【技术实现步骤摘要】
本公开涉及风电机组控制，具体地，涉及一种风电机组桨叶角度控制方法、装置、存储介质及电子设备。
技术介绍
1、在风电机组中，桨叶角度决定了风能转化的效率，当风速变化时，需动态调整桨叶角度以保证输出效率的最大化。
2、相关技术中，风电机组通常是在风速仪接收到风速信号后，传递给plc、单片机等主控制器，经过数据分析，给出桨叶角度调整的指令，从而实现当下机组最优功率输出，但是这种调节方式的过程中存在明显的时间滞后，无法快速适应风速的突然变化。并且通常采用基于当前风速和转速的反馈控制策略，缺乏对复杂多变风况的适应性，在风速突然增大时，无法及时调整桨叶角度，容易导致机组超速、振动加剧等安全隐患，严重影响机组的安全稳定运行。
技术实现思路
1、本公开的目的是提供一种风电机组桨叶角度控制方法、装置、存储介质及电子设备，以解决相关技术中的问题。
2、为了实现上述目的，第一方面，本公开提供一种风电机组桨叶角度控制方法，所述方法包括：
3、获取目标区域内每一风电机组的实时运行数据和实时风能数据，以及所述目标区域的环境气象数据；
4、对所述实时风能数据和所述环境气象数据进行预处理，得到目标数据；
5、将所述目标数据输入至预先训练完成的深度学习模型中，得到所述目标区域内每一所述风电机组对应的风速预测结果；
6、根据所述风速预测结果和所述实时运行数据，控制每一所述风电机组的桨叶角度达到对应的目标角度。
7、可选地，所述对所述实
8、根据所述实时风能数据、所述环境气象数据以及预设滤波算法，得到平滑后的数据；
9、对所述平滑后的数据进行特征识别，得到所述目标数据。
10、可选地，所述深度学习模型的训练包括：
11、获取模型训练样本，所述模型训练样本包括样本数据和所述样本数据对应的数据标签；
12、将模型训练样本划分为训练集、验证集和测试集，所述训练集用于模型参数的学习，所述验证集用于模型选择和调优，所述测试集用于评估最终模型的性能；
13、根据所述训练集、所述验证集和所述测试集对所述深度学习模型进行训练，得到训练完成的深度学习模型。
14、可选地，所述数据标签包括与所述样本数据的时间序列相对应的实际风速值。
15、可选地，所述将所述目标数据输入至预先训练完成的深度学习模型中，得到所述目标区域内每一所述风电机组对应的风速预测结果，包括：
16、将所述目标数据输入至预先训练完成的深度学习模型中，得到表征每一所述风电机组对应的待预测时间段内的风速预测值；
17、根据所述风速预测值，得到所述风速预测结果。
18、可选地，所述根据所述风速预测结果和所述实时运行数据，控制每一所述风电机组的桨叶角度达到对应的目标角度，包括：
19、将所述风速预测结果与预设风速范围进行比较，并根据所述实时运行数据和预设模糊控制算法，控制每一所述风电机组的桨叶角度达到对应的目标角度。
20、第二方面，本公开提供一种风电机组桨叶角度控制装置，所述装置包括：
21、获取模块，用于获取目标区域内每一风电机组的实时运行数据和实时风能数据，以及所述目标区域的环境气象数据；
22、预处理模块，用于对所述实时风能数据和所述环境气象数据进行预处理，得到目标数据；
23、预测模块，用于将所述目标数据输入至预先训练完成的深度学习模型中，得到所述目标区域内每一所述风电机组对应的风速预测结果；
24、控制模块，用于根据所述风速预测结果和所述实时运行数据，控制每一所述风电机组的桨叶角度达到对应的目标角度。
25、可选地，所述预处理模块用于：
26、根据所述实时风能数据、所述环境气象数据以及预设滤波算法，得到平滑后的数据；
27、对所述平滑后的数据进行特征识别，得到所述目标数据。
28、第三方面，本公开提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述方法的步骤。
29、第四方面，本公开提供一种电子设备，包括：
30、存储器，其上存储有计算机程序；
31、处理器，用于执行所述存储器中的所述计算机程序，以实现第一方面中任一项所述方法的步骤。
32、通过上述技术方案，获取目标区域内每一风电机组的实时运行数据和实时风能数据，以及目标区域的环境气象数据，对实时风能数据和环境气象数据进行预处理，得到目标数据，并将目标数据输入至预先训练完成的深度学习模型中，得到目标区域内每一风电机组对应的风速预测结果，根据风速预测结果和实时运行数据，控制每一风电机组的桨叶角度达到对应的目标角度。其中，通过构建深度学习模型可以提前预判风速变化趋势，并根据风速预测结果和实时运行数据，动态调整每台风电机组的桨叶角度，从而大幅提升了响应速度和适应性，有效避免了机组在风速突变时出现超速、振动等安全问题，由此可以有效提升风电场的发电效率，确保机组安全稳定运行。
33、本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种风电机组桨叶角度控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述实时风能数据和所述环境气象数据进行预处理，得到目标数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述深度学习模型的训练包括：
4.根据权利要求3所述的方法，其特征在于，所述数据标签包括与所述样本数据的时间序列相对应的实际风速值。
5.根据权利要求1所述的方法，其特征在于，所述将所述目标数据输入至预先训练完成的深度学习模型中，得到所述目标区域内每一所述风电机组对应的风速预测结果，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述风速预测结果和所述实时运行数据，控制每一所述风电机组的桨叶角度达到对应的目标角度，包括：
7.一种风电机组桨叶角度控制装置，其特征在于，所述装置包括：
8.根据权利要求7所述的装置，其特征在于，所述预处理模块用于：
9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中
10.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种风电机组桨叶角度控制方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述对所述实时风能数据和所述环境气象数据进行预处理，得到目标数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述深度学习模型的训练包括：
4.根据权利要求3所述的方法，其特征在于，所述数据标签包括与所述样本数据的时间序列相对应的实际风速值。
5.根据权利要求1所述的方法，其特征在于，所述将所述目标数据输入至预先训练完成的深度学习模型中，得到所述目标区域内每一所述风电机组对...
【专利技术属性】
技术研发人员：于重阳，田永昌，胡佳奇，孟显龙，赵学杰，李白，春青，
申请(专利权)人：内蒙古龙源蒙东新能源有限公司，
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。