CN108533454A - 有功输出调节下的风电场机组疲劳均匀分布的优化控制方法 - Google Patents

有功输出调节下的风电场机组疲劳均匀分布的优化控制方法 Download PDF

Info

Publication number
CN108533454A
CN108533454A CN201810345141.5A CN201810345141A CN108533454A CN 108533454 A CN108533454 A CN 108533454A CN 201810345141 A CN201810345141 A CN 201810345141A CN 108533454 A CN108533454 A CN 108533454A
Authority
CN
China
Prior art keywords
del
wind
power plant
wind power
active
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.)
Granted
Application number
CN201810345141.5A
Other languages
English (en)
Other versions
CN108533454B (zh
Inventor
宋冬然
杨建�
粟梅
孙尧
董密
邓小飞
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.)
Central South University
Original Assignee
Central South University
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 Central South University filed Critical Central South University
Priority to CN201810345141.5A priority Critical patent/CN108533454B/zh
Publication of CN108533454A publication Critical patent/CN108533454A/zh
Application granted granted Critical
Publication of CN108533454B publication Critical patent/CN108533454B/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
    • F03D7/048—Automatic control; Regulation by means of an electrical or electronic controller controlling wind farms
    • 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
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • 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
    • F03D80/00—Details, components or accessories not provided for in groups F03D1/00 - F03D17/00
    • 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
    • F03D9/00—Adaptations of wind motors for special use; Combinations of wind motors with apparatus driven thereby; Wind motors specially adapted for installation in particular locations
    • F03D9/20—Wind motors characterised by the driven apparatus
    • F03D9/25—Wind motors characterised by the driven apparatus the apparatus being an electrical generator
    • 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
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
    • Y02P70/50—Manufacturing or production processes characterised by the final manufactured product
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Sustainable Energy (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Strategic Management (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Power Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了有功调节下的风电场机组部件疲劳均匀分布优化控制方法，通过对有功调节模式下的风电机组部件进行DEL数据建模，并基于该DEL数据模型进行复杂地形的风电场优化控制；其中，控制策略采用基于风况特征测量的智能有功分配策略；因此，本发明适用于尾流效应较小的复杂地形的风电场，通过对有功调节下的风电场机组部件疲劳均匀分布进行优化，有效降低风力发电设备的生产制造和维护成本，提高风力发电系统的稳定性。

Description

有功输出调节下的风电场机组疲劳均匀分布的优化控制方法
技术领域
本发明涉及风电场技术领域，具体地说，涉及一种适用于尾流效应小的复杂地方的风电场机组部件疲劳均匀分布优化控制方法。
背景技术
在我国，随着理想风电场资源开发逐渐枯竭，陆上风电发展已经转向低风速高湍流的复杂地形风电场。据统计，全国范围内可利用的低风速资源面积占全国风能资源区的68％；而这些低风速地区大部分都为复杂地形，且均接近电网负荷的受端地区。和简单地形风电场风电机组具有规则的布置相比，复杂地形风电场机组在布置上具有显著差异。对于复杂地形风电场，要对其进行有功功率调节具有一定的难度，地理位置不同使得风电场各机组风况存在较大差异，进而导致了机组之间可利用风功率具有较大差异。因此，如何将电网有功需求根据风电场各机组可利用风功率进行合理分配是复杂地形风电场有功调节的重要技术问题。
为对复杂地形风电场进行高效有功调节，基于机组可利用风功率估计的有功分配方法以及基于PI算法的有功闭环控制方法被提出。然而，上述方法在解决有功调节问题的同时，却带来了新问题：仅考虑有功需求的分配策略导致了复杂地形风电场机组之间的疲劳分布严重不均，平均风速和湍流强度高的机组部件疲劳载荷比其它机组大很多，最终缩短了使用寿命。
因此，现提供一种适用于尾流效应小的复杂地方的有功调节下的风电场机组部件疲劳均匀分布优化控制方法。
发明内容
为此，本发明提供一种有功输出调节下的风电场机组疲劳均匀分布的优化控制方法，包括以下步骤：
S1、基于风电机组疲劳载荷仿真软件，建立风电机组模型并设定仿真输入组合，获取并计算不同输入组合下的机组部件的DEL数据集，其中，
其中，ni和为通过雨流计数法计算得到的循环数和循环幅值；T为载荷时间历程评估周期；f为给定的正弦载荷频率；m为材料的特性参数；
S2、对在不同输入组合下若干机组部件的DEL数据集进行偏态和峰态测度系数的计算，并根据计算结果选出具有对称和尖峰分布特征的DEL数据集作为优化对象；
S3、量化机组控制策略和有功设定对机组部件疲劳的影响程度，在作为优化对象的DEL数据集中，选择机组部件DEL较小的机组控制策略作为风电场控制的机组局部控制策略，以及选择DEL数据对有功设定较为敏感的机组部件作为目标部件，进而选择机组局部控制策略下的目标部件的DEL数据集用于建模；
S4、针对机组局部控制策略下的目标部件在不同输入组合下的DEL数据集，采用式(2)所示的核密度估计方法分别计算它们的分布密度函数：
其中，K(·)为核函数，h为带宽，Xi为相应DEL数据集的数据单元；
S5、基于式(2)，计算出DEL分布密度函数最大值及其对应的DEL有效值DEL(eq)：
S6、根据式(2)和式(3)，计算目标部件在不同输入组合下的DEL(eq)数据集，并按照湍流强度TI对数据集进行分类整理，从而得到不同TI下的由平均风速和有功设定Pset两个输入决定的DEL(eq)数据表格；采用曲面拟合的方式对DEL(eq)数据表格进行函数拟合：
其中，ai，j(i＝0...m，j＝0...n)为需要拟合的数据；
S7、若目标部件的数量≥2，则重复S4、S5和S6，重复次数为目标部件的数量-1次；
S8、为实现有功输出调节下的风电场机组部件疲劳均匀优化控制，将优化问题表述为：
0≤Pset(j)≤Pavail(j)，i＝1，...，N (6b)
其中，N表示风电场机组数，j为第j号机组，DELi(j)为第j号风电机组第i号部件的DEL估计值，为风电场所有机组第i号部件的DEL平均值，i＝1表示为疲劳均匀分布优化的部件，Pref为有功调节需求，Pset(j)为第j号风电机组有功设定值，Pavail(j)为第j号风电机组可利用疯功率，m表示对有功输出敏感的m个部件，σ1为允许的功率偏差范围，σi为机组之间第i号部件疲劳载荷允许的偏差范围；
S9、控制策略设为基于风况特征测量的智能有功分配策略，输入组合中的输入变量为可测量或可估算变量，因此通过粒子群智能算法求解Pset(j)，并Pset(j)分配至风电场的局部控制系统。
在S1中，风电机组控制策略根据有功调节指令控制风电机组有功输出，设计基于等效风速估计的风电机组新型有功调节控制系统来实现不同设定转速下的风电机组有功调节指令的跟踪。
在S2中，机组部件包括机组叶片、轮毂、偏航和塔架四大部件，对该四大部件的三个方向的轴力矩Mx、My和Mz的DEL数据集进行偏态和峰态测度系数进行计算，该DEL数据集包含n个数据。
在S9中，通过粒子群智能算法求解Pset(j)：
群体规模为N，
第i个粒子在粒子在搜索空间中的位置表示为：xi＝(xi1，xi2，...，xiD)，，
其飞行速度表示为：vi＝(vi1，vi2，...，viD)，
在第t+1代时，第i个粒子更新速度和位置：
vid(t+1)＝wvid(t)+c1r1(pid(t)-xid(t))+c2r2(pgd(t)-xid(t)) (9a)
xid(t+1)＝xid(t)+vid(t) (9b)
其中，i＝1，2，...，N d＝1，2，...，D，D为风电机组数量，Pid(t)为第i个粒子曾经到过的最佳位置，Pgd(t)为整个粒子群目前搜索到的最佳位置，w是惯性权重系数；c1和c2为加速度系数，r1和r2是(0，1)上的随机数；
Pset(j)即为粒子位置xid，对应的适应度为
粒子群智能算法的流程为：
1)、初始化xid和vid，并约束在式(6)范围内；
2)、联立式(4)和(5)，计算每个粒子的Pid(t)；
3)、计算粒子群的Pgd(t)；
4)、根据式(9)更新xid和vid，约束在式(6)的范围内；
5)、迭代次数t＝t+1；
6)、若达到迭代上限值，则给出最优解；若未达到迭代上限值，则返回2)
并继续循环流程，直到达到迭代上限值。
在S9中，输入组合中的输入变量包括湍流强度、平均风速和可利用风功率值。
本发明的上述技术方案相比现有技术具有以下优点：
在本发明中，通过对有功调节模式下的风电机组部件进行DEL数据建模，并基于该DEL数据模型进行复杂地形的风电场优化控制；其中，控制策略设为基于风况特征测量的智能有功分配策略；因此，本实施例适用于尾流效应较小的复杂地形的风电场，通过对有功调节下的风电场机组部件疲劳均匀分布进行优化，有效降低风力发电设备的生产制造和维护成本，提高风力发电系统的稳定性。
附图说明
为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中
图1是本发明所述的有功调节模式下的风电机组部件DEL数据建模技术路线示意图；
图2是本发明所述的基于风况特征测量的智能有功分配策略的复杂地形风电场控制系统结构示意图；
图3是本发明所述的风电场有功分配基于粒子群智能寻优算法流程。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限值本发明。
如图1所示，本实施例提供的一种有功输出调节下的风电场机组疲劳均匀分布的优化控制方法，包括以下步骤：
S1、基于风电机组疲劳载荷仿真软件，建立风电机组模型并设定仿真输入组合，获取并计算不同输入组合下的机组部件的DEL数据集，其中，
其中，ni和为通过雨流计数法计算得到的循环数和循环幅值；T为载荷时间历程评估周期；f为给定的正弦载荷频率；m为材料的特性参数；
S2、对在不同输入组合下若干机组部件的DEL数据集进行偏态和峰态测度系数的计算，并根据计算结果选出具有对称和尖峰分布特征的DEL数据集作为优化对象；
S3、量化机组控制策略和有功设定对机组部件疲劳的影响程度，在作为优化对象的DEL数据集中，选择机组部件DEL较小的机组控制策略作为风电场控制的机组局部控制策略，以及选择DEL数据对有功设定较为敏感的机组部件作为目标部件，进而选择机组局部控制策略下的目标部件的DEL数据集用于建模；
S4、针对机组局部控制策略下的目标部件在不同输入组合下的DEL数据集，采用式(2)所示的核密度估计方法分别计算它们的分布密度函数：
其中，K(·)为核函数，h为带宽，Xi为相应DEL数据集的数据单元；
S5、基于式(2)，计算出DEL分布密度函数最大值及其对应的DEL有效值DEL(eq)：
S6、根据式(2)和式(3)，计算目标部件在不同输入组合下的DEL(eq)数据集，并按照湍流强度TI对数据集进行分类整理，从而得到不同TI下的由平均风速和有功设定Pset两个输入决定的DEL(eq)数据表格；采用曲面拟合的方式对DEL(eq)数据表格进行函数拟合：
其中，ai，j(i＝0...m，j＝0...n)为需要拟合的数据；
S7、若目标部件的数量≥2，则重复S4、S5和S6，重复次数为目标部件的数量-1次；
S8、为实现风电场机组部件有功输出和机组疲劳的综合优化控制，将优化问题表述为：
0≤Pset(j)≤Pavail(j)，i＝1，...，N (6b)
其中，N表示风电场机组数，j为第j号机组，DELi(j)为第j号风电机组第i号部件的DEL估计值，为风电场所有机组第i号部件的DEL平均值，i＝1表示为疲劳均匀分布优化的部件，Pref为有功调节需求，Pset(j)为第j号风电机组有功设定值，Pavail(j)为第j号风电机组可利用疯功率，m表示对有功输出敏感的m个部件，σ1为允许的功率偏差范围，σi为机组之间第i号部件疲劳载荷允许的偏差范围；
S9、控制策略设为基于风况特征测量的智能有功分配策略，输入组合中的输入变量为可测量或可估算变量，因此通过粒子群智能算法求解Pset(j)，并Pset(j)分配至风电场的局部控制系统。
本实施例通过对有功调节模式下的风电机组部件进行DEL数据建模，并基于该DEL数据模型进行复杂地形的风电场优化控制；其中，控制策略设为基于风况特征测量的智能有功分配策略；因此本实施例一方面，通过风电场有功调节和机组疲劳的综合优化控制方法，有效降低风力发电设备的生产制造和维护成本，解决了以风力发电设备为主体的新能源发电分散式并网消纳问题；另一方面，该风电场有功调节和机组疲劳的综合优化控制方法还适用于尾流效应较小的复杂地形的风电场。
如图2所示，在本实施例中控制策略包含风电场中央控制系统(图中表示为A)和风电机组局部控制系统(图中表示为B)两部分；风电场N台风电机组局部控制系统(图中表示为WTC(1)、…、WTC(N))，与风电场中央控制系统进行风况特征(图中表示为V(1)、…、V(N))和有功指令(图中表示为Pset(1)、…、Pset(N))等信息交互。
具体地，在S1中，风电机组局部控制系统采用基于等效风速估计的有功调节策略，风电机组控制策略根据有功调节指令控制风电机组有功输出，设计基于等效风速估计的风电机组新型有功调节控制系统来实现不同设定转速下的风电机组有功调节指令的跟踪。
其中，在S2中，机组部件包括机组叶片、轮毂、偏航和塔架四大部件，对该四大部件的三个方向的轴力矩Mx、My和Mz的DEL数据集进行偏态和峰态测度系数进行计算，该DEL数据集包含n个数据。本实施例通过S2对DEL数据集进行统计分析，从而明确风电机组不同有功调节控制策略和有功输出对机组部件疲劳载荷的影响机理。
进一步的，在S9中，通过粒子群智能算法求解Pset(j)：
群体规模为N，
第i个粒子在粒子在搜索空间中的位置表示为：xi＝(xi1，xi2，...，xiD)，，
其飞行速度表示为：vi＝(vi1，vi2，...，viD)，
在第t+1代时，第i个粒子更新速度和位置：
vid(t+1)＝wvid(t)+c1r1(pid(t)-xid(t))+c2r2(pgd(t)-xid(t)) (9a)
xid(t+1)＝xid(t)+vid(t) (9b)
其中，i＝1，2，...，N d＝1，2，...，D，D为风电机组数量，Pid(t)为第i个粒子曾经到过的最佳位置，Pgd(t)为整个粒子群目前搜索到的最佳位置，w是惯性权重系数；c1和c2为加速度系数，r1和r2是(0，1)上的随机数；
Pset(j)即为粒子位置xid，对应的适应度为
如图3所示，粒子群智能算法的流程为：
1)、初始化xid和vid，并约束在式(6)范围内；
2)、联立式(4)和(5)，计算每个粒子的Pid(t)；
3)、计算粒子群的Pgd(t)；
4)、根据式(9)更新xid和vid，约束在式(6)的范围内；
5)、迭代次数t＝t+1；
6)、若达到迭代上限值，则给出最优解；若未达到迭代上限值，则返回2)并继续循环流程，直到达到迭代上限值。
在上述实施例的基础上，在S9中，输入组合中的输入变量包括湍流强度、平均风速和可利用风功率值。
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，例如在S9中采用遗传算法等其它智能算法来实现所描述控制问题的求解等。这里无需也无法对所有的实施方式予以穷举。而由此所引伸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。

Claims (6)

1.有功调节下的风电场机组部件疲劳均匀分布的优化控制方法，其特征在于：包括以下步骤：
S1、基于风电机组疲劳载荷仿真软件，建立风电机组模型并设定仿真输入组合，获取并计算不同输入组合下的机组部件的DEL数据集，其中，
其中，ni和为通过雨流计数法计算得到的循环数和循环幅值；T为载荷时间历程评估周期；f为给定的正弦载荷频率；m为材料的特性参数；
S2、对在不同输入组合下若干机组部件的DEL数据集进行偏态和峰态测度系数的计算，并根据计算结果选出具有对称和尖峰分布特征的DEL数据集作为优化对象；
S3、量化机组控制策略和有功设定对机组部件疲劳的影响程度，在作为优化对象的DEL数据集中，选择机组部件DEL较小的机组控制策略作为风电场控制的机组局部控制策略，以及选择DEL数据对有功设定较为敏感的机组部件作为目标部件，进而选择机组局部控制策略下的目标部件的DEL数据集用于建模；
S4、针对机组局部控制策略下的目标部件在不同输入组合下的DEL数据集，采用式(2)所示的核密度估计方法分别计算它们的分布密度函数：
其中，K(·)为核函数，h为带宽，Xi为相应DEL数据集的数据单元；
S5、基于式(2)，计算出DEL分布密度函数最大值及其对应的DEL有效值DEL(eq)：
S6、根据式(2)和式(3)，计算目标部件在不同输入组合下的DEL(eq)数据集，并按照湍流强度不对数据集进行分类整理，从而得到不同TI下的由平均风速和有功设定Pset两个输入决定的DEL(eq)数据表格；采用曲面拟合的方式对DEL(eq)数据表格进行函数拟合：
其中，ai，j(i＝0...m，j＝0...n)为需要拟合的数据；
S7、若目标部件的数量≥2，则重复S4、S5和S6，重复次数为目标部件的数量-1次；
S8、为实现有功输出调节下的风电场机组部件疲劳均匀优化控制，将优化问题表述为：
0≤Pset(j)≤Pavail(j)，i＝1，...，N (6b)
其中，N表示风电场机组数，j为第j号机组，DELi(j)为第j号风电机组第i号部件的DEL估计值，为风电场所有机组第i号部件的DEL平均值，i＝1表示为疲劳均匀分布优化的部件，Pref为有功调节需求，Pset(j)为第j号风电机组有功设定值，Pavail(j)为第j号风电机组可利用疯功率，m表示对有功输出敏感的m个部件，σ1为允许的功率偏差范围，σi为机组之间第i号部件疲劳载荷允许的偏差范围；
S9、控制策略采用基于风况特征测量的智能有功分配策略，输入组合中的输入变量为可测量或可估算变量，式(4-6)所描述的是带有不等式约束的非线性非凸优化问题，因此通过粒子群智能算法求解Pset(j)，并将Pset(j)分配至风电场风电机组局部控制系统。
2.根据权利要求1所述的有功输出调节下的风电场机组疲劳均匀分布的优化控制方法，其特征在于：在S1中，风电机组控制策略根据有功调节指令控制风电机组有功输出，设计基于等效风速估计的风电机组新型有功调节控制系统来实现不同设定转速下的风电机组有功调节指令的跟踪。
3.根据权利要求1所述的有功输出调节下的风电场机组疲劳均匀分布的优化控制方法，其特征在于：在S2中，机组部件包括机组叶片、轮毂、偏航和塔架四大部件，对该四大部件的三个方向的轴力矩Mx、My和Mz的DEL数据集进行偏态和峰态测度系数进行计算，该DEL数据集包含n个数据。
4.根据权利要求1-3中任一项所述的有功输出调节下的风电场机组疲劳均匀分布的优化控制方法，其特征在于：在S9中，通过粒子群智能算法求解Pset(j)：
群体规模为N，
第i个粒子在粒子在搜索空间中的位置表示为：xi＝(xi1，xi2，...，xiD)，
其飞行速度表示为：vi＝(vi1，vi2，...，viD)，
在第t+1代时，第i个粒子更新速度和位置：
vid(t+1)＝wvid(t)+c1r1(pid(t)-xid(t))+c2r2(pgd(t)-xid(t)) (9a)
xid(t+1)＝xid(t)+vid(t) (9b)
其中，i＝1，2，...，N d＝1，2，...，D，D为风电机组数量，Pid(t)为第i个粒子曾经到过的最佳位置，Pgd(t)为整个粒子群目前搜索到的最佳位置，w是惯性权重系数；c1和c2为加速度系数，r1和r2是(0，1)上的随机数；
Pset(j)即为粒子位置xid，对应的适应度为
5.根据权利要求4所述的有功输出调节下的风电场机组疲劳均匀分布的优化控制方法，其特征在于：粒子群智能算法的流程为：
1)、初始化xid和vid，并约束在式(6)范围内；
2)、联立式(4)和(5)，计算每个粒子的Pid(t)；
3)、计算粒子群的Pgd(t)；
4)、根据式(9)更新xid和vid，约束在式(6)的范围内；
5)、迭代次数t＝t+1；
6)若达到迭代上限值，则给出最优解；若未达到迭代上限值，则返回2)并继续循环流程，直到达到迭代上限值。
6.根据权利要求1所述的有功输出调节下的风电场机组疲劳均匀分布的优化控制方法，其特征在于：输入组合中的输入变量包括湍流强度、平均风速和可利用风功率值。
CN201810345141.5A 2018-04-17 2018-04-17 有功输出调节下的风电场机组疲劳均匀分布的优化控制方法 Active CN108533454B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810345141.5A CN108533454B (zh) 2018-04-17 2018-04-17 有功输出调节下的风电场机组疲劳均匀分布的优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810345141.5A CN108533454B (zh) 2018-04-17 2018-04-17 有功输出调节下的风电场机组疲劳均匀分布的优化控制方法

Publications (2)

Publication Number Publication Date
CN108533454A true CN108533454A (zh) 2018-09-14
CN108533454B CN108533454B (zh) 2019-08-09

Family

ID=63481299

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810345141.5A Active CN108533454B (zh) 2018-04-17 2018-04-17 有功输出调节下的风电场机组疲劳均匀分布的优化控制方法

Country Status (1)

Country Link
CN (1) CN108533454B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110535174A (zh) * 2019-07-23 2019-12-03 电子科技大学 一种考虑风电场疲劳载荷分布和产能的有功功率控制方法
CN110661302A (zh) * 2019-09-30 2020-01-07 华能澜沧江水电股份有限公司 一种基于穷举的水电站agc有功分配方法
CN111262257A (zh) * 2020-02-26 2020-06-09 沈阳工业大学 一种计及机组疲劳载荷的风电机组调频方法
CN116667344A (zh) * 2023-07-31 2023-08-29 浙江大学 海上风电场自适应局域疲劳载荷均衡调度方法及装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011095519A2 (en) * 2010-02-05 2011-08-11 Vestas Wind Systems A/S Method of operating a wind power plant
CN103441537A (zh) * 2013-06-18 2013-12-11 国家电网公司 配有储能电站的分散式风电场有功优化调控方法
CN103946540A (zh) * 2011-09-30 2014-07-23 维斯塔斯风力系统集团公司 风力涡轮机的控制
WO2016188532A1 (en) * 2015-05-27 2016-12-01 Vestas Wind Systems A/S Control of a wind turbine taking fatigue measure into account
CN106815771A (zh) * 2015-12-02 2017-06-09 中国电力科学研究院 一种风电场载荷的长期评估方法
CN107482692A (zh) * 2017-08-14 2017-12-15 清华大学 风电场有功控制的方法、装置及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011095519A2 (en) * 2010-02-05 2011-08-11 Vestas Wind Systems A/S Method of operating a wind power plant
CN103946540A (zh) * 2011-09-30 2014-07-23 维斯塔斯风力系统集团公司 风力涡轮机的控制
CN103441537A (zh) * 2013-06-18 2013-12-11 国家电网公司 配有储能电站的分散式风电场有功优化调控方法
WO2016188532A1 (en) * 2015-05-27 2016-12-01 Vestas Wind Systems A/S Control of a wind turbine taking fatigue measure into account
CN106815771A (zh) * 2015-12-02 2017-06-09 中国电力科学研究院 一种风电场载荷的长期评估方法
CN107482692A (zh) * 2017-08-14 2017-12-15 清华大学 风电场有功控制的方法、装置及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
苏永新: "风电场疲劳分布和有功功率的统一控制", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110535174A (zh) * 2019-07-23 2019-12-03 电子科技大学 一种考虑风电场疲劳载荷分布和产能的有功功率控制方法
CN110535174B (zh) * 2019-07-23 2023-03-10 电子科技大学 一种考虑风电场疲劳载荷分布和产能的有功功率控制方法
CN110661302A (zh) * 2019-09-30 2020-01-07 华能澜沧江水电股份有限公司 一种基于穷举的水电站agc有功分配方法
CN110661302B (zh) * 2019-09-30 2022-05-03 华能澜沧江水电股份有限公司 一种基于穷举的水电站agc有功分配方法
CN111262257A (zh) * 2020-02-26 2020-06-09 沈阳工业大学 一种计及机组疲劳载荷的风电机组调频方法
CN111262257B (zh) * 2020-02-26 2023-05-16 沈阳工业大学 一种计及机组疲劳载荷的风电机组调频方法
CN116667344A (zh) * 2023-07-31 2023-08-29 浙江大学 海上风电场自适应局域疲劳载荷均衡调度方法及装置
CN116667344B (zh) * 2023-07-31 2023-10-10 浙江大学 海上风电场自适应局域疲劳载荷均衡调度方法及装置

Also Published As

Publication number Publication date
CN108533454B (zh) 2019-08-09

Similar Documents

Publication Publication Date Title
CN108547735B (zh) 风电场有功输出和机组疲劳的综合优化控制方法
CN108533454B (zh) 有功输出调节下的风电场机组疲劳均匀分布的优化控制方法
CN107732960A (zh) 微电网储能系统容量优化配置方法
CN108320111A (zh) 一种超大规模水电站群短期实用化调度方法
CN110888317A (zh) 一种pid控制器参数智能优化方法
CN109737008A (zh) 风电机组智能变桨控制系统及方法、风电机组
CN105305468B (zh) 基于粒子群算法的火力发电机组一次调频参数优化方法
CN107706932A (zh) 一种基于动态自适应模糊逻辑控制器的能量调度优化方法
CN109274121B (zh) 一种风电场控制参数优化方法及系统
CN107516892A (zh) 基于处理有功优化约束条件提高电能质量的方法
CN107909211A (zh) 基于模糊c均值聚类算法的风场等值建模及优化控制方法
CN112803494B (zh) 一种含风光水火的多目标agc协调优化方法及系统
CN104037761A (zh) 一种agc功率多目标随机优化分配方法
CN110474353A (zh) 分层式储能系统及其参与的电网调频协调控制方法
CN109787251A (zh) 一种集群温控负荷聚合模型、系统参数辨识及反推控制方法
CN107834593A (zh) 一种下垂控制型孤岛微电网静态电压稳定概率评估方法
CN106026200A (zh) 风电场的电力系统无功优化方法
CN115114854A (zh) 一种虚拟电厂分布式资源两级自组织优化聚合方法及系统
CN115795992A (zh) 一种基于运行态势虚拟推演的园区能源互联网在线调度方法
CN109950933B (zh) 一种基于改进粒子群算法的风光储联合调峰优化方法
CN107069708A (zh) 一种基于极限学习机的输电网线路有功安全校正方法
CN110397553A (zh) 一种不基于模型的风电场尾流管理方法及系统
CN109726416A (zh) 一种基于新能源集群预测及潮流计算的调度决策方法
CN109584099A (zh) 电网调峰的水电站短期多目标发电计划编制方法及系统
CN110766210B (zh) 一种梯级水库群短期优化调度方法与系统

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