CN115030866A - 一种风电场场群控制系统 - Google Patents

一种风电场场群控制系统 Download PDF

Info

Publication number
CN115030866A
CN115030866A CN202210753633.4A CN202210753633A CN115030866A CN 115030866 A CN115030866 A CN 115030866A CN 202210753633 A CN202210753633 A CN 202210753633A CN 115030866 A CN115030866 A CN 115030866A
Authority
CN
China
Prior art keywords
wind
wind power
power plant
module
control system
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
CN202210753633.4A
Other languages
English (en)
Inventor
焦冲
蔡安民
蔺雪峰
许扬
林伟荣
张俊杰
金强
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.)
Huaneng Clean Energy Research Institute
Huaneng Group Technology Innovation Center Co Ltd
Original Assignee
Huaneng Clean Energy Research Institute
Huaneng Group Technology Innovation Center 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 Huaneng Clean Energy Research Institute, Huaneng Group Technology Innovation Center Co Ltd filed Critical Huaneng Clean Energy Research Institute
Priority to CN202210753633.4A priority Critical patent/CN115030866A/zh
Publication of CN115030866A publication Critical patent/CN115030866A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D7/00—Controlling wind motors 
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F03—MACHINES OR ENGINES FOR LIQUIDS; WIND, SPRING, OR WEIGHT MOTORS; PRODUCING MECHANICAL POWER OR A REACTIVE PROPULSIVE THRUST, NOT OTHERWISE PROVIDED FOR
    • F03D—WIND MOTORS
    • F03D17/00—Monitoring or testing of wind motors, e.g. diagnostics
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/82—Forecasts
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05B—INDEXING SCHEME RELATING TO WIND, SPRING, WEIGHT, INERTIA OR LIKE MOTORS, TO MACHINES OR ENGINES FOR LIQUIDS COVERED BY SUBCLASSES F03B, F03D AND F03G
    • F05B2260/00—Function
    • F05B2260/84—Modelling or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mathematical Physics (AREA)
  • Sustainable Energy (AREA)
  • Sustainable Development (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Wind Motors (AREA)

Abstract

本公开提供的风电场场群控制系统，该风电场场群控制系统包括数据获取模块、数据管理模块、优化计算模块、评估优化模块，数据获取模块用于对风机场进行分组，并通过多种不同系统获取风电场对应的数据，数据管理模块用于将风电场的数据进行分类存储到对应的数据库中，并对多种不同的数据库进行管理，优化计算模块用于利用风电场场群控制模型，得到风电场中各组的控制参数，评估优化模块用于对风电场进行出力评估，并对风电场中各风机组的控制参数进行分析，利用得到的分析结果对各风机组进行控制。由此，本申请可以根据该风电场群的最大输出发电功率对风电场中的各组风电机组进行统一控制，从而实现了对风电场群的智能控制。

Description

一种风电场场群控制系统
技术领域
本申请涉及风力发电领域，尤其涉及一种风电场场群控制系统。
背景技术
现有技术中每个风电场包括几十台或者数百台风力发电机组，单个风电场内机组型号可以相同或者不同。为提高电网的安全稳定性以及对风力发电机组出力调整的合理性，因此需要风电场场群控制系统，对各风机组进行统一的调控，以满足风电场的功率需求。
发明内容
本申请提供一种风电场场群控制系统，用于对各风机组进行统一的调控，满足风电场的功率需求。
本申请第一方面实施例提出一种风电场场群控制系统，所述风电场场群控制系统包括数据获取模块、数据管理模块、优化计算模块、评估优化模块；
所述数据获取模块用于对所述风机场进行分组，并通过多种不同系统获取风电场对应的数据；
所述数据管理模块用于将所述风电场的数据进行分类存储到对应的数据库中，并对多种不同的数据库进行管理。
所述优化计算模块用于对所述风电场级控制的优化目标及约束的构建，并对所述风电场功率进行预测；
所述评估优化模块用于对所述风电场进行出力评估，并对所述风电场中各风机组的控制参数进行分析，利用得到的分析结果对各风机组进行控制。
可选的，所述多种不同系统包括分布式边缘计算处理系统、风向预测系统、 SCADA系统、寿命预测控制系统；
所述分布式边缘计算处理系统用于获取各风机的实时数据；
所述风向预测系统用于获取风速和风向的预测数据；
所述SCADA系统用于获取发电总功率；
所述寿命预测控制系统用于获取疲劳载荷状态。
可选的，所述实时数据包括实发功率，偏航角度，风机状态。
可选的，所述多种不同的数据库包括：风机状态数据库、尾流数据库、风机参数数据库。
可选的，所述优化计算模块用于构建所述风电场功率预测模型，并用所述风电场功率预测模型对所述风电场的功率进行预测。
可选的，所述系统采用Modbus/Pderofibus通信协议进行通信。
本申请的实施例提供的技术方案至少带来以下有益效果：
本公开提供的风电场场群控制系统，该风电场场群控制系统包括数据获取模块、数据管理模块、优化计算模块、评估优化模块，数据获取模块用于对风机场进行分组，并通过多种不同系统获取风电场对应的数据，数据管理模块用于将风电场的数据进行分类存储到对应的数据库中，并对多种不同的数据库进行管理，优化计算模块用于利用风电场场群控制模型，得到风电场中各组的控制参数，评估优化模块用于对风电场进行出力评估，并对风电场中各风机组的控制参数进行分析，利用得到的分析结果对各风机组进行控制。由此可知，本申请提出的风电场场群控制系统，可以实现对风电场场群的分组管理，并利用风电场场群控制模型，得到风电场中各组的控制参数，并对各组风电机组进行控制，使得风电场场群控制系统可以根据该风电场群的最大输出发电功率对风电场中的各组风电机组进行统一控制，从而实现了对风电场群的智能控制。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为根据本申请一个实施例提供的风电场场群控制系统的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的风电场场群控制系统。
实施例一
图1为根据本申请一个实施例提供的风电场场群控制系统的结构图示意图，如图1所示，可以包括：
上述风电场场群控制系统包括数据获取模块、数据管理模块、优化计算模块、评估优化模块。
其中，上述数据获取模块用于对所述风机场进行分组，并通过多种不同系统获取风电场对应的数据；上述数据管理模块用于将风电场的数据进行分类存储到对应的数据库中，并对多种不同的数据库进行管理；上述优化计算模块用于对风电场级控制的优化目标及约束的构建，并对风电场功率进行预测；上述评估优化模块用于对风电场进行出力评估，并对风电场中各风机组的控制参数进行分析，利用得到的分析结果对各风机组进行控制。
具体的，一些实施例中，上述数据获取模块可以根据风向、风机布置、风机状态对风机场进行分组，并确定旗舰机组，其余机组均为非旗舰组。其中，旗舰风力发电机组的优先级高于非旗舰风力发电机组，从而可以利用各风力发电机组的特性，对风电场内所有风力发电机组进行统一调控，以保证风电场的发电功率。
其中，一些实施例中，多种不同系统可以包括分布式边缘计算处理系统、风向预测系统、SCADA系统、寿命预测控制系统。
以及，一些实施例中，上述分布式边缘计算处理系统用于获取各风机的实时数据；上述风向预测系统用于获取风速和风向的预测数据，上述SCADA系统用于获取发电总功率，上述寿命预测控制系统用于获取疲劳载荷状态。
具体的，一些实施例中，上述实时数据可以包括实发功率，偏航角度，风机状态。
一些实施例中，上述多种不同的数据库可以包括风机状态数据库、尾流数据库、风机参数数据库。
一些实施例中，上述优化计算模块可以利用风电场场群控制模型，得到风电场中各组的控制参数。其中，风电场场群控制模型以全场最大发电量为控制目标，得到风电场各组的控制参数。
具体的，一些实施例中，得到风电场功率预测模型的方法可以包括以下步骤：
步骤101、构建单风机组风力机动力学模型。
具体的，一些实施例中，假设一种叶片无穷多的圆盘风轮，流过风轮的气流均匀分布且严格垂直于叶轮平片，忽略空气的摩擦损耗和流动损耗，风速V 的气流通过扫风面积为A的风机时，设气流携带功率为P0，风机获得功率为Pm
P0＝(1/2)ρAV3
Pm＝(1/2)ρACp(λ,β)V3＝Pw/k
其中，ρ为空气密度，Cp为风能利用系数(风机尖速λ和浆距角β的函数)， Pw是风机实际输出的有功功率，k为综合风电机组机械和电器损耗的能量损耗系数，k>1则气流经过风轮后，携带功率减弱为Pb，则根据能量守恒定律
Pb＝P0-Pm＝(1/2)ρA(1-Cp)V3
根据减弱后的气流功率可得风机的背面风速，
Figure BDA0003721792800000041
风机的背面风速为风机捕获风速和风机输出功率的非线性函数。
步骤102、构建风机尾流效应模型。
具体的，一些实施例中，风机的尾流效应会降低风电场捕获的总能量，同风向排列的一组风机中处于上风位的机组从气流内获取风能后，气流携带的风功率减少会导致下风位的机组附近风速减弱，导致机组的出力降低。尾流的影响和机组间距有关，间距越小，前面的风力机对后面的风力机影响就越大，下游风机的捕获风能损失越大。风机对下游的尾流影响可用以风轮转轴为轴，扫风面积为上顶面的圆台表示，设风机的风轮半径为rrot，尾流的影响半径r和距离y的关系可表示为：
r(y)＝rrot+ytanα
其中，tanα为形状系数(对于自然风，tanα＝0.04，否则tanα＝0.08)。
以及，多机组相互遮挡的尾流效应造成风速损失可用深度学习Mosaic模型计算，相互交叠的各尾流在顺风方向上动量不变。设对机组y造成尾流影响的机组集合为K，这K台机组在y处的尾流影响面积可分解为网格集合 w(k)，每个网格面积为机组k在y处的独立尾流面积Ayw(k)，尾流因子为εyw(k)，则机组y处的尾流满足方程：
Figure BDA0003721792800000051
其中，Ti＝0.5ρvi 2πri 2CTi(vi,βi,ωi)为机组i的推力，是机组i的风速vi、浆距角βi和风轮转速ωi的非线性函数，CTi为推力系数，尾流因子εyw(k)＝δyw(k)(1-δyw(k))，风速衰减系数δyw(k)＝1-vb(k)/vk，其中vb(k)为机组k的背面风速，求得尾流影响机组y的集合相关尾流因子：
Figure BDA0003721792800000052
由尾流因子和风速衰减的关系可得
Figure BDA0003721792800000053
机组y由于尾流效应造成的风速总衰减系数为
Figure BDA0003721792800000054
其中，Ay为机组y的扫风面积；
Figure BDA0003721792800000061
为机组k尾流面积和机组y风轮面积的交集，是各机组k在y处的尾流在机组y风轮范围内的影响面积。
Figure BDA0003721792800000062
于是计算机组y由于上游风机尾流效应导致的风速总衰减系数为
Figure BDA0003721792800000063
最后计算得到机组y的捕获风速为
Figure BDA0003721792800000064
步骤103、构建风机机组间时滞效应模型。
一些实施例中，风电场的地理分布较广阔，风速和尾流影响从上风向机组传递到下风向机组需要一定时间，可近似认为传递路径为一直线，传递方向为风速方向，传递速度为忽略损耗的风电场上游风速，可计算机组y位置的风速时滞T y＝y/v和机组k对机组y的尾流影响时滞T ky＝L ky/v，L ky为机组k、y间顺风向距离，计入时滞后可求得机组y在t时刻的捕获风速
Figure BDA0003721792800000065
步骤104、构建风电场场群控制模型。
其中，上述风电场场群控制模型采用cos三角函数模型模拟速度在径向的分布，采用sin三角函数模型模拟速度在轴向的分布，该模型为：
u＝Acos(Tr+π)+Bsin(Kr+π)+C
以及，若两个模型的尾流半径相同，则该模型的三角函数周期与尾流半径关系为：
Figure BDA0003721792800000066
Figure BDA0003721792800000067
xA＝xi-r/α·cosθ
yA＝yi-r/α·sinθ
Figure BDA0003721792800000068
Figure BDA0003721792800000069
当径向距离r扩展到尾流半径rx时，风速恢复到来流风速u0，
u0＝Acos(Tr+π)+Bsin(Kr+π)+C。
其中，即速度型下所包含的面积相等，则有：
Figure BDA0003721792800000071
其中，u*为采用紊流模型计算得到的速度大小，于是可以得到
A＝u0-u*；
Figure BDA0003721792800000072
B＝u0-u*
Figure BDA0003721792800000073
C＝u*
综合以上可以得到预测步：
u*＝u0[1-2a/(1+k·x/r1)2]
矫正步：
u＝(u0-u*)cos(π/rx·r+π)+(u0-u*)sin(π/rx·r+π)+u*。
一些实施例中，上述优化计算模块还用于对风电场的功率进行预测。
具体的，一些实施例中，构建全场功率的控制优化问题的目标函数及约束条件，并对全场功率进行预测。以及，为减低计算量对群组风机等效处理，为提高优化的求解可行性及准确性，上述优化计算模块可以采用智能优化算法对上述目标函数进行求解。
一些实施例中，评估优化模块还可以对场群控制后的风场处理进行评估，并对控制参数得到的控制效果进行敏感度分析，确定优化控制参数的方式。
以及，一些实施例中，上述系统可以采用Modbus/Pderofibus通信协议进行模块间的通信。
本公开提供的风电场场群控制系统，该风电场场群控制系统包括数据获取模块、数据管理模块、优化计算模块、评估优化模块，数据获取模块用于对风机场进行分组，并通过多种不同系统获取风电场对应的数据，数据管理模块用于将风电场的数据进行分类存储到对应的数据库中，并对多种不同的数据库进行管理，优化计算模块用于利用风电场场群控制模型，得到风电场中各组的控制参数，评估优化模块用于对风电场进行出力评估，并对风电场中各风机组的控制参数进行分析，利用得到的分析结果对各风机组进行控制。由此可知，本申请提出的风电场场群控制系统，可以实现对风电场场群的分组管理，并利用风电场场群控制模型，得到风电场中各组的控制参数，并对各组风电机组进行控制，使得风电场场群控制系统可以根据该风电场群的最大输出发电功率对风电场中的各组风电机组进行统一控制，从而实现了对风电场群的智能控制。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (6)

1.一种风电场场群控制系统，其特征在于，所述风电场场群控制系统包括数据获取模块、数据管理模块、优化计算模块、评估优化模块；
所述数据获取模块用于对所述风机场进行分组，并通过多种不同系统获取风电场对应的数据；
所述数据管理模块用于将所述风电场的数据进行分类存储到对应的数据库中，并对多种不同的数据库进行管理。
所述优化计算模块用于利用风电场场群控制模型，得到所述风电场中各组的控制参数；
所述评估优化模块用于对所述风电场进行出力评估，并对所述风电场中各风机组的控制参数进行分析，利用得到的分析结果对各风机组进行控制。
2.根据权利要求1所述的风电场场群控制系统，其特征在于，所述多种不同系统包括分布式边缘计算处理系统、风向预测系统、SCADA系统、寿命预测控制系统；
所述分布式边缘计算处理系统用于获取各风机的实时数据；
所述风向预测系统用于获取风速和风向的预测数据；
所述SCADA系统用于获取发电总功率；
所述寿命预测控制系统用于获取疲劳载荷状态。
3.根据权利要求2所述的风电场场群控制系统，其特征在于，所述实时数据包括实发功率，偏航角度，风机状态。
4.根据权利要求1所述的风电场场群控制系统，其特征在于，所述多种不同的数据库包括：风机状态数据库、尾流数据库、风机参数数据库。
5.根据权利要求1所述的风电场场群控制系统，其特征在于，所述优化计算模块还用于对所述风电场的功率进行预测。
6.根据权利要求1所述的风电场场群控制系统，其特征在于，所述系统采用Modbus/Pderofibus通信协议进行通信。
CN202210753633.4A 2022-06-29 2022-06-29 一种风电场场群控制系统 Pending CN115030866A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210753633.4A CN115030866A (zh) 2022-06-29 2022-06-29 一种风电场场群控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210753633.4A CN115030866A (zh) 2022-06-29 2022-06-29 一种风电场场群控制系统

Publications (1)

Publication Number Publication Date
CN115030866A true CN115030866A (zh) 2022-09-09

Family

ID=83127828

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210753633.4A Pending CN115030866A (zh) 2022-06-29 2022-06-29 一种风电场场群控制系统

Country Status (1)

Country Link
CN (1) CN115030866A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115566738A (zh) * 2022-11-14 2023-01-03 中国华能集团清洁能源技术研究院有限公司 一种风电机组自优化的场群控制方法及装置
CN116123028A (zh) * 2022-12-20 2023-05-16 中国华能集团清洁能源技术研究院有限公司 风电场级mppt预测模型控制方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115566738A (zh) * 2022-11-14 2023-01-03 中国华能集团清洁能源技术研究院有限公司 一种风电机组自优化的场群控制方法及装置
CN116123028A (zh) * 2022-12-20 2023-05-16 中国华能集团清洁能源技术研究院有限公司 风电场级mppt预测模型控制方法和装置

Similar Documents

Publication Publication Date Title
Dai et al. Research on power coefficient of wind turbines based on SCADA data
Golnary et al. Dynamic modelling and design of various robust sliding mode controls for the wind turbine with estimation of wind speed
Sanchez Gomez et al. The effect of wind direction shear on turbine performance in a wind farm in central Iowa
EP2557311A1 (en) A method for controlling a wind power park and a wind power park controlled by such method
CN106058941B (zh) 一种基于场景分析的风电场随机优化调度方法
CN107110121A (zh) 对风力涡轮机构造的确定
Chen et al. Wind turbine blade optimisation with individual pitch and trailing edge flap control
KR101411420B1 (ko) 시뮬레이션 기법을 이용한 풍력 발전 단지의 풍력 발전기 제어 시스템 및 방법
EP3037657A1 (en) Optimal wind farm operation
CN104699936A (zh) 基于cfd短期风速预测风电场的扇区管理方法
CN103061980A (zh) 基于激光测风雷达的风力发电机组的前馈控制系统及其控制方法
CN114169614B (zh) 一种基于风力机尾流模型优化的风电场优化调度方法及系统
CN115030866A (zh) 一种风电场场群控制系统
CN109063276A (zh) 适用于长时域风速波动的风电场动态等值建模方法
Tian et al. Active power dispatch method for a wind farm central controller considering wake effect
CN112260325A (zh) 一种考虑风力发电机疲劳载荷的风电场有功功率控制方法
Kiranoudis et al. Effective short-cut modelling of wind park efficiency
Eke et al. Optimization of wind turbine blades using genetic algorithm
CN109268205A (zh) 一种基于智能风力机的风电场优化控制方法
CN115333168A (zh) 一种基于分布式滚动优化的海上风电场场级控制策略
Campagnolo et al. Wind tunnel testing of yaw by individual pitch control applied to wake steering
CN109991851B (zh) 一种应用于大规模风电场的分布式经济模型预测控制方法
Brand A quasi-steady wind farm flow model
Poushpas Wind farm simulation modelling and control
Stuart et al. Considerations for an integrated wind turbine controls capability at the national wind technology center: An aileron control case study for power regulation and load mitigation

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