【技术实现步骤摘要】
本专利技术涉及功率控制，具体来说，涉及一种风电场的有功功率控制方法及系统。
技术介绍
1、目前，风电场有功功率控制方法是按照调度下发的有功功率控制量，根据风电场内各机组实际可控容量，分配各机组执行有功功率控制。但由于尾流效应存在，上风位置处的风电机组产生的尾流会影响下风位置处的风电机组输出功率，二者存在时空耦合性。在有功功率控制执行过程中，上游风机功率控制动作导致的尾流变化造成下游风机输出有功功率产生波动，降低了风电场整体有功功率控制精度。
2、现有的尾流计算模型主要分为解析尾流模型和计算尾流模型，前者是基于理想化的假设或实验数据拟合而得到的半经验风机尾流区域速度分布的数学表达式；后者则使用完整的计算流体力学分析方法求解n·s方程来更为准确地描述风机尾流场的流动，现有技术存在的缺陷如下：
3、1、解析尾流模型基于理想化的假设或实验数据拟合而得到的半经验风机尾流区域速度分布的数学表达式，往往不能满足现场工程精度要求。对于风电场有功功率控制来说，建立风电场全场动态尾流模型计算量很大，响应速度慢。
4、2、计算尾流模型使用完整的计算流体力学分析方法求解n·s方程来更为准确地描述风机尾流场的流动，同样计算速度较慢，无法满足现场实时性要求。
5、3、受运维及场地限制，在已经投运的风场及风机中布设传感器获取上述两种模型的参数分析尾流状态存在一定困难。
6、针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
1、针对相关技
2、为此，本专利技术采用的具体技术方案如下：
3、根据本专利技术的一个方面，提供了一种风电场的有功功率控制方法，包括以下步骤：
4、s1、获取风机的历史数据，并根据风机状态受尾流影响的结果构建训练集；基于adaboost算法，结合训练集构建强分类器；
5、s2、利用强分类器确定受尾流影响的风机，利用尾流中心线偏转角度确定上游产生尾流的风机，将不受尾流影响且产生尾流不影响下游风机的所有风电机组定义为可控风机群；
6、s3、基于可控风机群中各风机的可控容量，利用动态规划算法求解风电场内最少数量执行动作的风电机组群，并将该机组群内风机作为最终的执行风机，基于各风机的可控容量执行有功功率控制操作。
7、进一步的，所述获取风机的历史数据，并根据风机状态受尾流影响的结果构建训练集；基于adaboost算法，结合训练集构建强分类器包括以下步骤：
8、s11、获取风机的历史数据，并根据环境风向与本地风向产生的偏差随风向角度的变化情况，确定历史数据对应的风机状态是否受尾流影响，其中，历史数据包括历史运行数据、环境历史数据和气象历史数据；
9、s12、组合历史数据及是否受尾流影响的结果，得到训练集；初始化训练集中每个样本的权值分布情况，并根据样本分类情况的正确与否调整每个样本的权重；
10、s13、基于权值分布情况，根据历史运行数据、环境历史数据及气象历史数据的各属性特征建立弱分类器，并选取使训练集分类误差最小的值作为该弱分类器的阈值；
11、s14、基于权重系数公式，计算弱分类器的权重，并根据弱分类器的权重更新训练集的权值分布，得到样本的新的权值分布情况；
12、s15、根据各弱分类器的加权平均，计算总体分类的判断值，并基于判断值的分类结果构建最终的强分类器。
13、进一步的，所述组合历史数据及是否受尾流影响的结果，得到训练集；初始化训练集中每个样本的权值分布，并根据样本分类情况的正确与否调整每个样本的权重包括：
14、组合历史数据及是否受尾流影响的结果，得到训练集m＝{(x1，y1)，(x2，y2)，...，(xi，yi)，…，(xm，ym)}；
15、初始化训练集中每个样本的权值分布d1＝(ω11，，ω12，…，ω1m)，ω1i＝1/m；
16、判断训练集中每个样本是否被准确分类，若是，则在构造下一个训练集时降低该样本的权重，若否，则在构建下一个训练集时提高该样本的权重；
17、式中，xi表示第i个历史数据，yi表示第i个历史数据对应的尾流影响状态，m表示样本数量，d1表示第一次迭代时训练集的权重，ω1i表示第一次迭代中第i个历史数据的权值。
18、进一步的，所述弱分类器的表达式为：
19、ht(x)＝ξ(m，dt)
20、分类误差的表达式为：
21、
22、式中，ht(x)表示第t个弱分类器，ξ(m，dt)表示该分类器函数，dt表示第t次迭代时训练集的权重，et表示第t个弱分类器ht(x)将带有权重dt的数据集m分类后产生的分类误差，ωti表示第t次迭代中第i个样本的权值，ht(xi)表示将第i个历史数据按照分类器ht(x)的划分方式得出的分类结果，i表示整数权重函数。
23、进一步的，所述权重系数公式为：
24、
25、更新训练集权值分布的表达式为：
26、dt+1＝(ω(t+1)1，，ω(t+1)2，…，ω(t+1)m)
27、
28、式中，αt表示分类器ht(x)在最终分类器中的权重系数，dt+1表示第t+1次迭代时训练集m的权重，ω(t+1)i表示第t+1次迭代中第i个历史数据的权值，zt表示规范化因子。
29、进一步的，所述判断值的表达式为：
30、
31、所述最终的强分类器的表达式为：
32、
33、式中，f(x)表示各个弱分类器按照权重系数组合起来对历史数据分类得出的判断值，t表示迭代次数，t表示总迭代次数，αt表示分类器ht(x)在最终分类器中的权重系数，ht(x)表示第t个弱分类器，h(x)表示最终的强分类器，sign(f(x))表示判断值分类函数。
34、进一步的，所述利用强分类器确定受尾流影响的风机，利用尾流中线偏转角度确定上游产生尾流的风机，将不受尾流影响且产生尾流不影响下游风机的所有风电机组定义为可控风机群包括以下步骤：
35、s21、利用强分类器确定受尾流影响的风机，并确定该风机上风方向预设范围内的所有上游风机；
36、s22、基于尾流中线偏转角度的表达式，计算预设范围内的所有上游风机的尾流中线偏转角度；
37、s23、判断上游风机的尾流中线偏转角度是否等于该风机本地风向与环境风向角度差值，若是，则确定该上游风机为产生尾流影响的上游风机，若否，则确定该上游风机不是产生尾流影响的上游风机；
38、s24、将不受尾流影响且产生的尾流不影响下游风机的所有风电机组定义为可控风机群。
39、进一步的，所述尾流中线偏转角度的表达式为：
40、
41、
42、式本文档来自技高网...
【技术保护点】
1.一种风电场的有功功率控制方法，其特征在于，该风电场的有功功率控制方法包括以下步骤：
2.根据权利要求1所述的一种风电场的有功功率控制方法，其特征在于，所述获取风机的历史数据，并根据风机状态受尾流影响的结果构建训练集；基于AdaBoost算法，结合训练集构建强分类器包括以下步骤：
3.根据权利要求2所述的一种风电场的有功功率控制方法，其特征在于，所述组合历史数据及是否受尾流影响的结果，得到训练集；初始化训练集中每个样本的权值分布，并根据样本分类情况的正确与否调整每个样本的权重包括：
4.根据权利要求3所述的一种风电场的有功功率控制方法，其特征在于，所述弱分类器的表达式为：
5.根据权利要求4所述的一种风电场的有功功率控制方法，其特征在于，所述权重系数公式为：
6.根据权利要求2所述的一种风电场的有功功率控制方法，其特征在于，所述判断值的表达式为：
7.根据权利要求1所述的一种风电场的有功功率控制方法，其特征在于，所述利用强分类器确定受尾流影响的风机，利用尾流中线偏转角度确定上游产生尾流的风机，将不受尾流影响
8.根据权利要求7所述的一种风电场的有功功率控制方法，其特征在于，所述尾流中线偏转角度的表达式为：
9.根据权利要求1所述的一种风电场的有功功率控制方法，其特征在于，所述基于可控风机群中各风机的可控容量，利用动态规划算法求解风电场内最少数量执行动作的风电机组群，并将该机组群内风机作为最终的执行风机，基于各风机的可控容量执行有功功率控制操作包括以下步骤：
10.一种风电场的有功功率控制系统，用于实现权利要求1-9中任一所述的风电场的有功功率控制方法的步骤，其特征在于，该风电场的有功功率控制系统包括强分类器构建模块、可控风机群确定模块及动态规划求解模块；
...【技术特征摘要】
1.一种风电场的有功功率控制方法，其特征在于，该风电场的有功功率控制方法包括以下步骤：
2.根据权利要求1所述的一种风电场的有功功率控制方法，其特征在于，所述获取风机的历史数据，并根据风机状态受尾流影响的结果构建训练集；基于adaboost算法，结合训练集构建强分类器包括以下步骤：
3.根据权利要求2所述的一种风电场的有功功率控制方法，其特征在于，所述组合历史数据及是否受尾流影响的结果，得到训练集；初始化训练集中每个样本的权值分布，并根据样本分类情况的正确与否调整每个样本的权重包括：
4.根据权利要求3所述的一种风电场的有功功率控制方法，其特征在于，所述弱分类器的表达式为：
5.根据权利要求4所述的一种风电场的有功功率控制方法，其特征在于，所述权重系数公式为：
6.根据权利要求2所述的一种风电场的有功功率控制方法，其特征在于，所述判断值的表达式为：
<...【专利技术属性】
技术研发人员：邵会学，肖碧涛，刘宇，刘元，赖晓路，王辉，许云飞，罗瑛，朱健，王正康，
申请(专利权)人：国电南京自动化股份有限公司，
类型：发明
国别省市：
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。