在线修正风力发电机组的对风偏差的方法和装置与流程

1.本发明总体说来涉及风力发电技术领域，更具体地讲，涉及一种在线修正风力发电机组的对风偏差的方法和装置。


背景技术：

2.风力发电机组的偏航对风偏差对其发电功率的影响较大，偏航对风偏差分为两类，一类是偏航动态对风偏差，这类对风偏差主要是由于风向变化造成的，可以根据偏航控制策略，基于所采集的风向角反馈，动态调整偏航对风偏差。另一类是偏航静态对风偏差，这类对风偏差主要是由于外部因素使得风向传感器风向测量不准确造成的，例如，由于叶轮转动对风向传感器的扰动、风向传感器安装偏差、调试精度等原因导致风向测量不准确。
3.风力发电机组的控制系统无法感知偏航静态对风偏差，一般是通过风向补偿矫正的方式来消除偏航静态对风偏差。
4.目前，对于单机端偏航静态对风偏差矫正存在多种方法，主要有能巢(wfc矫正算法)和离线矫正算法，两种矫正算法的原理基本一致。以离线矫正算法为例，该矫正算法的过程为：筛选有效数据，根据当前风速进行分仓，风速分仓后根据对风偏差确定所处的风向分仓，累积一定数据之后，根据分仓结果计算每个风速、风向分仓下的功率平均值，根据散点(风向-功率点)分布对每个风速进行曲线拟合，得到风向-功率对应关系曲线，进而确定功率最大点对应的最优风向，进一步计算最优风向的平均值，得到偏航静态对风偏差的矫正值。
5.但是，无论是采用能巢还是采用离线矫正算法，均存在明显的缺陷和限制因素，例如，若采用能巢矫正算法来计算偏航静态对风偏差，则需要对风场额外增加设备，导致能够应用该对风偏差矫正方式的风场受限，且算法的计算周期较长，需要三个月左右的数据才能得出结果。若采用离线矫正算法，则需要对离线数据进行分析，同样需要较长的时间收集离线数据，同时手动修改矫正值，随着时间推移，矫正值会发生变化，导致矫正无法持续迭代，进而影响矫正效果。


技术实现要素：

6.本发明的示例性实施例的目的在于提供一种在线修正风力发电机组的对风偏差的方法和装置，以克服上述至少一种缺陷。
7.在一个总体方面，提供一种在线修正风力发电机组的对风偏差的方法，所述方法包括：在每个采样时刻获取一组风力发电机组的运行数据，所述运行数据包括风速、风向角和输出功率；确定所获取的运行数据所属的风速区间；针对每个风速区间，获取该风速区间内各风速所对应的风向角和输出功率，通过对所获取的风向角和输出功率进行拟合来确定该风速区间下的最优风向角；基于获取的所有风速区间对应的最优风向角进行计算处理，以获得偏航静态对风偏差；利用所获得的偏航静态对风偏差对风力发电机组的风向角测量值进行修正。
8.可选地，可通过以下方式确定任一风速区间下的最优风向角：构建关于风向角和输出功率的k阶次的多项式；基于所构建的多项式，在风向角寻优范围内以预定步长搜索使得输出功率达到最大值的风向角，将搜索到的风向角确定为所述任一风速区间下的最优风向角。
9.可选地，所述多项式的自变量为风向角，所述多项式的因变量为输出功率，可通过以下方式确定与任一风速区间对应的多项式的系数：建立用于求解与所述任一风速区间对应的多项式的系数的线性方程，其中，所述线性方程的一边为风向角功率矩阵，所述风向角功率矩阵由多个风向角功率求和项构成，所述线性方程的另一边为风向角矩阵与系数矩阵的乘积，所述风向角矩阵由多个风向角求和项构成，所述系数矩阵中的各元素为多项式的系数；通过对所建立的线性方程进行求解来获得所述任一风速区间对应的多项式的系数。
10.可选地，所述方法可还包括，在每个采样时刻针对任一风速区间，执行以下步骤：计算不同阶次下所述任一风速区间内的各风向角的和，以获得多个风向角求和项；计算输出功率与不同阶次下的风向角的乘积的和，以获得多个风向角功率求和项；以预定周期对所述多个风向角求和项和所述多个风向角功率求和项进行存储，或者，当所述任一风速区间内的运行数据的有效数据量达到第一设定值时，对所述多个风向角求和项和所述多个风向角功率求和项进行存储。
11.可选地，基于获取的所有风速区间对应的最优风向角进行计算处理，以获得偏航静态对风偏差的步骤可包括：计算所有风速区间对应的最优风向角的算术平均值或者加权平均值，将计算得到的算术平均值或者加权平均值确定为偏航静态对风偏差。
12.可选地，所述方法可还包括：确定所有风速区间的运行数据的总有效数据量，其中，如果确定所述总有效数据量不小于第二设定值，则确定每个风速区间下的最优风向角，如果确定所述总有效数据量小于第二设定值，则继续获取运行数据。
13.可选地，所述方法可还包括：如果确定所述总有效数据量不小于第二设定值，则分别确定每个风速区间内的运行数据的有效数据量，其中，针对有效数据量不小于第三设定值的风速区间来确定最优风向角。
14.可选地，通过对所获取的风向角和输出功率进行拟合来确定该风速区间下的最优风向角的步骤可包括：将所获取的风向角的绝对值与风向角阈值进行比较；将绝对值不大于风向角阈值的风向角确定为有效风向角，通过对有效风向角和输出功率进行拟合，确定该风速区间下的最优风向角。
15.可选地，所述方法可还包括：对所获取的运行数据进行筛选，剔除在预定状态下获取的运行数据，以确定筛选后的运行数据所属的风速区间，其中，所述预定状态包括以下项中的至少一项：非并网状态、满发阶段、偏航状态。
16.在另一总体方面，提供一种在线修正风力发电机组的对风偏差的装置，所述装置包括：运行数据获取模块，在每个采样时刻获取一组风力发电机组的运行数据，所述运行数据包括风速、风向角和输出功率；风速区间确定模块，确定所获取的运行数据所属的风速区间；最优角确定模块，针对每个风速区间，获取该风速区间内各风速所对应的风向角和输出功率，通过对所获取的风向角和输出功率进行拟合来确定该风速区间下的最优风向角；静态偏差确定模块，基于获取的所有风速区间对应的最优风向角进行计算处理，以获得偏航静态对风偏差；角度修正模块，利用所获得的偏航静态对风偏差对风力发电机组的风向角
测量值进行修正。
17.在另一总体方面，提供一种控制器，包括：处理器；存储器，用于存储计算机程序，所述计算机程序在被所述处理器执行时实现上述的在线修正风力发电机组的对风偏差的方法。
18.在另一总体方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现上述的在线修正风力发电机组的对风偏差的方法。
19.采用本发明示例性实施例的在线修正风力发电机组的对风偏差的方法和装置，能够有效减小偏航静态对风偏差，从而提高风力发电机组的偏航对风精度。
附图说明
20.通过下面结合示例性地示出实施例的附图进行的详细描述，本发明示例性实施例的上述和其它目的、特点和优点将会变得更加清楚。
21.图1示出根据本发明示例性实施例的在线修正风力发电机组的对风偏差的方法的流程图；
22.图2示出根据本发明示例性实施例的风向角和输出功率拟合曲线与数据离线学习曲线的对比示意图；
23.图3至图6示出根据本发明示例性实施例的对风偏差在线修正方法所获得的功率曲线与采用现有的偏航静态对风偏差矫正方法所获得的功率曲线的对比示意图；
24.图7示出根据本发明示例性实施例的在线修正风力发电机组的对风偏差的装置的框图；
25.图8示出根据本发明示例性实施例的控制器的框图。
具体实施方式
26.现在，将参照附图更充分地描述不同的示例实施例，一些示例性实施例在附图中示出。
27.风力发电机组在运行过程中，机头方向与叶轮前方自由来流风向并非重合，而是存在一定角度的偏差，该偏差可称之为偏航对风偏差(yaw misalignment)。
28.偏航对风偏差可包括动态偏航对风偏差和偏航静态对风偏差，动态偏航对风偏差可指由于风向变化而造成的偏航对风偏差，偏航静态对风偏差可指由于风向测量装置的固有偏差或者由于人为原因造成的偏航对风偏差。
29.作为示例，风向测量装置的固有偏差可指由于风向测量装置的制造工艺带来的偏差。由于人为原因造成的偏航对风偏差可指在安装、调试风向测量装置的阶段、在对风力发电机组的后期维护阶段、在更换风向测量装置时，现场操作人员手动调整风向测量装置而引入的对风偏差。由于个人之间存在的差异，不同的现场操作人员引入的偏航对风偏差可能均不相同。
30.在本发明示例性实施例中，提供的是一种利用偏航静态对风偏差来对风力发电机组的风向角测量值进行在线修正的方法。下面参照图1来介绍在线修正风力发电机组的对风偏差的过程。
31.图1示出根据本发明示例性实施例的在线修正风力发电机组的对风偏差的方法的
流程图。
32.参照图1，在步骤s10中，在每个采样时刻获取一组风力发电机组的运行数据。这里，运行数据可包括但不限于风速、风向角和输出功率。
33.作为示例，可对所获取的风力发电机组的运行数据进行预处理，以获得各运行数据的均值，后续基于各运行数据的均值来修正对风偏差。
34.这里，可利用各种方式来获得各运行数据的均值，在一优选示例中，可针对每个运行数据，通过低通滤波的方式来获得该运行数据在预定时间段内的均值。
35.例如，可利用如下公式来获得任一运行数据的均值：
[0036][0037]
公式(1)中，y(n)表示当前采样时刻的输出，即，任一运行数据的均值，y(n-1)表示上一采样时刻的输出，x(n)表示当前采样时刻的输入，即，在当前采样时刻获取的任一运行数据，h表示低通滤波时间常数。
[0038]
这里，可根据预定时间段的时长，来调整低通滤波时间常数h的取值大小。例如，预定时间段的时长越长，低通滤波时间常数h的取值越大，预定时间段的时长越短，低通滤波时间常数h的取值越小。作为示例，如果预定时间段的时长为3秒，则低通滤波时间常数h的取值可为34，如果预定时间段的时长为30秒则低通滤波时间常数h的取值可为300。
[0039]
在步骤s20中，确定所获取的运行数据所属的风速区间。
[0040]
例如，可预先划分多个风速区间，在获取一组风力发电机组的运行数据之后，基于所获取的风速来确定所获取的运行数据所属的风速区间。
[0041]
在一优选示例中，可以预定风速间隔，将从风力发电机组的并网风速至满发风速的风速范围划分为多个风速区间。这里，并网风速可指风力发电机组进入并网状态时对应的风速，满发风速可指风力发电达到满发阶段(即，输出功率在额定功率以上)时对应的风速。可以利用各种方法来确定风力发电机组的并网风速和满发风速，本发明对此部分内容不再赘述。
[0042]
下面通过一示例来介绍确定所获取的运行数据所属的风速区间的过程。
[0043]
在本示例中，假设所获取的一组风力发电机组的运行数据为：风速为4.2米/秒，风向角为2.8度，输出功率为300千瓦，假设具有四个风速区间，分别为：[2.5,3]、(3,3.5)、[3.5,4)、[4,4.5]。
[0044]
例如，可通过将所获取的一组运行数据中的风速分别与各风速区间的上限值和下限值进行比较，将该风速所属的风速区间确定为所获取的一组运行数据所属的风速区间。以上述示例为例，通过上述方式可确定所获取的一组运行数据属于第四风速区间[4,4.5]。
[0045]
本发明不限于此，还可以利用如下公式来确定所获取的风速所属的风速区间：
[0046][0047]
公式(2)中，g表示风速区间的编号，x表示所获取的风速，x
b
表示并网风速，s表示预定风速间隔，表示向下取整。
[0048]
以上述示例为例，利用上述的公式(2)可以计算得到：
由此可以确定所获取的一组风力发电机组运行数据属于第四风速区间。
[0049]
在一优选示例中，根据本发明示例性实施例的在线修正风力发电机组的对风偏差的方法可还包括：对所获取的运行数据进行筛选，剔除在预定状态下获取的运行数据，以确定筛选后的运行数据所属的风速区间。这里，对运行数据进行筛选的目的是为了保留允许生成功率曲线的运行数据。
[0050]
作为示例，所述预定状态可包括但不限于以下项中的至少一项：非并网状态、满发阶段、偏航状态。一般来说，如果风力发电机组处于上述预定状态，则无需在线修正风力发电机组的对风偏差，如果风力发电机组没有处于上述预定状态，则在线修正风力发电机组的对风偏差。
[0051]
优选地，根据本发明示例性实施例的在线修正风力发电机组的对风偏差的方法可还包括：确定所有风速区间的运行数据的总有效数据量。这里，为确保在线修正对风偏差的准确性，需保证具有足够的用于对风偏差分析的数据量。
[0052]
例如，如果确定所有风速区间的运行数据的总有效数据量不小于(大于或者等于)第二设定值，则执行后续步骤s30，确定每个风速区间下的最优风向角，如果确定所有风速区间的运行数据的总有效数据量小于第二设定值，则继续获取运行数据。
[0053]
也就是说，在本发明示例性实施例的在线修正对风偏差的方法中，如果确定总有效数据量不小于第二设定值，则执行后续的步骤完成一轮风向角寻优过程，并将获得的偏航静态对风偏差叠加计算到风向角中，在此基础上进入下一轮寻优，第二轮寻优值在第一轮的修正基础上寻优得到，因此需要叠加到第一轮的寻优结果上，重复上述过程来持续不断寻优迭代。
[0054]
在一优选示例中，由于在本发明示例性实施例中是针对每个风速区间来执行风向角的寻优过程，因此，为保证在每个风速区间的寻优结果的准确性，还需保证每个风速区间内的有效数据量能够满足寻优要求。
[0055]
例如，在确定所有风速区间的运行数据的总有效数据量不小于第二设定值时，还分别确定每个风速区间内的运行数据的有效数据量，针对有效数据量不小于(大于或者等于)第三设定值的风速区间来确定最优风向角，针对有效数据量小于第三设定值的风速区间则不执行后续的确定最优风向角的步骤。这里，第二设定值大于第三设定值。
[0056]
在步骤s30中，针对每个风速区间，获取该风速区间内各风速所对应的风向角和输出功率，通过对所获取的风向角和输出功率进行拟合来确定该风速区间下的最优风向角。
[0057]
这里，针对每个风速区间，可利用各种方式来对所获取的风向角和输出功率进行拟合，并基于拟合结果来搜索使得输出功率达到最大值的风向角，将搜索到的风向角确定为该风速区间下的最优风向角。
[0058]
在一优选示例中，可先基于风向角对运行数据进行风向剔除，再基于筛选后的运行数据来确定每个风速区间下的最优风向角。
[0059]
例如，针对每个风速区间，将所获取的风向角的绝对值与风向角阈值进行比较，将绝对值不大于(小于或者等于)风向角阈值的风向角确定为有效风向角，通过对有效风向角和与有效风向角对应的输出功率进行拟合，来确定该风速区间下的最优风向角。
[0060]
优选地，可通过以下方式确定任一风速区间下的最优风向角：构建关于风向角和输出功率的k阶次的多项式；基于所构建的多项式，在风向角寻优范围内以预定步长搜索使
得输出功率达到最大值的风向角，将搜索到的风向角确定为任一风速区间下的最优风向角。
[0061]
例如，所构建的多项式的自变量可为风向角，多项式的因变量可为输出功率，可利用如下公式来表示k阶次的多项式：
[0062]
p(x)＝a0+a1×
x+a2×
x2+...+a
k
×
x
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0063]
公式(3)中，p(x)表示输出功率，x
j
表示x的j次幂，x表示风向角，1≤j≤k，a0～a
k
表示多项式的系数。
[0064]
这里，优选地，多项式拟合可以选择二阶以上多项式，这样相比于二阶多项式有更好拟合精度，同时在处理边缘异常采样分布时，有多余的自由度去平衡边缘区域，从而保证核心区域范围(风向角寻优范围)的拟合受到尽量少的影响。
[0065]
例如，可通过以下方式确定与任一风速区间对应的多项式的系数：建立用于求解与该任一风速区间对应的多项式的系数的线性方程，通过对所建立的线性方程进行求解来获得该任一风速区间对应的多项式的系数。
[0066]
作为示例，所建立的线性方程的一边可为风向角功率矩阵，风向角功率矩阵可由多个风向角功率求和项构成，该线性方程的另一边可为风向角矩阵与系数矩阵的乘积，风向角矩阵可由多个风向角求和项构成，系数矩阵中的各元素为多项式的系数。
[0067]
也就是说，在本发明示例性实施例中，基于多个风向角求和项和多个风向角功率求和项，构建关于多项式的系数的线性方程。
[0068]
作为示例，用于求解与任一风速区间对应的多项式的系数的线性方程可利用如下公式表示：
[0069][0070]
公式(4)中，表示在第j阶次下的风向角求和项，该风向角求和项为在第j阶次下该任一风速区间内的各风向角的和，风向角矩阵为一k+1行k+1列的矩阵，风向角矩阵的第一行元素为从在第0阶次下的风向角求和项直到在第k阶次下的风向角求和项，风向角矩阵的每一列元素中的各元素为在不同阶次下的风向角求和项，每个元素的阶次逐个加一。
[0071]
表示在第j阶次下的风向角功率求和项，该风向角功率求和项为该任一风速区间内的各输出功率与第j阶次下的各风向角的乘积的和，风向角功率矩阵为k+1行一列的列向量。
[0072]
在一示例中，可通过以下方式对所建立的线性方程进行求解来获得任一风速区间对应的多项式的系数：确定所建立的线性方程的增广矩阵，通过对所确定的增广矩阵进行
初等行变换或者初等列变换，获得该任一风速区间对应的多项式的系数。
[0073]
应理解，上述所列举的基于增广矩阵通过初等行变换或者初等列变换来求解线性方程的方式仅为示例，本发明不限于此，还可以通过其他方式来对线性方程进行求解。
[0074]
下面通过一示例来介绍对所建立的线性方程进行求解来获得多项式的系数的过程。
[0075]
在本示例中，假设多项式为四阶多项式，基于公式(4)所示的线性方程，可获得5行6列的增广矩阵，即，(a|b)的形式，其中，a为线性方程中的风向角矩阵，b为线性方程中的风向角功率矩阵，根据行列式消元法求解线性方程，求解过程可如下：
[0076]
(1)拼接形成增广矩阵，如下：
[0077] 12345617503-9.6357e+
…
8.8309e+054.5478e+053.0588e+0812218312-9.6357e+
…
8.8309e+054.5478e+053.0588e+081.0892e+09-7.5563e+
…
38.8309e+054.5478e+053.0588e+081.0892e+091.5741e+111.2976e+0844.5478e+053.0588e+081.0892e+091.5741e+119.2437e+112.2415e+0853.0588e+081.0892e+091.5741e+119.2437e+119.7282e+134.2905e+10
[0078]
(2)消元第一列，如下：
[0079] 78910111211-1.2842117.698760.61374.0768e+04162.845720-8.7072e+
…-
1.5889e+
…-
3.0647e+
…-
1.4820e+
…-
8.1351e+
…
30-1.5889e+
…-
2.0194e+
…-
1.0357e+
…-
1.2141e+
…
1.4047e+0740-3.0647e+
…-
1.0357e+
…-
1.5738e+
…-
9.0583e+
…-
1.5009e+
…
50-1.4820e+
…-
1.2141e+
…-
9.0583e+
…-
8.4812e+
…
6.9070e+09
[0080]
(3)消元第二列，如下：
[0081] 131415161718110120.0422512.63014.2954e+04164.04552011.8248351.96931.7021e+030.9343300-1.9904e+
…-
4.7645e+
…-
1.1870e+
…
1.5531e+07400-4.7645e+
…-
4.9515e+
…-
3.8420e+
…
1.3624e+08500-1.1870e+
…-
3.8420e+
…-
8.2290e+
…
8.2917e+09
[0082]
(4)依次消元第三列、第四列、第五列，最终得到消元结果为：
[0083] 313233343536110000176.90302010001.7994
300100-0.1347400010-0.00235000011.0409e-04
[0084]
上述第36列依次为四阶多项式的系数a0、a1、a2、a3、a4的取值。应理解，上述所列举的行列式消元法仅为求解线性方程的一个示例，本发明不限于，还可以通过其他方式来求解线性方程。
[0085]
在一优选示例中，基于所构建的多项式，在风向角寻优范围内以预定步长搜索使得输出功率达到最大值的风向角，将搜索到的风向角确定为任一风速区间下的最优风向角的过程可为：确定风向角寻优范围；以预定步长从风向角寻优范围中选取多个数值点；将所选取的多个数值点分别代入所构建的k阶次的多项式中，计算与所选取的多个数值点对应的功率值；从计算得到的功率值中找到最大值，将找到的最大值对应的风向角确定为该任一风速区间下的最优风向角。
[0086]
应理解，本发明示例性实施例的修正对风偏差的方法是一种在线修正方法，在每个采样时刻针对任一风速区间，可还执行以下步骤：计算不同阶次下任一风速区间内的各风向角的和，以获得多个风向角求和项；计算输出功率与不同阶次下的风向角的乘积的和，以获得多个风向角功率求和项。
[0087]
通过下面的示例来介绍获得多个风向角求和项和多个风向角功率求和项的过程。
[0088]
在本示例中，假设多项式为四阶多项式，共具有14个风速区间，需要分别计算14个风速区间的线性方程。针对任一风速区间的线性方程，需要计算n、风速区间的线性方程。针对任一风速区间的线性方程，需要计算n、和累计14个元素项目，这里，x表示在采样时刻获取的风向角，y表示在采样时刻获取的输出功率，可通过采样迭代计算的方式来获得上述各元素项目。
[0089]
例如，假设一组运行数据利用[风速、风向角、输出功率]形式来表示，假设在第1秒获取的一组运行数据为[4.2,6,300]、在第2秒获取的一组运行数据[3.7,3,200]，在第3秒获取的一组运行数据[4.3,2,350]。
[0090]
第1秒时，风速为4.2米/秒，属于第四风速区间，线性方程中的各元素项项目计算如下，其中，带old后缀为旧值，不带old的为本次计算值，在第1秒时，旧值均为0：
[0091]
sum＝sumold+1＝1
[0092]
sumx＝sumxold+6＝6
[0093]
…
.
[0094]
sumx8＝sumx8old+6*6*6*6*6*6*6*6＝1679616
[0095]
sumy＝sumyold+300＝300
[0096]
sumxy＝sumxyold+6*300＝1800
[0097]
sumx2y＝sumx2yold+6*6*300＝10800
[0098]
…
..
[0099]
sumx4y＝sumx4yold+6*6*6*6*300＝388800
[0100]
第2秒时，获取的一组运行数据为[3.7,3,200]，属于第三风速区间，因此相关迭代
累加应算入第三风速仓，本发明对此部分内容不再赘述。
[0101]
第3秒时，获取的一组运行数据为[4.3,2,350]，属于第四风速区间，计算迭代第1秒的计算结果，此时old后缀为第1秒的计算值：
[0102]
sum＝sumold+1＝1+1＝2
[0103]
sumx＝sumxold+2＝6+2＝8
[0104]
sumx2＝sumx2old+2*2＝36+4＝40
[0105]
…
.
[0106]
sumx8＝sumx8old+2*2*2*2*2*2*2*2＝1679616+256＝1679872
[0107]
sumy＝sumyold+350＝300+350＝650
[0108]
sumxy＝sumxyold+2*350＝1800+700＝2500
[0109]
sumx2y＝sumx2yold+2*2*350＝10800+1400＝12200
[0110]
…
..
[0111]
sumx4y＝sumx4yold+2*2*2*2*350＝388800+5600＝394400
[0112]
依次类推持续迭代累加计算14个风速区间的线性方程的14个元素项目，可获得一14
×
14的数据求和矩阵，为了防止寻优过程中，上述信息丢失，可以以预定周期对数据求和矩阵中的各元素项目(即，多个风向角求和项和多个风向角功率求和项)进行存储。但本发明不限于此，还可以当任一风速区间内的运行数据的有效数据量达到第一设定值时，对数据求和矩阵中的各元素项目进行存储。
[0113]
在一优选示例中，本发明示例性实施例的在线修正对风偏差的方法可以在风力发电机组的控制器中执行，作为示例，该控制器可为plc(可编程逻辑控制器)。
[0114]
以现有的离线矫正算法为例，需计算平均值散点，考虑到需存储风速、风向、功率、加权点数等数据，按0.2
°
风向分仓计算也要存储接近2万个散点，还要保证这些数据能够正常的完成读写，这会给风力发电机组的plc带来较大的计算负担。然而，在本发明示例性实施例中，可以不对原始散点数据(即，原始的风速、风向角、输出功率)或者平均值散点数据(即，风速、风向角、输出功率的平均值)进行存储，仅存在上述数据求和矩阵中的各求和项，可以有效减少控制器的计算负担。
[0115]
以上述所列举的示例为例，针对任一风速区间，可获取该风速区间对应的sum项的数值(即，线性方程中的n值)，来作为该风速区间内的运行数据的有效数据量。可将所有风速区间的sum项的数值之和，作为所有风速区间的运行数据的总有效数据量。
[0116]
在步骤s40中，基于获取的所有风速区间对应的最优风向角进行计算处理，以获得偏航静态对风偏差。
[0117]
例如，可计算所有风速区间对应的最优风向角的算术平均值或者加权平均值，将计算得到的算术平均值或者加权平均值确定为偏航静态对风偏差。作为示例，可按照各风速区间对应的sum风频进行加权，或者也可以按照各风速区间对应的输出功率总值进行加权，本发明不限于此，还可以通过其他方式来确定各权值。
[0118]
本发明不限于此，还可以通过其他方式来基于各风速区间的最优风向角来获得偏航静态对风偏差，例如，选取各最优风向角中的中间值作为偏航静态对风偏差，或者计算各最优风向角中的最大值与最小值的平均值作为偏航静态对风偏差等。
[0119]
在步骤s50中，利用所获得的偏航静态对风偏差对风力发电机组的风向角测量值
进行修正。
[0120]
例如，可以基于设置在风力发电机组上的风向传感器来测量得到风向角测量值，偏航静态对风偏差可以修正风向传感器风向测量不准确造成的对风偏差，基于此，可计算所获得的偏航静态对风偏差与风向角测量值的和值，将计算得到的和值确定为修正后的风向角测量值。
[0121]
图2示出根据本发明示例性实施例的风向角和输出功率拟合曲线与数据离线学习曲线的对比示意图。
[0122]
根据本发明示例性实施例的在线修正对风偏差的方法，在不增加任何硬件成本的基础上可以高效的执行偏航静态对风偏差的寻优，以提升风力发电机组的发电量。
[0123]
如图2所示，横坐标为风向角，纵坐标为输出功率，各散点表示风力发电机组的离线运行数据的平均值散点，曲线1表示通过对各散点进行拟合获得的拟合曲线，曲线2表示根据本发明的在线修正对风偏差方法所获得的风向角和输出功率拟合曲线。从图2所示可以看出，两条曲线在形态上基本一致，且曲线最大值点对应的风向位置也基本一致，由此可以确定本发明示例性实施例中在plc端对风向角和输出功率所进行的拟合方式的有效性。
[0124]
图3至图6示出根据本发明示例性实施例的对风偏差在线修正方法所获得的功率曲线与采用现有的偏航静态对风偏差矫正方法所获得的功率曲线的对比示意图。
[0125]
在本示例中分别选取四台样机，采用本发明示例性实施例的对风偏差在线修正方法分别对所选取的四台样机进行对风偏差修正，所确定的偏航静态对风偏差的大小不同，则对发电量的提升也有不同表现，例如，所确定的偏航静态对风偏差越大，则发电量的提升量越多。
[0126]
图3示出第一台样机，当所确定的偏航静态对风偏差为4.99度时，计算得到的理论增功为1.1％，其实际增功为1.658％，功率曲线对比如图3所示。
[0127]
图4示出第二台样机，当所确定的偏航静态对风偏差为19.86度时，理论增功为17％，其实际增功为20.7％，功率曲线对比如图4所示。
[0128]
图5示出第三台样机，当所确定的偏航静态对风偏差为16.57度时，理论增功为12％。其实际增功为12.9％，功率曲线对比如图5所示。
[0129]
图6示出第四台样机，当所确定的偏航静态对风偏差为9.03度时，理论增功为3.67％，其实际增功为4.153％，功率曲线对比如图6所示。
[0130]
在本发明示例性实施例的在线修正对风偏差方法中，在确定出运行数据所属风速区间之后，直接对原始采样点数据(风向角、输出功率)进行拟合，而无需再进行风向分仓计算平均值，可以有效提高对风偏差修正的效率。
[0131]
这里，应理解，按照现有的离线矫正算法分仓求平均的方式，以14个风速分仓为例，每个风速分仓下需要计算300个风向仓的平均值，那么对于单个平均值的计算即需要存储4200个点，那么对于风速、风向角、输出功率、计算平均值的权重四个变量，则需要16800个点存储数据，还要进行文件读写操作，会对plc带来较大的计算负担，而本发明的在线修正对风偏差方法则仅需存储14
×
14＝256个点即可存储寻优的过程信息，大大简化了存储数量。
[0132]
因此，现有的离线矫正算法不适于在plc中执行，而本发明示例性实施例的在线修正对风偏差方法可以提高对风偏差修正的效率，并减少plc的计算负担，实现了在plc中对
风偏差的实时矫正。
[0133]
图7示出根据本发明示例性实施例的在线修正风力发电机组的对风偏差的装置的框图。
[0134]
如图7所示，根据本发明示例性实施例的在线修正风力发电机组的对风偏差的装置100包括：运行数据获取模块101、风速区间确定模块102、最优角确定模块103、静态偏差确定模块104和角度修正模块105。
[0135]
具体说来，运行数据获取模块101在每个采样时刻获取一组风力发电机组的运行数据。这里，运行数据可包括但不限于风速、风向角和输出功率。
[0136]
风速区间确定模块102确定所获取的运行数据所属的风速区间。
[0137]
例如，风速区间确定模块102可预先划分多个风速区间，在获取一组风力发电机组的运行数据之后，基于所获取的风速来确定所获取的运行数据所属的风速区间。
[0138]
在一优选示例中，风速区间确定模块102可对所获取的运行数据进行筛选，剔除在预定状态下获取的运行数据，以确定筛选后的运行数据所属的风速区间。作为示例，所述预定状态可包括但不限于以下项中的至少一项：非并网状态、满发阶段、偏航状态。
[0139]
作为示例，风速区间确定模块102可还确定所有风速区间的运行数据的总有效数据量。例如，如果风速区间确定模块102确定所有风速区间的运行数据的总有效数据量不小于第二设定值，则最优角确定模块103确定每个风速区间下的最优风向角，如果风速区间确定模块102确定所有风速区间的运行数据的总有效数据量小于第二设定值，则运行数据获取模块101继续获取运行数据。
[0140]
优选地，在确定所有风速区间的运行数据的总有效数据量不小于第二设定值时，风速区间确定模块102还分别确定每个风速区间内的运行数据的有效数据量，最优角确定模块103针对有效数据量不小于第三设定值的风速区间来确定最优风向角。这里，第二设定值大于第三设定值。
[0141]
最优角确定模块103针对每个风速区间，获取该风速区间内各风速所对应的风向角和输出功率，通过对所获取的风向角和输出功率进行拟合来确定该风速区间下的最优风向角。
[0142]
在一优选示例中，最优角确定模块103可先基于风向角对运行数据进行风向剔除，再基于筛选后的运行数据来确定每个风速区间下的最优风向角。
[0143]
例如，针对每个风速区间，最优角确定模块103将所获取的风向角的绝对值与风向角阈值进行比较，将绝对值不大于风向角阈值的风向角确定为有效风向角，通过对有效风向角和与有效风向角对应的输出功率进行拟合，来确定该风速区间下的最优风向角。
[0144]
优选地，最优角确定模块103可通过以下方式确定任一风速区间下的最优风向角：构建关于风向角和输出功率的k阶次的多项式；基于所构建的多项式，在风向角寻优范围内以预定步长搜索使得输出功率达到最大值的风向角，将搜索到的风向角确定为任一风速区间下的最优风向角。
[0145]
例如，所构建的多项式的自变量可为风向角，多项式的因变量可为输出功率，在此情况下，最优角确定模块103可通过以下方式确定与任一风速区间对应的多项式的系数：建立用于求解与该任一风速区间对应的多项式的系数的线性方程，通过对所建立的线性方程进行求解来获得该任一风速区间对应的多项式的系数。
[0146]
作为示例，所建立的线性方程的一边可为风向角功率矩阵，风向角功率矩阵可由多个风向角功率求和项构成，该线性方程的另一边可为风向角矩阵与系数矩阵的乘积，风向角矩阵可由多个风向角求和项构成，系数矩阵中的各元素为多项式的系数。
[0147]
例如，最优角确定模块103可通过以下方式对所建立的线性方程进行求解来获得任一风速区间对应的多项式的系数：确定所建立的线性方程的增广矩阵，通过对所确定的增广矩阵进行初等行变换或者初等列变换，获得该任一风速区间对应的多项式的系数。
[0148]
静态偏差确定模块104基于获取的所有风速区间对应的最优风向角进行计算处理，以获得偏航静态对风偏差。
[0149]
例如，静态偏差确定模块104可计算所有风速区间对应的最优风向角的算术平均值或者加权平均值，将计算得到的算术平均值或者加权平均值确定为偏航静态对风偏差。
[0150]
角度修正模块105利用所获得的偏航静态对风偏差对风力发电机组的风向角测量值进行修正。
[0151]
图8示出根据本发明示例性实施例的控制器的框图。
[0152]
如图8所示，根据本发明示例性实施例的控制器200包括：处理器201和存储器202。
[0153]
具体说来，存储器202用于存储计算机程序，所述计算机程序在被所述处理器201执行时实现上述的在线修正风力发电机组的对风偏差的方法。
[0154]
这里，图1所示的在线修正风力发电机组的对风偏差的方法可在图8所示的处理器201中执行。也就是说，图7所示的各模块可由数字信号处理器、现场可编程门阵列等通用硬件处理器来实现，也可通过专用芯片等专用硬件处理器来实现，还可完全通过计算机程序来以软件方式实现，例如，可被实现为图8中所示的处理器201中的各个模块。
[0155]
根据本发明的示例性实施例还提供一种存储有计算机程序的计算机可读存储介质。该计算机可读存储介质存储有当被处理器执行时使得处理器执行上述在线修正风力发电机组的对风偏差的方法的计算机程序。该计算机可读记录介质是可存储由计算机系统读出的数据的任意数据存储装置。计算机可读记录介质的示例包括：只读存储器、随机存取存储器、只读光盘、磁带、软盘、光数据存储装置和载波(诸如经有线或无线传输路径通过互联网的数据传输)。
[0156]
根据本发明示例性实施例的在线修正风力发电机组的对风偏差的方法和装置，可以在风力发电机组的控制器端在线进行偏航静态对风偏差矫正，通过对风力发电机组的主控软件升级即可实现大批量的推广，不受硬件设施的限制，不增加额外成本、且时效性较高。
[0157]
此外，根据本发明示例性实施例的在线修正风力发电机组的对风偏差的方法和装置，通过持续不断的迭代运算来获得偏航静态对风偏差，对于由于环境因素或者人为原因造成的偏航静态对风偏差均可以自动修正。
[0158]
尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。