海上风电场的机组功率指令值计算方法和分布式调度方法

1.本发明涉及风电场技术领域，特别涉及一种海上风电场的机组功率指令值计算方法和分布式调度方法。


背景技术：

2.近年来，风能已迅速发展为可再生的清洁能源。风能为自然资源，其波动性很强，这对电网的安全运行带来了挑战。同时，随着海上风电在电力系统中的渗透率的提高，这一挑战也愈加明显。为了解决这一问题，海上风电参与电网辅助服务，例如旋转备用，将成为一种趋势。当海上风电场参与备用服务时，风电机组的运行将偏离最大功率点跟踪(mppt)状态，从而降低其输出功率。由于限功率运行过程会主动改变风电机组的有功功率，从而影响机组的疲劳负荷，因此许多研究人员在其限功率策略中应用了疲劳负荷的优化。在这些策略下，疲劳载荷的计算方法很重要。一部分研究人员认为疲劳载荷可以用风电机组的塔弯矩和主轴转矩的标准偏差表示。还有一部分研究人员折中提出的损伤等效载荷(del) 可以有效地计算疲劳载荷，但是del的计算是复杂的，仅适合作为评估策略。为了计算长期运行下风电场的疲劳程度，有研究人员提出了一种考虑工作疲劳和湍流疲劳的疲劳计算方法。该方法的优点是可以相对简单地计算风电机组的疲劳水平，但缺点是需要根据实际风电场确定计算过程中的一些经验参数。
3.另一方面，向风电场中的风电机组传递功率命令的策略也值得研究。传统策略通常是风电场控制中心将控制命令发送到所有风电机组。随着通信技术的发展，基于风机之间通信的分布式技术(如多智能体系统mas)已经成熟并得到应用，但是现有的mas通常要求领导者和通信拓扑结构经常变化，计算难度较大，对疲劳载荷进行优化的考虑也不足。


技术实现要素：

4.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种海上风电场的机组功率指令值计算方法和分布式调度方法，能够改善海上风电场长期运行中的疲劳平衡情况。
5.第一方面，根据本发明实施例的海上风电场的机组功率指令值计算方法，包括以下步骤：
6.结合单个风电机组的疲劳载荷计算公式，明确海上风电场有功调度过程中的疲劳载荷抑制目标和约束条件；
7.基于所述疲劳载荷抑制目标和约束条件，在比例分配算法的基础上叠加功率分配系数，以获得功率指令值的计算公式。
8.根据本发明实施例的海上风电场的机组功率指令值计算方法，至少具有如下有益效果：本发明功率指令值的计算公式考虑了风电机组的疲劳载荷，有利于降低海上风电场内机组疲劳的不平衡程度，从而改善海上风电场长期运行中的疲劳平衡情况。
9.根据本发明的一些实施例，所述疲劳载荷抑制目标和约束条件为：海上风电场在
满足调度中心的全场功率需求和单个风电机组可发功率范围的约束下，风电场内所有风电机组的疲劳系数的标准差最低，其中，所述疲劳系数用于表征风电机组在运行期间产生的机械载荷对内部组件造成的损伤。
10.根据本发明的一些实施例，所述功率指令值计算公式：
[0011][0012]
其中，λδ(f
i
)为第i个风电机组的功率分配系数，δ(f
i
)为疲劳补偿函数，λ为疲劳补偿系数，p
ref
为电网调度中心所需的功率指令值，为第i个风电机组的最大可发功率。
[0013]
根据本发明的一些实施例，所述疲劳补偿函数：
[0014]
所述疲劳补偿系数：
[0015][0016][0017]
其中，是风电场中所有风电机组的最大额定功率，f
i
是第i个风电机组的寿命疲劳载荷，n是风电机组的数量，为第i个风电机组的最大可发功率，为第i个风电机组的最小输出功率，p
ref
为电网调度中心所需的功率指令值。
[0018]
第二方面，根据本发明实施例的海上风电场的分布式调度方法，所述海上风电场设置有多个风电场机组群，每个所述风电场机组群包括多个级联双向通讯的风电机组，每个所述风电场机组群中的其中一个所述风电机组与电网调度中心通讯连接，所述海上风电场的分布式调度方法包括以下步骤：
[0019]
响应于所述电网调度中心的调度指令，对辅助变量辅助变量p
i
[k]和辅助变量f
i
[k]进行初始化，以获得辅助变量辅助变量p
i
[0]和辅助变量f
i
[0]，其中，k为迭代次数，i为风电机组的数目；
[0020]
基于一阶离散积分器形式的动力学描述式，从所述辅助变量辅助变量p
i
[0]和辅助变量f
i
[0]开始对辅助变量辅助变量p
i
[k]和辅助变量f
i
[k] 进行更新迭代，以获得更新后的辅助变量辅助变量p
i
[∞]和辅助变量f
i
[∞]；
[0021]
基于所述辅助变量辅助变量p
i
[∞]和辅助变量f
i
[∞]，计算所述风电机组
的疲劳补偿函数值δ[f
i
,∞]和疲劳补偿系数λ[∞]；
[0022]
基于所述风电机组的疲劳补偿函数值δ[f
i
,∞]和疲劳补偿系数λ[∞]，获得优化后的功率指令值
[0023]
根据本发明实施例的海上风电场的分布式调度方法，至少具有如下有益效果：
[0024]
本发明的海上风电场构成网络化多智能体系统，辅助变量辅助变量 p
i
[k]和辅助变量f
i
[k]为不同风电机组之间进行相互通讯的参数，可实现多个风电机组之间相互协同，实现风电场有功调度指令的有效分配，有利于降低海上风电场内机组疲劳的不平衡程度，从而改善海上风电场长期运行中的疲劳平衡情况。
[0025]
根据本发明的一些实施例，所述辅助变量之和为本周期所需调节的有功功率值，所述辅助变量p
i
[0]为第i个风电机组在当前风速下的最大可发功率值，所述辅助变量f
i
[0]为第i个风电机组当前疲劳系数的倒数。
[0026]
根据本发明的一些实施例，所述辅助变量所述辅助变量p
i
[∞]和所述辅助变量f
i
[∞]分别为：
[0027][0028][0029][0030]
其中，p
ref
为电网调度中心所需的功率指令值，n是风电机组的数量，为第i个风电机组的最大可发功率，f
i
(t0)是第i个风电机组在t0时刻的寿命疲劳载荷。
[0031]
根据本发明的一些实施例，基于所述疲劳补偿函数值其中，是风电场中所有风电机组的最大额定功率。
[0032]
根据本发明的一些实施例，所述疲劳补偿系数
[0033]
其中，为第i个风电机组的最小输出功率。
[0034]
根据本发明的一些实施例，优化后的所述功率指令值
[0035]
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
[0036]
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
[0037]
图1为本发明实施例的海上风电场的机组功率指令值计算方法的步骤流程图；
[0038]
图2为本发明实施例的海上风电场的风电机组的排布示意图；
[0039]
图3为本发明实施例的海上风电场的风电机组的结构示意图；
[0040]
图4为图1示出的海上风电场的风电机组在单周期仿真中的实际风速和疲劳值情况；
[0041]
图5为图1示出的海上风电场的风电机组在单周期仿真中辅助变量的更新情况；
[0042]
图6为图1示出的海上风电场的风电机组在单周期仿真中的功率指令值；
[0043]
图7为图1示出的海上风电场的风电机组在运行一年后的疲劳分布情况。
具体实施方式
[0044]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0045]
在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。
[0046]
本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。
[0047]
在本发明的描述中，对方法步骤的连续标号是为了方便审查和理解，结合本发明的整体技术方案以及各个步骤之间的逻辑关系，调整步骤之间的实施顺序并不会影响本发明技术方案所达到的技术效果。
[0048]
实施例1
[0049]
请参照图1，本实施例公开了一种海上风电场的机组功率指令值计算方法，包括以下步骤：
[0050]
s110、结合单个风电机组的疲劳载荷计算公式，明确海上风电场有功调度过程中的疲劳载荷抑制目标和约束条件。
[0051]
请参照图2和图3，本发明实施选择具有25个风电机组(5*5)的风电场来测试所提出的方法策略，风电场的布局请参照图2。风电机组之间的连接线不仅代表电缆，同时代表通信拓扑，风电机组可与具有通信链路的邻居交换信息。当风电场处于受限功率运行状态时，风电场的输出通常需要跟踪指令。对于海上风电场，由于频繁进行海上维护的成本高昂，因此有必要考虑缩小风电机组之间的疲劳差异，从而减少维护次数。因此本实施例中疲劳载荷抑制目标和约束条件为：海上风电场在满足调度中心的全场功率需求和单个风电机组可发功率范围的约束下，风电场内所有风电机组的疲劳系数的标准差最低。
[0052]
即，风电场内所有风电机组的疲劳系数的标准差的最小值函数为：
[0053]
min std(f
i
)
ꢀꢀ
(1)
[0054]
约束条件：
[0055][0056][0057]
其中，f
i
为第i个风电机组的寿命疲劳载荷，p
ref
是电网调度中心所需的功率指令
值，p
m,i
是风电场第i个风电机组的有功功率，ξ是有功功率的偏差阈值， n是风电机组的数量，是第i个风电机组的最大可发功率，是第i个风电机组的最小输出功率。
[0058]
在本实施例中，疲劳系数用于表征海上风电机组在运行期间产生的机械载荷对内部组件造成的损坏。常见的疲劳计算方法(例如del)非常复杂，难以在风电场的优化运行中使用。因此，本实施例采用一种考虑工作疲劳和湍流疲劳的机组疲劳计算方法，可以简化风电机组疲劳水平的计算。本实施例采用一种现有的指标用作优化策略中寿命疲劳载荷的计算基础。根据相关研究，风电机组的累积疲劳可表示为：
[0059][0060]
其中f(t)是t时刻机组的寿命疲劳载荷，t是自风电机组建成以来的运行时间，p
m
(t)是风电机组在t时刻的有功功率，是风电机组的额定功率，t
life
是设计使用寿命，r
com
是补偿系数，取值范围[0,1]，i
eti
为有效湍流强度，d为扰动系数，γ是湍流疲劳与工作疲劳的比例，为一个经验参数，v
cut_in
和v
cut_off
分别为风电机组的切入风速和切出风速。
[0061]
s120、基于所述疲劳载荷抑制目标和所述约束条件，在比例分配算法的基础上叠加功率分配系数，以获得功率指令值的计算公式。
[0062]
对于海上风电场而言，比例分配算法是一种常用的限功率调度算法。在该算法中，根据实时风速可以计算风电机组理论上的最大输出功率，风电机组实际功率指令值的大小与其最大输出功率成比例关系。由于海上风电场的常风向可能较为单一，采用比例分配算法会导致某一部分风电机组常年处于较高的出力水平，从而导致该部分的风电机组较其他风电机组的疲劳程度更高，进而加快设备老化。海上风电场内疲劳的不均衡则最终导致风电场运营商频繁地出海维修，增加了运维成本。
[0063]
就此，本实施例对比例分配算法进行优化，优化后的算法在比例算法的基础上，为不同风电机组设置相应的功率分配系数，疲劳水平高的风电机组将叠加一个较低的功率分配系数，疲劳水平低的风电机组则叠加较高的功率分配系数，从而在功率分配过程中使得全场风电机组的疲劳水平逐渐均衡。
[0064]
对于比例分配算法，如果某个风电机组的最大可用功率较大，则将为该风电机组分配更大的功率指令，其计算方法为：
[0065][0066]
其中，是第i台风电机组的功率指令。由于式(5)中的算法没有考虑风电机组的疲劳，风电机组获得的指令受风速影响，在上风向的风电机组疲劳度可能明显高于下风向的风电机组。
[0067]
为了达到式(1)的目标，本实施例根据式(5)增加了一个附加项来平衡不同风电机
组之间的疲劳载荷，改进后的功率指令值的计算公式如下：
[0068][0069]
其中，λδ(f
i
)为第i个风电机组的功率分配系数，δ(f
i
)是疲劳补偿函数，λ是疲劳补偿系数。为了满足跟踪指令的要求，疲劳补偿函数需要满足：
[0070][0071]
根据对疲劳载荷的分析，为了平衡不同风电机组之间的疲劳值，在功率分配过程中，需将较低的功率指令分配给具有较高疲劳值的风电机组，同时，具有较低疲劳值的风电机组被分配较高的功率指令。为了实现这个目标，本实施例构造了以下疲劳补偿函数：
[0072][0073]
其中，是风电场中所有风电机组的最大额定功率。将式(8)代入式(7) 中化简后可发现式(8)满足式(7)的要求。同时，对于低于风电场平均疲劳度的风电机组，δ(f
i
)≥0；对于高于风电场平均疲劳度的风电机组，δ(f
i
)<0。这也满足上述的分析结果。另外，由于风电机组的输出受到实际风况的限制，因此调度命令需要满足式(3)。因此，本实施例将疲劳补偿系数λ定义如下：
[0074][0075][0076]
根据式(9)和式(10)的定义，对于风电场中的任何风电机组，可以保证λ和δ(f
i
)的乘积在区间内。将该范围代入式(6)，可以看出：当λδ(f
i
)取最小值时取值而当λδ(f
i
)取最大值时取值从而满足风电机组的功率约束条件，即式(3)。
[0077]
实施例2
[0078]
本发明实施例提出一种海上风电场的分布式调度方法，该有功调度方法为基于多智能体一致性算法的无监督分布式算法，能够应用于风电场层面的功率分配。
[0079]
请参照图2，为了能够实现海上风电场的分布式调度方法，海上风电场设置有多个
风电场机组群，每个风电场机组群包括多个级联双向通讯的风电机组 (wt1～wt25)，每个风电场机组群中的其中一个风电机组(例如wt1～wt5) 与电网调度中心通讯连接。请参照图3，每个风电机组包括风电机和控制器，控制器包括计算模块、通讯模块、桨距角控制模块和测量模块，计算模块分别与通讯模块和桨距角控制模块连接，测量模块与桨距角控制模块连接，测量模块用于测量风电机的有效风速，风电机组内的控制器可通过通讯模块与级联的风电机组的控制器进行双向通讯。
[0080]
从实施例1的推导可知，改进后的功率指令值的计算公式如式(6)所示，本实施例提出基于多智能体一致性算法的有功调度方法，其中，将海上风电场虚拟成一个由n个智能体组成的网络化多智能体系统(mas)，每个智能体对应一个风电机组。一个由n个智能体组成的网络化多智能体系统，有两种一阶离散积分器形式的动力学描述式：
[0081][0082][0083]
其中，为了便于理解，网络化多智能体系统可视为多个智能体通过互相连接构成的拓扑图g，第i个智能体的状态为x
i
(k)，a
ij
是对应拓扑图g的邻接矩阵a中的元素，邻接矩阵a表示智能体连接情况的矩阵，在本实施例中，如果第i个智能体和第j个智能体有连接，则矩阵中对应的(i，j)和(j，i)位置处的元素就取1，否则取0。ψ为控制增益且n
i
是第i个智能体的邻居集合。
[0084]
如果拓扑图g是一个平衡图，则具有式(11)动态的网络化多智能体系统最终会收敛到平均一致性：
[0085][0086]
同时，具有式(12)动态的网络化多智能体系统最终收敛到最大一致性：
[0087]
x
*
＝max{x
i
(0)}
ꢀꢀ
(14)
[0088]
以上两种动态均可称为一致性算法。特别地，如果网络化多智能体系统的拓扑图g连接为无向图，则分布式一致性算法可以保证闭环系统在任何初始值下渐近收敛到一致值。
[0089]
基于上述的一致性算法理论，本实施例的海上风电场的分布式调度方法包括以下步骤：
[0090]
s210、响应于所述电网调度中心的调度指令，对辅助变量辅助变量 p
i
[k]和辅助变量f
i
[k]进行初始化，以获得初始化的辅助变量辅助变量 p
i
[0]和辅助变量f
i
[0]，其中，k为迭代次数，i为风电机组的数目。
[0091]
为了使每台风电机组均可通过一致性算法获得合理的功率参考值，本实施例定义了三个辅助变量，即辅助变量辅助变量p
i
[k]和辅助变量f
i
[k]，对应的初始值分别为辅助变量辅助变量p
i
[0]和辅助变量f
i
[0]，其中，辅助变量之和为本周期所需调节的有功功率值，辅助变量p
i
[0]为第i个风电机组在当前风速下的最大可发功率值，辅
助变量f
i
[0]为第i台风电机组当前疲劳系数的倒数，即：
[0092][0093][0094]
f
i
[0]＝1/f
i
(t0)
ꢀꢀ
(17)
[0095]
s220、基于一阶离散积分器形式的动力学描述式，从所述辅助变量辅助变量p
i
[0]和辅助变量f
i
[0]开始对辅助变量辅助变量p
i
[k]和辅助变量f
i
[k]进行更新迭代，以获得更新后的辅助变量辅助变量p
i
[∞]和辅助变量f
i
[∞]。
[0096]
针对海上风电场的实时调度，本实施例基于网络化多智能体系统的全分布式实现算法实现式(8)的疲劳补偿函数和式(9)疲劳补偿系数的计算。根据前述的一致性算法理论，辅助变量辅助变量p
i
[k]和辅助变量f
i
[k]的最终值可更新为：
[0097][0098][0099][0100]
s230、基于所述辅助变量辅助变量p
i
[∞]和辅助变量f
i
[∞]，计算所述风电机组的疲劳补偿函数值δ[f
i
,∞]和疲劳补偿系数λ[∞]。
[0101]
根据公式(8)、公式(18)、公式(19)和公式(20)，第i个风电机组的疲劳补偿函数为：
[0102][0103]
为了获得合适的疲劳补偿系数，本实施例引入辅助变量r
i
[k]，辅助变量r
i
[k] 的更新规则满足式(12)的要求，其相应的初始值和最终值为：
[0104]
r
i
[0]＝|δ(f
i
)|
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(22)
[0105]
r
i
[∞]＝max{|δ(f
i
)|}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(23)
[0106]
因此，疲劳补偿系数的最终值
[0107][0108]
s240、基于所述风电机组的疲劳补偿函数值δ[f
i
,∞]和疲劳补偿系数λ[∞]，获得优化后的功率指令值
[0109]
根据公式(6)、公式(21)和公式(24)可以得出：
[0110]
[0111]
如式(25)所示，通过更新各个辅助变量，最终可以得到符合设计的功率指令值，从而实现在每个调度周期内所有风电机组获得的指令值与调度要求相等，有利于准确跟踪风电场的调度指令。
[0112]
本发明实施选择具有25个风电机组(5*5)的风电场来测试所提出的方法策略。风电机组模型数据来自美国国家可再生能源实验室(nrel)，该型风电机组的功率为5mw。为了计算风电机组在长期运行过程中的使用寿命疲劳载荷，本发明实施例使用simwindfarm工具箱来模拟和计算一年的风场数据，该风电场输入的年平均风速为12m/s，湍流强度为0.1，风向为270
°
。风电场的布局请参照图2。
[0113]
图4展示了单个调度周期仿真的结果，以验证基于网络化多智能体系统的风电场可以有效分配调度指令。在此调度周期中，假设单个风电机组最小输出限制为0.5mw，功率限制率为最大输出的70％。风电机组的实际风速和疲劳值如图 2中的(a)和(b)所示。
[0114]
图5展示了在图2所示的风电场通信拓扑结构下，更新风电场中25个风电机组的辅助变量，最终所有变量都可以达一致状态。图5中的线表示风电机组的参数更新过程。由于风电机组的数量较大，因此没有图例用于指示每条线所属的机组。更新大约需要68秒，因为第四个辅助变量r
i
[k]需要在前三个变量p
i
[k]、f
i
[k]之后进行更新。根据图5的更新结果，可以计算在此调度周期内分配给每台风电机组的功率指令值，如图6所示。
[0115]
图6中将本发明所提功率指令值计算方法与现有的比例分配算法的计算结果进行比较。结果表明，风电机组接收到的优化分布式功率指令的总和为风电场最大输出的70.08％，满足限功率要求。同时，为疲劳值相对较低的风电机组分配了较高的功率指令，这也符合平衡疲劳值算法的目的。
[0116]
基于风电场可以在单个调度周期内有效完成配电的事实，图7展示了全年运行后所有风电机组的疲劳度。假设在此仿真案例中，海上风电场中所有风电机组的初始疲劳值为0。有限功率运行时间为总运行时间的33％，功率限比为最大输出的70％。结果表明，当比例分配算法用于限功率过程中的功率分配时，一年后所有风电机组疲劳值的标准差为0.0070。当使用本发明所提出的算法时，标准差仅为0.0031，疲劳值差异降低了55.7％。
[0117] 90％80％70％60％50％比例分配算法0.00750.00720.00700.00670.0064本实施例的方法0.00620.00470.00310.00153.7e
‑
04
[0118]
表1
[0119]
在此基础上，表1显示了不同限功率水平下疲劳值标准差的情况。在本发明提出的策略下，所有风电机组疲劳值的标准偏差随着限功率程度的增加而减小。当一年的运行时间中有33％的时间将输出减少50％时，标准差仅为3.7e
‑
04
，这意味着风电机组的疲劳载荷几乎达到完全一致。这将有助于减少风电机组的维护次数并降低运维成本。
[0120]
上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所属技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。