CN111412107B - 一种提高高海拔风电机组发电量的方法 - Google Patents

Abstract

本发明涉及风力发电技术领域，公开了一种提高高海拔风电机组发电量的方法，包括下列步骤：A)计算空气密度ρ；B)得到风电机组的C_P‑λ特性曲线；C)计算风电机组输出功率P和机组转矩T；D)设置风速调节范围，当风速υ在风速调节范围内时获得最优转矩T_opt1；E)当机组转速调节范围达到风速调节范围上限时获得最优转矩T_opt2；F)获得约束条件；G)构建目标函数，利用优化算法对目标函数进行寻优，获得使风电机组风能捕获输出功率最大和载荷最小的各机组转速组合。本发明使在高海拔地区机组叶尖速比也能达到实际最佳，使风能捕获系数最大，提高了风电机组的发电量，并利用优化算法实现风电场中各机组的功率最大捕获和载荷最小。

Description

一种提高高海拔风电机组发电量的方法

技术领域

本发明涉及风力发电技术领域，尤其是涉及一种提高高海拔风电机组发电量的方法。

背景技术

叶片作为风力发电机组吸收风能的来源，如何在同等叶轮扫风面积下捕获更多的风能，是各风电机组厂家孜孜不倦最求的目标。随着风力发电机组装机容量的不断增加，风力发电机组的单机容量和叶轮直径都在快速增大，风电场的开发正在向低风速和高原地区拓展。高海拔地区由于空气密度较低，叶轮气动功率随着风速的增加而不再增加反而降低，迫使叶片进入失速状态。对于叶片而言，邻近于叶片表面的气流与表面分离并产生阻力，当攻角较大时，气流与叶片发生分离，叶片的升阻比在达到最大值后会迅速减小，由于失速现象影响风力发电机组的风能利用效率，而降低了风电场的发电量，降低了风电场的经济效益。

业内常规做法是在风电机组的叶片上安装涡流发生器，通过在涡流发生器上设置导流部分起到整流作用，能够减少气流展向流动，通过导流部分和涡流发生部分配合减缓风电机组叶片进入失速状态，从而提高叶片气动性能。安装涡流发生器的方案虽然能一定程度减缓叶片的失速状态，但对于已经安装在现场的风电机组叶片来说，将安装涡流发生器面临工程巨大和费用昂贵的施工问题。

例如，一种在中国专利文献上公开的“风力发电机组的变桨控制方法及系统”，其公告号为CN 109209765 A，该发明包括：风力发电机组的主控制器预测超前预设时间段内的每个控制周期的变桨控制数据；主控制器根据变桨控制数据生成对应的预测变桨控制指令，并将预测变桨控制指令发送给变桨控制器，以使变桨控制器按接收顺序进行存储；若导电滑环通信中断，变桨控制器按照预测变桨控制指令的存储顺序依次执行预测变桨控制指令，以进行变桨操作。该发明不能解决高海拔地区空气密度较低而降低了风力发电机组的发电量的问题。

发明内容

本发明是为了解决高海拔地区空气密度较低而导致在相同风速下风力发电机组的发电量低的问题，提供一种提高高海拔风电机组发电量的方法，本发明使在高海拔地区机组叶尖速比也能达到实际最佳，使风能捕获系数最大，提高了风电机组的发电量，并利用优化算法实现风电场中各机组的功率最大捕获和载荷最小。

为了实现上述目的，本发明采用以下技术方案：

一种提高高海拔风电机组发电量的方法，包括步骤：

A)获取大气压力p和舱外温度t，计算空气密度ρ；

B)获取发电机转速ω_g和风轮半径r，通过空气动力学计算得到风电机组的C_p_λ特性曲线，其C_p为功率系数，λ为叶尖速比；

C)获得基于叶尖速比λ的理论风速υ，计算风电机组输出功率P和机组转矩T；

D)设置风速调节范围，当风速υ在风速调节范围内时获得最优转矩T_opt1，将机组转矩T设置为最优转矩T_opt1；

E)当机组转速调节范围达到风速调节范围上限时获得最优转矩T_opt2，将机组转矩T设置为最优转矩T_opt2；

F)设置转矩上限T_max和发电机转速上限ω_{g max}，获得约束条件

T_i为第i个风电机组的机组转矩，ω_gi为第i个风电机组的发电机转速，K为风电机组总数；

G)构建目标函数，利用优化算法对目标函数进行寻优，获得使风电机组风能捕获输出功率最大和载荷最小的各机组转速组合。

通过在不同情况下获得最优转矩，使得在高海拔地区机组叶尖速比也能达到实际最佳，使风能捕获系数最大，提高了风电机组的发电量，并利用优化算法实现风电场中各机组的功率最大捕获和载荷最小。

进一步地，步骤A)中计算

获得空气密度ρ，其中，M为标准空气摩尔质量、R为气态常数。

通过舱外的大气压力和舱外温度传感器获取气压p和温度t信号，再根据克拉珀龙Clapeyron方程获得实时的空气密度ρ。

进一步地，步骤C)中通过计算

获得基于叶尖速比λ的理论风速υ，其中G为齿轮箱速比。

叶尖速比是叶片的叶尖线速度与风速的比值，是表示风力机性能的重要参数，叶尖速比表征了风力机组在一定风速下运转速度的高低。

进一步地，步骤C)中计算

得到风电机组输出功率P，其中，A为叶轮扫风面积。

根据风电机组能量转换公式，得到基于大气压力和舱外温度的风电机组功率P。

进一步地，步骤C)中计算

获得机组转矩T。

机组功率P与发电机转速ω_g和转矩T成正比，提高发电机转速ω_g或提高转矩T均能增加机组功率P，对于额定容量已经确定的机组来说，无法进一步增大转矩。因此，如要维持机组额定功率不变，提高风轮转速ω_g上限，使机组能够获得最大功率系数C_{p max}。

进一步地，步骤D)中当风速υ在风速调节范围内时获得最优转矩T_opt1，包括：

D1)对实际发电机转速ω_g进行补偿，获得实际最佳叶尖速比λ_opt和与实际最佳叶尖速比λ_opt对应的最大功率系数最大C_{p max}；

D2)获得使叶尖速比λ达到实际最佳叶尖速比λ_opt的发电机理论转速

其中Δω为转速补偿差值；

D3)获取切入风速υ_in、切成风速υ_out和额定风速υ_n，当风速在切入风速υ_in和额定风速υ_n之间，即v_in≤v≤v_n时，计算

获得最优转矩T_opt1。

步骤D)中获得最优转矩T_opt2，包括：

当风速在额定风速υ_n和切入风速υ_out之间时，提高发电机转速ω_g，获得转速限值ω_g+，此时计算

获得最优转矩T_opt2。

高海拔地区由于空气密度ρ较低，使得风电机组捕获的实际风速υ_t比理论风速υ小，根据

可知实际的叶尖速比λ比理论值要大，要达到实际最佳叶尖速比λ_opt，通过提高发电机转速ω_g达到实际最佳叶尖速比λ_opt，从而使风能捕获系数最大，提高风电机组的发电量，分别考虑不同的情况，调整发电机转速ω_g，从而获得不同情况下的最优转矩，使叶尖速比达到最佳。

进一步地，步骤G)中构建目标函数

其中

为第i个风电机组的输出功率，

为面内弯矩变化率，

面外弯矩变化率，P′_max为最大机组功率估计值，ΔM′_f,max为面内弯矩估计值，ΔM′_e,max为面外弯矩值，μ为调节参数，0≤μ≤1。

该目标函数的第一项

表示对功率进行优化，

第二项

表示对载荷进行优化。μ是为调节参数，μ＝1表示只有对风电机组的输出功率进行优化，μ＝0表示只有对机组载荷进行优化，μ为0到1之间的中间值表示对风电机组的输出功率和载荷同时进行优化。

进一步地，步骤G)中采用粒子群优化算法对目标函数P(ω_g)进行寻优，步骤包括：

G1)产生初始粒子并建立种群，每一个粒子代表各机组转速组合{ω_g1,ω_g2,...,ω_gK}的一组解，将目标函数设置为适应度函数，设置粒子群规模N、第w个粒子的初始位置

种群位置P、第w个粒子的初始速度

适应度约束条件、惯性权重ω、最大迭代次数T、第w个粒子的个体最优位置p_hbest和种群最优位置P_gbest；

G2)计算每个粒子的适应度函数值，评价每个粒子的适应度函数值，获取评价结果；

G3)根据评价结果更新个体最优位置p_hbest和种群最优位置P_gbest，更新粒子速度和粒子位置；

G4)判断是否达到适应度约束条件或最大迭代次数，如果达到，则寻优过程结束，获得使风电机组风能捕获输出功率最大和载荷最小的各机组转速组合的最优解；如果未达到，则返回至G2)。

粒子群算法是一种智能优化方法，通过种群个体之间的协作和信息共享获得最优解。步骤G2)和步骤G3)是对每个粒子的适应度值进行评价分析，对每个粒子，将当前的适应度值与个体最优位置p_hbest对应的适应度值做比较，如果当前的适应度值更小，则用当前的适应度值更新个体最优位置p_hbest；再将每个粒子当前的适应度值与种群最优位置P_gbest对应的适应度值做比较，如果当前的适应度值更小，则用当前的粒子位置更新种群最优位置P_gbest。

进一步地，在步骤G3)中，第t次迭代后，种群位置记为

粒子速度更新公式是：

其中，

表示第w个粒子的第d维在第t次迭代时的速度，

表示第w个粒子的第d维在第t次迭代时的位置，ω为惯性权重，L₁、L₂为学习因子，R₁、R₂为相互独立且均匀分布在[0,1]区间的随机数，

为第w个粒子在第t次迭代时的第d维的个体最优位置，

为第t次迭代时的第d维的种群最优位置；

粒子位置更新公式为：

其中，

表示第w个粒子的第d维在第t次迭代时的速度。

在每次迭代中，粒子通过个体最优位置p_hbest和种群最优位置P_gbest更新自身的速度和位置，直到达到适应度约束条件即找到最优解，或达到最大迭代次数，寻优过程结束。通过采用粒子群算法对目标函数进行寻优，获得风电场中各机组的功率最大捕获和载荷最小的发电机转速组合。

本发明具有如下有益效果：使在高海拔地区机组叶尖速比也能达到实际最佳，使风能捕获系数最大，提高了风电机组的发电量，并利用优化算法对风电机组的输出功率和载荷进行优化，实现风电场中各机组的功率最大捕获和载荷最小。

附图说明

图1是本发明实施例一的高海拔机组控制框图。

图2是本发明实施例一风电机组的C_p_λ特性曲线图。

图3是本发明实施例一控制方法优化前后机组动态功率曲线对比图。

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。

实施例一，如图1所示，一种提高高海拔风电机组发电量的方法，包括：

A)获取大气压力p和舱外温度t，计算

获得空气密度ρ，其中M为标准空气摩尔质量、R为气态常数；

B)获取发电机转速ω_g和风轮半径r，通过空气动力学计算得到风电机组的C_p_λ特性曲线，C_p_λ特性曲线如图2所示，其C_p为功率系数，λ为叶尖速比；

C)通过计算

获得基于叶尖速比λ的理论风速v，其中G为齿轮箱速比；

计算

得到风电机组输出功率P，其中，A为叶轮扫风面积；

计算

获得机组转矩T。

D)设置风速调节范围，当风速υ在风速调节范围内时获得最优转矩T_opt1，将机组转矩T设置为最优转矩T_opt1，包括：

D1)对实际发电机转速ω_g进行补偿，获得实际最佳叶尖速比λ_opt和与实际最佳叶尖速比λ_opt对应的最大功率系数最大C_{p max}；

D2)获得使叶尖速比λ达到实际最佳叶尖速比λ_opt的发电机理论转速

其中Δω为转速补偿差值；

D3)获取切入风速υ_in、切成风速υ_out和额定风速υ_n，当风速在切入风速υ_in和额定风速υ_n之间，即v_in≤v≤v_n时，计算

获得最优转矩T_opt1。

E)当风速在额定风速υ_n和切入风速υ_out之间时，提高发电机转速ω_g，获得转速限值ω_g+，此时计算

获得最优转矩T_opt2获得最优转矩T_opt2，将机组转矩T设置为最优转矩T_opt2。

F)设置转矩上限T_max和发电机转速上限ω_{g max}，获得约束条件

T_i为第i个风电机组的机组转矩，ω_gi为第i个风电机组的发电机转速，K为风电机组总数；

G)构建目标函数

其中

为第i个风电机组的输出功率，

为面内弯矩变化率，

面外弯矩变化率，P′_max为最大机组功率估计值，ΔM′_f,max为面内弯矩估计值，ΔM′_e,max为面外弯矩值，μ为调节参数，0≤μ≤1。

采用粒子群优化算法对目标函数P(ω_g)进行寻优，获得使风电机组风能捕获输出功率最大和载荷最小的各机组转速组合，步骤包括：

G1)产生初始粒子并建立种群，每一个粒子代表各机组转速组合{ω_g1,ω_g2,...,ω_gK}的一组解，将目标函数设置为适应度函数，设置粒子群规模N、第w个粒子的初始位置

种群位置P、第w个粒子的初始速度

适应度约束条件、惯性权重ω、最大迭代次数T、第w个粒子的个体最优位置p_hbest和种群最优位置P_gbest；

G2)计算每个粒子的适应度函数值，评价每个粒子的适应度函数值，获取评价结果；

G3)根据评价结果更新个体最优位置p_hbest和种群最优位置P_gbest，更新粒子速度和粒子位置；第t次迭代后，种群位置记为

粒子速度更新公式是：

其中，

表示第w个粒子的第d维在第t次迭代时的速度，

表示第w个粒子的第d维在第t次迭代时的位置，ω为惯性权重，L₁、L₂为学习因子，R₁、R₂为相互独立且均匀分布在[0,1]区间的随机数，

为第w个粒子在第t次迭代时的第d维的个体最优位置，

为第t次迭代时的第d维的种群最优位置；

粒子位置更新公式为：

其中，

表示第w个粒子的第d维在第t次迭代时的速度。

G4)判断是否达到适应度约束条件或最大迭代次数，如果达到，则寻优过程结束，获得使风电机组风能捕获输出功率最大和载荷最小的各机组转速组合的最优解；如果未达到，则返回至G2)。

如图3所示，将采用本发明优化方法后的机组动态功率与未采用优化方法的机组动态功率曲线进行了对比，可以看出优化后的机组动态功率明显高于未采用优化方法的机组动态功率，从整体上提高了发电机组的发电量。

本发明使得在高海拔地区机组叶尖速比也能达到实际最佳，使风能捕获系数最大，提高了风电机组的发电量，并利用优化算法对风电机组的输出功率和载荷进行优化，实现风电场中各机组的功率最大捕获和载荷最小，提高了发电机组的发电量。

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保护范围以内。

Claims (9)

1.一种提高高海拔风电机组发电量的方法，其特征在于，步骤包括：

A)获取大气压力p和舱外温度t，计算空气密度ρ；

B)获取发电机转速ω_g和风轮半径r，通过空气动力学计算得到风电机组的C_P_λ特性曲线，其C_p为功率系数，λ为叶尖速比；

C)获得基于叶尖速比λ的理论风速υ，计算风电机组输出功率P和机组转矩T；

D)设置风速调节范围，当风速υ在风速调节范围内时获得最优转矩T_opt1，将机组转矩T设置为最优转矩T_opt1；

E)当所述机组转速调节范围达到风速调节范围上限时获得最优转矩T_opt2，将机组转矩T设置为最优转矩T_opt2；

F)设置转矩上限T_max和发电机转速上限ω_gmax，获得约束条件

T_i为第i个风电机组的机组转矩，ω_gi为第i个风电机组的发电机转速，K为风电机组总数；

G)构建目标函数，利用优化算法对目标函数进行寻优，获得使风电机组风能捕获输出功率最大和载荷最小的各机组转速组合；

步骤G)中构建目标函数

为第i个风电机组的输出功率，

为面内弯矩变化率，

面外弯矩变化率，P′_max为最大机组功率估计值，ΔM′_f,max为面内弯矩估计值，ΔM′_e,max为面外弯矩值，μ为调节参数，0≤μ≤1。

2.根据权利要求1所述的一种提高高海拔风电机组发电量的方法，其特征在于，步骤A)中计算

获得空气密度ρ，其中，M为标准空气摩尔质量、R为气态常数。

3.根据权利要求1所述的一种提高高海拔风电机组发电量的方法，其特征在于，步骤C)中通过计算

获得基于叶尖速比λ的理论风速υ，其中G为齿轮箱速比。

4.根据权利要求3所述的一种提高高海拔风电机组发电量的方法，其特征在于，步骤C)中计算

得到风电机组输出功率P，其中，A为叶轮扫风面积。

5.根据权利要求4所述的一种提高高海拔风电机组发电量的方法，其特征在于，步骤C)中计算

获得机组转矩T。

6.根据权利要求5所述的一种提高高海拔风电机组发电量的方法，其特征在于，步骤D)中当风速υ在风速调节范围内时获得最优转矩T_opt1，包括：

D1)对实际发电机转速ω_g进行补偿，获得实际最佳叶尖速比λ_opt和与实际最佳叶尖速比λ_opt对应的最大功率系数最大C_pmax；

D2)获得使叶尖速比λ达到实际最佳叶尖速比λ_opt的发电机理论转速

其中Δω为转速补偿差值；

D3)获取切入风速υ_in、切出风速υ_out和额定风速υ_n，当风速在切入风速υ_in和额定风速υ_n之间，即v_in≤v≤v_n时，计算

获得最优转矩T_opt1。

7.根据权利要求6所述的一种提高高海拔风电机组发电量的方法，其特征在于，步骤E)中获得最优转矩T_opt2，包括：

当风速在额定风速υ_n和切出风速υ_out之间时，提高发电机转速ω_g，获得转速限值ω_g+，此时计算

获得最优转矩T_opt2。

8.根据权利要求1至7任一项所述的一种提高高海拔风电机组发电量的方法，其特征在于，步骤G)中采用粒子群优化算法对目标函数P(ω_g)进行寻优，步骤包括：

G1)产生初始粒子并建立种群，每一个粒子代表各机组转速组合{ω_g1,ω_g2,...,ω_gK}的一组解，将目标函数设置为适应度函数，设置粒子群规模N、第w个粒子的初始位置

种群位置P、第w个粒子的初始速度

适应度约束条件、惯性权重ω、最大迭代次数T、第w个粒子的个体最优位置p_hbest和种群最优位置P_gbest；

G2)计算每个粒子的适应度函数值，评价每个粒子的适应度函数值，获取评价结果；

G3)根据评价结果更新个体最优位置p_hbest和种群最优位置P_gbest，更新粒子速度和粒子位置；

G4)判断是否达到适应度约束条件或最大迭代次数，如果达到，则寻优过程结束，获得使风电机组风能捕获输出功率最大和载荷最小的各机组转速组合的最优解；如果未达到，则返回至G2)。

9.根据权利要求8所述的一种提高高海拔风电机组发电量的方法，其特征在于，在步骤G3)中，第t次迭代后，种群位置记为

粒子速度更新公式是：

其中，

表示第w个粒子的第d维在第t次迭代时的速度，

表示第w个粒子的第d维在第t次迭代时的位置，ω为惯性权重，L₁、L₂为学习因子，R₁、R₂为相互独立且均匀分布在[0,1]区间的随机数，

为第w个粒子在第t次迭代时的第d维的个体最优位置，

为第t次迭代时的第d维的种群最优位置；

粒子位置更新公式为：

其中，

表示第w个粒子的第d维在第t次迭代时的速度。

Images