CN113688581A - 风电场有功出力优化控制的方法、装置、电子设备及介质 - Google Patents

风电场有功出力优化控制的方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN113688581A
CN113688581A CN202110857202.8A CN202110857202A CN113688581A CN 113688581 A CN113688581 A CN 113688581A CN 202110857202 A CN202110857202 A CN 202110857202A CN 113688581 A CN113688581 A CN 113688581A
Authority
CN
China
Prior art keywords
wind
power plant
fan
active
optimization 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
CN202110857202.8A
Other languages
English (en)
Inventor
沈宇
肖谭南
吕奇峰
张雪敏
王斌
张扬帆
贾洪岩
杨俊丰
王一妹
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.)
State Grid Jibei Zhangjiakou Fengguang Storage And Transmission New Energy Co ltd
Tsinghua University
Electric Power Research Institute of State Grid Jibei Electric Power Co Ltd
Original Assignee
State Grid Jibei Zhangjiakou Fengguang Storage And Transmission New Energy Co ltd
Tsinghua University
Electric Power Research Institute of State Grid Jibei Electric Power 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 State Grid Jibei Zhangjiakou Fengguang Storage And Transmission New Energy Co ltd, Tsinghua University, Electric Power Research Institute of State Grid Jibei Electric Power Co Ltd filed Critical State Grid Jibei Zhangjiakou Fengguang Storage And Transmission New Energy Co ltd
Priority to CN202110857202.8A priority Critical patent/CN113688581A/zh
Publication of CN113688581A publication Critical patent/CN113688581A/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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)
  • 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

本发明提供一种风电场有功出力优化控制的方法、装置、电子设备及介质，该方法包括：基于能量平衡获取尾流迭加模型；将风机的轴向诱导因子作为控制变量输入所述尾流迭加模型，得到用于模拟风机之间的尾流相互作用的风机尾流迭加模型；基于海上风电场的风机排布方式和参数设置，利用多个候选优化控制策略分别对所述风机尾流迭加模型进行仿真，对比分析基于所述多个候选优化控制策略得到的仿真结果，获取风电场有功出力的目标优化控制策略；根据所述目标优化控制策略，控制风电场的有功出力。该方法给出了风电场中的最佳优化控制策略，解决了尾流效应的影响，提高了风电场的有功出力。

Description

风电场有功出力优化控制的方法、装置、电子设备及介质
技术领域
本发明涉及风力发电控制技术领域，更具体地说，涉及风电场有功出力优化控制的方法、装置、电子设备及介质。
背景技术
风能作为一种常见的新能源，在我国的储量非常丰富(中国的风能仅次于俄罗斯和美国，位列世界第三)，尤其是在我国“三北地区”(东北、华北北部和西北地区)和东部沿海地区，风资源具有很高的开发利用价值。
随着风力发电的发展，单台风力机的功率越来越大，风机高度和叶片长度都在增加，风电场的规模越来越大，如何提高风电场的发电效率，成为人们高度重视的问题。首先，可以从风机本身出发，通过改进浆叶、齿轮箱和变频器等结构，使风机达到比较高效的运行性能；其次，风电场的合理选址可以使其接收到更多的风能，从而提高其运行效率；另外在风电场运行期间，通过协调各风机之间的有功出力关系，从而达到一个更理想的风电场整体运行状态，提高发电效率。
在风电场中，当上风向风机吸收风能带动风轮做功并转化为电能时，会造成来风速度的降低，从而导致下风向风机可利用的风能减少，这就是“尾流效应”，而风机间的距离越小，尾流效应的影响越明显。在风电场的运行中，如果不考虑风机之间尾流效应的影响，采取传统的单机最大功率追踪(maximum power point track，MPPT)控制策略，风电场捕获的总能量并不是最大。特别是在大型的风电场中，由于场地等条件的限制，机组间的距离有限，尾流效应将引起显著的功率损失，造成经济损失。目前虽然可以采取优化风机排布的方法，增加盛行风向上机组间距，来减弱尾流效应的影响，但实际风电场中风力条件不是一成不变的，当出现风向为侧风向的情况时，尾流效应造成的功率损失将十分严重，一般可达到10％左右。
发明内容
本发明提供一种风电场有功出力优化控制的方法、装置、设备及介质，用以解决由于尾流效应造成功率损失十分严重的技术问题，以实现提高风电场有功出力的目的。
第一方面，本发明提供一种风电场有功出力优化控制的方法，包括：
基于能量平衡获取尾流迭加模型；
将风机的轴向诱导因子作为控制变量输入所述尾流迭加模型，得到用于模拟风机之间的尾流相互作用的风机尾流迭加模型；
基于海上风电场的风机排布方式和参数设置，利用多个候选优化控制策略分别对所述风机尾流迭加模型进行仿真，对比分析基于所述多个候选优化控制策略得到的仿真结果，获取风电场有功出力的目标优化控制策略；
根据所述目标优化控制策略，控制风电场的有功出力。
第二方面，本发明提供一种风电场有功出力优化控制的装置，包括：
获取模块，用于基于能量平衡获取尾流迭加模型；
建立模块，用于将风机的轴向诱导因子作为控制变量输入所述尾流迭加模型，得到用于模拟风机之间的尾流相互作用的风机尾流迭加模型；
仿真和分析模块，用于基于海上风电场的风机排布方式和参数设置，利用多个候选优化控制策略分别对所述风机尾流迭加模型进行仿真，对比分析基于所述多个候选优化控制策略得到的仿真结果，获取风电场有功出力的目标优化控制策略；
控制模块，用于根据所述目标优化控制策略，控制风电场的有功出力。
第三方面，本发明提供一种电子设备，包括：处理器、存储器和总线，其中，
所述处理器和所述存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如上述中任一所述的方法。
第四方面，本发明提供一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如上述中任一所述的方法。
本发明提供的风电场有功出力优化控制方法、装置、电子设备及介质，通过先获取尾流迭加模型来构建风机尾流迭加模型，基于海上风电场的风机排布方式和参数设置，采用多个候选优化控制策略对风机尾流迭加模型进行仿真模拟，根据对比分析得到的优化结果，确认风电场有功出力的目标优化控制策略。该方法给出了风电场有功出力最佳的优化控制策略，解决了风电场中尾流效应对有功出力的影响，提高了风电场的有功出力。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的风电场有功出力优化控制方法的流程示意图；
图2为本发明提供的随机投点法优化控制策略下的轴向诱导因子取值分布的结果示意图；
图3为本发明提供的粒子群算法优化控制策略下的轴向诱导因子取值分布的结果示意图；
图4为本发明提供的模式搜索算法优化控制策略下的轴向诱导因子取值分布的结果示意图；
图5为本发明提供的单机最大功率控制策略下的风机风速分布的结果示意图；
图6为本发明提供的随机投点优化控制策略下的风机风速分布的结果示意图；
图7为本发明提供的粒子群算法优化控制策略下的风机风速分布的结果示意图；
图8为本发明提供的模式搜索算法优化控制策略下的风机风速分布的结果示意图；
图9为本发明提供的单机最大功率控制下的风机功率分布的结果示意图；
图10为本发明提供的随机投点法优化控制策略下的风机功率分布的结果示意图；
图11为本发明提供的粒子群算法优化控制策略下的风机功率分布的结果示意图；
图12为本发明提供的模式搜索算法优化控制策略下的风机功率分布的结果示意图；
图13为本发明提供的风向为131.52度下风机轴向诱导因子的等高线图；
图14为本发明提供的风向为173.46度下风机轴向诱导因子的等高线图；
图15为本发明提供的风向为222度下风机轴向诱导因子的等高线图；
图16为本发明提供的风向为270度下风机轴向诱导因子的等高线图；
图17为本发明提供的风向为275度时的风机尾流扩张区域；
图18为本发明提供的三种尾流迭加方式下风速分布结果示意图；
图19为本发明提供的风电场有功出力优化控制装置的结构示意图；
图20为本发明提供的电子设备的结构示意图。
具体实施方式
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
为了使本发明实施例的方案更容易理解，并且更好地体现与现有风电场优化控制方法的区别，下面首先对现有技术中基本的风电场有功优化方法和本发明技术方案做简单说明。
现有技术中常采用单机最大功率追踪控制策略用来优化风电场，这种风电场优化方法是不考虑风机之间尾流效应的，风电场捕获的总能量并不是最大，特别是在大型的风电场中，由于场地等条件的限制，机组间的距离有限，尾流效应将引起显著的功率损失，而且就算采取优化风机排布的方法，增加盛行风向上机组间距，来减弱尾流效应，但实际风电场中风力条件并不是一成不变的；而本发明中通过基于能量平衡获取的尾流迭加模型，以及选取风机的轴向诱导因子作为控制变量，来建立优化模型，然后利用多个优化控制策略对优化模型进行仿真模拟分析，获取风电场有功出力的最佳优化策略，再根据获取的最佳优化策略和传统的单机最大功率控制策略在不同风向、风速条件下的优化结果进行比较，确认有功出力优化策略的优化结果，该方法给出了风电场中最佳的优化控制策略，解决了尾流效应的影响，提高了风电场的有功出力。
图1为本发明提供的风电场有功出力优化控制方法的总流程示意图。如图1所示，本发明提供的风电场有功出力优化控制方法，包括：
步骤101：基于能量平衡获取尾流迭加模型；
步骤102：将风机的轴向诱导因子作为控制变量输入所述尾流迭加模型，得到用于模拟风机之间的尾流相互作用的风机尾流迭加模型；
步骤103：基于海上风电场的风机排布方式和参数设置，利用多个候选优化控制策略分别对所述风机尾流迭加模型模型进行仿真，对比分析基于所述多个候选优化控制策略得到的仿真结果，获取风电场有功出力的目标优化控制策略；
步骤104：根据所述目标优化控制策略，控制风电场的有功出力。
具体地，轴向诱导因子是指风轮处轴向诱导速度与风轮前来流速度之比。
在步骤102中，将风机的轴向诱导因子作为控制变量，基于能量平衡的尾流迭加模型来模拟风机之间的尾流相互作用，建立风机尾流迭加模型。其中，风机尾流迭加模型的具体构建过程如下：
其中，获取目标函数：
Figure BDA0003184535450000061
结合一维动量理论中的风机功率表达式：
Figure BDA0003184535450000062
将两个公式进行结合转换为：
Figure BDA0003184535450000071
约束条件风机之间的尾流相互作用和风机的运行状态约束，即
Figure BDA0003184535450000072
Figure BDA0003184535450000073
Figure BDA0003184535450000074
以上公式中，N为风电场的风机数量，pi为风机i的输出功率，ρ为空气密度，Ai为风机的风轮面积，Ui为风机i处的风速，ai为风机i的轴向诱导因子。Uij为风机j的尾流发展到风机i处的风速，w为对风机i存在尾流影响的风机总数，xij为两个风机的距离，r0为风机半径，k为尾流扩张系数，式(6)则为对风机运行时的轴向诱导因子、风速和输出功率约束。
在步骤103中，海上风电场可以选用Horns Rev风电场，其风机排布方式是8行10列，参数设置包括风机信息和环境参数等，可参考下表1，而且来风方向的定义为指南针规则，即0度、90度、180度和270度分别表示正北、正东、正南和正西方向。
表1
Figure BDA0003184535450000075
其中，在上述参数设置完成之后，选用多个优化控制策略，对尾流迭加模型进行仿真模拟，根据各个仿真结果对比分析，获取风电场有功出力的目标优化控制策略。需要说明的是，在本实施例中优选的是Horns Rev海上风电场的风机排布方式，可以根据实际需要选用不同的风机排布方式，在此不作具体限定。
本发明实施例中，通过先获取尾流迭加模型来构建风机尾流迭加模型，基于海上风电场的风机排布方式和参数设置，采用多个候选优化控制策略对尾流迭加模型进行仿真模拟，根据对比分析得到的仿真结果，确认风电场有功出力的目标优化控制策略。该方法给出了风电场有功出力最佳优化控制策略，解决了风电场中尾流效应对有功出力的影响，提高了风电场的有功出力。
在本发明的另一个实施例中，如图2-图16所示，所述对比分析基于所述多个候选优化控制策略得到的仿真结果，获取风电场有功出力的目标优化控制策略，包括：
获取所述多个候选优化控制策略下风机的轴向诱导因子取值、风机风速和风机功率的分布结果及各个候选优化控制策略对应的风电场有功出力值；
结合对所述分布结果的分析结果，确认风电场有功出力最大值对应的优化控制策略作为风电场有功出力的目标优化控制策略。
具体地，有功出力是指当前风场所有风力发电机组发出的总电功率，也就是当前风场向电网输送的有功功率。
在本实施例中，优选采用随机投点法、粒子群算法和模式搜索算法三种优化控制策略以及传统的单机最大功率控制策略，分别对基于尾流迭加模型构建的风机尾流迭加模型进行仿真模拟处理，获取不同候选优化控制策略下对应的轴向诱导因子取值、风机风速和风机功率分布结果，以及风电场有功出力值。需要说明的是，优化控制策略不局限于以上三种，可以根据实际需求选用，在此不作限定。
其中，由于单机最大功率控制策略下所有风机的轴向诱导因子均为1/3，这里不作图展示，本实施例中获取的其他优化控制策略下各个风机的轴向诱导因子取值分布结果如图2-图4所示。
从图2-图4的分布结果可以发现，在采用相同的迭代初值和迭代次数的条件下，采用随机投点法和粒子群算法进行优化控制所得的轴向诱导因子分布表现出一定的随机性，而采用模式搜索算法进行优化控制时，同一列风机的轴向诱导因子取值相同，并且上风向风机的轴向诱导因子比较小，下风向的取值比较大，最后一列风机的取值约为1/3，表现出很强的规律性。进一步分析可知，在表1所示的Horns Rev风电场的参数设置中，利用风机的轮毂中心高度和相对表面粗糙度系数可以求得尾流扩张系数为0.0372，则排在首位的风机的尾流发展到最后一个风机的位置时，尾流截面半径为187.5米，小于风机各行之间的距离，即在该风力条件下，风电场各行风机之间不存在尾流效应的相互作用，在理想最优的情况下，风电场各行的优化结果应该保持一致，根据这点可以说明模式搜索算法的优化结果更加接近理想最优解。
其中，本实施例中获取的不同优化控制策略下各个风机的风速分布结果如图5-图8所示。
从图5-图8的分布结果可以发现，单机最大功率控制策略下，由于各个风机将轴向诱导因子均设置为1/3，以获得自身在当前风力条件下的最大功率值，因此风速发展到每行最后一个风机位置时已经由9m/s下降到约6.5m/s；根据上一部分的分析可知，随机投点法控制策略下的优化结果陷入了局部最优，大部分风机的轴向诱导因子仍为1/3，因此风机的风速分布和单机最大功率控制策略下的结果比较类似，只是某些位置出现随机波动，风速最终也下降到较低水平；图7和图8对应的粒子群算法和模式搜索算法，两者的结果比较接近，风速发展到每行最后一个风机时大小超过7m/s，说明通过调整风电场各个风机的轴向诱导因子，减少上风向风机捕获的风能，可以增加下风向风机的来风速度。同时可以注意到，由于最后一列风机的风速大于其切入风速(一般取3m/s)，为了实现这些风机的有功出力最大化，应该将其轴向诱导因子设置为1/3，这与图4的分布结果保持了一致性，再次表明了结果的合理性。
其中，本实施例中获取的不同优化控制策略下各个风机的功率分布结果如图9-图12所示。
从图9-图12的分布结果可以发现，单机最大功率控制策略和随机投点法控制策略下，上风向和下风向的风机功率相差较大，上风向风机捕获了大部分的风能，而下风向风机的功率水平很低，根据一维动量理论中的式(2)可知，风机的功率是由其来风速度和轴向诱导因子(功率系数)决定的，由于采用单机最大功率控制策略和随机投点法控制策略时下风向风机的风速下降较多，其捕获的风能也会随着下降。图11和图12表明了粒子群算法优化控制策略和模式搜索法优化控制策略下，风电场上风向风机的功率相较于单机最大功率控制下有所降低，下风向风机的有功功率得到显著地提升，风电场各个风机之间功率的差异性减小。
基于上述具体实施例，可以得到粒子群算法和模式搜索算法在各个方面具有一定的优势。下面结合不同控制策略下的风电场出力情况进一步分析，不同优化控制策略下的风电场出力对比如下表2所示。
表2
Figure BDA0003184535450000101
表2给出了四种风机控制策略下的风电场有功出力，和单机最大功率控制策略相比，其他优化控制策略的结果都有了提升，比例在2.5％到10％之间。正如前面的分析，随机投点法策略陷入了局部最优，最终结果不太理想，与实际最优值差距较大；粒子群算法优化策略和模式搜索法优化策略的结果比较相近，都显著增加了风电场的有功出力，而且模式搜索算法的优化结果规律性更强，与实际最优解更为接近。
在本实施例中，通过上述分析得到模式搜索算法为风电场有功出力的目标优化控制策略。
本发明实施例中，通过利用多个候选优化控制策略对风机尾流迭加模型进行仿真处理，获取各个候选优化控制策略下各个风机对应的分布结果，并根据对各个分布结果的分析以及得到的风电场有功出力的对比分析，确认风电场有功出力最大值对应的优化控制策略为风电场的有功出力目标优化控制策略，该方法得出的模式搜索算法能够应用于带有尾流效应的风电场中，提高了风电场的有功出力。
在本发明的另一个实施例中，该方法还包括：
根据所述风电场有功出力的目标优化控制策略和单机最大功率控制策略，对基于不同风力条件的风电场进行有功优化分析，确认所述风电场有功出力的目标优化控制策略的优化结果。
具体地，不同风力条件是指当固定风速时改变风向或者风向固定时改变风速，还可以是风向和风速均不固定，可以根据实际需要设定，在此不作具体限定。
在上述实施例中只考虑了风向定向和风速定速情况下的风电场有功出力情况，在本实施例中，基于Horns Rev风电场的风机排布方式，风电场的有功出力目标优化控制策略优选的是模式搜索算法优化控制策略，考虑的是风速固定风向不同或风向固定风速两种不同的情况。
举例说明，假设风速大小固定为9m/s，风向选几个比较特殊的风向进行优化，使风机的某一排列方向仍与风向平行，但在顺风方向上风机之间的距离有所差别，风电场等效的行数和列数也不同，具体的风力参数设置见下表3。
表3风力条件设置(假设风速为9m/s)
Figure BDA0003184535450000111
根据上述设置参数，得到各个不同风向下的轴向诱导因子等高线图如图13-16所示。
从图13-图16的分布结果可以发现，当风速固定而风向发生变化时，风电场各风机轴向诱导因子的等高线图形状与风向具有很强的关联性。这是由于在风向改变的时候，可以认为风电场等效的风机布局方式发生了变化，行方向与风向平行，而该海上风电场由于风机之间的距离比较充裕，等效后的风电场各行风机之间不存在尾流效应的相互作用，因此可以当成若干独立的小组进行优化，优化结果中的轴向诱导因子等高线梯度方向与风向平行。同时可以注意到，无论在哪一个风向下，轴向诱导因子的取值总是上风向比较小，下风向比较大，并且上风向的等高线比较稀疏，下风向的等高线比较密集，这说明通过采用模式搜索算法进行优化控制后，上风向的风机降低了出力，使轴向诱导因子维持在0.21至0.23的水平，下风向风机由于其尾流效应对整个风电场的总出力影响不大，因此必须尽可能捕获风能，使轴向诱导因子维持在较高水平。
在考虑风速大小对优化结果的影响时，固定风向为270度，风速大小在8m/s到12m/s的范围内变化。不同风向下的风电场出力对比如下表4所示。
表4不同风向下的风电场出力对比
Figure BDA0003184535450000121
前面的模拟分析都是比较特殊的风向下的优化结果，但是需要说明的是，由于Horns Rev海上风电场的风机排布比较规则，并且风机间距比较大，所以在多数风向下，风电场有功出力的优化提升比例比较小，一般低于1％。以风向为275度的情况为例进行说明，表1的参数设置下，尾流的扩张系数为0.0372，则扩张角度为4.88度，图17中用方框标注风机的尾流区域多半在风机间隔中，只对某些行最后几个风机有影响，同时等效的风机列数增加，每列风机数量减少，风电场的风机来风速度大小整体处于较高水平，风电场出力的优化提升的空间比较小。因此在实际风电场的风机排列布局工作中，应该考虑当地的风力条件特点，使在主导风向下的风机间距增加，风电场等效列数增加，减小尾流效应对有功出力的影响；同时当出现类似前述的特殊风向而使尾流效应的影响比较显著时，应该重视有功优化控制，减小能量的损失。
在另一个具体的例子中，假设风向固定为270度，风速大小在8m/s至12m/s之间变化，不同风速下的风电场出力对比如下表5所示。
表5不同风速下的风电场出力对比
Figure BDA0003184535450000131
表5给出了风向为270度，风速在8m/s至12m/s变化时的风电场有功优化结果，可以看到在这些风速设置下的有功出力优化提升比例十分接近，这是因为当风向固定且所有风机的风速都大于其切入风速时，风电场内部的尾流相互作用关系具有高度的相似性，采用相同的优化控制策略会得到类似的提升比例；但根据功率提升的绝对数值来看，风速增加时的功率提升数值也会增加，相应的经济效益也会提升，即优化策略的经济性会随风速(假设未超过切出风速)的增加而提高。同时需要说明的是，在低风速条件下，如果采用单机最大功率控制时出现部分风机风速低于切入风速而停止运行，利用优化控制策略可以减小上风向风机的捕获功率，使更多的风机参与运行，提升整体的有功出力。
本发明实施例中，通过将获取的风电场有功出力的目标优化控制策略与单机最大功率控制策略基于不同风力条件下对风电场进一步优化分析，确认了模式搜索算法优化控制策略在不同风向、风速情况下，优化效果也具有一定的优势，提高了风电场整体的有功出力。
在本发明的另一个实施例中，所述基于能量平衡获取尾流迭加模型，其中，所述能量平衡表征公式为：
Figure BDA0003184535450000141
其中，U0为自然来风速度，Ui为待求的第i台风机的来风速度，Uij为第j台风机的尾流发展到第i台风机风机处的风速。
在本实施例中，尾流迭加模型是选用能量平衡的尾流迭加方式获取的。
其中，根据目前常用的三种尾流迭加方式进行模拟仿真，根据得到的结果对比分析，得出能量平衡迭加的方式在多风机尾流效应中更具有优势，具体操作方式如下。
目前常用的尾流迭加方式：
1)线性迭加方式：
Figure BDA0003184535450000142
2)二次迭加方式：
Figure BDA0003184535450000143
3)能量平衡方式：
Figure BDA0003184535450000151
其中，采用PARK模型，利用上述提到的三种迭加方式改进风电场尾流模型，采用上述实施例表1中风电场的参数设置，得到如图18所示的三种尾流迭加结果。从附图18中可以看出，线性迭加方式下，风速随着距离的增加下降较快，当下游风机较多时，会夸大尾流效应的影响；而二次迭加方式和能量平衡方式的结果比较接近，在风速距离增加时，风速趋于平缓，考虑实际应用情况，本实施例中选用能量平衡公式作为尾流迭加公式。
本实施例中，通过能量平衡公式作为尾流迭加公式，用于获取尾流迭加模型，考虑了风电场的多风机之间的尾流效应，更能满足风电场的实际设计要求。
在本发明的另一个实施例中，所述利用多个候选优化控制策略对所述风机尾流迭加模型进行仿真模拟，其中，所述多个候选优化控制策略包括：随机投点法、粒子群算法和模式搜索算法。
具体地，随机投点法是比较容易实现的优化方法之一；粒子群算法(简称PSO算法)是一种通用性比较强的智能算法；模式搜索算法是模式搜索算法是一种变步长的直接搜索方法，其主要思想是通过探测移动和模式移动使算法的搜索方向与最优下降方向更加靠近。
本实施例中，通过随机投点法、粒子群算法和模式搜索算法作为候选优化控制策略，对风机尾流迭加模型进行仿真处理，从而获取能够满足对风电场有功出力的优化要求的优化控制策略。
在本发明的另一个实施例中，如图19所示，提供一种风电场有功协调优化装置，包括：
获取模块1901，用于基于能量平衡获取尾流迭加模型；
建立模块1902，用于将风机的轴向诱导因子作为控制变量输入所述尾流迭加模型，得到用于模拟风机之间的尾流相互作用的风机尾流迭加模型；
仿真和分析模块1903，用于基于海上风电场的风机排布方式和参数设置，利用多个候选优化控制策略分别对所述风机尾流迭加模型进行仿真，对比分析基于所述多个候选优化控制策略得到的仿真结果，获取风电场有功出力的目标优化控制策略。
具体地，尾流迭加模型是基于能量平衡公式作为尾流迭加公式获取得到的模型。
本发明实施例中，获取模块用于先获取尾流迭加模型，建立模块将风机的轴向诱导因子作为控制变量输入尾流迭加模型用于构建风机尾流迭加模型，仿真和分析模块基于海上风电场的风机排布方式和参数设置，采用多个候选优化控制策略对风机尾流迭加模型进行仿真模拟，根据对比分析得到的仿真结果，确认风电场有功出力的目标优化控制策略。该装置给出了风电场有功出力最佳优化控制策略，解决了风电场中尾流效应对有功出力的影响，提高了风电场的有功出力。
由于本发明实施例所述装置与上述实施例所述方法的原理相同，对于更加详细的解释内容在此不再赘述。
图20为本发明实施例提供的电子设备实体结构示意图，如图20所示，本发明提供一种电子设备，包括：处理器(processor)2001、存储器(memory)2002和总线2003；
其中，处理器2001、存储器2002通过总线2003完成相互间的通信；
处理器2001用于调用存储器2002中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：基于能量平衡获取尾流迭加模型；将风机的轴向诱导因子作为控制变量输入所述尾流迭加模型，得到用于模拟风机之间的尾流相互作用的风机尾流迭加模型；基于海上风电场的风机排布方式和参数设置，利用多个候选优化控制策略分别对所述风机尾流迭加模型进行仿真，对比分析基于所述多个候选优化控制策略得到的仿真结果，获取风电场有功出力的目标优化控制策略；根据所述目标优化控制策略，控制风电场的有功出力。
本实施例提供一种非暂态计算机可读存储介质，非暂态计算机可读存储介质存储计算机指令，计算机指令使所述计算机执行上述各方法实施例所提供的方法，例如包括：基于能量平衡获取尾流迭加模型；将风机的轴向诱导因子作为控制变量输入所述尾流迭加模型，得到用于模拟风机之间的尾流相互作用的风机尾流迭加模型；基于海上风电场的风机排布方式和参数设置，利用多个候选优化控制策略分别对所述风机尾流迭加模型进行仿真，对比分析基于所述多个候选优化控制策略得到的仿真结果，获取风电场有功出力的目标优化控制策略；根据所述目标优化控制策略，控制风电场的有功出力。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种风电场有功出力优化控制的方法，其特征在于，包括：
基于能量平衡获取尾流迭加模型；
将风机的轴向诱导因子作为控制变量输入所述尾流迭加模型，得到用于模拟风机之间的尾流相互作用的风机尾流迭加模型；
基于海上风电场的风机排布方式和参数设置，利用多个候选优化控制策略分别对所述风机尾流迭加模型进行仿真，对比分析基于所述多个候选优化控制策略得到的仿真结果，获取风电场有功出力的目标优化控制策略；
根据所述目标优化控制策略，控制风电场的有功出力。
2.根据权利要求1所述的风电场有功出力优化控制的方法，其特征在于，所述对比分析基于所述多个候选优化控制策略得到的仿真结果，获取风电场有功出力的目标优化控制策略，包括：
获取所述多个候选优化控制策略下风机的轴向诱导因子取值、风机风速和风机功率的分布结果及各个候选优化控制策略对应的风电场有功出力值；
结合对所述分布结果的分析结果，确认风电场有功出力最大值对应的优化控制策略作为风电场有功出力的目标优化控制策略。
3.根据权利要求1所述的风电场有功出力优化控制的方法，其特征在于，还包括：
根据所述风电场有功出力的目标优化控制策略和单机最大功率控制策略，对基于不同风力条件的风电场进行有功优化分析，确认所述风电场有功出力的目标优化控制策略的优化结果。
4.根据权利要求1所述的风电场有功出力优化控制的方法，其特征在于，所述基于能量平衡获取尾流迭加模型，其中，所述能量平衡表征公式为：
Figure FDA0003184535440000011
其中，U0为自然来风速度，Ui为待求的第i台风机的来风速度，Uij为第j台风机的尾流发展到第i台风机风机处的风速。
5.根据权利要求1所述的风电场有功出力优化控制的方法，其特征在于，所述利用多个候选优化控制策略对所述风机尾流迭加模型进行仿真模拟，其中所述多个候选优化控制策略包括：随机投点法、粒子群算法和模式搜索算法。
6.一种风电场有功出力优化控制的装置，其特征在于，包括：
获取模块，用于基于能量平衡获取尾流迭加模型；
建立模块，用于将风机的轴向诱导因子作为控制变量输入所述尾流迭加模型，得到用于模拟风机之间的尾流相互作用的风机尾流迭加模型；
仿真和分析模块，用于基于海上风电场的风机排布方式和参数设置，利用多个候选优化控制策略分别对所述风机尾流迭加模型进行仿真，对比分析基于所述多个候选优化控制策略得到的仿真结果，获取风电场有功出力的目标优化控制策略；
控制模块，用于根据所述目标优化控制策略，控制风电场的有功出力。
7.根据权利要求6所述的风电场有功出力优化控制的装置，所述仿真和分析模块还用于：
获取所述多个候选优化控制策略下风机的轴向诱导因子取值、风机风速和风机功率的分布结果及各个候选优化控制策略对应的风电场有功出力值；
结合对所述分布结果的分析结果，确认风电场有功出力最大值对应的优化控制策略作为风电场有功出力的目标优化控制策略。
8.根据权利要求6所述的风电场有功出力优化控制的装置，所述仿真和分析模块还用于：
根据所述风电场有功出力的目标优化控制策略和单机最大功率控制策略，对基于不同风力条件的风电场进行有功优化分析，确认所述风电场有功出力的目标优化控制策略的优化结果。
9.一种电子设备，其特征在于，包括：处理器、存储器和总线，其中，
所述处理器和所述存储器通过所述总线完成相互间的通信；
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至5中任一所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至5中任一所述的方法。
CN202110857202.8A 2021-07-28 2021-07-28 风电场有功出力优化控制的方法、装置、电子设备及介质 Pending CN113688581A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110857202.8A CN113688581A (zh) 2021-07-28 2021-07-28 风电场有功出力优化控制的方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110857202.8A CN113688581A (zh) 2021-07-28 2021-07-28 风电场有功出力优化控制的方法、装置、电子设备及介质

Publications (1)

Publication Number Publication Date
CN113688581A true CN113688581A (zh) 2021-11-23

Family

ID=78578085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110857202.8A Pending CN113688581A (zh) 2021-07-28 2021-07-28 风电场有功出力优化控制的方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN113688581A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117454721A (zh) * 2023-12-21 2024-01-26 浙江远算科技有限公司 基于数字仿真实验的风电场尾流叠加效应评估方法和介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105354632A (zh) * 2015-10-26 2016-02-24 江苏省电力公司电力经济技术研究院 一种考虑尾流效应的风电场功率优化分配策略
CN105868848A (zh) * 2016-03-25 2016-08-17 湘潭大学 一种机组间偏航和有功功率综合协调的风电场增效方法
CN107784386A (zh) * 2016-08-31 2018-03-09 中国电力科学研究院 一种基于风速衰减因子的风电场风机优化排布方法及系统
CN110912119A (zh) * 2019-10-28 2020-03-24 四川大学 一种基于暂态频率指标的互补系统控制策略组合优化方法
CN112883652A (zh) * 2021-03-12 2021-06-01 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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105354632A (zh) * 2015-10-26 2016-02-24 江苏省电力公司电力经济技术研究院 一种考虑尾流效应的风电场功率优化分配策略
CN105868848A (zh) * 2016-03-25 2016-08-17 湘潭大学 一种机组间偏航和有功功率综合协调的风电场增效方法
CN107784386A (zh) * 2016-08-31 2018-03-09 中国电力科学研究院 一种基于风速衰减因子的风电场风机优化排布方法及系统
CN110912119A (zh) * 2019-10-28 2020-03-24 四川大学 一种基于暂态频率指标的互补系统控制策略组合优化方法
CN112883652A (zh) * 2021-03-12 2021-06-01 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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117454721A (zh) * 2023-12-21 2024-01-26 浙江远算科技有限公司 基于数字仿真实验的风电场尾流叠加效应评估方法和介质
CN117454721B (zh) * 2023-12-21 2024-03-22 浙江远算科技有限公司 基于数字仿真实验的风电场尾流叠加效应评估方法和介质

Similar Documents

Publication Publication Date Title
Johnson et al. Wind farm control: Addressing the aerodynamic interaction among wind turbines
Huang Distributed genetic algorithm for optimization of wind farm annual profits
CN103244348A (zh) 变速变桨风力发电机组功率曲线优化方法
Mirzaei et al. Model based active power control of a wind turbine
CN102748217A (zh) 一种风电机组动态最优桨距角控制方法和装置
CN109274121B (zh) 一种风电场控制参数优化方法及系统
CN110206682A (zh) 动态确定偏航控制精度的方法和装置
CN110094297B (zh) 基于扇区的风力发电机组的控制方法及控制系统
WO2023087520A1 (zh) 一种基于局部搜索策略的风电场布局优化方法及系统
CN114021382A (zh) 一种基于数学规划的风电场布局优化方法
CN110361963B (zh) 一种永磁风机pi参数优化方法及装置
Zeghdi et al. Improved backstepping control of a DFIG based wind energy conversion system using ant lion optimizer algorithm
CN113688581A (zh) 风电场有功出力优化控制的方法、装置、电子设备及介质
CN111488712B (zh) 一种基于迁移学习的风力发电机功率曲线建模方法
Tahani et al. Aerodynamic optimal design of wind turbine blades using genetic algorithm
CN109802440B (zh) 基于尾流效应因子的海上风电场等值方法、系统和装置
CN113011994A (zh) 风电厂的优化
Chhor et al. Operation and control strategies for wind energy conversion systems: Review and simulation study
CN115288929A (zh) 一种计及载荷计算的风电机组偏航控制方法及系统
CN111414573B (zh) 一种工程应用领域的输入输出数据处理方法和系统
CN115241922A (zh) 风电场参与电网频率支撑的机组组合确定方法与系统
CN113869771A (zh) 基于局域疲劳载荷均衡的海上风电场功率调度方法
Hu et al. Wind farm control and optimization
Zhiqiang et al. Multi-AOA optimization of variable-speed wind turbine airfoils
CN111911352B (zh) 一种气流发生风力发电方法

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