发明内容
为了克服现有技术的不足,本发明的目的是提供一种风电机群协同运行优化控制方法。
为实现上述目的,本发明提供了如下方案:
一种风电机群协同运行优化控制方法,包括:
建立待测的风电机群的数字化模型,根据所述数字化模型和改进的Jensen尾流模型建立尾流影响矩阵,并根据所述尾流影响矩阵划分风电机群,得到划分好的风电机组;
对所述风电机组进行多自由度控制器设计;
采用外推法和Mextremes两种方法联合计算所述风电机组的极限载荷,结合安全载荷系数构建风电机组运行安全载荷约束以及偏航角度约束;
以机群发电功率最大为优化目标,上游机组偏航角度为决策变量,安全载荷约束、偏航角度约束和上游机组功率变化范围为约束条件,建立风电机群协同优化问题模型;
基于模式搜索法,根据所述风电机群协同优化问题模型确定风电机群协同运行优化算法,并根据所述风电机群协同运行优化算法对所述风电机组的偏航角度寻优,以达到最大发电量。
优选地,建立待测的风电机群的数字化模型,根据所述数字化模型和改进的Jensen尾流模型建立尾流影响矩阵,并根据所述尾流影响矩阵划分风电机群,得到划分好的风电机组,包括:
根据所述待测的风电机群的机群信息建立所述数字化模型;
基于Turbsim,根据所述数字化模型确定各个风电机组的相对位置信息;
根据实际测量的下游的风电机组风速重新整定Jensen中尾流衰变常数,得到所述改进的Jensen尾流模型;所述改进的Jensen尾流模型的计算公式为:其中,Dw,n为风电机组n下游s倍风轮直径距离处的尾流直径;k为整定后的尾流衰变常数;D为风轮直径;un为风电机组n下游s倍风轮直径距离处的尾流风速;u0为无穷远处来流风速;CT,n为风电机组n的推力系数;
将所述相对位置信息输入值所述改进的Jensen尾流模型中,得到高精度风电机群尾流信息;
根据所述高精度风电机群尾流信息以及上下游机组叶片半径信息得到尾流场效应判定式;所述尾流场效应判定式为
其中,wij为机组i对机组j的尾流影响程度,r1为尾流半径,r2为下游机组风轮半径,d为尾流圆心到风轮圆心的距离,α为尾流区域和风轮相交点与尾流圆心连接线与d的夹角,θ为尾流区域和风轮相交点与风轮圆心连接线与d的夹角;
依据所述尾流场效应判定式建立风电机群尾流影响矩阵,并根据所述风电机群尾流影响矩阵计算风电机群的尾流效应影响程度,并根据所述尾流效应影响程度划分风电机群,得到划分好的风电机组。
优选地,对所述风电机组进行多自由度控制器设计,包括:
通过增益调度控制策略建立变桨距控制器;
通过变速转矩分区控制策略设计发电机扭矩控制器;
根据所述变桨距控制器和所述发电机扭矩控制器对所述风电机组进行控制;
所述变桨距控制器的计算公式为: 其中,IDrivertrain是低速轴上的传动系惯性;Ω0是额定低速轴转速;/>是阻尼比;/>是固有频率;NGear是高速与低速齿轮箱比;P是机械功率;θ是全跨度转子总叶片变桨角;θK是叶片变桨角度。GK(θ)是无量纲增益修正因子;所述KP为变桨距控制器的比例增益;KI为变桨距控制器的积分增益;
所述发电机扭矩控制器的控制区域包括:第一区域、第二区域、第三区域、第四区域和第五区域;所述第一区域为切入风速之前的控制区域,其中发电机扭矩为零且未从风中提取功率;所述第二区域为启动区域,是所述第一区域和第三区域之间的线性过渡;第三区域用于优化功率捕获的控制区域,发电机扭矩与过滤后的发电机速度的平方成比例,以保持恒定叶尖速度比;第四区域为所述第三区域和所述第五区域之间的线性过渡,扭矩斜率与感应电机的斜率相对应;所述第五区域中的发电机功率保持恒定,发电机扭矩与过滤后的发电机转速成反比。
优选地,采用外推法和Mextremes两种方法联合计算所述风电机组的极限载荷,结合安全载荷系数构建风电机组运行安全载荷约束以及偏航角度约束,包括:
对不同风速下的短期载荷超越概率进行直接积分,得到风电机组的长期载荷超越概率,根据预设标准,对预设工况的风速区间按照预设速度的分辨率划分成多个子区间,并在每个子区间内,风电机组在额定风速以下进行偏航控制,风电机组在在额定风速以上同时进行偏航控制和桨距角控制;
将所述风电机组的运行数据按照风速划分为多种工况,每种工况在相同运行条件下进行多次随机仿真,将各组仿真数据输入到Mextremes中,得到所述极限载荷及对应风速;
根据所述极限载荷和预设的局部载荷安全系数的数值确定所述安全载荷约束;
在预设工况下对通过正对风向为起始偏航角进行搜索,得到风电机组不同偏航角度和风速条件下所对应的载荷情况,以所述安全载荷约束对偏航角度进行门槛取值,得到对应的所述偏航角度约束。
优选地,所述优化目标和所述约束条件的表达式为:
Max Pfarm;
其中,Pfarm和Pup分别是机群发电功率和上游机组功率;LRoot、LYaw和LTwr分别是机组叶根面外力矩、偏航轴承力矩和塔基俯仰力矩;LSafe,r、LSafe,y和LSafe,t分别是所求取的安全载荷限制;Yc和YL是上游机组实时偏航角度和求取的偏航约束;ΔPup是上游机组功率变化值。
优选地,基于模式搜索法,根据所述风电机群协同优化问题模型确定风电机群协同运行优化算法,并根据所述风电机群协同运行优化算法对所述风电机组的偏航角度寻优,以达到最大发电量,包括:
在对风电机群进行协同优化时,根据风向对风电机群进行排序,划分优化机组T1~Tn,依次选取上下游机组Ti和Ti+1通过模式搜索法对上游机组偏航角度寻优,从而实现机群偏航角度滚动优化;模式搜索法优化步骤如下:
1)初始化上游机组偏航角度为y1,初始步长为s,方向系数α≥1,缩短因子β∈(0,1),误差ε,令x1=y1,k=1,j=1;
2)读取仿真模型信息计算Pfarm(yj+αs),若Pfarm(yj+αs)>Pfarm(yj),则令yj+1=yj+αs,xk=yj+1跳转至步骤4);若Pfarm(yj+αs)≤Pfarm(yj)则转至步骤3);
3)若Pfarm(yj-αs)>Pfarm(yj),则令yj+1=yj-αs,xk=yj+1;反之,则令yj+1=yj,转至步骤4);
4)若步长s≤ε,则退出计算,得到目标函数最优解;否则,令s=s*β,y1=xk,k=k+1,j=1,跳转至步骤2)。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提出了一种机群协同运行优化策略,研究了机组间的主动尾流控制,通过机组间实时通信对上游风电机组发出偏航控制指令,动态调节机组状态的优势实现机组运行状态进行动态调节,深度挖掘风机功率提升潜力,有效提高多台机组整体发电效率以及风资源利用率;联合外推法以及Mextremes两种极限载荷计算方法以及预设规定的安全载荷系数综合确定了风电机组的安全载荷范围,并以此为依据确定了机组的安全偏航角度限制,提升了机组运行安全性;提出的改进的Jensen模型参数反推迭代寻优方法建立风电机群尾流影响矩阵,通过对机组间尾流重叠面积进行分析,结合机组运行状态联合判断是否启动运行优化流程,避免了对偏航电机的频繁调用,提高了机组运行稳定性。
具体实施方式
下面将结合本发明实施例中的附图,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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动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。
本发明的目的是提供一种风电机群协同运行优化控制方法,能够提高多台机组整体发电效率以及风资源利用率。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的方法流程图,如图1所示,本发明提供了一种风电机群协同运行优化控制方法,包括:
步骤100:建立待测的风电机群的数字化模型,根据所述数字化模型和改进的Jensen尾流模型建立尾流影响矩阵,并根据所述尾流影响矩阵划分风电机群,得到划分好的风电机组;
步骤200:对所述风电机组进行多自由度控制器设计;
步骤300:采用外推法和Mextremes两种方法联合计算所述风电机组的极限载荷,结合安全载荷系数构建风电机组运行安全载荷约束以及偏航角度约束;
步骤400:以机群发电功率最大为优化目标,上游机组偏航角度为决策变量,安全载荷约束、偏航角度约束和上游机组功率变化范围为约束条件,建立风电机群协同优化问题模型;
步骤500:基于模式搜索法,根据所述风电机群协同优化问题模型确定风电机群协同运行优化算法,并根据所述风电机群协同运行优化算法对所述风电机组的偏航角度寻优,以达到最大发电量。
优选地,建立待测的风电机群的数字化模型,根据所述数字化模型和改进的Jensen尾流模型建立尾流影响矩阵,并根据所述尾流影响矩阵划分风电机群,得到划分好的风电机组,包括:
根据所述待测的风电机群的机群信息建立所述数字化模型;
基于Turbsim,根据所述数字化模型确定各个风电机组的相对位置信息;
根据实际测量的下游的风电机组风速重新整定Jensen中尾流衰变常数,得到所述改进的Jensen尾流模型;所述改进的Jensen尾流模型的计算公式为:其中,Dw,n为风电机组n下游s倍风轮直径距离处的尾流直径;k为整定后的尾流衰变常数;D为风轮直径;un为风电机组n下游s倍风轮直径距离处的尾流风速;u0为无穷远处来流风速;CT,n为风电机组n的推力系数;
将所述相对位置信息输入值所述改进的Jensen尾流模型中,得到高精度风电机群尾流信息;
根据所述高精度风电机群尾流信息以及上下游机组叶片半径信息得到尾流场效应判定式;所述尾流场效应判定式为
其中,wij为机组i对机组j的尾流影响程度,r1为尾流半径,r2为下游机组风轮半径,d为尾流圆心到风轮圆心的距离,α为尾流区域和风轮相交点与尾流圆心连接线与d的夹角,θ为尾流区域和风轮相交点与风轮圆心连接线与d的夹角;
依据所述尾流场效应判定式建立风电机群尾流影响矩阵,并根据所述风电机群尾流影响矩阵计算风电机群的尾流效应影响程度,并根据所述尾流效应影响程度划分风电机群,得到划分好的风电机组。
具体的,如图2所示,本实施例提供的兼顾尾流管控与能效提升的风电机群协同运行优化控制流程如下:
(1)基于实际风电机组经纬度、海拔高度、机组构成结构以及型号等信息对风电机群进行数字化建模,使用Turbsim生成高精度环境风数据,通过改进Jensen尾流模型计算得出风电机组尾流模型信息,并以尾流影响为依据对风电机群进行分组划分,建立风电机群尾流影响矩阵;
(2)对风电机组进行多自由度控制器设计,基于增益调度控制策略设计了变桨距控制器,基于变速转矩分区控制策略设计了发电机扭矩控制器;
(3)采用外推法以及Mextremes两种方法联合计算风电机组极限载荷,结合安全载荷系数构建了风电机组运行安全载荷约束以及偏航角度约束建立机制;
(4)以机群发电功率最大为优化目标,上游机组偏航角度为决策变量,安全载荷、偏航约束和上游机组功率变化范围为约束条件,建立了风电机群协同优化问题模型;
(5)根据所建立的优化模型,基于模式搜索法设计了风电机群协同运行优化算法,对所划分风电机组的偏航角度寻优,达到最大发电量。
具体的,本实施例中,获取包括上下游风电机组机前风速、风电机组经纬度、海拔高度、上下游风电机组叶片半径等机组信息;根据所获取信息建立风电机群模型,使用Turbsim生成高精度环境风数据,通过改进Jensen尾流计算模型得到上游机组尾流直径和尾流风速等信息,并基于此对风电机群分组,同步构建风电机群尾流影响矩阵。主要步骤如下:
首先,根据将风电机组相对位置信息输入改进Jensen尾流计算模型。以上下游两台风电机组进行说明。传统Jensen尾流模型计算公式如下所示。
Dw,n=D(1+2ks)
式中:Dw,n为风电机组n下游s倍风轮直径距离处的尾流直径;k为尾流衰变常数;D为风轮直径;un为风电机组n下游s倍风轮直径距离处的尾流风速;u0为无穷远处来流风速;CT,n为风电机组n的推力系数。
根据实际测量的下游风电机组风速重新整定Jensen中尾流衰变常数,如图3和图4所示,得到改进Jensen尾流模型中Dw,n的计算公式如下所示:
然后,根据所计算得出的高精度风电机群尾流信息以及上下游机组叶片半径信息得到尾流场效应判定式如下所示:
最后,依据尾流场效应判定式建立风电机群尾流影响矩阵,计算风电机群的尾流效应影响程度,基于此判断是否对风电机组进行协同优化。
优选地,对所述风电机组进行多自由度控制器设计,包括:
通过增益调度控制策略建立变桨距控制器;
通过变速转矩分区控制策略设计发电机扭矩控制器;
根据所述变桨距控制器和所述发电机扭矩控制器对所述风电机组进行控制;
所述变桨距控制器的计算公式为: 其中,IDrivertrain是低速轴上的传动系惯性;Ω0是额定低速轴转速;/>是阻尼比;/>是固有频率;NGear是高速与低速齿轮箱比;P是机械功率;θ是全跨度转子总叶片变桨角;θK是叶片变桨角度。GK(θ)是无量纲增益修正因子;所述KP为变桨距控制器的比例增益;KI为变桨距控制器的积分增益;
所述发电机扭矩控制器的控制区域包括:第一区域、第二区域、第三区域、第四区域和第五区域;所述第一区域为切入风速之前的控制区域,其中发电机扭矩为零且未从风中提取功率;所述第二区域为启动区域,是所述第一区域和第三区域之间的线性过渡;第三区域用于优化功率捕获的控制区域,发电机扭矩与过滤后的发电机速度的平方成比例,以保持恒定叶尖速度比;第四区域为所述第三区域和所述第五区域之间的线性过渡,扭矩斜率与感应电机的斜率相对应;所述第五区域中的发电机功率保持恒定,发电机扭矩与过滤后的发电机转速成反比。
进一步地,本实施例中通过变速转矩分区控制策略设计了发电机扭矩控制器。主要步骤如下:
变桨距控制器:通过对过滤发电机转速和额定发电机转速之间的速度误差进行预定比例积分控制,计算全跨度转子总叶片变桨角指令。为提高控制器的控制性能,采用增益调度PI控制器用于对控制器的比例增益KP和积分增益KI进行调整,对于两种增益的计算方法如下:
式中:IDrivertrain是低速轴上的传动系惯性;Ω0是额定低速轴转速;是阻尼比;是固有频率;NGear是高速与低速齿轮箱比;P是机械功率;θ是全跨度转子总叶片变桨角;θK是叶片变桨角度。GK(θ)是无量纲增益修正因子
在实际仿真计算过程中,使用上一个控制器时间步的叶片变桨角度来计算下一个时间步的增益校正系数。针对实际参数场景下,可对控制算法的初始增益系数进行优化,并可根据机组实际运行情况设计变桨速率。
发电机扭矩控制器:发电机扭矩作为过滤后发电机转速的表函数计算,包括五个控制区域:区域1是切入风速之前的控制区域,其中发电机扭矩为零并且没有从风中提取功率;区域3是用于优化功率捕获的控制区域,发电机扭矩与过滤后的发电机速度的平方成比例,以保持恒定(最佳)叶尖速度比;在区域5中,发电机功率保持恒定,因此发电机扭矩与过滤后的发电机转速成反比;区域2是启动区域,是区域1和区域3之间的线性过渡。该区域用于对发电机速度设置下限,以限制风力涡轮机的运行速度范围;区域4是区域3和5之间的线性过渡,扭矩斜率与感应电机的斜率相对应。通常需要4区域来限制额定功率下的叶尖速度。各区域分布情况如图5所示。
优选地,采用外推法和Mextremes两种方法联合计算所述风电机组的极限载荷,结合安全载荷系数构建风电机组运行安全载荷约束以及偏航角度约束,包括:
对不同风速下的短期载荷超越概率进行直接积分,得到风电机组的长期载荷超越概率,根据预设标准,对预设工况的风速区间按照预设速度的分辨率划分成多个子区间,并在每个子区间内,风电机组在额定风速以下进行偏航控制,风电机组在在额定风速以上同时进行偏航控制和桨距角控制;
将所述风电机组的运行数据按照风速划分为多种工况,每种工况在相同运行条件下进行多次随机仿真,将各组仿真数据输入到Mextremes中,得到所述极限载荷及对应风速;
根据所述极限载荷和预设的局部载荷安全系数的数值确定所述安全载荷约束;
在预设工况下对通过正对风向为起始偏航角进行搜索,得到风电机组不同偏航角度和风速条件下所对应的载荷情况,以所述安全载荷约束对偏航角度进行门槛取值,得到对应的所述偏航角度约束。
进一步地,本实施例中外推法以及Mextremes方法计算极限载荷步骤如下:
外推法:通过对于不同风速下的短期载荷超越概率PT进行直接积分即可得到风电机组的长期载荷超越概率。根据IEC要求的最低标准,对工况DLC1.1所要求的风速区间按照2m/s的分辨率划分成11个子区间,每个子区间是短期运行区间。在每个子区间内,风电机组在额定风速以下进行偏航控制,在额定风速以上同时进行偏航控制和桨距角控制。
对每个子区间进行分块取极值处理,采用Gumbel分布极大似然法对每次短期运行结果划分30块,则n个子区间总共可以得到一个包含30n个极大值的数组M,使用Gumbel分布拟合数组M,再根据风电机组的超越概率即可得到T年重现下的极限载荷。
Mextremes法:将运行数据按照风速划分为n种工况,每种工况在相同运行条件下进行m次随机仿真,将n·m组仿真数据输入到Mextremes中即可得到极限载荷及所对应风速。
更进一步地,风电机组运行安全载荷约束以及偏航角度约束建立机制构建机制如下:
根据IEC61400-1所对于载荷安全系数的规定,对于工况DLC1.1所对应的运行情况,在正常设计条件下的,局部载荷安全系数γf=1.25。通过外推法和Mextremes法联合计算验证得到的风电机组极限载荷取较小值与局部载荷安全系数的数值乘积作为安全载荷约束。
在IEC64100-1 DLC1.1工况下对通过正对风向为起始偏航角进行搜索,得到风电机组不同偏航角度和风速条件下所对应的载荷情况,以安全载荷为约束条件对偏航角度进行门槛取值即可得到所对应的偏航角度约束。
优选地,所述优化目标和所述约束条件的表达式为:
Max Pfarm;
其中,Pfarm和Pup分别是机群发电功率和上游机组功率;LRoot、LYaw和LTwr分别是机组叶根面外力矩、偏航轴承力矩和塔基俯仰力矩;LSafe,r、LSafe,y和LSafe,t分别是所求取的安全载荷限制;Yc和YL是上游机组实时偏航角度和求取的偏航约束;ΔPup是上游机组功率变化值。
优选地,基于模式搜索法,根据所述风电机群协同优化问题模型确定风电机群协同运行优化算法,并根据所述风电机群协同运行优化算法对所述风电机组的偏航角度寻优,以达到最大发电量,包括:
在对风电机群进行协同优化时,根据风向对风电机群进行排序,划分优化机组T1~Tn,依次选取上下游机组Ti和Ti+1通过模式搜索法对上游机组偏航角度寻优,从而实现机群偏航角度滚动优化;模式搜索法优化步骤如下:
1)初始化上游机组偏航角度为y1,初始步长为s,方向系数α≥1,缩短因子β∈(0,1),误差ε,令x1=y1,k=1,j=1;
2)读取仿真模型信息计算Pfarm(yj+αs),若Pfarm(yj+αs)>Pfarm(yj),则令yj+1=yj+αs,xk=yj+1跳转至步骤4);若Pfarm(yj+αs)≤Pfarm(yj)则转至步骤3);
3)若Pfarm(yj-αs)>Pfarm(yj),则令yj+1=yj-αs,xk=yj+1;反之,则令yj+1=yj,转至步骤4);
4)若步长s≤ε,则退出计算,得到目标函数最优解;否则,令s=s*β,y1=xk,k=k+1,j=1,跳转至步骤2)。
本实施例中以我国华东某海上风电场为例,进行实际应用过程中的介绍。
步骤一:建立风电机群数字化模型,根据改进Jensen尾流模型建立尾流影响矩阵,划分风电机群。将风电机组位置信息代入到改进Jensen尾流模型中,根据下游风电机组机前风速动态迭代尾流衰变系数k,进而得到上游风电机组在下游风电机组处的尾流半径。根据所计算得到的尾流半径以及风电机群位置信息对风电机群进行划分,对组内风电机组建立尾流影响矩阵,判断风电机组间尾流影响程度。
步骤二:选取叶根处的平面外力矩、偏航轴承偏航力矩和塔基俯仰力矩对风电机组进行极限载荷计算。外推法的基本原理是采用直接积分法以超越概率PT为目标求取极限载荷LT。
式中:X是多维环境变量,在本模型所使用的路上风电机组中一般只考虑风参数作为主要考虑因素;fx(x)为多维环境变量分布的联合概率分布函数;T为重现周期。
通过对于不同风速下的短期载荷超越概率PT进行直接积分即可得到风电机组的长期载荷超越概率。根据IEC要求的最低标准,对工况DLC1.1所要求的风速区间按照2m/s的分辨率划分成11个子区间,每个子区间是时间为680s的短期运行区间,其中前80秒是风电机组的启动时间忽略,后600秒作为有效运行区间。在每个运行区间内,风电机组在额定风速以下进行偏航控制,在额定风速以上同时进行偏航控制和桨距角控制。
根据风电机组20年的设计使用寿命,可以得出在使用期间,当T=20时对于10min长度的子区间共存在1051200个,对应的超越概率为9.513e-7,T=1时10min长度的子区间共存在52560个,对应的超越概率为1.903e-7。对每个短期10min仿真进行分块取极值处理,采用Gumbel分布极大似然法对每次运行结果划分30块,则11个子区间总共可以得到一个包含330个极大值的数组M,使用Gumbel分布拟合数组M,再根据风电机组的超越概率即可得到T年重现下的极限载荷。
式中:μ是位置系数;β是尺度系数;x为所求取得极限载荷。
上式为Gumbel分布的概率密度函数(PDF),对Gumbel的参数确认方式采用极大似然法处理数据是较为稳定的参数估计方法,对数似然函数为:
可得似然方程如下:
整理可得:
通过数值方法得出β,进而解出μ的值,从而得到Gumbel概率密度函数参数μ和β的极大似然估计和/>超越概率表达式如下所示。
式中:N为重现周期T所需要的仿真组数。
则可以得到模型的极限载荷LE计算方程:
LE=μ-βln(-ln(F))
将相关参数代入到上式可得在20年重现周期下三种载荷的极限载荷情况以及对应仿真湍流风平均风速。
根据IEC64100-1 DLC1.1所规定的风速按照2m/s的分辨率对切入、切出风速进行划分,将11个子区间输出文件作为Mextremes的输入文件,对平面外力矩、偏航轴承偏航力矩和塔基俯仰力矩三种数据进行数据处理,即可得到载荷分析情况。
步骤三:根据IEC61400-1所对于载荷安全系数的规定,对于工况DLC1.1所对应的运行情况,在正常设计条件下的,局部载荷安全系数γf=1.25。针对于外推法和Mextremes分析得到的极限载荷,综合考虑安全局部载荷安全系数以及实际运行的安全性,在进行风电场偏航以及桨距角控制过程中,采用外推法所计算得出的极限载荷和载荷安全系数的数值乘积作为风电机组在正常运行过程中的安全载荷约束。
在IEC64100-1 DLC1.1工况下对通过正对风向为起始偏航角进行搜索,得到不同偏航角度和风速条件下所对应的载荷,以安全载荷为约束条件对偏航角度进行门槛取值即可得到所对应的偏航角度约束。
步骤四:建立风电机群协同优化问题模型,根据所求得的安全载荷约束以及偏航角度约束得到模型约束条件,以所建立的尾流影响矩阵对风电机群分组,根据尾流影响顺序对组内风电机组编号,次选取上下游机组Ti和Ti+1(i=1,2,…,n-2)通过模式搜索法对上游机组偏航角度寻优,得到风电机群实时最优偏航角度,实现尾流优化管理。
本发明的有益效果如下:
本发明所提出的兼顾尾流管控与能效提升的风电机群协同运行优化控制方法,改进Jensen尾流模型提升了尾流重叠面积识别精度,构建了基于重叠面积法的尾流效应判定机制提高尾流识别效率,集成桨距角增益调度控制策略以及全工况变速转矩分区控制策略优化了风电机组运行控制过程,综合极限载荷的安全载荷限制提高了机组运行过程中的安全性能,提出的机群协同优化算法有效改进了风电机群发电效率,能够有效的提升机组发电效率,实现了经济效益、资源利用和成本控制的均衡优化。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。