【技术实现步骤摘要】
本专利技术涉及风力发电机组控制，特别涉及一种风电机组状态感知方法、装置、设备及存储介质。
技术介绍
1、随着风电发电技术的高速发展和度电成本要求，机组的容量逐渐增大，叶片的长度逐渐加长。在长桨叶机组的运行控制过程中，对于机组运行状态感知的要求越来越高。一方面，在长桨叶机组尾流影响下，传统风速风向仪的感知实施不易；另一方面，高精度传感器受经济成本限制，无法在风电机组上进行大范围安装。而状态观测器等方法，又存在调参复杂、时间滞后明显的缺点。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种风电机组状态感知方法、装置、设备及存储介质，能够在无需额外增加硬件成本的情况下，通过可采集的风电机组状态量感知无法直接测量的风电机组状态量，从而实现更大维度的状态监测和运行保护。其具体方案如下：
2、第一方面，本申请提供了一种风电机组状态感知方法，包括：
3、基于预设参数训练规则以及当前风电机组在不同机组运行条件下的运行时序数据进行相应的参数训练操作，以得到相应的目标特征值构造公式以及与当前风电机组对应的总特征值向量；其中，所述运行时序数据中包括相应的输入矩阵以及输出矩阵；
4、获取当前的待处理输入矩阵，并基于所述目标特征值构造公式获取与所述待处理输入矩阵对应的目标特征值；
5、基于预设排序算法将所述目标特征值与所述总特征值向量中的各特征值进行排序，以得到相应的目标特征值向量；
6、基于所述目标特征值、所述目标特征值向量以及预设权重计
7、可选的，所述基于预设参数训练规则以及当前风电机组在不同机组运行条件下的运行时序数据进行相应的参数训练操作，包括：
8、在对输入矩阵以及输出矩阵的格式进行定义之后，获取当前风电机组在不同机组运行条件下的运行时序数据；其中，所述机组运行条件包括相应的平均风速、湍流强度、对风误差；
9、基于对应的所述运行时序数据依次获取各所述机组运行条件下的关系矩阵，并对得到的各子关系矩阵进行合并，以得到相应的总关系矩阵；
10、针对各所述机组运行条件，分别基于对应的所述运行时序数据中的输入矩阵进行相应的特征值构造、特征值合并，以得到相应的目标特征值构造公式以及与当前风电机组对应的总特征值向量。
11、可选的，所述获取当前风电机组在不同机组运行条件下的运行时序数据，包括：
12、通过自动力学仿真软件或机组实际运行数据获取当前风电机组在不同机组运行条件下的运行时序数据。
13、可选的，所述基于预设排序算法将所述目标特征值与所述总特征值向量中的各特征值进行排序，以得到相应的目标特征值向量，包括：
14、基于预设排序算法将所述目标特征值插值排序到所述总特征值向量中，以得到满足预设排序条件的目标特征值向量以及相应的目标下标值。
15、可选的，所述基于所述目标特征值、所述目标特征值向量以及预设权重计算式进行权重计算，以完成相应的风电机组状态感知操作，得到相应的目标输出矩阵，包括：
16、基于所述目标特征值、预设权重计算式、所述目标特征值向量以及所述目标下标值确定与所述目标特征值对应的第一权重系数和第二权重系数；
17、基于所述待处理输入矩阵、所述总关系矩阵、所述目标下标值、所述第一权重系数以及所述第二权重系数进行计算，以得到相应的目标输出矩阵。
18、可选的，所述基于所述待处理输入矩阵、所述总关系矩阵、所述目标下标值、所述第一权重系数以及所述第二权重系数进行计算，以得到相应的目标输出矩阵，包括：
19、基于所述目标下标值从所述总关系矩阵中获取相应的第一子关系矩阵以及第二子关系矩阵；
20、获取预设矩阵计算式，并通过将所述待处理输入矩阵、所述第一权重系数、所述第二权重系数、第一子关系矩阵以及第二子关系矩阵代入所述预设矩阵计算式，确定相应的目标输出矩阵。
21、可选的，所述针对各所述机组运行条件，分别基于对应的所述运行时序数据中的输入矩阵进行相应的特征值构造、特征值合并之后，还包括：
22、通过对进行特征值构造时得到的权重系数进行调整，确定与当前风电机组对应的所述总特征值向量。
23、第二方面，本申请提供了一种风电机组状态感知装置，包括：
24、参数训练模块，用于基于预设参数训练规则以及当前风电机组在不同机组运行条件下的运行时序数据进行相应的参数训练操作，以得到相应的目标特征值构造公式以及与当前风电机组对应的总特征值向量；其中，所述运行时序数据中包括相应的输入矩阵以及输出矩阵；
25、特征值获取模块，用于获取当前的待处理输入矩阵，并基于所述目标特征值构造公式获取与所述待处理输入矩阵对应的目标特征值；
26、特征值排序模块，用于基于预设排序算法将所述目标特征值与所述总特征值向量中的各特征值进行排序，以得到相应的目标特征值向量；
27、输出矩阵获取模块，用于基于所述目标特征值、所述目标特征值向量以及预设权重计算式进行权重计算，以完成相应的风电机组状态感知操作，得到相应的目标输出矩阵。
28、第三方面，本申请提供了一种电子设备，包括：
29、存储器，用于保存计算机程序；
30、处理器，用于执行所述计算机程序，以实现前述的风电机组状态感知方法的步骤。
31、第四方面，本申请提供了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的风电机组状态感知方法的步骤。
32、可见，本申请中，基于预设参数训练规则以及当前风电机组在不同机组运行条件下的运行时序数据进行相应的参数训练操作，以得到相应的目标特征值构造公式以及与当前风电机组对应的总特征值向量；其中，所述运行时序数据中包括相应的输入矩阵以及输出矩阵；获取当前的待处理输入矩阵，并基于所述目标特征值构造公式获取与所述待处理输入矩阵对应的目标特征值；基于预设排序算法将所述目标特征值与所述总特征值向量中的各特征值进行排序，以得到相应的目标特征值向量；基于所述目标特征值、所述目标特征值向量以及预设权重计算式进行权重计算，以完成相应的风电机组状态感知操作，得到相应的目标输出矩阵。也即，本申请中通过获取风电机组在不同机组运行条件下的运行时序数据进行相应的参数训练，并利用训练后得到的目标特征值构造公式以及总特征值向量对当前的待处理输入矩阵进行处理，然后利用处理后得到的目标特征值进行排序、权重计算，以完成相应的风电机组状态感知操作，得到相应的目标输出矩阵。这样一来，能够在无需额外增加硬件成本的情况下，通过可采集的风电机组状态量感知无法直接测量的风电机组状态量，从而实现更大维度的状态监测和运行保护。
本文档来自技高网...【技术保护点】
1.一种风电机组状态感知方法，其特征在于，包括：
2.根据权利要求1所述的风电机组状态感知方法，其特征在于，所述基于预设参数训练规则以及当前风电机组在不同机组运行条件下的运行时序数据进行相应的参数训练操作，包括：
3.根据权利要求2所述的风电机组状态感知方法，其特征在于，所述获取当前风电机组在不同机组运行条件下的运行时序数据，包括：
4.根据权利要求2所述的风电机组状态感知方法，其特征在于，所述基于预设排序算法将所述目标特征值与所述总特征值向量中的各特征值进行排序，以得到相应的目标特征值向量，包括：
5.根据权利要求4所述的风电机组状态感知方法，其特征在于，所述基于所述目标特征值、所述目标特征值向量以及预设权重计算式进行权重计算，以完成相应的风电机组状态感知操作，得到相应的目标输出矩阵，包括：
6.根据权利要求5所述的风电机组状态感知方法，其特征在于，所述基于所述待处理输入矩阵、所述总关系矩阵、所述目标下标值、所述第一权重系数以及所述第二权重系数进行计算，以得到相应的目标输出矩阵，包括：
7.根据权利要求2所
8.一种风电机组状态感知装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的风电机组状态感知方法。
...【技术特征摘要】
1.一种风电机组状态感知方法，其特征在于，包括：
2.根据权利要求1所述的风电机组状态感知方法，其特征在于，所述基于预设参数训练规则以及当前风电机组在不同机组运行条件下的运行时序数据进行相应的参数训练操作，包括：
3.根据权利要求2所述的风电机组状态感知方法，其特征在于，所述获取当前风电机组在不同机组运行条件下的运行时序数据，包括：
4.根据权利要求2所述的风电机组状态感知方法，其特征在于，所述基于预设排序算法将所述目标特征值与所述总特征值向量中的各特征值进行排序，以得到相应的目标特征值向量，包括：
5.根据权利要求4所述的风电机组状态感知方法，其特征在于，所述基于所述目标特征值、所述目标特征值向量以及预设权重计算式进行权重计算，以完成相应的风电机组状态...
【专利技术属性】
技术研发人员：杨翀，聂方正，卢俊廷，陈前，王瑞良，
申请(专利权)人：运达能源科技集团股份有限公司，
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。