系统辨识，才是工业智能的灵魂---朱豫才

这里介绍一个新能源领域的实时优化难题。

在风电场（风力发电场）中，上游风力涡轮机因产生尾流会影响下游涡轮机的性能。尾流效应会降低下游单个涡轮机的发电量，并减少整个风电场的总发电量。典型风电场的尾流损失约为10%（Veers 等, 2023）。如果尾流损失能够减少到5%，将对可再生能源行业以及全球环境改善带来巨大的推动作用。

风电场优化（风电领域研究者常称为控制）已成为二十多年来活跃的研究课题，并被认为是风能科学与工程中的重大难题（grand challenge）（Veers 等, 2023）。然而，所提出的先进概念和方法在现场的尚未实现应用。最大的困难是风电场物理模型误差太大。大多数风电场控制方法基于物理空气动力学模型。如前所述，典型风电场的尾流损失约为10%，但尾流模型预测的误差在20%到50%之间（Lee和Fields, 2021）。因此，目前空气动力学模型难以在风电场控制中应用。

对于正在运行的风电场，可以通过涡轮机之间的协调控制来减轻尾流损失，这种方法称为风电场控制或风电场流动控制。如图1所示，涡流效应造成的风能损失可以用图中黑色箭头表示。在陆上风电场控制中，有两种备受讨论的方法（Kheirabadi和Nagamune, 2019；Meyers等,2022）     

图1 尾流效应示意图

第一种方法是功率降额控制（power de-rating），最早由Steinbuch等人(1988)在1988年提出，也被称为轴向感应控制（axial induction-based control）。如图2所示，上游的涡轮机降额运行，产生较少的功率，以减少对下游涡轮机的尾流效应，从而提高整个风电场的总发电量。涡轮机降额运行意味着在低于其根据风力条件和功率曲线可提供的功率水平下运行。

图2 功率降额控制示意图

第二种方法是对每台风机引入非零偏航角。该方法中，与所有风力涡轮机都以0°机舱偏航角（即贪婪方法）运行不同，通过引入偏航角偏移，将尾流引导离开下游涡轮机，以提高下游风机的发电量，从而提高风电场的总功率输出（Jimenez等, 2009；Burton等, 2011；Fleming等, 2015）。

图3 尾流引导控制示意图

以风机偏航角优化为例，为了降低尾流效应的影响，提高风电场的整体发电量，需要对风电场内的每台风电机组的偏航角（机舱轴线方位角度）进行优化设置。当前研究尾流优化的技术路线主要是基于机理的空气动力学模型建模，如CFD（computational fluid dynamics）方法。这些工作研究了尾流效应的机理和对风机发电的影响，同时探讨了风机偏角优化（尾流优化）提高风电场整体发电量的潜力。然而，对大规模风电场，应用基于机理模型的尾流优化方法有两个无法克服的困难：（1）模型精度低，（2）计算成本高。因此，现有的风电场都还没有使用尾流优化技术，运行中只考虑单个机组在无尾流效应的最大发电量，即每台风机偏角（机舱轴线方位角）均为0°。此种设置方法也叫“贪婪”运行方法。但单个机组的无尾流发电量最大不能使风电场的整体发电量最大。

因此，提供一种应用性强，可现场实施的风电场尾流优化方法成了世界级的科学和工程难题。

这种场景，跟化工行业等其他流程工业多么相似。

参考文献

[1]      Veers, P., Bottasso, C. L., Manuel, L., Naughton, J., Pao, L., Paquette, J., Robertson, A., Robinson, M., Ananthan, S., Barlas, T., Bianchini, A., Bredmose, H., Horcas, S. G., Keller, J., Madsen, H. A., Manwell, J., Moriarty, P., Nolet, S., and Rinker, J. (2023). Grand challenges in the design, manufacture, and operation of future wind turbine systems, Wind Energ. Sci., 8, 1071–1131.

[2]      Kheirabadi, A. C., Nagamune R. (2019). A quantitative review of wind farm control with the objective of wind farm power maximization. Journal of Wind Engineering  & Industrial Aerodynamics, Vol. 192, pp. 45-73.

[3]      Meyers, J., Bottasso, C., Dykes, K., Fleming, P., Gebraad, P., Giebel, G., Göçmen, T. and van Wingerden, J. W. (2022). Wind farm flow control: prospects and challenges. Wind Energy Science, Vol. 7, pp. 2271-2306.

[4]      Steinbuch, M., Boer, W. D., Bosgra, O., 1988. Optimal control of wind power plants. Journal of Wind Engineering and Industrial Aerodynamics, Vol. 27, pp. 237–246.

[5]      Jiménez, Á., Crespo, A., Migoya, E., 2009. Application of a LES technique to characterize the wake deflection of a wind turbine in yaw. Wind Energy 13, 559–572.

[6]      Burton, T., Jenkins, N., Sharpe, D., Bossanyi, E., 2011. Wind Energy Handbook, second ed. John Wiley & Sons, Ltd.

[7]      Fleming, P., Gebraad, P. M., Lee, S., van Wingerden, J. W., Johnson, K., Churchfield, M., Michalakes, J., Spalart, P., Moriarty, P. (2015). Simulation comparison of wake mitigation control strategies for a two-turbine case. Wind Energy 18, 2135–2143.

[8]      Boersma, S., Doekemeijer, B., Gebraad, P., Fleming, P., Annoni, J., Scholbrock, A., Frederik, J., van Wingerden, J. W., 2017. A tutorial on control-oriented modeling and control of wind farms. Proceedings of the 2017 American Control Conference, pp. 1–18.

[9]      Lee, J. C. and Fields, M. J. (2021). An overview of wind-energy-production prediction bias, losses, and uncertainties, Wind Energ. Sci., 6, 311–365.