【技术实现步骤摘要】
本专利技术涉及声学与振动，特别涉及一种风电机组噪声预测方法、装置、设备及存储介质。
技术介绍
1、风电机组辐射噪声源主要包括气动噪声和机械噪声，针对风电机组气动噪声，目前大多是噪声测试方法，严格按照容量大小分别展开噪声测试工作，这样会浪费测试成本，并且噪声测试的效率也不高。风电机组运行状态较为复杂，不同风速、风向、变桨角度，以及不同的功率控制策略均会对辐射噪声产生影响。通过一次次的实际测试获取风电机组的噪声将会耗费大量资源，且影响风电机组的噪声相关工作的开展。
2、由此可见，如何高效得到风电机组的噪声是本领域要解决的问题。
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噪声预测方法、装置、设备及存储介质，通过模型修正可以预测得到风电机组更为准确的噪声，更接近实际测试结果，避免了直接对风电机组的噪声进行实际测试，便于风电机组的噪声相关工作的开展。其具体方案如下：
2、第一方面，本申请提供了一种风电机组噪声预测方法，包括：
3、获取风电机组的机组参数，以及对所述风电机组进行噪声测试的测试点与所述风电机组相关的测试参数；
4、根据所述机组参数和所述测试参数构建用于反映所述风电机组在所述测试点的噪声的叶片噪声模型；
5、基于粒子群优化算法，并根据预设噪声实测数据对所述叶片噪声模型的模型参数进行修正，以得到针对所述风电机组的噪声预测模型；
6、利用所述噪声预测模型对所述风电机组在所述测试点的噪声进行预测
7、可选的，所述根据所述机组参数和所述测试参数构建用于反映所述风电机组在所述测试点的噪声的叶片噪声模型，包括：
8、根据所述机组参数和所述测试参数构建针对所述测试点的nasa噪声模型；所述nasa噪声模型包括吸入湍流噪声模型、湍流边界噪声模型以及脱落涡噪声模型；
9、基于叠加原理对所述吸入湍流噪声模型、湍流边界噪声模型以及脱落涡噪声模型进行融合处理，得到相应融合后的叶片噪声模型。
10、可选的，所述基于叠加原理对所述吸入湍流噪声模型、湍流边界噪声模型以及脱落涡噪声模型进行融合处理，得到相应融合后的叶片噪声模型，包括：
11、基于预设模型融合修正参数以及叠加原理对所述吸入湍流噪声模型、湍流边界噪声模型以及脱落涡噪声模型进行融合处理，得到相应融合后的叶片噪声模型。
12、可选的，所述吸入湍流噪声模型为流速脉动在所述风电机组的叶片上的随机压力脉动产生的噪声。
13、可选的，所述湍流边界噪声模型为湍流边界层与所述风电机组的叶片后缘相互干涉产生的噪声。
14、可选的，所述脱落涡噪声模型为漩涡离开叶片表面时，叶片表面上的压力脉动产生的噪声。
15、可选的，所述基于粒子群优化算法，并根据预设噪声实测数据对所述叶片噪声模型的模型参数进行修正，以得到针对所述风电机组的噪声预测模型，包括：
16、将所述风电机组对应的预设噪声实测数据输入至所述叶片噪声模型，以基于粒子群优化算法对所述叶片噪声模型的模型参数进行调整，得到相应的调整后参数；
17、利用所述调整后参数对所述叶片噪声模型进行修正，得到针对所述风电机组的噪声预测模型。
18、第二方面，本申请提供了一种风电机组噪声预测装置，包括：
19、参数获取模块，用于获取风电机组的机组参数，以及对所述风电机组进行噪声测试的测试点与所述风电机组相关的测试参数；
20、模型构建模块，用于根据所述机组参数和所述测试参数构建用于反映所述风电机组在所述测试点的噪声的叶片噪声模型；
21、模型修正模块，用于基于粒子群优化算法，并根据预设噪声实测数据对所述叶片噪声模型的模型参数进行修正，以得到针对所述风电机组的噪声预测模型；
22、噪声预测模块，用于利用所述噪声预测模型对所述风电机组在所述测试点的噪声进行预测，得到相应的噪声预测结果。
23、第三方面，本申请提供了一种电子设备，包括：
24、存储器，用于保存计算机程序；
25、处理器，用于执行所述计算机程序以实现如上述的风电机组噪声预测方法。
26、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如上述的风电机组噪声预测方法。
27、由此可见，本申请首先获取风电机组的机组参数，以及对所述风电机组进行噪声测试的测试点与所述风电机组相关的测试参数；然后根据所述机组参数和所述测试参数构建用于反映所述风电机组在所述测试点的噪声的叶片噪声模型；之后基于粒子群优化算法，并根据预设噪声实测数据对所述叶片噪声模型的模型参数进行修正，以得到针对所述风电机组的噪声预测模型；最终利用所述噪声预测模型对所述风电机组在所述测试点的噪声进行预测，得到相应的噪声预测结果。这样一来，本申请根据风电机组的机组参数以及噪声测试的测试点与风电机组相关的测试参数构建相应的叶片噪声模型，之后通过粒子群优化算法对叶片噪声模型进行修正，以便利用修正后的噪声预测模型对风电机组的噪声进行预测；这样通过模型修正可以预测得到风电机组更为准确的噪声，更接近实际测试结果，避免了直接对风电机组的噪声进行实际测试，提高了得到风电机组噪声的效率，便于风电机组的噪声相关工作的开展。
本文档来自技高网...【技术保护点】
1.一种风电机组噪声预测方法，其特征在于，包括：
2.根据权利要求1所述的风电机组噪声预测方法，其特征在于，所述根据所述机组参数和所述测试参数构建用于反映所述风电机组在所述测试点的噪声的叶片噪声模型，包括：
3.根据权利要求2所述的风电机组噪声预测方法，其特征在于，所述基于叠加原理对所述吸入湍流噪声模型、湍流边界噪声模型以及脱落涡噪声模型进行融合处理，得到相应融合后的叶片噪声模型，包括：
4.根据权利要求2所述的风电机组噪声预测方法，其特征在于，所述吸入湍流噪声模型为流速脉动在所述风电机组的叶片上的随机压力脉动产生的噪声。
5.根据权利要求2所述的风电机组噪声预测方法，其特征在于，所述湍流边界噪声模型为湍流边界层与所述风电机组的叶片后缘相互干涉产生的噪声。
6.根据权利要求2所述的风电机组噪声预测方法，其特征在于，所述脱落涡噪声模型为漩涡离开叶片表面时，叶片表面上的压力脉动产生的噪声。
7.根据权利要求1至6任一项所述的风电机组噪声预测方法，其特征在于，所述基于粒子群优化算法，并根据预设噪声实测数据对所述叶片
8.一种风电机组噪声预测装置，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噪声预测方法。
...【技术特征摘要】
1.一种风电机组噪声预测方法，其特征在于，包括：
2.根据权利要求1所述的风电机组噪声预测方法，其特征在于，所述根据所述机组参数和所述测试参数构建用于反映所述风电机组在所述测试点的噪声的叶片噪声模型，包括：
3.根据权利要求2所述的风电机组噪声预测方法，其特征在于，所述基于叠加原理对所述吸入湍流噪声模型、湍流边界噪声模型以及脱落涡噪声模型进行融合处理，得到相应融合后的叶片噪声模型，包括：
4.根据权利要求2所述的风电机组噪声预测方法，其特征在于，所述吸入湍流噪声模型为流速脉动在所述风电机组的叶片上的随机压力脉动产生的噪声。
5.根据权利要求2所述的风电机组噪声预测方法，其特征在于，所述湍流边界噪声模型为湍流边界层...
【专利技术属性】
技术研发人员：郭书豪，贾季涛，黄良易，王潇，张长春，余清清，
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。