[发明专利]风电场有功输出和机组疲劳的综合优化控制方法

摘要

本发明公开了风电场有功输出和机组疲劳的综合优化控制方法，通过对有功调节模式下的风电机组部件进行DEL数据建模，并基于该DEL数据模型进行复杂地形的风电场优化控制；其中，控制策略采用基于风况特征预测的有功优化智能分配与有功辅助调节相结合的复合控制策略；因此本发明一方面，通过风电场有功调节和机组疲劳的综合优化控制方法，有效降低风力发电设备的生产制造和维护成本，解决了以风力发电设备为主体的新能源发电分散式并网消纳问题；另一方面，该风电场有功调节和机组疲劳的综合优化控制方法适用于尾流效应较小的复杂地形的风电场。

主权项

1.风电场有功输出和机组疲劳的综合优化控制方法，其特征在于：包括以下步骤：S1、基于风电机组疲劳载荷仿真软件，建立风电机组模型并设定仿真变量输入组合，获取并计算不同输入组合下的机组部件的DEL数据集，其中，其中，DEL即Damage Equivalent Load,表示损坏等效载荷，n_i和为通过雨流计数法计算得到的循环数和循环幅值；T为载荷时间历程评估周期；f为给定的正弦载荷频率；m为材料的特性参数；S2、对在不同输入组合下若干机组部件的DEL数据集进行偏态和峰态测度系数的计算，并根据计算结果选出具有对称和尖峰分布特征的DEL数据集作为优化对象；S3、量化机组控制策略和有功设定对机组部件疲劳的影响程度，在作为优化对象的DEL数据集中，选择机组部件DEL较小的机组控制策略作为风电场控制的机组局部控制策略，以及选择DEL数据对有功设定较为敏感的机组部件作为目标部件，进而选择机组局部控制策略下的目标部件的DEL数据集用于建模；S4、针对机组局部控制策略下的目标部件在不同输入组合下的DEL数据集，采用式(2)所示的核密度估计方法分别计算它们的分布密度函数：其中，K(·)为核函数，h为带宽，x为目标部件的DEL数据，X_i为相应DEL数据集的数据单元，n为DEL数据集包含的数据个数；S5、基于式(2)，计算出DEL分布密度函数最大值及其对应的DEL有效值DEL(eq)：S6、根据式(2)和式(3)，计算目标部件在不同输入组合下的DEL(eq)数据集，并按照湍流强度TI对数据集进行分类整理，从而得到不同TI下的由平均风速和有功设定P_set两个输入决定的DEL(eq)数据表格；采用曲面拟合的方式对DEL(eq)数据表格进行函数拟合:其中，a_i,j(i＝0...k,j＝0...l)为需要拟合的数据；S7、若目标部件的数量≥2，则重复S4、S5和S6,重复次数为目标部件的数量减1次；S8、为实现风电场机组部件有功输出和机组疲劳的综合优化控制，将优化问题表述为：0≤P_set(j)≤P_avail(j)，j＝1,...,D    (6b)其中，D表示风电场机组数，j为第j号机组，DEL_i(j)为第j号风电机组第i号部件的DEL估计值，为风电场所有机组第i号部件的DEL平均值，i＝1表示为疲劳分布优化的部件，P_ref为有功调节需求，P_set(j)为第j号风电机组有功设定值，P_avail(j)为第j号风电机组可利用风功率，M表示对有功输出敏感的M个部件，σ₁为允许的功率偏差范围，σ_i为机组之间第i号部件疲劳载荷允许的偏差范围；S9、所述控制策略为基于风况特征预测的有功优化智能分配策略与有功辅助调节相结合的复合控制策略；对于基于风况特征预测的有功优化智能分配策略，采用时间序列预测算法对输入组合中的输入变量进行预测，并将预测值代入式(4)和式(6)，分别计算出下一个优化周期的部件DEL预测值和各机组可利用风功率预测值；然后采用粒子群智能算法进行求解P_set(j)后，将P_set(j)分配至风电场局部控制系统；有功辅助调节策略仅在风电场有功输出与需求值的偏差超过σ₁时被激活，具体描述如下：在通信机制允许范围内实时采样风电场各机组采样周期内有功输出均值，计算风电场有功总输出与有功需求值之间的偏差ΔP,其中，P_out(j)表示风电场第j号风电机组有功输出均值的实际值；对ΔP进行处理后得到P_ex，将P_ex作为PI控制器的输入，PI控制器输出除以机组数量得到P_add；将P_add+P_set(j)作为每台机组的输出设定值，其中P_set(j)为以控制策略设为基于风况特征预测的有功优化智能分配策略时所获得的P_set(j)。