一种风力机尾流场计算方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术涉及风力发电技术领域，公开了一种风力机尾流场计算方法、装置、电子设备及存储介质，该方法包括获取风电场模型、入流参数及风电场机组运行参数，生成第一算例文件和第二算例文件；将第一算例文件分别输入工程尾流模型和二维流体动力学尾流模型，生成第一数据集，对第一机器学习模型进行训练，生成第一目标机器学习模型；将第二算例文件分别输入二维流体动力学尾流模型和三维流体动力学尾流模型，生成第二数据集，对第二机器学习模型进行训练，生成第二目标机器学习模型；通过工程尾流模型、第一目标机器学习模型和第二目标机器学习模型计算风电场中风力机尾流场，对风力机进行偏航控制；本发明专利技术能够快速准确的计算风力机尾流场。机尾流场。机尾流场。

【技术实现步骤摘要】
一种风力机尾流场计算方法、装置、电子设备及存储介质


[0001]本专利技术涉及风力发电
，具体涉及一种风力机尾流场计算方法、装置、电子设备及存储介质。

技术介绍

[0002]风能是一种清洁可再生能源，大力发展风力发电能够有效助力于经济的可持续发展。目前风电场开发已经覆盖近海、内陆平原及山地等各种地形环境，并逐渐向深远海发展。风电场内普遍安装有数十台甚至上百台风电机组，前排机组由于吸收来流能量，会在机组下游产生尾流区域，尾流区域内平均风速降低，湍流度增大，导致下游尾流区域内的机组发电量减少。通过在风电场内采用场级尾流控制技术，对各个机组进行变桨、偏航等协同控制，可以调整尾流的强度和范围，从而减少尾流效应对整场发电量的影响。由于来流风况变化频繁，因此快速准确的计算风力机尾流场是尾流控制技术的重要环节。

技术实现思路

[0003]有鉴于此，本专利技术提供了一种风力机尾流场计算方法、装置、电子设备及存储介质，以解决如何快速准确的计算风力机尾流场的技术问题。
[0004]第一方面，本专利技术提供了一种风力机尾流场计算方法，包括：获取风电场模型、入流参数及风电场机组运行参数，基于风电场模型、入流参数及风电场机组运行参数生成第一算例文件和第二算例文件；将第一算例文件分别输入工程尾流模型和二维流体动力学尾流模型，生成第一数据集，并基于第一数据集对第一机器学习模型进行训练，生成第一目标机器学习模型；将第二算例文件分别输入二维流体动力学尾流模型和三维流体动力学尾流模型，生成第二数据集，并基于第二数据集对第二机器学习模型进行训练，生成第二目标机器学习模型；获取风电场实时来流风况，基于风电场实时来流风况，通过工程尾流模型、第一目标机器学习模型和第二目标机器学习模型计算风电场中风力机尾流场，生成风力机尾流场计算结果，风力机尾流场计算结果用于对风力机进行偏航控制。
[0005]本实施例提供的风力机尾流场计算方法，结合工程尾流模型、二维流体动力学尾流模型、三维流体动力学尾流模型的特点和优势，搭建第一目标机器学习模型和第二目标机器学习模型两套机器学习模块，两套机器学习模块相互关联，形成物理模型和机器学习融合，实现风力机尾流场快速计算；可以在提升尾流计算精度的基础上快速计算风力机尾流场，并利用风力机尾流场进行尾流控制，有效提升风电场发电量，减小尾流效应对风电场发电量的影响，提升风电场的发电水平。
[0006]在一种可选的实施方式中，还包括：获取风电场布局信息、风电场地形信息和风电场中风力机数据，并基于风电场布局信息、风电场地形信息、风力机数据构建风电场模型；获取风力机入流风速取值区间和风力机运行参数取值区间，并在风力机入流风速取值区间和风力机运行参数取值区间进行随机采样，生成入流参数及风电场机组运行参数。
[0007]本实施例提供的风力机尾流场计算方法，通过构建风电场模型和生成入流参数和
风电场机组运行参数，为对机器学习模型进行训练提供数据支持，提高机器学习模型训练精度。
[0008]在一种可选的实施方式中，将第一算例文件分别输入工程尾流模型和二维流体动力学尾流模型，生成第一数据集，并基于第一数据集对第一机器学习模型进行训练，生成第一目标机器学习模型，包括：将第一算例文件输入工程尾流模型，生成工程尾流云图；将第一算例文件输入二维流体动力学尾流模型，生成第一二维流体动力学尾流云图；对工程尾流云图和第一二维流体动力学尾流云图进行标准化处理，生成第一数据集；利用第一数据集对第一待训练机器学习模型进行训练，直到满足第一预设条件，生成第一目标机器学习模型；第一目标机器学习模型包括第一生成器和第一判别器。
[0009]本实施例提供的风力机尾流场计算方法，通过生成工程尾流云图和第一二维流体动力学尾流云图，并对工程尾流云图和第一二维流体动力学尾流云图进行标准化处理，一方面，对云图进行标准化处理，统一量纲，避免了由于量纲的不统一对机器学习模型训练精度的影响，提高对机器学习模型训练的精度；另一方面，云图利于机器学习模型进行特征提取，便于发挥机器学习模型的自学习能力，进而提高对云图特征提取的精度和深度。
[0010]在一种可选的实施方式中，利用第一数据集对第一待训练机器学习模型进行训练，直到满足第一预设条件，生成第一目标机器学习模型，包括：将第一数据集中标准化处理后的工程尾流云图输入第一生成器，生成第一云图；通过第一判别器将第一云图与第一数据集中标准化处理后的第一二维流体动力学尾流云图进行比较，若比较结果满足第一预设条件，生成第一目标机器学习模型。
[0011]本实施例提供的风力机尾流场计算方法，通过设置第一预设条件作为第一目标机器学习模型训练的终止条件，兼顾机器学习模型训练的效率和实际应用需求。
[0012]在一种可选的实施方式中，将第二算例文件分别输入二维流体动力学尾流模型和三维流体动力学尾流模型，生成第二数据集，并基于第二数据集对第二机器学习模型进行训练，生成第二目标机器学习模型，包括：将第二算例文件输入二维流体动力学尾流模型，生成第二二维流体动力学尾流云图；将第二算例文件输入三维流体动力学尾流模型，生成三维流体动力学尾流云图；对第二二维流体动力学尾流云图和三维流体动力学尾流云图进行标准化处理，生成第二数据集；利用第二数据集对第二待训练机器学习模型进行训练，直到满足第二预设条件，生成第二目标机器学习模型，第二目标机器学习模型包括第二生成器和第二判别器。
[0013]本实施例提供的风力机尾流场计算方法，通过生成第二二维流体动力学尾流云图和三维流体动力学尾流云图，并对第二二维流体动力学尾流云图和三维流体动力学尾流云图进行标准化处理，一方面，对云图进行标准化处理，统一量纲，避免了由于量纲的不统一对机器学习模型训练精度的影响，提高对机器学习模型训练的精度；另一方面，云图利于机器学习模型进行特征提取，便于发挥机器学习模型的自学习能力，进而提高对云图特征提取的精度和深度。
[0014]在一种可选的实施方式中，利用第二数据集对第二待训练机器学习模型进行训练，直到满足第二预设条件，生成第二目标机器学习模型，包括：将第二数据集中标准化处理后的第二二维流体动力学尾流云图输入第二生成器，生成第二云图；通过第二判别器将第二云图与第二数据集中标准化处理后的三维流体动力学尾流云图进行比较，若比较结果
满足第二预设条件，生成第二目标机器学习模型。
[0015]本实施例提供的风力机尾流场计算方法，通过设置第二预设条件作为第二目标机器学习模型训练的终止条件，兼顾机器学习模型训练的效率和实际应用需求。
[0016]在一种可选的实施方式中，基于风电场实时来流风况，通过工程尾流模型、第一目标机器学习模型和第二目标机器学习模型计算风电场中风力机尾流场，生成风力机尾流场计算结果，包括：将风电场实时来流风况输入工程尾流模型对风力机尾流场进行计算，生成第一尾流计算结果图片；将第一尾流计算结果图片输入第一目标机器学习模型，生成第二尾流计算结果图片；将第二尾流计算结果图片输入第二目标机器学习模型，生成第三尾流计算结果图片本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风力机尾流场计算方法，其特征在于，所述方法包括：获取风电场模型、入流参数及风电场机组运行参数，基于所述风电场模型、入流参数及风电场机组运行参数生成第一算例文件和第二算例文件；将所述第一算例文件分别输入工程尾流模型和二维流体动力学尾流模型，生成第一数据集，并基于所述第一数据集对第一机器学习模型进行训练，生成第一目标机器学习模型；将所述第二算例文件分别输入所述二维流体动力学尾流模型和三维流体动力学尾流模型，生成第二数据集，并基于所述第二数据集对第二机器学习模型进行训练，生成第二目标机器学习模型；获取风电场实时来流风况，基于所述风电场实时来流风况，通过所述工程尾流模型、所述第一目标机器学习模型和所述第二目标机器学习模型计算风电场中风力机尾流场，生成风力机尾流场计算结果，所述风力机尾流场计算结果用于对风力机进行偏航控制。2.根据权利要求1所述的方法，其特征在于，在获取风电场模型、入流参数及风电场机组运行参数，基于所述风电场模型、入流参数及风电场机组运行参数生成第一算例文件和第二算例文件之前，还包括：获取风电场布局信息、风电场地形信息和风电场中风力机数据，并基于所述风电场布局信息、所述风电场地形信息、所述风力机数据构建所述风电场模型；获取风力机入流风速取值区间和风力机运行参数取值区间，并在所述风力机入流风速取值区间和所述风力机运行参数取值区间进行随机采样，生成所述入流参数及所述风电场机组运行参数。3.根据权利要求2所述的方法，其特征在于，所述将所述第一算例文件分别输入工程尾流模型和二维流体动力学尾流模型，生成第一数据集，并基于所述第一数据集对第一机器学习模型进行训练，生成第一目标机器学习模型，包括：将所述第一算例文件输入工程尾流模型，生成工程尾流云图；将所述第一算例文件输入二维流体动力学尾流模型，生成第一二维流体动力学尾流云图；对所述工程尾流云图和所述第一二维流体动力学尾流云图进行标准化处理，生成第一数据集；利用所述第一数据集对第一待训练机器学习模型进行训练，直到满足第一预设条件，生成第一目标机器学习模型；所述第一目标机器学习模型包括第一生成器和第一判别器。4.根据权利要求3所述的方法，其特征在于，所述利用所述第一数据集对第一待训练机器学习模型进行训练，直到满足第一预设条件，生成第一目标机器学习模型，包括：将所述第一数据集中标准化处理后的工程尾流云图输入所述第一生成器，生成第一云图；通过所述第一判别器将所述第一云图与所述第一数据集中标准化处理后的第一二维流体动力学尾流云图进行比较，若比较结果满足所述第一预设条件，生成所述第一目标机器学习模型。5.根据权利要求3所述的方法，其特征在于，所述将所述第二算例文件分别输入所述二维流体动力学尾流模型和三维流体动力学尾流模型，生成第二数据集，并基于所述第二数据集对第二机器学习模型进行训练，生成第二目标机器学习模型，包括：
将所述第二算例文件输入所述二维流体动力学尾流模型，生成第二二维流体动力学尾流云图；将所述第二算例文件输入所述三维流体动力学尾流模型，生成三维流体动力学尾流云图；对所述第二二维流体动力学尾流云图和所述三维流体动力学尾流云图进行标准化处理，生成第二数据集；利用所述第二数据集对第二待训练机器学习模型进行训练，直到满足第二预设条件，生成第二目标机器学习模型，所述第二目标机器学习模型包括第二生成器和第二判别器。6.根据权利要求5所述的方法，其特征在于，所述利用所述第二数据集对第二待训练机器学习模型进行训练，直到满足第二预设条件，生成第二目标机器学习模型，包括：将所述第二数据集中标准化处理后的第二二维流体动力学尾流云图输入所述第二生成器，生成第二云图；通过所述第二判别器将所述第二云图与所述第二数据集中标准化处理后的三维流体动力学尾流云图进行比较，若比较结果满足所述第二预设条件，生成第二目标机器学习模型。7.根据权利要求3所述的方法，其特征在于，所述基于所述风电场实时来流风况，通过所述工程尾流模型、所述第一目标机器学习模型和所述第二目标机器学习模型计算风电场中风力机尾流场，生成风力机尾流场计算结果，包括：将所述风电场实时来流风况输入所述工程尾流模型对风力机尾流场进行计算，生成第一尾流计算结果图片；将所述第一尾流计算结果图片输入所述第一目标机器学习模型，生成第二尾流计算结果图片；将所述第二尾流计算结果图片输入所述第二目标机器学习模型，生成第三尾流计算结果图片；基于所述第三尾流计算结果图片，对风电场中风力机尾流场进行计算，生成风力机尾流场计算结果。8.一种风力机尾流场计算装置，其特征在于，所述装置包括：第...

【专利技术属性】
技术研发人员：张子良，文仁强，张皓，杜梦蛟，王浩，易侃，贾天下，陈圣哲，
申请(专利权)人：中国长江三峡集团有限公司，
类型：发明
国别省市：