一种风电场的转动储能控制方法及相关装置与流程

本申请涉及风力发电技术领域，特别涉及一种风电场的转动储能控制方法、转动储能控制系统、转动储能控制装置以及计算机可读存储介质。

背景技术：

随着电力技术不断发展，在以火电机组为主的电网中，当电网频率下降时可通过增加火电机组的有功功率来支撑电网频率，从而保证电网的稳定运行。而风电机组所能输出的最大有功功率受制于风速，对电网频率的支撑作用有限。随着风电装机容量的快速上升，为保证电网的安全稳定运行，必须设法提高风电机组的电网频率支撑能力。

目前，传统变速风电机组通常采用最大功率控制方法。但是，最大功率控制方式在电网频率降低时无法增大风电机组的有功输出，不能向电网频率提供有效的支撑。因此，现有技术进一步采用的变桨减载控制或增速减载控制，均是通过主动降低风电机组的有功输出，为支撑电网频率预留出所需的备用容量。而现有技术中通过降低风能利用率的方式，同样会降低旋转动能储备的容量，也就是降低旋转储能的大小，进一步当电网频率降低需要使用旋转储能时，无法对电网频率进行有效的支撑。

因此，如何提高风电场在正常运转时的旋转动能储备容量，也就是使旋转储能最大化，是本领域技术人员关注的重点问题。

技术实现要素：

本申请的目的是提供一种风电场的转动储能控制方法、转动储能控制系统、转动储能控制装置以及计算机可读存储介质，通过将减载比例作为约束条件，对转动储能进行优化控制，使旋转储能最大化，使转动储能对电网可以进行有效的支撑。

为解决上述技术问题，本申请提供一种风电场的转动储能控制方法，包括：

根据转速调节范围和桨距角调节范围进行随机初始化，得到初代种群；

将减载约束条件作为罚函数加入到旋转动能储备目标函数中，得到储备能优化目标函数；

根据所述初代种群、所述储备能优化目标函数以及测量得到的实时风速进行差分进化迭代，得到最终全局最佳位置；

根据所述最终全局最佳位置对每个风电机组的变流器和变桨距控制器进行控制。

可选的，根据所述初代种群、所述储备能优化目标函数以及测量得到的实时风速进行差分进化迭代，得到最终全局最佳位置，包括：

根据第n代种群和所述实时风速按照所述储备能优化目标函数进行适应度计算，得到所述第n代种群中每个个体对应的适应度值；其中，当第一次计算时，所述第n代种群为所述初代种群；

根据每个个体对应的适应度值和历史适应度值确定每个个体对应的个体最佳位置和全局最佳位置；

对所述第n代种群进行变异交叉操作，得到第n+1代种群；

判断所述n是否小于预设迭代次数；

若是，将所述第n+1代种群作为第n代种群，执行差分进化迭代的步骤；

若否，将所述全局最佳位置作为所述最终全局最佳位置。

可选的，对所述第n代种群进行变异交叉操作，得到第n+1代种群，包括：

对所述第n代种群进行变异操作，得到多个变异个体；

采用所述多个变异个体对所述第n代种群中的所有个体进行交叉操作，得到新种群；

根据所述转速调节范围和所述桨距角调节范围对所述新种群进行校验，得到所述第n+1代种群。

可选的，根据每个个体对应的适应度值和历史适应度值确定每个个体对应的个体最佳位置和全局最佳位置，包括：

将每个个体对应的适应度值和该个体的历史最佳适应度值中最大的适应度值和对应的位置，作为该个体对应的个体最佳适应度值和对应的个体最佳位置；

将所有个体最佳适应度值与历史全局最佳适应度值中最大的适应度值和对应的位置，作为全局最佳适应度值和所述全局最佳位置。

本申请还提供一种风电场的转动储能控制系统，包括：

初始化模块，用于根据转速调节范围和桨距角调节范围进行随机初始化，得到初代种群；

优化函数构造模块，用于将减载约束条件作为罚函数加入到旋转动能储备目标函数中，得到储备能优化目标函数；

差分迭代优化模块，用于根据所述初代种群、所述储备能优化目标函数以及测量得到的实时风速进行差分进化迭代，得到最终全局最佳位置；

最优控制模块，用于根据所述最终全局最佳位置对每个风电机组的变流器和变桨距控制器进行控制。

可选的，所述差分迭代优化模块，包括：

适应度值计算单元，用于根据第n代种群和所述实时风速按照所述储备能优化目标函数进行适应度计算，得到所述第n代种群中每个个体对应的适应度值；其中，当第一次计算时，所述第n代种群为所述初代种群；

最佳位置确定单元，用于根据每个个体对应的适应度值和历史适应度值确定每个个体对应的个体最佳位置和全局最佳位置；

变异交叉操作单元，用于对所述第n代种群进行变异交叉操作，得到第n+1代种群；

迭代次数判断单元，用于判断所述n是否小于预设迭代次数；

重复迭代单元，用于当所述n小于所述预设迭代次数，将所述第n+1代种群作为第n代种群，执行差分进化迭代的步骤；

迭代中止单元，用于当所述n不小于所述预设迭代次数，将所述全局最佳位置作为所述最终全局最佳位置。

可选的，所述变异交叉操作单元，包括：

变异操作子单元，用于对所述第n代种群进行变异操作，得到多个变异个体；

交叉操作子单元，用于采用所述多个变异个体对所述第n代种群中的所有个体进行交叉操作，得到新种群；

新种群校验单元，用于根据所述转速调节范围和所述桨距角调节范围对所述新种群进行校验，得到所述第n+1代种群。

可选的，所述最佳位置确定单元，包括：

个体最佳确定子单元，用于将每个个体对应的适应度值和该个体的历史最佳适应度值中最大的适应度值和对应的位置，作为该个体对应的个体最佳适应度值和对应的个体最佳位置；

全区最佳确定子单元，用于将所有个体最佳适应度值与历史全局最佳适应度值中最大的适应度值和对应的位置，作为全局最佳适应度值和所述全局最佳位置。

本申请还提供一种风电场的转动储能控制装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如上所述的转动储能控制方法的步骤。

本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的转动储能控制方法的步骤。

本申请所提供的一种风电场的转动储能控制方法，包括：根据转速调节范围和桨距角调节范围进行随机初始化，得到初代种群；将减载约束条件作为罚函数加入到旋转动能储备目标函数中，得到储备能优化目标函数；根据所述初代种群、所述储备能优化目标函数以及测量得到的实时风速进行差分进化迭代，得到最终全局最佳位置；根据所述最终全局最佳位置对每个风电机组的变流器和变桨距控制器进行控制。

通过将旋转动能储备作为优化目标，将减载比例作为约束条件，也就是是风能利用系数保证在一定比例，尽可能的提高旋转动能储备，从而当电网频率波动时，提供有效的电能补充，避免无法对电网进行有效支撑的情况出现。

本申请还提供一种风电场的转动储能控制系统、转动储能控制装置以及计算机可读存储介质，具有以上有益效果，在此不做赘述。

附图说明

为了更清楚地说明本申请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申请的实施例，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为本申请实施例所提供的一种风电场的转动储能控制方法的流程图；

图2为本申请实施例所提供的一种风电场的转动储能控制系统的结构示意图。

具体实施方式

本申请的核心是提供一种风电场的转动储能控制方法、转动储能控制系统、转动储能控制装置以及计算机可读存储介质，通过将减载比例作为约束条件，对转动储能进行优化控制，使旋转储能最大化，使转动储能对电网可以进行有效的支撑。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

目前，传统变速风电机组通常采用最大功率控制方法。但是，最大功率控制方式在电网频率降低时无法增大风电机组的有功输出，不能向电网频率提供有效的支撑。因此，现有技术进一步采用的变桨减载控制或增速减载控制，均是通过主动降低风电机组的有功输出，为支撑电网频率预留出所需的备用容量。而现有技术中通过降低风能利用率的方式，同样会降低旋转动能储备的容量，也就是降低旋转储能的大小，进一步当电网频率降低需要使用旋转储能时，无法对电网频率进行有效的支撑。也就是说目前现有技术为了保证旋转储能功能中正常频率下的发电量，会降低旋转储能的储备，当电网频率发生波动时，没有办法对电网提供有效的支撑。

因此，本申请提供一种风电场的转动储能控制方法，通过将旋转动能储备作为优化目标，将减载比例作为约束条件，也就是是风能利用系数保证在一定比例，尽可能的提高旋转动能储备，从而当电网频率波动时，提供有效的电能补充，避免无法对电网进行有效支撑的情况出现。

请参考图1，图1为本申请实施例所提供的一种风电场的转动储能控制方法的流程图。

本实施例中，该方法可以包括：

s101，根据转速调节范围和桨距角调节范围进行随机初始化，得到初代种群；

本步骤旨在根据转速调节范围和桨距角调节范围内进行随机初始化，得到初代种群。主要是为了在初代种群中的每个个体均是可用个体，也就是可以应用在转速和桨距角调节范围内的个体。

需要说明的本实施例一开始就在转速调节范围和桨距角调节范围内进行随机初始化，也就是得到的初代种群的个体中既包括转速，还包括桨距角。并且后续的优化算法中也都是对转速以及桨距角协同进行优化，增加了风电场的优化因素以使风电场的控制更加细腻，优化目标可以得到尽可能的提高。

s102，将减载约束条件作为罚函数加入到旋转动能储备目标函数中，得到储备能优化目标函数；

在s101的基础上，本步骤旨在将减载约束条件加入到旋转动能储备目标函数中，得到储备能优化目标函数。也就是将一定的减载比例作为约束条件，即将风能利用率作为约束条件加入到旋转动能储备目标函数，得到储备能优化目标函数。采用该储备能优化目标函数进行优化计算就可以在保证风能利用率的条件下，使得储备能最大化。

s103，根据初代种群、储备能优化目标函数以及测量得到的实时风速进行差分进化迭代，得到最终全局最佳位置；

在s102的基础上，本不会走旨在进行差分进化迭代优化，得到最终全局最佳位置。可见，本实施例中主要是采用差分进化算法进行迭代优化，得到全局最佳位置。其中，差分进化算法采用变异和交叉操作，可以提高美的迭代中的个体的随机性，更快的获取到全局最佳个体，并将其位置作为全局最佳位置。

可选的，本步骤可以包括：

步骤1，根据第n代种群和实时风速按照储备能优化目标函数进行适应度计算，得到第n代种群中每个个体对应的适应度值；其中，当第一次计算时，第n代种群为初代种群；

步骤2，根据每个个体对应的适应度值和历史适应度值确定每个个体对应的个体最佳位置和全局最佳位置；

步骤3，对第n代种群进行变异交叉操作，得到第n+1代种群；

步骤4，判断n是否小于预设迭代次数；若是，则执行步骤5；若否，则执行步骤6；

步骤5，将第n+1代种群作为第n代种群，执行差分进化迭代的步骤；

步骤6，将全局最佳位置作为最终全局最佳位置。

可见，本可选方案提供了一种具体的差分进化迭代的过程，通过本可选方案进行迭代一定次数后得到的全局最佳位置可以最终全局最佳位置。其中，预设迭代次数可以根据实际的应用情况进行设定，当迭代次数越多时计算的时长越长，最终全局最佳位置的效果也越好，当迭代次数越少时计控制的效率就越高。可见，需要根据具体的应用情况选择对应的预设迭代次数。

可选的，本可选方案的步骤3可以包括：

步骤3.1，对第n代种群进行变异操作，得到多个变异个体；

步骤3.2，采用多个变异个体对第n代种群中的所有个体进行交叉操作，得到新种群；

步骤3.3，根据转速调节范围和桨距角调节范围对新种群进行校验，得到第n+1代种群。

本可选方案主要是提供一种更加具体的变异交叉操作，其具体包括先进行变异操作，再进行交叉操作，最后进行校验，以便新得到的种群中的个体均为可用个体。

可选的，本可选方案的步骤2可以包括：

步骤2.1，将每个个体对应的适应度值和该个体的历史最佳适应度值中最大的适应度值和对应的位置，作为该个体对应的个体最佳适应度值和对应的个体最佳位置；

步骤2.2，将所有个体最佳适应度值与历史全局最佳适应度值中最大的适应度值和对应的位置，作为全局最佳适应度值和全局最佳位置。

本可选方案提供了一种确定个体最佳位置和全局最佳位置的方案，其中主要是通过适应度值进行判断，得到个体最佳适应度值和全局最佳适应度值，再将对应的位置作为个体最佳位置和全局最佳位置。

s104，根据最终全局最佳位置对每个风电机组的变流器和变桨距控制器进行控制。

在s103的基础上，本步骤旨在根据最终全局最佳位置中的矢量进行控制。需要说明的是，本实施例中的位置均表示的是由每个机组的转速和桨距角组成的矢量。

综上，本实施例通过将旋转动能储备作为优化目标，将减载比例作为约束条件，也就是是风能利用系数保证在一定比例，尽可能的提高旋转动能储备，从而当电网频率波动时，提供有效的电能补充，避免无法对电网进行有效支撑的情况出现。

在上一实施例的基础上，本实施例主要是提供一种更加具体的转动储能控制方法。该方法通过将转动储能作为优化目标，将减载比例作为约束条件进行相应的优化，提高了转动储能的储备，当电网波动时可以提供有效的电能补充。

本实施例中的优化目标为风电场旋转动能储备：

本实施例的约束条件为：

1、转速调节范围：

ωimin≤ωi≤ωimax,(i＝1,2,...,m)；

2、桨距角调节范围：

βimin≤βi≤βimax,(i＝1,2,...,m)；

3、减载要求：

psum＝(1-d)pmax；

其中，风电场实际捕获的风能：

风能利用率系数：

实时风速下，风电场所能捕获的最大风能：

由于约束条件中的减载要求不是变量，所以需作为罚函数加入优化目标，因此得到最终的优化目标函数：

其中，m为风电场风电机组数量；ji为第i台风电机组的转动惯量；ωi为第i台风电机组的转速；ωimpp为第i台风电机组最大功率点对应的转速；βi为第i台风电机组的桨距角；d为设定的风电场减载比例；ρ为空气密度；ai为第i台风电机组的风轮扫略面积；vi为第i台风电机组的风速；ri为第i台风电机组的风轮半径；cp为风电机组风能利用率；cpmpp为风电机组最大功率点的风能利用率；kpen为风电场减载比例罚函数的系数。

本实施例将最终的优化目标函数作为目标函数(即适应度函数)，将转速调节范围和桨距角调节范围作为约束条件，根据各风机的实测风速vi和给定减载比例d，搜索使整个风电场旋转动能储备最大化的各风电机组转速ωi和桨距角βi。

在以上公式说明的基础上，本实施例的执行步骤如下：

步骤1，优化算法初始化。

设置种群规模n、迭代次数z、罚函数系数kpen、交叉算子kcr、空气密度ρ、各风力机转动惯量ji、风轮扫略面积ai、风轮半径ri、风轮系数c1-c6、风电场减载比例d。将风速仪测得的风速输入风速矢量设置描述种群中个体位置的矢量为：

其中，j为种群中个体的序号，k为种群的代数。

令k＝1，在转速和桨距角调节范围ωimin≤ωi≤ωimax和βimin≤βi≤βimax内，根据以下随机生成公式随机初始化第1代种群的个体位置：

其中，rand为在[0,1]之间产生的均匀随机数。

步骤2，适应度值计算。

将种群位置矢量风速矢量按以下公式进行计算，获得第k代种群中，每个个体j的适应度值fj,k，其中j＝1,2,…,n。

ωimpp＝λmppvi/ri；

步骤3，个体和全局最佳适应度值的确定。

首先，将步骤2计算出来的第k代种群中每个个体j(j＝1,2,…,n)的适应度值fj,k与该个体之前的局部最佳适应度值fj,best进行比较，将其中更大的适应度值和对应位置，分别作为新的个体最佳适应度值fj,best和个体最佳位置pj,best。然后，将新的个体最佳适应度值fj,best与整个种群之前的全局最佳适应度值fg,best进行比较，将其中更大的适应度值和对应位置，分别作为整个种群新的全局最佳适应度值fg,best和个体最佳位置pg,best。

步骤4，通过变异和交叉操作更新种群中的所有个体，得到第k+1代种群。

在第k代种群的n个个体中随机选择3个互不相同的个体作为目标向量个体，定义为按以下公式进行变异操作，产生变异个体

按以下公式对所有个体中的所有维度进行交叉操作，产生新种群。

对所获得新种群中的所有变量进行校验，对于不符合转速和桨距角约束条件的变量，按上述随机生成公式在转速和桨距角调节范围内随机产生新变量代替，形成第k+1代种群。

步骤5，迭代终止判断。

如果迭代代数k小于设定的迭代次数z，则令k＝k+1，并且重复步骤2至步骤4；如果迭代代数k等于设定的迭代次数z，则迭代终止，并将全局最佳位置作为最终的全局最佳位置：

将上述全局最佳位置的变量，ωi,gbest、βi,gbest分别传给第i台风电机组的变流器和变桨距控制器，用于控制其转速和桨距角。

可见，本实施例提供的转动储能控制方法，通过将旋转动能储备作为优化目标，将减载比例作为约束条件，也就是是风能利用系数保证在一定比例，尽可能的提高旋转动能储备，从而当电网频率波动时，提供有效的电能补充，避免无法对电网进行有效支撑的情况出现。

下面对本申请实施例提供的一种风电场的转动储能控制系统进行介绍，下文描述的一种风电场的转动储能控制系统与上文描述的一种风电场的转动储能控制方法可相互对应参照。

请参考图2，图2为本申请实施例所提供的一种风电场的转动储能控制系统的结构示意图。

本实施例中，该系统可以包括：

初始化模块100，用于根据转速调节范围和桨距角调节范围进行随机初始化，得到初代种群；

优化函数构造模块200，用于将减载约束条件作为罚函数加入到旋转动能储备目标函数中，得到储备能优化目标函数；

差分迭代优化模块300，用于根据初代种群、储备能优化目标函数以及测量得到的实时风速进行差分进化迭代，得到最终全局最佳位置；

最优控制模块400，用于根据最终全局最佳位置对每个风电机组的变流器和变桨距控制器进行控制。

可选的，该差分迭代优化模块300，可以包括：

适应度值计算单元，用于根据第n代种群和实时风速按照储备能优化目标函数进行适应度计算，得到第n代种群中每个个体对应的适应度值；其中，当第一次计算时，第n代种群为初代种群；

最佳位置确定单元，用于根据每个个体对应的适应度值和历史适应度值确定每个个体对应的个体最佳位置和全局最佳位置；

变异交叉操作单元，用于对第n代种群进行变异交叉操作，得到第n+1代种群；

迭代次数判断单元，用于判断n是否小于预设迭代次数；

重复迭代单元，用于当n小于预设迭代次数，将第n+1代种群作为第n代种群，执行差分进化迭代的步骤；

迭代中止单元，用于当n不小于预设迭代次数，将全局最佳位置作为最终全局最佳位置。

可选的，该变异交叉操作单元，可以包括：

变异操作子单元，用于对第n代种群进行变异操作，得到多个变异个体；

交叉操作子单元，用于采用多个变异个体对第n代种群中的所有个体进行交叉操作，得到新种群；

新种群校验单元，用于根据转速调节范围和桨距角调节范围对新种群进行校验，得到第n+1代种群。

可选的，该最佳位置确定单元，可以包括：

个体最佳确定子单元，用于将每个个体对应的适应度值和该个体的历史最佳适应度值中最大的适应度值和对应的位置，作为该个体对应的个体最佳适应度值和对应的个体最佳位置；

全区最佳确定子单元，用于将所有个体最佳适应度值与历史全局最佳适应度值中最大的适应度值和对应的位置，作为全局最佳适应度值和全局最佳位置。

一种风电场的转动储能控制装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如以上实施例所述的转动储能控制方法的步骤。

本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如以上实施例所述的转动储能控制方法的步骤。

该计算机可读存储介质可以包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

以上对本申请所提供的一种风电场的转动储能控制方法、转动储能控制系统、转动储能控制装置以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本申请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申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。