[发明专利]一种基于VMD-CNN网络的海上风电控制方法

说明书

本发明公开了一种基于VMD‑CNN网络的海上风电控制方法，包括步骤：S1：通过VMD技术对历史风速数据进行分解；S2：将风速数据与其对应时刻的DFIG有功功率、发电机转速和桨距角数据组合进行数据预处理；S3：建立CNN网络模型，并利用历史数据训练CNN网络模型；S4：利用经过训练的网络模型得到风速预测结果；S5：检验风速预测结果，并通过风速预测值计算风机转子参考转速，根据风机转子参考转速对DFIG进行不同的控制操作，与现有技术相比，本发明根据当前时刻DFIG的状态和过去时刻的风速提前预测下一个时刻的风速，使得DFIG可以更快的对下一时刻的风速做出反应，提高发电效率。

技术领域

本发明属于海上风力发电技术领域，具体地说，是一种基于VMD-CNN网络的海上风电控制方法。

背景技术

回顾过去20年，全球环境的日益恶化是阻碍经济发展的重要原因，而可再生能源的合理开发利用将会是有效的应对措施。之于此，世界各国加大对可再生能源研究的支持力度，有计划的应对“能源危机”这个全球性问题。可再生能源包括太阳能、水能、风能、生物质能、波浪能、潮汐能、海洋温差能、地热能等。在诸多可再生能源中，风能凭借着多个优点广受世界各国的喜爱，风电技术也最为成熟，开发利用规模也最大。

随着海上风电机组安装、制造技术不断地进步与成熟，其单机容量不断得到提升，海上风电场规模随之扩大，整个风电场的算法计算量也随之增加。由于传统海上风电机组的控制算法计算量较大，一个计算量较小、预测精度较高的智能算法是保持海上风电高速发展的重要支撑。

发明内容

本发明的目的是克服现有技术中存在的不足，通过采用深度学习算法有效解决传统最大功率追踪算法计算量较大这一难题，同时减小对风速的依赖，充分考虑海上风电系统自身的运行状态对下一时刻的风速做较为精确的预测而提供一种基于VMD-CNN网络的海上风电控制方法。

为实现上述目的，本发明采用如下技术方案：

一种基于VMD-CNN网络的海上风电控制方法，包括以下步骤：

S1：通过VMD技术对历史风速数据进行分解；

S2：将风速数据与其对应时刻的DFIG有功功率、发电机转速和桨距角数据组合进行数据预处理；

S3：建立CNN网络模型，并利用历史数据训练CNN网络模型；

S4：利用经过训练的网络模型得到风速预测结果；

S5：检验风速预测结果，并通过风速预测值计算风机转子参考转速，根据风机转子参考转速对DFIG进行不同的控制操作。

本发明的进一步改进，步骤S1中的通过VMD技术对历史风速数据进行分解，其描述公式为：

式中，K为需要分解的风速序列的模态个数，{u(k)}、{ω(k)}分别对应分解后第k个模态分量和中心频率，δ(t)是狄拉克函数，*是卷积运算符。

本发明的进一步改进，通过增广Lagrange表达式求解上式，其描述公式为：

式中，λ为Lagrange乘法算子，α为二次惩罚因子。

本发明的进一步改进，步骤S2中的数据预处理包括风速数据与其对应时刻的DFIG有功功率、发电机转速和桨距角数据组合以及数据归一化。

本发明的进一步改进，将分解风速序列获取的4组本征模函数和与其对应时刻的DFIG有功功率、发电机转速和桨距角数据组合，并按照8个时间序列为一组的原则进行分组，将每一组的前七条数据提取出来划分成多组7×7的矩阵，每一组的第八条数据作为与之对应的风速结果。