CN107482692B - 风电场有功控制的方法、装置及系统 - Google Patents

Abstract

本发明涉及一种风电场有功控制的方法、装置及系统。其中方法包括以下步骤：获取每一风电机组的有功调控能力；依据所述有功调控能力对所述多个风电机组排序，得到有功调控能力排序结果；根据所述风电机组的超短期功率预测值及有功调控指令的完成比例，将所述多个风电机组分类，得到分类结果；以及按照多个风电机组的分类结果和有功调控能力排序结果，调整各个风电机组的有功出力。其对风电机组的调控顺序根据运行参数客观判断，受主观影响小，而且根据客观条件判断，能够对最适合调控的风电机组优先进行调控，减少风电机组动作次数，减少机械损失，并能快速满足风电场调控目的，工作效率高。

Description

风电场有功控制的方法、装置及系统

技术领域

本发明涉及风电控制技术领域，尤其涉及一种风电场有功控制的方法、装置及系统。

背景技术

风电场级的有功控制在含大规模风电集群有功调度体系中起到一个承上启下的作用：既要追踪风电场集群的出力计划，又要将集群下达的调度指令分配给风电场内的风电机组，并对场内每一台风电机组的有功出力进行协调控制。随着风电在电力系统中所占的比重越来越大，要求风电场应当具备一定的有功调控能力，能够参与电网调峰和电力系统的有功控制，减轻常规机组的压力。

对于风电场站级的有功控制策略，以往的研究大多是以风电场内部功率损耗之和最小为优化目标，也有的研究成果是将风电功率预测技术考虑进来，对风电机组进行有功控制，但控制目标主要是为了降低有功功率分配的偏差，实现风电场功率的平稳输出。但是在实际运行中希望风电场应该具备一定的有功调控能力，能够主动参与电力系统调度，缓解常规机组的有功调控负担。因此，关于风电场的有功控制不仅要以功率损耗为优化对象，还需要充分挖掘并提高风电场的有功调控能力。关于这方面的研究，目前已经有了许多成果。但在实际运行与控制中，每个地区的做法都不尽相同，没有一个统一的规范流程，更有风电场采用简单直接的方式对场内风电机组进行有功控制，目的是为了满足风电场上一周期的调度指令，至于怎样调控机组并不是他们所关心的。以降出力调节为例，通常这些风电场的做法有两种，一种是把需要调节的功率ΔP_all按一定比例分摊到每一台正在运行的风电机组身上，实际大多情况下是平均分配给每一台机组，让全场风电机组一起动作来实现有功调控目标。另一种做法是选择一定数量的风电机组，让这些机组大幅度降功率，甚至是停机，以实现功率调控的目标，直到所降功率之和等于功率调整量ΔP_all。这些传统的有功调控方法受主观因素影响大，风电机组动作次数多，启停频繁，容易增加风电场的机械损耗，从长远角度来看并不利于风电场经济效益的提升。

发明内容

为解决对风电机组调控中受主观因素影响较大，风电机组动作次数多的问题，本发明提供一种根据运行数据客观对各风电机组进行调控能力进行评价，并根据评价结果对风电场中风电机组进行控制，风电机组动作次数少的风电场有功控制的方法、装置及系统。

为实现本发明目的提供的一种风电场有功控制的方法，所述风电场包括多个风电机组，所述方法包括：

获取每一风电机组的有功调控能力；

依据所述有功调控能力对所述多个风电机组排序，得到有功调控能力排序结果；

根据所述风电机组的超短期功率预测值及有功调控指令的完成比例，将所述多个风电机组分类，得到分类结果；以及

按照多个风电机组的分类结果和有功调控能力排序结果，调整各个风电机组的有功出力。

在其中一个实施例的风电场有功控制的方法中，所述获取每一风电机组的有功调控能力的步骤包括：

获取风电机组的评价指标；

计算所述评价指标在风电机组有功调控中的权重系数；

计算各评价指标的评价集；以及

根据所述评价集和权重系数计算每一风电机组的有功调控能力。

在其中一个实施例的风电场有功控制的方法中，所述计算所述评价指标在风电机组有功调控中的权重系数的步骤包括：

采用熵值决策法计算各评价指标在风电机组有功调控中的权重系数。

在其中一个实施例的风电场有功控制的方法中，所述计算每一项评价指标的评价集的步骤包括：

采用半梯形分布作为隶属度函数计算每一评价指标的评价集。

在其中一个实施例的风电场有功控制的方法中，所述评价指标包括：

风电机组当前功率、风电机组预测功率的变化趋势、桨距角、叶尖速比、风电利用率及风电机组调节速率。

在其中一个实施例的风电场有功控制的方法中，所述计算各评价指标在风电机组有功调控中的权重系数，包括：

构建风电场评价指标初始矩阵；

对风电场评价指标初始矩阵中的风电机组各评价指标的数值进行标准化处理，建立比重矩阵；

根据比重矩阵计算各评价指标的信息效用值；

根据信息效用值计算出各评价指标的权重，得到权重系数矩阵。

在其中一个实施例的风电场有功控制的方法中，所述计算各评价指标的评价集的步骤包括：利用公式

计算风电机组i评价指标j的评分，得到风电机组i的评价集F_i＝[f_i1,f_i2,f_i3,f_i4,f_i5,f_i6]，其中，

是评价指标j下“优”的隶属度函数，

是评价指标j下“良”的隶属度函数，

是评价指标j下“中”的隶属度函数，

是评价指标j下“差”的隶属度函数，z₁，z₂，z₃，z₄为权重系数，且z₁+z₂+z₃+z₄＝1。

在其中一个实施例的风电场有功控制的方法中，根据所述风电机组的超短期功率预测值及有功调控指令的完成比例，将所述多个风电机组分类的步骤包括：

根据所述风电机组的功率预测值及所述有功调控指令的完成比例，将所述多个风电机组分为将风电机组分为弱出力机组{P_m}、有上调能力机组{P_u}、无上调能力机组{P_s}和超发机组{P_s}四类。

一种风电场有功控制的装置，包括：

调控能力获取模块，用于获取每一风电机组的有功调控能力；

排序模块，用于依据所述有功调控能力对所述多个风电机组排序，得到有功调控能力排序结果；

分组模块，用于根据所述风电机组的超短期功率预测值及有功调控指令的完成比例，将所述多个风电机组分类，得到分类结果；

调节控制模块，用于根据多个风电机组的分类结果和有功调控每个调控能力排序结果调整各个风电机组的有功出力。

一种存储器，所述存储器中存储有计算机指令，且该计算机指令被处理器执行时实现前述任一实施例所述方法中的步骤。

一种风电场有功控制的系统，包括处理器、存储器以及存储在所述存储器上的计算机指令，所述计算机指令在被处理器执行时实现前述任一实施例所述方法中的步骤。

本发明的有益效果包括：本发明提供的风电场有功控制的方法，获取风电机组的运行数据之后，对风电机组有功调控能力进行计算，并进行分组，而后按照调控组的调控顺序进行调控，并在每个调控组中的风电机组按照有功调控能力进行调控。其对风电机组的调控顺序根据运行参数客观判断，受主观影响小，而且根据客观条件判断，能够对最适合调控的风电机组优先进行调控，减少风电机组动作次数，减少机械损失，并能快速满足风电场调控目的，提高工作效率。

附图说明

图1为本发明一种风电场有功控制的方法的一具体实施例的流程图；

图2为本发明一种风电场有功控制的装置的一具体实施例的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图对本发明的风电场有功控制的方法及系统的具体实施方式进行说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

需要说明的是，本方法主要是用于对风电场中多个风电机组进行有序的有功功率调控控制。因此，在使用本发明的方法的风电场中，都会包含多个风电机组。

如图1所示，其中一个实施例的风电场有功控制的方法，包括以下步骤：

S100，获取每一风电机组的有功调控能力。

本步骤中有功调控能力的获取可充分利用机组运行的各种运行数据及机组的额定参数。运行数据可以在机组运行过程中获取，而机组的额定参数可从机组本身参数说明中获取，并事先输入到控制系统中。并预先输入空调能力大小的计算公式，获取到风电机组运行的数据后，提取预先存储的额定参数及计算公式计算风电场中各风电机组的有功调控能力。

还需要说明的是，所述风电机组的有功调控能力是指，风电机组在风电场输出总功率调控中接受调控能力的强弱。有功调控能力越大则，则风电机组接受调控能力越强，在风电场调控过程中可优先进行调控。

在运行数据的选择方面，可结合风电场运行实际情况及各风电机组运行情况，根据经验选择设定。例如，可选择风电机组当前功率、风电机组预测功率的变化趋势、桨距角、叶尖速比、风电利用率及风电机组调节速率作为空调能力计算参数，能全面体现风电机组接受调控的能力。

计算出风电场中各风电机组有功调控能力之后，执行步骤S200，依据有功调控能力对多个风电机组排序，得到有功调控能力排序结果。得到排序结果后，以便后续在需要调控时，根据排序先后依次对风电机组进行调控。

除了计算风电机组调控能力外，为了更准确对风电场中机组进行控制，本发明实施例的风电场有空控制的方法还对各风电机组进行分组，使调控更具有目的性，如根据风电机组对风电场降功率及加出力作用不同进行分组。

S300，根据所述风电机组的超短期功率预测值及有功调控指令的完成比例，将所述多个风电机组分类，得到分类结果。在执行中，所述有功调控指令的完成比例，可以利用风电机组上一周期的出力状况确定，当然，如果有必要，也可以采用之前第二个周期的风电机组有功调控指令完成比例，或者利用之前三个周期风电机组有功调控指令完成比例的均值进行计算。

本步骤中，根据预设计算方式对各风电机组进行计算，将风电场中所有的风电机组进行分类划分到不同的调控组中，即分类结果为分为多个调控组，且所要划分的调控组的数量可以预先设定，类似于等级的划分。即按照各风电机组可调控空间的大小分为预设数量的几个调控组。

且需要注意的是，风电场中风电机组的分类计算和各风电机组有功调控能力的计算可以分别进行，即两个计算可以并列进行，也可以任意一个在先进行计算。而根据有功调控能力对风电机组的排序可以在计算出每一风电机组的有功调控能力后直接对风电场中的所有风电机组进行排序，也可以在分类完成后，分别对没一调控组中的风电机组进行排序。无论先排序还是后排序，最终都能实现对每一调控组中的风电机组按顺序进行调控。

S400，按照多个风电机组的分类结果和有功调控能力排序结果，调整各个风电机组的有功出力。

具体的，针对不同的风电场调控目的，可预先设定调控组的调控顺序，及在进行风电场调控时，根据预设调控顺序首先对靠前的调控组中的风电机组进行调控，当调控未达到调控目的时，则继续依次对排序靠后的调控组中的风电机组进行调控，直至达到风电场的调控目的，或者即使没有达到调控目的，但是已经完成了对风电场中所有风电机组的调控。而对每个调控组中风电机组的调控按照风电机组的有功调控能力的先后顺序进行调控，即先调整调控能力大的风电机组进行调控，再对调控能力次之的风电机组进行调控。

本实施例的风电场有功控制的方法，获取风电机组的运行数据之后，对风电机组有功调控能力进行计算，并进行分组，而后按照调控组的调控顺序进行调控，并在每个调控组中的风电机组按照有功调控能力进行调控。其对风电机组的调控顺序根据运行参数客观判断，受主观影响小，而且根据客观条件判断，能够对最适合调控的风电机组优先进行调控，减少风电机组动作次数，减少机械损失，并能快速满足风电场调控目的，提高工作效率。

另外，还需要说明的是，对于不同的风电场调控目的可设置不同的调控组调控顺序，但是在每个调控组中都是按照调控能力从大到小进行调控。

其中，对于风电机组有功调控能力的获取，可首先获取多个预设的风电机组运行数据的步骤。获取到风电机组运行数据之后，再根据所获取的风电机组运行数据分析计算所述风电机组的有功调控能力。所述运行数据的获取可以是一个动态过程，实时获取各风电机组的运行状态，且一般保留一个时间周期的运行数据，以便后续根据时间周期对风电机组进行调控能大小等判断。

且本实施例中风电机组运行数据中包括多个评价指标的数据。步骤S100，获取每一风电机组的有功调控能力，包括以下步骤：

S110，获取风电机组的评价指标。

S120，计算评价指标在风电机组有功调控中的权重系数。

本实施例利用多个评价指标对风电机组的调控能力进行计算，但是在计算过程中各个评价指标在评价过程中对调控能力的贡献程度不一样。因此首先计算各个评价指标在评价过程中的权重系数。对不同的评价指标计算不同公的评价权重，能够更有效、更准确的计算风电机组的调控能力。

S130，计算各评价指标的评价集。此步骤即为将各个评价指标的运行数据带入到调控能力计算的公式中，得到各个评价指标对调控能力的贡献值。所述评价值是指对调控能力进行评价的各个评价指标对应的贡献值集合。

S140，根据所述评价集合权重系数每一风电机组有功调控能力。

具体的，风电场日内有功调度需要满足一定的调节速率要求，所以在选择有功调控能力的评估评价指标时应该要以调节响应速度快、可调节容量大、运行可信度高等条件为核心。根据这一目标，在其中一个实施例中，风电机组有功调控能力计算的评价指标包括：风电机组当前功率P_i ^*、风电机组预测功率的变化趋势k^*、桨距角

叶尖速比

风电利用率η_i及风电机组调节速率v_i。

对于第一个评价指标是风电机组的当前功率P_i ^*。当前功率就是风电机组的实时有功出力。风电机组的实时出力越大，说明该机组可供调节的容量越大，即由当前值降到零时的变化量越大，这对风电场的降功率调控比较有利。计算公式如式(1)所示：

其中，Pi(t)为风电机组i实时有功出力值，P_N,i是风电机组i的额定容量，i＝1,2，……，n。该公式实际上就是以风机的额定容量为基准把实时有功出力值标准化。

对于第二个评价指标是风电机组预测功率的变化趋势k*

根据风电机组的超短期功率预测情况，风电机组的出力总可以在某个时间区间段内大致划分为基本不变、出力上升和出力下降三种变化趋势。对于处在下降趋势的风电机组，在降出力调控中并不会影响该机组未来的出力变化趋势，这样在一定程度上可以减少该类型机组的调节次数，间接地也就达到了减少风机调控次数和切停机数量的优化目标。计算公式如式(2)所示：

其中，P_N,i是风电机组i的额定容量，P_f,i(t)为风电机组i在t时刻的预测出力情况。

对于第三个评价指标是风电机组的叶尖速比

叶尖速比是风机叶片顶端在切线方向的速度与该处风速的比值。这个比值的大小对叶片的风能捕获能力有着十分重要的作用，直接影响风电机组的风能利用系数C_p，是风力机的一个重要参数。风电机组叶尖速比的计算公式如式(3)所示：

其中，λ_i为风电机组i当前叶尖速比，λ_max为风机的最优叶尖速比。

对于第四个评价指标是风电机组的桨距角

桨距角也是风电机组的一个重要参数，其值在0～90°内变化，通过调节桨距角，可以改变风机的风能利用系数，进而影响风机的输出功率。由于风能利用系数与桨距角存在着一定的负相关关系，所以对风电机组的桨距角做了一点改动，其计算公式如式(4)所示：

其中，θ_i为风电机组当前的桨距角。

对于第五个评价指标风电机组的风电利用率η_i。风电利用率是指风电机组从并网到当前时刻的发电量折合成额定运行状态下的发电时间占比，主要根据对历史数据的统计得到，风电利用率越大说明该风机的运行状况越好，越发便于调节。由于所选择的风电机组有功调控评估评价指标需要动态调整，所以在这里对统计时间做了改动，将原来的并网到当前时刻的累计时间改成每一个统计周期的统计时长。其计算公式如式(5)所示：

其中，Q_i是风电机组i从并网到当前时刻的累计发电量，ΔT累计时间长度，P_N,i是风电机组i的额定容量。

对于第六个评价指标风电机组的调节速率vi。风电机组的调节速率是指风电机组响应功率变化指令速度的快慢，调节速率越快说明该机组调节性能越好、爬坡速率越大，能够在较短的时间里满足功率变化要求，是风机有功调控能力的重要体现。其值可以通过机组测试得到，计算公式如式(6)所示：

其中，P_N,i是风电机组i的额定容量，ΔP_i,l是风电机组i在第l次测试的功率变化值，l＝1,2，……，q；q为测试的总次数，q为正整数。而对于实际测试的总次数q可根据需求进行，并将测试结果输入到系统中。

为了客观地评价以上六个评价指标的重要性，确定其在风电机组功率调控中的影响因子，本发明采用熵值决策法来计算各项评价指标的权重。

熵值法是一种比较客观的决策方法，通过求取选定评价指标的信息效用值，量化评价指标变化的影响程度，确定各评价指标的权重，信息效用值大的变化后对系统的作用影响较大，所占的权重也就相对更大。此外，选择熵值决策法还有一个更重要的原因是以往的研究在确定评估评价指标权重的时候大多使用专家打分法，很容易受到主观意识的影响，对各项评价指标权重的定量化缺乏一个客观的、有说服力的科学依据。而且本发明提出的有功调控方法需要每一个调控周期都要刷新一次数据，所以对应的也要刷新各项评估评价指标所占的权重；而这一目的是无法靠专家打分评判法来实现的，所以采用熵值决策法在每一个调控周期或者某一个调控周期的整数倍时间节点再重新计算一次各个评价指标的权重。

熵值决策法的主要精髓是：熵值→效用价值→权重，通用的计算方法主要包含原始数据的收集和整理、数据的标准化处理、计算评价指标信息效用值、计算评价指标权重、确定样本的评价值五个环节，下面分别详细阐述这五个步骤。

1)原始数据的收集整理，构建风电场评价指标初始矩阵X。

假设待评价的对象是风电场内n台风电机组的有功调控能力，由6个评价指标组成衡量标准，则样本的初始矩阵X_n×6为：

式(7)中：n为风电场中风电机组数量，n＝1,2，……；x_ij指第i台风电机组对应的第j项评价指标的数值，i＝1，2，……，n；j＝1，2，……，6；评价指标

2)对风电场评价指标初始矩阵中的风电机组各评价指标的数值进行标准化处理，建立比重矩阵

为了减少各个评价指标单位量纲和数量级的差异对评价结果造成的潜在影响，同时也为了求解更方便，需要将各项评价指标标准化。常用的方法主要有以下两种：

方法一：

式中：x_max和x_min分别是第j项评价指标的最大值和最小值。

方法二：

式中：

然后计算评价指标j下的第i台风机所对应的特征值e_ij：

由此便可以建立数据的比重矩阵E＝[e_ij]_n×j。

其中，n为风电场中风电机组数量，n＝1,2，……；e_ij评价指标j下的第i台风电机组所对应的特征值；x_max和x_min分别是第j项评价指标的最大值和最小值。

3)根据比重矩阵计算各评价指标的信息效用值g

为了求取所选的各个评价指标的信息效用值，首先需要计算它们的信息熵值，按照公式(11)计算。

各评价指标的信息效用值g_j表征的是信息熵值d_j与1之间的距离，其值越大说明对系统的影响就越大，在评价指标体系中所占的权重也就越大，计算公式如式(12)所示：

式中，j＝1,2,……，6。

4)计算评价指标权重，得到权重系数矩阵

由各评价指标的信息效用值g_j就可以计算出第j项评价指标的权重u_j为：

由此便可以得到权重系数矩阵U：

u＝[u₁,u₂,u₃,u₄,u₅,u₆] (14)

对于有功调控能力的计算，采用加权求和公式进行计算A_i。

式中：u_j由式(16)计算得到，f_ij是每一项评价指标的评价集，A_i越大意味着该风电机组的目标性能越好，最终只需要比较所有风电机组的A_i值便可以得到对样本中所有个体的评价结论。即本实施例中，使用A_i值表征风电机组有功调控能力。对于评价指标的评价集的计算，以上所提出的六个评估评价指标都属于增益型评价指标，假定把评价指标j分为“优”“良”“中”“差”四个等级，“优”意味着该风机的调控能力非常强，“良”和“中”的调控能力依次减弱，“差”意味着该风电机组不适合作为调控对象，并假设四个等级的分界点为a,b,c,d，借用隶属度函数计算每一项评价指标的评价集f_ij，而四个等级分界点具体数值可以根据实际情况进行确定。常用的隶属度函数有以下几种：正态分布，梯形分布，岭形分布和抛物形分布等，本发明以半梯形分布作为隶属度函数来计算各项评价指标的评价集，计算公式如式(16)至式(19)所示：

是评价指标j下“优”的隶属度函数，

是评价指标j下“良”的隶属度函数，

是评价指标j下“中”的隶属度函数，

是评价指标j下“差”的隶属度函数，按各个隶属度函数便可以计算出风电机组在各项评价指标下的隶属度值。设定“优”“良”“中”“差”的评分权重为0.4，0.3，0.2和0.1，然后按式(20)计算风电机组i在评价指标j下的评分f_ij。

z₁，z₂，z₃，z₄为权重系数，，且z₁+z₂+z₃+z₄＝1，当各段权重划分为0.4,0.3,0.2和0.1时，则

所以风电机组i在六个评估评价指标下的评价集F_i＝[f_i1,f_i2,f_i3,f_i4,f_i5,f_i6]。最后按式(21)计算便可以得到风电机组i的有功功率调控性能参数A_i，也即风电机组的有功调控能力，

A_i＝UF_i ^T (21)

在另一实施中，还将风电机组有功调控能力转换成综合评分B_i，转换公式如式(22)所示：

并计算出每一台风电机组的综合评分B_i，由大到小排序，便得到了风机的调控序列表。在每组调控组中按照调控序列表的顺序对风电机组进行调控。

下面对一个实施例中，风电机组的调控组分组的方式进行说明。

为了对风电场内的所有风电机组实现更好的管理和控制，提高有功调控的公平性和有效性，本发明根据风电机组下一周期的超短期功率预测值，以及上一周期的出力状况，尤其是上一周期对上一级有功调控指令的完成比例，将风电机组分为弱出力机组{P_m}、有上调能力机组{P_u}、无上调能力机组{P_s}和超发机组{P_s}四类。

首先根据风电机组的超短期功率预测结果，将下一周期预测功率值P_f,i低于β％·P_N,i的机组定义为弱出力机组{P_m}，如式(23)所示。β为第一预设参数值，其由风电场所有机组整体的运行情况来决定，是一个跟历史运行状况和统计经验有关的量。

P_m∈{P_i ^f(t+1)＜β％·P_N,i} (23)

P_N,i是风电机组i的额定容量，并假定有m台弱出力机组。然后将其余的n-m台机组根据上一周期有功出力是否达到计划指令，分为具备上调能力机组{P_a}，如式(24)所示。ε为第二预设参数值，根据允许的风电机组调控偏差范围决定。

P_a∈{|P_i(t)-P_i ^d(t)|＜ε} (24)

和不具备上调能力{P_u}，如式(25)所示：

P_u∈{|P_i(t)-P_i ^d(t)|＞ε&P_i(t)＜P_i ^d(t)} (25)

以及超发机组{P_s}，如式(26)所示：

P_s∈{|P_i(t)-P_i ^d(t)|＞ε&P_i(t)＞P_i ^d(t)} (26)

共n-m台。

具备上调能力机组是指上一周期达到了风电场有功调度指令的风电机组，当然，出力允许有一定的误差范围，用ε控制，而且ε的具体取值可以根据实际经验进行确定；不具备上调能力机组是指上一周期没有达到风电场有功调度指令的风电机组；而超发机组是指那些在上一周期实际发电量超过风电场调度指令一定范围的风电机组，这一类机组虽然有功出力情况很好，但为了兼顾功率分配的公平性，本发明针对超发电量的风电机组制定了相应的惩罚措施。

确定了分组及风电场中各风电机组有功调控能力排序之后，下面对风电机组实时有功调控过程进行说明。

以风电场降功率调节为例来说明本发明所提出的有功调控策略。假设风电场需要调整的有功出力为ΔPall，风电机组i从当前状况降功率到β％·P_N,i的时候所减的功率为ΔPi，调节剩余量y如式(27)所示：

风电场内机组的调节顺序是：首先调节超发机组{P_s}，然后调节不具备上调能力的风电机组{P_u}，最后调节具备上调能力的的风电机组{P_a}，每一类机组中按所划分类别内机组有功调控能力由强到弱地减出力，比如当调节到具备上调能力机组的时候，首先调节有功调控能力强的风机，然后是调控能力弱的机组，以此类推。

当式(19)中y＝0，且满足r≤n-m时，则停止减出力。当r＝n-m时，y≠0，则需要停机降功率。

与有功调控顺序相类似，风电机组停机的顺序是：优先停弱出力机组{P_m}，然后依次停超发机组{P_s}，不具备上调能力的风电机组{P_u}和停具备上调能力的的风电机组{P_a}。同样也是在每一类机组中按所划分类别内机组有功调控能力由强到弱地停机，直到满足降出力要求。

而在风电场加出力调整的时候调控顺序与降出力的时候相反：首先调整具有上调能力的机组{P_a}，然后调整不具备上调能力的机组{P_u}和弱出力机组{P_m}，让其敞开发，直到满足功率调整需求。为了对超发机组实施一定的惩罚措施，任何情况下都把超发机组{P_s}作为最后一个加出力的机组。而且同样也是在每一类机组中按所划分类别内风电机组有功调控能力由强到弱地加出力。

下面结合具体的实际数据，进一步说明本发明应用于风电场实时有功控制的效果。算例中使用的数据来源于我国北方某并网风电场。测试风电场共有22台双馈风机，装机容量为50.5MW，设β％＝20％，为了求解方便，当k*为负的时候令其为无限小的正数。

根据风电场SACDA系统提供的信息按前文提出的公式计算出风电场内22台风电机组各项评价指标的数值结果，如表1所示。该结果在整个有功调度周期中都要被调用，本发明以风电场超短期功率预测时长为周期，即每15分钟计算一次。

表1风电场内每一台机组各项的评价指标值

然后确定每一项评价指标在有功调控能力过程中所占的权重，结果如表2所示。该步骤需要在每一个有功调度周期，或者每一个调度周期的整数倍时间段里计算一次，本发明以风电场超短期功率预测周期的四倍，即每1小时计算一次。

表2各项评价指标的有功调控能力权重

即U＝[0.289 0.185 0.119 0.231 0.079 0.097]。

按照前文提出的方法计算出每一台风电机组定量化后的调控能力综合评分，并排序。风电场内所有风电机组有功调控能力的综合评分如表3所示：

表3风电场内各台机组有功调控能力的综合评分及其排序情况

然后根据风电机组上一周期对有功调控指令的完成情况以及下一周期的超短期功率预测信息，对场内的风电机组进行分类，分类结果如表4所示：

表4风电机组的分类结果

尽管在风电场功率调整方面的研究成果有很多，但在实际运行与控制中，每个地区的做法都不尽相同，没有一个统一的规范流程，更有风电场采用简单直接的方式对场内风电机组进行有功控制，目的是为了满足风电场上一周期的调度指令，至于怎样调控机组并不是他们所关心的。以降出力调节为例，通常这些风电场的做法有两种，一种是把需要调节的功率ΔPall按一定比例分摊到每一台正在运行的风电机组身上，实际大多情况下是平均分配给每一台机组，让全场风机一起动作来实现有功调控目标，本发明将这种调控方式称为比例分配策略。另一种做法是选择一定数量的风电机组，让这些机组大幅度降功率，甚至是停机，以实现功率调控的目标，直到所降功率之和等于功率调整量ΔPall，本发明将这种方式称为切机策略。

最后根据场景生成法，在给定的两种情况下进行功率调整，一种是ΔPall<ΣΔPi,不需要切停机；另一种是ΔPall>ΣΔPi，需要切停机。按照上述制定的有功调控步骤有序进行降出力，最终风电场内机组的调节情况和切机情况如表5所示：

表5三种方法下风电场有功调控的结果

从表5可以看到，在ΔPall<ΣΔPi的时候，采用本发明所提方法能够在满足功率变化要求的前提下最大化地减少风电机组的动作数量；在ΔPall>ΣΔPi的时候，能够在满足功率变化要求的前提下最大化地减少停机数量和动作数量。

而在风电场加出力调整的时候调控顺序与降出力的时候相反：首先调整具有上调能力的机组{Pa}，然后调整不具备上调能力的机组{Pu}和弱出力机组{Pm}，让其敞开发，直到满足功率调整需求。为了对超发机组实施一定的惩罚措施，任何情况下都把超发机组{Ps}作为最后一个加出力的机组。而且同样也是在每一类机组中按所划分类别内风电机组有功调控能力由强到弱地加出力。

基于同一发明构思，本发明实施例提供一种风电场有功控制的系统，由于此系统解决问题的原理与前述一种风电场有功控制的方法相似，因此，该系统的实施可以按照前述方法的具体步骤实现，重复之处不再赘述。

如图2所示，在其中一个实施例的风电场有功控制的装置中，包括调控能力获取模块100、排序模块200、分类模块300及调节控制模块400。其中，所述调控能力获取模块100，用于获取每一风电机组的有功调控能力；所述排序模块200，用于依据所述有功调控能力对所述多个风电机组排序，得到有功调控能力排序结果；所述分类模块300，用于根据所述风电机组的超短期功率预测值及有功调控指令的完成比例，将所述多个风电机组分类，得到分类结果；所述调节控制模块400，用于根据多个风电机组的分类结果和有功调控每个调控能力排序结果调整各个风电机组的有功出力。

本实施例的风电场有功控制的装置，获取风电机组的运行数据之后，对风电机组有功调控能力进行计算，并进行分组，而后按照调控组的调控顺序进行调控，并在每个调控组中的风电机组按照有功调控能力进行调控。其对风电机组的调控顺序根据运行参数客观判断，受主观影响小，而且根据客观条件判断，能够对最适合调控的风电机组优先进行调控，减少风电机组动作次数，减少机械损失，并能快速满足风电场调控目的，提高工作效率。

基于相同的发明构思还提供一种存储器，该存储器中存储有计算机指令，且该计算机指令被处理器执行时实现前述任一实施例的风电场控制的方法的步骤，对风电场中的风电机组进行有功调控。

另外，基于相同的发明构思，还提供一种风电场有功控制的系统，包括处理器、存储器及存储在所述存储器上的计算机指令。所述处理器能够调取并运行所述存储器中的所述计算机指令，按照前述的风电场有功控制的方法的步骤按顺序对风电场中的风电机组进行有功调控。

本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分流程可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储器中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储器可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (11)

1.一种风电场有功控制的方法，其特征在于，所述风电场包括多个风电机组，所述方法包括：

获取每一风电机组的有功调控能力；

根据所述风电机组的超短期功率预测值及有功调控指令的完成比例，将所述多个风电机组分类，得到分类结果；以及

按照多个风电机组的分类结果和有功调控能力排序结果，调整各个风电机组的有功出力；

所述获取每一风电机组的有功调控能力，包括：

根据风电机组的评价指标计算所述评价指标的评价集；

根据所述评价集计算所述风电机组的有功调控能力，其中，所述评价集是指对调控能力进行评价的各个评价指标对应的贡献值集合。

2.根据权利要求1所述的风电场有功控制的方法，其特征在于，所述根据风电机组的评价指标计算所述评价指标的评价集，根据所述评价集计算所述风电机组的有功调控能力的步骤包括：

获取风电机组的评价指标；

计算所述评价指标在风电机组有功调控中的权重系数；

计算各评价指标的评价集；以及

根据所述评价集和权重系数计算每一风电机组的有功调控能力。

3.根据权利要求2所述的风电场有功控制的方法，其特征在于，所述计算所述评价指标在风电机组有功调控中的权重系数的步骤包括：

采用熵值决策法计算各评价指标在风电机组有功调控中的权重系数。

4.根据权利要求2所述的风电场有功控制的方法，其特征在于，所述计算各评价指标的评价集的步骤包括：

采用半梯形分布作为隶属度函数计算每一评价指标的评价集。

5.根据权利要求2所述的风电场有功控制的方法，其特征在于，所述评价指标包括：

风电机组当前功率、风电机组预测功率的变化趋势、桨距角、叶尖速比、风电利用率及风电机组调节速率。

6.根据权利要求2所述的风电场有功控制的方法，其特征在于，所述计算所述评价指标在风电机组有功调控中的权重系数，包括：

构建风电场评价指标初始矩阵；

对风电场评价指标初始矩阵中的风电机组各评价指标的数值进行标准化处理，建立比重矩阵；

根据比重矩阵计算各评价指标的信息效用值；

根据信息效用值计算出各评价指标的权重，得到权重系数矩阵。

7.根据权利要求2所述的风电场有功控制的方法，其特征在于，所述计算各评价指标的评价集的步骤包括：

利用公式

计算风电机组i评价指标j的评分，得到风电机组i的评价集Fi＝[fi1,fi2,fi3,fi4,fi5,fi6]，其中，

为

为

为

为

x_ij指第i台风电机组对应的第j项指标的数值，

是评价指标j下“优”的隶属度函数，

是评价指标j下“良”的隶属度函数，

是评价指标j下“中”的隶属度函数，

是评价指标j下“差”的隶属度函数，z1，z2，z3，z4为权重系数，且z1+z2+z3+z4＝1。

8.根据权利要求1所述的风电场有功控制的方法，其特征在于，根据所述风电机组的超短期功率预测值及有功调控指令的完成比例，将所述多个风电机组分类的步骤包括：

根据所述风电机组的超短期功率预测值及所述有功调控指令的完成比例，将所述多个风电机组分为弱出力机组{Pm}、有上调能力机组{Pa}、无上调能力机组{Pu}和超发机组{Ps}四类。

9.一种风电场有功控制的装置，其特征在于，包括：

调控能力获取模块，用于获取每一风电机组的有功调控能力；

排序模块，用于依据所述有功调控能力对多个风电机组排序，得到有功调控能力排序结果；

分组模块，用于根据所述风电机组的超短期功率预测值及有功调控指令的完成比例，将所述多个风电机组分类，得到分类结果；

调节控制模块，用于根据多个风电机组的分类结果和每一风电机组的有功调控能力排序结果调整各个风电机组的有功出力；

所述调控能力获取模块，用于获取每一风电机组的有功调控能力，包括：

根据风电机组的评价指标计算所述评价指标的评价集；

根据所述评价集计算所述风电机组的有功调控能力，其中，所述评价集是指对调控能力进行评价的各个评价指标对应的贡献值集合。

10.一种存储器，其特征在于，所述存储器中存储有计算机指令，且该计算机指令被处理器执行时实现权利要求1-8中任意一项所述方法中的步骤。

11.一种风电场有功控制的系统，其特征在于，包括处理器、存储器以及存储在所述存储器上的计算机指令，所述计算机指令在被处理器执行时实现权利要求1-8任一项中所述方法中的步骤。

Images