一种风力发电机单机桨距角预测模型控制方法及设备与流程

本发明涉及风电，尤其涉及一种风力发电机单机桨距角预测模型控制方法、装置、设备、存储介质。

背景技术：

1、直驱式永磁同步风力发电系统在最大风能捕获过程中，通过调节变桨距控制系统使叶片节距角保持为0，这样系统可以等同于定奖距风力发电机组。在此期间通过控制机侧换流器来调整风机转速，实现最大风能捕获。当风速超过额定风速时，变桨距结构才幵始调节叶片节距角，从而达到限制风力机的输出功率的作用，使其输出功率维持在额定功率。传统桨距角控制主要基于pi控制，在能实现风速预测的前提下，预测模型控制基于风速预测信息对未来一时间段的桨距角进行控制优化，可以得到更加快速稳定的控制结果。

2、现有桨距角控制方案都是基于历史测风数据，在控制发生时，作为输入的风速已经是过去时，这使得控制器响应较慢，动态过程性能欠佳。

技术实现思路

1、本发明提供一种风力发电机单机桨距角预测模型控制方法、装置、设备、存储介质，旨在明显的提升系统的动态性能，并在整个过程也能略过试凑pi参数的繁琐过程。

2、为此，本发明的第一个目的在于提出一种风力发电机单机桨距角预测模型控制方法，包括：

3、收集历史测风数据并进行预处理，建立风速预测数据集；

4、构建风速预测模型，通过风速预测数据集训练风速预测模型；

5、将实时风速数据输入训练完成的风速预测模型，得到当前时间点后的预设时间间隔内的预测风速数据；

6、基于预测风速数据，通过优化算法调整桨距角变化量，以使桨距角控制结果接近最优控制。

7、其中，在收集历史测风数据并进行预处理的步骤中，包括：

8、收集历史测风数据，以t1+t2为时间序列长度，进行随机采样；

9、采样后的前t1时间序列长度的测风数据作为模型输入，后t2时间序列长度的测风数据作为模型预期输出，得到风速预测数据集。

10、其中，风速预测模型为lstm深度学习模型。

11、其中，通过风速预测数据集训练风速预测模型的步骤包括：

12、将风速预测数据中的前t1时间序列长度的测风数据作为模型输入，输入风速预测模型；

13、通过调整风速预测模型的参数和函数，以使风速预测模型的输出结果与风速预测数据中的后t2时间序列长度的测风数据趋近相同；

14、当趋近率达到预设阈值时，认为风速预测模型训练完成。

15、其中，在基于预测风速数据，通过优化算法调整桨距角变化量，以使桨距角控制结果接近最优控制的步骤中，包括：

16、在桨距角控制阶段，保持风机转速不变，通过控制桨距角的角度来保持风机额定功率，已知预测风速后，通过风机固有的桨距角-功率曲线得到不同风速下，额定功率对应的桨距角；

17、在预测时间点之后的t时间段内，通过调整桨距角变化量在各时间步的大小，得到不同的控制响应曲线，曲线越接近预测风速对应的额定功率桨距角曲线，则控制效果越好。

18、其中，桨距角变化量对控制效果影响时，设定目标函数，公式表示为：

19、

20、其中，n为预测时长t内的控制时间步数量，为每个时间步风速对应的额定功率对应桨距角，为在给定控制量下的对应时间步的响应结果。

21、其中，采用优化算法对预测时间段内的控制量进行优化，以使目标函数l最小，则该控制量作为最优控制量输出；其中，优化算法为粒子群算法或遗传算法。

22、本发明的第二个目的在于提出一种风力发电机单机桨距角预测模型控制装置，包括：

23、数据采集模块，用于收集历史测风数据并进行预处理，建立风速预测数据集；

24、模型构建模块，用于构建风速预测模型，通过风速预测数据集训练风速预测模型；

25、风速预测模块，用于将实时风速数据输入训练完成的风速预测模型，得到当前时间点后的预设时间间隔内的预测风速数据；

26、桨距角控制模块，用于基于预测风速数据，通过优化算法调整桨距角变化量，以使桨距角控制结果接近最优控制。

27、本发明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；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行前述技术方案的方法中的各步骤。

28、本发明的第四个目的在于提出存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行根据前述技术方案的方法中的各步骤。

29、区别于现有技术，本发明提供的风力发电机单机桨距角预测模型控制方法，将风速预测引入桨距角控制，通过对测风雷达进行时间序列数据预测，得到未来一段时间的风速变化估计结果，基于该预测结果优化后续一段时间的桨距角控制，并在每个时间步进行滚动优化，以使桨距角控制结果接近最优控制。通过本发明，能够明显改善且能明显的提升桨距角的预测控制的动态性能，并在整个过程也能略过试凑pi参数的繁琐过程。

技术特征：

1.一种风力发电机单机桨距角预测模型控制方法，其特征在于，包括：

2.根据权利要求1所述的风力发电机单机桨距角预测模型控制方法，其特征在于，在收集历史测风数据并进行预处理的步骤中，包括：

3.根据权利要求1所述的风力发电机单机桨距角预测模型控制方法，其特征在于，所述风速预测模型为lstm深度学习模型。

4.根据权利要求2所述的风力发电机单机桨距角预测模型控制方法，其特征在于，通过所述风速预测数据集训练所述风速预测模型的步骤包括：

5.根据权利要求1所述的风力发电机单机桨距角预测模型控制方法，其特征在于，在基于所述预测风速数据，通过优化算法调整桨距角变化量，以使桨距角控制结果接近最优控制的步骤中，包括：

6.根据权利要求5所述的风力发电机单机桨距角预测模型控制方法，其特征在于，设定桨距角变化量对控制效果影响时，设定目标函数，公式表示为：

7.根据权利要求6所述的风力发电机单机桨距角预测模型控制方法，其特征在于，采用优化算法对预测时间段内的控制量进行优化，以使目标函数l最小，则该控制量作为最优控制量输出；其中，所述优化算法为粒子群算法或遗传算法。

8.一种风力发电机单机桨距角预测模型控制装置，其特征在于，包括：

9.一种电子设备，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权利要求1-7中任一项所述的方法中的各步骤。

10.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法中的各步骤。

技术总结
本发明提出一种风力发电机单机桨距角预测模型控制方法及设备，该方法将风速预测引入桨距角控制，通过对测风雷达进行时间序列数据预测，得到未来一段时间的风速变化估计结果，基于该预测结果优化后续一段时间的桨距角控制，并在每个时间步进行滚动优化，以使桨距角控制结果接近最优控制。通过本发明，能够明显改善且能明显的提升桨距角的预测控制的动态性能，并在整个过程也能略过试凑PI参数的繁琐过程。

技术研发人员：刘溟江,章卓雨,钱开荣,申旭辉,彭程,汤海雁,刘立勋,陈怡静,姜东,孙捷,孔超,张抒谦,徐晏文,奚嘉雯,田立亭,巴蕾
受保护的技术使用者：盛东如东海上风力发电有限责任公司
技术研发日：
技术公布日：2024/1/12