(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211142888.3 (22)申请日 2022.09.20 (71)申请人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 张大海　孙吉莉　司玉林　钱鹏　 应有　孙勇　 (74)专利代理 机构 杭州天勤知识产权代理有限 公司 33224 专利代理师 彭剑 (51)Int.Cl. H02J 3/46(2006.01) H02J 3/38(2006.01) (54)发明名称 一种基于分布式滚动优化的海上风电场场 级控制策略 (57)摘要 本发明公开了一种基于分布式滚动优化的 海上风电场场级控制策略， 包括： 实时获取风电 场流场分布信息， 并作为风电场预测代理模型的 环境输入， 利用预测代理模型预测风电场在不同 控制策略下的动态运行特性； 在闭环控制中， 将 大规模风电场系统集中式优化问题按照机组空 间排布规律 分解为多个分布式局部优化子问题， 建立考虑功率优化调度和疲劳载荷的多目标优 化函数， 依次求解各个风电场子系统在单位优化 时域周期内的局部控制最优解； 在下一个滚动优 化时域周期内重复上述过程， 最终实现大规模风 电场在动态环境风况变化下的多目标滚动最优 控制。 本发 明可以解决大规模海 上风电场在变化 风况下优化困难、 计算成本高等问题， 实现有功 优化调度和载荷降低。 权利要求书3页 说明书8页 附图3页 CN 115333168 A 2022.11.11 CN 115333168 A 1.一种基于分布式滚动优化的海上风电场 场级控制策略， 其特 征在于， 包括： (1)利用风电场感知系统实时获取风电场内部流场分布情况， 记录动态变化的环境风 参数和各机组当前时刻运行状态信息； (2)建立海上风电场协同控制的预测代 理模型， 包括环境风子模型、 风力机子模型和尾 流子模型； 利用风电场感知系统获取的风电场内部流场分布情况对预测代理模型进行参数 校正； (3)将步骤(1)获得的环境风参数和各机组当前时刻运行状态信息作为输入， 利用预测 代理模型表征和预测实际风电场在未来时刻的运行特征， 获得各机组在不同协同控制策略 下的输出功率和关键 部位载荷的时域变化； (4)综合考虑风电场在单位优化时域周期内的运行特征， 建立实现有功功率优化调度 下最小化疲劳载荷的多目标优化函数， 通过最小化目标函数实现风电场有功优化调 度和机 组关键部件疲劳寿命的提升； (5)将多目标优化问题分解为若干个小规模分布式局部动态优化子系统的子问题， 利 用智能优化算法对各个子问题的目标函数进 行求解， 并通过各问题之 间的通信来综合获得 分布式整体最优， 最终 获得该优化周期内的最优 控制； (6)将求解获得每台机组的最优控制参数目标值发送到各台风力机的执行器， 通过单 一控制或联合控制方法， 实现在未来有限时域内风电场功率的动态优化调 度和疲劳载荷优 化； (7)在下一个滚动优化周期内重复步骤(1) ‑步骤(5)， 并在其对应的控制周期内执行当 前优化周期内的最优控制策略， 从而实现风电场在动态变化风况下的多目标滚动优化和最 优控制。 2.根据权利要求1所述的基于分布式滚动优化的海上风电场场级控制策略， 其特征在 于， 步骤(1)中， 环境风参数包含有尾流影响和无尾流影响下的风信息参数； 有尾流影响下 的风信息参数包括尾流风速赤字和尾流膨胀、 尾流蜿蜒； 通过测 量风力机下游尾流区域风 速分布情况获得； 无尾流影响下的风信息参数包括环境风的平均风速、 风向和湍流强度； 通过激光雷达 测风技术， 利用多普勒原理扫描实时感知风电场流场风速空间分布情况， 反演推算获得； 各机组当前时刻运行状态信息包 含偏航角、 桨距角， 利用风力机SCADA系统获得。 3.根据权利要求1所述的基于分布式滚动优化的海上风电场场级控制策略， 其特征在 于， 步骤(2)中， 所述的环境风子模型利用Taylor湍流冻结假设完成风电场流场的空间传 播； 所述的风力机子模型采用制动盘模型， 根据仿真要求设定机组转子面半径和轮毂高度 参数； 所述的尾流子模型用于捕捉和预测与风电场输出功率、 风力机负载相关的关键尾流 特征， 包括尾流 风速赤字、 尾流 膨胀以及尾流 蜿蜒。 4.根据权利要求1所述的基于分布式滚动优化的海上风电场场级控制策略， 其特征在 于， 步骤(4)中， 建立多目标优化 函数的具体过程 为： (4‑1)计算风电场内机组i的输出功率， 计算公式如下： 式中， Pi为风电场内机组i发电机的输出功率， Tq,i(t)为机组i发电机在t时刻的瞬时扭权　利　要　求　书 1/3 页 2 CN 115333168 A 2矩， ωi为机组i发电机在t时刻的瞬时转速， tk为当前时刻， ΔT为单位优化时域周期； 根据上述单台机组的功率计算公式， 求解风电场系统 的总发电功率即为风电场系统内 所有风力发电机组在单位时间内的发电功率之和 为： (4‑2)计算风力发电机组i所受等效疲劳载荷： 利用预测代理模型获得风电场内风力发电机组i关键部位所受载荷时域变化情况， 包 括塔筒底部和叶片根部的载荷变化情况； 通过雨流计数法， 对风力发电机组i所 受时域变化 的载荷进行等效分析， 获得关键 部位等效疲劳载荷DEL： 式中， DEL为等效疲劳载荷， 为时间序列ΔT内的等效循环次数， NΔT,i为第i个工况在 时间序列ΔT内发生的次数， LΔT,i为第i个工况在时间序列ΔT内的载荷范围， m为材料S ‑N曲 线的斜率； (4‑3)建立多目标优化的目标函数模型： 为实现风电场有功功率的优化调度， 使风电场的输出功率满足有功功率期望值， 并降 低机组关键 部位所受疲劳载荷， 建立目标函数如下： 式中， Pdes为风电场系统的总输出功率期望值， 为风电场系统的总发电功率， 为归一化后的功率偏差值， DELnorm为归一化后的各 台风力发电机 组关键部位所受最大疲劳 载荷， α 为权 重系数。 5.根据权利要求1所述的基于分布式滚动优化的海上风电场场级控制策略， 其特征在 于， 步骤(5)中， 若干个小规模分布式局部动态优化子系统的子问题求解过程是按照特定顺 序依次完成对所有子问题的求解， 当所有子系统完成一次迭代求解后得到的各子系统的最 优控制参数与上一次迭代结果进 行比较， 若某个子系统当前迭代得到的最优控制与上一次 迭代得到的结果差大于阈值， 则未收敛 的子系统进入下一次迭代计算过程， 已收敛 的子系 统不再进行迭代求解， 并更新当前求解顺序， 重复上述优化求解直到所有子系统最优控制 实现收敛。 6.根据权利要求1所述的基于分布式滚动优化的海上风电场场级控制策略， 其特征在 于， 步骤(5)中， 第i个分布式局部动态优化子问题在优化时间t∈[kΔT,(k+P)ΔT]内的表 达形式为： 其中， t∈[kΔT,(k+P)ΔT],k∈{0,...,M}， x(t)和u(t)分别是各个风电场子系统的状 态变量和控制变量， 系统模型 由海上风电场协同控制预测代理模型决定， 将求解得到的最优控制 u(t)在控制周期t∈[k ΔT,(k+L)ΔT]内进行 执行输出； 其中， J为子系 统的目标函数， ΔT为采样周期， k表示当前采样周期， M为采样周期的个权　利　要　求　书 2/3 页 3 CN 115333168 A 3