一种非线性建模的风力发电机叶片固有频率工况补偿方法

摘要

本发明公开了一种基于非线性建模的风电叶片固有频率工况补偿方法，包括：1)再根据风力发电机SCADA的功率P大小将历史运行数据集划分为若干建模数据子集，然后将各建模数据子集分别划分为建模训练数据集及模型测试数据集；2)对各建模数据子集中的元素进行归一化处理；3)根据归一化后的建模训练数据集构建对应的观测记忆矩阵D，然后根据构建的观测记忆矩阵D及其对应的模型测试数据集Xtest构建对应固有频率预测模型；4)将当前机组的工况参数代入对应的固有频率预测模型中，再将实测的当前固定频率与预测的当前固定频率作相减运算，最后利用固定频率偏差值进行叶片固有频率工况补偿。该方法能够准确实现风力发电机叶片固定频率的工况补偿。

说明书

技术领域

本发明属于风力发电机叶片固有频率工况补偿领域，涉及一种基于非线性建模的风电叶片固有频率工况补偿方法。

背景技术

目前我国风力发电产业处在高速发展期，风力发电机数量逐年增加。其中，风力发电机叶片是机组中关键部件，叶片结构健康对于机组安全运行至关重要。因此实现对风力发电机叶片状态的在线监测具有重要工程实用价值。叶片固有频率表征了叶片结构的特性，当叶片出现损伤比如裂纹，叶片的刚度将减小，导致叶片固有频率减小，因此目前基于叶片固有频率偏移监测叶片健康状态技术受到国内外学者的广泛关注，但是叶片固有频率受机组运行工况包括风速、转速、功率、桨距角、温度等的影响，因此即使在正常健康状态下，叶片固有频率也处于变化之中，所以无法直接利用实测的固有频率对叶片健康状态进行评估。因此需要解决叶片固有频率的工况补偿问题。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供了一种基于基于非线性建模的风电叶片固有频率工况补偿方法，该方法能够实现风力发电机叶片固有频率的工况补偿。

为达到上述目的，本发明所述的基于非线性建模的风电叶片固有频率工况补偿方法包括以下步骤：

1)选取风电机组正常运行时的历史运行数据集，根据风力发电机SCADA的功率P大小将历史运行数据集划分为若干建模数据子集，然后将各建模数据子集分别划分为建模训练数据集及模型测试数据集；

2)对各建模数据子集中的元素进行归一化处理；

3)根据归一化后的建模训练数据集构建对应的观测记忆矩阵D，以构建固有频率预测模型，然后利用构建的观测记忆矩阵D及其对应的模型测试数据集X_test测试并验证固有频率预测模型，其中，一个建模数据子集对应一个固有频率预测模型；

4)获取当前风力发电机SCADA的功率以及机组工况参数，根据当前风力发电机SCADA的功率寻找对应的固有频率预测模型，然后将当前机组的工况参数代入对应的固有频率预测模型中，得预测的当前固定频率，再将实测的当前固定频率与预测的当前固定频率作相减运算，并将运算的结果作为固定频率偏差值，最后利用固定频率偏差值完成风力发电机叶片固有频率的工况补偿。

步骤1)的具体操作为：

选取风电机组正常运行时的历史运行数据集，所述历史运行数据集包括叶片固有频率、风速、功率、转速、桨距角及温度，当P≤0，机组处于停机状态，影响叶片固定频率的机组工况参数为风速及温度，则由叶片固有频率、风速及温度数据构建第一个建模数据子集；当

P>0或者P<P_额定时，则机组运行在不变浆状态下，影响机组固定频率的工况参数为叶片固有频率、风速、温度及功率，则由叶片固有频率、风速、温度及功率数据构建第二个建模数据子集；当P＝P_额定时，机组运行在变桨状态下，影响叶片固定频率的工况参数为叶片固有频率、风速、温度及桨距角，则由叶片固有频率、风速、温度及桨距角构建第三个建模数据子集，然后将各建模数据子集分别划分为建模训练数据集及模型测试数据集。

将建模数据子集中65％的数据划分为建模训练数据集，将建模数据子集中35％的数据划分为模型测试数据集。

观测记忆矩阵D的表达式为：

固有频率预测模型输出的固定频率预测结果X_predict为：

本发明具有以下有益效果：

本发明所述的基于非线性建模的风电叶片固有频率工况补偿方法在具体操作时，将风电机组正常运行时的历史运行数据集划分为若干建模数据子集，然后根据各建模数据子集构建对应的固有频率预测模型，在补偿时，只需将当前机组的工况参数代入对应的预测固定频率模型中，然后将预测的当前固定频率与实测的固定频率作差，并将作差的结果作为固定频率偏差值，该固定频率偏差值不受工况参数的影响，最后根据固定频率偏差值进行非线性建模的风力发电机叶片固有频率工况补偿，操作方便、简单，补偿的准确性较高。

附图说明

图1为本发明中建立固有频率预测模型预测模型的流程图；

图2为本发明中预测当前固有频率的流程图；

图3为机组停机状态下固有频率预测结果图；

图4为机组停机状态下固有频率、风速、温度的预测相对误差结果图；

图5为机组不变桨运行状态下固有频率预测结果图；

图6为机组不变桨运行状态下固有频率、风速、功率、温度的预测相对误差结果图；

图7为机组变桨运行状态下固有频率预测结果图；

图8为机组变桨运行状态下固有频率、风速、桨距角、温度的预测相对误差结果图。

具体实施方式

下面结合附图对本发明做进一步详细描述：

参考图1及图2，本发明所述的基于非线性建模的风电叶片固有频率工况补偿方法包括以下步骤：

1)选取风电机组正常运行时1-3个月的历史运行数据集，根据风力发电机SCADA的功率P大小将历史运行数据集划分为若干建模数据子集，然后将各建模数据子集分别划分为建模训练数据集及模型测试数据集，其中，将建模数据子集中65％的数据划分为建模训练数据集，将建模数据子集中35％的数据划分为模型测试数据集；

步骤1)的具体操作为：选取风电机组正常运行时的历史运行数据集，所述历史运行数据集包括叶片固有频率、风速、功率、转速、桨距角及温度，当P≤0，机组处于停机状态，影响叶片固定频率的机组工况参数为风速及温度，则由叶片固有频率、风速及温度数据构建第一个建模数据子集；当P>0或者P<P_额定时，则机组运行在不变浆状态下，影响机组固定频率的工况参数为叶片固有频率、风速、温度及功率，则由叶片固有频率、风速、温度及功率数据构建第二个建模数据子集；当P＝P_额定时，机组运行在变桨状态下，影响叶片固定频率的工况参数为叶片固有频率、风速、温度及桨距角，则由叶片固有频率、风速、温度及桨距角构建第三个建模数据子集，然后将各建模数据子集分别划分为建模训练数据集及模型测试数据集。

2)对各建模数据子集中的元素进行归一化处理；

3)根据归一化后的建模训练数据集构建对应的观测记忆矩阵D，以构建固有频率预测模型，然后根据构建的观测记忆矩阵D及其对应的模型测试数据集X_test测试并验证固有频率预测模型，其中，一个建模数据子集对应一个固有频率预测模型，其中，观测记忆矩阵D的表达式为：

D中的每一列表示建模数据子集的一个正常状态样本，它由n个变量构成，D一共有m个样本集，表示计算两向量之间的欧式距离。

则固有频率预测模型输出的固定频率预测结果X_predict为：

接下来检验模型测试数据集的预测误差是否满足要求，设置固有频率的预测相对误差小于等于2％，工况参数预测相对误差小于等于5％，预测误差满足要求，则表明构建的模型满足要求，若预测误差不满足要求，则需要继续修正建模，然后重复上述步骤，至预测误差满足要求建模结束。

4)获取当前风力发电机SCADA的功率以及机组工况参数，根据当前风力发电机SCADA的功率寻找对应的固有频率预测模型，然后将当前机组的工况参数代入对应的固有频率预测模型中，得预测的当前固定频率，再将实测的当前固定频率与预测的当前固定频率作相减运算，并将运算的结果作为固定频率偏差值，最后利用固定频率偏差值完成风力发电机叶片固有频率的工况补偿。

图3为机组停机状态下固有频率的预测结果图，图3中预测值和实测值全部重合，预测准确。图4为机组停机状态下固有频率、风速、温度的预测相对误差结果图，其中，最大的预测误差仅为0.012％，预测误差满足要求。

图5为机组不变浆运行状态下固有频率预测结果图，图5中预测值和实测值全部重合，预测准确。图6为机组不变桨运行状态下固有频率、风速、温度、功率的预测相对误差结果图，其中，最大的预测误差仅为-0.025％，预测误差满足要求。

图7为机组变浆运行状态下固有频率的预测结果图，图7中预测值和实测值全部重合，预测准确。图8为机组变桨运行状态下固有频率、风速、温度、桨距角的预测相对误差结果图，其中，最大的预测误差仅为-0.1％，预测误差满足要求。