《Energies》：Finite Control Set MPC Yaw Control Method of Wind Farms Based on a Dynamic Wake Model
编辑推荐：
风电场内的尾流效应降低了入流风速，并增加了下游机组湍流强度，导致功率损失和疲劳载荷增加。主动偏航控制可通过协同优化机组偏航角来缓解尾流干扰。然而，现有方法大多依赖稳态尾流模型，无法捕捉尾流的动态延迟特性，且常导致过度的偏航执行损失。为解决这些问题，本文基于OF
风电场内的尾流效应降低了入流风速，并增加了下游机组湍流强度，导致功率损失和疲劳载荷增加。主动偏航控制可通过协同优化机组偏航角来缓解尾流干扰。然而，现有方法大多依赖稳态尾流模型，无法捕捉尾流的动态延迟特性，且常导致过度的偏航执行损失。为解决这些问题，本文基于OFF动态尾流框架（OnWARDS、FLORIDyn和FLORIS）构建了适用于实时控制的动态尾流模型，并在最底层采用改进的三维解析尾流模型。在此基础上，设计了一种有限控制集模型预测控制（MPC）主动偏航控制器。以最大化发电量和最小化偏航损失为目标，该控制器结合基于ARIMA的风向预测和粒子群优化，实现了偏航动作的滚动优化。在Horns Rev I风电场4×4机组阵列上的仿真表明，所提方法总功率提高了2.25%，比死区控制器高0.79%。该方法使上游机组功率损失更低、下游机组功率增益更高，与死区控制器相比，总偏航行程减少了近1000°，且在风向剧烈变化时功率波动更小。
论文解读文章
风电场内部尾流效应是影响风能利用率的关键因素之一，尾流导致下游机组入流风速降低和湍流强度增加，从而引发功率损失和疲劳载荷问题。主动偏航控制通过优化机组偏航角来偏转尾流方向，能够有效缓解尾流干扰并提升整体发电量。然而，现有控制策略大多基于稳态尾流模型，无法反映尾流在风向变化下的动态传播延迟，导致偏航执行频繁且功率增益有限。为此，研究人员基于OFF动态尾流框架（OnWARDS、FLORIDyn和FLORIS），结合改进的三维解析尾流模型，构建了适用于实时控制的动态尾流模型，并设计了一种有限控制集模型预测控制（MPC）主动偏航控制器。该控制器以最大化发电量和最小化偏航损失为目标，融合自回归积分滑动平均（ARIMA）风向预测和粒子群优化（PSO）算法，实现偏航动作的滚动优化。研究旨在解决稳态模型不适用动态控制的问题，并平衡功率增益与执行成本，为高密度风电场提供实用控制方案。论文发表在《Energies》。
研究人员采用的关键技术方法包括：基于OFF框架构建动态尾流模型，引入改进的三维高斯偏航尾流模型（3DGY-SWS）作为稳态求解器；设计有限控制集MPC控制器，其中离线阶段利用FLORIS和PSO生成最优偏航角查找表（LUT），在线阶段结合ARIMA预测风向和滚动优化器；仿真验证基于Horns Rev I风电场4×4子阵列（16台Vestas 2 MW机组，布局间距7D）进行，样本数据来自风电场气象桅杆M2的实测风向（采样频率20 Hz，降采样至60 s均值），模拟条件为恒定入流风速10 m/s、湍流强度0.085。
研究结果部分保留小标题如下：
模型验证部分，改进尾流模型在三个维度上验证：尾流膨胀率拟合与参考数据（风洞实验和LES）对比，RMSE和R2显示良好一致性；单机组垂直尾流廓线验证，在x/D=8和12时RMSE分别为0.177和0.148，优于3DSun和3DJG模型；偏航条件下水平尾流廓线验证，x/D=8和10时RMSE为0.021和0.023，优于Jimenez和Q-I模型。这些验证表明模型能准确预测尾流速度亏损和偏转，为MPC控制器奠定基础。
控制器设计部分，提出有限控制集MPC框架，包含离线生成和实时控制模块。离线阶段使用PSO生成LUT，优化目标为最大化风电场总功率；在线阶段利用ARIMA模型预测风向（MAE=3.01°、RMSE=4.30°），并结合LUT和预测模型计算最优偏航序列。目标函数包括对准成本和执行成本，权重因子w=0.04，预测时域m=4，控制周期20 s，约束条件包括偏航率上限0.5°/s和连续性约束。
仿真结果分析部分，在Horns Rev I风电场4×4子阵列上进行3小时仿真，比较所提控制器与死区控制器和基线控制器的性能。结果表明，所提控制器总功率提升2.25%，比死区控制器高0.79%；上游机组平均功率损失为3.05%（死区控制器为3.68%），下游机组功率增益为4.36%（死区控制器为3.53%）；总偏航行程比死区控制器减少近1000°，且在风向快速变化时功率波动更小。敏感性分析显示，权重因子w和预测时域m在参数范围内变化时，累积能量变化小于0.3%，表明控制器性能稳健。
讨论部分总结，所提方法在功率增益和执行成本间实现更好平衡，优于基线控制和死区控制。研究局限性包括理想化模拟条件（恒定风速、固定湍流）、ARIMA模型仅训练一天数据、以及风向快速变化或高湍流下可能性能下降。未来工作需扩展多日多季节验证、自适应权重优化及硬件在环测试。
结论部分翻译：基于OFF动态尾流框架和改进的三维高斯偏航尾流模型，构建了适用于实时控制的动态尾流模型，并开发了集成ARIMA风向预测和PSO最优偏航角LUT的有限控制集MPC主动偏航控制策略。在Horns Rev I风电场4×4机组阵列上的仿真验证表明：(1) 所提策略相比基线风向对准控制器，总功率提升2.25%，比传统死区控制器额外增加0.79%功率增益，实现更优的整体发电量；(2) 在保证功率提升的同时，所提控制器偏航执行成本低于死区控制器，总偏航行程减少近1000°，上游机组功率损失更低、下游机组功率增益更高，且风向波动时功率稳定性更强；(3) 与基线控制和死区控制相比，所提方法在功率生产增益和偏航执行成本间取得更优平衡，显示出在密集风电场动态尾流主动调控中的优越性能和工程实用性。
