基于两步处理的大型海上风电场分布式运行功率优化方法

杨建; 黄朝能; 宋冬然; 董密; 陈思范; 胡阳; 房方

doi:10.7500/AEPS20220419003

您当前的位置：

首页 >

文章列表页 >

基于两步处理的大型海上风电场分布式运行功率优化方法

学术研究 | 更新时间：2025-06-16

- 基于两步处理的大型海上风电场分布式运行功率优化方法
- Distributed Optimization Method for Operation Power of Large-scale Offshore Wind Farm Based on Two-step Processing
- 电力系统自动化 2023年47卷第7期页码：94-104
- 作者机构：
  
  1.中南大学自动化学院,湖南省长沙市 410083
  2.明阳智慧能源集团股份公司,广东省中山市 528437
  3.华北电力大学控制与计算机工程学院,北京市 102206
- 作者简介：
  
  杨建(1978—)，男，博士，教授，主要研究方向：电力电子，运动控制(机器人、数控机床)，新能源(太阳能、风能)，人工智能。E-mail：jian.yang@csu.edu.cn
  黄朝能(1998—)，男，博士研究生，主要研究方向：海上风电场尾流控制、浮式风电场建模与优化。E-mail：1218664175@qq.com
  宋冬然(1983—)，男，通信作者，博士，副教授，主要研究方向：风力发电、光伏发电等新能源发电技术,微电网系统建模、优化与控制,能源/电气系统经济分析及优化。E-mail：humble_szy@163.com
- 基金信息：
  
  国家自然科学基金资助项目(62211540397);湖南省自然科学基金资助项目(2021JJ30875);华能集团总部科技项目（海上风电与智慧能源系统科技专项（一期）,HNKJ20-H88-06）
- DOI：10.7500/AEPS20220419003
  中图分类号：
- 收稿：2022-04-19，
  
  修回：2022-10-20，
  
  网络出版：2023-02-13，
  
  纸质出版：2023-04-10
- 稿件说明：
移动端阅览
杨建,黄朝能,宋冬然等.基于两步处理的大型海上风电场分布式运行功率优化方法[J].电力系统自动化,2023,47(7):94-104.

YANG Jian,HUANG Chaoneng,SONG Dongran,et al.Distributed Optimization Method for Operation Power of Large-scale Offshore Wind Farm Based on Two-step Processing[J].Automation of Electric Power Systems,2023,47(7):94-104.
杨建,黄朝能,宋冬然等.基于两步处理的大型海上风电场分布式运行功率优化方法[J].电力系统自动化,2023,47(7):94-104. DOI： 10.7500/AEPS20220419003.

YANG Jian,HUANG Chaoneng,SONG Dongran,et al.Distributed Optimization Method for Operation Power of Large-scale Offshore Wind Farm Based on Two-step Processing[J].Automation of Electric Power Systems,2023,47(7):94-104. DOI： 10.7500/AEPS20220419003.

摘要

随着海上风电场逐步走向大型化，尾流效应对风电场发电效率的影响加剧。已有风电场尾流控制方法的计算负荷较大，优化效果有限。对此，基于风电场网络的更新与分簇，提出一种两步功率优化方法。基于海上风电场尾流效应完善网络化定义，提出将优化分为两个阶段以处理优化动作对风电场网络和功率的影响；引入谱聚类方法实现网络分簇，结合改进的平衡优化算法进行高效求解，并通过分簇更新与优化迭代的结合实施两步优化策略。案例仿真结果表明，相对于集中式优化，所提出的方法优化效果接近，求解时间显著缩短；与单步优化相比，在具有复杂尾流关联的场景下，能以增加一定的求解时间为代价，获得更大的功率增益。最后，对不同规模风电场和分簇数量进行了探究，所提出方法对大型海上风电场具有较好的应用前景。

Abstract

As offshore wind farms gradually become larger

the wake effect has intensified the impact of wind farm power generation efficiency. Existing wake control methods for wind farms have large computational load and limited optimization effect. In this regard

according to the update and clustering of wind farm networks

a two-step power optimization method is proposed. Based on the improved network definition considering the wake effect of offshore wind farms

the optimization is divided into two stages to deal with the impact of optimization actions on the network and power of wind farms. The spectral clustering method is applied to achieve network clustering. Combined with improved equilibrium optimizer to achieve efficient solution

a two-step optimization strategy is implemented by the combination of cluster update and optimization iterations. The results of case simulation show that

compared with centralized optimization

the proposed method has significant optimization effect and significantly shortens solving time. Compared with direct optimization

larger power gain is obtained at the cost of increasing the limited solving time in complex wake correlation scenarios. Finally

the wind farms of different scales and the number of clusters are explored

and the proposed method has good application prospects for large-scale offshore wind farm.

关键词

Keywords

references

苏向敬，周汶鑫，李超杰，等 . 基于双重注意力LSTM神经网络的可解释海上风电出力预测［J］. 电力系统自动化， 2022 ， 46 （ 7 ）： 141 - 151 .

SU Xiangjing ， ZHOU Wenxin ， LI Chaojie ， et al . Interpretable offshore wind power output forecasting based on long short-term memory neural network with dual-stage attention ［J］. Automation of Electric Power Systems ， 2022 ， 46 （ 7 ）： 141 - 151 .

Global Wind Energy Council . Global offshore wind report 2022 ［R］. 2022 .

SONG D R ， YANG J ， SU M ， et al . A comparison study between two MPPT control methods for a large variable-speed wind turbine under different wind speed characteristics ［J］. Energies ， 2017 ， 10 （ 5 ）： 613 .

邓智文，郭苏，许昌，等 . 海上风电场功率提升和疲劳平衡综合优化控制［J］. 太阳能学报， 2021 ， 42 （ 1 ）： 180 - 186 .

DENG Zhiwen ， GUO Su ， XU Chang ， et al . Comprehensive optimization control of power boost and fatigue balance for offshore wind farms ［J］. Acta Energiae Solaris Sinica ， 2021 ， 42 （ 1 ）： 180 - 186 .

蔡旭，杨仁炘，周剑桥，等 . 海上风电直流送出与并网技术综述［J］. 电力系统自动化， 2021 ， 45 （ 21 ）： 2 - 22 .

CAI Xu ， YANG Renxin ， ZHOU Jianqiao ， et al . Review on offshore wind power integration via DC transmission ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 21 ）： 2 - 22 .

FLEMING P A ， NING A ， GEBRAAD P M O ， et al . Wind plant system engineering through optimization of layout and yaw control ［J］. Wind Energy ， 2016 ， 19 （ 2 ）： 329 - 344 .

MUNTERS W ， MEYERS J . Dynamic strategies for yaw and induction control of wind farms based on large-eddy simulation and optimization ［J］. Energies ， 2018 ， 11 （ 1 ）： 177 .

VAN DIJK M T ， VAN WINGERDEN J W ， ASHURI T ， et al . Wind farm multi-objective wake redirection for optimizing power production and loads ［J］. Energy ， 2017 ， 121 ： 561 - 569 .

ZONG H H ， PORTÉ-AGEL F . Experimental investigation and analytical modelling of active yaw control for wind farm power optimization ［J］. Renewable Energy ， 2021 ， 170 ： 1228 - 1244 .

姚钢，杨浩猛，周荔丹，等 . 大容量海上风电机组发展现状及关键技术［J］. 电力系统自动化， 2021 ， 45 （ 21 ）： 33 - 47 .

YAO Gang ， YANG Haomeng ， ZHOU Lidan ， et al . Development status and key technologies of large-capacity offshore wind turbines ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 21 ）： 33 - 47 .

朱义苏，刘东哲，项建强，等 . 海上风电机组大型化技术路线分析［J］. 风能， 2019 （ 6 ）： 50 - 53 .

ZHU Yisu ， LIU Dongzhe ， XIANG Jianqiang ， et al . Analysis of large-scale technology route of offshore wind turbine ［J］. Wind Energy in China ， 2019 （ 6 ）： 50 - 53 .

KHEIRABADI A C ， NAGAMUNE R . A quantitative review of wind farm control with the objective of wind farm power maximization ［J］. Journal of Wind Engineering and Industrial Aerodynamics ， 2019 ， 192 ： 45 - 73 .

GIONFRA N ， SANDOU G ， SIGUERDIDJANE H ， et al . Wind farm distributed PSO-based control for constrained power generation maximization ［J］. Renewable Energy ， 2019 ， 133 ： 103 - 117 .

顾波，张洋，任岩，等 . 风电场尾流分布计算及场内优化控制方法［J］. 电力系统自动化， 2017 ， 41 （ 18 ）： 124 - 129 .

GU Bo ， ZHANG Yang ， REN Yan ， et al . Wake distribution calculation and optimization control method for wind farms ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 18 ）： 124 - 129 .

MARDEN J R ， RUBEN S D ， PAO L Y . A model-free approach to wind farm control using game theoretic methods ［J］. IEEE Transactions on Control Systems Technology ， 2013 ， 21 （ 4 ）： 1207 - 1214 .

GEBRAAD P M O ， FLEMING P A ， VAN WINGERDEN J W . Wind turbine wake estimation and control using FLORIDyn， a control-oriented dynamic wind plant model ［C］// 2015 American Control Conference （ACC）， July 1-3 ， 2015 ， Chicago， USA .

ZHONG S ， WANG X D . Decentralized model-free wind farm control via discrete adaptive filtering methods ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 4 ）： 2529 - 2540 .

PARK J ， LAW K H . A data-driven， cooperative wind farm control to maximize the total power production ［J］. Applied Energy ， 2016 ， 165 ： 151 - 165 .

ANNONI J ， BAY C ， TAYLOR T ， et al . Efficient optimization of large wind farms for real-time control ［C］// 2018 Annual American Control Conference （ACC）， June 27-29 ， 2018 ， Milwaukee， USA .

ZHANG B B ， LIU J . Wind turbine clustering algorithm of large offshore wind farms considering wake effects ［J］. Mathematical Problems in Engineering ， 2019 ， 2019 ： 6874693 .

SHU T ， SONG D R ， HOON JOO Y . Decentralised optimisation for large offshore wind farms using a sparsified wake directed graph ［J］. Applied Energy ， 2022 ， 306 ： 117986 .

ANNONI J ， BAY C ， JOHNSON K ， et al . A framework for autonomous wind farms： wind direction consensus ［J］. Wind Energy Science Discussions ， 2018 ， 2018 ： 1 - 17 .

SAREMI S ， MIRJALILI S Z ， MIRJALILI S M . Evolutionary population dynamics and grey wolf optimizer ［J］. Neural Computing and Applications ， 2015 ， 26 （ 5 ）： 1257 - 1263 .

XUE J K ， SHEN B . A novel swarm intelligence optimization approach： sparrow search algorithm ［J］. Systems Science & Control Engineering ， 2020 ， 8 （ 1 ）： 22 - 34 .

FARAMARZI A ， HEIDARINEJAD M ， STEPHENS B ， et al . Equilibrium optimizer： a novel optimization algorithm ［J］. Knowledge-Based Systems ， 2020 ， 191 ： 105190 .

FARAMARZI A ， HEIDARINEJAD M ， MIRJALILI S ， et al . Marine predators algorithm： a nature-inspired metaheuristic ［J］. Expert Systems With Applications ， 2020 ， 152 ： 113377 .

GEBRAAD P M O ， TEEUWISSE F W ， VAN WINGERDEN J W ， et al . Wind plant power optimization through yaw control using a parametric model for wake effects- a CFD simulation study ［J］. Wind Energy ， 2016 ， 19 （ 1 ）： 95 - 114 .

MESBAHI M ， EGERSTEDT M . Graph theoretic methods in multiagent networks ［M］. Princeton， USA ： Princeton University Press ， 2010 .

WIERZCHON S T ， KLOPOTEK M A . Modern algorithms of cluster analysis ［M］. Springer ， 2018 .

ARTHUR D ， VASSILVITSKII S . k -means： the advantages of careful seeding ［C］// Eighteenth Acm-Siam Symposium on Discrete Algorithms ， January 7-9 ， 2007 ， New Orleans， Louisiana .

JONKMAN J ， BUTTERFIELD S ， MUSIAL W ， et al . Definition of a 5 MW reference wind turbine for offshore system development ［R］. Golden， USA ： Office of Scientific and Technical Information（OSTI）， 2009 .

NREL ， FLORIS . Version 2.4 . 0 . GitHub［EB/OL］. ［ 2022-03-05 ］. https：//github.com/NREL/floris.floris https://github.com/NREL/floris.floris .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

分布式优化在互联电网中的应用分析及展望

考虑隐私保护的虚拟电厂内部交易决策优化

面向规模化分布式可再生能源并网的群网协同互动优化方法

基于DCGCN模型的海上风电场超短期功率预测