[发明专利]一种风电机组载荷确定方法、装置、设备及可读存储介质

权利要求书

1.一种风电机组载荷确定方法，其特征在于，包括：

获取目标场址对应的风环境参数；其中，所述风环境参数包括空气密度、湍流强度、风剪切、入流角和平均风速；

将所述风环境参数输入至训练好的半监督高斯受限波尔兹曼机模型中进行载荷估算，获得目标机组载荷；

其中，训练所述半监督高斯受限波尔兹曼机模型的过程，包括：

获取有标签风电机组数据和无标签风电机组数据；其中，所述标签为机组载荷；

利用所述有标签风电机组数据和所述无标签风电机组数据对所述半监督高斯受限玻尔兹曼机模型进行训练；

所述半监督高斯受限玻尔兹曼机模型包括GRBM网络和FNN网络，利用所述有标签风电机组数据和所述无标签风电机组数据对所述半监督高斯受限玻尔兹曼机模型进行训练，包括：

对所述有标签风电机组数据和所述无标签风电机组数据进行标准化处理；

利用所述有标签风电机组数据和所述无标签风电机组数据对所述GRBM网络进行无监督特征提取训练，获得GRBM网络参数初值；

利用所述有标签风电机组数据对所述FNN网络进行有监督预测训练，获得FNN网络参数初值；

通过误差反向算法重构对所述半监督高斯受限玻尔兹曼机模型中的网络参数进行联合微调，获得模型参数。

2.根据权利要求1所述的风电机组载荷确定方法，其特征在于，还包括：

在进行场址选择时，若所述目标机组载荷小于预设设计载荷，则确定所述目标场址安全。

3.根据权利要求1所述的风电机组载荷确定方法，其特征在于，还包括：

在对设置于所述目标场址内的目标风电机组运行状态进行监测时，若所述目标机组载荷小于预设设计载荷，则确定所述目标风电机组处于正常运行状态。

4.根据权利要求1所述的风电机组载荷确定方法，其特征在于，将所述风环境参数输入至训练好的半监督高斯受限波尔兹曼机模型中进行载荷估算，获得目标机组载荷，包括：

对所述风环境参数进行归一化，并归一化处理后得到的风环境参数输入至所述半监督高斯受限波尔兹曼机模型中进行载荷估算，获得所述目标机组载荷。

5.根据权利要求1所述的风电机组载荷确定方法，其特征在于，所述获取目标场址对应的风环境参数，包括：

分别利用相应测试仪获取所述风环境参数。

6.根据权利要求1所述的风电机组载荷确定方法，其特征在于，获取有标签风电机组数据和无标签风电机组数据，包括：

利用统一额定风速的风文件并结合均匀分布方式，获取现有的风电机组的空气密度、湍流强度、风剪切和入流角；

利用风电机组载荷算法计算与所述空气密度、所述湍流强度、所述风剪切和所述入流角对应的机组载荷，获得所述有标签风电机组数据。

7.一种风电机组载荷确定装置，其特征在于，包括：

风环境参数获取模块，用于获取目标场址对应的风环境参数；其中，所述风环境参数包括空气密度、湍流强度、风剪切、入流角和平均风速；

目标机组载荷确定模块，用于将所述风环境参数输入至训练好的半监督高斯受限波尔兹曼机模型中进行载荷估算，获得目标机组载荷；

模型训练模块，用于训练所述半监督高斯受限波尔兹曼机模型；

所述模型训练模块，包括：

训练数据获取单元，用于获取有标签风电机组数据和无标签风电机组数据；其中，所述标签为机组载荷；

模型训练单元，用于利用所述有标签风电机组数据和所述无标签风电机组数据对所述半监督高斯受限玻尔兹曼机模型进行训练；

其中，所述模型训练模块，具体用于当所述半监督高斯受限玻尔兹曼机模型包括GRBM网络和FNN网络时，对所述有标签风电机组数据和所述无标签风电机组数据进行标准化处理；利用所述有标签风电机组数据和所述无标签风电机组数据对所述GRBM网络进行无监督特征提取训练，获得GRBM网络参数初值；利用所述有标签风电机组数据对所述FNN网络进行有监督预测训练，获得FNN网络参数初值；通过误差反向算法重构对所述半监督高斯受限玻尔兹曼机模型中的网络参数进行联合微调，获得模型参数。