风力发电机组及其控制方法、控制器和控制系统与流程

1.本发明涉及风力发电技术领域，具体涉及一种风力发电机组及其控制方法、控制器和控制系统。


背景技术：

2.对于风力发电机组而言，准确识别风况是非常重要的。特别是在极端风况下，需要及时调整风力发电机组的控制参数来避免在极端风况下运行给风力发电机组带来危害。


技术实现要素：

3.本发明的示例性实施例的目的在于提供一种风力发电机组及其控制方法、控制器和控制系统，以克服现有技术中的不足。
4.根据本发明的示例性实施例，提供一种风力发电机组的控制方法，所述控制方法包括：监测风力发电机组所处位置的风资源数据和风力发电机组的运行数据；根据所述风资源数据和所述运行数据识别复杂风况；确定在第一预定时间段内出现复杂风况的累计时间占比；响应于所述累计时间占比超过第一预设阈值，控制风力发电机组执行保护操作。
5.可选地，风力发电机组所处位置的风资源数据可包括：风力发电机组所处位置的风资源数据包括：风力发电机组的轮毂处的风速和风向。风力发电机组的运行数据可包括：风力发电机组的发电机转速和每个叶片的桨距角，
6.可选地，所述复杂风况表示出现阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常中的的任意一种或任意多种。
7.可选地，所述的识别复杂风况的步骤包括如下中的任意一种或任意多种：基于所述风速来识别阵风，所述阵风包括极端运行阵风；基于所述风速和风向来识别极端风向变化；基于所述风速来识别风速增量异常；基于所述转速来识别转速增量异常；基于所述每个叶片的桨距角来识别桨距角增量异常。
8.可选地，所述的基于所述风速来识别风速增量异常的步骤包括：基于所述风速确定第一预定时间段内的滑动时间窗内的风速增量；基于滑动时间窗内的风速增量和滑动时间窗内的每个风速的时间间隔，确定滑动时间窗内的累计风速增量变化值；如果累计风速增量变化值超过预设风速增量阈值，则确定滑动时间窗内出现风速增量异常。
9.可选地，所述的基于所述转速来识别转速增量异常的步骤包括：基于所述转速确定第一预定时间段内的滑动时间窗内的转速增量；基于滑动时间窗内的转速增量和滑动时间窗内的每个转速的时间间隔，确定滑动时间窗内的累计转速增量变化值；如果累计转速增量变化值超过预设转速增量阈值，则确定滑动时间窗内出现转速增量异常。
10.可选地，所述的基于所述每个叶片的桨距角来识别桨距角增量异常的步骤包括：基于所述每个叶片的桨距角，确定第一预定时间段内的滑动时间窗内的每个叶片的桨距角最大值与桨距角最小值之差；检测风力发电机组是否处于放功率状态；如果风力发电机组未处于放功率状态，则确定每个叶片的桨距角最大值与桨距角最小值之差是否大于桨距角
增量阈值，如果任意一个叶片的桨距角最大值与桨距角最小值之差大于桨距角增量阈值，则确定滑动时间窗内出现桨距角增量异常；如果风力发电机组处于放功率状态，则确定每个叶片的桨距角最大值与桨距角最小值之差是否大于桨距角增量阈值与桨距角增量补偿值之和，如果任意一个叶片的桨距角最大值与桨距角最小值之差大于桨距角增量阈值与桨距角增量补偿值之和，则确定滑动时间窗内出现桨距角增量异常。
11.可选地，确定在第一预定时间段内出现复杂风况的累计时间占比的步骤包括：针对在第一预定时间段内出现阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常中的每者的时间占比进行累计计算，获取在第一预定时间段内出现复杂风况的累计时间占比。
12.可选地，所述的针对在第一预定时间段内出现阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常中的每者的时间占比进行累计计算的步骤包括：分别对阵风的时间占比、极端风向变化的时间占比、风速增量异常的时间占比、转速增量异常的时间占比和桨距角增量异常的时间占比施加相应的权重；对加权的时间占比进行累计计算。
13.可选地，所述控制方法还包括：响应于所述累计时间占比超过第一预设阈值，确定第二预定时间段内的平均风速是否大于第二预设阈值；如果第二预定时间段内的平均风速大于第二预设阈值，则控制风力发电机组执行保护操作，所述的控制风力发电机组执行保护操作的步骤包括：限制风力发电机组的额定功率、限制风力发电机组的桨距角和/或使风力发电机组停机。
14.根据本发明的示例性实施例，提供一种风力发电机组的控制器，所述控制器可包括：获取模块，被配置为获取风力发电机组所处位置的风资源数据和风力发电机组的运行数据；识别模块，被配置为根据所述风资源数据和所述运行数据识别复杂风况；累计时间占比确定模块，被配置为确定在第一预定时间段内出现复杂风况的累计时间占比；控制模块，被配置为响应于所述累计时间占比超过第一预设阈值，控制风力发电机组执行保护操作。
15.可选地，风力发电机组所处位置的风资源数据包括：风力发电机组的轮毂处的风速和风向。风力发电机组的运行数据包括：风力发电机组的发电机转速和每个叶片的桨距角。所述复杂风况可表示出现阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常中的任意一种或任意多种。
16.可选地，所述识别模块被进一步配置为执行以下操作中的任意一种或任意多种：基于所述风速来识别阵风，所述阵风包括极端运行阵风；基于所述风速和风向来识别极端风向变化；基于所述风速来识别风速增量异常；基于所述转速来识别转速增量异常；基于所述每个叶片的桨距角来识别桨距角增量异常。
17.可选地，所述识别模块被进一步配置为：基于所述风速确定第一预定时间段内的滑动时间窗内的风速增量；基于滑动时间窗内的风速增量和滑动时间窗内的每个风速的时间间隔，确定滑动时间窗内的累计风速增量变化值；如果累计风速增量变化值超过预设风速增量阈值，则确定滑动时间窗内出现风速增量异常。
18.可选地，所述识别模块被进一步配置为：基于所述转速确定第一预定时间段内的滑动时间窗内的转速增量；基于滑动时间窗内的转速增量和滑动时间窗内的每个转速的时间间隔，确定滑动时间窗内的累计转速增量变化值；如果累计转速增量变化值超过预设转
速增量阈值，则确定滑动时间窗内出现转速增量异常。
19.可选地，所述识别模块被进一步配置为：基于所述每个叶片的桨距角，确定第一预定时间段内的滑动时间窗内的每个叶片的桨距角最大值与桨距角最小值之差；检测风力发电机组是否处于放功率状态；如果风力发电机组未处于放功率状态，则确定每个叶片的桨距角最大值与桨距角最小值之差是否大于桨距角增量阈值，如果任意一个叶片的桨距角最大值与桨距角最小值之差大于桨距角增量阈值，则确定滑动时间窗内出现桨距角增量异常；
20.如果风力发电机组处于放功率状态，则确定每个叶片的桨距角最大值与桨距角最小值之差是否大于桨距角增量阈值与桨距角增量补偿值之和，如果任意一个叶片的桨距角最大值与桨距角最小值之差大于桨距角增量阈值与桨距角增量补偿值之和，则确定滑动时间窗内出现桨距角增量异常。
21.可选地，所述累计时间占比确定模块被进一步配置为：针对在第一预定时间段内出现阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常中的每者的时间占比进行累计计算，获取在第一预定时间段内出现复杂风况的累计时间占比。
22.可选地，所述累计时间占比确定模块被进一步配置为：分别对阵风的时间占比、极端风向变化的时间占比、风速增量异常的时间占比、转速增量异常的时间占比和桨距角增量异常的时间占比施加相应的权重；对加权的时间占比进行累计计算。
23.可选地，所述控制模块被进一步配置为：响应于所述累计时间占比超过第一预设阈值，确定第二预定时间段内的平均风速是否大于第二预设阈值；如果第二预定时间段内的平均风速大于第二预设阈值，则控制风力发电机组执行保护操作。执行保护操作可包括：限制风力发电机组的额定功率、限制风力发电机组的桨距角和/或使风力发电机组停机。
24.根据本发明的示例性实施例，提供一种风力发电机组的控制系统，所述控制系统包括：监测装置，被配置为监测风力发电机组所处位置的风资源数据和风力发电机组的运行数据；控制装置，被配置为根据所述风资源数据和所述运行数据识别复杂风况，确定在第一预定时间段内出现复杂风况的累计时间占比，响应于所述累计时间占比超过第一预设阈值，控制风力发电机组执行保护操作。
25.可选地，所述控制装置可被配置为执行如上所述的控制方法的步骤。
26.根据本发明的示例性实施例，提供一种风力发电机组，所述风力发电机组包括如上所述的控制器或如上所述的控制系统。
27.根据本发明的示例性实施例，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如上所述的风力发电机组的控制方法。
28.采用根据本发明示例性实施例的风力发电机组及其控制方法、控制器和控制系统以及计算机可读存储介质，可以识别风力发电机组所处的工况条件，例如，在风速未发生持续上升的情况下，识别风力发电机组运行过程中存在的潜在风险，进而可以控制风力发电机组执行保护操作或保护策略，例如，限制风力发电机组的额定功率、限制风力发电机组的桨距角和使风力发电机组停机；可以排列组合与复杂风况和机组运行状态(例如，放功率状态)相关的多种因素，在现有的风力发电机组的构造的基础上，利用阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常进行综合识别；从而，可以尽可能使风力发电机组避免发生扫塔的极端事件。可以有效降低风力发电机组的疲劳累积、避免叶片扫塔等
极端事件的发生，减少风力发电机组的运行风险，保证风力发电机组在复杂风况下安全工作，提高风力发电机组对复杂风况的适应性。
附图说明
29.通过下面结合附图进行的描述，本发明的上述和其他目的和特点将会变得更加清楚。
30.图1是根据本发明的示例性实施例的风力发电机组的控制系统的示意图。
31.图2是根据本发明的另一示例性实施例的风力发电机组的控制器的框图。
32.图3是根据本发明的示例性实施例的风力发电机组的控制方法的流程图。
33.图4是根据本发明的示例性实施例的风力发电机组的控制方法的另一流程图。
34.图5是根据本发明的示例性实施例的极端运行阵风的曲线图。
35.图6和图7是根据本发明的示例性实施例的极端风向变化的曲线图。
具体实施方式
36.风力发电机组可以采用设置在机舱顶部的风向标和风速仪检测风况。然而，普通地形中的风速快速上升时伴随着风力发电机组的发电机转速、功率或桨距角的快速上升。但对于复杂地形、复杂气候环境中的风力发电机组会受到复杂的风切变、风向变化等诸多因素的影响，在风速仪风速未发生显著变化时风力发机组的转速、功率或桨距角也会快速变化。例如，风力发电机组故障发生前的短时间内，风速未发生持续显著上升，但转速、功率持续上升，未进行变桨。因此，有必要识别风力发电机组运行过程中的复杂风况，及时控制风力发电机组采取相应的保护操作或保护策略，提升风力发电机组在复杂风况下的适应性。识别复杂风况对于风力发电机组的安全运行十分重要。例如可以采用激光雷达遥感技术检测极端阵风。然而，由于激光雷达装置非常昂贵，使得风力发电机组成本过高。风力发电机组的风向标和风速仪通常安装在机舱顶部并且位于叶轮后方。在复杂地形条件下，可能存在叶轮下半部分的风速、风向瞬间快速变化，引发风力发电机组的转速和桨距角突变，但是，现有的风向标和风速仪并不能采集到这种风况。
37.在风力发电领域，复杂气候条件耦合复杂地形特征可能引起负切变、风向扭转或大湍流等问题，这些问题会影响风力发电机组运行稳定性并带来疲劳或极限载荷。复杂风况可能会体现在转速和桨距角的快速变化，但机舱顶部的风速仪测得的风速以及风向标测得的风向并无显著快速变化。
38.复杂风况是与风力发电机组的单机选址、周围地形和气候条件等诸多因素相关。复杂气候条件耦合复杂地形特征可能形成复杂风况，可能对风力发电机组运行带来较大的风险。本公开的技术方案基于风力发电机组所处位置的风资源数据(例如但不限于，传统的风速仪采集的风速和风向标采集的风向数据)和风力发电机组的运行数据(例如但不限于，发电机转速、桨距角等风力发电机组的运行数据)，对复杂风况的特征(例如，包括但不限于阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常等)的综合识别，识别风力发电机组所处的工况条件，例如，在风速未发生持续上升的情况下，识别风力发电机组运行过程中存在的潜在风险，进而可以控制风力发电机组执行保护操作或保护策略，例如，限制风力发电机组的额定功率、限制风力发电机组的桨距角和/或使风力发电机组停机。从
而，可以尽可能使风力发电机组避免发生扫塔的极端事件。
39.现在，将参照附图更充分地描述本发明的示例性实施例。虽然在附图中示出了一些示例性实施例，但是本发明不仅限于此。
40.图1是根据本发明的示例性实施例的风力发电机组的控制系统的示意图。如图1所示，风力发电机组的控制系统可包括控制装置11和监测装置12。监测装置12可被配置为监测风力发电机组所处位置的风资源数据和风力发电机组的运行数据等。例如，风力发电机组所处位置的风资源数据可包括：风力发电机组的轮毂处的风速和风向等类似数据。风力发电机组的运行数据可包括：风力发电机组的发电机转速(即，发电机的转速)和每个叶片的桨距角等类似数据。
41.监测装置12可包括风向标102、风速仪103、转速传感器104和桨距角传感器105。风向标102和风速仪103可安装在风力发电机组的机舱顶部，风向标102可被配置为监测风力发电机组的轮毂处的风向。风速仪103可被配置为监测风力发电机组的轮毂处的风速。转速传感器104可被配置为监测风力发电机组的发电机转速。例如，转速传感器104可安装在风力发电机组的发电机上或与风力发电机组的发电机电连接。桨距角传感器105可被配置为监测风力发电机组的每个叶片的桨距角。桨距角传感器105可包括多个桨距角传感器，所述多个桨距角传感器可分别安装在每个叶片的变桨系统中的变桨电机上，以分别监测或测量每个叶片的桨距角。控制装置11可以从监测装置12接收风力发电机组所处位置的风资源数据和风力发电机组的运行数据，控制装置11还可控制风力发电机组的发电机13和变流器14。控制装置11可以根据风力发电机组所处位置的风资源数据和风力发电机组的运行数据识别复杂风况，确定在第一预定时间段内出现复杂风况的累计时间占比，响应于累计时间占比超过第一预设阈值，控制风力发电机组执行保护操作或保护策略。累计时间占比表示在第一预定时间段内出现复杂风况的时间相对于第一预定时间段的占比的累计计算值。
42.在此示例中，复杂风况可表示出现阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常中的任意一种或任意多种，但是本发明的实施例不限于此，复杂风况还可以包含风力发电机组所处的其它工况条件。
43.在下文中，将结合图3至图7详细描述控制装置11的操作。
44.图1中的控制装置11可以包括图2所示的控制器20或者包括控制器20中的一部分组件。在图2所示的另一示例性实施例中，风力发电机组的控制器20可包括：获取模块201，被配置为获取风力发电机组所处位置的风资源数据和风力发电机组的运行数据；识别模块202，被配置为根据获取的风力发电机组所处位置的风资源数据和风力发电机组的运行数据识别复杂风况；累计时间占比确定模块203，被配置为确定在第一预定时间段内出现复杂风况的累计时间占比，累计时间占比表示在第一预定时间段内出现复杂风况的时间相对于第一预定时间段的占比的累计计算值；控制模块204，被配置为响应于累计时间占比超过第一预设阈值，控制风力发电机组执行保护操作或保护策略。
45.风力发电机组所处位置的风资源数据可包括：风力发电机组的轮毂处的风速和风向等类似数据。风力发电机组的运行数据可包括：风力发电机组的发电机转速和每个叶片的桨距角等类似数据。复杂风况可表示出现阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常中的任意一种或任意多种，但是本发明不限于此，复杂风况还可以包含风力发电机组所处的其它工况条件。
46.在下文中，将结合图3至图7详细描述控制装置20中的各个模块的操作。
47.图3是根据本发明的示例性实施例的风力发电机组的控制方法的流程图。
48.在步骤s101，监测装置12可以监测风力发电机组所处位置的风资源数据和风力发电机组的运行数据。可选地，获取模块201可以通过监测装置12、传感器等其它检测装置获取风力发电机组所处位置的风资源数据和风力发电机组的运行数据。例如，风力发电机组所处位置的风资源数据可包括：风力发电机组的轮毂处的风速和风向，风力发电机组的运行数据可包括：风力发电机组的发电机转速和每个叶片的桨距角。
49.在步骤s102，控制装置11或识别模块202可以根据所述风资源数据和所述运行数据识别复杂风况。下文将参照图4详细描述识别复杂风况的过程。
50.为了识别复杂风况，控制装置11或识别模块202可以基于风力发电机组所处位置的风资源数据和风力发电机组的运行数据生成与复杂风况相关的多个特征变量。
51.如图4所示，在步骤s201，控制装置11或识别模块202可以基于风速来识别阵风，所述阵风可包括极端运行阵风(eog)等其它阵风情况。例如，可以根据iec标准来识别eog风况。
52.eog风况下风速与时间的对应关系如下所示：
[0053][0054][0055][0056]
在式(1)与式(2)中：v(z)表示与高度z相关的平均风速(即，高度z处的风速)，此处近似为滑动时间窗内的平均风速，即采用滑动窗口法检测当前窗口内是否存在eog风况时，当前窗口内的平均风速作为v(z)，σ1表示叶轮高度处90％分位风速的湍流标准差，v
gust
表示阵风风速，v
e1
表示一年一遇的极端风速，v
hub
表示轮毂处风速，λ1表示湍流积分尺度，其计算方法见式(3)，d为叶轮直径，t可以为eog风况的变化周期，例如，10.5s。
[0057]
eog风速随时间变化的曲线图如图5所示，例如，轮毂处风速v
hub
＝25m/s，d＝42m，对应特定的湍流类别。由图5可知，eog风况的变化周期为10.5s，以5.25s(约为5.3s)为中心，左右对称。考虑到eog前半部分对机组载荷以及控制性能的影响较大，可以在识别eog时采用eog风况的变化周期t＝5.3s。
[0058]
可以以0.1s为周期，去判断前5.3s风况是否为eog风况，即在当前时刻t，采用(t-5.3)s时刻10s平均风速(即，(t-5.3)s时刻前10s内的平均风速)eog_start_model计算标准eog风况在(t-2.8)s时刻的最小值eog_min_model和5.3s时刻的最大值eog_max_model。与在(t-5.3)s时刻、(t-2.8)s时刻和此时刻记录的实际的瞬时风速eog_start_farm、最小风速eog_min_farm和最大风速eog_max_farm去比较，当eog_start_model-eog_min_model《eog_start_farm-eog_min_farm且eog_max_model-eog_min_model《eog_max_farm-eog_min_farm且10s平均风速大于2m/s时，可以将该风速情况识别为eog，即极端运行阵风。
[0059]
可选地，控制装置11或识别模块202还可根据监测过程中的当前时刻的阵风标识gust_flag(0s)来识别阵风。
[0060]
在步骤s202，控制装置11或识别模块202可基于风速和风向来识别极端风向变化(edc)。
[0061]
edc风况下风向与时间的对应关系如下所示：
[0062][0063]
其中，v
hub
表示轮毂处风速，θe表示随风速v
hub
变化的风向变化角度，σ1表示叶轮高度处90％分位风速的湍流标准差，d为叶轮直径，λ1表示湍流积分尺度，计算方法见式(3)。
[0064][0065]
其中，t为滑动时间窗(例如，6s)，t是时间，θ
(t)
表示随时间t变化的风向变化角度。
[0066]
根据湍流类别，例如当叶轮直径是42m且轮毂高度为30m时，edc风况下的风向变化角度随风速的变化如图6所示，当风速为25m/s时对应的edc风况下的风向变化角度随时间的变化如图7所示。例如，以0.02s为周期，去判断滑动时间窗(例如，6s)内的瞬时风向(例如，可以取25s的平均风向表示瞬时风向)的变化角度是否有超过公式(4)计算出的标准定义角度，如果超过，则将该风速与风向识别为超过标准定义的edc风况，即识别出极端风向变化。
[0067]
可选地，可选地，控制装置11或识别模块202还可根据监测过程中的当前时刻的极端风向变化标识edc_flag(0s)来识别极端风向变化。此外，控制装置11或识别模块202还可利用其它与极端风向变化相关的变量来识别极端风向变化。
[0068]
在步骤s203，控制装置11或识别模块202可基于风速来识别风速增量异常。例如，控制装置11或识别模块202可基于风速确定第一预定时间段内的滑动时间窗(例如，滑动时间窗可以为4s，也可以是其它时间长度)内的风速增量，然后，基于滑动时间窗内的风速增量和滑动时间窗内的每个风速的时间间隔δt(例如，时间间隔δt可以为0.02s)，确定滑动时间窗内的累计风速增量变化值。可选地，可以根据eog波形的周期时长来设置滑动时间窗，例如，滑动时间窗可以是eog波形的周期时长的大约一半。在此以4s的滑动时间窗为例进行说明，但是本发明不限于此。此外，例如，可以将当前时刻前10秒内的平均风速作为当前时刻的瞬时风速。
[0069]
控制装置11或识别模块202可以将滑动时间窗内任一时刻的瞬时风速减去滑动时间窗内第一时刻的瞬时风速得出一个风速增量，依次迭代，滑动时间窗内所有的风速增量相加后乘以时间间隔得出累计风速增量变化值，计算公式为：其中，δt为时间间隔，v(i)为滑动时间窗内时刻i的瞬时风速，v(-4s)为滑动时间窗(例如，4s)内第一时刻(例如，当前时刻之前4s时)的瞬时风速。如此，最终能得到一个表征“面积”、“离散函数积分”的值，这个值越大说明风速变化越大。
[0070]
可选地，控制装置11或识别模块202还可以利用公式可选地，控制装置11或识别模块202还可以利用公式或来计算累计风速增量变化值。此外，控制装置11或识别模块202还可以利用滑动时间窗内的初始风速与末尾风速之差或者滑动时间窗内的平均风速等变量来计算累计风速增量变化值。
[0071]
如果累计风速增量变化值超过预设风速增量阈值，则控制装置11或识别模块202可确定滑动时间窗内出现风速增量异常(即，识别出风速增量异常)。预设风速增量阈值可以由工作人员根据风力发电机组的地理位置、工作条件等进行手动设置或者通过软件编程进行自动设置。
[0072]
在步骤s204，控制装置11或识别模块202可基于转速来识别转速增量异常。
[0073]
例如，控制装置11或识别模块202可基于转速确定第一预定时间段内的滑动时间窗内的转速增量，然后基于滑动时间窗内的转速增量和滑动时间窗内的每个转速的时间间隔，确定滑动时间窗内的累计转速增量变化值。
[0074]
通常情况下，风速仪测量风速快速上升时转速也快速上升。考虑到复杂风况的典型特征是风速仪测量风速可能变化并不显著，而体现在发电机转速快速变化。可在假设风速仪测量的风速波动不大(例如，当累计风速增量变化值小于预设风速增量阈值时)的条件下观察发电机转速波动，例如，如果累计转速增量变化值超过预设转速增量阈值，则控制装置11或识别模块202可确定滑动时间窗内出现转速增量异常(即，识别出转速增量异常)。
[0075]
例如，滑动时间窗(例如，4s)内相邻时刻的两个发电机转速瞬时值中的后一个发电机转速瞬时值减去前一个发电机转速瞬时值得出一个转速增量，依次迭代，滑动时间窗内所有的转速增量相加后乘以时间间隔δt得出累计转速增量变化值，计算公式为：其中，δt为时间间隔，generatorspeed(i)为滑动时间窗内时刻i的发电机转速瞬时值，generatorspeed(-4s)为滑动时间窗(例如，4s)内第一时刻(例如，当前时刻之前4s时)的发电机转速瞬时值。其中，滑动时间窗内每个发电机转速瞬时值的时间间隔可以为0.02s，但是本发明不限于，可以根据实际需求设置其它时间间隔。
[0076]
可选地，控制装置11或识别模块202还可以利用公式generatorspeed(0s)-generatorspeed(-4s)来计算累计转速增量变化值，其中，generatorspeed(0s)为当前时刻的发电机转速瞬时值，generatorspeed(-4s)为滑动时间窗(例如，4s)内第一时刻(例如，当前时刻之前4s时)的发电机转速瞬时值。
[0077]
如果累计转速增量变化值超过预设转速增量阈值，则控制装置11或识别模块202可确定滑动时间窗内出现转速增量异常。预设转速增量阈值可以由工作人员根据风力发电机组的地理位置、工作条件等进行手动设置或者通过软件编程进行自动设置。此外，控制装置11或识别模块202还可以利用其它与发电机转速变化相关的变量来识别转速增量异常。
[0078]
在步骤s204，控制装置11或识别模块202可基于每个叶片的桨距角来识别桨距角增量异常。
[0079]
例如，控制装置11或识别模块202可基于每个叶片的桨距角，确定第一预定时间段内的滑动时间窗(例如，4s)内的每个叶片的桨距角最大值与桨距角最小值之差，计算公式
为max(pitchposition(i))-min(pitchposition(j))，其中，i和j为滑动时间窗内的任意时刻，且满足-4s＜i＜j＜0，0s对应当前时刻，-4s对应当前时刻之前4s时的时刻。
[0080]
风力发电机组的“放功率状态”表示风力发电机组的运行处于放开限功率的状态下，此时最大转速/最大扭矩的给定值会有变化，风力发电机组处于运行变量快速变化的过程，例如发电机转速增量和/或桨距角增量比较大。因此如果风力发电机组处于放功率状态，则需要对桨距角增量异常的识别做特殊处理。
[0081]
例如，当风力发电机组处于放功率状态时，允许桨距角波动较大，因此对于桨距角增量异常的识别需要向桨距角增量阈值添加桨距角增量补偿值。这是由于在放功率状态下风力发电机组的额定转速快速变化，风力发电机组通过变桨调节转速，以使得转速稳定在额定转速。在放功率状态下，桨距角可能快速变化，但是与风速变化无关系。因此，放功率状态需应用桨距角增量补偿值来判断放功率状态下的桨距角增量异常。
[0082]
因此，控制装置11或识别模块202可检测风力发电机组是否处于放功率状态；如果风力发电机组未处于放功率状态，则控制装置11或识别模块202可将每个叶片的桨距角最大值与桨距角最小值之差与桨距角增量阈值进行比较，以确定每个叶片的桨距角最大值与桨距角最小值之差是否大于桨距角增量阈值。如果任意一个叶片的桨距角最大值与桨距角最小值之差大于桨距角增量阈值，则控制装置11或识别模块202可确定滑动时间窗内出现桨距角增量异常(即，识别出桨距角增量异常)。
[0083]
如果风力发电机组处于放功率状态，则控制装置11或识别模块202可将每个叶片的桨距角最大值与桨距角最小值之差与桨距角增量阈值与桨距角增量补偿值之和进行比较，以确定每个叶片的桨距角最大值与桨距角最小值之差是否大于桨距角增量阈值与桨距角增量补偿值之和。如果任意一个叶片的桨距角最大值与桨距角最小值之差大于桨距角增量阈值与桨距角增量补偿值之和，则控制装置11或识别模块202可确定滑动时间窗内出现桨距角增量异常(即，识别出桨距角增量异常)。
[0084]
如图2所示，一旦识别到阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常中的任意一种或多种工况出现，就确定出现复杂风况，即步骤s206。
[0085]
如上所述，针对阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常，本发明基于海量故障数据的大数据分析结果设置了相应的特征变量和识别条件。还可以针对阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常或其它工况的识别而计算或加工与其对应的特征变量，例如，与风力发电机组的输出功率和/或机舱加速度(例如，塔顶加速度、整机加速度)等相关的特征变量。可以将特征变量的值与预设的相应阈值进行比较，以识别相应的工况。优选地，可以提取相关性较大的特征变量用于识别复杂风况中的不同工况。
[0086]
再次参照图3，在步骤s103，控制装置11或累计时间占比确定模块203可以确定在第一预定时间段内出现复杂风况的累计时间占比，累计时间占比表示在第一预定时间段内出现复杂风况的时间相对于第一预定时间段的占比的累计计算值。例如，可以采用下式计算在第一预定时间段内出现复杂风况的累计时间占比：
[0087]
[0088]
其中，复杂风况可包括n种情形，t表示第一预定时间段的时间长度，ti表示在第一预定时间段内出现复杂风况中的第i种情形的时间长度，r
cn
表示累计时间占比。
[0089]
例如，控制装置11或累计时间占比确定模块203可针对在第一预定时间段内出现阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常中的每者的时间占比进行累计计算，获取在第一预定时间段内出现复杂风况的累计时间占比。例如，可以采用下式计算：
[0090][0091]
其中，t表示第一预定时间段的时间长度，t1表示在第一预定时间段内出现阵风的时间长度，表示在第一预定时间段内出现阵风的时间占比，t2表示在第一预定时间段内出现极端风向变化的时间长度，表示在第一预定时间段内出现极端风向变化的时间占比，t3表示在第一预定时间段内出现风速增量异常的时间长度，表示在第一预定时间段内出现风速增量异常的时间占比，t4表示在第一预定时间段内出现转速增量异常的时间长度，表示在第一预定时间段内出现转速增量异常的时间占比，t5表示在第一预定时间段内出现桨距角增量异常的时间长度，表示在第一预定时间段内出现桨距角增量异常的时间占比，rc表示累计时间占比。
[0092]
为了不使复杂风况的识别不要过于敏感，可以避免在仅出现过一次复杂风况下就控制风力发电机组执行保护操作或保护策略，因此，可以对复杂风况的时间占比(即，在第一预定时间段内出现复杂风况的时间相对于第一预定时间段的占比)进行累计计算。例如，可以根据风力发电机组的实际运行条件和风力发电机组对于复杂风况的适应性来设置第一预定时间段，以对第一预定时间段内的时间占比进行累计计算。例如，第一预定时间段可以是1分钟至5分钟的范围内的值，或者，还可以是时间更长的值。
[0093]
可选地，控制装置11或累计时间占比确定模块203可分别对阵风的时间占比、极端风向变化的时间占比、风速增量异常的时间占比、转速增量异常的时间占比和桨距角增量异常的时间占比施加相应的权重；然后对加权的时间占比进行累计计算。例如，可以采用下式计算：
[0094][0095]
其中，w1表示与阵风的时间占比对应的权重，w2表示与极端风向变化的时间占比对应的权重，w3表示与风速增量异常的时间占比对应的权重，w4表示与转速增量异常的时间占比对应的权重，w5表示与桨距角增量异常的时间占比对应的权重。w1、w2、w3、w4与w5之和可以是1，并且，每个权重均可大于0且小于或等于1。
[0096]
在步骤s104，控制装置11或控制模块204可将累计时间占比与第一预设阈值进行比较，以确定累计时间占比是否超过第一预设阈值。例如，可以根据风力发电机组的实际运行条件和风力发电机组对于复杂风况的适应性来设置第一预设阈值。
[0097]
可选地，响应于累计时间占比超过第一预设阈值，控制装置11或控制模块204可以执行步骤s105。在步骤s105，控制装置11或控制模块204可将第二预定时间段内的平均风速与第二预设阈值进行比较，以确定第二预定时间段内的平均风速是否大于第二预设阈值。由于风速小时风速可能变化快(例如，3m/s时的湍流比15m/s的湍流大)，同时小风速段的风力发电机组的各处载荷一般不会出现最大点，因此，在确定累计时间占比超过第一预设阈值之后可以执行步骤s105，以更准确地确定是否使风力发电机组执行保护操作或保护策略。可以根据风力发电机组的实际运行条件和风力发电机组对于复杂风况的适应性来设置第二预定时间段和第二预设阈值。第二预定时间段的值可以与上述第一预定时间段的值不同或相同，二者的设置可以是相互独立的。例如，第二预定时间段可以是30秒至10分钟的范围内的值。可选地，可以根据风力发电机组的额定风速，设置比额定风速小的风速值作为第二预设阈值，例如，可以将比额定风速小5m/s的风速值设置为第二预设阈值。
[0098]
如果第二预定时间段内的平均风速大于第二预设阈值，则控制装置11或控制模块204可执行步骤s106，控制风力发电机组执行保护操作或保护策略。可选地，控制装置11或控制模块204可通过限制风力发电机组的额定功率(例如，降低额定功率)、限制风力发电机组的桨距角(例如，减小桨距角)和/或使风力发电机组停机来执行保护操作或保护策略。如此，可以有效降低风力发电机组的疲劳累积、避免叶片扫塔等极端事件的发生，减少风力发电机组的运行风险，保证风力发电机组在复杂风况下安全工作，提高风力发电机组对复杂风况的适应性。
[0099]
可选地，控制装置11或控制模块204可以响应于累计时间占比超过第一预设阈值而控制风力发电机组执行保护操作或保护策略。
[0100]
如上所述，本发明可以排列组合与复杂风况和机组运行状态(例如，放功率状态)相关的多种因素，在现有的风力发电机组的构造的基础上，利用阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常进行综合识别。
[0101]
根据本发明的上述控制系统和控制器中的任何组件可以应用于任何风力发电机组。
[0102]
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风力发电机组的控制方法的计算机程序。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)。
[0103]
采用根据本发明示例性实施例的风力发电机组及其控制方法、控制器和控制系统以及计算机可读存储介质，可以识别风力发电机组所处的工况条件，例如，在风速未发生持续上升的情况下，识别风力发电机组运行过程中存在的潜在风险，进而可以控制风力发电机组执行保护操作或保护策略，例如，限制风力发电机组的额定功率、限制风力发电机组的桨距角和/或使风力发电机组停机；可以排列组合与复杂风况和机组运行状态(例如，放功率状态)相关的多种因素，在现有的风力发电机组的构造的基础上，利用阵风、极端风向变化、风速增量异常、转速增量异常和桨距角增量异常进行综合识别；从而，可以尽可能使风力发电机组避免发生扫塔的极端事件。可以有效降低风力发电机组的疲劳累积、避免叶片扫塔等极端事件的发生，减少风力发电机组的运行风险，保证风力发电机组在复杂风况下
安全工作，提高风力发电机组对复杂风况的适应性。
[0104]
由控制系统中的各个组件或控制器执行的控制逻辑或功能可由在一个或多个附图中的流程图或类似示图来表示。这些附图提供代表性的控制策略和/或逻辑，代表性的控制策略和/或逻辑可使用一个或更多个处理策略(诸如，事件驱动、中断驱动、多任务、多线程等)来实现。因此，示出的各个步骤或功能可按照示出的顺序被执行、并行地执行或者在一些情况下被省略。虽然未总是被明确示出，但是本领域普通技术人员将认识到，示出的一个或更多个步骤或功能可根据使用的特定处理策略而被重复执行。
[0105]
尽管已参照优选实施例表示和描述了本发明，但本领域技术人员应该理解，在不脱离由权利要求限定的本发明的精神和范围的情况下，可以对这些实施例进行各种修改和变换。