CN111027217B

CN111027217B - 一种风电机组载荷计算方法、装置、设备及存储介质

Info

Publication number: CN111027217B
Application number: CN201911269497.6A
Authority: CN
Inventors: 陈鹏; 杨微; 邹亮; 曹鹏; 付瑜; 伍伟; 李杨; 郑杰; 宋学武
Original assignee: CSIC Haizhuang Windpower Co Ltd
Current assignee: CSIC Haizhuang Windpower Co Ltd
Priority date: 2019-12-11
Filing date: 2019-12-11
Publication date: 2023-03-24
Anticipated expiration: 2039-12-11
Also published as: CN111027217A

Abstract

本申请公开了一种风电机组载荷计算方法、装置、设备及计算机可读存储介质，方法包括：输入风电场机位点的风资源数据；根据风资源数据从预先根据风资源数据极限范围得到的载荷数据库中选取多组载荷数据；利用多组载荷数据进行线性插值，得到与风资源数据对应的目标载荷数据。本申请公开的上述技术方案，根据风电场机位点的风资源数据从预先得到的载荷数据库中选取多组载荷数据，并利用选取出的多组载荷数据进行线性插值，以得到与风资源数据对应的目标载荷数据，这样就无需每次都利用仿真软件进行较长时间的仿真模拟来计算得到载荷数据，因此，可以缩短风电场中风电机组载荷的计算时间，提高载荷的计算效率，从而极大地提高风电场安全性评估效率。

Description

一种风电机组载荷计算方法、装置、设备及存储介质

技术领域

本申请涉及风电仿真技术领域，更具体地说，涉及一种风电机组载荷计算方法、装置、设备及计算机可读存储介质。

背景技术

在风电场开发之前，需要对将要建设的风电场进行安全性评估，以确定风电场机组的安全性，并为风电场的开发和建设提供一定的依据。

目前，现有的安全性评估过程为：对于每个风电场，按照现场机位点轮毂高度处的风资源条件利用Bladed等仿真软件进行仿真计算得到一整套载荷，然后，将计算出的载荷与设计值进行对比来确定机组的安全性，其中，Bladed等仿真软件计算一整套载荷需要花费1天的时间。随着风电场开发数量的增大，在对每个风电场进行安全性评估时，由于均需要利用Bladed等仿真软件进行载荷计算以参与到安全性评估中，而计算载荷所花费的时间比较长，因此，则会导致风电场安全性评估的效率比较低，例如：对于几百个风电场的开发，需要数百天的时间进行载荷计算。

综上所述，如何提高风电场中风电机组载荷的计算效率，以提高风电场安全性评估的效率，是目前本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本申请的目的是提供一种风电机组载荷计算方法、装置、设备及计算机可读存储介质，用于提高风电场中风电机组载荷的计算效率，以提高风电场安全性评估的效率。

为了实现上述目的，本申请提供如下技术方案：

一种风电机组载荷计算方法，包括：

输入风电场机位点的风资源数据；

根据所述风资源数据从预先根据风资源数据极限范围得到的载荷数据库中选取多组载荷数据；

利用多组所述载荷数据进行线性插值，得到与所述风资源数据对应的目标载荷数据。

优选的，根据所述风资源数据从载荷数据库中选取多组载荷数据，包括：

根据所述风资源数据从所述载荷数据库中选取n^m组所述载荷数据；

其中，m为所述风资源数据中包含的变量的个数，n等于x+y，其中，x为所述载荷数据库中载荷数据已知且所述载荷数据对应的变量取值与所述风资源数据中所述变量的当前取值相近且比所述当前取值小的变量取值的最大个数，y为所述载荷数据库中载荷数据已知且所述载荷数据对应的变量取值与所述风资源数据中所述变量的当前取值相近且比所述当前取值大的变量取值的最大个数，x与y均为大于0的整数。

优选的，利用多组所述载荷数据进行线性插值，得到与所述风资源数据对应的目标载荷数据，包括：

对m个变量的线性插值顺序进行全排列，得到

个线性插值顺序队列；

对于每个所述线性插值顺序队列，利用n^m组所述载荷数据中后m-1个变量相同的n组载荷数据进行线性插值，以得到第一个变量的取值为当前取值的n^m-1组载荷数据；利用插值得到的n^m-(k-1)组载荷数据中后m-k个变量相同的n组载荷数据进行线性插值，以得到前k个变量的取值均为对应的当前取值的n^m-k组载荷数据，其中，k∈[2，m-1]；利用插值得到的前m-1个变量的取值均为对应的当前取值的n组载荷数据进行线性插值，以得到与所述线性插值顺序队列对应的插值载荷数据；

获取

个所述插值载荷数据的平均值，并将所述平均值作为所述目标载荷数据。

优选的，在获取

个所述插值载荷数据的平均值之前，还包括：

从

个所述插值载荷数据中删除离散度大于预设值的插值载荷数据。

优选的，预先根据风资源数据极限范围得到载荷数据库，包括：

将所述风资源数据极限范围划分成多个取值区间；

利用仿真软件分别计算每个所述取值区间的两端点处的风资源数据对应的载荷数据；

利用所述载荷数据及与所述载荷数据对应的风资源数据得到所述载荷数据库。

优选的，在得到与所述风资源数据对应的目标载荷数据之后，还包括：

按照预设规范对所述目标载荷数据进行后处理，得到预设规范下的目标载荷数据。

一种风电机组载荷计算装置，包括：

输入模块，用于输入风电场机位点的风资源数据；

选取模块，用于根据所述风资源数据从预先根据风资源数据极限范围得到的载荷数据库中选取多组载荷数据；

线性插值模块，用于利用多组所述载荷数据进行线性插值，得到与所述风资源数据对应的目标载荷数据。

优选的，所述选取模块包括：

选取单元，用于根据所述风资源数据从所述载荷数据库中选取n^m组所述载荷数据；

一种风电机组载荷计算设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上述任一项所述的风电机组载荷计算方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的风电机组载荷计算方法的步骤。

本申请提供了一种风电机组载荷计算方法、装置、设备及计算机可读存储介质，其中，该方法包括：输入风电场机位点的风资源数据；根据风资源数据从预先根据风资源数据极限范围得到的载荷数据库中选取多组载荷数据；利用多组载荷数据进行线性插值，得到与风资源数据对应的目标载荷数据。

本申请公开的上述技术方案，根据风电场机位点的风资源数据从预先得到的载荷数据库中选取多组载荷数据，并利用选取出的多组载荷数据进行线性插值，以得到与风资源数据对应的目标载荷数据，无需每次都利用Bladed等仿真软件进行较长时间的仿真模拟并通过仿真模拟结果来计算得到载荷数据，因此，可以缩短风电场中风电机组载荷的计算时间，提高载荷的计算效率，从而可以极大地提高风电场安全性评估效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种风电机组载荷计算方法的流程图；

图2为本申请实施例提供的对2⁵组载荷数据进行线性插值的流程图；

图3为本申请实施例提供的一种风电机组载荷计算装置的结构示意图；

图4为本申请实施例提供的一种风电机组载荷计算设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

参见图1，其示出了本申请实施例提供的一种风电机组载荷计算方法的流程图，可以包括：

S11：输入风电场机位点的风资源数据。

预先从风资源评估部门中获取风电场机位点的风资源数据，并输入到风电机组载荷计算装置中，以计算该风资源数据对应的载荷数据。

其中，风资源数据指的是该机位点轮毂高度处的湍流强度、极限风速、空气密度、入流角、风切变等，即风资源数据可以包含上述所提及的这几个变量。

S12：根据风资源数据从预先根据风资源数据极限范围得到的载荷数据库中选取多组载荷数据。

在输入风电场机位点的风资源数据之后，根据获取到的风资源数据从载荷数据库中选取出多组载荷数据，以便于根据选择出的多组载荷数据计算该机位点的风资源数据对应的目标载荷数据。

其中，载荷数据库是根据风资源数据极限范围计算得到的，风资源数据极限范围由风资源数据内各变量取值的最小值和最大值构成。

S13：利用多组载荷数据进行线性插值，得到与风资源数据对应的目标载荷数据。

在从载荷数据库中选取出多组载荷数据之后，利用多组载荷数据进行线性插值，以得到与风资源数据对应的目标载荷数据，即得到处于该机位点的风电机组的载荷数据，从而使得所计算出的载荷数据可以与设计值进行对比，以便于参与到风电场的安全性评估中。

相比于现有对于每个风电场的开发均需要在前期利用Bladed等仿真软件对风电机组进行仿真模拟计算风电机组载荷数据而言，本申请可以直接根据获取到的风资源数据从预先得到的载荷数据库中选取多组载荷数据，并利用选取出的多组载荷数据直接计算得到风电场机位点对应的目标载荷数据，即不需要对每个风电场均利用Bladed等仿真软件进行仿真模拟和计算，因此，可以降低风电机组载荷计算的繁琐程度，缩短风电机组载荷的计算时间，提高风电机组载荷的计算效率，从而便于提高风电场安全性评估的效率。

本申请实施例提供的一种风电机组载荷计算方法，根据风资源数据从载荷数据库中选取多组载荷数据，可以包括：

根据风资源数据从载荷数据库中选取n^m组载荷数据；

其中，m为风资源数据中包含的变量的个数，n等于x+y，其中，x为载荷数据库中载荷数据已知且载荷数据对应的变量取值与风资源数据中变量的当前取值相近且比当前取值小的变量取值的最大个数，y为载荷数据库中载荷数据已知且载荷数据对应的变量取值与风资源数据中变量的当前取值相近且比当前取值大的变量取值的最大个数，x与y均为大于0的整数。

在从载荷数据库中选取多组载荷数据时，可以具体从中选取出n^m组载荷数据，以使n^m组载荷数据参与到目标载荷数据的计算中，从而提高风电机组载荷计算的准确性和可靠性。

其中，m为风资源数据中包含的变量个数，n等于x+y，x与y均为大于0的整数(即n大于等于2)，x为载荷数据库中载荷数据已知且载荷数据对应的变量取值与风资源数据中变量的当前取值相近且比当前取值小的变量取值的最大个数，y为载荷数据库中载荷数据已知且载荷数据对应的变量取值与风资源数据中变量的当前取值相近且比当前取值大的变量取值的最大个数，即n为风资源数据中的每个变量的当前取值前(比该变量的当前取值小的取值)、后(比该变量的当前取值大的取值)已计算出且与之相近的变量取值个数，以便于提高目标载荷数据计算的准确性。需要说明的是，上述提及的变量取值的最大个数可以根据目标载荷数据的计算准确度要求及计算量进行设定。

本申请以风资源数据包含空气密度ρ、入流角γ、风切变α、湍流强度I、极限风速Vref这5个变量(即m＝5)，同时空气密度ρ的当前取值为ρ_a、入流角γ的当前取值为γ_b、风切变α的当前取值为α_c、湍流强度I的当前取值为I_d、极限风速Vref的当前取值为Vref_e(即输入的风资源数据中各变量对应的当前取值对应为ρ_a、γ_b、α_c、I_d、Vref_e)，且各变量当前取值对应的前后变量取值ρ_m和ρ_m+1、γ_p和γ_p+1、α_q和α_q+1、I_g和I_g+1、Vref_r和Vref_r+1对应的载荷数据均已计算出，即对应的载荷数据均存在于载荷数据库中(即n＝2)为例进行说明，相应地，所获取到的2⁵组载荷数据具体即为：

L_{oad_DLCx.x}(ρ_m或ρ_m+1，γ_p或γ_p+1，α_q或α_q+1，I_g或I_g+1，Vref_r或Vref_r+1)

其中，ρ₁≤ρ_m≤ρ_a≤ρ_m+1≤ρ_n，γ₁≤γ_p≤γ_b≤γ_p+1≤γ_i，α₁≤α_q≤α_c≤α_q+1≤α_t，I₁≤I_g≤I_d≤I_g+1≤I_k，Vref₁≤Vref_r≤Vref_e≤Vref_r+1≤Vref_j，ρ₁和ρ_n分别为载荷数据库中空气密度ρ取值的最小值和最大值，γ₁和γ_i分别为载荷数据库中入流角γ取值的最小值和最大值，α₁和α_t分别为载荷数据库中风切变α取值的最小值和最大值，I₁和I_k分别为载荷数据库中湍流强度I取值的最小值和最大值，Vref₁和Vref_j分别为载荷数据库中极限风速Vref取值的最小值和最大值。

需要说明的是，也可以综合计算量、计算精度需求和载荷数据库的具体情况而使n等于3、4等。

本申请实施例提供的一种风电机组载荷计算方法，利用多组载荷数据进行线性插值，得到与风资源数据对应的目标载荷数据，可以包括：

对m个变量的线性插值顺序进行全排列，得到

个线性插值顺序队列；

对于每个线性插值顺序队列，利用n^m组载荷数据中后m-1个变量相同的n组载荷数据进行线性插值，以得到第一个变量的取值为当前取值的n^m-1组载荷数据；利用插值得到的n^m-(k-1)组载荷数据中后m-k个变量相同的n组载荷数据进行线性插值，以得到前k个变量的取值均为对应的当前取值的n^m-k组载荷数据，其中，k∈[2，m-1]；利用插值得到的前m-1个变量的取值均为对应的当前取值的n组载荷数据进行线性插值，以得到与线性插值顺序队列对应的插值载荷数据；

获取

个插值载荷数据的平均值，并将平均值作为目标载荷数据。

考虑到在线性插值过程中各变量对应的载荷数据的线性插值结果之间可能会存在相互的影响，因此，为了尽量避免因各变量对应的载荷数据线性插值顺序不同而导致最终得到的目标载荷数据结果不同的现象，以提高目标载荷数据获取的准确性和可靠性，则可以对m个变量的线性插值顺序进行全排列，以得到

个线性插值顺序队列，然后，按照每个线性插值顺序队列进行线性插值，以对应得到一个插值载荷数据，即最终得到/>

个插值载荷数据，之后，则对/>

个插值载荷数据求取平均值，并将得到的平均值作为目标载荷数据。

其中，按照每个线性插值顺序队列进行线性插值，以对应得到一个插值载荷数据的具体过程为：利用n^m组载荷数据中后m-1个变量相同的n组载荷数据进行线性插值，以得到第一个变量的取值为当前取值的n^m-1组载荷数据；利用插值得到的n^m-1组载荷数据中后m-2个变量相同的n组载荷数据进行线性插值，以得到前2个变量的取值均为对应的当前取值的n^m-2组载荷数据(即k＝2)；利用插值得到的n^m-2组载荷数据中后m-3个变量相同的n组载荷数据进行线性插值，以得到前3个变量的取值均为对应的当前取值的n^m-3组载荷数据(即k＝3)……利用插值得到的n²组载荷数据中后1个变量相同的n组载荷数据进行线性插值，以得到前m-1个变量的取值均为对应的当前取值的n组载荷数据(即k＝m-1)；利用插值得到的前m-1个变量的取值均为对应的当前取值的n组载荷数据进行线性插值，以得到与线性插值顺序队列对应的插值载荷数据。

具体地，以上述所选取出的2⁵组载荷数据为例说明得到插值载荷数据的过程，同时可以参见图2，其示出了本申请实施例提供的对2⁵组载荷数据进行线性插值的流程图：

对选取出的2⁵组载荷数据组成的“6维坐标曲面”进行插值，得到L_{oad_DLCx.x}(ρ_a，γ_b，α_c，I_d，Vref_e)，其具体过程如下：

(1)对于按照a-b-c-d-e这个线性插值顺序而言：

步骤1：用2⁵组载荷数据中后4个变量相同(即γ、α、I、Vref取值相同)的2组数据，线性插值出第一个变量(即ρ)的取值为当前取值的2⁴组载荷数据；

具体地，用L_{oad_DLCx.x}(ρ_m，γ_p，α_q，I_g，Vref_r)和L_{oad_DLCx.x}(ρ_m+1，γ_p，α_q，I_g，Vref_r)进行线性插值，得到L_{oad_DLCx.x}(ρ_a，γ_p，α_q，I_g，Vref_r)；同理，用L_{oad_DLCx.x}(ρ_m，γ_p+1，α_q，I_g，Vref_r)和L_{oad_DLCx.x}(ρ_m+1，γ_p+1，α_q，I_g，Vref_r)进行线性插值，得到L_{oad_DLCx.x}(ρ_a，γ_p+1，α_q，I_g，Vref_r)……共得到2⁴组载荷数据：L_{oad_DLCx.x}(ρ_a，γ_p或γ_p+1，α_q或α_q+1，I_g或I_g+1，Vref_r或Vref_r+1)；

步骤2：用插值得到的2⁴组载荷数据中后3个变量相同(即α、I、Vref取值相同)的2组数据，线性插值出前两个变量(即ρ和γ)的取值为当前取值的2³组载荷数据；

具体地，用L_{oad_DLCx.x}(ρ_a，γ_p，α_q，I_g，Vref_r)和L_{oad_DLCx.x}(ρ_a，γ_p+1，α_q，I_g，Vref_r)进行线性插值，得到L_{oad_DLCx.x}(ρ_a，γ_b，α_q，I_g，Vref_r)……共得到2³组载荷数据：L_{oad_DLCx.x}(ρ_a，γ_b，α_q或α_q+1，I_g或I_g+1，Vref_r或Vref_r+1)；

步骤3：用插值得到的2³组载荷数据中后2个变量相同(即I、Vref取值相同)的2组数据，线性插值出前三个变量(即ρ、γ和α)取值为当前取值的2²组载荷数据；

具体地，用L_{oad_DLCx.x}(ρ_a，γ_b，α_q，I_g，Vref_r)和L_{oad_DLCx.x}(ρ_a，γ_b，α_q+1，I_g，Vref_r)进行线性插值，得到L_{oad_DLCx.x}(ρ_a，γ_b，α_c，I_g，Vref_r)……共得到2²组载荷数据：L_{oad_DLCx.x}(ρ_a，γ_b，α_c，I_g或I_g+1，Vref_r或Vref_r+1)；

步骤4：用插值得到的2²组载荷数据中后1个变量相同(即Vref取值相同)的2组数据，线性插值出前四个变量(即ρ、γ、α和I)取值为当前取值的2组载荷数据；

具体地，用L_{oad_DLCx.x}(ρ_a，γ_b，α_c，I_g，Vref_r)和L_{oad_DLCx.x}(ρ_a，γ_b，α_c，I_g+1，Vref_r)进行线性插值，得到L_{oad_DLCx.x}(ρ_a，γ_b，α_c，I_d，Vref_r)……共得到2组载荷数据：L_{oad_DLCx.x}(ρ_a，γ_b，α_c，I_d，Vref_r或Vref_r+1)；

步骤5：用插值得到的前4个变量的取值均为对应的当前取值的2组载荷数据进行线性插值，得到插值载荷数据；

具体地，用L_{oad_DLCx.x}(ρ_a，γ_b，α_c，I_d，Vref_r)和L_{oad_DLCx.x}(ρ_a，γ_b，α_c，I_d，Vref_r+1)进行线性插值，得到插值载荷数据：L_{oad_DLCx.x_abcde}(ρ_a，γ_b，α_c，I_d，Vref_e)。

(2)对于按照e-d-c-b-a这个线性插值顺序而言，其实现步骤与上述步骤1-步骤5类似，只是，步骤1-步骤5中的后几个变量相同对应到L_{oad_DLCx.x}(ρ_a，γ_b，α_c，I_d，Vref_e)中即为按照ρ、γ、α、I、Vref这个排列顺序中前几个变量相同，例如：此时，步骤1中的后4个变量相同即为d、c、b、a这四个对应的变量I、α、γ、ρ所相同……也就是说，上述步骤1-5中的后几个变量相同是对应e-d-c-b-a这个线性插值顺序而言，最终得到插值载荷数据：L_{oad_DLCx.x_edcba}(ρ_a，γ_b，α_c，I_d，Vref_e)。

同理，得到L_{oad_DLCx.x_abced}(ρ_a，γ_b，α_c，I_d，Vref_e)等剩余

-2个插值载荷数据，之后，则获取上述/>

个插值载荷数据的平均值，并将平均值作为目标载荷数据L_{oad_DLCx.x}(ρ_a，γ_b，α_c，I_d，Vref_e)。

需要说明的是，在进行插值载荷数据计算时，上述提及的后几个变量相同及前几个变量的取值为当前取值中的“后”和“前”是对应线性插值顺序中的“后”和“前”而言的。

本申请实施例提供的一种风电机组载荷计算方法，在获取

个插值载荷数据的平均值之前，还可以包括：

从

个插值载荷数据中删除离散度大于预设值的插值载荷数据。

为了提高目标载荷数据计算的准确性，则在获取

个插值载荷数据的平均值之前，可以计算这/>

个插值载荷数据的离散度，并从/>

个插值载荷数据中删除离散度大于预设值的插值载荷数据，以避免离散度高的插值载荷数据因参与到目标载荷数据的计算中而对目标载荷数据的计算带来影响。

其中，上述提及的预设值可以根据所计算出的

个插值载荷数据的离散度及目标载荷数据的计算精度进行确定。

本申请实施例提供的一种风电机组载荷计算方法，预先根据风资源数据极限范围得到载荷数据库，可以包括：

将风资源数据极限范围划分成多个取值区间；

利用仿真软件分别计算每个取值区间的两端点处的风资源数据对应的载荷数据；

利用载荷数据及与载荷数据对应的风资源数据得到载荷数据库。

预先根据风资源数据极限范围得到载荷数据库的具体过程为：获取风资源数据极限范围，即获取风资源数据中各变量的最小值和最大值，由最小值和最大值构成极限范围，例如，对于空气密度ρ，则由ρ₁和ρ_n构成极限范围(ρ₁，ρ_n)，并将风资源数据极限范围划分成多个取值区间；利用仿真软件(具体可以为Bladed仿真软件等)分别计算每个取值区间的两端点处的风资源数据对应的载荷数据；利用所计算出的载荷数据及与该载荷数据对应的风资源数据得到载荷数据库，以便于后续从载荷数据库中获取与风电场机位点风资源数据对应的多组载荷数据。

相应地，在根据风电场机位点的风资源数据从载荷数据库中选取多组载荷数据时，具体可以判断风电场机位点的风资源数据所属的取值区间，然后，可以利用所属的取值区间的两端点对应的载荷数据作为所选取出的载荷数据，并将所选取出的载荷数据参与到目标载荷数据计算中。

本申请实施例提供的一种风电机组载荷计算方法，在得到与风资源数据对应的目标载荷数据之后，还可以包括：

按照预设规范对目标载荷数据进行处理，得到预设规范下的目标载荷数据。

在得到与风资源数据对应的目标载荷数据之后，可以按照GL或IEC等预设规范对目标载荷数据L_{oad_DLCx.x}(ρ_a，γ_b，α_c，I_d，Vref_e)进行处理，以得到规范目标载荷数据L_oad(ρ_a，γ_b，α_c，I_d，Vref_e)，以便于预设规范下的目标载荷数据参与到后续的风电场安全性评估中，从而提高风电场安全性评估的效率。

本申请实施例还提供了一种风电机组载荷计算装置，参见图3，其示出了本申请实施例提供的一种风电机组载荷计算装置的结构示意图，可以包括：

输入模块31，用于输入风电场机位点的风资源数据；

选取模块32，用于根据风资源数据从预先根据风资源数据极限范围得到的载荷数据库中选取多组载荷数据；

线性插值模块33，用于利用多组载荷数据进行线性插值，得到与风资源数据对应的目标载荷数据。

本申请实施例提供的一种风电机组载荷计算装置，选取模块32可以包括：

选取单元，用于根据风资源数据从载荷数据库中选取n^m组载荷数据；

本申请实施例提供的一种风电机组载荷计算装置，线性插值模块33可以包括：

全排列单元，用于对m个变量的线性插值顺序进行全排列，得到

个线性插值顺序队列；

线性插值单元，用于对于每个线性插值顺序队列，利用n^m组载荷数据中后m-1个变量相同的n组载荷数据进行线性插值，以得到第一个变量的取值为当前取值的n^m-1组载荷数据；利用插值得到的n^m-(k-1)组载荷数据中后m-k个变量相同的n组载荷数据进行线性插值，以得到前k个变量的取值均为对应的当前取值的n^m-k组载荷数据，其中，k∈[2，m-1]；利用插值得到的前m-1个变量的取值均为对应的当前取值的n组载荷数据进行线性插值，以得到与线性插值顺序队列对应的插值载荷数据；

获取目标载荷数据单元，用于获取

个插值载荷数据的平均值，并将平均值作为目标载荷数据。

本申请实施例提供的一种风电机组载荷计算装置，还可以包括：

删除模块，用于在获取

个插值载荷数据的平均值之前，从/>

个插值载荷数据中删除离散度大于预设值的插值载荷数据。

划分单元，用于将风资源数据极限范围划分成多个取值区间；

计算单元，用于利用仿真软件分别计算每个取值区间的两端点处的风资源数据对应的载荷数据；

获取载荷数据库单元，用于利用载荷数据及与载荷数据对应的风资源数据得到载荷数据库。

处理模块，用于在得到与风资源数据对应的目标载荷数据之后，按照预设规范对目标载荷数据进行处理，得到预设规范下的目标载荷数据。

本申请实施例还提供了一种风电机组载荷计算设备，参见图4，其示出了本申请实施例提供的一种风电机组载荷计算设备的结构示意图，可以包括：

存储器41，用于存储计算机程序；

处理器42，用于执行存储器41存储的计算机程序时可实现如下步骤：

输入风电场机位点的风资源数据；根据风资源数据从预先根据风资源数据极限范围得到的载荷数据库中选取多组载荷数据；利用多组载荷数据进行线性插值，得到与风资源数据对应的目标载荷数据。

本申请实施例提供的一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时可实现如下步骤：

该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本申请实施例提供的一种风电机组载荷计算装置、设备及计算机可读存储介质中相关部分的说明可以参见本申请实施例提供的一种风电机组载荷计算方法中对应部分的详细说明，在此不再赘述。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims

1.一种风电机组载荷计算方法，其特征在于，包括：

输入风电场机位点的风资源数据；

利用多组所述载荷数据进行线性插值，得到与所述风资源数据对应的目标载荷数据；

其中，根据所述风资源数据从载荷数据库中选取多组载荷数据，包括：

2.根据权利要求1所述的风电机组载荷计算方法，其特征在于，利用多组所述载荷数据进行线性插值，得到与所述风资源数据对应的目标载荷数据，包括：

对m个变量的线性插值顺序进行全排列，得到

个线性插值顺序队列；

获取

3.根据权利要求2所述的风电机组载荷计算方法，其特征在于，在获取

个所述插值载荷数据的平均值之前，还包括：

从

4.根据权利要求1所述的风电机组载荷计算方法，其特征在于，预先根据风资源数据极限范围得到载荷数据库，包括：

将所述风资源数据极限范围划分成多个取值区间；

5.根据权利要求1至4任一项所述的风电机组载荷计算方法，其特征在于，在得到与所述风资源数据对应的目标载荷数据之后，还包括：

6.一种风电机组载荷计算装置，其特征在于，包括：

输入模块，用于输入风电场机位点的风资源数据；

线性插值模块，用于利用多组所述载荷数据进行线性插值，得到与所述风资源数据对应的目标载荷数据；

其中，所述选取模块包括：

7.一种风电机组载荷计算设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的风电机组载荷计算方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的风电机组载荷计算方法的步骤。