[发明专利]基于风机相互预警的虚拟激光雷达系统及方法

权利要求书

1.一种基于风机相互预警的虚拟激光雷达系统，其特征在于，包括：

风场部署数据模块，被配置为获取风场内在主风向上间隔排布的风机的前后关系；

风速传递特性模块，被配置为获取风场所在的地区风速在主风向上的传递特性；

风场运行数据模块，被配置为获取风场实际运行数据；以及

神经网络模块，被配置为根据风场内在主风向上间隔排布的风机的前后关系、风速在主风向上的传递特性、以及风场运行数据，捕获风机间的风速关系，以代替物理激光雷达预测阵风。

2.如权利要求1所述的基于风机相互预警的虚拟激光雷达系统，其特征在于，所述神经网络模块包括循环神经网络模型和图神经网络模型；

循环神经网络模型和图神经网络模型为根据风场内在主风向上间隔排布的风机的前后关系、以及风速在主风向上的传递特性形成；

所述神经网络模块利用风场实际运行数据训练循环神经网络模型和图神经网络模型，进行风速时空预测，并使用其它时间段的风场实际运行数据进行验证。

3.如权利要求2所述的基于风机相互预警的虚拟激光雷达系统，其特征在于，所述风场实际运行数据为秒级风速检测数据；

所述神经网络模块捕获风机间的风速关系包括：根据秒级风速检测数据，获取各个风机的秒级风速检测数据的相关性，并根据各个风机的秒级风速检测数据的相关性，获取整个风场的流场信息。

4.如权利要求3所述的基于风机相互预警的虚拟激光雷达系统，其特征在于，所述风速在主风向上的传递特性为风机间的相互预警特性；

所述神经网络模块结合风场内在主风向上间隔排布的风机的前后关系，利用时间序列深度学习算法对秒级风速检测数据进行训练，建立特定风场流场模型，并基于特定风场流场模型实时预测每台风机在未来数十秒的风速趋势信息，并利用风机间的相互预警特性实现虚拟激光雷达。

5.如权利要求2所述的基于风机相互预警的虚拟激光雷达系统，其特征在于，进行风速时空预测包括：

使用本风机风速历史数据和其他风机风速历史数据进行深度学习，利用循环神经网络门回归单元捕捉时间序列前后关系，包括：

z_t＝σ(W_zx_t+U_zh_t-1)

r_t＝σ(W_tx_t+U_th_t-1)

Z_t是更新门，表示上一个时刻信息是否需要更新；

r_t是重置门，表示上一个时刻信息是否需要重置；

是候选输出，接收x_t、h_t-1的时刻信息；

h_t是门回归单元的隐层输出，接收h_t-1、h_t的时刻信息；

通过门回归单元的训练捕捉时间序列上的前后关系，通过本风机风速历史数据和其他风机风速历史数据预测未来风速数据。

6.如权利要求2所述的基于风机相互预警的虚拟激光雷达系统，其特征在于，进行风速时空预测还包括：

通过图神经网络捕捉空间节点之间的相互关系，获取空间节点之间的相互关系中数据流动的规律；

G＝(V，E)，V是图中的边集，E为图中的节点集，E中每一个节点的属性受到相连节点属性的影响；

X是原节点属性，A是邻接矩阵，Z是变换后节点属性，I是对角矩阵，对于一个两层的图神经网络，激活函数分别采用ReLU和Softmax；

7.如权利要求1所述的基于风机相互预警的虚拟激光雷达系统，其特征在于，通过其余风机的t时刻风速及风机相互位置关系预测某台风机t+Δt时刻的风速，在某一风向上，除去风速衰减，第一风机在t时刻的风速等于第二风机在t+Δt时刻的风速，Δt≈d/ws，其中，d为两台风机之间的距离，ws为第一风机在t时刻的风速。