一种水平轴风力机三维全尾流模型的建立方法

    公开(公告)号:CN114707437B

    公开(公告)日:2025-03-04

    申请号:CN202210312278.7

    申请日:2022-03-28

    Abstract: 本发明涉及风场数据分析技术领域,具体而言,涉及一种水平轴风力机三维全尾流模型的建立方法,该方法的步骤包括:获取风场数据,基于预设的Jensen尾流模型、双高斯函数以及质量守恒算法对风场数据进行计算,得到初始垂直高度全尾流风速分布;获取来流风速数据,生成风切变曲线,根据风切变曲线计算求得质量亏损,通过质量亏损对初始垂直高度尾流风速分布进行修正,得到修正垂直高度全尾流风速分布;根据修正垂直高度全尾流风速分布求解水平面全尾流风速分布,结合修正垂直高度尾流风速分布与水平面全尾流风速分布,构建三维全尾流模型。

    一种海上漂浮式风力机三维尾流模型

    公开(公告)号:CN116630546B

    公开(公告)日:2024-12-24

    申请号:CN202310665447.X

    申请日:2023-06-07

    Abstract: 本发明涉及风场数据分析技术领域,具体而言,涉及一种海上漂浮式风力机三维尾流模型,包括以下步骤:S1:添加尾流高斯函数分布和垂直方向风切变构建无波浪作用下风机的尾流模型,对其命名为三维Jensen‑Gaussian(3DJG)模型;S2:在3DJG尾流模型中,将波浪运动导致的漂浮式机组平台位置移动转化为三维坐标的变换;S3:在改进类偏航尾流模型的基础上,将由波浪运动造成的风轮平面与竖直方向的偏转角转化为尾流偏移量,并添加到三维变换后模型的z方向上,得到风浪作用下漂浮式风力机组3D‑OFWT模型。本发明旨在获得下游流场的输入信息,为下游风力机的动载荷分析提供参考。可应用于实际风电场,为漂浮式风电场风功率预测及机组控制运行策略设计提供指导,提高风力机性能,提升能量输出。

    一种尾流风况下的风力机时变气动特性计算方法

    公开(公告)号:CN116805141A

    公开(公告)日:2023-09-26

    申请号:CN202310698644.1

    申请日:2023-06-13

    Abstract: 本发明公开了一种尾流风况下的风力机时变气动特性计算方法,解决了在不均匀尾流场下便捷快速计算风力机时变气动特性的问题。该方法的步骤为:首先使用三维Jensen‑Gaussian(3DJG)尾流模型获取尾流风速,再使用改进的叶素动量理论(BEM)进行气动特性耦合计算,从而获取了尾流对下游风力机的气动特性影响。该方法能够在准确快速计算的前提下较为直观的量化分析尾流对于下游风力机时变气动特性的影响。对于风力机的设计强度校核、风电场的偏航策略与布局设计都能提供参考。

    一种水平轴风力机三维时间全尾流模型的建立方法

    公开(公告)号:CN114692528A

    公开(公告)日:2022-07-01

    申请号:CN202210398786.1

    申请日:2022-03-28

    Abstract: 本发明涉及风场数据分析技术领域,具体而言,涉及一种水平轴风力机三维时间全尾流模型的建立方法,该方法的步骤包括:构建三维超高斯全尾流模型,获取来流风速u0(t),将来流风速u0(t)代入至三维超高斯全尾流模型中,得到初始三维时间全尾流模型;对来流风速u0(t)的延迟时间τ进行计算,根据延迟时间τ,以及来流风速u0(t)的流入时间t求解得到来流风速u0(t)的到达时间T,将来流风速u0(t)的到达时间T代入至初始三维时间全尾流模型内进行计算,得到三维时间全尾流模型。

    定制化风功率预测方法、预测装置、测风装置和设备

    公开(公告)号:CN112018764A

    公开(公告)日:2020-12-01

    申请号:CN202010902299.5

    申请日:2020-09-07

    Abstract: 本申请实施例公开了一种定制化风功率预测方法、预测装置、测风装置、设备和存储介质,该方法包括:根据目标风电场的地理和地形位置信息、各个风机的位置,以及,各个风机与其他风机的间距,将所述目标风电场划分为各个区域;针对每个区域,获取典型位置点的风速数据和风向数据,其中,所述每个典型位置点设置有对应的测风装置;应用流场分析技术,将各个区域的典型位置点的风速数据和风向数据传输到对应的风机上,以指示所述风机预测当前风电场的功率。提高了风电场中风功率短期预测的精度,以便电力部门能够提前根据风功率变化即时调整调度计划,保证电能质量,减少系统的备用容量,降低电力系统的运行成本。

    风况数据挖掘方法、装置、测风装置和数据挖掘设备

    公开(公告)号:CN112015784A

    公开(公告)日:2020-12-01

    申请号:CN202010902298.0

    申请日:2020-09-07

    Abstract: 本发明涉及一种风况数据挖掘方法、装置、测风装置、数据挖掘设备和存储介质,其中:根据目标风电场的地理位置信息和地形位置信息将目标风电场划分为多个区域;在每个区域中选取三个典型位置点并分别设置一个测风装置;针对每个区域,将当前区域的典型位置点在不同时刻的风速数据和风向数据、当前区域中若干个随机分布的目标点的位置数据以及风速数据作为训练样本;应用最小二乘支持向量机对每个区域的训练样本进行训练,得到各个区域对应的风速预测模型;将待挖掘点的位置数据及待挖掘点所在区域的典型位置点在待挖掘时刻的风速数据和风向数据,输入至区域的风速预测模型,得到待挖掘点在待挖掘时刻的风速。提高了风电场风况数据挖掘的准确性。

    一种复杂地形下风电机组三维尾流模型构建方法

    公开(公告)号:CN119442510A

    公开(公告)日:2025-02-14

    申请号:CN202411445974.0

    申请日:2024-10-16

    Abstract: 本发明公开了一种复杂地形下风电机组三维尾流模型构建方法。预设尾流速度亏损呈现高斯分布特性,基于各向异性的尾流线性膨胀假设及质量守恒定律,得到平坦地形下的3DJG‑U尾流模型;基于计算流体力学方法对复杂地形开展数值模拟,确定复杂地形风电场内各位置处局部风速,以局部风速作为尾流模型入流项,以源于风电机组轮毂中心的流线作为风电机组的尾流中心线;基于3DJG‑U尾流模型、复杂地形风电场内各位置处局部风速和风电机组的尾流中心线,推导得到复杂地形下的风电机组的三维尾流模型。本发明属于风电机组领域。本发明可以更准确地评估复杂地形风电场内风电机组间由于尾流效应造成的速度亏损,提高风电场经济效益和运行安全。

    一种太阳能电池板裂纹缺陷的图像检测方法

    公开(公告)号:CN118887154A

    公开(公告)日:2024-11-01

    申请号:CN202310461106.0

    申请日:2023-04-26

    Abstract: 本发明公开了一种太阳能电池板裂纹缺陷的图像检测方法。该方法包含以下步骤:S1对太阳能电池板拍摄电致发光图片,获取带有太阳能电池板裂纹缺陷的图像;S2对带有裂纹缺陷的图像进行数据集标注;S3构建数据输入模块。S4构建特征提取模块;S5构建自适应角度模块;S6构建完整的深度学习网络结构;S7对数据集进行划分;S8将图像数据输入到网络结构中进行训练;S9对太阳能电池板裂纹进行检测。本发明综合考虑太阳能发电板发电效率变低的问题,研究了一种太阳能电池板裂纹缺陷的图像检测方法,构建了新的模型结构,该方法与现有的模型相比具有一定的优势。

    一种海上漂浮式风力机三维尾流模型

    公开(公告)号:CN116630546A

    公开(公告)日:2023-08-22

    申请号:CN202310665447.X

    申请日:2023-06-07

    Abstract: 本发明涉及风场数据分析技术领域,具体而言,涉及一种海上漂浮式风力机三维尾流模型,包括以下步骤:S1:添加尾流高斯函数分布和垂直方向风切变构建无波浪作用下风机的尾流模型,对其命名为三维Jensen‑Gaussian(3DJG)模型;S2:在3DJG尾流模型中,将波浪运动导致的漂浮式机组平台位置移动转化为三维坐标的变换;S3:在改进类偏航尾流模型的基础上,将由波浪运动造成的风轮平面与竖直方向的偏转角转化为尾流偏移量,并添加到三维变换后模型的z方向上,得到风浪作用下漂浮式风力机组3D‑OFWT模型。本发明旨在获得下游流场的输入信息,为下游风力机的动载荷分析提供参考。可应用于实际风电场,为漂浮式风电场风功率预测及机组控制运行策略设计提供指导,提高风力机性能,提升能量输出。

    局部放电状态识别方法、装置、放电模拟器和识别设备

    公开(公告)号:CN112036320A

    公开(公告)日:2020-12-04

    申请号:CN202010902297.6

    申请日:2020-09-07

    Abstract: 本发明涉及一种局部放电状态识别方法、装置、放电模拟器、识别设备和存储介质,该方法包括:获取原始变压器信号作为待识别信号;通过共振稀疏分解对待识别信号进行振荡分量和冲击分量的分离,以提取待识别信号的高共振分量和待识别信号的低共振分量;应用SDP分析法将待识别信号的高共振分量和待识别信号的低共振分量进行信息融合,以得到待识别信号的SDP融合图像;将待识别信号的SDP融合图像输入至预先训练的卷积神经网络模型,得到待识别信号对应的局部放电状态。实现了局部放电信号的高效准确的自动识别,提高了局部放电信号特征学习效果与状态识别精度。

Patent Agency Ranking