[发明专利]一种风力发电机的尾迹识别方法

权利要求书

1.一种风力发电机的尾迹识别方法，其特征在于，包括如下步骤：

步骤100，采集试验风力发电机下游受尾迹影响区域中的所有流场数据，然后对采集的所有流场数据通过差分方法进行求导计算，得到速度梯度张量，然后再通过差分方法计算出流场每个点上的流动不变量数据；

步骤200，根据受风力发电机偏航影响的强度，对收集的所有流场数据中流动状态已知的数据进行分析，并按预定标准将收集的数据分为强湍流和弱湍流；

步骤300，以流动不变量数据作为输入量，以强湍流和弱湍流数据作为学习对象，通过机器学习算法软件生成一个识别器；

步骤400，将需要识别流场的不变量数据输入识别器，即可自动输出该流场中每一点的流动状态，然后根据预定标准将符合强湍流的数据区域绘出，即得到产生当前需要识别流场的风力发电机的尾迹区域，

其中，所述预定标准根据受风力发电机偏航影响的大小进行划分。

2.根据权利要求1所述的尾迹识别方法，其特征在于，

所述的所有流场数据中的每个流场点数据信息包括空间坐标信息和时间信息。

3.根据权利要求1所述的尾迹识别方法，其特征在于，

所述的所有流场数据是通过场地测量或实验室测量或数值模拟得到的。

4.根据权利要求1所述的尾迹识别方法，其特征在于，

所述的流动不变量至少包括湍流脉动能量，拟涡能和涡拉伸强度。

5.根据权利要求1所述的尾迹识别方法，其特征在于，

所述的对收集的所有流场数据中流动状态已知的数据进行分析采用的分析方法是大数据分析方法。

6.根据权利要求1所述的尾迹识别方法，其特征在于，

所述的根据受风力发电机偏航影响的强度是指：风力发电机在空间上受风向影响而随风向随时改变朝向的过程中，其尾迹区域在移动过程中与周边非尾迹区域之间的变化对比。

7.根据权利要求1所述的尾迹识别方法，其特征在于，

所述步骤400中需要识别流场的不变量数据包含所述需要识别流场中获取的所有已知数据的不变量数据。

8.根据权利要求7所述的尾迹识别方法，其特征在于，

所述的需要识别流场的不变量数据中的不变量数据是通过步骤100中的差分方法计算后得到的。

9.根据权利要求1所述的尾迹识别方法，其特征在于，

所述的机器学习算法采用的是XGBoost数学库的Python版本，通过Python语言调用XGBoost数学库并选择其中基于二叉树的分类模型，以所述不变量作为模型输入，XGBoost算法自动调节基于二叉树的分类模型中存在的可调参数，最终使分类模型给出的结果与所述强湍流和弱湍流的差值达到最小，然后使用Python版本将训练达到要求的基于二叉树的分类模型封装成一个可执行文件形成即识别器。

10.根据权利要求1所述的尾迹识别方法，其特征在于，

所述的不变量数据是指：在物理上能够保持客观性不随坐标系的选取而变化的物理量。