CN111900721A - 一种基于风水协同发电模式下的智能电网频率控制方法 - Google Patents

Abstract

本发明公开了一种基于风水协同发电模式下的智能电网频率控制方法，利用风电与小水电的协同互补特性，建立了含有储能装置的风水储微网系统，该系统可以根据实际运行条件在并网与孤岛两种运行方式中切换。当微网频率或者电网频率超出规定范围时，采用基于模型预测控制法的不同控制模式，通过求解滚动时域内的最优控制问题，产生本地控制器参考信号，协调风电、小水电和储能在参与系统频率调节时的出力分配，解决了高渗透率风电与小水电接入下的电网频率控制问题。同时建立了微网两种运行状态下的以频率偏差和经济效益为优化目标的预测模型，不仅能够减小风电与小水电对电力系统稳定性的影响，而且在参与调频的同时，保证对风能和水能资源的利用率。

Description

一种基于风水协同发电模式下的智能电网频率控制方法

技术领域

本发明涉及电力系统技术领域，具体涉及一种基于风水协同发电模式下的智能电网频率控制方法。

背景技术

在我国某些地区同时存在着比较丰富的风电资源与小水电资源，随着新能源技术的发展，风电与小水电在电网中渗透率逐渐提高，但由于其间歇性，随机性以及不可存储性等特点，当其大量接入电力系统时，对电网的安全性、稳定性及可靠运行带来极大的挑战。传统电力系统运行过程中，对于小水电与风电的上网基本不采取措施，由于受自然条件影响，风电与小水电的输出功率预测难度较大，当出现功率不平衡影响电网频率时，通常利用同步发电机的惯性来提供短时频率支持，超出可承受范围时，会影响电网中的敏感型负荷，严重时甚至触发保护装置导致切机切负荷，不利于电力系统的安全稳定运行。

微网作为分布式电源的有效利用方式，通过恒功率控制、下垂控制等方式对其进行控制，一定程度上缓解了分布式电源对于电网电能质量的扰动。但是这些传统的控制方法不考虑控制成本，忽略了风电与小水电的实时状态对控制策略带来的影响，并且无法充分利用风电资源和小水电资源，造成浪费。

发明内容

有鉴于此，本发明的目的在于克服现有技术的上述缺陷，提出一种基于风水协同发电模式下的智能电网频率控制方法。一方面，本发明基于风电与小水电之间的互补特性构建了含有储能系统的风水储微网系统，可以根据分布式能源的发电量能否满足本地负荷需求选择孤岛运行或者并网运行，减小风电与小水电的任意并网对大电网频率稳定性的破坏。另一方面，基于模型预测控制法，提出了微网并网运行与孤岛运行时，风水储三者参与电网调频或微网调频时的控制策略，通过实时调整约束条件，考虑风水资源的利用率以及控制成本，在提高三者参与调频的协同优势的同时，可以增加经济效益。

为实现上述目的，本发明采用的技术方案如下：

一种基于风水协同发电模式下的智能电网频率控制方法，采用基于模型预测控制法的主控制器，在考虑风电场，小水电和储能系统以安全运行为约束条件的前提下，建立以频率偏差和经济效益为优化目标的预测模型，在风水储三者参与电网调频或者微网调频时，实时调整约束条件，通过求解滚动时域最优控制问题，产生风电，小水电与储能的最优出力信号。首先建立了风水储协同运行的微网系统，包括风电场，小水电厂，储能系统，基于模型预测控制法的主控制器以及本地负荷，将风电与小水电互补特性相结合，并配备相应的储能装置，减小分布式电源的出力波动性对系统的影响。根据微网的运行状态采用不同的控制模式，从而更好地发挥调频功能。当分布式电源无法满足本地负荷选择并网运行时，采用模型预测控制器模式1，当电网频率波动超出约束范围时，优先利用风电与小水电的有功备用增加出力或者储能充电模式吸收多余电能同时兼顾经济效益，从而协助电网调频；作为独立微网孤岛运行时，采用模型预测控制器模式2，当独立微网由于负荷投切或者由于风速或径流量变化造成风电或者小水电出力波动，引发独立微网频率超出约束范围时，模型预测控制器根据风电机组、小水电机组与储能的当前状态协调三者的出力，及时消除功率差额，以使微网系统频率尽快恢复至正常范围内。

上述两种控制模式分别包括以下部分：

模式1：

(1)获取电网频率的测量数据，并判断电网此刻的频率是否处于正常范围内；

(2)若此刻电网的频率波动超出正常范围，基于模型预测控制法的主控制器会根据当前微网的频率偏差以及风电、小水电与储能系统的状态来协调三者的出力，共同参与电网调频，所建立的系统模型的状态空间描述如下：

其中：x_k为状态变量，x_k+1为状态空间模型预测的下一时刻的状态变量，u_k为控制输入变量，y_k为系统输出变量，A_c为系统矩阵，B_c为输入矩阵，C_c为输出矩阵，k表示离散系统第k个采样时刻；

状态变量：

x_k＝[f_k,P_1,k,P_2,k,SOC_k]^T (2)

系统输入：

u_k＝[ΔP_1,k,ΔP_2,k,ΔP_3,k]^T (3)

系统输出：

y_k＝f_k (4)

系数矩阵如下：

其中：f_k表示k时刻电网的频率，f₀表示电网的额定频率，P_1,k、P_2,k分别表示风电与小水电两者的有功出力总值，SOC_k表示k时刻储能电池荷电状态，ΔP_1,k、ΔP_2,k、ΔP_3,k分别代表风电、小水电和储能各自承担的有功增量，T_s为采样时间，H为电网等效惯量系数，E表示储能容量；

(3)在控制模式1下的风水储联合调频控制策略中，模型预测控制器需要寻找最优的控制输入参与电网调频，其目标函数定义如下：

其中，N表示预测时域，P表示控制时域，α、β、γ、δ、λ分别表示相应项的加权系数，C为常数，a、b、c分别表示风电、小水电与储能系统出力的单位控制成本；第一项表示尽可能发挥风水储参与电网调频的作用；第二、三、四项表示当电网频率低于规定范围，需要增加出力时，优先由风电与小水电的有功备用来提供，当电网频率高于规定范围，需要减小出力时，优先由储能装置转为充电状态吸收多余电能，以减小风能与水能资源的浪费；第五项表示要考虑到风水储协调出力时的经济效益，尽可能减小控制成本；约束条件在每个采样时刻实时更新，设置为：

其中，ΔP_1,min、ΔP_1,max、ΔP_2,min、ΔP_2,max、0与ΔP_3,max分别代表风电、小水电和储能各自承担的有功增量最小值与最大值，P_1,min与P_2,min分别表示风电机组与小水电机组的最小出力值，SOC_max与SOC_min表示储能荷电状态的上下限，P_1,max表示采样时刻风电机组能够承担的最大出力值，P_2,max表示采样时刻小水电机组能够承担的最大出力值，分别定义为：

其中，η表示发电机组效率，ρ表示空气密度，R表示叶片半径，v_k表示风速，C_p表示风能利用系数，R_k表示径流量，H表示水头高度。模型预测控制器在每一次采样进行滚动优化时，都会根据此时的风速v_k、径流量R_k，以分段函数的形式对约束条件P_1,max与P_2,max进行更新，然后通过求解最优化问题，得出风电、小水电与储能系统满足约束条件的最优出力指令；

(4)风电、小水电与储能系统响应最优出力指令，释放有功备用，参与电网调频。

模式2：

(1)获取微网频率的测量数据，并判断微网此刻的频率是否处于正常范围内；

(2)若此刻微网的频率波动超出正常范围，基于模型预测控制法的主控制器会根据当前微网的频率偏差以及风电，小水电与储能系统的状态来协调三者的出力，共同参与微网频率控制使其恢复至正常值，所建立的系统模型的状态空间方程如式(1)所示，状态变量：

x_k＝[f′_k,P_1,k,P_2,k,SOC_k]^T (10)

系统输入：

u_k＝[ΔP_1,k,ΔP_2,k,ΔP_3,k]^T (11)

系统输出：

y_k＝f′_k (12)

系数矩阵如下：

其中：f’_k表示k时刻微网的频率，P_1,k、P_2,k分别表示风电与小水电两者的有功出力总值，SOC_k表示储能电池荷电状态，ΔP_1,k、ΔP_2,k、ΔP_3,k分别代表风电、小水电和储能各自承担的有功增量，T_s为采样时间，H’为微网系统等效惯量系数，其余变量定义与模式一中所述相同；

(3)在此独立微网的风水储联合调频控制策略中，模型预测控制器需要寻找最优的控制输入使得微网频率偏差尽可能为0，其目标函数定义如下：

其中，α、β、γ、δ为加权系数，α设置为四个参数中的最大值，使得频率与参考值尽可能接近，合理设置β、γ、δ从而协调风水储资源的出力值，减小浪费，产生较好的经济效益；其约束条件的设置以及约束条件的更新与模式1中的描述一致；模型预测控制器基于优化目标与约束条件求解最优化问题，得出风电、小水电与储能系统的最优出力指令；

(4)风电、小水电与储能系统响应最优出力指令，释放有功备用，使微网频率恢复至正常值。

在控制模式1与控制模式2中的所有参数均可根据实际需求进行调整设置，以使控制效果达到最优。

与现有技术相比，本发明所具有的有益效果为：

(1)通过本发明中的一种基于风水协同发电模式下的智能电网频率控制方法，以微网的形式对风电和小水电进行管理而不必直接接入电网，增加了可控性并且减少了对电力系统频率稳定性的冲击。

(2)通过本发明中的一种基于风水协同发电模式下的智能电网频率控制方法，能够让风电与小水电发挥调频作用，实现对风电与小水电资源的有效利用，提高资源利用率。本发明所提出的基于模型预测法的控制策略，根据微网运行状态，模型预测控制器采用不同的控制模式。以频率偏差和控制成本为优化目标，根据风电与小水电的实时状态对其进行约束条件的更新，通过求解滚动时域，计算出风水储三者的最优出力信号，可在参与系统调频的的同时，兼顾风电与小水电的资源利用率及控制成本，增加经济效益。

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为本发明中的一种基于风水储协同运行的微网系统结构图；

图2为本发明中的一种基于模型预测控制法的风水储参与系统调频的具体控制框图；

图3为本发明中的一种基于风水协同发电模式下的智能电网频率控制方法的实现流程图。

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。

实施例

本发明提供一种基于风水协同发电模式下的智能电网频率控制方法，采用基于模型预测控制法的主控制器，在考虑风电场，小水电和储能系统以安全运行为约束条件的前提下，建立以频率偏差和经济效益为优化目标的预测模型，在风水储三者参与电网调频或者微网调频时，实时调整约束条件，通过求解滚动时域最优控制问题，产生风电，小水电与储能的最优出力信号。首先建立了风水储协同运行的微网系统，包括风电场，小水电厂，储能系统，基于模型预测控制法的主控制器以及本地负荷，将风电与小水电互补特性相结合，并配备相应的储能装置，减小分布式电源的出力波动性对系统的影响。根据微网的运行状态采用不同的控制模式，从而更好地发挥调频功能。当分布式电源无法满足本地负荷选择并网运行时，采用模型预测控制器模式1，当电网频率波动超出约束范围时，优先利用风电与小水电的有功备用增加出力或者储能充电模式吸收多余电能同时兼顾经济效益，从而协助电网调频；作为独立微网孤岛运行时，采用模型预测控制器模式2，当独立微网由于负荷投切或者由于风速或径流量变化造成风电或者小水电出力波动，引发独立微网频率超出约束范围时，模型预测控制器根据风电机组、小水电机组与储能的当前状态协调三者的出力，及时消除功率差额，以使微网系统频率尽快恢复至正常范围内。

上述两种控制模式分别包括以下部分：

模式1：

(1)获取电网频率的测量数据，并判断电网此刻的频率是否处于正常范围内；

(2)若此刻电网的频率波动超出正常范围，基于模型预测控制法的主控制器会根据当前微网的频率偏差以及风电，小水电与储能系统的状态来协调三者的出力，共同参与电网调频，所建立的系统模型的状态空间描述如下：

其中：x_k为状态变量，x_k+1为状态空间模型预测的下一时刻的状态变量，u_k为控制输入变量，y_k为系统输出变量，A_c为系统矩阵，B_c为输入矩阵，C_c为输出矩阵，k表示离散系统第k个采样时刻；

状态变量：

x_k＝[f_k,P_1,k,P_2,k,SOC_k]^T (2)

系统输入：

u_k＝[ΔP_1,k,ΔP_2,k,ΔP_3,k]^T (3)

系统输出：

y_k＝f_k (4)

系数矩阵如下：

其中：f_k表示k时刻电网的频率，f₀表示电网的额定频率，P_1,k、P_2,k分别表示风电与小水电两者的有功出力总值，SOC_k表示k时刻储能电池荷电状态，ΔP_1,k、ΔP_2,k、ΔP_3,k分别代表风电、小水电和储能各自承担的有功增量，T_s为采样时间，H为电网等效惯量系数，E表示储能容量；

(3)在控制模式1下的风水储联合调频控制策略中，模型预测控制器需要寻找最优的控制输入参与电网调频，其目标函数定义如下：

其中，N表示预测时域，P表示控制时域，α、β、γ、δ、λ分别表示相应项的加权系数，C为常数，a、b、c分别表示风电、小水电与储能系统出力的单位控制成本，单位为元/千瓦；第一项表示尽可能发挥风水储参与电网调频的作用；第二、三、四项表示当电网频率低于规定范围，需要增加出力时，优先由风电与小水电的有功备用来提供，当电网频率高于规定范围，需要减小出力时，优先由储能装置转为充电状态吸收多余电能，以减小风能与水能资源的浪费；第五项表示要考虑到风水储协调出力时的经济效益，尽可能减小控制成本；约束条件在每个采样时刻实时更新，设置为：

其中，ΔP_1,min、ΔP_1,max、ΔP_2,min、ΔP_2,max、0与ΔP_3,max分别代表风电、小水电和储能各自承担的有功增量最小值与最大值，P_1,min与P_2,min分别表示风电机组与小水电机组的最小出力值，SOC_max与SOC_min表示储能荷电状态的上下限，P_1,max表示采样时刻风电机组能够承担的最大出力值，P_2,max表示采样时刻小水电机组能够承担的最大出力值，分别定义为：

其中，η表示发电机组效率，ρ表示空气密度，R表示叶片半径，v_k表示风速，C_p表示风能利用系数，R_k表示径流量，H表示水头高度。MPC控制器在每一次采样进行滚动优化时，都会根据此时的风速v_k、径流量R_k，以分段函数的形式对约束条件P_1,max与P_2,max进行更新，然后通过求解最优化问题，得出风电、小水电与储能系统满足约束条件的最优出力指令；

(4)风电、小水电与储能系统响应最优出力指令，释放有功备用，参与电网调频。

模式二：

(1)获取微网频率的测量数据，并判断微网此刻的频率是否处于正常范围内；

(2)若此刻微网的频率波动超出正常范围，基于模型预测控制法的主控制器会根据当前微网的频率偏差以及风电，小水电与储能系统的状态来协调三者的出力，共同参与微网频率控制使其恢复至正常值，所建立的系统模型的状态空间方程如式(1)所示，状态变量：

x_k＝[f′_k,P_1,k,P_2,k,SOC_k]^T (10)

系统输入：

u_k＝[ΔP_1,k,ΔP_2,k,ΔP_3,k]^T (11)

系统输出：

y_k＝f′_k (12)

系数矩阵如下：

其中：f’_k表示k时刻微网的频率，P_1,k、P_2,k分别表示风电与小水电两者的有功出力总值，SOC_k表示储能电池荷电状态，ΔP_1,k、ΔP_2,k、ΔP_3,k分别代表风电、小水电和储能各自承担的有功增量，T_s为采样时间，H’为微网系统等效惯量系数，其余变量定义与模式一中所述相同。

(3)在此独立微网的风水储联合调频控制策略中，模型预测控制器需要寻找最优的控制输入使得微网频率偏差尽可能为0，其目标函数定义如下：

其中，α、β、γ、δ为加权系数，α设置为四个参数中的最大值，使得频率与参考值尽可能接近，合理设置β、γ、δ从而协调风水储资源的出力值，减小浪费，产生较好的经济效益；其约束条件的设置以及约束条件的更新与模式1中的描述一致，在此不再赘述。MPC控制器基于优化目标与约束条件求解最优化问题，得出风电、小水电与储能系统的最优出力指令。

(4)风电、小水电与储能系统响应最优出力指令，释放有功备用，使微网频率恢复至正常值。

在控制模式1与控制模式2中的所有参数均可根据实际需求进行调整设置，以使控制效果达到最优。

以下是本发明所述的一种基于风水协同发电模式下的智能电网频率控制方法的实例，并不因此限定本发明的保护范围。

请参考图1，图中试给出一种基于风水储协同运行的微网系统结构图，包括风电机组，小水电机组，储能系统，本地负荷以及基于模型预测控制法的主控制器。风电机组、小水电机组以及储能系统分别通过各自的变流器接入微网母线，当风电与小水电资源比较丰富，能够满足本地负荷时，微网选择孤岛运行，储能系统采用虚拟同步发电机控制，为独立微网提供电压和频率参考；在风电与小水电资源比较丰富，能够满足本地负荷时，微网选择并网运行。基于模型预测控制法的主控制器，在负荷波动或者分布式能源波动造成电网频率或微网频率规定范围时，可以协调风水储三者的出力，并将最优处理信号作为三者的功率设置输入值，从而参与到系统调频。

图2为本发明中的一种基于模型预测控制法的风水储参与系统调频的具体控制框图，当电网频率或者微网频率超出规定范围时，基于模型预测控制法的主控制器，会对风水储三者进行出力协调。为保证风水储三者的稳定安全运行，以风电场风速v、小水电厂的径流量R以及储能系统的荷电状态SOC建立约束条件并实时更新。以三者当前各自出力值P₁、P₂、P₃作为状态变量，以频率偏差和控制成本为优化目标建立预测模型，通过求解滚动时域，计算产生三者的最优出力信号。对于储能系统，采用虚拟同步发电机的控制策略，将惯量的思想引入变流器控制中，在微网孤岛运行时，可以更好地为系统提供惯性和阻尼；风电场与小水电厂通过变流器接入微网，机侧变流器采用功率外环，电流内环的控制方式，网测变流器采用电压外环，电流内环的控制方式。风电、小水电以及储能系统的本地控制器接收模型预测控制器的最优出力信号并动作，从而参与系统调频。

如图3所示，为本发明中的一种基于风水协同发电模式下的智能电网频率控制方法的实现流程图，其主要包括以下部分：

(1)判断微网此刻是否处于并网状态；

(2)若微网处于并网状态，获取电网频率的测量数据，并判断电网此刻的频率是否处于规定范围内，

若此刻电网的频率超出规定范围，模型预测控制器会切换至模式1，根据当前电网的频率偏差以及风电，小水电与储能系统的状态，计算产生三者的最优出力信号参与电网调频，若电网频率正常，返回步骤1；

(3)若微网处于孤岛运行状态，获取微网频率的测量数据，并判断微网此刻的频率是否处于规定范围内，若此刻微网的频率超出规定范围，模型预测控制器会切换至模式2，根据当前微网的频率偏差以及风电，小水电与储能系统的状态，计算产生三者的最优出力信号，使微网频率尽快恢复至正常范围，若微网频率正常，返回步骤1；

(4)风电、小水电与储能系统响应最优出力指令，释放有功备用；

(5)检测微网运行是否正常，若运行正常，重复上述步骤，若运行不正常，则结束。

本发明利用风电与小水电的协同互补特性，建立了含有储能装置的风水储微网系统，该系统可以根据实际运行条件在并网与孤岛两种运行方式中切换。当微网频率或者电网频率超出规定范围时，采用基于模型预测控制法的不同控制模式，通过求解滚动时域内的最优控制问题，产生本地控制器参考信号，协调风电、小水电和储能在参与系统频率调节时的出力分配，解决了高渗透率风电与小水电接入下的电网频率控制问题。同时，本发明以风电场、小水电和储能系统安全运行为约束条件，建立了微网两种运行状态下的以频率偏差和经济效益为优化目标的预测模型，不仅能够减小风电与小水电对电力系统稳定性的影响，而且在参与调频的同时，保证对风能和水能资源的利用率。

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 (4)

1.一种基于风水协同发电模式下的智能电网频率控制方法，其特征在于，包括如下步骤：

在风力资源与小水电资源丰富的某些地区，利用二者在季节和昼夜间的发电互补特性，同时利用电池储能系统在调频方面的柔性控制作用，构建含有模型预测控制器的风水储微网系统，该系统包括风电场、小水电场、储能系统、负荷及模型预测控制器，根据风电机组与小水电机组能否满足本地负荷需求，分为孤岛运行与并网运行两种工作方式；在独立微网或者电网频率发生波动超出约束范围时，利用模型预测控制器提供风水储三者的有功增量参考值，从而抑制微网频率波动或协助电网调频，实现风水储联合调频的协同增效优势；

采用基于模型预测控制法的主控制器，建立以频率偏差和经济效益为优化目标的预测模型，通过求解滚动时域最优控制问题，在风水储三者参与电网调频或者微网调频时，能够实时调整约束条件，最大限度提高风能与水能的利用率，产生风电、小水电与储能的最优出力信号；

当分布式电源无法满足本地负荷选择并网运行时，采用模型预测控制器模式1：当电网频率波动超出约束范围时，优先利用风电与小水电的有功备用增加出力或者储能充电模式吸收多余电能同时兼顾经济效益，从而协助电网调频；作为独立微网孤岛运行时，采用模型预测控制器模式2：当独立微网由于负荷投切或者由于风速或径流量变化造成风电或者小水电出力波动，引发独立微网频率超出约束范围时，模型预测控制器根据风电机组、小水电机组与储能的当前状态协调三者的出力，及时消除功率差额，以使微网系统频率尽快恢复至正常范围内。

2.根据权利要求1所述的基于风水协同发电模式下的智能电网频率控制方法，其特征在于，所述模型预测控制器模式1包括以下部分：

(1)获取电网频率的测量数据，并判断电网此刻的频率是否处于正常范围内；

(2)若此刻电网的频率波动超出正常范围，基于模型预测控制法的主控制器会根据当前微网的频率偏差以及风电、小水电与储能系统的状态来协调三者的出力，共同参与电网调频，所建立的系统模型的状态空间描述如下：

其中：x_k为状态变量，x_k+1为状态空间模型预测的下一时刻的状态变量，u_k为控制输入变量，y_k为系统输出变量，A_c为系统矩阵，B_c为输入矩阵，C_c为输出矩阵，k表示离散系统第k个采样时刻；

状态变量：

x_k＝[f_k,P_1,k,P_2,k,SOC_k]^T (2)

系统输入：

u_k＝[ΔP_1,k,ΔP_2,k,ΔP_3,k]^T (3)

系统输出：

y_k＝f_k (4)

系数矩阵如下：

其中：f_k表示k时刻电网的频率，f₀表示电网的额定频率，P_1,k、P_2,k分别表示风电与小水电两者的有功出力总值，SOC_k表示k时刻储能电池荷电状态，ΔP_1,k、ΔP_2,k、ΔP_3,k分别代表风电、小水电和储能各自承担的有功增量，T_s为采样时间，H为电网等效惯量系数，E表示储能容量；

(3)在控制模式1下的风水储联合调频控制策略中，模型预测控制器需要寻找最优的控制输入参与电网调频，其目标函数定义如下：

其中，N表示预测时域，P表示控制时域，α、β、γ、δ、λ分别表示相应项的加权系数，C为常数，a、b、c分别表示风电、小水电与储能系统出力的单位控制成本；第一项表示尽可能发挥风水储参与电网调频的作用；第二、三、四项表示当电网频率低于规定范围，需要增加出力时，优先由风电与小水电的有功备用来提供，当电网频率高于规定范围，需要减小出力时，优先由储能装置转为充电状态吸收多余电能，以减小风能与水能资源的浪费；第五项表示要考虑到风水储协调出力时的经济效益，尽可能减小控制成本；约束条件在每个采样时刻实时更新，设置为：

其中，ΔP_1,min、ΔP_1,max、ΔP_2,min、ΔP_2,max、0与ΔP_3,max分别代表风电、小水电和储能各自承担的有功增量最小值与最大值，P_1,min与P_2,min分别表示风电机组与小水电机组的最小出力值，SOC_max与SOC_min表示储能荷电状态的上下限，P_1,max表示采样时刻风电机组能够承担的最大出力值，P_2,max表示采样时刻小水电机组能够承担的最大出力值，分别定义为：

其中，η表示发电机组效率，ρ表示空气密度，R表示叶片半径，v_k表示风速，C_p表示风能利用系数，R_k表示径流量，H表示水头高度；模型预测控制器在每一次采样进行滚动优化时，都会根据此时的风速v_k、径流量R_k，以分段函数的形式对约束条件P_1,max与P_2,max进行更新，然后通过求解最优化问题，得出风电、小水电与储能系统满足约束条件的最优出力指令；

(4)风电、小水电与储能系统响应最优出力指令，释放有功备用，参与电网调频。

3.根据权利要求1所述的基于风水协同发电模式下的智能电网频率控制方法，其特征在于，所述模型预测控制器模式2包括以下部分：

(1)获取微网频率的测量数据，并判断微网此刻的频率是否处于正常范围内；

(2)若此刻微网的频率波动超出正常范围，基于模型预测控制法的主控制器会根据当前微网的频率偏差以及风电，小水电与储能系统的状态来协调三者的出力，共同参与微网频率控制使其恢复至正常值，所建立的系统模型的状态空间方程如式(1)所示，状态变量：

x_k＝[f'_k,P_1,k,P_2,k,SOC_k]^T (10)

系统输入：

u_k＝[ΔP_1,k,ΔP_2,k,ΔP_3,k]^T (11)

系统输出：

y_k＝f'_k (12)

系数矩阵如下：

其中：f’_k表示k时刻微网的频率，P_1,k、P_2,k分别表示风电与小水电两者的有功出力总值，SOC_k表示储能电池荷电状态，ΔP_1,k、ΔP_2,k、ΔP_3,k分别代表风电、小水电和储能各自承担的有功增量，T_s为采样时间，H’为微网系统等效惯量系数，其余变量定义与模式一中所述相同；

(3)在此独立微网的风水储联合调频控制策略中，模型预测控制器需要寻找最优的控制输入使得微网频率偏差尽可能为0，其目标函数定义如下：

其中，α、β、γ、δ为加权系数，α设置为四个参数中的最大值，使得频率与参考值尽可能接近，合理设置β、γ、δ从而协调风水储资源的出力值，减小浪费，产生较好的经济效益；其约束条件的设置以及约束条件的更新与模式1中的描述一致；模型预测控制器基于优化目标与约束条件求解最优化问题，得出风电、小水电与储能系统的最优出力指令；

(4)风电、小水电与储能系统响应最优出力指令，释放有功备用，使微网频率恢复至正常值。

4.根据权利要求1所述的基于风水协同发电模式下的智能电网频率控制方法，其特征在于，在模型预测控制器模式1与模型预测控制器模式2中的所有参数均根据实际需求进行调整设置，以使控制效果达到最优。

Images