本发明属于风力发电，具体涉及一种基于分布式模型预测控制的风电场优化方法及系统。
背景技术：
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
2、随着社会的发展，新能源发电将逐渐代替传统的火力发电。风力发电因其建设周期短、投资灵活，具有优秀的社会及经济效益，是新能源发电中的“主力军”。随着风力发电技术的不断成熟与发展，单机容量也在不断增加。风机集群发电，即以风电场的形式，即可实现风电的独立可控发电。风电的不确定性和随机性，进而致使需要对风电场进行控制优化。风电场控制的首要任务就是保证电场输出功率可以跟踪来自于风电运营商的电网调度指令，用以保证电网运行的稳定性、平衡供需关系以及维护整个电力系统的安全运行。随着风电技术的不断提高，风电场的规模不断扩大，风机数量不断增加，而因为场地有限的原因，风电场内各台风机通过合理的布局来避免尾流效应几乎不可能实现。而尾流效应作为一种气动耦合，下游风机因受到上游风机的非均匀风流，会引起风电机组关键部件的高频振动，进而增加相应部件上的疲劳损伤，加速了风机寿命的损耗。
3、传统集中式控制虽然具有全局优化、考虑整体目标和协调多个组件的优点。但随着风电场内机组数量的不断增加，求解集中式优化问题就面临着复杂性高、计算成本高、信息传输延迟等缺点，并且需要成本较高的高性能计算机配合。
4、在实际的风电场中，因紧急维护而切断某台风机和为满足负荷需求而切断备用风机的情况时有发生；因此，可采用结构灵活且可扩展性优越的分布式结构进行风电场的实时控制；通过分布式经济模型预测控制实现对风电场的优化控制。当某一台机组的控制器发生故障时，其它子系统仍能继续正常工作，满足电网需求，保证了电网的可靠性。此外分布式经济模型预测控制还可以提供优秀的闭环性能和灵活的控制动作。
技术实现思路
1、为解决上述问题，本发明提出了一种基于分布式模型预测控制的风电场优化方法及系统，通过诱导因子优化层求解风电场风机在当前风向下的最优诱导因子，优化风电场捕获风能的效率，为下层控制器提供各台风机的最佳降载功率参考值，实现风电场在尾流效应影响下的优化运行。
2、根据一些实施例，本发明的第一方案提供了一种基于分布式模型预测控制的风电场优化方法，采用如下技术方案：
3、一种基于分布式模型预测控制的风电场优化方法，包括：
4、获取风电场中的风机状态空间方程；
5、考虑状态空间方程的约束条件，构建风电场捕获风能模型；
6、考虑风机尾流效应，求解所构建的风电场捕获风能模型目标函数，得到最优风机诱导因子；
7、根据所得到最优风机诱导因子，计算风机最佳降载功率；
8、根据所得到的风机最佳降载功率，进行风电场中每个风机的分布式控制优化，完成风电场的优化控制。
9、作为进一步的技术限定，根据所得到的风机最佳降载功率，根据风电场内风机的发电功率和平滑功率、风机的疲劳载荷和惩罚放松约束，构建风机的分布式模型预测控制模型，以所构建的风机分布式模型预测控制模型的目标函数最小为目标进行风机的优化控制，完成对风电场中每个风机的分布式优化控制。
10、作为进一步的技术限定，将风电场捕获风能模型目标函数最大时所对应的风机诱导因子作为最优风机诱导因子；以当前风速下风机的最优风机诱导因子和考虑尾流效应影响的风电场最大发电功率为前提，所得到的风机降载功率为风机最佳降载功率。
11、作为进一步的技术限定，所构建的风电场捕获风能模型的目标函数为其中，α为风电场所有风机的诱导因子的集合，αi为第i风机的诱导因子，i＝1,2,3,,n，n为风电场内风机的总数量，0≤αi≤αbz，αbz为诱导因子贝兹极限；w∞为自然风速；为第i风机捕获的气动功率，θw为风向。
12、作为进一步的技术限定，所述风电场中的风机状态空间方程与风电场中的风机状态参数相关；所述风机状态空间方程为
13、
14、其中，xi为风机系统的输入变量，且为发电机转速，βi为风机桨距角；ui为风机系统的状态变量，且为发电机转速，为转子转速，θi为传动系扭转角，为塔架位移，为塔架位移速度；w∞为自然风速；kθ为传动系扭转刚度，jg为发电机侧的转动惯量，ng为齿轮箱变速比，jr为转子侧的转动惯量，ρ为空气密度，r0为转子半径，为第i台风机的有效风速，表示功率系数，cp为功率系数，kt为扭转系数，mt为塔架顶部质量，bt为塔身阻尼系数，为塔架推力系数，ct为塔架推力系数。
15、作为进一步的技术限定，所述状态空间方程的约束条件至少包括风电场中的风机的传动系扭转角、转子转速、发电机转速、发电机扭矩、桨距角、发电功率和风电场输出功率的约束范围条件。
16、根据一些实施例，本发明的第二方案提供了一种基于分布式模型预测控制的风电场优化系统，采用如下技术方案：
17、一种基于分布式模型预测控制的风电场优化系统，包括：
18、获取模块，其被配置为获取风电场中的风机状态空间方程；
19、构建模块，其被配置为考虑状态空间方程的约束条件，构建风电场捕获风能模型；
20、求解模块，其被配置为考虑风机尾流效应，求解所构建的风电场捕获风能模型目标函数，得到最优风机诱导因子；
21、计算模块，其被配置为根据所得到最优风机诱导因子，计算风机最佳降载功率；
22、优化模块，其被配置为根据所得到的风机最佳降载功率，进行风电场中每个风机的分布式控制优化，完成风电场的优化控制。
23、根据一些实施例，本发明的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
24、一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方案所述的基于分布式模型预测控制的风电场优化方法中的步骤。
25、根据一些实施例，本发明的第四方案提供了一种电子设备，采用如下技术方案：
26、一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方案所述的基于分布式模型预测控制的风电场优化方法中的步骤。
27、根据一些实施例，本发明的第五方案提供了一种计算机程序产品，采用如下技术方案：
28、一种计算机程序产品，包括软件代码，所述软件代码中的程序执行如本发明第一方案所述的基于分布式模型预测控制的风电场优化方法中的步骤。
29、与现有技术相比，本发明的有益效果为：
30、本发明通过诱导因子优化层通过求解场内风机在当前风向下的最优诱导因子，优化风电场捕获风能的效率，为下层控制器提供各台风机的最佳降载功率参考值；局部控制层采用分布式经济模型预测控制策略对风机进行局部控制，实现对电网调度指令的跟踪，并降低各风机关键部件的疲劳载荷；实现了风电场在尾流效应影响下的经济最优运行。
31、本发明通过控制风电场输出功率跟踪电网调度指令，并降低各机组关键部件上的疲劳载荷，从而实现了尾流效应影响下的风电场经济最优运行，并有效提高了风电场运营的经济效益。
1.一种基于分布式模型预测控制的风电场优化方法，其特征在于，包括：
2.如权利要求1中所述的一种基于分布式模型预测控制的风电场优化方法，其特征在于，根据所得到的风机最佳降载功率，根据风电场内风机的发电功率和平滑功率、风机的疲劳载荷和惩罚放松约束，构建风机的分布式模型预测控制模型，以所构建的风机分布式模型预测控制模型的目标函数最小为目标进行风机的优化控制，完成对风电场中每个风机的分布式优化控制。
3.如权利要求1中所述的一种基于分布式模型预测控制的风电场优化方法，其特征在于，将风电场捕获风能模型目标函数最大时所对应的风机诱导因子作为最优风机诱导因子；以当前风速下风机的最优风机诱导因子和考虑尾流效应影响的风电场最大发电功率为前提，所得到的风机降载功率为风机最佳降载功率。
4.如权利要求1中所述的一种基于分布式模型预测控制的风电场优化方法，其特征在于，所构建的风电场捕获风能模型的目标函数为其中，α为风电场所有风机的诱导因子的集合，αi为第i风机的诱导因子，i＝1,2,3,…,n，n为风电场内风机的总数量，0≤αi≤αbz，αbz为诱导因子贝兹极限；w∞为自然风速；为第i风机捕获的气动功率，θw为风向。
5.如权利要求1中所述的一种基于分布式模型预测控制的风电场优化方法，其特征在于，所述风电场中的风机状态空间方程与风电场中的风机状态参数相关；所述风机状态空间方程为
6.如权利要求1中所述的一种基于分布式模型预测控制的风电场优化方法，其特征在于，所述状态空间方程的约束条件至少包括风电场中的风机的传动系扭转角、转子转速、发电机转速、发电机扭矩、桨距角、发电功率和风电场输出功率的约束范围条件。
7.一种基于分布式模型预测控制的风电场优化系统，其特征在于，包括：
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现了如权利要求1-6中任一项所述的基于分布式模型预测控制的风电场优化方法的步骤。
9.一种电子设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现了如权利要求1-6中任一项所述的基于分布式模型预测控制的风电场优化方法的步骤。
10.一种计算机程序产品，包括软件代码，其特征在于，所述软件代码中的程序执行如权利要求1-6中任一项所述的基于分布式模型预测控制的风电场优化方法的步骤。
