控制研究前沿：大规模海上风电场快速优化与高效控制方法的研究

研究成果一：Shu T, Song D, Joo Y H. Decentralised optimisation for large offshore wind farms using a sparsified wake directed graph[J]. Applied Energy, 2022, 306: 117986；

研究成果二：Shu T, Song D, Joo Y H. Non-centralised coordinated optimisation for maximising offshore wind farm power via a sparse communication architecture[J]. Applied Energy, 2022, 324: 119705。

二项成果均发表在能源权威期刊《Applied Energy》（中科院一区，2023年影响因子/JCR分区：11.2/Q1）

大规模海上风电场的快速优化与高效控制是海上风电场优化与控制亟待解决的关键问题。为此，开展了图表示理论框架下的大型海上风电场稀疏通信体系，风电场群分布式协调优化与控制策略的研究，旨在降低风电场通信和计算规模，提升分布式控制技术的灵活性、冗余性和实时性，为降低大规模风电场运维成本提供新的解决方案。具体研究内容包括基于图表示学习理论的尾流有向图建立方法，基于图稀疏的风电场通信体系构建策略，基于交替方向乘子法的分布式风电场优化算法等，研究可扩展、可维护和可模块化的分布式风电场集群协调优化和控制的方法。

成果一：解决的问题是如何在大规模海上风电场中通过使用稀疏化尾流导向图方法实现分布式优化，以提高风电场的功率生产和降低推力负荷；通过基于尾流图权重值的分解策略将风机划分为多个无耦合子集，并使用分布式序列二次规划（SQP）优化方法减少计算负担和高信息交换，实现对大规模海上风电场的实时控制。

成果二：解决的问题是如何通过建立大规模风电场稀疏通信架构和非集中式协调优化算法来提高海上风电场的功率输出。通过基于尾流图权重值约束的分解策略建立稀疏通信架构；研究“智能体+网络拓扑+通信规则”的多智能体系统，设计了两种独立的非集中式优化算法以获得非线性功率函数的最优解，包括基于分布式交替方向乘法器（ADMM）的算法和分散式序列二次规划（SQP）算法，有效解决大规模风电场功率最大化问题。

《Applied Energy》是一本在能源研究领域具有高度影响力的国际学术期刊，由Elsevier出版社发行。该期刊主要关注能源科学技术的最新进展和应用，内容涵盖了能源生产、转换、储存、分配以及其在各个领域的有效利用等多个方面。期刊属JCR 1区、中国科学院SCI分区TOP期刊，2023年影响因子为11.2。

作者简介：舒彤，男，江西省景德镇市人，博士，副教授。主要讲授课程：数字信号处理、模拟电子技术和信号与系统，主要研究方向：模式识别、智能控制、非高斯信号处理和风电场控制。主持江西省自然科学基金、江西省教育科技等省级科研项目3项，在《Applied Energy》、《energies》、《信号处理》等国内外重要学术期刊发表论文10多篇。