CN117955152A - 风电并网控制方法、装置、设备、系统及介质 - Google Patents

Abstract

本公开提供一种风电并网控制方法、装置、设备、系统及介质，用以解决相关技术中没有充分发挥各个海上风机的性能，进而造成能源浪费和并网波动的问题，所述方法包括：获取所述风电机场中多个风力发电机的输出量以及任意两个所述风力发电机之间的距离；基于多个所述风力发电机的输出量，确定每个所述风力发电机的功率特征向量；利用任意两个所述风力发电机之间的距离和每个所述风力发电机的功率特征向量，确定每个所述风力发电机的并网输出功率。

Description

风电并网控制方法、装置、设备、系统及介质

技术领域

本公开涉及能源控制技术领域，特别涉及一种风电并网控制方法、装置、设备、系统及介质。

背景技术

随着对新能源发展的不断重视，风力发电以及风电场的建设受到很大的关注与支持，风电利用率的提高，使得风电场风电机组的装机容量日益增大。由于风能随机性大和波动性强的特点，海上风机组所产生的风电在进行并网时，会产生电网波动。

在现有的风电场能源管理系统中，其控制策略主要功能是分解网调能量指令，将需要上调或下调的能量变化值科学地分配到风电场中运行机位上。

但这种并网策略在实际运行中却存在诸多问题，一方面不同位置处的海上风机具有不同的发电能力，另一方面，不同位置处的海上风机距离电网的距离不同，也就是会存在不同程度的传输损耗。平均分配的并网策略不仅没有充分发挥各个海上风机的性能，还会造成能源浪费和并网波动。

因此，期待一种优化的风电并网控制方法、装置、设备、系统及介质。

发明内容

本发明提供一种风电并网控制方法、装置、设备、系统及介质，用以解决相关技术中没有充分发挥各个海上风机的性能，进而造成能源浪费和并网波动的问题。

第一方面，本发明实施例提供一种风电并网控制方法，包括：

获取风电机场中多个风力发电机的输出量以及任意两个风力发电机之间的距离；

基于多个风力发电机的输出量，确定每个风力发电机的功率特征向量；

利用任意两个风力发电机之间的距离和每个风力发电机的功率特征向量，确定每个风力发电机的并网输出功率。

在一种可能的实施方式中，本发明实施例提供的方法中，基于多个风力发电机的输出量，确定每个风力发电机的功率特征向量，包括：

利用多个风力发电机在预设时间点的输出功率进行特征提取，得到每个风力发电机的功率特征向量。

在一种可能的实施方式中，本发明实施例提供的方法中，利用多个风力发电机在预设时间点的输出功率进行特征提取，包括：

利用多尺度邻域特征提取模型，对多个风力发电机在预设时间点的输出功率进行特征提取。

在一种可能的实施方式中，本发明实施例提供的方法中，利用任意两个风力发电机之间的距离和每个风力发电机的功率特征向量，确定每个风力发电机的并网输出功率，包括：

利用多个风力发电机的输出量以及任意两个风力发电机之间的距离，生成拓扑特征矩阵，其中拓扑矩阵中非对角线位置上的特征值为两个风力发电机之间的距离，拓扑矩阵中对角线位置上的特征值为零；

利用每个风力发电机的功率特征向量，构建风电机场的多个风力发电机的全局特征矩阵；

利用拓扑特征矩阵和全局特征矩阵，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵，其中拓扑功率特征矩阵中行向量表示每个风电发电机的发电性能特征；

基于拓扑功率特征矩阵的行向量和能量目标值，确定每个风力发电机的并网输出功率。

在一种可能的实施方式中，本发明实施例提供的方法中，利用拓扑特征矩阵和全局特征矩阵，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵，包括：

使用图神经网络模型作为特征编码器对拓扑特征矩阵和全局特征矩阵进行处理，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵。

在一种可能的实施方式中，本发明实施例提供的方法中，基于拓扑功率特征矩阵的行向量和能量目标值，确定每个风力发电机的并网输出功率之前，方法还包括：

对拓扑功率特征矩阵的行向量进行向量的波函数表征聚合。

第二方面，本发明实施例提供一种风电并网控制装置，包括：

获取单元，用于获取风电机场中多个风力发电机的输出量以及任意两个风力发电机之间的距离；

确定单元，用于基于多个风力发电机的输出量，确定每个风力发电机的功率特征向量；

处理单元，用于利用任意两个风力发电机之间的距离和每个风力发电机的功率特征向量，确定每个风力发电机的并网输出功率。

在一种可能的实施方式中，本发明实施例提供的装置中，确定单元具体用于：

利用多个风力发电机在预设时间点的输出功率进行特征提取，得到每个风力发电机的功率特征向量。

在一种可能的实施方式中，本发明实施例提供的装置中，确定单元具体用于：

利用多尺度邻域特征提取模型，对多个风力发电机在预设时间点的输出功率进行特征提取。

在一种可能的实施方式中，本发明实施例提供的装置中，处理单元具体用于：

利用多个风力发电机的输出量以及任意两个风力发电机之间的距离，生成拓扑特征矩阵，其中拓扑矩阵中非对角线位置上的特征值为两个风力发电机之间的距离，拓扑矩阵中对角线位置上的特征值为零；

利用每个风力发电机的功率特征向量，构建风电机场的多个风力发电机的全局特征矩阵；

利用拓扑特征矩阵和全局特征矩阵，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵，其中拓扑功率特征矩阵中行向量表示每个风电发电机的发电性能特征；

基于拓扑功率特征矩阵的行向量和能量目标值，确定每个风力发电机的并网输出功率。

在一种可能的实施方式中，本发明实施例提供的装置中，处理单元具体用于：

使用图神经网络模型作为特征编码器对拓扑特征矩阵和全局特征矩阵进行处理，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵。

在一种可能的实施方式中，本发明实施例提供的装置中，处理单元具体用于：

对拓扑功率特征矩阵的行向量进行向量的波函数表征聚合。

第三方面，本发明实施例提供了一种电子设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现本发明实施例第一方面提供的方法。

第四方面，本发明实施例提供了一种风电并网控制系统，包括：

如第二方面提及的风电并网控制装置和第三方面提及的电子设备。

第五方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现本发明实施例第一方面提供的方法。

本发明实施例提供的风电并网控制方法包括：

先获取风电机场中多个风力发电机的输出量以及任意两个风力发电机之间的距离，然后基于多个风力发电机的输出量，确定每个风力发电机的功率特征向量，最后利用任意两个风力发电机之间的距离和每个风力发电机的功率特征向量，确定每个风力发电机的并网输出功率。与相关技术相比，解决了没有充分发挥各个海上风机的性能，进而造成能源浪费和并网波动的问题，可以更为精准地表示待并网的风力发电机的发电性能，从而能够基于待并网的风力发电机的发电性能得到更适宜的用于表示并网贡献度的概率值。

附图说明

为了更清楚地说明本发明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要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种风电并网控制方法的流程示意图；

图2为本发明实施例提供的一种风电并网控制装置的流程示意图；

图3为本发明实施例提供的一种风电并网控制电子设备的结构示意图。

具体实施方式

为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。

下面对文中出现的一些词语进行解释：

1、本发明实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。

本发明实施例描述的应用场景是为了更加清楚的说明本发明实施例的技术方案，并不构成对于本发明实施例提供的技术方案的限定，本领域普通技术人员可知，随着新应用场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。其中，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

随着对新能源发展的不断重视，风力发电以及风电场的建设受到很大的关注与支持，风电利用率的提高，使得风电场风电机组的装机容量日益增大。由于风能随机性大和波动性强的特点，海上风机组所产生的风电在进行并网时，会产生电网波动。

在现有的风电场能源管理系统中，其控制策略主要功能是分解网调能量指令，将需要上调或下调的能量变化值科学地分配到风电场中运行机位上。

但这种并网策略在实际运行中却存在诸多问题，一方面不同位置处的海上风机具有不同的发电能力，另一方面，不同位置处的海上风机距离电网的距离不同，也就是会存在不同程度的传输损耗。平均分配的并网策略不仅没有充分发挥各个海上风机的性能，还会造成能源浪费和并网波动。

因此，期待一种优化的风电并网控制方法、装置、设备、系统及介质。

如图1所示，本公开实施例提供的风电并网控制方法包括：

步骤S101，获取风电机场中多个风力发电机的输出量以及任意两个风力发电机之间的距离。

在本申请的技术方案中，发电机的输出量即为发电机的有功输出功率，以各个风力发电机在预定时间段内多个预定时间点的有功功率输出值来对风力发电机的实时发电性能进行评估，而在评估电路传输损耗时，不仅需要考虑各个风力发电机与电网之间的绝对距离，还需要考虑各个风力发电机之间的相互影响，因此，首先获取每个风力风力发电机的输出量，以及每两个发电机之间的距离。

在本申请的技术方案中，以风电机场内多个风力发电机的拓扑矩阵来进行表示各个风力发电机之间的相互影响，其中，该拓扑矩阵中非对角线位置上各个位置的特征值为相应两个风力发电机之间的距离，该拓扑矩阵中对角线位置上各个位置的特征值为零。

步骤S102，基于多个风力发电机的输出量，确定每个风力发电机的功率特征向量。

具体实施时，利用多个风力发电机在预设时间点的输出功率进行特征提取，得到每个风力发电机的功率特征向量。在提取功率特征向量时，可以利用多尺度邻域特征提取模型，对多个风力发电机在预设时间点的输出功率进行特征提取。

具体来说，将各个风力发电机在预定时间段内多个预定时间点的有功功率输出值分别排列为有功功率输入向量后通过多尺度邻域特征提取模块以得到多个单体有功功率特征向量。也就是，考虑到风电机场内多个风力发电机中的每个风力发电机单体在预定时间段内的不同时间跨度内会呈现出不同的发电模式特征，因此，使用多尺度邻域特征提取模块以具有不同长度的一维卷积核对有功功率的时间序列进行不同时间跨度的特征提取以提取出不同时间跨度下的有功功率输出特征的多尺度领域关联特征，即，多个单体有功功率特征向量。然后，将多个单体有功功率特征向量进行二维排列以整合风电机场内的各个风力发电机的有功功率的多尺度领域关联特征信息来得到全局有功功率特征矩阵。也就是，在高维特征空间中，将多个单体有功功率特征向量进行结构化以构造风电机场内所有风力发电机的发电性能特征的全局特征矩阵。

步骤S103，利用任意两个风力发电机之间的距离和每个风力发电机的功率特征向量，确定每个风力发电机的并网输出功率。

具体实施时，先利用多个风力发电机的输出量以及任意两个风力发电机之间的距离，生成拓扑特征矩阵，其中拓扑矩阵中非对角线位置上的特征值为两个风力发电机之间的距离，拓扑矩阵中对角线位置上的特征值为零，再利用每个风力发电机的功率特征向量，构建风电机场的多个风力发电机的全局特征矩阵，然后利用拓扑特征矩阵和全局特征矩阵，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵，其中拓扑功率特征矩阵中行向量表示每个风电发电机的发电性能特征，最后基于拓扑功率特征矩阵的行向量和能量目标值，确定每个风力发电机的并网输出功率。

具体利用拓扑特征矩阵和全局特征矩阵，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵时，使用图神经网络模型作为特征编码器对拓扑特征矩阵和全局特征矩阵进行处理，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵。

在基于拓扑功率特征矩阵的行向量和能量目标值，确定每个风力发电机的并网输出功率之前，还可以对拓扑功率特征矩阵的行向量进行向量的波函数表征聚合。

具体来说，使用在隐含关联特征提取方面具有优异表现的作为特征提取器的卷积神经网络模型来对于多个风力发电机的拓扑矩阵进行处理，以提取出多个风力发电机的空间位置关系特征以得到拓扑特征矩阵。然后，融合拓扑特征矩阵和全局特征矩阵以得到包含不规则的空间拓扑信息和各个风力发电机的发电性能特征的特征表示。

特别地，在本申请实施例中，全局特征矩阵中各个行向量对应于各个风力发电机(节点)的发电特征，而拓扑特征矩阵则表示相应两个风力发电机之间的距离(即，节点与节点之间的关联)的高维隐含特征表示。因此，在本申请的技术方案中，全局特征矩阵和拓扑特征矩阵构造图数据结构。因此，在本申请的技术方案中，使用图神经网络模型作为特征编码器对拓扑特征矩阵和全局特征矩阵进行处理，生成包含有功功率特征信息与不规则的拓扑结构信息的拓扑全局有功功率特征矩阵，其中拓扑全局有功功率特征矩阵中各个行向量表示各个风电发电机在考虑到传输损耗后的发电性能特征表示。

进而，在从拓扑全局有功功率特征矩阵提取对应于待并网的风力发电机的行向量后，将可以将该行向量作为分类特征向量通过分类器以得到概率值。特别地，在本申请的技术方案中，该概率值可以视为该待并网的风力发电机的并网贡献比例。也就是，在本申请的技术方案中，将概率值与网调下发给风电场场级的能量目标值之间的乘积作为待并网的风力发电机的并网输出有功功率值。

特别地，在本申请的技术方案中，对于从拓扑全局有功功率特征矩阵中提取得到的分类特征向量来说，由于拓扑全局有功功率特征矩阵是全局有功功率特征矩阵和拓扑特征矩阵输入图神经网络得到的，因此其各个行向量之间存在相对于分类器的类概率的聚合问题。而全局有功功率特征矩阵中的各个单体有功功率特征向量在与拓扑特征矩阵的拓扑位置信息结合之后，会导致在分类特征向量的各个位置之间存在相位差，从而对类概率聚合造成负面影响。

因此，在本申请的技术方案中，优选地对拓扑全局有功功率特征矩阵的各个行向量进行向量的波函数表征聚合，表示为：

其中，V表示拓扑全局有功功率特征矩阵的每个行向量，v_max ^-1表示拓扑全局有功功率特征矩阵的每个行向量的最大特征值的倒数，⊙表示按位置点乘。

也就是，通过引入向量的波函数表示，即幅度表示强度信息，而相位表示周期位置信息，来对向量的信息表征进行类复函数域的聚合，从而弥补向量的各位置之间的相位差在类概率聚合上导致的负面影响(也就是，从波函数原理出发的同相加强和异相抵消)，这样，就可以更为精准地表示待并网的风力发电机的发电性能，从而能够基于待并网的风力发电机的发电性能得到更适宜的用于表示并网贡献度的概率值。

如图2所示，本发明实施例提供一种风电并网控制方法装置，包括：

获取单元201，用于获取风电机场中多个风力发电机的输出量以及任意两个风力发电机之间的距离；

确定单元202，用于基于多个风力发电机的输出量，确定每个风力发电机的功率特征向量；

处理单元203，用于利用任意两个风力发电机之间的距离和每个风力发电机的功率特征向量，确定每个风力发电机的并网输出功率。

在一种可能的实施方式中，本发明实施例提供的装置中，确定单元202具体用于：

利用多个风力发电机在预设时间点的输出功率进行特征提取，得到每个风力发电机的功率特征向量。

在一种可能的实施方式中，本发明实施例提供的装置中，确定单元202具体用于：

利用多尺度邻域特征提取模型，对多个风力发电机在预设时间点的输出功率进行特征提取。

在一种可能的实施方式中，本发明实施例提供的装置中，处理单元203具体用于：

利用多个风力发电机的输出量以及任意两个风力发电机之间的距离，生成拓扑特征矩阵，其中拓扑矩阵中非对角线位置上的特征值为两个风力发电机之间的距离，拓扑矩阵中对角线位置上的特征值为零；

利用每个风力发电机的功率特征向量，构建风电机场的多个风力发电机的全局特征矩阵；

利用拓扑特征矩阵和全局特征矩阵，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵，其中拓扑功率特征矩阵中行向量表示每个风电发电机的发电性能特征；

基于拓扑功率特征矩阵的行向量和能量目标值，确定每个风力发电机的并网输出功率。

在一种可能的实施方式中，本发明实施例提供的装置中，处理单元203具体用于：

使用图神经网络模型作为特征编码器对拓扑特征矩阵和全局特征矩阵进行处理，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵。

在一种可能的实施方式中，本发明实施例提供的装置中，处理单元203具体用于：

对拓扑功率特征矩阵的行向量进行向量的波函数表征聚合。

另外，结合图1、图2描述的本申请实施例的风电并网控制方法和装置可以由电子设备来实现。图3示出了本申请实施例提供的电子设备的硬件结构示意图。

下面具体参考图3，其示出了适于用来实现本公开实施例中的电子设备300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理以实现如本公开所述的实施例的语音控制方法。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。

通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置 309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码，从而实现如上所述的语音控制方法。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。

本发明实施例提供了一种风电并网控制系统，包括如图2所示的风电并网控制装置和如图3所示的电子设备。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF (射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：

获取风电机场中多个风力发电机的输出量以及任意两个风力发电机之间的距离；

基于多个风力发电机的输出量，确定每个风力发电机的功率特征向量；

利用任意两个风力发电机之间的距离和每个风力发电机的功率特征向量，确定每个风力发电机的并网输出功率。

可选的，当上述一个或者多个程序被该电子设备执行时，该电子设备还可以执行上述实施例所述的其他步骤。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、 C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网 (LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD) 等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

本发明实施例提供的风电并网控制方法包括：

先获取风电机场中多个风力发电机的输出量以及任意两个风力发电机之间的距离，然后基于多个风力发电机的输出量，确定每个风力发电机的功率特征向量，最后利用任意两个风力发电机之间的距离和每个风力发电机的功率特征向量，确定每个风力发电机的并网输出功率。与相关技术相比，解决了没有充分发挥各个海上风机的性能，进而造成能源浪费和并网波动的问题，可以更为精准地表示待并网的风力发电机的发电性能，从而能够基于待并网的风力发电机的发电性能得到更适宜的用于表示并网贡献度的概率值。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种风电并网控制方法，应用于风电机场，其特征在于，包括：

获取所述风电机场中多个风力发电机的输出量以及任意两个所述风力发电机之间的距离；

基于多个所述风力发电机的输出量，确定每个所述风力发电机的功率特征向量；

利用任意两个所述风力发电机之间的距离和每个所述风力发电机的功率特征向量，确定每个所述风力发电机的并网输出功率。

2.根据权利要求1所述的方法，其特征在于，所述基于多个所述风力发电机的输出量，确定每个所述风力发电机的功率特征向量，包括：

利用多个所述风力发电机在预设时间点的输出功率进行特征提取，得到每个所述风力发电机的功率特征向量。

3.根据权利要求2所述的方法，其特征在于，所述利用多个所述风力发电机在预设时间点的输出功率进行特征提取，包括：

利用多尺度邻域特征提取模型，对多个所述风力发电机在预设时间点的输出功率进行特征提取。

4.根据权利要求1所述的方法，其特征在于，所述利用任意两个所述风力发电机之间的距离和每个所述风力发电机的功率特征向量，确定每个所述风力发电机的并网输出功率，包括：

利用多个所述风力发电机的输出量以及任意两个所述风力发电机之间的距离，生成拓扑特征矩阵，其中所述拓扑矩阵中非对角线位置上的特征值为所述两个风力发电机之间的距离，所述拓扑矩阵中对角线位置上的特征值为零；

利用每个所述风力发电机的功率特征向量，构建所述风电机场的多个风力发电机的全局特征矩阵；

利用所述拓扑特征矩阵和所述全局特征矩阵，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵，其中所述拓扑功率特征矩阵中行向量表示每个所述风电发电机的发电性能特征；

基于所述拓扑功率特征矩阵的行向量和能量目标值，确定每个所述风力发电机的并网输出功率。

5.根据权利要求4所述的方法，其特征在于，所述利用所述拓扑特征矩阵和所述全局特征矩阵，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵，包括：

使用图神经网络模型作为特征编码器对所述拓扑特征矩阵和所述全局特征矩阵进行处理，生成包含功率特征信息与不规则的拓扑结构信息的拓扑功率特征矩阵。

6.根据权利要求4所述的方法，其特征在于，所述基于所述拓扑功率特征矩阵的行向量和能量目标值，确定每个所述风力发电机的并网输出功率之前，所述方法还包括：

对所述拓扑功率特征矩阵的行向量进行向量的波函数表征聚合。

7.一种风电并网控制装置，其特征在于，包括：

获取单元，用于获取所述风电机场中多个风力发电机的输出量以及任意两个所述风力发电机之间的距离；

确定单元，用于基于多个所述风力发电机的输出量，确定每个所述风力发电机的功率特征向量；

处理单元，用于利用任意两个所述风力发电机之间的距离和每个所述风力发电机的功率特征向量，确定每个所述风力发电机的并网输出功率。

8.一种电子设备，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述指令，以实现如权利要求1至6中任一项所述的风电并网控制方法。

9.一种风电并网控制系统，其特征在于，包括：

如权利要求7所述的风电并网控制装置和如权利要求8所述的电子设备。

10.一种计算机存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至6中任一项所述的风电并网控制方法。