CN117846876A - 风电场及其风机控制方法和装置、计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种风电场及其风机控制方法和装置、计算机可读存储介质，所述方法包括：根据风电场的气象数据确定主导风向，并根据主导风向确定关键风机；基于关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得非关键风机的气象数据；将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得风电场的总功率值；对关键风机的运行参数进行调整，以优化风电场的总功率值。本发明的控制方法，能够实现风机参数快速调整，并确保输出总功率最佳，达到风电场发电量最佳的目的。

Description

风电场及其风机控制方法和装置、计算机可读存储介质

技术领域

本发明涉及风电技术领域，尤其涉及一种风电场的风机控制方法、一种风电场的风机控制装置、一种计算机可读存储介质和一种风电场。

背景技术

随着全球能源结构的转型和环境保护的日益重要，风电作为一种清洁、可再生的能源，得到了各国政府和企业的大力支持。集中式风电场作为风电的主要应用形式之一，也得到了快速发展，集中式风电场是指将风力发电机组安装在一定区域内，通过输电线路将电能输送到用户的一种风电发电方式。

然而，在集中式风电场的发展过程中，也暴露出一些问题，如风机发电效率不高、气象预测不准导致调度策略不佳、人工主导的调度效率低等一系列问题，从而导致风机参数调整的不够及时，使得风电场总输出功率不能保持一个最佳状态，也就是说，不能保障风电场的发电量为最佳发电量。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的第一个目的在于提出一种风电场的风机控制方法，根据风电场的气象数据确定主导风向，并根据主导风向确定关键风机，然后基于关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得非关键风机的气象数据，将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得风电场的总功率值，对关键风机的运行参数进行调整，以优化风电场的总功率值，从而能够实现风机参数快速调整，并确保输出总功率最佳，达到风电场发电量最佳的目的。

本发明的第二个目的在于提出一种风电场的风机控制装置。

本发明的第三个目的在于提出一种计算机可读存储介质。

本发明的第四个目的在于提出一种风电场。

为达到上述目的，本发明第一方面实施例提出了一种风电场的风机控制方法，所述方法包括：根据所述风电场的气象数据确定主导风向，并根据所述主导风向确定关键风机；基于所述关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得所述非关键风机的气象数据；将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得所述风电场的总功率值；对所述关键风机的运行参数进行调整，以优化所述风电场的总功率值。

根据本发明实施例的风电场的风机控制方法，根据风电场的气象数据确定主导风向，并根据主导风向确定关键风机，基于关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得非关键风机的气象数据，将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得风电场的总功率值，对关键风机的运行参数进行调整，以优化风电场的总功率值。由此，该方法能够实现风机参数快速调整，并确保输出总功率最佳，达到风电场发电量最佳的目的。

另外，根据本发明上述实施例的风电场的风机控制方法还可以具有如下的附加技术特征：

根据本发明的一个实施例，对所述关键风机的运行参数进行调整，以优化所述风电场的总功率值，包括：获取每个所述关键风机的输出功率；根据每个所述关键风机的功率曲线和对应的输出功率确定所述关键风机的运行参数调整顺序；按照所述调整顺序依次调整所述关键风机的运行参数。

根据本发明的一个实施例，按照所述调整顺序依次调整所述关键风机的运行参数，包括：根据调整后的所述关键风机的运行参数确定该关键风机对应的所述风电场的总功率变化灵敏度，其中，所述关键风机的运行参数包括桨距角、机舱角度、发电机转差率中的一种或多种；在所有所述关键风机对应的所述风电场的总功率变化灵敏度在预设范围内时，停止对所述关键风机的运行参数调整；在所有所述关键风机对应的所述风电场的总功率变化灵敏度未处于预设范围内时，若当前所述关键风机的输出功率达到预设功率，则按照调整顺序对下一个所述关键风机进行调整。

根据本发明的一个实施例，风电场的风机控制方法还包括：在所述关键风机的输出功率大于参考点的输出功率时，将所有所述关键风机对应的所述风电场的总功率变化灵敏度按照从高到低的优先级顺序排列；在对所述关键风机的运行参数进行调整时，按照优先级顺序确定下一次需要调整运行参数的关键风机；在所述关键风机的输出功率小于参考点的输出功率时，将所有所述关键风机的输出功率按照从小到大的顺序排列，在对所述关键风机的运行参数进行调整时，按照优先级顺序确定下一次需要调整运行参数的关键风机。

根据本发明的一个实施例，根据每个所述关键风机的功率曲线和对应的输出功率确定所述关键风机的运行参数调整顺序，包括：根据每个所述关键风机的功率曲线确定对应的参考变化率；根据每个所述关键风机的输出功率确定该关键风机满功率的占比；基于所有所述关键风机的占比与对应的参考变化率之间的比值确定所述关键风机的运行参数调整顺序。

根据本发明的一个实施例，根据所述主导风向确定关键风机，包括：以所述主导风向为中线，风机左右方向扩散预设角度，按照预设半径形成扇形区域；在所述扇形区域的风机个数大于预设数量时，确定该风机为所述关键风机。

根据本发明的一个实施例，风电场的风机控制方法还包括：获取风电场所处位置的气象数据和地形数据；基于所述风机的功率曲线、所述气象数据和所述地形数据，采用深度学习算法进行模型训练，以生成每个风机的尾流模型。

根据本发明的一个实施例，风电场的风机控制方法还包括：获取所述风电场的风机无向连通图；根据所述风机无向连通图和所述地形数据对风机进行分组；根据组内的每个风机的尾流模型及相应的权重系数确定所述关键风机的尾流模型。

根据本发明的一个实施例，将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，包括：处于同一组的风机采用相同的功率预测模型；其中，所述功率预测模型根据组内每个风机的功率预测模型的权重系数确定，每个风机的功率预测模型基于每个风机的气象数据和功率曲线确定。

根据本发明的一个实施例，风电场的风机控制方法还包括：基于所述风电场的历史气象数据构建气象预测模型，其中，历史气象数据包括测风塔数据和风机气象传感器数据中的至少一种。

根据本发明的一个实施例，风电场的风机控制方法还包括：在对所述关键风机的运行参数调整之后，保持所述关键风机的运行参数不变，对所述非关键风机的运行参数进行调整。

根据本发明的一个实施例，对所述非关键风机的运行参数进行调整，包括：获取所述非关键风机对应的参考变化率；对所述非关键风机的运行参数进行调整，以使所述非关键风机的满功率的占比靠近对应的参考变化率。

为达到上述目的，本发明第二方面实施例提出了一种风电场的风机控制装置，包括：确定模块，用于根据所述风电场的气象数据确定主导风向，并根据所述主导风向确定关键风机；修正模块，用于基于所述关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得所述非关键风机的气象数据；获取模块，用于将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得所述风电场的总功率值；调整模块，用于对所述关键风机的运行参数进行调整，以优化所述风电场的总功率值。

根据本发明实施例的风机控制装置，确定模块用于根据风电场的气象数据确定主导风向，并根据主导风向确定关键风机,修正模块用于基于关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得非关键风机的气象数据,获取模块用于将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得风电场的总功率值,调整模块用于对关键风机的运行参数进行调整，以优化风电场的总功率值。由此，该装置能够实现风机参数快速调整，并确保输出总功率最佳，达到风电场发电量最佳的目的。

为达到上述目的，本发明第三方面实施例提出了一种计算机可读存储介质，其上存储有风电场的风机控制程序，该风电场的风机控制程序被处理器执行时实现上述的风电场的风机控制方法。

根据本发明实施例的计算机可读存储介质，通过执行时实现上述的风电场的风机控制方法，能够实现风机参数快速调整，并确保输出总功率最佳，达到风电场发电量最佳的目的。

为达到上述目的，本发明第四方面实施例提出的一种风电场，包括多个风机；控制器，所述控制器执行上述的风电场的风机控制方法，以对所述风机进行控制。

根据本发明实施例的风电场，通过控制器执行上述的风电场的风机控制方法，以对风机进行控制，能够实现风机参数快速调整，并确保输出总功率最佳，达到风电场发电量最佳的目的。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

图1为根据本发明实施例的风电场的风机控制方法的流程图；

图2为根据本发明实施例的关键风机示意图；

图3为根据本发明实施例的风机功率曲线示意图；

图4为根据本发明实施例的风机影响范围示意图；

图5为根据本发明一个具体示例的风电场的风机控制方法的流程图；

图6为根据本发明实施例的风电场的风机控制方法装置的方框示意图；

图7为根据本发明实施例的风电场的方框示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

目前相关技术中风机控制策略主要有以下几种：(1)传统的人工监控和调度，这种方法主要依靠操作人员对风机的实时监控和手动调度，具有响应速度快、适应性强的优点，但缺点是人力成本高、调度效率低、容易出现误操作等问题。(2)基于计算机模拟的风机控制策略，这种方法主要通过计算机模拟风机的运行过程，制定相应的控制策略，具有计算精度高、可靠性强的优点，但缺点是计算量庞大、实时性差、难以应对复杂多变的运行环境等问题。(3)基于智能优化算法的风机控制策略，这种方法主要利用智能优化算法对风机的控制策略进行优化，具有自动调整、全局寻优等优点，但缺点是需要大量的优化计算资源、算法复杂度较高等问题。

针对集中式风电场景所出现的发电效率低、人工调度响应慢、调度策略不佳以及基于智能优化算法计算量大、算法复杂等问题，本发明提出了一种风电场的风机控制方法，对风电场构建尾流及发电功率模型，以关键风机为切入点，快速计算风机运行参数，从而确保输出总功率最佳，达到风电场发电量最佳的目的。

下面参考附图描述本发明实施例提出的风电场的风机控制方法、风电场的风机控制装置、计算机可读存储介质和风电场。

图1为根据本发明实施例的风电场的风机控制方法的流程图。

如图1所示，本发明实施例的风电场的风机控制方法可包括以下步骤：

S1，根据风电场的气象数据确定主导风向，并根据主导风向确定关键风机。

具体而言，风电场是指利用风力发电的机构，其可以包括多个风电机组。其中，风电机组是指风力发电机组，其可以包括基础、塔架、机舱、轮毂、叶片(风轮)组成和风速仪。可选地，风电场可以通过SCADA(Supervisory Control And Data Acquisition，数据采集与监视控制系统)获取风电机组的运行参数，该运行参数可以包括风速、风向、风轮转速、风电功率、风电机组的运行状态等。风电场还可以通过风机传感器获取气象数据，诸如风速、温度、压强、密度、湿度等，气象数据还可通过测风塔、天气预报等获取。

结合气象数据，找出对整个风电场影响较大的风机，即为关键风机。如可根据风电场的气象数据先确定主导风向，例如，如图2所示，以图像上方为北，主导风向则为自西向东的风向，结合主导风向，可确定关键风机。进一步地，为了更准确的根据主导风向确定关键风机，关键风机还应当对其他风机产生影响，即在迎风面的前排风机并且尾流会对多个风机产生影响的风机即为关键风机，处于孤立或者对其他风机影响小的风机视为普通风机，即在图2中，M、N、X、Y均为孤立风机，因此不可以作为关键风机，可视为普通风机，而A、B、C、D所处的位置为正面迎着主导风向，且受其影响风机较多，可视为关键风机。

S2，基于关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得非关键风机的气象数据。

具体而言，风电场中有多个风机，关键风机由于处在迎风面的前排位置处，而非关键风机则处于关键风机的后方位置，即非关键风机受到的风力不仅由于自然风吹过，而且包含关键风机运行时所产生的风力，也即关键风机的尾流对其后方其他风机的效能产生影响，尾流中的气流速度减小和方向改变可能导致后续风机接收到的风能减少，从而降低其发电效率。因此，可根据关键风机的风电场尾流模型对非关键风机的气象数据进行修正，即非关键风机的气象数据是在根据测风塔数据、天气预报数据或者风向传感器数据获取后，结合关键风机的风电场尾流模型对气象数据进行修正，例如，可按照一定的比例对气象数据(如风速)进行调整。

S3，将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得风电场的总功率值。

S4，对关键风机的运行参数进行调整，以优化风电场的总功率值。

具体而言，在获取风电场的总功率值时，可先构建风电场的功率预测模型，例如，可通过构建单个风机的功率预测模型，然后根据每个功率的预测模型计算出来的功率值进行累加，即可确定风电场的总功率值。在进行单风机功率预测时，可将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，例如，根据气象数据确定风速，然后根据风速和风机功率曲线的关系确定单个风机的功率值。其中，每个风机对应各自的功率曲线，不同风机所对应的功率曲线可能相同也可能不同，例如，相同型号的风机所对应的功率曲线相同，不同型号的风机所对应的功率曲线不同，另外，关键风机对应的气象数据与非关键风机对应的气象数据也不同。

为了确保输出总功率最佳，可对风机参数进行调优，即以整个风场总输出功率最大为目标，对所有风机进行控制。例如，可对关键风机的角度、转速等参数进行调整，以优化风电场的总功率值，从而能够实现风机参数快速调整，并确保输出总功率最佳，达到风电场发电量最佳的目的。

根据本发明的一个实施例，对关键风机的运行参数进行调整，以优化风电场的总功率值，包括：获取每个关键风机的输出功率；根据每个关键风机的功率曲线和对应的输出功率确定关键风机的运行参数调整顺序；按照调整顺序依次调整关键风机的运行参数。

具体而言，在关键风机的运行参数进行调整时，首先获取每个关键风机的输出功率，例如，可通过安装功率测量设备，如功率计，以直接测量每个关键风机的输出功率，或者可通过转速传感器和转矩传感器来测量风机的转速和转矩，通过转矩和角速度的乘积确定输出功率。

风机的功率曲线描述了在不同风速条件下风机的输出功率，当风速较小时，如在3～25m/s，输出功率较低；随着风速的增加，输出功率逐渐增加，直到达到某个最大输出功率值。超过这个最大功率点，随着风速的进一步增加，当风速增加到一定幅度后功率区域稳定，并且功率曲线的加速度呈先增后减，直至降为零。为了实现对风机的运行参数快速调整，并确保输出总功率最佳，在获取到每个关键风机的输出功率后，可根据每个关键风机的功率曲线和对应的输出功率确定关键风机的运行参数调整顺序，并按照调整顺序依次调整关键风机的运行参数。例如，可根据关键风机的功率曲线确定最大输出功率值，并计算当前输出功率与最大输出功率值的比值，将比值按照从小到大的顺序进行排列，可当将当前输出功率小于最大输出功率值最多的关键风机最先进行运行参数的调整，然后将当前输出功率小于最大输出功率值次多的关键风机进行运行参数的调整，以此类推，最后调整当前输出功率小于最大输出功率值最小的关键风机运行参数。例如，在对A风机和B风机调整时，若A风机的最大输出功率为5MW，当前输出功率为2MW，可确定当前A风机的功率输出达成率为40％，如果另一风机B的最大输出功率为5MW，当前输出功率为3MW，可确定当前B风机的输出达成率为60％，则优先对A风机进行调整。

根据本发明的一个实施例，按照调整顺序依次调整关键风机的运行参数，包括：根据调整后的关键风机的运行参数确定该关键风机对应的风电场的总功率变化灵敏度，其中，关键风机的运行参数包括桨距角、机舱角度、发电机转差率中的一种或多种；在所有关键风机对应的风电场的总功率变化灵敏度在预设范围内时，停止对关键风机的运行参数调整；在所有关键风机对应的风电场的总功率变化灵敏度未处于预设范围内时，若当前关键风机的输出功率达到预设功率，则按照调整顺序对下一个关键风机进行调整。其中，预设范围和预设功率可根据实际情况而定。

具体而言，在对关键风机的运行参数进行调整时，运行参数包括但不限于以下几种：桨距角(桨叶相对于风机旋转轴线的角度)、机舱角度(机舱面向方向所对应的角度)、发电机转差率(发电机输出的有功功率与其额定容量的比率)等。通过以上单一参数或组合参数的组合，即可实现对风机状态、输出功率进行实时精准控制。例如，当主导风向不变或变化角度幅度较小时(在一定范围内)，通过调整桨距角或发电机转差率来实现对风机功率的调整，当主导风向变化较大，预测仅调整桨距角无法达到预设功率时，优先调整机舱角度，再调整桨距角等参数进行风机功率控制。

在按照调整顺序依次调整关键风机的运行参数时，首先可根据调整后的关键风机的运行参数确定该关键风机对应的风电场的总功率变化灵敏度，也就是说，在对关键风机的运行参数调整后，风电场的总功率将会发生变化，根据运行参数调整前后，风电场的总功率变化值的大小，可确定该关键风机对应的风电场的总功率变化灵敏度，即某个参数变化对系统总功率的影响程度。例如，可根据风机的数量，将总功率变化值折算成单位风机参数变化值所对应的风电场总功率变化值，即为该风机参数变化引起的风电场总功率变化灵敏度。另外，还可以通过预先设定的对应关系确定总功率变化灵敏度，例如，预先确定关键风机对应的风电场的总功率变化值与总功率变化灵敏度的关系，在风电场的总功率变化值确定后，直接调用对应关系即可获得总功率变化灵敏度。

在获取到总功率变化灵敏度后，将所有关键风机对应的风电场的总功率变化灵敏度与预设范围进行比较，当所有关键风机对应的风电场的总功率变化灵敏度在预设范围内时，说明当前对关键风机的运行参数调整符合预期，可停止对关键风机的运行参数调整。当所有关键风机对应的风电场的总功率变化灵敏度未处于预设范围内时，说明当前对关键风机的运行参数调整不符合预期，可继续按照调整顺序对下一个关键风机的运行参数调整。例如，关键风机为A、B、C，并且以关键风机的调整顺序为A、B、C且预设功率设置为关键风机额定功率的80％为例进行说明，在对关键风机的运行参数调整时，将当前关键风机的输出功率与预设功率进行比较，若当前关键风机A的输出功率已经达到预设功率，但所有关键风机对应的风电场的总功率变化灵敏度未处于预设范围内，可按照调整顺序继续对关键风机B的运行参数进行调整。在对关键风机B的运行参数进行调整后，继续判断所有关键风机对应的风电场的总功率变化灵敏度是否处于预设范围内，若经过对关键风机B的运行参数调整后，当前所有关键风机对应的风电场的总功率变化灵敏度处于预设范围内，说明当前对关键风机的运行参数调整符合预期，可停止对关键风机B的运行参数调整，若当前所有关键风机对应的风电场的总功率变化灵敏度仍未处于预设范围内，可继续按照调整顺序对下一个关键风机C的运行参数进行调整，直至当前所有关键风机对应的风电场的总功率变化灵敏度处于预设范围内。

根据本发明的一个实施例，风电场的风机控制方法还包括：在关键风机的输出功率大于参考点的输出功率时，将所有关键风机对应的风电场的总功率变化灵敏度按照从高到低的优先级顺序排列，在对关键风机的运行参数进行调整时，按照优先级顺序确定下一次需要调整运行参数的关键风机；在关键风机的输出功率小于参考点的输出功率时，将所有关键风机的输出功率按照从小到大的顺序排列，在对关键风机的运行参数进行调整时，按照优先级顺序确定下一次需要调整运行参数的关键风机。

具体而言，为了更快的调整风电场的总功率值，在对关键风机的运行参数进行调整时，可按照一定的顺序确定需要调整运行参数的关键风机，即可对当前关键风机的输出功率与参考点的输出功率进行比较，当关键风机的输出功率大于参考点的输出功率时，可将所有关键风机对应的风电场的总功率变化灵敏度按照从高到低的优先级顺序排列，例如，对于关键风机A、B、C而言，当各关键风机的输出功率都大于各自参考点的输出功率时，若根据变化参数与总功率的变化比值确定对关键风机A调整时的灵敏度最大，关键风机C的灵敏度最小，因此在调整关键风机的运行参数时，可先调整关键风机A的运行参数，然后调整关键风机B的运行参数，最后调整关键风机C的运行参数。

当关键风机的输出功率小于参考点的输出功率时，可将所有关键风机的输出功率按照从小到大的顺序排列，在对关键风机的运行参数进行调整时，按照优先级顺序确定下一次需要调整运行参数的关键风机。也就是说，在关键风机的输出功率较小时，优先对前输出功率较小的关键风机进行调整，例如，当前A风机的功率输出达成率为20％、B风机的功率输出达成率为30％、C风机的功率输出达成率为40％、因此可先调整关键风机A的运行参数，然后调整关键风机B的运行参数，最后调整关键风机C的运行参数。

根据本发明的一个实施例，根据每个关键风机的功率曲线和对应的输出功率确定关键风机的运行参数调整顺序，包括：根据每个关键风机的功率曲线确定对应的参考变化率；根据每个关键风机的输出功率确定该关键风机满功率的占比；基于所有关键风机的占比与对应的参考变化率之间的比值确定关键风机的运行参数调整顺序。

具体而言，在根据每个关键风机的功率曲线和对应的输出功率确定关键风机的运行参数调整顺序时，先根据每个关键风机的功率曲线确定对应的参考变化率，也就是说，不同的关键风机的功率曲线可能相同也可能不同，例如，在相同型号的多个关键风机中，每个关键风机的功率曲线相同，在不同型号的多个关键风机中，每个关键风机的功率曲线不同，因此每个关键风机的功率曲线对应的参考变化率可能是相同的也可能是不同的。即确定一个功率曲线，即可确定对应的参考变化率。其中，参考变化率为在风机的功率曲线中，功率变化速度最快的点(例如，图3中所示的P点)，即在该点之前变化的度越来越大，在该点之后变化的速度越来越小。

在获取到每个关键风机的输出功率后，可根据输出功率确定该关键风机满功率的占比，例如，当前预测的关键风机的输出功率为6MW，该关键风机的最大输出功率为10MW，从而可确定该关键风机满功率的占比为60％。在获取到多个风机满功率的占比后，可根据所有关键风机的占比与对应的参考变化率之间的比值确定关键风机的运行参数调整顺序，例如，以参考变化率对应的占比为50％为例，计算所有关键风机的占比与对应的参考变化率之间的比值，将比值按照从小到大的顺序进行排列，然后根据比值的大小确定关键风机的运行参数调整，即可先对比值小的关键风机的运行进行调整，后对比值大的关键风机的参数进行调整，从而能够提高响应速度。

根据本发明的一个实施例，根据主导风向确定关键风机，包括：以主导风向为中线，风机左右方向扩散预设角度，按照预设半径形成扇形区域；在扇形区域的风机个数大于预设数量时，确定该风机为关键风机。其中，预设角度可根据实际情况而定，按照预设半径可根据实际情况而定，预设数量可根据实际情况而定。

具体而言，在根据主导风向确定关键风机时，可以在一段时间内，如图4所示，以主导风向为中线，以中线为基准，风机向左扩散一定的角度(预设角度)并向右扩散一定的角度(预设角度)以形成扇形区域，其中，向左右方向扩散预设角度可以相同也可以不同，具体可根据地形结构或者根据气象数据等进行预先设定。并且所形成扇形区域的半径可以为风机扇叶直径的预设倍数，例如，预设半径可以为3倍的风机扇叶直径。在确定风机扇叶的直径后，即可确定按照预设半径所形成扇形区域的面积。

在确定扇形区域后，可在扇形区域内确定是否存在其他风机，将其他风机作为待识别风机(可能受关键风机影响的风机)，以待识别风机为扇形区域内的圆形，在扇形区域内，距离圆形一定值为界限，判断区域内是否有风机，如果存在，判断扇形区域的风机个数是否超过设定数量，例如，设定数量可以为1个或者多个，当扇形区域的风机个数超过设定数量时，可确定该风机为关键风机。

根据本发明的一个实施例，风电场的风机控制方法还包括：获取风电场所处位置的气象数据和地形数据；基于风机的功率曲线、气象数据和地形数据，采用深度学习算法进行模型训练，以生成每个风机的尾流模型。

具体而言，风电场所处位置的气象数据可包括：风速、压强、密度、湿度、温度等数据。在获取风电场所处位置的气象数据时，可根据测风塔测量的数据、风机传感器测量的数据、天气预报提供的数据进行获取。在获取风电场所处位置的地形数据时，可对风电场所在区域地形进行建模，构建DEM(Digital Elevation Model，数字高程模型)模型数据，如可根据航拍对地形进行拍摄，或者通过遥感卫星、激光雷达等获取地形数据，然后可对数据进行预处理，如数据清洗、去噪、配准等操作以提高数据的质量和准确性。然后可采用插值算法计算地表上每个点的高程信息，从而构建出一个连续的地形高度模型，以便获取风电场所处位置的地形数据。

在获取风电场所处位置的气象数据和地形数据后，可根据风机的功率曲线、气象数据和地形数据，采用深度学习算法进行模型训练，以生成每个风机的尾流模型，例如，在一些简单的情况下，尾流模型的关系可能是线性的，即可采用线性回归算法用于拟合线性关系，并生成一个简单的尾流模型，又如，可采用K近邻算法、支持向量机回归算法、神经网络算法等进行模型训练，以生成每个风机的尾流模型。其中，多个风机可能对应相同的功率曲线，也可能对应不同的功率曲线，具体可根据风机的型号进行确定。

根据本发明的一个实施例，风电场的风机控制方法还包括：获取风电场的风机无向连通图；根据风机无向连通图和地形数据对风机进行分组；根据组内的每个风机的尾流模型及相应的权重系数确定关键风机的尾流模型。

具体而言，为了简化计算，可在上述每个风机的尾流模型的基础上，对整个风电场进行进一步建模处理。即在风电场的风机按照预先设定的位置安装完成后，可获取相应的风机无向连通图，可根据地形、主导风向、风机的位置高低等，计算风机之间相互影响的邻接矩阵，按照风机相互影响权重，只需计算一定风速范围内数据，尾流影响权重满足一定预置比例时，才会予以计算，影响较小时，权重可视为0，即不参与风机参数的调整。其中，相互影响系数可为一个风机的输出功率与该风机周围其他风机的影响之间的关系，可以通过在不同位置和方向上的不同风速下进行模拟来获得。

结合地形参数等数据，可针对地形平坦，距离相对较近的风机，并结合上述无向连通图，对风机进行分组，对组内风机流体模型进行统一化处理，以一个关键风机为例，距离该关键风机最近的风机和最远的风机受到的尾流是不同的，因此可根据组内的每个风机的尾流模型及相应的权重系数确定关键风机的尾流模型，以降低计算量。

根据本发明的一个实施例，将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，包括：处于同一组的风机采用相同的功率预测模型；其中，功率预测模型根据组内每个风机的功率预测模型的权重系数确定，每个风机的功率预测模型基于每个风机的气象数据和功率曲线确定。

具体而言，在确定每个风机的功率模型时，可根据每个风机的气象数据和功率曲线确定，例如根据气象数据可以确定风速、风向等参数，在确定风速风向后，可根据风速和功率曲线确定功率预测模型，以快速预测单个风机的功率，为风电场总功率提供基础。

在将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入时，为了降低计算量，可将处于同一组的风机采用相同的功率预测模型以获得风电场的总功率值。另外，气象数据是固定的，但当风机运行时，当前位置的风机会对周围的风机进行干扰，风速风向都会发生变化，因此可经过尾流模型进行预测，计算各风机位置处气象数据、风速、风向、空气密度等。然后根据该数据，并结合功率曲线确定风电场的总功率值，并且处于同一组的风机中，每个风机的功率预测模型有相应的权重系数，即功率预测模型可根据组内每个风机的功率预测模型的权重系数确定。

根据本发明的一个实施例，风电场的风机控制方法还包括：基于风电场的历史气象数据构建气象预测模型，其中，历史气象数据包括测风塔数据和风机气象传感器数据中的至少一种。

具体而言，气象数据是指用于描述诸如风速、风向、压强、密度、湿度、温度等气象参数的数据，这些参数影响风电场的运行，由此可根据风电场的历史气象数据构建气象预测模型，其中，历史气象数据可包括测风塔数据(如风速、风向、温度、湿度、压强等)和风机气象传感器数据(如气温、湿度、风向和风速、气压等等)中的至少一种。例如，首先可获取测风塔数据，并对测风塔数据进行清洗、缺失值处理和特征工程等操作，以减少数据的噪声和不完整性，提高气象预测模型的准确性。在选择模型时，可以尝试多种机器学习算法，例如，通过随机森林算法进行模型的训练以构建气象预测模型。

又如，还可获取风机气象传感器数据，对风机气象传感器数据进行清洗、缺失值处理和特征工程等操作，以减少数据的噪声和不完整性，提高气象预测模型的准确性。在选择模型时，可以尝试多种机器学习算法，例如，通过神经网络算法进行模型的训练以构建气象预测模型。

还可以同时获取测风塔数据和风机气象传感器数据，并对获取的的送的护具进行清洗、缺失值处理和特征工程等操作，然后通过机器学习算法进行训练以构建气象预测模型。

另外，为了进一步提高气象预测模型的准确性，还可以将天气预报数据作为附加数据，可作为若引纳入模型参与建模，即以历史气象数据为基层，再结合中长期天气预报及实时天气预报数据进行模型训练，以生成气象预测模型，提高了气象预测的准确性。

根据本发明的一个实施例，风电场的风机控制方法还包括：在对关键风机的运行参数调整之后，保持关键风机的运行参数不变，对非关键风机的运行参数进行调整。

进一步地，根据本发明的一个实施例，对非关键风机的运行参数进行调整，包括：获取非关键风机对应的参考变化率；对非关键风机的运行参数进行调整，以使非关键风机的满功率的占比靠近对应的参考变化率。

具体而言，在对关键风机的运行参数调整之后，为了确保风电场输出总功率最佳，可保持关键风机的运行参数不变，并对非关键风机的运行参数进行调整。例如，可获取非关键风机对应的参考变化率，即可根据非关键风机的功率曲线(功率-风速曲线)确定对应的参考变化率，参考变化率也即在该点(记作P点)功率随风速变化最快。在确定参考变化率后，可对非关键风机的运行参数进行调整，并且在调整时，采用优先调整功率上升较快的非关键风机，即非关键风机的功率值距离P点最近的值所对应的风机，从而可以使得非关键风机的满功率的占比靠近对应的参考变化率。

需要说明的是，为了减少调整非关键风机的运行参数的次数，保障风机的使用上面，只有在预测功率值增加到预先设定的功率值时才调整非关键风机运行参数，从而降低调整非关键风机的调整次数。

下面结合图5来描述本发明的控制方法。

作为一个具体示例，本发明的风电场的风机控制方法可包括以下步骤：

S101，根据风电场的气象数据确定主导风向。

S102，以主导风向为中线，风机左右方向扩散预设角度，按照预设半径形成扇形区域。

S103，在扇形区域的风机个数大于预设数量时，确定该风机为关键风机。

S104，基于风机的功率曲线、气象数据和地形数据，采用深度学习算法进行模型训练，以生成每个风机的尾流模型。

S105，基于关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得非关键风机的气象数据。

S106，将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得风电场的总功率值。

S107，获取每个关键风机的输出功率。

S108，根据每个关键风机的功率曲线和对应的输出功率确定关键风机的运行参数调整顺序。

S109，按照调整顺序依次调整关键风机的运行参数，以优化风电场的总功率值。

S110，保持关键风机的运行参数不变，并获取非关键风机对应的参考变化率。

S111，对非关键风机的运行参数进行调整，以使非关键风机的满功率的占比靠近对应的参考变化率。

综上所述，根据本发明实施例的风电场的风机控制方法，根据风电场的气象数据确定主导风向，并根据主导风向确定关键风机，基于关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得非关键风机的气象数据，将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得风电场的总功率值，对关键风机的运行参数进行调整，以优化风电场的总功率值。由此，该方法能够实现风机参数快速调整，并确保输出总功率最佳，达到风电场发电量最佳的目的。

对应上述实施例，本发明还提出了一种风电场的风机控制装置。

如图6所示，本发明实施例的风电场的风机控制装置100包括：确定模块110、修正模块120、获取模块130和调整模块140。

其中，确定模块110用于根据风电场的气象数据确定主导风向，并根据主导风向确定关键风机。修正模块120用于基于关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得非关键风机的气象数据。获取模块130用于将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得风电场的总功率值。调整模块140用于对关键风机的运行参数进行调整，以优化风电场的总功率值。

根据本发明的一个实施例，调整模块140对关键风机的运行参数进行调整，以优化风电场的总功率值，具体用于：获取每个关键风机的输出功率；根据每个关键风机的功率曲线和对应的输出功率确定关键风机的运行参数调整顺序；按照调整顺序依次调整关键风机的运行参数。

根据本发明的一个实施例，调整模块140按照调整顺序依次调整关键风机的运行参数，具体用于：根据调整后的关键风机的运行参数确定该关键风机对应的风电场的总功率变化灵敏度，其中，关键风机的运行参数包括桨距角、机舱角度、发电机转差率中的一种或多种；在所有关键风机对应的风电场的总功率变化灵敏度在预设范围内时，停止对关键风机的运行参数调整；在所有关键风机对应的风电场的总功率变化灵敏度未处于预设范围内时，若当前关键风机的输出功率达到预设功率，则按照调整顺序对下一个关键风机进行调整。

根据本发明的一个实施例，调整模块140还用于：在关键风机的输出功率大于参考点的输出功率时，将所有关键风机对应的风电场的总功率变化灵敏度按照从高到低的优先级顺序排列，在对关键风机的运行参数进行调整时，按照优先级顺序确定下一次需要调整运行参数的关键风机；在关键风机的输出功率小于参考点的输出功率时，将所有关键风机的输出功率按照从小到大的顺序排列，在对关键风机的运行参数进行调整时，按照优先级顺序确定下一次需要调整运行参数的关键风机。

根据本发明的一个实施例，调整模块140根据每个关键风机的功率曲线和对应的输出功率确定关键风机的运行参数调整顺序，具体用于：根据每个关键风机的功率曲线确定对应的参考变化率；根据每个关键风机的输出功率确定该关键风机满功率的占比；基于所有关键风机的占比与对应的参考变化率之间的比值确定关键风机的运行参数调整顺序。

根据本发明的一个实施例，确定模块110根据主导风向确定关键风机，具体用于：以主导风向为中线，风机左右方向扩散预设角度，按照预设半径形成扇形区域；在扇形区域的风机个数大于预设数量时，确定该风机为关键风机。

根据本发明的一个实施例，获取模块130还用于：获取风电场所处位置的气象数据和地形数据；基于风机的功率曲线、气象数据和地形数据，采用深度学习算法进行模型训练，以生成每个风机的尾流模型。

根据本发明的一个实施例，确定模块110还用于：获取风电场的风机无向连通图；根据风机无向连通图和地形数据对风机进行分组；根据组内的每个风机的尾流模型及相应的权重系数确定关键风机的尾流模型。

根据本发明的一个实施例，获取模块130将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，具体用于：处于同一组的风机采用相同的功率预测模型；其中，功率预测模型根据组内每个风机的功率预测模型的权重系数确定，每个风机的功率预测模型基于每个风机的气象数据和功率曲线确定。

根据本发明的一个实施例，确定模块110还用于：基于风电场的历史气象数据构建气象预测模型，其中，历史气象数据包括测风塔数据和风机气象传感器数据中的至少一种。

根据本发明的一个实施例，调整模块140还用于：在对关键风机的运行参数调整之后，保持关键风机的运行参数不变，对非关键风机的运行参数进行调整。

根据本发明的一个实施例，调整模块140对非关键风机的运行参数进行调整，具体用于：获取非关键风机对应的参考变化率；对非关键风机的运行参数进行调整，以使非关键风机的满功率的占比靠近对应的参考变化率。

需要说明的是，本发明实施例的风电场的风机控制装置中未披露的细节，请参照本发明实施例的风电场的风机控制方法中所披露的细节，具体这里不再赘述。

根据本发明实施例的风机控制装置，确定模块用于根据风电场的气象数据确定主导风向，并根据主导风向确定关键风机,修正模块用于基于关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得非关键风机的气象数据,获取模块用于将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得风电场的总功率值,调整模块用于对关键风机的运行参数进行调整，以优化风电场的总功率值。由此，该装置能够实现风机参数快速调整，并确保输出总功率最佳，达到风电场发电量最佳的目的。

对应上述实施例，本发明还提出了一种计算机可读存储介质。

本发明实施例的计算机可读存储介质，其上存储有风电场的风机控制程序，该风电场的风机控制程序被处理器执行时实现上述的风电场的风机控制方法。

根据本发明实施例的计算机可读存储介质，通过执行上述的风电场的风机控制方法，能够实现风机参数快速调整，并确保输出总功率最佳，达到风电场发电量最佳的目的。

对应上述实施例，本发明还提出了一种风电场。

如图7所示，本发明实施例的风电场200可包括：包括多个风机210；控制器220，控制器220执行上述的风电场的风机控制方法，以对风机210进行控制。

根据本发明实施例的风电场，通过控制器执行上述的风电场的风机控制方法，以对风机进行控制，能够实现风机参数快速调整，并确保输出总功率最佳，达到风电场发电量最佳的目的。

需要说明的是，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (15)

1.一种风电场的风机控制方法，其特征在于，所述方法包括：

根据所述风电场的气象数据确定主导风向，并根据所述主导风向确定关键风机；

基于所述关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得所述非关键风机的气象数据；

将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得所述风电场的总功率值；

对所述关键风机的运行参数进行调整，以优化所述风电场的总功率值。

2.根据权利要求1所述的控制方法，其特征在于，对所述关键风机的运行参数进行调整，以优化所述风电场的总功率值，包括：

获取每个所述关键风机的输出功率；

根据每个所述关键风机的功率曲线和对应的输出功率确定所述关键风机的运行参数调整顺序；

按照所述调整顺序依次调整所述关键风机的运行参数。

3.根据权利要求2所述的控制方法，其特征在于，按照所述调整顺序依次调整所述关键风机的运行参数，包括：

根据调整后的所述关键风机的运行参数确定该关键风机对应的所述风电场的总功率变化灵敏度，其中，所述关键风机的运行参数包括桨距角、机舱角度、发电机转差率中的一种或多种；

在所有所述关键风机对应的所述风电场的总功率变化灵敏度在预设范围内时，停止对所述关键风机的运行参数调整；

在所有所述关键风机对应的所述风电场的总功率变化灵敏度未处于预设范围内时，若当前所述关键风机的输出功率达到预设功率，则按照调整顺序对下一个所述关键风机进行调整。

4.根据权利要求3所述的控制方法，其特征在于，还包括：

在所述关键风机的输出功率大于参考点的输出功率时，将所有所述关键风机对应的所述风电场的总功率变化灵敏度按照从高到低的优先级顺序排列，在对所述关键风机的运行参数进行调整时，按照优先级顺序确定下一次需要调整运行参数的关键风机；

在所述关键风机的输出功率小于参考点的输出功率时，将所有所述关键风机的输出功率按照从小到大的顺序排列，在对所述关键风机的运行参数进行调整时，按照优先级顺序确定下一次需要调整运行参数的关键风机。

5.根据权利要求2所述的控制方法，其特征在于，根据每个所述关键风机的功率曲线和对应的输出功率确定所述关键风机的运行参数调整顺序，包括：

根据每个所述关键风机的功率曲线确定对应的参考变化率；

根据每个所述关键风机的输出功率确定该关键风机满功率的占比；

基于所有所述关键风机的占比与对应的参考变化率之间的比值确定所述关键风机的运行参数调整顺序。

6.根据权利要求1-5中任一项所述的控制方法，其特征在于，根据所述主导风向确定关键风机，包括：

以所述主导风向为中线，风机左右方向扩散预设角度，按照预设半径形成扇形区域；

在所述扇形区域的风机个数大于预设数量时，确定该风机为所述关键风机。

7.根据权利要求1所述的控制方法，其特征在于，还包括：

获取风电场所处位置的气象数据和地形数据；

基于所述风机的功率曲线、所述气象数据和所述地形数据，采用深度学习算法进行模型训练，以生成每个风机的尾流模型。

8.根据权利要求7所述的控制方法，其特征在于，还包括：

获取所述风电场的风机无向连通图；

根据所述风机无向连通图和所述地形数据对风机进行分组；

根据组内的每个风机的尾流模型及相应的权重系数确定所述关键风机的尾流模型。

9.根据权利要求8所述的控制方法，其特征在于，将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，包括：

处于同一组的风机采用相同的功率预测模型；

其中，所述功率预测模型根据组内每个风机的功率预测模型的权重系数确定，每个风机的功率预测模型基于每个风机的气象数据和功率曲线确定。

10.根据权利要求1所述的控制方法，其特征在于，还包括：

基于所述风电场的历史气象数据构建气象预测模型，其中，历史气象数据包括测风塔数据和风机气象传感器数据中的至少一种。

11.根据权利要求1所述的控制方法，其特征在于，还包括：

在对所述关键风机的运行参数调整之后，保持所述关键风机的运行参数不变，对所述非关键风机的运行参数进行调整。

12.根据权利要求11所述的控制方法，其特征在于，对所述非关键风机的运行参数进行调整，包括：

获取所述非关键风机对应的参考变化率；

对所述非关键风机的运行参数进行调整，以使所述非关键风机的满功率的占比靠近对应的参考变化率。

13.一种风电场的风机控制装置，其特征在于，包括：

确定模块，用于根据所述风电场的气象数据确定主导风向，并根据所述主导风向确定关键风机；

修正模块，用于基于所述关键风机的风电场尾流模型对非关键风机的气象数据进行修正，以获得所述非关键风机的气象数据；

获取模块，用于将每个风机的功率曲线和相应的气象数据作为功率预测模型的输入，以获得所述风电场的总功率值；

调整模块，用于对所述关键风机的运行参数进行调整，以优化所述风电场的总功率值。

14.一种计算机可读存储介质，其特征在于，其上存储有风电场的风机控制程序，该风电场的风机控制程序被处理器执行时实现根据权利要求1-12中任一项所述的风电场的风机控制方法。

15.一种风电场，其特征在于，包括：

多个风机；

控制器，所述控制器执行如权利要求1-12中任一项所述的风电场的风机控制方法，以对所述风机进行控制。