CN110159484B - 基于风电场场级能量控制的风电机群启停机控制方法 - Google Patents

Abstract

本发明公开了一种基于风电场场级能量控制的风电机群启停机控制方法，包括如下步骤：1.以风电场每一台风电机组为测量点，采集风机实时数据，存储历史数据，分析评估以建立风机健康度、可控性、运行力评估、周期内启停机次数四个维度的数据模型；2.启停机控制策略模型：设定单台风电机组，有功功率限制值下限为5％；对于整个风电场而言，当全场的有功功率限制值小于5％或者场内有多台有功功率不可控的风机导致整场的功率无法达到要求时，则启用停机策略；若是风电场的有功功率能力低于风电场有功功率限制值的A％，则启动场内停止的风机。本发明具有能够延长机组使用寿命，节约成本和提高稳定性的特点。

Description

基于风电场场级能量控制的风电机群启停机控制方法

技术领域

本发明涉及风电场技术领域，尤其是涉及一种能够延长机组使用寿命，节约成本和提高稳定性的基于风电场场级能量控制的风电机群启停机控制方法。

背景技术

近几年来，我国风力发电发展迅速，风电装机容量已实现翻番式增长，在全国发电装机结构中所占的比例逐步上升。但与此同时，风能利用率较低、风能间歇性、波动性和随机性对电网的影响以及风电场经济运行水平较低等问题仍然普遍存在。

在我国不少地区，由于风电过度发展，造成风电规模与电网接纳的不相协调，其电网调度运行问题越来越突出，风电场弃风限电现象也较为严重。目前，系统可提供的调峰容量与电网输送能力不足是风力发电并网运行的主要制约因素。在北方一些限电严重的区域，经常会出现大片风电机组被限制停机的现象。

而在这其中，风电机组的启停无序不仅可能会给业主带来发电量的损失，过于频繁的启停操作会大幅减少风电机组的使用寿命，带来较多的安全隐患，不利于风电场稳定经济运行。

因此，设计一套智能的风电场级启停机策略，就显得十分必要。

发明内容

本发明是为了克服现有技术中，现有风电场内的风电机组存在风能资源利用率低，安全隐患大以及难以稳定运行的问题，提供了一种能够延长机组使用寿命，节约成本和提高稳定性的基于风电场场级能量控制的风电机群启停机控制方法。

为实现上述目的，本发明采用以下技术方案：

一种基于风电场场级能量控制的风电机群启停机控制方法，包括如下步骤：

(1-1)数据测量采集与分析评估风电机组状态：

以风电场每一台风电机组为测量点，采集风机实时数据，存储历史数据，分析评估以建立风机健康度、可控性、运行力评估、周期内启停机次数四个维度的数据模型；

(1-2)启停机控制策略模型：

设定单台风电机组，有功功率限制值下限为5％；对于整个风电场而言，当全场的有功功率限制值小于5％或者场内有多台有功功率不可控的风机导致整场的功率无法达到要求时，则启用停机策略；若是风电场的有功功率能力低于风电场有功功率限制值的A％，则启动场内停止的风机。

本发明通过合理安排风电机组的启机和停机，提高风资源利用率，减少不必要的启停操作，既可以使得全场风电出力快速、安全的响应电网调度指令的变化，从而减少对电网的冲击以及发电量的损失。本发明具有能够延长机组使用寿命，节约成本和提高稳定性的特点。

作为优选，在上述步骤(1-1)中，还包括如下步骤：

(1-1-1)风电机组健康度H评估：

风电机健康度评估因素包括齿轮箱油温、齿轮箱振动、齿轮箱轴承温度、发电机轴承温度、发电机振动、变流器温度、风机偏航角度等测量数据；系统将这些实时数据采集上来，与历史数据相结合，经过控制算法模拟拟合，评估出风电机组当前健康度H，健康度H用0％-100％来表示；

(1-1-2)风电机组可控性指数S评估：

风电机组可控性评估方法采集风电机组状态信息，分析该机组是否处于可以控制状态；如果该机组不可控，记录不可控原因，不可控风电机组群根据脱控原因排定优先级序列；如果可以控制，记录当前风电机组运行状态，可控风电机组群依据状态排定优先级序列；

S在0％-100％范围，设定S大于50％为可以控制风电机组，数值越大代表该风电机组越能接受启停机操作；S小于50％为脱离控制的风电机组，数值越小代表该风电机组恢复到可控状态的可能性越低；

排序原则依据经验法则，对启停机控制算法配置可调输入参数，通过自学习手段，不断优化参数，最终得到各机组可控性评估指数S；

(1-1-3)风电机组运行力指标F：

通过采集、统计分析的手段得到风电机组当前实时风速V₀、1分钟平均风速V₁、10分钟平均风速V₂以及h时间周期内风功率预测风速V₃的数据信息；

依据资源法理论功率计算公式分别计算得出所述风电机组对应的理论发电能力RTheoW₀、RTheoW₁、RTheoW₂、RTheoW₃：

利用大数据等手段技术从历史数据中提取分析得出对应的历史实际发电能力HisTheoW₀、HisTheoW₁、HisTheoW₂、HisTheoW₃；

通过前述模糊综合评判方法评估计算得出各台机组运行力指标F；

(1-1-4)周期内启停机次数StartN和StopN：

设定周期常数T，随时间轴滑动记录每一段周期T中第i台风电机组的启机次数StartN_i以及停机次数StopN_i，分别进行启机以及停机的风电机组优先级排序。

由上述步骤可得风电机组4个状态序列：风电机组健康度H评估、风电机组可控性指数S评估、风电机组运行力指标F以及周期内启停机次数StartN、StopN。

作为优选，在上述步骤(1-1-1)风电机组健康度H评估中，还包括如下步骤：

(1-1-1-1)单个测量数据的健康状态l_ij：

单个测量数据的健康状态采用相对劣化度来进行评估，取值范围在[0，1]；

对于越小越优型模型如发电机温度等，计算公式为：

对于越大越优型模型如转速等，计算公式为：

对于中间型如偏航角度等，计算公式为：

其中，l_ij为第i台风电机组第j种参数的劣化度，C_i为第i台风电机组实测值，C_max为风电机组该参数允许最大值，C_min为风电机组该参数允许最小值，C₀为风电机组该参数的最优值；

(1-1-1-2)风电机组测量数据的综合健康状态H_i：

基于所有测量参数的劣化度分析，采用模糊综合评判方法，对每一个测量参数的劣化度以及该参数与风机健康状况的关联性进行综合评估分析，最终得出风电机组的健康状态H_i：

其中，H_i为第i台风电机组综合健康状态，l_ij为第i台风电机组第j种参数的劣化度，K_ij为第i台风电机组第j种参数对H_i评定的重要程度，或称为权重；针对第i台机组，可得权重集K_i＝(K_i1，K_i2，K_i3，…，K_ij)，参数状态集L_i＝(l_i1，l_i2，l_i3，…，l_ij)；

在此引入经验算法模型以及故障诊断系统累积的历史故障记录，由相关领域提供经验参数，结合历史记录，拟合出合理权重，该权重也会在后续风电机组运行中不断优化，K_ij值在0到1之间；

基于模糊综合评判方法，应用模糊关系矩阵的符合运算：

H_i＝L_i.K_i

由此可以得到各风电机组健康度的排队序列。

作为优选，步骤(1-2)启停机控制策略模型中，还包括如下步骤：

(1-2-1)停机策略：

全场的有功功率限制值小于5％或者场内有多台有功功率不可控的风机导致整场的功率无法达到要求时，进入停机条件；需要停机的缺口为风场实际有功功率和风场有功功率限制值的差值；

(1-2-2)启机策略：

若是风场的有功功率能力小于风场有功功率限制值的A％，则进入启机条件；需要启机的缺口为风场有功功率限制值与风场有功功率能力的差值；

(1-2-3)临界状态下的启停保护优化：

若是风场的有功功率能力与风场有功功率限制值一直处于临界状态波动，为避免风电机组频繁启停操作，周期内启停机次数的权重系数c会随着StartN、StopN的增长而增长，减少重复启停次数，保护风电机组，延长其使用寿命；

同时，算法会降低启机命令优先级，优先以最少的风电机组运行发电去跟随风场有功功率限制值指令。

作为优选，步骤(1-2-1)停机策略中，还包括如下步骤：

(1-2-1-1)风电机组停机序列生成：

算法先行考量评估风电机组可控性指数S，将不可控风电机组剔除，生成不可控风电机组序列ListUCStop，排序方式按照从高到低的顺序，即50％-0％；

接下来考量风电机组健康度H评估、风电机组运行力指标F以及周期内停机次数StopN，并构造多目标函数如下：

J1＝max(aH+bF-cStopN)

其中a为风电机组健康度H的权重系数，b为风电机组运行力指标F的权重系数，c为周期内停机次数StopN的权重系数；

由此生成可控风电机组停机序列ListCStop，排序方式按照J1从低到高的顺，J1越低表明风机状态等指标越差，越需要优先停机；

(1-2-1-2)风电机组进入停机过程：

从可控风电机组停机序列ListCStop中，从头进行挑选，直至选中的风机的总有功功率等于或者大于需要停机的缺口时，给选中的风机下发停机命令，并且等待一段时间，检测最后结果是否满足要求，满足则退出停机逻辑，反之继续停止风机；

若是风场有功功率限制值小于风场内有功功率不受控机组的总有功功率，则将可控风电机组停机序列ListCStop放置在该停机序列的前半段，将不可控风电机组序列ListUCStop放置在该停机序列的后半段，计入停机等待序列。

作为优选，步骤(1-2-2)启机策略中，还包括如下步骤：

(1-2-2-1)风电机组启机序列生成：

算法先行考量评估风电机组可控性指数S，将不可控风电机组剔除，生成不可控风电机组序列ListUcStop，排序方式按照从高到低的顺序，即50％-0％；

接着考量风电机组健康度H评估、风电机组运行力指标F以及周期内启机次数StartN，并构造多目标函数如下：

J2＝max(aH+bF-cStartN)

其中a为风电机组健康度H的权重系数，b为风电机组运行力指标F的权重系数，c为周期内启机次数StartN的权重系数；

接下来保证风场运行中负荷的平稳，在启机过程中，系统优先保证启机后整场的负荷能在一个有利于负荷控制的水平上，即：

SP≤c*W theo

式中：c为经验系数，W theo为启机后的风场理论功率；

由此综合考虑后生成可控风电机组启机序列ListCStart，排序方式按照J2从高到低的顺序，J2越高表明风机状态等指标越好，越需要优先启机；

(1-2-2-2)风电机组进入启机过程：

从可控风电机组停机序列ListCStart中，从头进行挑选，直至选中的台风机的总有功功率能力等于或者大于需要启机的缺口时，给选中的台风机下发启机命令，并且等待一段时间，检测最后结果是否满足要求，满足则退出启机逻辑，反之继续启动风机。

因此，本发明具有如下有益效果：(1)本发明通过合理安排风电机组的启机和停机，提高风资源利用率，减少发电量的损失；(2)本发明能够延长风电机组使用寿命，节约成本和提高稳定性。

附图说明

图1是本发明的一种流程图。

具体实施方式

下面结合附图与具体实施方式对本发明做进一步的描述：

实施例：如图1所示的一种基于风电场场级能量控制的风电机群启停机控制方法，包括如下步骤：

(1-1)数据测量采集与分析评估风电机组状态：

以风电场每一台风电机组为测量点，采集风机实时数据，存储历史数据，分析评估以建立风机健康度、可控性、运行力评估、周期内启停机次数四个维度的数据模型；

(1-1-1)风电机组健康度H评估：

风电机健康度评估因素包括齿轮箱油温、齿轮箱振动、齿轮箱轴承温度、发电机轴承温度、发电机振动、变流器温度、风机偏航角度等测量数据；系统将这些实时数据采集上来，与历史数据相结合，经过控制算法模拟拟合，评估出风电机组当前健康度H，健康度H用0％-100％来表示；

(1-1-1-1)单个测量数据的健康状态l_ij：

单个测量数据的健康状态采用相对劣化度来进行评估，取值范围在[0，1]；

对于越小越优型模型如发电机温度等，计算公式为：

对于越大越优型模型如转速等，计算公式为：

对于中间型如偏航角度等，计算公式为：

其中，l_ij为第i台风电机组第j种参数的劣化度，C_i为第i台风电机组实测值，C_max为风电机组该参数允许最大值，C_min为风电机组该参数允许最小值，C₀为风电机组该参数的最优值；

(1-1-1-2)风电机组测量数据的综合健康状态H_i：

基于所有测量参数的劣化度分析，采用模糊综合评判方法，对每一个测量参数的劣化度以及该参数与风机健康状况的关联性进行综合评估分析，最终得出风电机组的健康状态H_i：

其中，H_i为第i台风电机组综合健康状态，l_ij为第i台风电机组第j种参数的劣化度，K_ij为第i台风电机组第j种参数对H_i评定的重要程度，或称为权重；针对第i台机组，可得权重集K_i＝(K_i1，K_i2，K_i3，…，K_ij)，参数状态集L_i＝(l_i1，l_i2，l_i3，…，l_ij)；

在此引入经验算法模型以及故障诊断系统累积的历史故障记录，由相关领域提供经验参数，结合历史记录，拟合出合理权重，该权重也会在后续风电机组运行中不断优化，K_ij值在0到1之间；

基于模糊综合评判方法，应用模糊关系矩阵的符合运算：

H_i＝L_i.K_i

由此可以得到各风电机组健康度的排队序列。

(1-1-2)风电机组可控性指数S评估：

风电机组可控性评估方法采集风电机组状态信息，分析该机组是否处于可以控制状态；如果该机组不可控，记录不可控原因，不可控风电机组群根据脱控原因排定优先级序列；如果可以控制，记录当前风电机组运行状态，可控风电机组群依据状态排定优先级序列；

S在0％-100％范围，设定S大于50％为可以控制风电机组，数值越大代表该风电机组越能接受启停机操作；S小于50％为脱离控制的风电机组，数值越小代表该风电机组恢复到可控状态的可能性越低；

排序原则依据经验法则，对启停机控制算法配置可调输入参数，通过自学习手段，不断优化参数，最终得到各机组可控性评估指数S；

(1-1-3)风电机组运行力指标F：

通过采集、统计分析的手段得到风电机组当前实时风速V₀、1分钟平均风速V₁、10分钟平均风速V₂以及h时间周期内风功率预测风速V₃的数据信息；

依据资源法理论功率计算公式分别计算得出所述风电机组对应的理论发电能力RTheoW₀、RTheoW₁、RTheoW₂、RTheoW₃；

利用大数据等手段技术从历史数据中提取分析得出对应的历史实际发电能力HisTheoW₀、HisTheoW₁、HisTheoW₂、HisTheoW₃；

通过前述模糊综合评判方法评估计算得出各台机组运行力指标F；

(1-1-4)周期内启停机次数StartN和StopN：

设定周期常数T，随时间轴滑动记录每一段周期T中第i台风电机组的启机次数StartN_i以及停机次数StopN_i，分别进行启机以及停机的风电机组优先级排序。

由上述步骤可得风电机组4个状态序列：风电机组健康度H评估、风电机组可控性指数S评估、风电机组运行力指标F以及周期内启停机次数StartN、StopN。

(1-2)启停机控制策略模型：

设定单台风电机组，有功功率限制值下限为5％；对于整个风电场而言，当全场的有功功率限制值小于5％或者场内有多台有功功率不可控的风机导致整场的功率无法达到要求时，则启用停机策略；若是风电场的有功功率能力低于风电场有功功率限制值的A％，则启动场内停止的风机；

其中，参数A％的具体数值可自行设定。

(1-2-1)停机策略：

全场的有功功率限制值小于5％或者场内有多台有功功率不可控的风机导致整场的功率无法达到要求时，进入停机条件；需要停机的缺口为风场实际有功功率和风场有功功率限制值的差值；

(1-2-1-1)风电机组停机序列生成：

算法先行考量评估风电机组可控性指数S，将不可控风电机组剔除，生成不可控风电机组序列ListUCStop，排序方式按照从高到低的顺序，即50％-0％；

接下来考量风电机组健康度H评估、风电机组运行力指标F以及周期内停机次数StopN，并构造多目标函数如下：

J1＝max(aH+bF-cStopN)

其中a为风电机组健康度H的权重系数，b为风电机组运行力指标F的权重系数，c为周期内停机次数StopN的权重系数；

由此生成可控风电机组停机序列ListCStop，排序方式按照J1从低到高的顺，J1越低表明风机状态等指标越差，越需要优先停机；

(1-2-1-2)风电机组进入停机过程：

从可控风电机组停机序列ListCStop中，从头进行挑选，直至选中的风机的总有功功率等于或者大于需要停机的缺口时，给选中的风机下发停机命令，并且等待一段时间，检测最后结果是否满足要求，满足则退出停机逻辑，反之继续停止风机；

若是风场有功功率限制值小于风场内有功功率不受控机组的总有功功率，则将可控风电机组停机序列ListCStop放置在该停机序列的前半段，将不可控风电机组序列ListuCStop放置在该停机序列的后半段，计入停机等待序列。

另外，若是业主有特殊要求，可设置样板机可停或者样板机不可停或者个别几台机组不可停，修改停机序列即可。

(1-2-2)启机策略：

若是风场的有功功率能力小于风场有功功率限制值的A％，则进入启机条件；需要启机的缺口为风场有功功率限制值与风场有功功率能力的差值；

(1-2-2-1)风电机组启机序列生成：

算法先行考量评估风电机组可控性指数S，将不可控风电机组剔除，生成不可控风电机组序列ListUcStop，排序方式按照从高到低的顺序，即50％-0％；

接着考量风电机组健康度H评估、风电机组运行力指标F以及周期内启机次数StartN，并构造多目标函数如下：

J2＝max(aH+bF-cStartN)

其中a为风电机组健康度H的权重系数，b为风电机组运行力指标F的权重系数，c为周期内启机次数StartN的权重系数；

接下来保证风场运行中负荷的平稳，在启机过程中，系统优先保证启机后整场的负荷能在一个有利于负荷控制的水平上，即：

SP≤c*W theo

式中：c为经验系数，W theo为启机后的风场理论功率；

由此综合考虑后生成可控风电机组启机序列ListCStart，排序方式按照J2从高到低的顺序，J2越高表明风机状态等指标越好，越需要优先启机；

(1-2-2-2)风电机组进入启机过程：

从可控风电机组停机序列ListCStart中，从头进行挑选，直至选中的台风机的总有功功率能力等于或者大于需要启机的缺口时，给选中的台风机下发启机命令，并且等待一段时间，检测最后结果是否满足要求，满足则退出启机逻辑，反之继续启动风机。

另外，若是业主有需求，可将样板机放置在该序列的前半段，其余机组放置在后半段。

(1-2-3)临界状态下的启停保护优化：

若是风场的有功功率能力与风场有功功率限制值一直处于临界状态波动，为避免风电机组频繁启停操作，周期内启停机次数的权重系数c会随着StartN、StopN的增长而增长，减少重复启停次数，保护风电机组，延长其使用寿命；

同时，算法会降低启机命令优先级，优先以最少的风电机组运行发电去跟随风场有功功率限制值指令。

应理解，本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

Claims (2)

1.一种基于风电场场级能量控制的风电机群启停机控制方法，其特征是，包括如下步骤： (1-1)数据测量采集与分析评估风电机组状态： 以风电场每一台风电机组为测量点，采集风机实时数据，存储历史数据，分析评估以建立风机健康度、可控性、运行力评估、周期内启停机次数四个维度的数据模型；

(1-1-1)风电机组健康度H评估： 风电机健康度评估因素包括齿轮箱油温、齿轮箱振动、齿轮箱轴承温度、发电机轴承温度、发电机振动、变流器温度、风机偏航角度测量数据；系统将这些实时数据采集上来，与历史数据相结合，经过控制算法模拟拟合，评估出风电机组当前健康度H，健康度H用0％-100％来表示；

(1-1-2)风电机组可控性指数S评估： 风电机组可控性评估方法采集风电机组状态信息，分析该机组是否处于可以控制状态；如果该机组不可控，记录不可控原因，不可控风电机组群根据脱控原因排定优先级序列；如果可以控制，记录当前风电机组运行状态，可控风电机组群依据状态排定优先级序列； S在0％-100％范围，设定S大于50％为可以控制风电机组，数值越大代表该风电机组越能接受启停机操作；S小于50％为脱离控制的风电机组，数值越小代表该风电机组恢复到可控状态的可能性越低； 排序原则依据经验法则，对启停机控制算法配置可调输入参数，通过自学习手段，不断优化参数，最终得到各机组可控性评估指数S；

(1-1-3)风电机组运行力指标F： 通过采集、统计分析的手段得到风电机组当前实时风速V₀、1分钟平均风速V₁、10分钟平均风速V₂以及h时间周期内风功率预测风速V₃的数据信息；依据资源法理论功率计算公式分别计算得出所述风电机组对应的理论发电能力RTheoW₀、RTheoW₁、RTheoW₂、RTheoW₃；利用大数据手段技术从历史数据中提取分析得出对应的历史实际发电能力HisTheoW₀、HISTheoW₁、HisTheoW₂、HisTheoW₃； 利用模糊综合评判方法评估计算得出各台机组运行力指标F；

(1-1-4)周期内启停机次数StartN和StopN： 设定周期常数T，随时间轴滑动记录每一段周期T中第i台风电机组的启机次数StartN_i以及停机次数StopN_i，分别进行启机以及停机的风电机组优先级排序；

(1-2)启停机控制策略模型： 设定单台风电机组，有功功率限制值下限为5％；对于整个风电场而言，当全场的有功功率限制值小于5％或者场内有多台有功功率不可控的风机导致整场的功率无法达到要求时，则启用停机策略；若是风电场的有功功率能力低于风电场有功功率限制值的A％，则启动场内停止的风机；

(1-2-1)停机策略： 全场的有功功率限制值小于5％或者场内有多台有功功率不可控的风机导致整场的功率无法达到要求时，进入停机条件；需要停机的缺口为风场实际有功功率和风场有功功率限制值的差值；

(1-2-1-1)风电机组停机序列生成：

算法先行考量评估风电机组可控性指数S，将不可控风电机组剔除，生成不可控风电机组序列ListUCStop，排序方式按照从高到低的顺序，即50％-0％；

接下来考量风电机组健康度H评估、风电机组运行力指标F以及周期内停机次数StopN，并构造多目标函数如下：

J1＝max(aH+bF-c1StopN)

其中a为风电机组健康度H的权重系数，b为风电机组运行力指标F的权重系数，c1为周期内停机次数StopN的权重系数；

由此生成可控风电机组停机序列ListCStop,排序方式按照J1从低到高的顺，J1越低表明风机状态指标越差，越需要优先停机；

(1-2-1-2)风电机组进入停机过程：

从可控风电机组停机序列ListCStop中，从头进行挑选，直至选中的风机的总有功功率等于或者大于需要停机的缺口时，给选中的风机下发停机命令，并且等待一段时间，检测最后结果是否满足要求，满足则退出停机逻辑，反之继续停止风机；

若是风场有功功率限制值小于风场内有功功率不受控机组的总有功功率，则将可控风电机组停机序列ListCStop放置在该停机序列的前半段，将不可控风电机组序列ListUCStop放置在该停机序列的后半段，计入停机等待序列；

(1-2-2)启机策略：若是风场的有功功率能力小于风场有功功率限制值的A％，则进入启机条件；需要启机的缺口为风场有功功率限制值与风场有功功率能力的差值；

(1-2-2-1)风电机组启机序列生成：

算法先行考量评估风电机组可控性指数S，将不可控风电机组剔除，生成不可控风电机组序列ListUcStop，排序方式按照从高到低的顺序，即50％-0％；

接着考量风电机组健康度H评估、风电机组运行力指标F以及周期内启机次数StartN，并构造多目标函数如下：

J2＝max(aH+bF-c2StartN)

其中a为风电机组健康度H的权重系数，b为风电机组运行力指标F的权重系数，c2为周期内启机次数StartN的权重系数；

接下来保证风场运行中负荷的平稳，在启机过程中，系统优先保证启机后整场的负荷能SP在一个有利于负荷控制的水平上，即： SP≤c3*Wtheo

式中：c3为经验系数，Wtheo为启机后的风场理论功率；

由此综合考虑后生成可控风电机组启机序列ListCStart,排序方式按照J2从高到低的顺序，J2越高表明风机状态指标越好，越需要优先启机；

(1-2-2-2)风电机组进入启机过程：

从可控风电机组停机序列ListCStop中，从头进行挑选，直至选中的台风机的总有功功率能力等于或者大于需要启机的缺口时，给选中的台风机下发启机命令，并且等待一段时间，检测最后结果是否满足要求，满足则退出启机逻辑，反之继续启动风机；

(1-2-3)临界状态下的启停保护优化： 若是风场的有功功率能力与风场有功功率限制值一直处于临界状态波动，为避免风电机组频繁启停操作，周期内启停机次数的权重系数随着StartN、StopN的增长而增长，减少重复启停次数，保护风电机组，延长其使用寿命；同时，算法会降低启机命令优先级，优先以最少的风电机组运行发电去跟随风场有功功率限制值指令。

2.根据权利要求1所述的基于风电场场级能量控制的风电机群启停机控制方法，其特征是，步骤(1-1-1)还包括如下步骤：

(1-1-1-1)单个测量数据的健康状态l_ij：

单个测量数据的健康状态采用相对劣化度来进行评估，取值范围在[0,1]；

对于越小越优型模型如发电机温度，计算公式为：

对于越大越优型模型如转速，计算公式为：

对于中间型如偏航角度，计算公式为：

其中，l_ij为第i台风电机组第j种参数的劣化度，C_i为第i台风电机组实测值，C_max为风电机组该参数允许最大值，C_min为风电机组该参数允许最小值，C₀为风电机组该参数的最优值；

(1-1-1-2)风电机组测量数据的综合健康状态H_i：

基于所有测量参数的劣化度分析，采用模糊综合评判方法，对每一个测量参数的劣化度以及该参数与风机健康状况的关联性进行综合评估分析，最终得出风电机组的健康状态H_i：

其中，H_i为第i台风电机组综合健康状态，l_ij为第i台风电机组第j种参数的劣化度，K_ij为第i台风电机组第j种参数对H_i评定的重要程度，或称为权重；针对第i台机组，可得权重集K_i＝(K_i1,K_i2,K_i3,…，K_ij)，参数状态集L_i＝(l_i1,l_i2,l_i3,…，l_ij)； 接着引入经验算法模型以及故障诊断系统累积的历史故障记录，由相关领域提供经验参数，结合历史记录，拟合出合理权重，该权重也会在后续风电机组运行中不断优化，K_ij值在0到1之间；

基于模糊综合评判方法，应用模糊关系矩阵的符合运算： H_i＝L_iK_i

由此可以得到各风电机组健康度的排队序列。

Images