[发明专利]一种风电场风机负荷指数预测装置及方法

说明书

技术领域

本发明属于风力发电技术领域，特别涉及一种风电场风机负荷指数预测装置及方法。

背景技术

目前，大型风力发电机组一般为水平轴风力发电机，它由风轮、增速齿轮箱、发电机、偏航装置、控制系统、塔架等部件所组成，风以一定的速度和攻角作用在桨叶上，使桨叶产生旋转力矩而转动，将风的能量转变成机械能，风越大，风轮接受风的能量也越大，风轮转得就越快，风轮的作用是将风能转换为机械能，它由气动性能优异的叶片组成，机组一般为2-3个叶片装在轮毂上，低速转动的风轮通过传动系统由增速齿轮箱增速，将动力传递给发电机，上述这些部件都安装在机舱平面上，整个机舱由高大的搭架举起，由于风向经常变化，当风机在出现风轮不平衡故障时，即使风力足够大，风机也是不转的，而当风机控制器出现故障时，风机则不能自动停机，由于气象条件如温度、压强等对风机的影响，往往使风机不能很好的运行，影响发电效果；

风电场的功率预测是由当地的各种天气、气候条件的影响，要求风机的最大输出功率，这种预测方法是有很大的误差的。因为没有考虑在此种情况下风机的状态，也就没有办法准确的预测风力发电的输出功率。

发明内容

为了克服已有技术的不足，本发明的目的提供一种风电场风机负荷指数预测装置及方法，为了有效地利用风能，必须要有迎风装置，它根据风向传感器测得的风向信号，由控制器控制偏航电机，驱动与塔架上大齿轮咬合的小齿轮转动，由于风机负荷指数预测，从而更有效地将机械能转化为电能。

本发明风电场风机负荷指数预测装置：包括有传感器、数据采集芯片、中央处理器、工控机和无线通讯模块，各部件连接：传感器的输出端连接数据采集芯片的输入端，数据采集芯片的输出端连接中央处理器的输入端，中央处理器的输出端连接工控机和无线通信模块的输入端。

采用风电场风机负荷指数预测装置进行预测的方法，利用最小二乘法支持向量机模型进行预测，包括如下步骤：

步骤1、采用风电场负荷指数预测装置采集风电场的电机组桨叶安装角度、发动机轴承震动频率、塔杆垂直度和发动机转矩作为输入量；

步骤2、建立预测样本，形成训练样本集；

将电机组桨叶安装角度、发动机轴承震动频率、塔杆垂直度和发动机转矩作为输入量；设输入、输出样本数据集为{x_k，y_k}(k＝1，2，…，N)，N为自然数；其中，x_k为n维输入向量，x_k∈Rⁿ，Rⁿ代表多维的实数量；y_k为风电场风机负荷指数，y_k∈Rⁿ；在特征空间中的线性方程可以表示为以下形式：

y_k＝ω^Tφ(x)+b    (1)

式(1)中，将输入空间映射为高维特征空间的映射函数；ω为超平面的权值向量，ω∈Rⁿ；b为偏置量；

步骤3、将输入样本数据集输入最小二乘法支持向量机模型；

最小二乘法支持向量机模型选择误差e_k的平方和为损失函数，其优化为

其中，s.t.为约束条件，N为自然数，γ＞0为惩罚系数因子，e为误差，e_k为第K个误差，用于控制调节误差所取的作用，能够在训练误差和模型复杂度之间取一个折衷，以便使所求的函数具有好的泛化能力，并且γ值越大，模型的回归误差越少；

步骤4、求解最小二乘法支持向量机模型；

确定最小二乘法支持向量机模型的回归参数a_k＝[a₁，a₂，…，a_N]^T和b，引入拉格朗日(Lagrange)函数进行求解：

式(3)中，a_k(k＝1，2，…，N)为Lagrange乘子；

最优的a_k和b通过卡鲁斯-库恩-塔克(KKT)条件获得，即

通过消去式(4)中的变量ω和e_k，优化问题转化为求解如下线性方程组：