【技術實現步驟摘要】
本申請涉及風機偏航控制，具體地涉及一種基于神經網絡的風力發電機組偏航控制方法、一種基于神經網絡的風力發電機組偏航控制裝置、一種計算機可讀存儲介質及一種終端設備。
技術介紹
1、目前，風力發電機組的偏航控制通常采用以下方法：在風力發電機組上安裝風向傳感器，實時監測風向的變化，當風向發生改變時，風向傳感器將信號傳輸給控制系統，控制系統根據風向與風機機艙軸線的夾角來判斷是否需要進行偏航操作，如果夾角超過一定的閾值，控制系統就會啟動偏航電機，使機艙旋轉，直至風向與機艙軸線的夾角在允許的范圍內。現有系統能夠獲取偏航控制系統的基本運行參數，例如壓力、流量和溫度等，以進行基礎的狀態監測。然而，由于傳感器精度問題、響應時間問題、可靠性問題、安裝位置問的影響，傳統偏航控制方法容易受到環境溫度、濕度、氣壓、電磁干擾、雷擊、振動、周圍建筑物、樹木等障礙物的影響，從而降低測量精度和響應速度。目前，通過對海量數據的深度學習與分析也可實現對系統狀態的實時監測與控制，例如，通過對大量歷史數據和實時運行數據的學習，神經網絡能夠精準地感知風向變化、風機運行狀態以及偏航控制的工作情況，從而根據外部環境及風機運行狀態實時調整偏航角度，以適應不同的風向和風力條件，提高風機的發電效率。但是，現有基于深度學習的偏航控制通常采用單一模型實現，偏航角度的預測精度和穩定性偏低。
技術實現思路
1、本申請實施例的目的是提供一種基于神經網絡的風力發電機組偏航控制方法、一種基于神經網絡的風力發電機組偏航控制裝置、一種計算機可讀存儲介質及
2、為了實現上述目的，本申請第一方面提供一種基于神經網絡的風力發電機組偏航控制方法，包括：
3、獲取目標風電機組的狀態參數，所述狀態參數至少包括所述目標風電機組所處環境的風速、風向、溫度、濕度、氣壓，以及所述目標風電機組的轉速、轉矩及輸出功率中的至少一者；
4、以所述目標風電機組的狀態參數為輸入，經第一偏航角預測模型輸出所述風電機組的第一預測偏航角，以及以所述目標風電機組的狀態參數為輸入，經第二偏航角預測模型輸出所述風電機組的第二預測偏航角，其中，所述第一偏航角預測模型及所述第二偏航角預測模型分別通過不同風電機組的歷史狀態參數及對應偏航角對不同的深度學習算法進行訓練后得到；
5、確定所述第一預測偏航角與所述第二預測偏航角之間的預測偏航角差值，依據所述預測偏航角差值，基于所述第一預測偏航角及所述第二預測偏航角確定所述目標風電機組的目標預測偏航角；
6、控制所述目標風電機組以所述目標預測偏航角運行。
7、可選地，所述第一偏航角預測模型通過不同風電機組的歷史狀態參數及對應偏航角對第一深度學習算法訓練后得到，對所述第一深度學習算法的訓練過程，包括：
8、確定風電機組所處環境的風速、風向、溫度、濕度、氣壓，以及風電機組的轉速、轉矩及輸出功率中的至少一者為第一歷史狀態參數；
9、獲取不同風電機組在預設歷史時段內多個采樣時刻的第一歷史狀態參數及對應的實際偏航角；
10、以所述預設歷史時段內多個采樣時刻的第一歷史狀態參數為輸入，經所述第一深度學習算法輸出對應的預測偏航角，計算所述第一深度學習算法輸出的預測偏航角與對應的實際偏航角之間的誤差，根據比較結果對所述第一深度學習算法的算法參數進行調整，直至所述第一深度學習算法輸出的預測偏航角與實際偏航角之間的誤差低于預設誤差閾值或達到最大迭代次數，得到所述第一偏航角預測模型。
11、可選地，所述第二偏航角預測模型通過不同風電機組的歷史狀態參數及對應偏航角對第二深度學習算法訓練后得到，對所述第二深度學習算法的訓練過程，包括：
12、確定風電機組所處環境的風速、風向、溫度、濕度、氣壓，以及風電機組的轉速、轉矩及輸出功率中的至少一者為第二歷史狀態參數，其中，第二歷史狀態參數與第一歷史狀態參數中的至少一者不同；
13、獲取不同風電機組在預設歷史時段內多個采樣時刻的第二歷史狀態參數及對應的實際偏航角；
14、以所述預設歷史時段內多個采樣時刻的第二歷史狀態參數為輸入，經所述第二深度學習算法輸出對應的預測偏航角，計算所述第二深度學習算法輸出的預測偏航角與對應的實際偏航角之間的誤差，根據比較結果對所述第二深度學習算法的算法參數進行調整，直至所述第二深度學習算法輸出的預測偏航角與實際偏航角之間的誤差低于預設誤差閾值或達到最大迭代次數，得到所述第二偏航角預測模型。
15、可選地，確定風電機組所處環境的風速、風向、溫度、濕度、氣壓，以及風電機組的轉速、轉矩及輸出功率中的至少一者為第一歷史狀態參數，包括：
16、確定風速、風向、溫度、濕度、氣壓、轉速、轉矩及輸出功率的權重系數，確定權重系數屬于第一權重系數區間的狀態參數為第一狀態參數，確定權重系數屬于第二權重系數區間的狀態參數為第二狀態參數，所述第一權重系數區間的最小值不小于所述第二權重系數區間的最大值；
17、確定至少一個第一狀態參數及至少一個第二狀態參數為第一歷史狀態參數。
18、可選地，確定風電機組所處環境的風速、風向、溫度、濕度、氣壓，以及風電機組的轉速、轉矩及輸出功率中的至少一者為第二歷史狀態參數，包括：
19、確定至少一個第一狀態參數及至少一個第二狀態參數為第二歷史狀態參數，且第二歷史狀態參數中的至少一個第一狀態參數或第二狀態參數與第一歷史狀態參數中的第一狀態參數及第二狀態參數不同。
20、可選地，依據所述預測偏航角差值，基于所述第一預測偏航角及所述第二預測偏航角確定所述目標風電機組的目標預測偏航角，包括：
21、若所述預測偏航角差值低于第一差值，以所述第一預測偏航角或所述第二預測偏航角為所述目標風電機組的目標預測偏航角；
22、若所述預測偏航角差值不低于第一差值，獲取所述第一偏航角預測模型的第一模型權重及所述第二偏航角預測模型的第二模型權重，基于所述第一模型權重及所述第二模型權重對所述第一預測偏航角及所述第二預測偏航角進行加權求和以得到所述目標風電機組的目標預測偏航角。
23、可選地，確定所述目標風電機組的目標預測偏航角之后，所述方法還包括：
24、響應于權重調節指令，隨機獲取所述目標風電機組在當前時刻前的預設時段內的多個歷史狀態參數及對應的實際偏航角；
25、以獲取到的多個歷史狀態參數為輸入，經所述第一偏航角預測模型輸出第三預測偏航角，以及以獲取到的多個歷史狀態參數為輸入，經所述第二偏航角預測模型輸出第四預測偏航角；
26、依據得到的多個第三預測偏航角及對應的實際偏航角確定所述第一偏航角預測模型的第一準確率，以及依據得到的多個第四預測偏航角及對應的實際偏航角確定所述第二偏航角預測模型的第二準確率；
27、若所述第一準確率大于所述第二準確率，以設定步長增加所述第一模型權重，并以所述設定步長減小所述第二模型權重；
28、本文檔來自技高網...
【技術保護點】
1.一種基于神經網絡的風力發電機組偏航控制方法，其特征在于，包括：
2.根據權利要求1所述的基于神經網絡的風力發電機組偏航控制方法，其特征在于，所述第一偏航角預測模型通過不同風電機組的歷史狀態參數及對應偏航角對第一深度學習算法訓練后得到，對所述第一深度學習算法的訓練過程，包括：
3.根據權利要求2所述的基于神經網絡的風力發電機組偏航控制方法，其特征在于，所述第二偏航角預測模型通過不同風電機組的歷史狀態參數及對應偏航角對第二深度學習算法訓練后得到，對所述第二深度學習算法的訓練過程，包括：
4.根據權利要求3所述的基于神經網絡的風力發電機組偏航控制方法，其特征在于，確定風電機組所處環境的風速、風向、溫度、濕度、氣壓，以及風電機組的轉速、轉矩及輸出功率中的至少一者為第一歷史狀態參數，包括：
5.根據權利要求4所述的基于神經網絡的風力發電機組偏航控制方法，其特征在于，確定風電機組所處環境的風速、風向、溫度、濕度、氣壓，以及風電機組的轉速、轉矩及輸出功率中的至少一者為第二歷史狀態參數，包括：
6.根據權利要求1所述的神經網絡的風力
7.根據權利要求6所述的基于神經網絡的風力發電機組偏航控制方法，其特征在于，確定所述目標風電機組的目標預測偏航角之后，所述方法還包括：
8.一種基于神經網絡的風力發電機組偏航控制裝置，其特征在于，包括：
9.一種計算機可讀存儲介質，其特征在于，所述存儲介質存儲有當被處理器執行時使得處理器執行如權利要求1-7中任一項權利要求所述的基于神經網絡的風力發電機組偏航控制方法的計算機程序。
10.一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1-7中任一項權利要求所述的基于神經網絡的風力發電機組偏航控制方法。
...【技術特征摘要】
1.一種基于神經網絡的風力發電機組偏航控制方法，其特征在于，包括：
2.根據權利要求1所述的基于神經網絡的風力發電機組偏航控制方法，其特征在于，所述第一偏航角預測模型通過不同風電機組的歷史狀態參數及對應偏航角對第一深度學習算法訓練后得到，對所述第一深度學習算法的訓練過程，包括：
3.根據權利要求2所述的基于神經網絡的風力發電機組偏航控制方法，其特征在于，所述第二偏航角預測模型通過不同風電機組的歷史狀態參數及對應偏航角對第二深度學習算法訓練后得到，對所述第二深度學習算法的訓練過程，包括：
4.根據權利要求3所述的基于神經網絡的風力發電機組偏航控制方法，其特征在于，確定風電機組所處環境的風速、風向、溫度、濕度、氣壓，以及風電機組的轉速、轉矩及輸出功率中的至少一者為第一歷史狀態參數，包括：
5.根據權利要求4所述的基于神經網絡的風力發電機組偏航控制方法，其特征在于，確定風電機組所處環境的風速、風向、溫度、濕度、氣壓，以及風電機組的轉速、轉矩及...
【專利技術屬性】
技術研發人員：丁鋒，陳昊，張立強，鄭翔，師華凱，李秉臻，郭惠民，李亞輝，儲吉慧，許喬，鄧晉文，高宏杰，
申請(專利權)人：國家能源集團山西電力有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。