一种基于模型预测控制的风力发电机群有功功率控制方法、系统及相关装置与流程

本发明属于风力发电风电机组群控，具体涉及一种基于模型预测控制的风力发电机群有功功率控制方法、系统及相关装置。

背景技术：

1、随着风电渗透率的提高，电网对风电场有功功率的分钟级甚至秒级调节能力提出了更高要求。传统风电场功率控制多采用单台风力发电风电机组（以下简称“风电机组”）最大功率跟踪（mppt）或简单比例分配，难以兼顾电网调度指令、风电机组运行安全与疲劳载荷均衡。

2、目前主流风电场能量管理系统（ems）仍以 pid+规则库为核心，其典型流程为：调度中心下发全场总有功指令

pref，ems 按固定比例或按风电机组可用功率比例分解至各风电机组，再通过单机 pi 控制器实现。而传统pid或经验规则控制时存在三大缺陷：

3、1）各风电机组独立进行单机最大功率跟踪，高风速风电机组满载、低风速风电机组空转，机群协同性差，全场平均效率下降；

4、2）pid参数整定困难，面对风速突变会产生5% ~ 10%的超调，调度跟踪误差常超过±3%，导致响应滞后；

5、3）桨距角频繁大幅动作使得关键部件等效疲劳载荷显著增加。

6、现有技术如专利cn119582351a提出了一种风电场的有功功率控制方法及系统，通过采用基于adaboost算法的强分类器识别受尾流影响的风机，结合动态规划算法筛选出不受尾流干扰的可控风机群，并以最少数量的风机执行有功功率控制，有效降低了尾流效应对控制精度的影响，提升了风电场的整体控制效率。然而，该方法对尾流建模和风机间动态耦合关系的处理较为静态和简化，难以应对风速突变等实时变化场景；另外，控制策略侧重于风机选择而非多机协同优化，未能充分考虑风电机组间的动态协调与疲劳载荷均衡。

技术实现思路

1、本发明的目的在于提供一种基于模型预测控制的风力发电机群有功功率控制方法、系统及相关装置，解决了现有风力发电机群的功率控制方法存在机群协同性差、响应滞后的缺陷。

2、为了达到上述目的，本发明采用的技术方案是：

3、第一方面，本发明提供的一种基于模型预测控制的风力发电机群有功功率控制方法，包括以下步骤：

4、初始化相关系统参数，所述相关系统参数包括目标风电场中风电机组数量、单台风电机组的额定功率、桨距角的可调节范围、预测时域和控制时域；

5、基于相关系统参数结合预构建的单机功率预测模型和机群状态空间模型，获取得到风电机组状态向量和每台风电机组对应的预测功率；

6、基于获取得到的风电机组状态向量和每台风电机组对应的预测功率，结合设定滚动优化目标函数和约束条件，获取得到目标风电场风电机组的最优控制序列；

7、基于得到的最优控制序列调整各个风电机组的桨距角。

8、优选地，预构建的单机功率预测模型，具体为：

9、

10、其中，为第个风电机组的功率预测值；为空气密度；我风轮半径；为风能利用系数；为叶尖速比；为桨距角；为风速预测值；为当前离散时间步；为从当前离散时间步开始向前预测的未来时间步偏移量；为第个风电机组。

11、优选地，预构建的机群状态空间模型具体为：

12、

13、其中，为风电机组状态向量；为桨距角变化率；为为嵌入尾流影响的有效风速；为系统矩阵；为输入矩阵；为扰动矩阵。

14、优选地，设定的滚动优化目标函数：

15、

16、其中，为机群预测总功率；为电网调度指令；为第个风电机组桨距角变化量；为载荷权重系数；为目标风电场风电机组总数量。

17、优选地，约束条件包括单机功率值、桨距角变化率约束以及机群功率跟踪误差，其中：

18、单机功率限值：；

19、桨距角变化率约束：；

20、机群功率跟踪误差：；

21、式中，为第个风电机组功率值；为第个风电机组功率最小值；为第个风电机组功率最大值；为单位秒；为机群总功率；为电网调度指令；为第个风电机组桨距角变化量。

22、优选地，所述控制方法还包括：

23、实时获取目标风电场的实际功率与目标风电场机群预测总功率之间的偏差；

24、将得到的偏差大于等于设定阈值，则对单机功率预测模型进行更新。

25、第二方面，本发明提供的一种基于模型预测控制的风力发电机群有功功率控制系统，包括：

26、参数设定单元，用以初始化相关系统参数，所述相关系统参数包括目标风电场中风电机组数量、单台风电机组的额定功率、桨距角的可调节范围、预测时域和控制时域；

27、功率预测单元，用以基于相关系统参数结合预构建的单机功率预测模型和机群状态空间模型，获取得到风电机组状态向量和每台风电机组对应的预测功率；

28、控制量获取单元，用以基于获取得到的风电机组状态向量和每台风电机组对应的预测功率，结合设定滚动优化目标函数和约束条件，获取得到目标风电场风电机组的最优控制序列；

29、控制单元，用以基于得到的最优控制序列调整各个风电机组的桨距角。

30、第三方面，本发明提供的一种电子设备，包括处理器和存储器，所述存储器上存储有计算机指令，当所述计算机指令被所述处理器执行时，使得所述电子设备执行所述的方法。

31、第四方面，本发明提供的一种计算机程序产品，所述计算机程序产品上包含计算机可执行指令，所述计算机可执行指令在被执行时实现所述的方法。

32、第五方面，本发明提供的一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令被处理器执行时实现所述的方法。

33、与现有技术相比，本发明取得的有益效果是：

34、本发明提供的一种基于模型预测控制的风力发电机群有功功率控制方法，通过构建融合尾流效应的机群状态空间模型和设计滚动优化目标函数，实现了风力发电机群有功功率的协同优化控制，其有益效果显著且全面。该方法有效克服了传统pid控制或比例分配策略机群协同性差、响应滞后、超调量大及调度跟踪误差显著等技术缺陷，通过秒级滚动预测与在线优化，显著提升风电场对电网分钟级乃至秒级调度指令的快速响应能力与跟踪精度，确保在风速突变及指令快速变化场景下机群总有功功率能够实现秒级精准跟踪，将跟踪误差稳定控制在设定范围内。同时，本发明在目标函数中引入桨距角变化量的惩罚项及载荷权重系数，将疲劳载荷抑制明确纳入优化目标，通过优化算法主动平滑并均衡各风电机组的桨距角动作，显著减少了关键部件如变桨轴承、叶片根部等因控制动作频繁或幅度过大而产生的等效疲劳载荷，有效延长设备使用寿命。此外，该方法通过集成实时反馈校正机制，能够在线更新功率预测模型与风速预测器，持续修正因模型失配或环境扰动导致的预测偏差，从而具备良好的鲁棒性与自适应能力，兼容风电场运行的不确定性与复杂约束条件。该系统结构清晰，策略不依赖于特定风电场规模或布局，展现出强大的可扩展性与工程应用潜力，为提升大规模风电并网的稳定性、经济性与安全性提供了有效的技术解决方案。