[發明專利]一種基于可量測參數的風電機組動態尾流建模方法

在審

• 申請號: 202110721721.1
• 申請日: 2021-06-28
• 公開（公告）號: CN113283200A
• 公開（公告）日: 2021-08-20
• 發明（設計）人: 陳振宇;林忠偉;李庚達;謝鎮;李雄威;徐家豪
• 申請（專利權）人: 華北電力大學;國家能源集團新能源技術研究院有限公司
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06K9/62;G06F113/06;G06F113/08;G06F119/14
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 楊媛媛

本發明涉及一種基于可量測參數的風電機組動態尾流建模方法，包括：獲取第一風電機組尾流數據集、第一尾流空間內多點采樣數據集、第一確定性狀態參數數據集、第二尾流空間內多點采樣數據集和第二確定性狀態參數數據集；利用特征值分解得到第一風電機組尾流數據集和第一尾流空間內多點采樣數據集的左特征向量；進而對第一風電機組尾流數據集、第一尾流空間內多點采樣數據集和第二尾流空間內多點采樣數據集進行降維映射；再根據上述結果確定狀態更新矩陣和降維重構矩陣，從而得到風電機組尾流降維模型，并對其進行升維映射得到全維風電機組尾流的估計。本發明構建動態模型的狀態量為具有物理意義且可測量的尾流相關參數。

技術領域

本發明涉及風電機組尾流建模領域，特別是涉及一種基于可量測參數的風電機組動態尾流建模方法。

背景技術

本發明主要涉及的領域為：風電機組尾流建模。以此為關鍵詞的相關研究很多，如發明專利202110237938.5、202011109217.8、201710021657.X，相關論文有Frandsen:Analytical modelling of wind speed deficit in large offshore wind farms,Bastankhah M:Experimental and theoretical study of wind turbine wakes inyawed conditions等為代表。

本專利為一種風電機組動態尾流的建模方法，在這一領域內主要方法為動態模態分解方法(DMD)，介紹如：Dynamic mode decomposition:data-driven modeling ofcomplex systems，已有的基于DMD的風電機組動態尾流建模應用如：Data-driven reducedorder model for prediction of wind turbine wakes。

第一段所述的風電機組尾流建模，以Frandsen和高斯為代表的風電機組尾流模型是對風電機組尾流空間分布與速度分布等靜態特征提取和近似，在此基礎上，以第二段所述的DMD方法用于構建線性降維的動態尾流模型，其本質是對非線性流體的線性有限維近似。本專利提出一種基于Koopman算子理論的風電機組動態尾流建模方法，構建得到的尾流動態模型形式與DMD得到的模型相似，均是一種線性狀態空間模型。區別在于，本專利構建動態模型的狀態量為具有物理意義且可測量的尾流相關參數，而DMD尾流模型的狀態參數從全局尾流數據降階而來，沒有物理意義且不可量測。

發明內容

本發明的目的是提供一種基于可量測參數的風電機組動態尾流建模方法，構建動態模型的狀態量為具有物理意義且可測量的尾流相關參數。

為實現上述目的，本發明提供了如下方案：

一種基于可量測參數的風電機組動態尾流建模方法，包括：

從某一時刻開始獲取一定時間內的第一風電機組尾流數據、第一尾流空間內多點采樣數據和第一確定性狀態參數數據；

根據所述第一風電機組尾流數據、第一尾流空間內多點采樣數據和第一確定性狀態參數數據分別構建第一風電機組尾流數據集、第一尾流空間內多點采樣數據集和第一確定性狀態參數數據集；

從所述某一時刻的下一時刻開始獲取一定時間內的第二尾流空間內多點采樣數據和第二確定性狀態參數數據并分別構建第二尾流空間內多點采樣數據集和第二確定性狀態參數數據集；

分別對所述第一風電機組尾流數據集和第一尾流空間內多點采樣數據集進行特征值分解，得到所述第一風電機組尾流數據集的左特征向量和第一尾流空間內多點采樣數據集的左特征向量；

根據所述第一風電機組尾流數據集的左特征向量和第一尾流空間內多點采樣數據集的左特征向量對所述第一風電機組尾流數據集、第一尾流空間內多點采樣數據集和第二尾流空間內多點采樣數據集進行降維映射；