[发明专利]用于对风力涡轮机具有影响的风现象的计算机实现的预报的方法在审

专利信息
申请号: 202080075564.5 申请日: 2020-10-01
公开(公告)号: CN114585950A 公开(公告)日: 2022-06-03
发明(设计)人: B·戈尼克;M·A·普罗斯珀费尔南德斯 申请(专利权)人: 西门子歌美飒可再生能源创新与技术有限公司
主分类号: G01W1/10 分类号: G01W1/10;G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;F03D7/04;H02J3/00;H02J3/38
代理公司: 中国专利代理(香港)有限公司 72001 代理人: 孙鹏;吕传奇
地址: 西班牙*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 风力 涡轮 机具 有影响 现象 计算机 实现 预报 方法
【权利要求书】:

1.一种用于对风电场的一个或多个风力涡轮机具有影响的风现象的计算机实现的预报的方法,其中在风电场的操作期间的一个或多个时间步长中的每个时间步长处,执行以下步骤:

获得基于利用数值天气预测(NWP)模型执行的多个高分辨率仿真的来自操作预报系统的数字图像(IM),所述数字图像(IM)是从风力涡轮机的区域提供的;

通过由经训练的数据驱动模型(MO)来处理所述数字图像(IM),确定多个预定义类别中具有最高概率的类别的预测,其中所述数字图像(IM)作为数字输入被馈送到所述经训练的数据驱动模型(MO),并且所述经训练的数据驱动模型(MO)提供具有最高概率的类别作为数字输出,其中类别的数目对应于不同的气象条件。

2.根据权利要求1所述的方法,其中所述经训练的数据驱动模型(MO)是神经网络,优选地是卷积神经网络。

3.根据权利要求1或2所述的方法,其中经由用户接口(UI)来输出基于具有最高概率的类别的信息。

4.根据前述权利要求中的一项所述的方法,其中如果具有最高概率的类别对应于被认为对风电场的一个或多个风力涡轮机具有负面影响的气象条件,则生成针对风电场的控制命令(CO)。

5.根据前述权利要求中的一项所述的方法,其中所述图像(IM)从通过风电场的场所或通过靠近风电场的场所的地方的高分辨率仿真的截面而得到。

6.根据权利要求5所述的方法,其中所述图像(IM)示出了高分辨率仿真的截面中的风强度。

7.根据权利要求5或6所述的方法,其中所述高分辨率仿真的截面位于垂直于地球表面并沿着主导风向延伸的平面中。

8.根据前述权利要求中的一项所述的方法,其中所述图像是灰度图像,其中亮度对应于风速。

9.一种用于对风电场的一个或多个风力涡轮机具有影响的风现象的计算机实现的预报的装置,其中所述装置包括处理器(PR),所述处理器(PR)被配置成在风电场的操作期间的一个或多个时间步长中的每个时间步长处执行以下步骤:

获得基于多个高分辨率仿真的来自操作预报系统的数字图像(IM),所述数字图像(IM)是从风力涡轮机的区域提供的;

通过由经训练的数据驱动模型(MO)来处理所述数字图像(IM),确定多个预定义类别中具有最高概率的类别的预测,其中所述数字图像(IM)作为数字输入被馈送到所述经训练的数据驱动模型(MO),并且所述经训练的数据驱动模型(MO)提供具有最高概率的类别作为数字输出,其中类别的数目对应于不同的气象条件。

10.根据权利要求9所述的装置,其中所述装置被配置成执行根据权利要求2至8中的一项所述的方法。

11.一种具有存储在非暂时性机器可读载体上的程序代码的计算机程序产品,用于当所述程序代码在计算机上执行时实施根据权利要求1至8中的一项所述的方法。

12.一种具有程序代码的计算机程序,用于当所述程序代码在计算机上执行时实施根据权利要求1至8中的一项所述的方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西门子歌美飒可再生能源创新与技术有限公司,未经西门子歌美飒可再生能源创新与技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202080075564.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top