CN111756050A - 一种风电场群分布式电压协调控制方法及系统 - Google Patents
一种风电场群分布式电压协调控制方法及系统 Download PDFInfo
- Publication number
- CN111756050A CN111756050A CN202010423551.4A CN202010423551A CN111756050A CN 111756050 A CN111756050 A CN 111756050A CN 202010423551 A CN202010423551 A CN 202010423551A CN 111756050 A CN111756050 A CN 111756050A
- Authority
- CN
- China
- Prior art keywords
- wind power
- control
- voltage
- power plant
- grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/18—Arrangements for adjusting, eliminating or compensating reactive power in networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/16—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by adjustment of reactive power
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开提供了一种风电场群分布式电压协调控制方法及系统,属于风电场控制技术领域,获取风电集群区域中的各个风电场数据,至少包括当前时刻的状态信息、每个风电场并网点参考电压以及公共并网点参考电压;进行双层控制,第一层控制根据获取的风电场数据和第一随机预测控制模型,得到电容投切、电感投切以及有载分接开关变化的最优控制量;第二层控制根据获取的风电场数据和第二随机预测控制模型,得到各风电场的每个风机的无功输出变化量,根据交替方向乘子法进行风电场间的分布式协调优化,得到各个风电场中每个风机的最优无功输出控制量;本公开提高了风电场控制器的可扩展性,具有更好的灵活性和鲁棒性。
Description
技术领域
本公开涉及风电场控制技术领域,特别涉及一种风电场群分布式电压协调 控制方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术,并不必然构成现有 技术。
我国风资源分布不均,大量规模化风电场群远离负荷中心,由电网末端接 入,与电网间呈现弱连接关系,缺乏来自于电网侧坚强、有效的支撑。随着风 电并网规模的不断扩大,风能的不确定性和波动性严重影响着风电场并网电压, 有必要从风电场侧出发,建立无功电压控制系统,利用风电场侧的无功设备平 抑由风速波动带来的电压波动。
目前风电场无功电压控制研究主要围绕两个层面展开:(1)风电场内部电 压控制;(2)多风电场间的电压协调。一般而言,风电场具有控制场内多种无 功设备的能力,有研究人员基于模型预测控制(Model predictive control,MPC) 协调了场内多种无功补偿设备,并实现了风电场自身并网点(Point of coupling, POC)电压的实时、稳定控制。不过,上述研究都是针对单一风电场进行的。 随着目前风场数量增多、容量增大,且多以集中方式接入电网,以单场为单位 进行独立控制慢慢表现出不协调和复杂性的特点,不能兼顾全局电压稳定。部 分地区为了满足电压要求,不得不限制风电出力,严重降低了清洁能源的利用 率。因此,有必要在风电集群区域范围内对风电场群电压进行统一管理与控制。
本公开发明人发现,全局优化控制策略是实现风电场间协调配合并满足电 压控制要求的有效途径;但是现有全局控制方法的控制周期较长,无法应对短 时风功率波动对电压造成的影响;随着风电装机容量的持续增长,中央控制器 的计算负担急剧增加;控制性能严重依赖于通信系统和中央控制器的性能和可 靠性,缺乏足够的鲁棒性和灵活性;已有集中控制策略可能不适合未来几十个 甚至上百个风场间的实时、协调控制。
此外,风电输出具有不确定性,已有的基于MPC的风电场电压控制很大程 度上依赖于风功率预测信息的准确性,并未充分考虑风功率预测误差而产生的 电压越限风险,而且虽然MPC对预测误差具有一定的鲁棒性,但随着预测误差 的增大,极易造成电压控制存在较大偏差或越限,因此MPC无法完全地处理风 电不确定性。
发明内容
为了解决现有技术的不足,本公开提供了一种风电场群分布式电压协调控 制方法及系统,进行双层控制,在上层控制中,利用分钟级风功率预测信息在 长时间尺度集中优化协调风电集群区域范围内的电容/电感投切量以及有载调压 变压器分接头位置;在下层控制中,各风场单独构成一个控制区域,优化协调 场内各风机无功输出;相邻风电场之间交互秒级风功率预测信息以及无功功率 等信息,基于交替方向乘子法实现了不同风电场在短时间尺度的无功协调,与 集中控制相比,本公开具有更好的灵活性和鲁棒性。
为了实现上述目的,本公开采用如下技术方案:
本公开第一方面提供了一种风电场群分布式电压协调控制方法。
一种风电场群分布式电压协调控制方法,包括以下步骤:
获取风电集群区域中的各个风电场数据,至少包括当前时刻的状态信息、 每个风电场并网点参考电压以及公共并网点参考电压;
以公共并网点电压的电压偏差和各个风电场并网点电压的电压偏差之和最 小为控制目标,进行双层控制;
第一层控制根据获取的风电场数据和第一随机预测控制模型,得到电容投 切、电感投切以及有载分接开关变化的最优控制量;
第二层控制根据获取的风电场数据和第二随机预测控制模型,得到各风电 场的每个风机的无功输出变化量,根据交替方向乘子法进行风电场间的分布式 协调优化,得到各个风电场中每个风机的最优无功输出控制量。
本公开第二方面提供了一种风电场群分布式电压协调控制系统。
一种风电场群分布式电压协调控制系统,包括:
数据获取模块,被配置为:获取风电集群区域中的各个风电场数据,至少 包括当前时刻的状态信息、每个风电场的并网点参考电压以及公共并网点参考 电压;
目标函数构建模块,被配置为:以公共并网点电压的电压偏差和各个风电 场并网点电压的电压偏差之和最小为控制目标,进行双层控制;
第一层控制模块,被配置为:第一层控制根据获取的风电场数据和第一随 机预测控制模型,得到电容投切、电感投切以及有载分接开关变化的最优控制 量;
第二层控制模块,被配置为:第二层控制根据获取的风电场数据和第二随 机预测控制模型,得到各风电场的每个风机的无功输出变化量,根据交替方向 乘子法进行风电场间的分布式协调优化,得到各个风电场中每个风机的最优无 功输出控制量。
本公开第三方面提供了一种介质,其上存储有程序,该程序被处理器执行 时实现如本公开第一方面所述的风电场群分布式电压协调控制方法中的步骤。
本公开第四方面提供了一种电子设备,包括存储器、处理器及存储在存储 器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本公开第 一方面所述的风电场群分布式电压协调控制方法中的步骤。
与现有技术相比,本公开的有益效果是:
1、本公开提供的方法、系统、介质及电子设备,在上层控制中,利用分钟 级风功率预测信息在长时间尺度集中优化协调风电集群区域范围内的电容/电感 投切量以及有载调压变压器分接头位置;在下层控制中,各风场单独构成一个 控制区域,优化协调场内各风机无功输出。相邻风电场之间交互秒级风功率预 测信息以及无功功率等信息,基于交替方向乘子法实现了不同风电场在短时间 尺度的无功协调,提高了风电场控制器的可扩展性,与集中控制相比,具有更 好的灵活性和鲁棒性。
2、本公开提供的方法、系统、介质及电子设备,在已有MPC基础上考虑 风功率预测误差的概率分布信息,将随机预测控制模型(Stochastic model predictive control,SMPC)引入风电场电压控制,通过机会约束来处理预测误差 导致的电压越限风险,保证了电压控制效果。
3、本公开提供的方法、系统、介质及电子设备,基于交替方向乘子法在风 电场间实施分布式控制,各个风电场控制器并行计算,每个风电场控制器只需 求解本地SMPC优化控制问题,在不损失全局最优解的前提下,显著降低了控 制器的计算负担。
4、本公开提供的方法、系统、介质及电子设备,不仅可以在长时间尺度充 分发挥离散设备的无功补偿能力,为风电并网提供充足的无功支撑;更可在短 时间尺度优化协调各风场无功输出以应对短时风电随机波动,从长、短两个时 间尺度对风电集群区域范围内的电压进行垂直控制,协调了离散和连续设备。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公 开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1为本公开实施例1提供的风电场群分布式电压协调控制方法的流程示 意图。
图2为本公开实施例1提供的风电集群区域网络架构的示意图。
图3为本公开实施例1提供的分布式协调控制结构的示意图。
图4为本公开实施例1提供的风场间通信拓扑图。
图5为本公开实施例1提供的各风场风功率示意图。
图6为本公开实施例1提供的电压控制结果示意图。
图7为本公开实施例1提供的四种控制方式下VPCC的对比示意图。
图8为本公开实施例1提供的四种控制方式下VPOC的对比示意图。
图9为本公开实施例1提供的将DSMPC的控制周期缩短为2s甚至1s,各 风场的并网点电压控制效果图。
图10为本公开实施例1提供的通信故障时的仿真结果示意图。
图11为本公开实施例1提供的各风场并网点电压示意图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。 除非另有指明,本实施例使用的所有技术和科学术语具有与本公开所属技术领 域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图 限制根据本公开的示例性实施方式。如在这里所使用的,除非上下文另外明确 指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说 明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器 件、组件和/或它们的组合。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
实施例1:
如图1所示,本公开实施例1提供了一种风电场群分布式电压协调控制方法, 具体为:
在上层控制中,利用分钟级风功率预测信息在长时间尺度集中优化协调风 电集群区域范围内的电容/电感投切量,以及有载调压变压器分接头位置。
在下层控制中,各风场单独构成一个控制区域,优化协调场内各风机无功 输出。相邻风电场之间交互秒级风功率预测信息以及无功功率等信息,基于交 替方向乘子法(ADMM)实现不同风电场在短时间尺度的无功协调。
另外:采用电流注入法计算电压灵敏度系数以提高了计算效率。
典型的风电集群区域网架结构如图2所示,各风场输出功率通过输电线路汇 集后经主变压器升压接入外部电网;其中:n表示风场数量;POC为风电场并网 点;PCC为风电集群区域公共并网点。
风电场之间的分布式控制结构如图3所示。每一个风电场(WF)都拥有分 布式协调控制器(DCC)。
相邻风电场之间交互各自风电场对应秒级风功率预测信息Ppre、当前时刻有 功功率输出P以及无功功率输出Q、无功功率参考Qref、以及各自并网点电压VPOC等 信息。
从图2和图3可以看出,本实施例所提控制策略不仅可以在长时间尺度充分 发挥离散设备的无功补偿能力,为风电并网提供充足的无功支撑;更可在短时 间尺度优化协调各风场无功输出以应对短时风电随机波动。同时,基于交替方 向乘子法,每个DCC只需求解本地SMPC优化控制问题,在不损失全局最优解的 前提下,显著降低了控制器的计算负担。与集中控制相比,具有更好的灵活性。
随机预测控制模型(Stochastic model predictive control,SMPC)受到广泛关注。SMPC利用预测值的概率分布信息来量化预测的不确定性,并将这些量化的 不确定性纳入SMPC公式以形成机会约束的随机优化问题,SMPC是处理风功率 随机波动的有效工具。
风电集群区域具有与配电网相同的径向结构,电压等级较低,R/X比值较大, 使得牛顿-拉夫森法在计算灵敏度系数时有时不能收敛。因此,采用电流注入法 计算电压灵敏度系数以提高计算效率。
S1:灵敏度系数计算
S1.1:有功与无功电压灵敏度系数
假设一个具有N个节点的系统,节点1为平衡节点,其余节点为PQ节点。其 中,平衡节点的电压幅值保持V1=Vsl不变,其余PQ节点的电压Vi和电流Ii可通过 导纳矩阵建立如下关系式:
式中:i=2,3,···,N;Y为相应节点的自导纳或互导纳。
将式(1)中的导纳矩阵求逆,PQ节点上的电压Vi和电流Ii可经由阻抗矩阵 建立如下关系式:
其中阻抗矩阵第一列中的γ是由导纳阵求逆得到的相应系数;Z为相应节点 的自阻抗或互阻抗。
在式(2)中,假设除节点k以外的电流全为0,节点j的电压Vj满足如下关系 式:
γj1Vsl+ZjkIk=Vj k、j=2,L,N (3)
节点k注入的电流Ik可由节点k注入的功率Pk,Qk及对应节点电压Vk求得:
式中:re代表实部,im代表虚部。
合并变量γj1和Vsl,使得Vγj=γj1Vsl,式(3)可进一步表示为:
式中:Rjk+jXjk=Zjk,其中Rjk代表Zjk的实部,Xjk代表Zjk的虚部。
(注意:该表达形式在整个研究中都代表偏导)。
S1.2:有载调压变压器分接头(OLTC,On Load Tap Changer)位置变化量 灵敏度系数
假设OLTC位于系统中i、k节点之间,当节点i端的分接头位置Ti已知时,变 压器两端电压、电流满足如下关系:
由式(7)可知i、k两端的电流变化满足:
与式(2)类似,当需要调整节点k的电压时,由节点i和节点k的电流变化量 可知,节点k的电压Vk满足如下关系式:
同样,当需要调节j节点电压时,节点j的电压Vj满足如下关系式:
γj1Vsl+ZjiΔIi+ZjkΔIk=Vj (10)
S2:预测模型
S21:上层预测模型
上层控制变量为电容/电感投切量,以及OLTC位置变化量。考虑到各风场在 一个控制周期内有功功率变化的影响,将上层每个控制周期TH划分为Hm个更小 时间点。公共并网点电压VPCC、以及各个风电场并网点电压VPOC_i在风电场有功 波动及变压器和电容/电感共同作用下满足:
式中:k=1,2,···,Hm×Hp,Hp表示上层预测时域内控制周期的个数,(0) 为预测开始时间,(k)表示预测步骤k,ΔQC表示电容器发出无功功率变化量,ΔQL表示电感消耗无功功率变化量。
选取式(11)和(12)中的VPCC、VPOC_i作为状态变量;ΔT、ΔQC、ΔQL作为 控制输入;风场有功波动ΔPH作为扰动信息,建立如下预测模型:
式中:
系数矩阵为:
式中:I表示单位矩阵。
S22:下层预测模型
公共并网点电压VPCC、以及各个风电场并网点电压VPOC_i同时受风场有功和 无功出力影响。风场有功出力在一个控制周期内是时刻变化的;同时,场内风 机在控制点收到无功变化指令后,会经一阶惯性环节过渡到稳态值。
与上层类似,将下层控制周期TL划分为Lm个更小时间点,无功响应比例si k _l在 各时间点满足:
式中:k=1,2,···,Lm×Lp。Lp表示下层预测时域内控制周期的个数。Δt表 示采样时间间隔,满足:Δt=TL/Lm。
式中:pi_l为第i个风电场中第l台风机实际有功功率;表示第i个风电场中 第l台风机在一个无功指令周期中,第k个更小时间点的无功响应系数;表示第 j个风电场在一个无功指令周期中,第k个更小时间点的无功响应系数;m为场内 风机总数。如果WF i与WF j有通信连接,aij=1,否者,aij=0。
选取式(17)(18)中的作为状态变量;风场WF-i的无功输出ΔQi作为控制输入;风场WF-i的有功输出以及相邻风场的有功无功输出作为扰动信 息ΔWi,结合风机无功响应的动态过程,依据状态空间模型,建立输入与输出之 间的预测模型:
系数矩阵Ai、Bi、Ci和Di为:
其中:
S3:目标函数
上层集中控制的目标是保持公共并网点电压VPCC、以及各个风电场并网点电 压VPOC_i在允许范围内。据此,以电压偏差最小为目标,建立目标函数:
式中:WPCC、WPOC_i为对应权重系数。
约束条件如下:
目标函数为:
约束条件如下:
S4:SMPC约束转换及ADMM流程
(13)和(19)中的预测模型以及(24)、(26)中的目标函数都可以简 写为统一形式:
其中:Wy为对应权重系数。
满足约束:
其中:α∈(0,1)。
S41:机会约束转化
风场有功输出变化量ΔP(k)、有功预测输出变化量ΔPpre(k)以及预测误差变化量Δε(k)之间满足:
ΔP(k)=ΔPpre(k)+Δε(k) (31)
由式(28)可以看出,控制输出y与随机变量Δε线性相关,Δε的随机性可以 通过y来反映。这样,y也是随机变量。通过引入新的变量e(k)可将目标函数(29) 转化为如下形式:
满足约束:
约束(33)中的输出约束可进一步转化为:
此时,式(33)中的所有约束都转化为确定性线性不等式。因此,SMPC模 型可以描述为一个凸二次规划问题,可以使用专业工具完成求解。
S42:下层分布式控制流程
如图2所示,在下层控制中,各风场单独构成一个控制区域,优化协调场内 各风机无功输出。同时,采用ADMM实现风电场间的分布式协调优化。
以WF i为例,令zi表示风机无功输出辅助变量,λi表示风机无功功率输出约 束的拉格朗日乘子,ρi表示惩罚因子。
式(26)的增广拉格朗日函数可表示为:
然后,在此基础上,依据如下函数更新辅助变量zi:
S5:算例分析
搭建如图1所示风电集群区域仿真模型,风电场数量n=9,各风电场的额定 容量都为:Pe_i=20×5MW。风电场群由OLTC升压后经长距离输电线路连接至 IEEE 14节点系统,且位于末端14节点处。OLTC的分接头位于高压侧,可调节 量为:±8×1.25%。电容器的容量为:100×1Mvar。电抗器的容量为:100×1Mvar。
下层分布式控制中,风场间的通信拓扑如图4所示。
以进行仿真分析以验证本实施例方法,在上层控制中,VPCC、VPOC_i应满足:VPCC∈[0.98,1.02]p.u.、VPOC_i∈[1.00,1.06]p.u.;在下层 控制中,VPCC、VPOC_i应满足:VPCC∈[0.99,1.01]p.u.、VPOC_i∈[1.02,1.04]p.u.。另 外:αPCC=αPOC_i=0.9。仿真中,上层控制依据未来一个控制周期中,12个点的预测 信息(Hp=1,Hm=12),每2min优化协调一次OLTC分接头位置、以及电抗器/电容 器投切容量;下层控制每隔0.5s将电压、有功和无功功率等实测数据上传给风场 内电压控制系统DCC,并依据未来三个控制周期中,24个点的预测信息(Lp=3, Lm=8),每隔4s将优化后无功出力参考指令作用于风机。
仿真时长为120s,其中:各风场的实际功率输出如图5所示。
S51:上层控制效果
考虑到离散控制设备的动作周期一般较长,为与风场中具有快速无功调节 能力的DFIG相配合,本实施例提出了两层控制策略,并按不同时间尺度控制不 同补偿设备。在上层控制中只有离散控制设备被使用。为检验其在较长时间尺 度的电压控制效果,仅让上层控制动作,电压控制效果如图6所示。
由图5中的(a)可以看出,对公共并网点电压VPCC而言,控制前后都能保持电 压在规定范围内,差异较小。观察图5中的(b)可以发现,如果不采取任何控制, VPOC整体相对高于参考电压且在60s及80s附近,部分风场的并网点 电压将超出允许范围。由图5中的(c)可以看出,当上层采取动作,各风场并网点 电压都将保持在允许范围内。结合表1中VPCC、VPOC相对于参考电压的偏差均值可知,上层控制可 以有效减少电压控制偏差,且使电压整体相对均匀分布在参考电压附近。
表1:整个仿真过程的期望μ
S52:下层控制效果
本实施例在下层控制中采用了分布式控制方法,目的是为了实现风电场间 无功功率的快速协调。为了说明方法的有效性,设计了如下4个仿真场景。
1)、模型预测控制MPC;
2)、随机模型预测控制SMPC;
3)、分布式随机模型预测控制DSMPC;
4)、集中式随机模型预测控制CSMPC。
在各仿真场景中,上层采用本实施例说提SMPC,下层控制周期均为4s。其 中:在场景MPC中,不考虑预测误差的影响,认为ΔP=ΔPpre。且场景MPC与场景 SMPC一样,不与相邻风场叫交互信息,即令预测模型中的通讯系数矩阵 [aij]9×9=[0]9×9。在场景CSMPC中,假设存在一个集中控制器,统一控制风电集群 区域范围内的所有风机,各场景下的电压控制效果如图7所示。
由图7可以看出,四种控制方式下,VPCC波动情况基本相同,表2中的δ亦可 以体现出这一特点。而就控制偏差的期望而言,CSMPC最小,且本实施例所提 DSMPC与其具有基本相同的控制效果。
观察图8可以发现,四种控制方式下的VPOC有明显区别。MPC因为没有考虑 预测误差的影响,在20s、40s、80s等多个时刻附近违反电压约束。考虑预测误 差的影响后,SMPC可以有效地将各风场并网点电压控制在允许范围内。而本实 施例所提DSMPC在各风场自主控制的基础上,与相邻风场进行信息交互,实现 了各风场之间的协调,使得各风场并网点电压都趋近于参考值,且控制效果接 近于CSMPC。
不过,CSMPC每次的计算时间在2.5s左右,而DSMPC可以在0.2s内就能完 成优化计算。如果将DSMPC的控制周期缩短为2s甚至1s,各风场的并网点电压 控制效果如图9所示。
由图9可以看出,DSMPC的控制周期为2s时,其控制效果基本与CSMPC相 同。当DSMPC的控制周期缩短为1s时,控制效果明显优于CSMPC。为更直观的 体现出不同控制周期的DSMPC与CSMPC的区别,将不同控制周期下 的期望和标准差记录在表3中:
由表3可以看出,当DSMPC的控制周期为2s时,风电场整体并网点电压相对 于参考值的偏差与CSMPC相同,两者具有相同的控制效果。进一步缩小DSMPC 的控制周期后,可以取得比CSMPC更好的控制效果。
S53:通讯故障
为检验本实施例所提下层分布式控制方法在通讯故障时的鲁棒性。假设在 60s时,WF6和WF7之间出现通讯故障,不再相互交互信息,仿真结果如图10所 示。
如图10所示,尽管WF6和WF7之间存在通信链路故障,但DSMPC仍然可以 提供与图9中的(a)相同的控制性能,这体现了良好的鲁棒性。究其原因是因为风 电场间的通信网络在通信失败后仍然是一个连通的图,体现了风电场通信网络 的鲁棒性,保证了控制的收敛性。
S54:即插即用
本实施例用以检验所提DSMPC控制方法的即插即用能力。其中,WF5在30s 时脱网,76s时重新并网,各风场并网点电压如图11所示。
从图11可以看出,WF5的断开对系统造成的干扰较小,除VPOC_5跌落为汇集 母线电压外,其余各风场并网点电压基本保持不变。虽然WF5的重新连接对系 统影响较大,但VPOC_5迅速回归到参考电压附近,且系统经几个控制周期的修正 后可以重新恢复稳定。而对于集中控制而言,风电场的任何变化,如WF的断开 /重连或扩展,都会导致中央控制器的修改,灵活性降低。
针对风电集群区域范围内,随机风电波动对电压控制的影响,本实施例提 出了一种基于分布式随机模型预测的风电场两层电压控制策略。利用机会约束 将预测误差的概率分布引入SMPC公式,上层可在长时间尺度减小风功率引起的 大波动,下层在局部测量的基础上,利用ADMM算法进行分布式协同电压控制。 仿真结果表明,下层分布式电压控制与集中电压控制具有相同的控制性能,且 DSMPC对通信链路失效以及风场即插即用都具有良好的鲁棒性。与集中控制相 比,由于其灵活性,对于未来数百甚至数千个风机的大规模风电场或风电集群, 所提出的分布式控制方案将更为适用。
实施例2:
本公开第二方面提供了一种风电场群分布式电压协调控制系统,包括:
数据获取模块,被配置为:获取风电集群区域中的各个风电场数据,至少 包括当前时刻的状态信息、每个风电场的并网点参考电压以及公共并网点参考 电压;
目标函数构建模块,被配置为:以公共并网点电压的电压偏差和各个风电 场并网点电压的电压偏差之和最小为控制目标,进行双层控制;
第一层控制模块,被配置为:第一层控制根据获取的风电场数据和第一随 机预测控制模型,得到电容投切、电感投切以及有载分接开关变化的最优控制 量;
第二层控制模块,被配置为:第二层控制根据获取的风电场数据和第二随 机预测控制模型,得到各风电场的每个风机的无功输出变化量,根据交替方向 乘子法进行风电场间的分布式协调优化,得到各个风电场中每个风机的最优无 功输出控制量。
所述系统的工作方法与实施例1提供的风电场群分布式电压协调控制方法 的步骤相同,这里不再赘述。
实施例3:
本公开实施例3提供了一种介质,其上存储有程序,该程序被处理器执行时 实现如本公开实施例1所述的风电场群分布式电压协调控制方法中的步骤,所述 步骤为:
获取风电集群区域中的各个风电场数据,至少包括当前时刻的状态信息、 每个风电场并网点参考电压以及公共并网点参考电压;
以公共并网点电压的电压偏差和各个风电场并网点电压的电压偏差之和最 小为控制目标,进行双层控制;
第一层控制根据获取的风电场数据和第一随机预测控制模型,得到电容投 切、电感投切以及有载分接开关变化的最优控制量;
第二层控制根据获取的风电场数据和第二随机预测控制模型,得到各风电 场的每个风机的无功输出变化量,根据交替方向乘子法进行风电场间的分布式 协调优化,得到各个风电场中每个风机的最优无功输出控制量。
详细步骤与实施例1中的控制方法相同,这里不再赘述。
实施例4:
本公开实施例4提供了一种电子设备,包括存储器、处理器及存储在存储器 上并可在处理器上运行的程序,所述处理器执行所述程序时实现如本公开实施 例1所述的风电场群分布式电压协调控制方法中的步骤,所述步骤为:
获取风电集群区域中的各个风电场数据,至少包括当前时刻的状态信息、 每个风电场并网点参考电压以及公共并网点参考电压;
以公共并网点电压的电压偏差和各个风电场并网点电压的电压偏差之和最 小为控制目标,进行双层控制;
第一层控制根据获取的风电场数据和第一随机预测控制模型,得到电容投 切、电感投切以及有载分接开关变化的最优控制量;
第二层控制根据获取的风电场数据和第二随机预测控制模型,得到各风电 场的每个风机的无功输出变化量,根据交替方向乘子法进行风电场间的分布式 协调优化,得到各个风电场中每个风机的最优无功输出控制量。
详细步骤与实施例1中的控制方法相同,这里不再赘述。
本领域内的技术人员应明白,本公开的实施例可提供为方法、系统、或计 算机程序产品。因此,本公开可采用硬件实施例、软件实施例、或结合软件和 硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算 机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储 器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产 品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或 方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结 合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或 其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可 编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个 流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的 指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流 程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使 得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处 理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个 流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程, 是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算 机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。 其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)或随机存储记忆体(RandomAccessMemory,RAM)等。
以上所述仅为本公开的优选实施例而已,并不用于限制本公开,对于本领 域的技术人员来说,本公开可以有各种更改和变化。凡在本公开的精神和原则 之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之 内。
Claims (10)
1.一种风电场群分布式电压协调控制方法,其特征在于,包括以下步骤:
获取风电集群区域中的各个风电场数据,至少包括当前时刻的状态信息、每个风电场并网点参考电压以及公共并网点参考电压;
以公共并网点电压的电压偏差和各个风电场并网点电压的电压偏差之和最小为控制目标,进行双层控制;
第一层控制根据获取的风电场数据和第一随机预测控制模型,得到电容投切、电感投切以及有载分接开关变化的最优控制量;
第二层控制根据获取的风电场数据和第二随机预测控制模型,得到各风电场的每个风机的无功输出变化量,根据交替方向乘子法进行风电场间的分布式协调优化,得到各个风电场中每个风机的最优无功输出控制量。
2.如权利要求1所述的风电场群分布式电压协调控制方法,其特征在于,以当前时刻的公共并网点电压和当前时刻的每个风电场的并网参考电压为状态变量,以电容投切量、电感投切量以及有载调压变压器分接头的位置变化量为控制输入,以风场有功波动量为扰动信息,构建第一随机预测控制模型。
4.如权利要求1所述的风电场群分布式电压协调控制方法,其特征在于,以某个风电场预测得到的公共并网点电压和此风电场的并网点为状态变量,此风电场的无功输出作为控制输入,此风电场的有功输出以及相邻风场的有功和无功输出作为扰动信息,构建第二随机预测控制模型。
6.如权利要求1所述的风电场群分布式电压协调控制方法,其特征在于,各独立风电场根据k时刻风机无功输出辅助变量、风机无功功率输出约束的拉格朗日乘子、惩罚因子以及风场内的风机状态进行独立并行优化,得到下一时刻各风机无功输出变化量;
更新下一时刻的风机无功输出辅助变量,根据下一时刻各风机无功输出变化量以及风机无功输出辅助变量,得到原始残差和对偶残差;
当原始残差和对偶残差均小于各自对应的预设阈值时,得到各个风机最优的无功输出变化量。
7.如权利要求1所述的风电场群分布式电压协调控制方法,其特征在于,在进行第一层控制和第二层控制时,每个控制周期均划分为多个时间段;
或者,第一随机预测控制模型和第二随机预测控制模型的约束均通过机会约束转换的方式,转化为确定性线性不等式;
或者,当前公共并网点电压的电压偏差为当前公共并网点电压与公共并网点参考电压的差值,各个风电场并网点电压的电压偏差为当前每个风电场并网点电压与对应的风电场并网点参考电压的差值。
8.一种风电场群分布式电压协调控制系统,其特征在于,包括:
数据获取模块,被配置为:获取风电集群区域中的各个风电场数据,至少包括当前时刻的状态信息、每个风电场的并网点参考电压以及公共并网点参考电压;
目标函数构建模块,被配置为:以公共并网点电压的电压偏差和各个风电场并网点电压的电压偏差之和最小为控制目标,进行双层控制;
第一层控制模块,被配置为:第一层控制根据获取的风电场数据和第一随机预测控制模型,得到电容投切、电感投切以及有载分接开关变化的最优控制量;
第二层控制模块,被配置为:第二层控制根据获取的风电场数据和第二随机预测控制模型,得到各风电场的每个风机的无功输出变化量,根据交替方向乘子法进行风电场间的分布式协调优化,得到各个风电场中每个风机的最优无功输出控制量。
9.一种介质,其上存储有程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项所述的风电场群分布式电压协调控制方法中的步骤。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-7任一项所述的风电场群分布式电压协调控制方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010423551.4A CN111756050B (zh) | 2020-05-19 | 2020-05-19 | 一种风电场群分布式电压协调控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010423551.4A CN111756050B (zh) | 2020-05-19 | 2020-05-19 | 一种风电场群分布式电压协调控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111756050A true CN111756050A (zh) | 2020-10-09 |
CN111756050B CN111756050B (zh) | 2022-04-12 |
Family
ID=72673824
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010423551.4A Active CN111756050B (zh) | 2020-05-19 | 2020-05-19 | 一种风电场群分布式电压协调控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111756050B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112467748A (zh) * | 2020-12-10 | 2021-03-09 | 山东大学 | 三相不平衡主动配电网双时标分布式电压控制方法及系统 |
CN112994028A (zh) * | 2021-05-24 | 2021-06-18 | 广东电网有限责任公司中山供电局 | 一种虚拟电厂无功电压快速调节方法及装置 |
CN113131486A (zh) * | 2021-04-16 | 2021-07-16 | 河北水利电力学院 | 一种配电网分布式电压协调控制方法和系统 |
CN113595093A (zh) * | 2021-07-19 | 2021-11-02 | 南方电网科学研究院有限责任公司 | 一种新能源电站无功电压自动控制方法、装置及存储介质 |
CN113671325A (zh) * | 2021-08-18 | 2021-11-19 | 云南电网有限责任公司大理供电局 | 一种基于高频电场变化的终端局放监测方法及系统 |
CN113675855A (zh) * | 2021-08-23 | 2021-11-19 | 南京理工大学 | 一种双层架构下动态电压模型预测分布式控制方法 |
CN114069664A (zh) * | 2021-11-01 | 2022-02-18 | 国网湖北省电力有限公司经济技术研究院 | 一种规模化储能系统的配电网电压分布式控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102570471A (zh) * | 2012-02-27 | 2012-07-11 | 山东大学 | 多无功源分层协调的风电场电压控制方法 |
CN108923435A (zh) * | 2018-07-04 | 2018-11-30 | 山东大学 | 一种基于分层mpc的风电无功电压协调控制系统 |
CN109149638A (zh) * | 2018-09-17 | 2019-01-04 | 山东大学 | 基于mpc和admm算法的vsc-hvdc并网风电场分布式协调电压控制方法及系统 |
CN109167372A (zh) * | 2018-08-14 | 2019-01-08 | 中国电力科学研究院有限公司 | 基于分层分布式模型预测控制的风电集群综合频率控制方法及系统 |
CN109301882A (zh) * | 2018-10-23 | 2019-02-01 | 华北电力大学 | 一种基于admm的电力系统分散式经济调度方法 |
US20190203693A1 (en) * | 2018-01-03 | 2019-07-04 | General Electric Company | Extended Reactive Power for Wind Farms |
CN110247404A (zh) * | 2019-06-24 | 2019-09-17 | 山东大学 | 风电并网电压分层协调控制方法、系统、介质及设备 |
-
2020
- 2020-05-19 CN CN202010423551.4A patent/CN111756050B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102570471A (zh) * | 2012-02-27 | 2012-07-11 | 山东大学 | 多无功源分层协调的风电场电压控制方法 |
US20190203693A1 (en) * | 2018-01-03 | 2019-07-04 | General Electric Company | Extended Reactive Power for Wind Farms |
CN108923435A (zh) * | 2018-07-04 | 2018-11-30 | 山东大学 | 一种基于分层mpc的风电无功电压协调控制系统 |
CN109167372A (zh) * | 2018-08-14 | 2019-01-08 | 中国电力科学研究院有限公司 | 基于分层分布式模型预测控制的风电集群综合频率控制方法及系统 |
CN109149638A (zh) * | 2018-09-17 | 2019-01-04 | 山东大学 | 基于mpc和admm算法的vsc-hvdc并网风电场分布式协调电压控制方法及系统 |
CN109301882A (zh) * | 2018-10-23 | 2019-02-01 | 华北电力大学 | 一种基于admm的电力系统分散式经济调度方法 |
CN110247404A (zh) * | 2019-06-24 | 2019-09-17 | 山东大学 | 风电并网电压分层协调控制方法、系统、介质及设备 |
Non-Patent Citations (1)
Title |
---|
STEPHEN BOYD等: "Distributed Optimization and Statistical Learning via the Alternating Direction Method of Multipliers", 《FOUNDATIONS AND TRENDS IN MACHINE》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112467748A (zh) * | 2020-12-10 | 2021-03-09 | 山东大学 | 三相不平衡主动配电网双时标分布式电压控制方法及系统 |
CN113131486A (zh) * | 2021-04-16 | 2021-07-16 | 河北水利电力学院 | 一种配电网分布式电压协调控制方法和系统 |
CN112994028A (zh) * | 2021-05-24 | 2021-06-18 | 广东电网有限责任公司中山供电局 | 一种虚拟电厂无功电压快速调节方法及装置 |
CN112994028B (zh) * | 2021-05-24 | 2021-07-23 | 广东电网有限责任公司中山供电局 | 一种虚拟电厂无功电压快速调节方法及装置 |
CN113595093A (zh) * | 2021-07-19 | 2021-11-02 | 南方电网科学研究院有限责任公司 | 一种新能源电站无功电压自动控制方法、装置及存储介质 |
CN113595093B (zh) * | 2021-07-19 | 2022-07-22 | 南方电网科学研究院有限责任公司 | 一种新能源电站无功电压自动控制方法、装置及存储介质 |
CN113671325A (zh) * | 2021-08-18 | 2021-11-19 | 云南电网有限责任公司大理供电局 | 一种基于高频电场变化的终端局放监测方法及系统 |
CN113675855A (zh) * | 2021-08-23 | 2021-11-19 | 南京理工大学 | 一种双层架构下动态电压模型预测分布式控制方法 |
CN114069664A (zh) * | 2021-11-01 | 2022-02-18 | 国网湖北省电力有限公司经济技术研究院 | 一种规模化储能系统的配电网电压分布式控制方法 |
CN114069664B (zh) * | 2021-11-01 | 2023-12-08 | 国网湖北省电力有限公司经济技术研究院 | 一种规模化储能系统的配电网电压分布式控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111756050B (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111756050B (zh) | 一种风电场群分布式电压协调控制方法及系统 | |
Wang et al. | Dynamic modeling and small signal stability analysis of distributed photovoltaic grid-connected system with large scale of panel level DC optimizers | |
CN109861202B (zh) | 一种柔性互联配电网动态优化调度方法及系统 | |
CN109950907B (zh) | 含电力电子变压器的交直流混合配电网的调度方法及系统 | |
Yu et al. | Stochastic optimal generation command dispatch based on improved hierarchical reinforcement learning approach | |
CN106549396B (zh) | 一种配电网多目标概率无功优化方法 | |
El Helou et al. | Fully decentralized reinforcement learning-based control of photovoltaics in distribution grids for joint provision of real and reactive power | |
CN110247404B (zh) | 风电并网电压分层协调控制方法、系统、介质及设备 | |
CN114362267B (zh) | 考虑多目标优化的交直流混合配电网分散式协调优化方法 | |
CN110768262A (zh) | 一种基于节点聚类分区的有源配电网无功电源配置方法 | |
CN112467748A (zh) | 三相不平衡主动配电网双时标分布式电压控制方法及系统 | |
Lin et al. | A two-layer frequency control method for large-scale distributed energy storage clusters | |
CN111525626A (zh) | 一种基于云边协同计算的微电网实时调度方法及系统 | |
Aloo et al. | Interleaved boost converter voltage regulation using hybrid ANFIS-PID controller for off-grid microgrid | |
CN113097994A (zh) | 基于多强化学习智能体的电网运行方式调节方法及装置 | |
CN108767867B (zh) | 基于元模型的分布式电源就地电压无功控制策略求解方法 | |
Zhang et al. | Multi–objective Cluster Partition Method for Distribution Network Considering Uncertainties of Distributed Generations and Loads | |
Li et al. | Adaptive droop control of a multibus DC microgrid based on consensus algorithm | |
Liu et al. | Deep-Q-network-based intelligent reschedule for power system operational planning | |
CN114548828A (zh) | 一种分布式光伏电源的选址和定容方法、装置及设备 | |
CN112734590A (zh) | 基于内点法和变领域搜索的动态规划法的二阶段区域电网无功优化方法 | |
CN113690930B (zh) | 基于nsga-iii算法的分布式光伏电源中长期选址定容方法 | |
CN113449908A (zh) | 考虑需求侧资源的配电网规划方法及系统 | |
Dong et al. | A stochastic model predictive control based dynamic optimization of distribution network | |
Xiangyu et al. | Regional power grid AGC control strategy research based on Q-learning algorithm under WACPB mode |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |