CN111224434A - 光火储混合发电系统的负荷频率协调优化控制方法 - Google Patents

Abstract

本发明公开了一种光火储混合发电系统的负荷频率协调优化控制方法，通过机理分析获得光火储混合发电系统的频率响应状态空间模型，经离散化处理后转化为增量模型，进而建立系统的增量预测模型；分析系统中存在的约束，将其转化为线性矩阵不等式；最后利用模型预测误差和控制增量构造了综合指标函数，对控制量进行在线滚动优化，设计出协调优化控制器作用于系统，从而实现光火储混合发电系统的负荷频率协调优化控制效果。解决了光伏高渗透率引起的系统频率波动问题，通过协调控制，实现储能、传统火电机组与光伏发电机组输出功率的协调配合，改善系统的频率响应性能，并且解决系统中存在的非线性约束问题，避免设备因超负荷工作而造成安全隐患。

Description

光火储混合发电系统的负荷频率协调优化控制方法

技术领域

本发明属于电力系统负荷频率控制技术领域，更具体地，本发明涉及一种光火储混合发电系统的负荷频率协调优化控制方法。

背景技术

太阳能作为绿色无污染的可再生能源成为各国研究的重点，并逐渐推广应用于发电，实现了经济环保的目的。但受制于环境和自身物理特性，其输出功率具有很强的随机波动性，并且新能源渗透率不断提高，使得传统电源的调频能力逐渐弱化，以致调频容量不足，给新能源电力系统的负荷频率控制带来了严峻挑战。电池储能系统响应速度快，控制灵活精确的技术特点使之成为新型的电力系统辅助调频方式，并且随着储能电池技术的飞速发展，利用规模化储能参与电网调频得到实际的应用。对于电池储能在电力调频方向上的应用发展来说，一味的去增加储能容量、扩大装机容量的解决方式显然会使电网建设投资的成本急剧提升，也会降低新能源的利用率，造成资源浪费。因此需要研究合理高效的控制方法，以最大化储能在调频中的利用率。

PID控制是最经典有效的控制方法之一，但其存在参数整定困难、适应能力差等缺点，很难适应复杂电力系统环境的需要。针对上述不足，自适应参数PID方法被广泛研究和应用，其一般采用遗传算法(GA)、粒子群算法(PSO)和模糊推理等智能算法对其参数进行动态整定。但在应用于工作状态波动范围大、随机扰动大、不确定因素多、非线性严重的新能源电力系统调频控制时，控制效果往往不尽令人满意。

由于新能源电力系统和电池储能系统都是典型的多变量、强耦合、非线性系统，不容易进行精确的数学建模，通过常规方法进行储能调频控制器设计的可行性与有效性大大降低。

发明内容

本发明提供一种光火储混合发电系统的负荷频率协调优化控制方法，通过优化后的模型预测控制算法和对系统约束的处理，实现了各机组的协调优化控制。

为了实现上述目的，本发明采取的技术方案为：

一种光火储混合发电系统的负荷频率协调优化控制方法，所述方法具体包括如下步骤：

S1、建立光火储混合发电系统负荷频率控制模型，通过机理分析得到光火储混合发电系统负荷频率控制模型的连续时间状态空间模型；

S2、设置光火储混合发电系统负荷频率控制模型的运行参数，包括：采样时间T_s，预测步长N_p，控制步长N_c，输入输出加权矩阵Q及控制加权矩阵R，参考轨迹Y_r，最大运行时间T_max；

S3、获取光火储混合发电系统负荷频率控制模型的初始信息值，包括负荷频率控制模型输出y(k-1)、状态量x(k-1)、控制信号u(k-1)和扰动信号w(k-1)；

S4、建立光火储混合发电系统负荷频率控制模型的增量模型及输出预测模型；

S5、以预测误差及控制增量构建光火储混合发电系统负荷频率控制模型的优化目标函数，其中，预测误差为输出预测模型输出的预测值与设定预测值的差值，控制增量为增量控制模型输出的控制增量；

S6、将光火储混合发电系统中的非线性约束问题转化成线性矩阵不等式，线性矩阵不等式联合优化目标函数转化成一个标准QP问题；

S7、求解所述QP问题，得到N_c个步长的最优控制增量ΔU_opt(k)，ΔU_opt(k)乘以矩阵

得到第一个步长的最优控制增量Δu_opt(k)；

S8、将控制信号u(k)传送给光火储混合发电系统，以抑制系统频率波动；同时，监测系统的输出y(k)，状态变化量Δx(k)，扰动变化量Δw(k)，并进行上传，其中u(k)＝Δu_opt(k)+u(k-1)；

S9、判断输出y(k)是否为零；若检测结果为是，则光火储混合发电系统频率稳定，完成发电系统负荷频率控制，若检测结果为否，则执行S3，直至达到最大运行时间T_max。

进一步的，增量模型的建立方法具体如下：

S41、读取设置的采样时间值，将连续时间状态空间模型离散化，获取离散化的状态空间模型；

S42、在离散化的空间状态模型中引入算子Δ，算子Δ表示当前时刻与上一时刻的差值，进而得到增量模型。

进一步的，优化目标函数的表达式为：

其中，H表示海森矩阵，Q为输出加权矩阵、R为控制加权矩阵，ΔU(k)表示k时刻的控制增量，E(k)为轨迹误差。

进一步的，步骤S6中的线性矩阵不等式表示如下：

s.t.A_qpΔU≤b_qp

其中，A_qp＝[M_bΦ_x,-M_bΦ_x,M_gΦ_x,-M_gΦ_x,M_tΦ_x,-M_tΦ_x]^T

其中，σ_bmin,σ_bmax分别为电池储能系统的出力下限和上限；σ_gmin,σ_gmax分别为调速器阀位的下限和上限；μ_tmin,μ_tmax分别为发电机GRC速率的下限和上限；

Γ_x表示状态预测模型中状态增量Δx的系数矩阵，Φ_x表示状态预测模型中控制增量Δu的系数矩阵，Υ_x表示状态预测模型中扰动变化量Δw的系数矩阵，Ω_x表示单位系数矩阵，单位系数矩阵Ω_x乘以前一时刻输出y(k-1)等于前一时刻的输出矩阵；

M_b、M_g、M_t分别为定义的电池储能功率变化量，调速器气门开度变化量，汽轮机发电速率的系数矩阵；

ΔU表示N_c个步长的最优控制增量矩阵；

Z_bmin、Z_bmax分别表示电池储能功率限制上限矩阵、电池储能功率限制下限矩阵；Z_gmin、Z_gmax分别表示调速器阀位限制上限矩阵、调速器阀位限制下限矩阵；Z_tmin、Z_tmax表示发电速率约束上限矩阵、发电速率约束下限矩阵。

与现有技术相比，本发明的有益效果在于：

1、本发明针对随着电网中可再生能源渗透率不断提高，传统调频机组已难以解决日益突出的频率波动问题。电池储能接入电力系统时可作为调频电源，为传统机组提供支撑，辅助电力系统调频，抑制系统频率波动。

2、将系统模型转化成增量模型，以此建立系统预测模型，从而可以减小甚至消除系统静态误差，使得算法结果更准确。

3、利用MPC技术处理系统中存在的GRC、阀位限制和储能出力限制等非线性因素，将其转化为线性矩阵不等式，与所设计目标函数相配合，形成一个标准的QP问题。在有限时域内滚动优化求解，得到系统的最优控制信号作用于系统。通过约束处理，可以有效避免设备因超负荷工作带来的安全隐患。

4、本发明所提协调优化控制策略不仅能有效改善光火储混合发电系统的频率响应特性，协调优化机组出力，而且能有效抑制大规模光伏渗透引起的频率波动，实现发电系统安全稳定运行。

附图说明

图1为本发明实施例提供的光火储混合发电系统负荷频率协调优化算法结构图；

图2为本发明实施例提供的光火储混合发电系统负荷频率控制传递函数框图模型；

图3为本发明实施例提供的光火储混合发电系统负荷频率控制流程图。

具体实施方式

下面对照附图，通过对实施例的描述，对本发明的具体实施方式作进一步详细的说明，以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整、准确和深入的理解。

MPC(model predictive control，模型预测控制)是一种广泛应用于工业过程控制领域中的先进计算机控制算法，它能够有效处理复杂多变量系统，保持控制系统的平稳运行。本发明在MPC的基础上，将系统模型转化为增量模型，并以此建立预测输出模型、目标函数以及处理约束问题。如图1所示，在每一个采样时刻k，根据测量到的系统频率偏差Δf、状态变化增量Δx、负荷扰动变化量ΔP_L并通过预测模型得到系统预测输出y_p(k)；参考轨迹y_r(k)是给定的，进而利用优化算法求解出未来N_p个时刻电池储能子系统(简称BESS)、光伏发电子系统(简称PVS)以及火力发电子系统的最优控制增量序列，经过协调优化控制器处理得到控制量u(k)作用于系统；在k+1个采样时刻根据当前时刻采样值，重复完成上一步工作，如此在有限时域内循环往复在线滚动优化。

光火储混合发电系统包括电池储能子系统、火力发电子系统和光伏发电子系统；光火储混合发电系统得负荷频率协调优化控制方法的流程图如图3所示，该方法具体包括如下步骤：

步骤S1：通过模型等效的方式将电池储能子系统、火力发电子系统和光伏发电子系统简化成相应的传递函数，进而得到负荷频率控制系统的模型，负荷频率控制系统的模型如图2所示，通过机理分析得到系统的连续时间状态空间模型如式(1)所示；

其中，x(t),u(t),w(t),y(t)分别为光火储混合发电系统的状态量、控制量、干扰量和输出量，其表达式具体如下：

x(t)＝[ΔP_b,ΔX_g,ΔP_t,ΔP_r,Δf₁,ΔP_tie,ΔP_p,ΔP_pv]^T；u(t)＝[Δu_b,Δu_g,Δu_pv]^T；w(t)＝[ΔP_L1ΔP_L2]^T；y(t)＝[Δf₁,ACE,ΔP_tie]^T；

C分别为系统在连续时间状态下的状态矩阵，输出矩阵，干扰矩阵和输出矩阵，其表达式具体如下：

T₁₂为联络线同步系数；β为频率偏差系数。

光火储混合发电系统包括电池储能子系统，火力发电子系统(简称为火电子系统)和光伏发电子系统，其中，火力发电系统包括：调速器、汽轮机、再热器三个模块组成，通过等效的方法可将各个模块转化为相应的惯性环节和比例环节的组合，其中，

分别表示电池储能、调速器、汽轮机、再热器、电力子系统和光伏子系统的等效传递函数模型。其中K_p表示火力发电机增益系数，T_p表示发电机的惯性时间常数，Δf表示系统的频率偏差，ΔP_b表示BESS的输出功率，ΔP_r表示再热器的输出功率，Δp_pv表示PVS的输出功率，ΔP_L1表示系统受到的负荷扰动，T_b为储能电池的时间常数，K_b为储能电池单位调节系数，Δu_b为BESS控制输出，T_g为调速器时间常数，R调速器速度调节系数，Δu_g为调速器控制输出，T_t为汽轮机时间常数，K_t为汽轮机增益，T_r和K_r分别表示再热器时间常数和再热器的再热系数，K_pv为光伏调频增益系数；T_pv1为光伏电站控制系统下发指令所需时间；T_pv2为光伏电站逆变器执行时间。ΔP_L2表示该地区太阳辐射和温度变化引起的输出功率偏差，Δu_pv为PVS控制输出；ΔX_g调速器阀门开度；ΔP_t汽轮机功率输出；ΔP_r再热器功率输出；Δf₁为光火储发电系统频率偏差；ΔP_tie为联络线功率偏差；ΔP_p为光伏过渡功率；ACE为控制误差信号。

步骤S2：在计算机监测和管理系统中设置运行参数，采样时间T_s，预测步长N_p，控制步长N_c，输入输出加权矩阵Q及控制加权矩阵R，参考轨迹Y_r，最大运行时间T_max，并设置初始值k＝1。

步骤S3：监测系统获取光火储混合发电系统的初始信息值，包括系统的输出y(k-1)，状态量x(k-1)，控制信号u(k-1)和扰动信号w(k-1)。

步骤S4：建立系统增量模型

系统读取设置的采样时间值，将式(1)模型离散化，得到离散化模型，如公式(2)所示：

为减小乃至消除系统的静态误差，在此算算法进行优化处理，引入算子Δ，表示当前时刻与上一时刻的差值，进而得到系统的增量模型如式(3)所示。

其中，Δx(k+1)为光火储混合发电系统的在第(k+1)个采样周期的离散状态增量；Δx(k),Δu(k),Δw(k)分别为系统k时刻的离散状态增量、控制增量、扰动增量；Δy(k)表示系统的输出增量；

其中，A、B_u和B_w分别为离散化系统状态空间模型的状态矩阵，输出矩阵，干扰矩阵，式中

步骤S5：基于式(3)所示增量模型建立系统预测模型如下式：

ΔX＝Γ_xΔx(k)+Φ_xΔU(k)+Υ_xΔw(k) (4)

其中：ΔX＝[Δx(k+1|k) Δx(k+2|k)…Δx(k+N_p|k)]^T，其中，Δx(k+N_p|k)在k时刻根据预测模型预测到的系统在k+N_p时刻状态变化量；Γ_x表示状态预测模型中状态增量Δx的系数矩阵，Φ_x表示状态预测模型中控制增量ΔU的系数矩阵，Υ_x表示状态预测模型中扰动变化量Δw的系数矩阵；

可推导出系统对未来的预测输出方程的矩阵形式如下：

Y_p(k)＝Γ_yΔx(k)+Φ_yΔU(k)+Ω_yy(k)+Υ_yΔw(k) (5)

式中：Y_p(k+1|k)＝[y(k+1|k) y(k+2|k)…y(k+N_p|k)]^T；

ΔU＝[Δu(k+1|k) Δu(k+2|k)…Δu(k+N_c|k)]^T；

其中，Γ_y表示输出预测模型中状态增量Δx的系数矩阵，Φ_y表示输出预测模型中控制增量ΔU的系数矩阵，Υ_y表示输出预测模型中扰动变化量Δw的系数矩阵，Ω_y为前一时刻输出量的单位系数阵，I_nc*nc表示nc行nc列的单位矩阵。

步骤S6：以预测误差和控制增量组成的综合指标函数建立系统的优化目标函数，如式(6)～(7)所示；

进一步化简可得

形式变换可得

其中，

步骤S7：为避免机组设备因超负荷工作带来安全隐患，在此对光火储混合发电系统中的非线性约束问题进行处理，将其转化成线性矩阵不等式，如式(8)～(10)

由于储能电池受制于自身的物理特性，为延长储能电池的循环使用寿命，在其参与调频时给储能出力施加约束，表示如下：

σ_bmin≤ΔP_b(k)≤σ_bmax (8)

定义F_b＝[1,0,0,0,0,0,0,0]，则ΔP_b＝F_bx，从而式(8)可变换为：

σ_bmin≤F_bx≤σ_bmax (9)

令

则式(9)可变换为：

调速器阀位限制可表示为：

σ_gmin≤ΔX_g(k)≤σ_gmax (11)

定义F_g＝[0,1,0,0,0,0,0,0]，则ΔX_g＝F_gx，从而式(11)可变换为：

σ_gmin≤F_gx≤σ_gmax (12)

令

则式(12)可变换为：

发电机GRC约束可表示为

即

令F_t＝[0,0,1,0,0,0,0,0],则ΔP_t＝F_tΔx，

从而式(14)可变换为：

μ_tmin≤F_tΔx≤μ_tmax (15)

令

则式(15)可变换为：

综上可将约束化简为如下形式：

s.t.A_qpΔU≤b_qp (17)

式中，A_qp＝[M_bΦ_x,-M_bΦ_x,M_gΦ_x,-M_gΦ_x,M_tΦ_x,-M_tΦ_x]^T

σ_bmin,σ_bmax分别为电池储能系统的出力下限和上限；σ_gmin,σ_gmax分别为调速器阀位的下限和上限；μ_tmin,μ_tmax分别为发电机GRC速率的下限和上限；这些限制值均可进行设置；M_b、M_g、M_t分别为定义的电池储能功率变化量，调速器气门开度变化量，汽轮机发电速率的系数矩阵；ΔU表示N_c个步长的最优控制增量矩阵；Z_bmin、Z_bmax分别表示电池储能功率限制上限矩阵、电池储能功率限制下限矩阵；Z_gmin、Z_gmax分别表示调速器阀位限制上限矩阵、调速器阀位限制下限矩阵；Z_tmin、Z_tmax表示发电速率约束上限矩阵、发电速率约束下限矩阵。

步骤8：将求解控制信号的问题即可转化为一个含约束的标准QP(quadraticprogramming，二次规划)问题如下：

步骤S9：通过计算机监测和管理系统求解式(7)和式(17)所表达的QP问题，得到控制增量最优解为ΔU_opt(k)，ΔU_opt(k)为N_c个步长的最优控制增量，但是在一个时刻只需要一个步长的控制增量，故而乘以矩阵

得到第一个步长的最优控制增量Δu_opt(k)，并以此滚动优化求解得到k时刻的最优控制量，其表达式如式(19)、(20)所示：

u(k)＝Δu_opt(k)+u(k-1) (20)

步骤S10：通过计算机监测和管理系统将控制信号u(k)传送给光火储混合发电系统，发电系统及时动作以抑制系统频率波动。同时，监测系统对系统的输出量y(k)，状态变化量Δx(k)，扰动变化量Δw(k)进行采集，上传至计算机管理端。

步骤S11：判断输出y(k)是否为零；若检测结果为是，则光火储混合发电系统的负荷频率协调优化控制，若检测结果为否，则执行S3，完成对下一个时刻的负荷频率协调优化控制，直至达到最大运行时间T_max。

与现有技术相比，本发明的有益效果在于：

1、本发明针对随着电网中可再生能源渗透率不断提高，传统调频机组已难以解决日益突出的频率波动问题。电池储能接入电力系统时可作为调频电源，为传统机组提供支撑，辅助电力系统调频，抑制系统频率波动。

2、将系统模型转化成增量模型，以此建立系统预测模型，从而可以减小甚至消除系统静态误差，使得算法结果更准确；

3、利用MPC技术处理系统中存在的GRC、阀位限制和储能出力限制等非线性因素，将其转化为线性矩阵不等式，与所设计目标函数相配合，形成一个标准的QP问题。在有限时域内滚动优化求解，得到系统的最优控制信号作用于系统。通过约束处理，可以有效避免设备因超负荷工作带来的安全隐患。

4、本发明所提协调优化控制策略不仅能有效改善光火储混合发电系统的频率响应特性，协调优化机组出力，而且能有效抑制大规模光伏渗透引起的频率波动，实现发电系统安全稳定运行。

上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种非实质性的改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围之内。

Claims (4)

1.一种光火储混合发电系统的负荷频率协调优化控制方法，其特征在于，所述方法具体包括如下步骤：

S1、建立光火储混合发电系统负荷频率控制模型，通过机理分析得到光火储混合发电系统负荷频率控制模型的连续时间状态空间模型；

S2、设置光火储混合发电系统负荷频率控制模型的运行参数，包括：采样时间T_s，预测步长N_p，控制步长N_c，输入输出加权矩阵Q及控制加权矩阵R，参考轨迹Y_r，最大运行时间T_max；

S3、获取光火储混合发电系统负荷频率控制模型的初始信息值，包括负荷频率控制模型输出量y(k-1)、状态量x(k-1)、控制信号u(k-1)和扰动信号w(k-1)；

S4、建立光火储混合发电系统负荷频率控制模型的增量模型及输出预测模型；

S5、以预测误差及控制增量构建光火储混合发电系统负荷频率控制模型的优化目标函数，其中，预测误差为输出预测模型输出的预测值与设定预测值的差值，控制增量为增量控制模型输出的控制增量；

S6、将光火储混合发电系统中的非线性约束问题转化成线性矩阵不等式，线性矩阵不等式联合优化目标函数转化成一个标准QP问题；

S7、求解所述QP问题，得到N_c个步长的最优控制增量ΔU_opt(k)，ΔU_opt(k)乘以矩阵

得到第一个步长的最优控制增量Δu_opt(k)；

S8、将控制信号u(k)传送给光火储混合发电系统，以抑制系统频率波动；同时，监测系统的输出量y(k)，状态变化量Δx(k)，扰动变化量Δw(k)，并进行上传，其中u(k)＝Δu_opt(k)+u(k-1)；

S9、判断输出量y(k)是否为零；若检测结果为是，则光火储混合发电系统频率稳定，完成发电系统负荷频率控制，若检测结果为否，则执行S3，直至达到最大运行时间T_max。

2.如权利要求1所述光火储混合发电系统的负荷频率协调优化控制方法，其特征在于，增量模型的建立方法具体如下：

S41、读取设置的采样时间值，将连续时间状态空间模型离散化，获取离散化的状态空间模型；

S42、在离散化的空间状态模型中引入算子Δ，算子Δ表示当前时刻与上一时刻的差值，进而得到增量模型。

3.如权利要求1所述光火储混合发电系统的负荷频率协调优化控制方法，其特征在于，优化目标函数的表达式为：

其中，H表示海森矩阵，Q为输出加权矩阵、R为控制加权矩阵，ΔU(k)表示k时刻的控制增量，E(k)为轨迹误差。

4.如权利要求1所述光火储混合发电系统的负荷频率协调优化控制方法，其特征在于，步骤S6中的线性矩阵不等式表示如下：

s.t.A_qpΔU≤b_qp

其中，A_qp＝[M_bΦ_x,-M_bΦ_x,M_gΦ_x,-M_gΦ_x,M_tΦ_x,-M_tΦ_x]^T

其中，σ_bmin,σ_bmax分别为电池储能系统的出力下限和上限；σ_gmin,σ_gmax分别为调速器阀位的下限和上限；μ_tmin,μ_tmax分别为发电机GRC速率的下限和上限；

Γ_x表示状态预测模型中状态增量Δx的系数矩阵，Φ_x表示状态预测模型中控制增量Δu的系数矩阵，Υ_x表示状态预测模型中扰动变化量Δw的系数矩阵，Ω_x表示单位系数矩阵，单位系数矩阵Ω_x乘以前一时刻输出y(k-1)等于前一时刻的输出矩阵；

M_b、M_g、M_t分别为定义的电池储能功率变化量，调速器气门开度变化量，汽轮机发电速率的系数矩阵；ΔU表示N_c个步长的最优控制增量矩阵；

Z_bmin、Z_bmax分别表示电池储能功率限制上限矩阵、电池储能功率限制下限矩阵；Z_gmin、Z_gmax分别表示调速器阀位限制上限矩阵、调速器阀位限制下限矩阵；Z_tmin、Z_tmax表示发电速率约束上限矩阵、发电速率约束下限矩阵。

Images