[发明专利]一种基于动态模态分解的数据驱动风电场频率控制方法

说明书

本发明设计了一种基于动态模态分解的数据驱动风电场频率控制方法，使得风电系统的低维非线性动态特性能够在高维空间通过Koopman算子理论给出的状态转移矩阵进行全局捕获，在模型拟合精度满足控制需求的同时需要的数据样本量更小，控制模型的纯线性特征也为在线快速动态响应提供了良好基础，从而同时满足实际控制环节中响应精度和速度的要求。

技术领域

本发明属于电力技术领域，特别涉及一种基于动态模态分解的数据驱动风电场频率控制方法。

背景技术

由于传统化石能源的快速消耗带来的环境问题与能源危机日益凸显，电力系统的传统能源需要逐步被环境友好、高能效可持续的清洁能源替代，其中风电作为最具发展前景的清洁能源，成为世界范围内的投资和建设重点。以欧洲为例，近十年来欧洲风电装机容量持续保持每年10GW左右的增长速度，截至2019年，欧洲风电装机容量达到205GW，风电出力占比达到15％，其中丹麦国内风电出力占比高达48％。高风电渗透率对当前电网的运行控制带来新的挑战，电网的频率稳定则是其中的重要一环。随着大量可变速风机通过电力电子变流器接入电网，风场的有功出力和频率呈现电力电子化的解耦特点，导致系统整体的等效惯量降低，电网在同等负荷扰动下的频率波动更加严重，对电网的安全稳定运行构成危险。因此世界各地的电网运行准则均逐步将风电参与调频的能力作为入网的前提条件，例如加拿大Hydro-Quebec电网导则就要求装机规模在10MW以上的风电场都要具备频率校正控制能力，就国内情况而言，新的《电力系统安全稳定导则》规定，35kV及以上的风电、光伏电站都要具备一次调频能力。

现有风电参与电网一次调频的技术方案可以分为模型驱动和数据驱动两类。其中模型驱动的控制策略基于对风机能量转换模型的先验认知建立风机动态模型，然而由于场内众多设备参数需要逐一进行量测和定期维护，因此模型的精确性和有效性难以保障。数据驱动的方法目前以分段线性拟合为主，这类方法能够通过历史数据建立风机的动态模型，然而对于不同工况下风机动态特性的非线性问题，分段线性的思路仍然不能很好地解决，通常分段数量难以平衡模型的简洁性和精确性。因此，需要研究一种结合模型驱动与数据驱动优势的风机动态建模与控制方法，适应于风场快速灵活参与电网频率动态响应的实际需求。

发明内容

针对上述问题，本发明提出一种基于动态模态分解的数据驱动风电场频率优化控制方法。该优化控制方法主要由风机动态模态分解和风电场频率优化控制两个模块组成。具体优化控制实施步骤为：测量t时刻风电场内风机状态，并将其传输至控制器；在控制器内进行风机动态模态分解以及有功频率控制指令计算，并得到t+1时刻控制命令，从而将其传输至风电场。

本发明应用该优化控制方法的对象为大型风场内的风力发电机群，由于双馈异步风机当前的投资建设最具规模，示例性地，设置控制对象为双馈异步风机，同时对于场内运行工况和设备参数相近的风机可以聚合为一个单体进行控制。

为了叙述方便，设置双馈异步风机的本地控制环节可以使变流器的有功出力随外部有功指令进行调节，同时转速通过桨距角本地控制进行约束保护。

所述基于动态模态分解的数据驱动风电场频率优化控制方法具体包括以下步骤：

S1：构建初始数据集

从调频控制角度建立发电单体的状态方程如式(1)所示：

w_k+1＝f(w_k，u_k) (1)

其中w_k表示k时刻的风机转速，f代表非线性状态转移关系函数，输入变量u_k定义为：

其中P_ref，k为外部输入的有功指令，v_w，k为当前风速。从数据驱动的角度，应当根据风机运行过程积累的历史数据还原其动态特性，而这种状态转移关系主要包含在具有时序对应关系的数据对中，表示为