1.一种风电场载荷的长期评估方法,其特征在于,所述方法包括:
(1)选择典型风电机组;
(2)对典型风电机组进行载荷测试,计算等效载荷;
(3)获取与典型风电机组的测量数据同步的SCADA数据,并对数据按照典型风电机组的运行状态分类;
(4)基于人工神经网络的理论和方法,建立基于SCADA数据和载荷测试结果的模型;
(5)将典型风电机组的载荷模型应用于风电场内其他风电机组,并结合SCADA数据,计算待评估风电机组的载荷。
2.如权利要求1所述的方法,其特征在于,所述步骤(1)中,典型风电机组的条件是:风电场的每个型号的风电机组选择一台,如果风电场有多个型号,则选择多台典型风电机组。
3.如权利要求1所述的方法,其特征在于,所述步骤(2)中计算等效载荷包括下述步骤:
2‐1在典型风电机组上安装应变片,测量风电机组的载荷;定义采样率为50Hz,平均周期为10min;其中,
测量的载荷参数,包括叶根弯矩、主轴扭矩、主轴弯矩、塔顶弯矩和塔底弯矩;
2‐2对载荷测试的10min时间序列进行雨流分析,获得雨流分析结果,即Markov矩阵;
2‐3将雨流分析结果规格化至1Hz;
2‐4计算等效载荷,其表达式为:
式中:Leq为等效载荷,Ri为第i级的载荷幅值,ni为第i级的载荷循环次数,Neq为等效载荷循环次数,m为材料S-N曲线的斜率。
4.如权利要求1所述的方法,其特征在于,所述步骤(3)的分类方法具体包括:
3‐1以10min为测量周期,采集典型风电机组与测试同步的SCADA数据,将载荷测试数据和SCADA数据合并;其中,
SCADA参数,包括风速、风向、功率、转速、桨距角、偏航偏差和风电机组的运行状态;
3‐2对数据进行清洗,剔除无效数据;即仅保留风电机组在正常发电状态的数据,剔除传感器过载的数据;
3‐3根据SCADA数据和载荷测试数据携带风电机组状态标识进行分类,包括稳定工况和瞬态工况;并在稳定工况下,根据风向划分数据的尾流情况。
5.如权利要求4所述的方法,其特征在于,所述稳定工况,包括正常发电状态、故障状态、停机和空转;
所述瞬态工况,包括启动、正常停机和紧急停机;
所述尾流情况,包括风轮不受尾流影响、部分风轮受尾流影响和风轮完全被尾流影响。
6.如权利要求1所述的方法,其特征在于,所述步骤(4)建立SCADA数据和载荷测试结果的模型包括:以SCADA数据的风速、功率、转速、桨距角、偏航偏差为输入,以典型风电机组测量的载荷测试结果为输出,使用人工神经网络的方法,根据不同的风电机组运行状态和不同的载荷参数分别建模。
7.如权利要求1所述的方法,其特征在于,所述步骤(5)计算待评估风电机组的载荷包括:
5‐1以10min为测量周期,获取风电场内与典型风电机组同型号的其他风电机组长期的SCADA数据;
5‐2对数据进行清洗,剔除无效数据;即仅保留风电机组在正常发电状态的数据,剔除传感器过载的数据;
5‐3对待评估风电机组的每个10min数据的风电机组状态进行分类;
5‐4分别根据不同的状态类别,选择相应的模型进行计算,自动输出载荷结果;包括叶根弯矩、主轴扭矩、主轴弯矩、塔顶弯矩和塔底弯矩。