[发明专利]一种基于梯度跟踪算法的风电场快速跟踪优化方法

说明书

本发明涉及电力系统优化技术，具体涉及一种基于梯度跟踪算法的风电场快速跟踪优化方法，基于机会约束规划方法建立风电场时段优化模型，通过预留电压安全裕度来控制电压越限风险，利用内点法求解模型，得到该时段风电场的最优运行状态；将时段优化结果下发给各台风机用于指导该时段内风电场的快速跟踪优化；在时段内的每个时刻，各台风机控制单元根据自身风机的实测功率，利用梯度跟踪算法快速调节风机无功，实现对风机功率短期波动的跟踪优化；所有风机的快速跟踪优化叠加组成整个风电场的快速跟踪优化。该方法通过梯度跟踪算法实现风电场在更小时间尺度上的优化，能减轻风电场总控单元的计算成本和系统通信负担，降低风电场网损，改善电压质量。

技术领域

本发明属于电力系统优化技术领域，特别涉及一种基于梯度跟踪算法的风电场快速跟踪优化方法。

背景技术

风电进入快速发展阶段，但其间歇性和不确定性，给电网的安全稳定和经济运行带来很大挑战。

许多集中式算法和分布式算法被提出用来实现电压和无功优化问题。集中式优化方法通常由中央控制器收集和监测系统中各节点状态，通过求解最优潮流问题来获得最优控制，并实现统一的指令调控，但这也使得集中式优化方法的灵活性和可扩展性比较差。随着电网规模的扩大，中央控制器的计算负担迅速增加，电网数据通信易产生延时或堵塞等问题。此外，风电的间歇性和不确定性，使集中式优化方法难以对电网进行实时优化调控。分布式优化方法被广泛应用来解决上述问题，例如交叉方向乘子算法、一致性算法、基于事件触发机制的分布式算法等。分布式优化方法不需通过中央控制器调度所有发电单元，而是采用局部信息交互或分布式控制算法来实现各单元间的协调优化。因此，分布式优化方法具有通信和计算负载均匀、可扩展性强等优点，但其维护性和安全性较差，优化收敛较慢，对局部通信要求较高。

目前，风电场几乎都采用传统的集中式控制。考虑到计算成本和通信延时，风电场只能每隔一个时段进行一次集中式优化。但在时段内的每一时刻，由于风机功率短期波动，将导致系统实际运行状态偏离集中式优化的最优运行点，一方面可能引发电压越限，另一方面可能增加系统网损。

发明内容

针对背景技术存在的问题，本发明提供一种基于梯度跟踪算法的风电场快速跟踪优化方法，来提高风电场优化效率和缩短风电场优化时间尺度。

为解决上述技术问题，本发明采用如下技术方案：一种基于梯度跟踪算法的风电场快速跟踪优化方法，包括以下步骤：

步骤1、基于机会约束规划方法建立风电场时段优化模型，并通过预留电压安全裕度来控制电压越限，利用内点法求解模型，从而得到该时段风电场的最优运行状态；

步骤2、将时段优化结果下发给各台风机用于指导该时段内风电场的快速跟踪优化；

步骤3、在时段内的每个时刻，各台风机控制单元根据自身风机的实测功率，利用梯度跟踪算法快速调节风机无功，从而实现对风机功率短期波动的跟踪优化；

步骤4、将所有风机的快速跟踪优化叠加组成整个风电场的快速跟踪优化。

在上述基于梯度跟踪算法的风电场快速跟踪优化方法中，步骤1的实现包括：

步骤1.1、风电场总控单元测量时段T_k初始时各风机运行状态；

步骤1.2、以网损最小为目标函数，以各节点的无功功率、电压幅值和电压相角为变量，考虑风机功率短期波动的不确定性，建立基于机会约束规划的风电场优化模型；

步骤1.2.1、优化模型的目标函数为风电场网损，包含支路损耗，变压器铜耗，变压器铁耗和节点处接地电导损耗；

表示为