CN116025512B - 一种风力发电机群控制方法、装置、设备及存储介质 - Google Patents
一种风力发电机群控制方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116025512B CN116025512B CN202310227485.7A CN202310227485A CN116025512B CN 116025512 B CN116025512 B CN 116025512B CN 202310227485 A CN202310227485 A CN 202310227485A CN 116025512 B CN116025512 B CN 116025512B
- Authority
- CN
- China
- Prior art keywords
- wind
- generator
- wind driven
- wake
- driven generator
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 53
- 238000011144 upstream manufacturing Methods 0.000 claims abstract description 52
- 239000011159 matrix material Substances 0.000 claims abstract description 44
- 230000002068 genetic effect Effects 0.000 claims abstract description 35
- 238000010248 power generation Methods 0.000 claims abstract description 24
- 230000003746 surface roughness Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
本申请提供了一种风力发电机群控制方法、装置、设备及存储介质，其中，根据每个风力发电机的发电机参数确定出每个风力发电机的尾流边界和速度边界；对于风力发电机组中的每两个风力发电机，根据上游风力发电机的尾流边界和速度边界和下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况；根据尾流干扰情况生成描述风力发电场尾流干扰关系的邻接矩阵；根据邻接矩阵利用Tarjan算法对风力发电机进行划分得到风力发电机群；对于每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机的最优偏航角值；控制每个风力发电机在最优偏航角值的偏航角下运行。采用上述方法，以提高风力发电场的发电效率。
Description
技术领域
本发明涉及设备自动控制领域，具体而言，涉及一种风力发电机群控制方法、装置、设备及存储介质。
背景技术
现有技术中，在对风力发电场进行控制时，通常采用“贪婪算法”对风力发电场中的风力发电机进行控制，即控制所有风机都正对来流风向，并且控制每个风力发电机在发电工作状态下以最大化自身功率运行。
发明人在研究中发现，对于单个风力发电机来说，最大化自身功率是一种最优的方案，但是对于风电场来说，风力发电机之间是存在互相影响的。风机在下游产生尾流的尾流，会影响其他风机的输出效果。“贪婪算法”不考虑风力发电机之间的影响，会使风电场因为尾流而产生功率损耗和额外的疲劳载荷，从而降低风力发电场的发电效率。因此，如何在风力发电机运行时提高风力发电场的发电效率成为了一个亟待解决的问题。
发明内容
有鉴于此，本发明的目的在于提供一种风力发电机群控制方法、装置、设备及存储介质，以提高风力发电场的发电效率。
第一方面，本申请实施例提供了一种风力发电机群控制方法，所述方法包括：
对于风力发电机组中的每个风力发电机，根据该风力发电机的发电机参数、当前风速和当前风向确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界；
对于所述风力发电机组中的每两个风力发电机，根据该两个风力发电机中处于上游位置的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况；
根据所述风力发电机组中的每两个风力发电机之间的尾流干扰情况生成用于描述风力发电场尾流干扰关系的邻接矩阵；
根据所述邻接矩阵利用Tarjan算法对所述风力发电机组中的风力发电机进行划分得到至少一个风力发电机群；
对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值；
控制每个所述风力发电机在满足其各自的最优偏航角值的偏航角下运行。
可选的，所述对于风力发电机组中的每个风力发电机，该风力发电机的发电机参数包括叶轮直径、偏航角最大值、偏航角最小值和该风力发电机在所述风力发电机组中的位置坐标，所述尾流边界包括上尾流边界和下尾流边界；
所述对于风力发电机组中的每个风力发电机，根据该风力发电机的发电机参数、当前风速和当前风向确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界，包括：
对于风力发电机组中的每个风力发电机中，根据下列公式确定出当前风速和当前风向下该风力发电机的上尾流边界yw(x)和下尾流边界y′w(x)：
其中，δ(x)为尾流偏转随着下游距离x的变化量，σ(x)为尾流在下游距离x处的直径；
对于风力发电机组中的每个风力发电机，根据下列公式确定出当前风速和当前风向下该风力发电机的速度边界，所述速度边界包括速度边界在x方向上的分量xe(γ)和速度边界包括速度边界在y方向上的分量ye(γ)：
其中，CT为推力系数，γ为偏航角度，D0为风机叶轮直径，kd为与地表粗糙度相关的系数，取值为0.15，ξinit为初始尾流偏转角。
可选的，所述对于所述风力发电机组中的每两个风力发电机，根据该两个风力发电机中处于上游位置的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况，包括：
对于所述风力发电机组中的每两个风力发电机，判断该两个风力发电机中的下游风力发电机的位置坐标是否位于该两个风力发电机中的上游风力发电机的干扰区域内，其中，所述干扰区域为被所述上游风力发电机的尾流边界和速度边界所包围的区域；
若该两个风力发电机中的下游风力发电机的位置坐标位于该两个风力发电机中的上游风力发电机的干扰区域内，则将该两个风力发电机之间的尾流干扰情况确定为存在尾流干扰；
若该两个风力发电机中的下游风力发电机的位置坐标未位于该两个风力发电机中的上游风力发电机的干扰区域内，则将该两个风力发电机之间的尾流干扰情况确定为不存在尾流干扰。
可选的，所述根据所述风力发电机组中的每两个风力发电机之间的尾流干扰情况生成用于描述风力发电场尾流干扰关系的邻接矩阵，包括：
对于所述风力发电机组中的每两个风力发电机，当该两个风力发电机之间的尾流干扰情况为存在尾流干扰时，将该两个风力发电机在所述邻接矩阵A中的元素值赋值为1，为根据第i个风力发电机和第j个风力发电机之间的尾流干扰情况所赋的元素值；
当该两个风力发电机之间的尾流干扰情况为不存在尾流干扰时，将该两个风力发电机在所述邻接矩阵A中的元素值赋值为0，其中，i、j均为非零的自然数；
根据上述赋值规则生成所述邻接矩阵A：
其中，N为所述风力发电机组中的风力发电机的数量。
可选的，所述对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值，包括：
对于所述至少一个风力发电机群中的每个风力发电机群，利用所述非支配排序遗传算法为该风力发电机群配置至少一个候选偏航角组，其中，对于至少一个候选偏航角组中的每个候选偏航角组，该候选偏航角组中的每个候选偏航角值分别为随机为该风力发电机群中的每个风力发电机所配置的偏航角值，该风力发电机群中的每个风力发电机均对应有一个候选偏航角值；
对于该风力发电机群中的每个风力发电机，根据该风力发电机的候选偏航角值确定出该风力发电机的输出功率和疲劳载荷；
将该风力发电机群中的每个风力发电机的输出功率和疲劳载荷输入至非支配排序遗传算法中得到每个风力发电机在当前风速和当前风向下的最优偏航角值。
可选的，所述对于该风力发电机群中的每个风力发电机，根据该风力发电机的候选偏航角值确定出该风力发电机的输出功率和疲劳载荷，包括：
对于该风力发电机群中的每个风力发电机，根据下列公式确定出该风力发电机的输出功率P：
其中，ρ为空气密度，A为风机叶轮面积，cp为风能利用系数，v为当前风速，γ为偏航角度；
对于该风力发电机群中的每个风力发电机，根据下列公式确定出该风力发电机的疲劳载荷FWT：
其中，p(τ)为该风力发电机在τ时刻的有功功率，Prated为该风力发电机的额定功率，Tlife为该风力发电机的预设寿命，r是权重系数，D0为风机叶轮直径，Ieff是τ时刻的来流湍流度，t为风机负载时长。
可选的，在对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值后，所述方法还包括：
根据每个风力发电机群中的每个风力发电机其各自在当前风速和当前风向下的最优偏航角值生成每个风力发电机群其各自的最优偏航角值群；
将每个风力发电机群其各自的最优偏航角值群与当前风速和当前风向进行关联，并存储至最优偏航角数据库中。
第二方面，本申请实施例提供了一种风力发电机群控制装置，所述装置包括：
边界确定模块，用于对于风力发电机组中的每个风力发电机，根据该风力发电机的发电机参数、当前风速和当前风向确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界；
尾流干扰情况确定模块，用于对于所述风力发电机组中的每两个风力发电机，根据该两个风力发电机中处于上游位置的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况；
邻接矩阵确定模块，用于根据所述风力发电机组中的每两个风力发电机之间的尾流干扰情况生成用于描述风力发电场尾流干扰关系的邻接矩阵；
风力发电机群划分模块，用于根据所述邻接矩阵利用Tarjan算法对所述风力发电机组中的风力发电机进行划分得到至少一个风力发电机群；
最优偏航角值确定模块，用于对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值；
风力发电机控制模块，用于控制每个所述风力发电机在满足其各自的最优偏航角值的偏航角下运行。
可选地，所述对于风力发电机组中的每个风力发电机，该风力发电机的发电机参数包括叶轮直径、偏航角最大值、偏航角最小值和该风力发电机在所述风力发电机组中的位置坐标，所述尾流边界包括上尾流边界和下尾流边界；
所述边界确定模块在用于对于风力发电机组中的每个风力发电机，根据该风力发电机的发电机参数、当前风速和当前风向确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界时，具体用于：
对于风力发电机组中的每个风力发电机中，根据下列公式确定出当前风速和当前风向下该风力发电机的上尾流边界yw(x)和下尾流边界y′ w(x)：
其中，δ(x)为尾流偏转随着下游距离x的变化量，σ(x)为尾流在下游距离x处的直径；
对于风力发电机组中的每个风力发电机，根据下列公式确定出当前风速和当前风向下该风力发电机的速度边界，所述速度边界包括速度边界在x方向上的分量xe(γ)和速度边界包括速度边界在y方向上的分量ye(γ)：
其中，CT为推力系数，γ为偏航角度，D0为风机叶轮直径，kd为与地表粗糙度相关的系数，取值为0.15，ξinit为初始尾流偏转角。
可选地，所述尾流干扰情况确定模块在用于对于所述风力发电机组中的每两个风力发电机，根据该两个风力发电机中处于上游位置的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况时，具体用于：
对于所述风力发电机组中的每两个风力发电机，判断该两个风力发电机中的下游风力发电机的位置坐标是否位于该两个风力发电机中的上游风力发电机的干扰区域内，其中，所述干扰区域为被所述上游风力发电机的尾流边界和速度边界所包围的区域；
若该两个风力发电机中的下游风力发电机的位置坐标位于该两个风力发电机中的上游风力发电机的干扰区域内，则将该两个风力发电机之间的尾流干扰情况确定为存在尾流干扰；
若该两个风力发电机中的下游风力发电机的位置坐标未位于该两个风力发电机中的上游风力发电机的干扰区域内，则将该两个风力发电机之间的尾流干扰情况确定为不存在尾流干扰。
可选地，所述邻接矩阵确定模块在用于根据所述风力发电机组中的每两个风力发电机之间的尾流干扰情况生成用于描述风力发电场尾流干扰关系的邻接矩阵时，具体用于：
对于所述风力发电机组中的每两个风力发电机，当该两个风力发电机之间的尾流干扰情况为存在尾流干扰时，将该两个风力发电机在所述邻接矩阵A中的元素值赋值为1，为根据第i个风力发电机和第j个风力发电机之间的尾流干扰情况所赋的元素值；
当该两个风力发电机之间的尾流干扰情况为不存在尾流干扰时，将该两个风力发电机在所述邻接矩阵A中的元素值赋值为0，其中，i、j均为非零的自然数；
根据上述赋值规则生成所述邻接矩阵A：
其中，N为所述风力发电机组中的风力发电机的数量。
可选地，所述最优偏航角值确定模块在用于对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值时，具体用于：
对于所述至少一个风力发电机群中的每个风力发电机群，利用所述非支配排序遗传算法为该风力发电机群配置至少一个候选偏航角组，其中，对于至少一个候选偏航角组中的每个候选偏航角组，该候选偏航角组中的每个候选偏航角值分别为随机为该风力发电机群中的每个风力发电机所配置的偏航角值，该风力发电机群中的每个风力发电机均对应有一个候选偏航角值；
对于该风力发电机群中的每个风力发电机，根据该风力发电机的候选偏航角值确定出该风力发电机的输出功率和疲劳载荷；
将该风力发电机群中的每个风力发电机的输出功率和疲劳载荷输入至非支配排序遗传算法中得到每个风力发电机在当前风速和当前风向下的最优偏航角值。
可选地，所述最优偏航角值确定模块在用于对于该风力发电机群中的每个风力发电机，根据该风力发电机的候选偏航角值确定出该风力发电机的输出功率和疲劳载荷时，具体用于：
对于该风力发电机群中的每个风力发电机，根据下列公式确定出该风力发电机的输出功率P：
其中，ρ为空气密度，A为风机叶轮面积，Cp为风能利用系数，v为当前风速，γ为偏航角度；
对于该风力发电机群中的每个风力发电机，根据下列公式确定出该风力发电机的疲劳载荷FWT：
其中，p(τ)为该风力发电机在τ时刻的有功功率，Prated为该风力发电机的额定功率，Tlife为该风力发电机的预设寿命，r是权重系数，D0为风机叶轮直径，Ieff是τ时刻的来流湍流度，t为风机负载时长。
可选地，所述装置还包括：
最优偏航角值群生成模块，用于在所述最优偏航角值确定模块对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值后，根据每个风力发电机群中的每个风力发电机其各自在当前风速和当前风向下的最优偏航角值生成每个风力发电机群其各自的最优偏航角值群；
最优偏航角数据库存储模块，用于将每个风力发电机群其各自的最优偏航角值群与当前风速和当前风向进行关联，并存储至最优偏航角数据库中。
第三方面，本申请实施例提供了一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面中任一种可选地实施方式中所述的风力发电机群控制方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行上述第一方面中任一种可选地实施方式中所述的风力发电机群控制方法的步骤。
本申请提供的技术方案包括但不限于以下有益效果：
对于风力发电机组中的每个风力发电机，根据该风力发电机的发电机参数、当前风速和当前风向确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界；对于所述风力发电机组中的每两个风力发电机，根据该两个风力发电机中处于上游位置的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况；通过上述步骤，能够根据风力发电机组中的每个风力发电机的尾流边界和速度边界确定出每两个风力发电机之间是否存在尾流干扰。
根据所述风力发电机组中的每两个风力发电机之间的尾流干扰情况生成用于描述风力发电场尾流干扰关系的邻接矩阵；根据所述邻接矩阵利用Tarjan算法对所述风力发电机组中的风力发电机进行划分得到至少一个风力发电机群；通过上述步骤，能够根据每两个风力发电机之间的尾流干扰情况和Tarjan算法对风力发电机组中的风力发电机进行划分，将存在尾流干扰的风力发电机划分在同一个风力发电机群中，得到多个相互之间不存在尾流干扰的风力发电机群。
对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值；控制每个所述风力发电机在满足其各自的最优偏航角值的偏航角下运行；通过上述步骤，能够通过非支配排序遗传算法确定出每个风力发电机群中所包含的每个风力发电机的在当前风速和当前风向下的能够实现风力发电场最大发电效率的最优偏航角值，并控制每个风力发电机在满足其各自的最优偏航角值的偏航角下运行。
通过上述方案，根据风力发电场中的每个风力发电机的尾流边界和速度边界确定出风力发电场中的每两个风力发电机之间的尾流干扰情况，然后根据每两个风力发电机之间的尾流干扰情况对风力发电场中的所有风力发电机进行风力发电机群的划分，然后对于每个风力发电机群中的每个风力发电机利用非支配排序遗传算法确定出能够实现风力发电场最大发电效率下每个风力发电机的最优偏航角值，并控制每个风力发电机在满足其各自的最优偏航角值的偏航角下工作和运行，能够避免由于风力发电场中的所有风力发电机均正对风向，从而导致不同风力发电机对其余风力发电机带来的尾流干扰而带来的发电功率下降，从而提高风力发电场的发电效率。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1示出了本发明实施例一所提供的一种风力发电机群控制方法的流程图；
图2示出了本发明实施例一所提供的一种风力发电机所产生的尾流边界和速度边界的示意图；
图3示出了本发明实施例一所提供的一种风力发电机群划分结果的示意图；
图4示出了本发明实施例一所提供的一种尾流干扰情况确定方法的流程；
图5示出了本发明实施例一所提供的一种最优偏航角值确定方法的流程图；
图6示出了本发明实施例一所提供的一种最优偏航角数据库存储方法的流程图；
图7示出了本发明实施例二所提供的一种风力发电机群控制装置的结构示意图；
图8示出了本发明实施例二所提供的第二种风力发电机群控制装置的结构示意图；
图9示出了本发明实施例三所提供的一种计算机设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
为便于对本申请进行理解，下面结合图1示出的本发明实施例一所提供的一种电池生产设备控制方法的流程图描述的内容对本申请实施例一进行详细说明。
参见图1所示，图1示出了本发明实施例一所提供的一种风力发电机群控制方法的流程图，其中，所述方法包括步骤S101～S104：
S101：对于风力发电机组中的每个风力发电机，根据该风力发电机的发电机参数、当前风速和当前风向确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界。
具体的，发电机参数包括叶轮直径、偏航角变化范围和风电场布局(风力发电机组中的每个风力发电机的位置坐标)。
在确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界时，包括以下步骤：
根据尾流中的当前风速v可以表示为：
其中，v0是来流风速；A(x)是下游距离x处的最大风速衰减；r是尾流面上的径向距离；σ是尾流面直径，其中，A(x)表达式如下：
其中，CT表示推力系数，γ是偏航角度，D0是风机叶轮直径。
尾流宽度可以按照如下公式计算：
其中，为尾流宽度，k是尾流演化系数，x为下游距离，D0是风机叶轮直径，β计算方式如下：
其中，CT表示推力系数。
偏航对尾流的引起的偏转δ(x)随着下游距离x的变化如下：
其中，ξinit是初始尾流偏转角，kd是与地表粗糙度相关的系数，取值为0.15，ξinit表示为：
其中，CT表示推力系数，γ是偏航角度。
将风机的载荷分为两部分，一部分与功率有关，另一部分与来流的湍流度相关，与功率有关的风机载荷fp的计算公式如下：
其中，t是风机负载时长，P(τ)是τ时刻的有功功率，Prated是额定功率，Tlife是风机设计寿命，r是权重系数。
与来流的湍流度相关的风机载荷ft的计算公式如下：
其中，t是风机负载时长，Ieff(τ)是τ时刻的来流湍流度，其余符号含义同上。
风机的疲劳载荷FWT表示为：
FWT＝fp+ft (9)
基于公式(3)和公式(5)，可以得到单台风机造成的尾流边界为：
其中，yw(x)为上尾流边界，y′ w(x)为下尾流边界，δ(x)为尾流偏转随着下游距离x的变化量，σ(x)为尾流在下游距离x处的直径。
基于公式(1)可以得到单台风机造成的速度边界为：
其中，xe(γ)为速度边界在x方向上的分量，ye(γ)为速度边界在y方向上的分量，CT为推力系数，γ为偏航角度，D0为风机叶轮直径，kd为与地表粗糙度相关的系数，取值为0.15，ξinit为初始尾流偏转角。
S102：对于所述风力发电机组中的每两个风力发电机，根据该两个风力发电机中处于上游位置的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况。
具体的，利用尾流边界和速度边界，可以得到风机之间的尾流干扰的判别条件，当每两个风力发电机中的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标满足如下不等式关系时，我们认为这两台风机之间存在尾流干扰：
其中，yij为下游风力发电机的位置坐标在y轴上的值，xij为下游风力发电机的位置坐标在x轴上的值，yw(xij)为上游风力发电机的上尾流边界，y′ w(xij)为上游风力发电机的下尾流边界，xe(γ)为上游风力发电机的速度边界在x方向上的分量，ye(γ)为上游风力发电机的速度边界在y方向上的分量，D0是风机叶轮直径。
参见图2所示，图2示出了本发明实施例一所提供的一种风力发电机所产生的尾流边界和速度边界的示意图，其中，当风向为平行x轴由左往右时，风力发电机产生的尾流边界包括上尾流边界和下尾流边界，同时产生一条速度边界。
S103：根据所述风力发电机组中的每两个风力发电机之间的尾流干扰情况生成用于描述风力发电场尾流干扰关系的邻接矩阵。
具体的，用表示每两个风机(Ti和Tj)之间的尾流干扰关系，用表示每两个风机(Tj和Ti)之间的尾流干扰关系，其规则如下:
构成的矩阵A就是用于描述风力发电场尾流干扰关系的邻接矩阵：
其中，i、j均为非零的自然数，为用于指示风机Ti和风机Tj之间的尾流干扰情况的元素值，为风机T1和风机T1之间的尾流干扰情况的元素值，为风机T1和风机T2之间的尾流干扰情况的元素值，以此类推，可以得知为风机TN和风机TN之间的尾流干扰情况的元素值，N为所述风力发电机组中的风力发电机的数量。
S104：根据所述邻接矩阵利用Tarjan算法对所述风力发电机组中的风力发电机进行划分得到至少一个风力发电机群。
具体的，Tarjan算法是基于深度优先搜索的算法，用于求解图的连通性问题，Tarjan算法可以在线性时间内求出无向图的割点与桥，进一步地可以求解无向图的双连通分量；同时，也可以求解有向图的强连通分量、必经点与必经边，即Tarjan算法是基于深度优先搜索的，用于求解图的连通性问题的算法。
将所述邻接矩阵输入至Tarjan算法中就可以得到至少一个风力发电机群，不同的风力发电机群之间没有风机尾流的干扰。
参见图3所示，图3示出了本发明实施例一所提供的一种风力发电机群划分结果的示意图，其中，风力发电场中包括9个风力发电机(T1、T2、T3、T4、T5、T6、T7、T8、T9)，Tarjan算法将9个风力发电机划分为了4个风力发电机群(风机群1、风机群2、风机群3和风机群4)，风机群1中包括风力发电机T1、T2、T3，风机群2中包括风力发电机T4，风机群3中包括风力发电机T5、T6，风机群4中包括风力发电机T7、T8、T9。
S105：对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值。
具体的，非支配排序遗传算法在选择算子执行之前根据个体之间的支配关系进行了分层，其选择算子、交叉算子和变异算子与简单遗传算法没有区别；在选择操作执行之前，种群根据个体之间的支配与非支配关系进行排序：首先，找出该种群中的所有非支配个体，并赋予他们一个共享的虚拟适应度值。得到第一个非支配最优层；然后，忽略这组己分层的个体，对种群中的其它个体继续按照支配与非支配关系进行分层，并赋予它们一个新的虚拟适应度值，该值要小于上一层的值，对剩下的个体继续上述操作，直到种群中的所有个体都被分层。
利用非支配排序遗传算法，能够根据每个风力发电机群中的每个风力发电机的输出功率和疲劳载荷，确定出在输出功率和疲劳载荷维度上每个风力发电机的最优偏航角值，即，对于每个风力发电机，在该风力发电机的最优偏航角值下，该风力发电机的输出功率和疲劳载荷满足最优状态。
S106：控制每个所述风力发电机在满足其各自的最优偏航角值的偏航角下运行。
具体的，控制每个风力发电机在满足其各自的最优偏航角值的偏航角下运行，以实现风力发电场中所有风力发电机的合理协调运作。
在一个可行的实施方案中，所述对于风力发电机组中的每个风力发电机，该风力发电机的发电机参数包括叶轮直径、偏航角最大值、偏航角最小值和该风力发电机在所述风力发电机组中的位置坐标，所述尾流边界包括上尾流边界和下尾流边界。
所述对于风力发电机组中的每个风力发电机，根据该风力发电机的发电机参数、当前风速和当前风向确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界，包括：
对于风力发电机组中的每个风力发电机中，根据下列公式确定出当前风速和当前风向下该风力发电机的上尾流边界yw(x)和下尾流边界y′ w(x)：
其中，δ(x)为尾流偏转随着下游距离x的变化量，σ(x)为尾流在下游距离x处的直径。
对于风力发电机组中的每个风力发电机，根据下列公式确定出当前风速和当前风向下该风力发电机的速度边界，所述速度边界包括速度边界在x方向上的分量xe(γ)和速度边界包括速度边界在y方向上的分量ye(γ)：
其中，CT为推力系数，γ为偏航角度，D0为风机叶轮直径，kd为与地表粗糙度相关的系数，取值为0.15，ξinit为初始尾流偏转角。
在一个可行的实施方案中，参见图4所示，图4示出了本发明实施例一所提供的一种尾流干扰情况确定方法的流程图，其中，所述对于所述风力发电机组中的每两个风力发电机，根据该两个风力发电机中处于上游位置的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况，包括步骤S401～S403：
S401：对于所述风力发电机组中的每两个风力发电机，判断该两个风力发电机中的下游风力发电机的位置坐标是否位于该两个风力发电机中的上游风力发电机的干扰区域内，其中，所述干扰区域为被所述上游风力发电机的尾流边界和速度边界所包围的区域。
具体的，对于所述风力发电机组中的每两个风力发电机，将该两个风力发电机中的下游风力发电机作为被影响的风力发电机，不考虑其对上游风力发电机的影响，仅需确定出下游风力发电机的位置坐标是否位于上游风力发电机的干扰区域内。
S402：若该两个风力发电机中的下游风力发电机的位置坐标位于该两个风力发电机中的上游风力发电机的干扰区域内，则将该两个风力发电机之间的尾流干扰情况确定为存在尾流干扰。
S403：若该两个风力发电机中的下游风力发电机的位置坐标未位于该两个风力发电机中的上游风力发电机的干扰区域内，则将该两个风力发电机之间的尾流干扰情况确定为不存在尾流干扰。
在一个可行的实施方案中，所述根据所述风力发电机组中的每两个风力发电机之间的尾流干扰情况生成用于描述风力发电场尾流干扰关系的邻接矩阵，包括：
对于所述风力发电机组中的每两个风力发电机，当该两个风力发电机之间的尾流干扰情况为存在尾流干扰时，将该两个风力发电机在所述邻接矩阵A中的元素值赋值为1，为根据第i个风力发电机和第j个风力发电机之间的尾流干扰情况所赋的元素值；
当该两个风力发电机之间的尾流干扰情况为不存在尾流干扰时，将该两个风力发电机在所述邻接矩阵A中的元素值赋值为0，其中，i、j均为非零的自然数；
根据上述赋值规则生成所述邻接矩阵A：
其中，N为所述风力发电机组中的风力发电机的数量。
在一个可行的实施方案中，参见图5所示，图5示出了本发明实施例一所提供的一种最优偏航角值确定方法的流程图，其中，所述对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值，包括步骤S501～S503：
S501：对于所述至少一个风力发电机群中的每个风力发电机群，利用所述非支配排序遗传算法为该风力发电机群配置至少一个候选偏航角组，其中，对于至少一个候选偏航角组中的每个候选偏航角组，该候选偏航角组中的每个候选偏航角值分别为随机为该风力发电机群中的每个风力发电机所配置的偏航角值，该风力发电机群中的每个风力发电机均对应有一个候选偏航角值。
具体的，例如，将风力发电场中的风力发电机划分为了风机群1、风机群2、风机群3和风机群4，风机群1中包括风力发电机T1，风力发电机t2和风力发电机T3，对于风机群1，利用非支配排序遗传算法为风机群1配置至少一个候选偏航角组(候选偏航角组A和候选偏航角组B)；候选偏航角组A中包括候选偏航角值A1、候选偏航角值A2，和候选偏航角值A3，候选偏航角值A1对应风力发电机T1，候选偏航角值A2对应风力发电机T2，候选偏航角值A3对应风力发电机T3；候选偏航角组B中包括候选偏航角值B1、候选偏航角值B2，和候选偏航角值B3，候选偏航角值B1对应风力发电机T1，候选偏航角值B2对应风力发电机T2，候选偏航角值B3对应风力发电机T3。
S502：对于该风力发电机群中的每个风力发电机，根据该风力发电机的候选偏航角值确定出该风力发电机的输出功率和疲劳载荷。
具体的，对于该风力发电机群中的每个风力发电机，根据为该风力发电机预先配置的候选偏航角值确定出该风力发电机在该候选偏航角值的输出功率和疲劳载荷；由于每个候选偏航角值群中，每个风力发电机包含多个候选偏航角值，则需要计算得到每个候选偏航角值群中的每个风力发电机在所有候选偏航角值下的输出功率和疲劳载荷。
例如，对于风力发电机T1，需要分别计算在候选偏航角值A1和候选偏航角值B1下的输出功率和疲劳载荷；对于风力发电机T2，需要分别计算在候选偏航角值A2和候选偏航角值B2下的输出功率和疲劳载荷；对于风力发电机T3，需要分别计算在候选偏航角值A3和候选偏航角值B3下的输出功率和疲劳载荷。
S503：将该风力发电机群中的每个风力发电机的输出功率和疲劳载荷输入至非支配排序遗传算法中得到每个风力发电机在当前风速和当前风向下的最优偏航角值。
具体的，将每个风力发电机在每个候选偏航角值下计算得到的输出功率和疲劳载荷输入至非支配排序遗传算法中，输出得到每个风力发电机在当前风速和当前风向下的最优偏航角值。
在一个可行的实施方案中，所述对于该风力发电机群中的每个风力发电机，根据该风力发电机的候选偏航角值确定出该风力发电机的输出功率和疲劳载荷，包括：
对于该风力发电机群中的每个风力发电机，根据下列公式确定出该风力发电机的输出功率P：
其中，ρ为空气密度，A为风机叶轮面积，Cp为风能利用系数，v为当前风速，γ为偏航角度；
对于该风力发电机群中的每个风力发电机，根据下列公式确定出该风力发电机的疲劳载荷FWT：
其中，p(τ)为该风力发电机在τ时刻的有功功率，Prated为该风力发电机的额定功率，Tlife为该风力发电机的预设寿命，r是权重系数，D0为风机叶轮直径，Ieff是τ时刻的来流湍流度，t为风机负载时长。
在一个可行的实施方案中，参见图6所示，图6示出了本发明实施例一所提供的一种最优偏航角数据库存储方法的流程图，其中，在对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值后，所述方法还包括步骤S601～S602：
S601：根据每个风力发电机群中的每个风力发电机其各自在当前风速和当前风向下的最优偏航角值生成每个风力发电机群其各自的最优偏航角值群。
S602：将每个风力发电机群其各自的最优偏航角值群与当前风速和当前风向进行关联，并存储至最优偏航角数据库中。
具体的，将每个风力发电机群其各自的最优偏航角值群与当前风速和当前风向进行关联和存储，便于在后续使用过程中，能够直接调用数据库内容，通过风速和风向条件直接确定出每个风力发电机其各自的最优偏航角值。
由于风电场的偏航设定需要满足一定的时间要求，常采用离线表格的方式来快速的给出命令，可以将风速风向按照一定的步长，构建全部可能风况，按照上述计算流程计算各风况的偏航角设定值表格，依照实时风况给出对应的最佳偏航角设定值。
实施例二
参见图7所示，图7示出了本发明实施例二所提供的一种风力发电机群控制装置的结构示意图，其中，所述装置包括：
边界确定模块701，用于对于风力发电机组中的每个风力发电机，根据该风力发电机的发电机参数、当前风速和当前风向确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界；
尾流干扰情况确定模块702，用于对于所述风力发电机组中的每两个风力发电机，根据该两个风力发电机中处于上游位置的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况；
邻接矩阵确定模块703，用于根据所述风力发电机组中的每两个风力发电机之间的尾流干扰情况生成用于描述风力发电场尾流干扰关系的邻接矩阵；
风力发电机群划分模块704，用于根据所述邻接矩阵利用Tarjan算法对所述风力发电机组中的风力发电机进行划分得到至少一个风力发电机群；
最优偏航角值确定模块705，用于对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值；
风力发电机控制模块706，用于控制每个所述风力发电机在满足其各自的最优偏航角值的偏航角下运行。
在一个可行的实施方案中，所述对于风力发电机组中的每个风力发电机，该风力发电机的发电机参数包括叶轮直径、偏航角最大值、偏航角最小值和该风力发电机在所述风力发电机组中的位置坐标，所述尾流边界包括上尾流边界和下尾流边界；
所述边界确定模块在用于对于风力发电机组中的每个风力发电机，根据该风力发电机的发电机参数、当前风速和当前风向确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界时，具体用于：
对于风力发电机组中的每个风力发电机中，根据下列公式确定出当前风速和当前风向下该风力发电机的上尾流边界yw(x)和下尾流边界y′ w(x)：
其中，δ(x)为尾流偏转随着下游距离x的变化量，σ(x)为尾流在下游距离x处的直径；
对于风力发电机组中的每个风力发电机，根据下列公式确定出当前风速和当前风向下该风力发电机的速度边界，所述速度边界包括速度边界在x方向上的分量xe(γ)和速度边界包括速度边界在y方向上的分量ye(γ)：
其中，CT为推力系数，γ为偏航角度，D0为风机叶轮直径，kd为与地表粗糙度相关的系数，取值为0.15，ξinit为初始尾流偏转角。
在一个可行的实施方案中，所述尾流干扰情况确定模块在用于对于所述风力发电机组中的每两个风力发电机，根据该两个风力发电机中处于上游位置的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况时，具体用于：
对于所述风力发电机组中的每两个风力发电机，判断该两个风力发电机中的下游风力发电机的位置坐标是否位于该两个风力发电机中的上游风力发电机的干扰区域内，其中，所述干扰区域为被所述上游风力发电机的尾流边界和速度边界所包围的区域；
若该两个风力发电机中的下游风力发电机的位置坐标位于该两个风力发电机中的上游风力发电机的干扰区域内，则将该两个风力发电机之间的尾流干扰情况确定为存在尾流干扰；
若该两个风力发电机中的下游风力发电机的位置坐标未位于该两个风力发电机中的上游风力发电机的干扰区域内，则将该两个风力发电机之间的尾流干扰情况确定为不存在尾流干扰。
在一个可行的实施方案中，所述邻接矩阵确定模块在用于根据所述风力发电机组中的每两个风力发电机之间的尾流干扰情况生成用于描述风力发电场尾流干扰关系的邻接矩阵时，具体用于：
对于所述风力发电机组中的每两个风力发电机，当该两个风力发电机之间的尾流干扰情况为存在尾流干扰时，将该两个风力发电机在所述邻接矩阵A中的元素值赋值为1，为根据第i个风力发电机和第j个风力发电机之间的尾流干扰情况所赋的元素值；
当该两个风力发电机之间的尾流干扰情况为不存在尾流干扰时，将该两个风力发电机在所述邻接矩阵A中的元素值赋值为0，其中，i、j均为非零的自然数；
根据上述赋值规则生成所述邻接矩阵A：
其中，N为所述风力发电机组中的风力发电机的数量。
在一个可行的实施方案中，所述最优偏航角值确定模块在用于对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值时，具体用于：
对于所述至少一个风力发电机群中的每个风力发电机群，利用所述非支配排序遗传算法为该风力发电机群配置至少一个候选偏航角组，其中，对于至少一个候选偏航角组中的每个候选偏航角组，该候选偏航角组中的每个候选偏航角值分别为随机为该风力发电机群中的每个风力发电机所配置的偏航角值，该风力发电机群中的每个风力发电机均对应有一个候选偏航角值；
对于该风力发电机群中的每个风力发电机，根据该风力发电机的候选偏航角值确定出该风力发电机的输出功率和疲劳载荷；
将该风力发电机群中的每个风力发电机的输出功率和疲劳载荷输入至非支配排序遗传算法中得到每个风力发电机在当前风速和当前风向下的最优偏航角值。
在一个可行的实施方案中，所述最优偏航角值确定模块在用于对于该风力发电机群中的每个风力发电机，根据该风力发电机的候选偏航角值确定出该风力发电机的输出功率和疲劳载荷时，具体用于：
对于该风力发电机群中的每个风力发电机，根据下列公式确定出该风力发电机的输出功率P：
其中，ρ为空气密度，A为风机叶轮面积，Cp为风能利用系数，v为当前风速，γ为偏航角度；
对于该风力发电机群中的每个风力发电机，根据下列公式确定出该风力发电机的疲劳载荷FWT：
其中，p(τ)为该风力发电机在τ时刻的有功功率，Prated为该风力发电机的额定功率，Tlife为该风力发电机的预设寿命，r是权重系数，D0为风机叶轮直径，Ieff是τ时刻的来流湍流度，t为风机负载时长。
在一个可行的实施方案中，参见图8所示，图8示出了本发明实施例二所提供的第二种风力发电机群控制装置的结构示意图，其中，所述装置还包括：
最优偏航角值群生成模块801，用于在所述最优偏航角值确定模块对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值后，根据每个风力发电机群中的每个风力发电机其各自在当前风速和当前风向下的最优偏航角值生成每个风力发电机群其各自的最优偏航角值群；
最优偏航角数据库存储模块802，用于将每个风力发电机群其各自的最优偏航角值群与当前风速和当前风向进行关联，并存储至最优偏航角数据库中。
实施例三
基于同一申请构思，参见图9所示，图9示出了本发明实施例三所提供的一种计算机设备的结构示意图，其中，如图9所示，本申请实施例三所提供的一种计算机设备900包括：
处理器901、存储器902和总线903，所述存储器902存储有所述处理器901可执行的机器可读指令，当计算机设备900运行时，所述处理器901与所述存储器902之间通过所述总线903进行通信，所述机器可读指令被所述处理器901运行时执行上述实施例一所示的风力发电机群控制方法的步骤。
实施例四
基于同一申请构思，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行上述实施例中任一项所述的风力发电机群控制方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明实施例所提供的进行风力发电机群控制的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
本发明实施例所提供的风力发电机群控制装置可以为设备上的特定硬件或者安装于设备上的软件或固件等。本发明实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，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：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种风力发电机群控制方法，其特征在于，所述方法包括：
对于风力发电机组中的每个风力发电机，根据该风力发电机的发电机参数、当前风速和当前风向确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界；
对于所述风力发电机组中的每两个风力发电机，根据该两个风力发电机中处于上游位置的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况；
根据所述风力发电机组中的每两个风力发电机之间的尾流干扰情况生成用于描述风力发电场尾流干扰关系的邻接矩阵；
根据所述邻接矩阵利用Tarjan算法对所述风力发电机组中的风力发电机进行划分得到至少一个风力发电机群；
对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值；
控制每个所述风力发电机在满足其各自的最优偏航角值的偏航角下运行。
2.根据权利要求1所述的方法，其特征在于，所述对于风力发电机组中的每个风力发电机，该风力发电机的发电机参数包括叶轮直径、偏航角最大值、偏航角最小值和该风力发电机在所述风力发电机组中的位置坐标，所述尾流边界包括上尾流边界和下尾流边界；
所述对于风力发电机组中的每个风力发电机，根据该风力发电机的发电机参数、当前风速和当前风向确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界，包括：
对于风力发电机组中的每个风力发电机中，根据下列公式确定出当前风速和当前风向下该风力发电机的上尾流边界yw()和下尾流边界y′ w()：
其中，δ(x)为尾流偏转随着下游距离x的变化量，σ(x)为尾流在下游距离x处的直径；
对于风力发电机组中的每个风力发电机，根据下列公式确定出当前风速和当前风向下该风力发电机的速度边界，所述速度边界包括速度边界在x方向上的分量xe()和速度边界包括速度边界在y方向上的分量ye()：
其中，CT为推力系数，γ为偏航角度，D0为风机叶轮直径，kd为与地表粗糙度相关的系数，取值为0.15，ξinit为初始尾流偏转角。
3.根据权利要求1所述的方法，其特征在于，所述对于所述风力发电机组中的每两个风力发电机，根据该两个风力发电机中处于上游位置的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况，包括：
对于所述风力发电机组中的每两个风力发电机，判断该两个风力发电机中的下游风力发电机的位置坐标是否位于该两个风力发电机中的上游风力发电机的干扰区域内，其中，所述干扰区域为被所述上游风力发电机的尾流边界和速度边界所包围的区域；
若该两个风力发电机中的下游风力发电机的位置坐标位于该两个风力发电机中的上游风力发电机的干扰区域内，则将该两个风力发电机之间的尾流干扰情况确定为存在尾流干扰；
若该两个风力发电机中的下游风力发电机的位置坐标未位于该两个风力发电机中的上游风力发电机的干扰区域内，则将该两个风力发电机之间的尾流干扰情况确定为不存在尾流干扰。
4.根据权利要求1所述的方法，其特征在于，所述根据所述风力发电机组中的每两个风力发电机之间的尾流干扰情况生成用于描述风力发电场尾流干扰关系的邻接矩阵，包括：
对于所述风力发电机组中的每两个风力发电机，当该两个风力发电机之间的尾流干扰情况为存在尾流干扰时，将该两个风力发电机在所述邻接矩阵A中的元素值赋值为1，为根据第i个风力发电机和第j个风力发电机之间的尾流干扰情况所赋的元素值；
当该两个风力发电机之间的尾流干扰情况为不存在尾流干扰时，将该两个风力发电机在所述邻接矩阵A中的元素值赋值为0，其中，i、j均为非零的自然数；
根据上述赋值规则生成所述邻接矩阵A：
其中，N为所述风力发电机组中的风力发电机的数量。
5.根据权利要求1所述的方法，其特征在于，所述对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值，包括：
对于所述至少一个风力发电机群中的每个风力发电机群，利用所述非支配排序遗传算法为该风力发电机群配置至少一个候选偏航角组，其中，对于至少一个候选偏航角组中的每个候选偏航角组，该候选偏航角组中的每个候选偏航角值分别为随机为该风力发电机群中的每个风力发电机所配置的偏航角值，该风力发电机群中的每个风力发电机均对应有一个候选偏航角值；
对于该风力发电机群中的每个风力发电机，根据该风力发电机的候选偏航角值确定出该风力发电机的输出功率和疲劳载荷；
将该风力发电机群中的每个风力发电机的输出功率和疲劳载荷输入至非支配排序遗传算法中得到每个风力发电机在当前风速和当前风向下的最优偏航角值。
6.根据权利要求5所述的方法，其特征在于，所述对于该风力发电机群中的每个风力发电机，根据该风力发电机的候选偏航角值确定出该风力发电机的输出功率和疲劳载荷，包括：
对于该风力发电机群中的每个风力发电机，根据下列公式确定出该风力发电机的输出功率P：
其中，ρ为空气密度，A为风机叶轮面积，Cp为风能利用系数，v为当前风速，γ为偏航角度；
对于该风力发电机群中的每个风力发电机，根据下列公式确定出该风力发电机的疲劳载荷FWT：
其中，p(τ)为该风力发电机在τ时刻的有功功率，Prated为该风力发电机的额定功率，Tlife为该风力发电机的预设寿命，r是权重系数，D0为风机叶轮直径，Ieff是τ时刻的来流湍流度，t为风机负载时长。
7.根据权利要求1所述的方法，其特征在于，在对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值后，所述方法还包括：
根据每个风力发电机群中的每个风力发电机其各自在当前风速和当前风向下的最优偏航角值生成每个风力发电机群其各自的最优偏航角值群；
将每个风力发电机群其各自的最优偏航角值群与当前风速和当前风向进行关联，并存储至最优偏航角数据库中。
8.一种风力发电机群控制装置，其特征在于，所述装置包括：
边界确定模块，用于对于风力发电机组中的每个风力发电机，根据该风力发电机的发电机参数、当前风速和当前风向确定出当前风速和当前风向下该风力发电机的尾流边界和速度边界；
尾流干扰情况确定模块，用于对于所述风力发电机组中的每两个风力发电机，根据该两个风力发电机中处于上游位置的上游风力发电机的尾流边界和速度边界，以及该两个风力发电机中处于下游位置的下游风力发电机的位置坐标确定出该两个风力发电机之间的尾流干扰情况；
邻接矩阵确定模块，用于根据所述风力发电机组中的每两个风力发电机之间的尾流干扰情况生成用于描述风力发电场尾流干扰关系的邻接矩阵；
风力发电机群划分模块，用于根据所述邻接矩阵利用Tarjan算法对所述风力发电机组中的风力发电机进行划分得到至少一个风力发电机群；
最优偏航角值确定模块，用于对于所述至少一个风力发电机群中的每个风力发电机群，利用非支配排序遗传算法确定出该风力发电机群中的每个风力发电机在当前风速和当前风向下的最优偏航角值；
风力发电机控制模块，用于控制每个所述风力发电机在满足其各自的最优偏航角值的偏航角下运行。
9.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至7中任一所述的风力发电机群控制方法的步骤。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至7中任意一项所述的风力发电机群控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310227485.7A CN116025512B (zh) | 2023-03-02 | 2023-03-02 | 一种风力发电机群控制方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310227485.7A CN116025512B (zh) | 2023-03-02 | 2023-03-02 | 一种风力发电机群控制方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116025512A CN116025512A (zh) | 2023-04-28 |
| CN116025512B true CN116025512B (zh) | 2024-03-19 |
Family
ID=86072577
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310227485.7A Active CN116025512B (zh) | 2023-03-02 | 2023-03-02 | 一种风力发电机群控制方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116025512B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116378897B (zh) * | 2023-05-04 | 2023-12-26 | 华北电力大学 | 一种风电场偏航角控制方法及装置 |
| CN117394550B (zh) * | 2023-12-11 | 2024-04-05 | 南京理工大学 | 一种基于风力机偏航角寻优的风电场场群控制方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107250532A (zh) * | 2014-12-23 | 2017-10-13 | Abb瑞士股份有限公司 | 最佳风场运行 |
| EP3438448A1 (fr) * | 2017-07-31 | 2019-02-06 | Electricité de France | Pilotage d'un parc éolien |
| CN112534133A (zh) * | 2018-06-08 | 2021-03-19 | 西门子歌美飒可再生能源公司 | 存在尾流相互作用的情况下控制风力涡轮机 |
| KR102406851B1 (ko) * | 2021-02-18 | 2022-06-10 | 군산대학교산학협력단 | 확장 가능한 웨이크 방향 그래프를 이용한 풍력 발전 단지의 전력 조정 최적화 방법 및 이를 수행하는 장치 |
| WO2022228629A1 (en) * | 2021-04-27 | 2022-11-03 | Vestas Wind Systems A/S | Control scheme for cluster of wind turbines |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220412307A1 (en) * | 2021-06-24 | 2022-12-29 | Board Of Regents, The University Of Texas System | System and Method for Effective Real-Time Control of Wind Turbines |
-
2023
- 2023-03-02 CN CN202310227485.7A patent/CN116025512B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107250532A (zh) * | 2014-12-23 | 2017-10-13 | Abb瑞士股份有限公司 | 最佳风场运行 |
| EP3438448A1 (fr) * | 2017-07-31 | 2019-02-06 | Electricité de France | Pilotage d'un parc éolien |
| CN112534133A (zh) * | 2018-06-08 | 2021-03-19 | 西门子歌美飒可再生能源公司 | 存在尾流相互作用的情况下控制风力涡轮机 |
| KR102406851B1 (ko) * | 2021-02-18 | 2022-06-10 | 군산대학교산학협력단 | 확장 가능한 웨이크 방향 그래프를 이용한 풍력 발전 단지의 전력 조정 최적화 방법 및 이를 수행하는 장치 |
| WO2022228629A1 (en) * | 2021-04-27 | 2022-11-03 | Vestas Wind Systems A/S | Control scheme for cluster of wind turbines |
Non-Patent Citations (1)
| Title |
|---|
| 面向风电机组级联集群的输出功率最大化协同生产研究;李佳;中国优秀硕士学位论文全文数据库（电子期刊）(第2021/06期);1-50 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116025512A (zh) | 2023-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116025512B (zh) | 一种风力发电机群控制方法、装置、设备及存储介质 | |
| CN1217597A (zh) | 电力系统的频率特性推断方法和装置及其应用 | |
| CN102682185A (zh) | 单风力发电机的风电功率预测方法 | |
| CN109713661B (zh) | 风电场接入对多机系统故障极限切除时间影响的分析方法 | |
| WO2021203738A1 (zh) | 考虑需求侧资源分层分散控制的配电系统可靠性计算方法 | |
| CN111339713A (zh) | 风电场的优化设计方法、系统、电子设备和存储介质 | |
| CN106130004A (zh) | 一种综合考虑稳定特性的并网点新能源接纳能力的评估方法 | |
| CN102820676A (zh) | 一种风电场限电控制方法 | |
| JP5272113B1 (ja) | 風力発電システム、その制御装置、及びその制御方法 | |
| CN106886953B (zh) | 考虑多重不确定性的需求响应对含风电系统风险分析方法 | |
| CN113962113B (zh) | 一种海上风电场风机优化排布方法及系统 | |
| CN115470678A (zh) | 一种基于风电场噪声评估的机位自动优化方法及装置 | |
| CN116378897B (zh) | 一种风电场偏航角控制方法及装置 | |
| CN112701726A (zh) | 考虑惯量需求与风机惯量响应能力的虚拟惯量调配方法 | |
| Fahmy | MILP model and a genetic algorithm for the integrated cell formation, layout and worker assignment problem | |
| CN116581827A (zh) | 一种考虑尾流影响的限负荷条件下风电场机组启停策略 | |
| CN115455731A (zh) | 一种海上风电场风电机组微观选址与电缆布局联合优化设计方法 | |
| KR101375945B1 (ko) | 퍼지규칙을 이용한 터빈의 피치각 제어 장치 및 이를 이용한 터빈의 피치각 제어 방법 | |
| 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 | |
| CN112737422B (zh) | 一种基于云计算的电机设备调速控制方法 | |
| Ahmad et al. | Machining parameter optimisation by genetic algorithm and artificial neural network | |
| CN107124007A (zh) | 一种针对有功/无功协调控制的风电场风机分组方法 | |
| Yan et al. | Genetic algorithm based optimization for energy-aware hybrid flow shop scheduling | |
| CN108631365B (zh) | 风电场功率控制方法及系统 | |
| CN113094968A (zh) | 一种船舶动力系统多机组运行成本优化方法 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20240205 Address after: 102206 No. 2 Nong Road, Changping District, Beijing Applicant after: NORTH CHINA ELECTRIC POWER University Country or region after: China Applicant after: HUANENG RUDONG BAXIANJIAO OFFSHORE WIND POWER CO.,LTD. Applicant after: Huaneng Group R&D Center Co., Ltd. Address before: 102206 No. 2 Nong Road, Changping District, Beijing Applicant before: NORTH CHINA ELECTRIC POWER University Country or region before: China Applicant before: Huaneng Group R&D Center Co., Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |