一种风力发电机组智能控制系统及方法与流程

1.本发明属于风力发电的技术领域，具体而言，涉及一种风力发电机组智能控制系统及方法。


背景技术：

2.风能是大自然提供给人类的可利用能量，是太阳能的一种转换形式，属于可再生能源。通过风力发电机组（以下简称风机）将风能转化为电能，将转化得到的电能通过电网传输至各地需要用电的设备。
3.随着工业大数据、边缘计算、云计算和人工智能技术的不断发展和创新应用，以及风机控制技术的日趋成熟，风机研究方向已经向着自适应、自调整和自决策等智能化发展。风力发电机组智能化将是风电行业革命的重要引擎，智能化、智慧化已成为整个风电产业发展的主流趋势。
4.在现有行业技术路线中，风机的基本运行数据由风机主控系统采集，由风电场监控系统（scada）汇总存储，再外发至互联网云端服务器，由云端服务器上的算法模型基于各类数据计算获得风机智能控制或集群协调控制所需的各种参考或执行参数。
5.在实际应用时，主要存在以下几个问题：1、风机主控系统采集的数据，存在大量无效数据和脏数据，无法直接进行数据挖掘或输入算法模型；2、风机主控系统多为plc，算力不够完成数据的预处理和算法模型的运行；3、风电场内部通讯网络和风电场外发网络带宽限制，使得传送至云端的数据精度不够（多为1s级或几s级），无法良好支持算法模型计算；4、受通讯网络限制，无法保障云端算法模型计算结果反馈至风场或风机的实时性。最终，导致智能算法模型运行结果不准确和实时性低，不能有效参与或参考风机控制，且无法闭环风机控制，使风机智能化大打折扣。同时，风电场外发数据存在被泄露的安全漏洞，不利于风电场的安全运行。


技术实现要素：

6.鉴于此，为了解决现有技术存在的上述问题，本发明的目的在于提供一种风力发电机组智能控制系统及方法以达到风电智能化控制有效落地，通过对风机多维数据进行采集和处理，基于风机和风场内部署的算法模型实现风机的智能化控制和状态调整，完成智能算法真正落地，有效增加风机发电量的目的。
7.本发明所采用的技术方案为：一种风力发电机组智能控制系统，该系统包括相互通信连接的多个边缘计算子系统和至少一个风场级计算子系统，各所述边缘计算子系统分别通信连接有至少一主控装置；各所述主控装置与各所述边缘计算子系统和风场级计算子系统进行通信交互数据，并将各所述边缘计算子系统和风场级计算子系统的算法模型运算结果反馈至各所述主控装置，以对各所述主控装置对应的风机进行智能化控制和运行状态调整。
8.进一步地，所述主控装置布置于对应的风机上，且通过主控装置采集该风机所配
套控制装置和传感器的数据。
9.进一步地，各所述边缘计算子系统间通过硬件资源统一调度构建计算资源池，由计算资源池共享数据计算能力；多个风机边缘计算子系统的集群，基于大数据框架设计和协同调度，可实现在多边缘计算设备集群中对海量数据进行分布式计算，完成多边缘计算子系统间数据和计算能力共享。
10.进一步地，所述边缘计算子系统布置于对应的风机上，且边缘计算子系统包括相互通信连接的边缘级通讯模块、边缘级数据处理模块和边缘级算法模块；所述风场级计算子系统部署于风场控制中心，且风场级计算子系统包括相互通信连接的风场级通讯模块、风场级数据存储模块、风场级算法模块和人机交互模块。
11.进一步地，所述边缘级通讯模块与对应的主控装置实时通讯并获取主控装置所有的原始数据；所述边缘级通讯模块与其他边缘计算子系统的边缘级通讯模块实时通讯并进行数据交互，用于获取其他边缘计算子系统的所有数据；所述边缘级通讯模块与风场级计算子系统实时通讯并进行数据交互。
12.进一步地，所述边缘级数据处理模块用于将边缘级通讯模块获取的原始数据根据不同算法模型的需求针对性的进行数据预处理，采用数据刷选、数据清理、数据集成、数据变换、数据归约和数据特征提取方法完成预处理，并根据各类应用场景完成数据统计，并将预处理数据输入至边缘级算法模块或通过边缘级通讯模块发送至风场级计算子系统。
13.进一步地，所述边缘级算法模块集成有边缘算法模型库，且边缘级算法模块根据当前算法模型的需求选择本台风机及全风场其他风机所对应的原始数据和/或预处理数据作为输入，经算法模型运行后获取相应的边缘级算法结果；边缘级算法结果由边缘级通讯模块发送至对应的主控装置，并通过主控装置对风机的运行控制。
14.进一步地，所述风场级通讯模块用于与全风场中每台主控装置和边缘计算子系统实时通讯并获取数据。
15.进一步地，所述风场级算法模块集成有风场级算法模型库，通过将单台风机或全场风机的原始数据和/或预处理数据输入相应的算法模型，由算法模型运行后获取相应的风场级算法结果或机群协同控制指令；风场级算法结果或机群协同控制指令由边缘通讯模块发送至主控装置，通过主控装置对风机的运行控制和参数调整。
16.进一步地，所述风场级数据存储模块用于存储全风场中各个主控装置的原始数据、各个边缘计算子系统的预处理数据、边缘级算法结果以及风场级算法模块运行的风场级算法结果。
17.进一步地，所述人机交互模块用于管理全风场的各个风机边缘计算子系统和风场级计算子系统；所述人机交互模块用于监视全风场中各个风机边缘计算子系统和风场级计算子系统的运行状态；所述人机交互模块用于从风场级计算子系统中调取查询数据，并对数据展示；
所述人机交互模块用于操作全风场内各个风机的协调控制。
18.在本发明中还提供了一种风力发电机组智能控制方法，该方法包括：获取全风场内所有风机对应主控装置的所有原始数据，获取全风场内所有边缘计算子系统根据算法模型需求得到的预处理数据；各所述边缘计算子系统根据边缘级算法模型和风场级算法模型所需的原始数据和预处理数据，进行数据的预处理和融合以获取预处理和融合数据；将原始数据、预处理和融合数据发送至风场级计算子系统，并按需输入至风场级计算子系统中的风场级算法模型中，通过风场级算法模型输出风场级算法结果或机群协同控制指令并反馈至主控装置，由主控装置对风机进行运行控制；将所需的原始数据、预处理和融合数据输入至边缘计算子系统中的边缘级算法模型中，通过边缘级算法模型输出边缘级算法结果并反馈至主控装置，由主控装置对风机进行运行控制。
19.本发明的有益效果为：1. 采用本发明所提供的一种风力发电机组智能控制系统，其主要由风机主控装置、风机边缘计算子系统和风场级计算子系统构成，基于工业大数据和边缘计算理念，通过在风机端部署边缘计算子系统实现风机多维高频数据的同步采集和处理，高质量的提取和转换，将众多风机边缘计算子系统搭建成大数据架构，实现数据和算力共享的同时，将智能算法模型部署在风机端或风场级，支撑算法模型得以在风场内完成运行，并将算法结果在风场本地闭环风机运行控制和参数调整，最终实现风机的智能化自适应控制和更优状态调整，以及风机群的协同优化控制，完成智能算法真正落地，有效增加风机发电量、提高运行安全和稳定性。
20.2. 采用本发明所提供的一种风力发电机组智能控制方法，其区别于传统大数据中需将本地数据外发至互联网云端的设计思路，增加了算法模型运行结果参与控制的实时性和有效性，避免了风场数据泄露的风险，节省了数据外发的网络传输成本。
附图说明
21.图1是本发明所提供的一种风力发电机组智能控制系统的系统架构示意图；图2是本发明所提供的一种风力发电机组智能控制方法的工作流程图。
具体实施方式
22.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的模块或具有相同或类似功能的模块。下面通过参考附图描述的实施例是示例性的，仅用于解释本技术，而不能理解为对本技术的限制。相反，本技术的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
23.实施例1为了解决现有风电行业智能化存在的问题，在本实施例中提供了一种风力发电机组智能控制系统，该系统包括相互通信连接的多个边缘计算子系统和至少一个风场级计算子系统，各所述边缘计算子系统分别通信连接有至少一主控装置。如图1所示，在本实施例
中具体提供了四个风机端和一个风场中心级，各个风机端分别由一个边缘计算子系统和一个主控装置所构成，而风场中心级则为风场级计算子系统所构成。各个主控装置分别与其各个风机端所在的边缘计算子系统之间通信连接，各个边缘计算子系统以及风场级计算子系统之间也是相互通信连接。
24.各所述主控装置与各所述边缘计算子系统和风场级计算子系统进行通信交互数据，并将各所述边缘计算子系统和风场级计算子系统的算法模型运算结果反馈至各所述主控装置，以对各所述主控装置对应的风机进行智能化控制和运行状态调整。
25.对于主控装置部分主控装置布置于对应的风机上，用于对风机自动运行进行控制。通过主控装置采集该风机所配套控制装置和传感器的数据，具体为：采集接入传感器、风机变桨装置和变流器装置等所有配套控制装置的数据。在实际应用时，主控装置可与对应的边缘计算子系统和风场级计算子系统通讯交互数据，并接收边缘计算子系统和风场级计算子系统所输出的算法模型运算结果，且根据算法模型运算结果完成智能化控制和运行状态调整。
26.对于边缘计算子系统部分在本实施例中，各所述边缘计算子系统间通过硬件资源统一调度构建计算资源池，由计算资源池共享数据计算能力，即当前边缘计算子系统能调用其他边缘计算子系统的硬件进行数据计算，以满足当前边缘计算子系统的功能需求，进而能实现数据计算能力的共享。在本实施例中，多个风机边缘计算子系统的集群，基于大数据框架设计和协同调度，可实现在多边缘计算设备集群中对海量数据进行分布式计算，完成多边缘计算子系统间数据和计算能力共享。
27.以单个边缘计算子系统为例，将边缘计算子系统布置于对应的风机上，且边缘计算子系统包括相互通信连接的边缘级通讯模块、边缘级数据处理模块和边缘级算法模块。
28.①
边缘级通讯模块边缘级通讯模块与对应的主控装置实时通讯并获取主控装置所有的原始数据，包括主控装置所有的io量实时高频数据（10ms级）、主控装置的定量参数和主控装置通讯获取的所有配套装置（主控附属装置、变桨装置、变流器装置等）的数据；在实际应用时，边缘级通讯模块可适配主流工业控制通讯协议和系统私有通讯协议，以满足进行数据的传输通信。
29.边缘级通讯模块与其他边缘计算子系统的边缘级通讯模块实时通讯并进行数据交互，用于获取其他边缘计算子系统的所有数据，主要为其他边缘计算子系统的预处理数据。
30.所述边缘级通讯模块与风场级计算子系统实时通讯并进行数据交互，能够将当前风场级计算子系统所对应风机端中主控装置的原始数据以及风场级计算子系统所输出的预处理数据传输至风场级计算子系统，为风场级计算子系统中的算法模型运行提供数据支撑。
31.②
边缘级数据处理模块边缘级数据处理模块用于将边缘级通讯模块获取的原始数据（多维数据）根据各类算法模型需求进行预处理得到预处理数据，其中，预处理包括数据刷选、数据清理、数据集成、数据变换、数据归约和数据特征提取等操作，并通过预处理提升数据质量和降低数据
传输压力。将预处理后的预处理数据输入至边缘级算法模块或通过边缘级通讯模块发送至风场级计算子系统。
32.③
边缘级算法模块边缘级算法模块集成有边缘算法模型库，且边缘级算法模块根据当前算法模型的需求选择本台风机及全风场其他风机所对应的原始数据和/或预处理数据作为输入，经算法模型运行后获取相应的边缘级算法结果。具体地，以某一风机端为例，该风机端中边缘计算子系统的边缘级算法模块的边缘算法模型库中存在多种算法模型，有些算法模型可能仅需要原始数据即可、有些算法模型可能仅需要预处理数据即可以及还有些算法模型可能同时需要原始数据和预处理数据，在算法模型获取相应的数据之后，通过算法模型运算后获取相应的算法结果。
33.在本实施例中，对于边缘算法模型库，其包括但不限于以下需在边缘运行的算法模型：实时性高的算法模型、虚拟传感器拟合类算法模型、风机之间相互学习类算法模型和定量参数自寻优类算法模型。
34.边缘级算法结果由边缘级通讯模块发送至对应的主控装置，并通过主控装置对风机的运行控制。
35.基于上述，风机边缘计算子系统对主控装置的全部运行参数进行实时高频采集、同步和预处理，并将关键原始数据和预处理后数据发至风场级计算子系统，同时边缘计算子系统部署了边缘级算法模型库，边缘级算法模型计算结果可发送至主控装置参与控制或调节运行参数。
36.对于风场级计算子系统部分将风场级计算子系统部署于风场控制中心，且风场级计算子系统包括相互通信连接的风场级通讯模块、风场级数据存储模块、风场级算法模块和人机交互模块，以上几部分作为风场级计算子系统部的重要组成部分。
37.①
风场级通讯模块将风场级通讯模块用于与全风场中每台主控装置和对应的边缘计算子系统实时通讯并获取数据，主要包括主控装置的通频数据（1s级）和边缘计算子系统的预处理数据。在实际应用中，风场级通讯模块可适配主流工业控制通讯协议和系统私有通讯协议。
38.②
风场级算法模块风场级算法模块集成有风场级算法模型库，通过将单台风机或全场风机的原始数据和/或预处理数据输入相应的算法模型，由算法模型运行后获取相应的风场级算法结果或机群协同控制指令。在本实施例中，风场级算法模型库，其包括但不限于以下在风场级运行的算法模型：单机虚拟传感器拟合类算法模型、机群共享传感器拟合类算法模型、性能偏差识别类算法模型、定量参数自寻优类算法模型、机群对标类算法模型和机群协调控制类算法模型。
39.风场级算法结果或机群协同控制指令由边缘通讯模块发送至主控装置，通过主控装置对风机的运行控制和参数调整，以实现全风场中各个风机的智能化控制。
40.③
风场级数据存储模块风场级数据存储模块用于从全风场中各个边缘计算子系统获取高频原始数据（高频原始数据由边缘计算子系统对应的主控装置采集获取）、预处理数据（由边缘计算子系统
进行预处理后获取）、边缘级算法结果（由边缘计算子系统的边缘算法模型所计算获取）以及风场级算法模块运行的风场级算法结果。
41.④
人机交互模块人机交互模块用于管理全风场的各个风机边缘计算子系统和风场级计算子系统。在实际应用时，其包括通过人机交互模块接收用户的修改类、删除类和增加类指令，根据所述指令，在风机边缘计算子系统和风场级计算子系统的算法模型库中修改、删除和增加算法。还包括通过人机交互模块接收用户的配置指令，根据所述指令，完成风机边缘计算子系统的数据采集和数据处理的自动化配置、风场级数据存储配置、风机边缘计算子系统与风场级计算子系统中每个算法模型的运行配置。
42.人机交互模块用于监视全风场中各个风机边缘计算子系统和风场级计算子系统的运行状态，并将运行状态进行人机交互。
43.人机交互模块用于从风场级计算子系统中调取查询数据（包括原始数据、预处理数据以及算法结果数据等），并对数据展示，展示的形式包括但不限于：表格、图形等展示数据。例如：展示通过机群对标类算法模型运算出的机组性能参数和对标结果。
44.所述人机交互模块用于操作全风场内各个风机的协调控制，用户在人机交互模块的人机交互界面进行人工手动操作。
45.风场级计算子系统可实时获取风机边缘计算子系统和主控装置发送的数据，并部署了风场级算法模型库，风场级算法模型计算结果可发送至主控装置参与控制或调节运行参数；所述边缘计算子系统和风场级计算子系统部署的算法模型，基于主控装置数据和边缘计算子系统预处理数据完成风机虚拟传感数据计算和运行参数调整目标计算；风场级计算子系统部署的风场级算法模型还可实现，基于全风场所有风机主控装置数据和边缘计算子系统预处理数据完成机群共享传感数据计算和全场风机运行状态调整，可在风机边缘端实现高实时性算法模型运算结果参与风机闭环控制，和风电场级实现非高实时性和基于机群大数据智能算法模型运算结果的风机控制闭环。
46.实施例2在实施例1中具体提供了一种风力发电机组智能控制系统，在实施例1的基础上，在本实施例中还提供了一种风力发电机组智能控制方法，该方法包括：获取全风场内所有风机对应主控装置的所有原始数据，获取全风场内所有边缘计算子系统根据算法模型需求得到的预处理数据；各所述边缘计算子系统根据边缘级算法模型和风场级算法模型所需的原始数据和预处理数据，进行数据的预处理和融合以获取预处理和融合数据。如图2所示，以某一边缘计算子系统为例，根据当前边缘计算子系统中各类边缘算法模型所需数据，其从对应主控装置中获取当前主控装置所有的原始数据和从其他边缘计算子系统中获取所有的预处理数据中获取其所需的数据，并通过该边缘计算子系统进行数据的预处理和融合以得到预处理和融合数据。
47.从风场级部分：将所有风机对应主控装置的原始数据输入至风场级计算子系统（集控端/风场集控端），并将预处理和融合数据发送至风场级计算子系统中，并按需输入至风场级计算子系统中的风场级算法模型中，通过风场级算法模型输出风场级算法结果或机群协同控制指令并反馈至主控装置，由主控装置对风机进行运行控制。
48.从边缘级部分：将所需的原始数据、预处理和融合数据输入至边缘计算子系统（边缘端）中的边缘级算法模型中，通过边缘级算法模型输出边缘级算法结果并反馈至主控装置，由主控装置对风机进行运行控制。
49.采用上述的风力发电机组智能控制方法，可高效协同调度全风场中每台风机的运算能力，在风机边缘算力共享的同时，配合风场级计算子系统作为后盾，形成风电场内的大数据解决方法。无需将风电场数据通过网络外发至风电场群私有云服务或互联网云服务上，能够在保证风电场数据安全前提下，提高风机算法模型运算结果的实时性、算法模型部署的灵活性和可靠性，提升风机有效运行小时数和调整风机至最佳发电状态。
50.需要说明的是，流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
51.应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
52.本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
53.此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
54.上述提到的存储介质可以是只读存储器，磁盘或光盘等。
55.尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。