一种智能调整风力发电系统的制作方法

本发明涉及风力发电安全控制领域，具体涉及一种智能调整风力发电系统。

背景技术：

风力发电设备广泛分布于沿海和内陆戈壁地区。能够利用当地的常年高风力等级可再生自然资源，但与此同时多变的风向和快速的气流也会对叶片造成伤害。因此需要一种根据风力智能调整的系统，既能够尽量保证风机的稳定正常工作，同时还能有避免对叶片造成损害。

在公开号为cn101806282a的专利中公开了一种基于最佳风能利用的低额定风速风力发电控制系统，其特征在于：包括以下功能单元：1)数据采集单元：完成对运行风机的实时状态监测，为其它各控制单元提供风机运行的实时数据；2)偏航控制单元：通过不同风速条件下的叶轮正对风和偏侧对风运行，实现对风机一次输入能量的调整；3)功率控制单元：通过设定并网逆变器的逆变功率，调整永磁发电机的电磁转矩，改变风机的转速，实现风机输出功率的控制；4)保护控制单元：根据实时测量数据，监控风机的运行状态，并在判断出风机出现紧急情况时，立刻实施高优先等级的保护、甚至停机操作。

上述方案中依靠永磁发电机的发电状态判断整体风力发电设备的运行状态，无法对叶片本身的状态进行分析，也就难以对叶片进行有效的保护。

技术实现要素：

本发明的目的在于克服现有技术中存在的上述问题，提供一种智能调整风力发电系统，在保证叶片安全的前提下，尽量让叶片转速在设定范围内。

为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：

一种智能调整风力发电系统，包括与立柱顶端旋转装配的主机，主机内部发电机的传动轴通过变速器与转向舵联轴，所述转向舵周向设置有受控转动的叶片；

还包括状态监测装置，状态监测装置实时监测叶片的状态；

根据叶片的状态，分析叶片的转速，通过旋转主机调整叶片工作面迎风面积，或/和调整转向舵与叶片，进而调整叶片与气流夹角的方式调整发电机的实时发电功率；

根据叶片的状态，分析叶片的形变，当形变达到设定程度，通过旋转主机调整叶片工作面迎风面积，或/和调整转向舵与叶片，降低叶片的形变，起到保护叶片的作用。

进一步地，所述状态监测装置实时监测叶片的状态，具体包括，

状态监测装置包括具有固定坐标位置的光学观测仪，光学观测仪将运动中的叶片进行空间数字建模；

形成叶片空间数字模型(fm)，所述叶片空间数字模型(fm)中包含叶片与转向舵相对旋转角度γ、叶片脊线空间位置函数g(x,y,z)＝0。

进一步地，所述状态监测装置还包括固定于叶片的应答器以及具有固定座标的发射接收机，所述发射接收机包括一个或以上的发射单元，和三个或以上的接收单元；

所述发射单元发射的电磁波被应答器将接收，应答器将自身标签信息立即对外发射，被接收单元接收后进行解析，得出每个应答器标签信息以及对应的空间位置信息；

根据应答器在叶片的安装分布，推测出叶片与转向舵相对旋转角度γ、叶片脊线空间位置函数g(x,y,z)＝0。

进一步地，所述根据应答器在叶片的安装分布，推测出叶片与转向舵相对旋转角度γ、叶片脊线空间位置函数g(x,y,z)＝0，具体包括，

将同一时刻光学观测仪观测到的叶片空间数字模型(fm)汇总记为光学观测集合(lfm)，发射接收机得到的应答器状态信息汇总记为电磁观测集合(efc)；

建立光学观测集合(lfm)与电磁观测集合(efc)的映射数据库(mdb)，

当发射接收机单独工作时，根据发射接收机解析得到每个应答器标签信息以及对应的空间位置信息；

选择电磁观测集合(efc)中最接近的元素；

将光学观测集合(lfm)中对应的叶片空间数字模型(fm)作为此时叶片与转向舵相对旋转角度γ、叶片脊线空间位置函数g(x,y,z)＝0的来源。

进一步地，所述选择电磁观测集合(efc)中最接近的元素，具体包括，

计算发射接收机解析得到每个应答器空间位置与电磁观测集合(efc)元素中对应应答器空间位置的距离差之和，距离差之和最小的电磁观测集合(efc)元素即为最接近的元素。

进一步地，所述根据应答器在叶片的安装分布，推测出叶片与转向舵相对旋转角度γ、叶片脊线空间位置函数g(x,y,z)＝0，具体包括，

将同一时刻光学观测仪观测到的叶片空间数字模型(fm)汇总记为光学观测集合(lfm)，发射接收机得到的应答器状态信息汇总记为电磁观测集合(efc)；

构建人工神经网络，将电磁观测集合(efc)中的元素作为输入层，将光学观测集合(lfm)中的元素作为输出层；

将发射接收机得到的应答器在叶片的安装分布输入所述人工神经网络，即可得到对应的叶片空间数字模型，进而得到叶片与转向舵相对旋转角度γ、叶片脊线空间位置函数g(x,y,z)＝0。

进一步地，所述根据叶片的状态，通过旋转主机调整叶片工作面迎风面积，或/和调整转向舵与叶片，进而调整叶片与气流夹角的方式调整发电机的实时发电功率，具体包括，

在初始状态下，叶片与气流方向平行，夹角为零，此时叶片不转动；

当所述叶片转速低于设定值时，旋转主机，增加叶片工作面迎风面积，

当叶片工作面迎风面积最大仍无法让叶片达到设定转速，调整转向舵与叶片的夹角，逐渐增加叶片与气流夹角，

当增加至叶片转速最高值仍无法达到设定转速，则保持该工作状态，调整变速器的转速比，使得输入到发电机的转速达到设定值；

当叶片转速高于设定转速，调整转向舵与叶片的夹角，逐渐减小叶片与气流夹角，

当转向舵与叶片的夹角最小时，叶片转速仍然高于设定值时，旋转主机，减小叶片工作面迎风面积，

当叶片工作面迎风面积最小时，仍无法达到设定转速，则保持该工作状态，调整变速器的转速比，使得输入到发电机的转速达到设定值。

进一步地，所述根据叶片的状态，分析叶片的转速，通过旋转主机调整叶片工作面迎风面积，或/和调整转向舵与叶片，进而调整叶片与气流夹角的方式调整发电机的实时发电功率，具体包括，

当叶片形变量高于设定程度，调整转向舵与叶片的夹角，逐渐减小叶片与气流夹角，

当叶片与气流夹角达到最小值，叶片形变量仍高于设定程度，旋转主机，减小叶片工作面迎风面积，

当叶片工作面迎风面积最小时，仍无法达到设定转速，则保持该工作状态，变速器锁死，叶片停止工作。

进一步地，所述状态监测装置还实时监测主机、转向舵的状态，根据所述状态监测装置得到的叶片空间数字模型(fm)中还包含主机旋转中心空间偏移向量主机水平旋转角度α、转向舵旋转角度β。

本发明的收益效果是：

确保叶片的形变量在设定范围内，在保证叶片安全的前提下，尽量让叶片转速在设定范围内；状态监测装置实时监测叶片的状态，根据叶片的状态，分析叶片的转速和型变量，通过旋转主机调整叶片工作面迎风面积，或/和调整转向舵与叶片，进而调整叶片与气流夹角的方式调整发电机的实时发电功率，同时控制叶片的型变量在设定范围内。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明所述智能调整风力发电系统的整体结构示意图；

图2为本发明所述转向舵与叶片状态一的示意图；

图3为本发明所述转向舵与叶片状态二的示意图；

图4为本发明所述主机内部结构示意图；

图中标号：

1-立柱，2-主机，21-电机，22-变速器，3-转向舵，4-叶片。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

实施例一：

如图1-4所示，本发明为一种智能调整风力发电系统，包括与立柱顶端旋转装配的主机，主机内部发电机的传动轴通过变速器与转向舵联轴，所述转向舵周向设置有受控转动的叶片；叶片旋转驱动转向舵旋转，再通过变速器进行变速，最后驱动发电机转动发电。

还包括状态监测装置，状态监测装置实时监测叶片的状态；

根据叶片的状态，分析叶片的转速，通过旋转主机调整叶片工作面迎风面积，或/和调整转向舵与叶片，进而调整叶片与气流夹角的方式调整发电机的实时发电功率；

根据叶片的状态，分析叶片的形变，当形变达到设定程度，通过旋转主机调整叶片工作面迎风面积，或/和调整转向舵与叶片，降低叶片的形变，起到保护叶片的作用。

上述操作中，相比较传统方式，确保叶片的形变量在设定范围内，在保证叶片安全的前提下，尽量让叶片转速在设定范围内。

实施例二：

一种智能调整风力发电系统，其特征在于：包括与立柱顶端旋转装配的主机，主机内部发电机的传动轴通过变速器与转向舵联轴，所述转向舵周向设置有受控转动的叶片；

还包括状态监测装置，状态监测装置包括具有固定坐标位置的光学观测仪，光学观测仪将运动中的叶片、主机、转向舵进行空间数字建模；

形成叶片空间数字模型(fm)，所述叶片空间数字模型(fm)中包含叶片与转向舵相对旋转角度γ、叶片脊线空间位置函数g(x,y,z)＝0、主机旋转中心空间偏移向量主机水平旋转角度α、转向舵旋转角度β；

所述状态监测装置还包括固定于叶片的应答器以及具有固定座标的发射接收机，所述发射接收机包括一个或以上的发射单元，和三个或以上的接收单元；

所述发射单元发射的电磁波被应答器将接收，应答器将自身标签信息立即对外发射，被接收单元接收后进行解析，得出每个应答器标签信息以及对应的空间位置信息；

根据应答器在叶片的安装分布，推测出叶片与转向舵相对旋转角度γ、叶片脊线空间位置函数g(x,y,z)＝0；

将同一时刻光学观测仪观测到的叶片空间数字模型(fm)汇总记为光学观测集合(lfm)，发射接收机得到的应答器状态信息汇总记为电磁观测集合(efc)；

建立光学观测集合(lfm)与电磁观测集合(efc)的映射数据库(mdb)，

当发射接收机单独工作时，根据发射接收机解析得到每个应答器标签信息以及对应的空间位置信息；

计算发射接收机解析得到每个应答器空间位置与电磁观测集合(efc)元素中对应应答器空间位置的距离差之和，距离差之和最小的电磁观测集合(efc)元素即为最接近的元素；

将光学观测集合(lfm)中对应的叶片空间数字模型(fm)作为此时叶片与转向舵相对旋转角度γ、叶片脊线空间位置函数g(x,y,z)＝0的来源；

在初始状态下，叶片与气流方向平行，夹角为零，此时叶片不转动；

当所述叶片转速低于设定值时，旋转主机，增加叶片工作面迎风面积，

当叶片工作面迎风面积最大仍无法让叶片达到设定转速，调整转向舵与叶片的夹角，逐渐增加叶片与气流夹角，

当增加至叶片转速最高值仍无法达到设定转速，则保持该工作状态，调整变速器的转速比，使得输入到发电机的转速达到设定值；

当叶片转速高于设定转速，调整转向舵与叶片的夹角，逐渐减小叶片与气流夹角，

当转向舵与叶片的夹角最小时，叶片转速仍然高于设定值时，旋转主机，减小叶片工作面迎风面积；

当叶片工作面迎风面积最小时，仍无法达到设定转速，则保持该工作状态，调整变速器的转速比，使得输入到发电机的转速达到设定值；

当叶片形变量高于设定程度，调整转向舵与叶片的夹角，逐渐减小叶片与气流夹角，

当叶片与气流夹角达到最小值，叶片形变量仍高于设定程度，旋转主机，减小叶片工作面迎风面积，

当叶片工作面迎风面积最小时，仍无法达到设定转速，则保持该工作状态，变速器锁死，叶片停止工作。

上述操作中，相比较传统方式，确保叶片的形变量在设定范围内，在保证叶片安全的前提下，尽量让叶片转速在设定范围内；不仅如此使用两种手段对叶片进行观测，确保叶片的叶片空间数字模型(fm)准确无误，而且不会受到天气的遮挡影响。

实施例三：

一种智能调整风力发电系统，其特征在于：包括与立柱顶端旋转装配的主机，主机内部发电机的传动轴通过变速器与转向舵联轴，所述转向舵周向设置有受控转动的叶片；

还包括状态监测装置，状态监测装置包括具有固定坐标位置的光学观测仪，光学观测仪将运动中的叶片、主机、转向舵进行空间数字建模；

形成叶片空间数字模型(fm)，所述叶片空间数字模型(fm)中包含叶片与转向舵相对旋转角度γ、叶片脊线空间位置函数g(x,y,z)＝0、主机旋转中心空间偏移向量主机水平旋转角度α、转向舵旋转角度β；

所述状态监测装置还包括固定于叶片的应答器以及具有固定座标的发射接收机，所述发射接收机包括一个或以上的发射单元，和三个或以上的接收单元；

所述发射单元发射的电磁波被应答器将接收，应答器将自身标签信息立即对外发射，被接收单元接收后进行解析，得出每个应答器标签信息以及对应的空间位置信息；

根据应答器在叶片的安装分布，推测出叶片与转向舵相对旋转角度γ、叶片脊线空间位置函数g(x,y,z)＝0；

将同一时刻光学观测仪观测到的叶片空间数字模型(fm)汇总记为光学观测集合(lfm)，发射接收机得到的应答器状态信息汇总记为电磁观测集合(efc)；

构建人工神经网络，将电磁观测集合(efc)中的元素作为输入层，将光学观测集合(lfm)中的元素作为输出层；

将发射接收机得到的应答器在叶片的安装分布输入所述人工神经网络，即可得到对应的叶片空间数字模型，进而得到叶片与转向舵相对旋转角度γ、叶片脊线空间位置函数g(x,y,z)＝0；

在初始状态下，叶片与气流方向平行，夹角为零，此时叶片不转动；

当所述叶片转速低于设定值时，旋转主机，增加叶片工作面迎风面积，

当叶片工作面迎风面积最大仍无法让叶片达到设定转速，调整转向舵与叶片的夹角，逐渐增加叶片与气流夹角，

当增加至叶片转速最高值仍无法达到设定转速，则保持该工作状态，调整变速器的转速比，使得输入到发电机的转速达到设定值；

当叶片转速高于设定转速，调整转向舵与叶片的夹角，逐渐减小叶片与气流夹角，

当转向舵与叶片的夹角最小时，叶片转速仍然高于设定值时，旋转主机，减小叶片工作面迎风面积；

当叶片工作面迎风面积最小时，仍无法达到设定转速，则保持该工作状态，调整变速器的转速比，使得输入到发电机的转速达到设定值；

当叶片形变量高于设定程度，调整转向舵与叶片的夹角，逐渐减小叶片与气流夹角，

当叶片与气流夹角达到最小值，叶片形变量仍高于设定程度，旋转主机，减小叶片工作面迎风面积，

当叶片工作面迎风面积最小时，仍无法达到设定转速，则保持该工作状态，变速器锁死，叶片停止工作。

上述操作中，相比较传统方式，确保叶片的形变量在设定范围内，在保证叶片安全的前提下，尽量让叶片转速在设定范围内；不仅如此使用两种手段对叶片进行观测，确保叶片的叶片空间数字模型(fm)准确无误，而且不会受到天气的遮挡影响；而且在发射接收机与应答器单独工作状态下，运用累计的数据对神经网络进行训练，提高发射接收机与应答器单独工作状态下叶片空间数字模型(fm)的预测准确性。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等描述意指结合该实施例或示例描述的具体特征、结构、材料过着特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。