[发明专利]分层数据驱动的风电场发电功率优化方案

权利要求书

1.一种分层数据驱动的风电场发电功率优化方案，其特征在于，包括：

根据风电场的历史发电数据，计算风电场在所有风向下的发电效率数据；

基于发电效率数据，将整个风向区间划分为m个风向子区间，其中风电场的发电效率对风向在每个子区间中的变化不敏感；

对每个风向子区间定义发电效率优化子问题；以及

针对每个子问题，分别通过优化算法求最优解，其中m个优化算法并行求解，构成整个风电场的发电功率优化方案。

2.如权利要求1所述的方法，其特征在于，确定随着风向的变化，风电场的风电机组之间或许存在不同的尾流耦合模式，在所述m个风向子区间中：针对每个子区间，只需考虑一种尾流耦合模式。

3.如权利要求1所述的方法，其特征在于，当m个优化算法中的第i个优化算法所对应的m个风向子区间的第i个风向子区间被风向访问时，则启动所述第i个优化算法来对所述第i个风向子区间对应的第i个发电效率优化子问题进行优化以得到最优解。

4.如权利要求3所述的方法，其特征在于，当所述第i个风向子区间被再次访问时，则所述第i个优化算法被再次启动，并且根据之前的经验来搜索第i个发电效率优化子问题的最优解。

5.如权利要求1至4中任一项所述的方法，其特征在于，所述m个优化算法为m个提出的随机投影单纯形(Stochastic Projected Simplex，SPS)法，并且所述随机投影单纯形法包括以下步骤：

对单纯形节点集U_k中各节点的发电性能进行排序操作，识别发电性能最好节点和发电性能最差节点；

通过反射，扩张，收缩等操作完成迭代，并在每次迭代过程中，将所述发电性能最差节点以发电性能更好节点或者相同性能的节点替代。

6.如权利要求5所述的方法，其特征在于，所述随机投影单纯形法包括：

定义单纯形的q+1个节点为所有风电机组的q+1个联合轴向诱导因子，即U＝{u⁰,u¹,…,u^q}，其中U为单纯形的节点集，

对U_k中的q+1个节点进行排序，使得U_k为第k步迭代时单纯形的节点集，是U_k的第l个节点，是风电场在节点处的发电效率，l＝0,…,q和分别是U_k中发电性能最好节点和发电性能最差节点；

求解U_k中性能最差节点关于剩余q个节点质心的反射节点u^r，u^r＝u^c+δ^r(u^ro-u^c)，其中是关于的欧几里得投影算子，δ^r和δ^ro是反射参数；评估η^r＝η^j(u^r)；

如果则通过u^r替换即并终止迭代；

如果则计算扩张点u^e，u^e＝u^c+δ^e(u^ro-u^c)，其中δ^e是扩张参数，并评估η^e＝η^j(u^e)，如果η^e≥η^r，则通过u^e替换并终止迭代，否则，通过u^r替换并终止迭代；

如果则进行收缩操作：并评估η^ic＝η^j(u^ic)，这里δ^ic是收缩参数，u^ic是收缩节点，如果则通过u^ic替换并终止迭代，否则通过改进的自适应随机搜索(Modified Adaptive Random Search，MARS)法来进行迭代。