本发明涉及风电场优化调度，具体涉及一种考虑尾流延迟的风电场发电量动态提升方法及系统。
背景技术：
1、碳密集型能源的大量生产加剧了全球变暖，凸显出降低发电过程中的碳排放的迫切需要，而风能拥有资源丰富、无需燃料成本以及在其生命周期中极小的污染排放等优势，有潜力成为满足全球增长中的清洁能源需求的关键动力。规模化的风电场中，由于风力发电机之间的尾流效应，中大型风电场每年的发电量大约损失20%至30%。因此，最大限度地提高发电量是风电的一个关键问题，将有助于更快、更低成本地向脱碳能源系统过渡。
2、现有风电场发电量提升的研究主要集中在提高风电场的整体风能捕获能力，包括无模型控制策略和基于模型的控制策略。前者主要采用不依赖风机物理模型的数据驱动和深度强化学习算法，通过离线重复优化逐渐逼近最大发电量，寻优时间过长无法满足实时控制的需求。后者则主要依托准确的风电场模型和风机运行状态测量反馈，以指导优化过程。然而，大规模风电场模型具有高阶非线性特性，且受尾流耦合影响，发电量最优问题也是高纬度且非凸的。易陷入局部最优和耗时优化的问题仍待解决。
3、风电场项目的经济效益直接体现在其年发电量上。因此有必要针对上述问题，深入探索尾流对发电量的影响机理，开发更加先进的优化算法，实现风电场发电量的显著提升，进而推动风电产业向更加清洁、高效的能源系统过渡。
技术实现思路
1、本发明要解决的技术问题：针对现有技术的上述问题，提供一种考虑尾流延迟的风电场发电量动态提升方法及系统，本发明旨在响应时变风速并同时协调风机的转速和桨距角，提升受强尾流影响的风电场长期发电量，从而提高风电场的经济效益。
2、为了解决上述技术问题，本发明采用的技术方案为：
3、一种考虑尾流延迟的风电场发电量动态提升方法，包括下述步骤：
4、s1，建立尾流影响下的风电场的状态空间方程并构建风电场发电量预测模型；
5、s2，基于风电场发电量预测模型构建风电场发电量最大化的优化问题；
6、s3，求解风电场发电量最大化的优化问题得到各风机的控制量并延迟下达给风机。
7、可选地，步骤s1中建立的尾流影响下的风电场的状态空间方程的函数表达式为：
8、，
9、上式中，为状态量的导数，为输入量，为干扰项，为输出量，、、、、、和为系数矩阵，且有：
10、，
11、，
12、，
13、，
14、，
15、，
16、上式中，～为第1～台风机的状态，为第j台风机的状态，、和分别为第j台风机的转速、转矩和桨距角，～为第1～台风机的输入，为第j台风机的输入，和为第j台风机的参考转矩变化控制量和参考桨距角变化控制量，～为第1～台风机的风速增量，～为第1～台风机的发电增量。
17、可选地，步骤s1中构建的风电场发电量预测模型的函数表达式为：
18、，
19、上式中，为风机j在k时刻预测k+1时刻的发电量，为风机j的发电量初值，为风机j的发电增量，为风机j的灵敏度矩阵，为k时刻的最优控制参考序列。
20、可选地，所述灵敏度矩阵的计算函数表达式为：
21、，
22、上式中，为风机j的发电量，～分别为第1～台风机的转矩，～分别为第1～台风机的桨距角。
23、可选地，步骤s2中基于风电场发电量预测模型构建的风电场发电量最大化的优化问题包括最大化风电场发电量的优化目标及其约束条件，其中优化目标的函数表达式为：
24、，
25、上式中，为最优控制参考序列，为预测模型的一个预测区间内的控制周期数量，为风电场的额定功率，为风电场的风机数量；所述约束条件的函数表达式为：
26、，
27、上式中，和为发电机转矩增量的最小值和最大值，为发电机桨距角增量的最小值和最大值，和为发电机发电增量的最小值和最大值，和为发电机转矩的最小值和最大值，为发电机桨距角最大值，为发电机发电量最大值，为在k时刻预测k+i时刻的转矩增量，为在k时刻预测k+i时刻的桨距角增量，为在k时刻预测k+i时刻的发电增量，为在k时刻预测k+i时刻的转矩，为在k时刻预测k+i时刻的桨距角。
28、可选地，步骤s3中求解风电场发电量最大化的优化问题包括：将风电场发电量最大化的优化问题表述为标准二次规划问题，并采用指定的求解器求解得到最大化风电场发电量的最优控制参考序列，并在最优控制参考序列中选择第一个步长的作为各个风机的控制量。
29、可选地，步骤s3中延迟下达给风机包括：将各风机的控制量存储在对应的控制命令序列中而不是立即下发，并根据延迟时间确定控制命令序列中需要下发控制命令的具体位置并将其下发给对应的风机 k，所述延迟时间的计算函数表达式为：
30、，
31、上式中，为风机 k的尾流传播的下游距离，为风机 k的入流风速，为风轮半径，为推力系数，为尾流膨胀系数，为距离。
32、此外，本发明还提供一种考虑尾流延迟的风电场发电量动态提升系统，包括相互连接的微处理器和存储器，所述微处理器被编程或配置以执行所述考虑尾流延迟的风电场发电量动态提升方法。
33、此外，本发明还提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序或指令，该计算机程序或指令被编程或配置以通过处理器执行所述考虑尾流延迟的风电场发电量动态提升方法。
34、此外，本发明还提供一种计算机程序产品，包括计算机程序或指令，该计算机程序或指令被编程或配置以通过处理器执行所述考虑尾流延迟的风电场发电量动态提升方法。
35、和现有技术相比，本发明主要具有下述优点：本发明考虑尾流延迟的风电场发电量动态提升方法包括建立尾流影响下的风电场的状态空间方程并构建风电场发电量预测模型，基于风电场发电量预测模型构建风电场发电量最大化的优化问题，求解风电场发电量最大化的优化问题得到各风机的控制量并延迟下达给风机，由于通过考虑尾流影响来优化已建成的风电场以提升风电场的整体发电量，在考虑动态尾流效应的情况下实现大规模耦合风力发电机的全局最优实时协调控制，能够响应时变风速并同时协调风机的转速和桨距角，提升受强尾流影响的风电场长期发电量，从而提高风电场的经济效益。
1.一种考虑尾流延迟的风电场发电量动态提升方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的考虑尾流延迟的风电场发电量动态提升方法，其特征在于，步骤s1中建立的尾流影响下的风电场的状态空间方程的函数表达式为：
3.根据权利要求2所述的考虑尾流延迟的风电场发电量动态提升方法，其特征在于，步骤s1中构建的风电场发电量预测模型的函数表达式为：
4.根据权利要求3所述的考虑尾流延迟的风电场发电量动态提升方法，其特征在于，所述灵敏度矩阵的计算函数表达式为：
5.根据权利要求4所述的考虑尾流延迟的风电场发电量动态提升方法，其特征在于，步骤s2中基于风电场发电量预测模型构建的风电场发电量最大化的优化问题包括最大化风电场发电量的优化目标及其约束条件，其中优化目标的函数表达式为：
6.根据权利要求1所述的考虑尾流延迟的风电场发电量动态提升方法，其特征在于，步骤s3中求解风电场发电量最大化的优化问题包括：将风电场发电量最大化的优化问题表述为标准二次规划问题，并采用指定的求解器求解得到最大化风电场发电量的最优控制参考序列，并在最优控制参考序列中选择第一个步长的作为各个风机的控制量。
7.根据权利要求1所述的考虑尾流延迟的风电场发电量动态提升方法，其特征在于，步骤s3中延迟下达给风机包括：将各风机的控制量存储在对应的控制命令序列中而不是立即下发，并根据延迟时间确定控制命令序列中需要下发控制命令的具体位置并将其下发给对应的风机k，所述延迟时间的计算函数表达式为：
8.一种考虑尾流延迟的风电场发电量动态提升系统，包括相互连接的微处理器和存储器，其特征在于，所述微处理器被编程或配置以执行权利要求1～7中任意一项所述考虑尾流延迟的风电场发电量动态提升方法。
9.一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序或指令，其特征在于，该计算机程序或指令被编程或配置以通过处理器执行权利要求1～7中任意一项所述考虑尾流延迟的风电场发电量动态提升方法。
10.一种计算机程序产品，包括计算机程序或指令，其特征在于，该计算机程序或指令被编程或配置以通过处理器执行权利要求1～7中任意一项所述考虑尾流延迟的风电场发电量动态提升方法。
