CN116594019B - 雷达数据预测方法及系统 - Google Patents

雷达数据预测方法及系统 Download PDF

Info

Publication number
CN116594019B
CN116594019B CN202310876624.9A CN202310876624A CN116594019B CN 116594019 B CN116594019 B CN 116594019B CN 202310876624 A CN202310876624 A CN 202310876624A CN 116594019 B CN116594019 B CN 116594019B
Authority
CN
China
Prior art keywords
wind
wind power
facility
predicted
influencing
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
Application number
CN202310876624.9A
Other languages
English (en)
Other versions
CN116594019A (zh
Inventor
刘岩
王政
王勋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Huaxin Science And Technology Co ltd
Original Assignee
Beijing Huaxin Science And Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Huaxin Science And Technology Co ltd filed Critical Beijing Huaxin Science And Technology Co ltd
Priority to CN202310876624.9A priority Critical patent/CN116594019B/zh
Publication of CN116594019A publication Critical patent/CN116594019A/zh
Application granted granted Critical
Publication of CN116594019B publication Critical patent/CN116594019B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L11/00—Measuring steady or quasi-steady pressure of a fluid or a fluent solid material by means not provided for in group G01L7/00 or G01L9/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P13/00—Indicating or recording presence, absence, or direction, of movement
    • G01P13/02—Indicating direction only, e.g. by weather vane
    • G01P13/025—Indicating direction only, e.g. by weather vane indicating air data, i.e. flight variables of an aircraft, e.g. angle of attack, side slip, shear, yaw
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Fluid Mechanics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Algebra (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Wind Motors (AREA)

Abstract

本发明提供一种雷达数据预测方法及系统，涉及雷达数据处理领域，包括：获取初始时刻雷达数据；获取初始时刻风力影响设施迎风面的偏航角和迎风角；确定初始时刻总风功率；确定总风功率和理论总风功率；若理论总风功率与总风功率的差距大于或等于第一阈值，确定初始时刻的调节权重；根据调节权重、风向数据、风力数据、偏航角、迎风角和优化控制模型，获得多个调节步的预测总风功率，预测偏航角和预测迎风角；确定总风功率与理论总风功率的差距小于或等于第二阈值的目标总风功率、预测偏航角和预测迎风角；根据预测偏航角和预测迎风角进行调节获得预测雷达数据。根据本发明，可获得尾流场的影响最小化后的预测雷达数据，有助于提升风能利用率。

Description

雷达数据预测方法及系统
技术领域
本发明涉及雷达数据处理领域，尤其涉及一种雷达数据预测方法及系统。
背景技术
风吹过任意设施（例如，楼宇、广告牌、风车等）后，在设施的背风向产生尾流，尾流可对该设施下游的风力数据产生影响，可能导致下游的设施接收到的风功率下降，使得对风能的利用率下降。在相关技术中，针对风力影响设施的尾流的研究通常针对单一设施，例如，研究风吹过单一设施之后产生的尾流，从而确定单一设施对于风能的利用率。然而，对于设施密集的区域，多个设施的尾流形成尾流场，尾流场可对下游多个设施产生复杂的影响，而相关技术中未针对多个设施的尾流场进行研究，也未能在尾流场的影响下，预测该区域的风力数据，也无法基于风力数据提升风能利用率。
公开于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明实施例提供一种雷达数据预测方法及系统，能够获得多个风力影响设施的尾流场的影响最小化后的预测雷达数据，有助于提升风能利用率。
根据本发明的实施例的第一方面，提供一种雷达数据预测方法,包括：
获取第i个调节周期的初始时刻的多个风力影响设施所在的第一区域的雷达数据，其中，所述雷达数据包括所述第一区域中各个位置的风向数据和风力数据，i为正整数；
获取第i个调节周期的初始时刻的多个风力影响设施的迎风面的偏航角和迎风角，所述迎风角为所述迎风面上的影响风力的结构的相对于迎风面的角度；
确定在所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率；
根据所述风向数据、所述风力数据，以及所述多个风力影响设施所在的第一区域中的位置信息，确定在各个风力影响设施的尾流影响最小化情况下的理论总风功率；
在所述理论总风功率与所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率的差距大于或等于第一阈值的情况下，根据所述第i个调节周期的初始时刻的风向数据和风力数据，确定各个风力影响设施的在第i个调节周期的初始时刻的调节权重；
根据所述各个风力影响设施的在第i个调节周期的初始时刻的调节权重、所述风向数据、所述风力数据、所述偏航角、所述迎风角，以及预训练的优化控制模型，获得第i个调节周期的多个调节步的预测总风功率，以及各个风力影响设施的预测偏航角和预测迎风角；
在所述第i个调节周期的多个调节步的预测总风功率中，确定与所述理论总风功率之间的差距小于或等于第二阈值的目标总风功率，以及所述目标总风功率对应的目标调节步的预测偏航角和预测迎风角；
根据所述预测偏航角和预测迎风角，获得优化调节后的预测雷达数据。
根据本发明的一个实施例，根据所述各个风力影响设施的在第i个调节周期的初始时刻的调节权重、所述风向数据、所述风力数据、所述偏航角、所述迎风角，以及预训练的优化控制模型，获得第i个调节周期的多个调节步的预测总风功率，以及各个风力影响设施的预测偏航角和预测迎风角，包括：
对风向上游的风力影响设施的偏航角和迎风角进行多次随机调整，获得与所述风向上游的风力影响设施相邻的风向下游风力影响设施位置处的风力数据，与所述风向上游的风力影响设施的偏航角和迎风角的调节幅度之间的第一相关关系；
根据所述各个风力影响设施的在第i个调节周期的初始时刻的所述风向数据和所述风力数据，确定各个风力影响设施所在位置处的风力最大值数据以及与所述风力最大值数据对应的最大风力方向数据；
根据第i个调节周期的初始时刻的各个风力影响设施的风力最大值数据、最大风力方向数据、偏航角、迎风角，获得所述初始时刻的各个风力影响设施的状态向量；
根据所述第一相关关系，确定各个状态向量之间的第二相关关系；
将所述初始时刻的各个风力影响设施的状态向量、所述各个状态向量之间的第二相关关系、各个风力影响设施的调节权重以及多个风力影响设施的总风功率，输入所述优化控制模型，获得第1个调节步的预测总风功率，以及各个风力影响设施的预测偏航角、预测迎风角，以及各个风力影响设施位置处的预测风力最大值数据和预测最大风力方向数据；
根据第1个调节步的各个风力影响设施的预测风力最大值数据、预测最大风力方向数据、预测偏航角、预测迎风角，获得第1个调节步的各个风力影响设施的状态向量；
根据第1个调节步的各个风力影响设施的预测风力最大值数据和预测最大风力方向数据，获得第1个调节步的各个风力影响设施的调节权重；
将第j个调节步的各个风力影响设施的状态向量、所述第二相关关系、各个风力影响设施的调节权重和预测总风功率输入所述优化控制模型，获得第j+1个调节步的预测总风功率、各个风力影响设施的预测偏航角、预测迎风角，以及各个风力影响设施位置处的预测风力最大值数据和预测最大风力方向数据，其中，j为正整数。
根据本发明的一个实施例，将第j个调节步的各个风力影响设施的状态向量、所述第二相关关系、各个风力影响设施的调节权重和预测总风功率输入所述优化控制模型，获得第j+1个调节步的预测总风功率、各个风力影响设施的预测偏航角、预测迎风角，以及各个风力影响设施位置处的预测风力最大值数据和预测最大风力方向数据，包括：
根据第j个调节步的各个风力影响设施的状态向量和所述第二相关关系，确定优化控制模型的边界条件；
根据所述理论总风功率、所述第j个调节步的各个风力影响设施的状态向量，确定优化控制模型的优化函数；
通过所述优化控制模型，根据所述调节权重、所述优化函数和所述边界条件进行优化，获得第j+1个调节步的预测总风功率、各个风力影响设施的预测偏航角、预测迎风角。
根据本发明的一个实施例，根据第j个调节步的各个风力影响设施的状态向量和所述第二相关关系，确定优化控制模型的边界条件，包括：
根据公式
；
；
；
；
；
；
设置所述优化控制模型的边界条件，其中，为第a行第b列的风力影响设施在第j个调节步的预测偏航角，为第a行第b列的风力影响设施在第j+1个调节步的预测偏航角，为第a行第b列的风力影响设施在第j+1个调节步的偏航角调节幅度，为第a行第b列的风力影响设施在第j个调节步的迎风角，为第a行第b列的风力影响设施在第j+1个调节步的迎风角，为第a行第b列的风力影响设施在第j+1个调节步的迎风角调节幅度，为第a-1行第k列的风力影响设施在第j+1个调节步的偏航角调节幅度，为为第a-1行第k列的风力影响设施在第j+1个调节步的迎风角调节幅度，为第t行第b列的风力影响设施在第j+1个调节步的偏航角调节幅度，为第t行第b列的风力影响设施在第j+1个调节步的迎风角调节幅度，为第a行第b列的风力影响设施位置处第j个调节步的预测风力最大值数据，为第a行第b列的风力影响设施位置处第j+1个调节步的预测风力最大值数据，为第a-1行第k列的风力影响设施位置处第j+1个调节步的预测风力最大值向量，为第a行第b列的风力影响设施位置处第j个调节步的预测风力最大值向量，为第a行第b列的风力影响设施位置处第j+1个调节步的预测风力最大值向量，为第a行第b列的风力影响设施位置处第j个调节步的预测最大风力方向数据，且为的角度，为第a行第b列的风力影响设施位置处第j+1个调节步的预测最大风力方向数据，且为的角度，为第t行第b列的风力影响设施的状态向量与第a行第b列的风力影响设施的状态向量的第二相关关系，为第a-1行第k列风力影响设施的状态向量与第a行第b列的风力影响设施的状态向量的第二相关关系，为与迎风角相关的效率系数，为第a行第b列的风力影响设施的在第j个调节步的预测风功率，为第a行第b列的风力影响设施的在第j+1个调节步的预测风功率，为第a-1行的风力影响设施的数量，为拟合系数。
根据本发明的一个实施例，根据所述理论总风功率、所述第j个调节步的各个风力影响设施的状态向量，确定优化控制模型的优化函数，包括：
根据公式
；
；
获得所述优化函数，其中，为理论总风功率，为总行数，为总列数，为第j+1个调节步的预测总风功率与理论总风功率的差距。
根据本发明的一个实施例，在所述理论总风功率与所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率的差距大于或等于第一阈值的情况下，根据所述第i个调节周期的初始时刻的风向数据和风力数据，确定各个风力影响设施的在第i个调节周期的初始时刻的调节权重，包括：
根据公式，确定第a行第b列的风力影响设施在第i个调节周期的初始时刻的调节权重，其中，为初始时刻第a行第b列的风力影响设施位置处的最大风力数据，为初始时刻第a行第b列的风力影响设施的偏航角，为初始时刻第a行第b列的风力影响设施位置处最大风力方向数据。
根据本发明的一个实施例，根据所述风向数据、所述风力数据，以及所述多个风力影响设施所在的第一区域中的位置信息，确定在各个风力影响设施的尾流影响最小化情况下的理论总风功率，包括：
根据所述风力数据，确定第一行的各个风力影响设施所在位置处的最大风力数据；
根据所述风向数据，确定各个风力影响设施的理论偏航角；
根据所述理论偏航角，和所述第一行的各个风力影响设施所在位置处的最大风力数据，确定在各个风力影响设施的尾流影响最小化情况下的理论风功率；
根据各个风力影响设施的理论风功率，获得所述理论总风功率。
根据本发明的实施例的第二方面，提供一种雷达数据预测系统，包括：
雷达数据模块，用于获取第i个调节周期的初始时刻的多个风力影响设施所在的第一区域的雷达数据，其中，所述雷达数据包括所述第一区域中各个位置的风向数据和风力数据，i为正整数；
初始角度模块，用于获取第i个调节周期的初始时刻的多个风力影响设施的迎风面的偏航角和迎风角，所述迎风角为所述迎风面上的影响风力的结构的相对于迎风面的角度；
初始总风功率模块，用于确定在所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率；
理论总风功率模块，用于根据所述风向数据、所述风力数据，以及所述多个风力影响设施所在的第一区域中的位置信息，确定在各个风力影响设施的尾流影响最小化情况下的理论总风功率；
初始权重模块，用于在所述理论总风功率与所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率的差距大于或等于第一阈值的情况下，根据所述第i个调节周期的初始时刻的风向数据和风力数据，确定各个风力影响设施的在第i个调节周期的初始时刻的调节权重；
优化模块，用于根据所述各个风力影响设施的在第i个调节周期的初始时刻的调节权重、所述风向数据、所述风力数据、所述偏航角、所述迎风角，以及预训练的优化控制模型，获得第i个调节周期的多个调节步的预测总风功率，以及各个风力影响设施的预测偏航角和预测迎风角；
目标总风功率模块，用于在所述第i个调节周期的多个调节步的预测总风功率中，确定与所述理论总风功率之间的差距小于或等于第二阈值的目标总风功率，以及所述目标总风功率对应的目标调节步的预测偏航角和预测迎风角；
预测模块，用于根据所述预测偏航角和预测迎风角，获得优化调节后的预测雷达数据。
根据本发明的实施例的第三方面，提供一种雷达数据预测设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行所述雷达数据预测方法。
根据本发明的实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现所述雷达数据预测方法。
根据本发明的实施例的雷达数据预测方法，可基于多个风力影响设施所在的第一区域的雷达数据来确定风向数据和风力数据，且在优化过程中，考虑上游风力影响设施的尾流场对于下游风力影响设施的影响，并以综合风功率最大化和综合效率最大化为目标进行优化，提升风力影响设施状态预测的准确性，且提高风力影响设施的效率和发电效益。经过优化过程获得的预测偏航角和预测迎风角，可使多个风力影响设施的尾流场对风力影响设施阵列的影响最小化，从而提升风能利用率，并可计算优化后的预测雷达数据，通过该数据可对第一区域的设施进行进一步地模拟，为调整设施的类型、位置和设计参数提供数据基础，进一步优化风能利用率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本发明。根据下面参考附图对示例性实施例的详细说明，本发明的其它特征及方面将更清楚。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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，还可以根据这些附图获得其他的实施例，
图1示例性地示出根据本发明实施例的雷达数据预测方法的流程示意图；
图2示例性地示出根据本发明实施例的多个风力影响设施的位置示意图；
图3示例性地示出根据本发明实施例的雷达数据预测系统的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1示例性地示出根据本发明实施例的雷达数据预测方法的流程示意图，如图1所示，所述方法包括：
步骤S101，获取第i个调节周期的初始时刻的多个风力影响设施所在的第一区域的雷达数据，其中，所述雷达数据包括所述第一区域中各个位置的风向数据和风力数据，i为正整数；
步骤S102，获取第i个调节周期的初始时刻的多个风力影响设施的迎风面的偏航角和迎风角，所述迎风角为所述迎风面上的影响风力的结构的相对于迎风面的角度；
步骤S103，确定在所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率；
步骤S104，根据所述风向数据、所述风力数据，以及所述多个风力影响设施所在的第一区域中的位置信息，确定在各个风力影响设施的尾流影响最小化情况下的理论总风功率；
步骤S105，在所述理论总风功率与所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率的差距大于或等于第一阈值的情况下，根据所述第i个调节周期的初始时刻的风向数据和风力数据，确定各个风力影响设施的在第i个调节周期的初始时刻的调节权重；
步骤S106，根据所述各个风力影响设施的在第i个调节周期的初始时刻的调节权重、所述风向数据、所述风力数据、所述偏航角、所述迎风角，以及预训练的优化控制模型，获得第i个调节周期的多个调节步的预测总风功率，以及各个风力影响设施的预测偏航角和预测迎风角；
步骤S107，在所述第i个调节周期的多个调节步的预测总风功率中，确定与所述理论总风功率之间的差距小于或等于第二阈值的目标总风功率，以及所述目标总风功率对应的目标调节步的预测偏航角和预测迎风角；
步骤S108，根据所述预测偏航角和预测迎风角，获得优化调节后的预测雷达数据。
根据本发明的实施例的雷达数据预测方法，可基于多个风力影响设施所在的第一区域的雷达数据来确定风向数据和风力数据，从而在优化中，优化各个风力影响设施的偏航角和迎风角，使得多个风力影响设施的尾流场对风力影响设施阵列的影响最小化，并使得风力影响设施阵列的总风功率与尾流影响最小化情况下的理论总风功率之间的差距最小化，从而减小尾流场的影响下，获得优化调节后的预测测风激光雷达数据，以基于雷达数据提升风能利用率。
根据本发明的一个实施例，所述风力影响设施可以是任意能够影响风力的设施，且风力影响设施的迎风面可以调节。例如，风力影响设施包括可旋转的广告牌、地面雷达等，又例如，风力影响设施可包括能够利用风能的设施，例如，风车等，本发明对风力影响设施的类型不做限制。
根据本发明的一个实施例，在步骤S101中，雷达可包括机舱式雷达、测风激光雷达，可在多个风力影响设施所在的第一区域中设置多个雷达，从而可获得第一区域的各个位置的雷达数据，即，获得第一区域的各个位置的风向数据和风力数据，包括每个风力影响设施所在位置的风向数据和风力数据，还可包括每个风力影响设施所在位置处的风力最大值数据，以及最大风力方向数据，即，最大风力的方向。
根据本发明的一个实施例，第i个调节周期为当前的调节周期，i为正整数，调节周期可包括固定的时间段，例如，每隔10分钟、30分钟、1小时等进行一次调节，也可根据风力数据和风向数据的变化速度来确定，例如，风力数据和风向数据的变化较快时，可缩短调节周期，风力数据和风向数据的变化较慢时，可延长调节周期。
根据本发明的一个实施例，在步骤S102中，可获取第i个调节周期的初始时刻（即，当前时刻）多个风力影响设施的偏航角和迎风角，即，确定当前多个风力影响设施的状态，例如，可与各个风力影响设施的控制器进行通信连接，从而获得风力影响设施当前的状态。还可在步骤S103中，确定第i个调节周期的初始时刻（即，当前时刻）多个风力影响设施的总风功率，风功率，风功率为风力吹过风力影响设施后，风能转化成的机械能的功率。例如，可通过测量多个风力影响设施的总线的功率，确定多个风力影响设施的总风功率。雷达数据来确定风力数据在各个位置处的变化，从而确定风能减少的情况，风能的减少可转化为机械能，从而可确定风能转化成的机械能的功率。本发明对获取风力影响设施的偏航角和迎风角，以及获取多个风力影响设施的总风功率的方式不做限制。
根据本发明的一个实施例，在步骤S104中，可确定在当前风向数据和风力数据的下，多个风力影响设施的理论总风功率，即，假设尾流的影响最小化的情况下，多个风力影响设施的总风功率。例如，可假设没有尾流的影响，在当前的风向数据和风力数据的作用下，求解各个风力影响设施的理论风功率，并进行求和，获得多个风力影响设施的理论总风功率。
根据本发明的一个实施例，步骤S104可包括：根据所述风力数据，确定第一行的各个风力影响设施所在位置处的最大风力数据；根据所述风向数据，确定各个风力影响设施的理论偏航角；根据所述理论偏航角，和所述第一行的各个风力影响设施所在位置处的最大风力数据，确定在各个风力影响设施的尾流影响最小化情况下的理论风功率；根据各个风力影响设施的理论风功率，获得所述理论总风功率。
根据本发明的一个实施例，可确定所述风向数据，确定各个风力影响设施所在位置处的最大风力数据，并确定最大风力数据对应的最大风力方向数据，即，最大风力数据对应的方向。
根据本发明的一个实施例，风功率与风向和风力影响设施的迎风面的偏航角之间的夹角有关，风力减小所减少的风能可完全转化为正对风力最大方向的迎风面的机械能，如果迎风面未正对风力最大方向，则风功率为风力减小所减少的风能乘以夹角的余弦值。可在各个风力影响设施所在位置处的最大风力数据中，确定第一行各风力影响设施所在位置处的最大风力数据。进一步地，基于最大风力方向数据可确定各个风力影响设施的理论偏航角，例如，使风力影响设施正对最大风力的方向的偏航角。进一步地，可假设将各个风力影响设施的偏航角均设置为理论偏航角的情况下，各个风力影响设施受到的风力与该风力影响设施所在列中第一行的风力影响设施受到的最大风力相同，从而可使用第一行风力影响设施受到的最大风力数据来确定各个风力影响设施的理论风功率，即，假设各个风力影响设施的偏航角为理论偏航角，且在受到的风力等于第一行风力影响设施受到的最大风力的情况下的风功率，可在该种情况下基于理论偏航角和风力确定理论风功率，进一步地，可对各个风力影响设施的理论风功率进行求和，获得所述理论总风功率。
根据本发明的一个实施例，在步骤S105中，以上获得了多个风力影响设施的理论总风功率和实际测量的总风功率，如果二者差距较大，即，大于或等于第一阈值，则可对风力影响设施进行调整，例如，调整多个风力影响设施的偏航角和/或迎风角，使得多个风力影响设施的总风功率与理论总风功率之间的差距缩小，提升风能利用率。
根据本发明的一个实施例，在调整过程中，可确定在i个调节周期的初始时刻，各个风力影响设施的调节权重。在示例中，如果某个风力影响设施所在位置的最大风力数据的数值较大，则调整该风力影响设施的收益可能较高，即，在进行调整后，该风力影响设施的功率的变化较大。在另一示例中，如果某个风力影响设施的偏航角与最大风力方向数据之间的偏差较大，则该调整该风力影响设施的收益可能较高，即，在进行调整后，风力影响设施的偏航角与最大风力方向数据之间的偏差减小，更接近与正对最大风力方向的方向，则风力影响设施的功率的提升较大。因此，调节权重可与各风力影响设施所在位置处的最大风力数据，以及偏航角与最大风力方向数据之间的偏差相关。
根据本发明的一个实施例，步骤S105可包括：根据公式（1）确定第a行第b列的风力影响设施在第i个调节周期的初始时刻的调节权重，
（1）
其中，为初始时刻第a行第b列的风力影响设施位置处的最大风力数据，为初始时刻第a行第b列的风力影响设施的偏航角，为初始时刻第a行第b列的风力影响设施位置处最大风力方向数据。
根据本发明的一个实施例，在公式（1）中，第a行第b列的风力影响设施的调节权重与第a行第b列的风力影响设施位置处的最大风力数据正相关，且与偏航角与最大风力方向数据之间的偏差与的比值正相关，可将最大风力数据与所述比值的进行相乘，并通过倍的反正切函数将乘积进行归一化处理，得到第a行第b列的风力影响设施的调节权重。在后续调节过程中，调节权重越大，则使用梯度下降法等方法进行优化调节时，调节速度越快，越能更快接近最优解，可提升优化求解的运算效率。
根据本发明的一个实施例，以上可获得第i个调节周期的初始时刻的调节权重，随着调节过程的进行，可预测各行各列的风力影响设施所在位置的最大风力数据可发生改变，且风力影响设施的偏航角也可发生改变，因此，各个风力影响设施的调节权重可随着调节过程的进行而发生改变。
根据本发明的一个实施例，在步骤S106中，可通过预测的方式，确定每次调解后的预测总风功率，以及各个风力影响设施的预测偏航角和预测迎风角。即，可模拟多个调节步的调节，并预测在经历各个调节步的调节之后的预测总风功率，以及各个风力影响设施的预测偏航角和预测迎风角。并且，在模拟每个调节步的调节后，由于风力影响设施的偏航角和迎风角发生改变，使得第一区域内的风力数据和风向也预计会发生改变，因此，为提升预测准确性，还可预测每个调节步之后各个风力影响设施位置处的预测风力数据和预测风向数据。在经过多次模拟调整后，预测的总风功率可接近理论总风功率。
根据本发明的一个实施例，步骤S106可包括：对风向上游的风力影响设施的偏航角和迎风角进行多次随机调整，获得与所述风向上游的风力影响设施相邻的风向下游风力影响设施位置处的风力数据，与所述风向上游的风力影响设施的偏航角和迎风角的调节幅度之间的第一相关关系；根据所述各个风力影响设施的在第i个调节周期的初始时刻的所述风向数据和所述风力数据，确定各个风力影响设施所在位置处的风力最大值数据以及与所述风力最大值数据对应的最大风力方向数据；根据第i个调节周期的初始时刻的各个风力影响设施的风力最大值数据、最大风力方向数据、偏航角、迎风角，获得所述初始时刻的各个风力影响设施的状态向量；根据所述第一相关关系，确定各个状态向量之间的第二相关关系；将所述初始时刻的各个风力影响设施的状态向量、所述各个状态向量之间的第二相关关系、各个风力影响设施的调节权重以及多个风力影响设施的总风功率，输入所述优化控制模型，获得第1个调节步的预测总风功率，以及各个风力影响设施的预测偏航角、预测迎风角，以及各个风力影响设施位置处的预测风力最大值数据和预测最大风力方向数据；根据第1个调节步的各个风力影响设施的预测风力最大值数据、预测最大风力方向数据、预测偏航角、预测迎风角，获得第1个调节步的各个风力影响设施的状态向量；根据第1个调节步的各个风力影响设施的预测风力最大值数据和预测最大风力方向数据，获得第1个调节步的各个风力影响设施的调节权重；将第j个调节步的各个风力影响设施的状态向量、所述第二相关关系、各个风力影响设施的调节权重和预测总风功率输入所述优化控制模型，获得第j+1个调节步的预测总风功率、各个风力影响设施的预测偏航角、预测迎风角，以及各个风力影响设施位置处的预测风力最大值数据和预测最大风力方向数据，其中，j为正整数。
根据本发明的一个实施例，风向上游的风力影响设施在经过风力的吹动后，在其背风面产生尾流，该尾流可对风向下游的风力影响设施产生影响。在示例中，如果风向上游的风力影响设施偏航角与风向数据之间的夹角较大，则风向下游的风力影响设施位置处风力受风向上游的风力影响设施的尾流的影响较小，在对风向上游的风力影响设施的偏航角进行调节的过程中，调节方向通常为使风向上游的风力影响设施偏航角与风向数据之间的夹角减小，因此，偏航角的调节幅度越大，则风向下游的风力影响设施位置处风力受风向上游的风力影响设施的尾流的影响越大，即，偏航角的调节幅度与风向下游的风力影响设施位置处风力受风向上游的风力影响设施的尾流的影响正相关。
根据本发明的一个实施例，风向上游的风力影响设施的迎风角越大，则风力对于风向上游的风力影响设施的作用力越大，产生的尾流越小，从而对风向下游的风力影响设施位置处的风力数据的影响越小。在调节过程中，迎风角的调节方向通常为增大的方向，即，使得风力对于风力影响设施的作用力增大，从而提高风力影响设施的效率，提升风能利用率，因此，迎风角的调节幅度越大，则风向下游的风力影响设施位置处风力受风向上游的风力影响设施的尾流的影响越小，即，迎风角的调节幅度与风向下游的风力影响设施位置处风力受风向上游的风力影响设施的尾流的影响反相关。
根据本发明的一个实施例，在确定上述正相关与反相关关系后，可对风向上游的风力影响设施的偏航角和迎风角进行多次随机调整，并测量风向下游的相邻风力影响设施位置处的风力数据，进而通过数据拟合的方式，确定风向下游的风力影响设施的风力数据与风向上游的风力影响设施的偏航角和迎风角的调节幅度之间的第一相关关系，例如，确定风向下游的风力影响设施的风力数据与风向上游的风力影响设施的偏航角和迎风角的调节幅度之比之间的第一相关关系。
根据本发明的一个实施例，以上通过雷达获得了第一区域中各个位置的风力数据和风向数据，并且，每个风力影响设施的迎风面上能够影响风力的结构（例如，广告牌的平面、风车的桨叶等）占有一定的空间，并非区域中的一个点，因此，在该空间中，风力数据和风向数据未必是一致的，可从中选择出每个风力影响设施所在位置的风力最大值数据以及与所述风力最大值数据对应的最大风力方向数据，风力最大值数据和最大风力方向数据可作为调节的参考数据。
根据本发明的一个实施例，可将第i个调节周期的初始时刻的各个风力影响设施的风力最大值数据、最大风力方向数据、偏航角、迎风角，作为初始时刻的各个风力影响设施的状态向量的元素，通过状态向量中各个元素的调整和预测，可获得各个模拟的调节步后，各个风力影响设施的状态向量。
根据本发明的一个实施例，上述第一相关关系描述的是风向上游的风力影响设施的偏航角和迎风角的调整对于风向下游的相邻风力影响设施所在位置的风力数据的影响，即，风向上游的风力影响设施的偏航角和迎风角的调整后产生的尾流对于风向下游的相邻风力影响设施所在位置的风力数据的影响。通过第一相关关系，还可确定风向上游的风力影响设施的偏航角和迎风角的调整后产生的尾流对风向下游的更多风力影响设施所在位置的风力数据的影响，例如，第1行的风力影响设施的偏航角和迎风角的调整后产生的尾流对第2行、第3行等行内的风力影响设施所在位置的风力数据的影响，例如，第一相关关系为小于1的关系系数，且相邻风力影响设施之间的距离越远，第一相关关系越小，因此，可通过第一相关关系与距离的运算，来确定风向上游的风力影响设施的偏航角和迎风角的调整后产生的尾流对风向下游的更多风力影响设施所在位置的风力数据的影响，例如，可确定距离衰减系数，进一步地，第1行的风力影响设施的偏航角和迎风角的调整后产生的尾流对第2行风力影响设施所在位置的风力数据的影响通过第一相关关系表示，第1行的风力影响设施的偏航角和迎风角的调整后产生的尾流对第3行风力影响设施所在位置的风力数据的影响通过以第一相关关系为底数以距离衰减系数的二次幂的幂函数来表示。一般地，第a行的风力影响设施的偏航角和迎风角的调整后产生的尾流对第a+n行风力影响设施所在位置的风力数据的影响通过以第一相关关系为底数以距离衰减系数的n次幂的幂函数来表示。其中，距离衰减系数为以距离为分母，以预设参数为分子构成的系数。可将以上确定的风向上游风力影响设施的偏航角和迎风角的调整后产生的尾流对风向下游的风力影响设施所在位置的风力数据的影响，作为风向上游风力影响设施与风向下游的风险机组的状态向量之间的第二相关关系。
根据本发明的一个实施例，在获得上述初始时刻的各个风力影响设施的状态向量，以及各个状态向量之间的第二相关关系后，可将初始时刻的各个风力影响设施的状态向量、各个状态向量之间的第二相关关系、各个风力影响设施的调节权重以及多个风力影响设施的总风功率，输入优化控制模型，优化控制模型可利用上述各输入参数设置优化的边界条件和优化函数，从而基于边界条件和优化函数进行调整，例如，通过梯度下降法进行调整，在边界条件的限制下，求解优化函数相对于各个输入参数的梯度，并朝向使梯度下降的方向优化各个输入参数，从而获得第1个调节步的预测总风功率，以及各个风力影响设施的预测偏航角、预测迎风角，以及各个风力影响设施位置处的预测风力最大值数据和预测最大风力方向数据。
根据本发明的一个实施例，在经过上述模拟调节后，多个风力影响设施的迎风角、偏航角可发生改变，各个风力影响设施的尾流也可发生改变，各风力影响设施位置处的预测风力最大值数据和预测最大风力方向数据相对于初始时刻也可发生改变，因此，各个风力影响设施的状态向量可发生改变，即，基于第1个调节步的各个风力影响设施的预测风力最大值数据、预测最大风力方向数据、预测偏航角、预测迎风角，可获得第1个调节步的各个风力影响设施的状态向量。此外，在上述数据发生改变后，各个风力影响设施的功率可发生改变，因此，总风功率也可发生改变，可确定在发生上述改变后，各个风力影响设施在第1个调节步的预测总风功率。并且，可重新确定每个风力影响设施在第1个调节步的调节权重，确定方式与各风力影响设施在初始时刻的调节权重的确定方式类似，在此不再赘述。
根据本发明的一个实施例，进一步地，可将第1个调节步的各个风力影响设施的状态向量、调节权重、第二相关关系和预测总风功率输入优化控制模型，进行第2个调节步的模拟调节，获得第2个调节步的预测风力最大值数据、预测最大风力方向数据、预测偏航角、预测迎风角，从而获得个风力影响设施的第2个调节步的状态向量、和预测总风功率，还可重新计算各风力影响设施的调节权重，从而可进行第3个调节步的调节…可迭代上述调节处理，进行多次调节，一般地，在第j+1个调节步，可将第j个调节步的各个风力影响设施的状态向量、所述第二相关关系、各个风力影响设施的调节权重和预测总风功率输入优化控制模型，获得第j+1个调节步的预测总风功率、各个风力影响设施的预测偏航角、预测迎风角，以及各个风力影响设施位置处的预测风力最大值数据和预测最大风力方向数据，其中，j为正整数。
根据本发明的一个实施例，以第j+1个调节步为例，在模拟调节的步骤如下。将第j个调节步的各个风力影响设施的状态向量、所述第二相关关系、各个风力影响设施的调节权重和预测总风功率输入所述优化控制模型，获得第j+1个调节步的预测总风功率、各个风力影响设施的预测偏航角、预测迎风角，以及各个风力影响设施位置处的预测风力最大值数据和预测最大风力方向数据，包括：根据第j个调节步的各个风力影响设施的状态向量和所述第二相关关系，确定优化控制模型的边界条件；根据所述理论总风功率、所述第j个调节步的各个风力影响设施的状态向量，确定优化控制模型的优化函数；通过所述优化控制模型，根据所述调节权重、所述优化函数和所述边界条件进行优化，获得第j+1个调节步的预测总风功率、各个风力影响设施的预测偏航角、预测迎风角。
根据本发明的一个实施例，边界条件为优化控制模型进行调节时的限制条件，换言之，在调节时所遵循的规律。优化函数可描述优化控制模型的优化目标，例如，通过优化函数可描述理想状态，对优化函数进行最大化或最小化，可使各个风力影响设施的状态更接近所述理想状态。
根据本发明的一个实施例，根据第j个调节步的各个风力影响设施的状态向量和所述第二相关关系，确定优化控制模型的边界条件，包括：
根据公式（2）-（7）设置所述优化控制模型的边界条件，
（2）
（3）
（4）
（5）
（6）
（7）
其中，为第a行第b列的风力影响设施在第j个调节步的预测偏航角，为第a行第b列的风力影响设施在第j+1个调节步的预测偏航角，为第a行第b列的风力影响设施在第j+1个调节步的偏航角调节幅度，为第a行第b列的风力影响设施在第j个调节步的迎风角，为第a行第b列的风力影响设施在第j+1个调节步的迎风角，为第a行第b列的风力影响设施在第j+1个调节步的迎风角调节幅度，为第a-1行第k列的风力影响设施在第j+1个调节步的偏航角调节幅度，为为第a-1行第k列的风力影响设施在第j+1个调节步的迎风角调节幅度，为第t行第b列的风力影响设施在第j+1个调节步的偏航角调节幅度，为第t行第b列的风力影响设施在第j+1个调节步的迎风角调节幅度，为第a行第b列的风力影响设施位置处第j个调节步的预测风力最大值数据，为第a行第b列的风力影响设施位置处第j+1个调节步的预测风力最大值数据，为第a-1行第k列的风力影响设施位置处第j+1个调节步的预测风力最大值向量，为第a行第b列的风力影响设施位置处第j个调节步的预测风力最大值向量，为第a行第b列的风力影响设施位置处第j+1个调节步的预测风力最大值向量，为第a行第b列的风力影响设施位置处第j个调节步的预测最大风力方向数据，且为的角度，为第a行第b列的风力影响设施位置处第j+1个调节步的预测最大风力方向数据，且为的角度，为第t行第b列的风力影响设施的状态向量与第a行第b列的风力影响设施的状态向量的第二相关关系，为第a-1行第k列风力影响设施的状态向量与第a行第b列的风力影响设施的状态向量的第二相关关系，为与迎风角相关的效率系数，为第a行第b列的风力影响设施的在第j个调节步的预测风功率，为第a行第b列的风力影响设施的在第j+1个调节步的预测风功率，为第a-1行的风力影响设施的数量，为拟合系数。
图2示例性地示出根据本发明实施例的多个风力影响设施的位置示意图，第一区域中的多个风力影响设施可通过图2的方式排布，每行的风力影响设施的数量可互不相同，每列的风力影响设施的数量也可互不相同。在对图2中的多个风力影响设施的状态向量进行优化时，可使用如上公式（2）-（7）设置边界条件。
根据本发明的一个实施例，公式（2）表示经过第j+1个调节步的调节，第a行第b列的风力影响设施的偏航角的改变，即，第a行第b列的风力影响设施在第j+1个调节步的预测偏航角为第a行第b列的风力影响设施在第j个调节步的预测偏航角经过第j+1个调节步的偏航角调节幅度的调节后的结果。
根据本发明的一个实施例，公式（3）表示第j+1个调节步的调节，第a行第b列的风力影响设施的迎风角的改变，即，第a行第b列的风力影响设施在第j+1个调节步的预测迎风角为第a行第b列的风力影响设施在第j个调节步的预测迎风角经过第j+1个调节步的迎风角调节幅度的调节后的结果。
根据本发明的一个实施例，公式（4）表示第a行第b列的风力影响设施位置处第j+1个调节步的预测风力最大值数据，为第a行第b列的风力影响设施位置处第j个调节步的预测风力最大值数据受到其他风力影响设施在调节偏航角和迎风角后产生的影响的结果。
根据本发明的一个实施例，在公式（4）中，可考虑第a行第b列的风力影响设施前一行的风力影响设施的偏航角和迎风角的改变对于第a行第b列的风力影响设施所在位置的风力数据产生的影响，以及第a行第b列的风力影响设施所在列，且位于第a行第b列的风力影响设施的风向上游的风力影响设施的偏航角和迎风角的改变对于第a行第b列的风力影响设施所在位置的风力数据产生的影响。即，，项，表示将第a行第b列的风力影响设施前一行的风力影响设施的偏航角和迎风角的改变，以及前一行的各风力影响设施与第a行第b列的风力影响设施之间的第二相关关系相乘后累加，可表示前一行的各风力影响设施的偏航角和迎风角的改变造成的风力数据的影响在第a行第b列的风力影响设施所在位置的累加影响。，项，表示第a行第b列的风力影响设施所在列，且位于第a行第b列的风力影响设施的风向上游的风力影响设施的偏航角和迎风角的改变，与这些风力影响设施与第a行第b列的风力影响设施之间的第二相关关系相乘后进行累加处理，可表示这些风力影响设施的偏航角和迎风角的改变造成的风力数据的影响在第a行第b列的风力影响设施所在位置的累加影响，在本项累加时，由于，项中已考虑第a-1行第b列的风力影响设施的偏航角和迎风角的改变对于第a行第b列的风力影响设施所在位置的风力数据的影响，因此，在，项中，累加处理截止于第a-2行第b列，不再将a-1行第b列风力影响设施的偏航角和迎风角的改变对于第a行第b列的风力影响设施所在位置的风力数据的影响考虑在其中。
根据本发明的一个实施例，公式（5）表示第a行第b列的风力影响设施位置处第j+1个调节步的预测风力最大值向量，为第a行第b列的风力影响设施位置处第j个调节步的预测风力最大值向量与前一行的风力影响设施的第j+1个调节步的预测风力最大值向量在第a行第b列的风力影响设施位置处的影响叠加的结果。即，前一行的风力影响设施所在位置处的风力最大值向量改变为第j+1个调节步的预测风力最大值向量之后，对于第a行第b列的风力影响设施位置处的叠加影响，将第a行第b列的风力影响设施位置处第j个调节步的预测风力最大值向量改变为第a行第b列的风力影响设施位置处第j+1个调节步的预测风力最大值向量。
根据本发明的一个实施例，公式（6）表示在第j+1个调节步中，第a行第b列的风力影响设施将所在位置处的最大风力提供的风功率。即，将第a行第b列的风力影响设施位置处第j+1个调节步的预测风力最大值数据，与第j+1个调节步的预测偏航角与预测最大风力方向数据之间的夹角余弦值相乘，再乘以第j+1个调节步的迎风角以及与迎风角相关的效率系数，再乘以拟合系数，获得第a行第b列的风力影响设施的在第j个调节步的预测风功率。其中，效率系数可通过在特定的风功率下，多次调整迎风角，获得的多个风功率与迎风角进行拟合而获得，拟合系数可通过在特定的偏航角和迎风角下，将测量的多个最大风力数据与风功率进行拟合而获得。公式（7）与公式（6）类似，表示在第j个调节步中，第a行第b列的风力影响设施将所在位置处的最大风力提供的风功率的数值。
根据本发明的一个实施例，以上公式可作为边界条件，使得优化控制模型在对优化函数进行优化时，遵循边界条件所表示的规律。
根据本发明的一个实施例，根据所述理论总风功率、所述第j个调节步的各个风力影响设施的状态向量，确定优化控制模型的优化函数，包括：根据公式（8）和（9），获得所述优化函数，
（8）
（9）
其中，为理论总风功率，为总行数，为总列数，为第j+1个调节步的预测总风功率与理论总风功率的差距。
根据本发明的一个实施例，公式（8）所表示的优化函数为使得第j+1个调节步理论总风功率与预测总风功率的差距最小化，其中，j+1个调节步的预测总风功率通过将所有风力影响设施在第j+1个调节步的预测风功率进行求和获得，公式（8）可表示将所有风力影响设施的综合风功率最大化，而并非是将某一个或某一行的风力影响设施的功率最大化。
根据本发明的一个实施例，公式（9）可表示在公式（8）的前提下，第j+1个调节步，将各个风力影响设施的偏航角与各个风力影响设施位置处的预测最大风力方向数据之间的夹角的总和最小化，而并非将某一个或某一行的风力影响设施的偏航角与预测最大风力方向数据之间的夹角最小化，使得所有风力影响设施的综合效率最大化。
根据本发明的一个实施例，在获得上述优化函数和边界条件后，可基于调节权重对各个风力影响设施的状态向量进行优化，在优化过程中，可使用梯度下降法等方式进行优化，且可使用第j个调节步的各个风力影响设施的调节权重对各个风力影响设施的状态向量进行加权，并对加权后的状态向量进行优化，从而提升优化效率以及对于调节收益较大的风力影响设施进行优化的针对性。
根据本发明的一个实施例，在进行优化后，可获得j+1个调节步的预测总风功率、各个风力影响设施的预测偏航角、预测迎风角，还可求解第j+1个调节步的各个风力影响设施的调节权重。
通过这种方式，可在边界条件中考虑上游风力影响设施的尾流场对于下游风力影响设施的影响，并以综合风功率最大化和综合效率最大化为目标进行优化，提升风力影响设施状态预测的准确性，且提高风力影响设施的效率和发电效益。
根据本发明的一个实施例，在步骤S107中，上述优化过程可迭代多次，且可设置迭代停止的条件，即，预测总风功率与理论总风功率之间的差距小于或等于第二阈值，在达到该条件时，可停止迭代优化，并将此时的预测总风功率作为目标总风功率，此时的调节步为目标调节步，可获取目标调节步的预测偏航角和预测迎风角。
根据本发明的一个实施例，在步骤S108中，以上调节为模拟调节，且在模拟调节的优化过程中，确定出了使得预测总风功率与理论总风功率之间的差距小于或等于第二阈值的各个风力影响设施的预测偏航角和预测迎风角，因此，在本步骤中，可对风力影响设施的预测偏航角和预测迎风角进行模拟，即，模拟将各个风力影响设施的偏航角和迎风角调整为上述预测偏航角和预测迎风角，并预测调整后的雷达数据，即，预测调整后的风力数据和风向数据，例如，可基于调整后的各个风力影响设施的偏航角和迎风角，确定风力吹过各个风力影响设施后的尾流，进而确定各个位置的风力数据和风向数据。以上预测获得的风力数据和风向数据可用于对风能利用率的研究中，在示例中，可用于对在第一区域中设置的设施的性能进行研究，例如，可利用该数据计算设施的设计参数（例如，能够调节的迎风角和偏航角的角度范围，迎风面的面积等），在另一示例中，该数据还可用于对第一区域中设施的设置位置进行研究，例如，如何调整现有设置的位置，或如何新增新的设施，能在现有的风能利用率最大化的情况下，进一步利用风能。
根据本发明的实施例的雷达数据预测方法，可基于多个风力影响设施所在的第一区域的雷达数据来确定风向数据和风力数据，且在优化过程中，考虑上游风力影响设施的尾流场对于下游风力影响设施的影响，并以综合风功率最大化和综合效率最大化为目标进行优化，提升风力影响设施状态预测的准确性，且提高风力影响设施的效率和发电效益。经过优化过程获得的预测偏航角和预测迎风角，可使多个风力影响设施的尾流场对风力影响设施阵列的影响最小化，从而提升风能利用率，并可计算优化后的预测雷达数据，通过该数据可对第一区域的设施进行进一步地模拟，为调整设施的类型、位置和设计参数提供数据基础，进一步优化风能利用率。
图3示例性地示出根据本发明实施例的雷达数据预测系统的示意图，如图3所示，所述系统包括：
雷达数据模块101，用于获取第i个调节周期的初始时刻的多个风力影响设施所在的第一区域的雷达数据，其中，所述雷达数据包括所述第一区域中各个位置的风向数据和风力数据，i为正整数；
初始角度模块102，用于获取第i个调节周期的初始时刻的多个风力影响设施的迎风面的偏航角和迎风角，所述迎风角为所述迎风面上的影响风力的结构的相对于迎风面的角度；
初始总风功率模块103，用于确定在所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率；
理论总风功率模块104，用于根据所述风向数据、所述风力数据，以及所述多个风力影响设施所在的第一区域中的位置信息，确定在各个风力影响设施的尾流影响最小化情况下的理论总风功率；
初始权重模块105，用于在所述理论总风功率与所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率的差距大于或等于第一阈值的情况下，根据所述第i个调节周期的初始时刻的风向数据和风力数据，确定各个风力影响设施的在第i个调节周期的初始时刻的调节权重；
优化模块106，用于根据所述各个风力影响设施的在第i个调节周期的初始时刻的调节权重、所述风向数据、所述风力数据、所述偏航角、所述迎风角，以及预训练的优化控制模型，获得第i个调节周期的多个调节步的预测总风功率，以及各个风力影响设施的预测偏航角和预测迎风角；
目标总风功率模块107，用于在所述第i个调节周期的多个调节步的预测总风功率中，确定与所述理论总风功率之间的差距小于或等于第二阈值的目标总风功率，以及所述目标总风功率对应的目标调节步的预测偏航角和预测迎风角；
预测模块108，用于根据所述预测偏航角和预测迎风角，获得优化调节后的预测雷达数据。
根据本发明的一个实施例，提供一种雷达数据预测设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行所述雷达数据预测方法。
根据本发明的一个实施例，提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现所述雷达数据预测方法。
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (9)

1.一种雷达数据预测方法，其特征在于，包括：
获取第i个调节周期的初始时刻的多个风力影响设施所在的第一区域的雷达数据，其中，所述雷达数据包括所述第一区域中各个位置的风向数据和风力数据，i为正整数；
获取第i个调节周期的初始时刻的多个风力影响设施的迎风面的偏航角和迎风角，所述迎风角为所述迎风面上的影响风力的结构的相对于迎风面的角度；
确定在所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率；
根据所述风向数据、所述风力数据，以及所述多个风力影响设施所在的第一区域中的位置信息，确定在各个风力影响设施的尾流影响最小化情况下的理论总风功率；
在所述理论总风功率与所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率的差距大于或等于第一阈值的情况下，根据所述第i个调节周期的初始时刻的风向数据和风力数据，确定各个风力影响设施的在第i个调节周期的初始时刻的调节权重；
根据所述各个风力影响设施的在第i个调节周期的初始时刻的调节权重、所述风向数据、所述风力数据、所述偏航角、所述迎风角，以及预训练的优化控制模型，获得第i个调节周期的多个调节步的预测总风功率，以及各个风力影响设施的预测偏航角和预测迎风角：
对风向上游的风力影响设施的偏航角和迎风角进行多次随机调整，获得与所述风向上游的风力影响设施相邻的风向下游风力影响设施位置处的风力数据，与所述风向上游的风力影响设施的偏航角和迎风角的调节幅度之间的第一相关关系；
根据所述各个风力影响设施的在第i个调节周期的初始时刻的所述风向数据和所述风力数据，确定各个风力影响设施所在位置处的风力最大值数据以及与所述风力最大值数据对应的最大风力方向数据；
根据第i个调节周期的初始时刻的各个风力影响设施的风力最大值数据、最大风力方向数据、偏航角、迎风角，获得所述初始时刻的各个风力影响设施的状态向量；
根据所述第一相关关系，确定各个状态向量之间的第二相关关系；
将所述初始时刻的各个风力影响设施的状态向量、所述各个状态向量之间的第二相关关系、各个风力影响设施的调节权重以及多个风力影响设施的总风功率，输入所述优化控制模型，获得第1个调节步的预测总风功率，以及各个风力影响设施的预测偏航角、预测迎风角，以及各个风力影响设施位置处的预测风力最大值数据和预测最大风力方向数据；
根据第1个调节步的各个风力影响设施的预测风力最大值数据、预测最大风力方向数据、预测偏航角、预测迎风角，获得第1个调节步的各个风力影响设施的状态向量；
根据第1个调节步的各个风力影响设施的预测风力最大值数据和预测最大风力方向数据，获得第1个调节步的各个风力影响设施的调节权重；
将第j个调节步的各个风力影响设施的状态向量、所述第二相关关系、各个风力影响设施的调节权重和预测总风功率输入所述优化控制模型，获得第j+1个调节步的预测总风功率、各个风力影响设施的预测偏航角、预测迎风角，以及各个风力影响设施位置处的预测风力最大值数据和预测最大风力方向数据，其中，j为正整数；
在所述第i个调节周期的多个调节步的预测总风功率中，确定与所述理论总风功率之间的差距小于或等于第二阈值的目标总风功率，以及所述目标总风功率对应的目标调节步的预测偏航角和预测迎风角；
根据所述预测偏航角和预测迎风角，获得优化调节后的预测雷达数据。
2.根据权利要求1所述的雷达数据预测方法，其特征在于，将第j个调节步的各个风力影响设施的状态向量、所述第二相关关系、各个风力影响设施的调节权重和预测总风功率输入所述优化控制模型，获得第j+1个调节步的预测总风功率、各个风力影响设施的预测偏航角、预测迎风角，以及各个风力影响设施位置处的预测风力最大值数据和预测最大风力方向数据，包括：
根据第j个调节步的各个风力影响设施的状态向量和所述第二相关关系，确定优化控制模型的边界条件；
根据所述理论总风功率、所述第j个调节步的各个风力影响设施的状态向量，确定优化控制模型的优化函数；
通过所述优化控制模型，根据所述调节权重、所述优化函数和所述边界条件进行优化，获得第j+1个调节步的预测总风功率、各个风力影响设施的预测偏航角、预测迎风角。
3.根据权利要求2所述的雷达数据预测方法，其特征在于，根据第j个调节步的各个风力影响设施的状态向量和所述第二相关关系，确定优化控制模型的边界条件，包括：
根据公式
；
；
；
；
；
；
设置所述优化控制模型的边界条件，其中，为第a行第b列的风力影响设施在第j个调节步的预测偏航角，为第a行第b列的风力影响设施在第j+1个调节步的预测偏航角，为第a行第b列的风力影响设施在第j+1个调节步的偏航角调节幅度，为第a行第b列的风力影响设施在第j个调节步的迎风角，为第a行第b列的风力影响设施在第j+1个调节步的迎风角，为第a行第b列的风力影响设施在第j+1个调节步的迎风角调节幅度，为第a-1行第k列的风力影响设施在第j+1个调节步的偏航角调节幅度，为第a-1行第k列的风力影响设施在第j+1个调节步的迎风角调节幅度，为第t行第b列的风力影响设施在第j+1个调节步的偏航角调节幅度，为第t行第b列的风力影响设施在第j+1个调节步的迎风角调节幅度，为第a行第b列的风力影响设施位置处第j个调节步的预测风力最大值数据，为第a行第b列的风力影响设施位置处第j+1个调节步的预测风力最大值数据，为第a-1行第k列的风力影响设施位置处第j+1个调节步的预测风力最大值向量，为第a行第b列的风力影响设施位置处第j个调节步的预测风力最大值向量，为第a行第b列的风力影响设施位置处第j+1个调节步的预测风力最大值向量，为第a行第b列的风力影响设施位置处第j个调节步的预测最大风力方向数据，且为的角度，为第a行第b列的风力影响设施位置处第j+1个调节步的预测最大风力方向数据，且为的角度，为第t行第b列的风力影响设施的状态向量与第a行第b列的风力影响设施的状态向量的第二相关关系，为第a-1行第k列风力影响设施的状态向量与第a行第b列的风力影响设施的状态向量的第二相关关系，为与迎风角相关的效率系数，为第a行第b列的风力影响设施的在第j个调节步的预测风功率，为第a行第b列的风力影响设施的在第j+1个调节步的预测风功率，为第a-1行的风力影响设施的数量，为拟合系数。
4.根据权利要求3所述的雷达数据预测方法，其特征在于，根据所述理论总风功率、所述第j个调节步的各个风力影响设施的状态向量，确定优化控制模型的优化函数，包括：
根据公式
；
；
获得所述优化函数，其中，为理论总风功率，为总行数，为总列数，为第j+1个调节步的预测总风功率与理论总风功率的差距。
5.根据权利要求4所述的雷达数据预测方法，其特征在于，在所述理论总风功率与所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率的差距大于或等于第一阈值的情况下，根据所述第i个调节周期的初始时刻的风向数据和风力数据，确定各个风力影响设施的在第i个调节周期的初始时刻的调节权重，包括：
根据公式，确定第a行第b列的风力影响设施在第i个调节周期的初始时刻的调节权重，其中，为初始时刻第a行第b列的风力影响设施位置处的最大风力数据，为初始时刻第a行第b列的风力影响设施的偏航角，为初始时刻第a行第b列的风力影响设施位置处最大风力方向数据。
6.根据权利要求1所述的雷达数据预测方法，其特征在于，根据所述风向数据、所述风力数据，以及所述多个风力影响设施所在的第一区域中的位置信息，确定在各个风力影响设施的尾流影响最小化情况下的理论总风功率，包括：
根据所述风力数据，确定第一行的各个风力影响设施所在位置处的最大风力数据；
根据所述风向数据，确定各个风力影响设施的理论偏航角；
根据所述理论偏航角，和所述第一行的各个风力影响设施所在位置处的最大风力数据，确定在各个风力影响设施的尾流影响最小化情况下的理论风功率；
根据各个风力影响设施的理论风功率，获得所述理论总风功率。
7.一种雷达数据预测系统，其特征在于，包括：
雷达数据模块，用于获取第i个调节周期的初始时刻的多个风力影响设施所在的第一区域的雷达数据，其中，所述雷达数据包括所述第一区域中各个位置的风向数据和风力数据，i为正整数；
初始角度模块，用于获取第i个调节周期的初始时刻的多个风力影响设施的迎风面的偏航角和迎风角，所述迎风角为所述迎风面上的影响风力的结构的相对于迎风面的角度；
初始总风功率模块，用于确定在所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率；
理论总风功率模块，用于根据所述风向数据、所述风力数据，以及所述多个风力影响设施所在的第一区域中的位置信息，确定在各个风力影响设施的尾流影响最小化情况下的理论总风功率；
初始权重模块，用于在所述理论总风功率与所述第i个调节周期的初始时刻所述多个风力影响设施的总风功率的差距大于或等于第一阈值的情况下，根据所述第i个调节周期的初始时刻的风向数据和风力数据，确定各个风力影响设施的在第i个调节周期的初始时刻的调节权重；
优化模块，用于根据所述各个风力影响设施的在第i个调节周期的初始时刻的调节权重、所述风向数据、所述风力数据、所述偏航角、所述迎风角，以及预训练的优化控制模型，获得第i个调节周期的多个调节步的预测总风功率，以及各个风力影响设施的预测偏航角和预测迎风角；
目标总风功率模块，用于在所述第i个调节周期的多个调节步的预测总风功率中，确定与所述理论总风功率之间的差距小于或等于第二阈值的目标总风功率，以及所述目标总风功率对应的目标调节步的预测偏航角和预测迎风角；
预测模块，用于根据所述预测偏航角和预测迎风角，获得优化调节后的预测雷达数据。
8.一种雷达数据预测设备，其特征在于，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1-6中任一项所述的雷达数据预测方法。
9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现权利要求1-6中任一项所述的雷达数据预测方法。
CN202310876624.9A 2023-07-18 2023-07-18 雷达数据预测方法及系统 Active CN116594019B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310876624.9A CN116594019B (zh) 2023-07-18 2023-07-18 雷达数据预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310876624.9A CN116594019B (zh) 2023-07-18 2023-07-18 雷达数据预测方法及系统

Publications (2)

Publication Number Publication Date
CN116594019A CN116594019A (zh) 2023-08-15
CN116594019B true CN116594019B (zh) 2023-09-19

Family

ID=87594122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310876624.9A Active CN116594019B (zh) 2023-07-18 2023-07-18 雷达数据预测方法及系统

Country Status (1)

Country Link
CN (1) CN116594019B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111980855A (zh) * 2019-05-22 2020-11-24 新疆金风科技股份有限公司 风力发电机组的偏航控制方法、装置、设备及存储介质
CN113236490A (zh) * 2021-05-21 2021-08-10 中国华能集团清洁能源技术研究院有限公司 一种基于储能风电机组极限载荷控制方法、介质和设备
CN115859816A (zh) * 2022-12-08 2023-03-28 北京智慧空间科技有限责任公司 一种基于cnn-lstm算法的风功率分钟级预测方法及系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111980855A (zh) * 2019-05-22 2020-11-24 新疆金风科技股份有限公司 风力发电机组的偏航控制方法、装置、设备及存储介质
CN113236490A (zh) * 2021-05-21 2021-08-10 中国华能集团清洁能源技术研究院有限公司 一种基于储能风电机组极限载荷控制方法、介质和设备
CN115859816A (zh) * 2022-12-08 2023-03-28 北京智慧空间科技有限责任公司 一种基于cnn-lstm算法的风功率分钟级预测方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A review on multi-objective optimization framework in wind energy forecasting techniques and applications;Hui Liu 等;《Energy Conversion and Management》;第224卷;全文 *
基于Bagging神经网络集成的风功率预测;梁涛;石欢;崔洁;李宗琪;;水电能源科学(第04期);全文 *
并网双馈风力发电系统数学建模与小信号稳定性分析;朱国平;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;2020年(第1期);全文 *

Also Published As

Publication number Publication date
CN116594019A (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
US11585323B2 (en) Method and apparatus for cooperative controlling wind turbines of a wind farm
EP2110551B1 (en) Method and apparatus for prediction-based wind turbine control
CN110728066B (zh) 一种风电场扇区优化方法及系统
CN109274121B (zh) 一种风电场控制参数优化方法及系统
US20220186709A1 (en) Reinforcement learning-based real time robust variable pitch control of wind turbine systems
EP3608536B1 (en) Feedforward control method and device for wind turbine set in wind farm
EP3741991B1 (en) Method for dynamic real-time optimization of the performance of a wind park and wind park
CN115977874B (zh) 基于激光测风雷达的风电机组偏航自适应校准方法及系统
Nouriani et al. Variable speed wind turbine power control: A comparison between multiple MPPT based methods
CN114048930A (zh) 一种超短期风电功率预测方法和装置
CN104500336A (zh) 一种基于Hammerstein-Wiener模型的风电机组恒功率广义预测控制方法
CN105956708A (zh) 基于灰关联时间序列的短期风速预测方法
CN103440428A (zh) 风电功率组合预测模型的自适应动态权重确定方法
CN116594019B (zh) 雷达数据预测方法及系统
CN113027674B (zh) 风力发电机组的控制方法及其装置
US20230366377A1 (en) Method for controlling noise generated by a wind farm
Li et al. Wind power forecasting based on time series and neural network
Krajinski et al. Implementation of an Advanced Operation Control for AI-based Wind Farm Power Maximization Using Wake Redirection and Artificial Neural Networks
CN116629027B (zh) 基于雷达数据的风功率预测方法及系统
Kazda et al. Framework of multi-objective wind farm controller applicable to real wind farms
Kuo et al. A Feasibility Study of Wind Farm Yaw Angle Optimization
Zou et al. Analysis and Optimization of Wind Turbine Yaw Regulation Strategy
US20240183337A1 (en) Method of controlling a wind farm using a reinforcement learning method
CN117967499B (zh) 风电场分群尾流优化方法及系统
CN117933362B (zh) 一种新建风电场的短期风电功率预测方法及系统

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