风力发电机组的异常预测方法和装置、存储介质与流程

本公开涉及风机领域，更具体地，涉及一种风力发电机组的异常预测方法和装置、存储介质。

背景技术：

1、风参对于风力发电机组的运行状态有重要影响，极端风况产生的大风、强风速与风向切变、强上升运动与不稳定湍流严重威胁着风力发电机组的安全运行，是对机组稳固性与载荷能力的极大挑战。风力发电机组的异常荷载与异常振动会导致机组极限载荷，长期会导致机组疲劳载荷等运行故障，甚至叶片扫塔与倒塔等事故，带来较大的经济损失，甚至人员伤亡。因此，预测不同天气条件下风力发电机组的运行状态，以便及时做好应对，具有重要的安全和经济意义。

2、相关技术中，对于机组异常与故障的分析多基于部件损坏现场调查信息、机组运行数据、部件设计参数等。目前基于风参的机组异常研究很少，针对极端风况下风机异常的预测、预警能力非常有限。

技术实现思路

1、因此，如何准确模拟出风参，并据此预测机组异常，对于可靠预测极端天气造成的机组异常，至关重要。

2、在一个总的方面，提供一种风力发电机组的异常预测方法，包括：获取所述风力发电机组的机位点的地形数据和气象数据；根据所述地形数据和所述气象数据，通过大涡模拟确定风参时序数据；根据所述风参时序数据，确定机组载荷数据；根据所述机组载荷数据，预测所述风力发电机组是否发生异常。

3、可选地，所述地形数据和所述气象数据的空间分辨率大于或等于预设空间分辨率，所述气象数据的时间分辨率大于或等于预设时间分辨率。

4、可选地，所述获取所述风力发电机组的机位点的地形数据和气象数据，包括：基于所述风力发电机组的机位点，确定待模拟空间；针对所述待模拟空间，获取空间分辨率大于或等于所述预设空间分辨率的所述地形数据；获取所述待模拟空间在目标时段的地面气象观测数据和气象预测数据，按照目标时间分辨率和目标空间分辨率，对所述地面气象观测数据进行四维同化处理，得到所述气象数据，其中，所述目标时间分辨率大于或等于所述预设时间分辨率，所述目标空间分辨率大于或等于所述预设空间分辨率。

5、可选地，所述根据所述地形数据和所述气象数据，通过大涡模拟确定风参时序数据，包括：构建所述待模拟空间的模拟网格，并在所述模拟网格的目标高度范围内，按照预设规则增加网格数量；基于所述地形数据和所述气象数据，对所述模拟网格进行大涡模拟计算，得到所述风参时序数据。

6、可选地，所述根据所述风参时序数据，确定机组载荷数据，包括：将所述风参时序数据输入计算流体力学模型和计算结构力学模型，得到所述机组载荷数据。

7、可选地，所述根据所述机组载荷数据，预测所述风力发电机组是否发生异常，包括：通过将所述机组载荷数据输入预训练的异常预测模型，预测所述风力发电机组是否发生异常。

8、可选地，所述预训练的异常预测模型通过以下步骤训练得到：获取参考风力发电机组的历史异常数据，以及与所述历史异常数据相对应的参考地形数据和历史气象数据；根据所述参考地形数据和所述历史气象数据，通过大涡模拟确定历史风参时序数据；根据所述历史风参时序数据，确定历史机组载荷数据；将所述历史机组载荷数据输入待训练的异常预测模型，得到历史异常预测数据；根据所述历史异常数据和所述历史异常预测数据，调整所述待训练的异常预测模型的参数，得到所述预训练的异常预测模型。

9、可选地，所述风参时序数据包括叶轮范围内多个预设高度的目标参数的时序数据，所述目标参数包括以下至少之一：水平风速、风向、垂直速度、风切变、湍流强度。

10、可选地，所述机组载荷数据包括以下至少之一：叶片载荷数据、塔架载荷数据，其中，所述叶片载荷数据包括以下至少之一：叶片摆振弯矩、叶片挥舞弯矩，所述塔架载荷数据包括以下至少之一：塔顶俯仰弯矩、塔顶倾覆弯矩、塔顶扭矩、塔底俯仰弯矩、塔底倾覆弯矩。

11、在另一总的方面，提供一种风力发电机组的异常预测装置，包括：获取单元，被配置为获取所述风力发电机组的机位点的地形数据和气象数据；计算单元，被配置为根据所述地形数据和所述气象数据，通过大涡模拟确定风参时序数据；所述计算单元还被配置为根据所述风参时序数据，确定机组载荷数据；预测单元，被配置为根据所述机组载荷数据，预测所述风力发电机组是否发生异常。

12、可选地，所述地形数据和所述气象数据的空间分辨率大于或等于预设空间分辨率，所述气象数据的时间分辨率大于或等于预设时间分辨率。

13、可选地，所述获取单元还被配置为：基于所述风力发电机组的机位点，确定待模拟空间；针对所述待模拟空间，获取空间分辨率大于或等于所述预设空间分辨率的所述地形数据；获取所述待模拟空间在目标时段的地面气象观测数据和气象预测数据，按照目标时间分辨率和目标空间分辨率，对所述地面气象观测数据进行四维同化处理，得到所述气象数据，其中，所述目标时间分辨率大于或等于所述预设时间分辨率，所述目标空间分辨率大于或等于所述预设空间分辨率。

14、可选地，所述计算单元还被配置为：构建所述待模拟空间的模拟网格，并在所述模拟网格的目标高度范围内，按照预设规则增加网格数量；基于所述地形数据和所述气象数据，对所述模拟网格进行大涡模拟计算，得到所述风参时序数据。

15、可选地，所述计算单元还被配置为：将所述风参时序数据输入计算流体力学模型和计算结构力学模型，得到所述机组载荷数据。

16、可选地，所述预测单元还被配置为：通过将所述机组载荷数据输入预训练的异常预测模型，预测所述风力发电机组是否发生异常。

17、可选地，所述预训练的异常预测模型通过以下步骤训练得到：获取参考风力发电机组的历史异常数据，以及与所述历史异常数据相对应的参考地形数据和历史气象数据；根据所述参考地形数据和所述历史气象数据，通过大涡模拟确定历史风参时序数据；根据所述历史风参时序数据，确定历史机组载荷数据；将所述历史机组载荷数据输入待训练的异常预测模型，得到历史异常预测数据；根据所述历史异常数据和所述历史异常预测数据，调整所述待训练的异常预测模型的参数，得到所述预训练的异常预测模型。

18、可选地，所述风参时序数据包括叶轮范围内多个预设高度的目标参数的时序数据，所述目标参数包括以下至少之一：水平风速、风向、垂直速度、风切变、湍流强度。

19、可选地，所述机组载荷数据包括以下至少之一：叶片载荷数据、塔架载荷数据，其中，所述叶片载荷数据包括以下至少之一：叶片摆振弯矩、叶片挥舞弯矩，所述塔架载荷数据包括以下至少之一：塔顶俯仰弯矩、塔顶倾覆弯矩、塔顶扭矩、塔底俯仰弯矩、塔底倾覆弯矩。

20、在另一总的方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令被至少一个处理器运行时，促使所述至少一个处理器执行如上所述的异常预测方法。

21、在另一总的方面，提供一种计算机设备，包括：至少一个处理器；至少一个存储计算机可执行指令的存储器，其中，所述计算机可执行指令在被所述至少一个处理器运行时，促使所述至少一个处理器执行如上所述的异常预测方法。

22、本公开通过采用能够模拟不同尺度湍流的大涡模拟方法，结合地形数据和气象数据模拟出较为准确、详细的风参时序数据，并确定出准确、可靠的机组载荷数据，能够揭示机组异常的根本原因，进而实现可靠的异常预测。

23、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。