基于人工智能的海洋牧场再生能源供能控制方法技术

本发明专利技术涉及数据处理技术领域，具体涉及基于人工智能的海洋牧场再生能源供能控制方法。该方法首先获取风力发电机周围风力监测站采集到的风力速度和对应的发电功率；计算风力发电机与所有风力发电机的相关关系值；获取风力发电机叶片的风向变化角度；计算不同位置的风力监测站监测到的不同风力发电机的预测风力速度值和对应的预测发电功率；由风向变化角度计算消耗能量；根据消耗能量、相关关系值和预测发电功率得到总发电量；拟合总发电量得到总发电量曲线，将时间输入总发电量曲线输出预测发电量。本发明专利技术对发电情况实时预测，进而结合能源实时调控输电能力使得在使用风力发电产生的能源进行生产活动的设施供电稳定。生的能源进行生产活动的设施供电稳定。生的能源进行生产活动的设施供电稳定。

【技术实现步骤摘要】
基于人工智能的海洋牧场再生能源供能控制方法


[0001]本专利技术涉及数据处理
，具体涉及基于人工智能的海洋牧场再生能源供能控制方法。

技术介绍

[0002]海洋可再生能源包括海上风电、潮流、洋流、潮差、波浪能、海洋热能、盐度梯度和生物能等。海洋能源输出很不稳定。由于产生于天气系统，风和海浪本质上具有随机性、季节性，而且服从一定的年际变化特征。因此，能量存储、能源调控都至关重要，它可以调整海洋能量的输出。使得其供能稳定。因海洋牧场内存在“供电难、供电不足”的现状，导致大型现代化牧场增养殖设备、资源环境监测设施等无法使用、维持，导致海洋牧场生产过程中普遍存在增养殖效率低、捕捞效率低、劳动强度大、危险系数高等综合性难题。故现有正在开发海洋风电与海洋牧场相结合的项目，而由于海洋上风力大小的不确定性，可能会导致海洋牧场的供能不稳定，故亟需一种可以自适应调节海洋牧场中可再生能源供能的方法。
[0003]目前，常见的对再生能源供能进行控制的方法为通过预测风力发电机的功率来预测电量，获取预测电量的方法为采集风力发电综合观测站的数据，经过处理的数据用遗传算法进行优化处理，通过BP训练计算最大功率曲线记录表，进行数据处理，接收来自预测计算机的预测电量。但由于海洋上风力大小的不确定性，存在海洋牧场的供能不稳定，该方法存在采集风力发电综合观测站的数据会受实际风况影响的问题。

技术实现思路

[0004]为了解决上述技术问题，本专利技术的目的在于提供基于人工智能的海洋牧场再生能源供能控制方法，所采用的技术方案具体如下：获取风力发电机周围风力监测站采集到的风力速度和风力发电机对应的发电功率；基于所述发电功率，将所述风力速度划分为七个等级；对于不同的等级，基于不同位置的风力发电机的发电功率和发电功率均值的差值计算风力发电机与所有风力发电机的相关关系值；根据预测风向和实测风向的差异度获取风力发电机叶片的风向变化角度；根据风力发电机的发电功率对应的发电速度和风力监测站监测到的实际速度，计算不同位置的风力监测站监测到的不同风力发电机的预测风力速度值，并获取所述预测风力速度值对应的发电功率作为预测发电功率；所述风向变化角度和风力发电机叶片的角度变化每度所需能量的乘积作为消耗能量；根据所述消耗能量、所述相关关系值和所述预测发电功率得到总发电量；拟合多个总发电量得到总发电量曲线，将时间输入所述总发电量曲线输出预测发电量，基于所述预测发电量对再生能源供能进行控制。
[0005]优选的，所述相关关系值的计算公式为：
其中，为第k等级中第i个风力发电机与所有风力发电机的相关关系值；为以自然常数为底数的指数函数；为第k等级中第i个风力发电机的发电功率；为所有风力发电机的发电功率均值。
[0006]优选的，所述根据预测风向和实测风向的差异度获取风力发电机叶片的风向变化角度，包括：获取所述风向变化相似性大于预设风向变化阈值的历史数据的数量作为第一数量；所述风向变化角度的计算公式为：其中，为所述风向变化角度；表示天气预报的风向图像中风向变化相似性；为第i个历史数据中实测数据获取的实测风向；为第i个历史数据中天气预报预测的预测风向；为以自然常数为底数的指数函数；m为所述第一数量。
[0007]优选的，所述天气预报的风向图像中风向变化相似性，包括：获取天气预报中的风向图像中的风向箭头作为风向线；利用形状上下文算法，计算天气预报中的风向图像获取的风向线与历史数据中获取的风向线的相似性作为风向变化相似性。
[0008]优选的，所述预测风力速度值的计算公式为：其中，为第j个的风力发电机的预测风力速度值；为第i个风力监测站监测到的实时速度；为第o组历史数据中第j个风力发电机的发电功率对应的发电速度；为第o组历史数据中第i个风力监测站获取的实时速度；为历史数据中风力监测站的数量；为历史数据的数量；为以自然常数为底数的指数函数。
[0009]优选的，所述总发电量的计算公式为：其中，为所述总发电量；为风力发电机的数量；为第j个风力发电机在
预测风力速度值下对应的相关关系值；为第j个风力发电机对应的预测风力速度值；为第j个风力发电机的预测风力速度值对应的预测发电功率；为所述消耗能量。
[0010]本专利技术实施例至少具有如下有益效果：本专利技术首先获取风力发电机周围风力监测站采集到的风力速度和风力发电机对应的发电功率；基于发电功率，将风力速度划分为七个等级；对于不同的等级，基于不同位置的风力发电机的发电功率和发电功率均值的差值计算风力发电机与所有风力发电机的相关关系值。该相关关系值反映了风力发电机在对应等级的稳定程度，当稳定程度越好，则对应的相关关系值越大，则基于其他风力发电机预测出的风力发电机的数据更加准确，由于参数波动较大而产生误差的情况出现的概率小。
[0011]根据预测风向和实测风向的差异度获取风力发电机叶片的风向变化角度；通过风向变化角度对预测风向进行调节，并在后续获取调节时所需要的消耗能量，进而以便于在计算发电功率时对消耗能量进行抵消。
[0012]根据风力发电机的发电功率对应的发电速度和风力监测站监测到的实际速度，计算不同位置的风力监测站监测到的不同风力发电机的预测风力速度值，并获取预测风力速度值对应的发电功率作为预测发电功率；风向变化角度和风力发电机叶片的角度变化每度所需能量的乘积作为消耗能量；根据消耗能量、相关关系值和预测发电功率得到总发电量；拟合多个总发电量得到总发电量曲线，将时间输入总发电量曲线得到预测发电量。本专利技术通过根据采集点获取的风力大小及方向，对风力发电机周围的风力大小及方向进行预测，进而对发电情况进行实时预测，从而可以获取未来发电机组总的发电能力，进而可以结合其他方式的能源实时调控输电能力使得在使用风力发电产生的能源进行生产活动的设施供电稳定。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，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的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，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它附图。
[0014]图1为本专利技术一个实施例所提供的基于人工智能的海洋牧场再生能源供能控制方法的方法流程图。
具体实施方式
[0015]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于人工智能的海洋牧场再生能源供能控制方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0016]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的
技术人员通常理解的含义相同。
[0017]本专利技术实施例提供了基于人工智能的海洋牧场再生能源供能控制方法的具体实施方法，该方法适用于海洋牧场的再生能源供能控制场景。该场景下本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人工智能的海洋牧场再生能源供能控制方法，其特征在于，该方法包括以下步骤：获取风力发电机周围风力监测站采集到的风力速度和风力发电机对应的发电功率；基于所述发电功率，将所述风力速度划分为七个等级；对于不同的等级，基于不同位置的风力发电机的发电功率和发电功率均值的差值计算风力发电机与所有风力发电机的相关关系值；根据预测风向和实测风向的差异度获取风力发电机叶片的风向变化角度；根据风力发电机的发电功率对应的发电速度和风力监测站监测到的实际速度，计算不同位置的风力监测站监测到的不同风力发电机的预测风力速度值，并获取所述预测风力速度值对应的发电功率作为预测发电功率；所述风向变化角度和风力发电机叶片的角度变化每度所需能量的乘积作为消耗能量；根据所述消耗能量、所述相关关系值和所述预测发电功率得到总发电量；拟合多个总发电量得到总发电量曲线，将时间输入所述总发电量曲线输出预测发电量，基于所述预测发电量对再生能源供能进行控制。2.根据权利要求1所述的基于人工智能的海洋牧场再生能源供能控制方法，其特征在于，所述相关关系值的计算公式为：其中，为第k等级中第i个风力发电机与所有风力发电机的相关关系值；为以自然常数为底数的指数函数；为第k等级中第i个风力发电机的发电功率；为所有风力发电机的发电功率均值。3.根据权利要求1所述的基于人工智能的海洋牧场再生能源供能控制方法，其特征在于，所述根据预测风向和实测风向的差异度获取风力发电机叶片的风向变化角度，包括：获取所述风向变化相似性大于...

【专利技术属性】
技术研发人员：管剑峰，王栋，李杨，贺伟，
申请(专利权)人：山东东盛澜渔业有限公司，
类型：发明
国别省市：