(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210908860.X (22)申请日 2022.07.29 (71)申请人 重庆大学 地址 400044 重庆市沙坪坝区沙坪坝正 街 174号 (72)发明人 魏善碧　戚俊　陈行　朱思宁　 钟豪　王昱　 (74)专利代理 机构 济南鼎信专利商标代理事务 所(普通合伙) 37245 专利代理师 贾国浩 (51)Int.Cl. G06F 30/20(2020.01) G06F 17/15(2006.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01)H02J 3/00(2006.01) H02J 3/46(2006.01) G06F 111/02(2020.01) G06F 111/06(2020.01) G06F 113/06(2020.01) (54)发明名称 一种基于合作分布式模型预测控制的风电 场控制方法 (57)摘要 本发明公开了一种基于合作分布式模型预 测控制的风电场控制方法， 主要涉及风电技术领 域； 包括步骤： 建立合作分布式模型预测控制系 统模型； 利用协 同迭代优化算法寻找最优解； 本 发明基于协同优化迭代算法进行分布式优化， 使 整个风电场状态逼近帕累托最优， 最终得出系统 约束下的最优解， 实现提升风电场输出功率、 降 低风电机组推力负载的目标。 权利要求书3页 说明书8页 附图3页 CN 115270471 A 2022.11.01 CN 115270471 A 1.一种基于合作分布式模型 预测控制的风电场控制方法， 其特 征在于， 包括 步骤： S1、 建立合作分布式模型 预测控制系统模型； S2、 利用协同迭代优化 算法寻找最优解。 2.根据权利要求1所述的一种基于合作分布式模型预测控制的风电场控制方法， 其特 征在于， 步骤S1包括： S11、 将每台风电机组视为 一个子系统， 建立子系统预测模型； S12、 确定优化目标函数； S13、 对子系统控制输入执行并行优化， 通过合作策略形成候选的风电场控制输入序 列。 3.根据权利要求2所述的一种基于合作分布式模型预测控制的风电场控制方法， 其特 征在于， 步骤S1 1中， 所述子系统预测模型为： 其中， u,v为 风电场的状态量， γi为风电机组子系统i的控制输入； γ‑i＝(γ1,…,γi‑1,γi+1,…,γN)T表示来自其他风电 机组的耦合控制输入。 4.根据权利要求2所述的一种基于合作分布式模型预测控制的风电场控制方法， 其特 征在于， 步骤S12中， 所述目标函数为： J＝ λ1(Pref‑P)+λ2F； 其中， λ1, λ2为权重参数， Pref为风电场参考功率， P为风电场的功率输出， F为风电机组的 推力负载； 5.根据权利要求4所述的一种基于合作分布式模型预测控制的风电场控制方法， 其特 征在于： 风电场的优化原理为通过优化风电机组子系统的控制 输入对目标函数寻优， 对目 标函数应用模型 预测控制可 得：权　利　要　求　书 1/3 页 2 CN 115270471 A 2其中， u0,v0是风电场当前的状态； 表示上一次迭代耦合输入序列。 6.根据权利要求2所述的一种基于合作分布式模型预测控制的风电场控制方法， 其特 征在于， 步骤S13中， 候选的风电场控制输入序列为： γ(k+1|k)＝[γ1(k+1|k), …,γi(k+M|k)]T。 7.根据权利要求1所述的一种基于合作分布式模型预测控制的风电场控制方法， 其特 征在于， 步骤S2包括： S21、 基于步骤S1的合作分布式预测控制模型， 设定算法参数； S22、 利用协同迭代优化 算法对可 行域进行穷举搜索得到最优解。权　利　要　求　书 2/3 页 3 CN 115270471 A 3