也可以被交替、更改、重排、分解、组合或删除。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。