CN106203695B - 一种降低尾流效应的风电场内优化调度方法 - Google Patents
一种降低尾流效应的风电场内优化调度方法 Download PDFInfo
- Publication number
- CN106203695B CN106203695B CN201610533676.6A CN201610533676A CN106203695B CN 106203695 B CN106203695 B CN 106203695B CN 201610533676 A CN201610533676 A CN 201610533676A CN 106203695 B CN106203695 B CN 106203695B
- Authority
- CN
- China
- Prior art keywords
- wind
- wake
- wind turbine
- agent
- farm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000000694 effects Effects 0.000 title claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 32
- 239000003795 chemical substances by application Substances 0.000 claims description 60
- 230000006698 induction Effects 0.000 claims description 21
- 238000011144 upstream manufacturing Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 6
- 238000012886 linear function Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 239000000411 inducer Substances 0.000 claims description 4
- 230000009916 joint effect Effects 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 241000341910 Vesta Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种降低尾流效应的风电场内优化调度方法,包括以下步骤:步骤1:建立一种风电场内风电机组间流动相关性的计算模型,用于计算不同风向下风电机组间的流动相关性;步骤2:建立单台风电机组不同运行工况下的尾流分布模型,以及多台风电机组不同运行工况的尾流叠加模型;步骤3:结合风电机组间流动相关性的计算方法和尾流叠加模型,得到风电场内尾流分布模型,用于计算风电场内的尾流分布;步骤4:将每台风电机组视为一个智能体,利用多智能体方法对风电场内风电机组的运行工况进行优化调度,使得风电场内的尾流效应降低,输出功率增加。
Description
技术领域
本发明属于风电场技术领域,具体涉及一种降低尾流效应的风电场内优化调度方法。
背景技术
风能是可再生能源中发展最快且最具有开发价值的清洁能源,而风力发电是风能开发利用的主要形式。近年来我国风电产业发展迅速,但随着投入使用的风电场数目的增多,风电并网规模的逐渐增大,给电力系统的安全稳定运行带来了新的挑战。由于现在并网风电场普遍具有动态,随机及容量大等特点,尤其是其随机性会影响到电力系统的经济调度和安全运行。因此,在全球风力发电事业快速发展的同时,合理有效地提高风电利用率是所有国家电力系统面临的挑战。
受土地资源和集电系统投资所限,大型风电场中以某种方式排列的机组前后间距不宜过大,尾流效应彰显,引起下游风速降低、湍流强度增加,进而造成尾流区内风电机组的输出功率降低、疲劳损伤加剧。快速计算风电场尾流分布,并据此优化调度场内机组的运行工况,可减少风电场尾流效应引起的风电功率损失、降低机组疲劳损伤。因此,研究风电场尾流分布计算和考虑尾流效应的风电场内优化调度,是风电场运行和维护理论与技术的重要课题。
发明内容
本发明的目的在于克服现有技术的不足,针对上述现有技术中存在的问题,提出一种降低尾流效应的风电场内优化调度方法,其特征在于,该方法包括以下步骤:
步骤1:建立一种风电场内风电机组间流动相关性的计算模型,用于计算不同风向下风电机组间的流动相关性;
步骤2:建立单台风电机组不同运行工况下的尾流分布模型,以及多台风电机组不同运行工况的尾流叠加模型;
步骤3:结合风电机组间流动相关性的计算方法和尾流叠加模型,得到风电场内尾流分布模型,用于计算风电场内的尾流分布;
步骤4:将每台风电机组视为一个智能体,利用多智能体方法对风电场内风电机组的运行工况进行优化调度,使得风电场内的尾流效应降低,输出功率增加。
所述的不同风向为0到360度之间的任意来流方向;所述的风电机组间流动相关性为不同来流方向下,风电机组间的相对位置关系,以及风电机组间的尾流分布关系;所述不同运行工况为风电机组不同转速、偏航角度。
所述步骤1具体为:
步骤11:确定风电机组的迎风顺序,具体计算公式如下:
以正北方向为风速的0°方向,风向的正方向为顺时针方向,当来流风向为0°≤β≤90°时,风速信息如图2所示。
在图2中,T1、T2和T3代表风电机组位置,直线l1代表风速的来流方向,β代表来流角度,α表示风速来流方向与x轴的夹角,β+α=90°,直线l2表示与风速方向垂直的直线。由线性函数的知识可知,通过坐标原点,且斜率为tanα的直线方程l0如下式:
l0:y=(tanα)·x
通过空间中的某一点(xn,yn),可以作一条与直线l0相垂直的直线l2,由线性函数的知识可知,直线l2的方程可表示如下式:
通过求解直线方程l0和l2组成的方程组,即可求得直线l0与直线l2的交点Q,从坐标原点O到交点Q的距离用L表示。
步骤12:将每台风电机组的坐标(xi,yi)替换直线l2方程中的(xn,yn),即可求得对应的交点坐标Q(xi,yi)和坐标原点的距离Li,通过对距离Li进行排序,便可得到每台风电机组的迎风顺序。
所述步骤2具体为:
步骤21:对于单台风电机组尾流分布,尾流在向下游传播过程中,其半径不断扩展,半径的扩展速度受到湍流强度、推力系数及下游距离的影响,如图3所示。
图中R——风轮半径;
UT——作用在风轮上的风速;
Uj——风电机组j的来流风速;
Ui——距离风电机组j下游s倍风轮直径的尾流风速;
Rw——尾流半径。
根据单台风电机组尾流模型计算公式,可得风电机组下游尾流分布计算公式如下式所示:
在式中,CT表示风电机组的推力系数,k表示尾流衰减因子,k的取值可根据地形情况取一确定的常数值,s为风电机组下游s倍风轮直径处的位置。除此之外,k取值大小受到湍流强度、推力系数及下游距离的影响。
步骤22:对于多台风电机组不同运行工况的尾流叠加情况,可采用下式计算,所有上游风电机组在下游风电机组i处共同作用所产生的尾流损失。
式中δUji——上游风电机组j在下游风电机组i处的速度损失;
Aoverlap——上游风电机组j的尾流作用在下游风电机组i上的面积;
A0——下游风电机组风轮的扫风面积;
δUi——上游i-1台风电机组尾流在下游第i台风电机组处共同作用所产生的尾流损失。
所述步骤3具体为:
步骤31:根据步骤1确定风电机组的迎风顺序后,即可得到风电机组间的相对位置关系及风电机组间的气动耦合关系,然后根据步骤2,即可计算某一确定风向下风电场的尾流分布。
所述步骤4具体为:
步骤41:将每台风电机组视为一个智能体,确定每个智能体的轴向诱导因子ak的解空间变化范围,并在解空间范围内初始化每个智能体的轴向诱导因子;
步骤42:根据步骤1、步骤2和步骤3计算风电场整体的尾流分布,然后根据优化目标函数计算风电场整体输出功率;
步骤43:对于风电场中的某一智能体Agi,j,令是Agi,j邻域中能量最大的智能体,即且对于都有用智能体的轴向诱导因子取代智能体Agi,j的轴向诱导因子,然后根据步骤1、步骤2和步骤3计算风电场整体的尾流分布;
步骤44:在完成步骤43的基础上,根据下式计算风电场整体输出功率Pmax:
如果Pmax≤P,则智能体Agi,j获胜,则智能体不做任何更新。
步骤45:按照步骤41、步骤42、步骤43和步骤44的计算顺序不断计算和更新风电场内智能体的轴向诱导因子,直至风电场整体输出功率不再发生变化即可。
发明的有益效果:
本发明提出一种降低尾流效应的风电场内优化调度方法,通过合理调度各风电机组的运行工况,使处于上游的风电机组尾流效应降低,处于下游的风电机组来流风速增加,输出功率增加,从而使风电场整体输出功率增加。本发明主要为风电场运营部门提供调度参考方案,提高风电场经济效益。
附图说明
图1为本发明提出的降低尾流效应的风电场内优化调度方法流程图。
图2为0°≤β≤90°时风电机组迎风顺序的计算图。
图3为尾流向下游传播过程图。
图4为Horns Rev风电场排布规则图。
图5为来流风向270°时,风电场中第4行风电机组的风速对比图。
图6为风速8.5m/s时多智能体方法优化调度结果图。
图7为风速12m/s时多智能体方法优化调度结果图。
具体实施方式
下面结合附图对本发明进一步详细说明。
如图1所示为本发明提出的一种降低尾流效应的风电场内优化调度方法流程图,该发明方法包括以下步骤:
步骤1:确定不同风向下,风电场内风电机组间流动相关性的计算模型,用于计算不同风向下风电机组间的流动相关性;
步骤11:确定风电机组的迎风顺序,具体计算公式如下:
以正北方向为风速的0°方向,风向的正方向为顺时针方向,当来流风向为0°≤β≤90°时,风速信息如图2所示。
在图2中,T1、T2和T3代表风电机组位置,直线l1代表风速的来流方向,β代表来流角度,α表示风速来流方向与x轴的夹角,β+α=90°,直线l2表示与风速方向垂直的直线。由线性函数的知识可知,通过坐标原点,且斜率为tanα的直线方程l0如下式:
l0:y=(tanα)·x
通过空间中的某一点(xn,yn),可以作一条与直线l0相垂直的直线l2,由线性函数的知识可知,直线l2的方程可表示如下式:
通过求解直线方程l0和l2组成的方程组,即可求得直线l0与直线l2的交点Q,从坐标原点O到交点Q的距离用L表示。
步骤12:将每台风电机组的坐标(xi,yi)替换直线l2方程中的(xn,yn),即可求得对应的交点坐标Q(xi,yi)和坐标原点O的距离Li,通过对距离Li进行排序,便可得到每台风电机组的迎风顺序。
步骤2:建立单台风电机组不同运行工况下的尾流分布模型,以及多台风电机组不同运行工况的尾流叠加模型。
步骤21:对于单台风电机组尾流分布,尾流在向下游传播过程中,其半径不断扩展,半径的扩展速度受到湍流强度、推力系数及下游距离的影响,如图3所示。
图中R——风轮半径;
UT——作用在风轮上的风速;
Uj——风电机组j的来流风速;
Ui——距离风电机组j下游s倍风轮直径的尾流风速;
Rw——尾流半径。
根据单台风电机组尾流模型计算公式,可得风电机组下游尾流分布计算公式如下式所示:
在式中,CT表示风电机组的推力系数,k表示尾流衰减因子,k的取值可根据地形情况取一确定的常数值。除此之外,k取值大小受到湍流强度、推力系数及下游距离的影响,s为风电机组下游s倍风轮直径处的位置。
步骤22:对于多台风电机组不同运行工况的尾流叠加情况,可采用下式计算所有上游风电机组在下游风电机组i处共同作用所产生的尾流损失。
式中δUji——上游风电机组j在下游风电机组i处的速度损失;
Aoverlap——上游风电机组j的尾流作用在下游风电机组i上的面积;
A0——下游风电机组风轮的扫风面积;
δUi——上游i-1台风电机组尾流在下游第i台风电机组处共同作用所产生的尾流损失。
步骤3:根据步骤1确定风电机组的迎风顺序后,即可得到风电机组间的相对位置关系及风电机组间的气动耦合关系,然后根据步骤2,即可计算某一确定风向下风电场的尾流分布。
步骤4:将每台风电机组视为一个智能体,利用多智能体方法对风电场内风电机组的运行工况进行优化调度,使得风电场内的尾流效应降低,输出功率增加。
优化目标函数为:
式中P——风电场整体输出功率;
pk——第k台风电机组的输出功率;
ρ——当地的空气密度;
uk——第k台风电机组的来流风速;
ak——第k台风电机组的轴向诱导因子;
Ak——第k台风电机组的风轮面积。
步骤41:将每台风电机组视为一个智能体,确定每个智能体的轴向诱导因子ak的解空间变化范围,并在解空间范围内初始化每个智能体的轴向诱导因子;
步骤42:根据步骤1、步骤2和步骤3计算风电场整体的尾流分布,然后根据优化目标函数计算风电场整体输出功率;
步骤43:对于风电场中的某一智能体Agi,j,令是Agi,j邻域中能量最大的智能体,即且对于都有用智能体的轴向诱导因子取代智能体Agi,j的轴向诱导因子,然后根据步骤1、步骤2和步骤3计算风电场整体的尾流分布;
步骤44:在完成步骤43的基础上,根据下式计算风电场整体输出功率Pmax:
如果Pmax≤P,则智能体Agi,j获胜,则智能体不做任何更新。
步骤45:按照步骤41、步骤42、步骤43和步骤44的计算顺序不断计算和更新风电场内智能体的轴向诱导因子,直至风电场整体输出功率不再发生变化即可。
实施例1
以丹麦Horns Rev风电场为研究对象,对来流风速为8.5m/s和12m/s,来流风向为270°的风况进行了计算分析。
丹麦Horns Rev风电场共有80台风电机组,由8行10列按照平行四边形排布,行和行、列和列之间的间距为7D,东北方向的间距为10.4D,东南方向的间距为9.4D,风电机组为Vestas V80,单机容量2MW,风轮直径80m,轮毂中心高度70m,整个风电场排布如图4所示。
具体计算过程如下:
(1)确定来流风向270°时,风电机组的迎风顺序
根据步骤11可得如下计算公式:
l0:y=(tanα)·x
通过求解直线方程l0和l2组成的方程组,即可求得直线l0与直线l2的交点Q,坐标原点O到交点Q的距离用L表示。
依据计算步骤12:将每台风电机组的坐标(xi,yi)替换直线l2方程中的(xn,yn),即可求得对应的交点坐标Q(xi,yi)和坐标原点O的距离Li,通过对距离Li进行排序,便可得到每台风电机组的迎风顺序。
计算过程中,α=270°。
(2)单台风电机组尾流模型和多台风电机组尾流叠加模型计算
依据计算步骤21,可对单机尾流分布进行计算:
上式中,k表示尾流衰减因子,k的取值可根据地形情况取一确定的常数值。在本例计算过程中,CT表示风电机组的推力系数,k的取值为0.08。s表示距离上游风电机组s倍风轮直径处的位置,s数值的大小由每台风电机组的交点坐标Q(xi,yi)和坐标原点O的距离Li计算确定。当风向为270度时,s数值的大小为7。
依据步骤22,计算多台风电机组不同运行工况的尾流叠加情况:
上式中,δUji为上游风电机组j在下游风电机组i处的速度损失;Aoverlap为上游风电机组j的尾流作用在下游风电机组i上的面积;A0为下游风电机组风轮的扫风面积;δUi为上游i-1台风电机组尾流在下游第i台风电机组处共同作用所产生的尾流损失。
图5为来流风向270°,风速8.5m/s和12m/s时,根据步骤1、步骤2和步骤3计算得到的风电场中第4行风电机组位置处的尾流风速和测量风速的对比图。
图中带三角形的虚线表示本发明提出的尾流分布计算模型的计算结果,带圆点的实现表示风电场实际测量风速。由图可知,测量风速和尾流分布模型的计算风速拟合较好。
(3)利用多智能体算法实现风电场优化调度
1)建立风电场的优化目标函数为:
2)将每台风电机组设计为一个智能体
将每台风电机组视为一个智能体,确定每个智能体的轴向诱导因子ak的解空间变化范围,并在解空间范围内初始化每个智能体的轴向诱导因子;
3)风电场尾流分布计算
根据步骤1、步骤2和步骤3计算风电场整体的尾流分布,然后根据优化目标函数计算风电场整体输出功率;
4)利用步骤43,对于风电场中的某一智能体Agi,j,令是Agi,j邻域中能量最大的智能体,即且对于都有用智能体的轴向诱导因子取代智能体Agi,j的轴向诱导因子,然后根据步骤1、步骤2和步骤3计算风电场整体的尾流分布;
5)利用步骤44,在完成步骤43的基础上,根据下式计算风电场整体输出功率Pmax:
如果Pmax≤P,则智能体Agi,j获胜,则智能体不做任何更新。
6)按照步骤41、步骤42、步骤43和步骤44的计算顺序不断计算和更新风电场内智能体的轴向诱导因子,直至风电场整体输出功率不在发生变化即可。
图6是根据步骤4中的多智能体方法对风电场内风电机组的运行工况进行优化调度结果图。在图6中,来流风速为8.5m/s,风向为270度,水平的点直线表示未进行优化调度之前风电场整体输出功率;实线表示基于多智能的风电场优化调度算法计算得到的风电场整体输出功率。从图中可知,优化后的风电场整体输出功率明显大于优化前的输出功率。
图7为风向为270度、风速为12m/s时,根据步骤4中的多智能体方法对风电场内风电机组的运行工况进行优化调度结果图。在图中,水平的点直线表示未进行优化调度之前风电场整体输出功率;实线表示基于多智能的风电场优化调度算法计算得到的风电场整体输出功率。从图中可知,优化后的风电场整体输出功率明显大于优化前的输出功率。
如上所述,对本发明进行了详细地说明,显然,只要实质上没有脱离本发明的发明点及效果、对本领域的技术人员来说是显而易见的变形,也均包含在本发明的保护范围之内。
Claims (5)
1.一种降低尾流效应的风电场内优化调度方法,其特征在于,该方法包括以下步骤:
步骤1:建立一种风电场内风电机组间流动相关性的计算模型,用于计算不同风向下风电机组间的流动相关性;
步骤2:建立单台风电机组不同运行工况下的尾流分布模型,以及多台风电机组不同运行工况的尾流叠加模型;
步骤3:结合风电机组间流动相关性的计算方法和尾流叠加模型,得到风电场内尾流分布模型,用于计算风电场内的尾流分布;
步骤4:将每台风电机组视为一个智能体,利用多智能体方法对风电场内风电机组的运行工况进行优化调度,使得风电场内的尾流效应降低,输出功率增加;
所述步骤4具体为:
步骤41:将每台风电机组视为一个智能体,确定每个智能体的轴向诱导因子ak的解空间变化范围,并在解空间范围内初始化每个智能体的轴向诱导因子;
步骤42:根据步骤1、步骤2和步骤3计算风电场整体的尾流分布,然后根据优化目标函数计算风电场整体输出功率;
步骤43:对于风电场中的某一智能体Agi,j,令是Agi,j邻域中能量最大的智能体,即且对于都有用智能体的轴向诱导因子取代智能体Agi,j的轴向诱导因子,然后根据步骤1、步骤2和步骤3计算风电场整体的尾流分布;
步骤44:在完成步骤43的基础上,根据下式计算风电场整体输出功率Pmax:
如果Pmax>P,其中P为替代前的风电场输出功率,则智能体获胜,根据下式更新智能体Agi,j中的轴向诱导因子ai,j,
如果Pmax≤P,则智能体Agi,j获胜,则智能体不做任何更新;
步骤45:按照步骤41、步骤42、步骤43和步骤44的计算顺序不断计算和更新风电场内智能体的轴向诱导因子,直至风电场整体输出功率不再发生变化即可。
2.根据权利要求1所述的方法,其特征在于,所述的不同风向为0到360度之间的任意来流方向;所述的风电机组间流动相关性为不同来流方向下,风电机组间的相对位置关系,以及风电机组间的尾流分布关系;所述不同运行工况为风电机组不同转速、偏航角度。
3.根据权利要求1所述的方法,其特征在于,所述步骤1具体为:
步骤11:确定风电机组的迎风顺序,具体计算公式如下:
以正北方向为风速的0°方向,风向的正方向为顺时针方向,当来流风向为0°≤β≤90°时,β代表来流角度,α表示风速来流方向与x轴的夹角,β+α=90°,直线l2表示与风速方向垂直的直线,由线性函数的知识可知,通过坐标原点,且斜率为tanα的直线方程l0如下式:
l0:y=(tanα)·x
通过空间中的某一点(xn,yn),可以作一条与直线l0相垂直的直线l2,直线l2的方程表示如下式:
通过求解直线方程l0和l2组成的方程组,即可求得直线l0与直线l2的交点,从坐标原点到交点的距离用L表示;
步骤12:将每台风电机组的坐标(xi,yi)替换直线l2方程中的(xn,yn),即可求得对应的交点坐标Q(xi,yi)和坐标原点的距离Li,通过对距离Li进行排序,得到每台风电机组的迎风顺序。
4.根据权利要求1所述的方法,其特征在于,所述步骤2具体为:
步骤21:对于单台风电机组尾流分布,尾流在向下游传播过程中,其半径不断扩展,半径的扩展速度受到湍流强度、推力系数及下游距离的影响;
根据单台风电机组尾流模型计算公式,可得风电机组下游尾流分布计算公式如下式所示:
式中,R——风轮半径;
Uj——风电机组j的来流风速;
Ui——距离风电机组j下游s倍风轮直径的尾流风速;
CT表示风电机组的推力系数,k表示尾流衰减因子,k的取值根据地形情况取一确定的常数值,除此之外,k取值大小受到湍流强度、推力系数及下游距离的影响;s为风电机组下游s倍风轮直径处的位置,
步骤22:对于多台风电机组不同运行工况的尾流叠加情况,采用下式计算,所有上游风电机组在下游风电机组i处共同作用所产生的尾流损失,
式中δUji——上游风电机组j在下游风电机组i处的速度损失;
Aoverlap——上游风电机组j的尾流作用在下游风电机组i上的面积;
A0——下游风电机组风轮的扫风面积;
δUm——上游风电机组m在下游第i台风电机组处的尾流损失;
δUi——上游i-1台风电机组尾流在下游第i台风电机组处共同作用所产生的尾流损失。
5.根据权利要求1所述的方法,其特征在于,所述步骤3具体为:
步骤31:根据步骤1确定风电机组的迎风顺序后,得到风电机组间的相对位置关系及风电机组间的气动耦合关系,然后根据步骤2,计算某一确定风向下风电场的尾流分布。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610533676.6A CN106203695B (zh) | 2016-07-07 | 2016-07-07 | 一种降低尾流效应的风电场内优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610533676.6A CN106203695B (zh) | 2016-07-07 | 2016-07-07 | 一种降低尾流效应的风电场内优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106203695A CN106203695A (zh) | 2016-12-07 |
CN106203695B true CN106203695B (zh) | 2020-01-14 |
Family
ID=57473726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610533676.6A Active CN106203695B (zh) | 2016-07-07 | 2016-07-07 | 一种降低尾流效应的风电场内优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106203695B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107035618B (zh) * | 2017-06-12 | 2019-03-01 | 电子科技大学 | 一种基于尾流效应的风电场优化控制方法 |
CN107832899B (zh) * | 2017-12-13 | 2020-12-04 | 三一重能有限公司 | 风电场出力的优化方法、装置和实现装置 |
CN108108562B (zh) * | 2017-12-27 | 2021-02-19 | 华北电力大学 | 一种基于高斯分布的风电机组尾流的解析建模方法 |
EP3517774A1 (en) * | 2018-01-25 | 2019-07-31 | Siemens Gamesa Renewable Energy A/S | Method and apparatus for cooperative controlling wind turbines of a wind farm |
CN108491617B (zh) * | 2018-03-19 | 2022-04-19 | 华北电力大学 | 一种基于尾流边界膨胀的bp模型的简化模型 |
CN108708825B (zh) * | 2018-05-15 | 2019-11-26 | 浙江运达风电股份有限公司 | 一种考虑机组尾流的风电场偏航控制方法 |
CN109038651B (zh) * | 2018-07-13 | 2021-05-11 | 河海大学 | 一种基于机组相关性的风电场功率波动频谱预测模型 |
CN110046442A (zh) * | 2019-04-22 | 2019-07-23 | 国电联合动力技术有限公司 | 风机与尾流投影面积叠加计算方法及装置 |
CN110175684A (zh) * | 2019-05-30 | 2019-08-27 | 上海电力学院 | 一种海上风电场运维方法及装置 |
CN110728066B (zh) * | 2019-10-18 | 2020-10-16 | 华北电力大学 | 一种风电场扇区优化方法及系统 |
EP3839251A1 (de) * | 2019-12-20 | 2021-06-23 | Wobben Properties GmbH | Optimierung eines windparks |
CN111682592B (zh) * | 2020-05-13 | 2022-04-01 | 九江学院 | 一种分布式风电场功率优化方法及装置 |
CN112241611B (zh) * | 2020-09-14 | 2022-10-11 | 浙江运达风电股份有限公司 | 一种计及风电机组朝向偏角的工程尾流模型计算方法 |
CN112555096B (zh) * | 2020-11-27 | 2021-10-26 | 华北电力大学 | 风电机组偏航协同控制方法、装置、电子设备及存储介质 |
CN114254527B (zh) * | 2022-03-01 | 2022-06-28 | 浙江中自庆安新能源技术有限公司 | 一种风力发电机尾流评估方法及系统 |
CN116357517B (zh) * | 2023-04-12 | 2024-10-29 | 中国长江三峡集团有限公司 | 一种风电场群协同控制方法、装置、计算机设备及介质 |
CN117454721B (zh) * | 2023-12-21 | 2024-03-22 | 浙江远算科技有限公司 | 基于数字仿真实验的风电场尾流叠加效应评估方法和介质 |
CN117967499B (zh) * | 2024-04-02 | 2024-06-25 | 山东大学 | 风电场分群尾流优化方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617308A (zh) * | 2013-10-30 | 2014-03-05 | 河海大学 | 一种风电场频域等效模型的构建方法 |
CN103884485A (zh) * | 2014-02-25 | 2014-06-25 | 国家电网公司 | 一种基于多尾流模型的风机尾流分析方法 |
CN103942608A (zh) * | 2014-03-28 | 2014-07-23 | 华北电力大学 | 一种基于尾流模型的风电场优化调度方法 |
CN104200097A (zh) * | 2014-08-29 | 2014-12-10 | 重庆大学 | 风电场风电机组布局选址方法 |
CN105373858A (zh) * | 2015-11-26 | 2016-03-02 | 湘潭大学 | 一种基于风速时序分解的风电场有功功率优化方法 |
-
2016
- 2016-07-07 CN CN201610533676.6A patent/CN106203695B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617308A (zh) * | 2013-10-30 | 2014-03-05 | 河海大学 | 一种风电场频域等效模型的构建方法 |
CN103884485A (zh) * | 2014-02-25 | 2014-06-25 | 国家电网公司 | 一种基于多尾流模型的风机尾流分析方法 |
CN103942608A (zh) * | 2014-03-28 | 2014-07-23 | 华北电力大学 | 一种基于尾流模型的风电场优化调度方法 |
CN104200097A (zh) * | 2014-08-29 | 2014-12-10 | 重庆大学 | 风电场风电机组布局选址方法 |
CN105373858A (zh) * | 2015-11-26 | 2016-03-02 | 湘潭大学 | 一种基于风速时序分解的风电场有功功率优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106203695A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106203695B (zh) | 一种降低尾流效应的风电场内优化调度方法 | |
CN103942608B (zh) | 一种基于尾流模型的风电场优化调度方法 | |
Chong et al. | Vertical axis wind turbine with omni-directional-guide-vane for urban high-rise buildings | |
WO2023010812A1 (zh) | 一种基于双变量高斯函数的尾流计算方法、装置及存储介质 | |
CN104200097A (zh) | 风电场风电机组布局选址方法 | |
CN108488038B (zh) | 一种风力发电机组的偏航控制方法 | |
CN101852172A (zh) | 一种考虑风电场内尾流影响的风电机组输入风速计算方法 | |
CN101949363A (zh) | 计及风电场输入风速和风向随机波动的风电机组分组方法 | |
CN103884485A (zh) | 一种基于多尾流模型的风机尾流分析方法 | |
CN115544884A (zh) | 一种基于数据驱动的大型风电场尾流快速计算方法及系统 | |
CN109268205B (zh) | 一种基于智能风力机的风电场优化控制方法 | |
CN104405596B (zh) | 一种风力发电机组低风速翼型族 | |
CN106121934B (zh) | 一种聚风发电设备 | |
CN114091265A (zh) | 一种基于局部搜索策略的风电场布局优化方法及系统 | |
Hassan et al. | Predicting the amount of energy generated by aWind turbine based on the weather data | |
CN109871972B (zh) | 一种风场内风机的优化布置方法和系统 | |
CN106503341A (zh) | 一种风电场风机叶片选型优化方法 | |
CN111342499B (zh) | 一种基于风功率预测数据的风电场实时调度方法 | |
Hu et al. | An experimental investigation on the effects of turbine rotation directions on the wake interference of wind turbines | |
CN106919730B (zh) | 一种采用风速衰减因子的风电场尾流确定方法 | |
Karadag et al. | Wind turbine integration to tall buildings | |
CN104018998B (zh) | 一种用于兆瓦级风力机叶片的21%厚度主翼型 | |
CN108537372B (zh) | 一种风向预测方法及风力发电机组的偏航控制方法 | |
CN110657688A (zh) | 一种自适应环境侧风的高效冷却塔系统及方法 | |
CN118137551A (zh) | 一种考虑风场短时预测的风电场实时协同控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |