CN113239643A - 一种海上风电场自动发电控制流场动态建模方法 - Google Patents

一种海上风电场自动发电控制流场动态建模方法 Download PDF

Info

Publication number
CN113239643A
CN113239643A CN202110480616.3A CN202110480616A CN113239643A CN 113239643 A CN113239643 A CN 113239643A CN 202110480616 A CN202110480616 A CN 202110480616A CN 113239643 A CN113239643 A CN 113239643A
Authority
CN
China
Prior art keywords
flow field
data
matrix
power generation
generation control
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.)
Pending
Application number
CN202110480616.3A
Other languages
English (en)
Inventor
邓智文
薛飞飞
张虎
黄海琴
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.)
Nanjing Hefengfeng Technology Co ltd
Original Assignee
Nanjing Hefengfeng Technology 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 Nanjing Hefengfeng Technology Co ltd filed Critical Nanjing Hefengfeng Technology Co ltd
Priority to CN202110480616.3A priority Critical patent/CN113239643A/zh
Publication of CN113239643A publication Critical patent/CN113239643A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Public Health (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Fluid Mechanics (AREA)
  • Computing Systems (AREA)
  • Algebra (AREA)
  • Mathematical Physics (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Wind Motors (AREA)

Abstract

本发明公开了一种海上风电场自动发电控制流场动态建模方法，包括以下步骤：利用CFD仿真进行数据采样，获取数据集；对数据进行收集和整理；采用本征正交分解进行降阶处理；构建基于偏航、变桨、转速调节过程及其扰动过程的海上风电场自动发电控制流场动态模型。本发明能够有效克服高精度风电场流场动态仿真得到的数据集结构庞大，难以直接应用的缺点，得到的风电场流场的动态降阶模型能够大幅度地压缩数据结构，保留流场的主要特征，具有较高的尾流预测精度。

Description

一种海上风电场自动发电控制流场动态建模方法
技术领域
本发明涉及风力发电技术领域，具体涉及一种海上风电场自动发电控制流场动态建模方法。
背景技术
常见的用于尾流调控的风电场流场模型通常是Jensen模型等基于经验的静态尾流模型，该类尾流模型通常精度较低而且不能反映风速变化在风电场中传递造成的延迟问题。为了能够快速模拟风速风向和机组状态改变导致的风电场流场变化的过程，需要建立海上风电场动态流场控制模型。而现有的风电场流场动态模型大都是基于流场CFD的数值模型，产生了大量动态过程流场演变过程数据集，但难以被应用于控制中。
发明内容
发明目的：本发明的目的在于提供一种能够解决现有技术中存在的高精度风电场流场动态仿真得到的数据集结构庞大，难以直接应用于海上风电场自动发电控制这一问题的海上风电场自动发电控制流场动态建模方法。
发明内容：本发明的海上风电场自动发电控制流场动态建模方法，包括以下步骤：
(1)利用CFD仿真进行数据采样，获取数据集；
(2)采集到所需数据后，对数据进行收集和整理；
(3)采用本征正交分解进行降阶处理；
(4)构建基于偏航、变桨、转速调节过程及其扰动过程的海上风电场自动发电控制流场动态模型。
步骤(1)中，所述利用CFD仿真进行数据采样，获取数据集具体包括，通过ICEM软件实现风力机组的实体建模，将风力机组模型导入XFlow软件,并设定输入的风速，且风向与机组排列方向一致，还设定仿真采样时间间隔。
步骤(1)中，所述利用CFD仿真进行数据采样中采样数据包括轮毂高度处水平面各网格点风速的x,y,z分量、穿过机组中心的竖直平面上各网格点风速的x,y,z分量、各机组的输出功率、第一台机组的偏航角。
步骤(2)中，采集到所需数据后，按以下格式进行整理：假设共有n个采样时间点，两个风速数据采样平面共有N个网格点；在第i个采样时间点，采集到的两个平面各网格点风速的x,y,z分量组成向量xi(i＝1,2,…,n-1)，是一个3N维列向量；采集到的数据矩阵形式如下式所示：
Figure BDA0003048423800000021
式中，Uθ表示偏航矩阵，ui(i＝1,2,…,n-1)表示第i个采样点的机组偏航向量，设为m维；Y表示输出矩阵，yi(i＝1,2,…,n-1)表示第i个采样点各机组的功率组成的向量；X和X’是由xi组成的矩阵，其定义由式(1)给出。
步骤(3)中，所述采用本征正交分解进行降阶处理具体为：根据合适的模型精确度和复杂度，选择合适的模型阶数r，对收集的风场数据进行降阶处理；最终得到如下形式的离散状态空间模型：
Figure BDA0003048423800000022
降阶前后状态向量的关系定义为：
Figure BDA0003048423800000023
式中，P∈Rr×n，为投影子空间矩阵。
步骤(4)中，所述构建基于偏航、变桨、转速调节过程及其扰动过程的海上风电场自动发电控制流场动态模型具体为：
对步骤(2)得到的X进行奇异值分解：X＝U∑VT，其中，U表示左奇异向量，是R3N×3N的正交矩阵；∑表示奇异值矩阵，是R3N×(n-1)的对角矩阵；V为有奇异向量，是R(n-1)×(n-1)的正交矩阵；通过仅保留POD模式的r阶子集，获得对原始数据的高度压缩，同时仍然保证建模精度，此时X的近似写成：
Figure BDA0003048423800000024
令
Figure BDA0003048423800000025
由于Ur为实正交矩阵，则PPT＝Ir，Ir∈Rr×r为单位矩阵；
由式(2)得，
Figure BDA0003048423800000026
把式(3)(5)代入(6)，得状态空间矩阵：
Figure BDA0003048423800000027
把状态空间矩阵代入式(2)得到风电场流场的动态降阶模型。
工作原理：本发明采用本征正交分解(POD)、动态模式分解(DMD)等模式辨识的模型降阶方法，通过数据压缩提出高效可靠的海上风电场自动发电控制流场动态过程的降阶方法，构建偏航、变桨、转速调节过程及其扰动过程的降阶状态空间模型，得到的风电场流场的动态降阶模型能够大幅度地压缩数据结构，保留流场的主要特征，具有较高的尾流预测精度。降阶处理后的尾流模型虽然没有捕捉到较小尺度的尾流波动和偏移但能够从总体上反映尾流的分布特性。降阶尾流动态模型对海上风电场的动态尾流快速计算应用具有重要意义，尤其在基于海上风电场尾流调控方面。
有益效果：本发明与现有技术相比，其有益效果在于：结合分析成果，得到的风电场流场的动态降阶模型能够大幅度地压缩数据结构，保留流场的主要特征，具有较高的尾流预测精度。
附图说明
图1为本发明的流程示意图；
图2为本发明中单排风电场机组排布图；
图3为本发明中偏航角随时间变化的设置图；
图4为本发明中计算域设置图。
具体实施方式
下面结合具体实施方式和说明书附图对本发明的技术方案做进一步详细描述。
下面以构建基于仅第一台机组偏航调节过程的风电场流场动态模型为例。
对于本实施例，如图2所示，设风电场有单列3台同型号机组组成，其中风轮直径D,轮毂高度：H＝70m，三台机组以距离d等距排列。仿真过程中，设定输入的风速，风向与3台机组排列方向一致。仿真过程中，如图3所示，第一台机组的偏航角在0°到30°区间内阶跃变化，角度变化后维持一定时间使风电场流场充分发展，仿真时长及偏航角设置如表1所示。
表1仿真时长及偏航角设置
Figure BDA0003048423800000031
如图1所示，本发明的海上风电场自动发电控制流场动态建模方法，具体包括以下步骤：
(1)利用CFD仿真进行数据采样，获取数据集；具体地，通过ICEM软件实现风力机组的实体建模，将风力机组模型导入XFlow软件,对三台机组串列布置，最上游机组进行阶跃偏航的尾流场进行数值模拟。
如图4所示，为计算域设置图，计算域长宽高分别设置为(12D+2d)×4D×4D，风轮平面距离入流边界的距离为2D，D为风轮直径。入口计算域入口设置为速度入口,出口设置为自由出口，底面设置为壁面(ground wall)，其余面设置为周期(periodic)边界。采用WALE亚格子湍流模型，模型参数Cw取值为0.2。计算时间步长设置为0.1s，总计算物理时间为800s。格子划分方式采用自适应格子排列方式，对风轮加密处理，尾流采用动态自适应跟踪优化求解。
在流场不同位置处设置probes，进行数据采样。仿真采样时间间隔0.1s，采样数据包括：轮毂高度处水平面各网格点风速的x,y,z分量、穿过3台机组中心的竖直平面上各网格点风速的x,y,z分量、各机组的输出功率、第一台机组的偏航角。
(2)采集到所需数据后，对数据进行收集和整理；具体地，按以下格式进行整理：假设共有n个采用时间点，两个风速数据采样平面共有N个网格点。在第i个采样时间点，采集到的两个平面各网格点风速的x,y,z分量组成向量xi(i＝1,2,…,n-1)，是一个3N维列向量。采集到的数据矩阵形式为：
Figure BDA0003048423800000041
式中，Uθ表示偏航矩阵，ui(i＝1,2,…,n-1)表示第i个采样点的机组偏航向量，设为m维；Y表示输出矩阵，yi(i＝1,2,…,n-1)表示第i个采样点各机组的功率组成的向量。X和X’是由xi组成的矩阵，其定义由式(1)给出。
(3)采用本征正交分解进行降阶处理；具体地，根据合适的模型精确度和复杂度，选择合适的模型阶数r，对收集的风场数据进行降阶处理。最终得到如下形式的离散状态空间模型：
Figure BDA0003048423800000042
降阶前后状态向量的关系定义为：
Figure BDA0003048423800000043
式中，P∈Rr×n为投影子空间矩阵。
(4)构建基于偏航、变桨、转速调节过程及其扰动过程的海上风电场自动发电控制流场动态模型；具体地，先对步骤(2)得到的X进行奇异值分解：X＝U∑VT，其中，U,为左奇异向量，是R3N×3N的正交矩阵；∑为奇异值矩阵，是R3N×(n-1)的对角矩阵；V为有奇异向量，是R(n -1)×(n-1)的正交矩阵。通过仅保留POD模式的r阶子集，可以获得对原始数据的高度压缩，同时仍然保持令人满意的建模精度，此时X的近似可以写成：
Figure BDA0003048423800000051
令
Figure BDA0003048423800000052
由于Ur为实正交矩阵，则PPT＝Ir，Ir∈Rr×r为单位矩阵。
由式(2)得，
Figure BDA0003048423800000053
把式(3)(5)代入(6)，得状态空间矩阵：
Figure BDA0003048423800000054
把状态空间矩阵代入式(2)得到风电场流场的动态降阶模型。

Claims (6)

1.一种海上风电场自动发电控制流场动态建模方法，其特征在于：包括以下步骤：
(1)利用CFD仿真进行数据采样，获取数据集；
(2)采集到所需数据后，对数据进行收集和整理；
(3)采用本征正交分解进行降阶处理；
(4)构建基于偏航、变桨、转速调节过程及其扰动过程的海上风电场自动发电控制流场动态模型。
2.根据权利要求1所述海上风电场自动发电控制流场动态建模方法，其特征在于：步骤(1)中，所述利用CFD仿真进行数据采样，获取数据集具体包括，通过ICEM软件实现风力机组的实体建模，将风力机组模型导入XFlow软件,并设定输入的风速，且风向与机组排列方向一致，还设定仿真采样时间间隔。
3.根据权利要求1所述海上风电场自动发电控制流场动态建模方法，其特征在于：步骤(1)中，所述利用CFD仿真进行数据采样中采样数据包括轮毂高度处水平面各网格点风速的x,y,z分量、穿过机组中心的竖直平面上各网格点风速的x,y,z分量、各机组的输出功率、第一台机组的偏航角。
4.根据权利要求1所述海上风电场自动发电控制流场动态建模方法，其特征在于，步骤(2)中，采集到所需数据后，按以下格式进行整理：假设共有n个采样时间点，两个风速数据采样平面共有N个网格点；在第i个采样时间点，采集到的两个平面各网格点风速的x,y,z分量组成向量xi(i＝1,2,…,n-1)，是一个3N维列向量；采集到的数据矩阵形式如下式所示：
Figure FDA0003048423790000011
式中，Uθ表示偏航矩阵，ui(i＝1,2,…,n-1)表示第i个采样点的机组偏航向量，设为m维；Y表示输出矩阵，yi(i＝1,2,…,n-1)表示第i个采样点各机组的功率组成的向量；X和X’是由xi组成的矩阵，其定义由式(1)给出。
5.根据权利要求1所述海上风电场自动发电控制流场动态建模方法，其特征在于，步骤(3)中，所述采用本征正交分解进行降阶处理具体为：根据合适的模型精确度和复杂度，选择合适的模型阶数r，对收集的风场数据进行降阶处理；最终得到如下形式的离散状态空间模型：
Figure FDA0003048423790000012
降阶前后状态向量的关系定义为：
Figure FDA0003048423790000021
式中，P∈Rr×n，为投影子空间矩阵。
6.根据权利要求4所述海上风电场自动发电控制流场动态建模方法，其特征在于，步骤(4)中，所述构建基于偏航、变桨、转速调节过程及其扰动过程的海上风电场自动发电控制流场动态模型具体为：
对步骤(2)得到的X进行奇异值分解：X＝U∑VT，其中，U表示左奇异向量，是R3N×3N的正交矩阵；∑表示奇异值矩阵，是R3N×(n-1)的对角矩阵；V为有奇异向量，是R(n-1)×(n-1)的正交矩阵；通过仅保留POD模式的r阶子集，获得对原始数据的高度压缩，同时仍然保证建模精度，此时X的近似写成：
Figure FDA0003048423790000022
令
Figure FDA0003048423790000023
由于Ur为实正交矩阵，则PPT＝Ir，Ir∈Rr×r为单位矩阵；
由式(2)得，
Figure FDA0003048423790000024
把式(3)(5)代入(6)，得状态空间矩阵：
Figure FDA0003048423790000025
把状态空间矩阵代入式(2)得到风电场流场的动态降阶模型。
CN202110480616.3A 2021-04-30 2021-04-30 一种海上风电场自动发电控制流场动态建模方法 Pending CN113239643A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110480616.3A CN113239643A (zh) 2021-04-30 2021-04-30 一种海上风电场自动发电控制流场动态建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110480616.3A CN113239643A (zh) 2021-04-30 2021-04-30 一种海上风电场自动发电控制流场动态建模方法

Publications (1)

Publication Number Publication Date
CN113239643A true CN113239643A (zh) 2021-08-10

Family

ID=77131723

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110480616.3A Pending CN113239643A (zh) 2021-04-30 2021-04-30 一种海上风电场自动发电控制流场动态建模方法

Country Status (1)

Country Link
CN (1) CN113239643A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116070471A (zh) * 2023-04-06 2023-05-05 浙江远算科技有限公司 一种基于降阶分解处理的风力发电机仿真加速方法和系统
CN118013862A (zh) * 2024-04-09 2024-05-10 湖南大学 一种风电场短期电压稳定性仿真模型构建、评估及监测方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116070471A (zh) * 2023-04-06 2023-05-05 浙江远算科技有限公司 一种基于降阶分解处理的风力发电机仿真加速方法和系统
CN118013862A (zh) * 2024-04-09 2024-05-10 湖南大学 一种风电场短期电压稳定性仿真模型构建、评估及监测方法

Similar Documents

Publication Publication Date Title
CN109086534B (zh) 一种基于cfd流体力学模型的风电场尾流订正方法及系统
CN113239643A (zh) 一种海上风电场自动发电控制流场动态建模方法
CN109992889B (zh) 风电场模型的建立方法及系统、尾流值计算方法及系统
CN107300853B (zh) 一种分区计算空间相关性的脉动风速时程输入方法
CN111682592B (zh) 一种分布式风电场功率优化方法及装置
CN107358006A (zh) 一种基于主成分分析的Lorenz扰动风速预测方法
CN115115090A (zh) 一种基于改进lstm-cnn的风功率短期预测方法
CN112633632A (zh) 一种基于信号分解技术的集成短期风电集群功率预测方法
Cassamo et al. Model predictive control for wake redirection in wind farms: a koopman dynamic mode decomposition approach
CN111680823A (zh) 一种风向信息预测方法及系统
CN104951798A (zh) 基于emd的lssvm非平稳脉动风速预测方法
CN108052963A (zh) 风电功率预测建模的数据筛选方法、装置及风力发电机组
CN104700156B (zh) 一种基于支持向量机筛选变量的风电功率预测方法
CN114298441A (zh) 一种光伏功率预测方法及系统
CN113236487A (zh) 风电场噪声控制方法、系统、设备及可读存储介质
CN112949227A (zh) 适用于复杂地形风场湍流强度确定方法、系统、设备及存储介质
CN113051845A (zh) 在役山地风电场实时风资源可视化评估方法、系统、设备及存储介质
CN109635317B (zh) 一种高海拔地区cfd仿真地形拓扑方法
CN117233866A (zh) 基于cnop的气象集合预报系统、方法与存储介质
CN115049317B (zh) 一种风力资源评估工具的选择方法、装置及电子设备
CN116051699A (zh) 动捕数据的处理方法、装置、设备及存储介质
CN115408958A (zh) 一种基于网格无关致动线模型的风力机仿真方法及系统
CN110943473A (zh) 一种基于广域测量系统和聚类理论的发电机同调识别方法
CN114186407A (zh) 一种参数可自适应调整的风电场尾流速度场计算方法及系统
CN110990963B (zh) 风机间距优化方法、装置以及计算机可读存储介质

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