本技術(shù)涉及風(fēng)機(jī)發(fā)電，具體涉及一種基于dmd(dynamic?modedecomposition，動(dòng)力學(xué)模態(tài)分解)的風(fēng)力機(jī)尾流預(yù)測(cè)方法、裝置、設(shè)備和介質(zhì)。

背景技術(shù)：

1、風(fēng)力機(jī)在運(yùn)行時(shí)產(chǎn)生的尾流效應(yīng)，對(duì)風(fēng)電場(chǎng)整體的發(fā)電性能具有顯著影響。為了最大化風(fēng)電場(chǎng)的發(fā)電量，需要對(duì)尾流區(qū)的風(fēng)速分布進(jìn)行精確的評(píng)估。這種評(píng)估不僅能夠指導(dǎo)風(fēng)電場(chǎng)內(nèi)風(fēng)力機(jī)的優(yōu)化布局，還能為風(fēng)電場(chǎng)的尾流管理提供關(guān)鍵技術(shù)支撐，確保風(fēng)電場(chǎng)的高效穩(wěn)定運(yùn)行。

2、現(xiàn)有的尾流模型分析風(fēng)力機(jī)后方的速度分布，只提供了大時(shí)間尺度的靜態(tài)尾流場(chǎng)結(jié)果，無法準(zhǔn)確捕捉大型風(fēng)電場(chǎng)中的湍流特征，無法評(píng)估尾流蜿蜒的動(dòng)態(tài)特性。此外，基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)方法被用于風(fēng)力機(jī)尾流模型的開發(fā)工作中，但訓(xùn)練機(jī)器學(xué)習(xí)的相關(guān)模型需要海量數(shù)據(jù)，無法滿足動(dòng)態(tài)時(shí)變的風(fēng)電場(chǎng)尾流控制策略。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的技術(shù)目的在于提供一種基于dmd的風(fēng)力機(jī)尾流預(yù)測(cè)方法、裝置、設(shè)備和介質(zhì)，以提高尾流區(qū)域的速度虧損計(jì)算精度和計(jì)算速度，節(jié)省計(jì)算資源。

2、為實(shí)現(xiàn)上述技術(shù)目的，本技術(shù)采用以下技術(shù)方案。

3、第一方面，本技術(shù)提供一種基于dmd的風(fēng)力機(jī)尾流預(yù)測(cè)方法，包括：

4、采集風(fēng)力機(jī)組在預(yù)選大氣邊界層下的原始尾流場(chǎng)信息；

5、使用動(dòng)態(tài)模態(tài)分解對(duì)所述原始尾流場(chǎng)信息進(jìn)行動(dòng)態(tài)模態(tài)分解，確定動(dòng)態(tài)演化特征；所述動(dòng)態(tài)演化特征包括dmd主要模態(tài)、模態(tài)的振幅以及隨時(shí)間的演化過程；基于所述dmd主要模態(tài)、模態(tài)的振幅以及隨時(shí)間的演化過程，按照預(yù)設(shè)采樣間隔和預(yù)設(shè)截?cái)嘀?，重?gòu)尾流場(chǎng)；

6、對(duì)重構(gòu)的所述尾流場(chǎng)，計(jì)算整體誤差；當(dāng)所述整體誤差小于或等于整體誤差閾值，將所述預(yù)設(shè)采樣間隔確定為最優(yōu)采樣間隔，將所述預(yù)設(shè)截?cái)嘀却_定為最優(yōu)截?cái)嘀龋?/p>

7、根據(jù)所述最優(yōu)采樣間隔獲取采樣尾流場(chǎng)信息，并構(gòu)造采樣快照矩陣；基于最優(yōu)截?cái)嘀葘⑺霾蓸涌煺站仃囘M(jìn)行截?cái)嗥娈愔捣纸猓@得投影矩陣，將采樣快照矩陣投影至投影矩陣的列空間上來計(jì)算降階快照矩陣：通過降階快照矩陣的偽逆運(yùn)算來確定降階系統(tǒng)矩陣；

8、基于新采集的尾流場(chǎng)信息，利用流式動(dòng)態(tài)模態(tài)分解更新所述降階系統(tǒng)矩陣，獲得風(fēng)力機(jī)尾流預(yù)測(cè)模型；

9、利用所述風(fēng)力機(jī)尾流預(yù)測(cè)模型，確定風(fēng)力機(jī)尾流數(shù)據(jù)。

10、進(jìn)一步地，確定所述dmd主要模態(tài)的方法包括：

11、利用積分幅值方法，確定各模態(tài)在各個(gè)時(shí)刻對(duì)整個(gè)采樣空間內(nèi)流場(chǎng)演化的影響值；

12、根據(jù)所述影響值進(jìn)行降序排序，并選取排序后影響值列表的前設(shè)定比例的影響值，將選取的影響值對(duì)應(yīng)的所述dmd模態(tài)為所述dmd主要模態(tài)。

13、再進(jìn)一步地，利用積分幅值方法，確定各模態(tài)在各個(gè)時(shí)刻對(duì)整個(gè)采樣空間內(nèi)流場(chǎng)演化的影響值的表達(dá)式如下：

14、

15、其中ij為第j個(gè)模態(tài)在各個(gè)時(shí)刻對(duì)整個(gè)采樣空間內(nèi)流場(chǎng)演化的影響值；j為模態(tài)序號(hào)，αj為模態(tài)j的幅值，μj為模態(tài)j的特征值，δt為原始尾流場(chǎng)信息的采樣時(shí)間間隔，i為采樣時(shí)刻序號(hào)，n為原始尾流場(chǎng)信息的采樣時(shí)刻總數(shù)，φj為第j個(gè)模態(tài)。

16、進(jìn)一步地，所述整體誤差的計(jì)算公式如下：

17、

18、其中l(wèi)oss為整體誤差，ψ1為快照矩陣，φ為dmd主要模態(tài)、da為模態(tài)的振幅，vand包括隨時(shí)間的演化過程。

19、進(jìn)一步地，基于新采集的尾流場(chǎng)信息，利用流式動(dòng)態(tài)模態(tài)分解更新所述降階系統(tǒng)矩陣，包括：

20、根據(jù)所述新采集的尾流場(chǎng)信息和所述投影矩陣，確定投影誤差；

21、當(dāng)所述投影誤差小于或等于投影誤差閾值，則將新采集的尾流場(chǎng)信息作為新的列向量直接更新降階系統(tǒng)矩陣；

22、當(dāng)所述投影誤差大于所述投影誤差閾值，則擴(kuò)充所述投影矩陣和降階系統(tǒng)矩陣的秩，然后更新所述降階系統(tǒng)矩陣。

23、進(jìn)一步地，所述投影誤差的計(jì)算公式如下：

24、

25、其中ex為所述投影誤差，x為新采集的尾流場(chǎng)信息，ux為投影矩陣。

26、再進(jìn)一步地，擴(kuò)充所述投影矩陣以更新所述降階系統(tǒng)矩陣，包括：

27、當(dāng)所述投影矩陣的秩的擴(kuò)充為新采集的尾流場(chǎng)信息下的快照矩陣的維數(shù)，則將所述投影矩陣的秩減小到所述最優(yōu)截?cái)嘀取?/p>

28、第二方面，本技術(shù)實(shí)施例還提供了一種基于dmd的風(fēng)力機(jī)尾流預(yù)測(cè)裝置，包括：

29、數(shù)據(jù)采集模塊，被配置為采集風(fēng)力機(jī)組在預(yù)選大氣邊界層下的原始尾流場(chǎng)信息；

30、尾流場(chǎng)重構(gòu)模塊，被配置為使用動(dòng)態(tài)模態(tài)分解對(duì)所述原始尾流場(chǎng)信息進(jìn)行動(dòng)態(tài)模態(tài)分解，確定動(dòng)態(tài)演化特征；所述動(dòng)態(tài)演化特征包括dmd主要模態(tài)、模態(tài)的振幅以及隨時(shí)間的演化過程；基于所述dmd主要模態(tài)、模態(tài)的振幅以及隨時(shí)間的演化過程，按照預(yù)設(shè)采樣間隔和預(yù)設(shè)截?cái)嘀?，重?gòu)尾流場(chǎng)；

31、模型構(gòu)建模塊，被配置為對(duì)重構(gòu)的所述尾流場(chǎng)，計(jì)算整體誤差；當(dāng)所述整體誤差小于或等于整體誤差閾值，將所述預(yù)設(shè)采樣間隔確定為最優(yōu)采樣間隔，將所述預(yù)設(shè)截?cái)嘀却_定為最優(yōu)截?cái)嘀?；根?jù)所述最優(yōu)采樣間隔獲取采樣尾流場(chǎng)信息，并構(gòu)造采樣快照矩陣；基于最優(yōu)截?cái)嘀葘⑺霾蓸涌煺站仃囘M(jìn)行截?cái)嗥娈愔捣纸猥@得投影矩陣，將采樣快照矩陣投影至投影矩陣的正交陣的列空間上來計(jì)算降階快照矩陣：通過降階快照矩陣的偽逆運(yùn)算來確定降階系統(tǒng)矩陣；基于新采集的尾流場(chǎng)信息，利用流式動(dòng)態(tài)模態(tài)分解更新所述降階系統(tǒng)矩陣，獲得風(fēng)力機(jī)尾流預(yù)測(cè)模型；

32、數(shù)據(jù)預(yù)測(cè)模塊，被配置為利用所述風(fēng)力機(jī)尾流預(yù)測(cè)模型，確定風(fēng)力機(jī)尾流數(shù)據(jù)。

33、第三方面，本技術(shù)實(shí)施例還提供了一種電子設(shè)備，包括處理器和存儲(chǔ)器，所述存儲(chǔ)器適用于存儲(chǔ)多條程序代碼，所述程序代碼適于由所述處理器加載并運(yùn)行以執(zhí)行如第一方面任一可能的實(shí)施方式提供的基于dmd的風(fēng)力機(jī)尾流預(yù)測(cè)方法。

34、第四方面，本技術(shù)實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其中儲(chǔ)存有多條程序代碼，所述程序代碼適于由所述處理器加載并運(yùn)行以執(zhí)行如第一方面任一可能的實(shí)施方式提供的基于dmd的風(fēng)力機(jī)尾流預(yù)測(cè)方法。

35、與現(xiàn)有技術(shù)相比，本技術(shù)實(shí)施例提供的基于dmd的風(fēng)力機(jī)尾流預(yù)測(cè)方法，通過動(dòng)態(tài)模態(tài)分解(dmd)技術(shù)，基于積分幅值準(zhǔn)則，優(yōu)先提取出主導(dǎo)流場(chǎng)演化的dmd模態(tài)，表征大尺度湍流結(jié)構(gòu)對(duì)流場(chǎng)的作用。能夠準(zhǔn)確捕獲風(fēng)力機(jī)尾流場(chǎng)的動(dòng)態(tài)演化特征，在確定最優(yōu)采樣間隔和最優(yōu)截?cái)嘀群?，該方法通過截?cái)嗥娈愔捣纸?vd)獲得投影矩陣，并基于sdmd構(gòu)建降階系統(tǒng)矩陣，不僅減少了計(jì)算量，還提高了預(yù)測(cè)效率和精度，這使得在尾流數(shù)據(jù)可用情況下，尾流預(yù)測(cè)模型能夠更快速地響應(yīng)實(shí)際風(fēng)場(chǎng)變化；利用流式動(dòng)態(tài)模態(tài)分解(streaming?dmd)技術(shù)，能夠?qū)崟r(shí)更新降階系統(tǒng)矩陣，以適應(yīng)風(fēng)力機(jī)尾流場(chǎng)的動(dòng)態(tài)變化。這使得預(yù)測(cè)模型能夠持續(xù)保持較高的預(yù)測(cè)精度，對(duì)于復(fù)雜多變的風(fēng)場(chǎng)環(huán)境具有更強(qiáng)的適應(yīng)性，從而能夠準(zhǔn)確預(yù)測(cè)風(fēng)力機(jī)尾流數(shù)據(jù)。

36、本技術(shù)實(shí)施例提供的基于dmd的風(fēng)力機(jī)尾流預(yù)測(cè)裝置、電子設(shè)備和存儲(chǔ)介質(zhì)，具有與以上基于dmd的風(fēng)力機(jī)尾流預(yù)測(cè)方法相同的有益技術(shù)效果，不再贅述。