CN111608867B - 基于迷宫式矩阵算法提升风力发电功率的方法和装置 - Google Patents
基于迷宫式矩阵算法提升风力发电功率的方法和装置 Download PDFInfo
- Publication number
- CN111608867B CN111608867B CN202010456389.6A CN202010456389A CN111608867B CN 111608867 B CN111608867 B CN 111608867B CN 202010456389 A CN202010456389 A CN 202010456389A CN 111608867 B CN111608867 B CN 111608867B
- Authority
- CN
- China
- Prior art keywords
- embedded controller
- wind turbine
- wind
- matrix
- key variables
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000011159 matrix material Substances 0.000 title claims abstract description 41
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000010248 power generation Methods 0.000 title claims abstract description 23
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims 1
- 238000010168 coupling process Methods 0.000 claims 1
- 238000005859 coupling reaction Methods 0.000 claims 1
- 238000013480 data collection Methods 0.000 claims 1
- 230000001737 promoting effect Effects 0.000 claims 1
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000001351 cycling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009347 mechanical transmission Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
- Control Of Eletrric Generators (AREA)
Abstract
本发明公开基于迷宫式矩阵算法提升风力发电功率的方法和装置，本发明主要由嵌入式控制器和服务器组成，通过嵌入式控制器实时将接收的数据传输至服务器，服务器接收嵌入式控制器传输的数据后，进行数据统计和分析，通过迷宫式矩阵算法优化关键变量，并将优化后的关键变量返回至嵌入式控制器，嵌入式控制器根据优化后的关键变量，向风力发电机组原控制系统重新设定功率给定参数、转矩给定参数和桨叶角度等控制指令。风力发电机组原控制系统根据优化后的给定参数、转矩给定参数、桨叶角度等控制指令控制风力发电机组的运行，实现发电功率提升的目的。相对现有技术，本发明技术方案具有自适应调整、鲁棒性好且控制精准以及发电效率高等优点。
Description
技术领域
本发明涉及风力发电技术领域，特别涉及基于迷宫式矩阵算法提升风力发电功率的方法和装置。
背景技术
随着能源资源出现短缺和国内对环境清洁要求的提高，开发和利用清洁能源发电成为目前研究热点，其中作为现阶段可再生且清洁的能源，风力发电是较为成熟的发电手段并具有较好的应用前景。
然而，现阶段的风力发电行业，在逐渐取消政策补贴以及平价时代的社会背景下，如何通过提升发电机组发电量和功率曲线饱和度，具有极其重要意义。
现有技术中，关于风力发电机组的最优风能利用系数跟踪控制方法有两种，包括基于常规的“转速-转矩查表”控制方法和基于“转速-转矩的PI”控制方法，上述两种控制方法中，算法控制器的功率给定或转矩给定，都没有充分考虑或者不能准确衡量出环境因素影响，例如气压、温度、湿度等，还没有考虑风机的机械部件和电气部件理论效率与实际运行效率之间差异，以及叶型理论与实际之间偏差等因素造成的影响，这样因素都会导致功率或转矩实际给定与最优给定存在偏差，最终影响实际发电功率。
现有技术中，针对最优风能利用系数跟踪控制方法中，通常将风力发电机组风能转换为电能的计算公式为：
其中式(1)中的P为风力发电机组的输出电功率；Cp为叶轮的最大风能利用系数；ρ为空气密度；A为叶轮的扫风面积；ν为叶轮前的风速。
而风速和叶尖速比对应关系式为：
其中式(2)中的λ为叶尖速比；nG为发电机转速；R为叶轮半径；G为增速齿轮箱传动比。
通过将公式(2)代入至公式(1)可以得到以下对应公式：
根据上述公式(3)可以知道，现有技术的控制方法并没有充分考虑到外界环境测量误差、风机的机械部件和电气部件理论效率与实际运行效率差异，以及叶型理论与实际之间偏差等因素造成的影响，而这些因素都会影响风机运行最优Cp-λ曲线，造成对风机发电功率的影响，因此对现有技术的最优风能利用系数跟踪控制方法进行改进和优化具有重要意义。
发明内容
本发明的主要目的是提出一种用于提升风力发电机发电功率的自适应调整且控制精准的基于迷宫式矩阵算法提升风力发电功率的方法和装置，旨在实现有效提高发电效率目的。
为实现上述目的，本发明提出的基于迷宫式矩阵算法提升风力发电功率的方法，包括以下步骤：
步骤S1：风力发电机组原控制系统检测风力发电机组的若干关键变量并传输至嵌入式控制器；
步骤S2：嵌入式控制器实时将接收的数据传输至服务器；
步骤S3：服务器接收嵌入式控制器传输的数据后，进行数据统计和分析，通过迷宫式矩阵算法优化关键变量，并将优化后的关键变量返回至嵌入式控制器；
步骤S4：嵌入式控制器根据优化后的关键变量，向风力发电机组原控制系统重新设定功率给定参数、转矩给定参数和桨叶角度控制指令；
步骤S5：风力发电机组原控制系统根据更新后的功率给定参数、转矩给定参数、桨叶角度控制指令控制风力发电机组的运行以提升发电功率；
步骤S6：重复循环步骤S1至步骤S5。
优选地，所述步骤S3中，假设环境测量、风机效率以及叶型参数造成的总偏差为控制系数μ，并将控制系数μ引入至风力发电机组风能转换为电能的公式：
其中控制系数μ可表示为μ＝μ1*μ2*......*μn，每个μn表示风力发电机组在各个环节的控制系数，μn以N×M矩阵的1.0为入口，通过服务器对机组运行时的几个关键数据进行实时统计，对比不同系数下效率高低，在不同系数的阶跃幅度和升降的耦合计算下，判断其在矩阵中的走向以形成走向路线，最终固定在某个值而确定得μn值或在n×m的小矩阵范围内，通过确定全部的μn便可以得到确定μ值。
优选地，所述N×M矩阵中横向步长和纵向步长各为固定值。
优选地，所述N×M矩阵中横向步长和纵向步长根据检测对象、控制系统和传感器检测精度等级进行自适应性调整。
优选地，所述步骤S1的关键变量包括桨叶角度、有功功率、发电机转速、风速。
本发明还提出一种使用所述基于迷宫式矩阵算法提升风力发电功率的方法的装置，所述风力发电机组原控制系统的现场传感器安装于风机内部，并将风力发电机组的关键变量采集；所述嵌入式控制器安装于风机控制柜内，嵌入式控制器与风力发电机组原控制系统连接进行数据联动，嵌入式控制器进行初步数据采集和数据分析后发送至连接的所述服务器，服务器进行深度数据统计和分析并实时按照迷宫式矩阵算法优化动态的关键变量，并将优化后的参数返回至嵌入式控制器。
优选地，所述服务器控制过程包括测试阶段和应用阶段，测试阶段通过内部系统自学习，不断进行数据优化和计算，最终获取每个工况下的最优控制系数矩阵，应用阶段随着采集到的有效数据数量增加，模型参数越趋精确。
本发明技术方案相对现有技术具有以下优点：
本发明技术方案的通过在原来控制方法引入控制系数μ，并且控制系数μ通过多个μn以最终确定，在计算过程中通过数据采集和迷宫式矩阵计算出接近真实情况下的最优化值，从而可有效弥补原本控制方法中，关于气象环境、传动效率、叶型参数、电气部件效率等因数在理论值与实际运行过程中的真实值之间的偏差，使得最终提到提升风力发电机组运行在最优Cp-λ曲线内，以达到提高发电效率目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例的使用基于迷宫式矩阵算法提升风力发电功率的方法的装置的结构示意图；
图2为最优Cp-λ曲线示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明，若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，若本发明实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
本发明提出一种基于迷宫式矩阵算法提升风力发电功率的方法。
请参见图1，本实施例中风力发电机组原控制系统的现场传感器安装于风机内部，并检测风力发电机组的关键变量并传送至嵌入式控制器，其中本实施例的关键变量包括但不限于桨叶角度、有功功率、发电机转速、风速，嵌入式控制器实时将接收的数据传输至服务器，服务器接收嵌入式控制器传输的数据后，进行数据统计和分析，通过迷宫式矩阵算法优化关键变量，并将优化后的关键变量重新传输至嵌入式控制器，嵌入式控制器根据优化后的关键变量，向风力发电机组原控制系统重新设定功率给定参数、转矩给定参数和桨叶角度控制指令，风力发电机组原控制系统根据更新后的功率给定参数、转矩给定参数、桨叶角度等控制指令控制风力发电机组的运行以提升发电功率，然后通过不断重复循环上述步骤。
其中，本实施例按照迷宫式矩阵算法优化关键变量时，根据现有技术中关于风力发电机组风能转换电能的计算公式(1)为：
和风速与叶尖速比对应公式(2)为：
通过将公式(1)和公式(2)合并而得到公式(3)为：
显然公式(3)并没有充分考虑外界环境测量误差、风机的机械部件和电气部件理论与实际运行效率的差异，以及叶型理论与实际之间偏差等因素造成的影响，而这些因素都会影响风机运行最优Cp-λ曲线，造成对风机发电功率的影响。
本发明实施例中，假设环境测量、风机效率以及叶型参数等因素造成的总偏差为控制系数μ，通过将控制系数μ代入至公式(3)可得到关系式(4)：
公式(4)的控制系数μ用于控制补偿气象环境因数、机械传动效率、电气效率以及叶型参数等因素在理论值与实际运行过程中的真实值之间的偏差，其中系数μ的关系式为：μ＝μ1*μ2*......*μn (5)
公式(5)的μ1......μn是指风力发电机组的各个环节的控制系数，其中本发明实施例的μ1......μn按照下表1所示选择，通过基于固定条件下最大出力对应系数，从而确定所有的控制系数，其中本实施例的表1为15*15的矩阵，表中横向步长为0.100，纵向步长为0.050。需要说明的是，本实施例的矩阵中横向步长和纵向步长各为固定值，或者矩阵中横向步长和纵向步长根据检测对象、控制系统和传感器检测精度等级进行自适应性调整。
首先以表1矩阵的左上角为入口，然后根据不同的系数进行调整后，判断前后的实际发电量在某个固定条件下的前后值进行比较，然后再判断矩阵中的具体走向，从而形成迷宫走向，最终固定在某个系数当中值或者2*2的小矩阵中取平均值以确定μn值，通过得到全部的μn值而最终确定μ值。
表1
| 0.400 | 0.500 | …… | 1.100 | …… | 1.700 | 1.800 |
| 0.450 | 0.550 | …… | 1.150 | …… | 1.750 | 1.850 |
| …… | …… | …… | …… | …… | …… | …… |
| 0.750 | 0.850 | …… | 1.450 | …… | 2.050 | 2.150 |
| …… | …… | …… | …… | …… | …… | …… |
| 1.050 | 1.150 | …… | 1.750 | …… | 2.350 | 2.450 |
| 1.100 | 1.200 | …… | 1.800 | …… | 2.400 | 2.500 |
请参见图1，本发明还提出一种使用基于迷宫式矩阵算法提升风力发电功率的方法的装置，风力发电机组原控制系统的现场传感器安装于风机内部，并将风力发电机组的若干个关键变量采集；嵌入式控制器安装于风机控制柜内，嵌入式控制器与风力发电机组原控制系统连接进行数据联动，嵌入式控制器进行初步数据采集和数据分析后发送至电连接的服务器，服务器进行深度数据分析和统计分析并实时按照迷宫式矩阵算法优化动态的关键变量，并将优化后的参数返回至嵌入式控制器，其中服务器控制过程包括测试阶段和应用阶段，测试阶段通过内部系统自学习，不断进行数据优化和计算，最终获取每个工况下的最优控制系数矩阵，应用阶段随着采集到的有效数据数量增加，模型参数越趋精确。
假设风力发电机在理想状态的设计Cp-λ曲线为图2中的实线曲线段，此时点A为风力发电机在理想状态下的最优点，但实际上，风力发电机会受到叶片生产、机械组装工艺、吊装安装和现场运行降低效率等因素影响，而使得Cp的最大值产生降低，以及叶尖速比也会出现降低或增大现象，如图2所示的点划线曲线段和虚线曲线段，而点划线曲线段和虚线曲线段的最大值分别为B点和C点，本发明能够从理论的A点自动寻找至对应曲线段中最大值B点或C点。因此本发明实施例的迷宫式矩阵算法提升风力发电机发电功率方法通过在原来控制方法引入控制系数μ，并且控制系数μ通过多个μn以最终确定，在计算过程中通过数据采集和迷宫式矩阵计算出接近真实情况下的最优化值，从而可有效弥补原本控制方法中，关于气象环境、传动效率、叶型参数、电气部件效率等因数在理论值与实际运行过程中的真实值之间的偏差，使得最终提到提升风力发电机组运行在最优Cp-λ曲线内，以达到提高发电效率目的。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (3)
1.基于迷宫式矩阵算法提升风力发电功率的方法，其特征在于，包括以下步骤：
步骤S1：风力发电机组原控制系统检测风力发电机组的若干关键变量并传输至嵌入式控制器，所述关键变量包括桨叶角度、有功功率、发电机转速、风速；
步骤S2：嵌入式控制器实时将接收的数据传输至服务器；
步骤S3：服务器接收嵌入式控制器传输的数据后，进行数据统计和分析，通过迷宫式矩阵算法优化关键变量，并将优化后的关键变量返回至嵌入式控制器，假设环境测量、风机效率以及叶型参数造成的总偏差为控制系数μ，并将控制系数μ引入至风力发电机组风能转换为电能的公式：
其中控制系数μ可表示为μ＝μ1*μ2*......*μn，每个μn表示风力发电机组在各个环节的控制系数，μn以N×M矩阵的1.0为入口，通过服务器对机组运行时的几个关键数据进行实时统计，对比不同系数下效率高低，在不同系数的阶跃幅度和升降的耦合计算下，判断其在矩阵中的走向以形成走向路线，最终固定在某个值而确定得μn值或在n×m的小矩阵范围内，通过确定全部的μn便可以得到确定μ值，所述N×M矩阵中横向步长和纵向步长各为固定值，所述N×M矩阵中横向步长和纵向步长根据检测对象、控制系统和传感器检测精度等级进行自适应性调整；
步骤S4：嵌入式控制器根据优化后的关键变量，向风力发电机组原控制系统重新设定功率给定参数、转矩给定参数和桨叶角度控制指令；
步骤S5：风力发电机组原控制系统根据更新后的功率给定参数、转矩给定参数、桨叶角度控制指令控制风力发电机组的运行以提升发电功率；
步骤S6：重复循环步骤S1至步骤S5。
2.一种使用如权利要求1所述方法的装置，其特征在于，所述风力发电机组原控制系统的现场传感器安装于风机内部，并将风力发电机组的关键变量采集；所述嵌入式控制器安装于风机控制柜内，嵌入式控制器与风力发电机组原控制系统连接进行数据联动，嵌入式控制器进行初步数据采集和数据分析后发送至连接的所述服务器，服务器进行深度数据统计和分析并实时按照迷宫式矩阵算法优化动态的关键变量，并将优化后的参数返回至嵌入式控制器。
3.如权利要求2所述装置，其特征在于，所述服务器控制过程包括测试阶段和应用阶段，测试阶段通过内部系统自学习，不断进行数据优化和计算，最终获取每个工况下的最优控制系数矩阵，应用阶段随着采集到的有效数据数量增加，模型参数越趋精确。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010456389.6A CN111608867B (zh) | 2020-05-26 | 2020-05-26 | 基于迷宫式矩阵算法提升风力发电功率的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010456389.6A CN111608867B (zh) | 2020-05-26 | 2020-05-26 | 基于迷宫式矩阵算法提升风力发电功率的方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111608867A CN111608867A (zh) | 2020-09-01 |
| CN111608867B true CN111608867B (zh) | 2021-05-14 |
Family
ID=72204946
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010456389.6A Active CN111608867B (zh) | 2020-05-26 | 2020-05-26 | 基于迷宫式矩阵算法提升风力发电功率的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111608867B (zh) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8608441B2 (en) * | 2006-06-12 | 2013-12-17 | Energyield Llc | Rotatable blade apparatus with individually adjustable blades |
| CN104463771B (zh) * | 2014-12-08 | 2018-10-26 | 陕西师范大学 | 一种基于3D Wilson迷宫的数字置乱方法 |
| CN105848277B (zh) * | 2016-03-17 | 2019-03-08 | 深圳大学 | 一种基于广播信道的分布式天线能量效率优化方法及系统 |
| CN106110655A (zh) * | 2016-06-22 | 2016-11-16 | 广州多益网络股份有限公司 | 一种随机地图生成方法、及其客户端、服务端和系统 |
| CN109611274B (zh) * | 2018-12-11 | 2021-03-30 | 苏州科技大学 | 一种风力发电机组高风速区lqg优化控制方法 |
| CN110263477B (zh) * | 2019-06-28 | 2023-06-23 | 湘电风能有限公司 | 一种风力发电机组叶尖速比获取方法 |
-
2020
- 2020-05-26 CN CN202010456389.6A patent/CN111608867B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111608867A (zh) | 2020-09-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104564529B (zh) | 风力发电机组的输出功率补偿方法、装置和系统 | |
| CN115807734B (zh) | 一种基于尾流跟踪的海上风电场场级协同控制策略 | |
| CN101272121B (zh) | 一种风力发电机组的最大功率点跟踪方法 | |
| CN106979126B (zh) | 基于svr的风力发电机组高风速段有效风速估计方法 | |
| CN105649877B (zh) | 一种大型风电机组的蚁群pid独立变桨控制方法 | |
| CN114707437A (zh) | 一种水平轴风力机三维全尾流模型的建立方法 | |
| CN111725840A (zh) | 一种直驱风电机组控制器参数辨识方法 | |
| Ngo et al. | The maximum power point tracking based-control system for small-scale wind turbine using fuzzy logic | |
| CN115288929B (zh) | 一种计及载荷计算的风电机组偏航控制方法及系统 | |
| CN102797631A (zh) | 一种风电机组的最优增益在线自校正方法、系统及其装置 | |
| CN108105030B (zh) | 一种基于风机传感器的偏航校准方法 | |
| CN113849975A (zh) | 一种双馈风电机组低电压穿越特性辨识方法和系统 | |
| CN103225588A (zh) | 基于模式识别技术的风力发电功率曲线优化方法 | |
| CN115202238A (zh) | 海上风电机组机械-电气联合硬件在环高精度仿真方法 | |
| CN114294158A (zh) | 基于鲁棒控制的风电机组气动不平衡载荷控制方法 | |
| CN107100795A (zh) | 一种低风速下风力发电机组mppt自适应控制方法 | |
| CN118100321B (zh) | 一种基于改进鱼鹰搜索算法的风电集群控制方法及系统 | |
| CN106451539A (zh) | 一种计及永磁直驱风电机组动态特性的风电场并网稳定分析方法 | |
| CN111608867B (zh) | 基于迷宫式矩阵算法提升风力发电功率的方法和装置 | |
| CN119313196A (zh) | 基于风向变化的风力发电机组载荷动态预测方法及装置 | |
| WO2018193802A1 (ja) | 風力発電システム | |
| KR101032930B1 (ko) | 디지털 풍속 추정 모듈과 가변속제어모듈을 통한 풍력발전기 최적제어형 통합 관리 장치 및 방법 | |
| CN107579531B (zh) | 双馈风电附加阻尼控制器的“域”设计方法 | |
| CN114427515B (zh) | 基于数字孪生的风机最大功率点跟踪控制性能优化方法 | |
| CN113890060B (zh) | 一种适用于大电网宽频振荡分析的直驱式风电机组暂态模型 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 518100 C329, Dongfang Yayuan, Baomin Second Road, chentian community, Xixiang street, Bao'an District, Shenzhen, Guangdong Patentee after: Shenzhen Yifeng New Energy Engineering Technology Co.,Ltd. Address before: 1201, building 21, Tianming Haoting, 18 Donghua Road, Shiqi District, Zhongshan City, Guangdong Province, 528400 Patentee before: Shenzhen Yifeng New Energy Engineering Technology Co.,Ltd. |