CN116771596B - 海上风电场尾流转向控制方法及相关设备 - Google Patents

Abstract

本申请实施例提供了一种海上风电场尾流转向控制方法及相关设备，可以解决目前的风电场尾流转向控制中没有基于全局准确考虑尾流效应，导致海上风电场依然存在尾流损失较高的问题。其中，所述风电场包括分布为至少两排和至少两列的风机矩阵，所述方法包括：基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息；根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵；基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵。

Description

海上风电场尾流转向控制方法及相关设备

技术领域

本申请涉及风电技术领域，尤其涉及一种海上风电场尾流转向控制方法及相关设备。

背景技术

早期建设海上风场，因为缺乏先进的风机布置经验，所以机位布置并不科学，尾流损失较为严重，且随着近年来海上风电机组趋于大型化，大叶片会加剧尾流影响，降低整场的发电量，影响风电场经济性，增加疲劳载荷，减少机组寿命。现行风机策略主要是以单排机组的发电量最优为目的的控制策略，并没有考虑到尾流控制、尾流效应对周边机组以及整场发电量的影响。导致由于没有基于全局准确考虑尾流效应，导致海上风电场依然存在尾流损失较高的问题。

发明内容

本申请实施例提供了一种海上风电场尾流转向控制方法及相关设备，可以解决目前的风电场尾流转向控制中没有基于全局准确考虑尾流效应，导致海上风电场依然存在尾流损失较高的问题。

本申请实施例的第一方面提供了一种海上风电场尾流转向控制方法，所述风电场包括分布为至少两排和至少两列的风机矩阵，所述方法包括：

基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息；

根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵；

基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵。

可选地，还包括：

根据风机的雷达监测数据获取所述风场机群的第一实时尾流数据；

基于所述第一实时尾流数据和理论尾流数据的差异，校准所述场群数字孪生模型。

可选地，还包括：

在所述基于所述第一实时尾流数据和理论尾流数据的差异大于预设差异的情况下，生成颗粒监测指令；

控制所述风机沿塔筒顶部至塔筒的桨叶长度位置释放可识别颗粒；

基于监测获得的所述可识别颗粒的运动规律信息获得第二实时尾流数据；

基于所述第二实时尾流数据校准所述场群数字孪生模型。

可选地，所述可识别颗粒为有色颗粒。

可选地，还包括：

在监测第一风机的尾流数据的情况下，通过所述风机阵列中与第一风机相邻的至少两个第二风机下辖的图像采集设备自至少两个非平行方向获取所述可识别颗粒的图像数据。

可选的，还包括：

基于所述主风向监测数据，确定与所述第一风机不具有上下游关系的第三风机，所述第三风机与所述第一风机所释放的可识别颗粒的颜色均不相同。

可选的，所述可识别颗粒为遇水变色颗粒。

本申请实施例第二方面提供了一种海上风电场尾流转向控制装置，，所述风电场包括分布为至少两排和至少两列的风机矩阵，所述装置包括：

建模单元，用于基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息；

计算单元，用于根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵；

确定单元，用于基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵。

本申请实施例第三方面提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机程序时实现上述的海上风电场尾流转向控制方法的步骤。

本申请实施例第四方面提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的海上风电场尾流转向控制方法的步骤。

综上，本申请实施例提供的海上风电场尾流转向控制方法，所述风电场包括分布为至少两排和至少两列的风机矩阵，通过基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息；根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵；基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵。由此，通过预先建立的风场的数字孪生模型，可以从风场整体考虑尾流负影响总和最小的涵盖对每个风机的进行控制的偏航控制控制矩阵。能够实现风场维度上尾流影响最小化。

相应地，本发明实施例提供的海上风电场尾流转向控制装置、电子设备和计算机可读存储介质，也同样具有上述技术效果。

附图说明

图1为本申请实施例提供的一种可能的海上风电场尾流转向控制方法的流程示意图；

图2为本申请实施例提供的一种可能的海上风电场尾流转向控制装置的示意性结构框图；

图3为本申请实施例提供的一种可能的海上风电场尾流转向控制装置的硬件结构示意图；

图4为本申请实施例提供的一种可能的电子设备的示意性结构框图；

图5为本申请实施例提供的一种可能的计算机可读存储介质的示意性结构框图。

具体实施方式

本申请实施例提供了一种海上风电场尾流转向控制方法及相关设备，可以解决目前的VR全景触控界面互动性差及交互难度高的问题。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。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。

请参阅图1，为本申请实施例提供的一种海上风电场尾流转向控制方法的流程图，所述风电场包括分布为至少两排和至少两列的风机矩阵，上述方法具体可以包括：S110-S130。

S110，基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息。

S120，根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵。

S130，基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵。

示例性的，用户身份信息可以包括用户的年龄、性别和职业等信息。可以理解的是不同的年龄、性别和职业等属性的用户，对于同一种真实交互物的敏感程度是具有较大差异的。

根据上述实施例提供的海上风电场尾流转向控制方法，所述风电场包括分布为至少两排和至少两列的风机矩阵，通过基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息；根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵；基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵。由此，通过预先建立的风场的数字孪生模型，可以从风场整体考虑尾流负影响总和最小的涵盖对每个风机的进行控制的偏航控制控制矩阵。能够实现风场维度上尾流影响最小化。

根据一些实施例，还包括：

根据风机的雷达监测数据获取所述风场机群的第一实时尾流数据；

基于所述第一实时尾流数据和理论尾流数据的差异，校准所述场群数字孪生模型。

在一些情况下，由于风场中的风机是阵列排布的，上游风机的尾流到下游可能产生交叠，雷达监测数据并不容易区分由多个风机产生的交叠的尾流数据，从而获取的实时尾流数据并不准确，就导致无法对数字孪生模型进行准确修正或导致风机目标偏航控制矩阵的控制指令不准确。

根据一些实施例，还包括：

在所述基于所述第一实时尾流数据和理论尾流数据的差异大于预设差异的情况下，生成颗粒监测指令；

控制所述风机沿塔筒顶部至塔筒的桨叶长度位置释放可识别颗粒；

基于监测获得的所述可识别颗粒的运动规律信息获得第二实时尾流数据；

基于所述第二实时尾流数据校准所述场群数字孪生模型。

示例性的，沿塔筒顶部至塔筒的桨叶长度位置释放可识别颗粒，可以最大程度还原桨叶旋转对气流的影响，并且通过监测获得的所述可识别颗粒的运动规律信息可以准确的获知实时尾流数据，并且便于区分多个上游风机产生的叠加的尾流数据。

示例性的，沿塔筒顶部至塔筒的桨叶长度位置释放可识别颗粒，不仅有效利用塔筒结构进行尾流检测，并且虽然仅沿塔筒顶部至塔筒的桨叶长度位置释放可识别颗粒，可识别颗粒的释放位置并未覆盖整个风轮的直径，但是沿塔筒顶部至塔筒的桨叶长度位置释放可识别颗粒所产生的可识别颗粒的运动规律不仅能够表征风轮面在释放区域的尾流效果，亦能够表征风轮面其他区域所产生的尾流效果。

根据一些实施例，所述可识别颗粒为有色颗粒。

示例性的，可以通过图像和视频采集有色颗粒运动规律信息获得第二实时尾流数据。

根据一些实施例，还包括：

在监测第一风机的尾流数据的情况下，通过所述风机阵列中与第一风机相邻的至少两个第二风机下辖的图像采集设备自至少两个非平行方向获取所述可识别颗粒的图像数据。

示例性的，可以充分利用风机自有的高精度监控设备采集可识别颗粒的运动规律信息。并且沿至少两个非平行方向获取，便于获取准确的气流三维空间运动数据。

根据一些实施例，还包括：

基于所述主风向监测数据，确定与所述第一风机不具有上下游关系的第三风机，所述第三风机与所述第一风机所释放的可识别颗粒的颜色均不相同。

示例性的，与所述第一风机不具有上下游关系的第三风机以及所述第一风机所释放的可识别颗粒的颜色均不相同，在下游风机受尾流数据影响的监测中，通过风机阵列中的其他风机下辖的成像设备所采集的图像数据可以准确便捷地区分叠加的尾流中不同风机的尾流数据，便于对数字孪生模型进行准确修正或计算准确的风机目标偏航控制矩阵的控制指令。

根据一些实施例，所述可识别颗粒为遇水变色颗粒。

示例性的，激光雷达在阴雨天气，检测效果受降雨影响非常大，基本在雨天无法进行准确检测，但是采用雨水变色的可识别颗粒，不仅可以通过图像数据准确剔除受雨水影响的可识别颗粒检测样本，筛选未与雨水接触的未变色可识别颗粒作为有效的尾流检测样本，改善了目前激光雷达不便于在雨天准确检风机尾流数据的问题。

上述遇水变色颗粒可以为无水硫酸铜粉末。

在一些情况下，还可以利用控制风电场中风机的偏航角度，来辅助对风电支撑结构的状态评估。根据一些实施例，还包括：

获取第一风电支撑结构在风电场中的位置信息；

基于所述位置信息预测所述第一风电支撑结构的尾流影响参数；

通过所述尾流影响参数修正所述第一风电支撑结构的水文气象参数。

可以理解的是，考虑到其他风机对待检测风电支撑结构的尾流影响参数，能够得到更准确的待检测风电支撑结构的水文气象参数，而不是采用风电场中一个整体的尾流影响参数或某一处的尾流影响参数作为评估待检测风电支撑结构状态的水文气象参数。

在一些示例中，还包括：

获取第一风电支撑结构在风电场中的位置信息；

基于所述位置信息和当前的水文气象参数确定给与所述第一风电支撑结构的最大尾流影响的第二风电支撑结构；

对所述第二风电支撑结构所述的风机进行偏航控制；

结合所述偏航控制的控制节奏，基于所述实时状态参数和水文气象参数通过所述支撑结构状态模型采用k-近邻算法模型对所述支撑结构的状态进行评估。

可以理解的是，目前在进行对第一风电支撑结构进行状态评估是，往往是通过被动的采集当前水文气象参数作用第一风电支撑结构的状态参数，再进行评估，自然环境参数是无法人为操控的，所以评估模型的输入参数只能是随机的，不便于验证评估模型的准确性，并且为了得到更加准确的状态评估结果，往往通过采集更多不同的水文气象参数来验证得到的状态评估结果。而采用上述对所述第二风电支撑结构所述的风机进行偏航控制，能够一定程度人为的操控待评估的第一风电支撑结构的当前水文气象参数，便于验证评估模型的准确性，并且容易通过少量有规律的少量的不同的水文气象参数就能验证得到的状态评估结果。

在一些示例中，所述对所述第二风电支撑结构所述的风机进行偏航控制，包括：

对对所述第二风电支撑结构所述的风机进行规律性偏航控制。

可以理解的是，采用上述对所述第二风电支撑结构所述的风机进行规律性偏航控制，能够一定程度人为的操控待评估的第一风电支撑结构的当前水文气象参数，使得采集到的水文气象参数具有规律性，便于验证评估模型的准确性，并且容易通过少量有规律的少量的不同的水文气象参数就能验证得到的状态评估结果。

在一些示例中，所述结合所述偏航控制的控制节奏，基于所述实时状态参数和水文气象参数通过所述支撑结构状态模型采用k-近邻算法模型对所述支撑结构的状态进行评估，包括：

结合所述偏航控制的规律，基于所述实时状态参数和水文气象参数通过所述支撑结构状态模型采用k-近邻算法模型对所述支撑结构的状态进行评估。

在一些示例中，还包括：

获取第一风电支撑结构在风电场中的位置信息；

基于所述位置信息和当前的水文气象参数确定给与所述第一风电支撑结构的最大尾流影响的第二风电支撑结构；

对所述第二风电支撑结构所述的风机进行偏航控制；

基于所述偏航控制的控制节奏对所述支撑结构状态模型进行主动训练。

可以理解的是，在对模型进行训练的阶段，需要大量的历史样本数据，由于历史样本数据中的水文气象参数，这类自然环境参数是无法人为操控的，所以评估模型的输入参数只能是随机的，可能出现长时间水文气象参数在极小范围内变化，导致支撑结构状态模型需要更长时间的训练，而对所述第二风电支撑结构所述的风机进行偏航控制，可以一定程度人为的操控样本数据及数据范围，能够更快等到符合要求的经大量数据训练的支撑结构状态模型，并提高模型的准确性。

在一些示例中，所述对所述第二风电支撑结构所述的风机进行偏航控制，包括：

在相同水文气象参数的情况下对所述第二风电支撑结构所述的风机进行偏航控制；和/或，

在预定时间间隔内完成全部对所述第二风电支撑结构所述的风机进行偏航控制。

示例性的，通过在相同水文气象参数的情况下对所述第二风电支撑结构所述的风机进行偏航控制，可以尽可能保证最终形成的多组水文气象参数的变化规律出自对所述第二风电支撑结构所述的风机进行偏航控制。

通过在预定时间间隔内完成全部对所述第二风电支撑结构所述的风机进行偏航控制，可以尽可能保证最终形成的多组水文气象参数的变化规律出自对所述第二风电支撑结构所述的风机进行偏航控制。

上面对本申请实施例中海上风电场尾流转向控制方法进行了描述，下面对本申请实施例中的海上风电场尾流转向控制装置进行描述。

请参阅图2，本申请实施例中描述海上风电场尾流转向控制装置的一个实施例，所述风电场包括分布为至少两排和至少两列的风机矩阵，可以包括：

建模单元201，用于基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息；

计算单元202，用于根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵；

确定单元203，用于基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵。

根据上述实施例提供的海上风电场尾流转向控制装置，所述风电场包括分布为至少两排和至少两列的风机矩阵，通过基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息；根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵；基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵。由此，通过预先建立的风场的数字孪生模型，可以从风场整体考虑尾流负影响总和最小的涵盖对每个风机的进行控制的偏航控制控制矩阵。能够实现风场维度上尾流影响最小化。

上面图2从模块化功能实体的角度对本申请实施例中的海上风电场尾流转向控制装置进行了描述，下面从硬件处理的角度对本申请实施例中的海上风电场尾流转向控制装置进行详细描述，请参阅图3，本申请实施例中的海上风电场尾流转向控制装置300一个实施例，包括：

输入装置301、输出装置302、处理器303和存储器304，其中，处理器303的数量可以一个或多个，图3中以一个处理器303为例。在本申请的一些实施例中，输入装置301、输出装置302、处理器303和存储器304可通过总线或其它方式连接，其中，图3中以通过总线连接为例。

其中，通过调用存储器304存储的操作指令，处理器303，用于执行如下步骤：

基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息；

根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵；

基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵。

可选地，还包括：

根据风机的雷达监测数据获取所述风场机群的第一实时尾流数据；

基于所述第一实时尾流数据和理论尾流数据的差异，校准所述场群数字孪生模型。

可选地，还包括：

在所述基于所述第一实时尾流数据和理论尾流数据的差异大于预设差异的情况下，生成颗粒监测指令；

控制所述风机沿塔筒顶部至塔筒的桨叶长度位置释放可识别颗粒；

基于监测获得的所述可识别颗粒的运动规律信息获得第二实时尾流数据；

基于所述第二实时尾流数据校准所述场群数字孪生模型。

可选地，所述可识别颗粒为有色颗粒。

可选地，还包括：

在监测第一风机的尾流数据的情况下，通过所述风机阵列中与第一风机相邻的至少两个第二风机下辖的图像采集设备自至少两个非平行方向获取所述可识别颗粒的图像数据。

可选的，还包括：

基于所述主风向监测数据，确定与所述第一风机不具有上下游关系的第三风机，所述第三风机与所述第一风机所释放的可识别颗粒的颜色均不相同。

可选的，所述可识别颗粒为遇水变色颗粒。

通过调用存储器304存储的操作指令，处理器303，还用于执行图1对应的实施例中的任一方式。

请参阅图4，图4为本申请实施例提供的电子设备的实施例示意图。

如图4所示，本申请实施例提供了一种电子设备400，包括存储器410、处理器420及存储在存储器410上并可在处理器420上运行的计算机程序411，处理器420执行计算机程序411时实现以下步骤：

基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息；

根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵；

基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵。

可选地，还包括：

根据风机的雷达监测数据获取所述风场机群的第一实时尾流数据；

基于所述第一实时尾流数据和理论尾流数据的差异，校准所述场群数字孪生模型。

可选地，还包括：

在所述基于所述第一实时尾流数据和理论尾流数据的差异大于预设差异的情况下，生成颗粒监测指令；

控制所述风机沿塔筒顶部至塔筒的桨叶长度位置释放可识别颗粒；

基于监测获得的所述可识别颗粒的运动规律信息获得第二实时尾流数据；

基于所述第二实时尾流数据校准所述场群数字孪生模型。

可选地，所述可识别颗粒为有色颗粒。

可选地，还包括：

在监测第一风机的尾流数据的情况下，通过所述风机阵列中与第一风机相邻的至少两个第二风机下辖的图像采集设备自至少两个非平行方向获取所述可识别颗粒的图像数据。

可选的，还包括：

基于所述主风向监测数据，确定与所述第一风机不具有上下游关系的第三风机，所述第三风机与所述第一风机所释放的可识别颗粒的颜色均不相同。

可选的，所述可识别颗粒为遇水变色颗粒。

在具体实施过程中，处理器420执行计算机程序411时，可以实现图1对应的实施例中任一实施方式。

由于本实施例所介绍的电子设备为实施本申请实施例中一种海上风电场尾流转向控制装置所采用的设备，故而基于本申请实施例中所介绍的方法，本领域所属技术人员能够了解本实施例的电子设备的具体实施方式以及其各种变化形式，所以在此对于该电子设备如何实现本申请实施例中的方法不再详细介绍，只要本领域所属技术人员实施本申请实施例中的方法所采用的设备，都属于本申请所欲保护的范围。

请参阅图5，图5为本申请实施例提供的一种计算机可读存储介质的实施例示意图。

如图5所示，本实施例提供了一种计算机可读存储介质500，其上存储有计算机程序511，该计算机程序511被处理器执行时实现如下步骤：

基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息；

根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵；

基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵。

可选地，还包括：

根据风机的雷达监测数据获取所述风场机群的第一实时尾流数据；

基于所述第一实时尾流数据和理论尾流数据的差异，校准所述场群数字孪生模型。

可选地，还包括：

在所述基于所述第一实时尾流数据和理论尾流数据的差异大于预设差异的情况下，生成颗粒监测指令；

控制所述风机沿塔筒顶部至塔筒的桨叶长度位置释放可识别颗粒；

基于监测获得的所述可识别颗粒的运动规律信息获得第二实时尾流数据；

基于所述第二实时尾流数据校准所述场群数字孪生模型。

可选地，所述可识别颗粒为有色颗粒。

可选地，还包括：

在监测第一风机的尾流数据的情况下，通过所述风机阵列中与第一风机相邻的至少两个第二风机下辖的图像采集设备自至少两个非平行方向获取所述可识别颗粒的图像数据。

可选的，还包括：

基于所述主风向监测数据，确定与所述第一风机不具有上下游关系的第三风机，所述第三风机与所述第一风机所释放的可识别颗粒的颜色均不相同。

可选的，所述可识别颗粒为遇水变色颗粒。

在具体实施过程中，该计算机程序511被处理器执行时可以实现图1对应的实施例中任一实施方式。

需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本申请实施例还提供了一种计算机程序产品，该计算机程序产品包括计算机软件指令，当计算机软件指令在处理设备上运行时，使得处理设备执行如图1对应实施例中的海上风电场尾流转向控制方法中的流程。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

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。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统，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，在本申请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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元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，本申请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全部或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)执行本申请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、只读存储器(Read-Only Memory，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。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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该，或者对其中部分技术特征进行等同替换；而这些修该或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种海上风电场尾流转向控制方法，其特征在于，所述风电场包括分布为至少两排和至少两列的风机矩阵，所述方法包括：

基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息；

根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵；

基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵；

所述方法还包括：

获取第一风电支撑结构在风电场中的位置信息；

基于所述位置信息和当前的水文气象参数确定给与所述第一风电支撑结构的最大尾流影响的第二风电支撑结构；

对所述第二风电支撑结构所属的风机进行偏航控制；

结合所述偏航控制的控制节奏，基于实时状态参数和水文气象参数通过所述支撑结构状态模型采用k-近邻算法模型对所述支撑结构的状态进行评估。

2.根据权利要求1所述的方法，其特征在于，还包括：

根据风机的雷达监测数据获取所述风场机群的第一实时尾流数据；

基于所述第一实时尾流数据和理论尾流数据的差异，校准所述场群数字孪生模型。

3.根据权利要求1所述的方法，其特征在于，还包括：

在所述基于所述第一实时尾流数据和理论尾流数据的差异大于预设差异的情况下，生成颗粒监测指令；

控制所述风机沿塔筒顶部至塔筒的桨叶长度位置释放可识别颗粒；

基于监测获得的所述可识别颗粒的运动规律信息获得第二实时尾流数据；

基于所述第二实时尾流数据校准所述场群数字孪生模型。

4.根据权利要求3所述的方法，其特征在于，

所述可识别颗粒为有色颗粒。

5.根据权利要求4所述的方法，其特征在于，还包括：

在监测第一风机的尾流数据的情况下，通过所述风机阵列中与第一风机相邻的至少两个第二风机下辖的图像采集设备自至少两个非平行方向获取所述可识别颗粒的图像数据。

6.根据权利要求5所述的方法，其特征在于，还包括：

基于所述主风向监测数据，确定与所述第一风机不具有上下游关系的第三风机，所述第三风机与所述第一风机所释放的可识别颗粒的颜色均不相同。

7.根据权利要求5所述的方法，其特征在于，所述可识别颗粒为遇水变色颗粒。

8.一种海上风电场尾流转向控制装置，其特征在于，采用如权利要求1至7中任一项所述的方法，所述风电场包括分布为至少两排和至少两列的风机矩阵，所述装置包括：

建模单元，用于基于风场机群布置建立场群数字孪生模型，所述场群数字孪生模型包括所述风电场中每个所述风机的点位布置信息和每个所述风机的状态参数信息；

计算单元，用于根据主风向监测数据和所述场群数字孪生模型生成风机目标控制矩阵，所述风机目标控制矩阵为基于所述主风向监测数据计算出的所述风电场的理论最小尾流负影响对应的控制矩阵；

确定单元，用于基于所述风机目标控制矩阵和每个所述风机的状态参数信息，确定所述风机目标偏航控制矩阵。

9.一种电子设备，其特征在于，所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器，其中，所述处理器用于调用所述存储器中的程序指令，执行如权利要求1至权利要求7中任一项所述的海上风电场尾流转向控制方法。

10.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行如权利要求1至权利要求7中任一项所述的海上风电场尾流转向控制方法。