CN114263565B - 风力发电机组的偏航控制设备及方法 - Google Patents

风力发电机组的偏航控制设备及方法 Download PDF

Info

Publication number
CN114263565B
CN114263565B CN202010973356.9A CN202010973356A CN114263565B CN 114263565 B CN114263565 B CN 114263565B CN 202010973356 A CN202010973356 A CN 202010973356A CN 114263565 B CN114263565 B CN 114263565B
Authority
CN
China
Prior art keywords
wind
yaw
current
information
optimal
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
Application number
CN202010973356.9A
Other languages
English (en)
Other versions
CN114263565A (zh
Inventor
薛达
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.)
Jinfeng Technology Co ltd
Original Assignee
Jinfeng 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 Jinfeng Technology Co ltd filed Critical Jinfeng Technology Co ltd
Priority to CN202010973356.9A priority Critical patent/CN114263565B/zh
Publication of CN114263565A publication Critical patent/CN114263565A/zh
Application granted granted Critical
Publication of CN114263565B publication Critical patent/CN114263565B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • Y02E10/72—Wind turbines with rotation axis in wind direction

Landscapes

  • Wind Motors (AREA)

Abstract

本公开提供一种风力发电机组的偏航控制设备及方法。所述偏航控制设备包括：预测模块，被配置为预测风力发电机组的当前及未来的可行偏航动作序列，并且预测风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量和耗电量；最优偏航动作序列选择模块，被配置为根据所述发电量和所述耗电量，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列；偏航控制策略确定模块，被配置为基于所述最优偏航动作序列确定风力发电机组的偏航控制策略。

Description

风力发电机组的偏航控制设备及方法
技术领域
本公开涉及风力发电技术领域，具体涉及一种风力发电机组的偏航控制设备及方法。
背景技术
机组偏航控制系统由偏航电机、偏航减速器、偏航轴承及相应的传感器(如风向标，机舱位置传感器)等组成，并通过偏航轴承与机舱及叶轮刚性连接。通常，传统的风力发电机组的控制系统在检测到风向与机舱位置之间的偏差角后，下发控制指令，启动偏航电机，通过偏航电机驱动机舱朝着一定的方向进行偏航动作，使风力发电机组处于对风状态，最大可能吸收风能。
但是，这样的偏航控制策略没有充分考虑到风力发电机组的不同工况条件，未考虑到风向在不同风速段分布的不同，以及风力发电机组在不同风速段的出力和控制策略也不同。
发明内容
本公开的实施例的目的在于提供一种风力发电机组的偏航控制设备及方法，以克服现有技术中的不足。
根据本公开的实施例，提供一种风力发电机组的偏航控制设备，所述偏航控制设备包括：预测模块，被配置为预测风力发电机组的当前及未来的可行偏航动作序列，并且预测风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量和耗电量；最优偏航动作序列选择模块，被配置为根据所述发电量和所述耗电量，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列；偏航控制策略确定模块，被配置为基于所述最优偏航动作序列确定风力发电机组的偏航控制策略。
可选地，所述预测模块被进一步配置为：获取风力发电机组的当前偏航角度值和当前的环境风信息；根据当前偏航角度值和当前的环境风信息，预测当前及未来的可行偏航动作序列。
可选地，最优偏航动作序列选择模块被进一步配置为：根据所述发电量和所述耗电量，预测风力发电机组在所述当前及未来的环境风信息下产生的有效发电量；以风力发电机组在所述当前及未来的环境风信息下产生的有效发电量最大为目标，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列。
可选地，最优偏航动作序列选择模块被进一步配置为：以风力发电机组在所述当前及未来的环境风信息下产生的有效发电量最大为目标，基于有效发电量的预测周期和耗电量权重值来设置模型预测控制算法的目标函数；利用所述目标函数来从所述可行偏航动作序列中选择最优偏航动作序列。
可选地，所述偏航控制设备还包括获取模块，获取模块被配置为获取风力发电机组的历史的环境风信息以及在历史的环境风信息下的历史有效发电量，其中，历史的环境风信息包括历史的环境风速值和环境风向值。最优偏航动作序列选择模块被进一步配置为：设置多个耗电量权重值和/或分别具有不同时间长度的多个预测周期；针对每个耗电量权重值和/或每个预测周期，根据历史的环境风信息，利用所述目标函数生成相应的模拟偏航控制策略；根据每个模拟偏航控制策略所产生的模拟有效发电量相对于历史有效发电量的增长率和/或每个模拟偏航控制策略中的偏航动作频次，从所述多个耗电量权重值中选择不同的环境风速值和/或环境风向值下的最优耗电量权重值，和/或，从所述多个预测周期中选择不同的环境风速值和/或环境风向值下的具有最优时间长度的预测周期。
可选地，最优偏航动作序列选择模块被进一步配置为：根据风力发电机组的当前时刻的环境风速值和/或环境风向值，设置当前时刻的最优耗电量权重值；和/或，根据风力发电机组的当前时刻的环境风速值和/或环境风向值，设置当前时刻对应的具有最优时间长度的预测周期。
可选地，所述当前及未来的环境风信息包括当前及未来的环境风速值和环境风向值，所述偏航控制设备还包括获取模块，获取模块被配置为通过以下操作获取所述当前及未来的环境风信息：获取在来风方向上与风力发电机组相距测风距离处的当前及未来的测风信息，所述测风信息包括测量风速值与测量风向值；利用从当前时刻至未来的测风结束时刻的测风信息填充从当前时刻开始的预测周期内的环境风信息，其中，从当前时刻至所述测风结束时刻对测量风速值进行积分得到的积分值等于所述测风距离。
可选地，获取模块被进一步配置为：当从当前时刻至所述测风结束时刻的时间长度小于预测周期的时间长度时，利用所述测风结束时刻的测风信息填充从所述测风结束时刻至预测周期结束时刻的环境风信息。
可选地，偏航控制策略确定模块被进一步配置为：将针对当前时刻的最优偏航动作序列中的第一个偏航动作确定为所述偏航控制策略中当前时刻的偏航控制操作。
根据本公开的实施例，提供一种风力发电机组的偏航控制方法，所述偏航控制方法包括：预测风力发电机组的当前及未来的可行偏航动作序列；预测风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量和耗电量；根据所述发电量和所述耗电量，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列；基于所述最优偏航动作序列确定风力发电机组的偏航控制策略。
可选地，所述预测风力发电机组的当前及未来的可行偏航动作序列的步骤包括：获取风力发电机组的当前偏航角度值和当前的环境风信息；根据当前偏航角度值和当前的环境风信息，预测未来的可行偏航动作序列。
可选地，从所述可行偏航动作序列中选择最优偏航动作序列的步骤包括：根据所述发电量和所述耗电量，预测风力发电机组在所述当前及未来的环境风信息下产生的有效发电量；以风力发电机组在所述当前及未来的环境风信息下产生的有效发电量最大为目标，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列。
可选地，所述选择最优偏航动作序列的步骤包括：以风力发电机组在所述当前及未来的环境风信息下产生的有效发电量最大为目标，基于有效发电量的预测周期和耗电量权重值来设置模型预测控制算法的目标函数；利用所述目标函数来从所述可行偏航动作序列中选择最优偏航动作序列。
可选地，所述偏航控制方法还包括：获取风力发电机组的历史的环境风信息以及在历史的环境风信息下的历史有效发电量，其中，历史的环境风信息包括历史的环境风速值和环境风向值；设置多个耗电量权重值和/或分别具有不同时间长度的多个预测周期；针对每个耗电量权重值和/或每个预测周期，根据历史的环境风信息，利用所述目标函数生成相应的模拟偏航控制策略；根据每个模拟偏航控制策略所产生的模拟有效发电量相对于历史有效发电量的增长率和/或每个模拟偏航控制策略中的偏航动作频次，从所述多个耗电量权重值中选择不同的环境风速值和/或环境风向值下的最优耗电量权重值，和/或，从所述多个预测周期中选择不同的环境风速值和/或环境风向值下的具有最优时间长度的预测周期。
可选地，所述偏航控制方法还包括：根据风力发电机组的当前时刻的环境风速值和/或环境风向值，设置当前时刻的最优耗电量权重值；和/或，根据风力发电机组的当前时刻的环境风速值和/或环境风向值，设置当前时刻对应的具有最优时间长度的预测周期。
可选地，所述当前及未来的环境风信息包括当前及未来的环境风速值和环境风向值，其中，通过以下操作获取所述当前及未来的环境风信息：获取在来风方向上与风力发电机组相距测风距离处的当前及未来的测风信息，所述测风信息包括测量风速值与测量风向值；利用从当前时刻至未来的测风结束时刻的测风信息填充从当前时刻开始的预测周期内的环境风信息，其中，从当前时刻至所述测风结束时刻对测量风速值进行积分得到的积分值等于所述测风距离。
可选地，所述获取风力发电机组的当前及未来的环境风信息的步骤还包括：当从当前时刻至所述测风结束时刻的时间长度小于预测周期的时间长度时，利用所述测风结束时刻的测风信息填充从所述测风结束时刻至预测周期结束时刻的环境风信息。
可选地，基于所述最优偏航动作序列确定风力发电机组的偏航控制策略的步骤包括：将针对当前时刻的最优偏航动作序列中的第一个偏航动作确定为所述偏航控制策略中当前时刻的偏航控制操作。
根据本公开的实施例，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现如上所述的偏航控制方法。
根据本公开的实施例，提供一种计算装置，所述计算装置包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的偏航控制方法。
采用根据本公开的实施例的风力发电机组的偏航控制设备、偏航控制方法、计算机可读存储介质以及计算装置，可以基于模型预测控制算法来提供最优的偏航控制策略，在以有效发电量最大为目标的前提下，至少可以在执行偏航动作带来的发电量收益与偏航电机损耗、偏航闸片损耗、引入的扰动损耗之间进行平衡，可以提高风力发电机组的有效发电量，同时还可减少偏航执行机构(例如，偏航电机、偏航闸片)的损耗，延长风力发电机组的偏航系统的使用寿命，降低风力发电机组的运维成本。
附图说明
通过下面结合附图进行的描述，本公开的上述和其他目的和特点将会变得更加清楚。
图1是根据本公开的实施例的风力发电机组的偏航控制设备的示意图。
图2是根据本公开的实施例的风力发电机组的偏航控制方法的流程图。
图3是根据本公开的实施例的风速随时间变化的曲线图。
图4示出了根据本公开的实施例的多个耗电量权重值对应的最优偏航动作序列所产生的偏航角度相对于风向的变化。
图5示出了根据本公开的实施例的具有不同时间长度的多个预测周期对应的最优偏航动作序列所产生的偏航角度相对于风向的变化。
图6示出了根据本公开的实施例的历史风速分布图。
图7示出了根据本公开的实施例的多个耗电量权重值对应的最大有效发电量相对于历史有效发电量的发电量增长率。
图8示出了根据本公开的实施例的多个耗电量权重值对应的偏航动作持续时间和历史的偏航动作持续时间。
图9是根据本公开的实施例的获取当前及未来的环境风信息的操作的流程图。
图10至图12示出了根据本公开的实施例的不同平均风速下的预测周期内的环境风速值和环境风向值以及相应的历史风速值和历史风向值。
图13是根据本公开的实施例的计算装置的示意图。
具体实施方式
风力发电机组在实际运行中，在不同地形条件下，以及在不同扇区和不同风速条件下，风向变化不一样。在某些地形条件下，风向变化可能非常频繁。如果此时风速远大于额定风速，偏航系统如果频繁偏航，可能会导致偏航电机过载，导致风力发电机组发生故障，再者，风力发电机组在满发后处于恒功率控制模式，偏航对风后不能给风力发电机组带来额外的能量。此外，在风速较小时(例如，风速远小于额定风速)，一般来说，风向变化比较频繁，同时风力发电机组本身出力比较小，如果此时风力发电机组频繁偏航，则风力发电机组偏航对风后获得的额外风能可能低于由于偏航过程中偏航电机等消耗的能量，也就是说，在此工况条件下偏航得不偿失。
在传统的偏航控制中，可以基于机器学习来对风速进行预测，但风速预测其实是很难的课题，风速预测的偏差会直接影响到风力发电机组的控制效果，甚至可能起到适得其反的作用；其次，对偏航控制策略的描述较为粗略，例如，控制变量可包括平均偏航对风偏差计算时间系数及其时间延迟常数，但这一策略对上述控制变量的调整通常基于工程师经验，无法保证得到基于风速和风向的预测的最优化控制效果。
本公开提出一种风力发电机组的偏航控制设备及方法，可以基于模型预测控制(MPC)算法来优化风力发电机组的偏航控制。模型预测控制(MPC)算法的一大优势就是权衡不同成本和收益之间的利弊关系，非常适用于风力发电机组的偏航控制，基于MPC的偏航控制方法可以自主实现在低风速段抑制偏航产生的损耗、在过渡风速段通过偏航对风最大化发电量、在满发风速段由于无法进一步提升发电量而在一定程度上抑制偏航。同时，MPC的工程化的一个重要局限性在于其依赖于优化问题的求解，使得MPC的实现通常需要依赖于具有强大计算功能的求解器，但对于风力发电机组的偏航控制来说，MPC的控制变量相对简单，计算需求也可以相应控制。因此，在具备雷达等风速预测工具的情况下，MPC可以作为一种非常适用于风力发电机组的偏航控制的控制策略。本公开提出的偏航控制设备及方法的实现仅需要风力发电机组配备雷达等测风仪器，用于提供风向和风速的预测信息，此外不需要其它用于测风的硬件设备。在本公开的实施例中，可以将雷达测量的风速数据和风向数据作为输入提供给风力发电机组的偏航控制器中嵌入的MPC计算模块，通过对MPC优化的目标函数进行求解，得到下一控制周期内的偏航动作策略，例如，向左偏航、向右偏航或不偏航。
现在，将参照附图更充分地描述本公开的实施例。所述实施例的示例在附图中示出，其中，相同的附图标记始终表示相同的部件。虽然在附图中示出了一些实施例，但是本公开不仅限于此。
图1是根据本公开的实施例的风力发电机组的偏航控制设备1的示意图。
如图1所示，偏航控制设备1可包括预测模块11、最优偏航动作序列选择模块13、偏航控制策略确定模块14。预测模块11可预测风力发电机组的当前及未来的可行偏航动作序列，并且预测风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量和耗电量。最优偏航动作序列选择模块13可根据所述发电量和所述耗电量，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列。偏航控制策略确定模块14可基于所述最优偏航动作序列确定风力发电机组的偏航控制策略。可选地，偏航控制设备1还可包括获取模块12，获取模块12可获取风力发电机组的历史的环境风信息以及在历史的环境风信息下的历史有效发电量，还可获取所述当前及未来的环境风信息。可参照下文结合图2至图12的描述来理解偏航控制设备及其各个模块所执行的相应处理的具体细节，在此不再赘述。
图2是根据本公开的实施例的风力发电机组的偏航控制方法的流程图。
如图2所示，在操作S201，预测风力发电机组的当前及未来的可行偏航动作序列。例如，预测模块11可预测风力发电机组的当前及未来的可行偏航动作序列。
具体地，预测风力发电机组的当前及未来的可行偏航动作序列的操作可包括：获取风力发电机组的当前偏航角度值和当前的环境风信息；根据当前偏航角度值和当前的环境风信息，预测当前及未来的可行偏航动作序列。例如，预测模块11可获取风力发电机组的当前偏航角度值和当前的环境风信息；根据当前偏航角度值和当前的环境风信息，预测当前及未来的可行偏航动作序列。当前的环境风信息可包括当前的环境风速值和环境风向值。
根据本公开的实施例，暂时忽略偏航电机的执行效率问题，在每一时刻的可选偏航动作可仅包含三个选项：左偏航、向右偏航和不偏航。排除自左偏航直接改变为右偏航的偏航动作或与其相反的偏航动作的同时，考虑到风力发电机组的当前偏航角度值所对应的当前对风偏差角度值，当前时刻(例如，tk时刻)的可选偏航动作可仅包括两种选项：朝着减少对风偏差的方向执行偏航动作(例如，左偏航)以及不执行偏航动作，而不包括朝着与减少对风偏差的方向相反的方向执行偏航动作(例如，右偏航)。
根据本公开的实施例，可以根据风力发电机组的当前偏航角度值和当前的环境风信息，确定风力发电机组的当前对风偏差角度值。基于当前对风偏差角度值的大小可以确定能够减少对风偏差的方向，进而可以确定当前时刻的可选偏航动作，并且确定与减少对风偏差的方向相反的方向。
在示例性的可行偏航动作序列中，1表示朝着减少对风偏差的方向执行偏航动作(例如，左偏航)，-1表示朝着与减少对风偏差的方向相反的方向执行偏航动作(例如，右偏航)，0表示不执行偏航动作。本公开不限于此，还可以利用其它值或标志来表示相应的偏航动作。
如上所述，当前时刻(例如，tk时刻)的可选偏航动作序列可包括[0]和[1]。自下一时刻(例如，tk+1时刻)起，每个时刻的可选偏航动作基于前一时刻的可选偏航动作，例如，如果当前时刻(例如，tk时刻)的可选偏航动作的值为0，则下一时刻(例如，tk+1时刻)的可选偏航动作的值可以是0或1或-1；如果当前时刻(例如，tk时刻)的可选偏航动作的值为1，则下一时刻(例如，tk+1时刻)的可选偏航动作的值可以是0或1。紧接着，如果下一时刻(例如，tk+1时刻)的可选偏航动作的值为0，则再下一时刻(例如，tk+2时刻)的可选偏航动作的值可以是0或1或-1；如果下一时刻(例如，tk+1时刻)的可选偏航动作的值为1，则再下一时刻(例如，tk+2时刻)的可选偏航动作的值可以是0或1；如果下一时刻(例如，tk+1时刻)的可选偏航动作的值为-1，则再下一时刻(例如，tk+2时刻)的可选偏航动作的值可以是0或-1。
例如，假设当前时刻(例如，tk时刻)的可选偏航动作为0和1，则符合上述假设和约束条件的从当前时刻(例如，tk时刻)至后续第二时刻(例如，tk+2)的可行偏航动作序列可包括：[0，0，0]；[0，0，1]；[0，0，-1]；[0，1，0]；[0，1，1]；[0，-1，0]；[0，-1，-1]；[1，0，0]；[1，0，1]；[1，0，-1]；[1，1，0]；[1，1，1]。
根据本公开的实施例，考虑到偏航动作的启停对偏航闸片有一定的损耗影响，同时为了平衡偏航控制系统的计算量，可设置偏航动作的变化周期(例如，变化周期可设定为10s)，即以变化周期为单位进行偏航动作序列的规划，在每个变化周期内(例如，10s)内可以保持变化周期开始时的状态不变，例如，如果变化周期开始时为不偏航，则变化周期内保持不偏航；如果变化周期开始时为执行偏航动作，则变化周期内保持同一偏航动作不变。
在以上的假设和约束条件下，从当前时刻(例如，tk时刻)开始的一个变化周期内的可行偏航动作序列可包括[0]和[1]，可行偏航动作序列的个数为2。从当前时刻(例如，tk时刻)开始的两个变化周期内的可行偏航动作序列可包括[0，0]，[0，1]，[0，-1]，[1，0]和[1，1]，可行偏航动作序列的个数为5。以此类推，从当前时刻(例如，tk时刻)开始的三个变化周期内的可行偏航动作序列的个数为12。从当前时刻(例如，tk时刻)开始的四个变化周期内的可行偏航动作序列的个数为29。从当前时刻(例如，tk时刻)开始的五个变化周期内的可行偏航动作序列的个数为70。从当前时刻(例如，tk时刻)开始的六个变化周期内的可行偏航动作序列的个数为169。
在操作S202，预测风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量和耗电量。例如，预测模块11可预测风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量和耗电量。
根据本公开的实施例，当前及未来的环境风信息可包括当前及未来的环境风速值和环境风向值。为了计算风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量，可以根据可行偏航动作序列所对应的偏航动作以及当前及未来的环境风信息，预测在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的当前及未来的对风偏差角度值。然后，可以根据当前及未来的环境风速值和对风偏差角度值预测输入到风力发电机组的当前及未来的等效风速。此外，还可获取风力发电机组的动态功率曲线。根据当前及未来的等效风速和风力发电机组的动态功率曲线，可预测风力发电机组的当前及未来的输出功率，进而可预测风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量。
此外，还考虑到因执行偏航动作而产生的耗电量，例如，耗电量可包括执行偏航动作时偏航电机的耗电量、偏航动作的启停所导致的偏航闸片的耗电量、对风力发电机组引入的扰动所产生的耗电量等，其中，执行偏航动作时偏航电机的耗电量是主要的耗电量部分。
为了平衡不同的偏航动作对风力发电机组的发电量收益和损耗的影响，可利用模型预测控制算法来优化偏航控制。
因此，在操作S203，根据所述发电量和所述耗电量，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列。例如，最优偏航动作序列选择模块13可根据所述发电量和所述耗电量，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列。
具体地，从所述可行偏航动作序列中选择最优偏航动作序列的操作可包括：根据所述发电量和所述耗电量，预测风力发电机组在所述当前及未来的环境风信息下产生的有效发电量；以风力发电机组在所述当前及未来的环境风信息下产生的有效发电量最大为目标，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列。例如，最优偏航动作序列选择模块13可执行上述选择最优偏航动作序列的操作。
根据本公开的实施例，可将风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量与耗电量之间的差值作为风力发电机组在所述当前及未来的环境风信息下产生的有效发电量。然后可以以有效发电量最大为目标，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列。
根据本公开的实施例，所述选择最优偏航动作序列的操作可包括：以风力发电机组在所述当前及未来的环境风信息下产生的有效发电量最大为目标，基于有效发电量的预测周期和耗电量权重值来设置模型预测控制算法的目标函数；利用所述目标函数来从所述可行偏航动作序列中选择最优偏航动作序列。
根据本公开的实施例，目标函数可被设置为以风力发电机组在预测周期内的环境风信息下产生的有效发电量最大为目标，以更好地平衡在预测周期内的发电量所带来的收益与耗电量所造成的损耗。
因为考虑到偏航动作产生的多种负面影响，例如，除了偏航电机造成的损耗，还有偏航闸片损耗以及对风力发电机组引入的扰动所造成的损耗等，因此，在计算有效发电量时可对偏航电机产生的耗电量施加耗电量权重值，以更好地衡量偏航动作产生的多种损耗。在本公开的实施例中，耗电量权重值具体设置为偏航动作惩罚系数，偏航动作惩罚系数表示对偏航动作的惩罚强度，其取值越大表明对偏航动作的惩罚越高，反之亦然。
另一方面，有效发电量的预测周期越长，表明偏航控制策略的优化所关注的未来时间段越长，在风速预测较为准确的情况下，通常可以避免预测周期过短所引入的判断误差，较长的预测周期会得到更好的控制决策。但预测周期越长，偏航控制策略优化的求解量也越大，同时预测周期的长短也受到风速预测能力的限制。因此，预测周期的时间长度也影响偏航控制策略的优化。在本公开的实施例中，预测周期具体设置为预测窗口，预测窗口通过调节预测窗口的时间长度可以优化风力发电机组的偏航控制。
在一个实施例中，可将模型预测控制算法的目标函数定义为下式(1)：
其中：maxJ为在从tk时刻至(tk+H)时刻的预测周期内的最大有效发电量；tk为第k个采样时间点；H为预测周期的时间长度；windspeed(tk)表示t时刻的环境风速值；yawerror(tk)表示风力发电机组在tk时刻执行偏航动作所产生的对风偏差角度值；PowerCurve表示风力发电机组的动态功率曲线；PowerCurve[windspeed(tk)cos(yawerror(tk))表示风力发电机组在tk时刻的输出功率；p(tk)表示tk时刻的耗电量权重值，p(tk)大于或等于0，可选地，p(tk)可大于或等于1；Nm表示风力发电机组的偏航电机个数；Pm表示单个偏航电机在工作时的耗电功率；yawaction(tk)表示与风力发电机组在tk时刻执行的偏航动作对应的值；1{yawaction(tk)}为指示函数，当yawaction(tk)对应的偏航动作是“偏航”(例如，左偏航、右偏航)时指示函数取值为1，当yawaction(tk)对应的偏航动作是“不偏航”时指示函数取值为0，如此，当不执行偏航时耗电量为零。
下面将结合图3至图5描述不同的耗电量权重值和具有不同时间长度的预测周期对优化偏航动作序列的影响。
图3是根据本公开的实施例的风速随时间变化的曲线图。如图3所示，风速随着时间而逐渐减小。图4示出了根据本公开的实施例的多个耗电量权重值p对应的最优偏航动作序列所产生的偏航角度相对于风向的变化。图5示出了根据本公开的实施例的具有不同时间长度H的多个预测周期对应的最优偏航动作序列所产生的偏航角度相对于风向的变化。
在图4所示的实施例中，偏航动作的变化周期为10s，并且预测周期的时间长度为60s。在tk＝0时刻，风力发电机组的机舱的偏航角度约为118°，风向的角度约为105°，因此在tk＝0时刻的可行偏航动作可包括不偏航和朝着减小对风偏差的方向偏航(例如，使机舱的偏航角度减小)，在此基础上，在tk＝0之后的预测周期内的可行偏航动作序列有169个。当耗电量权重值p＝0时，该情形表示对偏航动作没有惩罚，可只考虑发电量的收益，可利用模型预测控制算法的目标函数(例如，上述等式(1))确定耗电量权重值p＝0时的最优偏航动作序列，并且生成相应的偏航轨迹(如带空心圆圈的曲线所示)。即在耗电量权重值p＝0时可尽可能采取偏航动作，使得对风偏差角度值尽量小。当耗电量权重值p＝5时，可利用模型预测控制算法的目标函数(例如，上述等式(1))确定耗电量权重值p＝5时的最优偏航动作序列，并且生成相应的偏航轨迹(如带方框的曲线所示)，即先朝着减小对风偏差的方向偏航(例如，左偏航)20s，再保持不偏航直到预测周期结束。该偏航轨迹表明在耗电量权重值p＝5的情况下，在20s后，如果继续执行偏航，则对风力发电机组引入的损耗过高，得不偿失。可进一步增大耗电量权重值p，当耗电量权重值p＝10时，最优偏航动作序列进一步抑制偏航的执行，可利用模型预测控制算法的目标函数(例如，上述等式(1))确定耗电量权重值p＝10时的最优偏航动作序列，并且生成相应的偏航轨迹(如带实心圆的曲线所示)。上述曲线上的每个节点均与最优偏航动作序列中的对应偏航动作相关联。由图4可知，耗电量权重值p的取值会在一定程度上影响到偏航控制策略。
在图5所示的实施例中，偏航动作的变化周期为10s，并且耗电量权重值p为5。针对具有不同时间长度H的预测周期，可利用模型预测控制算法的目标函数(例如，上述等式(1))确定相应的最优偏航动作序列，并且生成相应的偏航轨迹，例如，预测周期的时间长度H＝60s的偏航轨迹如带空心圆圈的曲线所示，预测周期的时间长度H＝50s的偏航轨迹如带方框的曲线所示，预测周期的时间长度H＝40s的偏航轨迹如带实心圆的曲线所示。通过对比图5所示的三种偏航路径，可发现H＝40s和H＝50s的偏航轨迹一致，即最优偏航动作序列为朝着减小对风偏差的方向偏航(例如，左偏航)10s后保持不偏航直到预测周期结束。然而，在时间长度H延长至60s时，最优偏航动作序列为朝着减小对风偏差的方向偏航(例如，左偏航)20s后再停止偏航。这是由于当预测周期的时间长度较长时，可以预见到更远的未来的风向和风速走势，例如，在时间长度H＝60时可以预测到预测周期内的来风方向始终偏左，因此预测持续向左偏航可以获得更大的发电量收益。另外，随着时间长度H取值越大，同一耗电量权重值p会对应于更为弱化的偏航动作惩罚，也在一定程度上造成了上述偏航路径的不同。可见时间长度H的取值会在一定程度上影响到偏航控制策略。
根据本公开的另一实施例，以一段时间内的历史风速和风向作为参考，利用模型预测控制算法的目标函数对该段时间内的偏航控制进行优化。在预测周期的时间长度被设置为30s的情况下，耗电量权重值被设置为1、5、10和20，以分析耗电量权重值的大小对偏航动作序列优化的影响。该段时间内的风速从约7m/s开始逐渐上升到12m/s，在前1/3时段的风速波动较大，同时风向的变化也较为频繁，风向的角度从100°左右开始逐渐减小，最终到达约50°。在耗电量权重值为1时，最优偏航动作序列中的偏航动作的执行非常频繁，尤其是在过渡风速段几乎是紧紧跟随风向变化，只有到风速超过10m/s后偏航动作的执行有所减少，这是因为进一步的偏航不会带来额外的发电量收益。通过对比耗电量权重值为5、10和20时的最优偏航动作序列，可以发现随着耗电量权重值增大，最优偏航动作序列中的偏航动作的执行逐渐减少，尤其是当耗电量权重值为20时，只在约7个时间段执行了偏航动作，对风偏差角度始终较大。为了平衡发电量收益和偏航动作的频次，可以将耗电量权重值设置为10，以提高风力发电机组整体的发电效率。
此外，如果在该段时间内应用传统偏航控制方法，可以获得传统的偏航控制路径。本公开的偏航控制与传统偏航控制相比，二者在偏航轨迹的整体规划趋势上接近，但传统偏航控制不区分风速大小，只统计累计对风偏差角度，因此在较大风速段也会持续进行偏航，导致最终整体的发电量收益并不高，发电效率较低。
参照上述示例，需要注意的是预测周期的时间长度和耗电量权重值的取值互相并不独立，因为耗电量权重值是以系数形式体现在目标函数的惩罚项中的，所以在时间长度取值小时，耗电量权重值的作用会被放大；相反，在时间长度取值较大时，耗电量权重值的作用会被弱化，因此这两个参数需要同步进行调整。
因此，需要优化上述两个重要参数，即耗电量权重值和预测周期的时间长度。根据本公开的实施例，所述偏航控制方法及偏航控制设备还可对耗电量权重值和/或预测周期的设置进行优化。
根据本公开的实施例，所述偏航控制方法还可包括：获取风力发电机组的历史的环境风信息以及在历史的环境风信息下的历史有效发电量，其中，历史的环境风信息可包括历史的环境风速值和环境风向值。例如，获取模块12可获取风力发电机组的历史的环境风信息以及在历史的环境风信息下的历史有效发电量。
进一步讲，所述偏航控制方法还可包括：设置多个耗电量权重值和/或分别具有不同时间长度的多个预测周期；针对每个耗电量权重值和/或每个预测周期，根据历史的环境风信息，利用所述目标函数生成相应的模拟偏航控制策略；根据每个模拟偏航控制策略所产生的模拟有效发电量相对于历史有效发电量的增长率和/或每个模拟偏航控制策略中的偏航动作频次，从所述多个耗电量权重值中选择不同的环境风速值和/或环境风向值下的最优耗电量权重值，和/或，从所述多个预测周期中选择不同的环境风速值和/或环境风向值下的具有最优时间长度的预测周期。例如，最优偏航动作序列选择模块13可执行上述的设置最优耗电量权重值和/或具有最优时间长度的预测周期的操作。
下面将结合图6至图8描述设置最优耗电量权重值的示例。
图6示出了根据本公开的实施例的历史风速分布图。图7示出了根据本公开的实施例的多个耗电量权重值对应的最大有效发电量相对于历史有效发电量的发电量增长率。图8示出了根据本公开的实施例的多个耗电量权重值对应的偏航动作持续时间和历史的偏航动作持续时间。偏航动作持续时间的长短可代表偏航动作频次的大小。
如图6所示，根据历史的环境风信息，该时间段的历史环境风速值中，约10m/s至12m/s的范围内的环境风速值分布较多，因此可针对该风速范围的环境风速值进行偏航控制优化，例如，可针对该风速范围的环境风速值优化耗电量权重值和/或预测周期的时间长度。
图7和图8分别示出了在图6所示的风速分布下的发电量增长率和偏航动作持续时间的统计。
根据本公开的实施例，可设置多个耗电量权重值P，针对每个耗电量权重值P，根据历史的环境风信息，利用所述目标函数生成相应的模拟偏航控制策略。耗电量权重值P为1情况下的模拟有效发电量相对于历史有效发电量的发电量增长率为1.447％，耗电量权重值P为5情况下的模拟有效发电量相对于历史有效发电量的发电量增长率为1.263％，耗电量权重值P为10情况下的模拟有效发电量相对于历史有效发电量的发电量增长率为0.891％，耗电量权重值P为20情况下的模拟有效发电量相对于历史有效发电量的发电量增长率为-1.644％。在实施例中，历史有效发电量可以是根据传统偏航控制策略(例如，基于功率提升的偏航控制策略)产生的在历史的环境风信息下的历史有效发电量。可根据每个模拟偏航控制策略所产生的模拟有效发电量相对于历史有效发电量的增长率，从多个耗电量权重值中选择不同的环境风速值最优耗电量权重值。在环境风速值约为12m/s的情况下，可从上述耗电量权重值P中选择最优耗电量权重值P＝10，以相对于历史的偏航控制增加0.891％的发电量收益。
此外，还考虑到不同耗电量权重值P对应的模拟偏航控制策略中的偏航动作频次。在实施例中，可利用偏航动作持续时间来衡量偏航动作频次。如图8所示，耗电量权重值P为1情况下的偏航动作持续时间为1650s，耗电量权重值P为5情况下的偏航动作持续时间为410s，耗电量权重值P为10情况下的偏航动作持续时间为120s，耗电量权重值P为20情况下的偏航动作持续时间为90s，而历史的偏航动作持续时间为294s。在实施例中，历史的偏航动作持续时间可以是根据传统偏航控制方法(例如，基于功率提升的偏航控制策略)产生的在历史的环境风信息下的历史的偏航动作持续时间。在环境风速值约为12m/s的情况下，可从上述耗电量权重值P中选择最优耗电量权重值P＝10，以相对于历史的偏航控制减少约60％的偏航动作。
如上所述，可根据每个模拟偏航控制策略所产生的模拟有效发电量相对于历史有效发电量的增长率和/或每个模拟偏航控制策略中的偏航动作频次，从所述多个耗电量权重值中选择不同的环境风速值下的最优耗电量权重值，例如，选择最优耗电量权重值P＝10，可以在减少约60％的偏航动作的同时，额外增加0.891％的发电量收益。
上述实施例描述了从多个耗电量权重值中选择不同的环境风速值下的最优耗电量权重值，但是，本公开不限于此，还可从多个耗电量权重值中选择不同的环境风向值下的最优耗电量权重值。
在本公开的另一实施例中，可设置分别具有不同时间长度的多个预测周期，针对每个预测周期，根据历史的环境风信息，可利用模型预测控制算法的目标函数生成相应的模拟偏航控制策略。然后，可根据每个模拟偏航控制策略所产生的模拟有效发电量相对于历史有效发电量的增长率和/或每个模拟偏航控制策略中的偏航动作频次，从所述多个预测周期中选择不同的环境风速值下的具有最优时间长度的预测周期，例如，在环境风速值约为12m/s的情况下，可从时间长度分别为10s、20s、30s、40s和50s的多个预测周期中，选择最优时间长度为30s的预测周期。可选地，还可从所述多个预测周期中选择不同的环境风向值下的具有最优时间长度的预测周期。
如此，可以针对不同的环境风速值和/或环境风向值，设置相应的最优耗电量权重值和/或具有最优时间长度的预测周期。在实际的偏航控制中，可实时地设置最优耗电量权重值和/或具有最优时间长度的预测周期。
根据本公开的实施例，所述偏航控制方法还可包括：根据风力发电机组的当前时刻的环境风速值和/或环境风向值，设置当前时刻的最优耗电量权重值；和/或，根据风力发电机组的当前时刻的环境风速值和/或环境风向值，设置当前时刻对应的具有最优时间长度的预测周期。例如，最优偏航动作序列选择模块13可执行上述的设置当前时刻的最优耗电量权重值和/或当前时刻对应的具有最优时间长度的预测周期的操作。
例如，如果当前时刻的环境风速值为12m/s，则可设置当前时刻的最优耗电量权重值为10，并且设置当前时刻对应的预测周期的最优时间长度为30s。
在本公开的实施例中，可以利用基于最优耗电量权重值和具有最优时间长度的预测周期的目标函数来从所述可行偏航动作序列中选择最优偏航动作序列。
根据本公开的实施例的偏航控制方法及设备可以利用模型预测算法针对当前及未来的环境风速信息选择最优偏航动作序列，可以有效利用当前及未来的风况信息，随着风速和风向变化强度的增加，其产生的收益会越来越明显。
再次参照图2，在操作S204，可基于所述最优偏航动作序列确定风力发电机组的偏航控制策略。例如，偏航控制策略确定模块14可基于所述最优偏航动作序列确定风力发电机组的偏航控制策略。
具体地，基于所述最优偏航动作序列确定风力发电机组的偏航控制策略的操作可包括：将针对当前时刻的最优偏航动作序列中的第一个偏航动作确定为所述偏航控制策略中当前时刻的偏航控制操作。例如，偏航控制策略确定模块14可将针对当前时刻的最优偏航动作序列中的第一个偏航动作确定为所述偏航控制策略中当前时刻的偏航控制操作。然后，在到达下一采样时刻时，可再次进行优化问题求解，以此类推。
此外，还可将基于模型预测控制(MPC)算法的偏航控制策略与传统的偏航控制策略(例如，基于功率提升的偏航控制策略)相结合，在特定的风速段进行切换。例如，在高风速段，为了避免风力发电机组持续性的不对称载荷，可将基于MPC算法的偏航控制策略切换为传统的偏航控制策略；可选地，在风速和风向变化不大的风，可将基于MPC算法的偏航控制策略切换为传统的偏航控制策略。
根据本公开的实施例，当前及未来的环境风信息与预测周期相关联，下面参照图9描述如何获取当前及未来的环境风信息。
图9是根据本公开的实施例的获取当前及未来的环境风信息的操作的流程图。
根据本公开的实施例，当前及未来的环境风信息可包括当前及未来的环境风速值和环境风向值。即，当前的环境风信息可包括当前的环境风速值和环境风向值，未来的环境风信息可包括未来的环境风速值和环境风向值。根据实施例，可通过以下操作获取所述当前及未来的环境风信息。
在操作S901，可获取在来风方向上与风力发电机组相距测风距离处的当前及未来的测风信息。所述测风信息可包括测量风速值与测量风向值。例如，获取模块12可获取在来风方向上与风力发电机组相距测风距离处的当前及未来的测风信息。
在操作S902，可利用从当前时刻至未来的测风结束时刻的测风信息填充从当前时刻开始的预测周期内的环境风信息，其中，从当前时刻至所述测风结束时刻对测量风速值进行积分得到的积分值可等于所述测风距离。例如，获取模块12可执行上述的获取当前及未来的环境风信息的操作。
根据本公开的实施例，可通过雷达等测风仪器来测量与风力发电机组相距测风距离处的当前及未来的测风信息。一般情况下，雷达等测风仪器的测风距离相对于风力发电机组是固定的，而预测风的时间会受到风速影响。例如，雷达的测风距离为200m，对于平均风速为5m/s的来风，可以通过雷达获取在来风方向上与风力发电机组相距200m处的40s内的测风信息；对于平均风速为10m/s的来风，可以通过雷达获取在来风方向上与风力发电机组相距200m处的20s内的测风信息；对于平均风速为20m/s的来风，可以通过雷达获取在来风方向上与风力发电机组相距200m处的10s内的测风信息。因此，可根据测风仪器的测风距离和当前及未来的环境风速值，设置预测周期的时间长度，以保证在环境风速值的平均值较低(例如，小于或等于10m/s)的情况下，通过测风仪器获取的从当前时刻至测风结束时刻为止的测风信息可以填满预测周期内的环境风信息。
下面结合图10至图12描述利用从当前时刻至未来的测风结束时刻的测风信息填充从当前时刻开始的预测周期内的环境风信息的操作。
图10至图12示出了根据本公开的实施例的不同平均风速下的预测周期内的环境风速值和环境风向值以及相应的历史风速值和历史风向值。
根据本公开的实施例，预测周期的时间长度可被设置为30s，测风距离可被设置为200m，可利用从0s至测风结束时刻的测风信息从0s开始填充预测周期内的环境风信息。如果平均风速较大不能填满预测周期，则保持测风结束时刻的测风信息不变直到预测周期结束为止，例如，可利用零阶保持器来实现保持测风结束时刻的测风信息不变。
在图10示出的示例中，平均风速约为6m/s，因此，可以通过雷达等测风仪器获取在来风方向上与风力发电机组相距200m处的约33s内的测风信息，因此从0s开始直到预测周期结束，都可以直接利用获取的测风信息填充从0s开始的预测周期内的环境风信息。参考历史风速值和风向值，图10示出的预测周期内的环境风信息与实际的环境风信息相同。
根据本公开的实施例，所述获取风力发电机组的当前及未来的环境风信息的操作还可包括：当从当前时刻至所述测风结束时刻的时间长度小于预测周期的时间长度时，利用所述测风结束时刻的测风信息填充从所述测风结束时刻至预测周期结束时刻的环境风信息。例如，当获取模块12确定从当前时刻至所述测风结束时刻的时间长度小于预测周期的时间长度时，获取模块12可利用所述测风结束时刻的测风信息填充从所述测风结束时刻至预测周期结束时刻的环境风信息。
在图11示出的示例中，平均风速约为7.5m/s，因此，可以通过雷达等测风仪器获取在来风方向上与风力发电机组相距200m处的约27s内的测风信息，即测风结束时刻约为27s。由于测风信息的时间长度(约27s)小于预测周期的时间长度(30s)，因此可利用27s时的测风信息填充从所述测风结束时刻至预测周期结束时刻的环境风信息。
在图12示出的示例中，平均风速约为15m/s，因此，可以通过雷达等测风仪器获取在来风方向上与风力发电机组相距200m处的约13s内的测风信息，即测风结束时刻约为13s。由于测风信息的时间长度(约13s)小于预测周期的时间长度(30s)，因此可利用13s时的测风信息填充从所述测风结束时刻至预测周期结束时刻的环境风信息。相对于图11的示例，利用测风结束时刻的测风信息进行填充的时间段更长。
参考历史风速值和风向值，图11和图12示出的预测周期内的环境风信息与实际的环境风信息不完全一致，从测风结束时刻至预测周期结束为止的环境风信息为假设信息。这一策略的合理性在于在执行模型预测控制算法时，只执行当前时刻的最优偏航动作序列中的第一个偏航动作，而不是执行完整的最优偏航动作序列，因此，越是接近当前时刻的环境风信息对于确定最优偏航控制策略的影响越大，而越接近预测周期末期的环境风信息的影响越小，重要性也越低，因此在平均风速较大的情况下从测风结束时刻至预测周期结束为止的环境风信息为假设信息，对于确定最优偏航控制策略的影响不大。
其次，在风速较高达到满发时，执行偏航动作不会引入额外的功率提升，基于模型预测控制的偏航控制可以在高风速段减少不必要的偏航，在此情况下，环境风信息不足对确定最优偏航控制策略的影响不大。而在风速较小的小风段时，执行偏航动作带来的功率提升和偏航电机等造成的损耗之间的利弊权衡才是基于模型预测控制的偏航控制的工作重点，而在此情形下，测风信息是足够填充预测周期的，不存在假设信息，因此，对辅助基于模型预测控制的偏航控制做出最优的偏航控制策略是最有意义的。
此外，根据本公开的实施例，还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被执行时，实现根据本公开的实施例的偏航控制方法。
在本公开的实施例中，所述计算机可读存储介质可承载有一个或者多个程序，当所述计算机程序被执行时可实现参照图2至图12描述的以下步骤：预测风力发电机组的当前及未来的可行偏航动作序列；预测风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量和耗电量；根据所述发电量和所述耗电量，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列；基于所述最优偏航动作序列确定风力发电机组的偏航控制策略。
计算机可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储计算机程序的有形介质，该计算机程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读存储介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。计算机可读存储介质可以包含在任意装置中；也可以单独存在，而未装配入该装置中。
以上已经结合图2至图12对根据本公开的实施例的偏航控制方法进行了描述。接下来，结合图13对根据本公开的实施例的计算装置进行描述。
图13是根据本公开的实施例的计算装置的示意图。
参照图13，根据本公开的实施例的计算装置9可包括存储器91和处理器92，在存储器91上存储有计算机程序93，当计算机程序93被处理器92执行时，实现根据本公开的实施例的偏航控制方法。
在本公开的实施例中，当所述计算机程序93被处理器92执行时，可实现参照图2至图12描述的方法的操作：预测风力发电机组的当前及未来的可行偏航动作序列；预测风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量和耗电量；根据所述发电量和所述耗电量，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列；基于所述最优偏航动作序列确定风力发电机组的偏航控制策略。
图13示出的计算装置仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
以上已参照图1至图12描述了根据本公开的实施例的风力发电机组的偏航控制设备和偏航控制方法。然而，应该理解的是：图1中所示的偏航控制设备及其模块可分别被配置为执行特定功能的软件、硬件、固件或上述项的任意组合，图13中所示的计算装置并不限于包括以上示出的组件，而是可根据需要增加或删除一些组件，并且以上组件也可被组合。
采用根据本公开的实施例的风力发电机组的偏航控制设备、偏航控制方法、计算机可读存储介质以及计算装置，可以基于模型预测控制算法来提供最优的偏航控制策略，在以有效发电量最大为目标的前提下，至少可以在执行偏航动作带来的发电量收益与偏航电机损耗、偏航闸片损耗、引入的扰动损耗之间进行平衡，可以提高风力发电机组的有效发电量，同时还可减少偏航执行机构(例如，偏航电机、偏航闸片)的损耗，延长风力发电机组的偏航系统的使用寿命，降低风力发电机组的运维成本。
由控制系统中的各个组件或控制器执行的控制逻辑或功能可由在一个或多个附图中的流程图或类似示图来表示。这些附图提供代表性的控制策略和/或逻辑，代表性的控制策略和/或逻辑可使用一个或更多个处理策略(诸如，事件驱动、中断驱动、多任务、多线程等)来实现。因此，示出的各个步骤或功能可按照示出的顺序被执行、并行地执行或者在一些情况下被省略。虽然未总是被明确示出，但是本领域普通技术人员将认识到，示出的一个或更多个步骤或功能可根据使用的特定处理策略而被重复执行。
尽管已参照优选实施例表示和描述了本公开，但本领域技术人员应该理解，在不脱离由权利要求限定的本公开的精神和范围的情况下，可以对这些实施例进行各种修改和变换。

Claims (16)

1.一种风力发电机组的偏航控制设备，其特征在于，所述偏航控制设备包括：
预测模块，被配置为预测风力发电机组的当前及未来的可行偏航动作序列，并且预测风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量和耗电量；
最优偏航动作序列选择模块，被配置为根据所述发电量和所述耗电量，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列；
偏航控制策略确定模块，被配置为基于所述最优偏航动作序列确定风力发电机组的偏航控制策略；
其中，最优偏航动作序列选择模块被进一步配置为：
根据所述发电量和所述耗电量，预测风力发电机组在所述当前及未来的环境风信息下产生的有效发电量；
以风力发电机组在所述当前及未来的环境风信息下产生的有效发电量最大为目标，基于有效发电量的预测周期和耗电量权重值来设置模型预测控制算法的目标函数；
利用所述目标函数来从所述可行偏航动作序列中选择最优偏航动作序列。
2.根据权利要求1所述的偏航控制设备，其特征在于，所述预测模块被进一步配置为：
获取风力发电机组的当前偏航角度值和当前的环境风信息；
根据当前偏航角度值和当前的环境风信息，预测当前及未来的可行偏航动作序列。
3.根据权利要求1所述的偏航控制设备，其特征在于，所述偏航控制设备还包括获取模块，获取模块被配置为获取风力发电机组的历史的环境风信息以及在历史的环境风信息下的历史有效发电量，其中，历史的环境风信息包括历史的环境风速值和环境风向值，
最优偏航动作序列选择模块被进一步配置为：
设置多个耗电量权重值和/或分别具有不同时间长度的多个预测周期；
针对每个耗电量权重值和/或每个预测周期，根据历史的环境风信息，利用所述目标函数生成相应的模拟偏航控制策略；
根据每个模拟偏航控制策略所产生的模拟有效发电量相对于历史有效发电量的增长率和/或每个模拟偏航控制策略中的偏航动作频次，从所述多个耗电量权重值中选择不同的环境风速值和/或环境风向值下的最优耗电量权重值，和/或，从所述多个预测周期中选择不同的环境风速值和/或环境风向值下的具有最优时间长度的预测周期。
4.根据权利要求3所述的偏航控制设备，其特征在于，最优偏航动作序列选择模块被进一步配置为：
根据风力发电机组的当前时刻的环境风速值和/或环境风向值，设置当前时刻的最优耗电量权重值；和/或
根据风力发电机组的当前时刻的环境风速值和/或环境风向值，设置当前时刻对应的具有最优时间长度的预测周期。
5.根据权利要求1所述的偏航控制设备，其特征在于，所述当前及未来的环境风信息包括当前及未来的环境风速值和环境风向值，所述偏航控制设备还包括获取模块，获取模块被配置为通过以下操作获取所述当前及未来的环境风信息：
获取在来风方向上与风力发电机组相距测风距离处的当前及未来的测风信息，所述测风信息包括测量风速值与测量风向值；
利用从当前时刻至未来的测风结束时刻的测风信息填充从当前时刻开始的预测周期内的环境风信息，其中，从当前时刻至所述测风结束时刻对测量风速值进行积分得到的积分值等于所述测风距离。
6.根据权利要求5所述的偏航控制设备，其特征在于，获取模块被进一步配置为：
当从当前时刻至所述测风结束时刻的时间长度小于预测周期的时间长度时，利用所述测风结束时刻的测风信息填充从所述测风结束时刻至预测周期结束时刻的环境风信息。
7.根据权利要求1所述的偏航控制设备，其特征在于，偏航控制策略确定模块被进一步配置为：
将针对当前时刻的最优偏航动作序列中的第一个偏航动作确定为所述偏航控制策略中当前时刻的偏航控制操作。
8.一种风力发电机组的偏航控制方法，其特征在于，所述偏航控制方法包括：
预测风力发电机组的当前及未来的可行偏航动作序列；
预测风力发电机组在当前及未来的环境风信息下执行所述可行偏航动作序列所产生的发电量和耗电量；
根据所述发电量和所述耗电量，利用模型预测控制算法来从所述可行偏航动作序列中选择最优偏航动作序列；
基于所述最优偏航动作序列确定风力发电机组的偏航控制策略；
其中，从所述可行偏航动作序列中选择最优偏航动作序列的步骤包括：
根据所述发电量和所述耗电量，预测风力发电机组在所述当前及未来的环境风信息下产生的有效发电量；
以风力发电机组在所述当前及未来的环境风信息下产生的有效发电量最大为目标，基于有效发电量的预测周期和耗电量权重值来设置模型预测控制算法的目标函数；
利用所述目标函数来从所述可行偏航动作序列中选择最优偏航动作序列。
9.根据权利要求8所述的偏航控制方法，其特征在于，所述预测风力发电机组的当前及未来的可行偏航动作序列的步骤包括：
获取风力发电机组的当前偏航角度值和当前的环境风信息；
根据当前偏航角度值和当前的环境风信息，预测未来的可行偏航动作序列。
10.根据权利要求8所述的偏航控制方法，其特征在于，所述偏航控制方法还包括：
获取风力发电机组的历史的环境风信息以及在历史的环境风信息下的历史有效发电量，其中，历史的环境风信息包括历史的环境风速值和环境风向值；
设置多个耗电量权重值和/或分别具有不同时间长度的多个预测周期；
针对每个耗电量权重值和/或每个预测周期，根据历史的环境风信息，利用所述目标函数生成相应的模拟偏航控制策略；
根据每个模拟偏航控制策略所产生的模拟有效发电量相对于历史有效发电量的增长率和/或每个模拟偏航控制策略中的偏航动作频次，从所述多个耗电量权重值中选择不同的环境风速值和/或环境风向值下的最优耗电量权重值，和/或，从所述多个预测周期中选择不同的环境风速值和/或环境风向值下的具有最优时间长度的预测周期。
11.根据权利要求10所述的偏航控制方法，其特征在于，所述偏航控制方法还包括：
根据风力发电机组的当前时刻的环境风速值和/或环境风向值，设置当前时刻的最优耗电量权重值；和/或
根据风力发电机组的当前时刻的环境风速值和/或环境风向值，设置当前时刻对应的具有最优时间长度的预测周期。
12.根据权利要求8所述的偏航控制方法，其特征在于，所述当前及未来的环境风信息包括当前及未来的环境风速值和环境风向值，其中，通过以下操作获取所述当前及未来的环境风信息：
获取在来风方向上与风力发电机组相距测风距离处的当前及未来的测风信息，所述测风信息包括测量风速值与测量风向值；
利用从当前时刻至未来的测风结束时刻的测风信息填充从当前时刻开始的预测周期内的环境风信息，其中，从当前时刻至所述测风结束时刻对测量风速值进行积分得到的积分值等于所述测风距离。
13.根据权利要求12所述的偏航控制方法，其特征在于，获取风力发电机组的当前及未来的环境风信息的步骤还包括：
当从当前时刻至所述测风结束时刻的时间长度小于预测周期的时间长度时，利用所述测风结束时刻的测风信息填充从所述测风结束时刻至预测周期结束时刻的环境风信息。
14.根据权利要求8所述的偏航控制方法，其特征在于，基于所述最优偏航动作序列确定风力发电机组的偏航控制策略的步骤包括：
将针对当前时刻的最优偏航动作序列中的第一个偏航动作确定为所述偏航控制策略中当前时刻的偏航控制操作。
15.一种存储有计算机程序的计算机可读存储介质，其特征在于，当所述计算机程序在被处理器执行时实现如权利要求8至14中任意一项所述的偏航控制方法。
16.一种计算装置，其特征在于，所述计算装置包括：
处理器；
存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求8至14中任意一项所述的偏航控制方法。
CN202010973356.9A 2020-09-16 2020-09-16 风力发电机组的偏航控制设备及方法 Active CN114263565B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010973356.9A CN114263565B (zh) 2020-09-16 2020-09-16 风力发电机组的偏航控制设备及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010973356.9A CN114263565B (zh) 2020-09-16 2020-09-16 风力发电机组的偏航控制设备及方法

Publications (2)

Publication Number Publication Date
CN114263565A CN114263565A (zh) 2022-04-01
CN114263565B true CN114263565B (zh) 2024-04-12

Family

ID=80824231

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010973356.9A Active CN114263565B (zh) 2020-09-16 2020-09-16 风力发电机组的偏航控制设备及方法

Country Status (1)

Country Link
CN (1) CN114263565B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008064081A (ja) * 2006-09-08 2008-03-21 Yoshito Hirata 任意の観測地点数に対応した風況予測制御による地域型風力発電システム
CN103953503A (zh) * 2014-04-18 2014-07-30 南车株洲电力机车研究所有限公司 风力发电机组偏航制动力矩控制装置及其方法
CN104018987A (zh) * 2014-03-26 2014-09-03 同济大学 一种风力发电机偏航系统的控制方法
CN104196680A (zh) * 2014-09-05 2014-12-10 南京达沙信息科技有限公司 基于临近预测的风机预知性偏航控制
CN104632521A (zh) * 2014-12-19 2015-05-20 风脉（武汉）可再生能源技术有限责任公司 一种基于偏航校正的风电功率优化系统及其方法
CN105508148A (zh) * 2015-12-31 2016-04-20 北京金风科创风电设备有限公司 基于风能分布捕获最大风能的方法和系统
CN105844361A (zh) * 2016-03-29 2016-08-10 北京金风科创风电设备有限公司 风电机组风功率预测方法、解缆方法和装置
CN106229995A (zh) * 2016-08-03 2016-12-14 浙江运达风电股份有限公司 基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法
CN107829878A (zh) * 2017-11-06 2018-03-23 北京金风科创风电设备有限公司 风力发电机组的偏航控制设备和方法
CN108869175A (zh) * 2018-06-15 2018-11-23 中南大学 一种基于多步预测的模型预测控制mpc的偏航控制方法
CN108869176A (zh) * 2018-06-28 2018-11-23 北京金风科创风电设备有限公司 风力发电机组的对风偏差校正方法、装置和电子设备
KR101956530B1 (ko) * 2017-10-16 2019-03-11 군산대학교산학협력단 Mpc 기반의 풍력 터빈 요 제어 방법
WO2019184171A1 (zh) * 2018-03-30 2019-10-03 北京金风科创风电设备有限公司 风力发电机组的偏航控制方法、设备及系统
CN111396248A (zh) * 2020-03-16 2020-07-10 明阳智慧能源集团股份公司 一种基于短期风向预测的风电机组智能偏航控制方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1744058A1 (en) * 2004-05-07 2007-01-17 Mitsubishi Denki Kabushiki Kaisha Wind power generation evaluation system and prediction control service system for wind power generator
US9784241B2 (en) * 2014-08-25 2017-10-10 General Electric Company System and method for controlling a wind turbine
AU2017269206B2 (en) * 2016-05-23 2022-03-03 General Electric Renovables España, S.L. System and method for forecasting power output of a wind farm
EP3604798B1 (en) * 2018-08-03 2023-04-12 General Electric Company A method for operating a wind turbine and a wind turbine system

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008064081A (ja) * 2006-09-08 2008-03-21 Yoshito Hirata 任意の観測地点数に対応した風況予測制御による地域型風力発電システム
CN104018987A (zh) * 2014-03-26 2014-09-03 同济大学 一种风力发电机偏航系统的控制方法
CN103953503A (zh) * 2014-04-18 2014-07-30 南车株洲电力机车研究所有限公司 风力发电机组偏航制动力矩控制装置及其方法
CN104196680A (zh) * 2014-09-05 2014-12-10 南京达沙信息科技有限公司 基于临近预测的风机预知性偏航控制
CN104632521A (zh) * 2014-12-19 2015-05-20 风脉（武汉）可再生能源技术有限责任公司 一种基于偏航校正的风电功率优化系统及其方法
CN105508148A (zh) * 2015-12-31 2016-04-20 北京金风科创风电设备有限公司 基于风能分布捕获最大风能的方法和系统
CN105844361A (zh) * 2016-03-29 2016-08-10 北京金风科创风电设备有限公司 风电机组风功率预测方法、解缆方法和装置
CN106229995A (zh) * 2016-08-03 2016-12-14 浙江运达风电股份有限公司 基于风电场抗台风运行模式下的备用电源并联电抗器参数优化方法
KR101956530B1 (ko) * 2017-10-16 2019-03-11 군산대학교산학협력단 Mpc 기반의 풍력 터빈 요 제어 방법
CN107829878A (zh) * 2017-11-06 2018-03-23 北京金风科创风电设备有限公司 风力发电机组的偏航控制设备和方法
WO2019184171A1 (zh) * 2018-03-30 2019-10-03 北京金风科创风电设备有限公司 风力发电机组的偏航控制方法、设备及系统
CN110318947A (zh) * 2018-03-30 2019-10-11 北京金风科创风电设备有限公司 风力发电机组的偏航控制方法、设备及系统
CN108869175A (zh) * 2018-06-15 2018-11-23 中南大学 一种基于多步预测的模型预测控制mpc的偏航控制方法
CN108869176A (zh) * 2018-06-28 2018-11-23 北京金风科创风电设备有限公司 风力发电机组的对风偏差校正方法、装置和电子设备
CN111396248A (zh) * 2020-03-16 2020-07-10 明阳智慧能源集团股份公司 一种基于短期风向预测的风电机组智能偏航控制方法

Also Published As

Publication number Publication date
CN114263565A (zh) 2022-04-01

Similar Documents

Publication Publication Date Title
US10683844B2 (en) Control of a wind turbine taking fatigue measure into account
CN110318947B (zh) 风力发电机组的偏航控制方法、设备及系统
US20170284368A1 (en) Optimal wind farm operation
US11585323B2 (en) Method and apparatus for cooperative controlling wind turbines of a wind farm
EP3121442B2 (en) Operating wind turbines
CN105844361B (zh) 风电机组风功率预测方法、解缆方法和装置
CN111794909B (zh) 面向扇区调控的风电场级偏航动态优化方法和系统
CN109312714B (zh) 考虑噪声的风力涡轮机的控制
EP2230637A1 (en) Wind turbine operation system and method
CN109488528B (zh) 一种风机偏航系统的调整方法及装置
WO2021047192A1 (zh) 一种基于风速提前测量的风电机组有功调节方法及装置
CN107829878A (zh) 风力发电机组的偏航控制设备和方法
CN110630438B (zh) 一种风力发电机组的偏航系统的控制方法及装置
CN114263565B (zh) 风力发电机组的偏航控制设备及方法
CN113027674B (zh) 风力发电机组的控制方法及其装置
CN113168138A (zh) 用于将风力涡轮机的控制器参数化和/或运行风力涡轮机的方法和系统
EP3009670A1 (en) Method to control the operation of a wind energy installation, including generating a 3d wind speed model, and wind energy installation
EP4166782A1 (en) Wind turbine model predictive control (mpc) with thrust and/or power correction
CN116777109A (zh) 风力发电机组设备状态评估方法及系统
Anand et al. Economic control of hybrid energy systems composed of wind turbine and battery
Kazda et al. Framework of multi-objective wind farm controller applicable to real wind farms
CN114198267A (zh) 用于极端阵风的风力发电机组的运行控制方法及系统
DK201570721A1 (en) CONTROL OF A WIND TURBINE TAKING FATIGUE MEASURE INTO ACCOUNT
CN116557222B (zh) 估计风力涡轮机转子处风速的方法及装置
CN113482853B (zh) 一种偏航控制方法、系统、电子设备及储存介质

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
CB02 Change of applicant information

Address after: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region

Applicant after: Jinfeng Technology Co.,Ltd.

Address before: 830026 No. 107, Shanghai Road, Urumqi economic and Technological Development Zone, the Xinjiang Uygur Autonomous Region

Applicant before: XINJIANG GOLDWIND SCIENCE & TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant