[发明专利]一种基于人工智能和激光雷达测风的风电场能量管理技术

说明书

本发明涉及一种基于人工智能和激光雷达测风的风电场能量管理技术，旨在基于人工智能和激光雷达测风，应用大数据挖掘分析技术，研究风电场的动态调节特性和动态响应特性，并基于此发明风电场能量管理关键技术和能量管理测试平台；风电场能量管理关键技术，充分挖掘风电场的有功功率调节潜力，提升风电场发电效益、AGC曲线跟踪精度和有功功率响应速度，提高风电场输出功率的平稳性，降低AGC考核惩罚，不仅为风电场参与电网一次调频提供理论和实践支撑，更可以提高风电渗透率和在电力市场中的竞争力。

技术领域

本发明属于风电技术研究领域，具体涉及一种基于人工智能和激光雷达测风的风电场能量管理技术。

背景技术

截止2019年末，全国风电装机容量2.1亿千瓦，占全国总装机容量10.45％。2025年，部分地区将实现全年100％清洁能源电力供应。因此，风电的高品质、高质量、高稳定的供应显得尤为重要。但是，目前由于风电机组的动态调节特性和秒级的风电机组动态响应特性预判技术在现有的风电场能量管理系统中未充分实现，使得风电场也不能够实现精准跟踪电网调度曲线，直接影响了风电对电网的供应品质，同时，造成我国风电场双细则考核惩罚达十几亿元以上。

发明内容

本发明提供了一种基于人工智能和激光雷达测风的风电场能量管理技术，基于风电机组激光测风雷达技术、人工智能技术的优势，进行集成研发并用于风电场能量管理，提升风电场的发电效益，实现风电的高品质、高质量、高稳定供应，是有效的风电场能量管理方法。

本发明提供了一种基于人工智能和激光雷达测风的风电场能量管理技术，包括步骤：

实时读取风电场中所有风电机组的运行状态信息和激光测风雷达测量的风速信息；

实时读取调度系统下达的AGC指令，并实时判断风电场输出功率是否在调节死区范围内，如果在调节死区范围内，则继续循环判断；如果不在调节死区范围内，则根据机组运行状态信息进行基于人工智能的机组动态分类，将机组分为6类；

按照机组分类，执行基于人工智能的有功功率分配算法，若需升功率则执行升功率分配算法，若需降功率，则执行降功率分配算法；

依据有功功率分配算法计算的每一台机组承担的有功功率调节量，进行机组运行状态稳定性判断，全部通过稳定性判断，则每一台机组下达功率指令；若有部分机组未通过稳定性判断，则返回基于人工智能的机组动态分类的步骤；

最后将形成的指令下达给每一台风电机组。

其中，在运行状态信息读取的步骤中，包括步骤：

实时读取风电机组运行状态信息；

实时读取每一台机组的激光测风信息。

其中，将风电机组类型分为6类：

第1类为停运机组，即因故障或其他原因不在发电状态的风电机组；第2类为工作在启动区域的风电机组，即处于正在启机过程的风电机组；工作在最大功率跟踪区域的风电机组分为两种，第一种为处于最低转速以上额定转速以下，但桨距角为零的风电机组，将这一种类型的风电机组归为第3类，另一种为处于限功率运行状态，转速被迫增大至额定转速的风电机组，将这一种类型的风电机组归为第4类；第5类为工作在恒转速区域的风电机组，即转速达到额定转速，但功率未达到额定功率的风电机组；第6类为工作在恒功率区域的风电机组，即功率达到额定功率的风电机组；其中，第1类和第2类风电机组不具备功率调节能力，不参与风电场功率调节。

其中，第三-六类风电机组运行状态发生变化时，输出功率调整变化量计算过程为：

第3类风电机组桨距角为零，通过发电机转矩T、转速ω_r、机舱风速v三个属性值描述机组当前的运行状态；根据风电场历史实际运行数据中第3类机组的运行数据，创建(v,ω_r,T)三维散点图；