CN116415385A - 风机联调仿真方法、装置、服务器及计算机存储介质 - Google Patents

Abstract

本申请公开了一种风机联调仿真方法、装置、服务器及计算机存储介质。其中风机联调仿真方法，包括：监控目标系统中各设备的计算资源的使用状态，目标系统包括风机主控子系统、风机边缘计算子系统以及风机硬件在环子系统；响应于目标系统中的设备存在目标计算资源，基于目标计算资源建立风机端联调仿真模型，目标计算资源为处于可用状态的计算资源；基于风机端联调仿真模型，对风机的运行进行仿真，得到风机仿真结果。本申请实施例可以降低风机仿真模拟对计算资源的额外配置需求，减少风机仿真模拟的成本。

Description

风机联调仿真方法、装置、服务器及计算机存储介质

技术领域

本申请属于风力发电技术领域，尤其涉及一种风机联调仿真方法、装置、服务器及计算机存储介质。

背景技术

随着人们对清洁能源的日益重视，风力发电目前已经得到了比较广泛的应用。风力发电机(以下简称风机)是风力发电的关键设备，为了保证风机运行的可靠性，通常对会对风机的相关模型进行仿真模拟。相关技术中，通常需要额外配置用于仿真模拟的计算资源，导致仿真模拟的成本较高。

发明内容

本申请实施例提供一种风机联调仿真方法、装置、服务器及计算机存储介质，以解决相关技术对风机进行仿真模拟的成本较高的问题。

第一方面，本申请实施例提供一种风机联调仿真方法，包括：

监控目标系统中各设备的计算资源的使用状态，目标系统包括风机主控子系统、风机边缘计算子系统以及风机硬件在环子系统；

响应于目标系统中的设备存在目标计算资源，基于目标计算资源建立风机端联调仿真模型，目标计算资源为处于可用状态的计算资源；

基于风机端联调仿真模型，对风机的运行进行仿真，得到风机仿真结果。

第二方面，本申请实施例提供了一种风机联调仿真装置，装置包括：

监控模块，用于监控目标系统中各设备的计算资源的使用状态，目标系统包括风机主控子系统、风机边缘计算子系统以及风机硬件在环子系统；

第一建立模块，用于响应于目标系统中的设备存在目标计算资源，基于目标计算资源建立风机端联调仿真模型，目标计算资源为处于可用状态的计算资源；

第一仿真模块，用于基于风机端联调仿真模型，对风机的运行进行仿真，得到风机仿真结果。

第三方面，本申请实施例提供了一种服务器，服务器包括：处理器以及存储有计算机程序指令的存储器；

处理器执行计算机程序指令时实现如第一方面所示的风机联调仿真方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面所示的风机联调仿真方法。

第五方面，本申请实施例提供了一种计算机程序产品，计算机程序产品中的指令由服务器的处理器执行时，使得服务器执行如第一方面所示的风机联调仿真方法。

本申请实施例提供的风机联调仿真方法，监控目标系统中各设备的计算资源的使用状态，目标系统包括风机主控子系统、风机边缘计算子系统以及风机硬件在环子系统；响应于目标系统中的设备存在目标计算资源，基于目标计算资源建立风机端联调仿真模型，目标计算资源为处于可用状态的计算资源；基于风机端联调仿真模型，对风机的运行进行仿真，得到风机仿真结果。本申请实施例可以利用目标系统中处于可用状态的计算资源建立风机端联调仿真模型，来对风机的运行进行仿真，进而可以降低风机仿真模拟对计算资源的额外配置需求，减少风机仿真模拟的成本。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的风机联调仿真方法的流程示意图；

图2是中枢调度系统与目标系统中各设备之间的连接关系的示意图；

图3是构建用于风机仿真的仿真环境的原理图；

图4是一个具体应用例中，建立风机端-风电场协同联调仿真模型的工作流程图；

图5是风机端-风电场协同联调仿真模型的仿真工作原理图；

图6是模型配置的原理示意图；

图7是本申请实施例提供的风机联调仿真装置的结构示意图；

图8是本申请提供的服务器的结构示意图。

具体实施方式

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，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

为了解决现有技术问题，本申请实施例提供了一种风机联调仿真方法、装置、设备及计算机存储介质。下面首先对本申请实施例所提供的风机联调仿真方法进行介绍。

图1示出了本申请一个实施例提供的风机联调仿真方法的流程示意图。如图1所示，该方法包括：

步骤101，监控目标系统中各设备的计算资源的使用状态，目标系统包括风机主控子系统、风机边缘计算子系统以及风机硬件在环子系统。

步骤102，响应于目标系统中的设备存在目标计算资源，基于目标计算资源建立风机端联调仿真模型，目标计算资源为处于可用状态的计算资源。

步骤103，基于风机端联调仿真模型，对风机的运行进行仿真，得到风机仿真结果。

本申请实施例提供的风机联调仿真方法可以应用于电子设备或者服务器等，此处不做具体限定。

以风机联调仿真方法的执行主体为服务器为例，该服务器可以与目标系统中各个设备建立通信连接，并可以对目标系统各个设备的计算资源进行调度。因此，在下文实施例中，也可以将可执行上述方法的服务器称为中枢调度系统。

如图2所示，图2为中枢调度系统与目标系统中各设备之间的连接关系的示意图。结合图2可见，目标系统可以包括风机主控子系统、风机边缘计算子系统以及风机硬件在环子系统。

各个子系统中可以包括一台或多台设备。为便于说明，可以将风机主控子系统中的设备称为风机主控设备，将风机边缘计算子系统中的设备称为风机边缘计算设备，将风机硬件在环子系统中的设备称为风机硬件在环设备。而各个子系统中的设备，可以统一称为目标系统中的设备。

本实施例中，目标系统中的各个设备与中枢调度系统能够进行通信连接即可，通信连接的方式可以是远程通信或者本地通信。换而言之，相对于中枢调度系统来说，各个子系统中的设备可以是本地设备，可以是异地设备，或者两者兼而有之，此处不做具体限定。

目标系统中各设备的计算资源，可以是指各设备的中央处理器(CentralProcessing Unit，CPU)资源、内存资源、硬盘资源或者网络资源等。

容易理解的是，风机主控子系统可以是与中枢调度系统连接的各个风机主控设备的总称，因此，风机主控子系统的用途，与风机主控设备的用途可以是相同或相似的。类似地，其他子系统与子系统下的设备的用途也可以是相同或相似的。以下将主要从设备的角度，来对各个子系统的用途进行说明。

目标系统中的各个设备均可以是预先配置的。

例如，在处于运行或测试状态下的风力发电机中，通常会包括风机主控设备与风机边缘计算设备，其中，风机主控设备可以用于对风机机组进行脱网控制或优化控制等。

边缘计算设备一般设置在靠近物或数据源头的一侧，且为采用网络、计算、存储以及应用核心能力为一体的开放平台，就近提供最近端的数据分析服务。而风机边缘计算设备可以用于获取风机的运行状态及运行产生的数据，通过诊断、监测模型判断并记录风机的运行状态等。

再例如，风机硬件在环设备可以是能够运行相关风机仿真软件的硬件平台，该硬件平台可以是独立的计算机，也可以是风力发电机中的一控制模块，或者，还可以是云端服务器等，此处不做一一举例说明。

步骤101中，中枢调度系统可以监控目标系统中各个设备的计算资源的使用状态。

以中枢调度系统监控风机主控子系统中的各风机主控设备的计算资源为例。中枢调度系统可以监控各风机主控设备是否处于待命中，如果一风机主控设备处于待命中，则说明该风机主控设备的计算资源均为可用状态。

或者，中枢调度系统也可以监控各风机主控设备中CPU资源等计算资源是否存在剩余，剩余的计算资源可以认为是处于可用状态。

至于其他子系统中设备的计算资源的使用状态的监控，可以参考风机主控设备相关描述，此处不再重复说明。

在步骤102中，中枢调度系统可以响应于目标系统中的设备存在目标计算资源，基于目标计算资源建立风机端联调仿真模型。

参见图2，在一个举例中，当存在处于待命中的风机主控设备、风机边缘计算设备以及风机硬件在环设备时，说明这三类设备中均存在处于可用状态的计算资源。这些处于可用状态的计算资源共同构成上述的目标计算资源。

中枢调度系统可以对处于可用状态的计算资源进行整合，比如，将待命中的风机主控设备、风机边缘计算设备以及风机硬件在环设备进行通信连接，构成可以用于风机仿真的仿真环境。中枢调度系统可以进一步利用该仿真环境中的计算资源，来建立风机端联调仿真模型。

当然，在实际应用中，中枢调度系统也可以是直接监测目标系统中各个设备中的计算资源是否存在剩余，剩余的计算资源足够建立风机端联调仿真模型时，可以认为存在上述的目标计算资源。

在步骤103中，中枢调度系统可以基于风机端联调仿真模型，对风机的运行进行仿真，得到风机仿真结果。

本实施例中，风机端联调仿真模型可以用于模拟风机，并对风机的运行过程进行仿真。

而上述的风机仿真结果，可以包括模拟风机运行状态，或者包括模拟风机的可靠性测试结果等，此处不做具体限定，可以根据实际仿真需要进行设置。

本申请实施例提供的风机联调仿真方法，监控目标系统中各设备的计算资源的使用状态，目标系统包括风机主控子系统、风机边缘计算子系统以及风机硬件在环子系统；响应于目标系统中的设备存在目标计算资源，基于目标计算资源建立风机端联调仿真模型，目标计算资源为处于可用状态的计算资源；基于风机端联调仿真模型，对风机的运行进行仿真，得到风机仿真结果。本申请实施例可以利用目标系统中处于可用状态的计算资源建立风机端联调仿真模型，来对风机的运行进行仿真，进而可以降低风机仿真模拟对计算资源的额外配置需求，减少风机仿真模拟的成本。

可选地，风机主控子系统包括P台风机主控设备，风机边缘计算子系统包括Q台风机边缘计算设备，风机硬件在环子系统包括R台风机硬件在环设备，P、Q以及R均为正整数。

监控目标系统中各设备的计算资源的使用状态之后，在至少一台风机主控设备、至少一台风机边缘计算设备以及至少一台风机硬件在环设备处于可用状态的情况下，确定目标系统中存在目标计算资源。

如图3所示，图3示出了基于监控目标系统中各设备的状态，来构建用于风机仿真的仿真环境的原理图。

基于图3可见，在风机主控子系统中，可能存在多台风机主控设备，一些风机主控设备可能处于“正在使用”的状态，而一些风机主控设备可能处于“待命中”的状态。中枢调度系统可以对这些风机主控设备的状态进行获取，当一个风机主控设备处于“待命中”的状态时，可以认为该风机主控设备处于可用状态，其中的计算资源可以应用到风机仿真模拟中。

类似地，中枢调度系统也可以对其他子系统中的设备的状态进行监控，从而确定出处于可以状态的设备。

当然，实际应用中，各个子系统中的设备的数量，可以取决于中枢调度系统所在网络拓扑的设备组成，而该网络拓扑可以根据实际需要进行构建，此处不做详细说明。

本实施例中，中枢调度系统可以在监测到至少一台风机主控设备、至少一台风机边缘计算设备以及至少一台风机硬件在环设备处于可用状态时，确定目标系统中存在上述目标计算资源。

换而言之，本实施例中，中枢调度系统可以认为是以设备为单位，来监测计算资源的使用状态。在一定程度上，可以认为当一台设备处于可用状态时，其中的计算资源也可以处于可用状态，反之亦然。

在存在目标计算资源的情况下，中枢调度系统可以基于目标计算资源建立风机端联调仿真模型，并对风机的运行进行仿真，具体的过程此处不再赘述。

本实施例中，中枢调度系统以设备为单位来监控计算资源的使用状态，监控过程的实现较为容易。利用处于可用状态的设备中的计算资源来建立风机端联调仿真模型，也可以避免因占用正在使用的设备的计算资源，而影响设备正常运行的情况。

在一些可能的实施方式中，一些风机主控设备可能具有足够的计算资源，来承担边缘计算或者硬件在环的任务。当中枢调度系统检测到这类风机主控设备处于可用状态时，也可以基于风机主控设备的计算资源建立风机端联调仿真模型。

在另一些可行的实施方式中，中枢调度系统所在的云端服务器具有足够的计算资源时，也可以进一步结合云端服务器的计算资源建立风机端联调仿真模型。

可选地，监控目标系统中各设备的计算资源的使用状态之后，方法还包括：

利用目标系统中各设备的剩余计算资源组成Docker容器；

获取Docker容器对应的计算资源配置；

响应于目标系统中的设备处于可用状态的计算资源满足计算资源配置的情况下，确定目标系统中存在目标计算资源。

本实施例可以认为是上一实施例的一个变化例。简单来说，上一实施例中，当一台设备处于“正在使用”的状态时，该设备中的所有计算资源可以认为是不可用的。而在本实施例中，当一台设备处于“正在使用”的状态时，若其中的计算资源存在剩余(即计算资源并没有完全被使用)，则可以认为该设备中依然存在处于可用状态的计算资源。

以下针对本实施例的实施过程进行详细的说明。

本实施例中，中枢调度系统可以利用目标系统中各设备的剩余计算资源组成Docker容器。

在一些举例中，Docker容器可以具体是建立在具有剩余计算资源的风机主控设备、风机边缘计算设备或者风机硬件在环设备上。

在组成Docker容器时，可以设置Docker容器的计算资源配置。该计算资源配置可以是默认的，也可以是用户进行设置的，此处不做具体限定。

从量化的角度来说，Docker容器的计算资源配置可以指示需要从每个子系统中分配得到的计算资源的量。

比如，计算资源可以是内存资源，Docker容器的计算资源配置，可以指示需要从风机主控子系统的设备中分配出800M的内存资源，需要从风机边缘计算子系统的设备中分配出500M的内存资源等。

当然，以上是为了便于理解Docker容器对应的计算资源配置而做出的举例说明，在实际应用中计算资源配置还可以指示其他类型计算资源的配置要求，此处不做一一举例说明。

当目标系统中的设备处于可用状态的计算资源满足计算资源配置时，中枢调度系统可以确定目标系统中存在上述的目标计算资源，并基于目标计算资源建立风机端联调仿真模型。

本实施例中，通过Docker容器可以实现计算资源的分配，在目标系统中设备处于使用状态时，依然可以利用剩余的计算资源来建立风机端联调仿真模型，进而有效提高目标系统中计算资源的使用效率。

在一些示例中，上述Docker容器的数量可以是一个或者多个，每一个Docker容器均可以通过分配计算资源，来建立一个风机端联调仿真模型。相应地，实际应用中，一台设备中的计算资源，可以分配到一个或多个风机端联调仿真模型中，有效提高计算资源的使用效率。

可选地，风机端联调仿真模型包括模拟风机与风机边缘计算模型，模拟风机基于风机主控子系统中的计算资源和风机硬件在环子系统中的计算资源建立，风机边缘计算模型基于风机边缘计算子系统中的计算资源建立；

基于风机端联调仿真模型，对风机的运行进行仿真，得到风机仿真结果的步骤具体包括：

利用模拟风机产生风机运行状态数据；

利用风机边缘计算模型分析风机运行状态数据，得到风机仿真结果。

结合一个举例，中枢调度系统基于风机主控子系统中的计算资源和风机硬件在环子系统中的计算资源，可以组成模拟风机并仿真出机组的运行情况，产生风机运行状态数据。

此外，中枢调度系统还可以基于风机边缘计算子系统中的计算资源，建立风机边缘计算模型。风机边缘计算模型可以获取风机运行状态数据，基于这些风机运行状态数据判断并记录模拟风机的运行状态，测试模拟风机的可靠性。

在另一些举例中，风机边缘计算模型可以用于对模拟风机进行健康诊断。比如，风机边缘计算模型在获取到风机运行状态数据后，可以通过数据清洗、特征提取、数据统计等数据处理方式，进行风机大部件异常监测诊断以及机组运行状态监测诊断的测试等，进而可以实现机组运行预警、大部件预警和机组健康度洞察等功能。

至于上述的风机仿真结果，可以包括风机的状态监控结果、预警结果或者健康诊断结果等等，可以根据实际需要进行设置。

可见，本实施例中所建立的风机端联调仿真模型包括模拟风机与风机边缘计算模型，利用模拟风机可以产生风机运行状态数据，利用风机边缘计算模型分析风机运行状态数据，有助于得到多种类型的风机仿真结果，提升风机仿真效果。

可选地，在基于目标计算资源建立风机端联调仿真模型后，方法还包括：

响应于建立有M个风机端联调仿真模型，建立风电场联调仿真模型，M为大于1的整数；

根据M个风机端联调仿真模型与风电场联调仿真模型，建立风机端-风电场协同联调仿真模型；

基于风机端-风电场协同联调仿真模型，对风电场的运行进行仿真，得到风电场仿真结果。

容易理解的是，上述的风机端联调仿真模型可以是对单个风机建立的仿真模型。为了能够实现对风电场的仿真模拟，本实施例中，可以建立多个风机端联调仿真模型，每一个风机端联调仿真模型可以对应一个模拟风机。

本实施例中，在建立有M个风机端联调仿真模型的情况下，可以进一步建立风电场联调仿真模型。在一些示例中，该风电场联调仿真模型可以用于模拟风电场中的相关控制系统，比如场群控制系统，或者发电量提升系统等等。

风电场联调仿真模型同样可以基于目标系统中的计算资源进行建立。或者，风电场联调仿真模型也可以直接建立在中枢调度系统中等，此处可不做具体限定。

根据M个风机端联调仿真模型与风电场联调仿真模型，可以建立风机端-风电场协同联调仿真模型。

结合一些举例，各个风机端联调仿真模型中可以产生运行状态数据，这些运行状态数据可以直接或者经过处理后发送至风电场联调仿真模型。而风电场联调仿真模型也可以向各个风机端联调仿真模型发送控制指令，以使得风机端联调仿真模型中的模拟风机根据控制指令实现相应动作等等。

基于以上举例可见，在风机端-风电场协同联调仿真模型中，风机端联调仿真模型与风电场联调仿真模型之间的数据交互，可以对应风机与风电场控制系统之间的数据交互。换而言之，基于风机端-风电场协同联调仿真模型，可以对风电场的运行进行仿真。

在上述举例提到，风电场控制系统可以是发电量提升系统，发电量提升系统中存在相关的发电量提升模型，相应地，仿真得到的风电场仿真结果，可以用于指示发电量提升模型的运行效果等。

而在另一些举例中，风电场联调仿真模型可以接收来自各个风机端联调仿真模型的数据，并基于这些数据向各个风机端联调仿真模型发送控制指令，而风电场仿真结果可以包括风机端联调仿真模型对风机端联调仿真模型的控制过程等。

当然，以上是对风电场仿真结果的一些举例说明，在实际应用中，风电场仿真结果的具体内容，可以根据需要进行设置。

本实施例中，中枢调度系统响应于建立有M个风机端联调仿真模型，建立风电场联调仿真模型，并可以基于M个风机端联调仿真模型与风电场联调仿真模型建立风机端-风电场协同联调仿真模型，以便对风电场的运行进行仿真，丰富了仿真模拟的功能，提高了风机联调仿真效果。

如图4所示，图4是在一个具体应用例中，建立风机端-风电场协同联调仿真模型的工作流程，具体包括步骤401～步骤408：

步骤401，获取目标系统中的设备情况。

结合上文举例，目标系统可以包括风机主控子系统、风机边缘计算子系统以及风机硬件在环子系统，这些子系统中可以分别存在相应的设备，比如风机主控设备、风机边缘计算设备以及风机硬件在环设备等。这些设备可以是本地设备，也可以是异地设备，或者兼而有之。

步骤402，将目标系统中的设备接入到中枢调度系统。

该中枢调度系统可以用于建立风机端-风电场协同联调仿真模型，因此，可以将中枢调度系统称为风电场“边-场”协同仿真中枢调度系统。

中枢调度系统接入了本地和异地的设备，这样用户无需必须在特定环境下才能进行仿真模拟测试，提高了仿真模拟测试的便捷性。

步骤403，监控目标系统中设备的运行情况。

步骤404，判断是否同时处于待命状态的风机主控设备、风机边缘计算设备以及风机硬件在环设备，若是，则执行步骤405，若否，返回执行步骤403。

步骤405，待命状态的风机主控设备、风机边缘计算设备以及风机硬件在环设备组成风机边缘端联调仿真环境。

步骤406，风机边缘端联调仿真环境实现模拟风机的运行。

风机边缘端联调仿真环境中各个设备的计算资源可以用于建立风机端联调仿真模型，风机端联调仿真模型包括模拟风机与风机边缘计算模型，因此可以模拟风机的运行。

步骤407，多个风机边缘端联调仿真环境组成模拟风场，并接入风电场的场群控制和发电提升仿真系统。

一个风机边缘端联调仿真环境可以用于建立一个风机端联调仿真模型，模拟一台风机的运行。多个风机边缘端联调仿真环境，可以构成模拟风场中的多个模拟风机。

风电场的场群控制和发电提升仿真系统可以对应上述的风电场联调仿真模型，多个风机端联调仿真模型可以接入到风电场联调仿真模型中，得到风机端-风电场协同联调仿真模型。

步骤408，通过风机边缘计算设备，测试风机健康诊断模型，通过风机端-风电场协同联调仿真模型，测试风电场发电提升模型、场级风机控制或者风机性能评估等。

本实施例中，多个风机端联调仿真模型和风电场联调仿真模型可以组成模拟风场，在模拟环境中即可进行风机智能化仿真。结合风机端联调仿真模型和风电场联调仿真模型，可以进行多维度的风机和风场测试，如风机状态监测，风机大部件监测，风机和风场发电量评估等。用户可在云端获取模型测试报告，快速知晓模型的可靠性，并为模型的迭代提供依据。本申请实施例，可以有效减少人力成本、设备管理成本、项目资源投入的同时，满足风电场及机组智能化的测试需求。

在一些示例中，上文中提到风机边缘计算模型可以用于对模拟风机进行健康诊断，该健康诊断功能可以具体是由风机健康诊断模型实现的。

为便于理解风机端-风电场协同联调仿真模型的测试功能，以下针对风机端-风电场协同联调仿真模型中各个模型之间的数据交互进行说明。

可选地，基于风机端-风电场协同联调仿真模型，对风电场的运行进行仿真，得到风电场仿真结果，具体包括以下步骤：

获取M个风机端联调仿真模型生成的M个风机仿真结果；

根据M个风机仿真结果确定目标发电量；

根据目标发电量确定风机控制指令，并将风机控制指令发送至相应的风机端联调仿真模型。

如图5所示，图5为风机端-风电场协同联调仿真模型的仿真工作原理图。结合上文实施例的说明，风机端联调仿真模型中的模拟风机可以产生风机运行状态数据，这些风机运行状态数据可以直接发送到风电场联调仿真模型中。

风电场联调仿真模型可以具体通过发电量提升模型来接收各个风机端联调仿真模型的风机运行状态数据，并基于发电量提升模型向相关的风机端联调仿真模型发送风机控制指令。

在一些示例中，场端发电量提升模型在获取风机运行状态数据后，通过数据清洗、特征提取、数据统计等数据处理方式，可以评估一段时间内整场和单机发电量情况，并结合整场发电情况和单机发电情况，确定各台模拟风机的目标发电量，并向相应的风机端联调仿真模型发出控制指令，风机端联调仿真模型中的模拟风机根据控制指令实现相应动作(如偏航、启停机、限功率等)。

模拟风机在动作之后，产生的相应运行状态数据会发生变化，这些变化的运行状态数据又会发送至场端发电量提升模型，场端发电量提升模型根据这些数据评估场端发电量提升模型对机组和风电场发电量提升效果。

在实际应用中，场端发电量提升模型以及发电量提升效果评估所使用的模型可以是同一个模型，根据其可实现的功能，该同一个模型可以称为场端发电量提升和评估模型。

至于风电场仿真结果，可以是场端发电量提升和评估模型输出的模型测试报告等。

本实施例中，通过M个风机端联调仿真模型与风电场联调仿真模型的协同工作，可以对风电场联调仿真模型中相关控制模型进行测试，扩大模拟仿真的适用范围。

当然，如图5所示，实际应用中，风电场联调仿真模型中的控制模型，可以不限于上述场端发电量提升和评估模型，还可以是用于场级机组运行预警、大部件预警或者机组健康度洞察的相关模型等，这些模型可以基于各个风机端联调仿真模型对风机运行状态数据的数据分析结构，进一步对风电场的运行状态进行监控与评估等。

在风机健康诊断模型与场端发电量提升和评估模型等模型中，可以布置相应的核心算法，这些核心算法可以是现有的算法，也可以是需要进行评估的算法等，此处不做具体限定。

基于以上实施例可见，在一些应用场景中，中枢调度系统可以进行设备管理和调度，省去了人工设备搭建成本，且不用手动进行设备的配置和调试，中枢调度系统在远端即可根据用户需求就可以搭建边缘计算的风机仿真平台，提高了风机仿真实验的工作效率。

在一些实施方式中，风机健康诊断模型与场端发电量提升和评估模型等模型均可以生成模型测试报告，这些测试报告可以作为仿真结果，发送上传至中枢调度系统，以便存储或供用户参考。

在一些实施方式中，风机边缘端联调仿真环境还可以提供数据压缩机存储功能。

比如，边缘端计算设备负责采集模拟风机在运行过程中产生的原始高频数据(一般是50Hz)，同时也将原始高频数据转化为低频数据(如1s/帧、7s/帧)。边缘端计算设备和或者风机边缘端联调仿真环境中的其他设备，可以负责将原始高频和低频数据存储在数据库中并进行压缩。

可选地，基于目标计算资源建立风机端联调仿真模型，具体包括：

响应于接收到用户的配置输入，从预设的N个模型配置参数中确定目标模型配置参数，N为正整数；

基于目标计算资源以及目标模型配置参数，建立风机端联调仿真模型。

结合一些场景，在进行风机端联调仿真时，用户可能需要对主控软件、风况、风机模拟以及边缘端模型等具有相应的配置要求。

如图6所示，图6为模型配置的原理示意图。结合图6可见，在一些示例中，主控软件需求可以表现为根据不同机型、不同现场匹配合适的主控软件。风况需要可以包括小风工况、大风工况、极端风况等。风机模型需求可以包括风机额定功率、叶片型号、塔架高度以及塔架型号等。边缘端模型需求可以包括集中状态监测模型、机组大部件监测模型以及寿命预估模型等。

如上文所示的，实际应用中，需要进一步建立风机端-风电场协同联调仿真模型，在进行模型配置时，通常需要进一步考虑场端模型需求，比如功率提升模型或者整场发电量评估模型等。

在一些示例中，中枢调度系统可以配备了风机边缘端健康诊断模型库和风电场的场群控制端发电量提升模型库，用户可选择对应的库，下放到边缘联调仿真环境中的单机边缘设备和场端设备，进而可以快速实现目标机组仿真需求、边缘端和场端的模型需求，进而满足用户总体仿真测试。

可见，在这些示例中，用户可以无需解模拟风机的搭建细节，在接收到用户提供的测试需求的情况下，中枢调度系统会自动根据需求将配置下发到边缘端计算环境中，将模型下发到边缘设备和场端设备，用户只需专注于模型仿真，极大提高了风机仿真实验的工作效率。

在一些实施方式中，N个模型配置参数可以是预先存在在中枢调度系统或者其他设备上的，用户可以直接在这些模型配置参数中选择目标模型配置参数。而中枢调度系统可以基于目标计算资源以及目标模型配置参数，建立风机端联调仿真模型，如此，有效的简化了用户操作，提高了仿真模型的搭建效率。

可选地，目标系统还包括传感器子系统。

本实施例中，中枢调度系统除了可以风机主控子系统、风机边缘计算子系统以及风机硬件在环子系统中的各设备建立有通信连接，还可以与涉及智能风机的传感器(如激光雷达、叶片视频监测等)连接。

上述智能风机的传感器可以属于传感器子系统。中枢调度系统可以对传感器子系统中的各个传感器的计算资源的使用状态进行监控。

与对其余三个子系统中的设备的处理方式相似，中枢调度系统可以是以传感器为单位，监测传感器是处于工作状态还是待命状态，并将处于待命状态的传感器归入到风机边缘端联调仿真环境。

或者，中枢调度系统也可以基于Docker容器技术，将传感器中的计算资源分配到各个Docker容器中，以获得用于建立风机端联调仿真模型的硬件平台。

本实施例中，目标系统还包括传感器子系统，如此，中枢调度系统可以将传感器也纳入到风机边缘端联调仿真环境，使得建立的风机端联调仿真模型与实际的风机端构造更加相近，提高风机仿真测试结果的准确性与可靠性。

如图7所示，本申请实施例还提供了一种风机联调仿真装置，包括：

监控模块701，用于监控目标系统中各设备的计算资源的使用状态，目标系统包括风机主控子系统、风机边缘计算子系统以及风机硬件在环子系统；

第一建立模块702，用于响应于目标系统中的设备存在目标计算资源，基于目标计算资源建立风机端联调仿真模型，目标计算资源为处于可用状态的计算资源。

第一仿真模块703，用于基于风机端联调仿真模型，对风机的运行进行仿真，得到风机仿真结果。

可选地，风机主控子系统包括P台风机主控设备，风机边缘计算子系统包括Q台风机边缘计算设备，风机硬件在环子系统包括R台风机硬件在环设备，P、Q以及R均为正整数；

相应地，风机联调仿真装置还可以包括：

第一确定模块，用于在至少一台风机主控设备、至少一台风机边缘计算设备以及至少一台风机硬件在环设备处于可用状态的情况下，确定目标系统中存在目标计算资源。

可选地，风机联调仿真装置还可以包括：

组建模块，用于利用目标系统中各设备的剩余计算资源组成Docker容器；

获取模块，用于获取Docker容器对应的计算资源配置；

第二确定模块，用于响应于目标系统中的设备处于可用状态的计算资源满足计算资源配置的情况下，确定目标系统中存在目标计算资源。

可选地，风机端联调仿真模型包括模拟风机与风机边缘计算模型，模拟风机基于风机主控子系统中的计算资源和风机硬件在环子系统中的计算资源建立，风机边缘计算模型基于风机边缘计算子系统中的计算资源建立；

相应地，第一仿真模块703可以包括：

生成单元，用于利用模拟风机产生风机运行状态数据；

仿真单元，用于利用风机边缘计算模型分析风机运行状态数据，得到风机仿真结果。

可选地，风机联调仿真装置还可以包括：

第二建立模块，用于响应于建立有M个风机端联调仿真模型，建立风电场联调仿真模型，M为大于1的整数；

第三建立模块，用于根据M个风机端联调仿真模型与风电场联调仿真模型，建立风机端-风电场协同联调仿真模型；

第二仿真模块，用于基于风机端-风电场协同联调仿真模型，对风电场的运行进行仿真，得到风电场仿真结果。

可选地，第二仿真模块，可以包括：

获取单元，用于获取M个风机端联调仿真模型生成的M个风机仿真结果；

第一确定单元，用于根据M个风机仿真结果确定目标发电量；

发送单元，用于根据目标发电量确定风机控制指令，并将风机控制指令发送至相应的风机端联调仿真模型。

可选地，第一建立模块，具体包括：

第二确定单元，用于响应于接收到用户的配置输入，从预设的N个模型配置参数中确定目标模型配置参数，N为正整数；

建立单元，用于基于目标计算资源以及目标模型配置参数，建立风机端联调仿真模型。

可选地，目标系统还包括传感器子系统。

需要说明的是，该风机联调仿真装置是与上述风机联调仿真方法对应的装置，上述方法实施例中所有实现方式均适用于该装置的实施例中，也能达到相同的技术效果。

图8示出了本申请实施例提供的服务器的硬件结构示意图。

在服务器可以包括处理器801以及存储有计算机程序指令的存储器802。

具体地，上述处理器801可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。

存储器802可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器802可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器802可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器802可在综合网关容灾设备的内部或外部。在特定实施例中，存储器802是非易失性固态存储器。

在特定实施例中，存储器802可包括只读存储器(ROM)，随机存取存储器(RAM)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本公开的一方面的方法所描述的操作。

处理器801通过读取并执行存储器802中存储的计算机程序指令，以实现上述实施例中的任意一种风机联调仿真方法。

在一个示例中，服务器还可包括通信接口803和总线810。其中，如图8所示，处理器801、存储器802、通信接口803通过总线810连接并完成相互间的通信。

通信接口803，主要用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。

总线810包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线810可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。

另外，结合上述实施例中的风机联调仿真方法，本申请实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种风机联调仿真方法。

需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本申请中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本申请不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/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通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经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/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/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件来实现，或可由专用硬件和计算机指令的组合来实现。

以上，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (12)

1.一种风机联调仿真方法，其特征在于，包括：

监控目标系统中各设备的计算资源的使用状态，所述目标系统包括风机主控子系统、风机边缘计算子系统以及风机硬件在环子系统；

响应于所述目标系统中的设备存在目标计算资源，基于所述目标计算资源建立风机端联调仿真模型，所述目标计算资源为处于可用状态的计算资源；

基于所述风机端联调仿真模型，对风机的运行进行仿真，得到风机仿真结果。

2.根据权利要求1所述的方法，其特征在于，所述风机主控子系统包括P台风机主控设备，所述风机边缘计算子系统包括Q台风机边缘计算设备，所述风机硬件在环子系统包括R台风机硬件在环设备，P、Q以及R均为正整数；

所述监控目标系统中各设备的计算资源的使用状态之后，所述方法还包括：

在至少一台所述风机主控设备、至少一台所述风机边缘计算设备以及至少一台所述风机硬件在环设备处于可用状态的情况下，确定所述目标系统中存在所述目标计算资源。

3.根据权利要求1所述的方法，其特征在于，所述监控目标系统中各设备的计算资源的使用状态之后，所述方法还包括：

利用目标系统中各设备的剩余计算资源组成Docker容器；

获取所述Docker容器对应的计算资源配置；

响应于所述目标系统中的设备处于可用状态的计算资源满足所述计算资源配置的情况下，确定所述目标系统中存在所述目标计算资源。

4.根据权利要求1所述的方法，其特征在于，所述风机端联调仿真模型包括模拟风机与风机边缘计算模型，所述模拟风机基于所述风机主控子系统中的计算资源和所述风机硬件在环子系统中的计算资源建立，所述风机边缘计算模型基于所述风机边缘计算子系统中的计算资源建立；

所述基于所述风机端联调仿真模型，对风机的运行进行仿真，得到风机仿真结果的步骤具体包括：

利用所述模拟风机产生风机运行状态数据；

利用所述风机边缘计算模型分析所述风机运行状态数据，得到所述风机仿真结果。

5.根据权利要求1所述的方法，其特征在于，在基于所述目标计算资源建立风机端联调仿真模型后，所述方法还包括：

响应于建立有M个所述风机端联调仿真模型，建立风电场联调仿真模型，M为大于1的整数；

根据所述M个风机端联调仿真模型与所述风电场联调仿真模型，建立风机端-风电场协同联调仿真模型；

基于所述风机端-风电场协同联调仿真模型，对风电场的运行进行仿真，得到风电场仿真结果。

6.根据权利要求5所述的方法，其特征在于，基于所述风机端-风电场协同联调仿真模型，对风电场的运行进行仿真，得到风电场仿真结果，包括：

获取M个所述风机端联调仿真模型生成的M个风机仿真结果；

根据所述M个风机仿真结果确定目标发电量；

根据所述目标发电量确定风机控制指令，并将所述风机控制指令发送至相应的风机端联调仿真模型。

7.根据权利要求1所述的方法，其特征在于，所述基于所述目标计算资源建立风机端联调仿真模型，具体包括：

响应于接收到用户的配置输入，从预设的N个模型配置参数中确定目标模型配置参数，N为正整数；

基于所述目标计算资源以及目标模型配置参数，建立风机端联调仿真模型。

8.根据权利要求1所述的方法，其特征在于，所述目标系统还包括传感器子系统。

9.一种风机联调仿真装置，其特征在于，所述装置包括：

监控模块，用于监控目标系统中各设备的计算资源的使用状态，所述目标系统包括风机主控子系统、风机边缘计算子系统以及风机硬件在环子系统；

第一建立模块，用于响应于所述目标系统中的设备存在目标计算资源，基于所述目标计算资源建立风机端联调仿真模型，所述目标计算资源为处于可用状态的计算资源；

第一仿真模块，用于基于所述风机端联调仿真模型，对风机的运行进行仿真，得到风机仿真结果。

10.一种服务器，其特征在于，所述服务器包括：处理器以及存储有计算机程序指令的存储器；

所述处理器执行所述计算机程序指令时实现如权利要求1-8任意一项所述的风机联调仿真方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-8任意一项所述的风机联调仿真方法。

12.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由服务器的处理器执行时，使得所述服务器执行如权利要求1-8任意一项所述的风机联调仿真方法。

Images