[發(fā)明專利]一種有效風(fēng)速軟測量方法

在審

• 申請?zhí)枺?/td>: 202310538077.3
• 申請日: 2023-05-12
• 公開（公告）號: CN116561711A
• 公開（公告）日: 2023-08-08
• 發(fā)明（設(shè)計）人: 雷邦軍;呂興玉;盧槐
• 申請（專利權(quán)）人: 貴州理工學(xué)院
• 主分類號: G06F18/27
• 分類號: G06F18/27;G06F18/214;G06F18/10;G01P5/00
• 代理公司: 貴州派騰知識產(chǎn)權(quán)代理有限公司 52114
• 代理人: 宋妍麗

1.一種有效風(fēng)速軟測量方法，包括風(fēng)力機SCADA數(shù)據(jù)采集模塊、SCADA數(shù)據(jù)的預(yù)處理與歸一化模塊、基于改進的灰狼優(yōu)化IGWO算法的離線優(yōu)化計算模塊、基于核極限學(xué)習(xí)機KELM算法的有效風(fēng)速軟測量建模模塊、基于IGWO算法的有效風(fēng)速軟測量模型參數(shù)優(yōu)化模塊、有效風(fēng)速軟測量模型性能評價模塊，其特征在于：風(fēng)力機SCADA數(shù)據(jù)采集模塊的信號輸出端依次通過SCADA數(shù)據(jù)的預(yù)處理與歸一化模塊、基于改進的灰狼優(yōu)化IGWO算法的離線優(yōu)化計算模塊、基于核極限學(xué)習(xí)機KELM算法的有效風(fēng)速軟測量建模模塊、基于IGWO算法的有效風(fēng)速軟測量模型參數(shù)優(yōu)化模塊、有效風(fēng)速軟測量模型性能評價模塊，最后輸出風(fēng)速的有效值；以及，

風(fēng)力機SCADA數(shù)據(jù)采集模塊采集風(fēng)力發(fā)電機輸出功率、發(fā)電機轉(zhuǎn)速、槳距角和風(fēng)速的數(shù)據(jù)；

所述SCADA數(shù)據(jù)的預(yù)處理與歸一化模塊對風(fēng)力機SCADA數(shù)據(jù)采集模塊中采集到的SCADA數(shù)據(jù)進行預(yù)處理，去除異常數(shù)據(jù)；

所述基于改進的灰狼優(yōu)化IGWO算法的離線優(yōu)化計算模塊應(yīng)用IGWO算法求解所建立的多目標(biāo)優(yōu)化模型，獲取風(fēng)力機發(fā)電機輸出功率、槳距角和發(fā)電機轉(zhuǎn)速的最優(yōu)預(yù)測值；

所述基于核極限學(xué)習(xí)機KELM算法的有效風(fēng)速軟測量建模模塊根據(jù)基于改進的灰狼優(yōu)化IGWO算法的離線優(yōu)化計算模塊提供的預(yù)測數(shù)據(jù)，建立有效風(fēng)速軟測量模型；

所述基于IGWO算法的有效風(fēng)速軟測量模型參數(shù)優(yōu)化模塊應(yīng)用IGWO算法對有效風(fēng)速軟測量模型進行參數(shù)優(yōu)化；

所述有效風(fēng)速軟測量模型性能評價模塊對經(jīng)過參數(shù)優(yōu)化的有效風(fēng)速軟測量模型的性能進行評價，為最大風(fēng)能跟蹤MPPT控制提供實時參考輸入。

2.如權(quán)利要求1所述的有效風(fēng)速軟測量方法，其特征在于：所述基于改進的灰狼優(yōu)化IGWO算法的離線優(yōu)化計算模塊為第一微處理器，第一微處理器根據(jù)SCADA數(shù)據(jù)的預(yù)處理與歸一化模塊輸出的數(shù)據(jù)進行離線優(yōu)化計算，獲取的最優(yōu)解作為基于核極限學(xué)習(xí)機KELM算法的有效風(fēng)速軟測量建模模塊的訓(xùn)練樣本數(shù)據(jù)和測試樣本數(shù)據(jù)。

3.如權(quán)利要求2所述的有效風(fēng)速軟測量方法，其特征在于：所述第一微處理器中包括一個多目標(biāo)優(yōu)化模型和改進的灰狼優(yōu)化IGWO算法，具體構(gòu)成如下：

a.構(gòu)建全風(fēng)速下以風(fēng)力機輸出功率、槳距角、發(fā)電機轉(zhuǎn)速為優(yōu)化目標(biāo)的多目標(biāo)優(yōu)化模型：

minF(x)

式中，F(xiàn)(x)是多目標(biāo)函數(shù)，h(x)是一個等式向量約束函數(shù)，g(x)是一個不等式向量約束函數(shù)；

其中，多目標(biāo)函數(shù)為：

F(x)＝μJ_P+(1-μ)J_g,μ∈(0,1),

式中，J_P是全風(fēng)速下發(fā)電機實際輸出功率跟蹤期望預(yù)測值的目標(biāo)函數(shù)，J_g是發(fā)電機轉(zhuǎn)速和槳距角的控制變化量最小化目標(biāo)函數(shù),x是決策變量；P_gk、ω_gk和β_k分別是k時刻實際輸出功率、發(fā)電機轉(zhuǎn)子角速度和俯仰角；和分別是發(fā)電機輸出功率、發(fā)電機轉(zhuǎn)子角速度和槳距角在k+1時刻的期望預(yù)測值；μ、w_P和w_g是權(quán)重系數(shù)；n是優(yōu)化進程，P_N、P_m分別是風(fēng)力發(fā)電機的額定輸出功率和理論設(shè)計輸出功率；

a.1.設(shè)置多目標(biāo)優(yōu)化模型的約束條件：

a.1.1.氣動功率平衡約束

式中，ρ是空氣密度，單位為kg/m³，v是風(fēng)速，單位為m/s，R是風(fēng)輪的半徑，單位為m，P_m是風(fēng)力發(fā)電機輸出功率，β是風(fēng)力發(fā)電機槳距角，λ是風(fēng)機葉尖速比，n_g是齒輪箱變速比，C_p(ω_g,β)是風(fēng)力發(fā)電機風(fēng)能利用系數(shù)，它們之間的關(guān)系表達式如下：

a.1.2.權(quán)重系數(shù)約束

0＜μ＜1，

0＜w_p＜1，

0＜w_g＜1.

a.1.3.輸出功率約束

a.1.4.槳距角和發(fā)電機轉(zhuǎn)速約束

式中，β_H和β_L是槳距角的上下限，ω_H和ω_L為發(fā)電機轉(zhuǎn)速的上下限；

b.改進的灰狼優(yōu)化IGWO算法：

b.1.改進的非線性收斂因子

式中，λ、τ和n是調(diào)節(jié)參數(shù)，t是當(dāng)前迭代次數(shù)，t_max是最大迭代次數(shù)；

b.2.改進的自適應(yīng)位置更新方程：

其中，

d_max＝max{|X₁-X₂|,|X₂-X₃|,|X₃-X₁|}，

d_min＝min{|X₁-X₂|,|X₂-X₃|,|X₃-X₁|}，

式中，X(t+1)是三角形的內(nèi)切圓的圓心，w₁、w₂和w₃是權(quán)重系數(shù)；X_best是灰狼個體ω的歷史最佳位置向量，X_worst(t)是在第t次迭代中灰狼種群中具有最差適應(yīng)度的灰狼個體位置向量，b₁和b₂是區(qū)間[0,1]中的兩個隨機數(shù)，c₁是灰狼個體ω的學(xué)習(xí)因子，c₂是反向搜索因子，d_max是三角形的最大邊長，d_min是三角形的最小邊長；

c₁和c₂定義如下：