【技术实现步骤摘要】
本申请属于一种风向校准方法，具体涉及一种基于尾流效应校准风向数据系统性偏差的方法及相关装置。
技术介绍
1、风电机组机顶风向标的偏差来源包括系统性偏差、随机性偏差、非线性响应、温度相关偏差、风向变化时的滞后、风向标故障以及校准漂移等。其中，系统性偏差对风向测量的影响是持续的，因此，系统性偏差对长期数据收集和风能利用效率的影响非常大。
2、系统性偏差表现为风向标的读数持续偏离实际风向一个固定的角度或方向，可能是由设备安装不正确、传感器定位偏差或制造缺陷等原因造成的。通常情况下，检测风向的系统性偏差需要通过将设备读数与已知准确的风向数据进行对比，或者使用专门的校准设备和方法来进行。然而，专门用于风资源测量与评估的测风塔，在风电场建设完成后，往往因安全隐患和额外的维护成本支出等原因被拆除。激光雷达、声雷达等测风设备，又因为其高昂的设备成本，无法成为校准长期运行数据的最佳选择。
3、校准风向数据的方法大致可以分为三类：数据修正校准法、参考数据对比校准法和历史趋势分析校准法。其中，数据修正校准法通常需要基于一定的经验和先验假设。参考数据对比校准法在难以获得校准数据的情况下很难完成校准。历史趋势分析校准法需要完整的历史校准数据才能完成校准，此外，该方法能够校准较大时间跨度的数据，但无法对每个时间步的风向数据进行校准。
4、因此，在实际风电场生产环节，面临的挑战是如何在没有历史和同期校准记录的情况下，仅仅依靠风电机组scada(supervisory control and data acquisition
技术实现思路
1、本申请针对目前校准风向数据时，采用人工校准的方法校准风向仪与标准仪器之间的读数偏差，无法纠正已经出现风向偏差的记录数据的问题，提供一种基于尾流效应校准风向数据系统性偏差的方法及相关装置。
2、为了实现上述目的，本申请采用以下技术方案予以实现：
3、第一方面，本申请提出一种基于尾流效应校准风向数据系统性偏差的方法，包括：
4、s1，获取风电场数据；所述风电场数据包括scada数据记录、各台风电机组的性能参数和地理坐标；
5、s2，计算风电场内每两台风电机组之间的间距和方向，筛选出对每台风电机组尾流效应影响最大的若干台风电机组；
6、s3，建立风电场工程尾流模型；
7、s4，结合每台风电机组尾流效应影响最大的若干台风电机组和所述风电场数据，通过风电场工程尾流模型计算特定风电机组的理论最大尾流损失风向；所述特定风电机组为风电场内任一台风电机组；
8、s5，分析scada数据记录，结合每台风电机组尾流效应影响最大的若干台风电机组和所述风电场数据，计算特定风电机组的实际最大尾流损失风向；
9、s6，计算特定风电机组多次风向校准值的平均值；所述风向校准值通过实际最大尾流损失风向减去理论最大尾流损失风向得到；
10、s7，使特定风电机组的scada数据记录中的scada风向数据减去特定风电机组多次风向校准值的平均值，完成特定风电机组的校准；
11、s8，重新选择一台风电机组作为特定风电机组，返回步骤s4，直至完成风电场内所有风电机组的校准。
12、进一步地，步骤s7中，所述完成特定风电机组的校准之前，还包括：计算特定风电机组的风向校准不确定度，判断所述风向校准不确定度是否大于不确定度阈值，若是，则返回步骤s2，筛选出更多对每台风电机组尾流效应影响最大的若干台风电机组，否则，完成特定风电机组的校准。
13、进一步地，步骤s1中，所述scada数据记录包括每台风电机组预设时间内的测量平均风速、平均风向、平均功率、机舱位置和时间戳；且scada数据记录的时间范围大于等于一年；
14、所述各台风电机组的性能参数包括额定风速、额定功率、风轮直径、轮毂高度、功率和推力曲线；
15、所述地理坐标包括每台风电机组的经纬度信息和具体的地理坐标系。
16、进一步地，步骤s2包括：
17、s2.1，将每台风电机组的地理坐标转换为满足方向准确性要求的投影坐标系下的投影坐标，得到风电机组投影坐标；
18、s2.2，计算风电场内每两台风电机组之间的相对距离和相对方向角；
19、s2.3，筛选与t0距离最近的n台风电机组，组成集合，记为{t1,t2,…,tn}，作为尾流效应影响最大的机组；其中，t0表示特定风电机组。
20、进一步地，步骤s3中，所述风电场工程尾流模型包括速度损失模型、尾流叠加模型和湍流模型；
21、所述速度损失模型采用高斯速度损失模型，所述尾流叠加模型采用自由流平方和叠加模型，所述湍流模型采用crespo-hernandez模型。
22、进一步地，步骤s4包括：
23、s4.1，将特定风电机组的投影坐标、性能参数和入流风向输入风电场工程尾流模型，计算在不同来流风向下，t0受尾流效应影响下的发电功率；
24、s4.2，当t0分别位于机组对{(t1,t0),(t2,t0),…,(tn,t0)}下游时，计算对应来流风向预设范围内使得t0发电功率最低的风向，分别记为α1,α2,…,αn，将这一组风向作为理论最大尾流损失风向。
25、进一步地，步骤s5包括：
26、s5.1，筛选t0记录的scada数据记录中功率大于零的记录，以及来流风向和机舱方向之差的绝对值小于15°范围内的记录；
27、s5.2，对于{(t1,t0),(t2,t0),…,(tn,t0)}中每个机组对，分别计算t0位于下游时与各台风电机组的功率之比；
28、s5.3，将风向按1°为间隔进行划分，计算不同风向下t0与上游机组的功率之比；
29、s5.4，寻找功率之比在理论最大尾流损失风向预设范围内的极小值，作为实际最大尾流损失风向，记为β1,β2,…,βn。
30、进一步地，所述风向校准不确定度通过下式计算：
31、
32、其中，s为样本标准差；
33、
34、其中，ci为第i次风向校准值，c为多次风向校准值的平均值。
35、第二方面，本申请提出一种基于尾流效应校准风向数据系统性偏差的系统，包括：
36、获取模块，用于获取风电场数据；所述风电场数据包括scada数据记录、各台风电机组的性能参数和地理坐标；
37、筛选模块，用于计算风电场内每两台风电机组之间的间距和方向，筛选出对每台风电机组尾流效应影响最大的若干台风电机组；
38、模型模块，用于建立风电场工程尾流模型；
39、理论计算模块，用于结合每台风电机组尾本文档来自技高网...
【技术保护点】
1.一种基于尾流效应校准风向数据系统性偏差的方法，其特征在于，包括：
2.根据权利要求1所述基于尾流效应校准风向数据系统性偏差的方法，其特征在于，步骤S7中，所述完成特定风电机组的校准之前，还包括：计算特定风电机组的风向校准不确定度，判断所述风向校准不确定度是否大于不确定度阈值，若是，则返回步骤S2，筛选出更多对每台风电机组尾流效应影响最大的若干台风电机组，否则，完成特定风电机组的校准。
3.根据权利要求1或2所述基于尾流效应校准风向数据系统性偏差的方法，其特征在于，步骤S1中，所述SCADA数据记录包括每台风电机组预设时间内的测量平均风速、平均风向、平均功率、机舱位置和时间戳；且SCADA数据记录的时间范围大于等于一年；
4.根据权利要求3所述基于尾流效应校准风向数据系统性偏差的方法，其特征在于，步骤S2包括：
5.根据权利要求4所述基于尾流效应校准风向数据系统性偏差的方法，其特征在于：步骤S3中，所述风电场工程尾流模型包括速度损失模型、尾流叠加模型和湍流模型；
6.根据权利要求5所述基于尾流效应校准风向数据系统性偏差
7.根据权利要求6所述基于尾流效应校准风向数据系统性偏差的方法，其特征在于，步骤S5包括：
8.根据权利要求7所述基于尾流效应校准风向数据系统性偏差的方法，其特征在于，所述风向校准不确定度通过下式计算：
9.一种基于尾流效应校准风向数据系统性偏差的系统，其特征在于，包括：
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于尾流效应校准风向数据系统性偏差的方法，其特征在于，包括：
2.根据权利要求1所述基于尾流效应校准风向数据系统性偏差的方法，其特征在于，步骤s7中，所述完成特定风电机组的校准之前，还包括：计算特定风电机组的风向校准不确定度，判断所述风向校准不确定度是否大于不确定度阈值，若是，则返回步骤s2，筛选出更多对每台风电机组尾流效应影响最大的若干台风电机组，否则，完成特定风电机组的校准。
3.根据权利要求1或2所述基于尾流效应校准风向数据系统性偏差的方法，其特征在于，步骤s1中，所述scada数据记录包括每台风电机组预设时间内的测量平均风速、平均风向、平均功率、机舱位置和时间戳；且scada数据记录的时间范围大于等于一年；
4.根据权利要求3所述基于尾...
【专利技术属性】
技术研发人员：马远驰，杨之乐，郭媛君，张琳昕，胡天宇，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。