风电机组叶尖净空距离预测方法、装置、设备及存储介质与流程

1.本发明涉及风电技术领域，尤其涉及到一种风电机组叶尖净空距离预测方法、装置、设备及存储介质。


背景技术：

2.风能是重要的能源，风力发电可以有效解决我国的能源供应问题，并且风力发电可以有效减少环境污染和对二氧化碳的排放。
3.风电，资源无尽，成本低廉。风力发电是目前再生能源可用中技术最成熟，最具规模开发条件，发展前景看好的发电方式。近些年来我国一直在从事风力发电，我国的风力发电技术还有很多问题需要改进。
4.由于风力发电机组叶片本身结构复杂，要在叶片内叶尖位置安装相关测量传感器，从安装工艺上比较复杂，同时由于越靠近叶尖位置更容易引雷。综合考虑，叶片叶尖位置测量gps定位天线安装于叶片1/4靠近叶尖位置，但当前位置只能实时定位出gps定位天线的坐标位置，无法直接测量出叶片叶尖的位置。然而风电机组在运行过程中，最容易触碰塔筒的位置是叶片叶尖位置。风力发电机组叶片在满发状态叶尖到塔筒距离最短，最容易触碰塔筒。同时数据传输延时性是必然存在，如果通过实时推算出的叶尖到塔筒距离，再经过数据传输完成整个控制动作流程，必将引起控制延迟风险。
5.目前行业内无任何一种方式可预测风力发电机组的叶尖净空距离。因此，如何提供一种风力发电机组的叶尖净空距离预测方法，以平衡叶片安全、载荷(寿命)、发电量，实现发电量保证安全情况下尽可能提高机组发电量和延长叶片使用寿命，是一个亟需解决的技术问题。
6.上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。


技术实现要素：

7.本发明的主要目的在于提供一种风电机组叶尖净空距离预测方法、装置、设备及存储介质，旨在解决目前行业内无任何一种方式可预测风力发电机组的叶尖净空距离的技术问题。
8.为实现上述目的，本发明提供一种风电机组叶尖净空距离预测方法，所述方法包括以下步骤：
9.根据叶片预设位置的轨迹信息，获得不同风速下叶片预设位置的测量弯曲距离；
10.调用叶片模型，利用最小二乘法计算相同风速下叶片的弯曲距离与模型仿真弯曲距离的相关性；
11.获取目标时段的风速，将所述风速代入叶片模型，获得在该风速下的叶片预设位置的模型仿真弯曲距离和叶尖的模型仿真弯曲距离；
12.根据叶片的弯曲距离与模型仿真弯曲距离的相关性和叶片预设位置的模型仿真
弯曲距离，确定叶片预设位置的实际弯曲距离，根据叶片的弯曲距离与模型仿真弯曲距离的相关性和叶尖的模型仿真弯曲距离，确定叶尖的实际弯曲距离；
13.根据叶片预设位置的实际弯曲距离、叶尖的实际弯曲距离和叶片预设位置距离叶片塔筒的距离，获得叶尖的净空距离。
14.可选的，所述叶片预设位置的轨迹信息通过安装于叶片预设位置的定位天线完成对应位置的坐标测量获得。
15.可选的，所述获得不同风速下叶片预设位置的测量弯曲距离步骤，具体为包括：通过系统实时记录不同风速下叶片预设位置的定位坐标，通过坐标变化，计算出不同风速下叶片预设位置的弯曲距离，获得风速相关的弯曲距离序列。
16.可选的，所述调用叶片模型，利用最小二乘法计算相同风速下叶片的弯曲距离与模型仿真弯曲距离的相关性步骤，具体包括：通过获得的风速相关的弯曲距离序列，采用最小二乘法计算相同风速下叶片预设位置的测量弯曲距离与模型仿真弯曲距离的相关性。
17.可选的，所述获取目标时段的风速，将所述风速代入叶片模型，获得在该风速下的叶片预设位置的模型弯曲距离和叶尖的模型仿真弯曲距离步骤，具体包括：获取风速预测系统在目标时段的预测风速，将预测风速带入叶片模型，通过模型可计算出叶片预设位置和叶尖在对应风速下的模型仿真弯曲距离。
18.可选的，所述叶尖的净空距离的表达式，具体为：
19.y＝a+x-b
20.其中，y为叶尖的净空距离，a为叶片预设位置的实际弯曲距离，x为叶片预设位置距离叶片塔筒的距离，b为叶尖的实际弯曲距离。
21.可选的，所述获得叶尖的净空距离步骤之后，所述方法还包括：根据叶尖的净空距离，调整风电机组的运行状态，以避免叶片扫塔；其中，所述调整风电机组的运行状态包括变桨、偏航或降载中的一种或多种。
22.此外，为了实现上述目的，本发明还提供了一种风电机组叶尖净空距离预测装置，其特征在于，所述风电机组叶尖净空距离预测装置包括：
23.测量模块，用于根据叶片预设位置的轨迹信息，获得不同风速下叶片预设位置的测量弯曲距离；
24.调用模块，用于调用叶片模型，利用最小二乘法计算相同风速下叶片的弯曲距离与模型仿真弯曲距离的相关性；
25.代入模块，用于获取目标时段的风速，将所述风速代入叶片模型，获得在该风速下的叶片预设位置的模型仿真弯曲距离和叶尖的模型仿真弯曲距离；
26.确定模块，用于根据叶片的弯曲距离与模型仿真弯曲距离的相关性和叶片预设位置的模型仿真弯曲距离，确定叶片预设位置的实际弯曲距离，根据叶片的弯曲距离与模型仿真弯曲距离的相关性和叶尖的模型仿真弯曲距离，确定叶尖的实际弯曲距离；
27.预测模块，用于根据叶片预设位置的实际弯曲距离、叶尖的实际弯曲距离和叶片预设位置距离叶片塔筒的距离，获得叶尖的净空距离。
28.此外，为了实现上述目的，本发明还提供了一种风电机组叶尖净空距离预测设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的风电机组叶尖净空距离预测方法程序，所述风电机组叶尖净空距离预测方法程序被所述处理器执
行时实现上述的风电机组叶尖净空距离预测方法的步骤。
29.此外，为了实现上述目的，本发明还提供了一种存储介质，所述存储介质上存储有风电机组叶尖净空距离预测方法程序，所述风电机组叶尖净空距离预测方法程序被处理器执行时实现上述的风电机组叶尖净空距离预测方法的步骤。
30.本发明实施例提出的一种风电机组叶尖净空距离预测方法、装置、设备及存储介质，该方法包括根据叶片预设位置的轨迹信息，获得不同风速下叶片预设位置的测量弯曲距离；调用叶片模型，利用最小二乘法计算相同风速下叶片的弯曲距离与模型仿真弯曲距离的相关性；获取目标时段的风速，将所述风速代入叶片模型，获得在该风速下的叶片预设位置的模型仿真弯曲距离和叶尖的模型仿真弯曲距离；利用叶片预设位置的模型仿真弯曲距离和叶尖的模型仿真弯曲距离以及与弯曲距离的相关性，确定实际弯曲距离，进而根据几何关系，预测叶尖的净空距离。本发明通过叶片预设位置轨迹信息，完成叶尖净空距离的预测，基于该叶尖净空距离的预测值，调整风电机组的运行状态，可在保证叶片安全情况下，平衡发电效能和延长叶片运行寿命，让机组运行在最佳状态。
附图说明
31.图1为本发明一种风电机组叶尖净空距离预测设备的结构示意图；
32.图2为本发明一种风电机组叶尖净空距离预测方法的流程示意图；
33.图3为叶片模型中某一风速情况下的弯曲距离-叶片长度的关系曲线图；
34.图4为叶尖预测净空距离计算的几何结构计算模型的示意图；
35.图5为本发明一种风电机组叶尖净空距离预测装置的结构框图。图6为本发明风电机组叶尖净空距离预测装置实施例的结构框图。
36.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
37.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
38.目前，在相关技术领域，目前行业内无任何一种方式可预测风力发电机组的叶尖净空距离，以平衡叶片安全、载荷(寿命)、发电量，实现发电量保证安全情况下尽可能提高机组发电量和延长叶片使用寿命。
39.为了解决这一问题，提出本发明的风电机组叶尖净空距离预测方法的各个实施例。本发明提供的风电机组叶尖净空距离预测方法通过叶片预设位置轨迹信息，完成叶尖净空距离的预测，基于该叶尖净空距离的预测值，调整风电机组的运行状态，可在保证叶片安全情况下，平衡发电效能和延长叶片运行寿命，让机组运行在最佳状态。
40.参照图1，图1为本发明实施例方案涉及的风电机组叶尖净空距离预测设备的结构示意图。
41.通常，设备包括：至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的风电机组叶尖净空距离预测方法程序，所述风电机组叶尖净空距离预测方法程序配置为实现如前所述的风电机组叶尖净空距离预测方法的步骤。
42.处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用dsp(digital signal processing，数字信号处理)、fpga(field－
programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processing unit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有gpu(graphics processing unit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括ai(artificial intelligence，人工智能)处理器，该ai处理器用于处理有关风电机组叶尖净空距离预测方法操作，使得风电机组叶尖净空距离预测方法模型可以自主训练学习，提高效率和准确度。
43.存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本技术中方法实施例提供的风电机组叶尖净空距离预测方法。
44.在一些实施例中，终端还可选包括有：通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地，外围设备包括：射频电路304、显示屏305和电源306中的至少一种。
45.通信接口303可被用于将i/o(input/output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。通信接口303通过外围设备用于接收用户上传的多个移动终端的移动轨迹以及其他数据。在一些实施例中，处理器301、存储器302和通信接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
46.射频电路304用于接收和发射rf(radio frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信，从而可获取多个移动终端的移动轨迹以及其他数据。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、rf收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2g、3g、4g及5g)、无线局域网和/或wifi(wireless fidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括nfc(near field communication，近距离无线通信)有关的电路，本技术对此不加以限定。
47.显示屏305用于显示ui(user interface，用户界面)。该ui可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，电子设备的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在电子设备的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备的弯曲表面上或折叠面上。甚至，显示
屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用lcd(liquid crystal display，液晶显示屏)、oled(organic light-emitting diode，有机发光二极管)等材质制备。
48.电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
49.本领域技术人员可以理解，图1中示出的结构并不构成对风电机组叶尖净空距离预测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
50.本发明实施例提供了一种风电机组叶尖净空距离预测方法，参照图2，图2为本发明风电机组叶尖净空距离预测方法实施例的流程示意图。
51.本实施例中，所述风电机组叶尖净空距离预测方法包括以下步骤：
52.步骤s100，根据叶片预设位置的轨迹信息，获得不同风速下叶片预设位置的测量弯曲距离；
53.步骤s200，调用叶片模型，利用最小二乘法计算相同风速下叶片的弯曲距离与模型仿真弯曲距离的相关性；
54.步骤s300，获取目标时段的风速，将所述风速代入叶片模型，获得在该风速下的叶片预设位置的模型仿真弯曲距离和叶尖的模型仿真弯曲距离；
55.步骤s400，根据叶片的弯曲距离与模型仿真弯曲距离的相关性和叶片预设位置的模型仿真弯曲距离，确定叶片预设位置的实际弯曲距离，根据叶片的弯曲距离与模型仿真弯曲距离的相关性和叶尖的模型仿真弯曲距离，确定叶尖的实际弯曲距离；
56.步骤s500，根据叶片预设位置的实际弯曲距离、叶尖的实际弯曲距离和叶片预设位置距离叶片塔筒的距离，获得叶尖的净空距离。
57.本实施例提供一种风电机组叶尖净空距离预测方法，通过叶片预设位置轨迹信息，完成叶尖净空距离的预测，基于该叶尖净空距离的预测值，调整风电机组的运行状态，可在保证叶片安全情况下，平衡发电效能和延长叶片运行寿命，让机组运行在最佳状态。
58.为了更清楚的解释本技术，提出一种风电机组叶尖净空距离预测方法的具体实例。
59.在本实施例中，如图3所示，一种风电机组叶尖净空距离预测方法的实例步骤如下：
60.本实例中，通过安装于叶片1/4靠近叶尖位置的定位天线完成对应位置的坐标测量，从而根据不同风速下位置坐标的变化，计算出不同风速下弯曲距离。集合对应叶片型号的blade模型，利用最小二乘法计算相同风速下叶片1/4靠近叶尖位置的测量弯曲距离与模型仿真弯曲距离相关性。实时读取单机风功率预测系统实时获取该台风电机组未来时间的风速。并将未来时间的风速代入blade模型，计算出在该风速下的模型弯曲距离，集合测量弯曲距离和模型弯曲距离的相关性，计算出该风速下的实际弯曲距离。最后，结合风电机组塔筒和叶片的几何位置，计算出未来风速下的叶尖距离塔筒的距离。根据预测情况，及时启动闭环控制，一旦触发叶片扫塔风险，通过变桨、偏航、降载等策略，避免叶片扫塔，从而保证机组安全运行。
61.具体而言，通过安装于叶片1/4靠近叶尖位置的定位天线完成对应位置的坐标测量，从而根据不同风速下位置坐标的变化，计算出不同风速下弯曲距离。
62.本实施例中，通过系统实时记录不同风速下叶片1/4靠近叶尖位置的定位坐标，通过坐标变化，可计算出不同风速下的叶片1/4靠近叶尖位置的弯曲距离，从而形成风速相关的弯曲距离序列。
63.更进一步的，集合对应叶片型号的blade模型，利用最小二乘法计算相同风速下叶片1/4靠近叶尖位置的测量弯曲距离与模型仿真弯曲距离相关性。blade模型可仿真任何风速下整支叶片任何位置的弯曲距离。由于仿真条件和风电机机组实际运行条件有所差异，并不能使用blade模型计算出弯曲距离作为当前机组运行过程的实际弯曲距离。通过已经获取的弯曲距离序列，采用最小二乘法计算相同风速下叶片1/4靠近叶尖位置的测量弯曲距离与模型仿真弯曲距离相关性。从而可通过已知风速和仿真模型叶尖位置的模型仿真弯曲距离，计算出叶尖在对应风速下的实际弯曲距离。
64.在优选的实施例中，实时读取单机风功率预测系统实时获取该台风电机组未来时间的风速。并将未来时间的风速代入blade模型，计算出在该风速下的模型弯曲距离，集合测量弯曲距离和模型弯曲距离的相关性，计算出该风速下的实际弯曲距离。
65.具体而言，根据当台风电机组风机号或则ip地址连接该台机组的单机高精度风功率预测系统，并从风功率预测系统重实时读取当前时间后15min时间段内的预测风速。并将预测风速带入blade模型，通过模型可计算出叶尖在对应风速下的模型仿真弯曲距离。集合计算的模型仿真弯曲距离和实际弯曲距离关系，可计算在对应风速下叶尖的实际弯曲距离。
66.在又一实施例中，结合风电机组塔筒和叶片的几何位置，计算出未来风速下的叶尖距离塔筒的距离。
67.具体而言，根据计算出的任一风速下叶尖的弯曲距离，同时集合塔筒和叶片几何尺寸，可计算出对应风速下的叶尖距离塔筒距离。
68.其中，集合对应叶片型号的blade模型，利用最小二乘法计算相同风速下叶片1/4靠近叶尖位置的测量弯曲距离与模型仿真弯曲距离相关性。如图4所示，blade模型可仿真任何风速下整支叶片任何位置的弯曲距离。由于仿真条件和风电机机组实际运行条件有所差异，并不能使用blade模型计算出弯曲距离作为当前机组运行过程的实际弯曲距离。通过已经获取的弯曲距离序列，采用最小二乘法计算相同风速下叶片1/4靠近叶尖位置的测量弯曲距离与模型仿真弯曲距离相关性。从而可通过已知风速和仿真模型叶尖位置的模型仿真弯曲距离，计算出叶尖在对应风速下的实际弯曲距离。假设在某一风速下，叶片1/4靠近叶尖位置的测量弯曲距离为：a，而在对应风速通过blade模型计算出的仿真模型弯曲距离为a`，那么最后有：a＝γa`(γ为利用最小二乘法获取的关系式)。
69.实时读取单机风功率预测系统实时获取该台风电机组未来时间的风速。并将未来时间的风速代入blade模型，计算出在该风速下的模型弯曲距离，集合测量弯曲距离和模型弯曲距离的相关性，计算出该风速下的实际弯曲距离。根据当台风电机组风机号或则ip地址连接该台机组的单机高精度风功率预测系统，并从风功率预测系统重实时读取当前时间后15min时间段内的预测风速。并将预测风速带入blade模型，通过模型可计算出叶尖在对应风速下的模型仿真弯曲距离。集合计算的模型仿真弯曲距离和实际弯曲距离关系，可计
算在对应风速下叶尖的实际弯曲距离。假设在某一个预测风速下的模型仿真弯曲距离为：b`，那么叶尖在该预测风速下的实际弯曲距离为：b＝γb`。
70.如图5所示，结合风电机组塔筒和叶片的几何位置，计算出未来风速下的叶尖距离塔筒的距离。根据叶尖实际弯曲距离计算过程可计算出任一风速下叶尖的弯曲距离，同时集合塔筒和叶片几何尺寸，可计算出对应风速下的叶尖距离塔筒距离。假设在某一预测风速下，叶片1/4靠近叶尖位置的测量弯曲距离为：a，同时距离叶片塔筒距离为：x，那么叶片静止时叶片距离塔筒距离为：x+a。在该风速下根据计算，叶尖的实际弯曲距离为：b，那么在该预测风速下叶尖距离塔筒距离为：y＝a+x-b。
71.在另一实施例中，根据预测情况，及时启动闭环控制，一旦触发叶片扫塔风险，通过变桨、偏航、降载等策略，避免叶片扫塔，从而保证机组安全运行。
72.具体而言，通过单机风功率预测系统获取预测风速，从而计算出预测风速下叶尖净空距离。预测的叶尖净空距离通过网络实时传送至控制系统，实时对比安全阈值，一旦偏离安全阈值，启动变桨、偏航、降载等控制策略，避免叶片扫塔，从而保证机组安全运行。
73.本实施例提供一种风电机组叶尖净空距离预测方法，根据以叶片运行轨迹计算净空距离的方法，通过预测模型预测出未来时刻的叶片1/4靠近叶尖位置的净空距离。通过高精度单机风功率预测系统，实时查询当前时间到当前时间后的15分钟内的预测风速。并根据预测风速实时查询blade模型中的有关“弯曲距离-叶片长度”曲线，寻找曲线中的叶片1/4靠近叶尖位置的弯曲距离和叶尖弯曲距离，通过几何结构计算，完成叶尖净空距离预测值推算。
74.通过对叶尖净空距离的预测推算，可真正意义上实现叶尖净空距离计算。可通过精准阈值控制，在保证叶片安全情况下，尽可能多争取发电量。同时，实时感知当前叶尖距离塔筒位置，根据实际情况，控制系统及时参与控制，降低机组运行载荷，保证机组处于安全状态，同时通过算法平衡发电效能和延长叶片运行寿命，让机组运行在最佳状态。
75.参照图6，图6为本发明风电机组叶尖净空距离预测装置实施例的结构框图。
76.如图6所示，本发明实施例提出的风电机组叶尖净空距离预测装置包括：
77.测量模块10，用于根据叶片预设位置的轨迹信息，获得不同风速下叶片预设位置的测量弯曲距离；
78.调用模块20，用于调用叶片模型，利用最小二乘法计算相同风速下叶片的弯曲距离与模型仿真弯曲距离的相关性；
79.代入模块30，用于获取目标时段的风速，将所述风速代入叶片模型，获得在该风速下的叶片预设位置的模型仿真弯曲距离和叶尖的模型仿真弯曲距离；
80.确定模块40，用于根据叶片的弯曲距离与模型仿真弯曲距离的相关性和叶片预设位置的模型仿真弯曲距离，确定叶片预设位置的实际弯曲距离，根据叶片的弯曲距离与模型仿真弯曲距离的相关性和叶尖的模型仿真弯曲距离，确定叶尖的实际弯曲距离；
81.预测模块50，用于根据叶片预设位置的实际弯曲距离、叶尖的实际弯曲距离和叶片预设位置距离叶片塔筒的距离，获得叶尖的净空距离。
82.本发明风电机组叶尖净空距离预测装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
83.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有风电机组叶尖
净空距离预测方法程序，所述风电机组叶尖净空距离预测方法程序被处理器执行时实现如上文所述的风电机组叶尖净空距离预测方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本技术所涉及的计算机可读存储介质实施例中未披露的技术细节，请参照本技术方法实施例的描述。确定为示例，程序指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。
84.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random access memory，ram)等。
85.另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本发明提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
86.通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用cpu、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本发明而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

技术特征：
1.一种风电机组叶尖净空距离预测方法，其特征在于，所述方法包括以下步骤：根据叶片预设位置的轨迹信息，获得不同风速下叶片预设位置的测量弯曲距离；调用叶片模型，利用最小二乘法计算相同风速下叶片的弯曲距离与模型仿真弯曲距离的相关性；获取目标时段的风速，将所述风速代入叶片模型，获得在该风速下的叶片预设位置的模型仿真弯曲距离和叶尖的模型仿真弯曲距离；根据叶片的弯曲距离与模型仿真弯曲距离的相关性和叶片预设位置的模型仿真弯曲距离，确定叶片预设位置的实际弯曲距离，根据叶片的弯曲距离与模型仿真弯曲距离的相关性和叶尖的模型仿真弯曲距离，确定叶尖的实际弯曲距离；根据叶片预设位置的实际弯曲距离、叶尖的实际弯曲距离和叶片预设位置距离叶片塔筒的距离，获得叶尖的净空距离。2.如权利要求1所述的风电机组叶尖净空距离预测方法，其特征在于，所述叶片预设位置的轨迹信息通过安装于叶片预设位置的定位天线完成对应位置的坐标测量获得。3.如权利要求2所述的风电机组叶尖净空距离预测方法，其特征在于，所述获得不同风速下叶片预设位置的测量弯曲距离步骤，具体为包括：通过系统实时记录不同风速下叶片预设位置的定位坐标，通过坐标变化，计算出不同风速下叶片预设位置的弯曲距离，获得风速相关的弯曲距离序列。4.如权利要求3所述的风电机组叶尖净空距离预测方法，其特征在于，所述调用叶片模型，利用最小二乘法计算相同风速下叶片的弯曲距离与模型仿真弯曲距离的相关性步骤，具体包括：通过获得的风速相关的弯曲距离序列，采用最小二乘法计算相同风速下叶片预设位置的测量弯曲距离与模型仿真弯曲距离的相关性。5.如权利要求1所述的风电机组叶尖净空距离预测方法，其特征在于，所述获取目标时段的风速，将所述风速代入叶片模型，获得在该风速下的叶片预设位置的模型弯曲距离和叶尖的模型仿真弯曲距离步骤，具体包括：获取风速预测系统在目标时段的预测风速，将预测风速带入叶片模型，通过模型可计算出叶片预设位置和叶尖在对应风速下的模型仿真弯曲距离。6.如权利要求1所述的风电机组叶尖净空距离预测方法，其特征在于，所述叶尖的净空距离的表达式，具体为：y＝a+x-b其中，y为叶尖的净空距离，a为叶片预设位置的实际弯曲距离，x为叶片预设位置距离叶片塔筒的距离，b为叶尖的实际弯曲距离。7.如权利要求1所述的风电机组叶尖净空距离预测方法，其特征在于，所述获得叶尖的净空距离步骤之后，所述方法还包括：根据叶尖的净空距离，调整风电机组的运行状态，以避免叶片扫塔；其中，所述调整风电机组的运行状态包括变桨、偏航或降载中的一种或多种。8.一种风电机组叶尖净空距离预测装置，其特征在于，所述风电机组叶尖净空距离预测装置包括：测量模块，用于根据叶片预设位置的轨迹信息，获得不同风速下叶片预设位置的测量弯曲距离；
调用模块，用于调用叶片模型，利用最小二乘法计算相同风速下叶片的弯曲距离与模型仿真弯曲距离的相关性；代入模块，用于获取目标时段的风速，将所述风速代入叶片模型，获得在该风速下的叶片预设位置的模型仿真弯曲距离和叶尖的模型仿真弯曲距离；确定模块，用于根据叶片的弯曲距离与模型仿真弯曲距离的相关性和叶片预设位置的模型仿真弯曲距离，确定叶片预设位置的实际弯曲距离，根据叶片的弯曲距离与模型仿真弯曲距离的相关性和叶尖的模型仿真弯曲距离，确定叶尖的实际弯曲距离；预测模块，用于根据叶片预设位置的实际弯曲距离、叶尖的实际弯曲距离和叶片预设位置距离叶片塔筒的距离，获得叶尖的净空距离。9.一种风电机组叶尖净空距离预测设备，其特征在于，所述风电机组叶尖净空距离预测设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的风电机组叶尖净空距离预测方法程序，所述风电机组叶尖净空距离预测方法程序被所述处理器执行时实现如权利要求1至7中任一项所述的风电机组叶尖净空距离预测方法的步骤。10.一种存储介质，其特征在于，所述存储介质上存储有风电机组叶尖净空距离预测方法程序，所述风电机组叶尖净空距离预测方法程序被处理器执行时实现如权利要求1至7中任一项所述的风电机组叶尖净空距离预测方法的步骤。

技术总结
本发明公开了一种风电机组叶尖净空距离预测方法、装置、设备及存储介质，该方法包括根据叶片预设位置的轨迹信息，获得不同风速下叶片预设位置的测量弯曲距离；调用叶片模型，利用最小二乘法计算相同风速下叶片的弯曲距离与模型仿真弯曲距离的相关性；获取目标时段的风速，将所述风速代入叶片模型，获得在该风速下的叶片预设位置的模型仿真弯曲距离和叶尖的模型仿真弯曲距离；利用模型仿真弯曲距离相关性，确定实际弯曲距离，预测叶尖的净空距离。本发明通过叶片预设位置轨迹信息，完成叶尖净空距离的预测，基于该叶尖净空距离的预测值，调整风电机组的运行状态，可在保证叶片安全情况下，平衡发电效能和延长叶片运行寿命，让机组运行在最佳状态。组运行在最佳状态。组运行在最佳状态。


技术研发人员：曾一鸣 李玉霞 宁琨 付斌 郭自强 沈菲 王秉旭 杨鹤立 羊森林 邓杰 王其君 张坤 苏坤林 马记龙
受保护的技术使用者：东方电气风电股份有限公司
技术研发日：2022.12.30
技术公布日：2023/6/12