风电机组的风向测量偏差识别方法、装置、设备以及介质与流程

1.本发明涉及风力发电技术领域，尤其涉及一种风电机组的风向测量偏差识别方法、装置、设备以及介质。


背景技术：

2.风力发电是指把风能转为电能，在能源领域占据重要位置。风电机组(全称风力发电机组)的机舱中心线与来风方向之间的夹角简称为风向，若风向较大且持续存在，那么风电机组将无法获取最大风能，从而使风电机组的发电性能大大降低。
3.相关方案中，风电机组通过位于机舱上的风向标确定风向，然后通过偏航动作调整机舱方向使得机舱方向与来风方向之间的夹角趋近于0度，最终保证风电机组的尽可能获取最大风能。但是，由于风向标动态特性、叶轮旋转产生的尾流干扰和风向标安装偏差等问题导致测量的风向与实际的风向之间存在测量偏差，这个测量偏差会导致风电机组无法获取最大风能，降低了风电机组的发电量。


技术实现要素：

4.本发明提供了一种风电机组的风向测量偏差识别方法、装置、设备以及介质，以识别测量的风向与实际的风向之间存在的偏差，对测量的风向进行偏差校正得到校正后的风向角，并用于风电机组偏航控制，提高风电机组的发电性能。
5.根据本发明的一方面，提供了一种风电机组的风向测量偏差识别方法，所述方法可包括：
6.确定风力发电机组的多个参考运行信息；所述参考运行信息包括在参考预设时间段测量的参考功率、参考风速与参考风向；
7.通过对各个所述参考运行信息对应的功率、风速与风向进行曲面拟合得到所述风力发电机组的参考运行特性曲面信息；
8.依据所述参考运行特性曲面信息确定所述风力发电机组的参考风向测量偏差特性曲线信息；所述风向测量偏差特性曲线信息用于描述风速与受对应风速下的风力发电机组最大功率点对应的风向测量偏差之间关系的连续曲线；
9.依据参考风向测量偏差特性曲线信息对所述风力发电机组进行风向测量偏差识别和校正。
10.根据本发明的另一方面，提供了一种风电机组的风向测量偏差识别装置，所述装置可包括：
11.第一信息确定模块，用于确定风力发电机组的多个参考运行信息；所述参考运行信息包括在参考时间段测量的参考功率、参考风速与参考风向；
12.第二信息确定模块，用于通过对各个所述参考运行信息对应的功率、风速与风向进行曲面拟合得到所述风力发电机组的参考运行特性曲面信息；
13.第三信息确定模块，用于依据所述参考运行特性曲面信息确定所述风力发电机组
的参考风向测量偏差特性曲线信息；所述风向测量偏差特性曲线信息用于描述风速与受对应风速下的风力发电机组最大功率点对应的风向测量偏差之间关系的连续曲线；
14.控制模块，用于依据参考风向测量偏差特性曲线信息对所述风力发电机组进行风向测量偏差识别和校正。
15.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
16.至少一个处理器；以及
17.与所述至少一个处理器通信连接的存储器；其中，
18.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的风电机组的风向测量偏差识别方法。
19.根据本发明的另一方面，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存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的风电机组的风向测量偏差识别方法。
20.本发明实施例的技术方案，通过确定风力发电机组的多个参考运行信息，通过对各个所述参考运行信息对应的功率、风速与风向进行曲面拟合得到风力发电机组的参考运行特性曲面信息；依据参考运行特性曲面信息确定风力发电机组的参考风向测量偏差特性曲线信息；风向测量偏差特性曲线信息用于描述风速与受对应风速下的风力发电机组最大功率点对应的风向测量偏差之间关系的连续曲线；依据参考风向测量偏差特性曲线信息对风力发电机组进行风向测量偏差识别和校正，并通过对测量的风向进行校正，进而得到校正后的风向，并用于风力发电机组的偏航对风控制，实现了风电机组更准确的偏航对风效果，提高了风电机组的发电性能。
21.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
22.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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一些实施例，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，还可以根据这些附图获得其他的附图。
23.图1是根据本发明实施例一提供的一种风电机组的风向测量偏差识别方法的流程图；
24.图2是根据本发明实施例二提供的一种风电机组的风向测量偏差识别方法的流程图；
25.图3是根据本发明实施例三提供的一种风电机组的风向测量偏差识别方法的流程图；
26.图4是根据本发明实施例四提供的一种风电机组的风向测量偏差识别装置的结构示意图；
27.图5是实现本发明实施例的风电机组的风向测量偏差识别方法的电子设备的结构示意图。
具体实施方式
28.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
29.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”和“参考”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
30.实施例一
31.图1为根据本发明实施例一提供的一种风电机组的风向测量偏差识别方法的流程图，本实施例可适用于对风电机组的风向测量偏差识别的情况，该方法可以由风电机组的风向测量偏差识别装置来执行，该风电机组的风向测量偏差识别装置可以采用硬件和/或软件的形式实现，该风电机组的风向测量偏差识别装置可配置于任何具有网络通信功能的电子设备中。如图1所示，该方法包括：
32.s110、确定风力发电机组的多个参考运行信息；所述参考运行信息包括在参考预设时间段测量的参考功率、参考风速与参考风向。
33.其中，参考预设时间段可以是预设历史时间段或预设在线时间段。
34.具体的，风电机组在运行过程中的数据可以存储电子设备中，在需要运行数据时，可以从电子设备的存储中提取参考预设时间段的风电机组的数据，经过处理后确定参考运行信息；或者在预设在线时间段内实时获取生成的运行数据。
35.s120、通过对各个所述参考运行信息对应的功率、风速与风向进行曲面拟合得到所述风力发电机组的参考运行特性曲面信息。
36.可选的，曲面拟合可以是利用三维曲面拟合算法将不同的二维数据进行拟合三维曲面，其中，三维曲面拟合算法可以包括最小移动二乘曲面拟合算法。例如，利用最小移动二乘曲面拟合算法对功率、风速与风向进行拟合，获得风力发电机组的参考运行特性曲面信息。具体的，最小移动二乘曲面拟合算法的节点拟合函数为：
[0037][0038]
其中，aj(x
node
)为一组系数向量函数，pj(x)为基函数。针对大量离散数据的分布较为杂乱时，应用此方法对数据进行分段拟合，可以避免相邻分段上的拟合曲线不连续不平滑的问题。
[0039]
一个可行的实施例中，通过对各个所述参考运行信息对应的功率、风速与风向进行曲面拟合得到所述风力发电机组的参考运行特性曲面信息，可包括步骤a1-a2：
[0040]
步骤a1、利用三维曲面拟合算法对所述风力发电机组各个参考运行信息对应的功
率、风速与风向进行三维曲面拟合，得到所述风力发电机组的历史运行特性曲面信息；所述参考运行信息对应参考时间段为预设历史时间段；
[0041]
步骤a2、将所述历史运行特性曲面信息确定为所述风力发电机组的参考运行特性曲面信息。
[0042]
具体的，确定预设历史时间段的各个参考运行信息对应的功率、风速与风向，可以通过三维曲面拟合算法进行拟合，得到风力发电机组的历史运行特性曲面信息，并将历史运行特性曲面信息确定为风力发电机组的参考运行特性曲面信息。例如，可以利用最小移动二乘曲面拟合算法对确定的预设历史时间段的各个参考运行信息对应的功率、风速与风向进行拟合，以获得风力发电机组的历史运行特性曲面信息，并将其确认为风力发电机组的参考运行特性曲面信息。
[0043]
本技术方案，通过对预设历史时间段的各个参考运行信息对应的功率、风速与风向进行三维曲面拟合，使杂乱的信息整齐化。
[0044]
一个可行的实施例中，通过对各个所述参考运行信息对应的功率、风速与风向进行曲面拟合得到所述风力发电机组的参考运行特性曲面信息，可包括步骤b1-b2：
[0045]
步骤b1、利用三维曲面拟合算法对所述风力发电机组各个参考运行信息对应的功率、风速与风向进行三维曲面拟合，得到所述风力发电机组的在线运行特性曲面信息；所述参考运行信息对应参考时间段为预设在线时间段；
[0046]
步骤b2、将所述风力发电机组的在线运行特性曲面信息与上一次曲面拟合得到所述风力发电机组的参考运行特性曲面信息进行加权，得到经过在线运行数据优化的所述风力发电机组的参考运行特性曲面信息。
[0047]
其中，预设在线时间段的参考运行信息为风电机组在预设在线时间段获取的风电机组的运行信息，即风电机组最新的运行信息或在线运行数据。
[0048]
具体的，根据本发明实施例对获取的风电机组历史运行数据进行风向测量偏差识别，通常风向测量偏差值约3
°
～8
°
，由于历史运行数据中的风向数据分布量以0
°
为对称中心呈正态分布，识别的风向测量偏差值附近数据量相对较少，为了能够更精准的判断风向测量偏差，同时也考虑风电机组在实际运维过程中，可能发生风向标安装位置调整或更换风向标导致的风向测量偏差发生变化，需要对在线运行数据进行积累存储并达到需求数量级数据后，通过对在线运行数据进行分析处理获得在线运行特性曲面信息。即确定预设在线时间段内的风力发电机组各个参考运行信息对应的功率、风速与风向，并利用三维曲面拟合算法对其进行三维曲面拟合，以获得风力发电机组的在线运行特性曲面信息，例如使用最小移动二乘曲面拟合算法对功率、风速与风向进行拟合。再将风力发电机组的在线运行特性曲面信息与上一次曲面拟合得到风力发电机组的参考运行特性曲面信息进行加权，得到经过在线运行数据优化的风力发电机组的参考运行特性曲面信息。
[0049]
本技术方案，通过获取的预设在线时间段的参考运行信息对参考运行特性曲面信息进行优化和更新，可以使得参考运行特性曲面信息更加准确可靠，更有利于后续对风向测量偏差特性曲线信息的确认，使风向测量偏差结果更加准确。在得到上述参考运行特性曲面信息后，随着时间推移会继续生成新的在线运行特性曲面信息，参考运行特性曲面信息可随着时间推移，持续通过在线运行特性曲面信息的迭代加权对参考运行特性曲面信息进行实时优化和更新。
[0050]
一个可行的实施例中，将所述风力发电机组的在线运行特性曲面信息与上一次曲面拟合得到所述风力发电机组的参考运行特性曲面信息进行加权，可以包括：确定在线运行特性曲面信息的权重与上一次参考运行特性曲面信息的权重，其中在线运行特性曲面信息的权重与上一次参考运行特性曲面信息的权重相加为1，按照权重比例将在线运行特性曲面信息与上一次曲面拟合得到所述风力发电机组的参考运行特性曲面信息进行加权。具体公式如下：
[0051]fnew
(v,r,p)＝(1-w)*f
off
(v,r,p)+w*f
on
(v,r,p)
[0052]
其中，f
new
、f
off
和f
on
分别为参考运行特性曲面信息、上一次参考运行特性曲面信息与在线运行特性曲面信息，v、r和p分别为风速、风向和功率，(1-w)为上一次参考运行特性曲面信息对应的权重，w为在线运行特性曲面信息对应的权重。
[0053]
另一个可行的实施例中，将所述风力发电机组的在线运行特性曲面信息与上一次曲面拟合得到所述风力发电机组的参考运行特性曲面信息进行加权，可包括步骤c1-c3：
[0054]
步骤c1、确定上一次曲面拟合得到所述风力发电机组的参考运行特性曲面信息对应的第一数据量与在线运行特性曲面信息对应的第二数据量；第一数据量为上一次曲面拟合风电机组的运行数据的数据量，第二数据量为在线时间段内风电机组的运行数据的数据量；
[0055]
步骤c2、计算第一数据量占第一数据量与第二数据量总和的第一权重，以及计算第二数据量占第一数据量与第二数据量总和的第二权重；
[0056]
步骤c3、依据所述第一权重与所述第二权重将所述风力发电机组的在线运行特性曲面信息与参考运行特性曲面信息进行加权。
[0057]
具体的，确定了上一次参考运行特性曲面信息对应的第一数据量与在线运行特性曲面信息对应的第二数据量后，计算第一权重和第二权重，最后依据第一权重与第二权重将风力发电机组的在线运行特性曲面信息与上一次曲面拟合得到所述风力发电机组的参考运行特性曲面信息进行加权，获得风力发电机组的参考运行特性曲面信息。实例的，可以利用权重拟合公式对风力发电机组的在线运行特性曲面信息与上一次曲面拟合得到所述风力发电机组的参考运行特性曲面信息进行加权，其中，权重拟合公式为：
[0058][0059]
其中，f
new
、f
off
和f
on
分别为参考运行特性曲面信息、上一次参考运行特性曲面信息与在线运行特性曲面信息，v、r和p分别为风速、风向和功率，n
off
为上一次参考运行特性曲面信息对应的第一数据量，n
on
为线运行特性曲面信息对应的第二数据量。
[0060]
本技术方案，利用权重拟合公式对风力发电机组的在线运行特性曲面信息与上一次曲面拟合得到所述风力发电机组的参考运行特性曲面信息进行加权，可以更加准确的获得风力发电机组的参考运行特性曲面信息。
[0061]
s130、依据所述参考运行特性曲面信息确定所述风力发电机组的参考风向测量偏差特性曲线信息；所述风向测量偏差特性曲线信息用于描述风速与受对应风速下的风力发电机组最大功率点对应的风向测量偏差之间关系的连续曲线。
[0062]
具体的，参考风向测量偏差特性曲线信息可包括在不同实际风速下对应的风电机组的风向测量偏差，即给出了风速与风向测量偏差之间的映射关系，且在此风向测量偏差
角度下，风电机组可以获取最大风能达到最大功率。将实际风速输入到参考风向测量偏差特性曲线信息中，输出对应的风电机组的风向测量偏差，以便进一步的修正测量风向，使得校正后的风向与实际风向之间的平均误差在预设误差范围内，比如平均误差小于预设误差值，将校正后的风向用于偏航控制中，实现更准确的偏航对风，获取更大风能，提高风电机组的发电量和风电机组的发电效率。
[0063]
s140、依据参考风向测量偏差特性曲线信息对所述风力发电机组进行风向测量偏差识别和校正。
[0064]
具体的，利用确定的参考风向测量偏差特性曲线信息，得到风速与风向测量偏差之间的映射关系，即将实际风速输入到参考风向测量偏差特性曲线中，输出风向测量偏差。对实际测量风向进行测量偏差校正补偿，使得校正后的风向与实际风向之间的平均误差在预设误差范围内，比如平均误差小于预设误差值，将校正后的风向用于偏航控制中，实现更准确的偏航对风，获取更大风能，提高风电机组的发电量和风电机组的发电效率。
[0065]
一个可行的实施例中，依据参考风向测量偏差特性曲线信息对所述风力发电机组进行风向测量偏差识别，可包括如下步骤d1-d2：
[0066]
步骤d1、依据参考风向测量偏差特性曲线信息，确定在目标时间点测量的目标风速下所述风力发电机组对应风向测量偏差；
[0067]
步骤d2、依据目标风速下所述风力发电机组对应的风向测量偏差对目标风速下测量的风向进行校正，得到校正后的风向，并用于风力发电机组的偏航对风控制。
[0068]
其中，目标风速可以是在获取实际风速后，对实际风速进行基准处理，使实际风速统一为基准空气密度下的风速。依据目标风速下所述风力发电机组对应的风向测量偏差和目标风速下测量的风向，进而得到校正后的风向，并用于风力发电机组的偏航对风控制，实现了风电机组更准确的偏航对风效果，提高了风电机组的发电性能。
[0069]
通过参考风向测量偏差特性曲线信息，确定在目标时间点测量的目标风速下风力发电机组对应风向测量偏差，依据目标风速下所述风力发电机组对应的风向测量偏差和目标风速下测量的风向，确定校正后的风向，并用于风力发电机组的偏航对风控制，实现了风电机组更准确的偏航对风效果，提高了风电机组的发电性能。
[0070]
本技术方案，在确定了参考风向测量偏差特性曲线信息后，可以在参考风向测量偏差特性曲线信息上确定在目标时间点测量的目标风速下风力发电机组对应风向测量偏差，而传统风向测量偏差识别仅能获得所有风速下对应的一个风向测量偏差，因此，本发明可以更加准确的识别不同目标风速下的风向测量偏差，另外，通过实时获取的风电机组在线运行数据对参考风向测量偏差特性曲线信息进行优化与更新，使得用于对风向测量偏差进行判断的参考风向测量偏差特性曲线信息更加符合风电机组实际运行情况，因此，得到的风向测量偏差更加准确。
[0071]
本发明实施例的技术方案，通过确定风力发电机组的多个参考运行信息，通过对各个所述参考运行信息对应的功率、风速与风向进行曲面拟合得到风力发电机组的参考运行特性曲面信息；依据参考运行特性曲面信息确定风力发电机组的参考风向测量偏差特性曲线信息；风向测量偏差特性曲线信息用于描述风速与受对应风速下的风力发电机组最大功率点对应的风向测量偏差之间关系的连续曲线；依据参考风向测量偏差特性曲线信息对风力发电机组进行风向测量偏差识别和校正，并通过对测量的风向进行校正，进而得到校
正后的风向，并用于风力发电机组的偏航对风控制，实现了风电机组更准确的偏航对风效果，提高了风电机组的发电性能。
[0072]
实施例二
[0073]
图2为根据本发明实施例二提供的一种风电机组的风向测量偏差识别方法的流程图，本实施例是对实施例一中的s110做详细的描述。如图2所示，该方法包括：
[0074]
s210、获取在参考预设时间段测量的风力发电机组的初始运行信息。
[0075]
具体的，风电机组在运行过程中的数据存储在后台数据中心，从后台数据中心提取参考预设时间段的风电机组的初始运行信息。
[0076]
s220、对所述初始运行信息进行预处理得到所述参考运行信息；其中，所述预处理包括剔除所述初始运行信息中的不可利用运行信息，和/或对所述初始运行信息进行基准处理。
[0077]
可选的，异常运行信息包括以下至少一项：风电机组待机数据、风电机组启停机数据、风电机组限功率数据、风电机组通讯异常数据、风电机组故障运行数据与离群运行数据。基准处理包括将初始运行信息中的初始风速统一处理成基准空气密度下的参考风速。
[0078]
其中，基准空气密度可以是指在0℃和1个标准大气压下，单位体积空气所具有的质量，为1.225kg/m3。
[0079]
可选的，初始运行信息是风电机组在运行过程中的运行数据，而风电机组运行情况复杂，例如运行在不同风况下，对应的不同风况下的空气密度不同，例如初始运行信息中的风速就不在同一个空气密度下，因此在风速之间进行比较时会受到空气密度等影响，故将初始运行信息中的初始风速统一处理成基准空气密度下的参考风速。
[0080]
具体的，计算初始风速对应的初始空气密度，根据初始风速对应的初始空气密度和基准空气密度计算参考风速。初始空气密度的计算公式为：
[0081][0082]
其中，ρ为初始空气密度，b为大气气压，r为气体常数，取287j/(kg*k)，t为环境温度。
[0083]
参考风速的计算公式为：
[0084][0085]
其中，v
*
为基准空气密度下的参考风速，v初始空气密度下的初始风速，ρ
*
为基准空气密度，为1.225kg/m3。
[0086]
一个可行的实施例中，对所述初始运行信息进行预处理，可包括如下步骤e1-e5：
[0087]
步骤e1、从所述初始运行信息中获取风力发电机组在待机时间段或者启停机时间段对应的运行数据并确定为风电机组待机数据与启停机数据进行剔除。
[0088]
步骤e2、从所述初始运行信息中获取风力发电机组在限功率时间段对应的运行数据并确定为风电机组限功率数据进行剔除。
[0089]
步骤e3、从所述初始运行信息中获取风力发电机组在通讯异常时间段对应的运行数据并确定为风电机组通讯异常数据。
[0090]
步骤e4、从所述初始运行信息中获取风力发电机组在故障时间段对应的运行数据
并确定为故障运行数据进行剔除。
[0091]
步骤e5、从所述初始运行信息绘制的初始运行特性曲面中获取目标密度区域的运行数据并确定为离群运行数据进行剔除；所述目标密度区域的运行数据包括在邻域距离阈值内的邻域中运行数据个数阈值低于预设个数的运行数据。其中，风电机组待机数据可以是风电机组在待机时间段对应的数据，例如，风电机组发电功率为零或桨叶角度处于停机位置的数据。风电机组启停机数据可以是风电机在启停机时间段的数据，例如，风电机启机升功率阶段和停机降功率阶段的数据。风电机组限功率数据可以是风电机在限功率时间段的数据，例如风电机组未满发且桨叶角度未处于最优桨距角的数据。风电机组通讯异常数据可以是风电机组通讯异常时间段的数据，例如，数据中心跳信号异常或数据持续不变的数据。
[0092]
具体的，初始运行信息中包含的风电机组待机数据、风电机组启停机数据、风电机组限功率数据、风电机组通讯异常数据、风电机组故障运行数据和离群运行数据，会导致拟合得到的参考运行特性曲面精确度不高，进而影响风向测量偏差识别结果，所以需要对异常运行信息进行剔除。示例的，对于离群运行数据可以利用改进的dbscan(density-based spatial clustering of applications with noise)聚类算法进行剔除，其中，dbscan聚类算法是基于一组参数来描述样本的紧密程度，而基于改进的dbscan聚类算法可以自适应选择该组参数，从而可以精确地获取离群运行数据，并将离群数据剔除。
[0093]
本技术方案，通过对初始运行信息进行预处理，确保了参考运行信息中的没有异常运行信息，且dbscan聚类算法可以更加精准的定位离群运行数据并将离群运行数据进行剔除，可以更加精准的保证参考运行信息的准确性，有利于后续通过拟合确定参考运行特性曲面。此外，对初始运行信息进行基准处理后，可以将初始运行信息中的初始风速统一处理成基准空气密度下的参考风速，可以有效地进行参考风速的比对。
[0094]
实施例三
[0095]
图3是根据本发明实施例三提供的一种风电机组的风向测量偏差识别方法的流程图。本实施例是对实施例一中的s130做详细的描述。如图3所示，该方法包括：
[0096]
s310、以预设风速值为步长在不同离散风速工况下对所述参考运行特性曲面进行切割，得到不同离散风速工况下对应的切割曲线。
[0097]
其中，预设风速值是用于切割参考运行特性曲面信息的步长。取预设风速值在预设范围内，可以确保得到的不同离散风速工况下对应的切割曲线更多，进而可以使得到的数据更加具有代表性，预设范围可以根据实际需要获取的数据量设置，例如实际获取的风速范围为0-15m/s，可以设置预设范围为0.1m/s-1.0m/s，预设风速值可以选择在此范围内的任一风速值。例如预设风速值为0.5m/s，那么可以以0.5m/s为步长切割运行特性曲面，以获得0.5m/s、1m/s和1.5m/s等多个离散风速工况下对应的切割曲线。
[0098]
s320、针对不同离散风速工况下对应切割曲线，利用回归方法对切割曲线重新进行拟合优化，利用优化后的切割曲线上功率最大值对应的风向得到该切割曲线对应离散风速工况下风力发电机组达到功率最大值时的风向测量偏差。
[0099]
具体的，以预设风速值为步长切割运行特性曲面，以获得的不同离散风速工况下对应的切割曲线，从切割曲线上可以获得多个功率和风向。而理论上实际风向越趋近于0度，风电机组的叶轮迎风面越大，风力发电机组能捕获更多风能，输出的功率越大，因此选
择切割曲线上功率最大值对应的风向值来作为风向测量偏差值。
[0100]
示例的，预设风速值步长为0.5m/s，确定0.5m/s、1m/s和1.5m/s等多个离散风速工况下对应的切割曲线，根据切割曲线可以得到离散风速0.5m/s、1m/s和1.5m/s等对应的多个功率和多个风向，选取切割曲线上功率最大值对应的风向，则有离散风速0.5m/s、1m/s和1.5m/s等分别对应的功率最大值对应的风向为3
°
、3.5
°
和3.8
°
等，那么风向3
°
、3.5
°
和3.8
°
等就作为风向测量偏差。
[0101]
s330、利用回归方法将不同离散风速工况下所述风力发电机组达到功率最大值时的风向测量偏差拟合为所述风力发电机组的参考风向测量偏差特性曲线信息。
[0102]
其中，回归方法可以是移动最小二乘法曲线拟合算法。
[0103]
示例的，离散风速0.5m/s、1m/s和1.5m/s等分别在最大功率对应的风向测量偏差为3
°
、3.5
°
和3.8
°
等，则可以根据(0.5m/s，3
°
)、(1m/s，3.5
°
)和(1.5m/s，3.8
°
)等通过回归方法进行拟合，获得风力发电机组的参考风向测量偏差特性曲线信息。
[0104]
本技术方案，在确定参考风向测量偏差特性曲线信息后，根据每个实际风速在参考风向测量偏差特性曲线信息上对应一个风向测量偏差，可以准确的识别不同实际风速下的风向测量偏差，另外，在得到上述参考运行特性曲面信息后，随着时间推移，参考风向测量偏差特性曲线信息与实际情况相比可能会变得不准确，因此通过实时获取的风电机组在线运行数据继续生成新的在线运行特性曲面信息，参考运行特性曲面信息可随着时间推移，持续通过在线运行特性曲面信息的迭代加权对参考运行特性曲面进行优化和更新，使得用于确定风向测量偏差的参考风向测量偏差特性曲线信息更加符合风电机组实际运行情况。
[0105]
实施例四
[0106]
图4为根据本发明实施例四提供的一种风电机组的风向测量偏差识别装置的结构示意图。如图4所示，该装置包括：
[0107]
第一信息确定模块410，用于确定风力发电机组的多个参考运行信息；所述参考运行信息包括在参考时间段测量的参考功率、参考风速与参考风向；
[0108]
第二信息确定模块420，用于通过对各个所述参考运行信息对应的功率、风速与风向进行曲面拟合得到所述风力发电机组的参考运行特性曲面信息；
[0109]
第三信息确定模块430，用于依据所述参考运行特性曲面信息确定所述风力发电机组的参考风向测量偏差特性曲线信息；所述风向测量偏差特性曲线信息用于描述风速与受对应风速下的风力发电机组最大功率点对应的风向测量偏差之间关系的连续曲线；
[0110]
控制模块440，用于依据参考风向测量偏差特性曲线信息对所述风力发电机组进行风向测量偏差识别和校正。
[0111]
可选的，第一信息确定模块，具体用于：
[0112]
获取在参考预设时间段测量的风力发电机组的初始运行信息；
[0113]
对所述初始运行信息进行预处理得到所述参考运行信息；
[0114]
其中，所述预处理包括剔除所述初始运行信息中的异常运行信息和/或对所述初始运行信息进行基准处理；所述异常运行信息包括以下至少一项：风电机组待机数据、风电机组启停机数据、风电机组限功率数据、风电机组通讯异常数据、风电机组故障运行数据与离群运行数据，所述基准处理包括将初始运行信息中的初始风速统一处理成基准空气密度
下的参考风速。
[0115]
可选的，第一信息确定模块还包含预处理单元，具体用于：
[0116]
从所述初始运行信息中获取风力发电机组在待机时间段或者启停机时间段对应的运行数据并确定为风电机组待机数据与启停机数据进行剔除；
[0117]
从所述初始运行信息中获取风力发电机组在限功率时间段对应的运行数据并确定为风电机组限功率数据进行剔除；
[0118]
从所述初始运行信息中获取风力发电机组在通讯异常时间段对应的运行数据并确定为风电机组通讯异常数据进行剔除；
[0119]
从所述初始运行信息中获取风力发电机组在故障时间段对应的运行数据并确定为故障运行数据进行剔除；
[0120]
从所述初始运行信息绘制的初始运行特性曲面中获取目标密度区域的运行数据并确定为离群运行数据进行剔除；所述目标密度区域的运行数据包括在邻域距离阈值内的邻域中运行数据个数阈值低于预设个数的运行数据。
[0121]
可选的，第二信息确定模块，具体用于：
[0122]
利用三维曲面拟合算法对所述风力发电机组的各个参考运行信息对应的功率、风速与风向进行三维曲面拟合，得到所述风力发电机组的历史运行特性曲面信息；所述参考运行信息对应参考时间段为预设历史时间段；
[0123]
将所述历史运行特性曲面信息确定为所述风力发电机组的参考运行特性曲面信息。
[0124]
可选的，第二信息确定模块，具体用于：
[0125]
利用三维曲面拟合算法对所述风力发电机组各个参考运行信息对应的功率、风速与风向进行三维曲面拟合，得到所述风力发电机组的在线运行特性曲面信息；所述参考运行信息对应参考时间段为预设在线时间段；
[0126]
将所述风力发电机组的在线运行特性曲面信息与上一次曲面拟合得到所述风力发电机组的参考运行特性曲面信息进行加权，得到经过在线运行数据优化的所述风力发电机组的参考运行特性曲面信息。
[0127]
可选的，第二信息确定模块包含运算单元，具体用于：
[0128]
确定上一次曲面拟合得到所述风力发电机组的参考运行特性曲面信息对应的第一数据量与在线运行特性曲面信息对应的第二数据量；第一数据量为上一次曲面拟合风电机组的运行数据的数据量，第二数据量为在线时间段内风电机组的运行数据的数据量；
[0129]
计算第一数据量占第一数据量与第二数据量总和的第一权重，以及计算第二数据量占第一数据量与第二数据量总和的第二权重；
[0130]
依据所述第一权重与所述第二权重将所述风力发电机组的在线运行特性曲面信息与上一次曲面拟合得到所述风力发电机组的参考运行特性曲面信息进行加权。
[0131]
可选的，第三信息确定模块，具体用于：
[0132]
以预设风速值为步长在不同离散风速工况下对所述参考运行特性曲面进行切割，得到不同离散风速工况下对应的切割曲线；
[0133]
针对不同离散风速工况下对应切割曲线，利用回归方法对切割曲线重新进行拟合优化，利用优化后的切割曲线上功率最大值对应的风向得到该切割曲线对应离散风速工况
下风力发电机组达到功率最大值时的风向测量偏差；
[0134]
利用回归方法将不同离散风速工况下所述风力发电机组达到功率最大值时的风向测量偏差拟合为所述风力发电机组的参考风向特性曲线信息。
[0135]
可选的，控制模块，具体用于：
[0136]
依据参考风向测量偏差特性曲线信息，确定在目标时间点测量的目标风速下所述风力发电机组对应风向测量偏差；
[0137]
依据目标风速下所述风力发电机组对应的风向测量偏差对目标风速下测量的风向进行校正，得到校正后的风向，并用于风力发电机组的偏航对风控制。
[0138]
本发明实施例中所提供的风电机组的风向测量偏差识别装置可执行上述本发明任意实施例中所提供的风电机组的风向测量偏差识别方法，具备执行该风电机组的风向测量偏差识别方法相应的功能和有益效果，详细过程参见前述实施例中风电机组的风向测量偏差识别方法的相关操作。
[0139]
实施例五
[0140]
图5示出了可以用来实现本发明实施例的风电机组的风向测量偏差识别方法的电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
[0141]
如图5所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
[0142]
电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0143]
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如风电机组的风向测量偏差识别方法。
[0144]
在一些实施例中，风电机组的风向测量偏差识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的风电机组的风向测量偏差
识别方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行风电机组的风向测量偏差识别方法。
[0145]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0146]
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0147]
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0148]
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0149]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
[0150]
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云
主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
[0151]
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
[0152]
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。