【技术实现步骤摘要】
本申请涉及风力发电，尤其涉及一种基于数据智能的风电机组偏航控制方法、装置及存储介质。
技术介绍
1、随着风力发电技术的迅速发展，各种环境下的风电场都被开发出来，而风力发电机组(简称“风电机组”)可能在严寒、风沙等恶劣气候条件下出现故障，尤其是风电机组上的风向传感器，极端气候或者长时间运行老化会造成风向传感器出现故障。
2、一旦风向传感器出现故障，就需要技术人员在较好的气候条件下进行修理或者更换风向传感器，而在风向传感器被修好或者更换之前的这段时间里，风电机组无法偏航对风获取最大风能，甚至停机，严重影响了风电机组的可利用率和发电量。因此，期望一种优化的基于数据智能的风电机组偏航控制方案。
技术实现思路
1、本申请提供了一种基于数据智能的风电机组偏航控制方法、装置及系统，以能够在风向传感器出现故障时对风电机组进行偏航控制。本申请的技术方案如下：
2、第一方面，本申请实施例提供了一种基于数据智能的风电机组偏航控制方法，包括：
3、获取风电机组阵列的历史特征矩阵，所述历史特征矩阵表征所述风电机组阵列的各风电机组在空间位置上的风速和桨距角的动态变化关联特征信息；
4、获取当前时刻的多个第一风电机组的查询特征向量；其中，所述多个第一风电机组为所述风电机组阵列中风向传感器未发生故障的风电机组；所述查询特征向量表征所述当前时刻的多个第一风电机组在空间位置上的风速和桨距角的隐含变化关联特征信息；
5、将所述查询特征向量与所述历史特征矩阵相乘
6、将所述解码特征向量通过解码器进行解码，得到第二风电机组的桨距角控制值；其中，所述第二风电机组为风向传感器发生故障的风电机组；
7、根据所述桨距角控制值，对所述第二风电机组的桨距角进行偏航控制。
8、在一些实现方式中，所述获取风电机组阵列的历史特征矩阵，包括：
9、获取历史数据，所述历史数据包括所述风电机组阵列中各风电机组的多个时间点的风速值和桨距角；
10、提取所述历史数据中风速值的特征，得到风速特征矩阵；所述风速特征矩阵表征所述风电机组阵列中各风电机组的具有空间关联的风速值的动态变化隐含特征信息；
11、提取所述历史数据中的桨距角的特征，得到桨距角特征矩阵；所述桨距角特征矩阵表征所述风电机组阵列中各风电机组的具有空间关联的桨距角的动态变化隐含特征信息；
12、融合所述风速特征矩阵和所述桨距角特征矩阵，得到的历史特征矩阵。
13、在一些实现方式中，所述提取所述历史数据中风速值的特征，得到风速特征矩阵，包括：
14、基于所述风电机组阵列的矩阵样式，将所述风电机组阵列的各风电机组的各时间点的风速值排列为风速输入矩阵，得到所述风电机组阵列的多个时间点对应的多个风速输入矩阵；
15、将所述多个风速输入矩阵排列为风速三维输入张量，并将所述风速三维输入张量输入第一卷积神经网络模型进行特征提取，得到风速特征矩阵。
16、在一些实现方式中，所述提取所述历史数据中的桨距角的特征，得到桨距角特征矩阵，包括：
17、基于所述风电机组阵列的矩阵样式，将所述风电机组阵列的各风电机组的各个时间点的桨距角排列为桨距角输入矩阵，得到所述风电机组阵列的多个时间点对应的多个桨距角输入矩阵；
18、将所述多个桨距角输入矩阵排列为桨距角三维输入张量，并将所述桨距角三维输入张量输入第二卷积神经网络模型进行特征提取，得到桨距角特征矩阵。
19、在一些实现方式中，所述融合所述风速特征矩阵和所述桨距角特征矩阵，得到的历史特征矩阵，包括：
20、融合所述风速特征矩阵和所述桨距角特征矩阵，得到的初步历史特征矩阵；
21、对所述初步历史特征矩阵进行位置递归的空间压榨-激励优化，得到历史特征矩阵。
22、在一些实现方式中，所述获取当前时刻的多个第一风电机组的查询特征向量，包括：
23、获取当前时刻的多个第一风电机组在空间位置上的风速和桨距角；
24、将所述当前时刻的多个第一风电机组在空间位置上的风速和桨距角分别排列为风速输入向量和桨距角输入向量；
25、通过包含一维卷积层的时序编码器分别对所述风速输入向量和所述桨距角输入向量进行编码，得到风速参考特征向量和桨距角参考特征向量；
26、融合所述风速参考特征向量和所述桨距角参考特征向量，得到查询特征向量。
27、在一些实现方式中，所述对所述初步历史特征矩阵进行位置递归的空间压榨-激励优化，得到历史特征矩阵，包括：
28、以如下公式对所述初步历史特征矩阵进行位置递归的空间压榨-激励优化：
29、
30、其中，mi,表示所述历史特征矩阵的每个位置的特征值，且μ和σ分别表示所述历史特征矩阵中所有位置的特征值集合的均值和方差，relu(·)表示relu激活函数，exp(·)表示所述方差负数的指数运算，所述方差负数的指数运算表示计算以方差的负数为幂的自然指数函数值。
31、第二方面，本申请实施例提供了一种基于数据智能的风电机组偏航控制装置，包括：
32、历史参考数据获取模块，用于获取风电机组阵列的历史特征矩阵，所述历史特征矩阵表征所述风电机组阵列的各风电机组在空间位置上的风速和桨距角的动态变化关联特征信息；
33、当前正常数据获取模块，用于获取当前时刻的多个第一风电机组的查询特征向量；其中，所述多个第一风电机组为所述风电机组阵列中风向传感器未发生故障的风电机组；所述查询特征向量表征所述当前时刻的多个第一风电机组在空间位置上的风速和桨距角的隐含变化关联特征信息；
34、查询模块，用于将所述查询特征向量与所述历史特征矩阵相乘，得到解码特征向量；
35、解码模块，用于将所述解码特征向量通过解码器进行解码，得到第二风电机组的桨距角控制值；其中，所述第二风电机组为风向传感器发生故障的风电机组；
36、偏航控制模块，用于根据所述桨距角控制值，对所述第二风电机组的桨距角进行偏航控制。
37、在一些实现方式中，历史参考数据获取模块，包括：
38、历史数据获取单元，用于获取历史数据，所述历史数据包括所述风电机组阵列中各风电机组的多个时间点的风速值和桨距角；
39、风速特征获取单元，用于提取所述历史数据中风速值的特征，得到风速特征矩阵；所述风速特征矩阵表征所述风电机组阵列中各风电机组的具有空间关联的风速值的动态变化隐含特征信息；
40、桨距角特征获取单元，用于提取所述历史数据中的桨距角的特征，得到桨距角特征矩阵；所述桨距角特征矩阵表征所述风电机组阵列中各风电机组的具有空间关联的桨距角的动态变化隐含特征信息；
41、特征融合单元，用于融合所述风速特征矩阵和所述桨距角特征矩阵，得到的历史特征矩阵。
42、在一些实现本文档来自技高网...
【技术保护点】
1.一种基于数据智能的风电机组偏航控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取风电机组阵列的历史特征矩阵，包括：
3.根据权利要求2所述的方法，其特征在于，所述提取所述历史数据中风速值的特征，得到风速特征矩阵，包括：
4.根据权利要求2所述的方法，其特征在于，所述提取所述历史数据中的桨距角的特征，得到桨距角特征矩阵，包括：
5.根据权利要求2所述的方法，其特征在于，所述融合所述风速特征矩阵和所述桨距角特征矩阵，得到的历史特征矩阵，包括：
6.根据权利要求1所述的方法，其特征在于，所述获取当前时刻的多个第一风电机组的查询特征向量，包括：
7.根据权利要求1所述的方法，其特征在于，所述对所述初步历史特征矩阵进行位置递归的空间压榨-激励优化，得到历史特征矩阵，包括：
8.一种基于数据智能的风电机组偏航控制装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指
...【技术特征摘要】
1.一种基于数据智能的风电机组偏航控制方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述获取风电机组阵列的历史特征矩阵，包括：
3.根据权利要求2所述的方法，其特征在于，所述提取所述历史数据中风速值的特征，得到风速特征矩阵，包括：
4.根据权利要求2所述的方法，其特征在于，所述提取所述历史数据中的桨距角的特征，得到桨距角特征矩阵，包括：
5.根据权利要求2所述的方法，其特征在于，所述融合所述风速特征矩阵和所述桨距角特征矩阵，得到的历史特征矩阵，包括：
6...
【专利技术属性】
技术研发人员：叶林，王建国，杨政厚，马羽龙，陈志文，段选锋，伟特，
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。