【技术实现步骤摘要】
本专利技术涉及电力系统，尤其是涉及一种基于风箱拼接的风电场尾流分布仿真方法、装置及存储介质。
技术介绍
1、风能作为重要的可再生能源，在全球范围内具有迅猛的发展势头和广阔的发展前景。大规模风电场往往由数十台甚至上百台的风力机并排组成网络。上风处的风机吸收风能做功，会使得下游风机来流风速降低，该现象被称为尾流效应。尾流效应会极大的影响下游风机的发电效率。
2、现有的风电场尾流分布仿真方法主要分为基于计算流体力学的机理模型对风电场尾流分布进行仿真分析，但是基于计算流体力学的机理模型需要将风电场进行精细的离散，在读取风电场的具体环境信息和风机信息后，通过大量的网格计算来进行cfd模拟，以获得整个风电场的特定时空风分布，导致机理模型的数值仿真需要极长的计算时间，风电场尾流分布仿真分析的效率较低。
技术实现思路
1、本专利技术提供一种基于风箱拼接的风电场尾流分布仿真方法、装置及存储介质，以解决现有的风电场尾流分布仿真方法基于计算流体力学的机理模型需要将风电场进行精细的离散，导致机理模型的数值仿真需要极长的计算时间，风电场尾流分布仿真分析的效率较低的技术问题。
2、本专利技术提供了一种基于风箱拼接的风电场尾流分布仿真方法，包括：
3、基于自动化仿真接口，仿真生成单风机尾流样例；
4、根据所述单风机尾流样例构建单风机尾流模型；
5、根据所述单风机尾流模型和实际风电场分布情况，构建风电场尾流模型；
6、基于所述风电场尾流模型，
7、进一步的，所述自动化仿真接口包括sowfa容器的批量仿真接口和sowfa容器的后处理接口，所述基于自动化仿真接口，仿真生成单风机尾流样例，包括：
8、根据sowfa镜像和sowfa容器的批量仿真接口进行仿真计算，得到sowfa批量仿真结果；其中，所述sowfa镜像是根据预先构建的docker文本构建得到的，所述docker文本包括基础镜像命令、sowfa安装命令和sowfa依赖项命令；
9、利用paraview确定所述sowfa容器的后处理接口，根据所述后处理接口对所述sowfa批量仿真结果进行处理，得到单风机尾流样例。
10、进一步的，所述根据所述单风机尾流样例构建单风机尾流模型，构建单风机尾流模型，包括：
11、根据实际风电场的当前时刻状态参数确定下一时刻状态参数；
12、根据风箱采样算法对所述单风机尾流样例进行采样，得到单风机尾流数据集；
13、基于所述单风机尾流数据集和所述下一时刻状态参数，对所述单风机尾流模型进行预训练和再训练，构建得到单风机尾流模型。
14、进一步的，所述根据实际风电场的当前时刻状态参数确定下一时刻状态参数，包括：
15、基于风箱采样算法确定实际风电场的当前时刻状态参数，提取所述当前时刻状态参数的空间特征；
16、根据所述当前时刻状态参数的空间特征、来流条件和风机参数确定下一时刻状态参数的空间特征；
17、根据所述下一时刻状态参数的空间特征确定实际风风电场的下一时刻参数。
18、进一步的，所述预训练的损失函数为：
19、
20、其中，lre1为预训练的损失函数；mean0,2,3为在维度0、2和3上取平均值；为autoencoder网络的自预测尾流；为实际尾流；t为时间。
21、进一步的，所述再训练的损失函数为：
22、
23、lls＝||zt+1+zt-1-2zt||2
24、其中，lre2和lls均为再训练的损失函数；mean0,2,3为在维度0、2和3上取平均值；为神经网络基于t-1时刻风场状态参量预测出的t时刻风场状态参量；为t时刻仿真过程确定的实际风场状态参量；为t时刻实际风场状态参量经过autoencoder网络映射出的风场参量；lls为约束神经网络在隐空间中维持线性的损失函数；zt+1，zt，zt-1分别为t+1，t，t-1时刻实际风场状态参量于隐空间中映射出的特征向量。
25、进一步的，所述根据所述单风机尾流模型和实际风电场分布情况，构建风电场尾流模型，包括：
26、根据实际风电场分布情况确定风箱模型，其中，所述风箱模式包括若干个风机风箱模型和/或无风机风箱模式；
27、基于所述风箱模型确定所述实际风电场的边界来流条件；
28、根据所述单风机尾流模型和所述边界来流条件，确定实际风电场的风电场尾流模型。
29、本专利技术还提供了一种基于风箱拼接的风电场尾流分布仿真装置，包括：
30、单风机尾流样例生成模块，用于基于自动化仿真接口，仿真生成单风机尾流样例；
31、单风机尾流模型构建模块，用于根据所述单风机尾流样例构建单风机尾流模型；
32、风电场尾流模型构建模块，用于根据所述单风机尾流模型和实际风电场分布情况，构建风电场尾流模型；
33、尾流分布仿真分析模块，用于基于所述风电场尾流模型，采用风箱拼接模式对实际风电场的尾流分布进行仿真分析，其中，所述风箱拼接模式为将所述实际风电场拆分为若干个拼接风箱的模式。
34、本专利技术还提供了一种终端设备，包括：处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序，处理器执行计算机程序时实现如上述的基于风箱拼接的风电场尾流分布仿真方法。
35、本专利技术还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序；其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的基于风箱拼接的风电场尾流分布仿真方法。
36、本专利技术基于自动化仿真接口生成单风机尾流样例并构建单风机尾流模型，并在此基础上，结合实际风电场分布情况构建风电场尾流模型，以采用风险拼接模式对实际风电场的尾流分布进行仿真分析，无需将风电场进行精细的离散以及大量网格计算进行cfd模拟，即可准确获得整个风电场的尾流分布仿真结果，能够有效减少仿真计算时间，从而能够有效提高风电场尾流分布仿真分析的效率；且本专利技术实施例能够有效降低风电场中尾流效应造成的风能损失，进而能够有效提升风电场的整体出力。
37、进一步的，本专利技术通过以前后两两风机对其进行分组，将存在关联的几台风机分为前后互相干扰的多组风机模型，能够无视存在尾流相关性的风机之间可能存在的复杂空间结构，从而能够将复杂的多风机风场问题转化为双风机模型问题，从而能够有效简化模型，还能够有效增强模型泛用性。
本文档来自技高网...【技术保护点】
1.一种基于风箱拼接的风电场尾流分布仿真方法，其特征在于，包括：
2.如权利要求1所述的基于风箱拼接的风电场尾流分布仿真方法，其特征在于，所述自动化仿真接口包括SOWFA容器的批量仿真接口和SOWFA容器的后处理接口，所述基于自动化仿真接口，仿真生成单风机尾流样例，包括：
3.如权利要求1所述的基于风箱拼接的风电场尾流分布仿真方法，其特征在于，所述根据所述单风机尾流样例构建单风机尾流模型，构建单风机尾流模型，包括：
4.如权利要求3所述的基于风箱拼接的风电场尾流分布仿真方法，其特征在于，所述根据实际风电场的当前时刻状态参数确定下一时刻状态参数，包括：
5.如权利要求3所述的基于风箱拼接的风电场尾流分布仿真方法，其特征在于，所述预训练的损失函数为：
6.如权利要求3所述的基于风箱拼接的风电场尾流分布仿真方法，其特征在于，所述再训练的损失函数为：
7.如权利要求1-6任意一项所述的基于风箱拼接的风电场尾流分布仿真方法，其特征在于，所述根据所述单风机尾流模型和实际风电场分布情况，构建风电场尾流模型，包括：
<...【技术特征摘要】
1.一种基于风箱拼接的风电场尾流分布仿真方法，其特征在于，包括：
2.如权利要求1所述的基于风箱拼接的风电场尾流分布仿真方法，其特征在于，所述自动化仿真接口包括sowfa容器的批量仿真接口和sowfa容器的后处理接口，所述基于自动化仿真接口，仿真生成单风机尾流样例，包括：
3.如权利要求1所述的基于风箱拼接的风电场尾流分布仿真方法，其特征在于，所述根据所述单风机尾流样例构建单风机尾流模型，构建单风机尾流模型，包括：
4.如权利要求3所述的基于风箱拼接的风电场尾流分布仿真方法，其特征在于，所述根据实际风电场的当前时刻状态参数确定下一时刻状态参数，包括：
5.如权利要求3所述的基于风箱拼接的风电场尾流分布仿真方法，其特征在于，所述预训练的损失函数为：
6.如权利要求3所述的基于风箱拼接的...
【专利技术属性】
技术研发人员：陈玥，陆秋瑜，刘洋，喻振帆，王巍桦，谢平平，林英明，陈颖，肖谭南，
申请(专利权)人：广东电网有限责任公司，
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。