【技术实现步骤摘要】
本申请涉及风力发电，尤其涉及一种风力发电机组启动控制方法及速度预测模型的训练方法。
技术介绍
1、随着风电装机容量的不断增加，优质风资源越来越少，因此提高风力发电机组在低风速条件下的发电效率显得尤为重要。而解决上述问题行之有效的方法之一是降低风力发电机组的启动风速。但相关技术中能够降低风力发电机组的启动风速的方法，不能兼顾效果与成本。
技术实现思路
1、本申请提供了一种风力发电机组启动控制方法、速度预测模型的训练方法、装置、电子设备及存储介质。可以降低风力发电机组的启动风速，从而提高风力发电机组在低风速条件下的发电效率，并且没有增加机组的制造成本和能源消耗。
2、第一方面，本申请实施例提供一种风力发电机组启动控制方法，包括：获取风力发电机组在预定时间段内多个预定时间点的多个风速值；获取所述风力发电机组在所述多个预定时间点的多个转速值；将所述多个风速值和所述多个转速值输入至速度预测模型，得到风速预测值和转速预测值；所述速度预测模型已经学习得到基于多个风速值和多个转速值预测风速预测值和转速预测值的能力；基于所述风速预测值和所述转速预测值，确定下一时间点的目标桨距角；基于所述目标桨距角，对所述风力发电机组进行启动控制。
3、在该技术方案中，可以基于获取的多个风速值和多个转速值，确定下一时间点的目标桨距角，以基于该目标桨距角对风力发电机组进行启动控制，从而增大风力发电机组在相同风速条件下的启动力矩，使风力发电机能够在低风速条件下达到并网发电所需转速，提高了发电机组低
4、在一种实现方式中，所述速度预测模型包括风速预测器和转速预测器，其中，所述将所述多个风速值和所述多个转速值输入至速度预测模型，得到风速预测值和转速预测值，包括：将所述多个风速值输入至所述风速预测器，获得所述风速预测值；将所述多个转速值输入至所述转速预测器，获得所述转速预测值。
5、在一种可选地实现方式中，所述风速预测器包括第一编码器和第一解码器，所述将所述多个风速值输入至所述风速预测器，获得所述风速预测值，包括：将所述多个风速值排列为风速输入向量；将所述风速输入向量输入所述第一编码器，获得多尺度风速特征向量；将所述多尺度风速特征向量输入所述第一解码器，获得所述风速预测值。
6、可选地，所述第一编码器包括第一卷积层和第二卷积层，其中，所述将所述风速输入向量输入所述第一编码器，获得多尺度风速特征向量，包括：将所述风速输入向量输入所述第一卷积层，获得第一尺度风速特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述风速输入向量输入所述第二卷积层，获得第二尺度风速特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核；将所述第一尺度风速特征向量和所述第二尺度风速特征向量进行级联，获得所述多尺度风速特征向量。
7、在一种可选地实现方式中，所述转速预测器包括第二编码器和第二解码器，其中，所述将所述多个转速值输入至所述转速预测器，获得所述转速预测值，包括：将所述多个转速值排列为转速输入向量；将所述转速输入向量输入所述第二编码器，获得多尺度转速特征向量；将所述多尺度转速特征向量输入所述第二解码器，获得所述转速预测值。
8、可选地，所述转速预测值的获得公式如下：
9、
10、其中，y为所述转速预测值，h(·)为激活函数，m为预设的第一权重矩阵，x为所述多尺度转速特征向量，b为预设的偏置向量，表示矩阵乘。
11、在一种实现方式中，所述基于所述风速预测值和所述转速预测值，确定下一时间点的目标桨距角，包括：将所述风速预测值和所述转速预测值输入至预先训练好的极限学习机，获得所述目标桨距角；其中，所述极限学习机已经预先学习得到基于风速预测值和转速预测值，预测目标桨距角的能力。
12、第二方面，本申请实施例提供一种速度预测模型的训练方法，所述速度预测模型包括风速预测器和转速预测器，所述方法包括：获取风力发电机组在多个第一时间点的多个第一风速值和在第二时间点的第二风速值；其中，所述多个第一时间点为第二时间点之前的时间点；获取所述风力发电机组在所述多个第一时间点的多个第一转速值和在所述第二时间点的第二转速值；将所述多个第一风速值输入初始风速预测器，获得风速预测值和训练多尺度风速特征向量；将所述多个第一转速值输入初始转速预测器，获得转速预测值和训练多尺度转速特征向量；基于所述风速预测值和所述第二风速值，获得第一损失函数；基于所述转速预测值和所述第二转速值，获得第二损失函数；基于所述训练多尺度风速特征向量和所述训练多尺度转速特征向量，获得特征共同模式消解抑制损失函数值；将所述第一损失函数值、所述第二损失函数值和所述特征共同模式消解抑制损失函数值之间的加权和作为损失函数值，对所述风速预测器和所述转速预测器进行训练，得到所述速度预测模型。
13、在一种实现方式中，所述特征共同模式消解抑制损失函数值的获取公式为：
14、
15、
16、loss＝-[plogq+(1-p)log(1-q)]
17、其中，m1为所述风速预测器对于所述训练多尺度风速特征向量的第二权重矩阵，m2为所述转速预测器对于所述训练多尺度转速特征向量的第三权重矩阵，v1为所述训练多尺度风速特征向量，v2为所述训练多尺度转速特征向量，‖·‖f表示矩阵的f范数，且表示向量的二范数的平方，表示按位置减法，loss为所述特征共同模式消解抑制损失函数值。
18、第三方面，本申请实施例提供一种风力发电机组启动控制装置，包括：第一获取模块，用于获取风力发电机组在预定时间段内多个预定时间点的多个风速值；第二获取模块，用于获取所述风力发电机组在所述多个预定时间点的多个转速值；第一处理模块，用于将所述多个风速值和所述多个转速值输入至速度预测模型，得到风速预测值和转速预测值；第二处理模块，用于基于所述风速预测值和所述转速预测值，确定下一时间点的目标桨距角；控制模块，用于基于所述目标桨距角，对所述风力发电机组进行启动控制。
19、在一种实现方式中，所述速度预测模型包括风速预测器和转速预测器，所述第一处理模块具体用于：将所述多个风速值输入至所述风速预测器，获得所述风速预测值；将所述多个转速值输入至所述转速预测器，获得所述转速预测值。
20、在一种可选地实现方式中，所述风速预测器包括第一编码器和第一解码器，所述第一处理模块具体用于：将所述多个风速值排列为风速输入向量；将所述风速输入向量输入所述第一编码器，获得多尺度风速特征向量；将所述多尺度风速特征向量输入所述第一解码器，获得所述风速预测值。
21、可选地，所述第一编码器包括第一卷积层和第二卷积层，所述第一处理模块具体用于：将所述风速输入向量输入所述第一卷积层，获得第一尺度风速特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；将所述风速输入向量输入所述第二卷积层，获得第二尺度风速特征向量本文档来自技高网...
【技术保护点】
1.一种风力发电机组启动控制方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述速度预测模型包括风速预测器和转速预测器，其中，所述将所述多个风速值和所述多个转速值输入至速度预测模型，得到风速预测值和转速预测值，包括：
3.如权利要求2所述的方法，其特征在于，所述风速预测器包括第一编码器和第一解码器，其中，所述将所述多个风速值输入至所述风速预测器，获得所述风速预测值，包括：
4.如权利要求3所述的方法，其特征在于，所述第一编码器包括第一卷积层和第二卷积层，其中，所述将所述风速输入向量输入所述第一编码器，获得多尺度风速特征向量，包括：
5.如权利要求2所述的方法，其特征在于，所述转速预测器包括第二编码器和第二解码器，其中，所述将所述多个转速值输入至所述转速预测器，获得所述转速预测值，包括：
6.如权利要5所述的方法，其特征在于，所述转速预测值的获得公式如下：
7.如权利要求1所述的方法，其特征在于，所述基于所述风速预测值和所述转速预测值，确定下一时间点的目标桨距角，包括：
8.一种速
9.如权利要求8所述的方法，其特征在于，所述特征共同模式消解抑制损失函数值的获取公式为：
10.一种风力发电机组启动控制装置，其特征在于，包括：
11.一种速度预测模型的训练装置，其特征在于，所述速度预测模型包括风速预测器和转速预测器，所述装置包括：
12.一种电子设备，其特征在于，包括：
13.一种计算机可读存储介质，用于存储有指令，其特征在于，当所述指令被执行时，使如权利要求1至7中任一项所述的方法被实现，或者，使如权利要求8或9所述的方法被实现。
...【技术特征摘要】
1.一种风力发电机组启动控制方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述速度预测模型包括风速预测器和转速预测器，其中，所述将所述多个风速值和所述多个转速值输入至速度预测模型，得到风速预测值和转速预测值，包括：
3.如权利要求2所述的方法，其特征在于，所述风速预测器包括第一编码器和第一解码器，其中，所述将所述多个风速值输入至所述风速预测器，获得所述风速预测值，包括：
4.如权利要求3所述的方法，其特征在于，所述第一编码器包括第一卷积层和第二卷积层，其中，所述将所述风速输入向量输入所述第一编码器，获得多尺度风速特征向量，包括：
5.如权利要求2所述的方法，其特征在于，所述转速预测器包括第二编码器和第二解码器，其中，所述将所述多个转速值输入至所述转速预测器，获得所述转速预测值，包括：
6.如权利要5所述的方法，其...
【专利技术属性】
技术研发人员：曾卫东，杨政厚，马羽龙，陈志文，段选锋，伟特，张琪，
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。