(19)國家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利(10)授權(quán)公告號(hào)CN120087241B(65)同一申請(qǐng)的已公布的文獻(xiàn)號(hào)地址250000山東省濟(jì)南市歷下區(qū)經(jīng)十路17923號(hào)孟鈴涵于振宇(74)專利代理機(jī)構(gòu)山東舜源聯(lián)合知識(shí)產(chǎn)權(quán)代理有限公司37359專利代理師閆曉燕審查員傅重添(54)發(fā)明名稱一種基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法本申請(qǐng)?zhí)峁┮环N基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，屬于風(fēng)電場(chǎng)技術(shù)領(lǐng)據(jù)；采用輸入凸神經(jīng)網(wǎng)絡(luò)模型對(duì)仿真數(shù)據(jù)進(jìn)行擬合，得到風(fēng)電機(jī)組非線性凸模型；通過輸入凸神經(jīng)網(wǎng)絡(luò)模型擬合生成時(shí)間窗口載荷時(shí)序數(shù)據(jù)，基于時(shí)間窗口載荷時(shí)序數(shù)據(jù)與等效疲勞載荷的映射關(guān)系，獲得疲勞載荷的非線性凸模型；將風(fēng)電機(jī)組非線性凸模型輸出的主軸扭矩作為疲勞載荷的非線性凸模型的輸入，獲得雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型；對(duì)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練解，以獲得滿足風(fēng)電場(chǎng)安全穩(wěn)定約束的有功解21.一種基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，其特征在于，所采用輸入凸神經(jīng)網(wǎng)絡(luò)模型對(duì)仿真數(shù)據(jù)進(jìn)行擬合，得到風(fēng)電機(jī)組通過輸入凸神經(jīng)網(wǎng)絡(luò)模型擬合生成時(shí)間窗口載荷時(shí)序數(shù)據(jù)，基于時(shí)間窗口載荷時(shí)序數(shù)將風(fēng)電機(jī)組非線性凸模型輸出的主軸扭矩作為疲勞載荷的非線性對(duì)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型進(jìn)行有功優(yōu)化控制求解，以獲得滿足風(fēng)電場(chǎng)安全穩(wěn)神經(jīng)網(wǎng)絡(luò)模型的權(quán)重及偏置參數(shù)集，Ni+1是輸入凸神經(jīng)網(wǎng)絡(luò)模型的第i+1層輸出向量，w(n)是輸入凸神經(jīng)網(wǎng)絡(luò)模型的第i層非直通層權(quán)重，Z是輸入凸神經(jīng)網(wǎng)絡(luò)模型的第i層輸2.如權(quán)利要求1所述的基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，其特征3.如權(quán)利要求2所述的基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，其特征通過損失函數(shù)改善輸入凸神經(jīng)網(wǎng)絡(luò)模型收斂性與精度，獲得風(fēng)電機(jī)組非線性凸模型，3小化模型梯度誤差，nout是改善后輸入凸神經(jīng)網(wǎng)絡(luò)模型的輸出向量，ntrain是改善后輸入凸神經(jīng)網(wǎng)絡(luò)模型的輸入向量，輸入凸神經(jīng)網(wǎng)絡(luò)模型的梯度，采用自動(dòng)梯度計(jì)算工具計(jì)算得到的仿真環(huán)境梯度。4.如權(quán)利要求3所述的基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，其特征在于，通過輸入凸神經(jīng)網(wǎng)絡(luò)模型擬合生成時(shí)間窗口載荷時(shí)序數(shù)據(jù)，基于時(shí)間窗口載荷時(shí)序數(shù)據(jù)與等效疲勞載荷的映射關(guān)系，獲得疲勞載荷的非線性凸模型，具體包括：以預(yù)設(shè)窗長(zhǎng)的滑動(dòng)窗口，對(duì)獲取的主軸扭矩進(jìn)行切片，以劃分為主軸扭矩測(cè)試集與主軸扭矩?cái)?shù)據(jù)集；通過雨流計(jì)數(shù)法，計(jì)算每個(gè)滑動(dòng)窗口的主軸扭矩的載荷循環(huán)幅值與均值，以獲得等效第N段載荷信號(hào)的等效疲勞載荷；采用輸入凸神經(jīng)網(wǎng)絡(luò)模型對(duì)主軸扭矩進(jìn)行擬合，生成時(shí)間窗口載荷時(shí)序數(shù)據(jù)；基于時(shí)間窗口載荷時(shí)序數(shù)據(jù)與等效疲勞載荷的映射關(guān)系，獲得疲勞載荷的非線性凸模5.如權(quán)利要求4所述的基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，其特征在于，對(duì)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型進(jìn)行有功優(yōu)化控制求解，以獲得滿足風(fēng)電場(chǎng)安全穩(wěn)定約束的有功功率分配最優(yōu)解，具體包括：構(gòu)建有功減載優(yōu)化目標(biāo)為：其中，Ln為根據(jù)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型計(jì)算得出的第i臺(tái)風(fēng)機(jī)的等效疲勞載荷，由根據(jù)Pref構(gòu)建的查找表獲得，minf(x)是有功減載優(yōu)化目標(biāo)函數(shù)；構(gòu)建優(yōu)化問題約束條件為：其中，Pref為有功功率參考值，Pmin為單機(jī)最大可用功率，Pmax為最小可用功率，h(Pref)為等式約束函數(shù)，為電網(wǎng)調(diào)度指令，g(Pref)為不4等式約束函數(shù)，|Pref-Prefc-1)I為1時(shí)間步內(nèi)有功功率變化量，△Pmax為單機(jī)最大功率爬坡約束；采用模型預(yù)測(cè)控制算法對(duì)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型進(jìn)行優(yōu)化求解，獲得滿足風(fēng)電場(chǎng)安全穩(wěn)定約束的有功功率分配最優(yōu)解。6.如權(quán)利要求5所述的基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，其特征在于，模型預(yù)測(cè)控制算法為序列最小二乘規(guī)劃法；采用模型預(yù)測(cè)控制算法對(duì)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型進(jìn)行優(yōu)化求解，獲得滿足風(fēng)電場(chǎng)安全穩(wěn)定約束的有功功率分配最優(yōu)解，包括：根據(jù)傳統(tǒng)比例分配算法，計(jì)算風(fēng)電場(chǎng)各風(fēng)電機(jī)組的有功功率參考作為初始點(diǎn)；以10W的尺度，根據(jù)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型生成風(fēng)電機(jī)組疲勞載荷查找表；使用序列最小二乘規(guī)劃法進(jìn)行優(yōu)化問題求解：在第k步迭代處，使用序列最小二乘規(guī)劃法對(duì)有功減載優(yōu)化目標(biāo)和優(yōu)化問題約束條件進(jìn)行一階泰勒展開：對(duì)于有功減載優(yōu)化目標(biāo)：其中，f(Pref)為有功功率參考值的有功減載優(yōu)化目標(biāo)函數(shù)，f(Prefk)第k次迭代時(shí)在Prefk處作一階泰勒展開，Vf(Prefk)T為有功功率參考值在第k次迭代時(shí)在對(duì)于優(yōu)化問題約束條件：h(Pref)≈h(Prefk)+Vh(Prefg(Pref)≈g(Prefk)+Vg等式約束函數(shù)在第k次迭代時(shí)在Prefk處的梯度向量，g(Prefk)為不等式約束函數(shù)第k次迭代時(shí)在Prefk處作一階泰勒展開，Vg(Prefk)T為不等式約束函數(shù)在第k次迭代時(shí)在Prefk處的梯度向量；序列最小二乘規(guī)劃法通過引入拉格朗日乘子和罰函數(shù)，將原問題轉(zhuǎn)化為一個(gè)帶約束的通過求解二次規(guī)劃問題得到搜索方向dk;采用固定步長(zhǎng)更新當(dāng)前點(diǎn)，其表達(dá)式為：5功率參考值；在完成迭代后，獲得滿足風(fēng)電場(chǎng)安全穩(wěn)定約束的有功功率分配最優(yōu)解；當(dāng)滿足以下任一條件時(shí)終止迭代：目標(biāo)函數(shù)變化小于閾值；梯度范數(shù)為0;達(dá)到最大迭代次數(shù)。7.如權(quán)利要求6所述的基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，其特征計(jì)算氣動(dòng)轉(zhuǎn)矩和推力，計(jì)算公式如下：采用單質(zhì)量塊模型，將風(fēng)輪質(zhì)量與發(fā)電機(jī)質(zhì)量合并為等效質(zhì)量，公式如下：根據(jù)低速軸運(yùn)動(dòng)方程，計(jì)算轉(zhuǎn)子和發(fā)電機(jī)的轉(zhuǎn)速關(guān)系，公式如下：8.如權(quán)利要求7所述的基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，其特征Tg≈Tg_ref9.如權(quán)利要求8所述的基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，其特征塔架前后彎曲力矩的計(jì)算公式為：610.如權(quán)利要求9所述的基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，其特征將風(fēng)速Vw低于額定風(fēng)速Vrated時(shí)，定義為第一種模式；將風(fēng)速Vw大于額定風(fēng)速Vrated時(shí)，定義為第二種模式；當(dāng)運(yùn)行在第二種模式時(shí)，將測(cè)得發(fā)電機(jī)轉(zhuǎn)速通過低通濾波器濾波，濾波后的轉(zhuǎn)速為：其中Wf是濾波后的轉(zhuǎn)速，T是濾波器的時(shí)間常數(shù)，Wg是發(fā)電機(jī)轉(zhuǎn)速，S是拉普拉斯基于濾波后的轉(zhuǎn)速Wf與轉(zhuǎn)速的額定值Wg_rate的偏差，計(jì)算槳距角的參考值，其表達(dá)式其中，θref是槳距角的參考值，Kp為PI控制器的比例增益，K為PI控制7一種基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法技術(shù)領(lǐng)域[0001]本發(fā)明屬于風(fēng)電場(chǎng)技術(shù)領(lǐng)域，尤其涉及一種基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法。背景技術(shù)[0002]傳統(tǒng)的有功功率分配方法，一方面，風(fēng)電場(chǎng)有功功率控制器在接收到電網(wǎng)指令后，根據(jù)各機(jī)組可用功率，直接按平均分配的原則將有功功率參考值下發(fā)給各風(fēng)電機(jī)組，而未考慮風(fēng)電機(jī)組疲勞載荷，具體做法為：獲取各風(fēng)電機(jī)組可用有功功率與電網(wǎng)調(diào)度指令；各風(fēng)電機(jī)組功率為：電網(wǎng)調(diào)度指令×第i臺(tái)風(fēng)電機(jī)組可用功率÷風(fēng)電場(chǎng)總可用功率，忽略了各風(fēng)電機(jī)組所在處的風(fēng)速條件與控制慣性，會(huì)進(jìn)一步加重風(fēng)電機(jī)組的疲勞損傷。另一方面，在疲勞載荷的評(píng)價(jià)指標(biāo)上，常采用等效疲勞載荷作為量化指標(biāo)，等效疲勞載荷的計(jì)算需要采用雨流計(jì)數(shù)法統(tǒng)計(jì)載荷時(shí)序數(shù)據(jù)的循環(huán)均值與幅值，這一計(jì)算過程難以在線求解，且具有強(qiáng)[0003]針對(duì)上述挑戰(zhàn)，本發(fā)明提出了一種基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化控制策略。發(fā)明內(nèi)容[0004]本發(fā)明提供一種基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，以至少解決現(xiàn)有技術(shù)中傳統(tǒng)的有功功率分配策略未能充分考慮疲勞載荷的影響，制約了風(fēng)電行業(yè)經(jīng)濟(jì)效益的問題。[0005]本申請(qǐng)實(shí)施例提供一種基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法，所述方法包括：[0007]采用輸入凸神經(jīng)網(wǎng)絡(luò)模型對(duì)仿真數(shù)據(jù)進(jìn)行擬合，得到風(fēng)電機(jī)組非線性凸模型，通過風(fēng)電機(jī)組非線性凸模型輸出主軸扭矩；[0008]通過輸入凸神經(jīng)網(wǎng)絡(luò)模型擬合生成時(shí)間窗口載荷時(shí)序數(shù)據(jù)，基于時(shí)間窗口載荷時(shí)序數(shù)據(jù)與等效疲勞載荷的映射關(guān)系，獲得疲勞載荷的非線性凸模型；[0009]將風(fēng)電機(jī)組非線性凸模型輸出的主軸扭矩作為疲勞載荷的非線性凸模型的輸入，獲得雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型；[0010]對(duì)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型進(jìn)行有功優(yōu)化控制求解，以獲得滿足風(fēng)電場(chǎng)安全穩(wěn)定約束的有功功率分配最優(yōu)解。[0012]構(gòu)建仿真環(huán)境，以獲取主軸扭矩分別與風(fēng)電場(chǎng)的入流風(fēng)速、發(fā)電機(jī)轉(zhuǎn)速、輸出功[0013]將仿真數(shù)據(jù)進(jìn)行混合并得到數(shù)據(jù)集(θtrain,Ntrain)與測(cè)試集(θtest,ntest);8w(n)是輸入凸神經(jīng)網(wǎng)絡(luò)模型的第i層非直通層權(quán)重，Zi是輸入凸神經(jīng)網(wǎng)絡(luò)模型的第i層輸9[0033]其中，LN為根據(jù)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型計(jì)算得出的第i臺(tái)風(fēng)機(jī)的等效疲[0041]以10W的尺度，根據(jù)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型生成風(fēng)電機(jī)組疲勞載荷查找[0050]式中，h(Prefk)為等式約束函數(shù)第k次迭代時(shí)在Prefk處作一階泰勒展開，Vh(Prefk)T為等式約束函數(shù)在第k次迭代時(shí)在Prefk處的梯度向量，g(Prefk)為不等式約束函數(shù)第k次迭代時(shí)在Prefk處作一階泰勒展開，Vg(Prefk)T為不等式約束函數(shù)在第k次迭代時(shí)在Prefk處的梯度向量；[0053]其中，Hk是目標(biāo)函數(shù)在Prefk處的Hessian矩陣；有功功率參考值；[0080]塔架前后彎曲力矩的計(jì)算公式為：[0084]將風(fēng)速Vw低于額定風(fēng)速Vrated時(shí)，定義為[0085]將風(fēng)速Vw大于額定風(fēng)速Vrated時(shí)，定義為第二種模式；[0087]當(dāng)運(yùn)行在第二種模式時(shí)，將測(cè)得發(fā)電機(jī)轉(zhuǎn)速通過低通濾波器濾波，濾波后的轉(zhuǎn)速[0090]基于濾波后的轉(zhuǎn)速Wf與轉(zhuǎn)速的額定值Wg_rate的偏差，計(jì)算槳距角的參考值，其表達(dá)式為：[0093]從以上技術(shù)方案可以看出，本發(fā)明具有以下優(yōu)點(diǎn)：[0094]本申請(qǐng)?zhí)峁┑幕陔p重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法中，通過調(diào)節(jié)各風(fēng)電機(jī)組的有功功率參考值來抑制疲勞載荷，減少因機(jī)組過度疲勞而引發(fā)的額外運(yùn)維成[0095]本發(fā)明采用輸入凸神經(jīng)網(wǎng)絡(luò)模型，將風(fēng)電機(jī)組主軸扭矩的等效疲勞載荷建模為基于滑動(dòng)時(shí)間窗口的凸函數(shù)形式，將非凸優(yōu)化問題轉(zhuǎn)化為凸優(yōu)化問題進(jìn)行求解，降低了求解附圖說明[0096]為了更清楚地說明本申請(qǐng)的技術(shù)方案，下面將對(duì)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請(qǐng)的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。[0097]圖1為基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法的流程圖。[0098]圖2為輸入凸神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)圖。[0099]圖3為風(fēng)電機(jī)組非線性凸模型的主軸扭矩預(yù)測(cè)效果圖。[0100]圖4為雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型的等效疲勞載荷預(yù)測(cè)效果圖。具體實(shí)施方式[0101]為使得本申請(qǐng)的申請(qǐng)目的、特征、優(yōu)點(diǎn)能夠更加的明顯和易懂，下面將運(yùn)用具體的實(shí)施例及附圖，對(duì)本申請(qǐng)保護(hù)的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，下面所描述的實(shí)施例僅僅是本申請(qǐng)一部分實(shí)施例，而非全部的實(shí)施例?；诒緦＠械膶?shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例，都屬于本專利保護(hù)的范[0102]現(xiàn)有的有功功率分配方法，忽略了各風(fēng)電機(jī)組所在處的風(fēng)速條件與控制慣性，會(huì)進(jìn)一步加重風(fēng)電機(jī)組的疲勞損傷。本發(fā)明提出的方法，在考慮了風(fēng)電場(chǎng)安全穩(wěn)定約束條件的情況下，將電網(wǎng)調(diào)度指令要求的風(fēng)電機(jī)組總有功功率按各風(fēng)機(jī)工作狀態(tài)與風(fēng)速風(fēng)況進(jìn)行[0103]在等效疲勞載荷的計(jì)算上，為將其納入優(yōu)化指標(biāo)，需要其具備在線計(jì)算能力。為降低求解難度，模型應(yīng)具備凸性。為此，本發(fā)明采用輸入凸神經(jīng)網(wǎng)絡(luò)，將風(fēng)電機(jī)組主軸扭矩的等效疲勞載荷建模為基于滑動(dòng)時(shí)間窗口的凸函數(shù)形式，將非凸優(yōu)化問題轉(zhuǎn)化為凸優(yōu)化問題[0104]下面通過附圖對(duì)本申請(qǐng)實(shí)施例提出的技術(shù)方案進(jìn)行詳細(xì)的說明。[0105]圖1為本申請(qǐng)實(shí)施例提供的一種基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有功減載優(yōu)化方法的流程圖。如圖1所示，本申請(qǐng)實(shí)施例提供的一種基于雙重輸入凸神經(jīng)網(wǎng)絡(luò)的風(fēng)電場(chǎng)有[0106]步驟S1:構(gòu)建仿真環(huán)境，以獲取仿真數(shù)據(jù)；[0107]步驟S2:采用輸入凸神經(jīng)網(wǎng)絡(luò)模型對(duì)仿真數(shù)據(jù)進(jìn)行擬合，得到風(fēng)電機(jī)組非線性凸模型，通過風(fēng)電機(jī)組非線性凸模型輸出主軸扭矩；[0108]步驟S3:通過輸入凸神經(jīng)網(wǎng)絡(luò)模型擬合生成時(shí)間窗口載荷時(shí)序數(shù)據(jù)，基于時(shí)間窗口載荷時(shí)序數(shù)據(jù)與等效疲勞載荷的映射關(guān)系，獲得疲勞載荷的非線性凸模型；[0109]步驟S4:將風(fēng)電機(jī)組非線性凸模型輸出的主軸扭矩作為疲勞載荷的非線性凸模型的輸入，獲得雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型，并保持雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型凸性，雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型的輸入為：入流風(fēng)速、發(fā)電機(jī)轉(zhuǎn)速、輸出重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型的等效疲勞載荷(DamageEquivalentLoad)預(yù)測(cè)效果；圖4度，從而評(píng)估風(fēng)電場(chǎng)的整場(chǎng)主軸的疲勞壽命；CNNmethod表示卷積神經(jīng)網(wǎng)絡(luò)[0110]步驟S5:對(duì)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型進(jìn)行有功優(yōu)化控制求解，以獲得滿足[0124]根據(jù)低速軸運(yùn)動(dòng)方程，計(jì)算轉(zhuǎn)子和發(fā)電機(jī)的轉(zhuǎn)速關(guān)系，[0127]其中，Jt為等效質(zhì)量，Jr為風(fēng)輪質(zhì)量，Jg為發(fā)電機(jī)質(zhì)量，ng為齒輪箱傳動(dòng)比，Tg為發(fā)電機(jī)轉(zhuǎn)矩，Wr為轉(zhuǎn)子，Wg為發(fā)電機(jī)的轉(zhuǎn)速；上述計(jì)算結(jié)果反映了傳動(dòng)系統(tǒng)中各部分的力學(xué)關(guān)系，與其他環(huán)境參數(shù)相互關(guān)聯(lián)，影響著最終的映射關(guān)系。[0131]其中，Tg_ref為發(fā)電機(jī)參考轉(zhuǎn)矩；這里發(fā)電機(jī)轉(zhuǎn)矩Tg約等于發(fā)電機(jī)參考轉(zhuǎn)矩Tg_ref,表明在這種控制策略下，實(shí)際的發(fā)電機(jī)轉(zhuǎn)矩能夠緊密跟蹤發(fā)電機(jī)參考轉(zhuǎn)矩。通過對(duì)發(fā)電機(jī)轉(zhuǎn)矩Tg的精準(zhǔn)控制，可確保發(fā)電機(jī)輸出穩(wěn)定的電能，滿足電網(wǎng)的需求。在電網(wǎng)對(duì)電能質(zhì)量和功率穩(wěn)定性有嚴(yán)格要求的情況下，對(duì)發(fā)電機(jī)轉(zhuǎn)矩Tg的精確調(diào)控能使風(fēng)電機(jī)組更好地接入電網(wǎng)，提高供電的可靠性和穩(wěn)定性。[0133]塔架前后彎曲力矩的計(jì)算公式為：[0137]風(fēng)電機(jī)組控制系統(tǒng)功率系數(shù)Cp>0;[0138]當(dāng)風(fēng)速Vw低于額定風(fēng)速Vrated時(shí)，槳距控制停止，即θ=0,通過調(diào)節(jié)發(fā)電機(jī)轉(zhuǎn)矩理含義是否為槳距角，(需確保一個(gè)參數(shù)有且僅有一個(gè)物理含義));[0139]當(dāng)風(fēng)速Vw大于額定風(fēng)速Vrated時(shí)，發(fā)電機(jī)轉(zhuǎn)矩Tg保持額定值，啟動(dòng)槳距控制以防為風(fēng)電機(jī)組的最大功率，Pav為風(fēng)電機(jī)組的可用功率，Prated為風(fēng)電機(jī)組的額定功率；[0140]將風(fēng)速Vw低于額定風(fēng)速Vrated時(shí)，定義為第一種模式；[0141]將風(fēng)速Vw大于額定風(fēng)速Vrated時(shí)，定義為第二種模式；[0142】當(dāng)運(yùn)行在第一種模式時(shí)，槳距控制停止，[0143]當(dāng)運(yùn)行在第二種模式時(shí)，將測(cè)得發(fā)電機(jī)轉(zhuǎn)速通過低通濾波器濾波，濾波后的轉(zhuǎn)速w(n)是輸入凸神經(jīng)網(wǎng)絡(luò)模型的第i層非直通層權(quán)重，Zi是輸入凸神經(jīng)網(wǎng)絡(luò)模型的第i層輸函數(shù)Smoothedrelu作為激入凸神經(jīng)網(wǎng)絡(luò)模型加入了若干個(gè)直通層W:k-1,并在W1k-1中添凸神經(jīng)網(wǎng)絡(luò)模型，以便能夠準(zhǔn)確地預(yù)測(cè)風(fēng)電機(jī)組的非線性凸特性。具體來說，數(shù)據(jù)集(θtrain,Ntrain)通過仿真環(huán)境獲取，并經(jīng)過混合處理后劃分為用于訓(xùn)練模型的數(shù)據(jù)集秒；縱坐標(biāo)表示主軸扭矩(Torque),單位是牛頓米(Newton-meters),用來描述作用在風(fēng)電仿真(Simulationresult)和(ICNNmethod)兩種方法計(jì)算得到的主軸扭矩值。通過比較這[0161]圖3中展示了兩種方法得到的主軸扭矩隨時(shí)間通層并在w1n-1中添加偏置項(xiàng)bo:k-1。通過這樣的網(wǎng)絡(luò)結(jié)構(gòu)，以行訓(xùn)練，損失函數(shù)包含最小化模型誤差與最小化模型梯度誤差，最終得到風(fēng)電機(jī)組非線性凸模型，實(shí)現(xiàn)了對(duì)這些參數(shù)之間映射關(guān)系的建模。[0163]通過輸入凸神經(jīng)網(wǎng)絡(luò)模型擬合生成時(shí)間窗口載荷時(shí)序數(shù)據(jù)，基于時(shí)間窗口載荷時(shí)序數(shù)據(jù)與等效疲勞載荷的映射關(guān)系，獲得疲勞載荷的非線性凸模型，具體包括：[0164]以預(yù)設(shè)窗長(zhǎng)的滑動(dòng)窗口，對(duì)獲取的主軸扭矩進(jìn)行切片，以劃分為主軸扭矩測(cè)試集[0165]通過雨流計(jì)數(shù)法，計(jì)算每個(gè)滑動(dòng)窗口的主軸扭矩的載荷循環(huán)幅值與均值，以獲得N取決于風(fēng)電機(jī)組設(shè)計(jì)壽命，Ln為第N段載荷信號(hào)的等效疲勞載荷；[0168]采用輸入凸神經(jīng)網(wǎng)絡(luò)模型對(duì)主軸扭矩進(jìn)行擬合生成時(shí)間窗口載荷時(shí)序數(shù)據(jù)；[0169]基于時(shí)間窗口載荷時(shí)序數(shù)據(jù)與等效疲勞載荷的映射關(guān)系，獲得疲勞載荷的非線性[0170]采用輸入凸神經(jīng)網(wǎng)絡(luò)模型，擬合時(shí)間窗口載荷時(shí)序數(shù)據(jù)與等效疲勞載荷的映射關(guān)系，該映射關(guān)系的輸入為時(shí)間窗口載荷時(shí)序數(shù)據(jù)，輸出為等效疲勞載荷。[0171]對(duì)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型進(jìn)行有功優(yōu)化控制求解，以獲得滿足風(fēng)電場(chǎng)安全穩(wěn)定約束的有功功率分配最優(yōu)解，具體包括：[0172]構(gòu)建有功減載優(yōu)化目標(biāo)為：[0174]其中，LN為根據(jù)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型計(jì)算得出的第i臺(tái)風(fēng)機(jī)的等效疲勞載荷，由根據(jù)Pref構(gòu)建的查找表獲得，minf(x)是有功減載優(yōu)化目標(biāo)函數(shù)，表示最小化目標(biāo)函數(shù)，即最小化整場(chǎng)等效疲勞載荷。h(Pref)為等式約束函數(shù)，為電網(wǎng)調(diào)度指令，g(Pref)為不等式約束函數(shù)，|Pref-Pref(t-1)|為1時(shí)間步內(nèi)有功功率變化量，△Pmax為單機(jī)最大功率爬坡約束。[0178]采用模型預(yù)測(cè)控制算法對(duì)雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型進(jìn)行優(yōu)化求解，獲得滿足風(fēng)電場(chǎng)安全穩(wěn)定約束的有功功率分配最優(yōu)解。[0179]本發(fā)明通過雙重輸入凸神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練模型，將風(fēng)電機(jī)組的等效疲勞載荷建模為[0180]輸入凸神經(jīng)網(wǎng)絡(luò)模型可以將風(fēng)電機(jī)組主軸扭矩的等效疲勞載荷建模為基于滑動(dòng)[0186]在第k步迭代處，使用序列最小二乘規(guī)劃法對(duì)有功減載優(yōu)化目標(biāo)和優(yōu)化條件進(jìn)行一階泰勒展開(線性近似):[0193]式中，h(Prefk)為等式約束函數(shù)第k次迭代時(shí)在Prefk處作一階泰勒展開，Vh(P