CN110535174B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN110535174B CN110535174B CN201910665297.6A CN201910665297A CN110535174B CN 110535174 B CN110535174 B CN 110535174B CN 201910665297 A CN201910665297 A CN 201910665297A CN 110535174 B CN110535174 B CN 110535174B
- Authority
- CN
- China
- Prior art keywords
- fan
- wind
- particle
- adaptive value
- power plant
- 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
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- 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
- Y02E10/76—Power conversion electric or electronic aspects
Abstract
本发明公开了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,以风电场风机疲劳分布和总有功功率作为混合目标函数,对风电场的有功控制策略进行优化,综合考虑了风电场产能和疲劳分布对风电成本的影响,这样不会因为不平衡的疲劳分布来导致风电场维修次数以及停产时间增加,从而得到更加合理的有功功率控制方法。
Description
技术领域
本发明属于风电场技术领域,更为具体地讲,涉及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。
背景技术
能源是人类社会生存发展的重要物质基础,攸关国计民生和国家战略竞争力。当前,世界能源格局深刻调整,供求关系总体缓和,应对气候变化进入新阶段,新一轮能源革命蓬勃兴起。随着世界各国对能源安全、生态环境、气候变化等问题日益重视,新能源的发展必将是本轮能源革命中的重中之重。我国地理环境中,有着绵长的海岸线、广阔的草原和戈壁,风力资源十分充足。与之对应,近年来我国风力发电技术和应用范围逐年增加,我国风电新增装机容量连续五年领跑全球,在电源结构中的比重逐年提高,中东部和南方地区的风电开发建设取得积极成效。与此同时,经济性仍是制约风电发展的重要因素。与传统的化石能源电力相比,风电的发电成本仍比较高,补贴需求和政策依赖性较强,行业发展受政策变动影响较大。因此通过对风电场有功功率控制策略进行优化来降低发电成本很有必要。
近些年,国内外都在风电场有功控制策略优化方面取得了不少成果。例如,文献“P.Hou,W.Hu,B.Zhang,M.Soltani,c.Chen,and Z.Chen.Optimised power dispatchstrategy for offshore wind farms.IET Renewable Power Generation,vol.3, 2016,pp.399-409.”基于标准化单位成本,采用粒子群算法优化了风电场有功控制策略;文献“H.Zhao,Q.Wu,S.Huang,M.Shahidehpour,Q.Guo and H.Sun, "Fatigue LoadSensitivity-Based Optimal Active Power Dispatch For Wind Farms", in IEEETransactions on sustainable energy,vol.8,no.3,pp.1247-1259,July.2017.”将风机疲劳载荷对风机的功率的偏导定义为疲劳敏感度,并以最小化所有风机疲劳敏感度的和为目标提出了一种优化控制策略。实际上,风力发电成本既跟风电场的能量产出相关,也跟风机的疲劳累计相关。因为后者关系到风电场的维修费用。因此,需要提出一种既考虑风电产出又考虑风电场疲劳的风电场有功控制策略。
发明内容
本发明的目的在于克服现有技术的不足,提供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,在增加风电场总产能的同时,还能够平衡风电场的疲劳分布,从而有效实现风电场的有功功率控制。
为实现上述发明目的,本发明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,其特征在于,包括以下步骤:
(1)、构建改进型有功功率控制的风电场模型;
(1.1)、构建风速的尾流模型;
其中,Vj→i是尾流从风机j传递到风机i的风速的衰减量,V0是进入风电场的初始风速,是t时刻风机j的推力参数,Ri是风机i的叶片半径,Rj→i是风机j产生的尾流在风机i处的半径,是风机j产生的尾流与风机i的重叠面积,Si是风机i的叶片面积,Lj→i是风机j和风机i之间的距离,k是尾流衰减常数,Vi是风机i的输入风速,N是对风机i有效的尾流数;
(1.2)、构建风力发电机能量捕获模型;
其中,Pi mec表示风机i捕获的能量,ρ是空气密度,R是风机叶片半径,Vi是作用在风机i上的有效风速,Cp是风机的功率参数,ωi为风机i的转速;
(1.3)、构建风力发电机的疲劳载荷模型;
其中,Fc是风机的疲劳参数,是跟风电场布局和风力分布有关的常数,P(τ) 是风机在τ时刻的功率,Prated是风机的额定功率,Tlife是风机的设计寿命,r是风机的维修系数,D是湍流扰动系数,Ieff是有效湍流密度,t0,表示初始时刻,Vcut-in风机的切入风速,Vcut-out风机的切出风速;
(2)、构建改进型有功功率控制的混合目标函数;
其中,β为风机的浆距角,上角标tra和pro分别代表传统有功控制和改进型有功功率控制,fstd是风电场疲劳载荷的标准差,PWF是风电场的总功率,λ是权重因子;
(3)、构建改进型有功功率控制的约束条件;
其中,Pi为风电场中风机i的功率,Prated为风电场中所用风机的额定功率,ωrated为风电场中所用风机的额定转速,PWF-A为风电场采用最大点功率跟踪法 (MPPT)时的功率,PWF-B为风电场采用改进型有功功率策略优化方法时的功率,βmin和βmax为风电场中所用风机的最小浆距角和最大浆距角;
(4)、基于风电场模型和约束条件,采用粒子群算法对混合目标函数进行优化;
(4.1)、设置粒子群算法的最大迭代次数;初始化粒子群算法中的各粒子的维度为风电场的风机台数n;在解空间范围内,随机初始化粒子种群中各粒子的位置和速度,位置和速度都由n维向量表示;
在满足步骤(3)中约束条件的情况下,任意给定一组风电场的初始浆距角βi,那么,位置的n维向量表示风电场中n台风机各自的浆距角βi;
(4.2)、定义数组lbest和gbest;
根据混合目标函数计算每个粒子的应度,再将当前各粒子的位置和适应值存储在lbest中,将lbest中最大适应值及对应的位置作为群体的历史最优适应值及对应位置,再存储在gbest中;
(4.3)、对于每个粒子,如果当前位置的适应值优于历史最优值,则将历史最优适应值及对应位置用该粒子当前的状态进行替换;对于每个粒子,若当前位置的适应适应值优于群体的历史最优适应值,则将群体的历史最优适应值及对应位置用该粒子当前的状态进行替换;
(4.4)、判断迭代次数是否达到最大迭代次数,若达到,进入步骤(4.7);若未达到,进入步骤(4.5);
(4.5)、更新粒子群算法中粒子的速度:
其中,vi(k)表示第k次迭代时第i个粒子的速度,c1、c2为学习因子,r1、r2为0-1之间的随机数,表示第k次迭代时第i个粒子的历史最优适应值对应位置,表示第k次迭代时群体的历史最优适应值对应位置,xi(k-1)表示上一次迭代时第i个粒子的位置;
更新粒子群算法中粒子的位置:
xi(k)=xi(k-1)+vi(k)
(4.6)、将当前迭代次数k加1,再返回至步骤(4.2);
(4.7)、输出每个粒子的历史最优适应值对应的位置,从而找到风电场中每台风机的实际浆距角,从而控制风电场中各台风机的运行。
本发明的发明目的是这样实现的:
本发明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,以风电场风机疲劳分布和总有功功率作为混合目标函数,对风电场的有功控制策略进行优化,综合考虑了风电场产能和疲劳分布对风电成本的影响,这样不会因为不平衡的疲劳分布来导致风电场维修次数以及停产时间增加,从而得到更加合理的有功功率控制方法。
附图说明
图1是本发明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流程图;
图2是改进型有功功率控制的风电场原理图;
图3是粒子群算法对混合目标函数进行优化流程图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图1是本发明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流程图。
在本实施例中,如图1所示,本发明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,包括以下步骤:
S1、构建改进型有功功率控制的风电场模型:包括风速的尾流模型、风力发电机的能量捕获模型和风力发电机的疲劳载荷模型;
如图2所示,风速的尾流模型、风力发电机的能量捕获模型和风力发电机的疲劳载荷模型与风力发电机控制中心单元连接,而各风力发电机的控制中心单元又与风电场的调度中心相连接;风电场有功功率控制策略的优化方法集成在风电场调度中心,它负责给每台风机提供参考功率。风机控制中心则会根据参考功率来控制风机,让它们按参考功率进行出力。
下面我们对建模的具体过程进行详细描述:
S1.1、构建风速的尾流模型;
其中,Vj→i是尾流从风机j传递到风机i的风速的衰减量,V0是进入风电场的初始风速,是t时刻风机j的推力参数,Ri是风机i的叶片半径,Rj→i是风机j产生的尾流在风机i处的半径,是风机j产生的尾流与风机i的重叠面积,Si是风机i的叶片面积,Lj→i是风机j和风机i之间的距离,k是尾流衰减常数,Vi是风机i的输入风速,N是对风机i有效的尾流数;
S1.2、构建风力发电机能量捕获模型;
其中,Pi mec表示风机i捕获的能量,ρ是空气密度,R是风机叶片半径,Vi是作用在风机i上的有效风速,Cp是风机的功率参数,ωi为风机i的转速;
S1.3、构建风力发电机的疲劳载荷模型;
其中,Fc是风机的疲劳参数,是跟风电场布局和风力分布有关的常数,P(τ) 是风机在τ时刻的功率,Prated是风机的额定功率,Tlife是风机的设计寿命,r是风机的维修系数,D是湍流扰动系数,Ieff是有效湍流密度,t0,表示初始时刻,Vcut-in风机的切入风速,Vcut-out风机的切出风速;
通过上式可以看出,风机的疲劳是一个积累的过程。
S2、构建改进型有功功率控制的混合目标函数;
其中,β为风机的浆距角,上角标tra和pro分别代表传统有功控制和改进型有功功率控制,fstd是风电场疲劳载荷的标准差,PWF是风电场的总功率,λ是权重因子;
S3、构建改进型有功功率控制的约束条件;
其中,Pi为风电场中第i台风机的功率,Prated为风电场中所用风机的额定功率,ωi为风电场中第i台风机的转速,ωrated为风电场中所用风机的额定转速,PWF-A为风电场采用最大点功率跟踪法(MPPT)时的功率,PWF-B为风电场采用改进型有功功率策略优化方法时的功率,βi为风电场中第i台风机的浆距角,βmin和βmax为风电场中所用风机的最小浆距角和最大浆距角;在本实施例中,最后一个不等式能够防止风机运行进入失速区。
S4、基于风电场模型和约束条件,如图3所示,采用粒子群算法对混合目标函数进行优化;
S4.1、设置粒子群算法的最大迭代次数;初始化粒子群算法中的各粒子的维度为风电场的风机台数n;在解空间范围内,随机初始化粒子种群中各粒子的位置和速度,位置和速度都由n维向量表示;
在满足步骤S3中约束条件的情况下,任意给定一组风电场的初始浆距角βi,那么,位置的n维向量表示风电场中n台风机各自的浆距角βi;
S4.2、定义数组lbest和gbest;
根据混合目标函数计算每个粒子的应度,再将当前各粒子的位置和适应值存储在lbest中,将lbest中最大适应值及对应的位置作为群体的历史最优适应值及对应位置,再存储在gbest中;
S4.3、对于每个粒子,如果当前位置的适应值优于历史最优值,则将历史最优适应值及对应位置用该粒子当前的状态进行替换;对于每个粒子,若当前位置的适应适应值优于群体的历史最优适应值,则将群体的历史最优适应值及对应位置用该粒子当前的状态进行替换;
S4.4、判断迭代次数是否达到最大迭代次数,若达到,进入步骤S4.7;若未达到,进入步骤S4.5;
S4.5、更新粒子群算法中粒子的速度:
其中,vi(k)表示第k次迭代时第i个粒子的速度,c1、c2为学习因子,r1、r2为0-1之间的随机数,表示第k次迭代时第i个粒子的历史最优适应值对应位置,表示第k次迭代时群体的历史最优适应值对应位置,xi(k-1)表示上一次迭代时第i个粒子的位置;
更新粒子群算法中粒子的位置:
xi(k)=xi(k-1)+vi(k)
S4.6、将当前迭代次数k加1,再返回至步骤S4.2;
S4.7、输出每个粒子的历史最优适应值对应的位置,从而找到风电场中每台风机的实际浆距角,从而控制风电场中各台风机的运行。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (1)
1.一种考虑风电场疲劳载荷分布和产能的有功功率控制方法,其特征在于,包括以下步骤:
(1)、构建改进型有功功率控制的风电场模型;
(1.1)、构建风速的尾流模型;
其中,Vj→i是尾流从风机j传递到风机i的风速的衰减量,V0是进入风电场的初始风速,是t时刻风机j的推力参数,Ri是风机i的叶片半径,Rj→i是风机j产生的尾流在风机i处的半径,是风机j产生的尾流与风机i的重叠面积,Si是风机i的叶片面积,Lj→i是风机j和风机i之间的距离,k是尾流衰减常数,Vi是风机i的输入风速,N是对风机i有效的尾流数;
(1.2)、构建风力发电机能量捕获模型;
(1.3)、构建风力发电机的疲劳载荷模型;
其中,Fc是风机的疲劳参数,是跟风电场布局和风力分布有关的常数,P(τ)是风机在τ时刻的功率,Prated是风机的额定功率,Tlife是风机的设计寿命,r是风机的维修系数,D是湍流扰动系数,Ieff是有效湍流密度,t0,表示初始时刻,Vcut-in风机的切入风速,Vcut-out风机的切出风速;
(2)、构建改进型有功功率控制的混合目标函数;
其中,β为风机的浆距角,上角标tra和pro分别代表传统有功控制和改进型有功功率控制,fstd是风电场疲劳载荷的标准差,PWF是风电场的总功率,λ是权重因子;
(3)、构建改进型有功功率控制的约束条件;
其中,Pi为风电场中风机i的功率,Prated为风电场中所用风机的额定功率,ωrated为风电场中所用风机的额定转速,PWF-A为风电场采用最大点功率跟踪法(MPPT)时的功率,PWF-B为风电场采用改进型有功功率策略优化方法时的功率,βi为风机i的浆距角,βmin和βmax为风电场中所用风机的最小浆距角和最大浆距角;
(4)、基于风电场模型和约束条件,采用粒子群算法对混合目标函数进行优化,找到风电场中每台风机的实际浆距角,从而控制风电场中各台风机的运行;
其中,采用粒子群算法对混合目标函数进行优化的过程为:
(4.1)、设置粒子群算法的最大迭代次数;初始化粒子群算法中的各粒子的维度为风电场的风机台数n;在解空间范围内,随机初始化粒子种群中各粒子的位置和速度,位置和速度都由n维向量表示;
在满足约束条件的情况下,任意给定一组风电场的初始浆距角βi,那么,位置的n维向量表示风电场中n台风机各自的浆距角βi;
(4.2)、定义数组lbest和gbest;
根据混合目标函数计算每个粒子的应度,再将当前各粒子的位置和适应值存储在lbest中,将lbest中最大适应值及对应的位置作为群体的历史最优适应值及对应位置,再存储在gbest中;
(4.3)、对于每个粒子,如果当前位置的适应值优于历史最优值,则将历史最优适应值及对应位置用该粒子当前的状态进行替换;对于每个粒子,若当前位置的适应值优于群体的历史最优适应值,则将群体的历史最优适应值及对应位置用该粒子当前的状态进行替换;
(4.4)、判断迭代次数是否达到最大迭代次数,若达到,进入步骤(4.7);若未达到,进入步骤(4.5);
(4.5)、更新粒子群算法中粒子的速度:
其中,vi(k)表示第k次迭代时第i个粒子的速度,c1、c2为学习因子,r1、r2为0-1之间的随机数,表示第k次迭代时第i个粒子的历史最优适应值对应位置,表示第k次迭代时群体的历史最优适应值对应位置,xi(k-1)表示上一次迭代时第i个粒子的位置;
更新粒子群算法中粒子的位置:
xi(k)=xi(k-1)+vi(k)
(4.6)、将当前迭代次数k加1,再返回至步骤(4.2);
(4.7)、输出每个粒子的历史最优适应值对应的位置,从而找到风电场中每台风机的实际浆距角,从而控制风电场中各台风机的运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910665297.6A CN110535174B (zh) | 2019-07-23 | 2019-07-23 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910665297.6A CN110535174B (zh) | 2019-07-23 | 2019-07-23 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110535174A CN110535174A (zh) | 2019-12-03 |
CN110535174B true CN110535174B (zh) | 2023-03-10 |
Family
ID=68661682
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910665297.6A Active CN110535174B (zh) | 2019-07-23 | 2019-07-23 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110535174B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112234616B (zh) * | 2020-10-13 | 2023-01-06 | 青岛百恒新能源技术有限公司 | 风电场有功功率优化分配控制方法 |
CN112883652B (zh) * | 2021-03-12 | 2022-10-28 | 重庆大学 | 考虑动态尾流的风电场有功功率离线预测控制器设计方法 |
CN113394813B (zh) * | 2021-05-31 | 2023-01-31 | 南方海上风电联合开发有限公司 | 海上风电场的机组功率指令值计算方法和分布式调度方法 |
CN113659630B (zh) * | 2021-07-26 | 2024-03-19 | 明阳智慧能源集团股份公司 | 基于疲劳损伤值估计的风电场功率优化调度方法及系统 |
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 |
CN117748628A (zh) * | 2024-02-21 | 2024-03-22 | 青岛理工大学 | 一种面向风电机组输出功率平滑的有功功率优化调度方法 |
Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011148500A1 (ja) * | 2010-05-28 | 2011-12-01 | 三菱重工業株式会社 | 監視制御装置及び方法並びにそれを備えたウィンドファーム |
CN103244354A (zh) * | 2012-02-08 | 2013-08-14 | 北京能高自动化技术股份有限公司 | 风力发电机组功率曲线自适应优化方法 |
CN103595076A (zh) * | 2013-11-29 | 2014-02-19 | 湘潭大学 | 一种提高风力发电机组疲劳均匀性的有功功率分配方法 |
CN103915855A (zh) * | 2014-04-10 | 2014-07-09 | 华北电力大学 | 一种降低风电机组机械损耗的风电场内优化调度方法 |
CN104036073A (zh) * | 2014-05-23 | 2014-09-10 | 电子科技大学 | 适于有功功率特性分析的双馈风电场动态等值建模方法 |
WO2014201849A1 (zh) * | 2013-06-18 | 2014-12-24 | 国网辽宁省电力有限公司电力科学研究院 | 配有储能电站的分散式风电场有功优化调控方法 |
CN104779638A (zh) * | 2015-02-06 | 2015-07-15 | 华北水利水电大学 | 一种风电场内机组优化调度方法及调度装置 |
WO2016048876A1 (en) * | 2014-09-23 | 2016-03-31 | General Electric Company | Systems and methods for validating wind farm performance measurements |
WO2016082838A1 (en) * | 2014-11-24 | 2016-06-02 | Vestas Wind Systems A/S | Determination of wind turbine configuration |
CN105811472A (zh) * | 2016-04-14 | 2016-07-27 | 国电联合动力技术有限公司 | 一种基于风电场经济性的有功功率调节方法及系统 |
CN106786807A (zh) * | 2016-12-15 | 2017-05-31 | 电子科技大学 | 一种基于模型预测控制的风电场有功功率控制方法 |
WO2018053429A1 (en) * | 2016-09-19 | 2018-03-22 | Flexgen Power Systems, Inc. | Systems and methods for rapid activation and synchronization of dispatchable power sources |
WO2018115423A1 (en) * | 2016-12-23 | 2018-06-28 | Danmarks Tekniske Universitet | Fatigue load minimization in an operation of a wind farm |
WO2018115431A1 (en) * | 2016-12-23 | 2018-06-28 | Danmarks Tekniske Universitet | Combined active and reactive power control in an operation of a wind farm |
CN108533454A (zh) * | 2018-04-17 | 2018-09-14 | 中南大学 | 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 |
CN108547735A (zh) * | 2018-04-17 | 2018-09-18 | 中南大学 | 风电场有功输出和机组疲劳的综合优化控制方法 |
CN108879799A (zh) * | 2018-08-10 | 2018-11-23 | 三重能有限公司 | 风电场有功功率控制方法、装置及电子设备 |
CN108899930A (zh) * | 2018-07-09 | 2018-11-27 | 西华大学 | 基于主成份分析法和分层聚类算法的风电场等值建模方法 |
CN109873419A (zh) * | 2019-02-21 | 2019-06-11 | 电子科技大学 | 一种考虑相似度和经济收益的水光蓄系统运行优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK201570559A1 (en) * | 2015-08-28 | 2017-03-27 | Vestas Wind Sys As | Methods and Systems for Generating Wind Turbine Control Schedules |
-
2019
- 2019-07-23 CN CN201910665297.6A patent/CN110535174B/zh active Active
Patent Citations (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011148500A1 (ja) * | 2010-05-28 | 2011-12-01 | 三菱重工業株式会社 | 監視制御装置及び方法並びにそれを備えたウィンドファーム |
CN103244354A (zh) * | 2012-02-08 | 2013-08-14 | 北京能高自动化技术股份有限公司 | 风力发电机组功率曲线自适应优化方法 |
WO2014201849A1 (zh) * | 2013-06-18 | 2014-12-24 | 国网辽宁省电力有限公司电力科学研究院 | 配有储能电站的分散式风电场有功优化调控方法 |
CN103595076A (zh) * | 2013-11-29 | 2014-02-19 | 湘潭大学 | 一种提高风力发电机组疲劳均匀性的有功功率分配方法 |
CN103915855A (zh) * | 2014-04-10 | 2014-07-09 | 华北电力大学 | 一种降低风电机组机械损耗的风电场内优化调度方法 |
CN104036073A (zh) * | 2014-05-23 | 2014-09-10 | 电子科技大学 | 适于有功功率特性分析的双馈风电场动态等值建模方法 |
WO2016048876A1 (en) * | 2014-09-23 | 2016-03-31 | General Electric Company | Systems and methods for validating wind farm performance measurements |
WO2016082838A1 (en) * | 2014-11-24 | 2016-06-02 | Vestas Wind Systems A/S | Determination of wind turbine configuration |
CN104779638A (zh) * | 2015-02-06 | 2015-07-15 | 华北水利水电大学 | 一种风电场内机组优化调度方法及调度装置 |
CN105811472A (zh) * | 2016-04-14 | 2016-07-27 | 国电联合动力技术有限公司 | 一种基于风电场经济性的有功功率调节方法及系统 |
WO2018053429A1 (en) * | 2016-09-19 | 2018-03-22 | Flexgen Power Systems, Inc. | Systems and methods for rapid activation and synchronization of dispatchable power sources |
CN106786807A (zh) * | 2016-12-15 | 2017-05-31 | 电子科技大学 | 一种基于模型预测控制的风电场有功功率控制方法 |
WO2018115423A1 (en) * | 2016-12-23 | 2018-06-28 | Danmarks Tekniske Universitet | Fatigue load minimization in an operation of a wind farm |
WO2018115431A1 (en) * | 2016-12-23 | 2018-06-28 | Danmarks Tekniske Universitet | Combined active and reactive power control in an operation of a wind farm |
CN108533454A (zh) * | 2018-04-17 | 2018-09-14 | 中南大学 | 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 |
CN108547735A (zh) * | 2018-04-17 | 2018-09-18 | 中南大学 | 风电场有功输出和机组疲劳的综合优化控制方法 |
CN108899930A (zh) * | 2018-07-09 | 2018-11-27 | 西华大学 | 基于主成份分析法和分层聚类算法的风电场等值建模方法 |
CN108879799A (zh) * | 2018-08-10 | 2018-11-23 | 三重能有限公司 | 风电场有功功率控制方法、装置及电子设备 |
CN109873419A (zh) * | 2019-02-21 | 2019-06-11 | 电子科技大学 | 一种考虑相似度和经济收益的水光蓄系统运行优化方法 |
Non-Patent Citations (7)
Title |
---|
"Fatigue LoadSensitivity-Based Optimal Active Power Dispatch For Wind Farms";H.Zhao等;《IEEETransactions on sustainable energy》;20171231;第8卷(第3期);全文 * |
"Optimised power dispatchstrategy for offshore wind farms";P.Hou等;《IET Renewable Power Generation》;20161231;第3卷;全文 * |
"Optimized Active Power Dispatching Strategy Considering Fatigue Load of Wind Turbines During De-Loading Operation";Yao, Q.等;《IEEE Access》;20190214;第7卷;全文 * |
"Optimized Power Dispatch in Wind Farms for Power Maximizing Considering Fatigue Loads";Zhang, B.等;《IEEE Transactions on Sustainable Energy》;20171231(第9期);全文 * |
"基于改进型IQC算法的时延电力系统控制方法研究";蔡东升等;《电测与仪表》;20181206;第56卷(第1期);全文 * |
"基于降低风电场损耗的风电场优化调度研究";张晋华等;《太阳能学报》;20180430;第39卷(第4期);全文 * |
基于疲劳分布的风电场有功控制策略;张奔等;《人民长江》;20160514(第09期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110535174A (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110535174B (zh) | 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 | |
Islam et al. | Progress and recent trends of wind energy technology | |
CN105119320B (zh) | 一种分散式风电场风机优化布置系统及方法 | |
CN106953363B (zh) | 一种风电场限功率运行状态下电网旋转备用优化配置方法 | |
CN103942736B (zh) | 一种风电场多机等值建模方法 | |
Agarwal et al. | Issues and challenges of wind energy | |
CN105337415A (zh) | 一种基于预测控制的地区电网调度系统及其方法 | |
CN109871972B (zh) | 一种风场内风机的优化布置方法和系统 | |
CN108599238A (zh) | 考虑风能与太阳能互补的虚拟电厂分布式电源规划方法 | |
CN115940292A (zh) | 基于圆圈搜索算法的含风储电力系统优化调度方法及系统 | |
Van Bussel | Offshore wind energy, the reliability dilemma | |
CN107732984B (zh) | 一种多机型风电机组混装风电场功率控制方法 | |
Mendigoria et al. | Energy management trends for sustainability in agriculture industry of the Philippines | |
CN112231976B (zh) | 一种风电场等效模型的建立方法 | |
Fang et al. | Design of Savonius model wind turbine for power catchment | |
Su et al. | A coordinative optimization method of active power and fatigue distribution in onshore wind farms | |
CN110097235B (zh) | 一种联合发电的调度优化方法、装置和介质 | |
Wei et al. | Structural optimization of compact spherical wind-solar hybrid power system | |
CN109598053A (zh) | 低风速风电机组传动部件布局构建、智能优化方法和装置 | |
CN114421468A (zh) | 一种计及风电集群共享储能联合参与的一次调频容量规划方法 | |
CN115455731A (zh) | 一种海上风电场风电机组微观选址与电缆布局联合优化设计方法 | |
Shan et al. | Modeling and Control of Wind Speed in Renewable Energy Power Generation and Wind Power Generation Systems | |
Aziz | Feasibility Study on Development of a Wind Turbine Energy Generation System for Community Requirements of Pulau Banggi Sabah | |
Allagui et al. | Optimization of the wind farm energy capture by minimizing the wake effects | |
Lin et al. | Optimized Power Dispatch for Regional Fatigue Balancing in Offshore Wind Farms |
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 |