尾流效应是影响风电场发电量的重要因素之一。风电场尾流优化控制通过协调优化各风电机组的偏航角来控制尾流区，提高下游风电机组的功率，是提高风电场的发电量、降低风电机组疲劳载荷的重要手段之一。已有研究主要考虑稳定风速和风向下的风电场尾流偏转控制，未能考虑风况波动性的影响，降低了实际优化效果。

针对这一问题，虑风况时序波动特性，建立了基于序列最小二乘法（SLSQP）的风电场尾流偏转控制在线求解模型，以风速和风向时间序列为输入，利用SLSQP优化风电场内各风电机组偏航角设定值，实现整个风波动过程风电场发电量最大化。算例表明：考虑风况波动特性的风电场尾流偏转控制具有更好的风电场发电量提升效果。针对SLSQP在线求解耗时长，无法满足实际风电场控制时效性要求的问题，提出了基于双延迟深度确定性策略梯度（TD3）的风电场尾流偏转控制在线学习模型。该模型将离线训练与在线学习相结合，既能够平衡计算精度与计算效率的矛盾，满足风电场秒级控制的时效性要求，又能以风电场实际运行数据为反馈进行模型的自学习，降低风电场尾流偏转控制模型不确定性对实际运行控制效果的影响。算例表明：与SLSQP在线求解方法相比，所提方法可以大幅提高计算效率，计算耗时从4分钟降至4秒以内。

图1.基于双延迟深度确定性策略梯度的风电场尾流偏转控制模型示意图

图2.考虑风过程优化后风电场发电量提升百分比示意图

该研究成果已申请两项发明专利。一项2022年9月16日获得授权，授权公告号：CN114899876B；一项与2022年6月7日获得受理，公告号：CN114597960A。

该研究工作主要由刘永前课题组完成，硕士研究生王航宇为第一作者。课题得到了国家重点研发计划项目《海上风电场智能运行控制技术研究》的资助。

初审：李何筱

复审：张 洪

审核：彭跃辉