【技术实现步骤摘要】
本专利技术涉及风力发电系统，具体为一种高速公路隔离带风力发电系统。
技术介绍
1、随着科技和社会的发展，人类的能源需求日益增加，我们对能源依赖的现状对于生态环境是一种极大的挑战。因此，清洁可再生能源的开发显得至关重要。世界各国都开始重视对可利用风能的开发和利用。在自然界的各种能量形式中，风能是最具活力、可再生的能源之一。风能在其本质上是太阳能的一种具体表现形式。风能利用有很多种方式，其中风力发电是最主要的形式之一。风力发电的基本原理，就是利用能量转换的原理，捕获风运动时的动能，再转换为发电装置的机械能，然后由发电机最终生成电能。风力发电运用风能为人类社会活动提供了有效的能源利用。
2、如今随着交通的便利，人们出行的方式也越来越多，汽车出行是其中的重要部分。国内高速公路纵横交错目前已经实现了高速路所有省份全覆盖，高速公路里程居世界首位，陆路运输繁荣。汽车在高速公路行驶过程中，其依靠自身动能排开空气阻力会产生风能，公开号为cn106351797a的中国专利提出了一种基于汽车风速的高速公路风力发电装置及其工作方法，该装置的集风罩两端口形状大小相同，可以收集高速公路隔离带两侧的风能，集风罩距离地面1-1.2m，这个高度汽车行驶引起的气流流速最大，同时集风罩两端宽中间窄的结构，起到整流和增速作用，可提高风能回收效率，然而该装置没有考虑汽车行驶引起的气流总量与车流量和自然风的关系，无法根据车流量和自然风对气流总量进行预测，进而无法预测未来发电量，不能实时调节输出电量，使得对外输出的电量波动量较大、输出功率波动大，导致发出的电量不
技术实现思路
1、(一)解决的技术问题
2、通过设置预测模型模块训练专用的预测模型，通过设置风量预测模块和发电量预测模块，根据从监测模块获取实时的车流量等数据，对未来的发电量数据进行预测，并基于发电量的预测结果及预先设置的电量输出标准，对发电模块输出的电量进行实时调控，使得系统最终输出的电量可知且波动量较小，进而使得发电输出的功率相对稳定更易被利用，解决了现有技术中因为高速车流量对发电机接收的总风量影响较大，加之设备自身不具备预测风量变化的能力，使得发出的电量受到车流量的变化影响较大，发出的电量波动量较大、发电输出功率不稳定，导致的发出的电量不易被利用的问题。
3、(二)技术方案
4、为实现以上目的，本专利技术通过以下技术方案予以实现：一种高速公路隔离带风力发电系统，包括：
5、发电模块：由多个风力发电机组成，并将至少两个处于同高速路段且相邻的发电机设置为一个发电组；
6、监测模块：用于监测发电组相关数据，包括发电组监测单元、自然风监测单元和高速入口监测单元，所述发电组监测单元用于获取对应发电组的发电量和发电组所在处的实测风力数据，所述实测风力数据是在车流风和自然风影响下的风力数据；所述自然风监测单元用于获取自然风信息；所述高速入口监测单元用，于获取车流信息；
7、预测模型模块：基于反向传播网络构建风量预测模型及发电量预测模型，使用采集到的车流信息和自然风信息作为输入，使用采集到的实测风力数据作为输出训练风量预测模型，使用采集到的实测环境信息作为输入、采集到的发电量数据作为输出训练得到发电量预测模型；
8、风量预测模块：从监测模块获取数据，根据获取的数据使用训练好的风量预测模型进行风量预测得到风量预测结果，并将风量预测结果发送至发电量预测模块；
9、发电量预测模块：从监测模块获取数据，根据获取的数据和接收到的风力预测结果，使用发电量预测模型预测得到发电量预测结果，并将发电量预测结果发送至输出控制模块；
10、输出控制模块：用于控制所述发电组的输出电量，包括储电单元、控制单元和输出单元，所述控制单元预设有电量输出标准，并根据接收到的发电量预测结果和电量输出标准值，执行输出控制方法控制输出单元的电力输出，所述输出单元用于对外输出电力。
11、进一步的，所述发电组监测单元还用于获取发电组所在处的实测气温和实测气压，所述车流信息为发电组所在高速路段的高速入口车流量；所述自然风信息包括发电组所在地的自然风风力和自然风风向。
12、进一步的，所述风量预测模型和所述发电量预测模型为相同的bp神经网络，所述bp神经网络包括一层输入层、一层输出层和三层隐藏层，每个所述隐藏层具有八个神经元，所述bp神经网络使用rule函数作为激活函数，所述bp神经网络使用极值标准化方法对数据进行预处理。其中bp(back propagation)神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络模型之一，极值标准化是一种常见数据预处理方法，rulu函数用于加入非线性元素。
13、进一步的，所述风量预测模型的训练方法包括以下步骤，采集时刻t到时刻t+n内的高速入口车流量数据，采集时刻t+n时刻到t+2n时刻的实测风量数据，其中n为车辆由高速入口处到达发电组的平均用时；获取发电组所在地的自然风风力数据和自然风风向数据；
14、使用高速入口车流量数据，自然风风力数据和自然风风向数据作为输入，使用实测风量数据作为输出对风量预测模型进行训练，多次训练后得到风量预测模型。
15、进一步的，所述发电量预测模型的训练方法包括以下步骤，获取一段时间内发电组所在处的实测风量数据，获取发电组所在处的实测气温数据和实测气压数据，获取发电组对应时段内的发电量数据；
16、使用实测风量数据、实测气温数据和实测气压数据为输出，使用发电量数据为输出对发电量预测模型进行训练，多次训练后得到发电量预测模型。
17、进一步的，所述风量预测模块从监测模块获得的数据包括时刻t到时刻t+n的高速入口车流量数据、发电组所在地的自然风风力数据和自然风风向数据，基于上述高速入口车流量数据、自然风风力数据和自然风风向数据使用风量预测模型，获得时刻t+n到时刻t+2n的风量预测结果。
18、进一步的，所述发电量预测模块从监测模块获得的数据包括发电组所在处实测气温数据和实测气压数据，基于上述实测气温数据和实测气压数据结合从风量预测模块处获得的t+n到时刻t+2n的风量预测结果，使用发电量预测模型，获得时刻t+n到时刻t+2n的发电量预测结果。
19、进一步的，所述预设的电量标准为设定的输出功率，所述输出单元包括输入端和输出端，所述储电单元包括输入端和输出端，所述输出单元的输出端用于对外输出，所述输出单元的输入端与发电组相相连接，所述输出单元的输入端与储电单元的输出端相连接，所述储电单元的输入端与发电组相连接。
20、进一步的，所述输出单元执行的输出控制方法包括以下步骤：
21、从发电量预测模块接收时刻t+n到时刻t+2n的发电量预测结果a时读取预设的电量输出标准b；
22、判断t+n到时刻t+2n的发电量预测结果a与b×n间的关系，其中b×n表示在预设的电量标准b下时间段n内应该的发电量；...
【技术保护点】
1.一种高速公路隔离带风力发电系统，其特征在于，包括：
2.根据权利要求1所述的一种高速公路隔离带风力发电系统，其特征在于，所述发电组监测单元还用于获取发电组所在处的实测气温和实测气压，所述车流信息为发电组所在高速路段的高速入口车流量；所述自然风信息包括发电组所在地的自然风风力和自然风风向。
3.根据权利要求2所述的一种高速公路隔离带风力发电系统，其特征在于，所述风量预测模型和所述发电量预测模型为相同的BP神经网络，所述BP神经网络包括一层输入层、一层输出层和三层隐藏层，每个所述隐藏层具有八个神经元，所述BP神经网络使用RULE函数作为激活函数，所述BP神经网络使用极值标准化方法对数据进行预处理。
4.根据权利要求3所述的一种高速公路隔离带风力发电系统，其特征在于，所述风量预测模型的训练方法包括以下步骤，采集时刻t到时刻t+n内的高速入口车流量数据，采集时刻t+n时刻到t+2n时刻的实测风量数据，其中n为车辆由高速入口处到达发电组的平均用时；获取发电组所在地的自然风风力数据和自然风风向数据；
5.根据权利要求4所述的一种高速公路隔离
6.根据权利要求5所述的一种高速公路隔离带风力发电系统，其特征在于，所述风量预测模块从监测模块获得的数据包括时刻t到时刻t+n的高速入口车流量数据、发电组所在地的自然风风力数据和自然风风向数据，基于上述高速入口车流量数据、自然风风力数据和自然风风向数据使用风量预测模型，获得时刻t+n到时刻t+2n的风量预测结果。
7.根据权利要求6所述的一种高速公路隔离带风力发电系统，其特征在于，所述发电量预测模块从监测模块获得的数据包括发电组所在处实测气温数据和实测气压数据，基于上述实测气温数据和实测气压数据结合从风量预测模块处获得的t+n到时刻t+2n的风量预测结果，使用发电量预测模型，获得时刻t+n到时刻t+2n的发电量预测结果。
8.根据权利要求7所述的一种高速公路隔离带风力发电系统，其特征在于，所述预设的电量标准为设定的输出功率，所述输出单元包括输入端和输出端，所述储电单元包括输入端和输出端，所述输出单元的输出端用于对外输出，所述输出单元的输入端与发电组相相连接，所述输出单元的输入端与储电单元的输出端相连接，所述储电单元的输入端与发电组相连接。
9.根据权利要求8所述的一种高速公路隔离带风力发电系统，其特征在于，所述输出单元执行的输出控制方法包括以下步骤：
10.根据权利要求9所述的一种高速公路隔离带风力发电系统，其特征在于，所述电量输出标准的数量至少为一个，每个所述电量输出标准对应一个时间段。
...【技术特征摘要】
1.一种高速公路隔离带风力发电系统，其特征在于，包括：
2.根据权利要求1所述的一种高速公路隔离带风力发电系统，其特征在于，所述发电组监测单元还用于获取发电组所在处的实测气温和实测气压，所述车流信息为发电组所在高速路段的高速入口车流量；所述自然风信息包括发电组所在地的自然风风力和自然风风向。
3.根据权利要求2所述的一种高速公路隔离带风力发电系统，其特征在于，所述风量预测模型和所述发电量预测模型为相同的bp神经网络，所述bp神经网络包括一层输入层、一层输出层和三层隐藏层，每个所述隐藏层具有八个神经元，所述bp神经网络使用rule函数作为激活函数，所述bp神经网络使用极值标准化方法对数据进行预处理。
4.根据权利要求3所述的一种高速公路隔离带风力发电系统，其特征在于，所述风量预测模型的训练方法包括以下步骤，采集时刻t到时刻t+n内的高速入口车流量数据，采集时刻t+n时刻到t+2n时刻的实测风量数据，其中n为车辆由高速入口处到达发电组的平均用时；获取发电组所在地的自然风风力数据和自然风风向数据；
5.根据权利要求4所述的一种高速公路隔离带风力发电系统，其特征在于，所述发电量预测模型的训练方法包括以下步骤，获取一段时间内发电组所在处的实测风量数据，获取发电组所在处的实测气温数据和实测气压数据，获取发电组对应时段内的发电量数据；
6.根据权利要求5所述的一种...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。