确定代表风力发电机组的方法和装置以及控制方法和装置与流程

1.本公开涉及风力发电领域，更具体地讲，涉及一种确定代表风力发电机组的方法和装置以及风电场的控制方法和装置。


背景技术：

2.随着全球范围内能源危机形势愈发严峻，开发可再生能源已成为世界各国能源发展战略的重大举措。风能因其在全球范围内蕴藏量巨大、可再生、分布广、无污染等特性，使风力发电成为研究较为广泛的一种可再生能源。
3.在很多情况下，需要在整个风电场中选出一个或几个具有代表性的风力发电机组，如风电场定制化设计、风电场集群控制器代表风力发电机组的选择以及发电量对比代表风力发电机组选择等情况。因此，代表风力发电机组的确定是否得当至关重要。


技术实现要素：

4.本公开的示例性实施例的目的在于提供一种确定风电场中的代表风力发电机组的方法和装置以及风电场的控制方法和装置。
5.根据本公开示例性实施例的一方面，提供一种确定风电场中的代表风力发电机组的方法，所述方法包括：根据风电场中的风资源信息，确定每个扇区的常在代表机组；根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的风况；基于每个扇区的风况，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件；基于每个扇区在不同风况下的虚拟代表部件，构建每个扇区在不同运行模式下的虚拟代表机组。
6.根据本公开示例性实施例的另一方面，提供一种风电场的控制方法，所述控制方法包括：根据风电场中的风资源信息，确定每个扇区的常在代表机组；根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的运行模式；获取每个扇区在识别的运行模式下的虚拟代表机组的运行参数，其中，所述虚拟代表机组是根据如上所述的确定风电场中的代表风力发电机组的方法而确定的；根据所述运行参数，调整每个扇区的风力发电机组的控制参数；根据调整后的控制参数，控制每个扇区的风力发电机组。
7.根据本公开示例性实施例的再一方面，提供一种风电场的控制系统，所述控制系统包括：场级控制器，包括根据本公开的实施例的风电场的控制装置，并且被配置为向每个风力发电机组发送控制指令；单机控制器，分别设置在每个风力发电机组中，并且被配置为根据从所述场级控制器接收的控制指令，控制风力发电机组的运行。
8.根据本公开示例性实施例的再一方面，提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序在被处理器执行时实现如上所述的确定风电场中的代表风力发电机组的方法或风电场的控制方法。
9.根据本公开示例性实施例的再一方面，提供一种控制器，所述控制器包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的确定
风电场中的代表风力发电机组的方法或风电场的控制方法。
10.采用本公开示例性实施例的确定风电场中的代表风力发电机组的方法和装置以及风电场的控制方法和装置、风电场的控制系统、计算机可读存储介质、控制器，可以实现以下技术效果之一：可以基于风电场的运行特征(例如，风电场中的风资源信息和风力发电机组的运行参数)，在风电场中按照预定部件类型选择机组部件来构建虚拟代表机组，建立虚拟代表机组模型数据库；在实时控制过程中，结合常在代表机组和虚拟代表机组，可以准确且快速识别不同风况条件下的风电场运行情况；虚拟代表机组随着风电场运行特征的变化而变化，使得风电场的场群控制实时性得到提高(例如，可控制到秒级以内)同时保证风电场中各个风力发电机组的安全运行。
附图说明
11.通过下面结合示例性地示出实施例的附图进行的详细描述，本公开示例性实施例的上述和其它目的、特点和优点将会变得更加清楚。
12.图1示出根据本公开的示例性实施例的确定代表风力发电机组的方法的流程图。
13.图2示出根据本公开的示例性实施例的确定代表风力发电机组的方法的另一流程图。
14.图3示出根据本公开的示例性实施例的用于确定代表风力发电机组的坐标系示意图。
15.图4示出根据本公开的示例性实施例的确定代表风力发电机组的方法的另一流程图。
16.图5示出根据本公开的示例性实施例的用于获取风况识别数据的数据流示意图。
17.图6示出根据本公开的示例性实施例的确定代表风力发电机组的方法的另一流程图。
18.图7示出根据本公开的示例性实施例的风电场的控制方法的流程图。
19.图8示出根据本公开的示例性实施例的确定风电场中的代表风力发电机组的装置的框图。
20.图9示出根据本公开的示例性实施例的风电场的控制装置的框图。
21.图10示出根据本公开的示例性实施例的风电场的控制装置的部分组件的另一框图。
22.图11示出根据本公开的示例性实施例的风电场的场群控制示意图。
23.图12示出根据本公开的示例性实施例的控制器的框图。
具体实施方式
24.随着碳中和的进程加速，越来越多的风电基地被建立起来。相比于传统的集中式风电场，大基地风电场具有以下特点：全场装机容量大(一般在300mw以上)，风电机组装机台数多(一般50台以上)，风电场场区大，从而导致全场的风电机组的运行数据量极其大；另外，由于场区分布广，导致风资源的差异明显，从而使得风电机组的运行性能差异明显；基于全场风电机组运行数据的风电场场群控制(例如，载荷自适应控制、尾流控制等)由于计算量及效率限制难以满足实时控制的需求，故需要在整个风电场中选择一个或多个具有代
表性的风力发电机组，用来表征风电场中各个风力发电机组的运行状态，以此进行风电场的控制。基于此，如何选择代表风力发电机组以及如何基于代表风力发电机组进行实时的风电场控制成为当前的研究热点。
25.由于风波动的实时性，在部分风况条件下，尤其是极端风况条件下，传统的代表风力发电机组将难以表征风电场中所有风电机组的运行状态，自然无法用于风电场场区控制的输入来源。因此，在传统的风电场控制中，代表风力发电机组一般仅用于风电场发电量的评估，难以应用于风电场中的全部风电机组的控制；其次，传统的风电场控制一般基于全场风电机组的实时运行数据或历史运行数据，而不会仅将代表风力发电机组的运行数据用作风电场控制的输入来源。
26.本公开提出一种确定风电场中的代表风力发电机组的方法和装置以及利用代表风力发电机组进行风电场控制的方法和装置。在本公开的实施例中，可以基于风电场的运行特征(例如，风电场中的风资源信息和风力发电机组的运行参数)，在风电场中按照部件类型选择合适的机组部件来构建虚拟代表机组，随着运行特征的变化，虚拟代表机组也会变化，其中，可通过基于风电场中的风资源信息确定的常在代表机组来识别变化的运行特征；虚拟代表机组的运行参数可用于风电场的场群控制的输入，使得大规模风电场的场群控制实时性得到提高(例如，可控制到秒级以内)；此外，结合常在代表机组和虚拟代表机组，可以准确且快速识别不同风况条件下的风电场运行情况；基于虚拟代表机组的实时输出，可以实时控制风电场中的每台风力发电机组，从而在保证风电场中各台风力发电机组安全的前提下，依照风电场的设计逻辑(例如，动态扇区管理、尾流协同控制、载荷自适应控制等)来运行。
27.下面结合附图，提供具体实施方式的描述以帮助读者获得对在此描述的方法、装置和/或系统的全面理解。然而，在理解本技术的公开之后，在此描述的方法、装置和/或系统的各种改变、修改和等同物将是清楚的。例如，在此描述的操作的顺序仅是示例，并且不限于在此阐述的那些顺序，而是除了必须以特定的顺序发生的操作之外，可如在理解本技术的公开之后将是清楚的那样被改变。此外，为了更加清楚和简明，本领域已知的特征的描述可被省略。
28.在此描述的特征可以以不同的形式来实现，而不应被解释为限于在此描述的示例。相反，已提供在此描述的示例，以仅示出实现在此描述的方法、装置和/或系统的许多可行方式中的一些可行方式，所述许多可行方式在理解本技术的公开之后将是清楚的。
29.如在此使用的，术语“和/或”包括相关联的所列项中的任何一个以及任何两个或更多个的任何组合。
30.尽管在此可使用诸如“第一”、“第二”和“第三”的术语来描述各种构件、组件、区域、层或部分，但是这些构件、组件、区域、层或部分不应被这些术语所限制。相反，这些术语仅用于将一个构件、组件、区域、层或部分与另一构件、组件、区域、层或部分进行区分。因此，在不脱离示例的教导的情况下，在此描述的示例中所称的第一构件、第一组件、第一区域、第一层或第一部分也可被称为第二构件、第二组件、第二区域、第二层或第二部分。
31.在此使用的术语仅用于描述各种示例，并不将用于限制公开。除非上下文另外清楚地指示，否则单数形式也意在包括复数形式。术语“包含”、“包括”和“具有”说明存在叙述的特征、数量、操作、构件、元件和/或它们的组合，但不排除存在或添加一个或多个其他特
征、数量、操作、构件、元件和/或它们的组合。
32.除非另有定义，否则在此使用的所有术语(包括技术术语和科学术语)具有与由本公开所属领域的普通技术人员在理解本公开之后通常理解的含义相同的含义。除非在此明确地如此定义，否则术语(诸如，在通用词典中定义的术语)应被解释为具有与它们在相关领域的上下文和本公开中的含义一致的含义，并且不应被理想化或过于形式化地解释。
33.此外，在示例的描述中，当认为公知的相关结构或功能的详细描述将引起对本公开的模糊解释时，将省略这样的详细描述。
34.图1示出根据本公开的示例性实施例的确定代表风力发电机组的方法的流程图。
35.如图1所示，根据风电场中的风资源信息，确定每个扇区的常在代表机组(s11)。在本公开的实施例中，风资源信息可包括以下项中的至少一项：每台风力发电机组所在扇区的来流风向、平均风速、风速的概率密度分布、整体湍流强度、入流角、风切变、空气密度、尾流效应和极端风况。可通过监测或预测风电场的风速数据的任何设备获取风资源信息，比如，可通过能够监测风向和风速的测风雷达来获取风资源信息。
36.在本公开的实施例中，可获取风电场的风资源信息和地形信息，并基于风资源信息和地形信息对全部风力发电机组进行分类，以将风电场划分为多个扇区。其中，地形信息用于表征风电场所处区域的地理特性，其可包括以下项中的至少一个：每台风力发电机组所在扇区所处位置的坡度等级、崎岖指数等级、根据坡度等级和崎岖指数等级确定的综合地形等级。可通过监测或预测风电场的地理信息的任何设备获取地形信息，比如，可通过能够测绘地形的激光雷达来获取风电场的地形信息。
37.例如，可基于地形信息将风电场划分为多个扇区。可以以正北方向为正方向建立风电场的地理坐标系，基于该地理坐标系将风电场划分为多个扇区。当来流风来自某个扇区时，可将第一个感受到该来流风的风力发电机组(即，上风向机组)设置为所在扇区的常在代表机组。
38.基于地理坐标系划分的扇区可作为初始扇区。可根据风电场中的来流风向，通过转换地理坐标系来确定每个初始扇区的常在代表机组。例如，可根据风电场中的来流风向，将地理坐标系转换为风向坐标系；基于风向坐标系，确定每个初始扇区的常在代表机组。图3示出根据本公开的示例性实施例的用于确定代表风力发电机组的坐标系示意图。
39.如图3所示，可将以正北方向n为y轴正方向的地理坐标系a转换为以来流风的反方向为y轴正方向的风向坐标系b。如此，地理坐标系a中的地理坐标(x’,y’)可转换为风向坐标系b中的风向坐标(x0,y0)。针对每个扇区，可按照风向坐标系中的y轴投影大小来确定常在代表机组。例如，可将y轴投影最小的机位点对应的风力发电机组确定为该扇区的常在代表机组。如此，可针对每个扇区确定常在代表机组，扇区的数量可等于常在代表机组的数量。
40.在本公开的一个实施例中，可将基于地理坐标系划分的扇区作为初始扇区。针对每个初始扇区，基于所述风向坐标系中的y轴投影大小来确定常在代表机组，其中，y轴的正方向为来流风的反方向。
41.在本公开的一个实施例中，可基于获取的相关数据以风力发电机组载荷作为约束条件，对所有风力发电机组进行分类，以获得多台风力发电机组的集合。针对每台风力发电机组可划分为多个扇区，根据获取的相关数据以扇区载荷作为约束条件，对所有扇区进行
分类，获得多个扇区组，扇区组的数量与风力发电机组的集合的数量相同；当每台风力发电机组中属于同一扇区组的扇区的数量超过预定数量时，将超过所述预定数量的扇区所属的扇区组确定为该风力发电机组对应的风力发电机组的集合。例如，基于获取的风资源信息和地形信息对所有扇区进行分类，获得按风资源信息分类的多个风资源组、按地形信息分类的多个地形组和按风资源信息和地形信息分类的多个风资源与地形综合组，其中，风资源组、地形组、风资源与地形综合组的数量与风力发电机组的集合的数量相同；分别确定每个风资源组、每个地形组、每个风资源与地形综合组对应的载荷适应性等级；将分别属于所述多个风资源组、所述多个地形组和所述多个综合组中同一载荷适应性等级的扇区确定为一个扇区组。又例如，可使用获取的所有扇区的风资源信息通过聚类分析方法将所有扇区进行分类，获得所述多个风资源组，使用获取的所有扇区的地形信息通过聚类分析方法将所有扇区进行分类，获得所述多个地形组，使用获取的所有扇区的风资源信息和地形信息通过聚类分析方法将所有扇区进行分类，获得所述多个风资源与地形综合组。在分类时，可对获取的风资源信息进行归一化处理，据归一化处理后的风资源信息对所有扇区进行分类，获得多个风资源组，根据地形信息和归一化处理后的风资源信息对所有扇区进行分类，获得多个风资源与地形综合组。此外，可通过对归一化处理中与风资源信息对应的标称值进行调整，来使所有扇区均能够被划分到相应地扇区组中。
42.在本公开的另一实施例中，扇区可以是对风电场的全部初始扇区进行重组后的重组扇区。下面结合图2，对扇区重组操作进行举例说明。
43.图2示出根据本公开的示例性实施例的确定代表风力发电机组的方法的另一流程图。
44.如图2所示，可根据风电场中的来流风向，确定每个初始扇区的常在代表机组(s21)。如上文所述，可通过转换坐标系来针对每个初始扇区确定常在代表机组。
45.根据每个初始扇区的常在代表机组和损伤潜力指数，对全部初始扇区进行重组，得到重组扇区，其中，所述损伤潜力指数基于风速、风速的概率密度、风速的湍流强度而确定(s22)。例如，可根据下式计算损伤潜力指数。
[0046][0047]
其中，x
total
表示风电场的损伤潜力总和，i为风速标识，j为扇区标识，n为风机编号标识，在此处j＝n，即每个扇区的常在代表机组是确定的；p
i，j，n
为风机编号为n的常在代表机组所在的第j个扇区中，第i个风速的概率密度；u
i，j，n
为风速矩阵u＝[v
cutin
，...，v
cutout
，...，0.7v
ref
]中第i个风速，其中，v
cutin
为切入风速，v
cutout
为切出风速，v
ref
为五十年一遇的极端风况的10分钟内的平均风速；ti
i，j，n
为风机编号为n的常在代表机组所在的第j个扇区中，第i个风速的湍流强度；m为风力发电机组的主要部件(例如，叶片、轮毂、底座、塔架等)的材料的沃尔指数，例如，一般铸铁对应的m＝4，玻璃钢对应的m＝9或10。
[0048]
对于第j个扇区的损伤潜力指数xij定义为：
[0049][0050]
假设风电场总计有n个初始扇区，可根据相邻的两个初始扇区的损伤潜力指数之差来执行扇区重组。例如，可按顺时针方向计算相邻两个扇区的损伤潜力指数的差值δ
n，j
，如下式：
[0051][0052]
例如，响应于相邻的两个初始扇区的损伤潜力指数之差最小且小于预定指数差值(例如，0.1)，将所述相邻的两个初始扇区合并为重组扇区；或者，响应于相邻的重组扇区与初始扇区的损伤潜力指数之差最小且小于预定指数差值，将所述相邻的重组扇区与初始扇区合并为重组扇区。
[0053]
对于重组扇区的编号，响应于第一重组扇区由相邻的两个初始扇区合并而成，将所述相邻的两个初始扇区中损伤潜力指数较大的初始扇区的编号设置为第一重组扇区的编号；响应于第二重组扇区由相邻的重组扇区与初始扇区合并而成，将所述初始扇区的编号设置为第二重组扇区的编号。
[0054]
在本公开的实施例中，仅对初始扇区之间进行合并或者对初始扇区与重组扇区之间进行合并，而不对重组扇区之间进行合并，如上所述，可循环执行扇区重组的操作，直至合并穷尽为止。如此，可以减少不必要的信息处理，提高后续的计算效率，同时防止过度合并，保证提取足够的有效信息。
[0055]
此外，根据每个重组扇区的扇区组成信息，确定每个重组扇区的常在代表机组(s23)。例如，重组扇区的组成信息可指示该重组扇区是否经历过合并和/或该重组扇区由哪些类型的扇区合并而成。所述组成信息可指示以下信息之一：该重组扇区未经历过合并，即等同于初始扇区；可指示该重组扇区由相邻的两个初始扇区合并而成；可指示该重组扇区由相邻的重组扇区与初始扇区合并而成。
[0056]
例如，响应于第一重组扇区由相邻的两个初始扇区合并而成，将所述相邻的两个初始扇区中损伤潜力指数较大的初始扇区的常在代表机组确定为所述第一重组扇区的常在代表机组。
[0057]
例如，响应于第二重组扇区由相邻的重组扇区与初始扇区合并而成，将所述初始扇区的常在代表机组确定为所述第二重组扇区的常在代表机组。
[0058]
通过对扇区进行重组处理，可以优化常在代表机组及其所属扇区的管理，有利于准确评估不同扇区的风况。
[0059]
再次参照图1，根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的风况(s12)。例如，工况参数可包括常在代表机组的风速测量数据、机组运行数据等。可基于工况参数识别常在代表机组的运行模式。风况可包括以下项中的至少一项：正常发电风况、极端发电风况、正常停机风况、极端停机风况。正常发电风况可指示允许风电机组执行正常发电操作的风况，例如，风速处于正常风速范围(即，切入风速至切出风速)内并且湍流强度处于正常湍流范围内(即，不超过湍流强度阈值)；相应地，在正常发电风况下，风力
发电机组的运行模式为正常发电工况。极端发电风况可指示可指示允许风电机组执行极端发电操作的风况，极端发电风况相对于正常发电风况的湍流强度较大，例如，风速处于正常风速范围(即，切入风速至切出风速)内并且湍流强度超过湍流强度阈值且低于极端湍流强度；相应地，在极端发电风况下，风力发电机组的运行模式为极端发电工况。正常停机风况可指示触发风电机组执行正常停机操作的风况；相应地，在正常停机风况下，风力发电机组的运行模式为正常停机工况。极端停机风况可指示触发风电机组执行极端停机操作的风况；相应地，在极端停机风况下，风力发电机组的运行模式为极端停机工况。
[0060]
在正常发电风况下，风电机组在正常状态下可发电，实时测量风速一般处于切入风速v
cutin
至切出风速v
cutout
的范围内，湍流强度不超过湍流强度阈值(i
ref
+δ)，其中，i
ref
表示湍流强度设定值，δ为常量(例如，0.02)。
[0061]
在极端发电风况下，风电机组在该状态下可发电，但需要经历较大的损伤，实时测量风速一般处于切入风速v
cutin
至切出风速v
cutout
的范围内，湍流强度处于湍流阈值(i
ref
+δ)至极端湍流强度etm(例如，五十年一遇的极端湍流情形下的10分钟内的实测极端湍流强度)之间。
[0062]
在正常停机风况下，实时测量风速wsp＜v
cutin
并且湍流强度ti满足etm＜ti≤etm+δ，或者实时测量风速wsp满足v
cutout
＜wsp＜0.7v
ref
并且湍流强度ti满足0＜ti≤etm+δ，其中v
ref
可以为五十年一遇的极端风况的10分钟内的平均风速。
[0063]
在极端停机风况下，v
cutin
＜wsp＜0.7v
ref
并且ti＞etm+δ，或者wsp＞0.7v
ref
并且ti＞0。
[0064]
在风电机组设计规范中，可根据湍流强度设定值i
ref
基于以下公式得到风速标准差σ1以预估etm的大小：
[0065][0066]
其中，c为根据经验公式预先设定的预定风速值(例如，2m/s)，vave表示此刻为止的累积平均风速，vhub表示此刻之前的10分钟内的平均风速。
[0067]
风况与机组的运行模式是相对应的，例如，正常发电风况对应于正常发电工况，极端发电风况对应于极端发电工况，正常停机风况对应于正常停机工况，极端停机风况对应于极端停机工况。因此，根据每个常在代表机组的工况参数可确定每个常在代表机组的运行模式(例如，正常发电工况、极端发电工况、正常停机工况、极端停机工况、空转等)，从而可识别每个常在代表机组所在扇区的风况。
[0068]
此外，可利用自由流传递函数对风况识别进行修正。图5示出根据本公开的示例性实施例的用于获取风况识别数据的数据流示意图。
[0069]
如图5所示，可将常在代表机组对应的风速测量数据51(例如，通过机舱上的风速测量仪获取的风速测量数据)和机组运行数据52(包括常在代表机组的工况参数，例如，可通过风电场的scada系统(数据采集与监视控制系统)获取)输入至自由流传递函数53，以对输入数据进行修正得到风速修正数据54，然后将其输入至风况识别模型55以输出风况识别数据56。由于常在代表机组对应的风速测量数据是通过自身传感器测量得到的，且湍流会受到自身尾流效应扰动，因此通过上述修正操作可有效改善风况识别。
[0070]
再次参照图1，基于每个扇区的风况，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件(s13)。
[0071]
在本公开的实施例中，可根据风电机组设计过程中的薄弱部件来确定预定部件类型。例如，预定部件类型可包括叶片、轮毂、塔顶、塔底、齿轮箱、主轴承等。同时，可排除对非限制类型的关键部件的筛选，其中，非限制类型的关键部件可表示实际运行中载荷指标通常都在设计指标之内的部件。例如，在风电场的不同风况条件下，基于经验或仿真模拟测试等可确定，在可能的任何正常控制策略下，非限制类型的关键部件(例如，塔底)的载荷指标均在设计指标之内，因此非限制类型的关键部件(例如，塔底)可在确定虚拟代表部件时不予考虑。
[0072]
具体地，可利用通过风况识别出的运行模式来选择虚拟代表部件。图4示出根据本公开的示例性实施例的确定代表风力发电机组的方法的另一流程图。
[0073]
如图4所示，基于每个扇区的风况，确定每个扇区的运行模式(s41)。例如，运行模式可包括以下项中的至少一项：正常发电工况、极端发电工况、正常停机工况、极端停机工况。如上文所述，风力发电机组运行时的风况与其运行模式是相对应的，因此，可基于风况来识别运行模式。
[0074]
基于每个扇区的运行模式，对每个扇区内的每台风力发电机组进行载荷评估(s42)。由于载荷指标是风电场控制的重要指标之一，因此可按照预定部件类型进行载荷评估，以便筛选能够表征该扇区的虚拟代表部件。
[0075]
基于每个扇区的载荷评估结果，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件(s43)。每个扇区的载荷评估结果可帮助区分扇区内的同一部件类型下的机组部件，是选择虚拟代表部件的基础。
[0076]
在本公开的实施例中，可通过对载荷分量排序来对机组部件进行载荷评估。图6示出根据本公开的示例性实施例的确定代表风力发电机组的方法的另一流程图。
[0077]
如图6所示，针对每个扇区内的每台风力发电机组，获取预定部件类型的机组部件在对应扇区的运行模式下的载荷分量(s61)。例如，针对每个扇区内的每台风力发电机组，可获取轮毂或叶根在各个运行模式(例如，正常发电工况、极端发电工况、正常停机工况、极端停机工况、空转等)下的载荷分量(例如，mx、my、mz)，可获取叶尖在各个运行模式(例如，正常发电工况、极端发电工况、正常停机工况、极端停机工况、空转等)下的载荷分量(例如，叶尖净空)，可获取齿轮箱在各个运行模式(例如，正常发电工况、极端发电工况、正常停机工况、极端停机工况、空转等)下的载荷分量(例如，齿根载荷、齿面载荷、轴承载荷)等。
[0078]
针对预定部件类型的机组部件的不同类别的载荷分量，按照载荷分量大小对预定部件类型的机组部件进行载荷排序(s62)。通过不同类别的载荷排序可从多个维度评估机组部件，示例如下表所示，其中，机组部件编号为机组部件所在机组的编号。
[0079]
表1
[0080][0081]
在本公开的实施例中，可基于每个扇区的载荷排序结果，针对预定部件类型的机组部件的不同类别的载荷分量，选择载荷分量最大的机组部件作为每个扇区对应的虚拟代表部件。
[0082]
再次，参照图1，基于每个扇区在不同风况下的虚拟代表部件，构建每个扇区在不同运行模式下的虚拟代表机组(s14)。通过构建虚拟代表机组可建立风电场的虚拟代表机组模型数据库，从而便于不同风况下的风电场控制。可采用映射关系表的形式来记录虚拟代表机组的相关信息，如下表所示。
[0083]
表2
[0084][0085]
[0086]
如上表所示，在同一扇区中，相同的运行模式下，虚拟代表机组与其所代表的扇区是一一对应的，因此不存在某一个实体风力发电机组被两个不同的虚拟代表机组所代表的情形。
[0087]
此外，还可对扇区进一步划分，以避免扇区内的差异(例如，地形差异、风速分布差异)所导致的虚拟代表部件的选取偏差。
[0088]
在本公开的另一实施例中，可基于每个扇区的风资源信息，将每个扇区划分为预定数量的子扇区。例如，可对风电场流场仿真，得到各个扇区的风资源信息(如，风速、湍流强度、空气密度、风切变、入流角等)。针对每个扇区，按风资源信息对风电机组进行分组。例如，可对所有的风资源信息进行归一化处理，将所有的风资源信息归一化至(0,1)范围内；可根据预先设定的分组数量，采用聚类算法(例如，k均值聚类算法)将风电机组划分预先设定的组数；记录该扇区下各组所对应的风电机组编号，以建立风电场对应的分组信息表，示例如下表所示。每个机组的机组标识可由扇区编号、分组编号和机组编号来共同表示，例如，机组标识0-g0-a1可表示该机组对应的扇区编号为0、分组编号为0且机组编号为a1。每个机组的机组标识是唯一的，不存在一台风力发电机组同时处于两个扇区的情况，也不存在一台风力发电机组同时处于一个扇区中的两个分组的情况。因此，可通过机组标识来识别机组所在的扇区及该扇区内的分组。
[0089]
表3
[0090][0091][0092]
从而，针对预定部件类型的机组部件的不同类别的载荷分量，按照载荷分量大小对每个子扇区内的预定部件类型的机组部件进行载荷排序。例如，可基于每个扇区中的子扇区的载荷排序结果，针对预定部件类型的机组部件的不同类别的载荷分量，选择载荷分量最大的机组部件作为每个子扇区对应的虚拟代表部件。如此，可以基于每个扇区在不同风况下的虚拟代表部件，构建每个扇区在不同运行模式下的虚拟代表机组，包括：基于每个扇区中的每个子扇区在不同风况下的虚拟代表部件，构建每个子扇区在不同运行模式下的虚拟代表机组。如此，可以进一步细化扇区的划分，提高虚拟代表机组的筛选准确度。
[0093]
根据本公开的实施例，所述方法还可包括：基于每个扇区在不同风况下的虚拟代表部件，确定并存储每个扇区在不同运行模式下的虚拟映射关系。例如，每个扇区在不同运行模式下的虚拟映射关系包括虚拟代表机组与以下项中的至少一项之间的映射关系：虚拟代表部件所处的扇区、虚拟代表部件所处的风力发电机组、虚拟代表部件对应的运行模式、虚拟代表部件对应的预定部件类型、虚拟代表部件对应的载荷分量类别(例如，表2)。
[0094]
通过存储每个扇区在不同运行模式下的虚拟映射关系，可在风电场的实时控制过
程中从虚拟映射关系中实时检索每个扇区在实时运行模式下的虚拟代表机组，并基于虚拟代表机组的运行参数来进行准确的场群控制。可通过风电场的scada系统获取虚拟代表机组的运行参数，所述运行参数可包括由scada系统获取的scada数据。
[0095]
图7示出根据本公开的示例性实施例的风电场的控制方法的流程图。
[0096]
根据风电场中的风资源信息，确定每个扇区的常在代表机组(s71)。如上文所述，在本公开的实施例中，风资源信息可包括以下项中的至少一项：每台风力发电机组所在扇区的平均风速、风速的概率密度分布、整体湍流强度、入流角、风切变、空气密度、尾流效应和极端风况。可通过监测或预测风电场的风速数据的任何设备获取风资源信息。可根据风电场中的来流风向，通过转换坐标系来确定常在代表机组。
[0097]
根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的运行模式(s72)。例如，工况参数可包括常在代表机组的风速测量数据、机组运行数据、机头朝向数据等。可基于工况参数识别常在代表机组的运行模式，例如，正常发电工况、极端发电工况、正常停机工况、极端停机工况、空转等。
[0098]
获取每个扇区在识别的运行模式下的虚拟代表机组的运行参数(s73)，可通过风电场的scada系统获取虚拟代表部件的运行参数，所述运行参数可包括由scada系统获取的scada数据。例如，运行参数可包括：虚拟代表机组的虚拟代表部件的载荷参数。在本公开的实施例中，虚拟代表机组是根据如上所述的确定风电场中的代表风力发电机组的方法而确定的。例如，可通过检索每个扇区在不同运行模式下的虚拟映射关系，确定个扇区在识别的运行模式下的虚拟代表机组。
[0099]
在本公开的实施例中，可在虚拟代表机组的每个虚拟代表部件上安装实体载荷传感器或者针对每个虚拟代表部件建立虚拟载荷传感器(通过机器学习而建立)，以监测每个虚拟代表部件的载荷参数。
[0100]
根据运行参数，调整每个扇区的风力发电机组的控制参数(s74)。例如，可基于监测的各项载荷参数确定轮毂载荷指标、叶根载荷指标、叶尖净空指标等。并且，可基于载荷参数确定对应的控制参数，例如，可利用控制参数反推模型确定桨距角参数、叶轮转速参数、输出功率参数、发电机扭矩参数、机舱加速度参数等。据此，可基于通过运行参数确定的载荷指标和控制参数来调整控制参数。可通过机器学习算法来获取以载荷参数为输入并以控制参数为输出的控制参数反推模型。
[0101]
根据调整后的控制参数，控制每个扇区的风力发电机组(s75)。例如，可基于调整后的控制参数生成针对每个风电机组的控制指令，以实时调整风力发电机组的运行。
[0102]
如此，可以结合常在代表机组和虚拟代表机组来实时控制整个风电场，在改善控制准确度的同时提高控制实时性。
[0103]
图8示出根据本公开的示例性实施例的确定风电场w中的代表风力发电机组的装置8的框图。
[0104]
所述装置8可包括：常在代表机组确定模块81，被配置为根据风电场中的风资源信息，确定每个扇区的常在代表机组；风况识别模块82，被配置为根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的风况；虚拟代表部件选择模块83，被配置为基于每个扇区的风况，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件；虚拟代表机组构建模块84，被配置为基于每个扇区在不同风况下的虚拟代表部
件，构建每个扇区在不同运行模式下的虚拟代表机组。
[0105]
可参照图1至图7的示例性描述来理解图8所示装置中的各个模块的操作，在此为了简洁不再赘述。
[0106]
图9示出根据本公开的示例性实施例的风电场w的控制装置9的框图。
[0107]
如图9所示，在风电场w中设置有n台风力发电机组w1、w2
……
wn。
[0108]
控制装置9可包括：常在代表机组确定模块91，被配置为根据风电场w中的风资源信息，确定每个扇区的常在代表机组；运行模式识别模块92，被配置为根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的运行模式；参数获取模块93，被配置为获取每个扇区在识别的运行模式下的虚拟代表机组的运行参数，其中，所述虚拟代表机组是根据如上所述的确定风电场中的代表风力发电机组的方法而确定的；控制模块94，被配置为根据所述运行参数，调整每个扇区的风力发电机组的控制参数，并且根据调整后的控制参数，控制每个扇区的风力发电机组。
[0109]
例如，可参照图1至图8的示例性描述来理解图9所示装置中的各个模块的操作，在此为了简洁不再赘述。
[0110]
图10示出根据本公开的示例性实施例的风电场的控制装置的部分组件的另一框图。
[0111]
在图10所示的实施例中，参数获取模块93可包括虚拟映射关系存储模块931、载荷传感器模块932和参数估计模块933。虚拟映射关系存储模块931可被配置为存储风电场的虚拟代表机组模型数据库，以便于通过检索每个扇区在不同运行模式下的虚拟映射关系，确定个扇区在识别的运行模式下的虚拟代表机组。载荷传感器模块932可被配置为监测每个虚拟代表部件的载荷参数，可包括安装在虚拟代表机组的每个虚拟代表部件上的实体载荷传感器、针对每个虚拟代表部件建立的虚拟载荷传感器(通过机器学习而建立)。参数估计模块933可被配置为基于载荷参数确定对应的控制参数，例如，可利用控制参数反推模型确定控制参数(例如，桨距角参数、叶轮转速参数、输出功率参数、发电机扭矩参数、机舱加速度参数等)。
[0112]
参数获取模块93可将载荷参数和控制参数输出至控制模块94，以通过控制模块94生成用于控制风电场w中的每台风力发电机组的控制指令。
[0113]
如此，随着风电场的运行特征变化，虚拟代表机组也随之变化，基于虚拟代表机组的实时输出，可以实时控制风电场中的每台风力发电机组。
[0114]
根据本公开的实施例，还提供一种风电场的控制系统，所述控制系统包括：场级控制器，包括根据本公开的实施例的风电场的控制装置，并且被配置为向每个风力发电机组发送控制指令；单机控制器，分别设置在每个风力发电机组中，并且被配置为根据从所述场级控制器接收的控制指令，控制风力发电机组的运行。例如，可在风电场w中设置场级控制器，以用于对整个风电场的风力发电机组进行场群控制。在风电场w的风力发电机组w1、w2
……
wn中分别设置n个单机控制器，以用于响应于从场级控制器接收的控制指令，分别控制各个风力发电机组。
[0115]
图11示出根据本公开的示例性实施例的风电场的场群控制示意图。
[0116]
如图11所示，常在代表机组确定模块m1根据风电场w中的风资源信息，确定每个扇区的常在代表机组。每个扇区的常在代表机组中的运行模式识别模块m2可根据常在代表机
组的工况参数，识别常在代表机组所在扇区的运行模式。例如，工况参数可包括常在代表机组的风速测量数据d1、机组运行数据d2、机头朝向数据d3等。运行模式识别模块m2可获取风速测量数据d1、机组运行数据d2、机头朝向数据d3等，以产生并输出指示扇区的运行模式的运行模式数据d4和指示扇区编号的扇区编号数据d5。
[0117]
虚拟映射关系存储模块m3可根据获取的运行模式数据d4和扇区编号数据d5，检索虚拟代表机组模型数据库d6，以通过检索每个扇区在不同运行模式下的虚拟映射关系，生成每个扇区在识别的运行模式下的虚拟机组部件列表d7，从而确定每个扇区在识别的运行模式下的虚拟代表机组。
[0118]
载荷传感器模块m4可根据虚拟机组部件列表d7，获取虚拟代表机组中的各个虚拟机组部件的载荷参数d8。例如，载荷传感器模块m4可通过风电场的scada系统获取虚拟代表部件的载荷参数d8。
[0119]
参数估计模块m5可基于载荷参数d8确定对应的控制参数d9。控制模块m6可基于载荷参数d8和控制参数d9，调整每个扇区的风力发电机组的控制参数，并且根据调整后的控制参数生成并输出控制指令，以控制风电场w中的各个风力发电机组。如此，可改善风电场的实时场群控制。
[0120]
根据本公开的实施例，还提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被执行时，实现根据本公开的实施例的确定风电场中的代表风力发电机组的方法或风电场的控制方法。
[0121]
在本公开的实施例中，所述计算机可读存储介质可承载有一个或者多个程序，当所述计算机程序被执行时可实现参照图1至图6描述的确定风电场中的代表风力发电机组的方法的以下操作：根据风电场中的风资源信息，确定每个扇区的常在代表机组；根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的风况；基于每个扇区的风况，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件；基于每个扇区在不同风况下的虚拟代表部件，构建每个扇区在不同运行模式下的虚拟代表机组。在本公开的实施例中，所述计算机可读存储介质可承载有一个或者多个程序，当所述计算机程序被执行时可实现参照图7描述的风电场的控制方法的以下操作：根据风电场中的风资源信息，确定每个扇区的常在代表机组；根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的运行模式；获取每个扇区在识别的运行模式下的虚拟代表机组的运行参数，其中，所述虚拟代表机组是根据本公开的实施例的确定风电场中的代表风力发电机组的方法而确定的；根据所述运行参数，调整每个扇区的风力发电机组的控制参数；根据调整后的控制参数，控制每个扇区的风力发电机组。
[0122]
计算机可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储计算机程序的有形介质，该计算机程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读存储介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上
述的任意合适的组合。计算机可读存储介质可以包含在任意装置中；也可以单独存在，而未装配入该装置中。
[0123]
图12示出根据本公开的示例性实施例的控制器100的框图。
[0124]
参照图12，根据本公开的实施例的控制器100可包括存储器101和处理器102，在存储器101上存储有计算机程序103，当计算机程序103被处理器102执行时，实现根据本公开的实施例的确定风电场中的代表风力发电机组的方法或风电场的控制方法。
[0125]
在本公开的实施例中，当所述计算机程序103被处理器102执行时，可实现参照图1至图6描述的确定风电场中的代表风力发电机组的方法的以下操作：根据风电场中的风资源信息，确定每个扇区的常在代表机组；根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的风况；基于每个扇区的风况，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件；基于每个扇区在不同风况下的虚拟代表部件，构建每个扇区在不同运行模式下的虚拟代表机组。在本公开的实施例中，当所述计算机程序103被处理器102执行时，可实现参照图7描述的风电场的控制方法的以下操作：根据风电场中的风资源信息，确定每个扇区的常在代表机组；根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的运行模式；获取每个扇区在识别的运行模式下的虚拟代表机组的运行参数，其中，所述虚拟代表机组是根据本公开的实施例的确定风电场中的代表风力发电机组的方法而确定的；根据所述运行参数，调整每个扇区的风力发电机组的控制参数；根据调整后的控制参数，控制每个扇区的风力发电机组。
[0126]
图12示出的控制器仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0127]
以上已参照图1至图12描述了根据本公开的实施例的确定风电场中的代表风力发电机组的方法和装置以及风电场的控制方法和装置。然而，应该理解的是：图8至图10中所示的装置及其各个单元可分别被配置为执行特定功能的软件、硬件、固件或上述项的任意组合，图12中所示的控制器并不限于包括以上示出的组件，而是可根据需要增加或删除一些组件，并且以上组件也可被组合。
[0128]
采用根据本公开的实施例的确定风电场中的代表风力发电机组的方法和装置以及风电场的控制方法和装置、风电场的控制系统、计算机可读存储介质、控制器，至少可以实现以下技术效果之一：可以基于风电场的运行特征(例如，风电场中的风资源信息和风力发电机组的运行参数)，在风电场中按照预定部件类型选择机组部件来构建虚拟代表机组，建立虚拟代表机组模型数据库；在实时控制过程中，结合常在代表机组和虚拟代表机组，可以准确且快速识别不同风况条件下的风电场运行情况；虚拟代表机组随着风电场运行特征的变化而变化，使得风电场的场群控制实时性得到提高(例如，可控制到秒级以内)同时保证风电场中各个风力发电机组的安全运行。
[0129]
由控制系统中的各个组件或控制器执行的控制逻辑或功能可由在一个或多个附图中的流程图或类似示图来表示。这些附图提供代表性的控制策略和/或逻辑，代表性的控制策略和/或逻辑可使用一个或更多个处理策略(诸如，事件驱动、中断驱动、多任务、多线程等)来实现。因此，示出的各个步骤或功能可按照示出的顺序被执行、并行地执行或者在一些情况下被省略。虽然未总是被明确示出，但是本领域普通技术人员将认识到，示出的一个或更多个步骤或功能可根据使用的特定处理策略而被重复执行。
[0130]
尽管已参照优选实施例表示和描述了本公开，但本领域技术人员应该理解，在不脱离由权利要求限定的本公开的精神和范围的情况下，可以对这些实施例进行各种修改和变换。

技术特征：
1.一种确定风电场中的代表风力发电机组的方法，其特征在于，所述方法包括：根据风电场中的风资源信息，确定每个扇区的常在代表机组；根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的风况；基于每个扇区的风况，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件；基于每个扇区在不同风况下的虚拟代表部件，构建每个扇区在不同运行模式下的虚拟代表机组。2.如权利要求1所述的方法，其特征在于，基于每个扇区的风况，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件，包括：基于每个扇区的风况，确定每个扇区的运行模式；基于每个扇区的运行模式，对每个扇区内的每台风力发电机组进行载荷评估；基于每个扇区的载荷评估结果，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件。3.如权利要求2所述的方法，其特征在于，基于每个扇区的运行模式，对每个扇区内的每台风力发电机组进行载荷评估，包括：针对每个扇区内的每台风力发电机组，获取预定部件类型的机组部件在对应扇区的运行模式下的载荷分量；针对预定部件类型的机组部件的不同类别的载荷分量，按照载荷分量大小对预定部件类型的机组部件进行载荷排序。4.如权利要求3所述的方法，其特征在于，基于每个扇区的载荷评估结果，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件，包括：基于每个扇区的载荷排序结果，针对预定部件类型的机组部件的不同类别的载荷分量，选择载荷分量最大的机组部件作为每个扇区对应的虚拟代表部件。5.如权利要求3所述的方法，其特征在于，基于每个扇区的风况，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件，还包括：基于每个扇区的风资源信息，将每个扇区划分为预定数量的子扇区，针对预定部件类型的机组部件的不同类别的载荷分量，按照载荷分量大小对预定部件类型的机组部件进行载荷排序，包括：针对预定部件类型的机组部件的不同类别的载荷分量，按照载荷分量大小对每个子扇区内的预定部件类型的机组部件进行载荷排序。6.如权利要求5所述的方法，其特征在于，基于每个扇区的载荷评估结果，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件，包括：基于每个扇区中的子扇区的载荷排序结果，针对预定部件类型的机组部件的不同类别的载荷分量，选择载荷分量最大的机组部件作为每个子扇区对应的虚拟代表部件；基于每个扇区在不同风况下的虚拟代表部件，构建每个扇区在不同运行模式下的虚拟代表机组，包括：基于每个扇区中的每个子扇区在不同风况下的虚拟代表部件，构建每个子扇区在不同运行模式下的虚拟代表机组。7.如权利要求1所述的方法，其特征在于，所述方法还包括：基于每个扇区在不同风况下的虚拟代表部件，确定并存储每个扇区在不同运行模式下的虚拟映射关系。
8.如权利要求7所述的方法，其特征在于，所述每个扇区在不同运行模式下的虚拟映射关系包括虚拟代表机组与以下项中的至少一项之间的映射关系：虚拟代表部件所处的扇区、虚拟代表部件所处的风力发电机组、虚拟代表部件对应的运行模式、虚拟代表部件对应的预定部件类型、虚拟代表部件对应的载荷分量类别。9.如权利要求1所述的方法，其特征在于，所述扇区为对风电场的全部初始扇区进行重组后的重组扇区，根据风电场中的风资源信息，确定每个扇区的常在代表机组，包括：根据风电场中的来流风向，确定每个初始扇区的常在代表机组；根据每个初始扇区的常在代表机组和损伤潜力指数，对全部初始扇区进行重组，得到重组扇区，其中，所述损伤潜力指数基于风速、风速的概率密度、风速的湍流强度而确定；根据每个重组扇区的扇区组成信息，确定每个重组扇区的常在代表机组。10.如权利要求9所述的方法，其特征在于，根据每个初始扇区的常在代表机组和损伤潜力指数，对全部初始扇区进行重组，得到重组扇区，包括：响应于相邻的两个初始扇区的损伤潜力指数之差最小且小于预定指数差值，将所述相邻的两个初始扇区合并为重组扇区；响应于相邻的重组扇区与初始扇区的损伤潜力指数之差最小且小于预定指数差值，将所述相邻的重组扇区与初始扇区合并为重组扇区。11.如权利要求10所述的方法，其特征在于，根据每个重组扇区的扇区组成信息，确定每个重组扇区的常在代表机组，包括：响应于第一重组扇区由相邻的两个初始扇区合并而成，将所述相邻的两个初始扇区中损伤潜力指数较大的初始扇区的常在代表机组确定为所述第一重组扇区的常在代表机组；和/或响应于第二重组扇区由相邻的重组扇区与初始扇区合并而成，将所述初始扇区的常在代表机组确定为所述第二重组扇区的常在代表机组。12.如权利要求9所述的方法，其特征在于，根据风电场中的来流风向，确定每个初始扇区的常在代表机组，包括：根据风电场中的来流风向，将地理坐标系转换为风向坐标系；基于所述风向坐标系，确定每个初始扇区的常在代表机组。13.如权利要求12所述的方法，其特征在于，基于所述风向坐标系，确定每个初始扇区的常在代表机组，包括：针对每个初始扇区，基于所述风向坐标系中的y轴投影大小来确定常在代表机组，其中，y轴的正方向为来流风的反方向。14.如权利要求1至13中任意一项所述的方法，其特征在于，所述风况包括以下项中的至少一项：正常发电风况、极端发电风况、正常停机风况、极端停机风况，所述运行模式包括以下项中的至少一项：正常发电工况、极端发电工况、正常停机工况、极端停机工况。15.一种风电场的控制方法，其特征在于，所述控制方法包括：根据风电场中的风资源信息，确定每个扇区的常在代表机组；根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的运行模式；
获取每个扇区在识别的运行模式下的虚拟代表机组的运行参数，其中，所述虚拟代表机组是根据如权利要求1至14中任意一项所述的方法而确定的；根据所述运行参数，调整每个扇区的风力发电机组的控制参数；根据调整后的控制参数，控制每个扇区的风力发电机组。16.如权利要求15所述的控制方法，其特征在于，所述运行参数包括：所述虚拟代表机组的虚拟代表部件的载荷参数。17.一种确定风电场中的代表风力发电机组的装置，其特征在于，所述装置包括：常在代表机组确定模块，被配置为根据风电场中的风资源信息，确定每个扇区的常在代表机组；风况识别模块，被配置为根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的风况；虚拟代表部件选择模块，被配置为基于每个扇区的风况，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件；虚拟代表机组构建模块，被配置为基于每个扇区在不同风况下的虚拟代表部件，构建每个扇区在不同运行模式下的虚拟代表机组。18.一种风电场的控制装置，其特征在于，所述控制装置包括：常在代表机组确定模块，被配置为根据风电场中的风资源信息，确定每个扇区的常在代表机组；运行模式识别模块，被配置为根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的运行模式；参数获取模块，被配置为获取每个扇区在识别的运行模式下的虚拟代表机组的运行参数，其中，所述虚拟代表机组是根据如权利要求1至12中任意一项所述的方法而确定的；控制模块，被配置为根据所述运行参数，调整每个扇区的风力发电机组的控制参数，并且根据调整后的控制参数，控制每个扇区的风力发电机组。19.一种风电场的控制系统，其特征在于，所述控制系统包括：场级控制器，包括如权利要求18所述的风电场的控制装置，并且被配置为向每个风力发电机组发送控制指令；单机控制器，分别设置在每个风力发电机组中，并且被配置为根据从所述场级控制器接收的控制指令，控制风力发电机组的运行。20.一种存储有计算机程序的计算机可读存储介质，所述计算机程序在被处理器执行时实现如权利要求1-14中任意一项所述的确定风电场中的代表风力发电机组的方法或如权利要求15-16中任意一项所述的风电场的控制方法。21.一种控制器，其特征在于，所述控制器包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-14中任意一项所述的确定风电场中的代表风力发电机组的方法或如权利要求15-16中任意一项所述的风电场的控制方法。

技术总结
提供一种确定代表风力发电机组的方法和装置以及控制方法和装置。确定风电场中的代表风力发电机组的方法包括：根据风电场中的风资源信息，确定每个扇区的常在代表机组；根据每个常在代表机组的工况参数，识别每个常在代表机组所在扇区的风况；基于每个扇区的风况，在每个扇区内的风力发电机组中选择预定部件类型的机组部件作为虚拟代表部件；基于每个扇区在不同风况下的虚拟代表部件，构建每个扇区在不同运行模式下的虚拟代表机组。有利于改善风电场的实时控制。电场的实时控制。电场的实时控制。


技术研发人员：王明辉 张鹏飞 康伟欣
受保护的技术使用者：北京金风科创风电设备有限公司
技术研发日：2022.11.30
技术公布日：2023/6/26