基于多传感数据的风机动态调节方法及系统与流程

本发明涉及风机动态调节，特别涉及一种基于多传感数据的风机动态调节方法及系统。

背景技术：

1、风机动态调节是指通过对风机的运行参数进行实时调整，以适应系统的实时需求和变化，从而实现风机的高效、稳定运行。动态调节可以根据系统的负荷变化、环境条件变化等因素进行调整，以提高系统的响应速度、能效和稳定性。风机动态调节通常涉及以下几个方面的内容：负荷响应：根据系统的负荷变化，调整风机的输出功率和转速，以确保系统能够及时、准确地满足负荷需求，同时避免能源的浪费。风速变化：对于风力发电等系统，风速的变化会直接影响风机的输出功率，因此需要动态调节风机的叶片角度、转速等参数，以最大限度地利用风能，提高发电效率。环境适应：考虑环境因素如温度及湿度等的变化对风机性能的影响，通过动态调节风机的冷却系统、润滑系统等，以确保风机在不同环境条件下的稳定运行。故障处理：在风机出现故障或异常情况时，动态调节可以通过调整参数、切换备用设备等方式，及时应对故障，保障系统的安全和可靠运行。但是，现有的风机动态调节以考虑风速为主，随着风速的变化进行风机动态的调节，忽略了环境及天气等因素，导致风机的能效及性能未完全发挥。

2、现有技术一，申请号：202211125739.6公开了一种风电场鲁棒频率协调控制方法、系统和计算机存储介质，包括：根据风电场内不同时刻的发电单体风机转速、风机有功指令和风速，建立初始数据集；将初始数据集进行鲁棒模态分解，确定风机动态模型；将不同发电单体的风机动态模型合并为控制模型；根据控制模型，建立关于风速和风机转速的目标函数，设置目标函数的优化目标为使发电单体的调频任务在对应发电单体发电水平的基础上进行分配，优化风机转速的波动程度，设置时序、有功指令区间和初始状态的约束条件；对目标函数求解，得到有功调节指令，根据有功调节指令对风电场频率进行调节。虽然能够满足实际控制环节中响应精度和速度的要求，对数据噪声的抗干扰能力更强；但是考虑因素单一，没有将环境及天气考虑在内，导致风机能效较低。

3、现有技术二，申请号：202011398967.1公开了一种基于控制过程数据拟合的风电场动态频率控制方法，使得风电场在参与系统调频的同时内部暂态过程得到稳定和优化。通过构建初始数据集、在线动态建模及集中风场控制建模，根据风机在线动态建模结果对风场频率优化控制。通过对风机运行过程产生的历史数据进行拟合，得到风机的在线等值动态模型，具有纯数据驱动的特征，因此可以适应不同制造商的风机在不同工况下的运行控制，同时算法具有纯线性的形式，求解过程简单，计算负担小，无需求解复杂的非线性优化控制问题，虽然满足实时运行需求，能够兼顾动态响应精度和速度的平衡；但是功能较为单一，不能有效提升风机的性能。

4、现有技术三，申请号：202210870754.7公开了一种考虑权重系数和转子能量状态的风机动态频率控制方法，包括以下步骤：判定风机是否参与频率调节，若系统频率偏差大于设定的调频死区范围，且风机转子转速大于最低转速，则启动虚拟惯量控制；反之则不启动；引入虚拟惯性控制权重系数和虚拟下垂控制权重系数，并根据△和d/d变化情况调整二者大小；引入动能反馈系数，根据风机转子能量状态，动态调整虚拟惯性控制系数和虚拟下垂控制系数；根据系统频率变化情况，闭锁风机虚拟惯量控制，使风机快速恢复转速的同时保证系统频率稳定。虽然可根据系统频率变化情况和风机转子动能储量动态调整虚拟惯量控制参数，使风机充分参与频率响应的同时避免转子过度减速，有效增强系统频率稳定能力；但其及考虑风机本身的因素，缺少对外界因素的考虑，导致风机的能效和性能不能最大化。

5、目前现有技术一、现有技术二及现有技术三存在忽略了风机的环境及天气因素，不能根据环境及天气因素，实现风机的转速、角度和风力输出的自动调节，导致风机能效和性能较低的问题，因而，本发明提供一种基于多传感数据的风机动态调节方法及系统，通过传感器感知环境及天气等因素，并通过智能算法实时分析数据，系统能够自动调节风机的转速、角度及风力输出，以适应不同的气候和使用场景，提高能效和性能。

技术实现思路

1、为了解决上述技术问题，本发明提供了一种基于多传感数据的风机动态调节方法，包含以下步骤：

2、确认当前风机的坐标信息，根据坐标信息向发出接收天气或环境数据的请求，对坐标信息作出解读，将若干传感器获取的天气或环境模拟信号，与坐标信息进行匹配；

3、接收与坐标信息匹配的天气或环境模拟信号，将模拟信号转换为数字信号；获取当前风机的旋转速度、叶片角度及风力输出，人工神经网络算法通过对数字信号、旋转速度、叶片角度及风力输出进行分析，得出与当前天气或环境相适应的旋转速度、叶片角度及风力输出；

4、调整后的旋转速度、叶片角度及风力输出输送至相应的执行机构，调整完毕后，根据反馈的旋转速度、叶片角度及风力输出进行比对。

5、可选的，天气或环境模拟信号与坐标信息进行匹配的过程，包含以下步骤：

6、风机的坐标信息为安装位置的地理坐标，安装时赋予每一个风机唯一的身份标识，将地理坐标和身份标识打包作为风机的坐标信息；按照传感器的监测范围划定监测区域，并对传感器及风机进行标定；

7、当接收到需要查询天气或环境数据的请求时，请求中包含当前风机的坐标信息，将坐标信息进行解读，得到坐标信息中的地理坐标，通过坐标信息中的地理坐标查询所在区域的天气或环境数据；

8、按照坐标信息的不同，将传感器探测的天气或环境模拟信号发送至当前风机的，实现天气或环境模拟信号与坐标信息的匹配。

9、可选的，其中，天气或环境数据，包含：温度、湿度、气压、风速、风向及光照强度。

10、可选的，得出与当前天气或环境相适应的旋转速度、叶片角度及风力输出的过程，包含以下步骤：

11、根据天气或环境模拟信号与其模拟反馈信号，产生天气或环境模拟信号的积分信号，根据积分信号产生过滤信号，得到过滤后的天气或环境模拟信号，对过滤后的天气或环境模拟信号进行编码，得到天气或环境数字信号；

12、进行人工神经网络算法学习，得到与当前天气或环境相适应的旋转速度、叶片角度及风力输出的映射规则；

13、获取风机的历史天气或环境模拟数字信号，记录不同天气或环境数字信号对应的旋转速度、叶片角度及风力输出，以不同天气或环境数字信号对应的旋转速度、叶片角度及风力输出作为训练集，使用人工神经网络对目标函数进行训练，得到训练后的目标函数，将实时获取当前风机的天气或环境模拟数字信号带入训练后的目标函数，完成对旋转速度、叶片角度及风力输出的调整。

14、可选的，人工神经网络由输入层、隐含层及输出层组成，输入层由若干输入节点构成，输入节点的数量等于天气或环境的内容，隐含层由若干隐含节点构成，输出层由多个输出节点组成，输出节点的数量为3，其数量等于旋转速度、叶片角度及风力输出。

15、可选的，预先生成风机动态调节的目标函数的过程，包含以下步骤：

16、将历史天气或环境模拟数字信号集合中与每组旋转速度、叶片角度及风力输出对应的向量进行归一化处理，生成目标向量，得到目标向量集合；以不同天气或环境数字信号对应的旋转速度、叶片角度及风力输出作为训练集，生成与目标向量集合中每个向量对应的哈希编码，得到哈希编码集合，哈希编码集合去除训练集中的重复数据，得到新的训练集；

17、初始化人工神经网络的权重参数和偏置参数，将训练集中的一个样本传入人工神经网络，通过前向传播计算得到人工神经网络的输出结果；将人工神经网络的输出结果与样本的期望输出进行比较，计算误差，利用误差信息，通过反向传播，沿着人工神经网络的反方向更新人工神经网络的权重参数和偏置参数；根据反向传播得到的梯度信息，更新人工神经网络的权重参数和偏置参数；

18、按照更新的权重和偏重参数，建立经过人工神经网络训练的目标函数。

19、可选的，更新人工神经网络的权重参数和偏置参数的过程，包含以下步骤：

20、将训练集按照采集时间排序，并对排序后的数据进行归一化处理；将归一化处理后的数据输入到人工神经网络的输入层、隐含层和输出层，通过前向传播计算得到人工神经网络的输出结果；

21、使用反向传播算法对人工神经网络中每个神经元的误差项进行计算；从当前时刻开始，根据目标函数求取人工神经网络的各个节点的偏导数，然后通过误差项向上一层传播，计算之前时刻的误差项，直到达到人工神经网络的输出层，求取预测值和目标值之间的目标函数；在反向传播过程中，根据误差项计算权重的梯度，更新权重参数和偏置参数；

22、重复以上步骤，直到达到迭代次数为止。

23、可选的，如果误差项小于阈值，则进行权重矩阵和偏置项的更新；如果达到设定的误差阈值或者迭代次数达到最大值，则完成了人工神经网络的模型训练。

24、可选的，根据反馈的旋转速度、叶片角度及风力输出进行比对的过程，包含以下步骤：

25、根据反馈的旋转速度、叶片角度及风力输出进行比对，判断是否与当前天气或环境相适应；

26、若适应，则继续执行当前旋转速度、叶片角度及风力输出；若不适应，则重新获取天气或环境模拟信号，重新计算与当前天气或环境相适应的旋转速度、叶片角度及风力输出。

27、本发明提供的一种基于多传感数据的风机动态调节系统，包含：

28、坐标信息匹配模块，负责确认当前风机的坐标信息，根据坐标信息向发出接收天气或环境数据的请求，对坐标信息作出解读，将若干传感器获取的天气或环境模拟信号，与坐标信息进行匹配；

29、信息分析模块，负责接收与坐标信息匹配的天气或环境模拟信号，将模拟信号转换为数字信号；获取当前风机的旋转速度、叶片角度及风力输出，人工神经网络算法通过对数字信号、旋转速度、叶片角度及风力输出进行分析，得出与当前天气或环境相适应的旋转速度、叶片角度及风力输出；

30、调整及反馈模块，负责将调整后的旋转速度、叶片角度及风力输出输送至相应的执行机构，调整完毕后，根据反馈的旋转速度、叶片角度及风力输出进行比对。

31、本发明实现了智能化的风机控制系统，通过整合了传感器数据、人工神经网络算法和自动调节机制，使得风机能够根据当前的天气和环境条件来自动调节转速、叶片角度和风力输出，以最大限度地适应不同的工作条件和需求。具体意义包括：提高效率：风机能够根据实时的天气和环境条件进行自适应调节，以最佳化输出风力，提高效率。节能减排：系统能够根据实际需求进行动态调整，可以减少能源浪费，降低对环境的影响。精准控制：通过人工神经网络算法对数据进行分析，系统可以更加精准地控制风机的转速、叶片角度以及风力输出，以满足不同的工作需求。自适应性：系统能够根据不同的环境条件快速调整，提高了系统的自适应性和可靠性。自动化运行：减少人工干预，使得风机的运行更加智能化和自动化。

32、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

33、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。