[发明专利]风力机集群预测群控方法

说明书

一种基于预测控制的风力机群控方法，根据风力机集群的个体三维参数化几何模型以及集群内风力机的相对位置，进行风力机气动性能的初步计算；通过激光测风雷达系统测得风力机集群上风向外侧近场风速；通过测量风速信息，考虑塔架和集群内上游风力机尾迹对风况的影响，预测给定时间步长的集群内风轮扫掠面上的来流风速；通过位于云端的模型预测优化控制系统，根据风速预测模型以及时间步进风力机气动预测模型确定对风力机集群的群控策略。本发明满足风力机集群在复杂工作环境下多输入、多输出带约束非线性最优化问题的控制要求，提高风力机集群的工作效率，增加发电功率，并且有效减小风力机集群的载荷波动，提高了系统的安全性和可靠性。

技术领域

本发明涉及的是一种风力发电领域的技术，具体是一种基于预测控制的风力机群控方法。

背景技术

在一个风力机集群内部，由于风力机间距较短，具有明显风电集群效应，上风向风力机的尾迹将会明显地影响到下风向风力机的气动特性，因而更加剧了调节与控制难度。目前广泛采用的是针对单风力机的PID控制，虽然有基于激光测风雷达(LiDAR)的风速前馈控制算法设计，但仍是基于PID的经典控制回路，只是将测得风速作为前馈信号在控制回路中增加补偿，这类对一个风力机增加前馈补偿控制的PID控制方法已不能满足风力机集群在复杂工作环境下多输入、多输出带约束非线性最优化问题的控制要求。目前，对风力机集群的最优化控制问题，尚无较好的解决方案。

发明内容

本发明针对现有技术存在的上述不足，提出一种基于预测控制的风力机群控方法，以实现对风力机集群进行群控的目的，满足风力机集群在复杂工作环境下多输入、多输出带约束非线性最优化问题的控制要求，提高风力机集群的工作效率，增加发电功率，并且有效减小风力机集群的载荷波动，提高了系统的安全性和可靠性。

本发明是通过以下技术方案实现的：

本发明涉及一种基于预测控制的风力机群控方法，根据风力机集群的个体三维参数化几何模型以及集群内风力机的相对位置，进行风力机气动性能的初步计算；通过激光测风雷达(Light Detection and Ranging,LiDAR)系统测得风力机集群上风向外侧近场风速；通过测量风速信息，考虑塔架和集群内上游风力机尾迹对风况的影响，预测给定时间步长的集群内风轮扫掠面上的来流风速；通过位于云端的模型预测优化控制系统，根据风速预测模型以及时间步进风力机气动预测模型确定对风力机集群的群控策略。

所述的个体三维参数化几何模型包括单个风力机的叶片、机舱及塔架的几何外形模型以及风力机气动性能预测模型。

所述的风力机气动性能预测模型包括：风力机扫掠面上风速风力机运行参数以及该风力机之前时刻的气动性能获得该风力机当前时刻的气动性能。

所述的风力机运行参数包括转速ω，各叶片桨距角风轮偏航角θ_yaw。

所述的气动性能包括风力机各叶片上气动力分布、近尾迹影响特征以及远场尾迹特征。

所述的风速预测模型，通过LiDAR测风系统，获得风力机集群上风向风轮前方给定距离h垂直平面上风速矢量信息考虑塔架对上游风况的影响计算当前LiDAR测量面上风速达到风轮扫掠面上的时间t以及对应的风速

所述的优化群控策略是指：通过云计算中心对各风力机运行数据进行分析，即以集群内各风力机转速和各叶片桨距角为输入变量，以提高风力机集群输出功率，以及尽可能减小集群内各风力机部件载荷波动为控制目标，建立基于时间步进气动性能预测模型的风力机集群预测控制方法。

所述的时间步进风力机气动预测模型，根据计算流体力学理论，建立基于时间步进风力机气动性能和自由尾迹预测模型，输入对应风力机叶片几何以及风力机运行参数，完成风力机气动性能预测模型设定，结合上风向风力机尾迹特征对下风向风力机气动特性的影响，基于该模型预测风力机叶面压力分布及其尾迹的发展特征。