一种基于尾流有向图的风电场分布式运行优化方法技术

本公开实施例中提供了一种基于尾流有向图的风电场分布式运行优化方法，属于新能源与自动化技术交叉领域，具体包括：得到目标风电场的初始尾流分布；计算每个风机的有效风速；构建目标风电场对应的有向网络图；通过预设的聚类方法对有向网络图进行分簇，得到多个子集；根据目标风电场的状态类型对每个子集进行二段优化调整操作，得到新的子集及其对应的最优控制变量；将全部最优控制变量和有效风速代入分布式优化函数，得到输出功率量。通过本公开的方案，基于有向图和谱聚类，根据风电场优化动作特点，构建以智能分簇为基础的分布式运行优化机制，得到最优控制变量，通过控制输出实现风电场功率最大化，提高了风电场优化的效率和性能。率和性能。率和性能。

【技术实现步骤摘要】
一种基于尾流有向图的风电场分布式运行优化方法


[0001]本公开实施例涉及新能源与自动化技术交叉领域，尤其涉及一种基于尾流 有向图的风电场分布式运行优化方法。

技术介绍

[0002]目前，海上风电凭借风速高、湍流小、风切变小等多方面优势，得到了迅 速发展，并保持着稳定的上升趋势，成为新能源规划的重点方向。海上风电场 的风速和风向相对稳定，尾流效应延长，风机之间的耦合关系高度复杂化。传 统的控制方法是对单台风机的贪婪控制，导致下游风机产生的功率较小，严重 影响风电场发电效率。
[0003]为提升风电场发电效率，一种有效途径是对风电场采取尾流控制，减小风 机之间的尾流效应，传统的风电场运行控制采用集中式控制架构，依赖集中式 控制器来对所有风机进行通信和优化。集中式控制方法需要较高的通信能力， 且容易陷入局部最优而导致优化效果较低，适合于小型风电场，近些年，海上 风电场正逐步走向大型化，风电场风机转向大尺寸变速型。在大型海上风电场 中，随着风机数量的增加，风电场的控制变量也随之以近指数形式增长。基于 这一点，分布式控制架构和优化算法得到了研究者的广泛关注。目前，风电场 分布式控制架构主要分为：基于自由模型的邻域通信和基于图论的网络划分， 基于自由模型的邻域通信求解效率较高，但考虑因素较少，更适用于耦合关系 简单的小型风电场，基于图论的网络划分方法，能对全场的风机之间具有更直 接的关联，但相关方法仍在探索阶段，且未考虑控制过程对网络变化的影响， 导致优化效率和优化性能不足。
[0004]可见，亟需一种高效且优化性能高的基于尾流有向图的风电场分布式运行 优化方法。

技术实现思路

[0005]有鉴于此，本公开实施例提供一种基于尾流有向图的风电场分布式运行优 化方法，至少部分解决现有技术中存在优化效率和优化性能较差的问题。
[0006]本公开实施例提供了一种基于尾流有向图的风电场分布式运行优化方法， 包括：
[0007]将目标风电场内风机的位置信息和风况信息输入尾流模型，得到所述目标 风电场的初始尾流分布；
[0008]根据所述初始尾流分布与每个所述风机的关联性计算每个所述风机的有 效风速；
[0009]根据尾流效应和每个所述风机的距离信息之间的耦合关系，构建所述目标 风电场对应的有向网络图；
[0010]通过预设的聚类方法对所述有向网络图进行分簇，得到多个子集；
[0011]根据所述目标风电场的状态类型对每个所述子集进行二段优化调整操作， 得到新的子集及其对应的最优控制变量；
[0012]将全部所述最优控制变量和所述有效风速代入分布式优化函数，得到输出 功率
量。
[0013]根据本公开实施例的一种具体实现方式，所述将目标风电场内风机的位置 信息和风况信息输入尾流模型，得到所述目标风电场的初始尾流分布的步骤， 包括：
[0014]建立根据流场变换的笛卡尔坐标系，并将所述位置信息和所述风况信息带 入所述笛卡尔坐标系中，计算每个所述风机的尾流区类型，其中，所述尾流区 类型包括近尾流区、远尾流区和混合区；
[0015]根据每个所述风机的尾流区类型形成所述初始尾流分布。
[0016]根据本公开实施例的一种具体实现方式，所述笛卡尔坐标系的x轴指向所 述目标风电场的入风方向，y轴指向与所述x轴正交的方向。
[0017]根据本公开实施例的一种具体实现方式，所述根据所述初始尾流分布与每 个所述风机的关联性计算每个所述风机的有效风速的步骤，包括：
[0018]计算每个所述风机的尾流区类型对应的速度亏缺系数，以及，计算所述目 标风电场上游的风机的不同尾流区与所述目标风电场下游的风机的叶轮面的 重叠面积；
[0019]根据所述速度亏缺系数和所述重叠面积计算每个所述风机的有效风速。
[0020]根据本公开实施例的一种具体实现方式，所述根据尾流效应和每个所述风 机的距离信息之间的耦合关系，构建所述目标风电场对应的有向网络图的步 骤，包括：
[0021]将所述目标风电场中每个所述风机定义为一个节点，不同节点之间形成多 个边；
[0022]根据所述重叠面积和相邻节点之间的距离信息计算每个边的权重系数，形 成邻接权重矩阵；
[0023]将所述邻接权重矩阵作为所述有向网络图。
[0024]根据本公开实施例的一种具体实现方式，所述通过预设的聚类方法对所述 有向网络图进行分簇，得到多个子集的步骤，包括：
[0025]根据所述有向网络图构建谱分析的相似矩阵，以及，根据全部所述节点的 出入度构建主对角矩阵；
[0026]根据所述相似矩阵和所述主对角矩阵标准化拉普拉斯矩阵；
[0027]求解所述拉普拉斯矩阵，得到特征矩阵；
[0028]利用K
‑
means++算法对所述特征矩阵进行聚类处理，得到多个所述子集。
[0029]根据本公开实施例的一种具体实现方式，所述状态类型包括初始动作阶段 和平缓运行阶段。
[0030]根据本公开实施例的一种具体实现方式，所述根据所述目标风电场的状态 类型对每个所述子集进行二段优化调整操作，得到新的子集及其对应的最优控 制变量的步骤，包括：
[0031]在所述初始动作阶段，利用改进的平衡优化算法对每个所述子集进行快速 迭代优化操作，得到更新后的邻接矩阵；
[0032]判断所述更新后的邻接矩阵的变异值是否大于或等于临界值；
[0033]若是，则继续进行所述快速迭代优化操作，再分簇处理以更新子集，直到 所述变异值小于所述临界值或达到最大迭代次数；
[0034]若否，则判定所述目标风电场为平缓运行阶段，并对所述更新后的邻接矩 阵进行再分簇处理，并对得到的新的子集进行优化操作，得到其对应的最优控 制变量。
[0035]根据本公开实施例的一种具体实现方式，所述对所述更新后的邻接矩阵进 行再分簇处理，并对得到的新的子集进行平缓优化操作，得到其对应的最优控 制变量的步骤，包括：
[0036]根据所述更新后的邻接矩阵解耦为多个新的子集；
[0037]利用所述改进的平衡优化算法对每个新的子集进行控制优化，得到每个新 的子集对应的最优控制变量。
[0038]本公开实施例中的基于尾流有向图的风电场分布式运行优化方案，包括： 将目标风电场内风机的位置信息和风况信息输入尾流模型，得到所述目标风电 场的初始尾流分布；根据所述初始尾流分布与每个所述风机的关联性计算每个 所述风机的有效风速；根据尾流效应和每个所述风机的距离信息之间的耦合关 系，构建所述目标风电场对应的有向网络图；通过预设的聚类方法对所述有向 网络图进行分簇，得到多个子集；根据所述目标风电场的状态类型对每个所述 子集进行二段优化调整操作，得到新的子集及其对应的最优控制变量；将全部 所述最优控制变量和所述有效风速代入分布式优化函数，得到输出功率量。
[0039]本公开实施例的有益效果为：通过本公开的方案，基于有向图和谱本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于尾流有向图的风电场分布式运行优化方法，其特征在于，包括：将目标风电场内风机的位置信息和风况信息输入尾流模型，得到所述目标风电场的初始尾流分布；根据所述初始尾流分布与每个所述风机的关联性计算每个所述风机的有效风速；根据尾流效应和每个所述风机的距离信息之间的耦合关系，构建所述目标风电场对应的有向网络图；通过预设的聚类方法对所述有向网络图进行分簇，得到多个子集；根据所述目标风电场的状态类型对每个所述子集进行二段优化调整操作，得到新的子集及其对应的最优控制变量；将全部所述最优控制变量和所述有效风速代入分布式优化函数，得到输出功率量。2.根据权利要求1所述的方法，其特征在于,所述将目标风电场内风机的位置信息和风况信息输入尾流模型，得到所述目标风电场的初始尾流分布的步骤，包括：建立根据流场变换的笛卡尔坐标系，并将所述位置信息和所述风况信息带入所述笛卡尔坐标系中，计算每个所述风机的尾流区类型，其中，所述尾流区类型包括近尾流区、远尾流区和混合区；根据每个所述风机的尾流区类型形成所述初始尾流分布。3.根据权利要求2所述的方法，其特征在于,所述笛卡尔坐标系的x轴指向所述目标风电场的入风方向，y轴指向与所述x轴正交的方向。4.根据权利要求2所述的方法，其特征在于,所述根据所述初始尾流分布与每个所述风机的关联性计算每个所述风机的有效风速的步骤，包括：计算每个所述风机的尾流区类型对应的速度亏缺系数，以及，计算所述目标风电场上游的风机的不同尾流区与所述目标风电场下游的风机的叶轮面的重叠面积；根据所述速度亏缺系数和所述重叠面积计算每个所述风机的有效风速。5.根据权利要求4所述的方法，其特征在于,所述根据尾流效应和每个所述风机的距离信息之间的耦合关系，构建所述目标风电场对应的有向网络图的步骤，包括：将所述目标风电场中每个...

【专利技术属性】
技术研发人员：宋冬然，房方，胡阳，杨建，黄朝能，孙尧，粟梅，
申请(专利权)人：华北电力大学华能集团技术创新中心有限公司，
类型：发明
国别省市：