基于云边协同的风电场调度优化方法

本发明涉及风电，具体是基于云边协同的风电场调度优化方法。

背景技术：

1、风电机组的运行环境通常较为恶劣，风资源的变化具有随机性和波动性，导致风电机组在运行过程中会受到多种不同种类与来源的力与力矩的作用，将这些多源的力与力矩称为载荷。对风电机组载荷进行特性评估往往会涉及到计算等效疲劳载荷，疲劳载荷的大小直接对风电机组的生命周期和运行安全产生影响，长期来看，疲劳载荷的积累会导致疲劳损伤，进而对风电场的长期经济效益产生负面影响。

2、以功率最大化为目标进行风电场调度时需要考虑尾流和疲劳损伤的影响，另一个需要考虑的因素是风电场调度方式。典型的风电场调度结构是风电场调度中心接收电力调度中心的指令，以全场指标对机组进行控制参数的优化，下发至各个机组执行。风电机组运行工况复杂且所处环境存在差异，导致机组对于同一调度指令的执行能力不同，因此需要对每台机组进行实际执行能力评估；且大型风电场中机组数量众多，在集中式调度结构中机组实际执行能力评估任务均部署于场级控制器，产生了计算量大的问题，因此需要引入非中心化计算模式以减轻场级控制器的计算负担。

技术实现思路

1、本发明的目的在于解决现有技术中存在的问题，设计了考虑机组执行能力的风电场调度优化策略。首先以风电场输出功率最大化和疲劳损伤均衡为优化目标，建立考虑偏航工况的全场尾流模型、疲劳损伤评估模型，然后基于mran-rbf神经网络建立了机组控制系统模型，云边环境下，云节点与边缘节点通过数据同步机制保持机组控制模型同步，保证云节点对机组执行能力的实时感知。利用实时更新的机组控制系统模型对机组执行能力进行评估，并将评估结果用于风电场调度优化过程，最后结合上述调度模型与优化目标函数，建立场级调度优化问题，利用人工电场算法求解最优偏航角和推力系数。本发明为实现上述目的，通过以下技术方法实现：

2、基于云边协同的风电场调度优化方法，包括步骤：

3、s1、对全场尾流进行模型建立，需要先建立单台风电机组的尾流模型，然后建立多台机组之间的尾流叠加模型，最后进行全场尾流模型的设计；

4、s2、实现实时控制系统模型更新，建立风电场疲劳损伤综合评估模型，量化风电机组的疲劳程度；

5、s3、算法优化求解。采用aefa算法进行场级调度优化问题的最优参数搜索。；

6、所述步骤s1中针对风电场输出功率最大化和疲劳损伤均衡为优化目标，建立考虑偏航工况的全场尾流模型、疲劳损伤评估模型。

7、所述步骤s2中利用mran-rbf神经网络进行控制系统模型更新，利用实时更新的机组控制系统模型对机组执行能力进行评估，将评估结果用于风电场调度优化过程；

8、所述步骤s3中结合步骤s1与s2中的模型与优化目标函数，建立场级调度优化问题，利用人工电场算法求解最优偏航角和推力系数。

9、对比现有技术，本发明的有益效果在于：

10、1.在风电场控制中实现发电量与疲劳损伤均衡目标：所设计的场级调度优化策略对于提升风电场发电量和疲劳损伤分布的均匀性有积极效果；

11、2.提高风电场调度效率：相较于不考虑机组执行能力的调度策略，云边环境下，云节点与边缘节点通过数据同步机制保持机组控制模型同步，保证云节点对机组执行能力的实时感知，实现风机控制系统模型在线更新，提高风电场调度的精度和效率。

技术特征：

1.基于云边协同的风电场调度优化方法，其特征在于，包括步骤：

2.根据权利要求1所述的基于云边协同的风电场调度优化方法，其特征在于：步骤s1中，全场尾流模型建立。

3.根据权利要求1所述的基于云边协同的风电场调度优化方法，其特征在于：步骤s2中，控制系统模型更新的步骤为：首先，基于步骤s1中的风电场模型，利用mran-rbf神经网络建立实时更新的机组控制系统模型，然后对调度指令的执行能力评估进行进一步分析，最后对机组尾流模型、功率模型与疲劳损伤评估模型进行修正。

4.根据权利要求1所述的基于云边协同的风电场调度优化方法，其特征在于：步骤s2中，控制系统模型更新的步骤包括：

5.根据权利要求1所述的基于云边协同的风电场调度优化方法，其特征在于：步骤s3中，算法优化求解包括步骤：

6.根据权利要求4所述的基于云边协同的风电场调度优化方法，其特征在于：所述步骤s21利用实时更新的机组控制系统模型对机组执行能力进行评估，并将评估结果用于风电场调度优化过程。

7.根据权利要求5所述的基于云边协同的风电场调度优化方法，其特征在于：所述步骤s31中，设计疲劳损伤均衡目标时，考虑进行场级调度优化期间，主要考虑本次调度对机组疲劳载荷的增量影响。

技术总结本发明公开了基于云边协同的风电场调度优化方法，主要涉及风电技术领域;包括步骤:S1、全场尾流模型建立；S2、控制系统模型更新；S3、算法优化求解；本发明首先以风电场输出功率最大化和疲劳损伤均衡为优化目标，建立考虑偏航工况的全场尾流模型、疲劳损伤评估模型，然后利用MRAN‑RBF神经网络建立实时更新的机组控制系统模型，设计尾流模型更新机制，对机组执行能力进行评估，并将评估结果用于风电场调度优化过程，提出了场级调度优化问题，利用人工电场算法求解最优偏航角和推力系数。技术研发人员：魏善碧,贾康强,许凯铭,赖星陶,钟晓雨,熊世辉受保护的技术使用者：重庆大学技术研发日：技术公布日：2024/7/23