[发明专利]基于SVR的风力发电机组低风速段有效风速估计方法

摘要

本发明公开了一种基于SVR的风力发电机组低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PSO算法选择惩罚参数和核函数参数，得到训练好的有效风速估计模型；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。该方法充分利用了机组的输出数据，能够针对低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，所得有效风速估计值可用于提高机组的风能利用率，减小机组机械载荷和风电场的风资源评估，从而提高风电场的经济效益。

主权项

一种基于SVR的风力发电机组低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,...,9；用x'(i,:)表示机组的一次采样输出，x'(i,:)表达式为：x'(i,:)＝[ωr,ωg,Tem,Pe,a,Mb1,Mb2,Mb3,Ra]其中，ωr是风轮转速，ωg是发电机转速，Tem是发电机电磁转矩，Pe是发电功率，a是塔架前后加速度，Mb1,Mb2和Mb3分别是三个叶片对应的挥舞弯矩，Ra是叶轮方位角；(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,...,9；步骤1获得的有效风速信息作为SVR模型的训练目标值，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PSO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，得到最终的风速估计值。