本发明属于风力发电机监测，具体涉及一种风电综合防雷监测方法。
背景技术：
1、随着世界经济的快速发展，能源需求增长，矿物能源日渐枯竭，环境保护高度重视，对干净环保的新能源的开发利用，越来越受到国际社会的重视。
2、风力发电是当前技术最成熟和最具备规模开发的可再生干净环保的新能源，而随着风力发电技术的成熟，风力发电机组的单机容量越来越大，为了吸收更多的能量，风机高度和叶轮直径随之增高，其相应的增加了被雷击的风险，雷击成了自然界中对风力发电机组安全运行危害最大的一种灾害，因此对风力发电机组进行防雷监测以减少风力发电机组的雷击概率尤为重要。
3、中国专利申请号201910361222.9公开了风电综合防雷监测方法，在风力发电机叶片、机舱及塔基中安装雷电流传感器，实时准确地监测风力发电机对应部件遭受雷击时的雷电流信息，并将其传送至雷电监测系统，由雷电监测系统采集、计算和记录雷击发生时间、雷电流幅值、极性、波形以及雷击次数，并将其存储于内部存储器中，同时传送至雷电监控中心，由雷电监控中心整合雷电监测系统传送的数据，对数据进行展示、管理、统计和报表生成，以实现风力发电机的综合防雷监测。
4、本申请发明人发现：上述即现有风电综合防雷监测方法仅能够对风力发电机组的雷击数据进行监控，属于雷击后期监控，而无法针对风力发电机组的雷击前期进行预测以提高风力发电机组的防雷效果，更无法降低风力发电机组的损坏概率，即降低了系统的实用效果。
技术实现思路
1、为解决上述背景技术中提出的问题。本发明提供了一种风电综合防雷监测方法，具有不仅能够实现风力发电机组雷击后期的数据监测，而且能够对风力发电机组的雷击前期情况进行预测，以便在风力发电机组无法承受雷击时及时加强防雷击措施，以提高风力发电机组的防雷效果，减少风力发电机组的损坏概率性的特点。
2、为实现上述目的，本发明提供如下技术方案：一种风电综合防雷监测方法，包括以下步骤：
3、s1：采集风力发电机组周围具有雷击现象的雷击过程图像；
4、s2：采集风力发电机组周围具有雷击现象的前中期历史气象数据，其中，前中期历史气象数据包括具有雷击现象的前一天的历史气象数据和具有雷击现象的当天的历史气象数据；
5、s3：采集风力发电机组周围具有雷击现象的风力发电机组的雷击流数据，其中，雷击流数据包括叶片雷击流数据、机舱雷击流数据和塔基雷击流数据；
6、s4：针对采集的雷击过程中图像进行截取，其中，截取是基于整条闪电；
7、s5：针对采集的前中期历史气象数据进行预处理，以消除历史气象数据中冗余和缺失的历史气象数据；
8、s6：以日期对截取的闪电图像、前中期历史气象数据和风力发电机组的雷击流数据进行分类，以使截取的闪电图像、前中期历史气象数据与发电机组的雷击流数据相对应；
9、s7：将前中期历史气象数据与相对应的截取的多个闪电图像分别作为输入值和预期输出值输入bp神经网络中进行训练，得到通过气象数据预测雷击以及雷击路径的第一bp神经网络预测模型并保存；
10、s8：选取出同时间的截取出的多个闪电图像中的最强闪电图像，将前中期历史气象数据与相对应的多个最强闪电图像分别作为输入值和预期输出值输入bp申请网络中进行训练，得到通过气象数据预测最强闪电的第二bp神经网络预测模型并保存；
11、s9：选取出与风力发电机组具有雷击现象的闪电图像，将多个具有雷击现象的闪电图像与相对应的风力发电机组的叶片雷电流数据分别作为输入值和预期输出值输入bp申请网络中进行训练，得到通过闪电数据预测风力发电机组叶片的雷电流数据的第三bp神经网络预测模型并保存；
12、s10：基于风力发电机组的雷击流数据计算出风力发电机组的叶片、机舱和塔基间的各雷击流泄流系数并保存；
13、s11：采集风力发电机组的雷电流数据并保存，其中，雷电流数据包括叶片最大雷击流参数、机舱最大雷击流参数和塔基最大雷击流参数；
14、s12：风力发电机组运行过程中，实时监测风力发电机组周围的气象数据，第一bp神经网络预测模型基于气象数据实时预测风力发电机组周围产生雷击的概率，并在预测会产生雷击现象时预测出雷击路径，在预测出雷击路径会对风力发电机组产生影响时，第二bp神经网络预测模型基于气象数据预测风力发电机组周围产生的最强闪电，第三bp神经网络预测模型基于预测出的最强闪电预测出雷击到风力发电机组叶片上的雷电流数据，比较预测的风力发电机组的叶片雷电流数据与风力发电机组的叶片最大雷电流参数，若预测的风力发电机组的叶片雷电流数据超出风力发电机组的叶片最大雷电流参数，则预警，等待处理，反之，则不预警，雷击过程中，采集叶片雷击流数据、机舱雷击流数据和塔基雷击流数据进行保存，实现风力发电机组的综合防雷监测。
15、进一步的，所述步骤s2中，采集的具有雷击现象的前一天历史气象数据和当天历史气象数据包括：日最大风速风向、日极大风速风向、日最大风速、日极大风速、日平均风速、日降水量、日平均气温、日平均水汽压、日平均气压、日最低气压、日最高气压、日平均相对湿度、日最小相对湿度、日日照时数、日最低气温和日最高气温。
16、进一步的，所述步骤s4中，雷击过程中的图像截取是基于边缘分割法进行的。
17、进一步的，所述步骤s5中，前中期历史气象数据的预处理包括数据清理、数据集成、数据变换和数据归约。
18、进一步的，所述步骤s12中，风力发电机组运行过程中的雷击现象的图像持续被采集，以作为历史数据进行第一bp神经网络预测模型、第二bp神经网络预测模型和第三bp神经网络预测模型的输入值进行重复训练，以提高第一bp神经网络预测模型、第二bp神经网络预测模型和第三bp神经网络预测模型的预测精度。
19、进一步的，所述步骤s12中，风力发电机组运行过程中，实时采集的叶片雷击流数据、机舱雷击流数据和塔基雷击流数据通过保存的各雷击流泄流系数被实时计算，若两者间存在偏差，即时针对性进行预警。
20、与现有技术相比，本发明的有益效果是：
21、1、本发明不仅能够实现风力发电机组雷击后期的数据监测，而且能够对风力发电机组的雷击前期情况进行预测，以便在风力发电机组无法承受雷击时及时加强防雷击措施，以提高风力发电机组的防雷效果，减少风力发电机组的损坏概率性。
22、2、本发明能够在监测风力发电机组防雷的同时源源不断的采集风力发电机组的雷击数据进行训练，使的预测模型预测的更为精准。
23、3、本发明能够精准判断出风力发电机组的故障位置，以便于后期风力发电机组的维护人员快速进行针对性维护，避免影响风力发电机组的风力发电效率。
1.一种风电综合防雷监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种风电综合防雷监测方法，其特征在于：所述步骤s2中，采集的具有雷击现象的前一天历史气象数据和当天历史气象数据包括：日最大风速风向、日极大风速风向、日最大风速、日极大风速、日平均风速、日降水量、日平均气温、日平均水汽压、日平均气压、日最低气压、日最高气压、日平均相对湿度、日最小相对湿度、日日照时数、日最低气温和日最高气温。
3.根据权利要求1所述的一种风电综合防雷监测方法，其特征在于：所述步骤s4中，雷击过程中的图像截取是基于边缘分割法进行的。
4.根据权利要求1所述的一种风电综合防雷监测方法，其特征在于：所述步骤s5中，前中期历史气象数据的预处理包括数据清理、数据集成、数据变换和数据归约。
5.根据权利要求1所述的一种风电综合防雷监测方法，其特征在于：所述步骤s12中，风力发电机组运行过程中的雷击现象的图像持续被采集，以作为历史数据进行第一bp神经网络预测模型、第二bp神经网络预测模型和第三bp神经网络预测模型的输入值进行重复训练，以提高第一bp神经网络预测模型、第二bp神经网络预测模型和第三bp神经网络预测模型的预测精度。
6.根据权利要求1所述的一种风电综合防雷监测方法，其特征在于：所述步骤s12中，风力发电机组运行过程中，实时采集的叶片雷击流数据、机舱雷击流数据和塔基雷击流数据通过保存的各雷击流泄流系数被实时计算，若两者间存在偏差，即时针对性进行预警。
