[发明专利]基于长短期记忆神经网络的等效激光雷达风速计算方法

权利要求书

1.基于长短期记忆神经网络的等效激光雷达风速计算方法，其特征在于，包含两部分：第一部分是在安装激光雷达设备的风电机组中整理统计相关运行数据，经过长短期记忆神经网络模型训练，获得最终的模型结构和具体参数；第二部分是将训练好的模型结构和具体参数适配到没有安装激光雷达设备的风电机组的控制系统，机组将自身实时运行状态输入到模型中，获得等效的激光雷达风速用于机组的控制系统，实现具体控制功能。

2.根据权利要求1所述的基于长短期记忆神经网络的等效激光雷达风速计算方法，其特征在于：首先，需要安装机舱式激光雷达设备的风电机组，统计包含机组切入到切出风速区间内的发电机转速、叶片桨距角、机组发电功率、机舱风速、机舱风向和用于前馈或其它相关控制的激光雷达测得的机组上风向风速数据；

在整理数据的过程中使运行参数保持连贯，剔除存在异常波动的数值，由于某些机组运行状态数据耦合了不同频率的波动，因此，整理好的运行参数需要通过低通滤波处理，剔除信号中受到的高频干扰，保留基本的运行状态变化情况；

长短期记忆神经网络模型中输入的各种参数经常具有不同的量纲和量纲单位，这种情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据标准化处理，以解决数据指标之间的可比性；原始数据经过数据标准化处理后，各指标处于同一数量级，才适合进行综合对比评价；其中，使用离差标准化法对各输入变量进行线性变化，将原有数值折算到[0,1]区间内，具体转换函数如下所示：

式中，X*是折算后的数值，X为折算前的数值，X_min为统计数据中样本数据的最小值，X_max为统计数据中样本数据的最大值；

经过滤波和标准归一化处理后，将发电机转速、叶片桨距角、机组发电功率、机舱风速、机舱风向参数作为长短期记忆神经网络训练的输入参数，将用于前馈或其它相关控制的激光雷达测得的上风向风速数据作为长短期记忆神经网络训练的目标输出值；由于输入参数是以时序为变化的序列数据，前后数据存在关联性，而长短期记忆神经网络适合处理和预测时间序列中间隔和延迟很长的重要事件，因此使用此结构为等效激光雷达风速的训练模型；

经过长短期记忆神经网络的训练后，能够获得完整的模型结构和具体参数，包括内部各权重、偏置，将训练好的模型结构和具体参数适配到没有安装激光雷达设备的风电机组的控制系统中，机组在运行状态下能够获得实时的发电机转速、叶片桨距角和机组发电功率，通过风速风向仪能够获得实时风速风向信息，再经过上述离差标准化法进行归一化，此时X_min和X_max需要和统计数据中样本数据最大、最小值保持一致；

数据经过归一化处理后，输入到控制系统的软件模型中，得到幅值在[0,1]之间的标准化状态下的等效激光雷达风速信号，再经过反归一化折算后即可得到与激光雷达风速相同量纲的等效风速，这样使用模型输出的实时等效风速，就能够替代激光雷达实际测量获得的风速信号，进行具体控制操作。