一种改善风力发电机组净空状态的智能控制系统

摘要

本发明公开了一种改善风力发电机组净空状态的智能控制系统，包括数据采集模块、净空测量模块和数据处理模块；当风力发电机组运行时，净空测量模块通过激光器测距监测叶片和塔架的实际净空状态，数据处理模块运用神经网络算法对数据采集模块采集的运行数据和净空测量模块采集的实际净空值进行学习和调整，预测未来风资源变化以及调整风力发电机组的控制策略，并下发定桨距角指令，从而改变风力发电机组运行时的净空状态；本发明能够根据数据处理模块获取的变桨角度进行激光测距角度调整，并通过实际净空值调整神经网络算法，保证下发定桨距角指令准确，改变风力发电机组运行时的净空状态，节约整机成本，提高了整机的经济性。

说明书

技术领域

本发明涉及风力发电机组控制的技术领域，尤其是指一种改善风力发电机组净空状态的智能控制系统。

背景技术

叶片是风力发电机组的核心部件，在风力发电机组经济性成本中占比很高，且叶片的重量与成本正相关，因此叶片轻量化设计是控制当前风力发电机组成本的重要途径之一。但由于叶片轻量化后刚度会降低，变形量增加，增大了叶片扫塔的风险，而净空则作为标定叶轮在旋转过程中叶尖和塔筒表面距离的关键指标，因此净空的控制成为轻量化叶片设计的关键制约因素。

目前，解决净空的主要方案有基于叶根的载荷对三叶片实施独立变桨控制，从而提升净空，主要存在以下几点不足：需要在叶根设置应变片测量叶根弯矩，带来较高的设备成本、调试周期长，带来了较高的时间成本；或是采用图像捕捉装置进行净空距离测量，但通过对图像进行分析从而得出距离的方法计算量大，且需要图像有较高的清晰度，且抗干扰能力差，对测量设备的要求较高。

为解决上述方法的缺点，有人提出采用激光测距仪进行净空距离测量，通过在机舱尾部或上面向斜下方发射激光束，通过检测回波来测量叶片距离，利用激光测距仪进行净空距离测量，机舱安装可解决偏航的问题，相对于图像捕获的方法，有设备计算量小，抗干扰能力强，适合户外作业等优点，但通过激光测距仪测量值，倾斜测量时能量不集中，同时叶片材料对其回波不强，导致检测概率低、距离测量精度差、提前变桨，对机组运行有较大的影响，不仅会损失较多的发电量，更会陷入频繁停机的不良运行状态，对机组的机械结构带来极为不良的影响。

发明内容

本发明目的在于为解决现有技术中的不足，提供了一种改善风力发电机组净空状态的智能控制系统，针对风力发电机组的运行数据应用神经网络算法配置激光测距，能够有效地解决上述目前技术存在的问题，为更多用户提供便利。

为实现上述目的，本发明所提供的技术方案为：一种改善风力发电机组净空状态的智能控制系统，包括：

数据采集模块，用于采集风力发电机组的运行数据，并将风力发电机组的运行数据传输给数据处理模块；

净空测量模块，通过激光测距监测实际风力发电机组的净空状态，获取实际净空值，并将实际净空值传输给数据处理模块；

数据处理模块，根据风力发电机组的运行数据和实际净空值调整风力发电机组的控制策略，下发定桨距角指令到风力发电机组的变桨系统中，使风力发电机组运行时的净空状态改变。

进一步，所述数据处理模块包括数据处理模组和数据控制模组，其中：

所述数据处理模组负责运用神经网络算法对风力发电机组的运行数据进行学习，并通过实际净空状态信息调整神经网络算法，预测未来风资源变化以及调整风力发电机组的控制策略；

所述数据控制模组负责下发定桨距角指令，改变风力发电机组运行时的净空状态。

进一步，所述神经网络算法采用双向长短期记忆神经网络算法，其包括输入门、输出门、遗忘门、tanh函数和反向运算，其中：

所述输入门将前一时刻的状态值与当前时刻的输入值输入激活函数，得到一个重要度值来决定信息的更新情况；

所述输出门控制计算状态的最终输出，计算状态通过输出门的过滤，经由tanh函数压缩得到计算最终输出；

所述遗忘门用于控制先前时刻的状态是否保留到当前神经元状态，实现对记忆的筛选；

所述反向运算将输入的序列反转，重新按照长短期记忆网络的方式计算一遍输出，最终结果为正向长短期记忆网络与反向长短期记忆网络结果的堆叠，保证了计算结果特征有强的因果关系。

进一步，所述净空测量模块集成有激光器、叶片采集控制器、同步编码器、驱动器和轮毂采集节点，其中：

所述激光器负责采集净空信号并将净空信号放大后传输到叶片采集控制器中；

所述叶片采集控制器通过数据处理模块获取的变桨角度调整同步编码器，并将净空信号转换成数字信号后，通过无线网络发送到轮毂采集节点中；

所述同步编码器用于控制驱动器，使驱动器对激光器进行角度调整；

所述驱动器实现对激光器进行角度调整，保证激光器发射的激光垂直于风力发电机组的塔筒表面；

所述轮毂采集节点通过无线网络向叶片采集控制器授时，从而对接收的数据添加时间戳并整合，再通过无线网络汇总到数据处理模块中。

进一步，所述运行数据包括瞬时风速、平均风速、瞬时风向、平均风向、发电机转速、发电机转矩、变桨角度、偏航角度和有功功率。

进一步，所述数据采集模块为风力发电机组和风电场的监测设备。

进一步，所述叶片采集控制器、轮毂采集节点和数据处理模块具有存储数据功能，保证系统数据传输的稳定性。

进一步，所述轮毂采集节点集成有变桨计数传感器，且该轮毂采集节点与数据处理模块均集成有用于校准时间的同步时钟。

本发明与现有技术相比，具有如下优点与有益效果：

1、本发明采用风力发电机组和风电场的监测设备作为数据采集模块，通过净空测量模块测量实际净空值，数据处理模块根据实际净空值进行神经网络算法调整，改变风力发电机组运行时的净空状态，节约整机成本，提高了整机的经济性。

2、净空测量模块的激光器能够根据数据处理模块获取的变桨角度进行角度调整，使激光垂直于塔筒表面，保证测量得到的实际净空值的准确性。

3、风力发电机组通过数据处理模组的神经网络算法对数据采集模块获得的运行数据进行学习，并通过实际净空值调整神经网络算法，预测未来风资源变化，保证了数据控制模组下发定桨距角指令准确。

附图说明

图1为本发明系统整体架构示意图。

图2为本发明结构示意图。

图3为神经网络算法的架构示意图。

图4为净空测量模块的架构示意图。

图5为净空测量模块的结构示意图。

具体实施方式

下面结合具体实施例对本发明作进一步说明。

参见图1至图2所示，为本实施例所提供的改善风力发电机组净空状态的智能控制系统，包括：

数据采集模块1，用于采集风力发电机组的运行数据，并将风力发电机组的运行数据传输给数据处理模块3；其中，所述数据采集模块1为风力发电机组和风电场的监测设备，所述运行数据包括瞬时风速、平均风速、瞬时风向、平均风向、发电机转速、发电机转矩、变桨角度、偏航角度和有功功率；进一步，测量运行数据可以通过在轮毂处布置机舱式激光雷达来保证运行数据的准确性；

净空测量模块2，通过激光器201测距监测叶片5和塔架6的实际净空状态，获取实际净空值，并将实际净空值传输给数据处理模块3；

数据处理模块3，根据风力发电机组的运行数据和实际净空值调整风力发电机组的控制策略，同时存储数据，下发定桨距角指令到变桨系统4中，使风力发电机组运行时的净空状态改变。

所述数据处理模块3包括数据处理模组301和数据控制模组302，其中：

所述数据处理模组301安装在机舱404中，负责运用神经网络算法对风力发电机组的运行数据进行学习，并通过实际净空状态信息调整神经网络算法，预测未来风资源变化以及调整风力发电机组的控制策略；

所述数据控制模组302负责下发定桨距角指令，改变风力发电机组运行时的净空状态。

参见图3所示，所述神经网络算法采用双向长短期记忆神经网络算法，其包括输入门、输出门、遗忘门、tanh函数和反向运算，其中：

所述输入门将前一时刻的状态值与当前时刻的输入值输入激活函数，得到一个重要度值来决定信息的更新情况；

所述输出门控制计算状态的最终输出，计算状态通过输出门的过滤，经由tanh函数压缩得到计算最终输出；

所述遗忘门用于控制先前时刻的状态是否保留到当前神经元状态，实现对记忆的筛选；

所述反向运算将输入的序列反转，重新按照长短期记忆网络的方式计算一遍输出，最终结果为正向长短期记忆网络与反向长短期记忆网络结果的堆叠，保证了计算结果特征有强的因果关系。

参见图4至图5所示，所述净空测量模块2集成有激光器201、叶片采集控制器202、同步编码器203、驱动器204和轮毂采集节点205，其中：

所述激光器201采用面光源模式并安装在叶片5的叶尖处，负责采集净空信号并将净空信号放大后传输到叶片采集控制器202；

所述叶片采集控制器202通过数据处理模块获取的变桨角度调整同步编码器203，并将净空信号转换成数字信号后，通过无线发送到轮毂采集节点205；此外，所述叶片采集控制器202具有存储数据功能，保证系统数据传输的稳定性。

所述同步编码器203用于控制驱动器204，使驱动器204对激光器201进行角度调整；

所述驱动器204实现对激光器201进行角度调整，保证激光器201发射的激光垂直于风力发电机组的塔筒表面；

所述轮毂采集节点205集成有变桨计数传感器，且该轮毂采集节点205与数据处理模块3均集成有用于校准时间的同步时钟，通过无线网络向叶片采集控制器202授时，从而对接收的数据添加时间戳并整合，再通过无线网络逐步汇总到数据处理模块3中；此外，所述轮毂采集节点205具有存储数据功能，保证系统数据传输的稳定性。

以上所述之实施例只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。