CN109936146A - 一种基于改进灵敏度算法的风电场协调优化控制方法 - Google Patents

Abstract

本发明公开了一种基于改进灵敏度算法的风电场协调优化控制方法。风电的间歇性与随机性会导致风电场电压波动，威胁风电场安全稳定运行。公共连接点处的电压稳定性弱，由风电出力波动引起的电压波动较大。风电场内部由于无功出力的变化也会导致风机端电压波动，降低风机运行稳定性。本方法针对风电场内部电压稳定问题，综合考虑了风机和静止无功发生器之间的相互协调，通过改进灵敏度算法得到电压边界，以网损最小为优化目标，各个风机和无功补偿设备的下垂增益系数为变量进行优化运算，为每台风机和无功补偿设备计算出最优情况的下垂增益系数。该方法可在维持电压稳定的同时有效降低风电场线路损耗，有效提升风电系统的电压稳定性和经济效率。

Description

一种基于改进灵敏度算法的风电场协调优化控制方法

技术领域

本发明涉及新能源风力发技术领域，具体涉及一种基于改进灵敏度算法的风电场协调优化控制方法，适用于电压稳定性与经济性的提升。

背景技术

随着可再生能源应用技术的发展，风电渗透率和装机容量的增加，风力发电机组(wind turbine generators,WTGs)的随机性和间歇性对风电场乃至接入区域电网的电压稳定带来了技术挑战。大型风电场主要位于远离负荷中心的地区，短路比小，公共连接点(point of common coupling,PCC)处的电压稳定性弱，由风电出力波动引起的电压波动较大。此外，风电场内部由于无功出力的变化也会导致风机端电压波动，降低风机运行稳定性。国内外制定了多种风电并网技术导则，要求风电场的PCC和风机端电压处于正常工作范围。

为维持电压稳定，风电场通常装有无功电压调节装置，如静止无功补偿器(SVC)、静止无功发生器(SVG)、有载调压变压器(OLTC)。此外，也可通过调节风机网侧逆变器来控制无功功率的输出。

而现有技术通常是通过聚类等方法将风电机群等效成一台或者多台等值机组，没有考虑单个风机端电压的情况，忽略了由功率传输造成的风电场内部网络损耗，也没有考虑WTGs运行时机端电压情况。但在实际运行中，风电机组之间存在地理位置上的差异，风电场内部无功功率的分配会影响内部网损，靠近馈线末端的风机端电压会有较大波动。

风电场并网电压下垂控制中，无功功率和电压的关系通常表示为：

其中，V_ref和分别表示PCC处的参考电压和实测电压；和分别表示第i个风机输出的无功功率和无功功率参考值；Q^S和分别表示SVG的无功功率和无功功率参考值；和k^s则表示第i个风机和SVG的下垂增益。

传统的下垂控制由风机网侧逆变器提供或吸收额外的无功功率，可减小PCC的电压变化。然而，风机网侧逆变器普遍采用固定的下垂增益，增益系数设置不当可能导致电压控制性能不理想。较大的增益可改善PCC端的电压分布，但可能导致风机网侧逆变器频繁地达到工作极限，增加逆变器损耗，进而增加系统网损。小增益保证了风机网侧逆变器的正常工作，但对PCC点电压调节能力有限，并且单个风机并网侧可能会出现过电压现象。由于风机地理位置的差异，风速的随机性与间歇性会导致各个风机网侧逆变器有着不同水平的无功调节能力。因此，对每个网侧逆变器采用固定的下垂增益显然不是最优的。

发明内容

本发明针对风电场内部电压波动与网络损耗问题，基于WTGs网侧逆变器和SVG进行下垂增益优化控制对无功输出进行控制，从而达到降低网损，提升电压稳定性的目的。

为了解决以上问题，本发明采用如下技术手段：

一种基于改进灵敏度算法的风电场下垂优化控制方法，包括以下步骤：

步骤1：得到风电场相应的导纳矩阵Y_bus，跳转至下一步；

步骤2：为WTGs和SVG分配相应的下垂控制的下垂增益初值：和R^s，分别表示第i个风机和SVG的下垂增益网侧逆变器和SVG的下垂增益集合为跳转至下一步；

步骤3：设置WTGs和SVG的下垂控制，跳转至下一步；

步骤4：进行潮流计算，得到风电场电压、功率分布情况，跳转至下一步；

步骤5：进行无功-电压灵敏度计算，得到即可求得电压波动与功率的灵敏度跳转至下一步；

步骤6：定义系统网损P_loss最小为优化的目标函数，跳转至下一步；

步骤7：利用步骤5中的无功-电压灵敏度对下一时刻的电压进行预测，设定电压边界，跳转至下一步；

步骤8：设定其他边界条件，建立优化模型，跳转至下一步；

步骤9：以网侧逆变器和SVG的下垂增益为为变量，求解步骤8中的优化模型，得到逆变器和SVG相应的下垂增益修正系数向量R，修正后的下垂增益带入步骤3中的下垂控制器，进行相应无功补偿，开始下一轮循环。

进一步的，在步骤3中，WTGs和SVG的下垂控制方式为：

其中V_ref和V_PCC分别表示PCC处的参考电压和实测电压；和分别表示第i个风机输出的无功功率和无功功率参考值；Q^S和分别表示SVG的无功功率和无功功率参考值。

进一步的，在步骤5中，风电场的视在功率S与节点电压V之间的关系为：

其中，i和j为节点编号；和表示节点i的视在功率和节点电压，V_j表示节点j的电压；Y_bus为导纳矩阵；N为风电场母线的集合；

求偏导可得节点i∈N的电压与节点l∈N输入的无功功率关系为：

其中，P_i和Q_i为节点i注入的有功功率和无功功率；Q_l为节点l注入的无功功率；为偏导符号；与未知变量呈线性关系，因此，在辐射状网络中有唯一解；在求得之后，即可求得电压波动与功率的灵敏度为：

其中，|V_i|为节点i的电压幅值。

进一步的，在步骤6中，定义系统网损最小为优化的目标函数：

其中，P_loss为系统的总网损，V_i和V_j分别为支路首段节点i和支路末端节点j的电压，θ_ij为节点i和节点j的相角差，G_ij为节点i和节点j之间的感抗。

进一步的，在步骤7中，为了在优化时计算下垂增益系数改变后，无功的变化对电压的影响，采用灵敏度计算方法，通过线性化的电压-无功功率之间的关系求得无功变化对节点电压的影响；

S_QV为电压-无功的灵敏度矩阵，其中：

定义V＝[V₁,…,V_N]和Q＝[Q₁,…,Q_N]为节点电压和功率向量，节点功率变化对节点电压影响为：

△V＝S_QV△Q

其中，ΔV和ΔQ分别表示节点电压和功率的变化量向量，定义t₀为当前采样时间点，t₁为下一个采样节点，则预测的下一时刻电压为：

V(t₁)＝△V(t₀)+V(t₀)≈S_QV△Q(t₀)+V(t₀)

其中V(t₀)和V(t₁)表示当前时刻和下一采样节点的电压向量矩阵；第i个WTG的当前时刻下无功变化量为：

SVG的当前时刻下无功变化量ΔQ^S(t₀)为：

其中，和R^s(t₀)分别表示当前时刻下第i个风机和SVG的下垂增益；和R^s(t₁)分别表示下一时刻下第i个风机和SVG的下垂增益；V_ref(t₀)和V_PCC(t₀)分别表示当前时刻下的参考电压和PCC点电压；因此电压必须满足关系：

其中V_min和V_max表示电压最小与最大值，V_i(t₀)和V_i(t₁)表示当前时刻和下一采样时刻节点i的电压。

进一步的，在步骤8中，设定优化模型为：

其中，和为第i台风机发出的无功下限值和上限值；和为第i台风机发出的有功下限值和上限值；P_i和Q_i为第i台风机的当前有功和无功功率；V_s，X_s，X_m，I_rmax分别为定子电压、定子电抗、励磁电抗和转子侧电流最大值，由风电机组本身决定；I表示导线载流量；I_max表示线路最大载流量；和为第i台风机发出的有功下限值和上限值；S_W和S_tf分别为风电场的视在功率和主变压器容量。

与现有技术相比，本发明具有的效益优势为：基于改进的灵敏度算法计算电压-无功的灵敏度，并以此作为优化边界，以网损最小为目标对每台风机和SVG的下垂增益系数进行优化，将PCC处电压和风机端电压限制在正常范围内，降低系统的线路损耗。所提控制策略实现风电场每台风机和SVG无功出力的相互协调，相较于传统的风电场下垂控制方法，在维持风电场PCC和风机端电压稳定的同时，提升了SVG的无功裕度，有效降低了线路损耗，提升了风电场运行效率和电压稳定性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明整个系统的控制框架；

图2是本发明基于改进灵敏度算法的风电场下垂优化控制方法的程序流程图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合附图和具体的实施例对本发明的技术方案进行详细说明。需要指出的是，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的控制系统结构如图1所示，利用测量原件测得馈线各个节点的电压，进行无功-电压灵敏度计算，再经过步骤5中对下一时刻的电压预测，得到电压预测值，从而可以作为电压约束。同时以网侧逆变器功率、变压器容量、线路载流量等为其他约束，以线路网损为目标，WTGs和SVG的下垂增益系数为决策变量建立优化目标函数。对目标函数进行求解，即可得到每台WTGs和SVG相应的最优下垂增益系数。根据相应的下垂增益系数进行下垂无功补偿，即可实现电压稳定控制。由于目标函数是网损最小，因此本发明的方法可以有效的降低网络损耗。而电压变化作为边界条件，可以有效将风机机端电压限制在额定范围之内，不仅仅维持了PCC点的电压稳定，同时保证每台风机极端电压处于正常工作范围。因此本发明的方法在提升电压稳定性的同时，提升了系统运行经济效率。

如图2所示，本发明的一种基于改进灵敏度算法的风电场协调优化控制方法，适用山地风力发电系统，所述风电机为双馈异步风力发电机(DFIG，Doubly fed InductionGenerator)；所述风机通过网测逆变器进行控制；该方法包括以下步骤：

1)得到风电场相应的导纳矩阵Y_bus；

2)为WTGs和SVG分配相应的下垂控制的下垂增益初值：和R^s，分别表示第i个风机和SVG的下垂增益网侧逆变器和SVG的下垂增益集合为

3)设置WTGs和SVG的下垂控制方式为：

其中V_ref和V_PCC分别表示PCC处的参考电压和实测电压；和分别表示第i个风机输出的无功功率和无功功率参考值；Q^S和分别表示SVG的无功功率和无功功率参考值。

4)进行潮流计算，得到风电场电压、功率分布情况。

5)进行无功-电压灵敏度计算，风电场的视在功率S与节点电压V之间的关系为：

其中，i和j为节点编号；和表示节点i的视在功率和节点电压，V_j表示节点j的电压；Y_bus为导纳矩阵；N为风电场母线的集合。

求偏导可得节点i∈N的电压与节点l∈N输入的无功功率关系为：

其中，P_i和Q_i为节点i注入的有功功率和无功功率；Q_l为节点l注入的无功功率；为偏导符号；与未知变量呈线性关系，因此，在辐射状网络中有唯一解。在求得之后，即可求得电压波动与功率的灵敏度为：

其中，|V_i|为节点i的电压幅值。

6)定义系统网损最小为优化的目标函数：

其中，P_loss为系统的总网损，V_i和V_j分别为支路首段节点i和支路末端节点j的电压，θ_ij为节点i和节点j的相角差，G_ij为节点i和节点j之间的感抗。

7)设定约束条件，为了在优化时计算下垂增益系数改变后，无功的变化对电压的影响，采用灵敏度计算方法，通过线性化的电压-无功功率之间的关系求得无功变化对节点电压的影响。

S_QV为电压-无功的灵敏度矩阵，其中：

定义V＝[V₁,…,V_N]和Q＝[Q₁,…,Q_N]为节点电压和功率向量，节点功率变化对节点电压影响为：

△V＝S_QV△Q

其中，ΔV和ΔQ分别表示节点电压和功率的变化量向量，定义t₀为当前采样时间点，t₁为下一个采样时刻，则预测的下一时刻电压为：

V(t₁)＝△V(t₀)+V(t₀)≈S_QV△Q(t₀)+V(t₀)

其中V(t₀)和V(t₁)表示当前时刻和下一采样节点的电压向量矩阵。第i个WTG的当前时刻下无功变化量为：

SVG的当前时刻下无功变化量ΔQ^S(t₀)为：

其中，和R^s(t₀)分别表示当前时刻下第i个风机和SVG的下垂增益；和R^s(t₁)分别表示下一时刻下第i个风机和SVG的下垂增益；V_ref(t₀)和V_PCC(t₀)分别表示当前时刻下的参考电压和PCC点电压。因此电压必须满足关系：

其中V_min和V_max表示电压最小与最大值，V_i(t₀)和V_i(t₁)表示当前时刻和下一采样时刻节点i的电压。

8)根据线路要求，设定优化模型为：

其中，和为第i台风机发出的无功下限值和上限值；和为第i台风机发出的有功下限值和上限值；P_i和Q_i为第i台风机的当前有功和无功功率；V_s，X_s，X_m，I_rmax分别为定子电压、定子电抗、励磁电抗和转子侧电流最大值，由风电机组本身决定；I表示导线载流量；I_max表示线路最大载流量；和为第i台风机发出的有功下限值和上限值；S_W和S_tf分别为风电场的视在功率和主变压器容量。

9)以网侧逆变器和SVG的下垂增益为为变量，求解优化模型得到逆变器和SVG相应的下垂增益修正系数向量R，修正后的下垂增益带入3)中的下垂控制器，进行相应无功补偿。

本发明提出了一种基于改进灵敏度算法的风电场下垂优化控制方法。通过灵敏度计算风机的电压-无功关系，以此作为边界条件，同时为每台WTGs和SVG引入可变的下垂增益系数，以网损最小为目标，下垂增益系数为变量，电压以及其他网络特性为约束条件进行优化。使得SVG和WTGs按照各自最优的下垂方式进行无功输出，该方法既能维持PCC和每台WTGs端电压在正常范围内，提升系统稳定性，还能降低风电场网络损耗，提升运行效率。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种基于改进灵敏度算法的风电场下垂优化控制方法，其特征在于，包括以下步骤：

步骤1：得到风电场相应的导纳矩阵Y_bus，跳转至下一步；

步骤2：为WTGs和SVG分配相应的下垂控制的下垂增益初值：和R^s，分别表示第i个风机和SVG的下垂增益网侧逆变器和SVG的下垂增益集合为跳转至下一步；

步骤3：设置WTGs和SVG的下垂控制，跳转至下一步；

步骤4：进行潮流计算，得到风电场电压、功率分布情况，跳转至下一步；

步骤5：进行无功-电压灵敏度计算，得到即可求得电压波动与功率的灵敏度跳转至下一步；

步骤6：定义系统网损P_loss最小为优化的目标函数，跳转至下一步；

步骤7：利用步骤5中的无功-电压灵敏度对下一时刻的电压进行预测，设定电压边界，跳转至下一步；

步骤8：设定其他边界条件，建立优化模型，跳转至下一步；

步骤9：以网侧逆变器和SVG的下垂增益为为变量，求解步骤8中的优化模型，得到逆变器和SVG相应的下垂增益修正系数向量R，修正后的下垂增益带入步骤3中的下垂控制器，进行相应无功补偿，开始下一轮循环。

2.根据权利要求1所述的基于改进灵敏度算法的风电场下垂优化控制方法，其特征在于，在步骤3中，WTGs和SVG的下垂控制方式为：

其中V_ref和V_PCC分别表示PCC处的参考电压和实测电压；和分别表示第i个风机输出的无功功率和无功功率参考值；Q^S和分别表示SVG的无功功率和无功功率参考值。

3.根据权利要求1所述的基于改进灵敏度算法的风电场下垂优化控制方法，其特征在于，在步骤5中，风电场的视在功率S与节点电压V之间的关系为：

其中，i和j为节点编号；和表示节点i的视在功率和节点电压，V_j表示节点j的电压；Y_bus为导纳矩阵；N为风电场母线的集合；

求偏导可得节点i∈N的电压与节点l∈N输入的无功功率关系为：

其中，P_i和Q_i为节点i注入的有功功率和无功功率；Q_l为节点l注入的无功功率；为偏导符号；与未知变量呈线性关系，因此，在辐射状网络中有唯一解；在求得之后，即可求得电压波动与功率的灵敏度为：

其中，|V_i|为节点i的电压幅值。

4.根据权利要求1所述的基于改进灵敏度算法的风电场下垂优化控制方法，其特征在于，在步骤6中，定义系统网损最小为优化的目标函数：

其中，P_loss为系统的总网损，V_i和V_j分别为支路首段节点i和支路末端节点j的电压，θ_ij为节点i和节点j的相角差，G_ij为节点i和节点j之间的感抗。

5.根据权利要求1所述的基于改进灵敏度算法的风电场下垂优化控制方法，其特征在于，在步骤7中，为了在优化时计算下垂增益系数改变后，无功的变化对电压的影响，采用灵敏度计算方法，通过线性化的电压-无功功率之间的关系求得无功变化对节点电压的影响；

S_QV为电压-无功的灵敏度矩阵，其中：

定义V＝[V₁,…,V_N]和Q＝[Q₁,…,Q_N]为节点电压和功率向量，节点功率变化对节点电压影响为：

△V＝S_QV△Q

其中，ΔV和ΔQ分别表示节点电压和功率的变化量向量，定义t₀为当前采样时间点，t₁为下一个采样节点，则预测的下一时刻电压为：

V(t₁)＝△V(t₀)+V(t₀)≈S_QV△Q(t₀)+V(t₀)

其中V(t₀)和V(t₁)表示当前时刻和下一采样节点的电压向量矩阵；第i个WTG的当前时刻下无功变化量为：

SVG的当前时刻下无功变化量ΔQ^S(t₀)为：

△Q^S(t₀)＝-R^S(t₁)·(V_ref(t₀)-V_PCC(t₀))

+R^S(t₀)·(V_ref(t₀)-V_PCC(t₀))

其中，和R^s(t₀)分别表示当前时刻下第i个风机和SVG的下垂增益；和R^s(t₁)分别表示下一时刻下第i个风机和SVG的下垂增益；V_ref(t₀)和V_PCC(t₀)分别表示当前时刻下的参考电压和PCC点电压；因此电压必须满足关系：

其中V_min和V_max表示电压最小与最大值，V_i(t₀)和V_i(t₁)表示当前时刻和下一采样时刻节点i的电压。

6.根据权利要求1所述的基于改进灵敏度算法的风电场下垂优化控制方法，其特征在于，在步骤8中，设定优化模型为：

其中，和为第i台风机发出的无功下限值和上限值；和为第i台风机发出的有功下限值和上限值；P_i和Q_i为第i台风机的当前有功和无功功率；V_s，X_s，X_m，I_rmax分别为定子电压、定子电抗、励磁电抗和转子侧电流最大值，由风电机组本身决定；I表示导线载流量；I_max表示线路最大载流量；和为第i台风机发出的有功下限值和上限值；S_W和S_tf分别为风电场的视在功率和主变压器容量。