基于风电机组监控安全通信的系统设计

不同厂家的风电机组与外界系统通信是依靠其私有通信协议,致使风电场的监控管理成本升高,影响风电机组的安全运行.针对该问题,本文基于风电场监控通信国际标准IEC 61400-25和电力系统数据与通信安全国际准IEC 62351,构建风电机组安全通信监控系统.该系统通过嵌入式服务器方案,实现对风电机组中数据和状态的监视和控制...     

整流系统中EDS交换机环网的实现

整流机组是铝冶炼行业的核心部分,对机组各部位运行状态的实时监控从而显得的由为重要,EDS交换机在整流系统中的运用越来越广泛,EDS交换机环网的实现解决了机组通讯监控中单台机组EDS交换机故障导致此链路上前端机组的通讯中断问题。     

力控推出风电设备SCADA监控软件FCWP

力控风电设备SCADA监控软件FCWP具备风电行业专用的设备负荷专用曲线及监测组件,适合风电场级监控和风电场运维中心的系统集成,采用核心数据库系统、来实现全国相关各风电场的所有风电机组、继电保护、风速、发电量、售电量等运行情况的远程监视和接收汇总,使各级部门都能及时的了解风电机组运行状态和发电状况。     

风电场中嵌入式通信服务模块设计

针对风电场原有组件因受自身硬件与软件资源的局限而不能与下一代风电机组实现无缝通信的问题,提出在风电场各组件中遵循风电场监控通信标准IEC61400-25的嵌入式通信服务模块的解决方案,设计ARM+Linux+J2ME平台并采用MMS技术与Web服务的方法提供统一的通信方式与通信接口,结果证明该方案能有效解决工程中监控系统难以兼容、风电场统一操作和维护困难的问题。     

风电机组选型及风电场优化设计研究

随着世界各国风电机组装规模的迅速膨胀,主流风电机组机型的单机容量也在不断增大。如何更加合理的进行风电机组选型,并且有效的利用软件进行风电场优化设计,使得风机布置更加合理、上网电量更加大、投资更加节省成为了目前国内外研究人员日益重视的课题。本文首先论述了风电机组选型过程中应该注意的问题,然后在WindFarmer的基础之上,对风电场的优化设计方案进行了具体的讨论。     

基于长短时记忆神经网络的风电机组滚动轴承故障诊断方法

风能作为一种绿色能源在我国能源结构中发挥着越来越重要的作用;风电机组的滚动轴承作为传动系统的重要组成部分,是其主要故障部件之一;随着风电规模的不断增长,及时地发现风电机组滚动轴承的故障对风电场安全稳定运行具有重要意义;针对传统回归神经网络存在的梯度消失问题,提出了利用长短时记忆神经网络对风电机组滚动轴承进行故障诊断的模型;首先,利用小波包变换对风电机组滚动轴承振动信号进行处理,提取其特征向量,将其作为长短时神经网络的输入,从而诊断出风电机组滚动轴承的3种常见故障;通过算例分析,结果表明所提出的方法能够有效地对风电机组的滚动轴承进行故障诊断,并且在故障特征量差异不明显的情况下长短时记忆神经网络仍具有良好的故障诊断性能,说明了该方法的可行性和有效性。     

输入时滞的海上风电机群分布式控制

随着海上风电的大规模发展, 以及电网互联范围的不断扩大, 时滞主要产生在风电场广域测量系统的信号 测量和传输中, 从而导致风电机组系统性能下降甚至不稳定, 严重影响了风电场的正常运行. 因此, 该文基于Hamilton 能量理论, 研究了双馈风电机群的分布式时滞控制问题. 首先, 该文对双馈风电系统进行Hamilton实现, 得到风 电机组PCH–D模型; 然后, 针对单机系统PCH–D模型, 引入Casimir函数设计控制律, 使得风电系统在输入时滞下能 够稳定运行; 进而, 将风电机组网络化, 设计分布式时滞控制策略, 使得整个风电机群在30300 ms的时滞范围内整 体保持稳定. 最后, 通过仿真验证了所提控制策略能有效地解决系统的输入时滞问题, 同时减小了时滞引起的系统 误差, 提高了风电机群的稳定性和控制精度.     

风电场电能质量特性及治理措施仿真分析

基于甘肃河西地区大规模风电接入电网工程,建立了典型风电机组仿真模型,仿真分析了风电并网引起的电压偏差、电压波动、谐波等电能质量特性;在对风电场电能质量特性分析的基础上,综合考虑补偿效果等因素,对应用STATCOM治理风电场电能质量的效果进行了仿真。仿真结果表明,STATCOM对风电场的各种电能质量问题具有较好的治理效果,可为风电场电能质量特性分析和治理提供参考。     

基于EMD-LSTM的风机故障停机发生时间预测

针对风电机组故障停机发生时间预测问题,提出了一种基于EMD-LSTM的预测方法。以风电机组故障停机发生时间为基础,构成故障间隔时间序列;采用EMD将该时间序列分解有限个本征模函数,利用LSTM神经网络对各分量序列构建预测模型;将风电场的实际数据代入模型进行训练,仿真结果表明基于EMD-LSTM的风电机组故障停机发生时间预测方法,较LSTM和以及EMD-BP和EMD-RNN等方法具有更高的预测精度,利于提前预知风电机组未来故障的发生时间,为事先做好故障处理预案提供决策依据。     

双馈风电机组低电压穿越能力的应用研究

近几年来,风电机组容量快速增长,为了维持电力系统的安全稳定运行和保证风电场并网安全,对风电场提出低电压穿越的要求是必要的。低电压穿越要求是电力系统功率平衡与频率稳定的需要,也是局部电网电压稳定及电压恢复的需要。为最大限度减少大规模风电接入系统对电网的影响,对风电机组提出了更高的要求,即风电机组具有一定的低电压穿越能力。介绍了变速恒频双馈风电机组的基本结构,建立了双馈风电机组动态数学模型。以Matlab/Simulink为仿真应用平台搭建了系统仿真模型,结合风电场低电压穿越能力要求的相关标准规定,针对不同电网电压跌落的情况下,仿真应用研究了变速恒频风电机组的低电压穿越能力,仿真结果表明:双馈风电机组在电网电压跌落时满足继续并网运行的条件,且为电网电压恢复提供了无功功率,提供的无功功率大小与电网电压跌落程度有关。     

一种实用的风电机组塔杆倾斜沉降监测模型

风电场塔杆的倾斜或沉降严重影响风电机组的正常安全运行。本文给出了一种风电机组杆塔倾斜或沉降的监测算法模型,并通过仿真计算验证了该算法模型的有效性和准确实用性。通过该模型可有效预测风电场塔杆的倾斜或沉降,为风电机组预防和避免因塔杆倾斜或沉降引起的机组故障提供了一种新的思路,进而提高风电机组运行的经济安全性。     

面向风电场景的联邦学习平台高性能通信优化

风能作为清洁能源为改善我国能源结构发挥着越来越重要的作用. 风电场机组及设备的数据可能会包含机组或风场的隐私敏感信息, 这些隐私数据一旦被泄露, 将会为风电场带来巨大的经济风险和法律风险. 联邦学习作为重要的隐私计算手段, 能够保证原始数据不出本地的情况下完成模型的建模和推理, 实现各参与方在互不泄露隐私的前提下实现联合计算, 从而有效应对风电数据分析面临的挑战. 但是, 联邦学习计算过程中存在大量的通信开销, 这成为限制联邦学习技术在风电场景下应用的关键性能瓶颈. 因此, 本文以经典的联邦学习算法XGBoost为例, 深入分析了联邦学习计算过程中的通信问题, 提出采用RDMA作为底层传输协议的解决方案, 设计并实现了一套高性能联邦学习平台通信库, 有效提升了联邦学习系统的性能.     

风电场风功率预测系统研究

对风电场发电功率的准确预测,可以有效优化电网调度,使得电网经济运行,同时提高风电场在电力市场中的竞争能力.文中提出了基于先进统计方法的风电功率预测系统,以高精度数值气象预报为基础,搭建完备的数据库系统,利用各种通讯接口采集风电场监控数据.提出并实现了“自适应逻辑网络”(ALN),为风电场建立功率预测算法引擎,可以准确预报风电场未来72小时短期功率负荷,并能针对单台风机、风电场或风机集群进行预测和上报,为风电场管理提供重要辅助手段.现场运行测试验证了系统在风速预测以及针对不同型号风机风功率预测的可行性和有效性.     

基于时空自编码网络的水力发电站机组状态视频监控系统

设计基于时空自编码网络的水力发电站机组状态视频监控系统,有效监控水力发电站机组状态,实现水力发电站机组管理。通过数据采集模块的数字摄像头采集水力发电站机组状态视频和图像,同时利用数字温湿度传感器采集温度和湿度数据;将采集的全部数据传输至无线通信模块,该模块集多种通讯方式于一体,以Modbus通讯协议为基础,将采集数据发送智能诊断模块;在智能诊断模块采用时空卷积自编码网络,对机组状态视频监控数据实施时空块处理,经训练后得出重构误差,依据重构误差的规则分数,判断机组状态,实现机组状态监控,并向应用模块发送机组状态监控结果;应用模块可在终端设备上查看水力发电站机组状态监控数据,实现水力发电站机组状态监测。实验结果表明：该系统在不同温度下的通讯速率均保持稳定;采用时空自编码网络可准确监控出水力发电站机组状态;该系统设计界面清晰简洁,且功能齐全,水力发电站运维管理人员在客户端可实时查询水力发电站机组状态视频监控数据,实现水力发电站机组管理。     

基于马尔科夫过程理论的风电机组检修策略

综述了基于马尔科夫过程的风电机组检修策略.首先介绍了马尔科夫过程及相关理论知识,并分析其应用于风电机组检修中的可行性;然后分别从基于风电机组运行可靠性最优策略建立可靠性模型和基于维护成本最优策略建立老化模型两方面入手,指出各自考虑的侧重点,总结了国内外学者基于马尔科夫过程理论对风电机组检修策略的研究现状;最后指出由单一部件到多部件进行整台风电机组优化检修和风电场多台机组联合检修是未来的研究趋势.     

风电场电能质量监测系统的研究与应用

介绍了一种基于CAN总线的风电场电能质量监测系统的设计方法,对风电场的风电机组、箱式变和开关柜的电压、电流、频率、谐波、闪变以及现场风向风速进行监测,并将数据经CAN总线上传到上位机进行处理、分析及显示.监测网络有4层结构,即数据采集层、数据处理层、数据传输层、用户层.该系统已在广东某风电场投入使用,获得良好效果.     

大型风电并网的现状与分析

随着能源结构的改变,越来越多的风力发电机组接入电网。但是,风电出力具有随机性和波动性,大量的风电接入电网为其发展带来一系列的挑战,比如调峰、调频难度增大,电网运行控制困难,局部电网接入能力不足,电网稳定风险增大等。分析了风电机组接入系统后给电网造成的影响,并针对这些影响,论述了目前风机发电接入电网所需要解决的技术问题,考虑了风电场联网的方式和输电规划、风电场联网对电网的友好支持、风电场调度、低电压穿越、无功控制调节、风电场及电网储能、风电场发电计划、风能占电网规模的比例和影响、风电电能质量等多方面的技术问题,为解决风力发电机组大规模接入系统提供了参考依据。     

两阶段CP-Copula的风电机组异常数据清洗算法北大核心

风电机组在实际运行过程由于运行环境影响及人为调控等因素影响,导致风功率曲线中存在大量异常运行数据,给风电机组的监测与控制带来严重干扰。提出一种基于变点分组(Change Point)和Copula理论组合的两阶段异常数据清洗算法。根据风电机组异常运行数据的分布特征和产生原因,将异常数据划分为堆积型异常数据和分散型异常数据;利用变点算法最大限度的清洗大部分堆积形异常数据和少量分散型异常数据,提高正常数据占比;结合Copula函数计算风速和功率的依赖关系,并依据依赖关系建立基于Copula的概率功率曲线,进一步清洗剩余分散型异常数据。通过内蒙古某风电场实际运行数据验证了算法的有效性,结果表明清洗效果好,可有效识别出三类异常数据,具有一定的工程实用价值。     

基于支持向量机的风电机组故障预警

风电机组的故障诊断是保证机组稳定运行、降低机组维护费用的关键。简要介绍了风电机组的基本结构及故障类型,讨论了风电机组实际应用中的主要故障诊断方法;提出了一种基于最小二乘支持向量机(LS-SVM)的风电机组故障预警方法,利用实际风场机组运行监控数据验证了此方法的可行性,并与神经网络方法的预测结果进行比较。结果表明,基于LS-SVM的方法更加快速有效,具有准确的故障识别能力。     

一类储能监控系统结构设计

储能系统作为一种快速吞吐能量的手段在风力发电中具有广阔的应用前景,其中监控系统是储能系统中的核心子系统,然而国内此类监控系统目前的实际应用尚不成熟。以国内实际项目为背景,对风电场储能监控系统的软硬件结构、通讯网络等进行了设计与实现,为用于风储联合监控的储能监控系统设计提供参考,经过验证,系统运行状况令人满意。