[发明专利]基于SCADA数据的风电机组偏航控制参数优化方法

说明书

本发明属于风力发电机组控制技术领域，尤其涉及一种基于SCADA数据的风电机组偏航控制参数优化方法。具体为首先确定参数寻优区间；确定优化的偏航控制参数，即偏航偏差阈值和延迟时间的寻优范围；对SCADA数据进行预处理；生成初始种群；计算适应度函数；在适应度函数值基础上计算每一个体被选择的概率P_si；采用赌轮盘法进行选择，得到父代用于繁殖下一代种群；利用交叉算子和变异算子由初始种群生成新种群；若迭代次数超过最大遗传代数，则终止运算，输出最优偏航偏差阈值和延迟时间。本发明方法使优化结果具有更高的自适应水平和针对性；不仅显著地提升了机组的出力性能，而且不会明显提高偏航时间。

技术领域

本发明属于风力发电机组控制技术领域，尤其涉及一种基于SCADA数据的风电机组偏航控制参数优化方法。

背景技术

目前，大型风力发电机组均采用了主动偏航控制技术。偏航控制也叫调向控制，以确保风轮能够追踪风向，充分利用风能，提高风力发电机组的发电效率。典型的偏航控制原理如图1。系统通过风向标测得风向信号，将测得的风向信号送到偏航控制器中进行风向数据处理，然后依据控制策略判定是否进行偏航以及确定偏航方向，最终使风轮正对风向。考虑到风向标的测量误差与风向的湍流特性，必须计算延迟时间内风电机组机舱轴线方向与实际风向的偏差均值，当该值在设定的范围内，即其绝对值小于偏航偏差阈值时，系统不进行偏航；而当该值超过了设定的误差范围，偏航系统启动对风，减小偏航误差角。

风向瞬时变化频繁，但一般幅度不大，若偏航系统对风起动动作频次过高，会造成系统的疲劳和载荷。因此，综合考虑风电机组安全性和经济性，设置合理的偏航偏差阈值和延迟时间，将有效减小机组偏航系统工作强度，提高风电场经济效益。但由文献资料检索和现场调研结果表明，当前偏航系统对风控制策略较为简单，一部分机组在全风速段采用单一控制参数，即采用相同的偏航偏差阈值和延迟时间；而大部分机组将风速范围分为两段，然后根据高低风速时风向变化特性分别设定不同的偏航偏差阈值和延迟时间。

遗传算法(Genetic Algorithm,GA)是一种基于自然选择和遗传变异等生物进化机制的全局优化搜索算法，在许多工程研究领域得到广泛而又成功的应用。遗传算法不仅有较强的搜索能力，收敛速度快、精度高，而且其用法也比较灵活，可以避免一般优化算法的局部最优、收敛较慢等问题。风电场SCADA系统中记录了风场与每一台机组的实时运行数据，SCADA数据真实反映了风场的风资源与每一台机组的实际运行情况，利用SCADA数据对偏航控制器参数进行优化可以收到最佳效果。本发明基于风电机组SCADA数据，利用遗传算法对偏航偏差阈值和延迟时间进行综合优化，最终得到最优偏航控制参数。

发明内容

为了解决上述问题，本发明提出了一种基于SCADA数据的风电机组偏航控制参数优化方法，其特征在于，所述方法步骤为：

步骤1：确定参数寻优区间；

(1)根据机组SCADA中风速数据划分风速区间；

(2)确定优化的偏航控制参数，即偏航偏差阈值和延迟时间的寻优范围；

步骤2：对SCADA数据进行预处理；

(1)剔除转速低于并网转速的数据值和异常值；

所述异常值为机械失灵、外界冲击、电磁干扰这些测量条件意外改变或测量者工作失误产生的错误读数或记录；

(2)计算原始SCADA数据中机组总发电量W与偏航比Y_Ratio；

步骤3：生成初始种群；

步骤4：计算适应度函数；

(1)选取风电机组总发电量为优化目标函数，偏航比为约束项；

(2)利用预处理后的机组SCADA数据计算得到种群个体的优化目标函数值和约束值；