【技术实现步骤摘要】
本申请涉及新能源领域，且更为具体地，涉及一种风电机组的控制系统及方法。
技术介绍
1、随着新能源发电普及率的提高，风能对电网的渗透性也越来越大，风力发电系统对电网频率和电压稳定性的影响也越来越显著。
2、其中，在风力发电机组中，变桨距系统是一个受多种不确定性干扰的复杂非线性系统，是风力发电系统的关键组成部分。变桨系统用以调节涡轮转子速度，以减少不必要的电力生产，在电网调控过程中起到重要的作用，需要通过变桨系统对涡轮转子转速进行准确的控制，以适应电网调控的需求。
3、然而，在实际变桨系统运行中，由于风速的波动性、网调下发给风电场场级的能量目标值的变动等多种因素的影响，导致在通过变桨系统对涡轮转子转速进行控制时，仍会产生不必要的电力生产，这不仅会造成电网波动，也会造成不必要的能源损耗。
技术实现思路
1、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。
2、为了解决上述技术问题，本申请的第一个目的在于提出一种风电机组的控制系统，其通过深度神经网络模型来挖掘数据特征，并通过高斯分布来进行数据增强，可以提高对涡轮转子的控制的准确性和适应性，保证电网调控的正常运行且避免浪费电力资源。
3、本申请的第二个目的在于提出一种风电机组的控制方法；
4、为达上述目的，本申请的一个方面，提供了一种风电机组的控制系统，该系统包括：
5、数据采集模块，用于获取多个预定时间点下电网调控系统下发给风电场场级的能量目标值以及所述多个预
6、编码模块，用于通过多尺度邻域特征提取模块对转换为向量后的所述能量目标值、所述风速值和所述桨距角进行特征提取，对应生成多尺度能量目标特征向量、多尺度风速特征向量和多尺度桨距角特征向量；
7、协同模块，用于计算所述多尺度风速特征向量和所述多尺度桨距角特征向量之间的协同作业特征向量；
8、校正模块，用于基于高斯分布对所述多尺度能量目标特征向量进行数据增强，并通过生成的增强多尺度能量目标特征矩阵对所述协同作业特征向量进行校正；
9、融合模块，用于融合校正后的协同作业特征向量和所述多尺度能量目标特征矩阵以获得解码特征矩阵；
10、解码控制模块，用于对所述解码特征矩阵进行解码以得到解码值，并根据所述解码值对所述风电机组的涡轮转子进行控制，其中，所述解码值表示当前时间点下涡轮转子的速度值。
11、可选的，编码模块，包括：能量目标值编码模块，用于将所述能量目标值排列为能量目标输入向量后通过多尺度邻域特征提取模块以得到所述多尺度能量目标特征向量；作业数据编码模块，用于将所述风速值和所述桨距角分别排列为风速输入向量和桨距角输入向量后，分别通过所述多尺度邻域特征提取模块以得到所述多尺度风速特征向量和所述多尺度桨距角特征向量；
12、其中，所述能量目标值编码模块，包括：
13、第一卷积编码单元，用于将所述能量目标输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一邻域尺度文本理解特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；
14、第二卷积编码单元，用于将所述能量目标输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二邻域尺度文本理解特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；
15、级联单元，用于将所述第一邻域尺度文本理解特征向量和所述第二邻域尺度文本理解特征向量进行级联以得到所述多尺度能量目标特征向量。
16、可选的，协同模块，具体用于通过以下公式计算所述多尺度风速特征向量和所述多尺度桨距角特征向量之间的所述协同作业特征向量：
17、vc＝v1⊙v2
18、其中，v1表示所述多尺度风速特征向量，v2表示所述多尺度桨距角特征向量，vc表示所述协同作业特征向量，⊙表示按位置点乘。
19、可选的，校正模块，包括：
20、高斯增强模块，用于构造所述多尺度能量目标特征向量的第一高斯密度图，其中，所述第一高斯密度图的均值向量为所述多尺度能量目标特征向量，所述第一高斯密度图的协方差矩阵为所述多尺度能量目标特征向量中相应两个位置的特征值之间的方差；
21、离散化模块，用于对所述第一高斯密度图中各个位置的高斯分布进行离散化以得到所述增强多尺度能量目标特征矩阵；
22、特征深度校正模块，用于基于所述增强多尺度能量目标特征矩阵，对所述协同作业特征向量进行特征深度校正以得到校正后的协同作业特征向量。
23、可选的，高斯增强模块，具体用于通过以如下公式构造所述多尺度能量目标特征向量的所述第一高斯密度图：
24、
25、其中，μ表示所述多尺度能量目标特征向量，σ的每个位置的值表示所述多尺度能量目标特征向量中相应两个位置的特征值之间的方差。
26、可选的，离散化模块，包括：
27、离散单元，用于对所述第一高斯密度图中每个位置的高斯分布进行离散化处理以得到多个行向量；
28、二维排列单元，用于将所述多个行向量进行二维排列以得到所述增强多尺度能量目标特征矩阵。
29、可选的，特征深度校正模块，具体用于基于所述增强多尺度能量目标特征矩阵，通过以下公式对所述协同作业特征向量进行特征深度校正以得到所述校正后的协同作业特征向量：
30、
31、其中，v表示所述协同作业特征向量，m表示所述增强多尺度能量目标特征矩阵，fi表示所述增强多尺度能量目标特征矩阵的每个位置的特征值，表示所述增强多尺度能量目标特征矩阵的所有特征值的均值，n是所述增强多尺度能量目标特征矩阵的尺度，⊙表示按位置点乘，表示矩阵相乘，exp(·)表示数值的指数运算，所述数值的指数运算表示计算以数值为幂的自然指数函数值。
32、可选的，融合模块，具体用于通过以下公式融合所述校正后协同作业特征向量和所述增强多尺度能量目标特征矩阵以获得所述解码特征矩阵：
33、
34、其中，v′表示所述校正后协同作业特征向量，m表示所述增强多尺度能量目标特征矩阵，vd表示所述解码特征向量，表示矩阵相乘。
35、可选的，解码控制模块，具体用于使用解码器通过下公式对所述解码特征矩阵进行解码回归以获得所述解码值：
36、
37、其中，x是所述解码特征矩阵，y是所述解码值，w是权重矩阵，表示矩阵相乘。
38、为达上述目的，本申请的另一方面，提供了一种风电机组的控制方法，其包括：
39、获取多个预定时间点下电网调控系统下发给风电场场级的能量目标值以及所述多个预定时间点下的风速值和风电机组的桨距；
40、通过多尺度邻域特征提取模块对转换为向量后的所述能量目标值、所述风速值和所述桨距角进行特征提取，对应生成多尺度能量目标特征向量、多尺本文档来自技高网...
【技术保护点】
1.一种风电机组的控制系统，其特征在于，包括：
2.根据权利要求1所述的控制系统，其特征在于，所述编码模块，包括：
3.根据权利要求1所述的控制系统，其特征在于，所述协同模块，具体用于通过以下公式计算所述多尺度风速特征向量和所述多尺度桨距角特征向量之间的所述协同作业特征向量：
4.根据权利要求1所述的控制系统，其特征在于，所述校正模块，包括：
5.根据权利要求4所述的控制系统，其特征在于，所述高斯增强模块，具体用于通过以如下公式构造所述多尺度能量目标特征向量的所述第一高斯密度图：
6.根据权利要求4所述的控制系统，其特征在于，所述离散化模块，包括：
7.根据权利要求4所述的控制系统，其特征在于，所述特征深度校正模块，具体用于基于所述增强多尺度能量目标特征矩阵，通过以下公式对所述协同作业特征向量进行特征深度校正以得到所述校正后的协同作业特征向量：
8.根据权利要求1所述的控制系统，其特征在于，所述融合模块，具体用于通过以下公式融合所述校正后协同作业特征向量和所述增强多尺度能量目标特征矩阵以获得所述解
9.根据权利要求7所述的控制系统，其特征在于，所述解码控制模块，具体用于使用解码器通过下公式对所述解码特征矩阵进行解码回归以获得所述解码值：
10.一种风电机组的控制方法，其特征在于，包括：
...【技术特征摘要】
1.一种风电机组的控制系统，其特征在于，包括：
2.根据权利要求1所述的控制系统，其特征在于，所述编码模块，包括：
3.根据权利要求1所述的控制系统，其特征在于，所述协同模块，具体用于通过以下公式计算所述多尺度风速特征向量和所述多尺度桨距角特征向量之间的所述协同作业特征向量：
4.根据权利要求1所述的控制系统，其特征在于，所述校正模块，包括：
5.根据权利要求4所述的控制系统，其特征在于，所述高斯增强模块，具体用于通过以如下公式构造所述多尺度能量目标特征向量的所述第一高斯密度图：
6.根据权利要求4所述的控制系统，其特征在于，所述离散化模块，包括...
【专利技术属性】
技术研发人员：曹治，孟鹏飞，韩健，周峰，崔杰，岳红轩，张琪，田长凤，
申请(专利权)人：北京华能新锐控制技术有限公司，
类型：发明
国别省市：
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。