风电场风力发电机载荷优化控制方法及系统技术方案

本发明专利技术公开了风电场风力发电机载荷优化控制方法及系统，获取当前时刻风电场每一台风力发电机的状态量；根据当前时刻风电场每一台风力发电机的状态量，计算当前时刻和若干个预测时间段内每一台风力发电机的状态量；根据预测时间段内每一台风力发电机的状态量，推导出预测时间段内输出量，并提取若干个特征量；将所计算出的特征量，均输入到基于快速傅里叶变换的模型预测控制成本函数中，在单个控制器或总控制器与分控制器协同下，求解凸优化或类凸优化问题，输出最优控制量；将最优控制量传递至执行器，实现输出量的波动程度降低，进而延长系统的使用寿命。

【技术实现步骤摘要】
风电场风力发电机载荷优化控制方法及系统
本公开涉及风电场功率控制
，特别是涉及风电场风力发电机载荷优化控制方法及系统。
技术介绍
本部分的陈述仅仅是提到了与本公开相关的
技术介绍
，并不必然构成现有技术。在风电场传统的有功功率控制策略中，根据每台风机的当前有功功率裕度执行简单的集中式比例分配。这种分配方法没有考虑由于分配功率的变化而导致的每台风机的机械疲劳。在实际操作中，风机功率的变化会引起诸如Ts和Ft变化等。当扭矩或力的变化率太大时，将加剧设备的机械疲劳，并导致机组寿命缩短。针对这种问题，诸多学者都有解决方案，但是在常规成本函数的模型预测控制(MPC)控制中，设计权重系数时需要在多个目标函数项中权衡，很难做到统筹优化多个指标。
技术实现思路
为了解决现有技术的不足，本公开提供了风电场风力发电机载荷优化控制方法及系统；通过量化波动的幅度，以达到对多个控制对象和指标的快速无超调量控制。第一方面，本公开提供了风电场风力发电机载荷优化控制方法；风电场风力发电机载荷优化控制方法，包括：获取当前时刻风电场每一台风力发电机的状态量；根据状态量，计算风电场最优控制量；基于风电场最优控制量，降低风电场输出量的波动程度。第二方面，本公开提供了风电场风力发电机载荷优化控制系统；风电场风力发电机载荷优化控制系统，包括：获取模块，其被配置为：获取当前时刻风电场每一台风力发电机的状态量；最优控制量计算模块，其被配置为：根据状态量，计算风电场最优控制量；风电场功率优化模块，其被配置为：基于风电场最优控制量，降低风电场输出量的波动程度。第三方面，本公开还提供了一种电子设备，包括：一个或多个处理器、一个或多个存储器、以及一个或多个计算机程序；其中，处理器与存储器连接，上述一个或多个计算机程序被存储在存储器中，当电子设备运行时，该处理器执行该存储器存储的一个或多个计算机程序，以使电子设备执行上述第一方面所述的方法。第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述的方法。第五方面，本公开还提供了一种计算机程序(产品)，包括计算机程序，所述计算机程序当在一个或多个处理器上运行的时候用于实现前述第一方面任意一项的方法。与现有技术相比，本公开的有益效果是：通过量化波动的幅度，以达到对多个控制对象和指标的快速无超调量控制。通过风力发电机控制器对有功功率的优化，实现风力发电机低速轴转矩的载荷波动的降低和塔架推力波动的降低，进而延长风力发电机的使用寿命。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。图1为第一个实施例的方法流程图；图2为第一个实施例的有粘性物质的平面上的弹簧质量块模型；图3为第一个实施例的1s步长质量块坐标；图4为第一个实施例的0.1s步长质量块坐标；图5为第一个实施例的使用算法后1s步长下质量块的坐标；图6为第一个实施例的使用算法后0.1s步长下质量块的坐标；图7为第一个实施例的使用算法后1s步长外力的变化；图8为第一个实施例的使用算法后0.1s步长外力的变化；图9为第一个实施例的10台中5台风机的输入风速；图10为第一个实施例的10台风机的Pref；图11为第一个实施例的其中5台风机的Ts；图12为第一个实施例的其中5台风机的Ft。具体实施方式应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。实施例一本实施例提供了风电场风力发电机载荷优化控制方法；风电场风力发电机载荷优化控制方法，包括：S101：获取当前时刻风电场每一台风力发电机的状态量；S102：根据状态量，计算风电场最优控制量；S103：基于风电场最优控制量，降低风电场输出量的波动程度。作为一个或多个实施例，所述获取当前时刻风电场每一台风力发电机的状态量，包括：获取当前时刻风电场每一台风力发电机的状态量；根据当前时刻风电场每一台风力发电机的状态量，计算当前时刻和若干个预测时间段内每一台风力发电机的状态量。作为一个或多个实施例，所述根据状态量，计算风电场最优控制量；具体步骤包括：根据预测时间段内每一台风力发电机的状态量，推导出预测时间段内输出量，并提取若干个特征量；基于特征量，计算风电场最优控制量。作为一个或多个实施例，所述根据预测时间段内每一台风力发电机的状态量，推导出预测时间段内输出量，并提取若干个特征量，具体为：提取系数矩阵作为特征量。作为一个或多个实施例，所述基于特征量，计算风电场最优控制量；具体步骤包括：将所计算出的特征量，均输入到基于快速傅里叶变换的模型预测控制成本函数中，在单个控制器或总控制器与分控制器协同下，求解凸优化或类凸优化问题，输出最优控制量。作为一个或多个实施例，所述基于快速傅里叶变换的模型预测控制成本函数，为：求出使成本函数最小时的控制量，其中，成本函数是基于预测波动幅度设计的。作为一个或多个实施例，所述基于风电场最优控制量，降低风电场输出量的波动程度；具体步骤包括：将最优控制量传递至执行器，实现输出量的波动程度降低，进而延长系统的使用寿命。作为一个或多个实施例，获取当前时刻风电场每一台风力发电机的状态量；根据当前时刻风电场每一台风力发电机的状态量，计算当前时刻和若干个预测时间段内每一台风力发电机的状态量；具体步骤包括：x(k+1)＝Adx(k)+Bdu(k)+Edd(k)+Fd；y(k)＝Cdx(k)+Ddu(k)+Gdd(k)+Hd；其中，x(k+1)表示第k+1步的风力发电机的状态量，Ad表示系数矩阵，x(k)表示第k步的风力发电机的状态量，Bd表示系数矩阵，Ed表示系数矩阵，u(k)表示第k+1步的控制量，d(k)表示第k+1步的扰动量，Fd表示常数矩阵，y(k)表示第k步的输出量，Cd表示系数矩阵，Dd表示系数矩阵，Gd表示系数矩阵，Hd表示常数矩阵。示例性本文档来自技高网...

【技术保护点】
1.风电场风力发电机载荷优化控制方法，其特征是，包括：/n获取当前时刻风电场每一台风力发电机的状态量；/n根据状态量，计算风电场最优控制量；/n基于风电场最优控制量，降低风电场输出量的波动程度。/n

【技术特征摘要】
1.风电场风力发电机载荷优化控制方法，其特征是，包括：
获取当前时刻风电场每一台风力发电机的状态量；
根据状态量，计算风电场最优控制量；
基于风电场最优控制量，降低风电场输出量的波动程度。


2.如权利要求1所述的方法，其特征是，所述获取当前时刻风电场每一台风力发电机的状态量，包括：
获取当前时刻风电场每一台风力发电机的状态量；根据当前时刻风电场每一台风力发电机的状态量，计算当前时刻和若干个预测时间段内每一台风力发电机的状态量。


3.如权利要求1所述的方法，其特征是，所述根据状态量，计算风电场最优控制量；具体步骤包括：
根据预测时间段内每一台风力发电机的状态量，推导出预测时间段内输出量，并提取若干个特征量；基于特征量，计算风电场最优控制量。


4.如权利要求3所述的方法，其特征是，所述根据预测时间段内每一台风力发电机的状态量，推导出预测时间段内输出量，并提取若干个特征量，具体为：提取系数矩阵作为特征量。


5.如权利要求3所述的方法，其特征是，所述基于特征量，计算风电场最优控制量；具体步骤包括：
将所计算出的特征量，均输入到基于快速傅里叶变换的模型预测控制成本函数中，在单个控制器或总控制器与分控制器协同下，求解凸优化或类凸优化问题，输出...

【专利技术属性】
技术研发人员：吕占鳌，赵浩然，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东;37