用于風電場的能量管理的方法和設備與流程

本發明涉及風電技術領域，更具體地說，涉及一種考慮風電場中每臺風力發電機的自身特性以及運行的外部環境來執行風電場的能量管理的方法和設備。

背景技術：

近年來，隨著新能源開發項目的開展，風力發電行業得到大力發展。風力發電機是將風能轉換為機械能，再將機械能轉換為電能的電力設備。由于風力發電沒有燃料問題，也不會產生輻射或空氣污染，從而成為越來越受歡迎和支持的發電方式。

然而，目前風力發電的棄風現象比較嚴重。其主要因素如下：首先，風電建設規劃不完善。風電規劃中存在重發、輕供、不管用的問題。例如，甘肅、蒙東、蒙西和冀北等大型風電基地都位于經濟發展程度較低的地區，本地電量消納空間有限，而電網外送能力又不足，只能棄風。其次，風電調度運行水平不高。目前部分風電場運行水平偏低、機組缺乏低電壓穿越能力，增加了電網調度運行的難度。部分地區電網中的風電功率預測系統和風電場監控系統尚不完備，沒有真實反映風電功率的波動性和隨機性特征，導致系統運行方式偏于保守，調度運行中預留了過大的安全余量，也是造成棄風限電的重要因素。再次，風電市場運行機制尚不健全。當前以計劃電量為基礎的交易模式不利于風電消納。目前節能發電調度還未在全國范圍內得到全面推行，電源間的競爭主要體現在計劃電量分配上，風電的節能降耗和減排貢獻得不到合理評估，清潔優勢沒有完全體現出來。由于風電具有隨機性、間歇性和波動性等特點，電網收購風電的成本高于水、火電，因此風電競爭力比水、火電差，在爭取計劃電量指標時處于不利地位。

以上情況在短期內無法得到根本的解決，所以風電場限電運行的情況要長期存在，因此基于風電場級的能量管控也是目前必須要解決的問題。

目前，對風場能量管理的方法主要分為兩種：手動限功率，即，運行人員手動對每臺風機進行功率控制，以滿足調度對上網電量的控制；能量管理平臺自動調節，即，中控室部署能量管理平臺，從而控制風力發電機組自動逐臺進行功率調節，動態響應上網電量的要求。

然而，手動限功率和能量管理平臺自動調節這兩種方法存在各自的缺點。具體地說，首先，手動限功率的方法主要由人員的主觀因素起主導作用，容易因為人員的失誤導致控制出錯，另外，對于環境變化比較大的情況，以及機組出現問題的情況，調度令改變的時候，人響應動作的速度比較慢，不易實現上網能量的柔性調節。其次，能量管理平臺自動調節的方法存在上網能量的穩定性差的缺點，具體地說，能量管理平臺自動調節的方法不考慮風力發電機組在不同工況下運行的穩定性，對機組出現故障的概率估計不足，機組因為故障或者其它原因脫網的概率不明確，導致一旦發生機組脫網的情況風電場上網負荷不穩定，不能很好滿足調度要求，同時也會減少發電量，影響效益。此外，能量管理平臺自動調節的方法還存在能量平滑過渡性差的缺點，具體地說，目前風電場自動能量管理平臺，對于一旦出現機組脫網的情況，程序會自動啟動用于補償能量的機組，這種情況如果一兩臺機組出現了問題，切換比較及時一般輸出能量曲線沒有太大的波動，但是一旦出現多臺機組同時脫網的情況，那么可能會導致能量輸出出現明顯的波動。這樣會造成風電場被電網公司的考核，或者降低允許上網電量，影響比較嚴重。

因此，需要一種有效地、穩定地管理風電場的能量的方法和設備。

技術實現要素：

本發明的一方面在于提供一種用于風電場的能量管理的方法和設備，所述用于風電場的能量管理的方法和設備可基于風電場的氣象環境以及每臺機組自身的環境特征和運行特征，選擇最適合當前環境和能量需求的機組的組合來進行限負荷運行，從而實現有效地穩定地管理風電場能量的目標。

根據本發明的一方面，提供一種用于風電場的能量管理的方法，其特征在于，包括：采集風電場的氣象數據以及風電場中每臺風力發電機的環境數據和運行數據作為參考變量；通過基于所述參考變量統計每臺風力發電機的所有故障事件的發生概率以產生每臺風力發電機的數據特征庫；基于調度輸入的能量需求、實時的氣象數據以及每臺風力發電機的環境數據和運行數據、所述每臺風力發電機的數據特征庫，選擇最適合當前工況的風力發電機的組合以及備用風力發電機，并分配組合中的每臺風力發電機的最優能量。

所述氣象數據可包括天氣預報數據，所述環境數據可包括風力發電機自身傳感器采集的環境數據，所述運行數據可包括用于衡量風力發電機運行質量的運行數據。

產生所述每臺風力發電機的數據特征庫的步驟可包括：設置每個故障事件與所述參考變量的對應關系；獲取當有故障事件發生時采集的與該所述故障事件對應的所述參考變量的數據；根據獲取的數據，統計所述每個故障事件在與該所述故障事件對應的所述參考變量下的發生概率；按照氣象數據、環境數據、運行數據三個維度分別存儲所述每個故障事件的氣象數據關聯發生概率、環境數據關聯發生概率、運行數據關聯發生概率。

選擇所述最適合當前工況的風力發電機的組合的步驟可包括：基于所述調度輸入的能量需求以及在當前預定時間段的風速下每臺風力發電機的平均發電量，確定組合中的可能的風力發電機的數量以及每一種可能的數量下風力發電機的能量分配范圍；針對每一種可能的數量的風力發電機組合，基于所述每臺風力發電機的數據特征庫，計算在當前的氣象數據、每臺風力發電機的當前環境數據、每臺風力發電機在確定的風力發電機的能量分配范圍內的運行數據下，每臺風力發電機的每個故障事件的發生概率，并對每臺風力發電機的最大的故障事件發生概率進行排序；針對所述每一種可能的數量的風力發電機組合，選擇排序后的故障事件發生概率之中故障事件發生概率最小的可能的數量的風力發電機；根據預定規則從所述可能的數量的風力發電機組合之中選擇最佳風力發電機組合。

所述預定規則可包括：排除所述最大的故障事件發生概率等于或大于預定閾值的組合；選擇至少保留一臺風力發電機做待機備用的組合；排除在選擇組合過程中增加或減少并網風力發電機而導致每臺風力發電機的均分功率有差異的情況下該差異導致增加的平均故障事件發生概率增加1％以上的組合；在所述增加的平均故障事件發生概率最小的三個組合中進行選擇。

分配所述組合中的每臺風力發電機的最優能量的步驟可包括：基于組合中的所述每臺風力發電機的數據特征庫中的運行數據，確定組合中的每臺風力發電機的性能穩定的容量范圍；基于所述調度輸入的能量需求以及所述組合中的每臺風力發電機的性能穩定的容量范圍，分配所述組合中的每臺風力發電機的最優能量。

所述方法還可包括：當工況發生變化時，導致單個風力發電機的最大的故障事件發生概率超過預設值并持續預設時間，則提前通過重新選擇最適合當前工況的風力發電機的組合來切換風力發電機的組合，并重新分配組合中的每臺風力發電機的最優能量。

所述預設值可為10％，所述預設時間可為1小時。

所述方法還可包括：當風力發電機組合中出現了故障風力發電機時，如果能夠容錯運行，則通過在容錯運行的同時啟動正常運行的風力發電機之中的一個或多個正常運行的風力發電機升功率并啟動所述故障風力發電機降功率，或者通過在容錯運行的同時啟動所述備用風力發電機升功率并啟動所述故障風力發電機降功率，來維持上網功率不變。

所述方法還可包括：當風力發電機組合中出現了故障風力發電機時，如果無法容錯運行，則對正常運行的風力發電機進行快速能量補償，并通過將所述備用風力發電機的輸出功率與所述正常運行的風力發電機的輸出功率進行柔性調節來啟動所述備用風力發電機。

根據本發明的另一方面，提供一種用于風電場的能量管理的設備，其特征在于，包括：數據采集模塊，采集風電場的氣象數據以及風電場中每臺風力發電機的環境數據和運行數據作為參考變量；數據建庫模塊，通過基于所述參考變量統計每臺風力發電機的所有故障事件的發生概率以產生每臺風力發電機的數據特征庫；風機管理模塊，基于調度輸入的能量需求、實時的氣象數據以及每臺風力發電機的環境數據和運行數據、所述每臺風力發電機的數據特征庫，選擇最適合當前工況的風力發電機的組合以及備用風力發電機，并分配組合中的每臺風力發電機的最優能量。

所述氣象數據可包括天氣預報數據，所述環境數據可包括風力發電機自身傳感器采集的環境數據，所述運行數據可包括用于衡量風力發電機運行質量的運行數據。

所述數據建庫模塊可包括：關系設置模塊，設置每個故障事件與所述參考變量的對應關系；數據獲取模塊，獲取當有故障事件發生時采集的與該所述故障事件對應的所述參考變量的數據；概率統計模塊，根據獲取的數據，統計所述每個故障事件在與該所述故障事件對應的所述參考變量下的發生概率；概率存儲模塊，按照氣象數據、環境數據、運行數據三個維度分別存儲所述每個故障事件的氣象數據關聯發生概率、環境數據關聯發生概率、運行數據關聯發生概率。

所述風機管理模塊可包括：組合確定模塊，基于所述調度輸入的能量需求以及在當前預定時間段風速下每臺風力發電機的平均發電量，確定組合中的可能的風力發電機的數量以及每一種可能的數量下風力發電機的能量分配范圍；概率排序模塊，針對每一種可能的數量的風力發電機組合，基于所述每臺風力發電機的數據特征庫，計算在當前的氣象數據、每臺風力發電機的當前環境數據、每臺風力發電機在確定的風力發電機的能量分配范圍內的運行數據下，每臺風力發電機的每個故障事件的發生概率，并對每臺風力發電機的最大的故障事件發生概率進行排序；風機選擇模塊，針對所述每一種可能的數量的風力發電機組合，選擇排序后的故障事件發生概率之中故障事件發生概率最小的可能的數量的風力發電機；組合選擇模塊，根據預定規則從所述可能的數量的風力發電機組合之中選擇最佳風力發電機組合。

所述預定規則可包括：排除所述最大的故障事件發生概率等于或大于預定閾值的組合；選擇至少保留一臺風力發電機做待機備用的組合；排除在選擇組合過程中增加或減少并網風力發電機而導致每臺風力發電機的均分功率有差異的情況下該差異導致增加的平均故障事件發生概率增加1％以上的組合；在所述增加的平均故障事件發生概率最小的三個組合中進行選擇。

所述風機管理模塊還可包括：范圍確定模塊，基于組合中的所述每臺風力發電機的數據特征庫中的運行數據，確定組合中的每臺風力發電機的性能穩定的容量范圍；能量分配模塊，基于所述調度輸入的能量需求以及所述組合中的每臺風力發電機的性能穩定的容量范圍，分配所述組合中的每臺風力發電機的最優能量。

所述設備還可包括：能量管控模塊，當工況發生變化時，導致單個風力發電機的最大的故障事件發生概率超過預設值并持續預設時間，則提前通過重新控制所述風機管理模塊選擇所述最適合當前工況的風力發電機的組合來切換風力發電機的組合，并重新分配所述組合中的每臺風力發電機的最優能量。

所述預設值可為10％，所述預設時間可為1小時。

所述設備還可包括：能量管控模塊，當風力發電機組合中出現了故障風力發電機時，如果能夠容錯運行，則控制所述風機管理模塊通過在容錯運行的同時啟動正常運行的風力發電機之中的一個或多個正常運行的風力發電機升功率并啟動所述故障風力發電機降功率，或者通過在容錯運行的同時啟動所述備用風力發電機升功率并啟動所述故障風力發電機降功率，來維持上網功率不變。

所述設備還可包括：當風力發電機組合中出現了故障風力發電機時，如果無法容錯運行，則控制風機管理模塊對正常運行的風力發電機進行快速能量補償，并通過將所述備用風力發電機的輸出功率與所述正常運行的風力發電機的輸出功率進行柔性調節來啟動所述備用風力發電機。

根據本發明的用于風電場的能量管理的方法和設備，可基于風電場的氣象環境以及每臺機組自身的環境特征和運行特征，選擇最適合當前環境和能量需求的機組的組合來進行限負荷運行，從而實現有效地穩定地管理風電場能量的目標。

附圖說明

通過結合附圖，從實施例的下面描述中，本發明這些和/或其它方面及優點將會變得清楚，并且更易于理解，其中：

圖1是風電場的能量管理系統的示意圖；

圖2是根據本發明的實施例的用于風電場的能量管理的設備的框圖；

圖3是根據本發明的實施例的統計在各個氣溫范圍內的葉片結冰概率的示意圖；

圖4是根據本發明的實施例的能量平衡過渡方法的示意圖；

圖5是根據本發明的實施例的用于風電場的能量管理的方法的流程圖。

在附圖中，相同的標號始終表示相同的元件、特征和結構。

具體實施方式

提供參照附圖的以下描述以幫助對由權利要求及其等同物限定的本發明的實施例的全面理解。包括各種特定細節以幫助理解，但這些細節僅被視為是示例性的。因此，本領域的普通技術人員將認識到在不脫離本發明的范圍和精神的情況下，可對描述于此的實施例進行各種改變和修改。此外，為了清楚和簡潔，省略對公知的功能和結構的描述。

圖1是風電場的能量管理系統的示意圖。

參照圖1，假設一個風電場一共有7臺風力發電機(以下，簡稱機組)wtg1～wtg7，單臺機組的容量為1500kw，總容量為1500*7＝10500kw，調度會根據電網總負荷需求，會對風電場有一個上網電量的容量給定。假設調度給出上網電量為7200kw。

傳統能量管理平臺的方法可包括能量均分法和部分機組運行法。下面分別介紹傳統能量管理平臺的方法的這兩種方法。

根據傳統能量管理平臺的能量均分法，將7200kw的負荷平均分成7份，全部機組等功率運行。隨著風速的波動，所有機組全部進行能量波動調節。基于目前調度對風電場上網能量的要求，只要求不能超過調度給定容量，所以當風速較大(潛在上網電量超過調度給定)，機組限功率運行，當風速較小時，機組正常運行。如果風速較大時，變槳系統需要頻繁的動作以實現恒定功率。一方面機組的耗電量大，另一方面一旦如果有機組出現故障，需要重新計算分配單臺機組的給定功率，所謂牽一發動全身，如果控制不夠平滑可能引起整體上網能量的波動。同理如果故障機組再次并網能量切換也存在紋波。還有一種可能當風速特別大的情況，為了滿足上網電量的功率限制，變槳系統控制葉片的槳距角在很大的度數，如果風速達到某一程序設定值，已經超過控制策略控制的能力范圍，機組將停機(例如葉片角度大于35°)。這時候必定產生一個大的能量波動。

根據傳統能量管理平臺的部分機組運行法，將7200kw的負荷平均分成6份，使6臺機組等功率運行。隨著風速的波動，部分機組進行能量波動調節。如果當風速較大時由6臺機組并網減少到5臺或更少，如果風速較小時由6臺增加到7臺。這種方法最大的問題如果風速處于臨界值，將頻繁的啟動或者停止某些機組的運行。導致上網能量頻繁出現波動。不能保證在核準上網電量的基礎上的最大出力。

本發明提出一種能夠實現風電場能量穩定輸出的能量管理方法和設備，保證上網能量盡可能的接近甚至等于調度下達的功率要求，同時保證能量的穩定性。

具體地說，傳統能量管理平臺的方法大部分是從整個風電場去考慮上網能量，而忽視了每臺機組的差異性。例如：某臺機組在7-8m/s的風速運行性的情況，由于機組安裝的地理位置極易出現風向和風速的急劇波動，導致控制的響應跟不上節奏、滯后，這種情況機組極易發生功率風速不匹配故障；某臺機組在環境溫度高于38℃時，因為水冷系統管道制造工藝差異的問題，水冷易報過溫故障；某臺機組在低功率500kw以下運行，由于組裝集成工藝問題，容易使igbt功率模塊局部過熱導致失效；某幾臺機組所在的濕度大于85％，環境溫度在5℃以下由于機位點特殊的位置，葉片特別容易結冰；某臺機組在發葉輪轉速8.1rpm-8.5rpm范圍內特別容易產生與塔架的共振……我們把這種現象叫做機組的不適區，意思就是在這些情況，機組不太適合運行，那么相反的就是舒適區。

如果大部分時間，大部分的機組都是在它們的舒適區運行，那機組的穩定性以及整個風電場的能量穩定性自然就提高了。那么，最核心的工作就是建立機組的數據特征庫，把每一臺機組運行的不適區和舒適區用數據的形式進行統計記錄，作為后續根據實際工況評價選擇風機運行的依據。根據本發明的能量管理方法和設備正是通過建立機組的數據特征庫的方法，根據風電場的氣象環境以及每臺機組自身的環境特征和運行特征，選擇最適合當前環境和能量需求的機組的組合來進行限負荷運行，從而實現有效地穩定地管理風電場能量的目標。

下面，將描述根據本發明的實施例的用于風電場的能量管理的設備200。圖2是示出根據本發明的實施例的用于風電場的能量管理的設備200的框圖。參照圖1，本發明的實施例的用于風電場的能量管理的設備200包括數據采集模塊210、數據建庫模塊220、風機管理模塊230以及能量管控模塊240。

數據采集模塊210可采集風電場的氣象數據以及風電場中每臺機組的環境數據和運行數據。

具體地說，風電場的氣象數據可包括氣象預測數據，一般來自第三方氣象預測機構。例如，氣象預測數據可包括氣溫、氣壓、濕度、雷暴指數、結冰指數、風速、風向、陣風指數等天氣預報數據。

機組的環境數據可包括機組自身傳感器采集的實時環境數據。例如，機組的環境數據可包括機組環境溫度、環境濕度、空氣密度、風速、風向等。

機組的運行數據可包括用于衡量機組運行質量的運行數據。例如，機組的運行數據可包括機組狀態、震動數據、輸出功率、功率因素等。

數據采集模塊210采集的風電場的氣象數據、機組的環境數據和機組的運行數據均可作為建立機組的數據特征庫的參量變量。

數據建庫模塊220可通過基于參考變量統計每臺機組的所有故障事件的發生概率以產生每臺機組的數據特征庫。

具體地說，數據建庫模塊220可包括關系設置模塊221、數據獲取模塊222、概率統計模塊223、概率存儲模塊224。

關系設置模塊221可設置每個故障事件與參考變量的對應關系。根據本發明的實施例，可按照對應關系表的形式來設置每個故障事件與參考變量的對應關系。

另外，不同制造廠家的機組因為機組的配置不同，可能導致部分信息無法采集。所以創建對應關系表可以選擇適合該風電場機型的參考變量。另外，同一個風電場可能存在不同塔架類型、葉片類型、機組容量的機組混搭的情況。這種情況需要將這些參量也納入到機組運行參考變量當中，但是應該只做參數值翻轉存儲，即，只有變量值變化才去存，否則一直保留上一次的采集值。

數據獲取模塊222獲取當有故障事件發生時采集的與該故障事件對應的參考變量的數據。

根據本發明的實施例，如果一旦機組發生故障事件(或警告事件)，則數據獲取模塊222可從數據采集模塊210獲取故障事件發生前的一段時間的氣象數據、環境數據和運行數據，并通過抽取這些數據的數據范圍(例如，抽取這些數據的最大值和最小值)來按時間戳進行保存。時間戳可作為每條數據記錄的標識。

此外，根據本發明的數據獲取模塊222還可通過其它數據保存方式來保存參考變量的數據。

概率統計模塊223可根據獲取的數據，統計每個故障事件在與該故障事件對應的參考變量下的發生概率。

根據本發明的實施例，概率統計模塊223可對最近一個數據采集周期的參考變量進行數據轉換以將參考變量轉換為適合于統計故障事件的發生概率的數據。作為示例，數據采集周期可以是故障事件發生20次的時間段，數據轉換可以是通過將數據范圍進行離散以便于概率的統計。例如，以溫度為例，可以以1℃的梯度對溫度范圍進行離散，例如，將-3℃至-9℃的溫度范圍離散為-3℃至-4℃、-4℃至-5℃、-5℃至-6℃、-6℃至-7℃、-7℃至-8℃、-8℃至-9℃的離散范圍。

此外，由于某一故障事件的發生與多個參考變量耦合在一起的情況相關，因此，概率統計模塊223可統計多個參考變量關聯在一起時的發生概率。例如，概率統計模塊223可統計出某個故障事件與1個參數關聯的發生概率、某個故障事件與2個參數關聯的發生概率、某個故障事件與3個參數關聯的發生概率等。

此外，根據本發明的概率統計模塊223還可通過其它概率統計方式來統計每個故障事件在與該故障事件對應的參考變量下的發生概率。

根據本發明的實施例，當概率統計模塊223統計出每個故障事件在與其相關的多個氣象數據下的關聯發生概率、在與其相關的多個環境數據下的關聯發生概率、在與其相關的多個運行數據下的關聯發生概率時，概率存儲模塊224可按照氣象數據、環境數據、運行數據三個維度分別存儲每個故障事件的氣象數據關聯發生概率、環境數據關聯發生概率、運行數據關聯發生概率，作為數據特征庫。

根據本發明的實施例，概率存儲模塊224并非存儲所有故障發生概率。例如，可設置一個概率門限值，當故障發生概率大于或等于該概率門限值時，概率存儲模塊224可存儲該故障發生概率，否則，概率存儲模塊224不存儲該故障發生概率。例如，可將與1個變量關聯的故障發生概率的門限設置為5％，將與2個變量關聯的故障發生概率的門限設置為2％，將與3個變量關聯的故障發生概率的門限設置為1％，將與4個變量關聯的故障發生概率的門限設置為0.5％......

下面，以葉片結冰這一故障為例，描述數據建庫模塊220的各個子模塊221～224的操作。

關系設置模塊221可設置葉片結冰故障事件與多個參考變量的對應關系。下面的表1-1、表1-2、表1-3分別表示葉片結冰故障事件與氣象數據的對應關系表、葉片結冰故障事件與運行數據的對應關系表和葉片結冰故障事件與環境數據的對應關系表。

表1-1

表1-2

表1-3

可見，葉片結冰故障事件主要與氣象數據中的氣溫、風速、風向、濕度有關，與運行數據中的機組容量、機組狀態、輸出有功、葉輪轉速、葉片類型有關，與環境數據中的環境溫度、環境濕度、運行風速有關。

數據獲取模塊222可獲取當葉片結冰故障事件發生時采集的與葉片結冰故障事件對應的參考變量的數據。下面的表2-1、表2-2、表2-3分別表示葉片結冰故障事件發生前30秒記錄的氣象數據、運行數據和環境數據。

表2-1

表2-2

表2-3

概率統計模塊223可根據獲取的與葉片結冰相關的數據，統計葉片結冰故障事件在與葉片結冰故障事件對應的參考變量下的發生概率。

例如，根據表2-1，概率統計模塊223可計算在各個氣溫范圍內的葉片結冰概率，其中，氣溫的梯度以1℃為例。

參照圖3，圖3是根據本發明的實施例的統計在各個氣溫范圍內的葉片結冰概率的示意圖。統計的原則是單線進入的區域可以統計為一次，如果整條線在同一梯度，統計為兩次。例如-6℃至-5℃包含了一條整線，代表出現2次。

由此，可統計出在不同氣溫范圍發生葉片結冰的概率，如表3-1所示。

表3-1

按照上述相同的方法，概率統計模塊223還可統計出其它不同參考變量下發生葉片結冰的概率。例如，表3-2示出了在不同風速范圍發生葉片結冰的概率。

表3-2

根據表3-1和表3-2，概率統計模塊223還可統計出氣溫和風速的聯合發生概率(即，氣溫和風速下的關聯發生概率)，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

概率存儲模塊224可根據上述聯合發生概率是否大于預先設置的門限值來選擇性地存儲上述聯合發生概率作為數據特征庫。例如，針對兩個參考變量的門限值為2％，則概率存儲模塊224可分別將在氣溫范圍為-9～-8、-8～-7、-7～-6、-6～-5的情況下的風速范圍為3～4、4～5、5～6的各個氣象數據關聯發生概率存儲為數據特征庫。

返回參照圖2，風機管理模塊230可基于調度輸入的能量需求、實時的氣象數據以及每臺機組的環境數據和運行數據、每臺機組的數據特征庫，選擇最適合當前工況的機組的組合以及備用機組，并分配組合中的每臺機組的最優能量。

具體地說，風機管理模塊230可包括選擇部分和分配部分。其中，選擇部分可包括組合確定模塊231、概率排序模塊232、風機選擇模塊233、組合選擇模塊234，分配部分可包括范圍確定模塊235、能量分配模塊236。

組合確定模塊231可基于調度輸入的能量需求以及在當前預定時間段(例如，30分鐘)風速下每臺機組的平均發電量，確定組合中的可能的機組的數量以及每一種可能的數量下機組的能量分配范圍。

根據本發明的實施例，組合確定模塊231可基于30分鐘風速計算每臺機組的平均發電量t1～t7，并基于調度輸入的能量需求以及在當前30分鐘風速下每臺機組的平均發電量t1～t7，可確定組合中的機組的最少數量nmin，并由此確定組合中的可能的機組的數量。

首先，求出風電場無故障的所有機組的可并網的最小平均發電量：mmin＝min(t1,t2,t3,t4,t5,t6,t7)，隨后，可計算組合中的機組的最少數量n＝m/mmin，隨后，對n向上取整獲得最終的組合中的機組的最少數量nmin＝ceil(n)。也就是說，在選擇組合中的機組的數量時，不能少于nmin這個值。

例如，30分鐘平均風速為10.6m/s，現場可運行機組數量為s，m＝7200kw，mmin＝1350kw，n＝7200/1350＝5.3，nmin＝ceil(5.3)＝6，因此，至少要選擇6臺機組運行。

當確定組合中的可能的機組的數量n1之后，可確定每一種可能的數量下機組的能量分配范圍。

根據本發明的實施例，機組的能量最大值(即，平均發電量)為tmax＝t1～t7＝1350kw，機組的能量最小值則為tmin＝m-t1*(n1-1)。

例如，現場可運行機組數量為s，則運行方案數量r＝s-nmin+1，因此存在6、7、8…s臺機組運行的方案。當現場可運行機組數量s為7時，存在r＝7-6+1＝2種機組運行的方案，即，6臺機組運行和7臺機組運行的兩種組合方式。

針對6臺機組運行的組合，機組的能量分配范圍為1350kw～450kw；針對7臺機組運行的組合，機組的能量分配范圍為1350kw～-900kw。

當組合確定模塊231確定了組合中的可能的機組的數量以及每一種可能的數量下機組的能量分配范圍之后，概率排序模塊232可針對每一種可能的數量的機組組合，基于每臺機組的數據特征庫，計算在當前的氣象數據、每臺機組的當前環境數據、每臺機組在確定的機組的能量分配范圍內的運行數據下，每臺機組的每個故障事件的發生概率，并對每臺機組的最大的故障事件發生概率進行排序。

例如，當前的30分鐘氣象數據和當前的某臺機組(例如，第一機組wtg1)采集的30分鐘環境數據分別如表5-1和表5-2所示。

表5-1

表5-2

概率排序模塊232可從第一機組wtg1的數據特征庫中查找與如上所示的當前的氣象數據和環境數據以及第一機組wtg1在確定的機組的能量分配范圍內的運行數據相匹配的第一機組wtg1的每個故障事件的氣象數據關聯發生概率、環境數據關聯發生概率、運行數據關聯發生概率，將每個故障事件的氣象數據關聯發生概率、環境數據關聯發生概率、運行數據關聯發生概率之中最大的概率作為每個故障事件的發生概率，并在第一機組wtg1的所有故障事件的發生概率之中選擇最大的故障事件發生概率。這里，匹配可表示當前氣象數據、環境數據和運行數據與數據特征庫中存儲的氣象數據、環境數據和運行數據相同或最相似。以相同的方法，概率排序模塊232可獲得每臺機組的最大的故障事件發生概率。隨后，概率排序模塊232可對每臺機組的最大的故障事件發生概率進行排序，例如，從大到小排序或從小到大排序。

在概率排序模塊232對每臺機組的最大的故障事件發生概率進行排序之后，風機選擇模塊233可選擇排序后的故障事件發生概率之中故障事件發生概率最小的可能的數量的機組。此外，風機選擇模塊233可將剩余的機組作為備用機組。

例如，當現場可運行機組數量s為7時，針對6臺機組運行的組合，風機選擇模塊233可從7臺機組的最大的故障事件發生概率之中選擇最小的6臺機組作為最適合當前工況的機組的組合，也就是說，排除7臺機組之中最大故障事件發生概率最大的機組。

當風機選擇模塊233針對每一種可能的數量的機組組合選擇好各個組合中的機組時，組合選擇模塊234可根據預定規則從可能的數量的機組組合之中選擇最佳機組組合。

根據本發明的實施例，預定規則可包括四條規則。第一規則，排除最大的故障事件發生概率等于或大于預定閾值的組合。即，在可能的機組組合中，如果某一組合中存在最大故障事件發生概率大于預定閾值(例如，30％)的機組，則不選擇該組合。第二規則，選擇至少保留一臺機組做待機備用的組合。即，在可能的機組組合中，如果某一組合不存在備用機組，則不選擇該組合。例如，當現場可運行機組數量s為7時，不選擇7臺機組運行的組合。第三規則，排除在選擇組合過程中增加或減少并網機組而導致每臺機組的均分功率有差異的情況下該差異導致增加的平均故障事件發生概率增加1％以上的組合。即，在選擇組合過程中，增加并網機組(例如，從6臺到7臺)或減少并網機組(例如，從7臺到6臺)會導致每臺機組的平均功率具有差異，而這種差異可能使一些機組從在舒適區工作改變為在不適區工作，因此導致所有機組的平均的故障事件發生概率增加，如果增加的平均故障事件發生概率增加1％以上，則不選擇該組合。第四規則，在增加的平均故障事件發生概率最小的三個組合中進行選擇。即，在選擇組合過程中，在增加或減少并網機組所導致的所有機組的平均的故障事件發生概率增加最小的前三個組合中進行選擇。

當組合選擇模塊234選擇了最佳機組組合時，范圍確定模塊235可基于選擇的組合中的每臺機組的數據特征庫中的運行數據，確定選擇的組合中的每臺機組的性能穩定的容量范圍。

隨后，能量分配模塊236基于調度輸入的能量需求以及選擇的組合中的每臺機組的性能穩定的容量范圍，分配選擇的組合中的每臺機組的最優能量。

例如，針對6臺機組運行的組合，調度輸入的能量需求可滿足：

0.95*m＜∑(m1,m2,m3,m4,m5,m6)≤1.05*m

其中，m為調度輸入的能量需求，m1,m2,m3,m4,m5,m6分別為6臺機組的上網發電量。

能量分配模塊236可基于上述調度輸入的能量需求的條件，根據6臺機組的性能穩定的容量范圍，向這6臺機組分配最優能量，如表6-1所示。

表6-1

在表6-1中，并網的機組wtg1、wtg2、wtg3、wtg4、wtg5、wtg6的最優發電量(能量)分別為1200kw、1150kw、1250kw、1250kw、1100kw、1280kw，作為備用機組的wtg7的消耗量為30kw。

返回參照圖2，根據本發明的實施例的用于風電場的能量管理的設備200還包括能量管控模塊240。

當工況發生變化時，能量管控模塊240可預測能量的潛在波動概率。根據本發明的示例性實施例，能量管控模塊240可根據變化后的工況，從機組的數據特征庫中獲得該機組的能量的潛在波動概率(例如，單個風力發電機的最大的故障事件發生概率)。當能量的潛在波動概率超過預設值并持續預設時間(例如，單個風力發電機的最大的故障事件發生概率超過預設值并持續預設時間)時，能量管控模塊240可提前通過重新控制風機管理模塊230選擇最適合當前工況的機組的組合來切換風力發電機的組合，并重新分配組合中的每臺機組的最優能量。根據本發明的示例性實施例，為了防止頻繁的動態機組切換，能量管控模塊240可設置一個機組切換的門檻，例如，當工況發生變化而導致單個機組的故障事件概率最大值超過10％且持續1小時時，能量管控模塊240可控制風機管理模塊230啟動切換機組組合。

此外，當機組組合中出現了故障機組時，能量管控模塊240判斷能否容錯運行。

根據本發明的一示例性實施例，當能夠容錯運行時，能量管控模塊240可控制風機管理模塊230通過在容錯運行的同時采用能量平衡過渡方法來維持上網功率不變。這里，能量平衡過渡方法可以是：啟動正常運行的機組之中的一個或多個正常運行的機組升功率，并啟動故障機組降功率，從而上網功率保持不變，如圖4所示。

根據本發明的另一示例性實施例，當能夠容錯運行時，能量管控模塊240可控制風機管理模塊230通過在容錯運行的同時采用能量平衡過渡方法來切換機組的組合并維持上網功率不變。這里，能量平衡過渡方法可以是：啟動備用機組升功率，并啟動故障機組降功率，從而上網功率保持不變。

根據本發明的另一示例性實施例，當無法容錯運行時，能量管控模塊240可控制風機管理模塊230對正常運行的機組進行快速能量補償，并同時通過將備用機組的輸出功率與正常運行的機組的輸出功率進行柔性調節來啟動備用機組，從而維持上網功率的穩定。

根據如上所述的本發明的用于風電場的能量管理的設備200，可基于風電場的氣象環境以及每臺機組自身的環境特征和運行特征，選擇最適合當前環境和能量需求的機組的組合來進行限負荷運行，從而實現有效地穩定地管理風電場能量的目標。此外，當工況發生變化時，可在預測到能量的潛在波動概率超過預設值之后，提前進行最適合變化后的環境的機組的組合的切換，以防止機組脫網而導致的能量波動。此外，當機組組合中出現了故障機組時，可在容錯運行的情況下通過能量平衡過渡方法來維持上網功率不變，或者可在無法容錯運行的情況下對正常運行的機組進行快速能量補償，同時通過柔性調節來啟動備用機組，從而保證上網總功率的穩定性。

圖5是根據本發明的實施例的用于風電場的能量管理的方法的流程圖。

參照圖5，在步驟501，采集風電場的氣象數據以及風電場中每臺機組的環境數據和運行數據作為參考變量。這里，風電場的氣象數據可包括氣象預測數據，一般來自第三方氣象預測機構。例如，氣象預測數據可包括氣溫、氣壓、濕度、雷暴指數、結冰指數、風速、風向、陣風指數等天氣預報數據。機組的環境數據可包括機組自身傳感器采集的實時環境數據。例如，機組的環境數據可包括機組環境溫度、環境濕度、空氣密度、風速、風向等。機組的運行數據可包括用于衡量機組運行質量的運行數據。例如，機組的運行數據可包括機組狀態、震動數據、輸出功率、功率因素等。

在步驟502，通過基于參考變量統計每臺機組的所有故障事件的發生概率以產生每臺機組的數據特征庫。

根據本發明的實施例，可通過以下操作來產生每臺機組的數據特征庫：設置每個故障事件與參考變量的對應關系；獲取當有故障事件發生時采集的與該故障事件對應的參考變量的數據；根據獲取的數據，統計每個故障事件在與該故障事件對應的參考變量下的發生概率；按照氣象數據、環境數據、運行數據三個維度分別存儲每個故障事件的氣象數據關聯發生概率、環境數據關聯發生概率、運行數據關聯發生概率，作為數據特征庫。

在步驟503，基于調度輸入的能量需求、實時的氣象數據以及每臺機組的環境數據和運行數據、每臺機組的數據特征庫，選擇最適合當前工況的機組的組合以及備用機組，并分配組合中的每臺機組的最優能量。

根據本發明的實施例，可通過以下操作來選擇最適合當前工況的機組的組合：基于調度輸入的能量需求以及在當前預定時間段風速下每臺機組的平均發電量，確定組合中的可能的機組的數量以及每一種可能的數量下機組的能量分配范圍；針對每一種可能的數量的機組組合，基于每臺機組的數據特征庫，計算在當前的氣象數據、每臺機組的當前環境數據、每臺機組在確定的機組的能量分配范圍內的運行數據下，每臺機組的每個故障事件的發生概率，并對每臺機組的最大的故障事件發生概率進行排序；針對每一種可能的數量的機組組合，選擇排序后的故障事件發生概率之中故障事件發生概率最小的可能的數量的機組；根據預定規則從可能的數量的機組組合之中選擇最佳機組組合。

根據本發明的實施例，可根據以下預定規則從可能的數量的機組組合之中選擇最佳機組組合：排除最大的故障事件發生概率等于或大于預定閾值(例如，30％)的組合；選擇至少保留一臺機組做待機備用的組合；排除在選擇組合過程中增加或減少并網機組而導致每臺機組的均分功率有差異的情況下該差異導致增加的平均故障事件發生概率增加1％以上的組合；在所述增加的平均故障事件發生概率最小的三個組合中進行選擇。

根據本發明的實施例，可通過以下操作來分配組合中的每臺機組的最優能量：基于組合中的每臺機組的數據特征庫中的運行數據，確定組合中的每臺機組的性能穩定的容量范圍；基于調度輸入的能量需求以及組合中的每臺機組的性能穩定的容量范圍，分配組合中的每臺機組的最優能量。

根據本發明的實施例，用于風電場的能量管理的方法還可包括：當工況發生變化時，預測能量的潛在波動概率(例如，單個風力發電機的最大的故障事件發生概率)，如果預測的能量的潛在波動概率超過預設值并持續預設時間(例如，單個風力發電機的最大的故障事件發生概率超過預設值并持續預設時間)，則提前通過重新選擇最適合當前工況的機組的組合來切換風力發電機的組合，并重新分配組合中的每臺機組的最優能量。根據本發明的示例性實施例，為了防止頻繁的動態機組切換，可設置一個機組切換的門檻，例如，當工況發生變化而導致單個機組的故障事件概率最大值超過10％且持續1小時時，可啟動切換機組組合。

根據本發明的實施例，用于風電場的能量管理的方法還可包括：當機組組合中出現了故障機組時，判斷能否容錯運行；當能夠容錯運行時，通過在容錯運行的同時啟動正常運行的機組之中的一個或多個正常運行的機組升功率并啟動故障機組降功率，來維持上網功率不變，或者，當能夠容錯運行時，通過在容錯運行的同時啟動備用機組升功率并啟動故障機組降功率，來切換機組的組合并維持上網功率不變；當無法容錯運行時，對正常運行的機組進行快速能量補償，并同時通過將備用機組的輸出功率與正常運行的機組的輸出功率進行柔性調節來啟動備用機組，從而維持上網功率的穩定。

根據本發明的用于風電場的能量管理的方法和設備，可基于風電場的氣象環境以及每臺機組自身的環境特征和運行特征，選擇最適合當前環境和能量需求的機組的組合來進行限負荷運行，從而實現有效地穩定地管理風電場能量的目標。

此外，當工況發生變化時，根據本發明的用于風電場的能量管理的方法和設備，可在預測到能量的潛在波動概率超過預設值之后，提前進行最適合變化后的環境的機組的組合的切換，以防止機組脫網而導到的能量波動。

此外，當機組組合中出現了故障機組時，根據本發明的用于風電場的能量管理的方法和設備，可在容錯運行的情況下通過能量平衡過渡方法來維持上網功率不變，或者可在無法容錯運行的情況下對正常運行的機組進行快速能量補償，同時通過柔性調節來啟動備用機組，從而保證上網總功率的穩定性。

可根據計算機程序指令來執行根據本發明的上述方法。由于這些程序指令可被包括在計算機、專用處理器或可編程或專用硬件中，因此在其中執行的指令可有利于上述的功能的執行。如本領域的技術人員所理解的，計算機、處理器或可編程硬件包括可存儲或接收軟件或計算機代碼的存儲器件，所述軟件或計算機代碼在被計算機、處理器或硬件訪問和執行時實現在本發明中描述的方法。

雖然本發明是參照其示例性的實施例被顯示和描述的，但是本領域的技術人員應該理解，在不脫離由權利要求及其等同物限定的本發明的精神和范圍的情況下，可以對其形式和細節進行各種改變。