CN103942608A - 一种基于尾流模型的风电场优化调度方法 - Google Patents

Abstract

本发明公开了属于风电场技术领域的一种基于尾流模型的风电场优化调度方法。该优化调度方法的步骤为：1）基于尾流效应的风电场优化调度系统，获取现场的风速信息和风电机组信息；2）建立不同风向时的多台风电机组尾流模型，并计算n台风电机组的尾流风速；3）判断每台风电机组的功率是否为最大，如果不是，建立基于遗传算法的风电场最大输出功率的优化算法，优化计算整个风电场输出功率。本优化调度方法可以明显的提高风电场的输出功率，当风电场中风电机组数量较多时，本发明的优化控制系统所产生的经济效益是非常可观。

Description

一种基于尾流模型的风电场优化调度方法

技术领域

本发明属于风力发电控制技术领域，特别涉及一种基于尾流模型的风电场优化调度方法。

背景技术

风力发电已经成为具有商业竞争力的可再生能源发电方式。提高对有限风资源的利用率以及风电场运行效率，有效提高风电场电能产量成为了风电运营商面临的重大问题。传统的风电控制，主要是对单台风电机组进行孤立的最优控制，目标为单台风电机组在指定状况下的最高效的功率输出。而事实上，由于风电场有限的空间，多台风电机组实际上并不是孤立运行的，风电机组之间存在着相互的作用，这种作用主要表现为上游风电机组会干扰下游风电机组所在的流场，这种现象称为尾流效应。由于目前风力发电主要以风电场（风电机组集群）形式出现，而由于尾流效应的存在，导致上游风电机组的出力对下游风电机组出力产生较大的影响，而这种影响往往是负面的，即上游风电机组孤立的出力优化会使其下游风电机组出力降低，这使得基于单台风电机组的功率最大化控制往往不能够使全场功率达到最优。

发明内容

针对上述现有技术存在的问题，本发明提出一种基于尾流模型的风电场优化调度方法，其特征在于，该调度方法的具体步骤为：

1）基于尾流效应的风电场优化调度系统，获取现场的风速信息和风电机组信息；

2）建立不同风向时的多台风电机组尾流模型，并计算n台风电机组的尾流风速；

3）判断每台风电机组的功率是否为最大，如果不是，建立基于遗传算法的风电场最大输出功率的优化算法，优化计算整个风电场输出功率。

所述步骤1）中的风速信息包括来流风速v₀和风向，风电机组信息包括风轮半径r₀、风轮扫风面积A、轴向诱导因子a。

所述步骤2）的具体步骤为：

21）设直线l₀为过原点且平行于风速的入流方向的直线，直线l_i为过第i台风电机组T_i且与直线l₀垂直的直线，（x_i，y_i）表示第i台风电机组T_i的坐标，β代表入流角，风速入流方向与x轴的夹角为α，β+α＝90°，由线性函数的知识可知，

$\left\{\begin{array}{c}{l}_0:y=\left(\tan \mathrm{\α}\right)\·x\\ l_i:y-y_i=-\frac{1}{\tan \mathrm{\α}}(x-x_i)\end{array}\right.;$

通过上式求得直线l₀与直线l_i垂直相交的交点坐标Q_i（xi，yi），从坐标原点O到交点Q_i的距离用L_i表示，i=1，2···，n，n表示整个风电场中风电机组的台数；然后对L_i进行由大到小的排序，得到每台风电机组的迎风顺序；

22）设直线l_j′为过上游第j台风电机组T_j且平行于风速入流方向的直线，直线l_j′与直线l_i垂直相交，（x_j，y_j）表示第j台风电机组T_j的坐标，由线性函数的知识可知，

$\left\{\begin{array}{c}{l}_j^{\′}:y=\tan \mathrm{\α}\·(x-x_j)+y_j\\ l_i:y-y_i=-\frac{1}{\tan \mathrm{\α}}(x-x_i)\end{array}\right.i\≠j,i>j,i\≠0,j\≠0;$

j的取值为在第i台风电机组T_i的迎风顺序L_i之前的风电机组的序号；通过上式求得直线l_j′与直线l_i垂直相交的交点坐标Pi_j（xij，yij），交点坐标Pi_j（xij，yij）与第j台风电机组T_j的坐标之间的距离为di_j，交点坐标Pi_j（xij，yij）与第i台风电机组T_i的坐标之间的距离为d_ji；

23）在交点Pi_j（xij，yij）的尾流半径r_ji为：

r_ji＝r₀+αd_ji；

如果r0+r_ji>d_ji，则第i台风电机组T_i处于上游第j台风电机组T_j的尾流中，求得上游风电机组对第i台风电机组T_i产生的尾流风速v_i：

$v_i=\frac{\underset{j=1}{\overset{i-1}{\mathrm{\Σ}}}{v}_{\mathrm{ji}}}{m};$

其中，m为对第i台风电机组T_i产生尾流影响的上游风电机组的台数； $\left\{\begin{array}{c}{v}_{\mathrm{ji}}=v_0[1-\frac{2}{3}{\left(\frac{r_0}{r_{\mathrm{ji}}}\right)}^2]j=1\\ v_{\mathrm{ji}}=v_j[1-\frac{2}{3}{\left(\frac{r_0}{r_{\mathrm{ji}}}\right)}^2]j\≠1\end{array}\right.,$ v_ji为上游第j台风电机组T_j对第i台风电机组T_i产生的尾流风速；v_j为上游风电机组对第j台风电机组T_j产生的尾流风速；

如果r0+r_ji<=d_ji，则第i台风电机组T_i不处于上游第j台风电机组T_j的尾流中。

所述步骤3）中优化算法的目标函数为：

$P=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_i;$

其中，P为整个风电场的最大输出功率；P_i为单个风电机组的输出功率，P_i＝2ρv_i ³a(1-a)²A，ρ表示空气的密度。

附图说明

图1为基于尾流模型的风电场优化调度方法流程图；

图2为入流角为0≤β≤90°时风电机组的迎风顺序的计算方法；

图3为4台风电机组沿直线布置图；

图4（a）为风电机组间隔为5D时的计算结果；

图4（b）为风电机组间隔为7D时的计算结果；

图4（c）为5D和7D间隔时的对比图；

图5为优化计算后的结果图。

具体实施方式

下面结合附图和实施例对本发明作进一步详细说明。

如图1所示为本发明提出的基于尾流模型的风电场优化调度系统流程图，该调度方法的具体步骤为：

首先，基于尾流效应的风电场优化调度系统，获取现场的风速信息和风电机组信息。

本发明基于尾流效应的风电场优化调度系统，其采用独立运行的系统或基于现有的调度系统。当采用独立运行的系统时，基于尾流效应的风电场优化调度系统包括通信系统、服务器系统和优化调度算法，通信系统负责从现场风电机组采集风速信息、轴向诱导因子a，服务器系统为优化调度算法提供支撑平台，优化调度算法主要用于优化计算风电机组的输出功率；当基于现有调度系统时，使用现有调度系统的通信平台和服务器平台。

风电机组信息包括风轮半径r₀、风轮扫风面积A（因为同一风电场的风电机组是相同的，所以风轮扫风面积A也是相同的）、轴向诱导因子a；现场的风速信息包括来流风速v₀和风向。

其次，建立不同风向时的多台风电机组尾流模型，并计算n台风电机组的尾流风速。

当是单台风电机组且风速垂直吹向风轮时，根据Jensen模型建立单台风电机组的尾流模型如式（1）所示：

$v=v_0[1-\frac{2}{3}{\left(\frac{r_0}{r_0+\mathrm{ad}}\right)}^2]---\left(1\right)$

其中，v表示距离风电机组为d处的尾流速度。

但在计算多台风电机组时，由于前面的风电机组尾流会影响后面风电机组的来流速度，所以在建立多台风电机组的尾流模型时，必须计算各台风电机组的迎风顺序，计算方法如图2所示。设定直线l₀为过原点且平行于风速的入流方向的直线，直线l_i为过第i台风电机组T_i且与直线l₀垂直的直线，（x_i，y_i）表示第i台风电机组T_i的坐标，β代表入流角，风速入流方向与x轴的夹角为α，β+α＝90°。由线性函数的知识可知，

$\left\{\begin{array}{c}{l}_0:y=\left(\tan \mathrm{\&alpha;}\right)\&CenterDot;x\\ l_i:y-y_i=-\frac{1}{\tan \mathrm{\&alpha;}}(x-x_i)\end{array}\right.---\left(2\right)$

通过式（2）求得直线l₀与直线l_i垂直相交的交点坐标Q_i（xi，yi），从坐标原点O到交点Q_i的距离用L_i表示，i=1，2···，n，n表示整个风电场中风电机组的台数；然后对L_i进行由大到小的排序，得到每台风电机组的迎风顺序。

设直线l_j′为过上游第j台风电机组T_j且平行于风速入流方向的直线，直线l_j′与直线l_i垂直相交，（x_j，y_j）表示第j台风电机组T_j的坐标，由线性函数的知识可知，

$\left\{\begin{array}{c}{l}_j^{\&prime;}:y=\tan \mathrm{\&alpha;}\&CenterDot;(x-x_j)+y_j\\ l_i:y-y_i=-\frac{1}{\tan \mathrm{\&alpha;}}(x-x_i)\end{array}\right.i\&NotEqual;j,i>j,i\&NotEqual;0,j\&NotEqual;0---\left(3\right)$

j的取值为在第i台风电机组T_i的迎风顺序L_i之前的风电机组的序号；通过式（3）求得直线l_j′与直线l_i垂直相交的交点坐标Pi_j（xij，yij），交点坐标Pi_j（xij，yij）与第j台风电机组T_j的坐标之间的距离为d_ij，交点坐标P_ij（xij，yij）与第i台风电机组Ti的坐标之间的距离为d_ji。

按照式（4）求得在交点Pi_j（xij，yij）的尾流半径r_ji：

r_ji＝r₀+αd_ji（4）

如果r₀+r_ji>d_ji，则第i台风电机组T_i处于上游第j台风电机组T_j的尾流中，求得上游风电机组对第i台风电机组T_i产生的尾流风速v_i：

$v_i=\frac{\underset{j=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{v}_{\mathrm{ji}}}{m}---\left(5\right)$

根据式（1）求得 $\left\{\begin{array}{c}{v}_{\mathrm{ji}}=v_0[1-\frac{2}{3}{\left(\frac{r_0}{r_{\mathrm{ji}}}\right)}^2]j=1\\ v_{\mathrm{ji}}=v_j[1-\frac{2}{3}{\left(\frac{r_0}{r_{\mathrm{ji}}}\right)}^2]j\&NotEqual;1\end{array}\right.,$ v_ji为上游第j台风电机组T_j对第i台风电机组产生的尾流风速；v_j为上游风电机组对第j台风电机组T_j产生的尾流风速；m为对第i台风电机组T_i产生尾流影响的上游风电机组的台数；

如果r0+r_ji<=d_ji，则第i台风电机组T_i不处于上游第j台风电机组T_j的尾流中。

最后，判断每台风电机组的输出功率是否为最大，如果不是，建立基于遗传算法的风电场最大输出功率的优化算法，优化计算整个风电场输出功率。

判断输出功率最大是一个不断寻优的过程，对于一种状态的来流风速和风向，可能当前的诱导因子组合是使输出功率最大的，但是当来流风速和风向变化时，必须从新寻求新的诱导因子组合来使输出功率达到最大。所说功率最大是指在同一来流风速和风向状态下，有多种诱导因子组合，但是只有其中的一组满足输出功率最大。

以整个风电场最大输出功率为目标函数，建立基于遗传算法的风电场输出功率优化算法，诱导因子和风电机组输出功率间的关系如式（6）所示：

$P=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_i---\left(6\right)$

其中，P为整个风电场的最大输出功率；P_i为单个风电机组的输出功率，P_i＝2ρv_i ³a(1-a)²A，ρ表示空气的密度。

实施例1

以某一实际风电场的4台风电机组为研究对象，建立4台风电机组尾流效应模型。4台风电机组间的排布如图3所示，4台风电机组沿直线布置。4台风电机组尾流模型的计算分两种情况，第一种情况是风电机组间隔为5D（D为风轮直径）时的计算，计算结果如图4（a）所示；第二种情况是风电机组间隔为7D时的计算，计算结果如图4（b）所示。图4（c）是风电机组间隔为5D和7D时的尾流计算结果对比图，从图可知，5D时的尾流效应要大于7D时的尾流效应，符合风电场实际运行情况。

然后根据优化参数和目标函数构建遗传算法，在优化算法中，以诱导因子a为优化参数，其取值范围在[0，0.33]之间。初始化诱导因子a=[0.33，0.33，0.33，0.33]，来流风速v₀＝8m/s，风电机组半径r₀＝34m，风轮直径D＝70.5m，风电机组间隔为7D，遗传算法的代数为100代，代沟为0.9。对比优化计算前和优化计算后整个风电机组的诱导因子和来流风速，如表1所示，

表1优化前后对比分析

	优化前	优化后
			诱导因子	[0.330.330.330.33]	[0.070.170.180.24]
来流风速	[85.784.203.01]	[87.306.645.87]
			输出功率	1.479e6(W)	1.645e6(W)

通过表1可以看出，通过本发明方法进行优化后，风电场输出功率提高了11.22%。当风电场中风电机组数量较多时，本发明的优化控制系统所产生的经济效益是非常可观。

以上所述，仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种基于尾流模型的风电场优化调度方法，其特征在于，该调度方法的具体步骤为：

1）基于尾流效应的风电场优化调度系统，获取现场的风速信息和风电机组信息；

2）建立不同风向时的多台风电机组尾流模型，并计算n台风电机组的尾流风速；

3）判断每台风电机组的功率是否为最大，如果不是，建立基于遗传算法的风电场最大输出功率的优化算法，优化计算整个风电场输出功率。

2.根据权利要求1所述的一种基于尾流模型的风电场优化调度方法，其特征在于，所述步骤1）中的风速信息包括来流风速v₀和风向，风电机组信息包括风轮半径r₀、风轮扫风面积A、轴向诱导因子a。

3.根据权利要求2所述的一种基于尾流模型的风电场优化调度方法，其特征在于，所述步骤2）的具体步骤为：

21）设直线l₀为过原点且平行于风速的入流方向的直线，直线l_i为过第i台风电机组T_i且与直线l₀垂直的直线，（x_i，y_i）表示第i台风电机组T_i的坐标，β代表入流角，风速入流方向与x轴的夹角为α，β+α＝90°，由线性函数的知识可知，

$\left\{\begin{array}{c}{l}_0:y=\left(\tan \mathrm{\&alpha;}\right)\&CenterDot;x\\ l_i:y-y_i=-\frac{1}{\tan \mathrm{\&alpha;}}(x-x_i)\end{array}\right.;$

通过上式求得直线l₀与直线l_i垂直相交的交点坐标Q_i（xi，yi），从坐标原点O到交点Q_i的距离用L_i表示，i=1，2···，n，n表示整个风电场中风电机组的台数；然后对L_i进行由大到小的排序，得到每台风电机组的迎风顺序；

22）设直线l_j′为过上游第j台风电机组T_j且平行于风速入流方向的直线，直线l_j′与直线l_i垂直相交，（x_j，y_j）表示第j台风电机组T_j的坐标，由线性函数的知识可知，

$\left\{\begin{array}{c}{l}_j^{\&prime;}:y=\tan \mathrm{\&alpha;}\&CenterDot;(x-x_j)+y_j\\ l_i:y-y_i=-\frac{1}{\tan \mathrm{\&alpha;}}(x-x_i)\end{array}\right.i\&NotEqual;j,i>j,i\&NotEqual;0,j\&NotEqual;0;$

j的取值为在第i台风电机组T_i的迎风顺序L_i之前的风电机组的序号；通过上式求得直线l_j′与直线l_i垂直相交的交点坐标Pi_j（xij，yij），交点坐标Pi_j（xij，yij）与第j台风电机组T_j的坐标之间的距离为di_j，交点坐标Pi_j（xij，yij）与第i台风电机组T_i的坐标之间的距离为d_ji；

23）在交点Pi_j（xij，yij）的尾流半径r_ji为：

r_ji＝r₀+αd_ji；

如果r0+r_ji>d_ji，则第i台风电机组T_i处于上游第j台风电机组T_j的尾流中，求得上游风电机组对第i台风电机组T_i产生的尾流风速v_i：

$v_i=\frac{\underset{j=1}{\overset{i-1}{\mathrm{\&Sigma;}}}{v}_{\mathrm{ji}}}{m};$

其中，m为对第i台风电机组T_i产生尾流影响的上游风电机组的台数； $\left\{\begin{array}{c}{v}_{\mathrm{ji}}=v_0[1-\frac{2}{3}{\left(\frac{r_0}{r_{\mathrm{ji}}}\right)}^2]j=1\\ v_{\mathrm{ji}}=v_j[1-\frac{2}{3}{\left(\frac{r_0}{r_{\mathrm{ji}}}\right)}^2]j\&NotEqual;1\end{array}\right.,$ v_ji为上游第j台风电机组T_j对第i台风电机组T_i产生的尾流风速；v_j为上游风电机组对第j台风电机组T_j产生的尾流风速；

如果r₀+r_ji<=d_ji，则第i台风电机组T_i不处于上游第j台风电机组T_j的尾流中。

4.根据权利要求3所述的一种基于尾流模型的风电场优化调度方法，其特征在于，所述步骤3）中优化算法的目标函数为：

$P=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_i;$

其中，P为整个风电场的最大输出功率；P_i为单个风电机组的输出功率，P_i＝2ρv_i ³a(1-a)²A，ρ表示空气的密度。