湍流强度的确定方法、装置和电子设备制造方法及图纸

本申请公开了一种湍流强度的确定方法、装置和电子设备。方法包括：获取雷达在第一扇区采集的预设高度下的风参数据；将所述风参数据分别输入n个湍流预测模型中，得到所述n个湍流预测模型对应的n个预测湍流强度；所述湍流预测模型用于表征雷达采集的风参数据与测风塔的湍流强度的对应关系，所述n为大于1的整数；将所述n个预测湍流强度进行融合处理，得到目标湍流强度；将所述目标湍流强度确定为测风塔在所述第一扇区的湍流强度，其中，所述测风塔处于所述预设高度。本申请实施例的湍流强度的确定方法，在实现将雷达采集的风参数据转化为测风塔的湍流强度的过程中，可以提升转化准确率。率。率。

【技术实现步骤摘要】
湍流强度的确定方法、装置和电子设备


[0001]本申请涉及风力发电
，具体涉及一种湍流强度的确定方法、装置和电子设备。

技术介绍

[0002]湍流强度是描述风速随时间和空间变化的程度，其是风力发电过程中需要测量的指标之一，实现准确测量湍流强度，对于风力发电机组的稳定运行具有至关重要的作用。而随着雷达技术的不断成熟，雷达取代传统的测风塔测量湍流强度已逐渐成为趋势，相比于测风塔测量湍流强度，雷达能够获取更高高度的风场信息，降低在测量过程中因无法覆盖风机的叶轮面，而给测量得到的湍流强度带来的不确定性。但是，由于雷达的测量方式与测风塔的测量方式不同，雷达测量的湍流强度存在误差。
[0003]具体地，由于受部分因素(如测量环境为非平坦地形等)的影响，雷达和测风塔分别测量得到的湍流强度通常存在差异。而传统的风力发电行业中的风力参数标准都是针对测风塔而言，因此，为实现雷达测量湍流强度的普及应用，需要将雷达采集的风参数据转化为测风塔的湍流强度。但是，目前在实现将雷达采集的风参数据转化为测风塔的湍流强度的过程中，通常存在转化准确率低的问题。
...

【技术保护点】

【技术特征摘要】
1.一种湍流强度的确定方法，其特征在于，包括：获取雷达在第一扇区采集的预设高度下的风参数据；将所述风参数据分别输入n个湍流预测模型中，得到所述n个湍流预测模型对应的n个预测湍流强度；所述湍流预测模型用于表征雷达采集的风参数据与测风塔的湍流强度的对应关系，所述n为大于1的整数；将所述n个预测湍流强度进行融合处理，得到目标湍流强度；将所述目标湍流强度确定为测风塔在所述第一扇区的湍流强度，其中，所述测风塔处于所述预设高度。2.根据权利要求1所述的方法，其特征在于，所述将所述风参数据分别输入n个湍流预测模型中，包括：将所述风参数据分别输入至目标预测模型中的n个湍流预测模型中，其中，所述目标预测模型还包括分别与所述n个湍流预测模型连接的线性回归模型；所述将所述n个预测湍流强度进行融合处理，得到目标湍流强度，包括：将所述n个预测湍流强度输入至所述线性回归模型中，输出目标湍流强度。3.根据权利要求2所述的方法，其特征在于，所述将所述n个预测湍流强度输入至所述线性回归模型中，输出目标湍流强度，包括：将所述n个预测湍流强度输入至所述线性回归模型中，并获取所述线性回归模型为所述n个湍流预测模型中各湍流预测模型配置的权重；基于所述n个预测湍流强度以及所述n个湍流预测模型的权重，计算得到目标湍流强度，其中，所述目标湍流强度为：所述n个湍流预测模型中，各湍流预测模型对应的预测湍流强度与其权重的乘积之和。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取所述n个湍流预测模型中各湍流预测模型的预测精度指标的参数值；控制所述线性回归模型基于所述n个湍流预测模型的预测精度指标的参数值，为所述n个湍流预测模型中各预测模型配置权重。5.根据权利要求1所述的方法，其特征在于，所述将所述风参数据分别输入n个湍流预测模型之前，所述方法还包括：获取训练集，所述训练集包括训练样本，所述训练样本包括历史上雷达采集的风参数据、测风塔数据、地理数据；对所述训练集中的训练样本进行特征构建；采用构建的特征训练n个湍流模型，得到n个湍流预测模型。6.根据权利要求5所述的方法，其特征在于，采用构建的特征训练n个湍流模型，得到n个湍流预测模型，包括：将构建的特征输入至n个湍流模型中；在预设参数集中，通过网格搜索的方式确定各个湍流模型中参数的最优参数值；将参数为所述最优参数值的n个湍流模型确定为所述n个湍流预测模型。7.根据权利要求6所述的方法，其特征在于，所述n个湍流预测模型设置于初始预测模型中，且所述初始预测模型还包括线性回归模型，且所述线性回归模型与所述n个湍流预测模型连接；
所述将参数为所述最优参数值的n个湍流模型确定为所述n个湍流预测模型之后，还包括：通过构建的特征输入对所述初始预测模型进行训练，以更新所述初始预测模型中所述n个湍流预测模型的参数的参数值，以及，更新所述初始预测模型中所述线性回归模型的参数的参数值，得到目标预测模型。8.根据权利要求5所述的方法，其特征在于，所述对所述训练集中的训练样本进行特征构建，包括：基于所述训练集中的训练样本，获取第二扇区下的合并数据以及所述预设高度的风切变指数中的至少一项特征，其中，所述合并数据包括雷达采集的风参数据、地理信息编码数据和测风塔数据；对所述至少一项特征进行标准化处理，得到构建的特征。9.根据权利要求1所述的方法，其特征在于，所述将所述风参数据分别输入n个湍流预测模型中之前，还包括：获取在所述第一扇区下的地理数据；所述将所述风参数据分别输入n个湍流预测模型中，包括：将所述第一扇区下获取的风参数据和地理数据，输入至n个湍流预测模型中的各个湍流预测模型中。10.根据权利要求1所述的方法，其特征在于，所述n个湍流预测模型包括机器学习模型中的XGBoost、LightGBM和CatBoost的至少两项。11.根据权利要求5所述的方法，其特征在于，所述历史上雷达采集的风参数据以及测风塔数据是连续时间的数据。12.一种湍流强度的确定装置，其特征在于，包括：风参数据获取模块，用于获取雷达在第一扇区采集的预设高度下的风参数据；预测模块，用于将所述风参数据分别输入n个湍流预测模型中，得到所述n个湍流预测模型对应的n个预测湍流强度；所述湍流预测模型用于表征雷达采集的风参数据与测风塔的湍流强度的对应关系，所述n为大于1的整数；融合模块，用于将所述n个预测湍流强度进...

【专利技术属性】
技术研发人员：曹长健，董琦，刘晓亚，
申请(专利权)人：新疆金风科技股份有限公司，
类型：发明
国别省市：