CN114186407A - 一种参数可自适应调整的风电场尾流速度场计算方法及*** - Google Patents
一种参数可自适应调整的风电场尾流速度场计算方法及*** Download PDFInfo
- Publication number
- CN114186407A CN114186407A CN202111480964.7A CN202111480964A CN114186407A CN 114186407 A CN114186407 A CN 114186407A CN 202111480964 A CN202111480964 A CN 202111480964A CN 114186407 A CN114186407 A CN 114186407A
- Authority
- CN
- China
- Prior art keywords
- wind
- velocity field
- wake
- calculation model
- field calculation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Wind Motors (AREA)
Abstract
本发明属于风电技术领域,具体涉及一种参数可自适应调整的风电场尾流速度场计算方法及***。该方法主要包括:首先从风电机组的SCADA***中获取完整年的风速、风向数据,并根据风速风向数据计算得到确定风速、风向下各机组位置处的风速平均值;然后构建参数可自适应调整的单机尾流速度场计算模型和叠加区域尾流速度场计算模型作为风电场尾流速度场计模型;然后再以风电场尾流速度场计算模型结果与真实尾流分布的差值最小为目标,以单机尾流速度场计算模型参数和叠加区域尾流速度场计算模型参数为优化变量,构建基于长短期记忆网络的尾流速度场模型参数自适应计算模型得到参数最优的风电尾流速度场计算模型。该方法可以明显地提高风电场尾流速度场的计算精度,为风电场功率预测与优化运行提供技术支撑。
Description
技术领域
本发明属于风电技术领域,具体涉及一种参数可自适应调整的风电场尾流速度场计算方法及***。
背景技术
随着风电大规模的开发利用,为了节约土地资源,减少投资成本,通常将数十台甚至数百台风电机组按照一定的排布方式建设成风电场。在风电场中,来流风速通过处于上游的风电机组后,风速降低、湍流度增加,形成尾流效应。速度衰减使得下游风电机组输出功率降低,湍流度增加影响风电机组的气动性能,使机组疲劳载荷增加。研究表明,完全工作在尾流环境中的风电机组发电效率损失高达40%,载荷增加高达10%-45%。
然而目前的风电场尾流速度模型参数是固定的,难以适应不同环境下的尾流速度分布计算,适应性不强且准确性较差。因此,准确计算风电场尾流分布特性,降低风电场尾流损失,提高输出功率,成为风电场优化设计和运行亟待解决的关键问题。
发明内容
针对目前现有风电场尾流分布计算模型存在参数固定不可调整、不能准确计算不同环境情况下的尾流速度的缺陷和问题,本发明提供一种参数可自适应调整的风电场尾流速度场计算***。
本发明解决其技术问题所采用的方案是:一种参数可自适应调整的风电场尾流速度场计算方法,包括以下步骤:
步骤一、从风电机组的SCADA***中获取完整年的风速、风向数据,并根据风速、风向数据计算得到确定风速、风向下各机组位置处的风速平均值;
步骤二、构建参数可自适应调整的单机尾流速度场计算模型和叠加区域尾流速度场计算模型作为风电场尾流速度场计算模型;
步骤三、以风电场尾流速度场计算模型结果与真实尾流分布的差值最小构建目标函数,以单机尾流速度场计算模型参数和叠加区域尾流速度场计算模型参数为优化变量构建基于长短期记忆网络的尾流速度场自适应参数计算模型;
步骤四、以目标函数最小时的参数值作为参数最优值,将参数最优值代入单机尾流速度场计算模型和叠加区域尾流速度场计算模型得到参数最优的风电场尾流速度场计算模型。
上述的参数可自适应调整的风电场尾流速度场计算方法,步骤一中所述完整年风速、风向数据包括各机组位置处的风速和风向;风速和风向数据采集的时间频率为1分钟。
上述的参数可自适应调整的风电场尾流速度场计算方法,步骤二中所述单机尾流速度场计算模型为:
式中:u(x)为风电机组下游x处的尾流风速;Ψ为风电机组桨距角;Φ为风电机组偏航角;S为风电机组转速;u0为环境来流风速;θ、θ1、θ2、θ3、θ4、θ5、θ6和σ为修正系数,修正系数可根据数值模拟数据、SCADA***数据和测量数据,结合流动场景和机组运行参数变化对单机尾流速度场的影响规律进行确定;
所述叠加区域尾流速度场计算模型为:
式中:αj,i为上游风电机组j的尾流面积与下游风电机组i的风轮面积交汇的权值;uj,i(xi)为上游风电机组j在下游风电机组i处的尾流风速;uj为上游风电机组j的来流风速,ui为风电机组i的来流风速;δj和ηj为修正系数,修正系数可根据数值模拟数据、SCADA***数据和测量数据,结合干涉区尾流速度场关键要素的数值变化范围来确定。
上述的参数可自适应调整的风电场尾流速度场计算方法,步骤三中以单机尾流速度场计算模型和叠加区域尾流速度场计算模型的结果与真实尾流分布的差值最小构建长短期记忆网络的目标函数,
上述的参数可自适应调整的风电场尾流速度场计算方法,步骤三中以单机尾流速度场计算模型参数和叠加区域尾流速度场计算模型参数为优化变量构建基于长短期记忆网络的尾流速度场自适应参数计算模型,长短期记忆网络的优化参数为:
ζ=(θ,θ1,θ2,θ3,θ4,θ5,θ6,σ,δj,ηj)
式中:ζ表示长短记忆网络的优化参数。
本发明还提供一种参数可自适应调整的风电场尾流速度场计算***,该***包括通信设备和服务器,其中通信设备用于从现场风电机组采集风速、风向信息;服务器为尾流速度场模型参数自适应决策方法提供支撑平台,用于执行上述计算方法的步骤。
本发明的有益效果:本发明的参数可自适应调整的风电场尾流速度场计算***,能够根据不同地形不同环境自适应的调整模型参数并能得到不同环境下的模型最优参数,构建的自适应尾流速度场计算模型能够根据环境情况准确的计算出风电场的尾流分布特性。
本发明的参数可自适应调整的风电场尾流速度场计算模型可以明显地提高风电场尾流速度场的计算精度,为风电场功率预测与优化运行提供技术支撑。
附图说明
图1为一种参数可自适应调整的风电场尾流速度场计算***流程图。
图2为基于长短期记忆网络的尾流速度场模型参数自适应决策流程图。
图3为丹麦Horns Rev风电场排布图。
图4为270度下的风速对比图。
图5为220度下的风速对比图。
具体实施方式
针对目前的风电场尾流速度计算方法的参数是固定的难以适应不同环境不同地形的尾流速度分布、准确性差的问题,本发明提供一种参数可自适应调整的风电场尾流速度场计算方法及***。下面结合附图和实施例对本发明进一步说明。
实施例1:本实施例提供一种参数可自适应调整的风电场尾流速度场计算方法,该方法包括以下步骤:
步骤一、从风电机组SCADA***中获取完整年的风速、风向数据,其中完整年风速、风向数据包括各机组位置处的风速和风向,风速和风向数据采集的时间频率为1分钟;然后根据获得的数据计算确定风速、风向下风电机组位置处的年平均风速。
步骤二、构建参数可自适应调整的单机尾流速度场计算模型和叠加区域尾流速度场计算模型作为风电场尾流速度计算模型,包括以下步骤:
(1)构建单机尾流速度场计算模型;
式中:u(x)为风电机组下游x处的尾流风速;Ψ为风电机组桨距角;Φ为风电机组偏航角;S为风电机组转速;u0为环境来流风速;θ、θ1、θ2、θ3、θ4、θ5、θ6和σ为修正系数,修正系数可根据数值模拟数据、SCADA***数据和测量数据,结合流动场景和机组运行参数变化对单机尾流速度场的影响规律进行确定。
(2)构建叠加区域速度场计算模型:
式中:αj,i为上游风电机组j的尾流面积与下游风电机组i的风轮面积交汇的权值;uj,i(xi)为上游风电机组j在下游风电机组i处的尾流风速;uj为上游风电机组j的来流风速,ui为风电机组i的来流风速;δj和ηj为修正系数,修正系数可根据数值模拟数据、SCADA***数据和测量数据,结合干涉区尾流速度场关键要素的数值变化范围来确定。
步骤三、以单机尾流速度场计算模型和叠加区域尾流速度场计算模型的结果与真实尾流分布的差值最小为目标,以单机尾流速度场计算模型参数和叠加区域尾流速度场计算模型的参数为优化变量,构建基于长短期记忆网络的参数自适应尾流速度场计算模型,包括以下步骤:
(1)以风电场尾流速度场计算模型结果与真实尾流分布的差值最小构建长短期记忆网络的目标函数,目标函数为:
(2)以单机尾流速度场计算模型参数和叠加区域尾流速度场计算模型参数为优化变量,构建基于长短期记忆网络的尾流速度场计算模型参数,长短期记忆网络的优化参数为:
ζ=(θ,θ1,θ2,θ3,θ4,θ5,θ6,σ,δj,ηj)
式中:ζ表示长短记忆网络的优化参数;
以目标函数最小时的参数值作为参数最优值,将参数最优值代入单机尾流速度场计算模型和叠加区域尾流速度场计算模型得到参数最优的风电场尾流速度场计算模型。
其中:构建基于长短期记忆网络的尾流速度场模型参数自适应决策模型,对含尾流速度场模型的长短期记忆网络进行训练,判断风电场尾流速度场计算精度是否满足要求,
具体是:输入优化参数初始值、风速风向数据与各风电机组位置处的平均风速,根据输入数据和输出需求构建长短记忆网络,判断风电场尾流速度场计算精度是否满足要求,
若否,重新进行训练,直至计算精度满足要求;
若是,输出模型参数最优值,将其作为风电场尾流速度场计算模型的参数,输出风电场尾流速度场计算模型。
实施例2:本实施例提供一种参数可自适应调整的风电场尾流速度场计算***,该***包括:通信设备和服务器;其中通信设备用于从现场风电机组采集风速、风向信息,风速和风向数据采集的时间频率为1分钟;服务器为尾流速度场模型参数自适应决策方法提供支撑平台,并用于执行实施例1的计算方法步骤。
实施例3:本实施例以丹麦Horns Rev风电场为研究对象,丹麦 Horns Rev风电场共有80台风电机组,由8行10列按照平行四边形排布,行和行、列和列之间的间距为7D,东北方向的间距为10.4D,东南方向的间距为9.4D,D为风轮直径。风电机组为Vestas V80,单机容量2MW,风轮直径80m,轮毂中心高度70m,整个风电场排布如图3所示。
采用本发明方法对来流风向为270°和220°、来流风速为8.5m/s 的风况分别进行了计算分析。在计算过程中,假定风电机组正面迎风。计算机处理器主频为1.8GHz,内存为2GB,运算软件为MATLAB 2011。计算结果分别如图4和图5所示。
从图4的270°下的本发明方法测得结果与实际风速的对比图可以看出,本发明方法计算结果与实际风速的最大差值为0.14m/s,说明在来流风向为270°时本发明能够准备的计算风电场尾流分布特性。
从图5的220°下的本发明方法测得结果与实际风速的对比图可以看出,本发明构建的模型计算结果与实际风速的最大差值为0.21 m/s,说明在来流风向为220°时本发明能够准确计算风电场尾流分布特性。
综合可以得知,本发明的模型能够准确计算不同风速、风向下的风电场尾流分布特性风电场尾流分布特性。
以上所述仅为本发明的较佳实施例,并不限制本发明,凡在本发明的精神和原则范围内所做的任何修改、等同替换和改进,均应包含在本发明的保护范围之内。
Claims (6)
1.一种参数可自适应调整的风电场尾流速度场计算方法,其特征在于:包括以下步骤:
步骤一、从风电机组的SCADA***中获取完整年的风速、风向数据,并根据风速、风向数据计算得到确定风速、风向下各机组位置处的风速平均值;
步骤二、构建参数可自适应调整的单机尾流速度场计算模型和叠加区域尾流速度场计算模型作为风电场尾流速度场计算模型;
步骤三、以风电场尾流速度场计算模型结果与真实尾流分布的差值最小构建目标函数,以单机尾流速度场计算模型参数和叠加区域尾流速度场计算模型参数为优化变量构建基于长短期记忆网络的尾流速度场自适应参数计算模型;
步骤四、以目标函数最小时的参数值作为参数最优值,将参数最优值代入单机尾流速度场计算模型和叠加区域尾流速度场计算模型得到参数最优的风电场尾流速度场计算模型。
2.根据权利要求1所述的参数可自适应调整的风电场尾流速度场计算方法,其特征在于:步骤一中所述完整年风速、风向数据包括各机组位置处的风速和风向;风速和风向数据采集的时间频率为1分钟。
3.根据权利要求1所述的参数可自适应调整的风电场尾流速度场计算方法,其特征在于:步骤二中所述单机尾流速度场计算模型为:
式中:u(x)为风电机组下游x处的尾流风速;Ψ为风电机组桨距角;Φ为风电机组偏航角;S为风电机组转速;u0为环境来流风速;θ、θ1、θ2、θ3、θ4、θ5、θ6和σ为修正系数,修正系数可根据数值模拟数据、SCADA***数据和测量数据,结合流动场景和机组运行参数变化对单机尾流速度场的影响规律进行确定;
所述叠加区域尾流速度场计算模型为:
式中:αj,i为上游风电机组j的尾流面积与下游风电机组i的风轮面积交汇的权值;uj,i(xi)为上游风电机组j在下游风电机组i处的尾流风速;uj为上游风电机组j的来流风速,ui为风电机组i的来流风速;δj和ηj为修正系数,修正系数可根据数值模拟数据、SCADA***数据和测量数据,结合干涉区尾流速度场关键要素的数值变化范围来确定。
5.根据权利要求4所述的参数可自适应调整的风电场尾流速度场计算方法,其特征在于:步骤三中以单机尾流速度场计算模型参数和叠加区域尾流速度场计算模型参数为优化变量构建基于长短期记忆网络的尾流速度场自适应参数计算模型,长短期记忆网络的优化参数为:
ζ=(θ,θ1,θ2,θ3,θ4,θ5,θ6,σ,δj,ηj)
式中:ζ表示长短记忆网络的优化参数。
6.一种参数可自适应调整的风电场尾流速度场计算***,其特征在于:该***包括通信设备和服务器,其中通信设备用于从现场风电机组采集风速、风向信息;服务器为尾流速度场模型参数自适应决策方法提供支撑平台,用于执行权利要求1-5任一项所述的计算方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111480964.7A CN114186407A (zh) | 2021-12-06 | 2021-12-06 | 一种参数可自适应调整的风电场尾流速度场计算方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111480964.7A CN114186407A (zh) | 2021-12-06 | 2021-12-06 | 一种参数可自适应调整的风电场尾流速度场计算方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114186407A true CN114186407A (zh) | 2022-03-15 |
Family
ID=80603551
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111480964.7A Pending CN114186407A (zh) | 2021-12-06 | 2021-12-06 | 一种参数可自适应调整的风电场尾流速度场计算方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114186407A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116667344A (zh) * | 2023-07-31 | 2023-08-29 | 浙江大学 | 海上风电场自适应局域疲劳载荷均衡调度方法及装置 |
-
2021
- 2021-12-06 CN CN202111480964.7A patent/CN114186407A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116667344A (zh) * | 2023-07-31 | 2023-08-29 | 浙江大学 | 海上风电场自适应局域疲劳载荷均衡调度方法及装置 |
CN116667344B (zh) * | 2023-07-31 | 2023-10-10 | 浙江大学 | 海上风电场自适应局域疲劳载荷均衡调度方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108334672B (zh) | 基于有效风速估计的变速风力发电机组最大风能捕获方法 | |
CN111881572B (zh) | 一种基于多目标优化的风电场协同偏航智能控制方法 | |
CN108953060B (zh) | 基于激光雷达测风仪的风电场场级偏航控制方法 | |
CN101684774B (zh) | 一种风力发电***及风力发电机的测风方法 | |
CN107292514B (zh) | 风电场生产运行测风塔选址方法及装置 | |
CN111120205B (zh) | 基于激光雷达的风电场区域化控制方法 | |
CN104699936A (zh) | 基于cfd短期风速预测风电场的扇区管理方法 | |
CN113205210B (zh) | 复杂地形风电场风速与功率预测方法、***、设备及存储介质 | |
CN103617308B (zh) | 一种风电场频域等效模型的构建方法 | |
CN109274121B (zh) | 一种风电场控制参数优化方法及*** | |
CN113033009B (zh) | 一种在役海上风电场尾流损失实时计算方法 | |
CN112861429B (zh) | 一种风力机机舱传递函数计算方法 | |
CN107657116B (zh) | 一种风电场功率曲线仿射建模的方法 | |
CN115807734A (zh) | 一种基于尾流跟踪的海上风电场场级协同控制策略 | |
CN115270065A (zh) | 一种基于海上风电场scada运行数据的风电机组局地有效湍流强度计算方法 | |
CN114186407A (zh) | 一种参数可自适应调整的风电场尾流速度场计算方法及*** | |
CN116956736A (zh) | 一种基于偏航策略的风电场动态等值建模方法 | |
CN113236487B (zh) | 风电场噪声控制方法、***、设备及可读存储介质 | |
CN106919730B (zh) | 一种采用风速衰减因子的风电场尾流确定方法 | |
CN116596165B (zh) | 一种风力发电功率预测方法及*** | |
CN113610285A (zh) | 一种分散式风电的功率预测方法 | |
CN114458516B (zh) | 一种风能或潮流能发电机组俯仰与偏航力矩的在线间接测量***及方法 | |
CN111985097A (zh) | 一种考虑海浪波高影响的海上风电机组尾流计算方法 | |
Wang et al. | Research on ultra-short term forecasting technology of wind power output based on wake model | |
CN116306236A (zh) | 一种基于gru-lstm-fc组合网络的风电场动态等值建模方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |