公开(公告)号：CN117556170A

公开(公告)日：2024-02-13

申请号：CN202311575555.4

申请日：2023-11-23

申请人： 重庆大学

发明人： 李天 ,  杨庆山 ,  张创 ,  张明明 ,  权顺德

IPC分类号： G06F17/10

摘要： 本发明公开了一种偏航风机的非高斯尾流风速损失分布预测方法，通过构建偏航风机尾流风速损失模型，并考虑了非高斯分布可以通过偏度的增大或减小，根据风电场中不同风机类型以及来流风情况对风机尾流速度进行良好的预测，在源头上提升真实性，提高风资源评估和风场实时偏航控制的准确性与优化率，进而帮助提高风电场发电效率，从而获得更大的发电量与经济效益。

公开(公告)号：CN117473875A

公开(公告)日：2024-01-30

申请号：CN202311660850.X

申请日：2023-12-05

申请人： 重庆大学

发明人： 李天 ,  杨庆山 ,  杨宝山 ,  周绪红 ,  权顺德

IPC分类号： G06F30/27 ,  G06N3/126 ,  G16B20/50 ,  G06Q50/06 ,  G06F113/06 ,  G06F111/06 ,  G06F119/04

摘要： 本发明公开了一种多机型风电场布局优化方法，包括如下步骤：1)对风电场区域进行网格划分形成若干个网格，在全部网格或随机在部分网格中布置一台风力机，其中，各网格中布置的风力机类型随机布置，形成初始布局；多次重复进行风力机布置后，形成若干个初始布局；2)建立风电场风速模型，然后输入来流风速与风向，然后根据该来流风速与风向计算每个初始布局的平准化能源成本；3)采用遗传算法对初始布局进行优化，优化目标为最小化平准化能源成本，当布局结果收敛时，得到最佳多机型布局。通过对多类型风力机间的尾流效应估算，将疲劳损伤转化为维护成本，从而能够对风电场布局进行有效优化，降低维护成本。

公开(公告)号：CN117744755A

公开(公告)日：2024-03-22

申请号：CN202311728511.0

申请日：2023-12-15

申请人： 重庆大学

发明人： 李天 ,  杨庆山 ,  李杭 ,  黄国庆 ,  权顺德

IPC分类号： G06N3/096 ,  G06N3/086 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0495 ,  G06Q50/06 ,  H02J3/38 ,  G01P5/00 ,  G01P13/02 ,  G01K13/00 ,  G01N33/00 ,  G01L19/00

摘要： 本发明公开了基于深度学习模型的风电场短时风速预测模型的构建方法，包括，1)从风电场中获取历史风速数据；2)对所述历史风速数据进行预处理；3)在原始transformer结构上增加稀疏采样自注意力机制以及自注意力蒸馏模块构建基于Informer的风速预测模型；4)将所述历史风速数据输入风速预测模型对其进行训练，并采用灰狼优化算法对所述风速预测模型进行参数优化；5)将验证集输入所述风速预测模型中，对训练后的风速预测模型的泛化能力进行评估，以对风速预测模型进行评价。本发明在原始transformer结构上增加稀疏采样自注意力机制以及自注意力蒸馏模块，有效降低时间和空间复杂度，在保证高精度的条件下大幅提升了预测效率，对更长距离的时序预测更具优势。

公开(公告)号：CN117688981A

公开(公告)日：2024-03-12

申请号：CN202311728507.4

申请日：2023-12-15

申请人： 重庆大学

发明人： 杨庆山 ,  李天 ,  李杭 ,  刘震卿 ,  权顺德

IPC分类号： G06N3/0455 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06Q50/06 ,  H02J3/00

摘要： 本发明公开了基于卷积神经网络模型的风电场尾流及功率预测方法，包括如下步骤：1)基于卷积神经网络构建多风机尾流叠加预测模型，通过解析尾流模型和数值模拟生成尾流流场数据集训练并验证该模型；2)根据所述多风机尾流叠加预测模型对风电场尾流的尾流速度场和湍流场及总发电功率进行预测。本发明通过采用深度学习模型技术，在保证高效计算的同时可达到接近数值模拟的尾流预测精度，依靠数据驱动的模型训练方法，可使其快速部署在各类不同的风电场中；其次，还可通过风电场的实测数据来进一步提升预测性能，避免传统的参数识别步骤，应用更加高效。

公开(公告)号：CN117744709A

公开(公告)日：2024-03-22

申请号：CN202311734604.4

申请日：2023-12-15

申请人： 重庆大学

发明人： 李天 ,  杨庆山 ,  李杭 ,  吴腾 ,  权顺德

IPC分类号： G06N3/0455 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094 ,  G06Q50/06 ,  H02J3/00

摘要： 本发明公开了基于生成对抗式网络模型的风电场尾流及功率预测方法，包括如下步骤：1)基于transformer模型和条件生成对抗式网络构建单风机尾流预测模型；2)基于卷积神经网络构建多风机尾流叠加预测模型，通过解析尾流模型和数值模拟生成训练数据集训练并验证上述两模型；3)根据所述单风机尾流预测模型和多风机尾流叠加预测模型对风电场尾流的尾流场和功率进行预测。本发明通过采用深度学习模型技术，在保证高效计算的同时可达到接近数值模拟的尾流预测精度，依靠数据驱动的模型训练方法，可使其快速部署在各类不同的风电场中；其次，还可通过风电场的实测数据来进一步提升预测性能，避免传统的参数识别步骤，应用更加高效。

公开(公告)号：CN117556733A

公开(公告)日：2024-02-13

申请号：CN202311576059.0

申请日：2023-11-23

申请人： 重庆大学

发明人： 杨庆山 ,  李天 ,  张创 ,  闫渤文 ,  权顺德

IPC分类号： G06F30/28 ,  G06F111/10 ,  G06F113/08 ,  G06F119/14 ,  G06F113/06

摘要： 本发明公开了一种针对偏航风机尾流的湍流强度分布预测方法，通过构建针对偏航风机尾流的附加湍流强度模型，并考虑偏航风机尾流湍流强度分布的偏移不对称性，提高偏航尾流附加湍流强度预测的精度，从而总体提升偏航风机尾流湍流强度预测的精度和分布区域，在源头上提升真实性，帮助提高风机荷载评估分析的准确性，从而更好的辅助获得风电场通过高准确性的偏航控制策略以提升风机发电量，增加运行安全性能、经济效益以及能源利用率。