[发明专利]一种风力发电机组偏航控制方法

说明书

本发明公开了一种风力发电机组偏航控制方法，包括以下步骤：1)对风机的偏航模型进行离散化，得到最优偏航控制的优化模型；2)对多组风的样本进行三进制编码；3)采用三进制遗传算法，分别计算每组风的样本计算最优偏航控制序列；4)对样本进行编码，在编码空间对样本进行聚类，获得对应的隐变量；5)将风和偏航控制指令进行解码，并与风模态隐变量配对为完整的数据集；6)构建生成对抗模仿学习偏航网络，利用数据集训练网络。优点在于：能够精准预测中短期风速变化情况，有效提高追风效果，降低偏航误差；2、提高训练的稳定；3、利用单步判别和序列判别器组合，指导生成对抗网络的训练，提高训练速度和稳定性。

技术领域

本发明涉及故障处理技术领域，特别是一种风力发电机组偏航控制方法。

背景技术

大型风力发电机偏航控制系统采用反馈控制，现有方法基于scada采集的运行数据，利用遗传算法直接对控制器参数进行优化，但是控制器形式是传统的分段非线性控制器，鲁棒性不够，需要针对不同的风场和机型分别优化出不同的控制器，且现有方法采用强化学习来训练偏航决策网络，需要训练过程不稳定。

发明内容

针对现有技术中存在的问题，本发明的目的在于提供一种风力发电机组偏航控制方法。

为解决上述问题，本发明采用如下的技术方案。

一种风力发电机组偏航控制方法，包括以下步骤：

1)对风机的偏航模型进行离散化，得到最优偏航控制的优化模型；

2)对多组风的样本进行三进制编码；

3)采用三进制遗传算法，分别计算每组风的样本计算最优偏航控制序列；

4)对样本进行编码，在编码空间对样本进行聚类，获得对应的隐变量；

5)将风和偏航控制指令进行解码，并与风模态隐变量配对为完整的数据集；

6)构建生成对抗模仿学习偏航网络，利用数据集训练网络。

进一步：

1)采集n条不同风况下的风序列i＝1,2,…,n；基于机组简化的离散偏航模型，以发电量最大化作为优化指标，利用三进制遗传算法离线优化方法计算每个风序列W_i的最优偏航动作序列并建立偏航专家示教样本集合S₁＝{(W_i,C_i),i＝1,2,…,n}；

2)对风序列W_i进行二进制编码得到一个实数w_i，对偏航动作序列C_i进行三进制编码得到一个实数编码c_i，建立混合编码专家示教样本集合S₂＝{(W_i,C_i),i＝1,2,…,n}；

3)在二维平面上绘制{(W_i,C_i),i＝1,2,…,n}的散点图，采用Kmeans获取中心点坐标，采用EM算法确定混合高斯分布的参数，并确定每个样本点所属于的专家模态m_i，建立包含模态变量的混合编码专家示教样本集合S₃＝{(W_i,C_i,m_i),i＝1,2,…,n}；

4)对S₃进行解码，构建训练用专家样本集合S₄＝{(W_i,C_i,m_i),i＝1,2,…,n}。

5)对一种改进的生成对抗网络进行监督训练，来学习专家偏航策略；在实际控制时，只运行变分自编码网络和策略生成网络，而不运行判别网络；将输入偏航执行机构，控制偏航系统动作。