CN117365836A - 风电机组的控制方法、装置、电子设备及存储介质 - Google Patents
风电机组的控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117365836A CN117365836A CN202311395322.6A CN202311395322A CN117365836A CN 117365836 A CN117365836 A CN 117365836A CN 202311395322 A CN202311395322 A CN 202311395322A CN 117365836 A CN117365836 A CN 117365836A
- Authority
- CN
- China
- Prior art keywords
- weather
- image data
- data
- abnormal
- historical
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 158
- 238000004458 analytical method Methods 0.000 claims description 23
- 238000012545 processing Methods 0.000 claims description 20
- 230000015654 memory Effects 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 12
- 230000006403 short-term memory Effects 0.000 claims description 6
- 230000007787 long-term memory Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003702 image correction Methods 0.000 description 2
- 238000005461 lubrication Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000010720 hydraulic oil Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
- F03D—WIND MOTORS
- F03D7/00—Controlling wind motors
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
- F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
- F05B2270/00—Control
- F05B2270/40—Type of control system
- F05B2270/404—Type of control system active, predictive, or anticipative
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本申请提出一种风电机组的控制方法、装置、电子设备及存储介质,其中,该方法包括:获取风电场区域的气象数据;基于所述气象数据进行天气预测,获取第一天气预测结果;响应于所述第一天气预测结果为异常天气,获取所述风电场区域的遥感图像数据和历史异常天气图像数据;基于所述遥感图像数据和所述历史异常天气图像数据,获取第二天气预测结果;响应于所述第二天气预测结果为异常天气,基于所述气象数据对所述风电场中的风电机组进行控制。通过本申请实施例的技术方案,可以避免突发的恶劣天气对风电场的安全运行造成影响。
Description
技术领域
本申请涉及风力发电技术领域,尤其涉及一种风电机组的控制方法、装置、电子设备及存储介质。
背景技术
全球气候变暖导致低温、大风等异常天气的出现频率大大增加,风力发电对天气条件具有很强的依赖性。在异常天气出现时,如不能及时对风电机组采取合适的控制措施,可能对风电机组的安全运行造成影响。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本申请的第一个目的在于提出一种风电机组的控制方法,包括:获取风电场区域的气象数据;基于所述气象数据进行天气预测,获取第一天气预测结果;响应于所述第一天气预测结果为异常天气,获取所述风电场区域的遥感图像数据和历史异常天气图像数据;基于所述遥感图像数据和所述历史异常天气图像数据,获取第二天气预测结果;响应于所述第二天气预测结果为异常天气,基于所述气象数据对所述风电场中的风电机组进行控制。
在一种实现方式中,所述基于所述气象数据进行天气预测,确定是否可能出现异常天气,包括:将所述气象数据输入预先训练的天气预测模型,获取所述第一天气预测结果;其中,所述天气预测模型已经预先学习得到气象数据与天气类型之间的对应关系。
在一种可选地实现方式中,所述天气预测模型通过以下步骤预先训练获得:获取异常天气类型对应的历史异常气象数据;将所述异常天气类型作为所述异常天气类型对应的历史异常气象数据的数据标签;基于所述历史异常气象数据和所述数据标签对初始模型进行训练,获得所述天气预测模型;其中,所述初始模型为长短期记忆模型。
在一种实现方式中,所述基于所述遥感图像数据和所述历史异常天气图像数据,获取第二天气预测结果,包括:对所述遥感图像数据进行数据统一化处理,获取天气图像数据;将所述天气图像数据和所述历史恶劣天气图像数据输入预先训练的图像相似度分析模型,获取所述天气图像数据和所述历史恶劣天气图像数据的图像相似度;其中,所述图像相似度分析模型已经预先学习得到获取两个图像之间相似度的能力;响应于所述图像相似度大于或等于预设的相似度阈值,确定所述第二天气预测结果为异常天气。
在一种可选地实现方式中,所述历史恶劣天气图像数据为多个,所述将所述天气图像数据和所述历史恶劣天气图像数据输入预先训练的图像相似度分析模型,获取所述天气图像数据和所述历史恶劣天气图像数据的图像相似度,包括:分别将每个所述历史恶劣天气图像数据与所述天气图像数据输入所述图像相似度分析模型,获取每个所述历史恶劣天气图像数据对应的候选图像相似度;获取多个所述候选图像相似度中最大的一个,作为所述图像相似度。
在一种实现方式中,所述基于所述气象数据对所述风电场中的风电机组进行控制,包括:基于所述气象数据获取预测异常天气类型;基于所述预测异常天气类型,确定所述风电场的风电机组中可能存在运行风险的目标部件;对所述目标部件进行相应控制。
在一种可选地实现方式中,所述基于所述气象数据获取预测异常天气类型,包括:确定所述气象数据对应的预测权重值;基于所述预测权重值和所述气象数据进行天气预测,获取所述预测异常天气类型。
本申请的第二个目的在于提出一种风电机组的控制装置,包括:第一获取模块,用于获取风电场区域的气象数据;第一处理模块,用于基于所述气象数据进行天气预测,获取第一天气预测结果;第二获取模块,用于响应于所述第一天气预测结果为异常天气,获取所述风电场区域的遥感图像数据和历史异常天气图像数据;第二处理模块,用于基于所述遥感图像数据和所述历史异常天气图像数据,获取第二天气预测结果;控制模块,用于响应于所述第二天气预测结果为异常天气,基于所述气象数据对所述风电场中的风电机组进行控制。
在一种实现方式中,所述第一处理模块具体用于:将所述气象数据输入预先训练的天气预测模型,获取所述第一天气预测结果;其中,所述天气预测模型已经预先学习得到气象数据与天气类型之间的对应关系。
在一种可选地实现方式中,所述天气预测模型通过以下步骤预先训练获得:获取异常天气类型对应的历史异常气象数据;将所述异常天气类型作为所述异常天气类型对应的历史异常气象数据的数据标签;基于所述历史异常气象数据和所述数据标签对初始模型进行训练,获得所述天气预测模型;其中,所述初始模型为长短期记忆模型。
在一种实现方式中,所述第二处理模块具体用于:对所述遥感图像数据进行数据统一化处理,获取天气图像数据;将所述天气图像数据和所述历史恶劣天气图像数据输入预先训练的图像相似度分析模型,获取所述天气图像数据和所述历史恶劣天气图像数据的图像相似度;其中,所述图像相似度分析模型已经预先学习得到获取两个图像之间相似度的能力;响应于所述图像相似度大于或等于预设的相似度阈值,确定所述第二天气预测结果为异常天气。
在一种可选地实现方式中,所述第二处理模块具体用于:分别将每个所述历史恶劣天气图像数据与所述天气图像数据输入所述图像相似度分析模型,获取每个所述历史恶劣天气图像数据对应的候选图像相似度;获取多个所述候选图像相似度中最大的一个,作为所述图像相似度。
在一种实现方式中,所述控制模块具体用于:基于所述气象数据获取预测异常天气类型;基于所述预测异常天气类型,确定所述风电场的风电机组中可能存在运行风险的目标部件;对所述目标部件进行相应控制。
在一种可选地实现方式中,所述控制模块具体用于:确定所述气象数据对应的预测权重值;基于所述预测权重值和所述气象数据进行天气预测,获取所述预测异常天气类型。
本申请的第三个目的在于提出一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如第一方面所述的方法。
本申请的第四个目的在于提出一种计算机可读存储介质,用于存储有指令,当所述指令被执行时,使如第一方面所述的方法被实现。
本申请的第五个目的在于提出一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如第一方面所述的方法的步骤。
本申请提供的风电机组的控制方法、装置、电子设备及存储介质,可以基于风电场区域的气象数据进行天气预测。获得第一天气预测结果,并在第一天气预测结果为异常天气时,基于遥感气象数据和历史异常天气图像数据获取第二天气预测结果,以在第二天气预测结果为异常天气时,基于气象数据对风电场中的风电机组进行控制。能够避免突发的恶劣天气对风电场的安全运行造成影响。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本申请实施例提供的一种风电机组的控制方法的流程示意图;
图2是本申请实施例提供的另一种风电机组的控制方法的流程示意图;
图3是本申请实施例提供的一种天气预测模型的构造及训练流程图;
图4是本申请实施例提供的又一种风电机组的控制方法的流程示意图;
图5是本申请实施例提供的又一种风电机组的控制方法的流程示意图;
图6是本申请实施例提供的一种风电机组的控制方案的示意图;
图7是本申请实施例提供的一种风电机组的控制装置的结构示意图;
图8是本申请实施例提供的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的风电机组的控制方法和装置。
图1是本申请实施例提供的一种风电机组的控制方法的流程示意图。如图1所示,该方法可以包括但不限于以下步骤:
步骤S101:获取风电场区域的气象数据。
举例而言,通过预先设置于风电场所在位置及附近区域的气象监测设备获取风电场区域的第一气象数据,并通过其他渠道(例如,获取气象局以及其他气象监测平台监测到的气象数据)获取风电场区域的第二气象数据,对上述第一气象数据和第二气象数据进行归集,作为风电场区域的气象数据。
在本申请的一些实施例中,可以通过MQTT(Message Queuing TelemetryTransport,消息队列遥测传输)协议、基于公网的方式获取预先设置于风电场所在位置及附近区域的气象监测设备采集到的第一气象数据。
其中,在本申请的实施例中,上述气象数据包括以下至少一项:风速、风向、降水量、电场量、温度、湿度、气压、云量和地质数据。
步骤S102:基于气象数据进行天气预测,获取第一天气预测结果。
举例而言,基于气象数据进行天气预测,获取风电场区域在未来一段时间的天气为正常天气或异常天气的第一天气预测结果。
步骤S103:响应于第一天气预测结果为异常天气,获取风电场区域的遥感图像数据和历史异常天气图像数据。
举例而言,响应于第一天气预测结果为风电场区域在未来一段时间可能出现异常天气,通过气象卫星获取风电场区域的遥感图像数据,并获取风电场区域曾出现异常天气时气象卫星采集到的历史异常天气图像数据。
步骤S104:基于遥感图像数据和历史异常天气图像数据,获取第二天气预测结果。
举例而言,将遥感图像数据和历史异常天气图像数据进行对比获得对比结果,并根据对比结果确定第二天气预测结果。
步骤S105:响应于第二天气预测结果为异常天气,基于气象数据对风电场中的风电机组进行控制。
举例而言,响应于第二天气预测结果为风电场区域未来一段时间可能出现异常天气,基于气象数据预测可能出现的异常天气的异常天气类型,以确定异常天气发生时可能导致的风电机组运行问题,以根据上述问题对风电场中的风电机组进行针对性控制。
需要说明的是,在本申请的实施例中,“风电机组”、“风力发电机”、“风力发电机组”等术语可以相互替换;“异常天气”、“恶劣天气”、“极端天气”等术语可以相互替换。
其中,在本申请的实施例中,上述异常天气类型可以包括但不限于以下至少一种:大风、低温、积冰、雷暴和沙尘暴。
通过实施本申请实施例,可以基于风电场区域的气象数据进行天气预测。获得第一天气预测结果,并在第一天气预测结果为异常天气时,基于遥感气象数据和历史异常天气图像数据获取第二天气预测结果,以在第二天气预测结果为异常天气时,基于气象数据对风电场中的风电机组进行控制。能够避免突发的恶劣天气对风电场的安全运行造成影响。
在一种实现方式中,可以基于预先训练的天气预测模型,结合获取的气象数据获取第一天气预测结果。作为一种示例,请参见图2是本申请实施例提供的另一种风电机组的控制方法的流程示意图。如图2所示,该方法可以包括但不限于以下步骤:
步骤S201:获取风电场区域的气象数据。
本申请的实施例中,步骤S201可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S202:将气象数据输入预先训练的天气预测模型,获取第一天气预测结果。
其中,天气预测模型已经预先学习得到气象数据与天气类型之间的对应关系。
其中,在本申请的实施例中,上述天气类型包括正常天气和异常天气。
举例而言,将气象数据输入预先训练完成的天气预测模型,获取天气预测模型的输出结果作为第一天气预测结果。
在一种可选地实现方式中,天气预测模型通过以下步骤预先训练获得:获取异常天气类型对应的历史异常气象数据;将异常天气类型作为异常天气类型对应的历史异常气象数据的数据标签;基于历史异常气象数据和数据标签对初始模型进行训练,获得天气预测模型;其中,初始模型为长短期记忆模型。
举例而言,获取过去一段时间内(例如,2年)不同的异常天气类型出现时对应的历史异常气象数据,并对历史异常气象数据进行预处理和修正;将每种异常天气类型,作为该种异常天气类型对应的历史异常气象数据的数据标签;初始化LSTM(Long Short-TermMemory,长短期记忆)神经网络模型的模型参数,将历史异常气象数据和对应的数据标签作为训练数据对初始化后的模型进行多次重复训练,基于每次训练获得模型损失值进行反向传播,以对模型进行优化,直至达到预设的停止条件,完成模型训练获得天气预测模型。作为一种示例,请参见图3,图3是本申请实施例提供的一种天气预测模型的构造及训练流程图。
步骤S203:响应于第一天气预测结果为异常天气,获取风电场区域的遥感图像数据和历史异常天气图像数据。
本申请的实施例中,步骤S203可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S204:基于遥感图像数据和历史异常天气图像数据,获取第二天气预测结果。
本申请的实施例中,步骤S204可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S205:响应于第二天气预测结果为异常天气,基于气象数据对风电场中的风电机组进行控制。
本申请的实施例中,步骤S205可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
通过实施本申请实施例,可以基于预先训练的天气预测模型,结合获取的气象数据获取第一天气预测结果,并在第一天气预测结果为异常天气时,基于遥感气象数据和历史异常天气图像数据获取第二天气预测结果,以在第二天气预测结果为异常天气时,基于气象数据对风电场中的风电机组进行控制。能够避免突发的恶劣天气对风电场的安全运行造成影响。
在一种实现方式中,可以获取遥感图像数据和历史异常天气图像数据之间的相似度,并基于该相似度确定第二天气检测结果。作为一种示例,请参见图4,图4是本申请实施例提供的又一种风电机组的控制方法的流程示意图。如图4所示,该方法可以包括但不限于以下步骤:
步骤S401:获取风电场区域的气象数据。
本申请的实施例中,步骤S401可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S402:基于气象数据进行天气预测,获取第一天气预测结果。
本申请的实施例中,步骤S402可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S403:响应于第一天气预测结果为异常天气,获取风电场区域的遥感图像数据和历史异常天气图像数据。
本申请的实施例中,步骤S403可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S404:对遥感图像数据进行数据统一化处理,获取天气图像数据。
具体而言,对获取的风电场区域的遥感图像数据进行数据统一化处理,以对遥感图像数据进行图像纠正、图像增强等,从统一化处理后的数据中提取天气图像数据。
步骤S405:将天气图像数据和历史恶劣天气图像数据输入预先训练的图像相似度分析模型,获取天气图像数据和历史恶劣天气图像数据的图像相似度。
其中,在本申请的实施例中,图像相似度分析模型已经预先学习得到获取两个图像之间相似度的能力。
举例而言,将天气图像数据和历史恶劣天气图像数据作为输入数据,输入预先训练的图像相似度分析模型,获取该模型输出的天气图像数据和历史恶劣天气图像数据的图像相似度。
在本申请的一些实施例中,上述图像相似度分析模型可以为孪生神经网络模型。
在一种可选地实现方式中,历史恶劣天气图像数据为多个,将天气图像数据和历史恶劣天气图像数据输入预先训练的图像相似度分析模型,获取天气图像数据和历史恶劣天气图像数据的图像相似度,包括:分别将每个历史恶劣天气图像数据与天气图像数据输入图像相似度分析模型,获取每个历史恶劣天气图像数据对应的候选图像相似度;获取多个候选图像相似度中最大的一个,作为图像相似度。
举例而言,分别将天气图像数据和每个历史恶劣天气图像数据作为一组输入数据,输入至图像相似度分析模型,获得天气图像数据和每个历史恶劣天气图像数据的候选图像相似度;从获取的多个候选图像相似度中获取最大的一个作为前述图像相似度。
步骤S406:响应于图像相似度大于或等于预设的相似度阈值,确定第二天气预测结果为异常天气。
举例而言,响应于天气图像数据和历史恶劣天气图像数据的图像相似度大于或等于预设的相似度阈值(例如,百分之90),确定第二天气预测结果为异常天气。
在本申请的另一些实施例中,响应于天气图像数据和历史恶劣天气图像数据的图像相似度小于预设的相似度阈值,确定第二天气预测结果为正常天气。
步骤S407:响应于第二天气预测结果为异常天气,基于气象数据对风电场中的风电机组进行控制。
本申请的实施例中,步骤S407可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
通过实施本申请实施例,可以基于风电场区域的气象数据进行天气预测。获得第一天气预测结果,并在第一天气预测结果为异常天气时,可以获取遥感图像数据和历史异常天气图像数据之间的相似度,并基于该相似度获取第二天气检测结果,在第二天气预测结果为异常天气时,基于气象数据对风电场中的风电机组进行控制。能够避免突发的恶劣天气对风电场的安全运行造成影响。
在一种实现方式中,可以根据气象数据确定风电场区域可能出现的异常天气类型,以基于可能出现的异常天气类型对风电场中的风电机组进行控制。作为一种示例,请参见图5,图5是本申请实施例提供的又一种风电机组的控制方法的流程示意图。如图5所示,该方法可以包括但不限于以下步骤:
步骤S501:获取风电场区域的气象数据。
本申请的实施例中,步骤S501可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S502:基于气象数据进行天气预测,获取第一天气预测结果。
本申请的实施例中,步骤S502可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S503:响应于第一天气预测结果为异常天气,获取风电场区域的遥感图像数据和历史异常天气图像数据。
本申请的实施例中,步骤S503可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S504:基于遥感图像数据和历史异常天气图像数据,获取第二天气预测结果。
本申请的实施例中,步骤S504可以分别采用本申请的各实施例中的任一种方式实现,本申请实施例并不对此作出限定,也不再赘述。
步骤S505:响应于第二天气预测结果为异常天气,基于气象数据获取预测异常天气类型。
举例而言,响应于第二天气预测结果为异常天气,基于气象数据预测风电场区域可能将要出现的异常天气类型,作为预测异常天气类型。
在一种可选地实现方式中,基于气象数据获取预测异常天气类型,包括:确定气象数据对应的预测权重值;基于预测权重值和气象数据进行天气预测,获取预测异常天气类型。
举例而言,根据预先设置的每种气象数据对应的预测权重值,结合对应的气象数据进行天气预测,获取预测异常天气类型。
其中,在本申请的实施例中,每种气象数据对应的预测权重值可以相同也可以不同。
步骤S506:基于预测异常天气类型,确定风电场的风电机组中可能存在运行风险的目标部件。
举例而言,确定当异常天气类型对应的异常天气发生时,风电场的风电机组各个部件中可能存在运行风险的目标部件。
作为一种示例,以异常天气类型为大风天气为例。当台风天气发生时,较大的风速可能造成风机切出停发情况,大风可能对风电机组产生的影响主要包括:偏航系统机械受损;叶片出现裂纹或被撕裂,风电机组倒塌;风向仪被吹毁。则可将风电机组的偏航系统、叶片、风向仪确定为目标部件。
作为一种示例,以异常天气类型为低温天气为例。低温可能导致风电机组的叶片阻尼等结构特性发生变化,振动加大,寿命缩短;并且低温使润滑效果减弱,齿轮箱磨损,阻力增大;当风电机组受到冲击载荷时,可能造成脆性断裂;低温还会使液压油流动性降低,导致液压系统无法正常工作;导致风电机偏航系统润滑水平下降或引起偏航故障;可能导致风电机组刹车液压系统工作不正常、刹车时间延长、振动加大,影响风电机的安全性能;低温伴随的覆冰导致测风仪表无法正常测量风速风向。则可将风电机组的叶片、齿轮箱、液压系统、偏航系统和测风仪确定为目标部件。
步骤S507:对目标部件进行相应控制。
作为一种示例,以异常天气类型为大风天气,目标部件为偏航系统、叶片、风向仪为例。则可锁定风电机组的叶片和风向仪。
作为一种示例,以异常天气类型为低温天气,目标部件为叶片、齿轮箱、液压系统、偏航系统和测风仪。则可开启预先设置的齿轮箱、液压系统的保暖装置,并加强监测叶片、偏航系统和测风仪的工作状态,以在需要的时机即时停止上述部件运行。
在本申请的一些实施例中,还可以生成包括预测异常天气类型和目标部件相关信息的运行预警信息,并将运行预警信息通过多种渠道推送至风电场的运行维护人员,以提醒运行维护人员采取相应的防护措施。例如,可将运行预警信息推送通过短信或其他方式至运行维护人员的终端设备。
通过实施本申请实施例,可以基于风电场区域的气象数据进行天气预测。获得第一天气预测结果,并在第一天气预测结果为异常天气时,基于遥感气象数据和历史异常天气图像数据获取第二天气预测结果,以在第二天气预测结果为异常天气时,可以根据预先确定的权重值结合气象数据获取预测异常天气类型,从而基于预测异常天气类型对风电场中的风电机组进行控制。能够避免突发的恶劣天气对风电场的安全运行造成影响。
请参见图6,图6是本申请实施例提供的一种风电机组的控制方案的示意图。如图6所示,在该技术方案中,可以通过多种数据来源获取风电场区域的多源气象数据,并对获取的多源气象数据进行分析,以基于多源气象数据进行异常天气预测,在预测到风电场区域可能出现异常天气时,调用气象遥感卫星以获取遥感气象数据,并获取风电场区域的历史异常天气图像数据;对遥感气象数据进行预处理、图像纠正和图像增强等处理,以提取天气图像数据;将天气图像数据与历史异常天气图像数据进行相似度分析,基于获取的天气图像数据与历史异常天气图像数据的相似度进行异常天气的研判预测;并在预测到异常天气时,基于预先建立的风机受气象影响模型分析库,确定不同气象数据对应的气象预测参数因子,以预测出未来时间段的天气情况;并基于未来时间段的天气情况生成并发送异常天气预警,以通知风电场运行维护人员采取相应的防护措施。
请参见图7,图7是本申请实施例提供的一种风电机组的控制装置的结构示意图。如图7所示,该装置700包括:第一获取模块701,用于获取风电场区域的气象数据;第一处理模块702,用于基于气象数据进行天气预测,获取第一天气预测结果;第二获取模块703,用于响应于第一天气预测结果为异常天气,获取风电场区域的遥感图像数据和历史异常天气图像数据;第二处理模块704,用于基于遥感图像数据和历史异常天气图像数据,获取第二天气预测结果;控制模块705,响应于所述第二天气预测结果为异常天气,基于所述气象数据对所述风电场中的风电机组进行控制。
在一种实现方式中,第一处理模块702具体用于:将气象数据输入预先训练的天气预测模型,获取第一天气预测结果;其中,天气预测模型已经预先学习得到气象数据与天气类型之间的对应关系。
在一种可选地实现方式中,天气预测模型通过以下步骤预先训练获得:获取异常天气类型对应的历史异常气象数据;将异常天气类型作为异常天气类型对应的历史异常气象数据的数据标签;基于历史异常气象数据和数据标签对初始模型进行训练,获得天气预测模型;其中,初始模型为长短期记忆模型。
在一种实现方式中,第二处理模块704具体用于:对遥感图像数据进行数据统一化处理,获取天气图像数据;将天气图像数据和历史恶劣天气图像数据输入预先训练的图像相似度分析模型,获取天气图像数据和历史恶劣天气图像数据的图像相似度;其中,图像相似度分析模型已经预先学习得到获取两个图像之间相似度的能力;响应于图像相似度大于或等于预设的相似度阈值,确定第二天气预测结果为异常天气。
在一种可选地实现方式中,第二处理模块704具体用于:分别将每个历史恶劣天气图像数据与天气图像数据输入图像相似度分析模型,获取每个历史恶劣天气图像数据对应的候选图像相似度;获取多个候选图像相似度中最大的一个,作为图像相似度。
在一种实现方式中,控制模块705具体用于:基于气象数据获取预测异常天气类型;基于预测异常天气类型,确定风电场的风电机组中可能存在运行风险的目标部件;对目标部件进行相应控制。
在一种可选地实现方式中,控制模块705具体用于:确定气象数据对应的预测权重值;基于预测权重值和气象数据进行天气预测,获取预测异常天气类型。
通过本申请实施例的装置,可以基于风电场区域的气象数据进行天气预测。获得第一天气预测结果,并在第一天气预测结果为异常天气时,基于遥感气象数据和历史异常天气图像数据获取第二天气预测结果,以在第二天气预测结果为异常天气时,基于气象数据对风电场中的风电机组进行控制。能够避免突发的恶劣天气对风电场的安全运行造成影响。
需要说明的是,前述对风电机组的控制方法实施例的解释说明也适用于该实施例的风电机组的控制装置,此处不再赘述。
为了实现上述实施例,本申请还提出一种电子设备。请参见图8,图8是本申请实施例提供的电子设备的结构示意图。如图8所示,电子设备800包括:处理器801,以及与所述处理器801通信连接的存储器802;所述存储器802存储计算机执行指令;所述处理器801执行所述存储器存储的计算机执行指令,以实现执行前述实施例所提供的方法。
为了实现上述实施例,本申请还提出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执行指令,所述计算机执行指令被处理器执行时用于实现前述实施例所提供的方法。
为了实现上述实施例,本申请还提出一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现前述实施例所提供的方法。
在前述各实施例描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种风电机组的控制方法,其特征在于,包括:
获取风电场区域的气象数据;
基于所述气象数据进行天气预测,获取第一天气预测结果;
响应于所述第一天气预测结果为异常天气,获取所述风电场区域的遥感图像数据和历史异常天气图像数据;
基于所述遥感图像数据和所述历史异常天气图像数据,获取第二天气预测结果;
响应于所述第二天气预测结果为异常天气,基于所述气象数据对所述风电场中的风电机组进行控制。
2.如权利要求1所述的方法,其特征在于,所述基于所述气象数据进行天气预测,获取第一天气预测结果,包括:
将所述气象数据输入预先训练的天气预测模型,获取所述第一天气预测结果;其中,所述天气预测模型已经预先学习得到气象数据与天气类型之间的对应关系。
3.如权利要求2所述的方法,其特征在于,所述天气预测模型通过以下步骤预先训练获得:
获取异常天气类型对应的历史异常气象数据;
将所述异常天气类型作为所述异常天气类型对应的历史异常气象数据的数据标签;
基于所述历史异常气象数据和所述数据标签对初始模型进行训练,获得所述天气预测模型;其中,所述初始模型为长短期记忆模型。
4.如权利要求1所述的方法,其特征在于,所述基于所述遥感图像数据和所述历史异常天气图像数据,获取第二天气预测结果,包括:
对所述遥感图像数据进行数据统一化处理,获取天气图像数据;
将所述天气图像数据和所述历史恶劣天气图像数据输入预先训练的图像相似度分析模型,获取所述天气图像数据和所述历史恶劣天气图像数据的图像相似度;其中,所述图像相似度分析模型已经预先学习得到获取两个图像之间相似度的能力;
响应于所述图像相似度大于或等于预设的相似度阈值,确定所述第二天气预测结果为异常天气。
5.如权利要求3所述的方法,其特征在于,所述历史恶劣天气图像数据为多个,所述将所述天气图像数据和所述历史恶劣天气图像数据输入预先训练的图像相似度分析模型,获取所述天气图像数据和所述历史恶劣天气图像数据的图像相似度,包括:
分别将每个所述历史恶劣天气图像数据与所述天气图像数据输入所述图像相似度分析模型,获取每个所述历史恶劣天气图像数据对应的候选图像相似度;
获取多个所述候选图像相似度中最大的一个,作为所述图像相似度。
6.如权利要求1所述的方法,其特征在于,所述基于所述气象数据对所述风电场中的风电机组进行控制,包括:
基于所述气象数据获取预测异常天气类型;
基于所述预测异常天气类型,确定所述风电场的风电机组中可能存在运行风险的目标部件;
对所述目标部件进行相应控制。
7.如权利要求6所述的方法,其特征在于,所述基于所述气象数据获取预测异常天气类型,包括:
确定所述气象数据对应的预测权重值;
基于所述预测权重值和所述气象数据进行天气预测,获取所述预测异常天气类型。
8.一种风电机组的控制装置,其特征在于,包括:
第一获取模块,用于获取风电场区域的气象数据;
第一处理模块,用于基于所述气象数据进行天气预测,获取第一天气预测结果;
第二获取模块,用于响应于所述第一天气预测结果为异常天气,获取所述风电场区域的遥感图像数据和历史异常天气图像数据;
第二处理模块,用于基于所述遥感图像数据和所述历史异常天气图像数据,获取第二天气预测结果;
控制模块,用于响应于所述第二天气预测结果为异常天气,基于所述气象数据对所述风电场中的风电机组进行控制。
9.一种电子设备,其特征在于,包括:处理器,以及与所述处理器通信连接的存储器;
所述存储器存储计算机执行指令;
所述处理器执行所述存储器存储的计算机执行指令,以实现如权利要求1至7中任一项所述的方法。
10.一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执行指令,所述计算机执行指令被处理器执行时用于实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311395322.6A CN117365836A (zh) | 2023-10-25 | 2023-10-25 | 风电机组的控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311395322.6A CN117365836A (zh) | 2023-10-25 | 2023-10-25 | 风电机组的控制方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117365836A true CN117365836A (zh) | 2024-01-09 |
Family
ID=89392583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311395322.6A Pending CN117365836A (zh) | 2023-10-25 | 2023-10-25 | 风电机组的控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117365836A (zh) |
-
2023
- 2023-10-25 CN CN202311395322.6A patent/CN117365836A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10600036B2 (en) | Wind power plant management system and method thereof | |
EP2514969B1 (en) | Monitoring wind turbine performance | |
US9822762B2 (en) | System and method for operating a wind turbine | |
US10975843B2 (en) | Wind turbine control based on forecasts | |
US8050887B2 (en) | Method and system for determining a potential for icing on a wind turbine blade | |
EP2264314B1 (en) | A method and a system for controlling operation of a wind turbine | |
EP2609326B1 (en) | Method of operating a wind turbine and wind turbine | |
US20140324495A1 (en) | Wind turbine maintenance optimizer | |
CN113847216B (zh) | 风机叶片的状态预测方法、装置、设备及存储介质 | |
EP3702613B1 (en) | System and method for predicting wind turbine shutdowns due to excessive vibration | |
CN102817780A (zh) | 风力发电机组结冰控制装置及控制方法 | |
EP3608538A1 (en) | Model-based repowering solutions for wind turbines | |
EP3642481B1 (en) | A method for determining wind turbine blade edgewise load recurrence | |
CN114623051A (zh) | 一种风电叶片覆冰状态智能识别及预警方法 | |
CN117365836A (zh) | 风电机组的控制方法、装置、电子设备及存储介质 | |
US11441544B2 (en) | Method of operating floating offshore wind turbines | |
Roy | Performance assesment of SCADA based wind turbine: condition monitoring approaches | |
EP3406897B1 (en) | System and method for determining wind farm wake loss | |
EP4067649A1 (en) | Operating a wind turbine in a severe weather condition | |
WO2023104505A1 (en) | Wind turbine control arrangement | |
CN117989057A (zh) | 考虑湍流风况的高山风电场偏航控制策略优化方法 | |
CN118378416A (zh) | 基于非高斯风荷载冲击风力发电机叶片竞争失效模型的可靠性分析方法 | |
CN116629096A (zh) | 油池温度异常识别方法、装置、介质及电子设备 | |
CN118669284A (zh) | 一种风电机组叶片覆冰的监测方法及装置 | |
CN114320769A (zh) | 风力发电机组的检测方法及风力发电机组 |
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 |