[发明专利]一种考虑机组运行状态的风电场黑启动路径寻优方法

权利要求书

1.一种考虑机组运行状态的风电场黑启动路径寻优方法，其特征在于，包括：

步骤S1，获取海上风电场正常运行过程中产生的SCADA运行数据，对各数据之间进行相关性分析得到Pearson相关系数矩阵，依据相关系数筛选关键参数并生成正常运行时间段内的输入输出元胞数组，以及故障前最新的输入输出元胞数组；

步骤S2，利用正常运行时间段内的输入输出元胞数组作为训练集，将故障前最新的输入输出元胞数组作为测试集，接着构建预测模型，预测模型为包括输入层、LSTM层、dropout层、全连接层和回归层的LSTM神经网络，训练集送入LSTM神经网络进行预测模型训练；

步骤S3，将测试集送入预测模型，对预测数据和实际数据的残差进行移动指数加权平均计算，得到实际与预测的偏离程度；

步骤S4，利用控制图理论计算控制上下限，根据实际与预测的偏离程度，获得不依赖指标自身数值大小的机组状态评估系数在启动前依据系数降低状态不良机组的运行负担和启动权重，对黑启动过程中路径寻优提供指导；

步骤S5，考虑风电机组的运行状态结合风功率预测值向机组下发功率指令，获得发电量目标函数；

步骤S6，采用Dijkstra算法求取平衡节点与各节点之间的最短路径L_i，构成电气距离矩阵，获得风电场黑启动电气距离目标函数；

步骤S7，采用线性加权法整合发电量目标函数和电气距离目标函数，求解混合整数线性规划获得帕累托前沿，选取最优风电场黑启动路径。

2.根据权利要求1所述的一种考虑机组运行状态的风电场黑启动路径寻优方法，其特征在于，所述步骤S1具体为：

1)获取海上风电场正常运行过程中产生的SCADA运行数据，对各数据之间进行相关性分析得到Pearson相关系数矩阵；

2)根据运行数据统计风电机组可分类故障的频次统计结果，将故障概率高的参数视为关键参数，筛选出与关键参数的相关系数大于设定值的数据组；

3)生成正常运行时间段内的输入输出元胞数组，以及故障前最新的输入输出元胞数组。

3.根据权利要求2所述的一种考虑机组运行状态的风电场黑启动路径寻优方法，其特征在于，3)所述输入输出元胞数组生成方式为：

将筛选出的数据组中相关度较高的前n个变量作为输入量，即输入特征维数为n，令关键参数变量作为输出量，设置滑动窗口宽度为m，相关度高的n个特征各自连续m时刻的采样点生成第一个输入元胞数组，被预测值为第m时刻的输出值，接着移动窗口将第2至第m+1时刻的采样点继续生成新的输入和输出元胞数组并以此类推。

4.根据权利要求1所述的一种考虑机组运行状态的风电场黑启动路径寻优方法，其特征在于，所述步骤S4包括：

1)各机组各时刻的实际与预测的偏离程度，即预测残差越限程度的计算方法如下：

式中，A为质量系数，U_CL和L_CL为控制上下限，e_i(t)为移动指数加权平均值；

2)获得各机组对应的运行状态评估系数如下：

采用运行状态评估系数对机组进行分类，1、1-MAX(ε_i(t))和0分别为满发，降额和检修停运三类。

5.根据权利要求1所述的一种考虑机组运行状态的风电场黑启动路径寻优方法，其特征在于，所述在启动前依据系数降低状态不良机组的运行负担和启动权重，对黑启动过程中路径寻优提供指导是指：

若系数不为1，在黑启动控制过程中将风电机组设置为PQ控制策略并根据系数减载运行，依据功率指令与输出功率差值调节桨距角大小。

6.根据权利要求1所述的一种考虑机组运行状态的风电场黑启动路径寻优方法，其特征在于，所述步骤S5为：

考虑机组的运行状态与风功率预测值结合后向机组下发功率指令为则发电量目标函数计算式如下：

N_G为机组总数；P_Gi为超短期风功率预测值；T_ist为各机组启动时间，即a_it由0转换成1的时刻；为机组状态评估系数。