CN114336592A - 一种基于模型预测控制的风电场agc控制方法 - Google Patents
一种基于模型预测控制的风电场agc控制方法 Download PDFInfo
- Publication number
- CN114336592A CN114336592A CN202111408572.XA CN202111408572A CN114336592A CN 114336592 A CN114336592 A CN 114336592A CN 202111408572 A CN202111408572 A CN 202111408572A CN 114336592 A CN114336592 A CN 114336592A
- Authority
- CN
- China
- Prior art keywords
- wind
- power
- power plant
- wind power
- control
- 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
- 238000000034 method Methods 0.000 title claims description 13
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000010248 power generation Methods 0.000 claims abstract description 18
- 238000005096 rolling process Methods 0.000 claims abstract description 14
- 230000005611 electricity Effects 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims description 8
- 239000000126 substance Substances 0.000 claims description 6
- 230000009194 climbing Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 230000015654 memory Effects 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 238000003062 neural network model Methods 0.000 claims description 2
- 230000000452 restraining effect Effects 0.000 claims description 2
- 230000007787 long-term memory Effects 0.000 claims 1
- 230000006403 short-term memory Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000011217 control strategy Methods 0.000 abstract description 5
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
Images
Classifications
-
- 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
Abstract
一种基于模型预测控制的风电场AGC控制系统，包括电网调控中心、风电场自动发电控制模块、风电场机组，其特征在于：风电场自动发电控制模块包括，模型预测单元、滚动优化单元；电网调控中心给定风电场参考功率输入风电场自动发电控制模块，并输出分配有功控制指令给风电场的风电机组；风电场自动发电控制模块通过模型预测、滚动优化的方式，输出分配有功控制指令，控制风电场机组的出力完成；通过基于模型预测控制的自动发电控制策略，协调风电场内多个风电机组的统一参与有功功率控制，解决了风电大量无序并网导致的电网频率质量下降等问题，保障风电场机组和配电网的频率安全和经济效益。
Description
技术领域
本发明涉及一种风电场自动发电控制策略，特别是涉及一种基于模型预测控制的风电场自动发电控制方法
背景技术
风电集群大规模接入电网加大了自动发电控制(automatic generationcontrol，AGC)系统的复杂程度。目前风电场机组的有功出力控制往往采用比较简单的PI控制器，但是风电场是一个非线性，多变量耦合的系统，而且风电场入网规模日渐扩大、出力具有波动性、不确定性等特点，因此简单的PI控制器不能满足系统的频率稳定性要求而且有功功率跟踪精度低。
发明内容
本发明针对风电并网规模不断增大容易导致电力系统频率质量下降等问题，根据风电场出力的随机性、强耦合、难调控等特点，提出基于模型预测控制的风电场AGC控制策略，旨在通过基于模型预测控制的AGC控制策略，协调风电场内多个风电机组的统一参与有功功率控制，保障风电机组和电网的频率稳定和经济效益。
一种基于模型预测控制的风电场AGC控制系统，包括电网调控中心、风电场自动发电控制模块、风电场机组，其特征在于：风电场自动发电控制模块包括，模型预测单元、滚动优化单元；电网调控中心给定风电场参考功率输入风电场自动发电控制模块，并输出分配有功控制指令给风电场的风电机组；风电场自动发电控制模块通过模型预测、滚动优化的方式，输出分配有功控制指令，控制风电场机组的出力完成。
本发明的技术方案的优点：
本发明通过基于模型预测控制的自动发电控制策略，协调风电场内多个风电机组的统一参与有功功率控制，解决了风电大量无序并网导致的电网频率质量下降等问题，保障风电场机组和配电网的频率安全和经济效益。
附图说明
图1风电场AGC控制系统示意图
具体实施方式
下面结合附图对本发明作进一步描述，应当理解，此处所描述的内容仅用于说明和解释本发明，并不用于限定本发明。
如图1所示，基于模型预测控制的风电场AGC控制系统
电网调控中心给定风电场参考功率，风电场自动发电控制模块通过模型预测、滚动优化、反馈校正的方式，输出分配有功控制指令，控制风电场机组的出力完成，旨在通过滚动优化、反馈校正等方法实现控制系统更好的控制效果和鲁棒性，在满足风电机组自身约束条件下，实现电网频率的稳定和综合经济效益的最大化。
风电场自动发电控制模块包括，模型预测单元、滚动优化单元、反馈校正单元。电网调控中心给定风电场参考功率输入风电场自动发电控制模块，并输出分配有功控制指令给风电场的风电机组。反馈校正单元接收风电机组的反馈数据，并输出修正数据给滚动优化单元。
模型预测单元中设有预测模型，用于预测风电场功率，选用长短期记忆网络作为预测模型用于输出风电功率预测序列。于是，预测模型定义为：
其中，
为风电场I组机组在(k+1)时刻的功率预测序列，f(·)表示长短期记忆神经网络模型，
表示在第(k-m+1)时刻的历史风电功率数据，G为预测功率信息所需要的环境数据。
滚动优化过程，
风电场的控制目标为保证风电场的有功功率跟踪精度，即在一定时间内风电场的输出功率和电网调控中心下发的风电参考功率之间的差值尽快的趋于零，即：
其中，J表示优化目标函数，T表示总调度周期，I表示风电机组的总数量，
和
分别表示风电机组i的预测发电功率和风电场的参考功率，j1和j2为两个权重参数，通过专家打分法确定，
为t时刻机组i的实际输出功率，
为机组i的分配的有功控制指令，resk表示第k个周期的响应时间，
表示风电机组i的爬坡速率。
风电场有功输出约束：
其中，P w,i和
分别表示风电机组i的有功出力上下限，
为风电场机组i在t时刻的功率预测值，即为有功出力动态上限值，ui(t)∈[0,1]为状态变量，其取值为1时表示风电机组i可以参与有功出力，为0则表示不能参与出力。
风电机组爬坡速率约束:
其中，ΔP w,i和
分别表示风电机组i的爬坡速率允许下限和上限。
响应时间约束：
0<resk≤Tk (7)
Tk表示第k个调度周期的时间。
反馈校正过程，
预测模型的输出值存在误差，因此需要利用k+1时刻的预测值和k+1的输出值的误差进行误差校正，误差表示为：
最后通过err(k+1)对(k+2)时刻的预测值进行校正，校正过程表示为：
其中，
为修正后的预测值代替初始预测值用于后续的滚动优化过程，h可通过经验法确定。
最后应说明的是：以上所述仅为本发明的解释，并不用于限制本发明，尽管对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于模型预测控制的风电场AGC控制系统，包括电网调控中心、风电场自动发电控制模块、风电场机组，其特征在于：风电场自动发电控制模块包括，模型预测单元、滚动优化单元；电网调控中心给定风电场参考功率输入风电场自动发电控制模块，并输出分配有功控制指令给风电场的风电机组；风电场自动发电控制模块通过模型预测、滚动优化的方式，输出分配有功控制指令，控制风电场机组的出力完成。
2.根据权利要求1所述的基于模型预测控制的风电场AGC控制系统，其特征在于，风电场自动发电控制模块还包括，反馈校正单元；反馈校正单元接收风电机组的反馈数据，并输出修正数据给滚动优化单元。
3.根据权利要求1所述的基于模型预测控制的风电场AGC控制系统，其特征在于，模型预测单元中设有预测模型，用于预测风电场功率，选用长短期记忆网络作为预测模型用于输出风电功率预测序列；预测模型定义为：
其中，
为风电场I组机组在(k+1)时刻的功率预测序列，f(·)表示长短期记忆神经网络模型，
表示在第(k-m+1)时刻的历史风电功率数据，G为预测功率信息所需要的环境数据。
4.根据权利要求1所述的基于模型预测控制的风电场AGC控制系统，其特征在于，滚动优化单元进行滚动优化过程，
风电场的控制目标为保证风电场的有功功率跟踪精度，即在一定时间内风电场的输出功率和电网调控中心下发的风电参考功率之间的差值尽快的趋于零，即：
其中，J表示优化目标函数，T表示总调度周期，I表示风电机组的总数量，
和
分别表示风电机组i的预测发电功率和风电场的参考功率，j1和j2为两个权重参数，通过专家打分法确定，
为t时刻机组i的实际输出功率，
为机组i的分配的有功控制指令，resk表示第k个周期的响应时间，
表示风电机组i的爬坡速率；
风电场有功输出约束：
其中，P w,i和
分别表示风电机组i的有功出力上下限，
为风电场机组i在t时刻的功率预测值，即为有功出力动态上限值，ui(t)∈[0,1]为状态变量，其取值为1时表示风电机组i可以参与有功出力，为0则表示不能参与出力；
风电机组爬坡速率约束:
其中，ΔP w,i和
分别表示风电机组i的爬坡速率允许下限和上限。
响应时间约束：
0<resk≤Tk (7)
Tk表示第k个调度周期的时间。
5.根据权利要求2所述的基于模型预测控制的风电场AGC控制系统，其特征在于，反馈校正单元进行反馈校正过程，
预测模型的输出值存在误差，因此需要利用k+1时刻的预测值和k+1的输出值的误差进行误差校正，误差表示为：
最后通过err(k+1)对(k+2)时刻的预测值进行校正，校正过程表示为：
其中，
为修正后的预测值代替初始预测值用于后续的滚动优化过程，h可通过经验法确定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111408572.XA CN114336592B (zh) | 2021-11-24 | 2021-11-24 | 一种基于模型预测控制的风电场agc控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111408572.XA CN114336592B (zh) | 2021-11-24 | 2021-11-24 | 一种基于模型预测控制的风电场agc控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114336592A true CN114336592A (zh) | 2022-04-12 |
| CN114336592B CN114336592B (zh) | 2024-04-12 |
Family
ID=81045781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111408572.XA Active CN114336592B (zh) | 2021-11-24 | 2021-11-24 | 一种基于模型预测控制的风电场agc控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114336592B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115173491A (zh) * | 2022-06-28 | 2022-10-11 | 国网江苏省电力有限公司电力科学研究院 | 一种含光热发电的配电网分布式功率协调控制方法及装置 |
| CN115833102A (zh) * | 2022-12-08 | 2023-03-21 | 南方电网数字电网研究院有限公司 | 基于模型预测控制的风电场频率快速响应控制方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105162174A (zh) * | 2015-09-06 | 2015-12-16 | 贵州电网有限责任公司 | 一种基于主动分配指标的风电源网协调控制方法及系统 |
| CN106549422A (zh) * | 2016-12-07 | 2017-03-29 | 中国南方电网有限责任公司 | 一种基于频率变化率的agc紧急控制方法及系统 |
| KR101786904B1 (ko) * | 2016-08-17 | 2017-11-15 | 인천대학교 산학협력단 | 마이크로그리드 제어를 위한 bess에의 모델 예측 제어 장치 및 방법 |
| WO2018115431A1 (en) * | 2016-12-23 | 2018-06-28 | Danmarks Tekniske Universitet | Combined active and reactive power control in an operation of a wind farm |
-
2021
- 2021-11-24 CN CN202111408572.XA patent/CN114336592B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105162174A (zh) * | 2015-09-06 | 2015-12-16 | 贵州电网有限责任公司 | 一种基于主动分配指标的风电源网协调控制方法及系统 |
| KR101786904B1 (ko) * | 2016-08-17 | 2017-11-15 | 인천대학교 산학협력단 | 마이크로그리드 제어를 위한 bess에의 모델 예측 제어 장치 및 방법 |
| CN106549422A (zh) * | 2016-12-07 | 2017-03-29 | 中国南方电网有限责任公司 | 一种基于频率变化率的agc紧急控制方法及系统 |
| WO2018115431A1 (en) * | 2016-12-23 | 2018-06-28 | Danmarks Tekniske Universitet | Combined active and reactive power control in an operation of a wind farm |
Non-Patent Citations (4)
| Title |
|---|
| YUSHU SUN; XISHENG TANG: "Model predictive control and improved low-pass filtering strategies based on wind power fluctuation mitigation", JOURNAL OF MODERN POWER SYSTEMS AND CLEAN ENERGY, vol. 7, pages 512 - 524 * |
| 刘晓姣: "基于模型预测控制算法的风电场有功控制", 中国优秀硕士学位论文全文数据库 工程科技II辑, pages 9 - 21 * |
| 叶林; 陈超宇; 张慈杭: "基于分布式模型预测控制的风电场参与 AGC 控制方法", 电网技术, vol. 43, no. 9, pages 3261 - 3270 * |
| 路朋; 叶林; 裴铭: "风电集群有功功率模型预测协调控制策略", 中国电机工程学报, vol. 41, no. 17, pages 5887 - 5900 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115173491A (zh) * | 2022-06-28 | 2022-10-11 | 国网江苏省电力有限公司电力科学研究院 | 一种含光热发电的配电网分布式功率协调控制方法及装置 |
| CN115833102A (zh) * | 2022-12-08 | 2023-03-21 | 南方电网数字电网研究院有限公司 | 基于模型预测控制的风电场频率快速响应控制方法 |
| CN115833102B (zh) * | 2022-12-08 | 2023-08-25 | 南方电网数字电网研究院有限公司 | 基于模型预测控制的风电场频率快速响应控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114336592B (zh) | 2024-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和系统 | |
| CN112186811B (zh) | 一种基于深度强化学习的agc机组动态优化方法 | |
| CN109765787B (zh) | 一种基于日内-实时滚动控制的配电网源荷快速跟踪方法 | |
| CN102299527A (zh) | 一种风电场无功功率控制方法和系统 | |
| CN114336592A (zh) | 一种基于模型预测控制的风电场agc控制方法 | |
| CN111934360B (zh) | 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法 | |
| CN108090632B (zh) | 基于鲁棒优化的新能源并网电力系统多时间尺度调度方法 | |
| CN106887858B (zh) | 一种接入新能源发电的储能系统跟踪计划出力方法及装置 | |
| CN105896575B (zh) | 基于自适应动态规划的百兆瓦储能功率控制方法及系统 | |
| CN103904686A (zh) | 一种考虑电力系统协同能力的经济调度方法 | |
| CN114336673B (zh) | 一种基于模型预测控制的风储联合电站一次调频控制策略 | |
| CN112803494B (zh) | 一种含风光水火的多目标agc协调优化方法及系统 | |
| CN108493992A (zh) | 一种含分布式潮流控制器的风电场优化调度方法 | |
| CN112398115A (zh) | 一种基于改进模型预测控制的多时间尺度火电-光伏-抽水蓄能联合优化调度方案 | |
| CN113408962A (zh) | 一种电网多时间尺度多目标能量优化调度方法 | |
| CN110768265A (zh) | 一种考虑时序的配电网调度方法 | |
| CN111654054A (zh) | 一种储能基于自适应神经网络(ann)平抑短期风电波动的控制方法 | |
| CN114665519A (zh) | 一种基于分层模型的风电场集群有功功率协调控制方法 | |
| CN113809760A (zh) | 一种风电场参与电网二次调频的控制方法及装置 | |
| CN112636366A (zh) | 一种基于控制过程数据拟合的风电场动态频率控制方法 | |
| CN112531735A (zh) | 基于机器学习的自动发电控制系统的功率分配方法及装置 | |
| CN112039126A (zh) | 含分布式电源的配电网多时间尺度协调调度方法及系统 | |
| CN116316884A (zh) | 一种适用于高比例新能源电网多源协同的调频控制方法 | |
| CN116780623A (zh) | 一种面向海上风电消纳的海上油气田系统分层调控方法 | |
| CN112600202B (zh) | 计及新能源随机性的含可控移相器电网最优潮流计算方法 |
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 |