自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法与流程

本发明涉及一种自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法，尤其涉及这样一种自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法，其能够排除在风力涡轮机中测量到的风速-功率数据里包括的大量错误数据，并自动计算用于功率曲线监测的最优功率曲线界限。

背景技术：
通常，风力发电场(farm)必须有效和稳定地工作。为此目的，监督控制和数据采集(SCADA)系统以及状态监测系统(CMS)被用作代表性关键运行技术。用于运行风力发电场的SCADA系统是基于计算机的系统，与其控制器结合远程控制风力涡轮机，并获取用于分析和报告风力涡轮机的运行性能的数据，以及执行控制、监测、分析和报告功能。SCADA系统的研发重点是风电场的整体运行，专注于监测单独的风力涡轮机的当前运行状态。也就是说，为了监测单独的风力涡轮机，SCADA系统专注于获取和分析部件的代表性特征值，除了有关涡轮机运行的信息之外，特别专注于温度和压力值。如上所述，SCADA系统专注于监测风力涡轮机的当前运行状态，而状态监测系统(CMS)旨在于早期阶段诊断风力涡轮机的故障，并通过更仔细地监测、分析以及预测风力涡轮机部件的状态来防止它们损坏，从而提高风力涡轮机的可靠性和经济可行性。根据使用多种先进的分析技术预先监测的区域和诊断的故障，状态监测系统主要分为叶片状态监测系统、部件振动状态监测系统和油状态监测系统。如SCADA系统，状态监测系统执行监测、分析和报告功能。然而，状态监测系统与SCADA系统的不同在于监测目标区域和分析以及预测技术方面。如上所述，SCADA系统和状态监测系统监测单独的风力涡轮机部件(诸如叶片、齿轮箱和发电机)的故障，并且根据故障的影响的预测程度通过区分警报水平(例如，注意、警告和报警)来生成报警消息。然而，确定整个风力涡轮机系统方面故障而不是单独部件故障的技术尚未应用到SCADA系统或状态监测系统。功率曲线用曲线图形式示出风力涡轮机功率与风速的关系，是表示整个风力涡轮机系统方面涡轮机性能的代表性指标，是涡轮机制造商必须确保的风力涡轮机的正式性能保证指标。图1示出根据在典型风力发电机的动力涡轮机中发生的各种故障示例的功率曲线。参照图1，各种故障示例中的功率曲线示出，在故障情况下，存在偏离正常功率曲线的功率输出。由于所观察的结果，基于功率曲线的监测技术吸引了与风力涡轮机的状态监测中使用的状态监测系统同样的注意。然而，尽管它们具有重要性，业界尚未积极开展对功率曲线监测技术的研究。图2是示出根据典型的功率曲线监测技术在太阳能供电技术研究所(ISET)中测量到的设定功率曲线界限的示例的曲线图。参照图2，在德国太阳能供电技术研究所进行的一项案例研究中，通过将五分钟内测量到的功率的平均值数据划分到0.5m/s的风速数据箱(bin)中，再为每个数据箱计算平均值和标准偏差来设定报警界限。然而，在ISET提出的方法中，随着风速增加超过额定风速，上限和下限之间的距离增加，以适应被选作应用目标的失速控制涡轮机，从而使得难以将该方法应用到大型风力涡轮机中主要使用的节距控制(pitchcontrol)。图3a和3b是示出根据典型的功率曲线监测技术在智能系统实验室中测量到的设定功率曲线界限的示例的曲线图。参照图3a和图3b，代表性的功率曲线监测技术是使用由美国爱荷华大学智能系统实验室(AndrewKusiak教授)研发的数据挖掘算法的非参数模型技术。智能系统实验室测试用于功率曲线估计的各种数据挖掘算法。其中，K-NN模型表现出最优良的性能。另外，智能系统实验室提出了用于设定功率曲线界限的残差控制图技术。然而，智能系统实验室所提出的数据挖掘技术的K-NN模型的精度可能由于错误数据而显著降低。此外，每次给出新的数据，必须通过计算新数据和所有习得(learning)数据之间的距离来选择k个相邻的数据。因此，随着习得数据量增加，需要更多的时间来计算其间的距离。相关技术公开于韩国专利公开号10-2010-0031897(名称为“用于监测风力发电机的装置”)。

技术实现要素：
[技术问题]在功率曲线监测技术的应用中，仅使用排除了错误数据的正常数据作为功率曲线界限设定算法的输入是常见问题。在诸如风力发电的不规则能源的情况下，在试运行过程中或在安装后一年中，无法保证在所有风速下仅获得正常数据。因此，必须从测量到的数据中排除错误数据，以便准确地应用功率曲线界限设定算法。然而，在相关技术中，因为需要大量人力和时间来为功率曲线界限设定算法的应用排除错误数据，所以功率曲线监测技术不易被应用到实际现场。本发明旨在解决现有技术中这些问题，并且本发明的一个方面提供一种自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法，即使在风力涡轮机中测量到的风速-功率数据除包括正常数据外还包括大量错误数据时，也可以通过自动计算用于功率曲线监测的功率曲线界限来设定最优功率曲线界限。[技术方案]根据本发明的一个方面，一种自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法，包括：由输入数据划分单元通过可变速度数据箱划分风力发电的输入数据；由功率计算单元为所划分的输入数据计算每个数据箱的功率的平均值和标准偏差；由功率曲线估计单元为每个数据箱的所计算出的功率的平均值估计功率曲线；由界限搜索单元在移动所估计的功率曲线的同时搜索准确的功率曲线界限；以及由数据提取单元设定所述准确的功率曲线界限之间的输入数据，以作为新的输入数据。所述输入数据划分单元可根据由下面方程式给出的数据箱宽度基于所述可变速度数据箱来确定输入数据的风速-功率数据：数据箱宽度＝1/整个算法循环的重复次数(m/sec)所述功率曲线估计单元可基于每个数据箱计算出的功率的平均值作为插值法的输入，使用所述插值法来估计功率曲线，并且所述插值法可以是三次B样条插值法。所述界限搜索单元可以在向左和向右或向上和向下移功率曲线的同时搜索准确的功率曲线界限。所述界限搜索单元可以以预设的ΔV的距离重复向左和向右移动功率曲线，直到满足下面的不等式：PDLi-PDLi-1＜βshift(i＞1)。所述界限搜索单元可以以预设的ΔP的距离重复向上和向下移动功率曲线，直到满足下面的不等式：PDLi-PDLi-1＜γoffset(i＞1)。PDL可以由下面方程式限定：所述方法还可以包括：在设定输入数据之后，从所述功率计算单元接收每个数据箱的计算出的功率的标准偏差，并且由数据确定单元计算其平均值；由所述数据确定单元将计算出的标准偏差的平均值与在先前的算法循环中计算出的先前的标准偏差的平均值比较，并且确定平均值的变化是否小于用于确定是否终止功率曲线计算算法的常数；以及当平均值的变化小于所述常数时，确定已计算出准确的功率曲线界限并终止整个算法循环的执行，并且当所述平均值的变化大于所述常数时，使用新的输入数据重复整个循环算法。[有益效果]如上所述，根据本发明，即使在风力涡轮机中测量到的风速-功率数据除包括正常数据外还包括大量错误数据时，通过计算每个数据箱的功率数据输入的平均值和标准偏差，并使用插值法估计功率曲线，接着在移动功率曲线的同时搜索最优界限，可自动计算功率曲线界限。因此，功率曲线监测技术可以容易地应用到实际现场，以迅速识别和应对整个风力涡轮机系统方面的故障，从而使风力发电场运行的效率、可靠性和经济可行性最大化。此外，根据本发明的实施例的用于自动计算功率曲线界限的算法可以用作用于风电场运行和维护的SCADA系统或状态监测系统(CMS)主要监测算法。附图说明图1示出根据在典型的风力涡轮机中发生的故障示例的各种功率曲线。图2是示出根据典型的功率曲线监测技术在ISET中测量到的设定功率曲线界限的示例的曲线图。图3a和图3b是示出根据典型的功率曲线监测技术在智能系统实验室中测量到的设定功率曲线界限的示例的曲线图。图4是用于实现根据本发明一个实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法的装置的框图。图5是示出根据本发明一个实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法的流程图。图6是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，作为风力发电的输入数据的、根据风速的风力涡轮机的功率特性的曲线图。图7是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，每个数据箱的所划分的功率输入数据的平均值的曲线图。图8是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，使用插值法估计出的功率曲线的曲线图。图9a和图9b是分别示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，根据水平移动距离，上、下功率曲线界限之间存在的数据百分比和变化的曲线图。图10是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，通过功率曲线的水平移动获得的最优上、下功率曲线界限的曲线图。图11a和图11b是分别示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，根据垂直移动距离，上、下功率曲线界限之间存在的数据百分比和变化的曲线图。图12是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，通过功率曲线的垂直移动获得的最优上、下功率曲线界限的曲线图。图13是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，根据功率曲线界限的自动计算算法新选择的输入数据的曲线图。图14a至图14d是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，根据用于自动计算功率曲线界限的算法的循环次数的示例的曲线图。图15是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，包括大量错误数据的输入数据的曲线图。图16a至16e是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，根据应用到图15所示的输入数据的、用于自动计算功率曲线界限的算法循环的重复次数的示例的曲线图。具体实施方式下面将参照附图详细描述本发明的实施例。应当指出的是，附图不是准确地按比例，并且为了描述方便和清楚可以在线条的宽度或部件的尺寸上夸大。此外，本文所用的术语通过考虑本发明的功能而定义，并且可以根据用户或操作员习惯或意图而改变。因此，术语的定义应根据本文阐述的所有公开内容来进行。图4是用于实现根据本发明一个实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法的装置的框图。参照图4，用于实现根据本发明的实施例自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法的装置包括：输入数据划分单元10，功率计算单元20，功率曲线估计单元30，界限搜索单元40，数据提取单元50，以及数据确定单元60。[发明方式]输入数据划分单元10使用可变速度数据箱来划分在风力发电过程中输入的输入数据。其目的是划分通过特定的测量单元测量到的风速-功率数据，以便计算每个数据箱的功率的平均值和标准偏差。功率计算单元20计算通过输入数据划分单元10划分的每个数据箱的功率输入数据的平均值和标准偏差。平均值用作输入值，以用于通过插值法估计功率曲线，以及标准偏差被用来确定是否终止整个算法循环。功率曲线估计单元30接收通过功率计算单元20计算出的每个数据箱的输入数据的平均值，并且使用插值法估计功率曲线。界限搜索单元40在向左和向右或向上和向下移动通过功率曲线估计单元30估计的功率曲线的同时排除包括在输入数据中的错误数据。数据提取单元50在通过界限搜索单元40在向左和向右或向上和向下移动功率曲线的同时排除错误数据得到的功率曲线界限之间提取数据，以作为新的输入数据。数据确定单元60以通过数据提取单元50提取出的新的输入数据为目标，计算由功率计算单元20计算出的各个数据箱的功率的标准偏差的平均值，并通过将平均值与在先前的算法循环中计算出的标准偏差的平均值比较来确定是终止还是重复整个算法循环接着，参照图5和图6至图16e中所示的流程图，详细描述根据本发明一个实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法。图5是示出根据本发明一个实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法的流程图。在操作步骤S10中，输入数据划分单元10使用可变速度数据箱划分风力发电过程中通过特定的测量单元测量到的输入数据。图6是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，作为风力发电的输入数据的、根据风速的风力涡轮机的功率特性的曲线图。参照图6，输入数据划分单元10基于速度数据箱划分测量到的风速-功率数据。输入数据的划分是为计算每个数据箱的平均值和标准偏差做准备。在划分输入数据时，每个数据箱的宽度由下面的方程式1来确定。[方程式1]数据箱宽度＝1/整个算法循环的重复次数(m/sec)。在由方程式1确定数据箱宽度时，数据箱宽度首先具有值1m/sec，并随着整个算法被重复而具有逐渐减小的值，例如1/2m/sec，1/3m/sec，以此类推。使用可变速度数据箱的原因如下。首先，大量错误数据可能被包括在初始输入数据中，因此，使用较宽的数据箱宽度，以最小化错误数据的影响。其次，如图6所示，在低风速时发电机的特性主宰整个系统的特性，使得功率平稳地增加，而在接近额定风速时在节距控制下风力涡轮机的特性主宰整个系统的特性，使得功率被迅速调整。因此，使用更窄的数据箱以反映风力涡轮机的这种控制特性。在操作步骤S20中，功率计算单元20计算每个数据箱的所划分的功率输入数据的平均值和标准偏差。其目的是为了使用每个数据箱的功率的平均值来作为由功率曲线估计单元30通过插值法估计功率曲线的输入值，并使用每个数据箱的功率的标准偏差由数据确定单元60来确定是否终止整个算法循环。图7是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，每个数据箱的所划分的功率输入数据的平均值的曲线图。参照图7，功率计算单元20计算由输入数据划分单元10划分的每个数据箱的所划分的功率输入数据的平均值，并且平均值被显示在数据箱的中心。在操作步骤S30中，功率曲线估计单元30输入在功率计算单元20中计算出的每个数据箱的功率的平均值，并使用插值法估计功率曲线。图8是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，使用插值法估计出的功率曲线的曲线图。参照图8，功率曲线估计单元30使用表现出优良的效率的三次B样条插值法估计功率曲线。尽管三次B样条插值法被用作用于估计本发明实施例中的功率曲线的插值方法，但本发明不限于此，并且可以使用本领域中已知的多种插值方法。在估计功率曲线之后，在操作步骤S40中，界限搜索单元40在向左和向右或向上和向下移动所估计的功率曲线的同时排除尽可能多的错误数据，从而搜索尽可能仅包括正常数据的最优功率曲线界限。即，界限搜索单元40从现有的输入数据中排除尽可能多的错误数据，以仅选择正常的数据作为下一个算法循环的新的输入数据。图9a和图9b是分别示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，根据水平移动距离，上、下功率曲线界限之间存在的数据百分比和变化的曲线图，以及图10是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，通过功率曲线的水平移动获得的最优上、下功率曲线界限的曲线图。如图10所示，界限搜索单元40在向左和向右移动通过估计获得的功率曲线的同时，搜索在其间尽可能仅包括正常数据的最优上、下功率曲线界限。上、下功率曲线界限指示将被放置在估计的功率曲线上方和下方的功率曲线界限。界限搜索单元40基于诸如下面方程式2的不等式，来确定是否已获得最优上、下功率曲线界限。在这种情况下，界限搜索单元40以距离△V向左和向右重复地移动功率曲线，直至满足方程式2的不等式。在图10中，△V为0.1m/sec。[方程式2]PDLi-PDLi-1＜βshift(i＞1)，其中，i表示界限搜索算法的重复次数，并且βshift是一常数，用于确定是否已经在当前阶段确定出最优上、下功率曲线界限。在图9a、图9b和图10中，βshift为1％。具有单位％的PDL由以下的方程式3限定。[方程式3]图11a和图11b是分别示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，根据垂直移动距离，上、下功率曲线界限之间存在的数据百分比和变化的曲线图，并且图12是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，通过功率曲线的垂直移动获得的最优上、下功率曲线界限的曲线图。如图12所示，界限搜索单元40在如图10所示向上和向下移动上、下功率曲线界限的同时搜索尽可能仅包括正常数据的最优上、下功率曲线界限。以同样的方式，界限搜索单元40基于诸如下面方程式4的不等式确定当前阶段是否已获得最优上、下功率曲线界限。在这种情况下，界限搜索单元40以距离△P向上和向下重复地移动功率曲线，直至满足方程式4的不等式。在图12中，△P为5kW。[方程式4]PDLi-PDLi-1＜γoffset(i＞1)，其中，i表示界限搜索算法的重复次数，PDL由方程式3限定，并且γoffset是一常数，用于确定是否已经在当前阶段确定出最优上、下功率曲线界限。在图11a、图11b和图12中，γoffset为0.05％。在界限搜索功能中，通过功率曲线界限的向左和向右移动然后通过其向上和向下移动已获得最优上、下功率曲线界限。然而，顺序不限于此，并且最优上、下功率曲线界限也可以以相反的顺序获得。在操作步骤S50中，数据提取单元50通过以上、下功率曲线界限设定为目标从输入数据中排除错误数据，来仅提取存在于上、下功率曲线界限之间的数据，以作为新的输入数据。图13是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，根据功率曲线界限的自动计算算法新选择的输入数据的曲线图。如图13所示，数据提取单元仅提取存在于为现有的输入数据获得的上、下功率曲线界限之间的数据，以作为新选择的输入数据。在操作步骤S60中，数据确定单元60接收功率计算单元20中已计算出的数据箱的功率的标准偏差，并以由数据提取单元50新提取的输入数据为目标来计算这些标准偏差的平均值，以便确定是否终止整个算法循环。在计算标准偏差的平均值之后，在操作步骤S80中，数据确定单元60将当前计算出的标准偏差的平均值与先前的算法循环中计算出的先前的标准偏差的平均值进行比较，并确定平均值的变化是否大于常数aloop，其中常数aloop用于确定功率曲线计算算法的终止。基于下面的方程式5的不等式确定平均值的变化是否大于aloop。[方程式5](数据箱的功率的标准偏差的平均值)k-(数据箱的功率的标准偏差的平均值)k-1＜aloop，其中，k(k>1)表示整个算法循环的重复次数，并且aloop是一常数，用于确定是否终止用于自动计算功率曲线界限的整个算法循环。在图13中，aloop为1。当在操作步骤S80中确定标准偏差的平均值的变化小于如方程式5的不等式所表示的aloop时，数据确定单元60生成由界限搜索单元40获得的上、下功率曲线界限，以作为最优(即，准确的)功率曲线界限，并且终止整个算法循环。然而，当确定不满足方程式5的不等式时，操作流程返回到操作步骤S10以再次执行整个循环算法。在这种情况下，在操作步骤S10中，使用由数据提取单元50提取的新的输入数据重新开始通过可变速度数据箱划分输入数据的过程。图14a至图14d是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，根据用于自动计算功率曲线界限的算法的循环次数的示例的曲线图。图14a至图14d示出当应用根据本发明实施例的自动计算功率曲线界限的算法时，根据整个算法循环的重复次数的结果。结果表明，整个算法循环在重复四次之后被终止，并且从中成功计算出功率曲线界限。图15是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，包括大量错误数据的输入数据的曲线图，并且图16a至16e是示出在根据本发明实施例的自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法中，根据应用到图15所示的输入数据的、用于自动计算功率曲线界限的算法循环的重复次数的示例的曲线图。图15示出MW风力涡轮机的其它输入数据。可以看到，图15中所示的输入数据比图中16所示的输入数据包括更多的错误数据。参照图16a至图16e，可以看出，尽管有大量错误数据，当根据本发明的实施例的算法被应用于图15所示的输入数据时，整个算法循环被重复五次后终止，并且成功计算出功率曲线界限。虽然已参考附图如上描述一些实施例，应当理解的是，这些实施例是仅通过举例说明的方式给出的，并且可以作出各种修改、变化和替换而不背离本发明的精神和范围。因此，本发明的范围应该仅由所附权利要求及其等同方案来限定。