海上风电场自适应局域疲劳载荷均衡调度方法及装置制造方法及图纸

本发明专利技术公开了一种海上风电场自适应局域疲劳载荷均衡调度方法及装置，本发明专利技术引入每台风电机的局域规模半径，来设定针对每台风电机需要进行载荷均衡的局域范围；引入自适应性权重，设定每台风电机形成的局域特征的相对重要程度；将每台风电机的桨距角可行取值范围及其局域规模半径的可行取值范围作为搜索域，利用粒子群算法进行内层优化，内层优化目标为自适应局域疲劳载荷均衡和风电场产能最大；根据内层优化输出的初步风电场调度方案，通过动态更新每台风电机的自适应性权重进行外层优化，进一步优化疲劳载荷分布。在提高产能的同时，降低需要单独维护的疲劳载荷离群风电机数目、降低海上风电场维护频率，更符合实际运维需求。更符合实际运维需求。更符合实际运维需求。

【技术实现步骤摘要】
海上风电场自适应局域疲劳载荷均衡调度方法及装置


[0001]本申请涉及风电场功率调度优化
，尤其涉及一种海上风电场自适应局域疲劳载荷均衡调度方法及装置。

技术介绍

[0002]风能是一种清洁无公害的可再生能源能源，利用风力发电非常环保，且风能蕴量巨大，因此日益受到世界各国的重视。陆上风电发展在我国发展状况一直较好，但由于陆上风电发展趋于饱和，可开发的土地资源越来越少，所以风电行业现在正朝着分散式风电和海上风电发展。海上风电利用具有风能资源优势、就近消纳优势和对居民基本无影响的优势，且可装风机容量更大，风机单机发电量更大，风资源利用率会更充分。因此，海上风电利用获得越来越多的关注。
[0003]目前海上风电利用面临的主要问题之一是缺少有效的海上风电场功率调度方法，导致风电场内疲劳载荷分布的不均衡，使得风电场内部分风电机使用寿命变短、维护频率升高、维护成本提高，从而使海上风电利用的经济效益大大降低。风电场功率调度方法主要分为两种，一种只关注产能最大化，以传统的风电机最大功率点跟踪调度方法（MPPT）为代表性调度方法，之后研究者们在MPPT的基础上考虑风电场内尾流因素，并提出风电场最大功率点跟踪调度方法，进一步优化风电场总产能，这种调度方法一般没有考虑风电场内的风电机疲劳载荷，导致风电场内疲劳载荷分布恶化；另一种调度方法在产能满足需求的基础上开始关注风电场内疲劳载荷分布，以场级疲劳载荷均衡、风电机使用寿命延长及对部分疲劳载荷过高的风电机进行减载为目标，进行风电场调度优化研究，该调度方法大都以全场疲劳载荷方差作为疲劳分布均衡性指标，没有考虑到需要进行单独维护的离群风电机的存在，在实际海上风电场中，没有使其经济效益达到最优。

技术实现思路

[0004]本申请实施例的目的是提供一种海上风电场自适应局域疲劳载荷均衡调度方法及装置，以解决相关技术中存在的没有考虑到需要单独维护的离群风电机的存在，引起的海上风电运维成本较高的技术问题。
[0005]根据本申请实施例的第一方面，提供一种海上风电场自适应局域疲劳载荷均衡调度方法，包括：
[0006]S1：获取海上风电场风速风向测量数据和风电机排布位置信息，再获取风电机桨距角分别与推力系数和功率系数的关联关系；
[0007]S2：将每台风电机的局域规模半径和桨距角作为风电场内风电机调度方案的优化变量，将风电场中所有风电机的桨距角可行取值范围及所有风电机的局域规模半径可行取值范围作为搜索域，再结合海上风电场风速风向测量数据、风电机排布位置信息、风电机推力系数和桨距角的关联关系、风电机功率系数和桨距角的关联关系，建立风电场尾流模型、产能模型及疲劳载荷模型；
[0008]S3：应用粒子群算法在所述搜索域内对所有风电机的桨距角和局域规模半径进行内层优化，获得初步风电场调度方案，其中所述适应度函数由自适应局域疲劳载荷均衡指标和风电场产能指标组成，由风电场尾流模型、产能模型及疲劳载荷模型计算得到；
[0009]S4：根据所述初步风电场调度方案，通过更新每台风电机的自适应权重，进一步优化风电场疲劳载荷分布情况，获得局域疲劳载荷均衡的海上风电场调度方案，完成外层优化，并返回S3。
[0010]可选的，应用粒子群算法在所述搜索域内对所有风电机的桨距角和局域规模半径进行内层优化，获得初步风电场调度方案，其中所述适应度函数由自适应局域疲劳载荷均衡指标和风电场产能指标组成，由风电场尾流模型、产能模型及疲劳载荷模型计算得到，包括：
[0011]S31：应用粒子群算法在所述搜索域内对所有风电机的桨距角和局域规模半径进行内层优化，其中所述适应度函数由自适应局域疲劳载荷均衡指标和风电场产能指标组成，由风电场尾流模型、产能模型及疲劳载荷模型计算得到，并进行S32；
[0012]S32：根据内层优化最大迭代次数或设定收敛条件，判断粒子群算法优化是否停止，若是，则将全局最优解即适应度最小对应的个体解码，输出初步风电场调度方案，进行S4，否则进行S33；
[0013]S33：进行粒子群算法内的速度更新和位置更新，继续内层优化，并返回S31；
[0014]可选的，所述适应度函数fitness的计算公式为：
[0015][0016]其中：是风电场产能指标对应的适应度值；是自适应局域载荷均衡性指标对应的适应度值；是风电场产能水平，，为第台风电机功率输出；N是风电场风电机总台数；对第i台风电机，其形成的局域是以该风电机为圆心，为局域规模半径的圆形区域，是自适应权重，是局域对应的局域疲劳载荷均衡性指标，所述局域对应的局域疲劳载荷均衡性指标的表达式为：
[0017][0018]其中：对第i台风电机，是该风电机形成的局域内的风电机数目，是该风电机形成的局域内的风电机组疲劳载荷均值，是属于该风电机局域内的第j台风电机的疲劳载荷，其中，是该风电机的局域风电机密度权重，。
[0019]可选的，根据所述初步风电场调度方案，通过更新每台风电机的自适应权重，进一
步优化风电场疲劳载荷分布情况，获得局域疲劳载荷均衡的海上风电场调度方案，完成外层优化，包括：
[0020]S41：根据所述初步风电场调度方案，得到风电场的产能水平和疲劳载荷分布，进一步引入疲劳载荷分布中离群风电机数目和离群风电机的相对偏差，根据最优调度方案更新条件，判断最优调度方案是否更新，若更新，则初始化最优解保持次数，进行S43，否则进行S42；
[0021]S42：根据整个流程设定的终止条件，判断整个流程的优化进程是否停止，若是，则将所述初步风电场调度方案作为优化后的风电场调度方案，完成风电场功率调度优化，否则更新最优解保持次数，并进行S43；
[0022]S43：根据离群风电机的相对偏差，动态更新每台风电机的自适应权重，进而动态更新自适应局域载荷均衡性指标对应的适应度函数，完成外层优化，并返回S3。
[0023]可选的，所述疲劳载荷分布中离群风电机数目和所述离群风电机的相对偏差的计算公式分别为：
[0024][0025][0026]其中：为二元变量，表征第i台风电机为离群风电机，为离群风电机的偏差阈值，为第i台风电机的疲劳载荷与其形成的局域内的疲劳载荷均值的相对偏差，其表达式为：
[0027][0028]其中：为第i台风电机的疲劳载荷。
[0029]可选的，根据最优调度方案更新条件，判断最优调度方案是否更新，包括：
[0030]根据产能水平和离群风电机数目两个指标，将初步风电场调度方案与历史记录的当前最优调度方案进行非支配排序，若初步风电场调度方案支配当前最优调度方案，即 且，则更新最优调度方案，并初始化最优解保持次数，即；
[0031]其中：是风电场产能水平，，为第台风电机功率输出；和分别是当前最优调度方案对应的产能水平和离群风电机数目。
[0032]可选的，根据整个流程设定的终止条件，判断整个流程的优化进程是否停止，包括：
[0033]根据整个流程设定的终止条件，即，判断整个流程的优化进程是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种海上风电场自适应局域疲劳载荷均衡调度方法，其特征在于，包括：S1：获取海上风电场风速风向测量数据和风电机排布位置信息，再获取风电机桨距角分别与推力系数和功率系数的关联关系；S2：将每台风电机的局域规模半径和桨距角作为风电场内风电机调度方案的优化变量，将风电场中所有风电机的桨距角可行取值范围及所有风电机的局域规模半径可行取值范围作为搜索域，再结合海上风电场风速风向测量数据、风电机排布位置信息、风电机桨距角与推力系数的关联关系、风电机桨距角与功率系数的关联关系，建立风电场尾流模型、产能模型及疲劳载荷模型；S3：应用粒子群算法在所述搜索域内对所有风电机的桨距角和局域规模半径进行内层优化，获得初步风电场调度方案，所述粒子群算法中的适应度函数由自适应局域疲劳载荷均衡指标和风电场产能指标组成，由风电场尾流模型、产能模型及疲劳载荷模型计算得到；S4：根据所述初步风电场调度方案，通过更新每台风电机的自适应权重，进一步优化风电场疲劳载荷分布情况，获得局域疲劳载荷均衡的海上风电场调度方案，完成外层优化，并返回S3。2.根据权利要求1所述的方法，其特征在于，应用粒子群算法在所述搜索域内对所有风电机的桨距角和局域规模半径进行内层优化，获得初步风电场调度方案，所述粒子群算法中的适应度函数由自适应局域疲劳载荷均衡指标和风电场产能指标组成，由风电场尾流模型、产能模型及疲劳载荷模型计算得到，包括：S31：应用粒子群算法在所述搜索域内对所有风电机的桨距角和局域规模半径进行内层优化，所述粒子群算法中的适应度函数由自适应局域疲劳载荷均衡指标和风电场产能指标组成，由风电场尾流模型、产能模型及疲劳载荷模型计算得到，并进行S32；S32：根据内层优化最大迭代次数或设定收敛条件，判断粒子群算法优化是否停止，若是，则将全局最优解即适应度最小对应的个体解码，输出初步风电场调度方案，进行S4，否则进行S33；S33：进行粒子群算法内的速度更新和位置更新，继续内层优化，并返回S31。3.根据权利要求2所述的方法，其特征在于，所述适应度函数fitness的计算公式为：；其中：是风电场产能指标对应的适应度值；是自适应局域载荷均衡性指标对应的适应度值；是风电场产能水平，，为第台风电机功率输出；N是风电场风电机总台数；对第i台风电机，其形成的局域是以该风电机为圆心，为局域规模半径的圆形区域，是自适应权重，是局域对应的局域疲劳载荷均衡性指标，所述局域对应的局域疲劳载荷均衡性指标的表达式为：；
其中：对第i台风电机，是该风电机形成的局域内的风电机数目，是该风电机形成的局域内的风电机组疲劳载荷均值，是属于该风电机局域内的第j台风电机的疲劳载荷，其中，，是该风电机的局域风电机密度权重，。4.根据权利要求1所述的方法，其特征在于，根据所述初步风电场调度方案，通过更新每台风电机的自适应权重，进一步优化风电场疲劳载荷分布情况，获得局域疲劳载荷均衡的海上风电场调度方案，完成外层优化，包括：S41：根据所述初步风电场调度方案，得到风电场的产能水平和疲劳载荷分布，进一步引入疲劳载荷分布中离群风电机数目和离群风电机的相对偏差，根据最优调度方案更新条件，判断最优调度方案是否更新，若更新，则初始化最优解保持次数，进行S43，否则进行S42；S42：根据整个流程设定的终止条件，判断整个流程的优化进程是否停止，若是，则将所述初步风电场调度方案作为优化后的风电场调度方案，完成风电场功率调度优化，否则更新最优解保持次数，并进行S43；S43：根据离群风电机的相...

【专利技术属性】
技术研发人员：唐晓宇，林锟炜，宋炜廷，张怀治，王文海，
申请(专利权)人：浙江大学，
类型：发明
国别省市：