System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及新能源领域,尤其涉及海上风电场智能调度管理系统及其方法。
技术介绍
1、随着国内海上风电场的爆发式增长,对海上风电场智慧运行维护需求日益增加。与陆上风电场相比,海上风电场所处环境条件更为恶劣,海上风电场在受高温、盐雾、腐蚀等恶劣的环境因素影响,同时还伴有台风、雷暴、浮冰等极端的天气状况,部分海域又有大幅浅滩,潮间带受潮汐影响明显,造成海上风电场设备运行环境差、风机故障率高、海上运维作业时间窗口有限。
2、海上风电场交通不便,通达性差,目前海上运维人员携带机械设备及备品备件出海运维的主要交通方式是船舶运输,运维船舶出海受海况、天气等因素制约。目前的海上风电场调度管理,仅根据有限的天气预报,通过人工判断船舶出海施工计划,使得判断的准确度难以保证,同时运维人员出海时的安全提供不了保障,进而导致事故的发生。
3、因此,如何智能化地进行海上风电场调度管理,成为当前技术人员亟待解决的技术问题。
技术实现思路
1、本申请提供海上风电场智能调度管理系统及其方法,以至少解决判断的准确度难以保证,同时运维人员出海时的安全提供不了保障,进而导致事故的发生的技术问题。
2、本申请第一方面实施例提出一种海上风电场智能调度管理系统,包括:
3、气象数据采集模块,用于获取海上风电场的风电场气象数据及海洋气象数据,其中,所述风电场气象数据包括气温、气压、相对湿度、风向、风速和降雨量,海洋气象数据包括当前时间点在内的各个预定时间点的有效风浪高度、平均波像、平
4、风电场级气象关联特征向量确定模块,用于根据所述风电场气象数据确定初始的风电场级气象关联特征向量;
5、海洋气象关联特征向量确定模块,用于根据所述海洋气象数据确定初始的海洋气象关联特征向量;
6、校正模块,用于对所述初始的风电场级气象关联特征向量及初始的海洋气象关联特征向量进行校正;
7、调度管理结果生成模块,用于根据校正后的风电场级气象关联特征向量及海洋气象关联特征向量生成调度管理结果。
8、优选的,所述风电场级气象关联特征向量确定模块,包括:风电场气象数据语义编码子模块和风电场气象数据关联编码子模块;
9、所述风电场气象数据语义编码子模块,用于将所述风电场气象数据中各个数据项通过基于转换器的上下文编码器以得到多个气象数据项特征向量;
10、所述风电场气象数据关联编码子模块,用于将所述多个气象数据项特征向量排列为二维特征矩阵后,通过作为过滤器的第一卷积神经网络以得到初始的风电场级气象关联特征向量;
11、其中,所述风电场气象数据语义编码子模块,包括:
12、嵌入向量转换单元,用于基于转换器的上下文编码器的嵌入层分别将所述风电场气象数据中各个数据项转化为输入向量以获得输入向量的序列;
13、上下文语义编码单元,用于基于转换器的上下文编码器的转换器对所述输入向量的序列进行基于全局的上下文语义编码以获得所述多个气象数据项特征向量。
14、进一步的,所述通过作为过滤器的第一卷积神经网络以得到初始的风电场级气象关联特征向量,包括:
15、利用作为过滤器的所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行处理,得到初始的风电场级气象关联特征向量;
16、其中,所述利用作为过滤器的所述第一卷积神经网络的各层在层的正向传递中分别对输入数据进行处理,包括:
17、对所述二维特征矩阵进行卷积处理以得到卷积特征图;
18、对所述卷积特征图进行沿通道维度的全局均值池化以得到池化特征矩阵;以及
19、对所述池化特征矩阵进行非线性激活处理以得到激活特征矩阵;
20、所述作为过滤器的第一卷积神经网络的最后一层的输出为所述初始的风电场级气象关联特征向量。
21、优选的,所述海洋气象关联特征向量确定模块包括:海洋气象数据时序特征提取子模块和海洋气象数据全局编码子模块;
22、所述海洋气象数据时序特征提取子模块,用于将各个预定时间点的海洋气象数据中各个数据项分别按照时间维度排列为输入向量后通过多尺度邻域特征提取模块以得到多个多尺度海洋气象数据项特征向量;
23、海洋气象数据全局编码子模块,用于将所述多个多尺度海洋气象数据项特征向量进行二维排列为特征矩阵后通过作为过滤器的第二卷积神经网络以得到初始的海洋气象关联特征向量;
24、其中,所述多尺度邻域特征提取模块,包括:
25、第一尺度邻域卷积编码单元,用于将输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度海洋气象数据项特征向量,其中,所述第一卷积层具有第一长度的第一一维卷积核;
26、第二尺度邻域卷积编码单元,用于将输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度海洋气象数据项特征向量,其中,所述第二卷积层具有第二长度的第二一维卷积核,所述第一长度不同于所述第二长度;以及
27、多尺度级联单元,用于将所述第一邻域尺度海洋气象数据项特征向量和所述第二邻域尺度海洋气象数据项特征向量进行级联以得到所述多尺度海洋气象数据项特征向量。
28、进一步的,所述将所述多个多尺度海洋气象数据项特征向量进行二维排列为特征矩阵后通过作为过滤器的第二卷积神经网络以得到初始的海洋气象关联特征向量,包括:
29、利用作为过滤器的第二卷积神经网络的各层在层的正向传递中分别对输入数据进行处理,得到初始的海洋气象关联特征向量;
30、其中,所述利用作为过滤器的第二卷积神经网络的各层在层的正向传递中分别对输入数据进行处理,包括:
31、对所述输入数据进行卷积处理以得到卷积特征图;
32、对所述卷积特征图进行沿通道维度的全局均值池化以得到池化特征矩阵;以及
33、对所述池化特征矩阵进行非线性激活处理以得到激活特征矩阵;
34、其中,所述作为过滤器的第二卷积神经网络的最后一层的输出为所述初始的海洋气象关联特征向量。
35、优选的,所述校正模块包括:第一校正子模块和第二校正子模块;
36、所述第一校正子模块,用于基于所述初始的风电场级气象关联特征向量中所有位置的特征值集合的均值和方差,对所述初始的风电场级气象关联特征向量中各个位置的特征值进行校正以得到校正后风电场级气象关联特征向量;
37、所述第二校正子模块,用于基于所述初始的海洋气象关联特征向量中所有位置的特征值集合的均值和方差,对所述初始的海洋气象关联特征向量中各个位置的特征值进行校正以得到校正后海洋气象关联特征向量。
38、进一步的,按下式确定校正后风电场级气象关联特征向量v1′:
39、v1′=w1⊙v1
40、式中,v1为初始的风电场级气象关联特征向量,w1为第一校正系数,v1i为初始的风电本文档来自技高网...
【技术保护点】
1.一种海上风电场智能调度管理系统,其特征在于,包括:
2.如权利要求1所述的海上风电场智能调度管理系统,其特征在于,所述风电场级气象关联特征向量确定模块,包括:风电场气象数据语义编码子模块和风电场气象数据关联编码子模块;
3.如权利要求2所述的海上风电场智能调度管理系统,其特征在于,所述通过作为过滤器的第一卷积神经网络以得到初始的风电场级气象关联特征向量,包括:
4.如权利要求1所述的海上风电场智能调度管理系统,其特征在于,所述海洋气象关联特征向量确定模块包括:海洋气象数据时序特征提取子模块和海洋气象数据全局编码子模块;
5.如权利要求4所述的海上风电场智能调度管理系统,其特征在于,所述将所述多个多尺度海洋气象数据项特征向量进行二维排列为特征矩阵后通过作为过滤器的第二卷积神经网络以得到初始的海洋气象关联特征向量,包括:
6.如权利要求1所述的海上风电场智能调度管理系统,其特征在于,所述校正模块包括:第一校正子模块和第二校正子模块;
7.如权利要求6所述的海上风电场智能调度管理系统,其特征在于,按下式确定校正
8.如权利要求1所述的海上风电场智能调度管理系统,其特征在于,所述调度管理结果生成模块,包括:高斯融合子模块、高斯离散子模块、调度结果生成子模块;
9.如权利要求8所述的海上风电场智能调度管理系统,其特征在于,所述将所述分类特征矩阵通过分类器以得到分类结果,包括:
10.一种海上风电场智能调度管理方法,其特征在于,所述方法包括:
...【技术特征摘要】
1.一种海上风电场智能调度管理系统,其特征在于,包括:
2.如权利要求1所述的海上风电场智能调度管理系统,其特征在于,所述风电场级气象关联特征向量确定模块,包括:风电场气象数据语义编码子模块和风电场气象数据关联编码子模块;
3.如权利要求2所述的海上风电场智能调度管理系统,其特征在于,所述通过作为过滤器的第一卷积神经网络以得到初始的风电场级气象关联特征向量,包括:
4.如权利要求1所述的海上风电场智能调度管理系统,其特征在于,所述海洋气象关联特征向量确定模块包括:海洋气象数据时序特征提取子模块和海洋气象数据全局编码子模块;
5.如权利要求4所述的海上风电场智能调度管理系统,其特征在于,所述将所述多个多尺度海洋气象数据项特征向量进行二维排列为特...
【专利技术属性】
技术研发人员:刘鹏程,李晖,张运泽,韩健,周峰,崔杰,岳红轩,张琪,田长凤,
申请(专利权)人:北京华能新锐控制技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。