买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江运达风电股份有限公司申请的专利一种风电机组激光雷达的控制方法、装置及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116181573B 。

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211675068.0，技术领域涉及：F03D7/00；该发明授权一种风电机组激光雷达的控制方法、装置及介质是由王瑞良;聂方正;孙勇;杨翀;周军设计研发完成，并于2022-12-26向国家知识产权局提交的专利申请。

本一种风电机组激光雷达的控制方法、装置及介质在说明书摘要公布了：本申请涉及风电技术领域，公开了一种风电机组激光雷达的控制方法、装置及介质，包括：获取初始预估风速，并通过卡尔曼滤波对获取的初始预估风速进行滤波，以便修正初始预估风速得到最优估计值。然后，对各最优估计值进行计算得到预期桨距角增量，并通过BP神经网络对预期桨距角增量进行修正得到目标桨距角增量，将目标桨距角增量叠加至给定桨距角增量以输出实际转速。由此，通过卡尔曼滤波对激光雷达的风速不断进行预测和优化，保证激光雷达即使有叶片遮挡等影响仍能准确预测风速，提升风机控制效果。此外，通过BP神经网络对预期桨距角增量进行修正，实现对桨距角增量的实时调节，避免风轮转速超速，降低发电量的损失。

本发明授权一种风电机组激光雷达的控制方法、装置及介质在权利要求书中公布了：1.一种风电机组激光雷达的控制方法，其特征在于，包括： 获取初始预估风速； 通过卡尔曼滤波对所述初始预估风速进行滤波以修正所述初始预估风速得到最优估计值； 对各所述最优估计值进行计算得到预期桨距角增量； 通过BP神经网络对所述预期桨距角增量进行修正得到目标桨距角增量； 将所述目标桨距角增量叠加至给定桨距角增量以输出实际转速；其中： 所述通过卡尔曼滤波对所述初始预估风速进行滤波以修正所述初始预估风速得到最优估计值包括： 根据预先建立的参考坐标系构建激光雷达测风模型； 将所述激光雷达测风模型转化为离散化状态空间方程； 依据所述离散化状态空间方程和所述初始预估风速对下一状态的风速进行预测得到所述最优估计值；基于正定矩阵对所述最优估计值进行优化； 所述根据预先建立的参考坐标系构建激光雷达测风模型，包括： 预先建立参考坐标系，所述参考坐标系以塔基中心为基准，下风向为塔基正方向x轴，重力的方向是相反的方向z轴； 基于所述参考坐标系构建激光雷达测风模型，所述激光雷达测风模型的表达式为： ； ；其中，F表示激光雷达焦距，D表示激光雷达光束测量距离，表示沿着激光束距离D处的视线风速，K表示归一常数，用于使整个加权函数积分为1，N表示激光雷达光束的数量，通常为4；表示激光雷达测风模型的输出速度； 所述将所述激光雷达测风模型转化为离散化状态空间方程，包括： 基于表达式和，将激光雷达测风模型转化为离散化状态空间方程；其中，为状态方程，表示激光雷达测风模型通过测量风速预估的轮毂处风速，为状态转移矩阵，为过程噪声；为测量方程，用于描述系统状态，中包括风轮转速，发电机转速，以及激光雷达测得的距离门风速为卡尔曼滤波观测器的状态变量；为测量矩阵，为测量噪声；k表示当前系统状态，k-1表示上一系统状态； 所述通过BP神经网络对所述预期桨距角增量进行修正得到目标桨距角增量包括： 通过预设重构法构造神经网络训练样本； 对所述BP神经网络中的隐含层和输出层进行计算； 按照误差梯度下降的方式对所述BP神经网络的权值进行调节，并更新所述隐含层和所述输出层的阈值； 在构造雅可比矩阵后，根据所述雅可比矩阵计算得到所述目标桨距角增量； 所述激光雷达为连续波激光雷达。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江运达风电股份有限公司，其通讯地址为：311106 浙江省杭州市钱江经济开发区顺风路558号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。