[发明专利]基于模型预测控制理论的风电场电压自动控制方法

摘要

本发明涉及一种基于模型预测控制理论的风电场电压控制方法，属于电力系统风电场电压自动控制技术领域。该方法包括采集系统当前各类电量实测值作为各类电量的预测值的初始值，根据所述预测值建立由优化目标函数和约束条件组成的优化控制模型；对优化控制模型进行简化，利用优化工具求解优化控制简化模型，获得风机无功设定值和SVG电压设定值在MPC时间窗内的解序列；将解序列中首个值作为控制目标分别下发给风机和SVG，以实现风电场电压的自动控制。本方法可集成在风电场现场运行的自动电压控制系统中，使该系统能够实时根据风电场的功率变化，实施最适宜的控制策略。

主权项

一种基于模型预测控制理论的风电场电压控制方法，用于风电场AVC系统控制中，其特征在于，当一个控制周期开始时进行以下步骤：1)采集系统当前各类电量实测值作为各类电量的预测值的初始值，预测值包括：风机有功预测值风机无功预测值风机机端电压预测值SVG无功预测值SVG机端电压预测值风电场并网点(PCC)母线电压预测值2)根据所述预测值建立由优化目标函数和约束条件组成的MPC优化控制模型：2.1)MPC优化控制模型的目标函数如式(1)所示：minQWTGset,VSVGset(Σi=0N-1Σj=0M-1ρti,jF1,Σi=0N-1Σj=0M-1ρti,jF2)---(1)]]>式(1)中和为优化变量，和含义分别为风机无功设定值和SVG电压设定值；N为时间窗覆盖控制周期的个数；M为单个控制周期下含预测点的个数；ρ为衰减系数，取值ρ＜1；时间变量ti,j＝(Mi+j)Δt意义为当前时刻起第i个控制周期内的第j个预测点，Δt为预测点间隔，Δt由风电场功率预测时间间隔决定；F1为风电场并网点母线电压与设定值的偏差水平，F1具体表达式如式(2)：F1(ti,j)=[VPCCpre(ti,j)-VPCCref]2---(2)]]>式(2)中表示PCC电压的参考值，从主站控制指令中提取后设定；F2为SVG无功储备水平，F2具体表达式如式(3)：F2(ti,j)=[QSVGpre(ti,j)-QSVGopr]2---(3)]]>式(3)中为SVG无功最佳运行点；2.2)MPC优化控制模型的约束条件，具体包括：2.2.1)风机有功预测约束条件：PWTGpre(ti,j)=Σk=1NaφkPWTGpre(ti,j-k)+ϵWTGpre(ti,j)-Σk=1NmθkϵWTGpre(ti,j-k)---(4)]]>式(4)中为风机有功预测误差；Na和Nm分别为AR和MA模型的阶数，φk和θk为相关权重，阶数与权重均根据风机有功历史值确定；ti,j‑k为预测中参与计算数据，包括对应时刻，下标k表征预测时刻前推kΔt时间，当ti,j‑k≤0时，有功预测值应取对应时刻历史值；2.2.2)风机无功预测约束条件：风机无功在下次控制前达到设定值：QWTGpre(ti,0)=QWTGset(ti-1,0)---(5)]]>第i个控制周期内的各预测点，风机无功功率的变化过程以指数函数拟合：QWTGpre(ti,j)=1-e-(ti,j-ti,0)/Ts1-e-MΔt/TsQWTGset(ti,0)+e-(ti,j-ti,0)/Ts-e-MΔt/Ts1-e-MΔt/TsQWTGpre(ti,0)---(6)]]>式(6)中Ts为风机无功调节时间常数，根据风机无功调节测试试验获取；2.2.3)SVG无功预测约束条件：SVG无功参考值如式(7)所示：QSVGref(ti,j)=KP[VSVGpre(ti,j)-VSVGset(ti,0)]+KIΔtΣk=0i×M+j[VSVGpre(ti,j-k)-VSVGset(ti,-k)]+QSVGpre(t0,0)-KP[VSVGpre(t0,0)-VSVGset(t0,0)]---(7)]]>式(7)中KI和KP分别为比例环节和积分环节的系数；SVG无功预测值如式(8)所示：QSVGpre(ti,j)=QSVGref(ti,j-1)+[QSVGpre(ti,j-1)-QSVGref(ti,j-1)]e-(ti,j-ti,j-1)/Td---(8)]]>式(8)中时间常数Td为SVG电力电子装置动作延时；2.2.4)电压预测约束条件：Vpre(ti,j)-Vpre(t0,0)=SPWTGpre(ti,j)-PWTGpre(t0,0)QWTGpre(ti,j)-QWTGpre(t0,0)QSVGpre(ti,j)-QSVGpre(t0,0)---(9)]]>式(9)中vpre(ti,j)和vpre(t0,0)分别为ti,j和t0,0时刻风机机端、SVG机端和PCC母线电压预测值构成的向量，S为灵敏度矩阵；2.2.5)系统电压、发电机运行和SVG运行的约束条件：Vmin≤Vpre(ti,j)≤VmaxQWTGmin≤QWTGpre(ti,j)≤QWTGmaxQSVGmin≤QSVGpre(ti,j)≤QSVGmaxΔQWTGmin≤QWTGpre(ti,0)-QWTGpre(ti-1,0)≤ΔQWTGmaxΔQSVGmin≤QSVGpre(ti,0)-QSVGpre(ti-1,0)≤ΔQSVGmax---(10)]]>式(10)中Vmax和Vmin分别为由风机机端、SVG机端和PCC母线构成系统电压向量的上限和下限，其中PCC电压限值由区域电网控制中心给出，而风机和SVG电压限值根据设备生产厂商给出的正常工作范围确定；和分别为风机无功运行上下限，和分别为SVG无功运行上下限，皆根据设备生产厂商给出的正常工作范围确定；和分别为风机无功爬坡上下限，和分别为SVG无功爬坡上下限，皆需经过无功调速实验测试结果确定；2.3)式(1)优化目标函数与式(2)‑(10)约束条件构成MPC优化控制模型；3)对MPC优化控制模型进行简化：删去式(7)‑(8)中SVG无功预测约束条件，在原优化目标函数式(1)中增加式(11)：minΣi=0N-1Σj=0M-1ρti,jF3---(11)]]>式(11)中F3含义为SVG无功预测值与设定值偏差：F3=[VSVGpre(ti,j)-VSVGset(ti,0)]2---(12)]]>简化后的MPC优化控制模型的目标函数如式(13)所示：minΣi=0N-1Σj=0M-1ρti,j(F1+αF2+βF3)---(13)]]>式(13)中α和β为F2和F3的权重，权重值分别取PCC电压对SVG无功和端电压灵敏度的平方；由式(13)优化目标函数与式(2)‑(6)、(9)‑(10)、(12)约束条件构成MPC优化控制简化模型；4)利用优化工具求解MPC优化控制简化模型，获得风机无功设定值和SVG电压设定值在MPC时间窗内的解序列和5)将解序列和中首个值作为控制目标分别下发给风机和SVG，以实现风电场电压的自动控制。