CN116191554A - 风电场的功率控制方法和装置 - Google Patents
风电场的功率控制方法和装置 Download PDFInfo
- Publication number
- CN116191554A CN116191554A CN202111436105.8A CN202111436105A CN116191554A CN 116191554 A CN116191554 A CN 116191554A CN 202111436105 A CN202111436105 A CN 202111436105A CN 116191554 A CN116191554 A CN 116191554A
- Authority
- CN
- China
- Prior art keywords
- power
- wind
- fatigue load
- power value
- wind generating
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000004044 response Effects 0.000 claims abstract description 11
- 238000010248 power generation Methods 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000003860 storage Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 6
- 230000008901 benefit Effects 0.000 description 29
- 238000012423 maintenance Methods 0.000 description 16
- 238000012544 monitoring process Methods 0.000 description 12
- 238000013500 data storage Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000001105 regulatory effect Effects 0.000 description 7
- 239000002131 composite material Substances 0.000 description 6
- 238000004590 computer program Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000007664 blowing Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/028—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power
- F03D7/0292—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor controlling wind motor output power to reduce fatigue
-
- 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
- F03D7/02—Controlling wind motors the wind motors having rotation axis substantially parallel to the air flow entering the rotor
- F03D7/04—Automatic control; Regulation
- F03D7/042—Automatic control; Regulation by means of an electrical or electronic controller
- F03D7/048—Automatic control; Regulation by means of an electrical or electronic controller controlling wind farms
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- F05B2270/00—Control
- F05B2270/10—Purpose of the control system
- F05B2270/20—Purpose of the control system to optimise the performance of a machine
-
- 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
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/332—Maximum loads or fatigue criteria
-
- 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
- F05B2270/00—Control
- F05B2270/30—Control parameters, e.g. input parameters
- F05B2270/335—Output power or torque
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- 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
Abstract
本公开提供一种风电场的功率控制方法和装置。功率控制方法包括:获取风电场的多个风力发电机组的目标部件在目标历史时段的历史等效疲劳载荷;响应于进入限功率周期,获取当前时刻多个风力发电机组的整机疲劳载荷、目标部件的等效疲劳载荷、单位电量付出,单位电量付出是基于等效疲劳载荷和风力发电机组的发电量得到的;根据历史等效疲劳载荷、整机疲劳载荷、等效疲劳载荷、单位电量付出,确定至少一个风力发电机组的调优功率值,使多个风力发电机组的功率值之和小于或等于与限功率周期相对应的限功率值;向至少一个风力发电机组发送控制指令,将至少一个风力发电机组的功率值调整至相应的调优功率值。
Description
技术领域
本公开涉及风力发电领域,更具体地,涉及一种风电场的功率控制方法和装置。
背景技术
由于风电场地形复杂,风资源分布波动性高、预测性差的特点,且某些地区电网输送能力有限,使得风电场限功率运行成为一种常态,需要风电场的整体输出功率值在一段时间内降低。同时,限功率运行下,通过主动调控风电场风力发电机组的出力状态,提高风电质量,可保证风电场发电的平稳与可控,同时减少对风力发电机组的运行和经济效益的负面影响,因而成为行业研究的热点和难点之一。
目前,正在运行的风电场中常见的做法是,在收到电网限功率指令后,从风电场正在运行的机组中挑选几台停机,使其满足限功率值。在行业研究中,虽然存在简单的比例分配、平均分配和个别机组启停的策略,但风电场的整体经济效益仍有待提高。
发明内容
因此,在限功率指令下合理调节风电场中各风力发电机组的运行功率,对于如何提高风电场的整体经济效益至关重要。
在一个总的方面,提供一种风电场的功率控制方法,所述功率控制方法包括:获取所述风电场的多个风力发电机组的目标部件在目标历史时段的历史等效疲劳载荷;响应于进入限功率周期,获取当前时刻所述多个风力发电机组的整机疲劳载荷、所述目标部件的等效疲劳载荷、单位电量付出,所述单位电量付出是基于所述等效疲劳载荷和风力发电机组的发电量得到的;根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定至少一个风力发电机组的调优功率值,使所述多个风力发电机组的功率值之和小于或等于与所述限功率周期相对应的限功率值;向所述至少一个风力发电机组发送控制指令,将所述至少一个风力发电机组的功率值调整至相应的所述调优功率值。
可选地,所述根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定所述至少一个风力发电机组的调优功率值,使所述多个风力发电机组的功率值之和小于或等于所述限功率值,包括:对所述多个风力发电机组按照所述整机疲劳载荷从大到小的顺序,逐个根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定所述调优功率值,直到所述多个风力发电机组的功率值之和小于或等于所述限功率值。
可选地,在所述根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定至少一个风力发电机组的调优功率值之前,所述功率控制方法还包括:获取所述多个风力发电机组中的目标风力发电机组的预设功率值集合;遍历所述预设功率值集合中的每个预设功率值,根据预设功率值重新确定当前时刻所述目标风力发电机组的所述等效疲劳载荷和所述发电量,并根据所述等效疲劳载荷和所述发电量重新确定所述单位电量付出。
可选地,所述根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定至少一个风力发电机组的调优功率值,包括:确定每个预设功率值在当前时刻对应的参考指标,其中,所述参考指标包括所述整机疲劳载荷、所述单位电量付出、已消耗疲劳载荷与所述多个风力发电机组的已消耗疲劳载荷平均值的差值,其中,所述已消耗疲劳载荷是所述历史等效疲劳载荷、所述等效疲劳载荷、所述整机疲劳载荷的和值;根据所述参考指标,从所述预设功率值集合中选定一个预设功率值,作为所述调优功率值,所述调优功率值的各项参考指标均小于所述预设功率值集合中的至少部分其他预设功率值的对应参考指标。
可选地,所述根据所述参考指标,从所述预设功率值集合中选定一个预设功率值,作为所述调优功率值,包括:确定每个预设功率值对应的各项参考指标的指标乘积及指标和值,并确定所述指标乘积与所述指标和值的比值,作为相应预设功率值的综合指标;将所述综合指标最小的所述预设功率值确定为所述调优功率值。
可选地,所述参考指标还包括所述多个风力发电机组的所述已消耗疲劳载荷的和值。
可选地,所述预设功率值集合包括自所述目标风力发电机组的满发功率值起逐级减小设定差值得到的多个所述预设功率值,所述预设功率值集合中最小的所述预设功率值大于或等于0。
可选地,所述历史等效疲劳载荷和所述等效疲劳载荷是将所述多个风力发电机组在对应时间的运行数据输入设定模型得到的,所述设定模型通过机器学习训练得到。
可选地,所述整机疲劳载荷基于当前时刻的风资源参数得到。
可选地,所述风资源参数包括多个风速下的湍流强度统计值、所述多个风速的概率密度、所述多个风速对应的多个风向的概率密度,所述整机疲劳载荷通过在风速维度和风向维度对湍流强度统计值做累积得到。
可选地,所述湍流强度统计值为湍流强度标准差,其中,所述整机疲劳载荷通过以下步骤获取:对每个风力发电机组,确定每个风速下的湍流强度标准差的m次幂、对应风速的概率密度、对应风向的概率密度的乘积,并对全部所述乘积求和,作为参考载荷,其中,m是风力发电机组的材料沃尔系数;确定相应风力发电机组的所述参考载荷的1/m次幂,作为所述整机疲劳载荷。
可选地,所述限功率指令还包括限功率周期,所述限功率控制方法还包括:在所述限功率周期内,确定所述历史等效疲劳载荷与所述等效疲劳载荷的和值,作为更新的所述历史等效疲劳载荷;重复执行所述获取当前时刻所述多个风力发电机组的整机疲劳载荷、所述目标部件的等效疲劳载荷、单位电量付出的步骤,以更新所述调优功率值。
在另一个总的方面,提供一种风电场的功率控制装置,所述功率控制装置包括:获取单元,被配置为:获取所述风电场的多个风力发电机组的目标部件在目标历史时段的历史等效疲劳载荷;所述获取单元还被配置为:响应于进入限功率周期,获取当前时刻所述多个风力发电机组的整机疲劳载荷、所述目标部件的等效疲劳载荷、单位电量付出,所述单位电量付出是基于所述等效疲劳载荷和风力发电机组的发电量得到的;确定单元,被配置为:根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定至少一个风力发电机组的调优功率值,使所述多个风力发电机组的功率值之和小于或等于与所述限功率周期相对应的限功率值;控制单元,被配置为:向所述至少一个风力发电机组发送控制指令,将所述至少一个风力发电机组的功率值调整至相应的所述调优功率值。
可选地,所述确定单元还被配置为:对所述多个风力发电机组按照所述整机疲劳载荷从大到小的顺序,逐个根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定所述调优功率值,直到所述多个风力发电机组的功率值之和小于或等于所述限功率值。
可选地,所述获取单元还被配置为:获取所述多个风力发电机组中的目标风力发电机组的预设功率值集合;遍历所述预设功率值集合中的每个预设功率值,根据预设功率值重新确定当前时刻所述目标风力发电机组的所述等效疲劳载荷和所述发电量,并根据所述等效疲劳载荷和所述发电量重新确定所述单位电量付出。
可选地,所述确定单元还被配置为:确定每个预设功率值在当前时刻对应的参考指标,其中,所述参考指标包括所述整机疲劳载荷、所述单位电量付出、已消耗疲劳载荷与所述多个风力发电机组的已消耗疲劳载荷平均值的差值,其中,所述已消耗疲劳载荷是所述历史等效疲劳载荷、所述等效疲劳载荷、所述整机疲劳载荷的和值;根据所述参考指标,从所述预设功率值集合中选定一个预设功率值,作为所述调优功率值,所述调优功率值的各项参考指标均小于所述预设功率值集合中的至少部分其他预设功率值的对应参考指标。
可选地,所述确定单元还被配置为:确定每个预设功率值对应的各项参考指标的指标乘积及指标和值,并确定所述指标乘积与所述指标和值的比值,作为相应预设功率值的综合指标;将所述综合指标最小的所述预设功率值确定为所述调优功率值。
可选地,所述参考指标还包括所述多个风力发电机组的所述已消耗疲劳载荷的和值。
可选地,所述预设功率值集合包括自所述目标风力发电机组的满发功率值起逐级减小设定差值得到的多个所述预设功率值,所述预设功率值集合中最小的所述预设功率值大于或等于0。
可选地,所述历史等效疲劳载荷和所述等效疲劳载荷是将所述多个风力发电机组在对应时段的运行数据输入设定模型得到的,所述设定模型通过机器学习训练得到。
可选地,所述整机疲劳载荷基于当前时刻的风资源参数得到。
可选地,所述风资源参数包括多个风速下的湍流强度统计值、所述多个风速的概率密度、所述多个风速对应的多个风向的概率密度,所述整机疲劳载荷通过在风速维度和风向维度对湍流强度统计值做累积得到。
可选地,所述湍流强度统计值为湍流强度标准差,其中,所述整机疲劳载荷通过以下步骤获取:对每个风力发电机组,确定每个风速下的湍流强度标准差的m次幂、对应风速的概率密度、对应风向的概率密度的乘积,并对全部所述乘积求和,作为参考载荷,其中,m是风力发电机组的材料沃尔系数;确定相应风力发电机组的所述参考载荷的1/m次幂,作为所述整机疲劳载荷。
可选地,所述限功率指令还包括限功率周期,所述获取单元还被配置为:在所述限功率周期内,确定所述历史等效疲劳载荷与所述等效疲劳载荷的和值,作为更新的所述历史等效疲劳载荷;重复执行所述获取当前时刻所述多个风力发电机组的整机疲劳载荷、所述目标部件的等效疲劳载荷、单位电量付出的步骤,以更新所述调优功率值。
在另一总的方面,提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令被至少一个处理器运行时,促使所述至少一个处理器执行如上所述的功率控制方法。
在另一总的方面,提供一种计算机设备,包括:至少一个处理器;至少一个存储计算机可执行指令的存储器,其中,所述计算机可执行指令在被所述至少一个处理器运行时,促使所述至少一个处理器执行如上所述的功率控制方法。
本公开利用整机疲劳载荷、目标部件的历史等效疲劳载荷和等效疲劳载荷、单位电量付出,充分考量了风电场中各个风力发电机组自身的运行损耗和付出,并据此有针对性地确定至少一个风力发电机组中每个风力发电机组各自的调优功率值,相对于直接挑选几台机组停机,或按照比例为每台机组分配限功率值的策略,可以平衡风电场中各个风力发电机组的损耗,便于统一维护周期,有助于降低风电场的运行维护成本和机组自身损耗,从而提高了风电场的整体经济效益。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
图1是示出根据本公开的实施例的风电场的功率控制方法的流程图。
图2是示出根据本公开的实施例的电网和风电场的控制场景示意图。
图3是示出根据本公开的实施例的风电场的功率控制系统的流程示意图。
图4是示出根据本公开的实施例的风电场的功率控制装置的框图。
图5是示出根据本公开的实施例的计算机设备的框图。
具体实施方式
提供下面的具体实施方式以帮助读者获得对在此描述的方法、设备和/或系统的全面理解。然而,在理解本申请的公开之后,在此描述的方法、设备和/或系统的各种改变、修改和等同物将是清楚的。例如,在此描述的操作的顺序仅是示例,并且不限于在此阐述的那些顺序,而是除了必须以特定的顺序发生的操作之外,可如在理解本申请的公开之后将是清楚的那样被改变。此外,为了更加清楚和简明,本领域已知的特征的描述可被省略。
在此描述的特征可以以不同的形式来实现,而不应被解释为限于在此描述的示例。相反,已提供在此描述的示例,以仅示出实现在此描述的方法、设备和/或系统的许多可行方式中的一些可行方式,所述许多可行方式在理解本申请的公开之后将是清楚的。
如在此使用的,术语“和/或”包括相关联的所列项中的任何一个以及任何两个或更多个的任何组合。
尽管在此可使用诸如“第一”、“第二”和“第三”的术语来描述各种构件、组件、区域、层或部分,但是这些构件、组件、区域、层或部分不应被这些术语所限制。相反,这些术语仅用于将一个构件、组件、区域、层或部分与另一构件、组件、区域、层或部分进行区分。因此,在不脱离示例的教导的情况下,在此描述的示例中所称的第一构件、第一组件、第一区域、第一层或第一部分也可被称为第二构件、第二组件、第二区域、第二层或第二部分。
在说明书中,当元件(诸如,层、区域或基底)被描述为“在”另一元件上、“连接到”或“结合到”另一元件时,该元件可直接“在”另一元件上、直接“连接到”或“结合到”另一元件,或者可存在介于其间的一个或多个其他元件。相反,当元件被描述为“直接在”另一元件上、“直接连接到”或“直接结合到”另一元件时,可不存在介于其间的其他元件。
在此使用的术语仅用于描述各种示例,并不将用于限制公开。除非上下文另外清楚地指示,否则单数形式也意在包括复数形式。术语“包含”、“包括”和“具有”说明存在叙述的特征、数量、操作、构件、元件和/或它们的组合,但不排除存在或添加一个或多个其他特征、数量、操作、构件、元件和/或它们的组合。
除非另有定义,否则在此使用的所有术语(包括技术术语和科学术语)具有与由本公开所属领域的普通技术人员在理解本公开之后通常理解的含义相同的含义。除非在此明确地如此定义,否则术语(诸如,在通用词典中定义的术语)应被解释为具有与它们在相关领域的上下文和本公开中的含义一致的含义,并且不应被理想化或过于形式化地解释。
此外,在示例的描述中,当认为公知的相关结构或功能的详细描述将引起对本公开的模糊解释时,将省略这样的详细描述。
图1是示出根据本公开的实施例的风电场的功率控制方法的流程图。该功率控制方法可由风电场的场级控制器执行,图2是示出根据本公开的实施例的电网和风电场的控制场景示意图。该功率控制方法具体可依托于风电场的功率控制系统来实现。图3是示出根据本公开的实施例的风电场的功率控制系统的流程示意图。
参照图1,在步骤S101,获取风电场的多个风力发电机组的目标部件在目标历史时段的历史等效疲劳载荷。
根据本公开的实施例,上述目标部件为风力发电机组的大部件,例如机头、叶片、塔顶、塔底等,可根据风电场对各大部件的关注程度选取其中的至少一个。应理解,虽然目标部件的选取可有多个方案,但对于一次功率控制,所选取的目标部件需保持一致。
上述目标历史时段可以是每个风力发电机组自投入使用到当前时刻所经历的全部时段,以便更准确地获取风力发电机组的目标部件的疲劳载荷消耗。
对于风电场的限功率运行,参照图2,电网往往会提前向风电场的场级控制器发送限功率指令,其中包括限功率周期和限功率值,也就是在未来某个时段,要求收到指令的风电场的整体输出的功率值不超过限功率值。由于目标历史时段往往较长,涉及的数据量较大,因此在风电场接收到限功率指令时,就可以开始做数据准备,获取历史等效疲劳载荷了。应理解,从收到限功率指令的时刻到限功率周期的起始时刻这段时间,若风力发电机组继续运行,则需继续计算该时段的等效疲劳载荷,并将之归入历史等效疲劳载荷内。
根据本公开的实施例,历史等效疲劳载荷是将多个风力发电机组在目标历史时段的运行数据输入设定模型得到的,设定模型通过机器学习训练得到。由于运行数据是风电场日常就会收集的数据,也就无需额外增加设备,可降低功率控制的优化成本。此外,运行数据是从各个风力发电机组实际检测到的数据,可靠性高,有助于保障得到的历史等效载荷的准确性。
具体地,可以将目标历史时段划分为多个子时段,将每个子时段的运行数据输入设定模型,得到每个子时段对应的等效疲劳载荷,再将这些等效疲劳载荷求和,作为历史等效疲劳载荷。风力发电机组的运行数据具体是SCADA(Supervisory Control And DataAcquisition,即数据采集与监视控制系统)数据,该系统可实现对全风电场的风力发电机组状况的监视与启、停操作,包括大型监控软件及完善的通讯网络。输入设定模型的运行数据可包括功率值、发电量、叶轮转速、发电机扭矩、机舱加速度x方向分量、机舱加速度y方向分量、桨矩角等,当然,以上各项数据仅为举例,也可以根据所选取的目标部件进行有针对性的数据选取。设定模型及其具体训练方法可选用机器学习的适宜模型及训练方法,本公开对此不作限制。
参照图3,步骤S101由数据存储单元来执行,存储的具体可以是设定模型输出的各时段的等效疲劳载荷。
返回参照图1,在步骤S102,响应于进入限功率周期,获取当前时刻多个风力发电机组的整机疲劳载荷、目标部件的等效疲劳载荷、单位电量付出,单位电量付出是基于等效疲劳载荷和风力发电机组的发电量得到的。这些数据能够反映风力发电机组的运行情况,以供后续步骤S103为风力发电机组确定合理的调优功率值,提高风电场的经济效益。应理解,此处的当前时刻理论上是限功率周期的起始时刻t0,但实际运行中根据系统精度的不同,可能存在合理范围的误差,这样的误差仍然落入本公开的保护范围之内。
根据本公开的实施例,整机疲劳载荷基于当前时刻的风资源参数得到,反映了风资源对风力发电机组整机的作用,因此可以从整体上反映风力发电机组的运行情况。
可选地,风资源参数包括多个风速下的湍流强度统计值、多个风速的概率密度、多个风速对应的多个风向的概率密度,整机疲劳载荷通过在风速维度和风向维度对湍流强度统计值做累积得到。湍流强度等于风速的标准偏差与平均风速之比,可描述风速随时间和空间变化的程度,反映了脉动风速的相对强度,因而可体现风力的作用,是度量整机疲劳载荷的主要参数。此外,作用在单个风力发电机组上的风可能具有不同的风速,每个风速都有其概率密度,且每个风速都是从某个方向吹来,风向也有其概率密度,而不同的风向对于不同风力发电机组的作用也是不同的。通过在风速和风向两个维度对湍流强度的统计值进行累积,能够体现出风速和风向的影响,从而使得到的整机疲劳载荷更准确地反映风力对风力发电机组的作用。
具体地,湍流强度统计值为湍流强度标准差,风速Wspj下的湍流强度标准差可表示为σ1(Wspj),其中,当前时刻t的整机疲劳载荷findicator,t可通过以下步骤获取:对每个风力发电机组,确定每个风速下的湍流强度标准差σ1(Wspj)的m次幂、对应风速的概率密度pdf(Wspj)、对应风向的概率密度pdf(Dirj)的乘积,并对全部乘积求和,作为参考载荷,其中,m是风力发电机组的材料沃尔系数;确定相应风力发电机组的参考载荷的1/m次幂,作为整机疲劳载荷。也就是:
根据本公开的实施例,关于目标部件的等效疲劳载荷的计算,可参考步骤S101中历史等效疲劳载荷的计算方式,将风力发电机组在当前时刻的运行数据输入设定模型,得到当前时刻目标部件的等效疲劳载荷。
根据本公开的实施例,当前时刻的单位电量付出是当前时刻目标部件的等效疲劳载荷与当前时刻风力发电机组的发电量的比值,表征了生产单位电量所消耗的等效疲劳载荷。发电量作为运行数据,可直接获取到。
参照图3,步骤S102获取等效疲劳载荷的操作由数据存储单元来执行,获取整机疲劳载荷和单位电量付出的操作由算数逻辑单元来执行。
返回参照图1,在步骤S103,根据历史等效疲劳载荷、整机疲劳载荷、等效疲劳载荷、单位电量付出,确定至少一个风力发电机组的调优功率值,使多个风力发电机组的功率值之和小于或等于与限功率周期相对应的限功率值。历史等效疲劳载荷、整机疲劳载荷、等效疲劳载荷、单位电量付出可以反映风力发电机组的运行情况,通过结合这些参数来选择至少一个风力发电机组,并具体确定其调优功率值,可以在满足限功率指令的情况下,令风电场中各个风力发电机组的损耗尽量均衡,便于统一维护周期,有助于降低风电场的运行维护成本和机组自身损耗,从而提高了风电场的整体经济效益。应理解,风电场中的每个风力发电机组都有其当前实际的功率值,对于被选择的风力发电机组,可将其功率值替换为调优功率值。步骤S103的调节目的就是,在替换完成后,所有风力发电机组的功率值之和小于或等于限功率值。
根据本公开的实施例,步骤S103具体包括:对多个风力发电机组按照整机疲劳载荷从大到小的顺序,逐个根据历史等效疲劳载荷、整机疲劳载荷、等效疲劳载荷、单位电量付出,确定调优功率值,直到多个风力发电机组的功率值之和小于或等于限功率值(未调整功率值之前,风电场的所有风力发电机组的功率值之和往往大于限功率值,若本身就小于或等于限功率值,则无需调整,保持原功率值即可)。
换言之,调整时,就是先确定整机疲劳载荷最大的一个风力发电机组(例如可标记为Turbinek)的调优功率值(相应记为popti,k),再确定多个风力发电机组的功率值之和是否小于或等于限功率值。若仍然大于限功率值,就继续从尚未调整功率值的风力发电机组中,选出整机疲劳载荷最大的一个,确定其调优功率值,如此循环。若功率和值小于或等于限功率值,则满足了限功率指令,剩余尚未调整功率值的风力发电机组可维持其原有功率值。
整机疲劳载荷反映了风力发电机组的整机运行情况,通过基于该参数确定风力发电机组的调节优先级(即该参数越大,优先级越高),一方面可在风电场全局层面优先选择整机承受较大疲劳载荷的风力发电机组,减小其功率值,从而减少其整机疲劳载荷的消耗,使得各个风力发电机组的整机疲劳载荷尽量均匀消耗。另一方面,仅基于这一个参数,可快速对风电场中各风力发电机组的运行状态进行评价,并基于评价结果对各风力发电机组的限功率策略确定优先级,加速限功率指令达成。
应理解,这里的优先级既包括了风电场中各风力发电机组的优先级,又包括了单个风力发电机组的运行模式的优先级。也就是说,从风电场的角度看,整机疲劳载荷越大的风力发电机组,其限功率运行的优先级越高;从单个风力发电机组的角度看,整机疲劳载荷越大,限功率模式的优先级就越高,正常发电模式的优先级就越低。
可选地,对于一个选定的目标风力发电机组(对于前文的排序方式,就是未调整功率值的风力发电机组中,整机疲劳载荷最大的一个),其调优功率值是从多个备选的预设功率值中选取的,相较于直接根据各项参数计算出一个调优功率值,可大幅降低求解难度,有助于提高计算效率,从而快速满足电网的限功率指令。为此,在执行步骤S103之前,还需要获取多个风力发电机组中的目标风力发电机组的预设功率值集合;遍历预设功率值集合中的每个预设功率值,根据预设功率值重新确定当前时刻目标风力发电机组的等效疲劳载荷和发电量,并根据等效疲劳载荷和发电量重新确定单位电量付出。由于功率值属于运行数据,且会影响发电量,因此当功率值发生变化时,等效疲劳载荷和发电量也会相应发生变化。通过根据预设功率值重新确定等效疲劳载荷和发电量,可了解将相应的预设功率值确定为调优功率值时会产生的变化,作为步骤S103选择合适的预设功率值的依据。
应理解,可以逐个获取当前的目标风力发电机组的预设功率值集合,也可以一次获取整机疲劳载荷相对较大的若干个风力发电机组的预设功率值集合,还可以一次性获取所有风力发电机组的预设功率值集合,以备使用,这都是本公开的实现方式,落入本公开的保护范围之内。
预设功率值集合例如可包括自目标风力发电机组的满发功率值起逐级减小设定差值得到的多个预设功率值,预设功率值集合中最小的预设功率值大于或等于0。以设定差值等于50KW、满发功率值为p、预设功率值集合中最小的预设功率值等于0为例,则预设功率值集合可表示为pset,i={p,p-50,p-100,…,100,50,0,其中i表示风力发电机组的序号。该实施例可实现预设功率值的均匀选取,实际运行时可根据精度要求的不同合理选择设定差值。应理解,若预设功率值集合中最小的预设功率值等于0,则代表目标风力发电机组可停机,若预设功率值集合中最小的预设功率值大于0,则代表不让目标风力发电机组停机,可限定出其最小的功率值,例如p-1000,实现了灵活控制。
相应地,步骤S103包括:确定每个预设功率值在当前时刻对应的参考指标,参考指标包括整机疲劳载荷、单位电量付出、已消耗疲劳载荷与多个风力发电机组的已消耗疲劳载荷平均值的差值(以下简称疲劳偏差),已消耗疲劳载荷是历史等效疲劳载荷、等效疲劳载荷、整机疲劳载荷的和值;根据参考指标,从预设功率值集合中选定一个预设功率值,作为调优功率值,调优功率值的各项参考指标均小于预设功率值集合中的至少部分其他预设功率值的对应参考指标。
通过选取以上三个参考指标,并以各项参考指标均小于至少部分其他预设功率值的对应参考指标为目标,选择作为调优功率值的预设功率值,可以令调优功率值的参考指标均相对较小,从而在单个风力发电机组的层面减少其消耗,有助于提升风电场的经济效益。
具体来说,整机疲劳载荷越小,对整个机组的损伤越小;单位电量付出越小,生产单位电量所消耗的等效疲劳载荷越小,可降低单机产电成本,提高单机经济效益;疲劳偏差越小,风电场的各个风力发电机组的已消耗疲劳载荷越趋向平均,各机组间疲劳磨损程度越接近,便于统一维护周期,有助于降低风电场的运行维护成本和机组自身损耗。若以上各个参考指标能同时达到最小,则可显著提升风电场的经济效益,但此时计算难度较大,甚至很大可能无法得到精确解。通过仅要求各项参考指标小于至少部分其他预设功率值(而非全部其他预设功率值)的对应参考指标,可令各个参考指标都相对较小,既能够全方位提升风电场的经济效益,又能够降低求解难度,提高响应效率,有助于低成本、快速满足电网的限功率指令。
具体地,整机疲劳载荷findicator达到最小,可表示为:
其中i仍然表示风力发电机组的序号,t仍然表示当前时刻,下同。
单位电量付出(PUPG,Pay per Unit of Power Generation)达到最小,可表示为:
以F表示等效疲劳载荷,Fhis代表历史等效疲劳载荷,则疲劳偏差达到最小,可表示为:
可选地,步骤S103中,根据参考指标,从预设功率值集合中选定一个预设功率值,作为调优功率值的操作,具体包括:确定每个预设功率值对应的各项参考指标的指标乘积及指标和值,并确定指标乘积与指标和值的比值,作为相应预设功率值的综合指标;将综合指标最小的预设功率值确定为调优功率值。通过对各项指标进行求乘积、求和值、求乘积与和值的比值这样的处理,可以将各项参考指标转化为一个综合指标,当综合指标达到最小时,各项参考指标均能尽量减小,既有助于从全方位充分提升风电场的经济效益,又可提供明确的判断标准,易于实现。
具体地,对应于上述的符号表示方式,则综合指标达到最小这一条件condition,可表示为:
可选地,参考指标还包括多个风力发电机组的已消耗疲劳载荷的和值。该和值越小,整个风电场的已消耗疲劳载荷整体就越小,可减小全场疲劳磨损。通过增加这项参考指标,能够进一步提高风电场的经济效益。应理解,对于确定综合指标的实施例,此时也需将该和值加入综合指标中。
具体地,多个风力发电机组的已消耗疲劳载荷的和值达到最小,可表示为:
参照图3,步骤S103中,根据整机疲劳载荷确定多个风力发电机组的调功顺序的操作,由控制监测单元来执行;确定调优功率值的操作,由算数逻辑单元来执行。
返回参照图1,在步骤S104,向至少一个风力发电机组发送控制指令,将至少一个风力发电机组的功率值调整至相应的调优功率值。通过将包含有调优功率值的控制指令发送到需要调整功率值的风力发电机组,可以最终完成风电场的功率调整,实现限功率指令。具体来说,参照图2,场级控制器可将控制指令发送给各个风力发电机组。在需要调整功率值的风力发电机组的数量大于1时,可向这几个风力发电机组分别发送包含各自的调优功率值的控制指令,以减少数据传输量;也可向这几个风力发电机组均发送包含全部调优功率值的控制指令,但为每个调优功率值增加相应风力发电机组的标记,供各个风力发电机组自行读取各自的调优功率值,以降低控制指令误发带来的控制错误;还可以向全场风力发电机组都发送控制指令,其中包含了风电场每个风力发电机组应当输出的功率值,可实现无差别的指令传输,进一步降低误发指令的影响。对于功率值的调整操作,每个风力发电机组都会存储扭矩转速功率表,风力发电机组收到调优功率值后,可根据调优功率值和当前的风速查找扭矩转速功率表,得到对应的扭矩和转速,再据此调整自身的运行,即可达到调优功率值,完成功率调整。
参照图3,步骤S104由控制监测单元来执行。
根据本公开的实施例,完成一次功率调整后,限功率控制方法还可包括:在限功率周期内,确定历史等效疲劳载荷与等效疲劳载荷的和值,作为更新的历史等效疲劳载荷;重复执行获取当前时刻多个风力发电机组的整机疲劳载荷、目标部件的等效疲劳载荷、单位电量付出的步骤,以更新调优功率值。如前所述,步骤S102可以在限功率周期的起始时刻t0执行,并在步骤S104完成功率调整。然而在起始时刻t0之后,限功率周期还包括时刻t1、t2、……、tn。通过将前一时刻的等效疲劳载荷归入历史等效疲劳载荷内,以更新历史等效疲劳载荷,并在后续的各个时刻继续循环执行步骤S102至步骤S104,能够在限功率周期内实时调整风电场中各个风力发电机组的功率值,保证风电场的付出始终较小,有助于充分提高风电场的经济效益。应理解,与步骤S102中对起始时刻t0的描述一样,后续各时刻的精度也可做适当选取,这里所说的实时调整是指在整个限功率周期内都循环执行步骤S102至步骤S104,以实现各风力发电机组的功率值动态调整,而“实时”的程度取决于各时刻的取值精度,也就是取决于数据的更新频率。此外,在确定新的等效疲劳载荷时,为保证数据的连续性,可获取从上次算得等效疲劳载荷的时刻到当前时刻之间的时段的运行数据,并据此计算等效疲劳载荷。以时刻t1为例,就是计算时刻t0到时刻t1之间的时段所对应的等效疲劳载荷,这个时段的长短同样取决于数据的更新频率。
参照图3,更新数据并重新触发步骤S102的操作,由数据更新单元来执行,可触发数据存储单元重新获取等效疲劳载荷,并触发算数逻辑单元重新获取整机疲劳载荷和单位电量付出。
总体来说,功率控制系统包括用于获取并存储各时段等效疲劳载荷的数据存储单元、用于计算调优功率值的算数逻辑单元、用于确定风力发电机组的调节优先级并发送控制指令的控制监测单元、用于更新历史等效疲劳载荷的数据更新单元。其中,数据存储单元电连接算数逻辑单元和数据更新单元,可将历史等效疲劳载荷传递给算数逻辑单元,并将历史等效疲劳载荷和等效疲劳载荷传递给数据更新单元,以供其更新历史等效疲劳载荷,并受数据更新单元触发,获取新的等效疲劳载荷;算数逻辑单元还电连接控制监测单元,将确定的至少一个风力发电机组的调优功率值传递给控制检测单元,以实现控制;控制监测单元还电连接数据更新单元,以在完成一次功率调整后开启下一次功率调整。
根据本公开的实施例的功率控制方法,对于接收到的限功率指令,在风电场全局层面,可结合整机疲劳载荷快速确定各个风力发电机组的调节优先级,加快风电场响应速度,并保障了各个风力发电机组的整机疲劳载荷尽量均匀消耗;在单机层面,则根据历史等效疲劳载荷、整机疲劳载荷、等效疲劳载荷、单位电量付出确定具体的调优功率值,可平衡风电场中各个风力发电机组的损耗,便于统一维护周期,有助于降低风电场的运行维护成本和单机损耗,全方位提升风电场的经济效益。通过应用分层的多目标优化策略,能够在快速满足电网指令的情况下,保证调控时机组载荷消耗值局部最小,有助于提升风电场在整个生命周期中的经济效益。
具体到单机层面,通过采用从预设功率值集合中选取一个值作为调优功率值,并将多个参考指标转化而成的综合指标的最小化作为选取调优功率值的目标,可大幅降低求解难度,有助于提高计算效率,从而快速满足电网的限功率指令。
此外,通过持续更新历史等效疲劳载荷,并相应确定新的调优功率值,能够实现限功率周期内的全局实时调控,进一步降低风电场的付出,提升风电场经济效益。
图4是示出根据本公开的实施例的风电场的功率控制装置的框图。
参照图4,风电场的功率控制装置400包括获取单元401、确定单元402、控制单元403。
获取单元401可获取风电场的多个风力发电机组的目标部件在目标历史时段的历史等效疲劳载荷。
根据本公开的实施例,上述目标部件为风力发电机组的大部件,例如机头、叶片、塔顶、塔底等,可根据风电场对各大部件的关注程度选取其中的至少一个。应理解,虽然目标部件的选取可有多个方案,但对于一次功率控制,所选取的目标部件需保持一致。
上述目标历史时段可以是每个风力发电机组自投入使用到当前时刻所经历的全部时段,以便更准确地获取风力发电机组的目标部件的疲劳载荷消耗。
对于风电场的限功率运行,参照图2,电网往往会提前向风电场的场级控制器发送限功率指令,其中包括限功率周期和限功率值,也就是在未来某个时段,要求收到指令的风电场的整体输出的功率值不超过限功率值。由于目标历史时段往往较长,涉及的数据量较大,因此在风电场接收到限功率指令时,就可以开始做数据准备,获取历史等效疲劳载荷了。应理解,从收到限功率指令的时刻到限功率周期的起始时刻这段时间,若风力发电机组继续运行,则需继续计算该时段的等效疲劳载荷,并将之归入历史等效疲劳载荷内。
根据本公开的实施例,历史等效疲劳载荷是将多个风力发电机组在目标历史时段的运行数据输入设定模型得到的,设定模型通过机器学习训练得到。由于运行数据是风电场日常就会收集的数据,也就无需额外增加设备,可降低功率控制的优化成本。此外,运行数据是从各个风力发电机组实际检测到的数据,可靠性高,有助于保障得到的历史等效载荷的准确性。
具体地,可以将目标历史时段划分为多个子时段,将每个子时段的运行数据输入设定模型,得到每个子时段对应的等效疲劳载荷,再将这些等效疲劳载荷求和,作为历史等效疲劳载荷。风力发电机组的运行数据具体是SCADA数据,SCADA系统可实现对全风电场的风力发电机组状况的监视与启、停操作,包括大型监控软件及完善的通讯网络。输入设定模型的运行数据可包括功率值、发电量、叶轮转速、发电机扭矩、机舱加速度x方向分量、机舱加速度y方向分量、桨矩角等,当然,以上各项数据仅为举例,也可以根据所选取的目标部件进行有针对性的数据选取。设定模型及其具体训练方法可选用机器学习的适宜模型及训练方法,本公开对此不作限制。
参照图3,获取单元401获取历史等效疲劳载荷的操作由数据存储单元执行,存储的具体可以是设定模型输出的各时段的等效疲劳载荷。
获取单元401还可响应于进入限功率周期,获取当前时刻多个风力发电机组的整机疲劳载荷、目标部件的等效疲劳载荷、单位电量付出,单位电量付出是基于等效疲劳载荷和风力发电机组的发电量得到的。这些数据能够反映风力发电机组的运行情况,以供后续确定单元402为风力发电机组确定合理的调优功率值,提高风电场的经济效益。应理解,此处的当前时刻理论上是限功率周期的起始时刻t0,但实际运行中根据系统精度的不同,可能存在合理范围的误差,这样的误差仍然落入本公开的保护范围之内。
根据本公开的实施例,整机疲劳载荷基于当前时刻的风资源参数得到,反映了风资源对风力发电机组整机的作用,因此可以从整体上反映风力发电机组的运行情况。
可选地,风资源参数包括多个风速下的湍流强度统计值、多个风速的概率密度、多个风速对应的多个风向的概率密度,整机疲劳载荷通过在风速维度和风向维度对湍流强度统计值做累积得到。湍流强度等于风速的标准偏差与平均风速之比,可描述风速随时间和空间变化的程度,反映了脉动风速的相对强度,因而可体现风力的作用,是度量整机疲劳载荷的主要参数。此外,作用在单个风力发电机组上的风可能具有不同的风速,每个风速都有其概率密度,且每个风速都是从某个方向吹来,风向也有其概率密度,而不同的风向对于不同风力发电机组的作用也是不同的。通过在风速和风向两个维度对湍流强度的统计值进行累积,能够体现出风速和风向的影响,从而使得到的整机疲劳载荷更准确地反映风力对风力发电机组的作用。
具体地,湍流强度统计值为湍流强度标准差,风速Wspj下的湍流强度标准差可表示为σ1(Wspj),其中,当前时刻t的整机疲劳载荷findicator,t可通过以下步骤获取:对每个风力发电机组,确定每个风速下的湍流强度标准差σ1(Wspj)的m次幂、对应风速的概率密度pdf(Wspj)、对应风向的概率密度pdf(Dirj)的乘积,并对全部乘积求和,作为参考载荷,其中,m是风力发电机组的材料沃尔系数;确定相应风力发电机组的参考载荷的1/m次幂,作为整机疲劳载荷。也就是:
根据本公开的实施例,关于目标部件的等效疲劳载荷的计算,可参考历史等效疲劳载荷的计算方式,将风力发电机组在当前时刻的运行数据输入设定模型,得到当前时刻目标部件的等效疲劳载荷。
根据本公开的实施例,当前时刻的单位电量付出是当前时刻目标部件的等效疲劳载荷与当前时刻风力发电机组的发电量的比值,表征了生产单位电量所消耗的等效疲劳载荷。发电量作为运行数据,可直接获取到。
参照图3,获取单元401获取整机疲劳载荷的操作由数据存储单元来执行,获取整机疲劳载荷和单位电量付出的操作由算数逻辑单元来执行。
确定单元402可根据历史等效疲劳载荷、整机疲劳载荷、等效疲劳载荷、单位电量付出,确定至少一个风力发电机组的调优功率值,使多个风力发电机组的功率值之和小于或等于与限功率周期相对应的限功率值。历史等效疲劳载荷、整机疲劳载荷、等效疲劳载荷、单位电量付出可以反映风力发电机组的运行情况,通过结合这些参数来选择至少一个风力发电机组,并具体确定其调优功率值,可以在满足限功率指令的情况下,令风电场中各个风力发电机组的损耗尽量均衡,便于统一维护周期,有助于降低风电场的运行维护成本和机组自身损耗,从而提高了风电场的整体经济效益。应理解,风电场中的每个风力发电机组都有其当前实际的功率值,对于被选择的风力发电机组,可将其功率值替换为调优功率值。确定单元402的调节目的就是,在替换完成后,所有风力发电机组的功率值之和小于或等于限功率值。
根据本公开的实施例,确定单元402具体可执行如下操作:对多个风力发电机组按照整机疲劳载荷从大到小的顺序,逐个根据历史等效疲劳载荷、整机疲劳载荷、等效疲劳载荷、单位电量付出,确定调优功率值,直到多个风力发电机组的功率值之和小于或等于限功率值(未调整功率值之前,风电场的所有风力发电机组的功率值之和往往大于限功率值,若本身就小于或等于限功率值,则无需调整,保持原功率值即可)。
换言之,调整时,就是先确定整机疲劳载荷最大的一个风力发电机组(例如可标记为Turbinek)的调优功率值(相应记为popti,k),再确定多个风力发电机组的功率值之和是否小于或等于限功率值。若仍然大于限功率值,就继续从尚未调整功率值的风力发电机组中,选出整机疲劳载荷最大的一个,确定其调优功率值,如此循环。若功率和值小于或等于限功率值,则满足了限功率指令,剩余尚未调整功率值的风力发电机组可维持其原有功率值。
整机疲劳载荷反映了风力发电机组的整机运行情况,通过基于该参数确定风力发电机组的调节优先级(即该参数越大,优先级越高),一方面可在风电场全局层面优先选择整机承受较大疲劳载荷的风力发电机组,减小其功率值,从而减少其整机疲劳载荷的消耗,使得各个风力发电机组的整机疲劳载荷尽量均匀消耗。另一方面,仅基于这一个参数,可快速对风电场中各风力发电机组的运行状态进行评价,并基于评价结果对各风力发电机组的限功率策略确定优先级,加速限功率指令达成。
应理解,这里的优先级既包括了风电场中各风力发电机组的优先级,又包括了单个风力发电机组的运行模式的优先级。也就是说,从风电场的角度看,整机疲劳载荷越大的风力发电机组,其限功率运行的优先级越高;从单个风力发电机组的角度看,整机疲劳载荷越大,限功率模式的优先级就越高,正常发电模式的优先级就越低。
可选地,对于一个选定的目标风力发电机组(对于前文的排序方式,就是未调整功率值的风力发电机组中,整机疲劳载荷最大的一个),其调优功率值是从多个备选的预设功率值中选取的,相较于直接根据各项参数计算出一个调优功率值,可大幅降低求解难度,有助于提高计算效率,从而快速满足电网的限功率指令。为此,在确定单元402执行操作之前,获取单元401还需要获取多个风力发电机组中的目标风力发电机组的预设功率值集合;遍历预设功率值集合中的每个预设功率值,根据预设功率值重新确定当前时刻目标风力发电机组的等效疲劳载荷和发电量,并根据等效疲劳载荷和发电量重新确定单位电量付出。由于功率值属于运行数据,且会影响发电量,因此当功率值发生变化时,等效疲劳载荷和发电量也会相应发生变化。通过根据预设功率值重新确定等效疲劳载荷和发电量,可了解将相应的预设功率值确定为调优功率值时会产生的变化,作为确定单元402选择合适的预设功率值的依据。
应理解,可以逐个获取当前的目标风力发电机组的预设功率值集合,也可以一次获取整机疲劳载荷相对较大的若干个风力发电机组的预设功率值集合,还可以一次性获取所有风力发电机组的预设功率值集合,以备使用,这都是本公开的实现方式,落入本公开的保护范围之内。
预设功率值集合例如可包括自目标风力发电机组的满发功率值起逐级减小设定差值得到的多个预设功率值,预设功率值集合中最小的预设功率值大于或等于0。以设定差值等于50KW、满发功率值为p、预设功率值集合中最小的预设功率值等于0为例,则预设功率值集合可表示为pset,i={p,p-50,p-100,…,100,50,0},其中i表示风力发电机组的序号。该实施例可实现预设功率值的均匀选取,实际运行时可根据精度要求的不同合理选择设定差值。应理解,若预设功率值集合中最小的预设功率值等于0,则代表目标风力发电机组可停机,若预设功率值集合中最小的预设功率值大于0,则代表不让目标风力发电机组停机,可限定出其最小的功率值,例如p-1000,实现了灵活控制。
相应地,确定单元402可确定每个预设功率值在当前时刻对应的参考指标,参考指标包括整机疲劳载荷、单位电量付出、已消耗疲劳载荷与多个风力发电机组的已消耗疲劳载荷平均值的差值(以下简称疲劳偏差),已消耗疲劳载荷是历史等效疲劳载荷、等效疲劳载荷、整机疲劳载荷的和值;还可根据参考指标,从预设功率值集合中选定一个预设功率值,作为调优功率值,调优功率值的各项参考指标均小于预设功率值集合中的至少部分其他预设功率值的对应参考指标。
通过选取以上三个参考指标,并以各项参考指标均小于至少部分其他预设功率值的对应参考指标为目标,选择作为调优功率值的预设功率值,可以令调优功率值的参考指标均相对较小,从而在单个风力发电机组的层面减少其消耗,有助于提升风电场的经济效益。
具体来说,整机疲劳载荷越小,对整个机组的损伤越小;单位电量付出越小,生产单位电量所消耗的等效疲劳载荷越小,可降低单机产电成本,提高单机经济效益;疲劳偏差越小,风电场的各个风力发电机组的已消耗疲劳载荷越趋向平均,各机组间疲劳磨损程度越接近,便于统一维护周期,有助于降低风电场的运行维护成本和机组自身损耗。若以上各个参考指标能同时达到最小,则可显著提升风电场的经济效益,但此时计算难度较大,甚至很大可能无法得到精确解。通过仅要求各项参考指标小于至少部分其他预设功率值(而非全部其他预设功率值)的对应参考指标,可令各个参考指标都相对较小,既能够全方位提升风电场的经济效益,又能够降低求解难度,提高响应效率,有助于低成本、快速满足电网的限功率指令。
具体地,整机疲劳载荷findicator达到最小,可表示为:
其中i仍然表示风力发电机组的序号,t仍然表示当前时刻,下同。
单位电量付出(PUPG,Pay per Unit of Power Generation)达到最小,可表示为:
以F表示等效疲劳载荷,Fhis代表历史等效疲劳载荷,则疲劳偏差达到最小,可表示为:
可选地,确定单元402所执行的根据参考指标,从预设功率值集合中选定一个预设功率值,作为调优功率值的操作,具体包括:确定每个预设功率值对应的各项参考指标的指标乘积及指标和值,并确定指标乘积与指标和值的比值,作为相应预设功率值的综合指标;将综合指标最小的预设功率值确定为调优功率值。通过对各项指标进行求乘积、求和值、求乘积与和值的比值这样的处理,可以将各项参考指标转化为一个综合指标,当综合指标达到最小时,各项参考指标均能尽量减小,既有助于从全方位充分提升风电场的经济效益,又可提供明确的判断标准,易于实现。
具体地,对应于上述的符号表示方式,则综合指标达到最小这一条件condition,可表示为:
可选地,参考指标还包括多个风力发电机组的已消耗疲劳载荷的和值。该和值越小,整个风电场的已消耗疲劳载荷整体就越小,可减小全场疲劳磨损。通过增加这项参考指标,能够进一步提高风电场的经济效益。应理解,对于确定综合指标的实施例,此时也需将该和值加入综合指标中。
具体地,多个风力发电机组的已消耗疲劳载荷的和值达到最小,可表示为:
参照图3,确定单元402根据整机疲劳载荷确定多个风力发电机组的调功顺序的操作,由控制监测单元来执行;确定调优功率值的操作,由算数逻辑单元来执行。
控制单元403可向至少一个风力发电机组发送控制指令,将至少一个风力发电机组的功率值调整至相应的调优功率值。通过将包含有调优功率值的控制指令发送到需要调整功率值的风力发电机组,可以最终完成风电场的功率调整,实现限功率指令。具体来说,参照图2,场级控制器可将控制指令发送给各个风力发电机组。在需要调整功率值的风力发电机组的数量大于1时,可向这几个风力发电机组分别发送包含各自的调优功率值的控制指令,以减少数据传输量;也可向这几个风力发电机组均发送包含全部调优功率值的控制指令,但为每个调优功率值增加相应风力发电机组的标记,供各个风力发电机组自行读取各自的调优功率值,以降低控制指令误发带来的控制错误;还可以向全场风力发电机组都发送控制指令,其中包含了风电场每个风力发电机组应当输出的功率值,可实现无差别的指令传输,进一步降低误发指令的影响。对于功率值的调整操作,每个风力发电机组都会存储扭矩转速功率表,风力发电机组收到调优功率值后,可根据调优功率值和当前的风速查找扭矩转速功率表,得到对应的扭矩和转速,再据此调整自身的运行,即可达到调优功率值,完成功率调整。
参照图3,控制单元403对应于控制监测单元。
根据本公开的实施例,完成一次功率调整后,获取单元401还可:在限功率周期内,确定历史等效疲劳载荷与等效疲劳载荷的和值,作为更新的历史等效疲劳载荷;重复执行获取当前时刻多个风力发电机组的整机疲劳载荷、目标部件的等效疲劳载荷、单位电量付出的步骤,以更新调优功率值。如前所述,获取单元401可以在限功率周期的起始时刻t0执行,并由控制单元403完成功率调整。然而在起始时刻t0之后,限功率周期还包括时刻t1、t2、……、tn。通过将前一时刻的等效疲劳载荷归入历史等效疲劳载荷内,以更新历史等效疲劳载荷,并在后续的各个时刻继续运行获取单元401、确定单元402、控制单元403,能够在限功率周期内实时调整风电场中各个风力发电机组的功率值,保证风电场的付出始终较小,有助于充分提高风电场的经济效益。应理解,与前文对起始时刻t0的描述一样,后续各时刻的精度也可做适当选取,这里所说的实时调整是指在整个限功率周期内都循环运行获取单元401、确定单元402、控制单元403,以实现各风力发电机组的功率值动态调整,而“实时”的程度取决于各时刻的取值精度,也就是取决于数据的更新频率。此外,在确定新的等效疲劳载荷时,为保证数据的连续性,可获取从上次算得等效疲劳载荷的时刻到当前时刻之间的时段的运行数据,并据此计算等效疲劳载荷。以时刻t1为例,就是计算时刻t0到时刻t1之间的时段所对应的等效疲劳载荷,这个时段的长短同样取决于数据的更新频率。
参照图3,获取单元401更新历史等效疲劳载荷的操作,由数据更新单元来执行,获取单元401重新获取等效疲劳载荷的操作,由数据存储单元来执行,获取单元401重新获取整机疲劳载荷和单位电量付出的操作,由算数逻辑单元来执行。
总体来说,功率控制系统包括用于获取并存储各时段等效疲劳载荷的数据存储单元、用于计算调优功率值的算数逻辑单元、用于确定风力发电机组的调节优先级并发送控制指令的控制监测单元、用于更新历史等效疲劳载荷的数据更新单元。其中,数据存储单元电连接算数逻辑单元和数据更新单元,可将历史等效疲劳载荷传递给算数逻辑单元,并将历史等效疲劳载荷和等效疲劳载荷传递给数据更新单元,以供其更新历史等效疲劳载荷,并受数据更新单元触发,获取新的等效疲劳载荷;算数逻辑单元还电连接控制监测单元,将确定的至少一个风力发电机组的调优功率值传递给控制检测单元,以实现控制;控制监测单元还电连接数据更新单元,以在完成一次功率调整后开启下一次功率调整。
根据本公开的实施例的功率控制装置400,对于接收到的限功率指令,在风电场全局层面,可结合整机疲劳载荷快速确定各个风力发电机组的调节优先级,加快风电场响应速度,并保障了各个风力发电机组的整机疲劳载荷尽量均匀消耗;在单机层面,则根据历史等效疲劳载荷、整机疲劳载荷、等效疲劳载荷、单位电量付出确定具体的调优功率值,可平衡风电场中各个风力发电机组的损耗,便于统一维护周期,有助于降低风电场的运行维护成本和单机损耗,全方位提升风电场的经济效益。通过应用分层的多目标优化策略,能够在快速满足电网指令的情况下,保证调控时机组载荷消耗值局部最小,有助于提升风电场在整个生命周期中的经济效益。
具体到单机层面,通过采用从预设功率值集合中选取一个值作为调优功率值,并将多个参考指标转化而成的综合指标的最小化作为选取调优功率值的目标,可大幅降低求解难度,有助于提高计算效率,从而快速满足电网的限功率指令。
此外,通过持续更新历史等效疲劳载荷,并相应确定新的调优功率值,能够实现限功率周期内的全局实时调控,进一步降低风电场的付出,提升风电场经济效益。
根据本公开的实施例的风电场的功率控制方法可被编写为计算机程序并被存储在计算机可读存储介质上。当所述计算机程序对应的指令被处理器执行时,可实现如上所述的风电场的功率控制方法。计算机可读存储介质的示例包括:只读存储器(ROM)、随机存取可编程只读存储器(PROM)、电可擦除可编程只读存储器(EEPROM)、随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)、闪存、非易失性存储器、CD-ROM、CD-R、CD+R、CD-RW、CD+RW、DVD-ROM、DVD-R、DVD+R、DVD-RW、DVD+RW、DVD-RAM、BD-ROM、BD-R、BD-R LTH、BD-RE、蓝光或光盘存储器、硬盘驱动器(HDD)、固态硬盘(SSD)、卡式存储器(诸如,多媒体卡、安全数字(SD)卡或极速数字(XD)卡)、磁带、软盘、磁光数据存储装置、光学数据存储装置、硬盘、固态盘以及任何其他装置,所述任何其他装置被配置为以非暂时性方式存储计算机程序以及任何相关联的数据、数据文件和数据结构并将所述计算机程序以及任何相关联的数据、数据文件和数据结构提供给处理器或计算机使得处理器或计算机能执行所述计算机程序。在一个示例中,计算机程序以及任何相关联的数据、数据文件和数据结构分布在联网的计算机系统上,使得计算机程序以及任何相关联的数据、数据文件和数据结构通过一个或多个处理器或计算机以分布式方式存储、访问和执行。
图5是示出根据本公开的实施例的计算机设备的框图。
参照图5,计算机设备500包括至少一个存储器501和至少一个处理器502,所述至少一个存储器501中存储有计算机可执行指令集合,当计算机可执行指令集合被至少一个处理器502执行时,执行根据本公开的示例性实施例的风电场的功率控制方法。
作为示例,计算机设备500可以是PC计算机、平板装置、个人数字助理、智能手机、或其他能够执行上述指令集合的装置。这里,计算机设备500并非必须是单个的电子设备,还可以是任何能够单独或联合执行上述指令(或指令集)的装置或电路的集合体。计算机设备500还可以是集成控制系统或系统管理器的一部分,或者可被配置为与本地或远程(例如,经由无线传输)以接口互联的便携式电子设备。
在计算机设备500中,处理器502可包括中央处理器(CPU)、图形处理器(GPU)、可编程逻辑装置、专用处理器系统、微控制器或微处理器。作为示例而非限制,处理器还可包括模拟处理器、数字处理器、微处理器、多核处理器、处理器阵列、网络处理器等。
处理器502可运行存储在存储器501中的指令或代码,其中,存储器501还可以存储数据。指令和数据还可经由网络接口装置而通过网络被发送和接收,其中,网络接口装置可采用任何已知的传输协议。
存储器501可与处理器502集成为一体,例如,将RAM或闪存布置在集成电路微处理器等之内。此外,存储器501可包括独立的装置,诸如,外部盘驱动、存储阵列或任何数据库系统可使用的其他存储装置。存储器501和处理器502可在操作上进行耦合,或者可例如通过I/O端口、网络连接等互相通信,使得处理器502能够读取存储在存储器中的文件。
此外,计算机设备500还可包括视频显示器(诸如,液晶显示器)和用户交互接口(诸如,键盘、鼠标、触摸输入装置等)。计算机设备500的所有组件可经由总线和/或网络而彼此连接。
本公开利用整机疲劳载荷、目标部件的历史等效疲劳载荷和等效疲劳载荷、单位电量付出,充分考量了风电场中各个风力发电机组自身的运行损耗和付出,并据此有针对性地确定至少一个风力发电机组中每个风力发电机组各自的调优功率值,相对于直接挑选几台机组停机,或按照比例为每台机组分配限功率值的策略,可以平衡风电场中各个风力发电机组的损耗,便于统一维护周期,有助于降低风电场的运行维护成本和机组自身损耗,从而提高了风电场的整体经济效益。
以上对本公开的具体实施方式进行了详细描述,虽然已表示和描述了一些实施例,但本领域技术人员应该理解,在不脱离由权利要求及其等同物限定其范围的本公开的原理和精神的情况下,可对这些实施例进行修改和变型,这些修改和变型也应在本公开的权利要求的保护范围内。
Claims (26)
1.一种风电场的功率控制方法,其特征在于,所述功率控制方法包括:
获取所述风电场的多个风力发电机组的目标部件在目标历史时段的历史等效疲劳载荷;
响应于进入限功率周期,获取当前时刻所述多个风力发电机组的整机疲劳载荷、所述目标部件的等效疲劳载荷、单位电量付出,所述单位电量付出是基于所述等效疲劳载荷和风力发电机组的发电量得到的;
根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定至少一个风力发电机组的调优功率值,使所述多个风力发电机组的功率值之和小于或等于与所述限功率周期相对应的限功率值;
向所述至少一个风力发电机组发送控制指令,将所述至少一个风力发电机组的功率值调整至相应的所述调优功率值。
2.如权利要求1所述的功率控制方法,其特征在于,所述根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定所述至少一个风力发电机组的调优功率值,使所述多个风力发电机组的功率值之和小于或等于所述限功率值,包括:
对所述多个风力发电机组按照所述整机疲劳载荷从大到小的顺序,逐个根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定所述调优功率值,直到所述多个风力发电机组的功率值之和小于或等于所述限功率值。
3.如权利要求1所述的功率控制方法,其特征在于,在所述根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定至少一个风力发电机组的调优功率值之前,所述功率控制方法还包括:
获取所述多个风力发电机组中的目标风力发电机组的预设功率值集合;
遍历所述预设功率值集合中的每个预设功率值,根据预设功率值重新确定当前时刻所述目标风力发电机组的所述等效疲劳载荷和所述发电量,并根据所述等效疲劳载荷和所述发电量重新确定所述单位电量付出。
4.如权利要求3所述的功率控制方法,其特征在于,所述根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定至少一个风力发电机组的调优功率值,包括:
确定每个预设功率值在当前时刻对应的参考指标,其中,所述参考指标包括所述整机疲劳载荷、所述单位电量付出、已消耗疲劳载荷与所述多个风力发电机组的已消耗疲劳载荷平均值的差值,其中,所述已消耗疲劳载荷是所述历史等效疲劳载荷、所述等效疲劳载荷、所述整机疲劳载荷的和值;
根据所述参考指标,从所述预设功率值集合中选定一个预设功率值,作为所述调优功率值,所述调优功率值的各项参考指标均小于所述预设功率值集合中的至少部分其他预设功率值的对应参考指标。
5.如权利要求4所述的功率控制方法,其特征在于,所述根据所述参考指标,从所述预设功率值集合中选定一个预设功率值,作为所述调优功率值,包括:
确定每个预设功率值对应的各项参考指标的指标乘积及指标和值,并确定所述指标乘积与所述指标和值的比值,作为相应预设功率值的综合指标;
将所述综合指标最小的所述预设功率值确定为所述调优功率值。
6.如权利要求4所述的功率控制方法,其特征在于,
所述参考指标还包括所述多个风力发电机组的所述已消耗疲劳载荷的和值。
7.如权利要求3所述的功率控制方法,其特征在于,
所述预设功率值集合包括自所述目标风力发电机组的满发功率值起逐级减小设定差值得到的多个所述预设功率值,所述预设功率值集合中最小的所述预设功率值大于或等于0。
8.如权利要求1所述的功率控制方法,其特征在于,所述历史等效疲劳载荷和所述等效疲劳载荷是将所述多个风力发电机组在对应时间的运行数据输入设定模型得到的,所述设定模型通过机器学习训练得到。
9.如权利要求1所述的功率控制方法,其特征在于,所述整机疲劳载荷基于当前时刻的风资源参数得到。
10.如权利要求9所述的功率控制方法,其特征在于,所述风资源参数包括多个风速下的湍流强度统计值、所述多个风速的概率密度、所述多个风速对应的多个风向的概率密度,所述整机疲劳载荷通过在风速维度和风向维度对湍流强度统计值做累积得到。
11.如权利要求10所述的功率控制方法,其特征在于,所述湍流强度统计值为湍流强度标准差,其中,所述整机疲劳载荷通过以下步骤获取:
对每个风力发电机组,确定每个风速下的湍流强度标准差的m次幂、对应风速的概率密度、对应风向的概率密度的乘积,并对全部所述乘积求和,作为参考载荷,其中,m是风力发电机组的材料沃尔系数;
确定相应风力发电机组的所述参考载荷的1/m次幂,作为所述整机疲劳载荷。
12.如权利要求1至11中任一项所述的功率控制方法,其特征在于,所述限功率指令还包括限功率周期,所述限功率控制方法还包括:
在所述限功率周期内,确定所述历史等效疲劳载荷与所述等效疲劳载荷的和值,作为更新的所述历史等效疲劳载荷;
重复执行所述获取当前时刻所述多个风力发电机组的整机疲劳载荷、所述目标部件的等效疲劳载荷、单位电量付出的步骤,以更新所述调优功率值。
13.一种风电场的功率控制装置,其特征在于,所述功率控制装置包括:
获取单元,被配置为:获取所述风电场的多个风力发电机组的目标部件在目标历史时段的历史等效疲劳载荷;
所述获取单元还被配置为:响应于进入限功率周期,获取当前时刻所述多个风力发电机组的整机疲劳载荷、所述目标部件的等效疲劳载荷、单位电量付出,所述单位电量付出是基于所述等效疲劳载荷和风力发电机组的发电量得到的;
确定单元,被配置为:根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定至少一个风力发电机组的调优功率值,使所述多个风力发电机组的功率值之和小于或等于与所述限功率周期相对应的限功率值;
控制单元,被配置为:向所述至少一个风力发电机组发送控制指令,将所述至少一个风力发电机组的功率值调整至相应的所述调优功率值。
14.如权利要求13所述的功率控制装置,其特征在于,所述确定单元还被配置为:
对所述多个风力发电机组按照所述整机疲劳载荷从大到小的顺序,逐个根据所述历史等效疲劳载荷、所述整机疲劳载荷、所述等效疲劳载荷、所述单位电量付出,确定所述调优功率值,直到所述多个风力发电机组的功率值之和小于或等于所述限功率值。
15.如权利要求13所述的功率控制装置,其特征在于,所述获取单元还被配置为:
获取所述多个风力发电机组中的目标风力发电机组的预设功率值集合;
遍历所述预设功率值集合中的每个预设功率值,根据预设功率值重新确定当前时刻所述目标风力发电机组的所述等效疲劳载荷和所述发电量,并根据所述等效疲劳载荷和所述发电量重新确定所述单位电量付出。
16.如权利要求15所述的功率控制装置,其特征在于,所述确定单元还被配置为:
确定每个预设功率值在当前时刻对应的参考指标,其中,所述参考指标包括所述整机疲劳载荷、所述单位电量付出、已消耗疲劳载荷与所述多个风力发电机组的已消耗疲劳载荷平均值的差值,其中,所述已消耗疲劳载荷是所述历史等效疲劳载荷、所述等效疲劳载荷、所述整机疲劳载荷的和值;
根据所述参考指标,从所述预设功率值集合中选定一个预设功率值,作为所述调优功率值,所述调优功率值的各项参考指标均小于所述预设功率值集合中的至少部分其他预设功率值的对应参考指标。
17.如权利要求16所述的功率控制装置,其特征在于,所述确定单元还被配置为:
确定每个预设功率值对应的各项参考指标的指标乘积及指标和值,并确定所述指标乘积与所述指标和值的比值,作为相应预设功率值的综合指标;
将所述综合指标最小的所述预设功率值确定为所述调优功率值。
18.如权利要求16所述的功率控制装置,其特征在于,
所述参考指标还包括所述多个风力发电机组的所述已消耗疲劳载荷的和值。
19.如权利要求15所述的功率控制装置,其特征在于,
所述预设功率值集合包括自所述目标风力发电机组的满发功率值起逐级减小设定差值得到的多个所述预设功率值,所述预设功率值集合中最小的所述预设功率值大于或等于0。
20.如权利要求13所述的功率控制装置,其特征在于,所述历史等效疲劳载荷和所述等效疲劳载荷是将所述多个风力发电机组在对应时段的运行数据输入设定模型得到的,所述设定模型通过机器学习训练得到。
21.如权利要求13所述的功率控制装置,其特征在于,所述整机疲劳载荷基于当前时刻的风资源参数得到。
22.如权利要求21所述的功率控制装置,其特征在于,所述风资源参数包括多个风速下的湍流强度统计值、所述多个风速的概率密度、所述多个风速对应的多个风向的概率密度,所述整机疲劳载荷通过在风速维度和风向维度对湍流强度统计值做累积得到。
23.如权利要求22所述的功率控制装置,其特征在于,所述湍流强度统计值为湍流强度标准差,其中,所述整机疲劳载荷通过以下步骤获取:
对每个风力发电机组,确定每个风速下的湍流强度标准差的m次幂、对应风速的概率密度、对应风向的概率密度的乘积,并对全部所述乘积求和,作为参考载荷,其中,m是风力发电机组的材料沃尔系数;
确定相应风力发电机组的所述参考载荷的1/m次幂,作为所述整机疲劳载荷。
24.如权利要求13至23中任一项所述的功率控制装置,其特征在于,所述限功率指令还包括限功率周期,所述获取单元还被配置为:
在所述限功率周期内,确定所述历史等效疲劳载荷与所述等效疲劳载荷的和值,作为更新的所述历史等效疲劳载荷;
重复执行所述获取当前时刻所述多个风力发电机组的整机疲劳载荷、所述目标部件的等效疲劳载荷、单位电量付出的步骤,以更新所述调优功率值。
25.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令被至少一个处理器运行时,促使所述至少一个处理器执行如权利要求1到12中的任一权利要求所述的功率控制方法。
26.一种计算机设备,其特征在于,包括:
至少一个处理器;
至少一个存储计算机可执行指令的存储器,
其中,所述计算机可执行指令在被所述至少一个处理器运行时,促使所述至少一个处理器执行如权利要求1到12中的任一权利要求所述的功率控制方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111436105.8A CN116191554A (zh) | 2021-11-29 | 2021-11-29 | 风电场的功率控制方法和装置 |
EP22897016.6A EP4329126A1 (en) | 2021-11-29 | 2022-03-25 | Power control method and device for wind farm |
KR1020237045425A KR20240017022A (ko) | 2021-11-29 | 2022-03-25 | 풍력 발전 단지의 전력 제어 방법 및 장치 |
PCT/CN2022/082952 WO2023092915A1 (zh) | 2021-11-29 | 2022-03-25 | 风电场的功率控制方法和装置 |
AU2022395328A AU2022395328A1 (en) | 2021-11-29 | 2022-03-25 | Power control method and device for wind farm |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111436105.8A CN116191554A (zh) | 2021-11-29 | 2021-11-29 | 风电场的功率控制方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116191554A true CN116191554A (zh) | 2023-05-30 |
Family
ID=86431220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111436105.8A Pending CN116191554A (zh) | 2021-11-29 | 2021-11-29 | 风电场的功率控制方法和装置 |
Country Status (5)
Country | Link |
---|---|
EP (1) | EP4329126A1 (zh) |
KR (1) | KR20240017022A (zh) |
CN (1) | CN116191554A (zh) |
AU (1) | AU2022395328A1 (zh) |
WO (1) | WO2023092915A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116911578B (zh) * | 2023-09-13 | 2024-02-27 | 华能信息技术有限公司 | 一种风电控制系统的人机交互方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK2541053T3 (en) * | 2011-06-30 | 2017-10-23 | Siemens Ag | Process, wind farm controller and program element for managing a wind farm |
EP2927486B8 (en) * | 2014-03-31 | 2019-07-24 | GE Renewable Technologies Wind B.V. | Fatigue in wind turbines |
CN108869173B (zh) * | 2018-01-31 | 2019-08-16 | 北京金风科创风电设备有限公司 | 风电机组的功率控制方法和设备 |
CN112260325A (zh) * | 2020-11-24 | 2021-01-22 | 武汉大学 | 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 |
-
2021
- 2021-11-29 CN CN202111436105.8A patent/CN116191554A/zh active Pending
-
2022
- 2022-03-25 AU AU2022395328A patent/AU2022395328A1/en active Pending
- 2022-03-25 KR KR1020237045425A patent/KR20240017022A/ko unknown
- 2022-03-25 EP EP22897016.6A patent/EP4329126A1/en active Pending
- 2022-03-25 WO PCT/CN2022/082952 patent/WO2023092915A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
KR20240017022A (ko) | 2024-02-06 |
AU2022395328A1 (en) | 2023-12-07 |
EP4329126A1 (en) | 2024-02-28 |
WO2023092915A1 (zh) | 2023-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10734811B2 (en) | System and method for optimal control of energy storage system | |
CN104632521B (zh) | 一种基于偏航校正的风电功率优化系统及其方法 | |
US9201410B2 (en) | Methods and systems for optimizing farm-level metrics in a wind farm | |
CN102269124B (zh) | 超短期风电场发电功率预测系统 | |
US9208529B2 (en) | Smoothing power output from a wind farm | |
Attya et al. | Utilising stored wind energy by hydro‐pumped storage to provide frequency support at high levels of wind energy penetration | |
CN110266021A (zh) | 基于dfig虚拟惯量的微电网双维自适应动态频率控制方法 | |
Zhang et al. | A multiobjective robust scheduling optimization mode for multienergy hybrid system integrated by wind power, solar photovoltaic power, and pumped storage power | |
CN116191554A (zh) | 风电场的功率控制方法和装置 | |
CN116432361A (zh) | 风力发电机组的寿命评估方法和装置 | |
CN115764931A (zh) | 一种电力系统自动发电控制方法、系统、设备和介质 | |
Singh et al. | Enhancing wind power forecasting from meteorological parameters using machine learning models | |
Tur | Investigation of optimum reserve capacity requirement in ancillary services with extreme learning machine | |
EP4343587A1 (en) | Method and device for evaluating service life of pitch bearing of wind turbine | |
Duan et al. | Study on performance evaluation and prediction of mixed-flow hydraulic turbine units under variable operating conditions | |
Ma et al. | An IGDT-based intraday scheduling strategy method considering wind power ramp event | |
CN109944740B (zh) | 风电场场群控制方法和设备 | |
Giles et al. | Integrated Research Programme on Wind Energy: Offshore array control Work Package 6.3-Deliverable number 63.4 | |
US20230369863A1 (en) | Time-shifting optimizations for resource generation and dispatch | |
Han et al. | Yaw system restart strategy optimization of wind turbines in mountain wind farms based on operational data mining and multi-objective optimization | |
Song et al. | Data-Driven Approach for Power Quantity Balance Under Multidimensional Uncertain Conditions | |
Chen et al. | Deep learning for optimal dispatch of automatic generation control in a wind farm | |
CN117856348A (zh) | 一种频率调节方法、装置、设备及存储介质 | |
CN115276114A (zh) | 分布式储能资源的聚合灵活性辨识方法及装置 | |
Qu et al. | Research on New Energy Operation Credible Capacity Evaluation and It’s Influence on New Energy Accommodation |
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 |