一种半去中心化的数据-模型驱动优化方案用于大规模风电场发电协同控制

A Semi-decentralized Data-Model-Driven Optimization Scheme for Coordinated Control of Large-Scale Wind Farm Power Maximization

Jingyao Hu · Qinmin Yang · Wenchao Meng · Jun Yang 等6人 · IEEE Transactions on Industrial Informatics · 2025年9月

尾流效应会显著降低风电场的发电量，这促使人们广泛关注风电场级发电优化问题。然而，当大型风电场面临高度动态的风况时，该优化问题极具挑战性。为解决这一问题，我们提出了一种半分散式数据模型驱动的优化方案，该方案通过与风电场交互利用实时数据，且求解速度快。首先，根据不同风向的发电效率，将优化问题划分为若干静态子问题。对于每个静态子问题，基于尾流模型和谱聚类算法将大型风电场分解为多个集群。在进行在线控制时，根据集群划分结果并行采用数据驱动方法来实现发电量最大化。此外，采用多变量耦合尾流模型验证了该优化方案...

解读: 该论文提出的半分散式数据-模型驱动优化方案针对大规模风电场尾流效应问题，对阳光电源在风电变流器及新能源综合解决方案领域具有重要借鉴价值。 从技术架构层面，该方案将大规模优化问题分解为基于风向的静态子问题，再通过谱聚类算法进行集群划分，实现并行化数据驱动控制。这种"分而治之"的思路与阳光电源在大型光...