System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及新能源,更为具体地,涉及一种自适应风电变桨控制系统及方法。
技术介绍
1、目前,风力发电在供电系统中的占比不断提高,对风力发电机组进行合理的控制,以保证机组的正常运行也越来越引起人们的关注。
2、其中,风机的运行控制策略根据额定风速可以包括:当风速低于额定风速时,转矩控制用于最大化功率系数,即风机捕获的能量。其中,变桨控制是风电机组运行控制的主要手段之一,具有气动非线性、工况切换频繁、扰动因素多等显著特点。
3、相关技术中,一般是变桨控制系统基于历史数据来控制当前时间点的桨距角。然而,在实际变桨系统的控制过程中,由于风速的不确定性和波动性,导致上述传统的变桨控制系统存在控制滞后的问题,即,相关技术中的变桨控制系在得到当前时间点的桨距角时,当前时间点的风速有可能已发生变化。
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自适应风电变桨控制系统,该系统提高了对桨距角的控制值的精准性和实效性。
3、本申请的第二个目的在于提出一种自适应风电变桨控制方法。
4、根据本申请的一个方面,提供了一种自适应风电变桨控制系统,其包括:
5、参考数据采集模块,用于获取参考数据,所述参考数据包括机组最大化功率系数下的多组风速值和桨距角;
6、多尺度时序特征提取模块,用于通过多尺度邻域特征提取模块对所述风速值和所述桨距角进行特征提
7、协同模块,用于计算所述多尺度风速特征向量的转置向量与所述多尺度桨距角特征向量之间的乘积以得到参考协同控制特征矩阵;
8、风速预测模块,用于基于多个预定时间点下的风速值进行风速预测,获得预测风速特征向量;
9、高斯增强模块,用于基于高斯密度对所述预测风速特征向量进行增强,获得增强预测风速特征矩阵;
10、解码模块,用于融合所述增强预测风速特征矩阵与所述参考协同控制特征矩阵,并对得到的解码特征矩阵进行校正和解码,根据获得的解码值对风机的桨距角进行控制。
11、可选的,在上述自适应风电变桨控制系统中,风速预测模块,包括:
12、风速数据采集模块,用于获取包含当前时间点在内的多个预定时间点的风速值;
13、预测模块,用于将所述包含当前时间点在内的多个时间点的风速值通过作为风速预测器的循环神经网络以得到预测风速特征向量;
14、所述高斯增强模块,包括:
15、高斯密度图构造模块,用于构造所述预测风速特征向量的高斯密度图;
16、高斯离散化模块,用于对于所述高斯密度图进行基于沿行或者列的联合概率密度分布的高斯离散化以得到增强预测风速特征矩阵。
17、可选的,在上述自适应风电变桨控制系统中,解码模块,包括:
18、解码矩阵生成模块,用于融合所述增强预测风速特征矩阵与所述参考协同控制特征矩阵以得到解码特征矩阵;
19、校正模块,用于基于所述解码特征矩阵中所有位置的特征值集合的均值和方差,对所述解码特征矩阵中各个位置的特征值进行校正以得到校正后解码特征矩阵;以及
20、解码控制模块,用于将所述校正后解码特征矩阵通过解码器以得到解码值,所述解码值用于表示当前时间点的桨距角控制值。
21、可选的,在上述自适应风电变桨控制系统中,多尺度时序特征提取模块,包括:
22、一维特征向量生成单元,用于将所述参考数据中的所述风速值和所述桨距角分别按照预定顺序排列为风速输入向量和桨距角输入向量
23、第一卷积编码单元,用于将一维特征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;
24、第二卷积编码单元,用于将所述一维特征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;以及
25、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多尺度文本理解特征向量
26、可选的,第一卷积编码单元,具体用于:
27、通过所述多尺度邻域特征提取模块的第一卷积层以如下公式对多模态特征向量进行一维卷积编码以得到所述第一邻域尺度文本理解特征向量:
28、
29、其中,a为第一卷积核在x方向上的宽度、f(a)为第一卷积核参数向量、g(x-a)为与卷积核函数运算的局部向量矩阵,w为第一卷积核的尺寸,x表示所述多模态特征向量;
30、所述第二卷积编码单元,具体用于:
31、通过所述多尺度邻域特征提取模块的第二卷积层以如下公式对所述多模态特征向量进行一维卷积编码以得到所述第二邻域尺度文本理解特征向量:
32、
33、其中,b为第二卷积核在x方向上的宽度、f(b)为第二卷积核参数向量、g(x-b)为与卷积核函数运算的局部向量矩阵,m为第二卷积核的尺寸,x表示所述多模态特征向量。
34、可选的,在上述自适应风电变桨控制系统中,高斯密度图构造模块,具体用于以如下公式构造所述预测风速特征向量的所述高斯密度图:
35、n(x|μ,σ)
36、其中,μ表示所述预测风速特征向量,且σ的每个位置的值表示所述预测风速特征向量中相应两个位置的特征值之间的方差。
37、可选的,在上述自适应风电变桨控制系统中,高斯离散化模块,具体用于:
38、对所述高斯密度图中每行或每列的联合概率密度分布进行采样以得到对应于每行或每列的一个向量;
39、将所述对应于每行或每列的一个向量进行二维排列以得到所述增强预测风速特征矩阵。
40、可选的,在上述自适应风电变桨控制系统中,校正模块,具体用于:
41、基于所述解码特征矩阵中所有位置的特征值集合的均值和方差,以如下公式对所述解码特征矩阵中各个位置的特征值进行校正以得到所述校正后解码特征矩阵:
42、
43、其中,mi,j表示所述解码特征矩阵中各个位置的特征值,μ和σ是所述解码特征矩阵中所有位置的特征值集合的均值和方差,且w×h是所述解码特征矩阵的尺度,α为超参数。
44、可选的,在上述自适应风电变桨控制系统中,解码控制模块,具体用于使用所述解码器以如下公式对所述校正后解码特征矩阵进行解码回归以获得所述解码值:
45、
46、其中,x是所述校正后解码特征矩阵,y是所述解码值,w是权重矩阵,表示矩阵乘。
47、根据本申请的另一方面,提供了一种自适应风电变桨控制方法,其包括:
48、获取参考数据,所述参本文档来自技高网...
【技术保护点】
1.一种自适应风电变桨控制系统,其特征在于,包括:
2.根据权利要求1所述的自适应风电变桨控制系统,其特征在于,所述风速预测模块,包括:
3.根据权利要求1所述的自适应风电变桨控制系统,其特征在于,所述解码模块,包括:
4.根据权利要求1所述的自适应风电变桨控制系统,其特征在于,所述多尺度时序特征提取模块,包括:
5.根据权利要求4所述的自适应风电变桨控制系统,其特征在于,所述第一卷积编码单元,具体用于:
6.根据权利要求2所述的自适应风电变桨控制系统,其特征在于,所述高斯密度图构造模块,具体用于以如下公式构造所述预测风速特征向量的所述高斯密度图:
7.根据权利要求2所述的自适应风电变桨控制系统,其特征在于,所述高斯离散化模块,具体用于:
8.根据权利要求3所述的自适应风电变桨控制系统,其特征在于,所述校正模块,具体用于:
9.根据权利要求3所述的自适应风电变桨控制系统,其特征在于,所述解码控制模块,具体用于使用所述解码器以如下公式对所述校正后解码特征矩阵进行解码回归以获得所述解码值:
10.一种自适应风电变桨控制方法,其特征在于,包括:
...【技术特征摘要】
1.一种自适应风电变桨控制系统,其特征在于,包括:
2.根据权利要求1所述的自适应风电变桨控制系统,其特征在于,所述风速预测模块,包括:
3.根据权利要求1所述的自适应风电变桨控制系统,其特征在于,所述解码模块,包括:
4.根据权利要求1所述的自适应风电变桨控制系统,其特征在于,所述多尺度时序特征提取模块,包括:
5.根据权利要求4所述的自适应风电变桨控制系统,其特征在于,所述第一卷积编码单元,具体用于:
6.根据权利要求2所述的自适应风电变桨控制系统,其特征在于,...
【专利技术属性】
技术研发人员:曹治,孟鹏飞,杨政厚,马羽龙,陈志文,段选锋,伟特,
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。