摘要
本发明涉及风力发电控制技术领域,尤其涉及风电机组尾流优化协同控制系统及方法。技术方案如下:风电机组尾流优化协同控制系统,包括:前馈式LiDAR阵列,部署于风电场主导风向上游1‑2km处,用于实时采集上游三维风场数据;机组嵌入式传感器组,包括安装在每台风电机组机舱内的超声波风速仪和惯性测量单元IMU,采样频率不低于20Hz;数据融合模块,通过卷积神经网络CNN与卡尔曼滤波算法对LiDAR阵列和机组嵌入式传感器的数据进行时空对齐与噪声滤除,生成动态风场数字孪生模型;LSTM风场预测器,基于所述动态风场数字孪生模型,预测未来30秒内的风速和风向变化趋势。通过多源传感融合与动态博弈优化,显著提升风电场在动态风况下的运行效率与安全性。
技术关键词
风电机组尾流
协同控制系统
嵌入式传感器
数字孪生模型
超声波风速仪
优化协同控制方法
卡尔曼滤波算法
三维风场
动态
偏航电机
振动加速度传感器
虚拟惯量控制
发电控制技术
变流器
ADMM算法
塔架
数据
系统为您推荐了相关专利信息
有源配电网电压
网络
深度强化学习
电压调节方法
多时间尺度
链式刀库
智能防护方法
数字孪生模型
换刀机构
刀座
强化学习控制方法
卷积特征
数字孪生模型
路口交通信号灯
强化学习算法
水文
局部路径规划
路径规划系统
时序预测模型
多智能体强化学习
吊装控制方法
数字孪生模型
风险
顶管
吊装控制系统