CN119514302A 风电场叶片覆冰的预测方法、装置、设备及介质 （北京金风慧能技术有限公司）

本申请公开了一种风电场叶片覆冰的预测预测气象数据输入预先训练得到的叶片覆冰预覆冰预测结果表征未来预设时间段内的叶片覆间内的气象数据和历史非覆冰时间内的气象数有用于表征气象数据对应的叶片覆冰情况的标2获取风电场在未来预设时间段内的预测气象数据，所述预测气象数据包括温度和湿将所述预测气象数据输入预先训练得到的叶片覆冰预测模其中，所述叶片覆冰预测模型根据风电场的历史样获取所述历史样本数据以及与所述历史样本数据述覆冰停机比例包括风电场中由于叶片覆冰停机的风力发电机组数量与风电场中风力发将具有所述标签的所述历史样本数据中的至少部分作为训练数据集进行机器学习模其中，所述第一类覆冰气象数据包括对应的所述标签表在所述叶片覆冰预测模型包括所述叶片覆冰分类预在所述叶片覆冰预测模型包括所述叶片覆冰比例预场中由于叶片覆冰停机的风力发电机组数量与风电场6.根据权利要求1所述的方法，其特征在于，所述叶片覆冰预测结果包括覆冰停机比3在所述将所述预测气象数据输入预先训练得到的叶片覆冰根据预设区域内风电场的所述叶片覆冰预测结果和所述预设区域内风电场中风力发根据所述预设区域内预测的风电场中由于覆冰停机的执行与所述预设区域内由于覆冰停机的风力发利用所述归一化比例系数对除所述标准风电场以外的风电场的所述历史样本数据进所述将具有所述标签的所述历史样本数据中的至少部分作为训练数据集进行模型训将具有所述标签的经归一化处理后的所述历史样本数据中的至少部分作为所述训练8.根据权利要求1至7中任意一项所述的模型处理模块，用于将所述预测气象数据输所述叶片覆冰预测模型对所述预测气象数据进行处理，输出风电场的叶片覆冰预测结果，所述叶片覆冰预测结果用于表征未来预设时其中，所述叶片覆冰预测模型根据风电场的历史样所述处理器执行所述计算机程序指令时实现如权利要求1至8中任意一项所述的风电4覆冰停机比例包括风电场中由于叶片覆冰停机的风力发电机组数量与风电场中风力发电5低于等于预设覆冰湿度的气象数据，第三类覆冰气象数据包括对应的标签表征叶片覆冰、之前的第三预设时长内持续出现表征叶片覆冰的标签且温度高于等于预设覆冰温度的气[0010]在一些可能的实施例中，叶片覆冰预测模型包括叶片覆冰分类预测模型和/或叶括风电场中由于叶片覆冰停机的风力发电机组数量与风电场中风力发电机组数量的比值，由于覆冰停机的风力发电机组数量，确定预设区域内由于覆冰停机的风力发电机组数量；[0014]将具有标签的历史样本数据中的至少部分作为训练数将具有标签的经归一化处理后的历史样本数据中的至少部分作为训练数据集进行模型训6预先训练得到的叶片覆冰预测模型对输入的风电场在未来预设时间段内的预测气象数据[0025]图5为本申请实施例提供的某地区的实际覆冰停机容量与预测覆冰停机容量的一[0028]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目实施例的描述仅仅是为了通过示出本申请的示例来7史中发生叶片覆冰的历史叶片覆冰时间内的气象数据和历史中未发生叶片覆冰的历史非覆冰情况的预测场景中，该风电场叶片覆冰的预测方法可由风电场叶片覆冰的预测装置、[0033]在此并不限定被监测的风电场的数量，在需要对一个风电场进份的多个风电场进行监测的情况下，获取每个风电场在未来预设时间段内的预测气象数机器学习模型，叶片覆冰预测模型可包括但不限于长短期记忆网络(LongShort_Term8一预设时长可为8小时。历史覆冰时间中至少一数据采集时刻之前的第一预设时长内的气据可作为额外的历史样本数据，增加用于训练叶片覆冰预测模型的历史样本数据的数量，情况可包括但不限于风电场是否发生叶片覆冰和/或风电场内由于叶片覆冰导致停机的风根据未来预设时间段内的预测气象数据提前预测未来预设时间段内的叶片覆冰情况，及[0040]在一些实施例中，在利用叶片覆冰预测模型预测风电场未来的叶片覆冰情况之9[0042]覆冰停机比例包括风电场中由于叶片覆冰停机的风力发电机组数量与风电场中场中有一台以上的风力发电机组由于叶片覆冰停机，则历史样本数据对应的标签为第二[0049]可将所有具有标签的历史样本数据作为训练数据集，训练得到叶片覆冰预测模出现表征叶片覆冰的标签且温度高于等于预设覆冰温度的气象数据。标签表征叶片覆冰，[0054]用于训练叶片覆冰预测模型的历史覆冰时间内的气象数据包括结冰阶段的气象[0055]在一些示例中，叶片覆冰预测模型可包括叶片覆冰分类预测模型和/或叶片覆冰叶片未覆冰。叶片覆冰比例预测模型用于预测发风电场中风力发电机组的覆冰停机比例，于等于预设比例阈值，叶片覆冰分类预测模型输出的叶片覆冰预测结果表征叶片未覆冰；[0056]通过叶片覆冰分类预测模型和/或叶片覆冰比例预测模型实现叶片覆冰预测模免不同风电场的气象条件之间差异较大对模型训练造成的不良影响，在上述步骤S106之数据的取值在设定范围内的缩放系数即为归一化比例系数。例如，可建立缩放器历史样本数据。数量和风电场对应的叶片覆冰预测结果中的覆冰停机比例的乘积为该风电场中由于覆冰[0064]将预设区域中各风电场中由于覆冰停机的风力发电机组数量求和得到的加和为如，图5为本申请实施例提供的某地区的实际覆冰停机容量与预测覆冰停机容量的一示例[0067]预设区域内由于覆冰停机的风力发电机组数量可为预设区域内的风电场的控制[0069]本申请第二方面提供一种风电场叶片覆冰的预测装置。图6为本申请一实施例提[0070]数据获取模块201可用于获取风电场在未来预设时间段内的预测气象数据，预测[0071]模型处理模块202可用于将预测气象数据输入预先训练得到的叶片覆冰预测模根据未来预设时间段内的预测气象数据提前预测未来预设时间段内的叶片覆冰情况，及现表征叶片覆冰的标签且温度高于等于预设覆冰[0079]在一些示例中，叶片覆冰预测模型包括叶片覆冰分类预测模型和/或叶片覆冰比[0085]本申请第三方面还提供了一种风电场叶片覆冰的预测设备。图7为本申请一实施备300包括存储器301、处理器302及存储在存储器301上并可在处理器302上运行的计算机[0086]在一些示例中，上述处理器302可以包括中央处理器(CPU)，或者特定集成电路[0088]处理器302通过读取存储器301中存储的可执行程序代码来运行与可执行程序代接在一起。举例来说而非限制，总线304可包括加速图形端口(AcceleratedGraphicsPort，AGP)或其他图形总线、增强工业标准架构(EnhancedIndustryStandard引脚数(Lowpincount，LPC)总线、存储器总线、微信道架构(MicroChannel线、PCI_Express(PCI_E)总线、串行高级技术附件(SerialAdvancedTechnologyAttachment，SATA)总线、视频电子标准协会局部(VideoElectronicsStandards间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之[0095]上面参考根据本申请的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬书及权利要求书的基础上，应能理解并实现所揭示的实施例的其他变化的实施例。在权利理解为对保护范围的限