【技术实现步骤摘要】
本专利技术属于漂浮式风电机组压载水控制，特别涉及一种基于风功率中长期预测的漂浮式风电机组压载水控制方法。
技术介绍
1、在漂浮式风电机组的运行过程中，压载水控制至关重要。它不仅关系到机组在复杂海洋环境中的稳定性，还对发电效率有着显著影响。传统的压载水控制方法往往缺乏对风况的精准预测与有效利用，难以在多变的海洋环境和不同风况条件下实现最优控制。例如，一些早期方法仅依据简单的气象数据或固定的控制策略，未深入考虑风电场长期风况分布的复杂性，以及风况与波流载荷、机组姿态和载荷之间的动态相互作用，导致压载水控制无法及时适应环境变化，机组稳定性和发电效率难以达到理想水平。
2、近年来，随着数据处理技术和机器学习算法的飞速发展，为漂浮式风电机组压载水控制的优化提供了新的契机。基于大数据分析的风况预测技术能够更准确地把握风电场的风速、风向变化规律，从而提前为压载水控制策略的调整提供依据。例如，利用历史气象数据进行深入分析和统计，可获取风电场长期风况的详细分布情况及概率分布，为后续的精准预测和控制奠定基础。机器学习算法如随机森林算法在风况预测中展现出强大的能力，能够综合多种气象因素，对未来风况分布进行更可靠的预测。同时，对波流载荷的精确计算与分析成为优化压载水控制的关键环节。通过傅里叶变换等数学工具将波浪模型从时域转换到频域，结合运动方程，可以更准确地计算波载荷，并综合流载荷的计算结果，全面掌握海况的载荷分布情况。在此基础上，考虑风功率与波流载荷的相互关系，能够进一步优化机组姿态和载荷的控制策略。例如，当风功率较大时，合理调整机组姿态
3、基于上述分析，现有技术仍然存在的不足在于：在对风电场风况进行分析时，往往仅依赖简单的短期数据或单一的气象指标，缺乏对长期风况分布的全面且深入的剖析，无法精准获取风况的概率分布特征，这使得后续基于风况的压载水控制策略制定缺乏坚实的依据，容易出现偏差。
技术实现思路
1、本专利技术所要解决的技术问题是提供一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，利用大量历史气象数据，通过数据预处理、样本点分析和聚类算法等手段，构建全面且精确的风电场长期风况分布模型，精确计算风况的概率分布，为后续的风况预测和压载水控制策略优化提供可靠的数据基础。
2、为解决上述技术问题，本专利技术所采用的技术方案是：
3、一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，步骤为：
4、步骤1、基于历史气象数据，对风电场的风速、风向进行分析和统计，获取风电场长期风况的分布情况，计算得到风况的概率分布；
5、步骤2、利用历史气象数据及外部气象预报服务，采用随机森林算法预测未来风况分布；结合预测风况分布及海况的概率分布，考虑机组姿态与载荷对控制系统性能影响，通过建立函数并用梯度下降法优化，以确定压载水控制策略，最后生成风功率时间序列；
6、步骤3：实时测量机组叶轮位置，结合风况与控制系统性能，利用神经网络确定机组运行策略；再结合步骤2的压载水控制策略结果，基于优化目标函数及相关约束条件，采用粒子群优化算法优化机组姿态和载荷，实现波流能最大利用；
7、步骤4：根据机组运行参数和控制系统性能确定压载水容量合理范围，结合波流海况及实时工况，建立状态空间模型并求解优化问题，制定压载水控制策略；同时根据实际波流海况与预测值偏差对控制策略进行修正；
8、步骤5：实时监控机组运行状态，用深度学习模型和反馈控制方法调整压载水系统参数；根据实测波流参数和控制系统性能，通过建立实时优化模型求解得到机组姿态和载荷调整量并应用于控制，同时利用反馈控制机制动态调节压载水系统和控制策略，实现协同控制。
9、优选地，步骤1的子步骤为：
10、步骤1.1、采集风电场风速、风向数据，构建相应测量数据序列，并明确风向取值范围规定；
11、步骤1.2、分别对风速和风向数据进行归一化，风速依自身最值范围缩至 0 到 1区间，风向按与 360°比例映射到 0 到 1 区间，形成归一化数据序列并组合成样本空间；
12、步骤1.3、依据特定公式计算样本点间欧式距离，以此衡量不同时刻风速和风向组合的相似性；
13、步骤1.4、采用 k-means 聚类算法，以距离为依据划分样本点成不同簇，经多次迭代至聚类中心变化达标，确定风况分布，统计各簇样本点占比得出风况概率分布。
14、优选地，步骤1.1的方法为：
15、设风速测量数据序列为，其中表示第个时刻测量得到的风速值；风向测量数据序列为，其中表示第个时刻测量得到的风向角度值；
16、对风速和风向的测量数据进行归一化处理，以便于后续的分析和计算；对于风速数据，采用如下归一化公式：
17、；
18、其中：：表示第个时刻测量得到的风速值，为测量时刻的序号，取值范围是从到总测量时刻数；
19、：经过归一化处理后的第个时刻的风速值，其取值范围会根据归一化的计算结果而定，一般在到之间（取决于风速数据本身的范围以及归一化的方式）；
20、：表示风速测量数据序列中的最小值，即所有测量时刻中风速的最小值；
21、：表示风速测量数据序列中的最大值，即所有测量时刻中风速的最大值；
22、得到归一化后的风速数据序列；
23、：经过归一化处理后的第个时刻的风速值，其取值范围会根据归一化的计算结果而定，一般在到之间（取决于风速数据本身的范围以及归一化的方式）；
24、：表示风速测量数据序列中的最小值，即所有测量时刻中风速的最小值；
25、：表示风速测量数据序列中的最大值，即所有测量时刻中风速的最大值；
26、得到归一化后的风速数据序列。
27、优选地，步骤1.2的方法为：
28、计算样本点之间的欧式距离，用于衡量不同样本点之间的相似性；欧式距离计算公式如下：
29、；
30、其中：
31、：表示第个样本点和第个样本点之间的欧式距离，用于衡量这两个样本点在空间中的距离远近，距离越小表示两个样本点的风速和风向组合越相似；
32、和：分别是第个和第个时刻经过归一化处理后的风速值，这里和是不同的测量时刻序号，取值范围是从到总测量时刻数；
33、和：分别是第个和第个时刻经过归一化处理后的风向角度值，同样和是不同的测量时刻序号，取值范围是从到总测量时刻数。
34、优选地，步骤1.3的方法为：
35、将样本点根据的数值，划分到不同的簇，作为分类结果的聚类中心，以得到风电场长期风况的分布情况；采用聚类算法，其目标函数为：
36、；
37、其中：：是聚类算法的目标函数值，用于衡量聚类的效果；目标是通过不断调整聚类中心，使得的值最小，即让各个样本点到其所属聚类本文档来自技高网...
【技术保护点】
1.一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于：步骤1的子步骤为：
3.根据权利要求2所述的一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于：步骤1.1的方法为：
4.根据权利要求3所述的一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于：步骤1.2的方法为：
5.根据权利要求4所述的一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于：步骤1.3的方法为：
6.根据权利要求5所述的一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于：步骤1.4的方法为：
7.根据权利要求1所述的一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于：步骤2的方法为：
8.根据权利要求1所述的一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于：步骤3的方法为：
9.根据权利要求1所述的
10.根据权利要求1所述的一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于：步骤5的方法为：
...【技术特征摘要】
1.一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于包括以下步骤：
2.根据权利要求1所述的一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于：步骤1的子步骤为：
3.根据权利要求2所述的一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于：步骤1.1的方法为：
4.根据权利要求3所述的一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于：步骤1.2的方法为：
5.根据权利要求4所述的一种基于风功率中长期预测的漂浮式风电机组压载水控制方法，其特征在于：步骤1.3的方法为：
6...
【专利技术属性】
技术研发人员：罗战，罗丹妮，张庆，李小坤，乐绪鑫，王浩然，熊斌，
申请(专利权)人：三峡智控科技有限公司，
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。