[發明專利]基于風機相互預警的虛擬激光雷達系統及方法

在審

• 申請號: 202011274875.2
• 申請日: 2020-11-16
• 公開（公告）號: CN112215305A
• 公開（公告）日: 2021-01-12
• 發明（設計）人: 卜宏達;謝洪亮;王林鵬;葛亮
• 申請（專利權）人: 遠景能源有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G01S7/48;G01S17/95
• 代理公司: 上海智晟知識產權代理事務所(特殊普通合伙) 31313
• 代理人: 李鏑的

1.一種基于風機相互預警的虛擬激光雷達系統，其特征在于，包括：

風場部署數據模塊，被配置為獲取風場內在主風向上間隔排布的風機的前后關系；

風速傳遞特性模塊，被配置為獲取風場所在的地區風速在主風向上的傳遞特性；

風場運行數據模塊，被配置為獲取風場實際運行數據；以及

神經網絡模塊，被配置為根據風場內在主風向上間隔排布的風機的前后關系、風速在主風向上的傳遞特性、以及風場運行數據，捕獲風機間的風速關系，以代替物理激光雷達預測陣風。

2.如權利要求1所述的基于風機相互預警的虛擬激光雷達系統，其特征在于，所述神經網絡模塊包括循環神經網絡模型和圖神經網絡模型；

循環神經網絡模型和圖神經網絡模型為根據風場內在主風向上間隔排布的風機的前后關系、以及風速在主風向上的傳遞特性形成；

所述神經網絡模塊利用風場實際運行數據訓練循環神經網絡模型和圖神經網絡模型，進行風速時空預測，并使用其它時間段的風場實際運行數據進行驗證。

3.如權利要求2所述的基于風機相互預警的虛擬激光雷達系統，其特征在于，所述風場實際運行數據為秒級風速檢測數據；

所述神經網絡模塊捕獲風機間的風速關系包括：根據秒級風速檢測數據，獲取各個風機的秒級風速檢測數據的相關性，并根據各個風機的秒級風速檢測數據的相關性，獲取整個風場的流場信息。

4.如權利要求3所述的基于風機相互預警的虛擬激光雷達系統，其特征在于，所述風速在主風向上的傳遞特性為風機間的相互預警特性；

所述神經網絡模塊結合風場內在主風向上間隔排布的風機的前后關系，利用時間序列深度學習算法對秒級風速檢測數據進行訓練，建立特定風場流場模型，并基于特定風場流場模型實時預測每臺風機在未來數十秒的風速趨勢信息，并利用風機間的相互預警特性實現虛擬激光雷達。

5.如權利要求2所述的基于風機相互預警的虛擬激光雷達系統，其特征在于，進行風速時空預測包括：

使用本風機風速歷史數據和其他風機風速歷史數據進行深度學習，利用循環神經網絡門回歸單元捕捉時間序列前后關系，包括：

z_t＝σ(W_zx_t+U_zh_t-1)

r_t＝σ(W_tx_t+U_th_t-1)

Z_t是更新門，表示上一個時刻信息是否需要更新；

r_t是重置門，表示上一個時刻信息是否需要重置；

是候選輸出，接收x_t、h_t-1的時刻信息；

h_t是門回歸單元的隱層輸出，接收h_t-1、h_t的時刻信息；

通過門回歸單元的訓練捕捉時間序列上的前后關系，通過本風機風速歷史數據和其他風機風速歷史數據預測未來風速數據。

6.如權利要求2所述的基于風機相互預警的虛擬激光雷達系統，其特征在于，進行風速時空預測還包括：

通過圖神經網絡捕捉空間節點之間的相互關系，獲取空間節點之間的相互關系中數據流動的規律；

G＝(V，E)，V是圖中的邊集，E為圖中的節點集，E中每一個節點的屬性受到相連節點屬性的影響；

X是原節點屬性，A是鄰接矩陣，Z是變換后節點屬性，I是對角矩陣，對于一個兩層的圖神經網絡，激活函數分別采用ReLU和Softmax；

7.如權利要求1所述的基于風機相互預警的虛擬激光雷達系統，其特征在于，通過其余風機的t時刻風速及風機相互位置關系預測某臺風機t+Δt時刻的風速，在某一風向上，除去風速衰減，第一風機在t時刻的風速等于第二風機在t+Δt時刻的風速，Δt≈d/ws，其中，d為兩臺風機之間的距離，ws為第一風機在t時刻的風速。