CN107654336B - 基于扇区分布的风电机组风场适应性快速评估优化方法 - Google Patents

基于扇区分布的风电机组风场适应性快速评估优化方法 Download PDF

Info

Publication number
CN107654336B
CN107654336B CN201710854134.3A CN201710854134A CN107654336B CN 107654336 B CN107654336 B CN 107654336B CN 201710854134 A CN201710854134 A CN 201710854134A CN 107654336 B CN107654336 B CN 107654336B
Authority
CN
China
Prior art keywords
wind
sector
seat
plane
wind turbines
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
Application number
CN201710854134.3A
Other languages
English (en)
Other versions
CN107654336A (zh
Inventor
李钢强
田家彬
关中杰
徐苾璇
刘建爽
李祥雨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Zhongche Wind Power Co Ltd
Original Assignee
Shandong Zhongche Wind Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Zhongche Wind Power Co Ltd filed Critical Shandong Zhongche Wind Power Co Ltd
Priority to CN201710854134.3A priority Critical patent/CN107654336B/zh
Publication of CN107654336A publication Critical patent/CN107654336A/zh
Application granted granted Critical
Publication of CN107654336B publication Critical patent/CN107654336B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
    • F03D7/045—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with model-based controls
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F03D7/043—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic
    • F03D7/046—Automatic control; Regulation by means of an electrical or electronic controller characterised by the type of control logic with learning or adaptive control, e.g. self-tuning, fuzzy logic or neural network
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F03D7/02—Controlling wind motors  the wind motors having rotation axis substantially parallel to the air flow entering the rotor
    • F03D7/04—Automatic control; Regulation
    • F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
    • F03D7/048—Automatic control; Regulation by means of an electrical or electronic controller controlling wind farms
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/84—Modelling or simulation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/30—Wind power
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种基于扇区分布的风电机组风场适应性快速评估优化方法，通过建立风资源参数组合方式，建立扇区控制策略，建立风电机组运行信息数据库，插值计算风电机组疲劳载荷和发电功率，采用优化算法进行风场适应性快速评估。根据风资源参数扇区分布不同的特点，制定相应的扇区控制策略，作为风电机组仿真的输入条件，通过事先仿真建立风电机组运行信息数据库，并采用优化算法实现风场中所有机位载荷和发电量的快速评估和优化。本发明可以实现风场前期设计阶段机位疲劳载荷和年发电量的合理预测，极大缩短设计周期，节省风场开发成本，实现风场精细化设计。

Description

基于扇区分布的风电机组风场适应性快速评估优化方法
技术领域
本发明涉及一种基于扇区分布的风电机组风场适应性快速评估优化方法。
背景技术
随着风力发电事业的发展，我国陆上风电正朝着分布式风力发电方向发展。对于待建目标风场，需要对风电机组进行风场适应性评估，以保证风电机组的安全性和经济效益，而风场适应性评估的主要内容为风电机组载荷评估和发电量评估。
目前越来越多的风电机组被安装于山地和丘陵地带，导致风电机组面临的风资源情况非常复杂，同时，为了获得较高的年发电量和经济收益，风电机组朝着更长的叶片和更高的塔架方向发展，造成风电机组所承受的载荷情况也非常复杂。在复杂地形风场中，风电机组所面临的风速风向、湍流强度、风切变、尾流效应、空气密度、年平均风速等与标准、规范的设计值差异较大。一般情况下，每个风场所在区域的风资源参数不同，相同风场中每个机位处的风资源参数不同，并且相同机位在不同扇区上的风资源参数也不相同。常规的风场适应性评估主要集中在载荷方面，方法主要有：(1)采用风场所有机位处的风资源参数的包络值或平均值对风电机组进行仿真计算，该方法容易导致高估或低估风电机组载荷水平；(2)对风场内所有机位逐台进行仿真计算，该方法虽然精确，但是计算效率非常低下，会严重延迟风场适应性评估进度；(3)基于载荷数据库的方法，该种方法在国内外各大风电公司均有采用，但从目前已有的文献来看，均没有考虑风资源参数扇区分布、扇区控制策略对风电机组载荷的影响，并且仅以载荷为目标进行风场适应性评估，并没有同时考虑风场发电量这一关键经济指标，因此，上述风场适应性评估方法仍存在各种缺陷，需要加以改进。
随着风电机组技术的成熟和发展，在风电机组风场适应性评估时考虑风资源参数扇区分布和扇区控制策略，一方面能够避免使用常规的等效风资源参数带来的计算误差，使风电机组载荷和发电量预测更加精确；另一方面针对不同扇区的风资源参数制定不同的控制策略，即可避免由于某个扇区风资源参数过大造成无法装机的情况，又可针对某个扇区风资源参数较小，采取提升发电功率的措施。
因此，基于扇区分布的风电机组风场适应性快速评估优化，对于风电机组载荷优化和发电量提升具有重要意义。但是基于扇区分布的风场适应性评估，将使分析计算量特别庞大，因此，需要建立一种基于扇区分布的风电机组风场适应性快速评估优化方法。
发明内容
本发明为了解决上述问题，提出了一种基于扇区分布的风电机组风场适应性快速评估优化方法，本发明以机位疲劳载荷不超过设计载荷为限制条件、以机位年发电量最大为优化目标，对风电机组风场适应性作出快速评估优化。
为了实现上述目的，本发明采用如下技术方案：
一种基于扇区分布的风电机组风场适应性快速评估优化方法，包括以下步骤：
(1)确定不同风资源参数的取值范围和取值间隔，建立风资源参数组合方式，根据组合个数，划分扇区，在任一扇区内，都有一组风资源参数组合；
(2)针对风资源参数中不同的空气密度，分别制定对应的最优控制策略，对建立的每个风资源参数组合对应的控制策略，在设定的额定功率范围和间隔内，分别制定降功率和升功率控制策略；
(3)针对风资源参数的不同组合、并考虑所建立的不同控制策略，对所有风电机组仿真工况进行事先仿真，建立风电机组运行信息数据库；
(4)根据风场机位的风资源参数扇区分布数据，对每个扇区的风资源参数在风电机组运行信息数据库中插值计算各部件疲劳载荷和平均发电功率，经扇区叠加计算后获得总的机位疲劳载荷和年发电量；
(5)以机位总的疲劳载荷不大于设计值作为限制条件，以机位总的年发电量最大作为优化目标，采用优化算法对机位每个扇区的功率控制策略进行迭代寻优，迭代计算完成后输出机位疲劳载荷和年发电量，并输出机位每个扇区所需执行的功率控制策略。
进一步的，所述步骤(1)中，风资源参数包括空气密度、全风速段湍流强度、风切变、入流角和偏航误差。
进一步的，所述步骤(1)中，风资源参数取值范围和间隔需根据标准和实际风场情况制定，使得取值范围能够包络目标风场的风资源参数的最大值和最小值，同时取值间隔满足插值计算精度的要求。
进一步的，所述步骤(2)中，针对风资源参数组合，制定扇区控制策略，针对不同的空气密度，利用最优增益公式制定对应的标准功率控制策略，以此为基准，分别在设定的额定功率范围内，以设定的间隔值，对每个空气密度对应的控制策略分别细分为降功率和升功率控制策。
更进一步的，当执行升功率策略时，以标准功率曲线的额定功率点开始进行功率提升；当执行降功率策略时，在风电机组运行的全风速段内对标准功率曲线进行比例折减。
进一步的，所述步骤(3)中，对所有工况进行仿真，对每个工况下的风电机组各部件载荷时间序列进行雨流计数，获得单个工况的等效疲劳载荷，同时，计算每个工况下的发电功率时间序列的平均值，建立风电机组运行信息数据库，包括风资源参数组合、扇区控制策略以及与它们对应的风电机组各部件等效疲劳载荷和平均发电功率。
所述步骤(4)中，根据风场机位每个扇区的风资源参数组合，插值计算风电机组各部件等效疲劳载荷和发电功率。
进一步的，所述步骤(4)中，根据获得每个风速在每个扇区内的平均发电功率后，结合风速在每个扇区内发生的时间，相乘后累加即可计算得到风电机组在该风速下的年发电量。
更进一步的，所述步骤(4)中，通过扇区发电量叠加，计算出每个风速对应的年发电量后再进行叠加，即可获得风电机组在此机位处的总的年发电量。
所述步骤(4)中，插值计算出每个风速对应的各个扇区内的等效疲劳载荷，进行扇区合并获得单个风速对应的等效疲劳载荷，对所有风速的等效疲劳载荷进行叠加，获得总的等效疲劳载荷。
所述步骤(5)中，采用粒子群优化算法进行评估优化，具体包括：
(5-1)初始化各个扇区功率控制策略粒子群，位置范围设定为90％-110％标准功率曲线所对应的功率控制策略，设定速度范围；
(5-2)利用所述线性插值法和叠加公式计算机位总的疲劳载荷和年发电量；
(5-3)判断扇区功率控制粒子解可行性，将计算的机位载荷与设计载荷进行对比，如果超出设计载荷，则以违反限制条件较小的粒子作为优化解，如果小于设计载荷，则以年发电量较高的粒子作为优化解；
(5-4)根据优化解更新粒子位置和速度；
(5-5)判断是否达到最大迭代次数或获得最大年发电量，如果为否，则跳转步骤(5-2)继续迭代计算，如果为是，则计算结束。
所述步骤(5)中，采用遗传算法或蚁群算法进行评估优化。
与现有技术相比，本发明的有益效果为：
(1)本发明可以适用于目前主流型风电机组，包括不同功率等级、不同风轮直径和不同塔筒高度的三叶片、上风向、水平轴风电机组，适用面较广；
(2)本发明针对风场机位风资源参数扇区分布的特点，通过制定扇区控制策略，在保证风电机组运行可靠性的前提下，利用优化算法获得最大的年发电量产出，提高经济效益；
(3)本发明提高了风场适应性评估效率，评估流程简单可行，对风场前期优化设计具有指导意义。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是风电机组风场适应性快速评估优化流程图；
图2是全风速段湍流强度图；
图3为不同功率控制策略所对应的风电机组功率曲线图；
图4为利用仿真软件计算等效疲劳载荷界面设置图；
图5为按照风资源参数插值顺序图；
图6为风场适应性评估优化算法流程图。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本发明中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本发明各部件或元件结构关系而确定的关系词，并非特指本发明中任一部件或元件，不能理解为对本发明的限制。
本发明中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本发明中的具体含义，不能理解为对本发明的限制。
正如背景技术所介绍的，现有技术中存在没有考虑风资源参数扇区分布、扇区控制策略对风电机组载荷的影响，并且仅以载荷为目标进行风场适应性评估，并没有同时考虑风场发电量这一关键经济指标的不足，为了解决如上的技术问题，本申请提出了一种基于扇区分布的风电机组风场适应性快速评估优化方法，根据风资源参数扇区分布不同的特点，制定相应的扇区控制策略，作为风电机组仿真的输入条件，通过事先仿真建立风电机组运行信息数据库，并采用优化算法实现风场中所有机位载荷和发电量的快速评估和优化。通过本发明的基于扇区分布的风电机组风场适应性快速评估优化方法，可以实现风场前期设计阶段机位疲劳载荷和年发电量的合理预测，极大缩短设计周期，节省风场开发成本，实现风场精细化设计。
本申请的一种典型的实施方式中，提供一种基于扇区分布的风电机组风场适应性快速评估优化方法，以下结合说明书附图和具体实施例对本发明作进一步描述，所述实施例为我公司某2.0MW风电机组。如附图1所示，其步骤包括：
(a)确定不同风资源参数的取值范围和取值间隔，建立风资源参数组合方式。所述风资源参数包括：空气密度、全风速段湍流强度、风切变、入流角、偏航误差，取值范围和间隔如表1所示，全风速段湍流强度如附图2所示，每个风速对应的湍流强度取值个数为12个。对不同的风资源参数进行组合，例如风速(4m/s)、空气密度(0.8kg/m3)、湍流强度(35.0％)，风切变(0.15)、入流角(4°)、偏航误差(-8°)为一组风资源参数，则总的仿真工况数为12×12×6×3×3×3＝23328个。所述风资源参数取值范围和间隔需根据标准和实际风场情况制定，使得取值范围能够包络目标风场的风资源参数的最大值和最小值，取值间隔足够小以满足插值计算精度的要求。
表1风资源参数取值范围和间隔示例
风资源参数 取值范围 间隔 取值个数
风速[m/s] 4,6,8,10,12,14,16,18,20,22,24,26 2 12
空气密度[kg/m<sup>3</sup>] 0.8,0.9,1.0,1.1,1.2,1.3 0.1 6
风切变[.] 0.05,0.15,0.25 0.1 3
入流角[°] 0,4,8 4 3
偏航误差[°] -8,0,8 8 3
(b)针对风资源参数组合，制定扇区控制策略。所述扇区控制策略为风电机组仿真所用*.dll文件，实际使用功率控制策略。首先针对不同的空气密度，利用最优增益公式分别制定标准功率控制策略，然后以此为基准，分别在[-10％，+10％]的额定功率范围内，设定间隔值为5％，对每个空气密度对应的控制策略分别细分为降功率和升功率控制策略，以2.0MW风电机组为例，额定功率范围和间隔为[1.8MW,1.9MW,2.0MW,2.1MW,2.2MW]，则每个风资源参数组合所对应的控制策略又细分为5个功率控制策略，那么总的仿真工况变为23328×5＝116640个。
扇区功率控制策略，不同额定功率限定值所对应的风电机组功率曲线如附图3所示，100％power曲线代表标准功率控制策略。当执行升功率策略时，以标准功率曲线的额定功率点开始进行功率提升；当执行降功率策略时，在风电机组运行的全风速段内对标准功率曲线进行比例折减。
(c)采用风电机组仿真软件对所有工况进行事先仿真，计算完成后使用仿真软件的雨流计数模块对每个工况下的风电机组各部件载荷时间序列进行雨流计数，如附图4所示，获得单个工况的等效疲劳载荷，同时，计算每个工况下的发电功率时间序列的平均值。这样就建立了风电机组运行信息数据库，包括风资源参数组合、扇区控制策略以及与它们对应的风电机组各部件等效疲劳载荷和平均发电功率。所述仿真软件为国际通用风电机组仿真软件GH Bladed。
(d)根据风场机位每个扇区的风资源参数组合，插值计算风电机组各部件等效疲劳载荷和发电功率，所述扇区风资源参数由国际通用软件WindSim软件根据测风塔测风数据对风场所有机位进行流场仿真获得。
扇区共有16个，每个扇区角度范围为360°/16＝22.5°，在任一扇区内，都有一组风资源参数组合。
插值方法为线性插值，由于使用的风资源参数取值间隔足够小，因此使用线性插值法即可获得精确的计算结果。设第n个扇区中风资源参数组合为：风速V、湍流强度TI、入流角β、空气密度ρ、风切变α、偏航误差θ，首先确定此扇区使用的控制策略，然后根据扇区风速V对应的湍流强度TI在风电机组运行信息库中计算相邻湍流强度TIi和TIi+1对应的等效疲劳载荷，则该风资源参数组合对应的等效疲劳载荷FTI插值计算公式如下：
同理，该风资源参数组合对应的发电功率PTI插值计算公式如下：
湍流强度TIi和TIi+1对应的等效疲劳载荷和发电功率插值计算方法如附图5所示，按照偏航误差、风切变、空气密度、入流角的顺序，由下往上逐级利用上述线性插值公式进行计算，只需把风资源参数替换即可。
以风场某机位处的单个风速为例，该风电机组在所有扇区均执行标准最优功率控制策略，在16个扇区内的风资源参数组合、扇区控制策略、等效疲劳载荷和发电功率插值计算结果如表2所示。
表2不同扇区内的等效疲劳载荷和发电功率插值结果示例
获得该风速在每个扇区内的平均发电功率后，结合风速在每个扇区内发生的时间，风电机组在该风速下的年发电量计算公式为：
其中，Pn为插值计算的第n个扇区内的平均发电功率，Tn为单个风速在第n个扇区内的发生时间。
单个风速在每个扇区内的发生时间，可通过WindSim软件根据测风塔测风数据进行流场仿真获得，风速在每个扇区内发生的时间则由年总小时数乘以发生概率即可获得。
表3扇区风资源发生概率示例
通过扇区发电量叠加，计算出每个风速对应的年发电量后再进行叠加，即可获得风电机组在此机位处的总的年发电量：
同理，首先插值计算出每个风速对应的16个扇区内的等效疲劳载荷，然后进行扇区合并获得单个风速对应的等效疲劳载荷，最后对所有风速的等效疲劳载荷进行叠加，获得总的等效疲劳载荷。
单个风速对应的16个扇区等效疲劳载荷叠加公式为：
其中，Fn为插值计算的第n个扇区内的等效疲劳载荷，Tn为单个风速在第n个扇区内的发生时间，T为单个风速在16个扇区的累计发生时间，m为SN曲线的反斜率。
将计算出的所有风速对应的等效疲劳载荷进行叠加，即可获得风电机组在此机位处的总的等效疲劳载荷：
其中，T(V)为单个风速发生时间，F(V)为单个风速对应的等效疲劳载荷，TTotal为年发电小时数。
根据上述方法，对风场所有机位进行风场适应性评估计算，基于扇区分布的风电机组风场适应性评估计算结果如表4所示，载荷只给出了每个机位叶片根部处的等效疲劳载荷，并同时给出了每个机位的年发电量。
表4基于扇区分布的风电机组风场适应性评估计算结果示例
将机位疲劳载荷与设计载荷进行对比，若计算结果不满足要求，则需对机位进行调整后重新进行评估计算。
上述步骤实现了风场所有机位各部件等效疲劳载荷和年发电量的快速评估计算，为了在机位疲劳载荷不超过设计载荷的前提下，获得最大的年发电量，并且避免调整机位位置引起的额外风场建设成本，需要执行以下步骤(e)。
(e)采用优化算法进行风场适应性快速评估优化。将机位总的疲劳载荷不大于设计值作为限制条件，将机位总的年发电量最大作为优化目标，采用优化算法对机位每个扇区所需执行的功率控制策略进行迭代寻优，迭代计算完成后输出机位疲劳载荷和年发电量，并输出机位每个扇区所需执行的功率控制策略。如附图6所示，本发明采用粒子群优化算法进行评估优化，具体步骤包括：
(1)初始化16个扇区功率控制策略粒子群，位置范围设定为90％-110％标准功率曲线所对应的功率控制策略，速度范围设定为5％；
(2)利用所述线性插值法和叠加公式计算机位总的疲劳载荷和年发电量；
(3)判断扇区功率控制粒子解可行性，将计算的机位载荷与设计载荷进行对比，如果超出设计载荷，则以违反限制条件较小的粒子作为优化解，如果小于设计载荷，则以年发电量较高的粒子作为优化解；
(4)根据优化解更新粒子位置和速度；
(5)判断是否达到最大迭代次数或获得最大年发电量，如果为否，则跳转步骤(2)继续迭代计算，如果为是，则计算结束。
采用优化算法进行风场适应性快速评估优化，计算结果如表5所示。
表5采用优化算法评估优化结果示例
表5中的功率控制策略代号1、2、3、4、5分别对应图3中的90％power、95％power、100％power、105％power、110％power，代表机位不同扇区所需执行的不同功率控制策略。
优化算法的限制条件处理方式为：将机位各关键部件处的疲劳载荷与设计载荷进行对比，任一载荷分量需满足：机位载荷/设计载荷<100％，优化算法输出机位载荷分量与设计载荷的最大比值。
机位各关键部件处包括：叶片根部、旋转轮毂中心、固定轮毂中心、塔架顶部、塔架底部、叶片部分截面处和塔架部分高度处，疲劳载荷均包含3个力矩(Mx、My、Mz)和3个力(Fx、Fy、Fz)。
优化算法优选为粒子群优化算法，也可使用遗传算法或蚁群算法等。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种基于扇区分布的风电机组风场适应性快速评估优化方法，其特征是：包括以下步骤：
(1)确定不同风资源参数的取值范围和取值间隔，建立风资源参数组合方式，根据组合个数，划分扇区，在任一扇区内，都有一组风资源参数组合；
(2)针对风资源参数中不同的空气密度，分别制定对应的最优控制策略，对建立的每个风资源参数组合对应的控制策略，在设定的额定功率范围和间隔内，分别制定降功率和升功率控制策略；
(3)针对风资源参数的不同组合、并考虑所建立的不同控制策略，对所有风电机组仿真工况进行事先仿真，建立风电机组运行信息数据库；
(4)根据风场机位的风资源参数扇区分布数据，对每个扇区的风资源参数在风电机组运行信息数据库中插值计算各部件疲劳载荷和平均发电功率，经扇区叠加计算后获得总的机位疲劳载荷和年发电量；
(5)以机位总的疲劳载荷不大于设计值作为限制条件，以机位总的年发电量最大作为优化目标，采用优化算法对机位每个扇区的功率控制策略进行迭代寻优，迭代计算完成后输出机位疲劳载荷和年发电量，并输出机位每个扇区所需执行的功率控制策略。
2.如权利要求1所述的一种基于扇区分布的风电机组风场适应性快速评估优化方法，其特征是：所述步骤(1)中，风资源参数包括空气密度、全风速段湍流强度、风切变、入流角和偏航误差。
3.如权利要求1所述的一种基于扇区分布的风电机组风场适应性快速评估优化方法，其特征是：所述步骤(1)中，风资源参数取值范围和间隔需根据标准和实际风场情况制定，使得取值范围能够包络目标风场的风资源参数的最大值和最小值，同时取值间隔满足插值计算精度的要求。
4.如权利要求1所述的一种基于扇区分布的风电机组风场适应性快速评估优化方法，其特征是：所述步骤(2)中，针对风资源参数组合，制定扇区控制策略，针对不同的空气密度，利用最优增益公式制定对应的标准功率控制策略，以此为基准，分别在设定的额定功率范围内，以设定的间隔值，对每个空气密度对应的控制策略分别细分为降功率和升功率控制策。
5.如权利要求4所述的一种基于扇区分布的风电机组风场适应性快速评估优化方法，其特征是：当执行升功率策略时，以标准功率曲线的额定功率点开始进行功率提升；当执行降功率策略时，在风电机组运行的全风速段内对标准功率曲线进行比例折减。
6.如权利要求1所述的一种基于扇区分布的风电机组风场适应性快速评估优化方法，其特征是：所述步骤(3)中，对所有工况进行仿真，对每个工况下的风电机组各部件载荷时间序列进行雨流计数，获得单个工况的等效疲劳载荷，同时，计算每个工况下的发电功率时间序列的平均值，建立风电机组运行信息数据库，包括风资源参数组合、扇区控制策略以及与它们对应的风电机组各部件等效疲劳载荷和平均发电功率。
7.如权利要求1所述的一种基于扇区分布的风电机组风场适应性快速评估优化方法，其特征是：所述步骤(4)中，根据风场机位每个扇区的风资源参数组合，插值计算风电机组各部件等效疲劳载荷和发电功率；
根据获得每个风速在每个扇区内的平均发电功率后，结合风速在每个扇区内发生的时间，相乘后累加即可计算得到风电机组在该风速下的年发电量；通过扇区发电量叠加，计算出每个风速对应的年发电量后再进行叠加，即可获得风电机组在此机位处的总的年发电量。
8.如权利要求1所述的一种基于扇区分布的风电机组风场适应性快速评估优化方法，其特征是：所述步骤(4)中，插值计算出每个风速对应的各个扇区内的等效疲劳载荷，进行扇区合并获得单个风速对应的等效疲劳载荷，对所有风速的等效疲劳载荷进行叠加，获得总的等效疲劳载荷。
9.如权利要求1所述的一种基于扇区分布的风电机组风场适应性快速评估优化方法，其特征是：所述步骤(5)中，采用粒子群优化算法进行评估优化，具体包括：
(5-1)初始化各个扇区功率控制策略粒子群，位置范围设定为90％-110％标准功率曲线所对应的功率控制策略，设定速度范围；
(5-2)利用线性插值法和叠加公式计算机位总的疲劳载荷和年发电量；
(5-3)判断扇区功率控制粒子解可行性，将计算的机位载荷与设计载荷进行对比，如果超出设计载荷，则以违反限制条件较小的粒子作为优化解，如果小于设计载荷，则以年发电量较高的粒子作为优化解；
(5-4)根据优化解更新粒子位置和速度；
(5-5)判断是否达到最大迭代次数或获得最大年发电量，如果为否，则跳转步骤(5-2)继续迭代计算，如果为是，则计算结束。
10.如权利要求1所述的一种基于扇区分布的风电机组风场适应性快速评估优化方法，其特征是：所述步骤(5)中，采用遗传算法或蚁群算法进行评估优化。
CN201710854134.3A 2017-09-20 2017-09-20 基于扇区分布的风电机组风场适应性快速评估优化方法 Active CN107654336B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710854134.3A CN107654336B (zh) 2017-09-20 2017-09-20 基于扇区分布的风电机组风场适应性快速评估优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710854134.3A CN107654336B (zh) 2017-09-20 2017-09-20 基于扇区分布的风电机组风场适应性快速评估优化方法

Publications (2)

Publication Number Publication Date
CN107654336A CN107654336A (zh) 2018-02-02
CN107654336B true CN107654336B (zh) 2019-05-03

Family

ID=61129830

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710854134.3A Active CN107654336B (zh) 2017-09-20 2017-09-20 基于扇区分布的风电机组风场适应性快速评估优化方法

Country Status (1)

Country Link
CN (1) CN107654336B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108708823B (zh) * 2018-04-28 2022-05-06 山东中车风电有限公司 风力发电机组的最优增益参数在线优化方法与系统
CN109274121B (zh) * 2018-11-15 2021-03-23 山东中车风电有限公司 一种风电场控制参数优化方法及系统
CN111428325B (zh) * 2018-12-21 2024-04-19 北京金风科创风电设备有限公司 定制风力发电机组的方法和设备
CN111400845B (zh) * 2018-12-27 2024-05-17 北京金风科创风电设备有限公司 风电机组的发电性能评估方法和装置
CN111441917B (zh) * 2019-01-16 2024-05-10 北京金风科创风电设备有限公司 基于扇区的风电机组的预定部件的载荷预估方法和装置
FR3095246B1 (fr) 2019-04-16 2022-12-09 Ifp Energies Now Procédé et système de contrôle d’une grandeur d’une éolienne par choix du contrôleur par un apprentissage automatique
CN110566404B (zh) * 2019-08-29 2020-12-01 陕能榆林清洁能源开发有限公司 用于风力发电机组的功率曲线优化装置和方法
CN110968942A (zh) * 2019-11-11 2020-04-07 许昌许继风电科技有限公司 一种基于周边环境的风电机组的性能评估方法
CN111027217B (zh) * 2019-12-11 2023-03-24 中国船舶重工集团海装风电股份有限公司 一种风电机组载荷计算方法、装置、设备及存储介质
CN110886681B (zh) * 2019-12-13 2021-04-27 北京三力新能科技有限公司 一种基于时间分区和偏航扇区的偏航角度定位控制方法
CN111310341B (zh) * 2020-02-20 2023-05-09 华润电力技术研究院有限公司 风机运行参数确定方法、装置、设备及可读存储介质
CN111794909B (zh) * 2020-06-23 2023-05-05 国家能源集团新能源技术研究院有限公司 面向扇区调控的风电场级偏航动态优化方法和系统
CN111997831B (zh) * 2020-09-01 2021-11-19 新疆金风科技股份有限公司 风电机组的载荷控制方法和装置
CN112906236A (zh) * 2021-03-09 2021-06-04 龙源（北京）风电工程技术有限公司 风电机组关键结构位置剩余寿命预测方法及装置
CN113642884B (zh) * 2021-08-10 2024-03-29 山东中车风电有限公司 一种电网失电情况下风电场发电量损失统计方法及系统
CN113586336B (zh) * 2021-08-10 2022-11-25 上海电气风电集团股份有限公司 风力发电机组的控制方法及其控制装置及计算机可读存储介质
CN114971305A (zh) * 2022-05-30 2022-08-30 中车株洲电力机车研究所有限公司 一种基于bladed疲劳载荷的分扇区校核方法及系统
CN118036347B (zh) * 2024-04-11 2024-06-25 国电南瑞科技股份有限公司 一种适用于极端天气的风力发电全流程误差溯源方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103384764B (zh) * 2010-12-21 2016-03-23 维斯塔斯风力系统集团公司 风轮机的控制方法
CN102305179B (zh) * 2011-08-23 2013-12-18 国电联合动力技术有限公司 风力发电机组偏航扇区管理和优化控制系统及其方法
ES2573827T3 (es) * 2011-12-22 2016-06-10 Vestas Wind Systems A/S Control de turbinas eólicas basado en sectores de rotor
US8622698B2 (en) * 2011-12-22 2014-01-07 Vestas Wind Systems A/S Rotor-sector based control of wind turbines
CN102606396B (zh) * 2012-04-11 2014-01-08 国电联合动力技术有限公司 风电场内多机组间偏航扇区管理和优化控制方法及其系统
EP3212927B1 (en) * 2014-10-31 2021-02-24 General Electric Company System and method for controlling the operation of a wind turbine

Also Published As

Publication number Publication date
CN107654336A (zh) 2018-02-02

Similar Documents

Publication Publication Date Title
CN107654336B (zh) 基于扇区分布的风电机组风场适应性快速评估优化方法
Neto et al. Wind turbine blade geometry design based on multi-objective optimization using metaheuristics
Murthy et al. A comprehensive review of wind resource assessment
Bedon et al. Optimization of a Darrieus vertical-axis wind turbine using blade element–momentum theory and evolutionary algorithm
Hassanzadeh et al. Aerodynamic shape optimization and analysis of small wind turbine blades employing the Viterna approach for post-stall region
Liu et al. Optimized linearization of chord and twist angle profiles for fixed-pitch fixed-speed wind turbine blades
Marten et al. QBLADE: an open source tool for design and simulation of horizontal and vertical axis wind turbines
CN103850876B (zh) 一种适用于无载荷测量的风电机组独立变桨控制方法
CN114169614B (zh) 一种基于风力机尾流模型优化的风电场优化调度方法及系统
CN103244348A (zh) 变速变桨风力发电机组功率曲线优化方法
Fatahian et al. An innovative deflector system for drag-type Savonius turbine using a rotating cylinder for performance improvement
CN107194097A (zh) 基于风电场气动模拟和风速风向数据的分析方法
Emejeamara et al. A method for estimating the potential power available to building mounted wind turbines within turbulent urban air flows
CN101684774A (zh) 一种风力发电系统及风力发电机的测风方法
Zouzou et al. Experimental and numerical analysis of a novel Darrieus rotor with variable pitch mechanism at low TSR
CN105492762A (zh) 根据风力涡轮机或类似设备的位置确定其部件寿命的方法
CN108717593A (zh) 一种基于风轮面等效风速的微观选址发电量评估方法
Branlard et al. A multipurpose lifting-line flow solver for arbitrary wind energy concepts
CN106777499A (zh) 一种双馈异步风力发电机组的整机动态建模方法
CN116611714A (zh) 一种基于风资源及机组发电量分析风电场后评估方法
CN105703395A (zh) 一种风电消纳能力分析方法
Wu et al. Uncertainty prediction on the angle of attack of wind turbine blades based on the field measurements
Xu et al. Analysis of the anisotropy aerodynamic characteristics of downstream wind turbine considering the 3D wake expansion based on coupling method
Shen et al. Investigation of the effect of critical structural parameters on the aerodynamic performance of the double darrieus vertical axis wind turbine
CN106951977A (zh) 一种基于尾流效应的风速预测模型的构建方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant