【技术实现步骤摘要】
一种风场最优功率控制方法、系统、设备及存储介质
[0001]本专利技术属于新能源发电
,涉及一种风场最优功率控制方法、系统、设备及存储介质。
技术介绍
[0002]随着风电的大规模开发和利用,风电场机组排布密度和机组容量不断增大,使得来流风速经过上游风电机组后风速衰减更为明显,造成下游机组的输出功率降低和风电机组疲劳载荷增加,从而增加运维成本。由于尾流效应的影响,整个风电场发电量最多将减少54%,同时,尾流效应每年将带来20
‑
30%的经济损失,故而通过降低尾流效应影响增加风场总功率输出成为风电场研究的热门话题。
[0003]目前,有部分学者开展了提升风电场效率的相关研究。部分研究旨在于优化风机选址。Busby,R.L等人在“Wind Power:the Industry Grows up”中涉及风力涡轮机定位,该研究认为较大的风机间距保证了尾流恢复到自由流压力水平。开发商在设计风场时还需考虑如电气连接成本、维护程序等其他因素,主要采用在主要风向上具有适当风机间距的网格布局。当前在风场输出功率 ...
【技术保护点】
【技术特征摘要】
1.一种风场最优功率控制方法,其特征在于,包括:获取风场中各风机的位置、风速及风向信息;将风场中各风机的位置、风速及风向信息输入到训练后的智能体中,得风场中各风机的偏航角、轴向感应系数及倾角信息,根据风场中各风机的偏航角、轴向感应系数及倾角信息控制风场中的风机,使风场的总发电功率最大化,完成风场最优功率控制。2.根据权利要求1所述的风场最优功率控制方法,其特征在于,还包括:构建训练样本,所述训练样本包括风机i的发电功率P
i
、位置(X
i
,Y
i
),风速wv,风向wd,偏航角yaw
i
,轴向感应系数ai
i
及倾角tilt
i
;构建智能体;利用所述训练样本对所述智能体进行训练,得到训练后的智能体。3.根据权利要求2所述的风场最优功率控制方法,其特征在于,所述利用所述训练样本对所述智能体进行训练过程中的奖惩函数为:其中,r为智能体的奖励,I为风场中风机的数目,N为智能体的数目。4.根据权利要求2所述的风场最优功率控制方法,其特征在于,基于MADDPG算法,利用所述训练样本对所述智能体进行训练。5.根据权利要求2所述的风场最优功率控制方法,其特征在于,所述构建训练样本之前还包括:获取风场中风机的自由流速度、湍流强度以及偏航角;根据风场中风机的自由流速度、湍流强度以及偏航角计算风机所在位置的风速以及风机的输出功率。6.根据权利要求1所述的风场最优功率控制方法,其特征在于,根据风场中风机的自由流速度、湍流强度以及偏航角,基于Floris模型计算风机所在位置的风速以及风机的输出功率。7.根据权利要求1所述的风场最优功率控制方法,其特征在于,所述Floris模型为:C
γ
=P
γ
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。