风电场运行控制方法、装置、设备及存储介质

1.本公开涉及风力发电技术领域，尤其涉及一种风电场运行控制方法、装置、设备及存储介质。


背景技术：

2.风电机组是一种将空气中的风能转换为电能的发电装置。风电机组吸收来流空气中的部分能量并施加扰动后，会在风轮面的后方形成尾流效应。在较大型的风电场内，当风电机组处在上游风电机组的尾流区域里运行时，尾流效应会造成风电场内风速分布不均，影响风电场内每台风电机组的运行状况及功率输出，导致风电场的整体发电功率降低。
3.为了提高风电场的整体发电量，一般会对风电场内的风电机组进行运行控制，以降低尾流效应，进一步提高风电场的整体发电量。然而，现有的风电机组方法，不能很好的控制风电场尾流效应，导致不能有效的提高风电场的整体发电量，难以满足提高风电场经济效益的需求。


技术实现要素：

4.为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种风电场运行控制方法、装置、设备及存储介质。
5.第一方面，本公开提供了一种风电场运行控制方法，该方法包括：
6.获取目标风电场的目标风况时序数据，所述目标风况时序数据为利用风况预测算法得到的未来一段时间内的风速数据，或者，利用激光雷达测量方式测量的前方来流的风速数据；
7.将所述目标风况时序数据输入预先训练好的风电场尾流控制模型，得到所述目标风电场的目标发电功率对应的目标工况时序数据，所述风电场尾流控制模型基于样本风况时序数据和目标发电功率对应的样本工况时序数据训练得到，所述目标发电功率基于所述目标风电场的风电场仿真模型确定，所述目标发电功率为所述目标风电场在所述目标风况时序数据下的最大发电功率；
8.基于所述目标工况时序数据，控制所述目标风电场的各台风电机组运行。
9.第二方面，本公开提供了一种风电场运行控制装置，该装置包括：
10.目标风况时序数据获取模块，用于获取目标风电场的目标风况时序数据，所述目标风况时序数据为利用风况预测算法得到的未来一段时间内的风速数据，或者，利用激光雷达测量方式测量的前方来流的风速数据；
11.目标工况时序数据确定模块，用于将所述目标风况时序数据输入预先训练好的风电场尾流控制模型，得到所述目标风电场的目标发电功率对应的目标工况时序数据，所述风电场尾流控制模型基于样本风况时序数据和目标发电功率对应的样本工况时序数据训练得到，所述目标发电功率基于所述目标风电场的风电场仿真模型确定，所述目标发电功率为所述目标风电场在所述目标风况时序数据下的最大发电功率；
12.风电场运行控制模块，用于基于所述目标工况时序数据，控制所述目标风电场的各台风电机组运行。
13.第三方面，本公开实施例还提供了一种风电场运行控制设备，该设备包括：
14.一个或多个处理器；
15.存储装置，用于存储一个或多个程序，
16.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现第一方面所提供的风电场运行控制方法。
17.第四方面，本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现第一方面所提供的风电场运行控制方法。
18.本公开实施例提供的技术方案与现有技术相比具有如下优点：
19.本公开实施例的一种风电场运行控制方法、设备及存储介质，在获取到目标风电场的目标风况时序数据之后，能够将目标风况时序数据输入预先训练好的风电场尾流控制模型，得到目标风电场的目标发电功率对应的目标工况时序数据，风电场尾流控制模型基于样本风况时序数据和目标发电功率对应的样本工况时序数据训练得到，目标风况时序数据为利用风况预测算法得到的未来一段时间内的风速数据，或者，利用激光雷达测量方式测量的前方来流的风速数据，由于目标发电功率基于目标风电场的风电场仿真模型确定，且目标发电功率为目标风电场在目标风况时序数据下的最大发电功率，因此，目标工况时序数据可以是能够使目标风电场输出最大发电功率的工况时序数据，进一步基于目标工况时序数据，控制目标风电场的各台风电机组运行，使得目标风电场能够输出最大发电功率，因此，降低了风电场尾流效应，提高了风电场的整体发电量，以满足提高风电场经济效益的需求。
附图说明
20.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
21.为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
22.图1为本公开实施例提供的一种风电场运行控制方法的流程示意图；
23.图2为本公开实施例提供的一种确定目标工况时序数据的逻辑示意图；
24.图3为本公开实施例提供的另一种风电场运行控制方法的流程示意图；
25.图4为本公开实施例提供的一种风电场运行控制装置的结构示意图；
26.图5为本公开实施例提供的一种风电场运行控制系统的模块示意图；
27.图6为本公开实施例提供的一种风电场运行控制设备的结构示意图。
具体实施方式
28.为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
29.在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
30.据统计，在大型的风电场中，因为尾流效应导致的风电场的整体发电功率损失，通常站年度发电量的10％至20％，由此，需要对风电场进行尾流控制，以协调分配风电场内所有风电机组的发电功率，并缓解尾流效应带来的影响，进一步提高风电场的综合经济效效益。
31.为了提高风电场的整体发电量，一般会对风电场内的风电机组进行运行控制，以降低尾流效应，进一步提高风电场的整体发电量。
32.目前的风电场运行控制方法一般在特定风速、特定风向下，控制风电场中各风电机组的运行工况，并以实现风电场的整体功率最大为输出目标。但是，在不同风速、不同风向下，风电场中各风电机组的运行工况相差很大，因此，这种方式不能很好的控制风电场尾流效应，导致不能有效的提高风电场的整体发电量，难以满足提高风电场经济效益的需求。
33.为了解决上述问题，本公开实施例提供了一种能够提高风电场的整体发电量的风电场运行控制方法、设备及存储介质。
34.下面，首先结合图1至图3对本公开实施例提供的风电场运行控制方法进行说明。
35.图1示出了本公开实施例提供的一种风电场运行控制方法的流程示意图。
36.在本公开实施例中，图1所示的风电场运行控制方法可以由风电场运行控制设备执行。风电场运行控制设备可以是电子设备或服务器。该电子设备可以包括但不限于诸如智能手机、笔记本电脑、台式计算机等的固定终端。服务器可以是云服务器或者服务器集群等具有存储及计算功能的设备。
37.如图1所示，该风电场运行控制方法可以包括如下步骤。
38.s110、获取目标风电场的目标风况时序数据。
39.在本公开实施例中，当需要降低风电场的尾流效应时，电子设备可以获取目标风电场在未来一段时间内的目标风况时序数据，以基于目标风况时序数据，控制目标风电场内各风电机组的运行情况。
40.在本公开实施例中，目标风电场可以是任意的需要进行尾流效应控制的大型风电场。其中，目标风电场可以包括多个风电机组，各个风电机组按照风电场中风况数据的分布，进行风力发电。
41.在本公开实施例中，目标风况时序数据可以是目标风电场的入流风况时序数据。
42.可选的，目标风况时序数据可以是利用风况预测算法得到的未来一段时间内的风速数据，或者，利用激光雷达测量方式测量的前方来流的风速数据。
43.可选的，目标风况时序数据可以包括当前时间之后的目标时间段内的预测风向时序数据和预测风速时序数据。也就是说，预测风况数据包括未来一段时间内的预测风向数据和预测风速数据，使得电子设备基于未来一段时间内的预测风向数据和预测风速数据，控制目标风电场中各台风电机组运行，以降低目标风电场中的尾流效应。
44.s120、将目标风况时序数据输入预先训练好的风电场尾流控制模型，得到目标风电场的目标发电功率对应的目标工况时序数据，风电场尾流控制模型基于样本风况时序数据和目标发电功率对应的样本工况时序数据训练得到，目标发电功率基于目标风电场的风
电场仿真模型确定，目标发电功率为目标风电场在目标风况时序数据下的最大发电功率。
45.需要说明的是，对于目标风电场的各风电机组，当风速和风向变化缓慢时，各风电机组的偏航角、转速以及桨距角变换缓慢。因此，如果直接通过风速和风向变化缓慢的目标风况时序数据控制各风电机组，很难准确的追踪每个时刻的最优偏航角、最优转速以及最优桨距角，导致无法准确的控制各台风电机组运行，使得不能很好的控制风电机组偏航，导致无法降低风电场的尾流效应。另外，直接利用风速和风向变化缓慢的目标风况时序数据控制各风电机组，会使各风电机组频繁的偏航、变桨以及变速，导致风电机组疲劳，进而影响风电机组的使用寿命，造成经济损失。
46.为了准确的追踪到最优偏航角、最优转速以及最优桨距角，且无需频繁的控制各风电机组偏航、变桨以及变速。在本公开实施例中，在电子设备获取到目标风况时序数据之后，可以将目标风况时序数据输入预先训练好的风电场尾流控制模型，以利用风电场尾流控制模型输出目标风电场的目标发电功率对应的目标工况时序数据。
47.具体的，电子设备可以将目标风况时序数据输入预先训练好的风电场尾流控制模型，得到目标风电场的多个发电功率，将发电功率为目标发电功率作为发电目标，使得风电场尾流控制模型输出目标发电功率对应的目标工况时序数据，以进一步基于目标工况时序数据控制目标风电场内的风电机组运行，提高目标风电场的发电功率。
48.具体的，目标发电功率可以是训练风电场尾流控制模型时的其中一种样本发电功率，样本发电功率为训练风电场尾流控制模型时在不同样本风况时序数据下的最大发电功率。
49.在本公开实施例中，目标工况时序数据可以是用于控制目标风电场的各风电机组的工况时序数据。
50.可选的，目标工况时序数据包括当前时间之后的目标时间段内各风电机组的目标偏航角、目标转速以及目标桨距角中的至少一种。
51.图2示出了本公开实施例提供的一种确定目标工况时序数据的逻辑示意图。
52.如图2所示，可以将t时刻的状态s
t
输入风电场尾流控制模型，基于t时刻的最大奖励r
t
，输出t时刻的动作a，将动作a输入风电场仿真模型，得到t 1时刻的最大奖励r
t 1
。进一步的，将t时刻的状态s
t 1
再次输入风电场尾流控制模型，基于t 1时刻的最大奖励r
t 1
，输出t 1时刻的动作a，按照上述步骤继续循环，直至得到目标时刻的动作a。由此，可以得到各时刻的动作系列。其中，动作a包括t时刻的偏航角、转速和桨距角中的至少一种，最大奖励r
t
可以为t时刻的目标发电功率，状态s
t
包括t时刻的风速数据和风向数据。
53.由此，在本公开实施例中，可以利用风电场仿真模型和风电场尾流控制模型，准确的确定控制风电机组运行的工况数据，无需实际控制风电机组不断运行才能采集到工况数据，提高了工况数据的准确性，降低了风电机组疲劳，进而保证风电机组的使用寿命和经济效益。并且，风电场尾流控制模型可以以目标风电场的目标发电功率为目标，确定用于控制各台风电机组运行的目标工况时序数据，以基于目标工况时序数据控制目标风电场内的风电机组运行，保证目标风电场的发电功率最大。
54.s130、基于目标工况时序数据，控制目标风电场的各台风电机组运行。
55.在本公开实施例中，在电子设备确定目标工况时序数据之后，可以基于目标工况时序数据，控制目标风电场中各台风电机组运行，以控制各风电机组的运行状态。
56.具体的，目标风电场中各风电机组可以基于对应的目标工况时序数据中各个时刻的偏航角、转速以及桨距角运行发电，使得目标风电场能够输出最大功率。
57.在本公开实施例中，在获取到目标风电场的目标风况时序数据之后，能够将目标风况时序数据输入预先训练好的风电场尾流控制模型，得到目标风电场的目标发电功率对应的目标工况时序数据，风电场尾流控制模型基于样本风况时序数据和目标发电功率对应的样本工况时序数据训练得到，目标风况时序数据为利用风况预测算法得到的未来一段时间内的风速数据，或者，利用激光雷达测量方式测量的前方来流的风速数据，由于目标发电功率基于目标风电场的风电场仿真模型确定，且目标发电功率为目标风电场在目标风况时序数据下的最大发电功率，因此，目标工况时序数据可以是能够使目标风电场输出最大发电功率的工况时序数据，进一步基于目标工况时序数据，控制目标风电场的各台风电机组运行，使得目标风电场能够输出最大发电功率，因此，降低了风电场尾流效应，提高了风电场的整体发电量，以满足提高风电场经济效益的需求。
58.在本公开另一种实施方式中，为了保证能够利用风电场尾流控制模型确定预测工况时序数据，电子设备执行在s110之前，还可以执行对风电场尾流控制模型的模型训练步骤。
59.图3示出了本公开实施例提供的另一种风电场运行控制方法的流程示意图。
60.如图3所示，该风电场运行控制方法包括如下步骤。
61.s310、获取样本风况时序数据。
62.在本公开实施例中，当需要训练风电场尾流控制模型时，电子设备可以获取样本风况时序数据，以利用样本风况时序数据训练用于得到目标发电功率对应的目标工况时序数据的风电场尾流控制模型。
63.在本公开实施例中，样本风况时序数据可以为目标风电场的入流风况时序数据。
64.可选的，样本风况时序数据可以包括样本风向时序数据和样本风速时序数据。
65.s320、获取样本发电功率对应的样本工况时序数据，样本发电功率为目标风电场在样本风况时序数据下的最大发电功率。
66.在本公开实施例中，样本工况时序数据可以是能够使目标风电场达到最大发电量的工况时序数据。
67.可选的，样本工况时序数据包括样本偏航角、样本转速以及样本桨距角中的至少一种。
68.在本公开实施例中，可选的，s320具体可以包括如下步骤：
69.s3201、获取随机工况时序数据；
70.s3202、基于样本风况时序数据，确定目标风电场中各风电机组的轮毂处的风电机组风况数据；
71.s3203、将随机工况时序数据和风电机组风况数据输入风电机组运行模拟模型，得到各风电机组的随机发电功率；
72.s3204、基于各风电机组的随机发电功率和样本发电功率，确定样本工况时序数据。
73.具体的，电子设备在训练风电场尾流控制模型时，可以获取随机工况时序数据，将样本风况时序数据作为目标风电场的入流风况数据，根据目标风电场中各风电机组的坐标
数据、目标风电场的地形数据以及各风电机组的轮毂高度，确定目标风电场中各风电机组的轮毂处的风电机组风况数据。然后，将各风电机组的轮毂处的风电机组风况数据和各风电机组对应的随机工况时序数据输入风电机组运行模拟模型，得到各风电机组的随机发电功率，然后基于各风电机组的随机发电功率和样本发电功率，确定样本工况时序数据。
74.其中，随机工况时序数据为随机生成的工况时序数据。
75.其中，风电机组运行模拟模型可以是对目标风电场中各风电机组进行模拟控制的模型，以模拟输出各风电机组的发电功率。
76.需要说明的是，电子设备也可以获取实际工况时序数据和实际风况时序数据，并基于实际风况时序数据，确定目标风电场中各风电机组的轮毂处的风电机组风况数据，将实际工况时序数据和风电机组风况数据输入风电机组运行模拟模型，得到各风电机组的随机发电功率，基于各风电机组的随机发电功率和样本发电功率，确定样本风况时序数据和样本工况时序数据。
77.在本公开实施例中，可选的，s3204具体可以包括：
78.s32041、计算各风电机组的随机发电功率的功率之和；
79.s32042、将功率之和为样本发电功率的随机工况时序数据，作为样本工况时序数据。
80.具体的，针对各风电机组的随机发电功率，电子设备可以计算各风电机组的随机发电功率的功率之和，将选择功率之和为样本发电功率的样本工况时序数据。
81.由此，在本公开实施例中，可以基于样本风况时序数据和样本发电功率，可以从随机工况时序数据中选择样本工况时序数据。
82.s330、基于样本风况时序数据和样本工况时序数据，对初始尾流控制模型进行训练，以得到用于确定目标风电场的目标工况时序数据的风电场尾流控制模型。
83.在本公开实施例中，电子设备获取到样本风况时序数据和样本工况时序数据之后，可以将样本风况时序数据和样本工况时序数据输入初始尾流控制模型，以迭代训练初始尾流控制模型，直至当前训练次数下的初始尾流控制模型的模型参数达到稳定状态，得到用于确定目标风电场的目标工况时序数据的风电场尾流控制模型。
84.在本公开实施例中，初始尾流控制模型可以是任意一种能够降低尾流效应的模型。
85.可选的，初始尾流控制模型可以是一种经验尾流模型，也可以是其他类型的尾流模型。
86.其中，初始尾流控制模型的模型参数可以包括大气稳定度ats、湍流强度tur、风切变值wsh等环境参数，在此不做限定。
87.在本公开实施例中，在训练风电场尾流控制模型时，可以设置风电场尾流控制模型的工况下达周期、动作类型以及动作许可范围。
88.其中，工况下达周期是指样本工况时序数据的工况下发周期t。
89.其中，动作类型可以包括样本工况时序数据中的偏航角yg、转速以及桨距角中的至少一种。
90.其中，动作许可范围可以包括偏航角范围{yg
min
,yg
max
}、转速范围、桨距角范围、最大载荷、风电场最大发电功率、风电机组最大疲劳损伤、安全运行参数等。
91.在一些实施例中，电子设备可以利用随机动作探索方法，以样本风电场的发电功率最大为目标，即以目标风电场的样本发电功率为目标，基于将环境状态s作为样本风况时序数据，将动作a作为样本工况时序数据，将最大奖励r作为样本发电功率，以最大奖励r为目标，基于样本风况时序数据和样本工况时序数据，对初始尾流控制模型进行训练，得到风电场尾流控制模型。
92.在另一些实施例中，电子设备可以利用深度强化学习、博弈论算法、遗传算法、粒子群算法、蚁群算法等，以目标风电场的发电功率最大为目标，即以目标风电场的样本发电功率为目标，基于将环境状态s作为样本风况时序数据，将动作a作为样本工况时序数据，将最大奖励r作为样本发电功率，以最大奖励r为目标，基于样本风况时序数据和样本工况时序数据，对初始尾流控制模型进行训练，得到风电场尾流控制模型。
93.针对上述两种方法，可选的，环境状态可以通过如下方式表示：s＝{ws
zt
,wd
zt
,ws
ave
,ws
std
,wd
ave
,wd
std
,yg0}。
94.可选的，动作a为n台风电机组的偏航角，奖励r为n台机组周期t内总发电量。
95.其中，ws
zt
，wd
zt
分别为动作指令下达周期t内风速集合和风向集合，ws
ave
、ws
std
分别为动作指令下达周期t内风速的平均值和标准差，wd
ave
、wd
std
分别为动作指令下达周期t内风向的平均值和标准差，yg0为0时刻各台机组偏航角。
96.具体的，ws
zt
可以通过如下方式表示：ws
zt
＝{ws0,
…
,ws
t
}；
97.具体的，wd
zt
可以通过如下方式表示：wd
zt
＝{wd0,
…
,wd
t
}；
98.具体的，ws
ave
可以通过如下方式表示：ws
ave
＝(ws0
…
ws
t
)
÷
t；
99.具体的，wd
std
可以通过如下方式表示：
100.具体的，wd
ave
可以通过如下方式表示：wd
ave
＝(wd0
…
wd
t
)
÷
t；
101.具体的，wd
std
可以通过如下方式表示：
102.具体的，a可以通过如下方式表示：a＝{yg1,
…
,ygn}；
103.具体的，r可以通过如下方式表示：r＝p
01

…
p
tn
。
104.其中，p
01

…
p
tn
为周期t内，各风电机组的发电功率之和。
105.由此，在本公开实施例中，可以基于样本风况时序数据和样本工况时序数据，有效的训练初始尾流控制模型，以准确的得到训练好的风电场尾流控制模型。
106.s340、获取目标风电场的目标风况时序数据。
107.其中，目标风况时序数据为利用风况预测算法得到的未来一段时间内的风速数据，或者，利用激光雷达测量方式测量的前方来流的风速数据。s340与s110相似，在此不做赘述。
108.s350、将目标风况时序数据输入预先训练好的风电场尾流控制模型，得到目标风电场的目标发电功率对应的目标工况时序数据，风电场尾流控制模型基于样本风况时序数据和目标发电功率对应的样本工况时序数据训练得到，目标发电功率为目标风电场在目标风况时序数据下的最大发电功率。
109.需要说明的是，在训练风电场尾流控制模型时，设置了动作许可范围，即设置了偏航角范围{yg
min
,yg
max
}、转速范围、桨距角范围、最大载荷、风电场最大发电功率、风电机组最大疲劳损伤、安全运行参数等，因此，目标工况时序数据需要满足上述动作许可范围的工况时序数据。
110.s360、基于目标工况时序数据，控制目标风电场的各台风电机组运行。
111.其中，s360与s130相似，在此不做赘述。
112.由此，在本公开实施例中，可以以目标发电功率为发电目标，确定用于训练风电场尾流控制模型的样本风况时序数据和样本工况时序数据，以充分训练风电场尾流控制模型，使得利用风电场尾流控制模型预测得到工况时序数据为使目标风电场发电功率最大的工况数据。因此，利用预测得到的工况时序数据控制目标风电场的各台风电机组运行时，降低了目标风电场的尾流效应。
113.在本公开又一种实施方式中，可以利用风电场仿真模型得到目标风电场在样本风况时序数据下的样本发电功率。
114.在本公开实施例中，可选的，在s3201之后，该方法还可以包括如下步骤：
115.将样本风况时序数据和样本工况时序数据输入目标风电场对应的风电场仿真模型，得到样本发电功率。
116.在本公开实施例中，可选的，将样本风况时序数据和样本工况时序数据输入目标风电场对应的风电场仿真模型，得到样本发电功率，具体可以包括如下步骤：
117.s1、根据目标风电场的地形数据、各风电机组的坐标数据、各风电机组的轮毂高度，确定各风电机组之间的相互位置关系；
118.s2、根据样本风况时序数据、样本工况时序数据和相互位置关系，确定各风电机组之间的发电顺序；
119.s3、以目标风电场中第一个风电机组开始，按照发电顺序，将样本风况时序数据和样本工况时序数据输入初始风电场仿真模型中的各台风电机组运行模拟模型，得到各风电机组对应的发电功率，直至当前的风电机组为最后一个风电机组；
120.s4、将各风电机组对应的发电功率的功率之和，作为样本发电功率。
121.具体的，针对s1，电子设备可以根据目标风电场的地形数据、各风电机组的坐标数据、各风电机组的轮毂高度，建立三维坐标系，基于目标风电场中各风电机组在三维坐标系下的坐标，确定各风电机组之间的相互位置关系；
122.具体的，针对s2，电子设备可以根据样本风况时序数据、样本工况时序数据和相互位置关系，确定各风电机组之间的发电顺序，即确定各风电机组之间的先后顺序。
123.具体的，针对s3，包括如下步骤：
124.s31、电子设备可以将样本风况时序数据作为第一个风电机组的风况数据，基于样本风况时序数据和随机工况时序数据中的第一个风电机组对应的工况时序数据，输入风电机组运行模拟模型，得到第一个风电机组的输出功率和推力系数；
125.s32、电子设备可以将样本风况时序数据、第一个风电机组的推力系数以及第一个风电机组的偏航角输入风电场尾流控制模型，得到目标风电场中的风速分布，并根据目标风电场中各风电机组在三维坐标系下的坐标和各风电机组之间的相互位置关系，计算第二个风电机组的轮毂处的风速；
126.s33、电子设备将第二个风电机组的轮毂处的风速、随机工况时序数据中的第二个风电机组对应的工况时序数据以及第一个风电机组的推力系数输入风电机组运行模拟模型，得到第二个风电机组的输出功率和推力系数；
127.s34、电子设备按照s31～s33的方式，计算后续风电机组的输出功率和推力系数，直至当前的风电机组为最后一个风电机组，得到各风电机组对应的发电功率。
128.具体的，针对s4、电子设备可以将得到的各风电机组对应的发电功率相加，得到功率之和，将功率之和作为样本发电功率。
129.由此，在本公开实施例中，可以根据目标风电场的地形数据、各风电机组的坐标数据、各风电机组的轮毂高度，确定各风电机组之间的相互位置关系，以根据相互位置关系以及样本风况时序数据和随机工况时序数据，并结合风电场仿真模型，准确的确定样本发电功率。
130.进一步的，在基于目标工况时序数据，控制目标风电场的各台风电机组运行之后，还可以利用目标风电场中各风电机组的实际运行功率和实际风况时序数据，更新风电场尾流控制模型，使得风电场尾流控制模型更符合目标风电场的实际运行情况。
131.在本公开实施例中，可选的，在s130之后，该风电场运行控制方法还可以包括：
132.获取目标风电场中各风电机组的实际运行功率和实际风况时序数据；
133.确定各风电机组的实际运行功率对应的各风电机组的实际工况时序数据；
134.基于实际工况时序数据和实际风况时序数据，更新风电场尾流控制模型，得到更新后的风电场尾流控制模型。
135.具体的，电子设备基于目标工况时序数据，控制目标风电场的各台风电机组运行的过程中，可以获取目标风电场中各风电机组的实际运行功率和实际风况时序数据，并基于风电场仿真模型，确定各风电机组的实际运行功率对应的各风电机组的实际工况时序数据。然后，将实际风况时序数据作为风电场尾流控制模型的输入，将实际工况时序数据作为风电场尾流控制模型的输出，更新训练风电场尾流控制模型，得到更新后的风电场尾流控制模型。
136.由此，在本公开实施例中，电子设备可以利用目标风电场中各风电机组的实际运行功率和实际风况时序数据，更新风电场尾流控制模型，使得风电场尾流控制模型更符合目标风电场的实际运行情况。
137.本公开实施例还提供了一种用于实现上述的风电场运行控制方法的风电场运行控制装置，下面结合图4进行说明。在本公开实施例中，该风电场运行控制装置可以为电子设备。其中，电子设备可以包括移动终端、平板电脑等具有通信功能的设备。
138.图4示出了本公开实施例提供的一种风电场运行控制装置的结构示意图。
139.如图4所示，风电场运行控制装置400可以包括：目标风况时序数据获取模块410、目标工况时序数据确定模块420和风电场运行控制模块430。
140.目标风况时序数据获取模块410，可以用于获取目标风电场的目标风况时序数据，目标风况时序数据为利用风况预测算法得到的未来一段时间内的风速数据，或者，利用激光雷达测量方式测量的前方来流的风速数据；
141.目标工况时序数据确定模块420，可以用于将目标风况时序数据输入预先训练好的风电场尾流控制模型，得到目标风电场的目标发电功率对应的目标工况时序数据，风电
场尾流控制模型基于样本风况时序数据和目标发电功率对应的样本工况时序数据训练得到，目标发电功率基于目标风电场的风电场仿真模型确定，目标发电功率为目标风电场在目标风况时序数据下的最大发电功率；
142.风电场运行控制模块430，可以基于目标工况时序数据，控制目标风电场的各台风电机组运行。
143.在本公开实施例中，在获取到目标风电场的目标风况时序数据之后，能够将目标风况时序数据输入预先训练好的风电场尾流控制模型，得到目标风电场的目标发电功率对应的目标工况时序数据，风电场尾流控制模型基于样本风况时序数据和目标发电功率对应的样本工况时序数据训练得到，目标风况时序数据为利用风况预测算法得到的未来一段时间内的风速数据，或者，利用激光雷达测量方式测量的前方来流的风速数据，由于目标发电功率基于目标风电场的风电场仿真模型确定，且目标发电功率为目标风电场在目标风况时序数据下的最大发电功率，因此，目标工况时序数据可以是能够使目标风电场输出最大发电功率的工况时序数据，进一步基于目标工况时序数据，控制目标风电场的各台风电机组运行，使得目标风电场能够输出最大发电功率，因此，降低了风电场尾流效应，提高了风电场的整体发电量，以满足提高风电场经济效益的需求。
144.可选的，该装置还可以包括：风电场尾流控制模型训练模块；
145.风电场尾流控制模型训练模块可以包括：样本风况时序数据获取单元、样本工况时序数据获取单元和风电场尾流控制模型训练单元；
146.样本风况时序数据获取单元，可以用于获取样本风况时序数据；
147.样本工况时序数据获取单元，可以用于获取样本发电功率对应的样本工况时序数据，样本发电功率为目标风电场在样本风况时序数据下的最大发电功率；
148.风电场尾流控制模型训练单元，可以用于基于样本风况时序数据和样本工况时序数据，对初始尾流控制模型进行训练，以得到用于确定目标风电场的目标工况时序数据的风电场尾流控制模型。
149.可选的，样本工况时序数据获取单元还用于，获取随机工况时序数据；
150.基于样本风况时序数据，确定目标风电场中各风电机组的轮毂处的风电机组风况数据；
151.将随机工况时序数据和风电机组风况数据输入风电机组运行模拟模型，得到各风电机组的随机发电功率；
152.基于各风电机组的随机发电功率和样本发电功率，确定样本工况时序数据。
153.可选的，样本工况时序数据获取单元还用于，计算各风电机组的随机发电功率的功率之和；
154.将功率之和为样本发电功率的随机工况时序数据，作为样本工况时序数据。
155.可选的，该装置还可以包括：样本发电功率确定模块；
156.样本发电功率确定模块，可以用于将样本风况时序数据和样本工况时序数据输入目标风电场对应的风电场仿真模型，得到样本发电功率。
157.可选的，预测发电功率确定模块，可以包括：相互位置关系确定单元、发电顺序确定单元、发电功率确定单元以及预测发电功率确定单元；
158.相互位置关系确定单元，可以用于根据目标风电场的地形数据、各风电机组的坐
标数据、各风电机组的轮毂高度，确定各风电机组之间的相互位置关系；
159.发电顺序确定单元，可以用于根据样本风况时序数据、随机工况时序数据和相互位置关系，确定各风电机组之间的发电顺序；
160.发电功率确定单元，可以用于以目标风电场中第一个风电机组开始，按照发电顺序，将样本风况时序数据和随机工况时序数据输入风电场仿真模型中的各风电机组运行模拟模型，得到各风电机组对应的发电功率，直至当前的风电机组为最后一个风电机组；
161.预测发电功率确定单元，可以用于将各风电机组对应的发电功率的功率之和，作为样本发电功率。
162.可选的，该装置还包括：实际风况数据获取模块、实际工况数据获取模块和风电场尾流控制模型更新模块；
163.实际风况数据获取模块，可以用于获取目标风电场中各风电机组的实际运行功率和实际风况时序数据；
164.实际工况数据获取模块，可以用于确定各风电机组的实际运行功率对应的各风电机组的实际工况时序数据；
165.风电场尾流控制模型更新模块，可以用于基于实际工况时序数据和实际风况时序数据，更新风电场尾流控制模型，得到更新后的风电场尾流控制模型。
166.需要说明的是，图4所示的风电场运行控制装置400可以执行图1至图3所示的方法实施例中的各个步骤，并且实现图1至图3所示的方法或系统实施例中的各个过程和效果，在此不做赘述。
167.图5示出了本公开实施例提供的一种风电场运行控制系统的模块示意图。
168.如图5所示，该风电场运行控制系统包括：风电场建模数据获取模块501、风电场状态获取模块502、风电场尾流控制模型设置模块503、风电场仿真模型模块504、风电场尾流控制模型训练模块505、目标风况时序数据获取模块506、风电场尾流控制模型控制模块507、风电场运行控制模块508和数据整理反馈模块509。
169.其中，风电场建模数据获取模块501，可以用于获取目标风电场中各风电机组的三维坐标、风电机组运行模拟模型。
170.其中，风电场状态获取模块502，可以用于获取目标风电场的样本工况时序数据、样本风况时序数据以及样本发电功率。
171.其中，风电场尾流控制模型设置模块503，可以用于设置风电场尾流控制模型的模型参数。
172.其中，风电场仿真模型模块504，可以用于利用样本风况时序数据、样本工况时序数据、各风电机组的三维坐标、风电机组运行模拟模型以及风电场尾流控制模型训练模块505中的初始尾流控制模型，构建风电场仿真模型。
173.其中，风电场尾流控制模型训练模块505，可以用于利用样本风况时序数据、样本发电功率对应的样本工况时序数据并结合，训练风电场尾流控制模型。
174.其中，目标风况时序数据获取模块506，可以用于获取目标风况时序数据。
175.其中，风电场尾流控制模型控制模块507，可以用于将目标风况时序数据输入预先训练好的风电场尾流控制模型，得到目标风电场的预测工况时序数据。
176.其中，风电场仿真模型模块504还可以用于，利用目标风电场的预测工况时序数据
和构建好的风电场仿真模型模块，得到目标风电场的目标发电功率对应的目标工况时序数据。
177.其中，风电场运行控制模块508，可以用于利用目标工况时序数据，控制目标风电场的风电机组运行。
178.其中，数据整理反馈模块509，可以用于获取目标风电场中各风电机组的实际运行功率和实际风况时序数据，将实际运行功率和实际风况时序数据发送给风电场尾流控制模型训练模块505。
179.其中，风电场尾流控制模型训练模块505还用于，基于实际工况时序数据和实际风况时序数据，更新风电场尾流控制模型，得到更新后的风电场尾流控制模型。
180.图6示出了本公开实施例提供的一种风电场运行控制设备的结构示意图。
181.如图6所示，该风电场运行控制设备可以包括处理器601以及存储有计算机程序指令的存储器602。
182.具体地，上述处理器601可以包括中央处理器(cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本技术实施例的一个或多个集成电路。
183.存储器602可以包括用于信息或指令的大容量存储器。举例来说而非限制，存储器602可以包括硬盘驱动器(hard disk drive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，usb)驱动器或者两个及其以上这些的组合。在合适的情况下，存储器602可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器602可在综合网关设备的内部或外部。在特定实施例中，存储器602是非易失性固态存储器。在特定实施例中，存储器602包括只读存储器(read-only memory，rom)。在合适的情况下，该rom可以是掩模编程的rom、可编程rom(programmable rom，prom)、可擦除prom(electrical programmable rom，eprom)、电可擦除prom(electrically erasable programmable rom，eeprom)、电可改写rom(electrically alterable rom，earom)或闪存，或者两个或及其以上这些的组合。
184.处理器601通过读取并执行存储器602中存储的计算机程序指令，以执行本公开实施例所提供的风电场运行控制方法的步骤。
185.在一个示例中，该风电场运行控制设备还可包括收发器603和总线604。其中，如图6所示，处理器601、存储器602和收发器603通过总线604连接并完成相互间的通信。
186.总线604包括硬件、软件或两者。举例来说而非限制，总线可包括加速图形端口(accelerated graphics port，agp)或其他图形总线、增强工业标准架构(extended industry standard architecture，eisa)总线、前端总线(front side bus，fsb)、超传输(hyper transport，ht)互连、工业标准架构(industrial standard architecture，isa)总线、无限带宽互连、低引脚数(low pin count，lpc)总线、存储器总线、微信道架构(micro channel architecture，mca)总线、外围控件互连(peripheral component interconnect，pci)总线、pci-express(pci-x)总线、串行高级技术附件(serial advanced technology attachment，sata)总线、视频电子标准协会局部(video electronics standards association local bus，vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线604可包括一个或多个总线。尽管本技术实施例描述和示出了特定的
总线，但本技术考虑任何合适的总线或互连。
187.以下是本公开实施例提供的计算机可读存储介质的实施例，该计算机可读存储介质与上述各实施例的风电场运行控制方法属于同一个发明构思，在计算机可读存储介质的实施例中未详尽描述的细节内容，可以参考上述风电场运行控制方法的实施例。
188.本实施例提供一种包含计算机可执行指令的存储介质，计算机可执行指令在由计算机处理器执行时用于执行一种风电场运行控制方法，该方法包括：
189.获取目标风电场的目标风况时序数据，目标风况时序数据为利用风况预测算法得到的未来一段时间内的风速数据，或者，利用激光雷达测量方式测量的前方来流的风速数据；
190.将目标风况时序数据输入预先训练好的风电场尾流控制模型，得到目标风电场的目标发电功率对应的目标工况时序数据，风电场尾流控制模型基于样本风况时序数据和目标发电功率对应的样本工况时序数据训练得到，目标发电功率基于目标风电场的风电场仿真模型确定，目标发电功率为目标风电场在目标风况时序数据下的最大发电功率；
191.基于目标工况时序数据，控制目标风电场的各台风电机组运行。
192.当然，本公开实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上的方法操作，还可以执行本公开任意实施例所提供的风电场运行控制方法中的相关操作。
193.通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本公开可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-only memory,rom)、随机存取存储器(random access memory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机云平台(可以是个人计算机，服务器，或者网络云平台等)执行本公开各个实施例所提供的风电场运行控制方法。
194.注意，上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解，本公开不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此，虽然通过以上实施例对本公开进行了较为详细的说明，但是本公开不仅仅限于以上实施例，在不脱离本公开构思的情况下，还可以包括更多其他等效实施例，而本公开的范围由所附的权利要求范围决定。