基于模型预测控制的风电机组下垂系数优化方法及系统与流程

本发明涉及电力系统及可再生能源领域，具体为基于模型预测控制的风电机组下垂系数优化方法及系统。

背景技术：

1、风电一般通过逆变器接入电网，其与电网几乎解耦，高比例风电并网将导致电力系统等效惯量显著降低，对系统频率安全带来了挑战。对于新型电力系统，充分利用风电的调频潜力，提高运行的经济性和安全性，具有重要意义。对于基于综合惯性控制参与调频的风电机组而言，其主要通过释放转子动能参与调频，而下垂系数在转子动能的释放中扮演着重要的作用，如何通过选取最优下垂系数使风电机组尽可能多的释放转子动能是一个重要的研究课题。

技术实现思路

1、在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

2、鉴于上述存在的问题，提出了本发明。

3、因此，本发明解决的技术问题是：如何有效地优化风电机组的下垂系数。

4、为解决上述技术问题，本发明提供如下技术方案：基于模型预测控制的风电机组下垂系数优化方法，包括：获取系统扰动大小，系统内同步机调频参数以及风电机组关键参数；基于小信号线性化方法获得风电机组的传递函数模型，构建计及风电调频的电力系统频率响应模型；选定风电机组下垂系数初值，计算此条件下系统频率最低点以及风电机组转速变化；修改风电机组下垂系数，在频率响应过程结束前不断优化风电机组下垂系数，获得最优下垂系数序列。

5、作为本发明所述的基于模型预测控制的风电机组下垂系数优化方法的一种优选方案，其中：所述系统内同步机调频参数包括步发电机的容量、惯性时间常数、调速器增益、调速器时间常数、再热系数及再热器时间常数；所述风电机组关键参数包括系统风力发电机容量、惯性时间常数、风速以及风力发电机的综合惯性控制器中的虚拟惯性时间常数、下垂系数、系统扰动大小。

6、作为本发明所述的基于模型预测控制的风电机组下垂系数优化方法的一种优选方案，其中：所述构建计及风电调频的电力系统频率响应模型表达式为：

7、

8、其中，wr0、pwm0、pwe0分别是风力机稳态转速、稳态机械功率及稳态输出电功率，δwr、δpwm、δpwe分别是风力机稳态转速偏差值、稳态机械功率偏差值、稳态输出电功率偏差值，km、kt分别是风力发电机的机械功率以及电磁功率线性化系数，kd、ki分别是风机的下垂系数以及虚拟惯性时间常数。

9、作为本发明所述的基于模型预测控制的风电机组下垂系数优化方法的一种优选方案，其中：所述构建计及风电调频的电力系统频率响应模型还包括在调频阶段，δf0及δωr0均为零，风力发电机的功频传递表达式为：

10、δpwe(s)＝gw1(s)δf

11、

12、其中，δpwe(s)、gw1(s)、δf、hw、s分别是s域的稳态输出电功率偏差值、频率功率传递函数、频率偏差值、虚拟惯性时间常数以及s域参数。

13、作为本发明所述的基于模型预测控制的风电机组下垂系数优化方法的一种优选方案，其中：所述选定风电机组下垂系数初值，计算此条件下系统频率最低点以及风电机组转速变化是选定风电机组的下垂系数初值，作为模型预测控制的初始状态，在系统扰动为的场景下，利用时域详细模型，计算此时的系统频率最低点以及风电机组的转速最大偏差，将数据作为第一组控制输入量对风机的下垂系数进行优化控制。

14、作为本发明所述的基于模型预测控制的风电机组下垂系数优化方法的一种优选方案，其中：所述利用模型预测控制对下垂系数进行滚动优化，最终获得最优下垂系数序列包括同时考虑控制器对系统频率最低点的改善作用以及对系统频率二次跌落风险的预防作用，建立控制器的最优控制目标函数，表达式为：

15、min a||fnadir-fmin||2+b||δwr max||2

16、其中，fnadir，fmin、δwr max分别是系统频率最低点、电力系统允许的最大频率偏差值对应频率以及风电机组的转速最大偏差，a、b为两个目标项的权重系数；

17、其最优控制约束条件表达式为：

18、

19、其中，pmppt为风电机组运行于最大功率追踪状态时的输出电功率，psi为风电综合惯性控制的增发功率，pwe,ma为系统允许的最大输出电功率，wr min为风力机转速最小值。

20、作为本发明所述的基于模型预测控制的风电机组下垂系数优化方法的一种优选方案，其中：所述获得最优下垂系数序列包括是当计算得到系统频率最低点以及风电机组的转速最大偏差时，根据目标函数计算在约束条件下风电机组的最优下垂系数，并通过时域仿真获得新的系统频率最低点以及风电机组的转速最大偏差，在每一个采样时刻重复计算优化，输出风电机组的最优下垂系数序列。

21、本发明的另外一个目的是提供基于模型预测控制的风电机组下垂系数优化方法的系统，其可以通过数据采集、构建模型、初始设置、系数优化、预测控制以及时域仿真，有效优化风电机组的下垂系数，提升运行效率和稳定性，解决风电机组调频问题。

22、作为本发明所述的基于模型预测控制的风电机组下垂系数优化系统的一种优选方案，其中：包括数据收集模块、模型构建模块、初始下垂系数设置模块、下垂系数优化模块、模型预测控制模块、学习优化模块以及时域仿真模块；所述数据收集模块时负责收集系统扰动大小、系统内同步机调频参数以及风电机组关键参数；所述模型构建模块是根据小信号线性化方法获得风电机组的传递函数模型，构建考虑风电调频的电力系统频率响应模型；所述初始下垂系数设置模块是选定风电机组下垂系数初值，计算此条件下系统频率最低点以及风电机组转速变化；所述下垂系数优化模块是负责修改风电机组下垂系数，获得最优下垂系数序列，通过不断的迭代计算，在频率响应过程结束前不断优化风电机组下垂系数，获得最优解；所述模型预测控制模块是利用已获得的数据以及模型，对风机的下垂系数进行模型预测控制；所述时域仿真模块是在计算得到系统频率最低点以及风电机组的转速最大偏差时，通过模拟运行情况，获取新的系统频率最低点以及风电机组的转速最大偏差。

23、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述基于模型预测控制的风电机组下垂系数优化方法的步骤。

24、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述基于模型预测控制的风电机组下垂系数优化方法的步骤。

25、本发明的有益效果：本发明考虑了风电机组对系统频率的改善作用以及风电机组自身的安全运行，利用模型预测控制方法，以计及风电调频的电力系统频率响应模型作为预测模型，对风电机组的下垂系数进行了滚动优化，通过在每一个控制时刻为风电机组选取最优的下垂系数得到了在频率扰动期间风电机组的最优下垂系数序列。

技术特征：

1.基于模型预测控制的风电机组下垂系数优化方法，其特征在于，包括：

2.如权利要求1所述的基于模型预测控制的风电机组下垂系数优化方法，其特征在于：所述系统内同步机调频参数包括步发电机的容量、惯性时间常数、调速器增益、调速器时间常数、再热系数及再热器时间常数；

3.如权利要求2所述的基于模型预测控制的风电机组下垂系数优化方法，其特征在于：所述构建计及风电调频的电力系统频率响应模型表达式为：

4.如权利要求3所述的基于模型预测控制的风电机组下垂系数优化方法，其特征在于：所述构建计及风电调频的电力系统频率响应模型还包括在调频阶段，δf0及δωr0均为零，风力发电机的功频传递表达式为：

5.如权利要求4所述的基于模型预测控制的风电机组下垂系数优化方法，其特征在于：所述选定风电机组下垂系数初值，计算此条件下系统频率最低点以及风电机组转速变化是选定风电机组的下垂系数初值，作为模型预测控制的初始状态，在系统扰动为的场景下，利用时域详细模型，计算此时的系统频率最低点以及风电机组的转速最大偏差，将数据作为第一组控制输入量对风机的下垂系数进行优化控制。

6.如权利要求5所述的基于模型预测控制的风电机组下垂系数优化方法，其特征在于：所述利用模型预测控制对下垂系数进行滚动优化，最终获得最优下垂系数序列包括同时考虑控制器对系统频率最低点的改善作用以及对系统频率二次跌落风险的预防作用，建立控制器的最优控制目标函数，表达式为：

7.如权利要求6所述的基于模型预测控制的风电机组下垂系数优化方法，其特征在于：所述获得最优下垂系数序列包括是当计算得到系统频率最低点以及风电机组的转速最大偏差时，根据目标函数计算在约束条件下风电机组的最优下垂系数，并通过时域仿真获得新的系统频率最低点以及风电机组的转速最大偏差，在每一个采样时刻重复计算优化，输出风电机组的最优下垂系数序列。

8.一种采用如权利要求1～7任一所述的基于模型预测控制的风电机组下垂系数优化方法的系统其特征在于：包括数据收集模块、模型构建模块、初始下垂系数设置模块、下垂系数优化模块、模型预测控制模块、学习优化模块以及时域仿真模块；

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的基于模型预测控制的风电机组下垂系数优化方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述基于模型预测控制的风电机组下垂系数优化方法的步骤。

技术总结
本发明公开了基于模型预测控制的风电机组下垂系数优化方法及系统，涉及电力系统及可再生能源领域，包括：获取系统扰动大小，系统内同步机调频参数以及风电机组关键参数；基于小信号线性化方法获得风电机组的传递函数模型，构建计及风电调频的电力系统频率响应模型；选定风电机组下垂系数初值，计算此条件下系统频率最低点以及风电机组转速变化；修改风电机组下垂系数，在频率响应过程结束前不断优化风电机组下垂系数，获得最优下垂系数序列。本发明利用模型预测控制方法，以计及风电调频的电力系统频率响应模型作为预测模型，对风电机组的下垂系数进行了滚动优化，为风电机组选取最优下垂系数得到了在频率扰动期间风电机组的最优下垂系数序列。

技术研发人员：肖勇,肖小兵,李跃,蔡永翔,金鑫,付宇,黄博阳,何肖蒙,王扬,冯俊豪,郑友卓,刘安茳,张洋,方阳,郝树青,熊楠,窦陈,叶远红,龙秋风,王颖舒,何心怡,张恒荣,苗宇,王卓月,汤玮,宋子宏
受保护的技术使用者：贵州电网有限责任公司
技术研发日：
技术公布日：2024/1/15