一种风电机组运行控制方法、装置、设备及存储介质与流程

1.本发明涉及风力发电技术领域，特别涉及一种风电机组运行控制方法、装置、设备及存储介质。


背景技术：

2.风力发电机组运行在复杂环境下，大风、沙尘暴、冰冻等恶劣天气，以及极其复杂的机械电气结构，使风电机组正常平稳运行经受较大考验。在应对恶劣天气时，风电机组主控调度关键指标为风电机组的风速，如启停机、变桨及其他控制策略。同时，风速是计算风电机组功率曲线k值、发电量的关键数据变量。在实际运行中，风速仪发生故障将直接影响风电机组运行，导致数据缺失不可用，或风电机组停机，损失发电量，不利于风电机组经济性。
3.目前，为解决这类问题，往往为风电机组配置多个风速仪，以便风速仪故障后，及时切换使用另一风速仪。上述解决方案在风速仪发生瞬时故障有较大作用，如因冰冻导致数据测量为恒定值时，但在风速仪发生缓慢故障时难以起效，往往需要较长时间才发现故障并切换风速仪，且另一个备用风速仪状态未知。如何识别风电机组的风速仪状态，提前检测到故障发生，让风电机组在风速仪故障状态时，有可用风速数据作为机组控制输入，对风电机组的正常稳定运行十分关键。
4.综上所述，准确及时识别风电机组风速仪状态，获得准确风速输入，以维持风电机组正常稳定运行，是目前风电领域技术人员需要解决的技术研究问题。


技术实现要素：

5.有鉴于此，本发明的目的在于提供一种风电机组运行控制方法、装置、设备及存储介质，能准确识别风电机组风速仪状态，并执行相应控制策略，减少因风速仪故障导致的停机，同时提升发电量。其具体方案如下：
6.第一方面，本技术公开了一种风电机组运行控制方法，包括：
7.对所有风电机组的机舱风速和机舱风向进行数据采集以得到相应的历史风速数据以及历史风向数据，并确定自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组；
8.基于所述目标风电机组在各所述预设风向扇区内的所述历史风速数据和所述关联风电机组的所述历史风速数据生成所述目标风电机组的与不同所述预设风向扇区对应的不同风速预测模型；
9.利用与所述目标风电机组的当前风向数据对应的所述风速预测模型和所述关联风电机组的当前风速数据确定所述目标风电机组的当前预测风速，并获取所述目标风电机组中第一风速仪的测量风速和第二风速仪的测量风速；
10.基于所述第一风速仪和所述第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，并利用基于所述当前风速仪运行状态确定的目标风速对所述目标风
电机组中的风机进行控制。
11.可选的，所述对所有风电机组的机舱风速和机舱风向进行数据采集以得到相应的历史风速数据以及历史风向数据，包括：
12.在预设时间段内对所有风电机组的机舱风速和机舱风向进行数据采集，并对采集到的数据进行数据规范处理，以得到相应的历史风速数据以及历史风向数据；所述数据规范处理包括缺失值处理、时间轴对齐处理和无效数据剔除处理。
13.可选的，所述确定自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组，包括：
14.将风向按照预设划分规则划分为预设个数的风向扇区，并将所述目标风电机组的所述历史风向数据划分至各风向扇区；
15.获取各所述风向扇区内所述目标风电机组的所述历史风向数据对应的第一历史风速数据，并获取同时刻下其他风电机组对应的第二历史风速数据；
16.基于所述第一历史风速数据和所述历史第二风速数据确定出所述目标风电机组在各所述风向扇区内对应的关联风电机组。
17.可选的，所述基于所述第一历史风速数据和所述历史第二风速数据确定出所述目标风电机组在各所述风向扇区内对应的关联风电机组，包括：
18.确定所述第一历史风速数据和所述第二历史风速数据的相似度值；
19.将所述其他风电机组中所述相似度值大于第一预设相似度阈值的风电机组确定为所述目标风电机组的关联风电机组，以得到所述目标风电机组在所述各风向扇区内的关联风电机组。
20.可选的，所述基于所述第一风速仪和所述第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，包括：
21.分别确定所述第一风速仪的测量风速和所述第二风速仪的测量风速之间的第一相似度、所述第一风速仪的测量风速和所述当前预测风速之间的第二相似度，以及所述第二风速仪的测量风速和所述当前预测风速之间的第三相似度；
22.基于所述第一相似度、所述第二相似度和所述第三相似度确定当前风速仪运行状态。
23.可选的，所述基于所述第一相似度、所述第二相似度和所述第三相似度确定当前风速仪运行状态，包括：
24.若所述第一相似度和所述第二相似度均大于第二预设相似度阈值，则判定所述第一风速仪和所述第二风速仪均处于正常运行状态；
25.若所述第一相似度大于所述第二预设相似度阈值，且所述第二相似度不大于所述第二预设相似度阈值，则判定所述第一风速仪和所述第二风速仪均处于故障状态；
26.若所述第一相似度和所述第二相似度均不大于所述第二预设相似度阈值，且所述第三相似度大于所述第二预设相似度阈值，则判定所述第一风速仪处于故障状态和所述第二风速仪处于正常运行状态；
27.若所述第一相似度和所述第三相似度均不大于所述第二预设相似度阈值、且所述第二相似度大于所述第二预设相似度阈值，则判定所述第一风速仪处于正常运行状态和所述第二风速仪处于故障状态。
28.可选的，所述利用基于所述当前风速仪运行状态确定的目标风速对所述目标风电机组中的风机进行控制，包括：
29.若所述第一风速仪和所述第二风速仪均处于正常运行状态，则选择所述第一风速仪的测量风速和所述第二风速仪的测量风速中的任一风速对所述目标风电机组中的风机进行控制；
30.若所述第一风速仪处于故障状态且所述第二风速仪处于正常运行状态，则选择所述第二风速仪的测量风速对所述目标风电机组中的风机进行控制；
31.若所述第二风速仪处于故障状态且所述第一风速仪处于正常运行状态，则选择所述第一风速仪的测量风速对所述目标风电机组中的风机进行控制；
32.若所述第一风速仪和所述第二风速仪均处于故障状态，则选择所述当前预测风速对所述目标风电机组中的风机进行控制。
33.第二方面，本技术公开了一种风电机组运行控制装置，包括：
34.关联机组确定模块，用于对所有风电机组的机舱风速和机舱风向进行数据采集以得到相应的历史风速数据以及历史风向数据，并确定自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组；
35.模型生成模块，用于基于所述目标风电机组在各所述预设风向扇区内的所述历史风速数据和所述关联风电机组的所述历史风速数据生成所述目标风电机组的与不同所述预设风向扇区对应的不同风速预测模型；
36.预测风速生成模块，用于利用与所述目标风电机组的当前风向数据对应的所述风速预测模型和所述关联风电机组的当前风速数据确定所述目标风电机组的当前预测风速，并获取所述目标风电机组中第一风速仪的测量风速和第二风速仪的测量风速；
37.风机控制模块，用于基于所述第一风速仪和所述第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，并利用基于所述当前风速仪运行状态确定的目标风速对所述目标风电机组中的风机进行控制。
38.第三方面，本技术公开了一种电子设备，包括：
39.存储器，用于保存计算机程序；
40.处理器，用于执行所述计算机程序以实现前述的风电机组运行控制方法。
41.第四方面，本技术公开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前述的风电机组运行控制方法。
42.可见，本发明中，首先对所有风电机组的机舱风速和机舱风向进行数据采集以得到相应的历史风速数据以及历史风向数据，并确定自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组；基于所述目标风电机组在各所述预设风向扇区内的所述历史风速数据和所述关联风电机组的所述历史风速数据生成所述目标风电机组的与不同所述预设风向扇区对应的不同风速预测模型；利用与所述目标风电机组的当前风向数据对应的所述风速预测模型和所述关联风电机组的当前风速数据确定所述目标风电机组的当前预测风速，并获取所述目标风电机组中第一风速仪的测量风速和第二风速仪的测量风速；基于所述第一风速仪和所述第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，并利用基于所述当前风速仪运行状态确定的目标风速对所述目标风电机组中的风机进行控制。可见，通过确定的目标风电机
组在各预设风向扇区内的风速预测模型，然后根据所述风速预测模型确定所述目标风电机组中的风速仪当前时刻应该测量到的风速，以得到当前预测风速。根据第一风速仪和第二风速仪测量到的实际风速，以及所述当前预测风速确定出所述第一风速仪和所述第二风速仪的运行状态，以便根据所述风速仪的运行状态选择对应的目标风速对所述目标风电机组中的风机进行相应的控制。这样一来，依据所述当前预测风速和第一风速仪和第二风速仪测量到的实际风速，可以准确的识别所述目标风电机组中的风速仪的运行状态，然后根据所述风速仪的运行状态，选择对应的目标风速控制所述目标风电机组中的风机运行，使得风电机组在有风速仪发生故障时也能正常稳定的运行，可以减少因风速仪故障导致的风电机组的停机时间，提升风电场的发电量。
附图说明
43.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
44.图1为本技术公开的一种风电机组运行控制方法流程图；
45.图2为本技术公开的一种具体的风电机组运行控制方法流程图；
46.图3为本技术公开的一种风电机组运行控制装置结构示意图；
47.图4为本技术公开的一种电子设备结构图。
具体实施方式
48.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
49.目前，为解决风速仪故障导致的停机，往往通过为风电机组配置多个风速仪实现，以便风速仪故障后，及时切换使用另一风速仪。然而，上述方法在风速仪缓慢故障或多个风速仪同时故障时仍存在缺陷。本发明将具体介绍一种通过寻找不同扇区下的风速仪风速分布关联规律，并预测目标风电机组风速仪风速，判断风电机组风速仪当前状态，进而选择相应控制策略，可以在各类情形下减少风速仪故障停机时间，提升风电场发电量。
50.参见图1所示，本技术实施例公开了一种风电机组运行控制方法，包括：
51.步骤s11：对所有风电机组的机舱风速和机舱风向进行数据采集以得到相应的历史风速数据以及历史风向数据，并确定自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组。
52.本实施例中，所述对所有风电机组的机舱风速和机舱风向进行数据采集以得到相应的历史风速数据以及历史风向数据，包括：在预设时间段内对所有风电机组的机舱风速和机舱风向进行数据采集，并对采集到的数据进行数据规范处理，以得到相应的历史风速数据以及历史风向数据；所述数据规范处理包括缺失值处理、时间轴对齐处理和无效数据剔除处理。其中，所述机舱风速和所述机舱风向都是风电机组中安装的风速仪测量得到的
数据，由于风电机组中一般都会安装一台以上的风速仪，在风电机组正常运行过程中，选择其中一台风速仪测量到的风速数据对风电机组中的风机进行控制。因此，对风电场内所有的风电机组的机舱风速和机舱风向进行数据采集，所述机舱风速为对风电机组中的风机进行控制使用到的机舱风速。由于风电机组可能会存在故障，或者采集方法不当等因素，采集到的数据可能会存在无效数据等影响后续模型训练过程的数据。因此，需要对采集到的数据进行数据规范处理，以得到相应的历史风速数据以及历史风向数据。所述数据规范处理包括缺失值处理、时间轴对齐处理和无效数据剔除处理。然后确定自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组。具体的，先将根据实际情况将风向扇区进行划分，全扇区为360
°
，可以根据实际情况划分为4、8、12、16个风向扇区。选择其中一个扇区作为预设风向扇区，然后获取所述目标风电机组在所述预设风向扇区内的历史风速数据集，并获取同时刻下其他风电机组的各历史风速数据集。然后计算所述目标风电机组在所述预设风向扇区内的历史风速数据集与其他风电机组的各历史风速数据集的相似度δ，当相似度δ越接近1，则证明两个风电机组之间的关联程度越大。其中确定相似度的计算方法包括并不限于皮尔逊相关系数、余弦距离、欧几里得距离、马氏距离等方法。当所述相似度大于第一预设相似度阈值之后，可以确定为关联风电机组。这样依次确定出自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组。所述相似度阈值可以根据经验和实际情况进行设置，但需要高于0.9。需要强调的是，为了保证后续模型训练的效果和预测准确度，确定的所述关联风电机组的数量不得少于3个。这样一来，对采集到的所有的风电机组的机舱风速和机舱风向的数据进行数据规范处理，得到规范的历史风速数据以及历史风向数据可以提高确定出的关联风电机组的准确率，进而提高后续生成的风速预测模型的准确率。
53.步骤s12：基于所述目标风电机组在各所述预设风向扇区内的所述历史风速数据和所述关联风电机组的所述历史风速数据生成所述目标风电机组的与不同所述预设风向扇区对应的不同风速预测模型。
54.本实施例中，基于所述目标风电机组在各所述预设风向扇区内的所述历史风速数据和所述关联风电机组的所述历史风速数据生成所述目标风电机组的与不同所述预设风向扇区对应的不同风速预测模型。在确定好所述目标风电机组在各所述预设风向扇区内的所述关联风电机组后。可以通过卷积神经网络学习所述目标风电机组在各所述预设风向扇区内的所述历史风速数据和所述关联风电机组的所述历史风速数据的风速分布变化规律；其中，训练过程中卷积神经网络包括，输入层、卷积层、激活函数层、池化层、全连接层、输出层，并选择relu(rectified linear unit，即修正线性单元)线性激活函数。然后通过损失函数来评估模型的性能，通过优化算法来更新模型参数。优化过程中损失函数可选择均方误差、平均绝对误差，优化算法可选择随机梯度下降法。这样可以生成所述目标风电机组的与不同所述预设风向扇区对应的不同风速预测模型。
55.步骤s13：利用与所述目标风电机组的当前风向数据对应的所述风速预测模型和所述关联风电机组的当前风速数据确定所述目标风电机组的当前预测风速，并获取所述目标风电机组中第一风速仪的测量风速和第二风速仪的测量风速。
56.本实施例中，获取到所述目标风电机组的与不同所述预设风向扇区对应的不同风速预测模型之后，就可以根据所述风速预测模型对所述目标风电机组的实时风速进行相应
预测以得到所述目标风电机组的当前预测风速。获取当前时刻所述目标风电机组测量到的当前风向数据，然后根据所述风向数据选择对应的风速预测模型，同时获取所述目标风电机组的当前风向数据对应的风向扇区内的关联风电机组的当前风速数据。将所述关联风电机组的当前风速数据输入至所述风俗预测模型后，得到所述目标风电机组的当前预测风速。并获取当前所述目标风电机组中第一风速仪的测量风速和第二风速仪的测量风速。其中，所述第一风速仪的测量风速和所述第二风速仪的测量风速均为利用所述第一风速仪和所述第二风速仪实际测量到的风速。
57.步骤s14：基于所述第一风速仪和所述第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，并利用基于所述当前风速仪运行状态确定的目标风速对所述目标风电机组中的风机进行控制。
58.本实施例中，所述基于所述第一风速仪和所述第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，包括：分别确定所述第一风速仪的测量风速和所述第二风速仪的测量风速之间的第一相似度、所述第一风速仪的测量风速和所述当前预测风速之间的第二相似度，以及所述第二风速仪的测量风速和所述当前预测风速之间的第三相似度。其中，所述确定风速之间相似度可以使用皮尔逊相关系数。基于所述第一相似度、所述第二相似度和所述第三相似度确定当前风速仪运行状态。所述基于所述第一相似度、所述第二相似度和所述第三相似度确定当前风速仪运行状态，包括：若所述第一相似度和所述第二相似度均大于第二预设相似度阈值，则判定所述第一风速仪和所述第二风速仪均处于正常运行状态；若所述第一相似度大于所述第二预设相似度阈值，且所述第二相似度不大于所述第二预设相似度阈值，则判定所述第一风速仪和所述第二风速仪均处于故障状态；若所述第一相似度和所述第二相似度均不大于所述第二预设相似度阈值，且所述第三相似度大于所述第二预设相似度阈值，则判定所述第一风速仪处于故障状态和所述第二风速仪处于正常运行状态；若所述第一相似度和所述第三相似度均不大于所述第二预设相似度阈值、且所述第二相似度大于所述第二预设相似度阈值，则判定所述第一风速仪处于正常运行状态和所述第二风速仪处于故障状态。其中，需要说明的是所述第二预设相似度阈值可以的生成公式为：
59.ε＝θ
×
ε'
60.其中，ε'为目标风速仪故障数据集与预测风速相似度最大值，θ为经验系数。
61.当所述第一相似度、所述第二相似度和所述第三相似度中任一项小于所述第二预设相似度阈值，均会触发相应的报警操作，以提醒技术人员及时对所述风速仪进行相应的处理。
62.本实施例中，所述利用基于所述当前风速仪运行状态确定的目标风速对所述目标风电机组中的风机进行控制，包括：若所述第一风速仪和所述第二风速仪均处于正常运行状态，则选择所述第一风速仪的测量风速和所述第二风速仪的测量风速中的任一风速对所述目标风电机组中的风机进行控制；若所述第一风速仪处于故障状态且所述第二风速仪处于正常运行状态，则选择所述第二风速仪的测量风速对所述目标风电机组中的风机进行控制；若所述第二风速仪处于故障状态且所述第一风速仪处于正常运行状态，则选择所述第一风速仪的测量风速对所述目标风电机组中的风机进行控制；若所述第一风速仪和所述第二风速仪均处于故障状态，则选择所述当前预测风速对所述目标风电机组中的风机进行控
制。若所述第一风速仪和所述第二风速仪均处于正常运行状态，那所述目标风电机组可以选择任意一台风速仪测量得到的风速控制风机进行发电，如果所述第一风速仪处于正常运行状态，而所述第二风速仪出现故障，则所述目标风电机组选择所述第一风速仪测量得到的风速控制风机进行发电，同时进行报警，以提醒技术人员及时对所述第二风速仪进行相应的维修处理操作。如果所述第二速仪处于正常运行状态，而所述第一风速仪出现故障，则所述目标风电机组选择所述第二风速仪测量得到的风速控制风机进行发电，同时进行报警，以提醒技术人员及时对所述第一风速仪进行相应的维修处理操作。若所述第一风速仪和所述第二风速仪均处于故障状态，则所述目标风电机组暂时选择当前预测风速控制风机进行发电，以暂时维持所述目标风电机组的正常运行，同时进行报警，以提醒技术人员及时对所述第一风速仪和所述第二风速仪进行相应的维修处理操作。这样一来，可以减少因风速仪故障而导致的停机，可以从一定程度上提升风电机组的发电量。
63.可见，本实施例中，首先对所有风电机组的机舱风速和机舱风向进行数据采集以得到相应的历史风速数据以及历史风向数据，并确定自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组；基于所述目标风电机组在各所述预设风向扇区内的所述历史风速数据和所述关联风电机组的所述历史风速数据生成所述目标风电机组的与不同所述预设风向扇区对应的不同风速预测模型；利用与所述目标风电机组的当前风向数据对应的所述风速预测模型和所述关联风电机组的当前风速数据确定所述目标风电机组的当前预测风速，并获取所述目标风电机组中第一风速仪的测量风速和第二风速仪的测量风速；基于所述第一风速仪和所述第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，并利用基于所述当前风速仪运行状态确定的目标风速对所述目标风电机组中的风机进行控制。可见，通过确定的目标风电机组在各预设风向扇区内的风速预测模型，然后根据所述风速预测模型确定所述目标风电机组中的风速仪当前时刻应该测量到的风速，以得到当前预测风速。根据第一风速仪和第二风速仪测量到的实际风速，以及所述当前预测风速确定出所述第一风速仪和所述第二风速仪的运行状态，以便根据所述风速仪的运行状态选择对应的目标风速对所述目标风电机组中的风机进行相应的控制。这样一来，依据所述当前预测风速和第一风速仪和第二风速仪测量到的实际风速，可以准确的识别所述目标风电机组中的风速仪的运行状态，然后根据所述风速仪的运行状态，选择对应的目标风速控制所述目标风电机组中的风机运行，使得风电机组在有风速仪发生故障时也能正常稳定的运行，可以减少因风速仪故障导致的风电机组的停机时间，提升风电场的发电量。
64.上述实施例中具体介绍了一种基于风速仪风速分布关联规律，判断风速仪当前运行状态的方法，本实施例将具体介绍确定目标风电机组的关联风电机组的方法。
65.参见图2所示，本技术实施例公开了一种具体的关联机组确认方法，包括：
66.步骤s21：将风向按照预设划分规则划分为预设个数的风向扇区，并将目标风电机组的历史风向数据划分至各风向扇区。
67.本实施例中，首先以目标风电机组为圆心，将风向按照预设划分规则分为预设个数的风向扇区。其中，全扇区为360
°
，风向扇区的个数可以为4、8、12和16。划分好风向扇区后，将所述目标风电机组的历史方向数据根据风向划分至各所述风向扇区内。
68.步骤s22：获取各所述风向扇区内所述目标风电机组的所述历史风向数据对应的
第一历史风速数据，并获取同时刻下其他风电机组对应的第二历史风速数据。
69.本实施例中，将所述目标风电机组的历史方向数据根据风向划分至各所述风向扇区内后，获取各所述风向扇区内所述目标风电机组的所述历史方向数据对应的第一历史风速数据，并获取同时刻下其他风电机组对应的第二历史风速数据。例如，处于某个风向扇区内所述目标风电机组的所述历史方向数据对应的第一历史风速数据有五个，则确定这五个历史风速数据的时刻，然后获取同时刻下其他风电机组的历史风速数据。
70.步骤s23：确定所述第一历史风速数据和所述第二历史风速数据的相似度值。
71.本实施例中，确定所述第一历史风速数据和所述第二历史风速数据的相似度值可以采用皮尔逊相关系数进行计算：
72.假设目标风电机组r1的所述第一历史风速数据为[x1,x2…
,xn]，其他风电机组r2的所述第二历史风速数据为[y1,y2…
,yn]，则两者的相似度δ为：
[0073][0074]
其中，表示第一历史风速数据的平均值，y表示第二历史风速数据的平均值。除此之外，相似度的计算还可以采用余弦距离、欧几里得距离、马氏距离等方法。
[0075]
步骤s24：将所述其他风电机组中所述相似度值大于第一预设相似度阈值的风电机组确定为所述目标风电机组的关联风电机组，以得到所述目标风电机组在所述各风向扇区内的关联风电机组。
[0076]
本实施例中，获取到相似度值后，将所述相似度值和所述第一预设相似度阈值进行比较，将所述相似度阈值大于所述第一预设相似度阈值的风电机组确定为所述目标风电机组的关联风电机组，以得到所述目标风电机组在所述各风向扇区内的关联风电机组。其中，需要强调的是，所述第一预设相似度阈值可以根据经验和实际情况进行设置，所述关联风电机组的个数不能少于3个。这样一来，关联机组的个数越多，利用所述关联机组的历史风速数据生成的风速预测模型的预测准确度就会越高。
[0077]
可见，本实施例中，首先将风向按照预设划分规则划分为预设个数的风向扇区，并将目标风电机组的历史风向数据划分至各风向扇区；获取各所述风向扇区内所述目标风电机组的所述历史风向数据对应的第一历史风速数据，并获取同时刻下其他风电机组对应的第二历史风速数据；确定所述第一历史风速数据和所述第二历史风速数据的相似度值；将所述其他风电机组中所述相似度值大于第一预设相似度阈值的风电机组确定为所述目标风电机组的关联风电机组，以得到所述目标风电机组在所述各风向扇区内的关联风电机组。即通过利用第一历史风速数据和第二历史风速数据确定出所述目标风电机在不同风向扇区下，风速分布规律具有强相关性的关联风电机组。这样一来，后续可以根据所述关联风电机组的风速对所述目标风电机组的风速进行预测判断。
[0078]
参考图3所述，本技术实施例还相应公开了一种风电机组运行控制装置，包括：
[0079]
关联机组确定模块11，用于对所有风电机组的机舱风速和机舱风向进行数据采集以得到相应的历史风速数据以及历史风向数据，并确定自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组；
[0080]
模型生成模块12，用于基于所述目标风电机组在各所述预设风向扇区内的所述历
史风速数据和所述关联风电机组的所述历史风速数据生成所述目标风电机组的与不同所述预设风向扇区对应的不同风速预测模型；
[0081]
预测风速生成模块13，用于利用与所述目标风电机组的当前风向数据对应的所述风速预测模型和所述关联风电机组的当前风速数据确定所述目标风电机组的当前预测风速，并获取所述目标风电机组中第一风速仪的测量风速和第二风速仪的测量风速；
[0082]
风机控制模块14，用于基于所述第一风速仪和所述第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，并利用基于所述当前风速仪运行状态确定的目标风速对所述目标风电机组中的风机进行控制。
[0083]
可见，本实施例中，首先对所有风电机组的机舱风速和机舱风向进行数据采集以得到相应的历史风速数据以及历史风向数据，并确定自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组；基于所述目标风电机组在各所述预设风向扇区内的所述历史风速数据和所述关联风电机组的所述历史风速数据生成所述目标风电机组的与不同所述预设风向扇区对应的不同风速预测模型；利用与所述目标风电机组的当前风向数据对应的所述风速预测模型和所述关联风电机组的当前风速数据确定所述目标风电机组的当前预测风速，并获取所述目标风电机组中第一风速仪的测量风速和第二风速仪的测量风速；基于所述第一风速仪和所述第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，并利用基于所述当前风速仪运行状态确定的目标风速对所述目标风电机组中的风机进行控制。可见，通过确定的目标风电机组在各预设风向扇区内的风速预测模型，然后根据所述风速预测模型确定所述目标风电机组中的风速仪当前时刻应该测量到的风速，以得到当前预测风速。根据第一风速仪和第二风速仪测量到的实际风速，以及所述当前预测风速确定出所述第一风速仪和所述第二风速仪的运行状态，以便根据所述风速仪的运行状态选择对应的目标风速对所述目标风电机组中的风机进行相应的控制。这样一来，依据所述当前预测风速和第一风速仪和第二风速仪测量到的实际风速，可以准确的识别所述目标风电机组中的风速仪的运行状态，然后根据所述风速仪的运行状态，选择对应的目标风速控制所述目标风电机组中的风机运行，使得风电机组在有风速仪发生故障时也能正常稳定的运行，可以减少因风速仪故障导致的风电机组的停机时间，提升风电场的发电量。
[0084]
在一些具体的实施例中，所述关联机组确定模块11，具体可以包括：
[0085]
数据采集单元，用于在预设时间段内对所有风电机组的机舱风速和机舱风向进行数据采集，并对采集到的数据进行数据规范处理，以得到相应的历史风速数据以及历史风向数据；所述数据规范处理包括缺失值处理、时间轴对齐处理和无效数据剔除处理。
[0086]
在一些具体的实施例中，所述关联机组确定模块11，具体可以包括：
[0087]
风向扇区划分单元，用于将风向按照预设划分规则划分为预设个数的风向扇区，并将所述目标风电机组的所述历史风向数据划分至各风向扇区；
[0088]
风速获取单元，用于获取各所述风向扇区内所述目标风电机组的所述历史风向数据对应的第一历史风速数据，并获取同时刻下其他风电机组对应的第二历史风速数据；
[0089]
关联机组确定子模块，用于基于所述第一历史风速数据和所述历史第二风速数据确定出所述目标风电机组在各所述风向扇区内对应的关联风电机组。
[0090]
在一些具体的实施例中，所述关联机组确定子模块11，具体可以包括：
[0091]
第一相似度确定单元，用于确定所述第一历史风速数据和所述第二历史风速数据的相似度值；
[0092]
关联机组确定单元，用于将所述其他风电机组中所述相似度值大于第一预设相似度阈值的风电机组确定为所述目标风电机组的关联风电机组，以得到所述目标风电机组在所述各风向扇区内的关联风电机组。
[0093]
在一些具体的实施例中，所述风机控制模块14，具体可以包括：
[0094]
第而相似度确定单元，用于分别确定所述第一风速仪的测量风速和所述第二风速仪的测量风速之间的第一相似度、所述第一风速仪的测量风速和所述当前预测风速之间的第二相似度，以及所述第二风速仪的测量风速和所述当前预测风速之间的第三相似度；
[0095]
风速仪状态确认子模块，用于基于所述第一相似度、所述第二相似度和所述第三相似度确定当前风速仪运行状态。
[0096]
在一些具体的实施例中，所述风速仪状态确认子模块，具体可以包括：
[0097]
第一状态确认单元，用于若所述第一相似度和所述第二相似度均大于第二预设相似度阈值，则判定所述第一风速仪和所述第二风速仪均处于正常运行状态；
[0098]
第二状态确认单元，用于若所述第一相似度大于所述第二预设相似度阈值，且所述第二相似度不大于所述第二预设相似度阈值，则判定所述第一风速仪和所述第二风速仪均处于故障状态；
[0099]
第三状态确认单元，用于若所述第一相似度和所述第二相似度均不大于所述第二预设相似度阈值，且所述第三相似度大于所述第二预设相似度阈值，则判定所述第一风速仪处于故障状态和所述第二风速仪处于正常运行状态；
[0100]
第四状态确认单元，用于若所述第一相似度和所述第三相似度均不大于所述第二预设相似度阈值、且所述第二相似度大于所述第二预设相似度阈值，则判定所述第一风速仪处于正常运行状态和所述第二风速仪处于故障状态。
[0101]
在一些具体的实施例中，所述风机控制模块14，具体可以包括：
[0102]
第一控制单元，用于若所述第一风速仪和所述第二风速仪均处于正常运行状态，则选择所述第一风速仪的测量风速和所述第二风速仪的测量风速中的任一风速对所述目标风电机组中的风机进行控制；
[0103]
第二控制单元，用于若所述第一风速仪处于故障状态且所述第二风速仪处于正常运行状态，则选择所述第二风速仪的测量风速对所述目标风电机组中的风机进行控制；
[0104]
第三控制单元，用于若所述第二风速仪处于故障状态且所述第一风速仪处于正常运行状态，则选择所述第一风速仪的测量风速对所述目标风电机组中的风机进行控制；
[0105]
第四控制单元，用于若所述第一风速仪和所述第二风速仪均处于故障状态，则选择所述当前预测风速对所述目标风电机组中的风机进行控制。
[0106]
进一步的，本技术实施例还公开了一种电子设备，图4是根据一示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本技术的使用范围的任何限制。
[0107]
图4为本技术实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的风电机组运行控制方法中的相关步骤。另外，本实施
例中的电子设备20具体可以为电子计算机。
[0108]
本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本技术技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
[0109]
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作系统221、计算机程序222等，存储方式可以是短暂存储或者永久存储。
[0110]
其中，操作系统221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，其可以是windows server、netware、unix、linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的风电机组运行控制方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。
[0111]
进一步的，本技术还公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的风电机组运行控制方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
[0112]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0113]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0114]
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
[0115]
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0116]
以上对本技术所提供的技术方案进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其
核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：
1.一种风电机组运行控制方法，其特征在于，包括：对所有风电机组的机舱风速和机舱风向进行数据采集以得到相应的历史风速数据以及历史风向数据，并确定自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组；基于所述目标风电机组在各所述预设风向扇区内的所述历史风速数据和所述关联风电机组的所述历史风速数据生成所述目标风电机组的与不同所述预设风向扇区对应的不同风速预测模型；利用与所述目标风电机组的当前风向数据对应的所述风速预测模型和所述关联风电机组的当前风速数据确定所述目标风电机组的当前预测风速，并获取所述目标风电机组中第一风速仪的测量风速和第二风速仪的测量风速；基于所述第一风速仪和所述第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，并利用基于所述当前风速仪运行状态确定的目标风速对所述目标风电机组中的风机进行控制。2.根据权利要求1所述的风电机组运行控制方法，其特征在于，所述对所有风电机组的机舱风速和机舱风向进行数据采集以得到相应的历史风速数据以及历史风向数据，包括：在预设时间段内对所有风电机组的机舱风速和机舱风向进行数据采集，并对采集到的数据进行数据规范处理，以得到相应的历史风速数据以及历史风向数据；所述数据规范处理包括缺失值处理、时间轴对齐处理和无效数据剔除处理。3.根据权利要求1所述的风电机组运行控制方法，其特征在于，所述确定自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组，包括：将风向按照预设划分规则划分为预设个数的风向扇区，并将所述目标风电机组的所述历史风向数据划分至各风向扇区；获取各所述风向扇区内所述目标风电机组的所述历史风向数据对应的第一历史风速数据，并获取同时刻下其他风电机组对应的第二历史风速数据；基于所述第一历史风速数据和所述历史第二风速数据确定出所述目标风电机组在各所述风向扇区内对应的关联风电机组。4.根据权利要求3所述的风电机组运行控制方法，其特征在于，所述基于所述第一历史风速数据和所述历史第二风速数据确定出所述目标风电机组在各所述风向扇区内对应的关联风电机组，包括：确定所述第一历史风速数据和所述第二历史风速数据的相似度值；将所述其他风电机组中所述相似度值大于第一预设相似度阈值的风电机组确定为所述目标风电机组的关联风电机组，以得到所述目标风电机组在所述各风向扇区内的关联风电机组。5.根据权利要求1至4任一项所述的风电机组运行控制方法，其特征在于，所述基于所述第一风速仪和所述第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，包括：分别确定所述第一风速仪的测量风速和所述第二风速仪的测量风速之间的第一相似度、所述第一风速仪的测量风速和所述当前预测风速之间的第二相似度，以及所述第二风
速仪的测量风速和所述当前预测风速之间的第三相似度；基于所述第一相似度、所述第二相似度和所述第三相似度确定当前风速仪运行状态。6.根据权利要求5所述的风电机组运行控制方法，其特征在于，所述基于所述第一相似度、所述第二相似度和所述第三相似度确定当前风速仪运行状态，包括：若所述第一相似度和所述第二相似度均大于第二预设相似度阈值，则判定所述第一风速仪和所述第二风速仪均处于正常运行状态；若所述第一相似度大于所述第二预设相似度阈值，且所述第二相似度不大于所述第二预设相似度阈值，则判定所述第一风速仪和所述第二风速仪均处于故障状态；若所述第一相似度和所述第二相似度均不大于所述第二预设相似度阈值，且所述第三相似度大于所述第二预设相似度阈值，则判定所述第一风速仪处于故障状态和所述第二风速仪处于正常运行状态；若所述第一相似度和所述第三相似度均不大于所述第二预设相似度阈值、且所述第二相似度大于所述第二预设相似度阈值，则判定所述第一风速仪处于正常运行状态和所述第二风速仪处于故障状态。7.根据权利要求6所述的风电机组运行控制方法，其特征在于，所述利用基于所述当前风速仪运行状态确定的目标风速对所述目标风电机组中的风机进行控制，包括：若所述第一风速仪和所述第二风速仪均处于正常运行状态，则选择所述第一风速仪的测量风速和所述第二风速仪的测量风速中的任一风速对所述目标风电机组中的风机进行控制；若所述第一风速仪处于故障状态且所述第二风速仪处于正常运行状态，则选择所述第二风速仪的测量风速对所述目标风电机组中的风机进行控制；若所述第二风速仪处于故障状态且所述第一风速仪处于正常运行状态，则选择所述第一风速仪的测量风速对所述目标风电机组中的风机进行控制；若所述第一风速仪和所述第二风速仪均处于故障状态，则选择所述当前预测风速对所述目标风电机组中的风机进行控制。8.一种风电机组运行控制装置，其特征在于，包括：关联机组确定模块，用于对所有风电机组的机舱风速和机舱风向进行数据采集以得到相应的历史风速数据以及历史风向数据，并确定自身的所述历史风速数据与目标风电机组在各预设风向扇区内的所述历史风速数据之间存在关联的关联风电机组；模型生成模块，用于基于所述目标风电机组在各所述预设风向扇区内的所述历史风速数据和所述关联风电机组的所述历史风速数据生成所述目标风电机组的与不同所述预设风向扇区对应的不同风速预测模型；预测风速生成模块，用于利用与所述目标风电机组的当前风向数据对应的所述风速预测模型和所述关联风电机组的当前风速数据确定所述目标风电机组的当前预测风速，并获取所述目标风电机组中第一风速仪的测量风速和第二风速仪的测量风速；风机控制模块，用于基于所述第一风速仪和所述第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，并利用基于所述当前风速仪运行状态确定的目标风速对所述目标风电机组中的风机进行控制。9.一种电子设备，其特征在于，包括：
存储器，用于保存计算机程序；处理器，用于执行所述计算机程序以实现如权利要求1至7任一项所述的风电机组运行控制方法。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运行控制方法。

技术总结
本申请公开了一种风电机组运行控制方法、装置、设备及存储介质，涉及风力发电技术领域，包括：获取所有风电机组相应的历史风速数据以及历史风向数据，并确定目标风电机组的关联风电机组；进而生成所述目标风电机组在不同预设风向扇区对应的风速预测模型；利用与所述目标风电机组的当前风向数据对应的所述风速预测模型和所述关联风电机组的当前风速数据确定所述目标风电机组的当前预测风速，并基于获取所述目标风电机组中第一风速仪和第二风速仪的测量风速以及所述当前预测风速确定当前风速仪运行状态，并对所述目标风电机组进行控制。这样一来，能准确识别风电机组风速仪状态，并执行相应控制策略，减少因风速仪故障导致的停机，同时提升发电量。同时提升发电量。同时提升发电量。


技术研发人员：黄鑫 王欣 刘伟江
受保护的技术使用者：浙江运达风电股份有限公司
技术研发日：2023.05.08
技术公布日：2023/8/28