一种基于主动变桨策略的风电场协同控制方法及系统

1.本发明涉及风力发电技术领域，具体涉及一种基于主动变桨策略的风电场协同控制方法及系统。


背景技术：

2.风能是一种最成熟、最具竞争力的可再生能源。为了尽可能最大化地利用风能资源并满足经济可行性，大型风电场内一般会布置大量风电机组。风电场的规模化开发可以降低前期用地、基建及后期的运维成本。但是当风电机组达到一定数量后，继续增加布机台数反而会导致风电场发电量减少，这是由于上游机组的尾流效应会导致下游机组来流风速下降，进而使得下游机组输出功率降低。因此，风电场设计和运营阶段需要尽量避免尾流效应造成的发电量损失。
3.风电场运营阶段一般利用风电机组协同控制技术来降低尾流影响，通过优化前排机组的运行状态来降低其对后排机组的尾流影响，进而实现全场功率最大的目标。现有风电场协同控制技术主要包括两类，一种是以开环形式为基础的离线优化技术，该技术预先针对风电场可能发生的来流情况进行优化模拟，形成对应于不同条件下的控制指令以调节各机组的运行状态；另一种则是以闭环形式为基础的在线优化技术，该技术通过风电场替代模型实时地对风电场状态进行仿真，同时进行优化计算，在接收到风电场的实时数据后实时地给出各机组的协同控制指令。然而，无论是以开环形式为基础还是以闭环形式为基础，现有的风电场协同控制大多以机组的偏航角度或是推力系数为调控对象。
4.开环控制技术不能灵活地适应风电场多变的来流条件以及复杂的机组状态。闭环形式的控制技术虽然可以解决开环技术存在的问题，但是以推力系数为调控对象的方式是一种理论上的研究，难以直接应用于实际的风电场协同控制项目中；以机组偏航角度为被控对象的方式容易给被控机组带来较大的风轮不平衡载荷，加重叶片负担降低机组寿命，在全生命周期尺度上并不具备经济优势。


技术实现要素：

5.因此，本发明实施例提供一种基于主动变桨策略的风电场协同控制方法及系统，以风电机组桨距角为被控对象，构建包含机组变桨特性、尾流发展规律以及全场输出功率的风电场实时仿真系统，辅以智能优化算法对各风电机组的桨距角进行在线优化，从而实现高效可靠且具备实际应用潜力的风电场协同控制方法，可以解决现有技术存在的问题。
6.为达到上述目的，本发明提供如下技术方案：
7.第一方面，本发明实施例提供一种基于主动变桨策略的风电场协同控制方法，包括：
8.获取风电场内风电机组型号与其风电机叶轮直径，以及风电场内的风电机组排布信息；
9.建立风电机组变桨距特性数据库；
10.基于风电机组变桨距特性数据库、风电机叶轮直径及所述机组排布信息，并结合风力机解析尾流模型，构建变桨距角条件下的风电场输出功率仿真系统；
11.实时获取风电场中各个机组的运行数据，并输入到所述变桨距角条件下的风电场输出功率仿真系统中，来建立以各个机组桨距角为自变量，全场功率为因变量的优化函数；
12.利用预设智能优化算法对所述优化函数进行优化，得到当前来流条件下全场输出功率最大的各机组桨距角组合，并将桨距角优化结果输出至各机组的主控系统作为其主动变桨的控制指令，对风电场中各个机组实行协同变桨控制。
13.进一步地，所述基于主动变桨策略的风电场协同控制方法，还包括：获取风电机组反馈的功率数据在线修正所述仿真系统中的可调参数。
14.进一步地，所述建立风电机组变桨距特性数据库的过程，包括：
15.采用风电机组仿真软件得到0至10度桨距角下的机组功率曲线以及推力系数曲线，得到风电机组变桨距特性数据库。
16.进一步地，所述构建变桨距角条件下的风电场输出功率仿真系统的过程，包括：
17.采用jensen尾流模型描述场内的尾流影响以计算各机组的来流风速，其公式为：
[0018][0019]
其中，uw是尾流区的速度；u0是来流速度；c
t
是推力系数；kw是jensen尾流扩散系数；x是尾流扩散距离，其根据风电场内的风电机组排布信息确定；d是风力机叶轮直径。
[0020]
进一步地，所述建立以各个机组桨距角为自变量，全场功率为因变量的优化函数的过程，包括：
[0021]
通过所述尾流模型计算风电场内各台机组的来流风速，结合各个机组的运行特性，将风电场在某一风向下的整体的功率输出表达为：
[0022][0023]
其中，u
w,i
代表第i台机组的来流风速，而βi表示机组的桨距角，n表示机组的总数量；
[0024]
所述全场功率为因变量的优化函数：
[0025][0026]
其中，β
lb
和β
ub
分别代表机组桨距角的最小限制和最大限制，β
lb
＝0
°
，β
ub
＝10
°
。
[0027]
进一步地，采用差分进化算法所述优化函数进行在线优化，得到当前来流条件下能使得全场输出功率最大的各机组桨距角组合。
[0028]
第二方面，本发明实施例提供一种基于主动变桨策略的风电场协同控制系统，包括：
[0029]
风电场数据获取模块，用于获取风电场内风电机组型号与其风电机叶轮直径，以及风电场内的风电机组排布信息；
[0030]
变桨距特性数据库建立模块，用于建立风电机组变桨距特性数据库；
[0031]
输出功率仿真系统建立模块，用于基于风电机组变桨距特性数据库、风电机叶轮直径及所述机组排布信息，并结合风力机解析尾流模型，构建变桨距角条件下的风电场输出功率仿真系统；
[0032]
优化函数建立模块，用于实时获取风电场中各个机组的运行数据，并输入到所述变桨距角条件下的风电场输出功率仿真系统中，来建立以各个机组桨距角为自变量，全场功率为因变量的优化函数；
[0033]
协同变桨控制模块，用于利用预设智能优化算法对所述优化函数进行优化，得到当前来流条件下全场输出功率最大的各机组桨距角组合，并将桨距角优化结果输出至各机组的主控系统作为其主动变桨的控制指令，对风电场中各个机组实行协同变桨控制。
[0034]
进一步地，所述基于主动变桨策略的风电场协同控制系统，其特征在于，还包括：
[0035]
参数修正模块，用于获取风电机组反馈的功率数据在线修正所述仿真系统中的可调参数。
[0036]
第三方面，本发明实施例提供一种计算机设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本发明实施例第一方面任一实施例所述的基于主动变桨策略的风电场协同控制方法。
[0037]
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行本发明实施例第一方面任一实施例所述的基于主动变桨策略的风电场协同控制方法。
[0038]
本发明技术方案，具有如下优点：
[0039]
本发明提供的一种基于主动变桨策略的风电场协同控制方法及系统，基于风电机组桨距角的主动变化进行风电场的协同控制，并且通过构建风电场输出功率的实时仿真系统，实现了更加高效可靠的在线优化控制。相比于现有的基于离线优化技术的风电场协同控制能更加灵活地适应风电场实时变化的来流环境以及机组原本状态；相比于基于机组偏航的协同控制本方法，本发明实施例提供的方法具有更加快速的响应速度可以更加高效地降低场内尾流影响，更重要的基于变桨的协同控制不会增加被控机组受到的不平衡载荷，可以在不损失叶片使用寿命的基础上实现全场功率的提高。
附图说明
[0040]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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。
[0041]
图1为本发明实施例中提供的基于主动变桨策略的风电场协同控制方法的一个具体示例的流程图；
[0042]
图2本发明实施例中基于主动变桨策略的风电场协同控制方法的控制原理框图；
[0043]
图3为本发明实施例中变桨距条件下机组推力系数曲线；
[0044]
图4为本发明实施例中变桨距条件下机组功率曲线；
[0045]
图5为采用本发明实施例提供的风电场协同控制方法前后该风电场的输出功率对比图；
[0046]
图6本发明实施例提供的风电场协同控制方法前后机组载荷的对比图；
[0047]
图7图本发明实施例中提供的基于主动变桨策略的风电场协同控制系统一示例的模块组成图；
[0048]
图8为本发明实施例提供的计算机设备一个具体示例的组成图。
具体实施方式
[0049]
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0050]
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
[0051]
实施例1
[0052]
本发明实施例提供一种的基于主动变桨策略的风电场协同控制方法，如图1所示，该方法包括以下步骤:
[0053]
步骤s1:获取风电场内风电机组型号与其叶轮直径，以及风电场内的风电机组排布信息。
[0054]
在本发明实施例中，采用标准的nerl-5mw机组模型，获取的风电机叶轮直径为130m，风电场内采用三台机组顺次排列的布局，间隔500m。
[0055]
步骤s2:建立风电机组变桨距特性数据库。
[0056]
在本发明实施例中，采用风电机组仿真软件对不同桨距角下的机组特性进行模拟，考虑到过大的变桨角度会令机组在低风速区的输出功率大大降低，为了不令协同控制中的机组频繁地执行启动停机操作，主动变桨的角度不可过大。此外，协同控制的主要工作区间在5m/s至额定风速区间内，从模拟结果看，在5m/s风速下变桨10
°
机组尚可运行，若再增大变桨，机组将停机。所以主动变桨10
°
是协同控制可以接受的最大变桨角度，并设置模拟的最大桨距角为10度，最终得到0至10度桨距角下的机组功率曲线以及推力系数曲线，建立风电机组变桨距特性数据库，具体地，采用bladed仿真软件对不同桨距角下的机组特性进行模拟，得到机组变桨距特性如图2及图3所示。
[0057]
步骤s3:基于风电机组变桨距特性数据库、叶轮直径及所述机组排布信息，并结合风力机解析尾流模型，构建变桨距角条件下的风电场输出功率仿真系统。
[0058]
本发明实施例采用jensen尾流模型描述场内的尾流影响以计算各机组的来流风速，其公式为：
[0059][0060]
其中，uw是尾流区的速度；u0是来流速度；c
t
是推力系数；kw是jensen尾流扩散系数，取0.05；x是尾流扩散距离(等于风电机组排布间距)；d是风力机叶轮直径。
[0061]
上述模型可以实现计算风电场内各台机组的来流风速，结合各个机组的运行特性，即可将风电场在某一风向下的整体的功率输出表达为：
[0062][0063]
其中，u
w,i
代表第i台机组的来流风速，而βi表示机组的桨距角，n表示机组的总数量。
[0064]
步骤s4:实时获取风电场中各个机组的运行数据，并输入到所述变桨距角条件下的风电场输出功率仿真系统中，来建立以各个机组桨距角为自变量，全场功率为因变量的优化函数。
[0065]
实际应用中，实时获取风电场中各个机组的运行数据，包括风速、风向及功率数据。在本实施例中，风电场实时运行数据通过fast.farm仿真软件输出得到。建立以各个机组桨距角为自变量，全场功率为因变量的优化函数为：
[0066][0067]
其中，β
lb
和β
ub
分别代表机组桨距角的最小限制和最大限制，因此，β
lb
＝0
°
，β
ub
＝10
°
。
[0068]
步骤s5:利用预设智能优化算法对所述优化函数进行优化，得到当前来流条件下全场输出功率最大的各机组桨距角组合，并将桨距角优化结果输出至各机组的主控系统作为其主动变桨的控制指令，对风电场中各个机组实行协同变桨控制。
[0069]
本实施例中采用差分进化算法对建立的优化函数进行在线优化，得到当前来流条件下能使得全场输出功率最大的各机组桨距角组合。在一具体实施例中，差分进化的主要参数包括：种群大小设置为10，最大迭代次数设置为100，交叉概率为0.8，变异概率为0.5，差分进化算的是比较成熟高效的全局优化算法，采用其对优化函数进行优化的过程在此不再详细赘述。
[0070]
进一步地，桨距角优化结果输出至各机组的主控系统作为其主动变桨的控制指令，对风电场中各个机组实行协同变桨控制。如图4所示，根据机组反馈的功率数据在线修正步骤s3中仿真系统中存在的可调参数，保证仿真精度。然后根据来流风况，循环运行步骤s4-s5，即可实现以降低尾流影响从而提高全场发电量为目标的风电场协同变桨控制。
[0071]
本发明实施例通过fast.farm仿真软件对风电场实行协同变桨控制，图5展示了采用本方法前后该风电场的输出功率对比，可见该协同控制方法明显地提升了全场的发电量。图6则展示了采用本方法前后机组载荷的对比，可见以主动变桨为基础的协同控制不仅可以提高全场功率还能有效减少机组承受的载荷大小。
[0072]
实施例2
[0073]
本发明实施例提供一种基于主动变桨策略的风电场协同控制系统，如图7所示，包括：
[0074]
风电场数据获取模块1，用于获取风电场内风电机组型号与其风电机叶轮直径，以及风电场内的风电机组排布信息；此模块执行实施例1中的步骤s1所描述的方法，在此不再赘述。
[0075]
变桨距特性数据库建立模块2，用于建立风电机组变桨距特性数据库；此模块执行实施例1中的步骤s2所描述的方法，在此不再赘述。
[0076]
输出功率仿真系统建立模块3，用于基于风电机组变桨距特性数据库、风电机叶轮直径及所述机组排布信息，并结合风力机解析尾流模型，构建变桨距角条件下的风电场输出功率仿真系统；该模块执行实施例1中的步骤s3所描述的方法，在此不再赘述。
[0077]
优化函数建立模块4，用于实时获取风电场中各个机组的运行数据，并输入到所述变桨距角条件下的风电场输出功率仿真系统中，来建立以各个机组桨距角为自变量，全场功率为因变量的优化函数；该模块执行实施例1中的步骤s4所描述的方法，在此不再赘述。
[0078]
协同变桨控制模块5，用于利用预设智能优化算法对所述优化函数进行优化，得到当前来流条件下全场输出功率最大的各机组桨距角组合，并将桨距角优化结果输出至各机组的主控系统作为其主动变桨的控制指令，对风电场中各个机组实行协同变桨控制。该模块执行实施例1中的步骤s5所描述的方法，在此不再赘述。
[0079]
本发明实施例提供的系统还包括：参数修正模块，用于获取风电机组反馈的功率数据在线修正所述仿真系统中的可调参数。根据机组反馈的功率数据在线修正变桨距角条件下的风电场输出功率仿真系统中存在的可调参数，保证仿真精度。
[0080]
本发明实施例提供的基于主动变桨策略的风电场协同控制系统，以风电机组桨距角为被控对象，构建包含机组变桨特性、尾流发展规律以及全场输出功率的风电场实时仿真系统，辅以差分进化算法对各机组的桨距角进行在线优化，从而实现高效可靠且具备实际应用潜力的风电场协同控制。
[0081]
实施例3
[0082]
本发明实施例提供一种计算机设备，如图8所示，包括：至少一个处理器501，例如cpu(central processing unit，中央处理器)，至少一个通信接口503，存储器504，至少一个通信总线502。其中，通信总线502用于实现这些组件之间的连接通信。其中，通信接口503可以包括显示屏(display)、键盘(keyboard)，可选通信接口503还可以包括标准的有线接口、无线接口。存储器504可以是高速ram存储器(ramdom access memory，易挥发性随机存取存储器)，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器504可选的还可以是至少一个位于远离前述处理器501的存储装置。其中处理器501可以执行实施例1的基于主动变桨策略的风电场协同控制方法。存储器504中存储一组程序代码，且处理器501调用存储器504中存储的程序代码，以用于执行实施例1的基于主动变桨策略的风电场协同控制方法。
[0083]
其中，通信总线502可以是外设部件互连标准(peripheral component interconnect，简称pci)总线或扩展工业标准结构(extended industry standard architecture，简称eisa)总线等。通信总线502可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条线表示，但并不表示仅有一根总线或一种类别的总线。
[0084]
其中，存储器504可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：ram)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)，硬盘(英文：hard disk drive，缩写：hdd)或固态硬盘(英文：solid-state drive，缩写：ssd)；存储器504还可以包括上述种类的存储器的组合。
[0085]
其中，处理器501可以是中央处理器(英文：central processing unit，缩写：cpu)，网络处理器(英文：network processor，缩写：np)或者cpu和np的组合。
[0086]
其中，处理器501还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：asic)，可编程逻辑器件(英文：programmable logic device，缩写：pld)或其组合。上述pld可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：cpld)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：fpga)，通用阵列逻辑(英文：generic array logic,缩写：gal)或其任意组合。
[0087]
可选地，存储器504还用于存储程序指令。处理器501可以调用程序指令，实现如本技术执行实施例1中的基于主动变桨策略的风电场协同控制方法。
[0088]
本发明实施例还提供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可执行指令，该计算机可执行指令可执行实施例1的基于主动变桨策略的风电场协同控制方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)、随机存储记忆体(random access memory，ram)、快闪存储器(flash memory)、硬盘(hard disk drive，缩写：hdd)或固态硬盘(solid-state drive，ssd)等；所述存储介质还可以包括上述种类的存储器的组合。
[0089]
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

技术特征：
1.一种基于主动变桨策略的风电场协同控制方法，其特征在于，包括：获取风电场内风电机组型号与其风电机叶轮直径，以及风电场内的风电机组排布信息；建立风电机组变桨距特性数据库；基于风电机组变桨距特性数据库、风电机叶轮直径及所述机组排布信息，并结合风力机解析尾流模型，构建变桨距角条件下的风电场输出功率仿真系统；实时获取风电场中各个机组的运行数据，并输入到所述变桨距角条件下的风电场输出功率仿真系统中，来建立以各个机组桨距角为自变量，全场功率为因变量的优化函数；利用预设智能优化算法对所述优化函数进行优化，得到当前来流条件下全场输出功率最大的各机组桨距角组合，并将桨距角优化结果输出至各机组的主控系统作为其主动变桨的控制指令，对风电场中各个机组实行协同变桨控制。2.根据权利要求1所述的基于主动变桨策略的风电场协同控制方法，其特征在于，还包括：获取风电机组反馈的功率数据在线修正所述仿真系统中的可调参数。3.根据权利要求2所述的基于主动变桨策略的风电场协同控制方法，其特征在于，所述建立风电机组变桨距特性数据库的过程，包括：采用风电机组仿真软件得到0至10度桨距角下的机组功率曲线以及推力系数曲线，得到风电机组变桨距特性数据库。4.根据权利要求3所述的基于主动变桨策略的风电场协同控制方法，其特征在于，所述构建变桨距角条件下的风电场输出功率仿真系统的过程，包括：采用jensen尾流模型描述场内的尾流影响以计算各机组的来流风速，其公式为：其中，u
w
是尾流区的速度；u0是来流速度；c
t
是推力系数；k
w
是jensen尾流扩散系数；x是尾流扩散距离，其根据风电场内的风电机组排布信息确定；d是风力机叶轮直径。5.根据权利要求4所述的基于主动变桨策略的风电场协同控制方法，其特征在于，所述建立以各个机组桨距角为自变量，全场功率为因变量的优化函数的过程，包括：通过所述尾流模型计算风电场内各台机组的来流风速，结合各个机组的运行特性，将风电场在某一风向下的整体的功率输出表达为：其中，u
w,i
代表第i台机组的来流风速，而β
i
表示机组的桨距角，n表示机组的总数量；所述全场功率为因变量的优化函数：其中，β
lb
和β
ub
分别代表机组桨距角的最小限制和最大限制，β
lb
＝0
°
，β
ub
＝10
°
。6.根据权利要求5所述的基于主动变桨策略的风电场协同控制方法，其特征在于，采用
差分进化算法所述优化函数进行在线优化，得到当前来流条件下能使得全场输出功率最大的各机组桨距角组合。7.一种基于主动变桨策略的风电场协同控制系统，其特征在于，包括：风电场数据获取模块，用于获取风电场内风电机组型号与其风电机叶轮直径，以及风电场内的风电机组排布信息；变桨距特性数据库建立模块，用于建立风电机组变桨距特性数据库；输出功率仿真系统建立模块，用于基于风电机组变桨距特性数据库、风电机叶轮直径及所述机组排布信息，并结合风力机解析尾流模型，构建变桨距角条件下的风电场输出功率仿真系统；优化函数建立模块，用于实时获取风电场中各个机组的运行数据，并输入到所述变桨距角条件下的风电场输出功率仿真系统中，来建立以各个机组桨距角为自变量，全场功率为因变量的优化函数；协同变桨控制模块，用于利用预设智能优化算法对所述优化函数进行优化，得到当前来流条件下全场输出功率最大的各机组桨距角组合，并将桨距角优化结果输出至各机组的主控系统作为其主动变桨的控制指令，对风电场中各个机组实行协同变桨控制。8.根据权利要求7所述的基于主动变桨策略的风电场协同控制系统，其特征在于，还包括：参数修正模块，用于获取风电机组反馈的功率数据在线修正所述仿真系统中的可调参数。9.一种计算机设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-6中任一所述的基于主动变桨策略的风电场协同控制方法。10.一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存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-6中任一所述的基于主动变桨策略的风电场协同控制方法。

技术总结
本发明公开了一种基于主动变桨策略的风电场协同控制方法及系统，方法包括：获取风电场内风电机组型号与其风电机叶轮直径，及风电机组排布信息；基于建立的风电机组变桨距特性数据库、叶轮直径及机组排布信息，并结合风力机解析尾流模型构建变桨距角条件下的风电场输出功率仿真系统；实时获取风电场中各机组的运行数据输入到功率仿真系统中来建立以各个机组桨距角为自变量，全场功率为因变量的优化函数；对优化函数进行优化得到输出功率最大的各机组桨距角组合，并将桨距角优化结果作为其主动变桨的控制指令，对风电场中各机组实行协同变桨控制。本发明实现了更加高效可靠的在线优化控制，可以在不损失叶片使用寿命的基础上实现全场功率的提高。实现全场功率的提高。实现全场功率的提高。


技术研发人员：张子良 郭乃志 石可重 易侃 文仁强 张皓 杜梦蛟 王浩
受保护的技术使用者：中国科学院工程热物理研究所
技术研发日：2023.02.09
技术公布日：2023/5/26