一种风电机群功率控制方法及系统与流程

本发明涉及风力发电技术领域，特别涉及一种风电机群功率控制方法及系统。

背景技术：

近海风电具有风速高、湍流强度小、风速风向稳定等优点，是风电行业发展的主要趋势。若采用风电机群集中控制取代单机分立控制，有利于降低故障率，从而减少海上维护工作、增加有效发电时间，同时可降低系统总成本。然而，当风电场内风速分布不均时，风电机群集中控制易导致较大风能损失，输出功率容易超出额定功率值，如何在风速分布不均的情况下，减少风电机群控制过程中的风能损失量并避免风电机组的输出功率超出额定功率值是目前还有待进一步解决的问题。

技术实现要素：

有鉴于此，本发明的目的在于提供一种风电机群功率控制方法及系统，在风速分布不均的情况下，减少了风电机群控制过程中的风能损失量，并且能够避免风电机组的输出功率超出额定功率值。其具体方案如下：

一种风电机群功率控制方法，应用于风电机群，其中，所述风电机群中每台风电机组在功率控制过程中的转速均保持一致，所述方法包括：

预先创建并初始化与所述风电机群的规模相适应的种群，得到初始种群；其中，所述初始种群中的第i个个体的向量表达式为：

x_i,0＝[x_1,i,0,x_2,i,0,…x_D,i,0,x_bus,i,0]，i＝1,2,...,N；

式中，D表示所述风电机群中风电机组的数量，N表示所述初始种群中个体的数量，x_j,i,0表示所述初始种群的第i个个体中的第j台风电机组的桨距角，j＝1,2,...,D，x_bus,i,0表示所述初始种群的第i个个体中变频交流母线的频率；

利用罚函数确定公式，确定每台风电机组的罚函数；其中，所述罚函数确定公式为：

式中，P_j,i表示第i个个体中的第j台风电机组的输出功率，P_N表示风电机组的额定功率值，P_PENj,i表示第i个个体中的第j台风电机组的罚函数；

利用目标函数值计算公式，计算每个个体的目标函数值；其中，所述目标函数值计算公式为：

式中，P_i表示第i个个体的目标函数值，C表示预设的惩罚因子；

基于差分进化算法，并结合每个个体的目标函数值，对所述初始种群进行种群进化处理，直到收敛为止，得到全局最优个体；其中，所述全局最优个体的向量表达式为：

x_g＝[x_1g,x_2g,…x_Dg,x_busg]；

式中，x_jg表示所述风电机群中第j台风电机组的最优桨距角，x_busg表示变频交流母线的最优频率；

根据所述全局最优个体，对所述风电机群展开相应的控制，以控制每台风电机组的桨距角和变频交流母线的频率。

可选的，所述预先创建并初始化与风电机群的规模相适应的种群的过程，包括：

利用种群初始化公式，预先创建并初始化与所述风电机群的规模相适应的种群，得到所述初始种群；其中，所述种群初始化公式为：

式中，rand[0,1]表示在0和1之间产生的均匀随机数，x_j^U表示风电机组的桨距角调节值的上限值，x_j^L表示风电机组的桨距角调节值的下限值，x_bus^U表示变频交流母线的频率调节值的上限值，x_bus^L表示变频交流母线的频率调节值的下限值。

可选的，所述利用罚函数确定公式，确定每台风电机组的罚函数的过程，包括：

利用输出功率计算公式，计算每台风电机组的输出功率；其中，所述输出功率计算公式为：

式中，P_j,i表示第i个个体中的第j台风电机组的输出功率，ρ表示空气密度，A表示叶片扫掠面积，C_j(V_j,x_j,i,x_bus,i)表示第j台风电机组的功率系数，V_j表示第j台风电机组的实时风速，x_j,i表示第i个个体中的第j台风电机组的桨距角，x_bus,i表示第i个个体中变频交流母线的频率；

利用每台风电机组的输出功率以及所述罚函数确定公式，确定出每台风电机组的罚函数。

可选的，第j台风电机组的功率系数C_j(V_j,x_j,i,x_bus,i)的计算公式为：

其中，指数S为：

式中，R表示风电机组的叶片半径，n_p表示电机极对数，n_g表示齿轮箱变比，K₁至K₆为预先基于风电机组翼型确定的系数。

可选的，所述风电机群为采用高压直流输电变流器集中控制的风电机群，或采用分频交流输电变流器集中控制的风电机群，或采用可变频率变压器集中控制的风电机群。

可选的，所述基于差分进化算法，并结合每个个体的目标函数值，对所述初始种群进行种群进化处理，直到收敛为止，得到全局最优个体的过程，包括：

步骤A1：从所述初始种群中筛选出目标函数值最小的个体，并将该个体确定为当前最优个体x_History；

步骤A2：利用变异公式，对当前种群Y_G中的每个个体进行变异操作，产生相应的变异个体；其中，G表示种群的代数编号，所述变异公式为：

v_i,G+1＝x_r1,G+F*(x_r2,G-x_r3,G)；

式中，v_i,G+1表示与当前种群Y_G中的第i个个体对应的变异个体，x_r1,G、x_r2,G以及x_r3,G表示在当前种群Y_G中随机选取的第r1个、第r2个和第r3个个体，并且r1≠r2≠r3≠i，F表示变异算子；

步骤A3：利用交叉公式进行交叉操作，得到实验向量u_i,G+1；

其中，u_i,G+1＝(u_1,i,G+1,u_2,i,G+1,...u_D,i,G+1,u_bus,i,G+1)，所述交叉公式为：

式中，rand(j)表示在0和1之间的随机均匀分布，CR表示交叉算子，rnb(i)表示[1,2,…,D+1]中一个随机选择的序列；

步骤A4：利用个体替换公式，对所述实验向量中不符合边界约束条件的个体进行更新替换，得到临时种群；

其中，所述边界约束条件包括：x_j^L≤u_j,i,G+1≤x_j^U，x_bus^L≤u_bus,i,G+1≤x_bus^U；所述个体替换公式为：

式中，rand[0,1]表示在0和1之间产生的均匀随机数，x_j^U表示风电机组的桨距角调节值的上限值，x_j^L表示风电机组的桨距角调节值的下限值，x_bus^U表示变频交流母线的频率调节值的上限值，x_bus^L表示变频交流母线的频率调节值的下限值；

步骤A5：计算临时种群中每个个体的目标函数值，并将临时种群中目标函数值较大的个体相对应地替换当前种群Y_G中目标函数值较小的个体，得到当前更新后的种群Y_G+1；

步骤A6：从当前种群Y_G+1中筛选出目标函数值最大的个体，并判断该个体的目标函数值是否大于当前最优个体x_History的目标函数值，如果是，则利用该个体对当前最优个体x_History进行替换更新；

步骤A7：重新进入步骤A2，直到进化代数收敛为止，并将进化结束后得到的当前最优个体x_History确定为所述全局最优个体。

本发明还公开了一种风电机群功率控制系统，应用于风电机群，其中，所述风电机群中每台风电机组在功率控制过程中的转速均保持一致，所述系统包括：

种群初始化模块，用于预先创建并初始化与所述风电机群的规模相适应的种群，得到初始种群；其中，所述初始种群中的第i个个体的向量表达式为：

x_i,0＝[x_1,i,0,x_2,i,0,…x_D,i,0,x_bus,i,0]，i＝1,2,...,N；

式中，D表示所述风电机群中风电机组的数量，N表示所述初始种群中个体的数量，x_j,i,0表示所述初始种群的第i个个体中的第j台风电机组的桨距角，j＝1,2,...,D，x_bus,i,0表示所述初始种群的第i个个体中变频交流母线的频率；

罚函数确定模块，用于利用罚函数确定公式，确定每台风电机组的罚函数；其中，所述罚函数确定公式为：

式中，P_j,i表示第i个个体中的第j台风电机组的输出功率，P_N表示风电机组的额定功率值，P_PENj,i表示第i个个体中的第j台风电机组的罚函数；

目标函数值计算模块，用于利用目标函数值计算公式，计算每个个体的目标函数值；其中，所述目标函数值计算公式为：

式中，P_i表示第i个个体的目标函数值，C表示预设的惩罚因子；

种群进化处理模块，用于基于差分进化算法，并结合每个个体的目标函数值，对所述初始种群进行种群进化处理，直到收敛为止，得到全局最优个体；其中，所述全局最优个体的向量表达式为：

x_g＝[x_1g,x_2g,…x_Dg,x_busg]；

式中，x_jg表示所述风电机群中第j台风电机组的最优桨距角，x_busg表示变频交流母线的最优频率；

风电机群控制模块，用于根据所述全局最优个体，对所述风电机群展开相应的控制，以控制每台风电机组的桨距角和变频交流母线的频率。

可选的，所述种群初始化模块，具体用于利用种群初始化公式，预先创建并初始化与所述风电机群的规模相适应的种群，得到所述初始种群；其中，所述种群初始化公式为：

式中，rand[0,1]表示在0和1之间产生的均匀随机数，x_j^U表示风电机组的桨距角调节值的上限值，x_j^L表示风电机组的桨距角调节值的下限值，x_bus^U表示变频交流母线的频率调节值的上限值，x_bus^L表示变频交流母线的频率调节值的下限值。

可选的，所述罚函数确定模块，包括：

输出功率计算子模块，用于利用输出功率计算公式，计算每台风电机组的输出功率；其中，所述输出功率计算公式为：

式中，P_j,i表示第i个个体中的第j台风电机组的输出功率，ρ表示空气密度，A表示叶片扫掠面积，C_j(V_j,x_j,i,x_bus,i)表示第j台风电机组的功率系数，V_j表示第j台风电机组的实时风速，x_j,i表示第i个个体中的第j台风电机组的桨距角，x_bus,i表示第i个个体中变频交流母线的频率；

罚函数确定子模块，用于利用每台风电机组的输出功率以及所述罚函数确定公式，确定出每台风电机组的罚函数。

可选的，所述输出功率计算子模块，包括：

功率系数计算单元，用于利用功率系数计算公式，计算每台风电机组的功率系数；其中，所述功率系数计算公式为：

其中，指数S为：

式中，R表示风电机组的叶片半径，n_p表示电机极对数，n_g表示齿轮箱变比，K₁至K₆为预先基于风电机组翼型确定的系数。

本发明中，风电机群功率控制方法，包括：预先创建并初始化与风电机群的规模相适应的种群，得到初始种群；利用上述罚函数确定公式，确定每台风电机组的罚函数；利用上述目标函数值计算公式，计算每个个体的目标函数值；基于差分进化算法，并结合每个个体的目标函数值，对所述初始种群进行种群进化处理，直到收敛为止，得到全局最优个体；根据所述全局最优个体，对所述风电机群展开相应的控制。

可见，本发明利用融入罚函数的差分进化算法，在一定程度上减少了风电机群的风能损失，并且在风电机组的输出功率超出额定功率值的情况下，能够确保风电机组维持在恒功率发电状态，由此实现风电机群在全风速范围内的最大风能输出控制的目的，由此可见，本发明能够减少风电机群控制过程中的风能损失量，并且能够避免风电机组的输出功率超出额定功率值。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的一种风电机群功率控制方法流程图；

图2为本发明实施例公开的一种风电机群功率控制系统结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种风电机群功率控制方法，应用于风电机群，其中，风电机群中每台风电机组在功率控制过程中的转速均保持一致，参见图1所示，该方法包括：

步骤S11：预先创建并初始化与风电机群的规模相适应的种群，得到初始种群；其中，初始种群中的第i个个体的向量表达式为：

x_i,0＝[x_1,i,0,x_2,i,0,…x_D,i,0,x_bus,i,0]，i＝1,2,...,N；

式中，D表示风电机群中风电机组的数量，N表示初始种群中个体的数量，x_j,i,0表示初始种群的第i个个体中的第j台风电机组的桨距角，j＝1,2,...,D，x_bus,i,0表示初始种群的第i个个体中变频交流母线的频率；

步骤S12：利用罚函数确定公式，确定每台风电机组的罚函数；其中，罚函数确定公式为：

式中，P_j,i表示第i个个体中的第j台风电机组的输出功率，P_N表示风电机组的额定功率值，P_PENj,i表示第i个个体中的第j台风电机组的罚函数；

步骤S13：利用目标函数值计算公式，计算每个个体的目标函数值；其中，目标函数值计算公式为：

式中，P_i表示第i个个体的目标函数值，C表示预设的惩罚因子；

步骤S14：基于差分进化算法，并结合每个个体的目标函数值，对初始种群进行种群进化处理，直到收敛为止，得到全局最优个体；其中，全局最优个体的向量表达式为：

x_g＝[x_1g,x_2g,…x_Dg,x_busg]；

式中，x_jg表示风电机群中第j台风电机组的最优桨距角，x_busg表示变频交流母线的最优频率；

步骤S15：根据全局最优个体，对风电机群展开相应的控制。

其中，上述步骤S15的具体过程可以包括：将x_busg赋给风电机群的频率调节器，以使频率调节器根据x_busg进行相应的频率调节，并且将x_1g,x_2g,…x_Dg赋给相应风电机组的桨距角控制器，以使每个桨距角控制器根据各自获取到的最优桨距角进行相应的桨距角控制处理。

需要说明的是，本实施例中的风电机群具体可以为采用高压直流输电变流器集中控制的风电机群，或采用分频交流输电变流器集中控制的风电机群，或采用可变频率变压器集中控制的风电机群。本实施例中，风电机群中每台风电机组在功率控制过程中的转速均保持一致，在上述功率控制过程中，需要对风电机群中的所有风电机组进行统一控制，而不会对任意风电机组进行单独控制。

可见，本发明实施例利用融入罚函数的差分进化算法，在一定程度上减少了风电机群的风能损失，并且在风电机组的输出功率超出额定功率值的情况下，能够确保风电机组维持在恒功率发电状态，由此实现风电机群在全风速范围内的最大风能输出控制的目的，由此可见，本发明实施例能够减少风电机群控制过程中的风能损失量，并且能够避免风电机组的输出功率超出额定功率值。

本发明实施例公开了一种具体的风电机群功率控制方法，包括如下步骤：

步骤S21：利用种群初始化公式，预先创建并初始化与风电机群的规模相适应的种群，得到初始种群；其中，初始种群中的第i个个体的向量表达式为：

x_i,0＝[x_1,i,0,x_2,i,0,…x_D,i,0,x_bus,i,0]，i＝1,2,...,N；

式中，D表示风电机群中风电机组的数量，N表示初始种群中个体的数量，x_j,i,0表示初始种群的第i个个体中的第j台风电机组的桨距角，j＝1,2,...,D，x_bus,i,0表示初始种群的第i个个体中变频交流母线的频率。

本实施例中，上述种群初始化公式具体为：

式中，rand[0,1]表示在0和1之间产生的均匀随机数，x_j^U表示风电机组的桨距角调节值的上限值，x_j^L表示风电机组的桨距角调节值的下限值，x_bus^U表示变频交流母线的频率调节值的上限值，x_bus^L表示变频交流母线的频率调节值的下限值。

步骤S22：利用输出功率计算公式，计算每台风电机组的输出功率；其中，输出功率计算公式为：

式中，P_j,i表示第i个个体中的第j台风电机组的输出功率，ρ表示空气密度，A表示叶片扫掠面积，C_j(V_j,x_j,i,x_bus,i)表示第j台风电机组的功率系数，V_j表示第j台风电机组的实时风速，x_j,i表示第i个个体中的第j台风电机组的桨距角，x_bus,i表示第i个个体中变频交流母线的频率。

本实施例中，第j台风电机组的功率系数C_j(V_j,x_j,i,x_bus,i)的计算公式为：

其中，指数S为：

式中，R表示风电机组的叶片半径，n_p表示电机极对数，n_g表示齿轮箱变比，K₁至K₆为预先基于风电机组翼型确定的系数。

步骤S23：利用每台风电机组的输出功率以及罚函数确定公式，确定出每台风电机组的罚函数。

其中，罚函数确定公式为：

式中，P_j,i表示第i个个体中的第j台风电机组的输出功率，P_N表示风电机组的额定功率值，P_PENj,i表示第i个个体中的第j台风电机组的罚函数。

步骤S24：基于差分进化算法，并结合每个个体的目标函数值，对初始种群进行种群进化处理，直到收敛为止，得到全局最优个体；其中，全局最优个体的向量表达式为：

x_g＝[x_1g,x_2g,…x_Dg,x_busg]；

式中，x_jg表示风电机群中第j台风电机组的最优桨距角，x_busg表示变频交流母线的最优频率。

本实施例中，上述步骤S24的过程，可以看具体包括下面步骤A1至A7：

步骤A1：从初始种群中筛选出目标函数值最小的个体，并将该个体确定为当前最优个体x_History；

步骤A2：利用变异公式，对当前种群Y_G中的每个个体进行变异操作，产生相应的变异个体；其中，G表示种群的代数编号，变异公式为：

v_i,G+1＝x_r1,G+F*(x_r2,G-x_r3,G)；

式中，v_i,G+1表示与当前种群Y_G中的第i个个体对应的变异个体，x_r1,G、x_r2,G以及x_r3,G表示在当前种群Y_G中随机选取的第r1个、第r2个和第r3个个体，并且r1≠r2≠r3≠i，F表示变异算子；

步骤A3：利用交叉公式进行交叉操作，得到实验向量u_i,G+1；

其中，u_i,G+1＝(u_1,i,G+1,u_2,i,G+1,…u_D,i,G+1,u_bus,i,G+1)，交叉公式为：

式中，rand(j)表示在0和1之间的随机均匀分布，CR表示交叉算子，rnb(i)表示[1,2,…,D+1]中一个随机选择的序列；

步骤A4：利用个体替换公式，对实验向量中不符合边界约束条件的个体进行更新替换，得到临时种群；

其中，边界约束条件包括：x_j^L≤u_j,i,G+1≤x_j^U，x_bus^L≤u_bus,i,G+1≤x_bus^U；个体替换公式为：

式中，rand[0,1]表示在0和1之间产生的均匀随机数，x_j^U表示风电机组的桨距角调节值的上限值，x_j^L表示风电机组的桨距角调节值的下限值，x_bus^U表示变频交流母线的频率调节值的上限值，x_bus^L表示变频交流母线的频率调节值的下限值；

步骤A5：计算临时种群中每个个体的目标函数值，并将临时种群中目标函数值较大的个体相对应地替换当前种群Y_G中目标函数值较小的个体，得到当前更新后的种群Y_G+1；

步骤A6：从当前种群Y_G+1中筛选出目标函数值最大的个体，并判断该个体的目标函数值是否大于当前最优个体x_History的目标函数值，如果是，则利用该个体对当前最优个体x_History进行替换更新；

步骤A7：重新进入步骤A2，直到进化代数收敛为止，并将进化结束后得到的当前最优个体x_History确定为全局最优个体。

步骤S25：根据全局最优个体，对风电机群展开相应的控制。

相应的，本发明实施例还公开了一种风电机群功率控制系统，应用于风电机群，其中，风电机群中每台风电机组在功率控制过程中的转速均保持一致，参见图2所示，该系统包括：

种群初始化模块11，用于预先创建并初始化与风电机群的规模相适应的种群，得到初始种群；其中，初始种群中的第i个个体的向量表达式为：

x_i,0＝[x_1,i,0,x_2,i,0,…x_D,i,0,x_bus,i,0]，i＝1,2,...,N；

式中，D表示风电机群中风电机组的数量，N表示初始种群中个体的数量，x_j,i,0表示初始种群的第i个个体中的第j台风电机组的桨距角，j＝1,2,...,D，x_bus,i,0表示初始种群的第i个个体中变频交流母线的频率；

罚函数确定模块12，用于利用罚函数确定公式，确定每台风电机组的罚函数；其中，罚函数确定公式为：

式中，P_j,i表示第i个个体中的第j台风电机组的输出功率，P_N表示风电机组的额定功率值，P_PENj,i表示第i个个体中的第j台风电机组的罚函数；

目标函数值计算模块13，用于利用目标函数值计算公式，计算每个个体的目标函数值；其中，目标函数值计算公式为：

式中，P_i表示第i个个体的目标函数值，C表示预设的惩罚因子；

种群进化处理模块14，用于基于差分进化算法，并结合每个个体的目标函数值，对初始种群进行种群进化处理，直到收敛为止，得到全局最优个体；其中，全局最优个体的向量表达式为：

x_g＝[x_1g,x_2g,…x_Dg,x_busg]；

式中，x_jg表示风电机群中第j台风电机组的最优桨距角，x_busg表示变频交流母线的最优频率；

风电机群控制模块15，用于根据全局最优个体，对风电机群展开相应的控制。

本实施例中，上述种群初始化模块，具体可以用于利用种群初始化公式，预先创建并初始化与风电机群的规模相适应的种群，得到初始种群；其中，种群初始化公式为：

式中，rand[0,1]表示在0和1之间产生的均匀随机数，x_j^U表示风电机组的桨距角调节值的上限值，x_j^L表示风电机组的桨距角调节值的下限值，x_bus^U表示变频交流母线的频率调节值的上限值，x_bus^L表示变频交流母线的频率调节值的下限值。

进一步的，本实施例中的罚函数确定模块，具体可以包括输出功率计算子模块以及罚函数确定子模块；其中，

输出功率计算子模块，用于利用输出功率计算公式，计算每台风电机组的输出功率；其中，输出功率计算公式为：

式中，P_j,i表示第i个个体中的第j台风电机组的输出功率，ρ表示空气密度，A表示叶片扫掠面积，C_j(V_j,x_j,i,x_bus,i)表示第j台风电机组的功率系数，V_j表示第j台风电机组的实时风速，x_j,i表示第i个个体中的第j台风电机组的桨距角，x_bus,i表示第i个个体中变频交流母线的频率；

罚函数确定子模块，用于利用每台风电机组的输出功率以及罚函数确定公式，确定出每台风电机组的罚函数。

另外，上述输出功率计算子模块，具体可以包括：

功率系数计算单元，用于利用功率系数计算公式，计算每台风电机组的功率系数；其中，功率系数计算公式为：

其中，指数S为：

式中，R表示风电机组的叶片半径，n_p表示电机极对数，n_g表示齿轮箱变比，K₁至K₆为预先基于风电机组翼型确定的系数。

关于上述各个模块更加详细的工作过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。

可见，本发明实施例利用融入罚函数的差分进化算法，在一定程度上减少了风电机群的风能损失，并且在风电机组的输出功率超出额定功率值的情况下，能够确保风电机组维持在恒功率发电状态，由此实现风电机群在全风速范围内的最大风能输出控制的目的，由此可见，本发明实施例能够减少风电机群控制过程中的风能损失量，并且能够避免风电机组的输出功率超出额定功率值。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的一种风电机群功率控制方法及系统进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。