一种基于群体共识与可信度门控的多风向仪自校正方法与流程

本发明涉及风力发电机组控制的，尤其是指一种基于群体共识与可信度门控的多风向仪自校正方法。

背景技术：

1、风能作为清洁可再生能源，是全球能源转型的核心支撑，风力发电机组的发电效率与运行稳定性是风电行业的核心技术方向。风向测量是风机偏航对风控制的核心输入，精准的风向数据可驱动风机实时对准主风向，最大化捕获风能，降低机组疲劳载荷；若风向测量存在偏差，将直接导致偏航对风误差，大幅降低风能利用率，加剧偏航机构、传动链的机械磨损，甚至引发机组非正常停机。

2、当前行业内主流方案分为两类，均存在无法克服的技术缺陷：

3、1、单一风向仪测量方案：传统风机普遍采用单台机械式或超声波式风向仪采集风向数据，存在三大核心问题：

4、测量精度易受环境干扰，高风速、湍流、沙尘、高湿等恶劣工况下测量误差显著增大，低风速、风向骤变场景下稳定性极差；

5、长期运行易出现零点漂移、量程漂移，且无在线校正能力，测量偏差持续累积；

6、无冗余容错机制，一旦风向仪出现故障、数据卡死、传输异常，系统将直接基于错误数据执行偏航动作，引发严重的对风偏差，甚至造成机组停机。

7、2、现有多风向仪冗余方案：为解决单一传感器的缺陷，部分方案采用双风向仪或多风向仪配置，但仅对多路数据进行简单算术平均、二选一取舍等基础处理，存在四大核心缺陷：

8、无量化的一致性评估机制，无法精准判定各传感器数据的可靠性；

9、无稳定性量化分析，无法区分数据波动的正常传感器与异常传感器；

10、无法解决风向仪漂移的在线自校正问题，漂移校正依赖外部高精度基准传感器，或需停机人工校准，无法实现闭环在线校正。

11、综上，现有技术无法从根本上解决风向测量的精度低、漂移无在线校正、容错能力差三大核心痛点，难以满足风机长期高效稳定运行的需求。因此亟需研发一种具备一致性评估、漂移自校正、异常容错、高精度融合的多风向仪自校正方法与系统。

技术实现思路

1、本发明的目的在于克服现有技术的不足，提供一种基于群体共识与可信度门控的多风向仪自校正方法，通过构建群体共识作为虚拟真值基准，并通过可信度门控机制驱动每台风向仪漂移参数的渐进式、安全更新，配合发散抑制、双层异常剔除与迟滞恢复机制，形成稳健的自校正闭环，能够从根本上解决风向测量的精度低、漂移无在线校正、容错能力差三大核心痛点。

2、本发明的目的通过下述技术方案实现：

3、一种基于群体共识与可信度门控的多风向仪自校正方法，包括以下步骤，

4、s1、在风机的机舱顶部部署不少于2台风向仪，同步采集各风向仪的原始风向角度数据，基于原始风向角度数据构建滑动时间窗口并实时更新，输出当前滑动时间窗口内的原始风向角度数据；

5、s2、根据当前滑动时间窗口内的原始风向角度数据，分别计算每台风向仪的一致性指标与稳定性权重；

6、s3、根据步骤s2得到的一致性指标和稳定性权重，计算单台风向仪的综合可信度权重，根据综合可信度权重进行寻优，得到当前周期使风向仪加权角度离散度总和最小的群体共识基准；

7、s4、根据步骤s3的群体共识基准与原始风向角度数据计算每台风向仪的环形角度偏差；根据步骤s2得到的一致性指标和稳定性权重计算可信度门控系数；基于环形角度偏差与可信度门控系数迭代更新各风向仪的漂移估计值与漂移率，并利用更新后的漂移估计值对原始风向角度数据进行补偿，得到校正后的风向数据；

8、s5、判断校正后的风向数据、当前有效风向仪数量是否满足预设冻结触发条件；若不满足，则不触发全局冻结机制，保持当前漂移参数更新状态；若满足，则触发全局冻结机制，停止漂移估计值和漂移率的迭代更新，并对漂移估计值和漂移率进行限制，当触发条件解除后，进入缓释恢复阶段；

9、s6、基于一致性指标和稳定性权重对风向仪进行第一层统计异常判断，基于群体共识基准和校正后的风向数据对风向仪进行第二层结构异常判断；任一判断结果为异常则标记对应风向仪为异常风向仪，并将其从当前周期的数据融合中剔除；

10、s7、根据步骤s6筛选后的有效风向仪对应的校正后的风向数据，结合步骤s3的综合可信度权重进行数据加权融合，得到融合风向数据；

11、s8、将步骤s7得到的融合风向数据作为下一周期步骤s3求解群体共识基准的初始搜索参考值，并存储更新后的漂移估计值与漂移率，实现跨周期的持续闭环迭代；风机的主控系统根据融合风向数据与机舱朝向之间的偏航误差生成相应的偏航控制指令，并驱动风机的偏航系统执行对风动作。

12、进一步，对步骤s6中被剔除的异常风向仪，重复执行步骤s2的计算；当异常风向仪的一致性指标和稳定性权重达到预设恢复阈值，且持续时间达到预设时长后，将该异常风向仪重新标记为有效风向仪，并重新纳入融合计算。

13、进一步，在步骤s2中，所述一致性指标的计算公式为：

14、；

15、其中，为一致性指标；||为第i台风向仪与第j台风向仪的原始风向角度绝对差值；

16、所述稳定性权重的计算公式为：

17、；

18、其中，为稳定性权重；为当前滑动时间窗口内该风向仪所有原始风向角度数据的标准差；为无量纲化系数，用于将标准差映射为无量纲权重。

19、进一步，在步骤s3中，所述群体共识基准的计算公式为：

20、；

21、其中，为群体共识基准；为第i台风向仪的综合可信度权重，，为一致性指标，为稳定性权重；为环形角度距离函数，,，取值区间为[0°,180°]。

22、进一步，所述步骤s4包括以下步骤：

23、s4.1、计算各风向仪当前滑动时间窗口内原始风向角度数据的算术平均值；

24、采用环形差值公式计算算术平均值与群体共识基准的环形角度偏差，如下式所示：

25、；

26、其中，为环形角度偏差，取值区间为(−180°,+180°]；

27、s4.2、根据一致性指标和稳定性权重计算可信度门控系数，如下式所示：

28、；

29、其中，为可信度门控系数；为一致性指标；为稳定性权重；和为灵敏度调节指数，且>0，>0；

30、s4.3、利用可信度门控系数对环形角度偏差进行加权后，更新各风向仪的漂移估计值与漂移率，如下式所示：

31、；

32、；

33、其中，为滑动时间窗口的更新周期；为更新后的漂移估计值；为漂移率；为更新前的漂移估计值；

34、s4.4、利用更新后的漂移估计值对原始风向角度数据进行补偿，得到校正后的风向数据，如下式所示：

35、；

36、其中，为校正后的风向数据；为原始风向角度数据。

37、进一步，在步骤s5中，预设冻结触发条件包括：校正后的风向数据的方差超过预设发散阈值，或当前未被剔除的有效风向仪的数量低于预设安全数量nmin；

38、当校正后的风向数据的方差未超过预设发散阈值，且当前未被剔除的有效风向仪的数量不低于预设安全数量nmin时，不满足预设冻结触发条件，此时不触发全局冻结机制，保持当前漂移参数更新状态；

39、当校正后的风向数据的方差超过预设发散阈值，或当前未被剔除的有效风向仪的数量低于预设安全数量nmin时，满足预设冻结触发条件，此时触发全局冻结机制，立即停止漂移估计值和漂移率的迭代更新，保持上一周期的漂移参数不变，强制将漂移估计值的绝对值||限制在最大允许漂移值以内，并强制将漂移率的绝对值||限制在最大允许漂移率以内；

40、当冻结状态保持预设时间后，校正后的风向数据的方差预设发散阈值，且当前未被剔除的有效风向仪的数量≥预设安全数量nmin，进入缓释恢复阶段，具体为：

41、在当前周期仅执行步骤s3的群体共识基准计算，若新的群体共识基准与冻结期间保持的群体共识基准偏差不超过预设偏差值，则完全解除冻结，恢复正常漂移参数更新，否则继续保持冻结状态，待下一周期重新评估。

42、进一步，在步骤s6中，基于一致性指标和稳定性权重对风向仪进行第一层统计异常判断，判断风向仪是否存在自身质量问题，如下式所示：

43、≤或≤；

44、其中，为一致性指标；为稳定性权重；和分别为稳定性权重和一致性指标的动态剔除阈值；

45、基于群体共识基准和校正后的风向数据对风向仪进行第二层结构异常判断，判断风向仪即使经过漂移补偿后是否仍严重背离群体共识，如下式所示：

46、|−|>；

47、其中，为校正后的风向数据；为群体共识基准；为结构异常阈值；

48、当进行第二层结构异常判断时，若剔除操作会导致有效风向仪的数量低于预设安全数量nmin，则放弃剔除并触发步骤s5的全局冻结机制，保留最低数量风向仪的数据参与融合，同时上报“冗余不足”告警。

49、进一步，在步骤s7中，将步骤s6筛选后的有效风向仪对应的校正后的风向数据，转换为笛卡尔坐标系下的单位向量并进行加权平均，得到加权平均单位向量，如下式所示：

50、；

51、；

52、其中，和分别为加权平均单位向量的x轴分量和y轴分量；为第i台风向仪的综合可信度权重；为校正后的风向数据；

53、将加权平均单位向量还原为标准风向角度，得到处于标准定义区间内的融合风向数据，如下式所示：

54、；

55、其中，融合风向数据，若融合风向数据为负，则自动加360°，确保融合风向数据在（0°,360°）标准定义区间内，以彻底规避环形角度跨越时的计算错误。

56、进一步，在步骤s7中，将融合风向数据下发至风机的主控系统，主控系统实时计算融合风向数据与机舱朝向之间的偏航误差，当偏航误差超出预设的偏航启动阈值时，生成相应的偏航控制指令，并驱动偏航系统执行对风动作。

57、进一步，还包括步骤s9、实时监测步骤s4持续更新的各风向仪的漂移率，当单台风向仪的漂移率超过预设健康预警阈值且持续时长达到预设诊断确认窗口时，触发风向仪慢漂移故障预警。

58、本发明与现有技术相比，具有如下优点与有益效果：

59、1、无需外部真值基准，实现完全自主的漂移自校正闭环

60、本发明通过“群体共识构建—可信度门控更新—闭环迭代”机制，系统在无gps、无绝对风向参考的条件下，仅依靠风向仪之间的相互校验，即可自动识别并校正各风向仪的慢变漂移，这是区别于依赖外部基准的传统校准方法的根本性进步。

61、2、从根源上防止群体漂移发散

62、本发明通过一致性群体共识确保基准不会被偏离的风向仪“拉偏”，通过可信度门控机制确保异常风向仪的错误信息不会污染漂移模型，通过发散冻结为极端情况设置最后的“安全阀”，通过三层递进防护，解决了多风向仪冗余系统在长期运行中最棘手的群体偏移问题。

63、3、极高的抗干扰与自适应能力

64、本发明通过双层剔除机制能区分风向仪自身失稳（统计异常）与结构性偏离（结构异常），且其动态阈值可根据风况调整，通过迟滞恢复机制使系统能合理利用已恢复正常的风向仪，而非永久废弃。

65、4、具备预测性维护价值

66、本发明首次从多风向仪融合角度提供了慢漂移率的直接连续监测手段，运维人员可在风向仪完全失效前收到预警，将非计划停机转变为计划性维护，显著提升机组可利用率和降低运维成本。

67、5、环形数据处理的完整解决方案

68、本发明从环形角度偏差计算到最终抗环形误差的向量融合，整个流程均考虑了风向角的循环特性，不会出现0°/360°跨越时的跳变错误，准确度高。

69、6、广泛适用性和可扩展性

70、本方法的核心架构不依赖于被测物理量的具体特性，同样适用于风速仪、温度传感器、振动传感器等任何存在慢变漂移特性的多冗余测量场景，具有跨领域推广价值。