CN115062879B - 一种风电机组指标参数的获取方法、装置及设备 - Google Patents
一种风电机组指标参数的获取方法、装置及设备 Download PDFInfo
- Publication number
- CN115062879B CN115062879B CN202210995768.1A CN202210995768A CN115062879B CN 115062879 B CN115062879 B CN 115062879B CN 202210995768 A CN202210995768 A CN 202210995768A CN 115062879 B CN115062879 B CN 115062879B
- Authority
- CN
- China
- Prior art keywords
- wind turbine
- wind
- turbine generator
- time sequence
- sequence data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000011159 matrix material Substances 0.000 claims abstract description 77
- 238000012216 screening Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims description 35
- 238000005520 cutting process Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010248 power generation Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005215 recombination Methods 0.000 description 2
- 230000006798 recombination Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/72—Wind turbines with rotation axis in wind direction
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Wind Motors (AREA)
Abstract
本发明提供一种风电机组指标参数的获取方法、装置及设备,其中,所述方法包括:获取至少两台风电机组在历史预设周期内的运行数据集,所述运行数据集包括至少两台风电机组中每台风电机组在至少一种指标下的时序数据;根据至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对运行数据集进行筛选,获得至少两台风电机组的时序数据组合矩阵;根据预设指标参数以及时序数据组合矩阵,获得目标指标参数。本发明的方案基于风电机组的历史运行数据寻找最优目标指标参数,降低风电机组间的尾流影响,实现相关机组整体发电效率最优。
Description
技术领域
本发明涉及工业设备的数据信息处理技术领域,特别是指一种风电机组指标参数的获取方法、装置及设备。
背景技术
尾流效应是指一种气流在穿过一个涡轮时变弱、四散开来、并产生类似有船驶过的涡流。风电场机组布局较集中,下风向机组会受到上风向机组捕获风能后带来的尾流影响而减少出力并增加疲劳载荷。尾流优化是指通过对机组偏航偏差的主动干预,降低整场各台尾流效应的总和,进而实现全场发电量优化的目的。仿真研究表明,矩阵排布的风电场经过尾流优化后可以提升全场4%左右的年发电量。然而目前绝大多数风电场没有进行尾流优化,主要原因是风场受地形和机型影响,仿真模型很难精准反映实际情况,而且现有的尾流优化方法对仿真模型准确度要求很高,模型偏差不仅会造成尾流优化效果大幅降低甚至导致尾流劣化;
基于仿真模型进行尾流优化需要精准的模型作为支持,仿真建模工具受地形和机型影响,工作量大且很难通过实测来验证建模效果;当前的尾流模型主要基于风轮半径和间距进行仿真的,而上风向机组对下风向的尾流效应不仅受风速、风向、风轮直径、间距因素影响,还受上风向机组的偏航角、转速和桨角因素影响;目前缺乏有效方法对尾流优化效果进行客观的量化评估。
发明内容
本发明要解决的技术问题是提供一种风电机组指标参数的获取方法、装置及设备,以降低风电机组间的尾流影响,提高风电机组的工作效率。
为解决上述技术问题,本发明的技术方案如下:
本发明的实施例提供一种风电机组指标参数的获取方法,包括:
获取至少两台风电机组在历史预设周期内的运行数据集,所述运行数据集包括所述至少两台风电机组中每台风电机组在至少一种指标下的时序数据,其中,所述时序数据中每个数据点的数值表示每种指标的指标参数;
根据所述至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对所述运行数据集进行筛选,获得所述至少两台风电机组的时序数据组合矩阵;
根据预设指标参数以及所述时序数据组合矩阵,获得目标指标参数,所述目标指标参数是所述至少两台风电机组中各台风电机组的输出功率的总和最大时,所述至少两台风电机组中第一风电机组的目标指标参数,所述第一风电机组是不受其它风电机组尾流影响的风电机组。
可选的,所述指标包括:风电机组的风速、风向、偏航角和功率。
可选的,根据所述至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对所述运行数据集进行筛选,获得所述至少两台风电机组的时序数据组合矩阵,包括:
按照预设分切长度,将所述运行数据集中每台风电机组的时序数据分别分切成至少两段子时序数据;
获取所述至少两台风电机组中所述第一风电机组的每段子时序数据形成的子序列与第二风电机组对应段的子时序数据形成的子序列间的交叉相关系数,其中,所述第二风电机组为布置于受所述第一风电机组尾流影响的位置处的风电机组;
将所述交叉相关系数大于一预设系数阈值的两个子序列,确定为目标子序列组合,并获得所述至少两台风电机组的至少两组目标子序列组合;
根据所述至少两组目标子序列组合,得到时序数据组合矩阵。
可选的,获取所述至少两台风电机组中所述第一风电机组的每段子时序数据形成的子序列与第二风电机组对应段的子时序数据形成的子序列间的交叉相关系数,包括:
获取所述第一风电机组子时序数据预设时段内的子序列;
按照预设错位步长及错位次数,对所述第二风电机组的子时序数据进行错位处理,每错位一次获得所述第二风电机组的子时序数据的一个子序列,且每错位一次,计算一次所述第一风电机组子时序数据预设时段内的子序列与错位处理后所述第二风电机组的子序列的交叉相关系数。
可选的,所述交叉相关系数可以通过以下公式获得:
其中,为所述交叉相关系数,k表示分切后形成的至少两段子时序数据中的第k段子时序数据,Sx、Sy分别表示第一风电机组的第k段子序列{xt}、第二风电机组的第k段子序列{yt}的标准差,t表示时间戳,表示第一风电机组的第k段子序列{xt}与第二风电机组的第k段子序列{yt}的互协方差,,其中,表示第k段子序列{xt}的均值,表示第k段子序列{yt}的均值。
可选的,根据所述至少两组目标子序列组合,得到时序数据组合矩阵,包括:
将所述至少两组目标子序列组合中的目标子序列进行合并,获得所述目标子序列的样本集,所述样本集中包括:所述第一风电机组的风速、风向、偏航角、功率以及所述第二风电机组的偏航角、功率;
在预设偏航角范围内,对所述样本集进行筛选,获得所述样本集的第一子集,所述第一子集中包括多组Y1',V1',D1'的时序组合;其中,Y1'为所述第一子集中第一风电机组的偏航角,V1'为所述第一子集中第一风电机组的风速,D1'为所述第一子集中第一风电机组的风向;
在预设风向范围内以及预设风速范围内对所述第一子集中的样本进行筛选,获得所述第一子集的第二子集,所述第二子集中包括多组Y1'',V1''的时序组合,其中,Y1''为在所述预设风向范围内所述第二子集中第一风电机组的偏航角,V1''为在所述预设风速范围内所述第二子集中第一风电机组的风速;
根据所述第二子集中的多组Y1'',V1''的时序组合,获得所述时序数据组合矩阵;其中,所述偏航角Y1''以及所述风速V1''形成所述时序数据组合矩阵的列。
可选的,所述预设指标参数包括:所述第一风电机组的实时风速以及绝对风向;
根据预设指标参数以及所述时序数据组合矩阵,获得目标指标参数,包括:
当所述绝对风向满足所述预设风向范围内且所述实时风速满足所述预设风速范围内时,根据所述实时风速以及所述时序数据组合矩阵中的多组Y1''',V1''的时序组合,对所述实时风速下对应的偏航角进行插值处理,得到目标偏航角;否则,确定所述实时风速下对应的目标偏航角为零;
将所述实时风速下对应的目标偏航角,确定为所述第一风电机组的目标参数。
本发明的实施例还提供一种风电机组指标参数的获取装置,包括:
获取模块,获取至少两台风电机组在历史预设周期内的运行数据集,所述运行数据集包括所述至少两台风电机组中每台风电机组在至少一种指标下的时序数据,其中,所述时序数据中每个数据点的数值表示每种指标的指标参数;
处理模块,用于根据所述至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对所述运行数据集进行筛选,获得所述至少两台风电机组的时序数据组合矩阵;根据预设指标参数,对所述时序数据组合矩阵进行筛选,获得目标指标参数,所述目标指标参数是所述至少两台风电机组中各台风电机组的输出功率的总和最大时,所述至少两台风电机组中第一风电机组的目标指标参数,所述第一风电机组是不受其它风电机组尾流影响的风电机组。
本发明的实施例还提供一种计算设备,包括:处理器、存储有计算机程序的存储器,所述计算机程序被处理器运行时,执行如上述所述的方法。
本发明的实施例还提供一种计算机可读存储介质,存储有指令,当所述指令在计算机上运行时,使得计算机执行如上述所述的方法。
本发明的上述方案至少包括以下有益效果:
本发明的上述方案,获取至少两台风电机组在历史预设周期内的运行数据集,所述运行数据集包括所述至少两台风电机组中每台风电机组在至少一种指标下的时序数据,其中,所述时序数据中每个数据点的数值表示每种指标的指标参数;根据所述至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对所述运行数据集进行筛选,获得所述至少两台风电机组的时序数据组合矩阵;根据预设指标参数以及所述时序数据组合矩阵,获得目标指标参数,所述目标指标参数是所述至少两台风电机组中各台风电机组的输出功率的总和最大时,所述至少两台风电机组中第一风电机组的目标指标参数,所述第一风电机组是不受其它风电机组尾流影响的风电机组;以降低风电机组间的尾流影响,提高风电机组的工作效率。
附图说明
图1是本发明实施例提供的风电机组指标参数的获取方法流程图;
图2是本发明一可选实施例提供的样本集获取流程图;
图3是本发明一可选实施例提供的样本集筛选流程图;
图4是本发明一可选实施例提供的时序数据组合矩的阵获取流程图;
图5是本发明一可选实施例提供的目标偏航角的阵获取流程图;
图6是本发明一可选实施例提供的风电机组指标参数的获取方法具体实现流程图;
图7是本发明一可选实施例提供的多台风电机组指标参数的获取方法具体实现流程图;
图8是本发明实施例提供的风电机组指标参数的获取装置模块示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
如图1所示,本发明的实施例提出一种风电机组指标参数的获取方法,包括:
步骤11,获取至少两台风电机组在历史预设周期内的运行数据集,所述运行数据集包括所述至少两台风电机组中每台风电机组在至少一种指标下的时序数据,其中,所述时序数据中每个数据点的数值表示每种指标的指标参数;
步骤12,根据所述至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对所述运行数据集进行筛选,获得所述至少两台风电机组的时序数据组合矩阵;
步骤13,根据预设指标参数以及所述时序数据组合矩阵,获得目标指标参数,所述目标指标参数是所述至少两台风电机组中各台风电机组的输出功率的总和最大时,所述至少两台风电机组中第一风电机组的目标指标参数,所述第一风电机组是不受其它风电机组尾流影响的风电机组。
该实施例中,在实际应用时,如图7所示,所述至少两台风电机组在历史预设周期内的运行数据集可以直接从SCADA(数据采集与监视控制)系统中获取;在获取所述运行数据集的同时,也可以获取全场各台风电机组的位置信息,所述位置信息可以包括:每台风电机组的经纬度、塔基海拔高度、轮毂高度等,根据预设规则对全场风电机组进行划分,并得到多组且每组中均包含至少两台具有尾流影响的风电机组的机组对;所述预设规则可以是风电机组间的距离或方位等;所述至少两台风电机组中可以包括:第一风电机组以及受所述第一风电机组尾流影响的至少一个其他电机组;
所述至少两台风电机组在历史预设周期内运行数据,可以包括多种不同指标下的时序数据,也即是所述至少两台风电机组中每台风电机组在每种指标下均对应有一个时序数据,且所述时序数据为秒级时速数据,以保证精确度;进一步的,根据所述至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对所述运行数据集进行筛选,获得所述至少两台风电机组的时序数据组合矩阵,也即是在同一指标下,根据所述至少两台风电机组在该指标下的时序数据间的交叉相关度,对所述运行数据集中该指标下的原始时序数据进行筛选,降低后续处理的工作量,以提高后续处理的精度,同时对筛选后的时序数据进行处理组合,获得包含至少两种指标下的所述至少两台风电机组的时序数据组合矩阵,所述时序数据组合矩阵中包含的不同指标下的时序数据在同一时刻对应的指标参数可以满足,在历史运行状态时所述至少两台风电机组的输出功率之和最大;
本申请中以两台风电机组为例,根据第一风电机组在第一指标下的时序数据与第二风电机组在第一指标下的时序数据间的交叉相关度,对所述运行数据集中第一风电机组与第二风电机组在第一指标下的时序数据进行筛选,并得到筛选后第一风电机组与第二风电机组在第一指标下的时序数据的组合;
进一步的,所述指标包括:风电机组的风速、风向、偏航角和功率,所述功率为风电机组的输出功率;
应当知道的是,在风电机组运行的过程中,每种指标对应的时序数据是实时监测到的,当已知任意一种指标在任意一时段内的时序数据时,对应其他指标在该时段内的时序数据也是可以确定的;将历史预设周期内不同指标下的时序数据分别记为:V1,D1,Y1,P1,V2,D2,Y2,P2,其中,V1、D1、Y1、P1分别表示第一风电机组的风速、风向、偏航角、输出功率;V2,D2,Y2、P2分别表示第二风电机组的风速、风向、偏航角、输出功率;所述至少一种指标还可以包括风电机组的风轮转速、桨距角、温度及压强等;
所述预设指标参数可以是风电机组的实时运行数据,也可以是预先设定的风电机组的运行数据,根据所述预设指标参数,从所述时序数据组合矩阵中获取目标指标参数,所述目标指标参数是所述至少两台风电机组的输出功率的总总和最大时,所述第一风电机组的目标指标参数;
同时在风电机组的预设运行周期内,所述至少两台风电机组中的第一风电机组可以按照所述目标指标参数进行运行,在所述预设运行周期结束后,在下一个运行周期开始之前,可以重复执行上述步骤11-13,以保证在每一个运行周期内,风电机组的运行状态最优;
通过所述至少两台风电机组在不同历史时段内的最优运行状态对应的时序数据组合矩阵,以及风电机组的预设指标参数,确定目标指标参数,并在预设运行周期内,所述第一风电机组按照所述目标指标参数进行运行,在保证所述至少两台风电机组的输出功率之和最大的同时,也可以降低风电机组间的尾流影响,实现对风电机组间尾流的优化,进而实现全场风电机组的整体发电效率最优。
本发明的一可选实施例中,所述步骤12,可以包括:
步骤121,按照预设分切长度,将所述运行数据集中每台风电机组的时序数据分别分切成至少两段子时序数据;
步骤122,获取所述至少两台风电机组中所述第一风电机组的每段子时序数据形成的子序列与第二风电机组对应段的子时序数据形成的子序列间的交叉相关系数,其中,所述第二风电机组为布置于受所述第一风电机组尾流影响的位置处的风电机组;
步骤123,将所述交叉相关系数大于一预设系数阈值的两个子序列确定为目标子序列组合,并获得所述至少两台风电机组的至少两组目标子序列组合;
步骤124,根据所述至少两组目标子序列组合,得到时序数据组合矩阵。
该实施例中,按照预设分切长度,将每台风电机组在每种指标下的时序数据分切成长度相等的多段子时序数据;将所述至少两台风电机组中每台风电机组在同一指标下以及同一时段内的子时序数据进行组合,获得同一指标下的至少两个子时序数据组合;
以风电机组的风速指标为例,具体的:分别将第一风电机组的风速V1、第二风电机组的风速V2分切成L段子时序数据,分别记为V1(k,i,j)、V2(k,i,j),其中,k表示L段子时序数据中的第k段子时序数据,i,j表示每段子时序数据中的第i个数据点至第j个数据点;L、k、i、j均为正整数;将第一风电机组的每段子时序数据与第二风电机组对应时序段内的子时序数据组进行组合,获得至少两个子时序数据组合;
进一步的,获取每组子时序数据组合中第一风电机组子时序数据V1(k,i,j)形成的子序列与第二风电机组子时序数据V2(k,i,j)形成的子序列间的交叉相关系数;当所述交叉相关系数大于一预设系数阈值时,确定所述交叉相关系数对应的第一风电机组的子序列以及第二风电机组的子序列为目标子序列,并将两个目标子序列组成一个目标子序列组合;进而可以依据目标子序列组合获得时序数据组合矩阵;
通过不同风电机组间在同一指标下原始时序数据的子序列间的交叉相关系数,对风电机组的原始时序数据进行筛选,获得不同风电机组间相关性最高的子序列组合,提高了后续处理的效率及精度;应当知道的是,每种指标下两台风电机组的时序数据均可以获得至少两组目标子序列组合,后续获得的时序数据组合矩阵是基于不同指标下的目标子序列组合进行处理得到的。
本发明的一可选实施例中,所述步骤122,可以包括:
步骤1221,获取所述第一风电机组子时序数据预设时段内的子序列;
步骤1222,按照预设错位步长及错位次数,对所述第二风电机组的子时序数据进行错位处理,每错位一次获得所述第二风电机组的子时序数据的一个子序列,且每错位一次,计算一次所述第一风电机组子时序数据预设时段内的子序列与错位处理后所述第二风电机组的子序列的交叉相关系数。
该实施例中,应当知道的是,由于全场风电机组位置的设置,所述第一风电机组在任一时段内对所述第二风电机组产生尾流影响时,所述第二风电机组在所述第一风电机组的影响下测得的时序数据对应的时刻,应当晚于所述第一风电机组在对所述第二风电机组产生尾流影响时段的开始时刻;因此,对所述第一风电机组的每段子时序数据可以根据实际需要,只保留该段子时序数据中预设时段内的数据,也即是所述第一风电机组在预设时段内的子序列;对所述第二风电机组的每段子时序数据进行错位处理,以与所述第一风电机组预设时段内的子序列对齐,从而保证后续处理的准确性;
在所述第二风电机组的子时序数据中,按照预设步长沿该子时序数据进行错位,也即是沿该子时序数据进行滑动,每滑动一次获得一段子时序数据的子序列,并计算一次该子序列与所述第一风电机组预设时段内的子序列的交叉相关系数,依据预设错位次数也即是滑动次数,可以获得所述第二风电机组每段子时序数据的多个子序列,以及每个子序列与所述第一风电机组预设时段内的子序列的交叉相关系数;
在实际应用中,如图2所示,在获取所述第一风电机组与所述第二风电机组在风速下对应的子时序数据后,对所述第二风电机组的子时序数据进行错位处理,并求取错位处理后两个子序列间的交叉相关系数CCF,错位后的子序列间的交叉相关系数可以表示为CCF=Rs(V1(k,i,m),V2(k,i+c,j+c),其中,k表示L段子时序数据中的第k段子时序数据,m表示所述第一风电机组预设时段内子序列的第m个数据点,c为预设错位步长,300为预设错位次数,R为函数符号,E=CCF表示:在错位一次后计算得到的交叉相关系数如果大于上一次的计算结果时,则将此时的交叉相关系数赋值为E,s表示错位次数,s=1,2,3,…,300;
当所述第二风电机组的任意一段子时序数据按照预设错位次数处理完成之后,也即是s大于或等于300时,求取所述第一风电机组与第二风电机组在每种指标下的目标子序列的均值,以形成包含一个样本组SS(k),直到所述第一风电机组与第二风电机组的L段子时序数据处理完,获得包含L个样本组的样本集SS。
本发明的一可选实施例中,所述交叉相关系数可以通过以下公式获得:
其中,为所述交叉相关系数,k表示分切后形成的至少两段子时序数据中的第k段子时序数据,也即是L段子时序数据中的第k段子时序数据,Sx、Sy分别表示第一风电机组的第k段子序列{xt}、第二风电机组的第k段子序列{yt}的标准差,t表示时间戳,表示第一风电机组的第k段子序列{xt}与第二风电机组的第k段子序列{yt}的互协方差,,其中,表示第k段子序列{xt}的均值,表示第k段子序列{yt}的均值。
本发明的一可选实施例中,所述步骤124,可以包括:
步骤1241,将所述至少两组目标子序列组合中的目标子序列进行合并,获得所述目标子序列的样本集,所述样本集中包括:所述第一风电机组的风速、风向、偏航角、功率以及所述第二风电机组的偏航角、功率;
步骤1242,在预设偏航角范围内,对所述样本集进行筛选,获得所述样本集的第一子集,所述第一子集中包括多组Y1',V1',D1'的时序组合;其中,Y1'为所述第一子集中第一风电机组的偏航角,V1'为所述第一子集中第一风电机组的风速,D1'为所述第一子集中第一风电机组的风向;
步骤1243,在预设风向范围内以及预设风速范围内,对所述第一子集中的样本进行筛选,获得所述第一子集的第二子集,所述第二子集中包括多组Y1'',V1''的时序组合,其中,Y1''为在所述预设风向范围内所述第二子集中第一风电机组的偏航角,V1''为在所述预设风速范围内所述第二子集中第一风电机组的风速;
步骤1244,根据所述第二子集中的多组Y1'',V1''的时序组合,获得所述时序数据组合矩阵;其中,所述偏航角Y1''以及所述风速V1''形成所述时序数据组合矩阵的列。
该实施例中,将不同指标下的至少两组目标子序列组合中的目标子序列进行合并,获得目标子序列的样本集,所述样本集包括多组V1(k)、D1(k)、Y1(k)、P1(k)、Y2(k)、P2(k),其中,V1(k)、D1(k)、Y1(k)、P1(k)分别为第一风电机组的风速、风向、偏航角、输出功率;Y2(k)、P2(k)分别为第二电机组的偏航角、输出功率;在对所述目标子序列进行合并之前,优选的,可以通过滤波或求均值的方法获取目标子序列的指标参数均值,以消除数据采集时带来的波动性的干扰,保证后续获取目标指标参数的准确性;
如图3所示,将所述样本集中V1(k)、D1(k)、Y1(k)、Y2(k)作为输入,P=P1(k)+P2(k)作为输出,则存在:P=f(Y1,V1,D1,Y2)第一函数关系式;在所述预设偏航角范围内,对所述样本集进行筛选,存在:P'=f'(Y1',V1',D1')函数关系式,确定满足P'=P'max时,对应的Y1',V1',D1'的值,并组成所述样本集的第一子集;其中,P为所述第一风电机组与第二风电机组的输出功率之和,f为第一运算符,P'为预设偏航角范围内所述第一风电机组与第二风电机组的输出功率之和,f'为预设偏航角范围内的函数关系式的运算符,其与f应相同,Y1'为所述第一子集中第一风电机组的偏航角,V1'为所述第一子集中第一风电机组的风速,D1'为所述第一子集中第一风电机组的风向;
所述预设偏航角范围是第二风电机组的理想偏航角的范围,以满足在此范围内所述第二风电机组的工作效率最高;所述预设偏航角范围可以设置为[-θ,θ],其中θ表示角度,也即是在第二风电机组的理想偏航角下,在所述样本集中筛选出满足两台风电机组输出功率最大时,对应的所述第一风电机组的风速、风向、偏航角,并将获得的所述第一风电机组的风速、风向、偏航角进行组合,获得第一子集;
应当知道的是,当所述第一风电机组对所述第二风电机组产生影响时,所述第一风电机组的风速及风向应当是处于一定的范围内;
进一步的,在预设风向范围内以及预设风速范围内,对所述第一子集中的第一风电机组的风速、风向、偏航角进行筛选;
具体的,如图4所示:筛选所述第一子集中所述第一风电机组的风速介于[(a*b-b/2,a*b+b/2]之间且所述第一风电机组的风向介于[c1,c2]之间风速风向组合,并获得风速风向组合的第二子集,其中,b表示风速步长,c1、c2为风向扇区边界角度;在所述第二子集中,根据公式P''=f''(Y1'',V1'',D1'')第二函数关系式,确定满足P''=P''max时,对应的Y1'',V1'',D1''的值,其中,P''为所述第二子集中,在满足预设风向及预设风速范围内,所述第一风电机组与第二风电机组的输出功率之和,f'为第二运算符,Y1'',V1'',D1''分别为在预设风向及预设风速范围内第二子集中第一风电机组的偏航角、风速、风向;
由于在所述第二子集中,所述第一风电机组的风速介于[(a*b-b/2,a*b+b/2]之间,风向介于[c1,c2]之间,所以第一风电机组的V1''≈a*b,D1''≈(c1+c2)/2,上述第二函数关系式可以变换为P''=g(Y1'')关系式,其中,g为第三运算符;进一步的,在预设风速及风向范围内,对P''=g(Y1'')关系式进行回归拟合并确定满足P''=gmax(Y1'')时对应的Y1'';
在计算P''的最大值时,优选的,可以利用遍历算法,每遍历一次对应获得一个偏航角Y1a'',同时对应一个风速V1''≈a*b,在完成N次遍历之后,可以获得N对第一风电机组的风向及偏航角组合,将V1''≈a*b作为时序数据组合矩阵中第a行的风速列,也即是矩阵的第一列,将遍历后获得的Y1a''作为时序数据组合矩阵中第a行的偏航角列,也即是矩阵的第二列,其中,a=0,1,2,…,N,N为正整数;
通过对所述样本集进行筛选,保证最终获得的时序数据组合矩阵中的均能满足在预设风速及风向范围内,所述第一风电机组及第二风电机组的输出功率之和能够达到最大,为后续获取目标指标参数提供参数依据,同时,所述时序数据组合矩阵是基于历史最优指标组合对应的时序数据得到的,保证了后续获取目标指标参数的准确性;在实际应用中,可以将获得的时序数据组合矩阵作为结果文件存储到数据库中,以便于后续的提取与使用。
本发明的一可选实施例中,所述预设指标参数包括:所述第一风电机组的实时风速以及绝对风向;进一步的,所述步骤13,可以包括:
步骤131,当所述绝对风向满足所述预设风向范围内且所述实时风速满足所述预设风速范围内时,根据所述实时风速以及所述时序数据组合矩阵中的多组Y1'',V1''的时序组合,对所述实时风速下对应的偏航角进行插值处理,得到目标偏航角;否则,确定所述实时风速下对应的目标偏航角为零;
步骤132,将所述实时风速下对应的目标偏航角,确定为所述第一风电机组的目标指标参数。
该实施例中,由于所述时序数据组合矩阵中的数据组合是离散的,当测得的所述第一风电机组的实时风速以及绝对风向满足所述预设风速范围及预设风向范围时,对所述时序数据组合矩阵中满足所述实时风速的数据组合中的偏航角进行插值处理,获得插值处理后的目标偏航角,也即是所述第一风电机组的在实时风速下的目标指标参数,如图5所示;
其中,V0为所述第一风电机组的实时风速,Y0为目标偏航角,C为时序数据组合矩阵,a1表示矩阵中的第a1行,2表示矩阵中的第二列,也即是矩阵中的偏航角列,也即是C(a1+1,2)表示矩阵中第a1+1行第二列对应的偏航角,C(a1,2)表示矩阵中第a1行第二列对应的偏航角;a1=1,2,…,N,N为正整数,b为风速步长。
本发明的一可选实施例中,在基于上述步骤11-13的基础上,还可以包括:
步骤14,控制所述至少两台风电机组中的第一风电机组按照所述目标指标参数运行。
该实施例中,根据所述目标指标参数确定为目标偏航角时,所述第一风电机组在预设运行周期内,可以按照所述目标偏航角进行运行,保证在所述目标偏航角下,所述第一风电机组对所述第二风电机组的尾流影响最小,保证所述第一风电机组与所述第二风电机组的输出功率可以达到最大,一提高风电机组的工作效率。
进一步的,可以通过实时数据库将所述目标偏航角传输至所述第一风电机组,所述第一风电机组在获取到所述目标偏航角后,在预设运行周期内按照所述目标偏航角进行运行,同时将所述第一风电机组在所述目标偏航角下的运行信息上传至实时数据库以及SCADA系统中,实现对SCADA系统中运行数据的更新,保证在下一个运行周期开始之前,获取到SCADA系统中更新后的数据,并根据更新后的数据生成新的时序数据组合矩阵,进而获得新的目标指标参数,即目标偏航角,以降低下一个运行周期内风电机组间的尾流影响。
以下将以一具体示例对本发明的上述方案的具体实现进行说明,如图6所示,以两台已经过尾流分组的风电机组为例,具体流程如下:
步骤32,模型训练;
步骤61,从SCADA系统中获取第一风电机组A1和第二风电机组B1的历史运行数据;
步骤62,模型训练;
步骤621,根据所述至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对所述运行数据集进行筛选;获得所述至少两台风电机组的时序数据组合矩阵,也即是尾流参数矩阵;
步骤6211,按照预设分切长度,将所述运行数据集中每台风电机组的时序数据分别分切成至少两段子时序数据;
步骤6212,获取所述至少两台风电机组中所述第一风电机组的每段子时序数据形成的子序列与第二风电机组对应段的子时序数据形成的子序列间的交叉相关系数,并将所述交叉相关系数大于一预设系数阈值对应的两个子序列确定为目标子序列组合,
步骤6213,将所述目标子序列进行合并,获得所述目标子序列的样本集;
步骤6214,根据P=f(Y1,V1,D1)第一函数关系以及Y2满足预设偏航角范围时,对所述目标子序列样本集进行筛选,获得所述目标子序列样本集的第一子集,所述第一子集中包括多组Y1',V1',D1'的时序组合;其中,P为所述第一风电机组与第二风电机组的功率之和,f为第一运算符,Y1、V1、D1分别为所述样本集中所述第一风电机组的偏航角、风速、风向,Y2为所述样本集中所述第二风电机组的偏航角,Y1',V1',D1'分别为所述第一子集中所述第一风电机组的偏航角、风速、风向;
步骤6215,根据P''=f''(Y1'',V1'',D1'')第二函数关系式、预设风向以及预设风向范围内,对所述第一子集中的样本进行筛选,获得所述第一子集的第二子集,所述第二子集中包括多组Y1'',V1''的时序组合,其中,Y1''为所述第二子集中在预设风向范围内第一风电机组的偏航角,V1''为所述第二子集中在预设风速范围内第一风电机组的风速;
步骤6216,根据多组所述Y1'',V1''的时序组合,获得所述时序数据组合矩阵;其中,偏航角Y1''以及风速V1''形成所述时序数据组合矩阵的列,偏航角Y1''以及风速V1''的时间戳形成所述时序数据组合矩阵的行;
步骤6217,将所述时序数据组合矩阵作为结果文件存储到数据库中;
步骤63,获取目标偏航角;
步骤631,通过传感器,获取所述第一风电机组的绝对风向机实时风速;
步骤632,在尾流优化模型中,根据所述实时风速以及所述时序数据组合矩阵中的多组风速、偏航角的时序组合,对所述实时风速下对应的偏航角进行插值处理获得目标偏航角;
步骤64,通过实时数据库将所述目标偏航角传输至所述第一风电机组,所述第一风电机组在预设运行周期内,按照所述目标偏航角进行运行。
在实际风场中,整个风场的风电机组按照目标偏航角运行时,如图7所示,首先需要对风场的风电机组进行尾流分组,根据风场预置设备获取风场每台风电机组的机位信息以及风场的整体风速和风向,按照预设规则对风电机组进行尾流分组,获得第一机组对,第二机组对,…,第n机组对,其中,每对机组对中均包括:第一风电机组An和第二风电机组Bn,n为正整数;后续每对风电机组的目标偏航角的获取方法,均与上述两台风电机组的目标偏航角的获取方法相同;
本发明的上述实施例中,通过直接获取风电机组在实际运行过程中产生的历史运行数据,并对历史运行数据进行筛选,获取风电场机组在历史情况下满足最优运行时的风速与偏航角组合矩阵,进一步根据实时测得的风速,在风速与偏航角组合矩阵中插值出最优的目标偏航角,进一步的,在预设运行周期内,经过尾流分组的机组中第一风电机组的按照目标偏航角进行运行,在保证第一风电机组对第二风电机组尾流影响最小的情况下,也可以保证所述第一风电机组及第二风电机组的输出功率之和达到最大,在实际应用中,可以提高设备的运行效率,提高尾流优化控制的准确度,同时本发明提供的方法根据风电机组的最终输出功率,可以提高尾流控制的可行性和有效性。
如图8所示,本发明的实施例还提供一种风电机组指标参数的获取装置80,所述装置80包括:
获取模块81,用于获取至少两台风电机组在历史预设周期内的运行数据集,所述运行数据集包括所述至少两台风电机组中每台风电机组在至少一种指标下的时序数据,其中,所述时序数据中每个数据点的数值表示每种指标的指标参数;
处理模块82,用于根据所述至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对所述运行数据集进行筛选,获得所述至少两台风电机组的时序数据组合矩阵;根据预设指标参数以及所述时序数据组合矩阵,获得目标指标参数,所述目标指标参数是所述至少两台风电机组中各台风电机组的输出功率的总和最大时,所述至少两台风电机组中第一风电机组的目标指标参数,所述第一风电机组是不受其它风电机组尾流影响的风电机组。
可选的,所述指标包括:风电机组的风速、风向、偏航角和功率。
可选的,所述处理模块82,用于根据所述至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对所述运行数据集进行筛选,获得所述至少两台风电机组的时序数据组合矩阵,包括:
按照预设分切长度,将所述运行数据集中每台风电机组的时序数据分别分切成至少两段子时序数据;
获取所述至少两台风电机组中所述第一风电机组的每段子时序数据形成的子序列与第二风电机组对应段的子时序数据形成的子序列间的交叉相关系数,其中,所述第二风电机组为布置于受所述第一风电机组尾流影响的位置处的风电机组;
将所述交叉相关系数大于一预设系数阈值的两个子序列,确定为目标子序列组合,并获得所述至少两台风电机组的至少两组目标子序列组合;
根据所述至少两组目标子序列组合,得到时序数据组合矩阵。
可选的,所述处理模块82,用于获取所述至少两台风电机组中所述第一风电机组的每段子时序数据形成的子序列与第二风电机组对应段的子时序数据形成的子序列间的交叉相关系数,包括:
获取所述第一风电机组子时序数据预设时段内的子序列;
按照预设错位步长及错位次数,对所述第二风电机组的子时序数据进行错位处理,每错位一次获得所述第二风电机组的子时序数据的一个子序列,且每错位一次,计算一次所述第一风电机组子时序数据预设时段内的子序列与错位处理后所述第二风电机组的子序列的交叉相关系数。
可选的,所述交叉相关系数可以通过以下公式获得:
其中,为所述交叉相关系数,k表示分切后形成的至少两段子时序数据中的第k段子时序数据,Sx、Sy分别表示第一风电机组的第k段子序列{xt}、第二风电机组的第k段子序列{yt}的标准差,t表示时间戳,表示第一风电机组的第k段子序列{xt}与第二风电机组的第k段子序列{yt}的互协方差,,其中,表示第k段子序列{xt}的均值,表示第k段子序列{yt}的均值。
可选的,所述处理模块82,用于根据所述至少两组目标子序列组合,得到时序数据组合矩阵,包括:
将所述至少两组目标子序列组合中的目标子序列进行合并,获得所述目标子序列的样本集,所述样本集中包括:所述第一风电机组的风速、风向、偏航角、功率以及所述第二风电机组的偏航角、功率;
在预设偏航角范围内,对所述样本集进行筛选,获得所述样本集的第一子集,所述第一子集中包括多组Y1',V1',D1'的时序组合;其中,Y1'为所述第一子集中第一风电机组的偏航角,V1'为所述第一子集中第一风电机组的风速,D1'为所述第一子集中第一风电机组的风向;
在预设风向范围内以及预设风速范围内对所述第一子集中的样本进行筛选,获得所述第一子集的第二子集,所述第二子集中包括多组Y1'',V1''的时序组合,其中,Y1''为在所述预设风向范围内所述第二子集中第一风电机组的偏航角,V1''为在所述预设风速范围内所述第二子集中第一风电机组的风速;
根据所述第二子集中的多组Y1'',V1''的时序组合,获得所述时序数据组合矩阵;其中,所述偏航角Y1''以及所述风速V1''形成所述时序数据组合矩阵的列。
可选的,所述预设指标参数包括:所述第一风电机组的实时风速以及绝对风向;
所述处理模块82,用于根据预设指标参数以及所述时序数据组合矩阵,获得目标指标参数,包括:
当所述绝对风向满足所述预设风向范围内且所述实时风速满足所述预设风速范围内时,根据所述实时风速以及所述时序数据组合矩阵中的多组Y1'',V1''的时序组合,对所述实时风速下对应的偏航角进行插值处理,得到目标偏航角;否则,确定所述实时风速下对应的目标偏航角为零;
将所述实时风速下对应的目标偏航角,确定为所述第一风电机组的目标指标参数。
需要说明的是,该装置是与上述方法对应的装置,上述方法实施例中的所有实现方式均适用于该装置的实施例中,也能达到相同的技术效果。
本发明的实施例提供一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如上述的方法对应的操作。
需要说明的是,该计算设备是与上述方法对应的电子设备,上述方法实施例中的所有实现方式均适用于该计算设备的实施例中,也能达到相同的技术效果。
本发明的实施例还提供一种可读存储介质,存储有指令,所述指令在计算机上运行时,使得计算机执行如上所述的方法对应的步骤。
需要说明的是,该可读存储介质是与上述方法对应的可读存储介质,上述方法实施例中的所有实现方式均适用于该可读存储介质的实施例中,也能达到相同的技术效果。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
此外,需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行,某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用他们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明所述原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种风电机组指标参数的获取方法,其特征在于,包括:
获取至少两台风电机组在历史预设周期内的运行数据集,所述运行数据集包括所述至少两台风电机组中每台风电机组在至少一种指标下的时序数据,其中,所述时序数据中每个数据点的数值表示每种指标的指标参数;
根据所述至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对所述运行数据集进行筛选,获得所述至少两台风电机组的时序数据组合矩阵;
根据预设指标参数以及所述时序数据组合矩阵,获得目标指标参数,所述目标指标参数是所述至少两台风电机组中各台风电机组的输出功率的总和最大时,所述至少两台风电机组中第一风电机组的目标指标参数;所述至少两台风电机组中包括:第一风电机组以及受所述第一风电机组尾流影响的至少一个其他风电机组,所述第一风电机组是不受其它风电机组尾流影响的风电机组;
其中,所述至少一种指标包括:风电机组的风速、风向、偏航角和功率;
所述预设指标参数包括:所述第一风电机组的实时风速以及绝对风向;
根据预设指标参数以及所述时序数据组合矩阵,获得目标指标参数,包括:
当所述绝对风向满足预设风向范围内且所述实时风速满足预设风速范围内时,根据所述实时风速以及所述时序数据组合矩阵中的多组所述第一风电机组在所述预设风向范围内的偏航角与风速的时序组合,对所述实时风速下对应的偏航角进行插值处理,得到目标偏航角;否则,确定所述实时风速下对应的目标偏航角为零;
将所述实时风速下对应的目标偏航角,确定为所述第一风电机组的目标指标参数。
2.根据权利要求1所述的风电机组指标参数的获取方法,其特征在于,根据所述至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对所述运行数据集进行筛选,获得所述至少两台风电机组的时序数据组合矩阵,包括:
按照预设分切长度,将所述运行数据集中每台风电机组的时序数据分别分切成至少两段子时序数据;
获取所述至少两台风电机组中所述第一风电机组的每段子时序数据形成的子序列与第二风电机组对应段的子时序数据形成的子序列间的交叉相关系数,其中,所述第二风电机组为布置于受所述第一风电机组尾流影响的位置处的风电机组;
将所述交叉相关系数大于一预设系数阈值的两个子序列,确定为目标子序列组合,并获得所述至少两台风电机组的至少两组目标子序列组合;
根据所述至少两组目标子序列组合,得到时序数据组合矩阵。
3.根据权利要求2所述的风电机组指标参数的获取方法,其特征在于,获取所述至少两台风电机组中所述第一风电机组的每段子时序数据形成的子序列与第二风电机组对应段的子时序数据形成的子序列间的交叉相关系数,包括:
获取所述第一风电机组子时序数据预设时段内的子序列;
按照预设错位步长及错位次数,对所述第二风电机组的子时序数据进行错位处理,每错位一次获得所述第二风电机组的子时序数据的一个子序列,且每错位一次,计算一次所述第一风电机组子时序数据预设时段内的子序列与错位处理后所述第二风电机组的子序列的交叉相关系数。
5.根据权利要求2所述的风电机组指标参数的获取方法,其特征在于,根据所述至少两组目标子序列组合,得到时序数据组合矩阵,包括:
将所述至少两组目标子序列组合中的目标子序列进行合并,获得所述目标子序列的样本集,所述样本集中包括:所述第一风电机组的风速、风向、偏航角、功率以及所述第二风电机组的偏航角、功率;
在预设偏航角范围内,对所述样本集进行筛选,获得所述样本集的第一子集,所述第一子集中包括多组Y1',V1',D1'的时序组合;其中,Y1'为所述第一子集中第一风电机组的偏航角,V1'为所述第一子集中第一风电机组的风速,D1'为所述第一子集中第一风电机组的风向;
在预设风向范围内以及预设风速范围内对所述第一子集中的样本进行筛选,获得所述第一子集的第二子集,所述第二子集中包括多组Y1'',V1''的时序组合,其中,Y1''为在所述预设风向范围内所述第二子集中第一风电机组的偏航角,V1''为在所述预设风速范围内所述第二子集中第一风电机组的风速;
根据所述第二子集中的多组Y1'',V1''的时序组合,获得所述时序数据组合矩阵;其中,所述偏航角Y1''以及所述风速V1''形成所述时序数据组合矩阵的列。
6.一种风电机组指标参数的获取装置,其特征在于,包括:
获取模块,获取至少两台风电机组在历史预设周期内的运行数据集,所述运行数据集包括所述至少两台风电机组中每台风电机组在至少一种指标下的时序数据,其中,所述时序数据中每个数据点的数值表示每种指标的指标参数;
处理模块,用于根据所述至少两台风电机组在至少一种指标下的时序数据的交叉相关度,对所述运行数据集进行筛选,获得所述至少两台风电机组的时序数据组合矩阵;根据预设指标参数,对所述时序数据组合矩阵进行筛选,获得目标指标参数,所述目标指标参数是所述至少两台风电机组中各台风电机组的输出功率的总和最大时,所述至少两台风电机组中第一风电机组的目标指标参数;所述至少两台风电机组中包括:第一风电机组以及受所述第一风电机组尾流影响的至少一个其他风电机组,所述第一风电机组是不受其它风电机组尾流影响的风电机组;
其中,所述至少一种指标包括:风电机组的风速、风向、偏航角和功率;
所述预设指标参数包括:所述第一风电机组的实时风速以及绝对风向;
根据预设指标参数以及所述时序数据组合矩阵,获得目标指标参数,包括:
当所述绝对风向满足预设风向范围内且所述实时风速满足预设风速范围内时,根据所述实时风速以及所述时序数据组合矩阵中的多组所述第一风电机组在所述预设风向范围内的偏航角与风速的时序组合,对所述实时风速下对应的偏航角进行插值处理,得到目标偏航角;否则,确定所述实时风速下对应的目标偏航角为零;
将所述实时风速下对应的目标偏航角,确定为所述第一风电机组的目标指标参数。
7.一种计算设备,其特征在于,包括:处理器、存储有计算机程序的存储器,所述计算机程序被处理器运行时,执行如权利要求1至5任一项所述的方法。
8.一种计算机可读存储介质,其特征在于,存储有指令,当所述指令在计算机上运行时,使得计算机执行如权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210995768.1A CN115062879B (zh) | 2022-08-19 | 2022-08-19 | 一种风电机组指标参数的获取方法、装置及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210995768.1A CN115062879B (zh) | 2022-08-19 | 2022-08-19 | 一种风电机组指标参数的获取方法、装置及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115062879A CN115062879A (zh) | 2022-09-16 |
CN115062879B true CN115062879B (zh) | 2022-10-28 |
Family
ID=83207301
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210995768.1A Active CN115062879B (zh) | 2022-08-19 | 2022-08-19 | 一种风电机组指标参数的获取方法、装置及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115062879B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115800398A (zh) * | 2022-11-29 | 2023-03-14 | 盛东如东海上风力发电有限责任公司 | 纵向相邻风电机组中上游风电机组的功率优化方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107291927A (zh) * | 2017-06-29 | 2017-10-24 | 同济大学 | 一种用于风电机组风速相关性分析的风速数据清洗方法 |
EP3441916A1 (en) * | 2017-06-02 | 2019-02-13 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Method and apparatus for correcting predicted wind speed of wind farm |
CN110094300A (zh) * | 2019-01-24 | 2019-08-06 | 上海电力学院 | 风电机组的对风偏差矫正方法、装置、设备及介质 |
CN110728066A (zh) * | 2019-10-18 | 2020-01-24 | 华北电力大学 | 一种风电场扇区优化方法及系统 |
CN114692369A (zh) * | 2020-12-30 | 2022-07-01 | 新疆金风科技股份有限公司 | 风电机组运行控制方法、装置、控制器及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114597960A (zh) * | 2022-02-11 | 2022-06-07 | 华北电力大学 | 风电场运行控制方法、装置、设备及存储介质 |
-
2022
- 2022-08-19 CN CN202210995768.1A patent/CN115062879B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3441916A1 (en) * | 2017-06-02 | 2019-02-13 | Beijing Goldwind Science & Creation Windpower Equipment Co., Ltd. | Method and apparatus for correcting predicted wind speed of wind farm |
CN107291927A (zh) * | 2017-06-29 | 2017-10-24 | 同济大学 | 一种用于风电机组风速相关性分析的风速数据清洗方法 |
CN110094300A (zh) * | 2019-01-24 | 2019-08-06 | 上海电力学院 | 风电机组的对风偏差矫正方法、装置、设备及介质 |
CN110728066A (zh) * | 2019-10-18 | 2020-01-24 | 华北电力大学 | 一种风电场扇区优化方法及系统 |
CN114692369A (zh) * | 2020-12-30 | 2022-07-01 | 新疆金风科技股份有限公司 | 风电机组运行控制方法、装置、控制器及存储介质 |
Non-Patent Citations (1)
Title |
---|
计及尾流效应的双馈机组风电场等值建模研究;徐玉琴等;《电力系统保护与控制》;20131226(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115062879A (zh) | 2022-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111461444A (zh) | 风电场的机组功率的预测方法、系统、介质及电子设备 | |
CN102562469B (zh) | 基于校正算法的短期风力发电机输出功率预测方法 | |
CN109779848B (zh) | 全场风速修正函数的获得方法、装置及风电场 | |
CN115062879B (zh) | 一种风电机组指标参数的获取方法、装置及设备 | |
CN112267972B (zh) | 一种风电机组功率曲线异常智能判定方法 | |
CN110094300B (zh) | 风电机组的对风偏差矫正方法、装置、设备及介质 | |
CN112861429B (zh) | 一种风力机机舱传递函数计算方法 | |
CN111340307B (zh) | 预测风机风力发电功率的方法以及相关装置 | |
CN116306798A (zh) | 一种超短时风速预测方法及系统 | |
CN105279384A (zh) | 一种基于风力机机舱风速的来流风速计算方法及装置 | |
CN108052963A (zh) | 风电功率预测建模的数据筛选方法、装置及风力发电机组 | |
CN110751213A (zh) | 一种测风塔异常风速数据识别与补齐的方法 | |
CN103279030A (zh) | 基于贝叶斯框架的动态软测量建模方法及装置 | |
CN101529347A (zh) | 识别有延时的调节对象的方法和装置、调节装置和计算机程序产品 | |
CN112131753A (zh) | 风机疲劳寿命的评估方法、系统、设备及可读介质 | |
CN111367255A (zh) | 一种多变量控制系统性能评价测试系统及方法 | |
CN114239708B (zh) | 一种基于质量控制图理论的燃机异常检测方法 | |
CN116756199A (zh) | 一种测风数据处理推荐方法和系统 | |
CN115713029A (zh) | 一种考虑迟延的风电场随机模型预测优化控制方法 | |
CN114564697A (zh) | 一种利用观测风速数据校正中尺度模拟风速数据的方法及系统 | |
CN105303056B (zh) | 一种风速实时变化速率刻画方法 | |
CN111367254B (zh) | 光伏电站解析单机等值方法、系统及设备 | |
CN113987870A (zh) | 一种风电机组主传动系统状态评估方法及终端设备 | |
CN111612255B (zh) | 一种基于支持向量回归的风电场功率曲线建模方法 | |
CN113408076A (zh) | 基于支持向量机模型的小样本机械剩余寿命预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |