CN117189476A - 一种风电机组偏航系统启动对风控制策略的优化方法 - Google Patents

Abstract

本发明公开了一种风电机组偏航系统启动对风控制策略的优化方法。本发明通过运行数据特征提取，依据风电机组个体的实际运行特性确定偏航系统启动对风策略的风速分段方案，采用多目标优化方法寻找各风速段内最优的启动对风控制参数，从而在有效降低风电机组偏航次数的同时保障风电机组的发电效率，提高机组运行的可用性和经济性。

Description

一种风电机组偏航系统启动对风控制策略的优化方法

【技术领域】

本发明涉及风力发电机组优化控制技术领域，具体涉及一种风电机组偏航系统启动对风控制策略的优化方法。

【背景技术】

人们对环境问题的关注日益增加，各国对绿色能源的需求持续增长，风能作为一种资源潜力巨大、应用较为成熟的绿色能源，其重要性日益凸显。风力发电机组是风能利用的关键装备，如何提高风电机组的发电效率和降低故障率是风电行业关注的焦点。偏航系统是风力发电机组的重要子系统之一，其主要功能是调整风电机组迎风角度，实现对风向的有效追踪。偏航系统的性能是影响风电机组发电效率的关键因素之一。显然，若偏航系统能够对风向的任何变化做出精确、快速地响应，则最有利于提高瞬时发电效率。但是，偏航系统频繁的启动可能带来写高负载会导致偏航齿轮、回转支承等关键部件失效或者发生故障，对风电机组的寿命和安全产生不利影响。风电机组偏航次数与发电效率存在相互制约的关系，在风况复杂的地区难以同时保证。

大多数大型风电机组采用自动偏航方式，目前实际应用的偏航启动对风控制策略较为简单，即风电机组在全工作风速范围，当偏航误差角大于其允许范围且累计持续时间超过延迟时间阈值时，启动对风。国内外关于该策略的研究相对较少，一、提出了依据风速概率分布曲线将切入风速以上划分多个风速区间，并在风速区间内采用不同偏航控制参数的控制策略；二、为了使控制参数更具适应性，利用细菌群体趋药性优化算法对控制参数进行了优化；三、结合偏航状态受力分析结果提出了风速分段的偏航控制策略，不同风速段下偏航控制参数依据经验取不同值，仿真结果表明该策略可以在不影响发电量的情况下小幅减少偏航系统动作次数。可见，将风电机组工作的风速区间按照某一方式划分成若干个子区间，并分别采用不同的控制参数是偏航系统启动对风控制的发展方向之一。但是，上述方法中的风速区间划分是通过主观分析实现的，并没有形成客观的风速区间划分标准，不利于推广应用；风速区间划分中仅考虑了风电机组的力学特性或风电场风资源统计特性，没有充分分析风电机组个体的实际运行特性。另外，这些方法将偏航控制优化这一多目标优化问题转化为了单目标优化问题，不能很好的依据具体情况在有效降低偏航次数和保证风电机组发电效率这两个目标之间实现平衡。

另外需要指出的是，当位于额定风速以上的工作风速区间时，大型风电机组不需要对风能实现完全利用，此时采用较大的偏航误差角阈值和较长的延迟时间阈值抑制偏航系统频繁动作即可。因此，需要优化的大型风电机组偏航系统启动对风控制策略主要是切入风速以上额定风速以下区间采用的启动对风控制策略。

【发明内容】

为了解决上述技术问题，本发明提供了一种风电机组偏航系统启动对风控制策略的优化方法。

本发明是通过以下技术方案实现的：

一种风电机组偏航系统启动对风控制策略的优化方法，对风速低于额定风速时风电机组采用的偏航系统启动对风控制策略，包括以下步骤：

S1：从SCADA系统中读取目标风电机组稳定服役后hy年以第一预设时间为时间分辨率记录的历史运行数据，构建数据集Cm；以及最近连续hs个月以第二预设时间为时间分辨率记录的历史运行数据，构建数据集Cs；

S2：将目标风电机组切入风速v_in和额定风速v_rated之间的风速区间[v_in，v_rated]等距离离散为ZR个子区间[v_in，v₁)、[v₁，v₂)、……、[v_ZR-1，v_ZR]；

S3：使用Cm中的数据，依据提取得到的风速区间偏航综合特征，确定[v_in，v_rated]风速区间内偏航系统启动对风策略的风速分段方案；

S4：若步骤S3得到的需要独立设置偏航系统启动对风策略的风速区间共有NI个，以偏航次数Q最小化和发电量W最大化为目标，使用数据集Cs，采用多目标优化算法对各风速区间的偏航误差角阈值θ_i延迟时间阈值T_i(i＝1，2，......NI)进行优化，得到偏航控制参数的Pareto前沿解集；

S5：确定偏航次数和发电量两个优化目标的重要性权重，采用多属性决策分析TOPSIS方法从Pareto前沿解集中获得偏航启动控制参数最优解；

S6：将各区间内的偏航启动控制策略设置为：当第i(i＝1，2，......NI)个需要独立设置偏航系统启动对风策略的风速区间内偏航误差角大于阈值θ_i且持续时间超过延迟时间阈值T_i时，启动对风。

如上所述的一种风电机组偏航系统启动对风控制策略的优化方法，在步骤S3中，偏航综合特征由“偏航误差-功率”关联特征和风速湍流特征计算合成得到，其中，提取风速子区间“偏航误差-功率”关联特征的方法包括以下步骤：

A1：计算风速区间j的基准发电功率PS：

其中，sp为数据集Cm中的样本点；SCm是数据集Cm中风速位于当前风速子区间范围内且偏航误差角参数的绝对值位于[0°，1°)范围内的样本点构成的子集；sp_power为样本点sp的输出有功功率参数；NSCm为子集SCm中样本点的个数；

A2：计算风速区间j的偏差发电功率PB：

其中，BCm是数据集Cm中风速参数位于当前风速子区间范围内且偏航误差角参数的绝对值位于[Fb°，Fb+1°)范围内的样本点构成的子集，其中4≤≤Fb_h≤10；sp_power为样本点sp的输出有功功率参数；NBCm为子集BCm中样本点的个数；

A3：计算该风速区间的“偏航误差-功率”关联特征F^ya-p：

其中，PD为功率基准常数，PD在区间[100，1000]中取值。

如上所述的一种风电机组偏航系统启动对风控制策略的优化方法，由各风速子区间的“偏航误差-功率”关联特征和风速湍流特征计算偏航综合特征的计算方法为：

F^c＝bp×F^ya-p+(1-bp)×F^ti

其中，F^c即偏航综合特征，bp为“偏航误差-功率”关联特征权重，bp在区间[0.7，0.95]中取值。

如上所述的一种风电机组偏航系统启动对风控制策略的优化方法，在步骤S3中，依据各风速子区间的偏航综合特征，确定[v_in，v_rated]风速区间内偏航系统启动对风策略按照风速分段方案的方法包括以下步骤：

B1：令j＝1，计算第j个风速子区间的偏航综合特征

B2：令i＝1，将第j个风速子区间作为第i个需独立设置偏航系统启动对风策略的风速段，并将该风速区间的偏航综合特征作为第i个需独立设置偏航系统启动对风策略的风速段的偏航综合特征/>

B3：令j＝j+1，计算第j个风速子区间的偏航综合特征

B4：若成立，则将第j个风速子区间合并到第i个需要独立设置偏航系统启动对风策略的风速段，区间合并后重新计算/>

否则令i＝i+1，将第j个风速子区间作为第i个需要独立设置偏航系统启动对风策略的风速段，同时将作为新的/>

B5：判断第j个风速子区间是否为最后一个离散风速子区间；如果是，则风速分段结束，得到[v_in，v_rated]风速区间内设置偏航系统启动对风策略的风速分段方案；否则转到步骤B3。

如上所述的一种风电机组偏航系统启动对风控制策略的优化方法，在步骤S5中：

优化过程中目标Q的计算公式为：Q＝∑Sa，其中Sa为分析的运行数据中满足偏航启动策略的次数；

优化过程中目标W的计算公式为：W＝∑P×Δt，其中，P为风电机组的瞬时功率，Δt为数据Cs的数据记录时间间隔，Δt的取值范围为[0.5，5]；

风电机组的瞬时功率P的计算公式为：P＝Co×ω³×cos³θ+Cp其中，θ为风电机组偏航误差角，ω为风轮转速，Co为与风轮直径、空气密度、风轮利用系数有关的系数；Cp为与误差、发电机转换效率相关的补偿系数。

如上所述的一种风电机组偏航系统启动对风控制策略的优化方法，计算瞬时功率P的参数Co、Cp在使用功率计算公式前，需利用数据集Cs中记录的偏航误差角、风轮转速和输出有功功率参数采用最小二乘法求解，包括以下步骤：

C1：提取Cs中风速在[v_in，v_d]范围内的样本点6≤v_d≤9，使用上述样本点采用最小二乘法求解这一风速范围内的Co、Cp，分别记为Co₁、Cp₁；

C2：提取Cs中风速在(v_d，v_rated]范围内的样本点，使用上述样本点采用最小二乘法求解这一风速范围内的Co、Cp，分别记为Co₂、Cp₂；

C3：

Co、Cp分别通过以上公式计算得出。

如上所述的一种风电机组偏航系统启动对风控制策略的优化方法，在步骤S5中，采用的多目标优化算法为第二代非支配排序遗传算法，即NSGA-II算法，对各风速区间的偏航误差角阈值θ_k和延迟时间阈值T_k进行优化为(K＝1，2，......，IN)的方法包括以下步骤：

D1：将待优化的偏航误差角阈值θ_k的合理取值范围限定为[0°，60°]，延迟时间阈值T_k的合理范围限定为[0s，360s]；

D2：按照NSGA-II算法，最优个体系数取值为Ns，以Pops为种群大小，创建待优化变量[θ₁，θ₂，......，θ_in，T₁，T₂，......，T_IN]的初始种群；其中，0.5≤Ns≤0.9，50≤Pops≤300；

D3：按照NSGA-II算法和偏航启动对风策略优化目标Q、W计算方法，评估种群中各个体的适应度，根据个体之间的支配关系对种群进行非支配排序，将各个体划分为不同的等级；

D4：按照NSGA-II算法，计算每个等级中个体的拥挤度距离，根据非支配排序和拥挤度距离选择下一代的个体；

D5：交叉率取值为CR，变异率取值为MR，对选择的个体应用交叉和变异操作，生成下一代的群；其中，0.5≤CR≤0.95，0.05≤MR≤0.55；

D6：若达到了最大进化代数MI，则输出当前种群为偏航控制参数的Pareto前沿解集，否则转到步骤D3；其中，30≤MI≤100。

如上所述的一种风电机组偏航系统启动对风控制策略的优化方法，在步骤S5中，执行多目标优化时航误差角θ更新公式为：

其中，D是当前时刻风向值；D_-1是上一个时刻风向值；θ_-1是上一个时刻偏航误差角，VY是偏航速度，为0.3deg/s≤VY≤1.2deg/s。

如上所述的一种风电机组偏航系统启动对风控制策略的优化方法，在步骤S5中，采用TOPSIS方法从Pareto解集中确定最优解的方法包括以下步骤：

E1：对各个方案的偏航次数指标进行正向化处理：PQ_k＝max(Q_k)-Q_k，k＝1，2，......，NP

其中，Q_k为Pareto解集中第k个解的偏航次数指标；PQ_k为正向化后的偏航次数指标，NP为Pareto前沿解集中解的个数，由NSGA-II算法的原理可知，NP＝Ns×Pops；

E2：构建解集中各解标准化的评价指标向量Z_k，其中，k＝1，2，......，NP：

E3：计算理想解的评价指标向量Z⁺和负理想解的评价指标向量Z^-：

E4：计算各解到理想解和负理想解的距离D_k ⁺，D_k ^-：

其中，wt₁、wt₂分别为发电量指标和偏航次数的重要性权重，wt₁的取值范围为[0.6，0.8]且wt₁+wt₂＝1；

E5：计算各个解的得分Sr_k：

E6：根据得分对各解进行排名，选择得分最高的解为最优解。

如上所述的一种风电机组偏航系统启动对风控制策略的优化方法，在步骤S2中，目标风电机组切入风速v_in的取值范围为[2m/s，6m/s]；额定风速v_rated的取值范围为[9m/s，16m/s]；离散子风速区间的个数ZR为正整数，取值范围为[6，20]。

与现有技术相比，本申请有如下优点：

本发明的一种风电机组偏航系统启动对风控制策略的优化方法，通过运行数据特征提取，依据风电机组个体的实际运行特性确定偏航系统启动对风策略的风速分段方案，采用多目标优化方法寻找各风速段内最优的启动对风控制参数，从而在有效降低风电机组偏航次数的同时保障风电机组的发电效率，提高机组运行的可用性和经济性。提出了客观的风速区间划分标准，易于实施，有利用方法的推广应用。风速分段是基于提出的偏航综合特征实现，该特征既考虑风电机组实际运行过程中测量得到的偏航误差角对风电机组发电效率的影响，也考虑了风资源的稳定性；风速分度的依据科学、全面。多目标优化寻找各风速段内最优的启动对风控制参数时，优化目标之一发电量W计算的准确性依赖于风电机组的瞬时功率P计算的公式中两个常系数求解的准确性；本发明在大量分析的基础上，提出了按照风速大小分两个区间进行参数分段辨识的常系数求解方法，提高了发电量优化目标计算的准确性。基于NSGA-II算法和TOPSIS方法给出了完整的风电机组偏航系统启动对风多目标决策流程，与将多目标问题转化成单目标问题的优化方法相比，能更好的依据具体情况在有效降低偏航次数和保证风电机组发电效率这两个目标之间实现平衡。本发明还可推广应用于其它复杂机电控制系统的多目标决策优化。

【附图说明】

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍。

图1为本发明整体优化流程图；

图2为本发明实施例以1m/s为间距对风电机组切入风速到额定分数之间的区间进行离散化，并在每一个离散的风速区间内分别使用最小二乘法求解Co得到的结果；

图3为本发明实施例确定偏航系统启动对风策略按照风速分段方案的流程图；

图4为本发明实施例的偏航启动控制参数多目标优化流程图；

图5为本发明实施例的多目标优化的Pareto前沿图；

图6为本发明实施例短时间尺度仿真的偏航误差角变化曲线：

(a)抽取的第一天；

(b)抽取的第二天；

(c)抽取的第三天；

(d)抽取的第四天；

图7为本发明实施例短时间尺度仿真的偏航次数变化曲线：

(a)抽取的第一天；

(b)抽取的第二天；

(c)抽取的第三天；

(d)抽取的第四天。

【具体实施方式】

为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

一种风电机组偏航系统启动对风控制策略的优化方法，对风速低于额定风速时风电机组采用的偏航系统启动对风控制策略，包括以下步骤：

S1：从SCADA系统中读取目标风电机组稳定服役后hy年以第一预设时间为时间分辨率记录的历史运行数据，构建数据集Cm；以及最近连续hs个月以第二预设时间为时间分辨率记录的历史运行数据，构建数据集Cs；

S2：将目标风电机组切入风速v_in和额定风速v_rated之间的风速区间[v_in，v_rated]等距离离散为ZR个子区间[v_in，v₁)、[v₁，v₂)、……、[v_ZR-1，v_ZR]；

S3：使用Cm中的数据，依据提取得到的风速区间偏航综合特征，确定[v_in，v_rated]风速区间内偏航系统启动对风策略的风速分段方案；

S4：若步骤S3得到的需要独立设置偏航系统启动对风策略的风速区间共有NI个，以偏航次数Q最小化和发电量W最大化为目标，使用数据集Cs，采用多目标优化算法对各风速区间的偏航误差角阈值θ_i延迟时间阈值T_i(i＝1，2，......NI)进行优化，得到上述偏航控制参数的Pareto前沿解集；

S5：确定偏航次数和发电量两个优化目标的重要性权重，采用多属性决策分析TOPSIS方法从Pareto前沿解集中获得偏航启动控制参数最优解；

S6：将各区间内的偏航启动控制策略设置为：当第i(i＝1，2，......NI)个需要独立设置偏航系统启动对风策略的风速区间内偏航误差角大于阈值θ_i且持续时间超过延迟时间阈值T_i时，启动对风。

进一步地，作为本方案的优选实施方式而非限定，第一预设时间为10分钟，第二预设时间为1秒。SCADA系统为Supervisory Control And Data Acquisition系统。

进一步地，作为本方案的优选实施方式而非限定，在步骤S1中，数据集Cm、Cs中样本点包含的参数包括当前时刻、风速、风向、偏航误差角、输出功率，其中，1≤hy≤3，3≤hs≤12。

进一步地，作为本方案的优选实施方式而非限定，在步骤S3中，偏航综合特征由“偏航误差-功率”关联特征和风速湍流特征计算合成得到，其中，提取风速子区间“偏航误差-功率”关联特征的方法包括以下步骤：

A1：计算风速区间j的基准发电功率PS：

其中，sp为数据集Cm中的样本点；SCm是数据集Cm中风速位于当前风速子区间范围内且偏航误差角参数的绝对值位于[0°，1°)范围内的样本点构成的子集；sp_power为样本点sp的输出有功功率参数；NSCm为子集SCm中样本点的个数：

A2：计算风速区间j的偏差发电功率PB：

其中，BCm是数据集Cm中风速参数位于当前风速子区间范围内且偏航误差角参数的绝对值位于[Fb°，Fb+1°)范围内的样本点构成的子集，其中4≤Fb_h≤10；sp_power为样本点sp的输出有功功率参数；NBCm为子集BCm中样本点的个数；

A3：计算该风速区间的“偏航误差-功率”关联特征F^ya-p：

其中，PD为功率基准常数，PD在区间[100，1000]中取值。

进一步地，作为本方案的优选实施方式而非限定，所述[v_in，v_rated]内风速分段的步骤S4中，Δ为区间差异阈值，取值范围为[0.1，0.4]。

进一步地，作为本方案的优选实施方式而非限定，风速子区间的风速湍流特征F^ti按照依据IEC61400-1-2019(国际电工标准)标准规定的湍流强度计算标准差法使用数据集Cm中的数据计算得到。

进一步地，作为本方案的优选实施方式而非限定，由各风速子区间的“偏航误差-功率”关联特征和风速湍流特征计算偏航综合特征的计算方法为：

F^c＝bp×F^ya-p+(1-bp)×F^ti

其中，F^c即偏航综合特征，bp为“偏航误差-功率”关联特征权重，bp在区间[0.7，0.95]中取值。

进一步地，作为本方案的优选实施方式而非限定，在步骤S3中，依据各风速子区间的偏航综合特征，确定[v_in，v_rated]风速区间内偏航系统启动对风策略按照风速分段方案的方法包括以下步骤：

B1：令j＝1，计算第j个风速子区间的偏航综合特征

B2：令i＝1，将第j个风速子区间作为第i个需独立设置偏航系统启动对风策略的风速段，并将该风速区间的偏航综合特征作为第i个需独立设置偏航系统启动对风策略的风速段的偏航综合特征/>

B3：令j＝j+1，计算第j个风速子区间的偏航综合特征

B4：若成立，则将第j个风速子区间合并到第i个需要独立设置偏航系统启动对风策略的风速段，区间合并后重新计算/>

否则令i＝i+1，将第j个风速子区间作为第i个需要独立设置偏航系统启动对风策略的风速段，同时将作为新的/>

B5：判断第j个风速子区间是否为最后一个离散风速子区间；如果是，则风速分段结束，得到[v_in，v_rated]风速区间内设置偏航系统启动对风策略的风速分段方案；否则转到步骤B3。

进一步地，作为本方案的优选实施方式而非限定，在步骤S5中：

优化过程中目标Q的计算公式为：Q＝∑Sa，其中Sa为分析的运行数据中满足偏航启动策略的次数；

进一步地，作为本方案的优选实施方式而非限定，优化过程中目标W的计算公式为：W＝∑P×Δt，其中，P为风电机组的瞬时功率，Δt为数据Cs的数据记录时间间隔，Δt的取值范围为[0.5，5]；

风电机组的瞬时功率P的计算公式为：P＝Co×ω³×cos³θ+Cp其中，θ为风电机组偏航误差角，ω为风轮转速，Co为与风轮直径、空气密度、风轮利用系数有关的系数；Cp为与误差、发电机转换效率相关的补偿系数。

进一步地，作为本方案的优选实施方式而非限定，计算瞬时功率P的参数Co、Cp在使用功率计算公式前，需利用数据集Cs中记录的偏航误差角、风轮转速和输出有功功率参数采用最小二乘法求解，包括以下步骤：

C1：提取Cs中风速在[v_in，v_d]范围内的样本点6≤v_d≤9，使用上述样本点采用最小二乘法求解这一风速范围内的Co、Cp，分别记为Co₁、Cp₁；

C2：提取Cs中风速在(v_d，v_rated]范围内的样本点，使用上述样本点采用最小二乘法求解这一风速范围内的Co、Cp，分别记为Co₂、Cp₂；

C3：

Co、Cp分别通过以上公式计算得出。

进一步地，作为本方案的优选实施方式而非限定，在步骤S5中，采用的多目标优化算法为第二代非支配排序遗传算法，即NSGA-II算法，对各风速区间的偏航误差角阈值θ_k和延迟时间阈值T_k进行优化为(K＝1，2，......，IN)的方法包括以下步骤：

D1：将待优化的偏航误差角阈值θ_k的合理取值范围限定为[0°，60°]，延迟时间阈值T_k的合理范围限定为|0s，360s]；

D2：按照NSGA-II算法，最优个体系数取值为Ns，以Pops为种群大小，创建待优化变量[θ₁，θ₂，......，θ_in，T₁，T₂，......，T_IN]的初始种群；其中，0.5≤Ns≤0.9，50≤Pops≤300；

D3：按照NSGA-II算法和偏航启动对风策略优化目标Q、W计算方法，评估种群中各个体的适应度，根据个体之间的支配关系对种群进行非支配排序，将各个体划分为不同的等级；

D4：按照NSGA-II算法，计算每个等级中个体的拥挤度距离，根据非支配排序和拥挤度距离选择下一代的个体；

D5：交叉率取值为CR，变异率取值为MR，对选择的个体应用交叉和变异操作，生成下一代的群；其中，0.5≤CR≤0.95，0.05≤MR≤0.55；

D6：若达到了最大进化代数MI，则输出当前种群为偏航控制参数的Pareto前沿解集，否则转到步骤D3；其中，30≤MI≤100。

进一步地，作为本方案的优选实施方式而非限定，在步骤S5中，执行多目标优化时航误差角θ更新公式为：

其中，D是当前时刻风向值；D_-1是上一个时刻风向值；θ_-1是上一个时刻偏航误差角，VY是偏航速度，为0.3deg/s≤VY≤1.2deg/s。

进一步地，作为本方案的优选实施方式而非限定，在步骤S5中，采用TOPSIS方法从Pareto解集中确定最优解的方法包括以下步骤:

E1：对各个方案的偏航次数指标进行正向化处理：PQ_k＝max(Q_k)-Q_k，k＝1，2，……，NP

其中，Q_k为Pareto解集中第k个解的偏航次数指标；PQ_k为正向化后的偏航次数指标，NP为Pareto前沿解集中解的个数，由NSGA-II算法的原理可知，NP＝Ns×Pops；

E2：构建解集中各解标准化的评价指标向量Z_k，其中，k＝1，2，……，NP：

E3：计算理想解的评价指标向量Z⁺和负理想解的评价指标向量Z^-：

E4：计算各解到理想解和负理想解的距离D_k ⁺，D_k ^-：

其中，wt₁、wt₂分别为发电量指标和偏航次数的重要性权重，wt₁的取值范围为[0.6，0.8]且wt₁+wt₂＝1；

E5：计算各个解的得分Sr_k：

E6：根据得分对各解进行排名，选择得分最高的解为最优解。

进一步地，作为本方案的优选实施方式而非限定，在步骤S2中，目标风电机组切入风速v_in的取值范围为[2m/s，6m/s]。

进一步地，作为本方案的优选实施方式而非限定，额定风速v_rated的取值范围为[9m/s，16m/s]；离散子风速区间的个数ZR为正整数，取值范围为[6，20]。

本实施例中，数据来源于中国南方某山地风场服役的某台直驱永磁式大型风电机组，切入风速v_in值为3.0m/s，额定风速v_rated值为11m/s。

一种风电机组偏航系统启动对风控制策略的优化方法，对风速低于额定风速时风电机组采用的偏航系统启动对风控制策略，包括以下步骤：

S1：从SCADA系统中读取目标风电机组稳定服役后1(hy＝1)年以分钟为时间分辨率记录的历史运行数据，构建数据集Cm；以及最近连续4(hs＝4)个月以秒为时间分辨率记录的历史运行数据，构建数据集Cs；数据集Cm、Cs中样本点包含的参数包括当前时刻、风速、风向、偏航误差角、输出功率。

S2：将目标风电机组切入风速v_in和额定风速v_rated之间的风速区间[3，11]等距离离散为8(ZR＝8)个子区间[v_in，v₁)、[v₁，v₂)、……、[v_ZR-1，v_ZR]；确定[v_in，v_rated]风速区间内偏航系统启动对风策略按照风速分段方案的方法包括以下步骤：

B1：令j＝1，计算第j个风速子区间的偏航综合特征；这一过程中，计算“偏航误差-功率”关联特征F^ya-p时，Fb_h取值为8，功率基准常数PD取值为200：风速湍流特征F^ti按照依据IEC61400-1-2019标准规定的湍流强度计算标准差法使用数据集Cs进行计算，具体过程参见文献[IEC61400-1.2019.Wind energy generation system-Part I.Designrequirements：Geneva，Switzerland.]；由各风速子区间的“偏航误差-功率”关联特征和风速湍流特征计算偏航综合特征时，“偏航误差-功率”关联特征权重bp取值为0.8。

B2：令i＝1，将第j个风速子区间作为第i个需独立设置偏航系统启动对风策略的风速段，并将该风速区间的偏航综合特征作为第i个需独立设置偏航系统启动对风策略的风速段的偏航综合特征/>

B3：令j＝j+1，计算第j个风速子区间的偏航综合特征这一过程中，参数的取值与步骤B1相同。

B4：若成立，则将第j个风速子区间合并到第i个需要独立设置偏航系统启动对风策略的风速段，区间合并后重新计算/>

否则令i＝i+1，将第j个风速子区间作为第i个需要独立设置偏航系统启动对风策略的风速段，同时将作为新的/>这一步骤中，区间差异阈值Δ取值为0.14。偏航综合特征的参数取值与步骤B1相同。

B5：判断第j个风速子区间是否为最后一个离散风速子区间；如果是，则风速分段结束，得[v_in，v_rated]到风速区间内设置偏航系统启动对风策略的风速分段方案；否则转到步骤B3。

本实施例中，按照上述方法，[v_in，v_rated]应分为3个设置偏航系统启动对风策略的区间(NI＝3)，分别为：[3m/s，6m/s)、[6m/s，8m/s)、[8m/s，11m/s]。第一个风速子区间最终计算得到的偏航综合特征为0.12；第二个风速子区间最终计算得到的偏航综合特征为0.45；第三个风速子区间最终计算得到的偏航综合特征为0.08。

得到风速区间内设置偏航系统启动对风策略的风速分段方案后，采用多目标优化算法对各风速区间的偏航控制参数进行优化前，需对风电机组的瞬时功率P计算的公式中两个常系数Co、Cp进行求解(瞬时功率P是计算优化目标之一发电量W的基础)。这两个常系数中，比例系数Co的准确性对瞬时功率P计算结果精度的影响远大于常数项系数Cp。图2是以1m/s为间距对风电机组切入风速到额定分数之间的区间进行离散化，并在每一个离散的风速区间内分别使用最小二乘法求解Co得到的结果。由图可知，当风速小于7m/s时Co的值较为接近；当风速大于7m/s时，Co的值也较为接近；但上述两个区间Co值则差别较大。因此，本发明提出的方法分两段对Co、Cp进行求解在保证优化过程中功率P计算精度的基础上又不会使计算过程过于复杂。依据图3的分析结果，本实施例中分段求解常系数的临界风速v_d取值为7m/s。

接着，以偏航次数Q最小化和发电量W最大化为目标，使用数据集Cs，采用NSGA-II多目标优化算法对各风速区间的偏航误差角阈值和延迟时间阈值参数构成的参数群体[θ₁，θ₂，θ₃，T₁，T₂，T₃]进行寻优，这一过程参见附图4，最优个体系数Ns、种群大小Pops、交叉率CR、变异率MR和最大进化代数MI分别设置为0.7、50、0.8、0.2和30。参考该风电机组的执行对风控制策略，偏航速度VY设置为0.6deg/s。本实施例多目标优化最优解集的Pareto前沿图参见附图5。

获得最优解集后，发电量权重wt₁取值为0.7，偏航次数wt₂取值为0.3，采用TOPSIS方法确定得到的综合最优解如表1所示(即该风电机组经优化后在切入风速以上额定风速以下分风速段的启动偏航控制参数)。表1中还包含该风电机组原来使用的偏航控制参数(该风电机组的切出风速为25m/s，切入风速到切出风速之间的全工作风速段使用相同的一组启动偏航控制参数)。

表1该风电机组原使用的偏航启动控制参数及本发明求得的偏航启动控制参数

为了验证本发明的有效性，对本发明优化后的偏航系统启动对风控制策略与该风电机组原来使用的启动对风控制策略进行对比仿真。仿真方法为：从该风电机组SCADA系统中读取的1秒为时间分辨率记录的风向、风速数据作为仿真输入；风电机组是否启动偏航分别按照两种偏航系统启动对风控制策略进行判断(本发明并未对额定风速以上的偏航启动控制参数进行优化，因此，当风速大于风电机组额定风速时，优化的偏航启动对风控制策略使用该风电机组原来的偏航启动控制参数)；风电机组的偏航误差角更新方式与寻优过程中的更新方式相同；风电机组发电量的计算方式与寻优过程中优化目标发电量W的计算方式相同。

首先，从该风电机组SCADA系统中随机抽取4天以1秒为时间分辨率记录的风向、风速数据(天与天的数据之间时间间隔在10天以上)，从短的时间尺度的角度对两种偏航启动对分控制策略进行对比。仿真过程中，偏航误差角的变化曲线如图6所示，偏航次数变化情况如图7所示，发电量如表2所示。

表2短时间尺度仿真的发电量对比

由图6、图7和表2可知，采用优化的偏航启动对风控制策略，偏航次数明显减小；风速位于区间(3.0m/s，6.0m/s)的风电机组偏航误差角整体增大，风速位于6m/s以上的偏航误差角与使用原偏航启动对风控制策略相比无明显变化。偏航误差角的增大会导致风电机组输出功率降低，从而影响发电量。但是，风速越低时偏航误差角大小对发电量的影响越小。因此，采用优化的偏航启动对风控制策略优发电量仅仅比采用原启动对风控制策略略微下降。

最后，从该风电机组SCADA系统中随机抽取连续4个月以1秒为时间分辨率记录的风向、风速数据，从长时间尺度的角度对两种偏航启动对分控制策略进行对比，结果如表3所示。由表中可知，偏航启动对风控制策略优化后，偏航次数大幅下降82.9％，发电量降幅仅3.5％。采用优化后的偏航启动控制策略，可以在基本保证风电机组发电量的前提下大幅减少其偏航次数，从而有效提升风电机组全生命周期的经济性。

表3长时间尺度仿真的发电量和偏航次数对比

本实施例的工作原理如下：

本发明通过运行数据特征提取，依据风电机组个体的实际运行特性确定偏航系统启动对风策略的风速分段方案，采用多目标优化方法寻找各风速段内最优的启动对风控制参数，从而在有效降低风电机组偏航次数的同时保障风电机组的发电效率，提高机组运行的可用性和经济性。提出了客观的风速区间划分标准，易于实施，有利用方法的推广应用。风速分段是基于提出的偏航综合特征实现，该特征既考虑风电机组实际运行过程中测量得到的偏航误差角对风电机组发电效率的影响，也考虑了风资源的稳定性；风速分度的依据科学、全面。多目标优化寻找各风速段内最优的启动对风控制参数时，优化目标之一发电量W计算的准确性依赖于风电机组的瞬时功率P计算的公式中两个常系数求解的准确性；本发明在大量分析的基础上，提出了按照风速大小分两个区间进行参数分段辨识的常系数求解方法，提高了发电量优化目标计算的准确性。基于NSGA-II算法和TOPSIS方法给出了完整的风电机组偏航系统启动对风多目标决策流程，与将多目标问题转化成单目标问题的优化方法相比，能更好的依据具体情况在有效降低偏航次数和保证风电机组发电效率这两个目标之间实现平衡。本发明还可推广应用于其它复杂机电控制系统的多目标决策优化。

如上所述是结合具体内容提供的一种实施方式，并不认定本申请的具体实施只局限于这些说明。凡与本申请的方法、结构等近似、雷同，或是对于本申请构思前提下做出若干技术推演或替换，都应当视为本申请的保护范围。

Claims (10)

1.一种风电机组偏航系统启动对风控制策略的优化方法，其特征在于，对风速低于额定风速时风电机组采用的偏航系统启动对风控制策略，包括以下步骤：

S1：从SCADA系统中读取目标风电机组稳定服役后hy年以第一预设时间为时间分辨率记录的历史运行数据，构建数据集Cm；以及最近连续hs个月以第二预设时间为时间分辨率记录的历史运行数据，构建数据集Cs；

S2:将目标风电机组切入风速v_in和额定风速v_rated之间的风速区间[v_in，v_rated]等距离离散为ZR个子区间[v_in，v₁)、[v₁，v₂)、……、[v_ZR-1，v_ZR]；

S3：使用Cm中的数据，依据提取得到的风速区间偏航综合特征，确定[v_in，v_rated]风速区间内偏航系统启动对风策略的风速分段方案；

S4：若步骤S3得到的需要独立设置偏航系统启动对风策略的风速区间共有NI个，以偏航次数Q最小化和发电量W最大化为目标，使用数据集Cs，采用多目标优化算法对各风速区间的偏航误差角阈值θ_i延迟时间阈值T_i(i＝1,2,……NI)进行优化，得到上述偏航控制参数的Pareto前沿解集；

S5：确定偏航次数和发电量两个优化目标的重要性权重，采用多属性决策分析TOPSIS方法从Pareto前沿解集中获得偏航启动控制参数最优解；

S6：将各区间内的偏航启动控制策略设置为：当第i(i＝1,2,……NI)个需要独立设置偏航系统启动对风策略的风速区间内偏航误差角大于阈值θ_i且持续时间超过延迟时间阈值T_i时，启动对风。

2.根据权利要求1所述的一种风电机组偏航系统启动对风控制策略的优化方法，其特征在于，在步骤S3中，偏航综合特征由“偏航误差-功率”关联特征和风速湍流特征计算合成得到，其中，提取风速子区间“偏航误差-功率”关联特征的方法包括以下步骤：

A1：计算风速区间j的基准发电功率PS：

其中，sp为数据集Cm中的样本点；SCm是数据集Cm中风速位于当前风速子区间范围内且偏航误差角参数的绝对值位于[0°,1°)范围内的样本点构成的子集；sp_power为样本点sp的输出有功功率参数；NSCm为子集SCm中样本点的个数；

A2：计算风速区间j的偏差发电功率PB：

其中，BCm是数据集Cm中风速参数位于当前风速子区间范围内且偏航误差角参数的绝对值位于[Fb°,Fb+1°)范围内的样本点构成的子集，其中4≤Fb_h≤10；sp_power为样本点sp的输出有功功率参数；NBCm为子集BCm中样本点的个数；

A3：计算该风速区间的“偏航误差-功率”关联特征F^ya-p：

其中，PD为功率基准常数，PD在区间[100,1000]中取值。

3.根据权利要求2所述的一种风电机组偏航系统启动对风控制策略的优化方法，其特征在于，由各风速子区间的“偏航误差-功率”关联特征和风速湍流特征计算偏航综合特征的计算方法为：

F^c＝bp×F^ya-p+(1-bp)×F^ti

其中，F^c即偏航综合特征，bp为“偏航误差-功率”关联特征权重，bp在区间[0.7,0.95]中取值。

4.根据权利要求1所述的一种风电机组偏航系统启动对风控制策略的优化方法，其特征在于，在步骤S3中，依据各风速子区间的偏航综合特征，确定[v_in，v_rated]风速区间内偏航系统启动对风策略按照风速分段方案的方法包括以下步骤：

B1：令j＝1，计算第j个风速子区间的偏航综合特征

B2：令i＝1，将第j个风速子区间作为第i个需独立设置偏航系统启动对风策略的风速段，并将该风速区间的偏航综合特征作为第i个需独立设置偏航系统启动对风策略的风速段的偏航综合特征/>

B3：令j＝j+1，计算第j个风速子区间的偏航综合特征

B4：若成立，则将第j个风速子区间合并到第i个需要独立设置偏航系统启动对风策略的风速段，区间合并后重新计算/>

否则令i＝i+1，将第j个风速子区间作为第i个需要独立设置偏航系统启动对风策略的风速段，同时将作为新的/>

B5：判断第j个风速子区间是否为最后一个离散风速子区间；如果是，则风速分段结束，得到[v_in，v_rated]风速区间内设置偏航系统启动对风策略的风速分段方案；否则转到步骤B3。

5.根据权利要求1所述的一种风电机组偏航系统启动对风控制策略的优化方法，其特征在于，在步骤S5中：

优化过程中目标Q的计算公式为：Q＝∑Sa，其中Sa为分析的运行数据中满足偏航启动策略的次数；

优化过程中目标W的计算公式为：W＝∑P×Δt，其中，P为风电机组的瞬时功率，Δt为数据Cs的数据记录时间间隔，Δt的取值范围为[0.5,5]；

风电机组的瞬时功率P的计算公式为：P＝Co×ω³×cos³θ+Cp其中，θ为风电机组偏航误差角，ω为风轮转速，Co为与风轮直径、空气密度、风轮利用系数有关的系数；Cp为与误差、发电机转换效率相关的补偿系数。

6.根据权利要求5所述的一种风电机组偏航系统启动对风控制策略的优化方法，其特征在于，计算瞬时功率P的参数Co、Cp在使用功率计算公式前，需利用数据集Cs中记录的偏航误差角、风轮转速和输出有功功率参数采用最小二乘法求解，包括以下步骤：

C1：提取Cs中风速在[v_in，v_d]范围内的样本点6≤v_d≤9，使用上述样本点采用最小二乘法求解这一风速范围内的Co、Cp，分别记为Co₁、Cp₁；

C2：提取Cs中风速在(v_d，v_rated]范围内的样本点，使用上述样本点采用最小二乘法求解这一风速范围内的Co、Cp，分别记为Co₂、Cp₂；

C3：

Co、Cp分别通过以上公式计算得出。

7.根据权利要求1所述的一种风电机组偏航系统启动对风控制策略的优化方法，其特征在于，在步骤S5中，采用的多目标优化算法为第二代非支配排序遗传算法，即NSGA-II算法，对各风速区间的偏航误差角阈值θ_k和延迟时间阈值T_k进行优化为(K＝1,2,……,IN)的方法包括以下步骤：

D1：将待优化的偏航误差角阈值θ_k的合理取值范围限定为[0°，60°]，延迟时间阈值T_k的合理范围限定为[0s，360s]；

D2：按照NSGA-II算法，最优个体系数取值为Ns，以Pops为种群大小，创建待优化变量[θ₁,θ₂,……,θ_in,T₁,T₂,……,T_IM]的初始种群；其中，0.5≤Ns≤0.9，50≤Pops≤300；

D3：按照NSGA-II算法和偏航启动对风策略优化目标Q、W计算方法，评估种群中各个体的适应度，根据个体之间的支配关系对种群进行非支配排序，将各个体划分为不同的等级；

D4：按照NSGA-II算法，计算每个等级中个体的拥挤度距离，根据非支配排序和拥挤度距离选择下一代的个体；

D5：交叉率取值为CR，变异率取值为MR，对选择的个体应用交叉和变异操作，生成下一代的群；其中，0.5≤CR≤0.95，0.05≤MR≤0.55；

D6：若达到了最大进化代数MI，则输出当前种群为偏航控制参数的Pareto前沿解集，否则转到步骤D3；其中，30≤MI≤100。

8.根据权利要求1所述的一种风电机组偏航系统启动对风控制策略的优化方法，其特征在于，在步骤S5中，执行多目标优化时航误差角θ更新公式为：

其中，D是当前时刻风向值；D_-1是上一个时刻风向值；θ_-1是上一个时刻偏航误差角，VY是偏航速度，为0.3deg/s≤VY≤1.2deg/s。

9.根据权利要求1所述的一种风电机组偏航系统启动对风控制策略的优化方法，其特征在于，在步骤S5中，采用TOPSIS方法从Pareto解集中确定最优解的方法包括以下步骤:

E1：对各个方案的偏航次数指标进行正向化处理：PQ_k＝max(Q_k)-Q_k，k＝1,2,……,NP

其中，Q_k为Pareto解集中第k个解的偏航次数指标；PQ_k为正向化后的偏航次数指标，NP为Pareto前沿解集中解的个数，由NSGA-II算法的原理可知，NP＝Ns×Pops；

E2：构建解集中各解标准化的评价指标向量Z_k，其中，k＝1,2,……,NP：

E3：计算理想解的评价指标向量Z⁺和负理想解的评价指标向量Z^-：

E4：计算各解到理想解和负理想解的距离D_k ⁺，D_k ^-：

其中，wt₁、wt₂分别为发电量指标和偏航次数的重要性权重，wt₁的取值范围为[0.6,0.8]且wt₁+wt₂＝1；

E5：计算各个解的得分Sr_k：

E6：根据得分对各解进行排名，选择得分最高的解为最优解。

10.根据权利要求1所述的一种风电机组偏航系统启动对风控制策略的优化方法，其特征在于，在步骤S2中，目标风电机组切入风速v_in的取值范围为[2m/s,6m/s]；额定风速v_rated的取值范围为[9m/s,16m/s]；离散子风速区间的个数ZR为正整数，取值范围为[6,20]。