2024年华为杯数学建模竞赛A题-风电场有功功率优化分配思路+代码+论文助攻

最新推荐文章于 2024-09-21 14:56:34 发布

Matlab科研辅导帮

最新推荐文章于 2024-09-21 14:56:34 发布

阅读量1k

点赞数 9

文章标签：数学建模华为

本文链接：https://blog.csdn.net/m0_60703264/article/details/142414600

版权

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、期刊写作与指导，代码获取、论文复现及科研仿真合作可私信或扫描文章底部二维码。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab完整代码及仿真定制内容点击👇

🔥 内容介绍

我国风电快速发展，大型风机、大规模场站逐步投入运行。额定容量高的大型风机机械部件柔性更强，导致其疲劳损伤累积速度快，增加风机维护成本，降低风力发电效率；极端情况甚至会加剧风机倒塌、叶片断裂等安全风险。因此，亟需通过优化手段，降低风机运行过程中的累积疲劳损伤，以减小其因疲劳导致可用寿命缩短的风险。风机低疲劳运行能够明显降低机械系统故障率，为风电场运营商带来极大的经济和社会效益：一方面，减少故障导致不正常停机所造成的发电量损失；另一方面，减少机械部件维护频次以节约运维人员和物料成本，且降低安全生产事故风险。

风电场运行过程中，电网调度指令Pt下发到场站控制端。场站自动发电控制系统（Automatic Generation Control，AGC）将以每秒钟一次的采样率响应调度指令Pt。AGC根据电网调度指令Pt计算场内每台风力发电机所需发电量，并将计算结果发送给各个风机（此过程即为有功功率分配过程，各个风机所分配的功率为其功率参考值），各风机依据功率参考值调整自身机械参数，实现发电量对功率参考值的跟踪（本题默认跟踪过程可以精确实现）。传统计算分配方案采用平均分配方法，即每台风机需发出功率，Wt为场内所有风机数量。每台风机的功率指令同时受限于由风速决定的当前可发出最大功率值。然而，平均分配方法未考虑任何关于风机运行状态和风机累积疲劳损伤之间的联系，导致部分风机长期处于疲劳的高负荷状态，进而影响其机械部件的运行安全。

问题一：风机主轴及塔架疲劳损伤程度量化指标计算低复杂度模型

实际应用中，载荷（指主轴扭矩和塔架推力）数据随机性很强，且周期特征不标准，波峰波谷不易辨识（如图1所示）；此外，载荷循环（主轴扭矩和塔架推力的应力循环）的周期时长远远超过了实时计算的时间间隔（1s），因此，定义中介绍的方法无法有效计算不同载荷的循环次数。目前常用雨流计数法统计不同幅值载荷相应的循环次数，但该方法无法在线实时求解。针对这一问题，请建立数学模型，实现对风机的两种不同元件（主轴和塔架）任意时段累积疲劳损伤程度量化指标的实时计算；本题提供100个时长为100s的塔架推力与主轴扭矩数据，及其基于雨流计数法计算所得到的累积疲劳损伤值和等效疲劳载荷（见附件1）；要求方法合理有效，不得使用机器学习方法；要求在测试环境中基于CPU计算，计算时间小于1.00s，算法求解时间要尽可能地短，并且所得计算结果能正确反映元件累积疲劳损伤程度；需展示所计算结果与数据中提供的雨流计数法所得结果的相似程度（能反映累积疲劳损伤程度增长情况即可，不必与参考结果相等），需将包括100s时长内所有100台风机的全部200件元件的每秒疲劳损伤值（可以不考虑在此之前的疲劳损伤值，即初始时刻可以从0开始）列入附件5表格中；同时，需展示从0-100s内风机主要元件累积疲劳损伤程度的增长过程（选择5-10个有代表性的样本，用图片形式展示增长过程并说明所提出的建模方法100台风机的所有数据样本均有效）。

图1部分载荷数据概况（根据附件一部分数据绘制，仅供辅助理解）

问题二：利用风速及功率估算塔架推力和主轴扭矩

风速与风机的发电功率之间具有正相关性，一个直观的理解是，当风所携带的风能被风机完全消化转化为电能后，风机所承受的推力（风推动风轮平面产生的推力）和扭矩（风轮实际转速与当前风速下应达到的转速不匹配带来的扭矩）是最小的；当风速相对风机的发电功率过高时，多余的风能就会有一部分作用于风机上，形成主轴扭矩和塔架推力，增加风机的累积疲劳损伤程度（本题所考虑的5MW风机对应的额定风速为11.2m/s）。因此，请建立数学模型，根据风机所处位置的风速条件和功率参考值，估算当前风机所承受的应力/扭矩；模型可结合受力分析、能量守恒、或其他任意合理思路进行建立（数据量较少，不建议使用机器学习方法）。本题给出数据包括：各风机轮毂处等效风速

问题三：有功调度优化问题构建与实时求解

问题四：考虑通信延迟和测量噪声的有功功率优化与求解

实际风电场中，AGC系统所需的信号通过多种传感器采集并经由高速光纤环网传递至集控。一方面，现场传感器测量数据存在随机噪声，导致采集数据受到随机干扰，实际工程中噪声一般为原始数据的正负10%以内（测量值与真实值的相对误差在10%以内）。另一方面，通信过程在协议层和物理层均可能受到传输拥塞影响，存在随机传输延迟问题，导致部分时间段数据无法及时采集，此时优化调度过程仅可基于上一个正常通信时刻的采集数据进行优化，实际工程中一般最大延迟为10s以内。上述数据测量噪声和传输延迟导致理想条件下的优化问题难以满足实际需求。因此，可进一步考虑随机测量噪声和通信延迟对于模型精度和优化问题最优性的影响，完善问题三中的优化方案。附件4为额外的十台风机的300s测量数据（仅提供添加噪声以及延迟后的数据，不包含原数据），数据类型同附件3，作为测试集检验鲁棒模型。要求展示并比对优化效果（具体要求同问题3），并展示所建模型对噪声和延迟的抑制能力（展示方法包括但不限于有无该模型情况下，优化结果的前后对比等）。