[发明专利]基于SVR的风力发电机组高风速段有效风速估计方法

摘要

本发明公开了一种基于SVR的风力发电机组高风速段有效风速估计方法。该方法包括SVR模型训练和模型在线使用两步。在SVR模型训练的过程中，使用传感器获取训练特征集和目标集，对特征集进行归一化，得到SVR的训练集，使用GA算法选择惩罚参数和核函数参数，得到训练好的SVR模型；在模型在线使用过程中，实时获得机组的输出数据，归一化后输入到训练好的SVR模型中，经过低通滤波器之后，得到最终的有效风速估计值。该方法合理利用了机组的输出数据，能够针对高风速段的风电机组进行有效风速估计，设计过程简单，易于实施，可代替LIDAR测风装置，所得有效风速估计值可用于为减小机组机械载荷提供前馈控制信息和风电场风资源评估，从而提高风电场的经济效益。

主权项

1.一种基于SVR的风力发电机组高风速段有效风速估计方法，其特征在于，该方法包括以下步骤：(1)使用LIDAR测风装置获得一段时间内的有效风速信息，使用SCADA系统和载荷传感器获得相应时间段内风电机组的相关输出数据X'，X'＝[x'(i,j)],i＝1,...,l,j＝1,...,6；用x'(i,:)表示机组的一次采样输出，x'(i,:)表达式为：x'(i,:)＝[β,βr,B1,af‑d,af‑v,af‑a]其中，l是SVR训练集中的样本个数，β是桨距角，βr是桨距角加速度，B1是叶片1的前后偏移量，af‑d是塔架前后偏移量，af‑v是塔架前后速度，af‑a是塔架前后加速度；(2)将步骤(1)获得的机组输出数据进行归一化处理，作为SVR模型的训练特征集X，X＝[x(i,j)],i＝1,...,l,j＝1,...,6；步骤(1)获得有效风速信息作为SVR模型的训练目标值，训练目标值不需要归一化；将训练特征集和训练目标值作为SVR的训练集；(3)使用步骤(2)获得的训练集求解SVR的原始优化问题，为求解该优化问题，引入拉格朗日函数，然后得到对偶优化问题；(4)使用GA算法选择惩罚参数和核函数参数，求解步骤(3)中的对偶优化问题，得到训练好的SVR模型；(5)在线使用时，将某一控制周期内的机组输出数据进行归一化处理，然后输入到步骤(4)得到的训练好的SVR模型中，得到每一个采样周期的初步风速估计值；(6)将步骤(5)得到的初步风速估计值输入到低通滤波器中，滤除高频噪声，得到最终的风速估计值。