用于风电场的能量管理的方法和设备与流程

本发明涉及风电技术领域，更具体地说，涉及一种考虑风电场中每台风力发电机的自身特性以及运行的外部环境来执行风电场的能量管理的方法和设备。

背景技术：

近年来，随着新能源开发项目的开展，风力发电行业得到大力发展。风力发电机是将风能转换为机械能，再将机械能转换为电能的电力设备。由于风力发电没有燃料问题，也不会产生辐射或空气污染，从而成为越来越受欢迎和支持的发电方式。

然而，目前风力发电的弃风现象比较严重。其主要因素如下：首先，风电建设规划不完善。风电规划中存在重发、轻供、不管用的问题。例如，甘肃、蒙东、蒙西和冀北等大型风电基地都位于经济发展程度较低的地区，本地电量消纳空间有限，而电网外送能力又不足，只能弃风。其次，风电调度运行水平不高。目前部分风电场运行水平偏低、机组缺乏低电压穿越能力，增加了电网调度运行的难度。部分地区电网中的风电功率预测系统和风电场监控系统尚不完备，没有真实反映风电功率的波动性和随机性特征，导致系统运行方式偏于保守，调度运行中预留了过大的安全余量，也是造成弃风限电的重要因素。再次，风电市场运行机制尚不健全。当前以计划电量为基础的交易模式不利于风电消纳。目前节能发电调度还未在全国范围内得到全面推行，电源间的竞争主要体现在计划电量分配上，风电的节能降耗和减排贡献得不到合理评估，清洁优势没有完全体现出来。由于风电具有随机性、间歇性和波动性等特点，电网收购风电的成本高于水、火电，因此风电竞争力比水、火电差，在争取计划电量指标时处于不利地位。

以上情况在短期内无法得到根本的解决，所以风电场限电运行的情况要长期存在，因此基于风电场级的能量管控也是目前必须要解决的问题。

目前，对风场能量管理的方法主要分为两种：手动限功率，即，运行人员手动对每台风机进行功率控制，以满足调度对上网电量的控制；能量管理平台自动调节，即，中控室部署能量管理平台，从而控制风力发电机组自动逐台进行功率调节，动态响应上网电量的要求。

然而，手动限功率和能量管理平台自动调节这两种方法存在各自的缺点。具体地说，首先，手动限功率的方法主要由人员的主观因素起主导作用，容易因为人员的失误导致控制出错，另外，对于环境变化比较大的情况，以及机组出现问题的情况，调度令改变的时候，人响应动作的速度比较慢，不易实现上网能量的柔性调节。其次，能量管理平台自动调节的方法存在上网能量的稳定性差的缺点，具体地说，能量管理平台自动调节的方法不考虑风力发电机组在不同工况下运行的稳定性，对机组出现故障的概率估计不足，机组因为故障或者其它原因脱网的概率不明确，导致一旦发生机组脱网的情况风电场上网负荷不稳定，不能很好满足调度要求，同时也会减少发电量，影响效益。此外，能量管理平台自动调节的方法还存在能量平滑过渡性差的缺点，具体地说，目前风电场自动能量管理平台，对于一旦出现机组脱网的情况，程序会自动启动用于补偿能量的机组，这种情况如果一两台机组出现了问题，切换比较及时一般输出能量曲线没有太大的波动，但是一旦出现多台机组同时脱网的情况，那么可能会导致能量输出出现明显的波动。这样会造成风电场被电网公司的考核，或者降低允许上网电量，影响比较严重。

因此，需要一种有效地、稳定地管理风电场的能量的方法和设备。

技术实现要素：

本发明的一方面在于提供一种用于风电场的能量管理的方法和设备，所述用于风电场的能量管理的方法和设备可基于风电场的气象环境以及每台机组自身的环境特征和运行特征，选择最适合当前环境和能量需求的机组的组合来进行限负荷运行，从而实现有效地稳定地管理风电场能量的目标。

根据本发明的一方面，提供一种用于风电场的能量管理的方法，其特征在于，包括：采集风电场的气象数据以及风电场中每台风力发电机的环境数据和运行数据作为参考变量；通过基于所述参考变量统计每台风力发电机的所有故障事件的发生概率以产生每台风力发电机的数据特征库；基于调度输入的能量需求、实时的气象数据以及每台风力发电机的环境数据和运行数据、所述每台风力发电机的数据特征库，选择最适合当前工况的风力发电机的组合以及备用风力发电机，并分配组合中的每台风力发电机的最优能量。

所述气象数据可包括天气预报数据，所述环境数据可包括风力发电机自身传感器采集的环境数据，所述运行数据可包括用于衡量风力发电机运行质量的运行数据。

产生所述每台风力发电机的数据特征库的步骤可包括：设置每个故障事件与所述参考变量的对应关系；获取当有故障事件发生时采集的与该所述故障事件对应的所述参考变量的数据；根据获取的数据，统计所述每个故障事件在与该所述故障事件对应的所述参考变量下的发生概率；按照气象数据、环境数据、运行数据三个维度分别存储所述每个故障事件的气象数据关联发生概率、环境数据关联发生概率、运行数据关联发生概率。

选择所述最适合当前工况的风力发电机的组合的步骤可包括：基于所述调度输入的能量需求以及在当前预定时间段的风速下每台风力发电机的平均发电量，确定组合中的可能的风力发电机的数量以及每一种可能的数量下风力发电机的能量分配范围；针对每一种可能的数量的风力发电机组合，基于所述每台风力发电机的数据特征库，计算在当前的气象数据、每台风力发电机的当前环境数据、每台风力发电机在确定的风力发电机的能量分配范围内的运行数据下，每台风力发电机的每个故障事件的发生概率，并对每台风力发电机的最大的故障事件发生概率进行排序；针对所述每一种可能的数量的风力发电机组合，选择排序后的故障事件发生概率之中故障事件发生概率最小的可能的数量的风力发电机；根据预定规则从所述可能的数量的风力发电机组合之中选择最佳风力发电机组合。

所述预定规则可包括：排除所述最大的故障事件发生概率等于或大于预定阈值的组合；选择至少保留一台风力发电机做待机备用的组合；排除在选择组合过程中增加或减少并网风力发电机而导致每台风力发电机的均分功率有差异的情况下该差异导致增加的平均故障事件发生概率增加1％以上的组合；在所述增加的平均故障事件发生概率最小的三个组合中进行选择。

分配所述组合中的每台风力发电机的最优能量的步骤可包括：基于组合中的所述每台风力发电机的数据特征库中的运行数据，确定组合中的每台风力发电机的性能稳定的容量范围；基于所述调度输入的能量需求以及所述组合中的每台风力发电机的性能稳定的容量范围，分配所述组合中的每台风力发电机的最优能量。

所述方法还可包括：当工况发生变化时，导致单个风力发电机的最大的故障事件发生概率超过预设值并持续预设时间，则提前通过重新选择最适合当前工况的风力发电机的组合来切换风力发电机的组合，并重新分配组合中的每台风力发电机的最优能量。

所述预设值可为10％，所述预设时间可为1小时。

所述方法还可包括：当风力发电机组合中出现了故障风力发电机时，如果能够容错运行，则通过在容错运行的同时启动正常运行的风力发电机之中的一个或多个正常运行的风力发电机升功率并启动所述故障风力发电机降功率，或者通过在容错运行的同时启动所述备用风力发电机升功率并启动所述故障风力发电机降功率，来维持上网功率不变。

所述方法还可包括：当风力发电机组合中出现了故障风力发电机时，如果无法容错运行，则对正常运行的风力发电机进行快速能量补偿，并通过将所述备用风力发电机的输出功率与所述正常运行的风力发电机的输出功率进行柔性调节来启动所述备用风力发电机。

根据本发明的另一方面，提供一种用于风电场的能量管理的设备，其特征在于，包括：数据采集模块，采集风电场的气象数据以及风电场中每台风力发电机的环境数据和运行数据作为参考变量；数据建库模块，通过基于所述参考变量统计每台风力发电机的所有故障事件的发生概率以产生每台风力发电机的数据特征库；风机管理模块，基于调度输入的能量需求、实时的气象数据以及每台风力发电机的环境数据和运行数据、所述每台风力发电机的数据特征库，选择最适合当前工况的风力发电机的组合以及备用风力发电机，并分配组合中的每台风力发电机的最优能量。

所述气象数据可包括天气预报数据，所述环境数据可包括风力发电机自身传感器采集的环境数据，所述运行数据可包括用于衡量风力发电机运行质量的运行数据。

所述数据建库模块可包括：关系设置模块，设置每个故障事件与所述参考变量的对应关系；数据获取模块，获取当有故障事件发生时采集的与该所述故障事件对应的所述参考变量的数据；概率统计模块，根据获取的数据，统计所述每个故障事件在与该所述故障事件对应的所述参考变量下的发生概率；概率存储模块，按照气象数据、环境数据、运行数据三个维度分别存储所述每个故障事件的气象数据关联发生概率、环境数据关联发生概率、运行数据关联发生概率。

所述风机管理模块可包括：组合确定模块，基于所述调度输入的能量需求以及在当前预定时间段风速下每台风力发电机的平均发电量，确定组合中的可能的风力发电机的数量以及每一种可能的数量下风力发电机的能量分配范围；概率排序模块，针对每一种可能的数量的风力发电机组合，基于所述每台风力发电机的数据特征库，计算在当前的气象数据、每台风力发电机的当前环境数据、每台风力发电机在确定的风力发电机的能量分配范围内的运行数据下，每台风力发电机的每个故障事件的发生概率，并对每台风力发电机的最大的故障事件发生概率进行排序；风机选择模块，针对所述每一种可能的数量的风力发电机组合，选择排序后的故障事件发生概率之中故障事件发生概率最小的可能的数量的风力发电机；组合选择模块，根据预定规则从所述可能的数量的风力发电机组合之中选择最佳风力发电机组合。

所述预定规则可包括：排除所述最大的故障事件发生概率等于或大于预定阈值的组合；选择至少保留一台风力发电机做待机备用的组合；排除在选择组合过程中增加或减少并网风力发电机而导致每台风力发电机的均分功率有差异的情况下该差异导致增加的平均故障事件发生概率增加1％以上的组合；在所述增加的平均故障事件发生概率最小的三个组合中进行选择。

所述风机管理模块还可包括：范围确定模块，基于组合中的所述每台风力发电机的数据特征库中的运行数据，确定组合中的每台风力发电机的性能稳定的容量范围；能量分配模块，基于所述调度输入的能量需求以及所述组合中的每台风力发电机的性能稳定的容量范围，分配所述组合中的每台风力发电机的最优能量。

所述设备还可包括：能量管控模块，当工况发生变化时，导致单个风力发电机的最大的故障事件发生概率超过预设值并持续预设时间，则提前通过重新控制所述风机管理模块选择所述最适合当前工况的风力发电机的组合来切换风力发电机的组合，并重新分配所述组合中的每台风力发电机的最优能量。

所述预设值可为10％，所述预设时间可为1小时。

所述设备还可包括：能量管控模块，当风力发电机组合中出现了故障风力发电机时，如果能够容错运行，则控制所述风机管理模块通过在容错运行的同时启动正常运行的风力发电机之中的一个或多个正常运行的风力发电机升功率并启动所述故障风力发电机降功率，或者通过在容错运行的同时启动所述备用风力发电机升功率并启动所述故障风力发电机降功率，来维持上网功率不变。

所述设备还可包括：当风力发电机组合中出现了故障风力发电机时，如果无法容错运行，则控制风机管理模块对正常运行的风力发电机进行快速能量补偿，并通过将所述备用风力发电机的输出功率与所述正常运行的风力发电机的输出功率进行柔性调节来启动所述备用风力发电机。

根据本发明的用于风电场的能量管理的方法和设备，可基于风电场的气象环境以及每台机组自身的环境特征和运行特征，选择最适合当前环境和能量需求的机组的组合来进行限负荷运行，从而实现有效地稳定地管理风电场能量的目标。

附图说明

通过结合附图，从实施例的下面描述中，本发明这些和/或其它方面及优点将会变得清楚，并且更易于理解，其中：

图1是风电场的能量管理系统的示意图；

图2是根据本发明的实施例的用于风电场的能量管理的设备的框图；

图3是根据本发明的实施例的统计在各个气温范围内的叶片结冰概率的示意图；

图4是根据本发明的实施例的能量平衡过渡方法的示意图；

图5是根据本发明的实施例的用于风电场的能量管理的方法的流程图。

在附图中，相同的标号始终表示相同的元件、特征和结构。

具体实施方式

提供参照附图的以下描述以帮助对由权利要求及其等同物限定的本发明的实施例的全面理解。包括各种特定细节以帮助理解，但这些细节仅被视为是示例性的。因此，本领域的普通技术人员将认识到在不脱离本发明的范围和精神的情况下，可对描述于此的实施例进行各种改变和修改。此外，为了清楚和简洁，省略对公知的功能和结构的描述。

图1是风电场的能量管理系统的示意图。

参照图1，假设一个风电场一共有7台风力发电机(以下，简称机组)wtg1～wtg7，单台机组的容量为1500kw，总容量为1500*7＝10500kw，调度会根据电网总负荷需求，会对风电场有一个上网电量的容量给定。假设调度给出上网电量为7200kw。

传统能量管理平台的方法可包括能量均分法和部分机组运行法。下面分别介绍传统能量管理平台的方法的这两种方法。

根据传统能量管理平台的能量均分法，将7200kw的负荷平均分成7份，全部机组等功率运行。随着风速的波动，所有机组全部进行能量波动调节。基于目前调度对风电场上网能量的要求，只要求不能超过调度给定容量，所以当风速较大(潜在上网电量超过调度给定)，机组限功率运行，当风速较小时，机组正常运行。如果风速较大时，变桨系统需要频繁的动作以实现恒定功率。一方面机组的耗电量大，另一方面一旦如果有机组出现故障，需要重新计算分配单台机组的给定功率，所谓牵一发动全身，如果控制不够平滑可能引起整体上网能量的波动。同理如果故障机组再次并网能量切换也存在纹波。还有一种可能当风速特别大的情况，为了满足上网电量的功率限制，变桨系统控制叶片的桨距角在很大的度数，如果风速达到某一程序设定值，已经超过控制策略控制的能力范围，机组将停机(例如叶片角度大于35°)。这时候必定产生一个大的能量波动。

根据传统能量管理平台的部分机组运行法，将7200kw的负荷平均分成6份，使6台机组等功率运行。随着风速的波动，部分机组进行能量波动调节。如果当风速较大时由6台机组并网减少到5台或更少，如果风速较小时由6台增加到7台。这种方法最大的问题如果风速处于临界值，将频繁的启动或者停止某些机组的运行。导致上网能量频繁出现波动。不能保证在核准上网电量的基础上的最大出力。

本发明提出一种能够实现风电场能量稳定输出的能量管理方法和设备，保证上网能量尽可能的接近甚至等于调度下达的功率要求，同时保证能量的稳定性。

具体地说，传统能量管理平台的方法大部分是从整个风电场去考虑上网能量，而忽视了每台机组的差异性。例如：某台机组在7-8m/s的风速运行性的情况，由于机组安装的地理位置极易出现风向和风速的急剧波动，导致控制的响应跟不上节奏、滞后，这种情况机组极易发生功率风速不匹配故障；某台机组在环境温度高于38℃时，因为水冷系统管道制造工艺差异的问题，水冷易报过温故障；某台机组在低功率500kw以下运行，由于组装集成工艺问题，容易使igbt功率模块局部过热导致失效；某几台机组所在的湿度大于85％，环境温度在5℃以下由于机位点特殊的位置，叶片特别容易结冰；某台机组在发叶轮转速8.1rpm-8.5rpm范围内特别容易产生与塔架的共振……我们把这种现象叫做机组的不适区，意思就是在这些情况，机组不太适合运行，那么相反的就是舒适区。

如果大部分时间，大部分的机组都是在它们的舒适区运行，那机组的稳定性以及整个风电场的能量稳定性自然就提高了。那么，最核心的工作就是建立机组的数据特征库，把每一台机组运行的不适区和舒适区用数据的形式进行统计记录，作为后续根据实际工况评价选择风机运行的依据。根据本发明的能量管理方法和设备正是通过建立机组的数据特征库的方法，根据风电场的气象环境以及每台机组自身的环境特征和运行特征，选择最适合当前环境和能量需求的机组的组合来进行限负荷运行，从而实现有效地稳定地管理风电场能量的目标。

下面，将描述根据本发明的实施例的用于风电场的能量管理的设备200。图2是示出根据本发明的实施例的用于风电场的能量管理的设备200的框图。参照图1，本发明的实施例的用于风电场的能量管理的设备200包括数据采集模块210、数据建库模块220、风机管理模块230以及能量管控模块240。

数据采集模块210可采集风电场的气象数据以及风电场中每台机组的环境数据和运行数据。

具体地说，风电场的气象数据可包括气象预测数据，一般来自第三方气象预测机构。例如，气象预测数据可包括气温、气压、湿度、雷暴指数、结冰指数、风速、风向、阵风指数等天气预报数据。

机组的环境数据可包括机组自身传感器采集的实时环境数据。例如，机组的环境数据可包括机组环境温度、环境湿度、空气密度、风速、风向等。

机组的运行数据可包括用于衡量机组运行质量的运行数据。例如，机组的运行数据可包括机组状态、震动数据、输出功率、功率因素等。

数据采集模块210采集的风电场的气象数据、机组的环境数据和机组的运行数据均可作为建立机组的数据特征库的参量变量。

数据建库模块220可通过基于参考变量统计每台机组的所有故障事件的发生概率以产生每台机组的数据特征库。

具体地说，数据建库模块220可包括关系设置模块221、数据获取模块222、概率统计模块223、概率存储模块224。

关系设置模块221可设置每个故障事件与参考变量的对应关系。根据本发明的实施例，可按照对应关系表的形式来设置每个故障事件与参考变量的对应关系。

另外，不同制造厂家的机组因为机组的配置不同，可能导致部分信息无法采集。所以创建对应关系表可以选择适合该风电场机型的参考变量。另外，同一个风电场可能存在不同塔架类型、叶片类型、机组容量的机组混搭的情况。这种情况需要将这些参量也纳入到机组运行参考变量当中，但是应该只做参数值翻转存储，即，只有变量值变化才去存，否则一直保留上一次的采集值。

数据获取模块222获取当有故障事件发生时采集的与该故障事件对应的参考变量的数据。

根据本发明的实施例，如果一旦机组发生故障事件(或警告事件)，则数据获取模块222可从数据采集模块210获取故障事件发生前的一段时间的气象数据、环境数据和运行数据，并通过抽取这些数据的数据范围(例如，抽取这些数据的最大值和最小值)来按时间戳进行保存。时间戳可作为每条数据记录的标识。

此外，根据本发明的数据获取模块222还可通过其它数据保存方式来保存参考变量的数据。

概率统计模块223可根据获取的数据，统计每个故障事件在与该故障事件对应的参考变量下的发生概率。

根据本发明的实施例，概率统计模块223可对最近一个数据采集周期的参考变量进行数据转换以将参考变量转换为适合于统计故障事件的发生概率的数据。作为示例，数据采集周期可以是故障事件发生20次的时间段，数据转换可以是通过将数据范围进行离散以便于概率的统计。例如，以温度为例，可以以1℃的梯度对温度范围进行离散，例如，将-3℃至-9℃的温度范围离散为-3℃至-4℃、-4℃至-5℃、-5℃至-6℃、-6℃至-7℃、-7℃至-8℃、-8℃至-9℃的离散范围。

此外，由于某一故障事件的发生与多个参考变量耦合在一起的情况相关，因此，概率统计模块223可统计多个参考变量关联在一起时的发生概率。例如，概率统计模块223可统计出某个故障事件与1个参数关联的发生概率、某个故障事件与2个参数关联的发生概率、某个故障事件与3个参数关联的发生概率等。

此外，根据本发明的概率统计模块223还可通过其它概率统计方式来统计每个故障事件在与该故障事件对应的参考变量下的发生概率。

根据本发明的实施例，当概率统计模块223统计出每个故障事件在与其相关的多个气象数据下的关联发生概率、在与其相关的多个环境数据下的关联发生概率、在与其相关的多个运行数据下的关联发生概率时，概率存储模块224可按照气象数据、环境数据、运行数据三个维度分别存储每个故障事件的气象数据关联发生概率、环境数据关联发生概率、运行数据关联发生概率，作为数据特征库。

根据本发明的实施例，概率存储模块224并非存储所有故障发生概率。例如，可设置一个概率门限值，当故障发生概率大于或等于该概率门限值时，概率存储模块224可存储该故障发生概率，否则，概率存储模块224不存储该故障发生概率。例如，可将与1个变量关联的故障发生概率的门限设置为5％，将与2个变量关联的故障发生概率的门限设置为2％，将与3个变量关联的故障发生概率的门限设置为1％，将与4个变量关联的故障发生概率的门限设置为0.5％......

下面，以叶片结冰这一故障为例，描述数据建库模块220的各个子模块221～224的操作。

关系设置模块221可设置叶片结冰故障事件与多个参考变量的对应关系。下面的表1-1、表1-2、表1-3分别表示叶片结冰故障事件与气象数据的对应关系表、叶片结冰故障事件与运行数据的对应关系表和叶片结冰故障事件与环境数据的对应关系表。

表1-1

表1-2

表1-3

可见，叶片结冰故障事件主要与气象数据中的气温、风速、风向、湿度有关，与运行数据中的机组容量、机组状态、输出有功、叶轮转速、叶片类型有关，与环境数据中的环境温度、环境湿度、运行风速有关。

数据获取模块222可获取当叶片结冰故障事件发生时采集的与叶片结冰故障事件对应的参考变量的数据。下面的表2-1、表2-2、表2-3分别表示叶片结冰故障事件发生前30秒记录的气象数据、运行数据和环境数据。

表2-1

表2-2

表2-3

概率统计模块223可根据获取的与叶片结冰相关的数据，统计叶片结冰故障事件在与叶片结冰故障事件对应的参考变量下的发生概率。

例如，根据表2-1，概率统计模块223可计算在各个气温范围内的叶片结冰概率，其中，气温的梯度以1℃为例。

参照图3，图3是根据本发明的实施例的统计在各个气温范围内的叶片结冰概率的示意图。统计的原则是单线进入的区域可以统计为一次，如果整条线在同一梯度，统计为两次。例如-6℃至-5℃包含了一条整线，代表出现2次。

由此，可统计出在不同气温范围发生叶片结冰的概率，如表3-1所示。

表3-1

按照上述相同的方法，概率统计模块223还可统计出其它不同参考变量下发生叶片结冰的概率。例如，表3-2示出了在不同风速范围发生叶片结冰的概率。

表3-2

根据表3-1和表3-2，概率统计模块223还可统计出气温和风速的联合发生概率(即，气温和风速下的关联发生概率)，如下面的表4-1、表4-2、表4-3、表4-4、表4-5、表4-6所示。

表4-1

表4-2

表4-3

表4-4

表4-5

表4-6

概率存储模块224可根据上述联合发生概率是否大于预先设置的门限值来选择性地存储上述联合发生概率作为数据特征库。例如，针对两个参考变量的门限值为2％，则概率存储模块224可分别将在气温范围为-9～-8、-8～-7、-7～-6、-6～-5的情况下的风速范围为3～4、4～5、5～6的各个气象数据关联发生概率存储为数据特征库。

返回参照图2，风机管理模块230可基于调度输入的能量需求、实时的气象数据以及每台机组的环境数据和运行数据、每台机组的数据特征库，选择最适合当前工况的机组的组合以及备用机组，并分配组合中的每台机组的最优能量。

具体地说，风机管理模块230可包括选择部分和分配部分。其中，选择部分可包括组合确定模块231、概率排序模块232、风机选择模块233、组合选择模块234，分配部分可包括范围确定模块235、能量分配模块236。

组合确定模块231可基于调度输入的能量需求以及在当前预定时间段(例如，30分钟)风速下每台机组的平均发电量，确定组合中的可能的机组的数量以及每一种可能的数量下机组的能量分配范围。

根据本发明的实施例，组合确定模块231可基于30分钟风速计算每台机组的平均发电量t1～t7，并基于调度输入的能量需求以及在当前30分钟风速下每台机组的平均发电量t1～t7，可确定组合中的机组的最少数量nmin，并由此确定组合中的可能的机组的数量。

首先，求出风电场无故障的所有机组的可并网的最小平均发电量：mmin＝min(t1,t2,t3,t4,t5,t6,t7)，随后，可计算组合中的机组的最少数量n＝m/mmin，随后，对n向上取整获得最终的组合中的机组的最少数量nmin＝ceil(n)。也就是说，在选择组合中的机组的数量时，不能少于nmin这个值。

例如，30分钟平均风速为10.6m/s，现场可运行机组数量为s，m＝7200kw，mmin＝1350kw，n＝7200/1350＝5.3，nmin＝ceil(5.3)＝6，因此，至少要选择6台机组运行。

当确定组合中的可能的机组的数量n1之后，可确定每一种可能的数量下机组的能量分配范围。

根据本发明的实施例，机组的能量最大值(即，平均发电量)为tmax＝t1～t7＝1350kw，机组的能量最小值则为tmin＝m-t1*(n1-1)。

例如，现场可运行机组数量为s，则运行方案数量r＝s-nmin+1，因此存在6、7、8…s台机组运行的方案。当现场可运行机组数量s为7时，存在r＝7-6+1＝2种机组运行的方案，即，6台机组运行和7台机组运行的两种组合方式。

针对6台机组运行的组合，机组的能量分配范围为1350kw～450kw；针对7台机组运行的组合，机组的能量分配范围为1350kw～-900kw。

当组合确定模块231确定了组合中的可能的机组的数量以及每一种可能的数量下机组的能量分配范围之后，概率排序模块232可针对每一种可能的数量的机组组合，基于每台机组的数据特征库，计算在当前的气象数据、每台机组的当前环境数据、每台机组在确定的机组的能量分配范围内的运行数据下，每台机组的每个故障事件的发生概率，并对每台机组的最大的故障事件发生概率进行排序。

例如，当前的30分钟气象数据和当前的某台机组(例如，第一机组wtg1)采集的30分钟环境数据分别如表5-1和表5-2所示。

表5-1

表5-2

概率排序模块232可从第一机组wtg1的数据特征库中查找与如上所示的当前的气象数据和环境数据以及第一机组wtg1在确定的机组的能量分配范围内的运行数据相匹配的第一机组wtg1的每个故障事件的气象数据关联发生概率、环境数据关联发生概率、运行数据关联发生概率，将每个故障事件的气象数据关联发生概率、环境数据关联发生概率、运行数据关联发生概率之中最大的概率作为每个故障事件的发生概率，并在第一机组wtg1的所有故障事件的发生概率之中选择最大的故障事件发生概率。这里，匹配可表示当前气象数据、环境数据和运行数据与数据特征库中存储的气象数据、环境数据和运行数据相同或最相似。以相同的方法，概率排序模块232可获得每台机组的最大的故障事件发生概率。随后，概率排序模块232可对每台机组的最大的故障事件发生概率进行排序，例如，从大到小排序或从小到大排序。

在概率排序模块232对每台机组的最大的故障事件发生概率进行排序之后，风机选择模块233可选择排序后的故障事件发生概率之中故障事件发生概率最小的可能的数量的机组。此外，风机选择模块233可将剩余的机组作为备用机组。

例如，当现场可运行机组数量s为7时，针对6台机组运行的组合，风机选择模块233可从7台机组的最大的故障事件发生概率之中选择最小的6台机组作为最适合当前工况的机组的组合，也就是说，排除7台机组之中最大故障事件发生概率最大的机组。

当风机选择模块233针对每一种可能的数量的机组组合选择好各个组合中的机组时，组合选择模块234可根据预定规则从可能的数量的机组组合之中选择最佳机组组合。

根据本发明的实施例，预定规则可包括四条规则。第一规则，排除最大的故障事件发生概率等于或大于预定阈值的组合。即，在可能的机组组合中，如果某一组合中存在最大故障事件发生概率大于预定阈值(例如，30％)的机组，则不选择该组合。第二规则，选择至少保留一台机组做待机备用的组合。即，在可能的机组组合中，如果某一组合不存在备用机组，则不选择该组合。例如，当现场可运行机组数量s为7时，不选择7台机组运行的组合。第三规则，排除在选择组合过程中增加或减少并网机组而导致每台机组的均分功率有差异的情况下该差异导致增加的平均故障事件发生概率增加1％以上的组合。即，在选择组合过程中，增加并网机组(例如，从6台到7台)或减少并网机组(例如，从7台到6台)会导致每台机组的平均功率具有差异，而这种差异可能使一些机组从在舒适区工作改变为在不适区工作，因此导致所有机组的平均的故障事件发生概率增加，如果增加的平均故障事件发生概率增加1％以上，则不选择该组合。第四规则，在增加的平均故障事件发生概率最小的三个组合中进行选择。即，在选择组合过程中，在增加或减少并网机组所导致的所有机组的平均的故障事件发生概率增加最小的前三个组合中进行选择。

当组合选择模块234选择了最佳机组组合时，范围确定模块235可基于选择的组合中的每台机组的数据特征库中的运行数据，确定选择的组合中的每台机组的性能稳定的容量范围。

随后，能量分配模块236基于调度输入的能量需求以及选择的组合中的每台机组的性能稳定的容量范围，分配选择的组合中的每台机组的最优能量。

例如，针对6台机组运行的组合，调度输入的能量需求可满足：

0.95*m＜∑(m1,m2,m3,m4,m5,m6)≤1.05*m

其中，m为调度输入的能量需求，m1,m2,m3,m4,m5,m6分别为6台机组的上网发电量。

能量分配模块236可基于上述调度输入的能量需求的条件，根据6台机组的性能稳定的容量范围，向这6台机组分配最优能量，如表6-1所示。

表6-1

在表6-1中，并网的机组wtg1、wtg2、wtg3、wtg4、wtg5、wtg6的最优发电量(能量)分别为1200kw、1150kw、1250kw、1250kw、1100kw、1280kw，作为备用机组的wtg7的消耗量为30kw。

返回参照图2，根据本发明的实施例的用于风电场的能量管理的设备200还包括能量管控模块240。

当工况发生变化时，能量管控模块240可预测能量的潜在波动概率。根据本发明的示例性实施例，能量管控模块240可根据变化后的工况，从机组的数据特征库中获得该机组的能量的潜在波动概率(例如，单个风力发电机的最大的故障事件发生概率)。当能量的潜在波动概率超过预设值并持续预设时间(例如，单个风力发电机的最大的故障事件发生概率超过预设值并持续预设时间)时，能量管控模块240可提前通过重新控制风机管理模块230选择最适合当前工况的机组的组合来切换风力发电机的组合，并重新分配组合中的每台机组的最优能量。根据本发明的示例性实施例，为了防止频繁的动态机组切换，能量管控模块240可设置一个机组切换的门槛，例如，当工况发生变化而导致单个机组的故障事件概率最大值超过10％且持续1小时时，能量管控模块240可控制风机管理模块230启动切换机组组合。

此外，当机组组合中出现了故障机组时，能量管控模块240判断能否容错运行。

根据本发明的一示例性实施例，当能够容错运行时，能量管控模块240可控制风机管理模块230通过在容错运行的同时采用能量平衡过渡方法来维持上网功率不变。这里，能量平衡过渡方法可以是：启动正常运行的机组之中的一个或多个正常运行的机组升功率，并启动故障机组降功率，从而上网功率保持不变，如图4所示。

根据本发明的另一示例性实施例，当能够容错运行时，能量管控模块240可控制风机管理模块230通过在容错运行的同时采用能量平衡过渡方法来切换机组的组合并维持上网功率不变。这里，能量平衡过渡方法可以是：启动备用机组升功率，并启动故障机组降功率，从而上网功率保持不变。

根据本发明的另一示例性实施例，当无法容错运行时，能量管控模块240可控制风机管理模块230对正常运行的机组进行快速能量补偿，并同时通过将备用机组的输出功率与正常运行的机组的输出功率进行柔性调节来启动备用机组，从而维持上网功率的稳定。

根据如上所述的本发明的用于风电场的能量管理的设备200，可基于风电场的气象环境以及每台机组自身的环境特征和运行特征，选择最适合当前环境和能量需求的机组的组合来进行限负荷运行，从而实现有效地稳定地管理风电场能量的目标。此外，当工况发生变化时，可在预测到能量的潜在波动概率超过预设值之后，提前进行最适合变化后的环境的机组的组合的切换，以防止机组脱网而导致的能量波动。此外，当机组组合中出现了故障机组时，可在容错运行的情况下通过能量平衡过渡方法来维持上网功率不变，或者可在无法容错运行的情况下对正常运行的机组进行快速能量补偿，同时通过柔性调节来启动备用机组，从而保证上网总功率的稳定性。

图5是根据本发明的实施例的用于风电场的能量管理的方法的流程图。

参照图5，在步骤501，采集风电场的气象数据以及风电场中每台机组的环境数据和运行数据作为参考变量。这里，风电场的气象数据可包括气象预测数据，一般来自第三方气象预测机构。例如，气象预测数据可包括气温、气压、湿度、雷暴指数、结冰指数、风速、风向、阵风指数等天气预报数据。机组的环境数据可包括机组自身传感器采集的实时环境数据。例如，机组的环境数据可包括机组环境温度、环境湿度、空气密度、风速、风向等。机组的运行数据可包括用于衡量机组运行质量的运行数据。例如，机组的运行数据可包括机组状态、震动数据、输出功率、功率因素等。

在步骤502，通过基于参考变量统计每台机组的所有故障事件的发生概率以产生每台机组的数据特征库。

根据本发明的实施例，可通过以下操作来产生每台机组的数据特征库：设置每个故障事件与参考变量的对应关系；获取当有故障事件发生时采集的与该故障事件对应的参考变量的数据；根据获取的数据，统计每个故障事件在与该故障事件对应的参考变量下的发生概率；按照气象数据、环境数据、运行数据三个维度分别存储每个故障事件的气象数据关联发生概率、环境数据关联发生概率、运行数据关联发生概率，作为数据特征库。

在步骤503，基于调度输入的能量需求、实时的气象数据以及每台机组的环境数据和运行数据、每台机组的数据特征库，选择最适合当前工况的机组的组合以及备用机组，并分配组合中的每台机组的最优能量。

根据本发明的实施例，可通过以下操作来选择最适合当前工况的机组的组合：基于调度输入的能量需求以及在当前预定时间段风速下每台机组的平均发电量，确定组合中的可能的机组的数量以及每一种可能的数量下机组的能量分配范围；针对每一种可能的数量的机组组合，基于每台机组的数据特征库，计算在当前的气象数据、每台机组的当前环境数据、每台机组在确定的机组的能量分配范围内的运行数据下，每台机组的每个故障事件的发生概率，并对每台机组的最大的故障事件发生概率进行排序；针对每一种可能的数量的机组组合，选择排序后的故障事件发生概率之中故障事件发生概率最小的可能的数量的机组；根据预定规则从可能的数量的机组组合之中选择最佳机组组合。

根据本发明的实施例，可根据以下预定规则从可能的数量的机组组合之中选择最佳机组组合：排除最大的故障事件发生概率等于或大于预定阈值(例如，30％)的组合；选择至少保留一台机组做待机备用的组合；排除在选择组合过程中增加或减少并网机组而导致每台机组的均分功率有差异的情况下该差异导致增加的平均故障事件发生概率增加1％以上的组合；在所述增加的平均故障事件发生概率最小的三个组合中进行选择。

根据本发明的实施例，可通过以下操作来分配组合中的每台机组的最优能量：基于组合中的每台机组的数据特征库中的运行数据，确定组合中的每台机组的性能稳定的容量范围；基于调度输入的能量需求以及组合中的每台机组的性能稳定的容量范围，分配组合中的每台机组的最优能量。

根据本发明的实施例，用于风电场的能量管理的方法还可包括：当工况发生变化时，预测能量的潜在波动概率(例如，单个风力发电机的最大的故障事件发生概率)，如果预测的能量的潜在波动概率超过预设值并持续预设时间(例如，单个风力发电机的最大的故障事件发生概率超过预设值并持续预设时间)，则提前通过重新选择最适合当前工况的机组的组合来切换风力发电机的组合，并重新分配组合中的每台机组的最优能量。根据本发明的示例性实施例，为了防止频繁的动态机组切换，可设置一个机组切换的门槛，例如，当工况发生变化而导致单个机组的故障事件概率最大值超过10％且持续1小时时，可启动切换机组组合。

根据本发明的实施例，用于风电场的能量管理的方法还可包括：当机组组合中出现了故障机组时，判断能否容错运行；当能够容错运行时，通过在容错运行的同时启动正常运行的机组之中的一个或多个正常运行的机组升功率并启动故障机组降功率，来维持上网功率不变，或者，当能够容错运行时，通过在容错运行的同时启动备用机组升功率并启动故障机组降功率，来切换机组的组合并维持上网功率不变；当无法容错运行时，对正常运行的机组进行快速能量补偿，并同时通过将备用机组的输出功率与正常运行的机组的输出功率进行柔性调节来启动备用机组，从而维持上网功率的稳定。

根据本发明的用于风电场的能量管理的方法和设备，可基于风电场的气象环境以及每台机组自身的环境特征和运行特征，选择最适合当前环境和能量需求的机组的组合来进行限负荷运行，从而实现有效地稳定地管理风电场能量的目标。

此外，当工况发生变化时，根据本发明的用于风电场的能量管理的方法和设备，可在预测到能量的潜在波动概率超过预设值之后，提前进行最适合变化后的环境的机组的组合的切换，以防止机组脱网而导到的能量波动。

此外，当机组组合中出现了故障机组时，根据本发明的用于风电场的能量管理的方法和设备，可在容错运行的情况下通过能量平衡过渡方法来维持上网功率不变，或者可在无法容错运行的情况下对正常运行的机组进行快速能量补偿，同时通过柔性调节来启动备用机组，从而保证上网总功率的稳定性。

可根据计算机程序指令来执行根据本发明的上述方法。由于这些程序指令可被包括在计算机、专用处理器或可编程或专用硬件中，因此在其中执行的指令可有利于上述的功能的执行。如本领域的技术人员所理解的，计算机、处理器或可编程硬件包括可存储或接收软件或计算机代码的存储器件，所述软件或计算机代码在被计算机、处理器或硬件访问和执行时实现在本发明中描述的方法。

虽然本发明是参照其示例性的实施例被显示和描述的，但是本领域的技术人员应该理解，在不脱离由权利要求及其等同物限定的本发明的精神和范围的情况下，可以对其形式和细节进行各种改变。