估计与风力发电机组有关的模型的不确定性的方法和设备技术

提供一种估计与风力发电机组有关的模型的不确定性的方法和设备，所述方法包括在所述模型每次被使用时执行以下的估计步骤：获取所述模型在当前次被使用时的输出；基于所述输出估计所述输出的误差的分布的参数；基于所述分布的参数得到所述模型的输出的第一不确定性。根据本发明专利技术，可以准确地评价与风力发电机组有关的模型的不确定性。

Uncertainty methods and equipment for estimating models associated with wind turbines

Method and apparatus for providing a model for estimation and wind turbine related uncertainty, the method comprises the following steps of executing the estimation is used in the model every time: the output obtained by the model in the current time is used; parameter estimation error distribution of the output of the output based on output; obtain the model based on the distribution parameters of the first uncertainty. According to the present invention, the uncertainty of the model related to the wind turbine can be accurately evaluated.

【技术实现步骤摘要】
估计与风力发电机组有关的模型的不确定性的方法和设备
本专利技术涉及风力发电领域。更具体地讲，涉及一种估计与风力发电机组有关的模型的不确定性的方法和设备。
技术介绍
风能作为一种清洁的可再生能源，越来越受到重视，装机量也不断增加。随着风力发电技术的不断发展，风力发电机组的各种研究也日益深入，各种用途的与风力发电机组有关的模型被提出。由于这些模型的应用越来越为广泛，涉及到风力发电机组的各个方面，甚至涉及风力发电机组的安全运行。因此，如何准确评估这些模型的输出的不确定性(度)是一个亟待解决的问题。
技术实现思路
本专利技术的目的在于提供一种估计与风力发电机组有关的模型的不确定性的方法和设备。根据本专利技术的一方面，提供一种估计与风力发电机组有关的模型的不确定性的方法，所述方法包括在所述模型每次被使用时执行以下的估计步骤：获取所述模型在当前次被使用时的输出；基于所述输出估计所述输出的误差的分布的参数；基于所述分布的参数得到所述模型的输出的第一不确定性。可选地，第一不确定性为第一预定值与所述分布的各个参数的和。可选地，所述第一预定值表示预定的不确定性。可选地，估计所述误差的分布的参数的步骤包括：基于所述输出和所述模型在上一次被使用时的输出的误差的分布的参数，估计所述模型在当前次被使用时的输出的误差的分布的参数。可选地，通过递推算法估计所述模型在当前次被使用时的输出的误差的分布的参数。可选地，所述分布为正态分布，所述分布的参数包括均值和标准差。可选地，所述估计步骤还包括：确定所述模型的输出的误差的分布的类型作为所述预定类型。可选地，所述估计步骤还包括：获取所述模型在当前次被使用时接收的输入中的至少一种参数；确定获取的所述至少一种参数各自所落入的预设区间；分别针对所述至少一种参数中的每种参数，统计至目前为止之所述模型各次被使用时每种参数分别落在确定的各自所落入的预设区间的总次数；基于所述总次数确定所述模型的输出的第二不确定性。可选地，基于所述总次数确定所述模型的输出的第二不确定性的步骤包括：确定与所述至少一种参数的类型、所述总次数以及确定的预设区间对应的指示所述模型的输出的不确定性的值。可选地，所述至少一种参数为多种参数，所述估计步骤还包括：根据所述多种参数中的预定参数所落入的预设区间来从所述多种参数中确定预定数量的参数，基于所述总次数确定所述模型的输出的第二不确定性的步骤包括：基于所述预定数量的参数所对应的总次数确定所述模型的输出的第二不确定性。可选地，基于所述总次数确定所述模型的输出的第二不确定性的步骤包括：当所述多种参数中的预定参数所落入的预设区间为第一预定预设区间时，仅基于与所述预定参数对应的总次数确定所述模型的输出的第二不确定性；当所述多种参数中的预定参数所落入的预设区间为与第一预定预设区间不同的第二预定预设区间时，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第二不确定性。可选地，仅基于与所述预定参数对应的总次数确定所述模型的输出的第二不确定性的步骤包括：确定与所述预定参数的类型、与所述预定参数对应的总次数以及所述预定参数所落入的预设区间对应的指示所述模型的输出的不确定性的值；基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第二不确定性的步骤包括：确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。可选地，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第二不确定性的步骤包括：当与所述多种参数中的任意一种参数对应的总次数不大于所述任意一种参数对应的次数阈值时，确定与所述多种参数中的各种参数的类型、与各种参数对应的总次数以及各种参数所落入的预设区间对应的指示所述模型的输出的不确定性的值。可选地，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第二不确定性的步骤还包括：当与每种参数对应的总次数都大于或等于每种参数对应的次数阈值时，将所述模型的输出的第二不确定性的值确定为第二预定值。可选地，所述第二预定值表示所述模型的输出完全可信赖。可选地，所述至少一种参数包括风速和/或湍流强度。可选地，所述预定参数为风速，第一预定预设区间的下限大于第二预定预设区间的上限。可选地，所述估计步骤还包括：计算第二不确定性与第一不确定性的乘积作为所述模型的输出的第三不确定性。本专利技术的另一方面提供一种校正与风力发电机组有关的模型的输出的方法，所述方法包括：通过上述方法估计与风力发电机组有关的模型的输出的第一不确定性，或者第二不确定性，或者第三不确定性；使用估计的不确定性校正与风力发电机组有关的模型的输出。可选地，使用估计的不确定性校正与风力发电机组有关的模型的输出的步骤包括：计算估计的不确定性与所述输出的乘积。本专利技术的另一方面提供一种估计与风力发电机组有关的模型的不确定性的设备，所述设备包括：输出获取单元，获取所述模型在当前次被使用时的输出；分布参数估计单元，基于所述输出估计所述输出的误差的分布的参数；第一估计单元，基于所述分布的参数得到所述模型的输出的第一不确定性。可选地，第一不确定性为第一预定值与所述分布的各个参数的和。可选地，所述第一预定值表示预定的不确定性。可选地，分布参数估计单元基于所述输出和所述模型在上一次被使用时的输出的误差的分布的参数，估计所述模型在当前次被使用时的输出的误差的分布的参数。可选地，分布参数估计单元通过递推算法估计所述模型在当前次被使用时的输出的误差的分布的参数。可选地，所述分布为正态分布，所述分布的参数包括均值和标准差。可选地，所述设备还包括：分布估计单元，确定所述模型的输出的误差的分布的类型作为所述预定类型。根据本专利技术的另一方面，提供一种校正与风力发电机组有关的模型的输出的设备，所述设备包括：上面所述的设备；估计单元，使用所述设备估计的与风力发电机组有关的模型的输出的第一不确定性、第二不确定性、或者第三不确定性作为估计的不确定性，校正与风力发电机组有关的模型的输出。可选地，估计单元计算估计的不确定性与所述输出的乘积。可选地，所述设备还包括：输入参数获取单元，在所述模型每次被使用时，获取所述模型在当前次被使用时接收的输入中的至少一种参数；区间判断单元，确定获取的所述至少一种参数各自所落入的预设区间；计数单元，分别针对所述至少一种参数中的每种参数，统计至目前为止之所述模型各次被使用时每种参数分别落在确定的各自所落入的预设区间的总次数；第二估计单元，基于所述总次数确定所述模型的输出的第二不确定性。可选地，第二估计单元确定与所述至少一种参数的类型、所述总次数以及确定的预设区间对应的指示所述模型的输出的不确定性的值。可选地，所述至少一种参数为多种参数，所述设备还包括：选择单元，根据所述多种参数中的预定参数所落入的预设区间来从所述多种参数中确定预定数量的参数，第二估计单元基于所述预定数量的参数所对应的总次数确定所述模型的输出的第二不确定性。可选地，当所述多种参数中的预定参数所落入的预设区间为第一预定预设区间时，第二估计单元仅基于与所述预定参数对应的总次数确定所述模型的输出的第二不确定性；当所述多种参数中的预定参数所落入的预设区间为与第一预定预设区间不同的第二预定预设区间时，第二估计单元基于本文档来自技高网...

【技术保护点】
一种估计与风力发电机组有关的模型的不确定性的方法，其特征在于，所述方法包括在所述模型每次被使用时执行以下的估计步骤：获取所述模型在当前次被使用时的输出；基于所述输出估计所述输出的误差的分布的参数；基于所述分布的参数得到所述模型的输出的第一不确定性。

【技术特征摘要】
1.一种估计与风力发电机组有关的模型的不确定性的方法，其特征在于，所述方法包括在所述模型每次被使用时执行以下的估计步骤：获取所述模型在当前次被使用时的输出；基于所述输出估计所述输出的误差的分布的参数；基于所述分布的参数得到所述模型的输出的第一不确定性。2.根据权利要求1所述的方法，其特征在于，第一不确定性为第一预定值与所述分布的各个参数的和。3.根据权利要求2所述的方法，其特征在于，所述第一预定值表示预定的不确定性。4.根据权利要求1所述的方法，其特征在于，估计所述误差的分布的参数的步骤包括：基于所述输出和所述模型在上一次被使用时的输出的误差的分布的参数，估计所述模型在当前次被使用时的输出的误差的分布的参数。5.根据权利要求4所述的方法，其特征在于，通过递推算法估计所述模型在当前次被使用时的输出的误差的分布的参数。6.根据权利要求1所述的方法，其特征在于，所述估计步骤还包括：获取所述模型在当前次被使用时接收的输入中的至少一种参数；确定获取的所述至少一种参数各自所落入的预设区间；分别针对所述至少一种参数中的每种参数，统计至目前为止之所述模型各次被使用时每种参数分别落在确定的各自所落入的预设区间的总次数；基于所述总次数确定所述模型的输出的第二不确定性。7.根据权利要求6所述的方法，其特征在于，基于所述总次数确定所述模型的输出的第二不确定性的步骤包括：确定与所述至少一种参数的类型、所述总次数以及确定的预设区间对应的指示所述模型的输出的不确定性的值。8.根据权利要求6或7所述的方法，其特征在于，所述至少一种参数为多种参数，所述估计步骤还包括：根据所述多种参数中的预定参数所落入的预设区间来从所述多种参数中确定预定数量的参数，基于所述总次数确定所述模型的输出的第二不确定性的步骤包括：基于所述预定数量的参数所对应的总次数确定所述模型的输出的第二不确定性。9.根据权利要求8所述的方法，其特征在于，基于所述总次数确定所述模型的输出的第二不确定性的步骤包括：当所述多种参数中的预定参数所落入的预设区间为第一预定预设区间时，仅基于与所述预定参数对应的总次数确定所述模型的输出的第二不确定性；当所述多种参数中的预定参数所落入的预设区间为与第一预定预设区间不同的第二预定预设区间时，基于与所述多种参数的所有参数对应的总次数确定所述模型的输出的第二不确定性。10.根据权利要求6所述的方法，所述估计步骤还包括：计算第二不确定性与第一不确定性的乘积作为所述模型的输出的第三不确定性。11.一种校正与风力发电机组有关的模型的输出的方法，其特征在于，所述方法包括：通过权利要求1所述的方法估计与风力发电机组有关的模型的输出的第一不确定性，或者通过权利要求6所述的方法估计与风力发电机组有关的模型的输出的第二不确定性，或者通过权利要求10所述的方法估计与风力发电机组有关的模型的输出的第三不确定性；使用估计的不确定性校正与风力发电机组有关的模型的输出。12.根据权利要求11所述的方法，其特征在于，使用估计的不确定性校正与风力发电机组有关的模型的输出的步骤包括：计算估计的不确定性与所述输出的乘积。13.一种估计与风力发电机组有关的模型的不确定性的设备，其特征在于，所述设备在所述模型每次被使用时进行操作以估计所述不确定性，所述设备包括：输出获取单元，获取所述模型在当前次被使用时的输出...

【专利技术属性】
技术研发人员：王明辉，波·约尔·佩德森，
申请(专利权)人：北京金风科创风电设备有限公司，
类型：发明
国别省市：北京,11