本發(fā)明屬于新能源，具體屬于一種新能源數(shù)據(jù)分析模型的動態(tài)驗證與校正方法。

背景技術(shù)：

1、隨著全球?qū)稍偕茉吹闹匾?，風(fēng)力發(fā)電作為一種綠色、環(huán)保的能源形式，得到了廣泛的應(yīng)用。風(fēng)力發(fā)電系統(tǒng)通常由風(fēng)機(jī)組和控制系統(tǒng)組成，風(fēng)機(jī)組的核心任務(wù)是將風(fēng)能轉(zhuǎn)化為電能。風(fēng)機(jī)的運行狀態(tài)、發(fā)電效能和故障情況與風(fēng)速、溫度、濕度、電流等多種因素密切相關(guān)。為了實現(xiàn)高效、穩(wěn)定的風(fēng)電發(fā)電，風(fēng)機(jī)運行的實時監(jiān)控與效能評估至關(guān)重要。準(zhǔn)確的功率曲線修正、故障診斷與預(yù)警，以及控制策略的動態(tài)優(yōu)化，是確保風(fēng)機(jī)能夠在不同工況下運行的關(guān)鍵技術(shù)。

2、目前，風(fēng)力發(fā)電系統(tǒng)的管理和優(yōu)化主要依賴于基于靜態(tài)模型的功率曲線，通常是在固定環(huán)境條件下進(jìn)行設(shè)定，然而，這種方法無法有效應(yīng)對風(fēng)速、溫度等實時變化帶來的影響，傳統(tǒng)的風(fēng)機(jī)功率曲線通?；跉v史數(shù)據(jù)預(yù)設(shè)，并未考慮到實際風(fēng)機(jī)的性能波動與工況變化，此外，風(fēng)機(jī)故障診斷主要依賴于人工巡檢和經(jīng)驗判斷，未能充分利用實時數(shù)據(jù)進(jìn)行智能化預(yù)警和故障識別，現(xiàn)有技術(shù)中的風(fēng)機(jī)故障診斷與預(yù)警系統(tǒng)雖然能在一定程度上監(jiān)控風(fēng)機(jī)狀態(tài)，但大多數(shù)系統(tǒng)無法及時、準(zhǔn)確地定位故障原因，且缺乏對風(fēng)機(jī)控制策略的實時優(yōu)化功能。

技術(shù)實現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)在風(fēng)機(jī)效能評估過程中不能根據(jù)實時工況修正風(fēng)機(jī)功率曲線，進(jìn)而進(jìn)行故障分析、控制策略優(yōu)化，導(dǎo)致風(fēng)電場的發(fā)電效能低和運行可靠性差的問題，本發(fā)明提供了一種新能源數(shù)據(jù)分析模型的動態(tài)驗證與校正方法。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、本發(fā)明提出了一種新能源數(shù)據(jù)分析模型的動態(tài)驗證與校正方法，包括以下步驟：

4、基于獲取的風(fēng)機(jī)的實時運行數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)數(shù)據(jù)；

5、利用機(jī)器學(xué)習(xí)算法，基于所述標(biāo)準(zhǔn)數(shù)據(jù)對傳統(tǒng)風(fēng)機(jī)功率曲線進(jìn)行動態(tài)修正；

6、基于修改后的風(fēng)機(jī)功率曲線進(jìn)行風(fēng)機(jī)效能評估；

7、基于獲取的風(fēng)機(jī)狀態(tài)數(shù)據(jù)通過風(fēng)機(jī)故障診斷與預(yù)警機(jī)制識別出潛在故障，并制定出處理所述潛在故障的控制策略以及預(yù)警信息；

8、利用強(qiáng)化學(xué)習(xí)算法，基于所述風(fēng)機(jī)狀態(tài)數(shù)據(jù)和歷史數(shù)據(jù)優(yōu)化所述控制策略，調(diào)整風(fēng)機(jī)的控制參數(shù)。

9、優(yōu)選地，所述風(fēng)電場的實時運行數(shù)據(jù)包括風(fēng)速、溫度、電壓、電流和功率輸出。

10、優(yōu)選地，所述實時運行數(shù)據(jù)的標(biāo)準(zhǔn)化處理包括：

11、對所述實時運行數(shù)據(jù)進(jìn)行去噪處理，得到實時運行去噪數(shù)據(jù)；

12、對所述實時運行去噪數(shù)據(jù)進(jìn)行插值處理，得到實時運行插值數(shù)據(jù)；

13、對實時運行插值數(shù)據(jù)進(jìn)行缺失值修復(fù)處理，所述標(biāo)準(zhǔn)數(shù)據(jù)。

14、優(yōu)選地，所述利用機(jī)器學(xué)習(xí)算法，基于所述標(biāo)準(zhǔn)數(shù)據(jù)對傳統(tǒng)風(fēng)機(jī)功率曲線進(jìn)行動態(tài)修正包括：

15、以所述標(biāo)準(zhǔn)數(shù)據(jù)為輸入，利用機(jī)器學(xué)習(xí)算法構(gòu)建得到功率曲線修正模型；

16、將傳統(tǒng)風(fēng)機(jī)功率曲線輸入所述功率曲線修正模型中進(jìn)行動態(tài)修正。

17、優(yōu)選地，所述功率曲線修正模型為：

18、

19、其中，表示在風(fēng)速和時間下修正后的風(fēng)機(jī)功率輸出，是基于機(jī)器學(xué)習(xí)算法生成的功率修正函數(shù)。

20、優(yōu)選地，所述基于獲取的風(fēng)機(jī)狀態(tài)數(shù)據(jù)通過風(fēng)機(jī)故障診斷與預(yù)警機(jī)制識別出潛在故障包括：

21、獲取風(fēng)機(jī)的狀態(tài)數(shù)據(jù)；

22、將所述狀態(tài)數(shù)據(jù)通過風(fēng)機(jī)故障診斷與預(yù)警機(jī)制預(yù)測，得到故障風(fēng)險值；

23、基于所述故障風(fēng)險值識別出所述潛在故障；

24、其中，所述狀態(tài)數(shù)據(jù)包括溫度、轉(zhuǎn)速、電流；

25、所述將所述狀態(tài)數(shù)據(jù)通過風(fēng)機(jī)故障診斷與預(yù)警機(jī)制預(yù)測，得到故障風(fēng)險值的過程為：

26、

27、其中，表示在時間下的故障風(fēng)險值，是狀態(tài)數(shù)據(jù)在風(fēng)險評估中的權(quán)重系數(shù)，是狀態(tài)數(shù)據(jù)在時間時的值。

28、優(yōu)選地，所述利用強(qiáng)化學(xué)習(xí)算法，基于所述風(fēng)機(jī)狀態(tài)數(shù)據(jù)和歷史數(shù)據(jù)優(yōu)化所述控制策略的過程為：

29、

30、其中，表示在狀態(tài)下執(zhí)行動作的q值，為學(xué)習(xí)率，是即時獎勵，為折扣因子，是下一個狀態(tài)下的最大q值。

31、本發(fā)明還提出了一種新能源數(shù)據(jù)分析模型的動態(tài)驗證與校正系統(tǒng)，用于實現(xiàn)上述的一種新能源數(shù)據(jù)分析模型的動態(tài)驗證與校正方法，包括：

32、數(shù)據(jù)獲取模塊，被配置為：

33、用于獲取風(fēng)機(jī)的實時運行數(shù)據(jù)和風(fēng)機(jī)狀態(tài)數(shù)據(jù)；

34、標(biāo)準(zhǔn)化處理模塊，被配置為：

35、用于對風(fēng)機(jī)的實時運行數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)數(shù)據(jù)；

36、修正模塊，被配置為：

37、用于利用機(jī)器學(xué)習(xí)算法，基于所述標(biāo)準(zhǔn)數(shù)據(jù)對傳統(tǒng)風(fēng)機(jī)功率曲線進(jìn)行動態(tài)修正；

38、效能評估模塊，被配置為：

39、用于基于修改后的風(fēng)機(jī)功率曲線進(jìn)行風(fēng)機(jī)效能評估；

40、數(shù)據(jù)處理模塊，被配置為：

41、用于基于獲取的風(fēng)機(jī)狀態(tài)數(shù)據(jù)通過風(fēng)機(jī)故障診斷與預(yù)警機(jī)制識別出潛在故障，并制定出處理所述潛在故障的控制策略以及預(yù)警信息；

42、優(yōu)化模塊，被配置為：

43、利用強(qiáng)化學(xué)習(xí)算法，基于所述風(fēng)機(jī)狀態(tài)數(shù)據(jù)和歷史數(shù)據(jù)優(yōu)化所述控制策略，調(diào)整風(fēng)機(jī)的控制參數(shù)。

44、本發(fā)明還提出了一種電子設(shè)備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器中運行的計算機(jī)程序，所述處理器執(zhí)行所述計算機(jī)程序時實現(xiàn)上述的一種新能源數(shù)據(jù)分析模型的動態(tài)驗證與校正方法的步驟。

45、本發(fā)明還提出了一種計算機(jī)可讀存儲介質(zhì)，所述計算機(jī)可讀存儲介質(zhì)存儲有計算機(jī)程序，所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)上述的一種新能源數(shù)據(jù)分析模型的動態(tài)驗證與校正方法的步驟。

46、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益的技術(shù)效果：

47、本發(fā)明提出了一種新能源數(shù)據(jù)分析模型的動態(tài)驗證與校正方法，本方法通過獲取風(fēng)機(jī)的實時運行數(shù)據(jù)并進(jìn)行標(biāo)準(zhǔn)化處理，能夠消除不同數(shù)據(jù)源之間的量綱差異和異常值干擾，便于機(jī)器學(xué)習(xí)算法的有效利用，提高了數(shù)據(jù)分析的效率，還確保了分析結(jié)果的可靠性和準(zhǔn)確性。

48、進(jìn)一步地，本方法利用機(jī)器學(xué)習(xí)算法對傳統(tǒng)風(fēng)機(jī)功率曲線進(jìn)行動態(tài)修正，實時修正風(fēng)機(jī)的功率曲線，使得修正后的功率曲線能夠?qū)崟r反應(yīng)風(fēng)機(jī)運行狀態(tài)變化，從而更精確地評估風(fēng)機(jī)效能，使得風(fēng)機(jī)效能評估更加貼近實際，有助于及時發(fā)現(xiàn)并解決效能下降的問題。

49、更進(jìn)一步地，本方法通過實時監(jiān)測風(fēng)機(jī)狀態(tài)數(shù)據(jù)與風(fēng)機(jī)故障診斷與預(yù)警機(jī)制結(jié)合夠迅速識別出潛在故障，并制定出相應(yīng)的控制策略和預(yù)警信息，有助于減少故障發(fā)生的風(fēng)險，還能在故障發(fā)生前采取預(yù)防措施，減少風(fēng)機(jī)停機(jī)時間和維修成本，延長風(fēng)機(jī)使用壽命。

50、更進(jìn)一步地，本方法強(qiáng)化學(xué)習(xí)算法通過不斷試錯和學(xué)習(xí)，能夠根據(jù)風(fēng)機(jī)狀態(tài)數(shù)據(jù)和歷史數(shù)據(jù)，自動調(diào)整控制參數(shù)，以達(dá)到最優(yōu)的控制效果，使得風(fēng)機(jī)在面臨不同運行環(huán)境和條件時，都能保持最佳的運行狀態(tài)，進(jìn)一步提升了風(fēng)機(jī)效能和穩(wěn)定性，對風(fēng)機(jī)實際工況的動態(tài)適應(yīng)，能夠準(zhǔn)確評估風(fēng)機(jī)的發(fā)電能力，并優(yōu)化控制策略，最大化發(fā)電效能。同時，系統(tǒng)能夠基于實時數(shù)據(jù)進(jìn)行風(fēng)機(jī)故障的智能診斷與預(yù)警，提前識別潛在故障并提供決策支持。