一种风电机组机舱电气设备能耗优化综合建模方法及系统技术方案

本发明专利技术公开了一种风电机组机舱电气设备能耗优化综合建模方法及系统，包括以下步骤：步骤S1、在所述机舱的电子控制器中获取风向调控装置对机舱进行方位移动的历史运行日志，以及获取机舱的历史发电日志，并在历史运行日志中提取运行特征时序数据，耗能特征时序数据，以及在历史发电日志中提取产能特征时序数据和发电特征时序数据；步骤S2、利用神经网络构建运行预测模型，发电状态优化模型，以及发电能耗优化模型；步骤S3在所述约束条件下求解得到风向调控装置在未来时序处的运行特征时序数据的设定值求解结果。本发明专利技术在风向调控装置的众多运行参量中找出影响发电稳定性和能耗的关键参数，保证发电过程的稳定性与高效性。保证发电过程的稳定性与高效性。保证发电过程的稳定性与高效性。

【技术实现步骤摘要】
一种风电机组机舱电气设备能耗优化综合建模方法及系统


[0001]本专利技术涉及风电机组机舱能耗优化
，具体涉及一种风电机组机舱电气设备能耗优化综合建模方法及系统。

技术介绍

[0002]风力发电机由机舱、传动系统、电子控制器、偏航系统、液压系统、制动系统、发电机等组成，机舱中包容着风力发电机的关键设备，包括齿轮箱、发电机，其中发电机输出产生的电能，而齿轮箱由风向调控系统(偏航系统) 借助电动机转动机舱，以使风力发电机的扇叶正对风向，风向调控系统由电子控制器控制运行。
[0003]现有技术中对风电机组机舱能耗优化的研究一般是以优化发电效率为目标展开的。随着全球碳排放量激增、能源日益枯竭，发展“绿色经济”已成为全球热点，在这样的大背景下，传统风力发电的能量利用率低、耗能高、非稳态运行的弊端日益突出，特别是对于大型风力发电而言，如何使风力发电在既稳定又高效的状态下长期运行变得十分迫切。但是，风力发电是一个能量相互作用的复杂随机过程，评价其发电稳定性与能耗状态的特征参数具有跨学科、强耦合和非线性的特点，如何精准建立稳定
‑
节能综合最优的机舱能耗优化模型并对其特征参数进行优化控制，已成为传统风力发电向绿色、智能、可持续转型过程中亟待解决的关键问题。

技术实现思路

[0004]本专利技术的目的在于提供一种风电机组机舱电气设备能耗优化综合建模方法及系统，以解决现有技术中能量利用率低、耗能高、非稳态运行的技术问题。
[0005]为解决上述技术问题，本专利技术具体提供下述技术方案：
[0006]一种风电机组机舱电气设备能耗优化综合建模方法，包括以下步骤：
[0007]步骤S1、在所述机舱的电子控制器中获取风向调控装置对机舱进行方位移动的历史运行日志，以及获取机舱的历史发电日志，并在历史运行日志中提取表征风向调控装置运行状态的运行特征时序数据，表征风向调控装置耗能状态的耗能特征时序数据，以及在历史发电日志中提取表征机舱发电产能状态的产能特征时序数据和表征机舱发电状态的发电特征时序数据；
[0008]步骤S2、利用神经网络基于所述运行特征时序数据构建表征风向调控装置运行状态与时序映射关系的运行预测模型，基于所述运行特征时序数据与发电特征时序数据构建表征风向调控装置运行状态与发电状态映射关系的发电状态优化模型，以及基于所述运行特征时序数据与产能特征时序数据、耗能特征时序数据构建表征风向调控装置运行状态与发电产能状态、发电耗能状态映射关系的发电能耗优化模型；
[0009]步骤S3、基于所述运行预测模型预测出风向调控装置在未来时序处的运行特征时序数据的预测值，并基于所述风向调控装置在未来时序处的运行特征时序数据的预测值构建约束条件，并在所述约束条件下求解所述发电能耗优化模型和发电状态优化模型得到风
向调控装置在未来时序处的运行特征时序数据的设定值求解结果，以使得所述风向调控装置按所述设定值运行来实现机舱发电状态和发电产能的双目标优化。
[0010]作为本专利技术的一种优选方案，所述在历史运行日志中提取表征风向调控装置运行状态的运行特征时序数据，表征风向调控装置耗能状态的耗能特征时序数据，包括：
[0011]在历史运行日志中依次按时序提取出风向调控装置的多个运行参量的时序数据，并对多个运行参量的时序数据进行冗余参量去除来得到表征风向调控装置运行状态特征的多个运行特征参量；
[0012]基于所述多个运行特征参量在历史运行日志中提取出多组运行特征参量时序数据，并对多组运行特征参量时序数据进行冗余时序去除来得到表征风向调控装置运行状态的运行特征时序数据；
[0013]按照所述运行特征时序数据的时序依次在历史运行日志中提取风向调控装置在对应时序处耗能参量的时序数据作为耗能特征时序数据，以表征风向调控装置耗能状态；
[0014]所述对多个运行参量的时序数据进行冗余参量去除，包括：
[0015]对所述多个运行参量的时序数据按时序进行主成分分析得到所有运行参量的特征值，并按特征值对所述运行参量进行倒序排列得到运行参量序列；
[0016]在运行参量序列中选取出前k项作为k个运行特征参量，以去除运行参量中的冗余参量；
[0017]所述对多组运行特征参量时序数据进行冗余时序去除，包括：
[0018]步骤101、依次将多组运行特征参量时序数据在相邻时序处进行数据相似度求和计算得到一组节点判定时序曲线，所述相似度求和的计算公式为：
[0019][0020]其中，为多组运行特征参量时序数据在相邻时序t
j+1
，t
j
处的数据相似度总和，且为节点判定时序曲线中时序t
j+1
处的数据，分别表征为第i组运行特征参量时序数据中相邻时序t
j+1
，t
j
处的时序数据，t
j+1
，t
j
表征为第j+1、j个时序，i，j为计量常数；
[0021]步骤102、在节点判定时序曲线上绘制表征稳定运行状态的相似度总和的阈值区间曲线，并将节点判定时序曲线上位于阈值区间曲线外部的所有时序作为表征风向调节装置状态变更的变更时序，所述阈值区间表征为风向调控装置处于同种运行状态的相似度总和上限值和相似度总和下限值构成的时序曲线；
[0022]步骤103、依次统计多组运行特征参量时序数据在相邻变更时序之间的时序数据量，并对所有相邻变更时序之间的时序数据量进行归一化处理得到在每个相邻变更时序之间的数据提取率，所述数据提取率的计算公式为：
[0023][0024]式中，表征为相邻变更时序t
r
、t
r+1
之间的数据提取率，表征为相邻变更时序t
r
、t
r+1
之间的时序数据量，t
r
、t
r+1
表征为第r、r+1个变更时序，r为计量常数，m为变更时序的总数目；
[0025]步骤104、设定时序数据的总提取量，依据数据提取率依次在每个相邻变更时序之间随机提取对应数量的时序数据，并将所述时序数据依时序连接为运行特征时序数据，以保证对风向调控装置运行状态的均衡表征且避免表征同种运行状态的数据冗余。
[0026]作为本专利技术的一种优选方案，所述在历史发电日志中提取表征机舱发电产能状态的产能特征时序数据和表征机舱发电状态的发电特征时序数据，包括：
[0027]按照所述运行特征时序数据的时序依次在历史发电日志中提取机舱在对应时序处产能参量的时序数据作为产能特征时序数据，以表征机舱发电产能状态；
[0028]按照所述运行特征时序数据的时序依次在历史发电日志中提取机舱在对应时序处发电状态参量的时序数据作为发电特征时序数据，以表征机舱发电状态。
[0029]作为本专利技术的一种优选方案，所述利用神经网络基于所述运行特征时序数据构建表征风向调控装置运行状态与时序映射关系的运行预测模型，包括：
[0030]将运行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电机组机舱电气设备能耗优化综合建模方法，其特征在于：包括以下步骤：步骤S1、在所述机舱的电子控制器中获取风向调控装置对机舱进行方位移动的历史运行日志，以及获取机舱的历史发电日志，并在历史运行日志中提取表征风向调控装置运行状态的运行特征时序数据，表征风向调控装置耗能状态的耗能特征时序数据，以及在历史发电日志中提取表征机舱发电产能状态的产能特征时序数据和表征机舱发电状态的发电特征时序数据；步骤S2、利用神经网络基于所述运行特征时序数据构建表征风向调控装置运行状态与时序映射关系的运行预测模型，基于所述运行特征时序数据与发电特征时序数据构建表征风向调控装置运行状态与发电状态映射关系的发电状态优化模型，以及基于所述运行特征时序数据与产能特征时序数据、耗能特征时序数据构建表征风向调控装置运行状态与发电产能状态、发电耗能状态映射关系的发电能耗优化模型；步骤S3、基于所述运行预测模型预测出风向调控装置在未来时序处的运行特征时序数据的预测值，并基于所述风向调控装置在未来时序处的运行特征时序数据的预测值构建约束条件，并在所述约束条件下求解所述发电能耗优化模型和发电状态优化模型得到风向调控装置在未来时序处的运行特征时序数据的设定值求解结果，以使得所述风向调控装置按所述设定值运行来实现机舱发电状态和发电产能的双目标优化。2.根据权利要求1所述的一种风电机组机舱电气设备能耗优化综合建模方法，其特征在于：所述在历史运行日志中提取表征风向调控装置运行状态的运行特征时序数据，表征风向调控装置耗能状态的耗能特征时序数据，包括：在历史运行日志中依次按时序提取出风向调控装置的多个运行参量的时序数据，并对多个运行参量的时序数据进行冗余参量去除来得到表征风向调控装置运行状态特征的多个运行特征参量；基于所述多个运行特征参量在历史运行日志中提取出多组运行特征参量时序数据，并对多组运行特征参量时序数据进行冗余时序去除来得到表征风向调控装置运行状态的运行特征时序数据；按照所述运行特征时序数据的时序依次在历史运行日志中提取风向调控装置在对应时序处耗能参量的时序数据作为耗能特征时序数据，以表征风向调控装置耗能状态；所述对多个运行参量的时序数据进行冗余参量去除，包括：对所述多个运行参量的时序数据按时序进行主成分分析得到所有运行参量的特征值，并按特征值对所述运行参量进行倒序排列得到运行参量序列；在运行参量序列中选取出前k项作为k个运行特征参量，以去除运行参量中的冗余参量；所述对多组运行特征参量时序数据进行冗余时序去除，包括：步骤101、依次将多组运行特征参量时序数据在相邻时序处进行数据相似度求和计算得到一组节点判定时序曲线，所述相似度求和的计算公式为：
其中，为多组运行特征参量时序数据在相邻时序t
j+1
，t
j
处的数据相似度总和，且为节点判定时序曲线中时序t
j+1
处的数据，分别表征为第i组运行特征参量时序数据中相邻时序t
j+1
，t
j
处的时序数据，t
j+1
，t
j
表征为第j+1、j个时序，i，j为计量常数；步骤102、在节点判定时序曲线上绘制表征稳定运行状态的相似度总和的阈值区间曲线，并将节点判定时序曲线上位于阈值区间曲线外部的所有时序作为表征风向调节装置状态变更的变更时序，所述阈值区间表征为风向调控装置处于同种运行状态的相似度总和上限值和相似度总和下限值构成的时序曲线；步骤103、依次统计多组运行特征参量时序数据在相邻变更时序之间的时序数据量，并对所有相邻变更时序之间的时序数据量进行归一化处理得到在每个相邻变更时序之间的数据提取率，所述数据提取率的计算公式为：式中，表征为相邻变更时序t
r
、t
r+1
之间的数据提取率，表征为相邻变更时序t
r
、t
r+1
之间的时序数据量，t
r
、t
r+1
表征为第r、r+1个变更时序，r为计量常数，m为变更时序的总数目；步骤104、设定时序数据的总提取量，依据数据提取率依次在每个相邻变更时序之间随机提取对应数量的时序数据，并将所述时序数据依时序连接为运行特征时序数据，以保证对风向调控装置运行状态的均衡表征且避免表征同种运行状态的数据冗余。3.根据权利要求2所述的一种风电机组机舱电气设备能耗优化综合建模方法，其特征在于：所述在历史发电日志中提取表征机舱发电产能状态的产能特征时序数据和表征机舱发电状态的发电特征时序数据，包括：按照所述运行特征时序数据的时序依次在历史发电日志中提取机舱在对应时序处产能参量的时序数据作为产能特征时序数据，以表征机舱发电产能状态；按照所述运行特征时序数据的时序依次在历史发电日志中提取机舱在对应时序处发电状态参量的时序数据作为发电特征时序数据，以表征机舱发电状态。4.根据权利要求3所述的一种风电机组机舱电气设备能耗优化综合建模方法，其特征在于：所述利用神经网络基于所述运行特征时序数据构建表征风向调控装置运行状态与时序映射关系的运行预测模型，包括：将运行特征时序数据转换为运行特征时序序列为将运行特征时序数据转换...

【专利技术属性】
技术研发人员：王维庆，程静，何山，程志江，袁至，樊小朝，武家辉，
申请(专利权)人：新疆大学，
类型：发明
国别省市：