基于激光测风雷达的风电机组偏航自适应校准方法及系统技术方案

本发明专利技术公开了一种基于激光测风雷达的风电机组偏航自适应校准方法及系统，从收集的风机运行历史数据中提取风向振幅波动特征、风速振幅波动特征、偏航误差角特征，训练卷积神经网络模型，用于判断风机当前是否应该启动对风装置，能够自适应风机所处的环境及其性能，以实现利用风能的最大化，进一步提高风电机组的经济效益。相较于安装在机舱尾部容易收到转动叶片干扰的风速风向仪，本发明专利技术采用激光测风雷达能够捕获更准确的风速、风向信息，为对风装置提供准确的数据支撑，并且本发明专利技术周期性根据风速情况动态调整探测距离，能够进一步提高风信息的捕获准确度。信息的捕获准确度。信息的捕获准确度。

【技术实现步骤摘要】
基于激光测风雷达的风电机组偏航自适应校准方法及系统


[0001]本专利技术涉及风力发电
，具体而言，涉及一种基于激光测风雷达的风电机组偏航自适应校准方法及系统。

技术介绍

[0002]风能是一种具有蕴藏量大、可再生、分布广、绿色无污染等诸多优点的能源，在世界范围内得到了广泛重视。风向变化规律与风速大小作为风场风能资源测量与分析的两个重要方面，同时也应是偏航系统对风行为控制过程中的关键变量，因而偏航控制策略是否有效依赖于风电机组对风信息的高效、精准追踪，偏航系统是实现风电机组快速精准有效对风，避免风能损失的执行机构，是水平轴风力发电机不可或缺的关键部件。现有技术根据偏航延时时间、偏航允许误差、偏航误差角度等因素进行偏航校准，然而，忽略了机组间的风况、性能差异，不同的风机甚至不同风电场的风电机组均采用同样的偏航控制策略，自适应程度较低，不能发挥出风电机组最大的潜能。
[0003]因此，采用智能化方法从风机运行的历史数据中挖掘出偏航校准启动的规律，进而优化偏航控制策略，对于提高风能利用率，降低偏航系统总动作次数，增加总发电量，具有显著的经济效益。

技术实现思路

[0004]为解决上述问题，本专利技术的目的在于提供一种基于激光测风雷达的风电机组偏航自适应校准方法及系统。
[0005]为实现以上目的，提供以下技术方案：
[0006]本专利技术的一个方面在于提供了一种基于激光测风雷达的风电机组偏航自适应校准方法，所述方法包括：
[0007]步骤1：周期性采集激光测风雷达测量的风向数据和风速数据，记录为
[0008]D＝{(WDk1,WV1)，(WD2,WV2)，...(WD
k
,WV
k
)，...}，
[0009]其中(WD
K
,WV
K
)为第k次采集获取得到的风向数据WD
K
和风速数据WV
K
；
[0010]步骤2：计算得到风向振幅波动特征向量FW＝(ω1,ω2,...ω
k
,...ω
n
)，风速振幅波动特征向量FV＝(
ɑ1,
ɑ2,...
ɑ
k
,...,
ɑ
n
)，偏航误差角特征向量FA＝(θ1,θ2,...,θ
k
,...θ
n
)，风向振幅波动ω
k
＝WD
k
‑
WD
k
‑1，风速振幅波动
ɑ
k
＝WV
k
‑
WV
k
‑1，偏航误差角θ
k
为风向数据WD
k
与风轮轴线的夹角,n为特征向量的维数；
[0011]步骤3：构建输入矩阵M，
[0012][0013]步骤4：将输入矩阵M输入训练好的卷积神经网络，如果输出为1，执行步骤4；如果输出为0，方法结束；
[0014]步骤5：沿缩小偏航误差角的方向启动对风操作，持续采集发电机输出的电流和电
压并计算输出功率，如果输出功率不再持续增加并且偏航误差角小于偏航允许误差阈值，方法结束。
[0015]卷积神经网络的结构包括一层输入层inputLayer，一层卷积层convLayer，一层池化层poolLayer，一层全连接层和一层输出层outputLayer。
[0016]卷积神经网络的输入矩阵大小为3
×
n，卷积层convLayer包含6个特征图，卷积核大小为3
×
3，池化层poolLayer包含6个特征图，池化窗口大小为(n
‑
2)
×
1,全连接层包含6个神经元，输出层包含一个神经元。
[0017]卷积神经网络的训练过程包括：
[0018]步骤S1,收集样本，从风电机组的历史运行数据中抽取若干样本，通过人工标记的方式或通过仿真实验的方式为样本打标签，标签1表示启动对风操作，标签0表示不用启动对风操作，标签1和标签0的样本数量均衡，按照9:1的比例将样本分为训练集和测试集；
[0019]步骤S2，使用训练卷积神经网络，通过误差反向传播不断调整卷积神经网络的权值和偏置，如果达到迭代次数或在测试集的准确率满足设定阈值，训练过程结束；
[0020]步骤S3，输出训练好的卷积神经网络。
[0021]作为本专利技术的进一步改进方案，周期性自适应调整激光测风雷达的探测距离L，当前风速为V米/秒，时间为t，t取10秒，
[0022][0023]本专利技术的另一方面在于提供了一种基于激光测风雷达的风电机组偏航自适应校准系统，所述系统包括：
[0024]数据采集模块，周期性采集激光测风雷达测量的风向数据和风速数据，记录为
[0025]D＝{(WD1,WV1)，(WD2,WV2)，...(WD
k
,WV
k
)，...}，
[0026]其中(WD
K
,WV
K
)为第k次采集获取得到的风向数据WD
K
和风速数据WV
K
；
[0027]特征向量计算模块：计算得到风向振幅波动特征向量FW＝(ω1,ω2,...ω
k
,...ω
n
)，风速振幅波动特征向量FV＝(
ɑ1,
ɑ2,...
ɑ
k
,...,
ɑ
n
)，偏航误差角特征向量FA＝(θ1,θ2,...,θ
k
,...θ
n
)，风向振幅波动ω
k
＝WD
k
‑
WD
k
‑1，风速振幅波动
ɑ
k
＝WV
k
‑
WV
k
‑1，偏航误差角θ
k
为风向数据WD
k
与风轮轴线的夹角,n为特征向量的维数；
[0028]输入构建模块，构建输入矩阵M，
[0029][0030]对风启动判断模块，将输入矩阵M输入训练好的卷积神经网络，如果输出为1，启动对风模块；如果输出为0，不启动对风模块；
[0031]对风模块，沿缩小偏航误差角的方向启动对风操作，持续采集发电机输出的电流和电压并计算输出功率，如果输出功率不再持续增加并且偏航误差角小于偏航允许误差阈值，方法结束。
[0032]作为本专利技术的进一步改进方案，还包括用于训练卷积神经网络的样本收集模块、卷积神经网络训练模块和输出模块：
[0033]样本收集模块，从风电机组的历史运行数据中抽取若干样本，通过人工标记的方式或通过仿真实验的方式为样本打标签，标签1表示启动对风操作，标签0表示不用启动对风操作，标签1和标签0的样本数量均衡，按照9:1的比例将样本分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于激光测风雷达的风电机组偏航自适应校准方法，所述方法包括：步骤1：周期性采集激光测风雷达测量的风向数据和风速数据，记录为D＝{(WD1,WV1)，(WD2,WV2)，...(WD
k
,WV
k
)，...}，其中(WD
K
,WV
K
)为第k次采集获取得到的风向数据WD
K
和风速数据WV
K
；步骤2：计算得到风向振幅波动特征向量FW＝(ω1,ω2,...ω
k
,...,ω
n
)，风速振幅波动特征向量FV＝(
ɑ1,
ɑ2,...
ɑ
k
,...,
ɑ
n
)，偏航误差角特征向量FA＝(θ1,θ2,...,θ
k
,...,θ
n
)，风向振幅波动ω
k
＝WD
k
‑
WD
k
‑1，风速振幅波动
ɑ
k
＝WV
k
‑
WV
k
‑1，偏航误差角θ
k
为风向数据WD
k
与风轮轴线的夹角,n为特征向量的维数；步骤3：构建输入矩阵M，步骤4：将输入矩阵M输入训练好的卷积神经网络，如果输出为1，执行步骤4；如果输出为0，方法结束；步骤5：沿缩小偏航误差角的方向启动对风操作，持续采集发电机输出的电流和电压并计算输出功率，如果输出功率不再持续增加并且偏航误差角小于偏航允许误差阈值，方法结束。2.根据权利要求1所述的基于激光测风雷达的风电机组偏航自适应校准方法，其特征在于，卷积神经网络的结构包括一层输入层inputLayer，一层卷积层convLayer，一层池化层poolLayer，一层全连接层和一层输出层outputLayer。3.根据权利要求2所述的基于激光测风雷达的风电机组偏航自适应校准方法，其特征在于，卷积神经网络的输入矩阵大小为3
×
n，卷积层convLayer包含6个特征图，卷积核大小为3
×
3，池化层poolLayer包含6个特征图，池化窗口大小为(n
‑
2)
×
1,全连接层包含6个神经元，输出层包含一个神经元。4.根据权利要求1
‑
3任一项所述的基于激光测风雷达的风电机组偏航自适应校准方法，其特征在于，卷积神经网络的训练过程包括：步骤S1,收集样本，从风电机组的历史运行数据中抽取若干样本，通过人工标记的方式或通过仿真实验的方式为样本打标签，标签1表示启动对风操作，标签0表示不用启动对风操作，标签1和标签0的样本数量均衡，按照9:1的比例将样本分为训练集和测试集；步骤S2，使用训练卷积神经网络，通过误差反向传播不断调整卷积神经网络的权值和偏置，如果达到迭代次数或在测试集的准确率满足设定阈值，训练过程结束；步骤S3，输出训练好的卷积神经网络。5.根据权利要求1所述的基于激光测风雷达的风电机组偏航自适应校准方法，其特征在于，周期性自适应调整激光测风雷达的探测距离L，当前风速为V米/秒，时间为t，t取10秒，
6.基于激光测风雷达的风电机组偏航自适应校准系统，所述系统包括：数据采集模块，周期性采集激光测风...

【专利技术属性】
技术研发人员：仝新强，查永斌，黎友，陈龙，胡彦旭，张小龙，史红良，陈多平，王文杰，李立群，
申请(专利权)人：中电投新疆能源化工集团木垒新能源有限公司，
类型：发明
国别省市：