CN114336686A - 一种基于自适应预测控制系统的电网区域振荡抑制方法 - Google Patents
一种基于自适应预测控制系统的电网区域振荡抑制方法 Download PDFInfo
- Publication number
- CN114336686A CN114336686A CN202210021861.2A CN202210021861A CN114336686A CN 114336686 A CN114336686 A CN 114336686A CN 202210021861 A CN202210021861 A CN 202210021861A CN 114336686 A CN114336686 A CN 114336686A
- Authority
- CN
- China
- Prior art keywords
- direct
- power modulation
- time
- model
- instruction
- 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 abstract description 79
- 230000010355 oscillation Effects 0.000 title claims abstract description 37
- 230000001629 suppression Effects 0.000 title claims abstract description 15
- 230000033228 biological regulation Effects 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000000694 effects Effects 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims description 152
- 230000005540 biological transmission Effects 0.000 claims description 51
- 238000013178 mathematical model Methods 0.000 claims description 39
- 241001123248 Arma Species 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 29
- 230000008859 change Effects 0.000 claims description 18
- 230000001105 regulatory effect Effects 0.000 claims description 15
- 238000005096 rolling process Methods 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 14
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 230000001276 controlling effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 11
- 238000011160 research Methods 0.000 description 3
- 238000013016 damping Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000004804 winding Methods 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/60—Arrangements for transfer of electric power between AC networks or generators via a high voltage DC link [HVCD]
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明属于电力系统运行与控制技术领域,尤其涉及一种基于自适应预测控制系统的电网区域振荡抑制方法,用于抑制电网区域间功率振荡问题。本发明构建电网侧系统对应低阶线性化参数模型,并结合历史数据对模型参数进行辨识;基于上述模型,构建模型预测控制系统对后续直流线路功率调控指令进行优化,并作用于电网整流控制器,使电网侧闭环运行;构建直流功率调制量的条件随机扰动指令计算模型,基于此设计电网侧开环运行模式;整定上述开/闭环运行模式的切换周期,并定期执行上述模型参数辨识与更新工作。本发明的优点在于:在传统MPC系统基础上,设计条件随机扰动模块,使电网侧定期开环运行,利用开环运行数据提升模型辨识精度,改善控制效果。
Description
技术领域
本发明属于电力系统运行与控制技术领域,尤其涉及一种基于自适应预测控 制系统的电网区域振荡抑制方法。
背景技术
电力系统区域间功率振荡不仅严重影响电网安稳运行,还对区域间功率的稳 定传输具有较大影响,因此对交直流电力系统功率振荡的控制措施进行研究是必 要的。现有的研究中电力系统稳定器(Power System Stabilizer,PSS)经常被用 于增强阻尼从而抑制低频振荡,但对区域间振荡模式的阻尼效果较差,且大量安 装的问题较复杂。近年来,直流调制的方法也尝试被用于抑制区域间功率振荡, 然而其控制精度有待进一步提高。因此考虑模型预测控制(Model Predictive Control,MPC)因建模方便、滚动优化等特点,本发明尝试将MPC运用于直流 调制系统,进一步抑制电力系统区域间功率振荡。一般MPC的设计基于线性化 电力系统模型,围绕其正常工作点线性化得到,然而随着电网中新能源渗透率不 断提升,其正常工作点可能会频繁多变,这将导致固定参数MPC的控制效果变 差,甚至恶化系统的运行状态。因此在线跟踪电网运行状态,并以此不断更新 MPC对应的模型参数是必要的。然而在MPC被接入电力系统用于抑制区域间振 荡后,电网侧系统始终处于闭环运行的模式,因此在电网侧系统闭环运行期间, 定时间间隔采集电网侧系统的输入输出信息,对电网侧系统对应的模型参数进行 辨识,这一工作属于闭环辨识的范畴。不同于开环辨识过程中系统输入输出之间 基本不存在相关性,闭环辨识过程中系统输入与噪声(过程噪声与环境噪声,主 要由反馈路径即控制器引起)之间的相关性将导致模型参数辨识结果存在偏差, 甚至在信噪比较低的情况下,上述输入与噪声的耦合将会使辨识结果出错,导致 MPC发出错误指令,引发系统失稳。而尝试让电网侧系统处于开环运行方式, 然后通过采集信息进行模型辨识,该方式存在加大系统失稳的风险。
针对上述分析,研究如何在部分时刻引入电力系统开环运行数据进行模型参 数辨识,提升MPC滚动预测精度的同时保证开环方式下系统的稳定运行,是利 用MPC系统抑制电网区域间振荡研究中一项亟待解决的问题。
发明内容
本发明的目的是提供一种基于自适应预测控制系统的电网区域振荡抑制方 法,提升电网区域运行稳定性。
本发明通过分析直流调制法抑制区域间功率振荡的机理,明确模型对应的电 网侧系统可控输入量以及能够反映区域功率振荡程度的可观测输出量,并构建电 网侧系统对应的低阶线性化数学模型;根据电网侧系统实际运行数据,定期对构 建的低阶线性数学模型的参数进行在线辨识,作为后续MPC系统设计的基础; 通过在线监测电网侧系统输出数据,基于MPC滚动优化原理对于电网侧系统的 可控输入信号进行滚动优化,实现系统闭环运行;根据构建完成的MPC系统, 增加条件随机扰动模块,定周期地将电网侧可控输入信号由MPC系统滚动优化 指令切换至条件随机扰动信号,使电网侧系统周期性地切换至开环运行;基于系 统开环运行数据与闭环运行数据的混合信息,对上述电网侧系统对应的低阶线性 模型定周期地进行参数辨识,并根据参数辨识结果对MPC系统中的预测模型进 行更新。本发明实现了在电网侧系统稳定运行的前提下,引入开环运行数据,提 升了MPC系统对电网侧系统模型的跟踪精度,改善了基于MPC系统的直流调制 法抑制区域间功率振荡的效果。
本发明系统的技术方案为自适应预测控制系统,包括:整流器、直流线路整 流控制模块、逆变器、交流电网、直流传输线、交流联络线;
所述的交流电网、整流器与直流线路整流控制模块、直流传输线、逆变器、 交流电网依次连接,构成直流传输线及控制系统;所述的交流电网、交流联络线、 交流电网顺次连接,构成交流联络线系统;上述直流传输线及控制系统与交流联 络线属于并行连接。
所述的直流线路整流控制模块的控制指令通过所提出的基于自适应预测控 制系统的电网区域振荡抑制方法实时计算得到。
本发明方法的技术方案为电网区域振荡抑制方法,包括以下步骤:
步骤1:引入多个历史时刻的直流线路功率调制量、多个历史时刻的联络线 两端电压相角差,构建电网侧系统对应的低阶线性化参数模型;将多个历史时刻 的直流线路功率调制量作为所述低阶线性化参数模型的输入数据,将多个历史时 刻的交流联络线两端母线相角差作为所述低阶线性化参数模型的输出数据,通过 加权最小二乘辨识方法优化求解得到所述低阶线性化参数模型的n阶自回归系 数、所述低阶线性化参数模型的m阶移动平均系数;结合辨识得到的所述低阶 线性化参数模型n阶自回归系数、所述低阶线性化参数模型m阶滑动平均系数 构建电网侧系统的低阶线性模型;
步骤2:构建等式约束条件以及不等式约束条件,将未来多个时刻的直流 线路功率调制指令序列作为待优化求解变量,采集过去多个时刻的直流线路功率 调制量、过去多个时刻的联络线两端母线相角差,结合步骤1所述电网侧系统对 应的低阶线性模型进行预测得到未来一段时间内联络线两端母线相角差,进一步 结合未来多个时刻联络线两端母线相角差构建模型优化目标,形成直流线路功率 调制指令在线优化模型,通过二次规划相关方法进行优化得到优化后未来多个时 刻的直流线路功率调制指令序列,仅保留优化得到指令序列中第一个时刻对应的 控制指令作为下一时刻电网侧系统直流线路功率调制指令,通过所述整流控制模 块结合SPWM算法进行整流控制,最终完成直流线路传输功率依照优化结果进 行调控。
步骤3:引入历史多个时刻的直流线路功率调制量、历史多个时刻的联络线 两端母线相角差,结合步骤1引入的电网侧系统对应低阶线性模型构建等式约束; 以未来一段时间内联络线两端母线相角差值需保持在一定范围内、直流线路功率 调制指令上下限、直流线路功率调制指令变化速率上下限构建不等式约束;以未 来一段时间内多个时刻的直流线路功率调制指令序列为待优化变量;以未来一段 时间内多个时刻的直流线路功率调制指令序列中第一个时刻的直流线路功率调 制指令最大为目标函数构建优化模型,采用混合整数线性规划的算法对模型进行 求解,得到下一时刻可以采取的直流线路功率调控指令的最大值;以未来一段时 间内多个时刻的直流线路功率调制指令序列中第一个时刻的直流线路功率调制 指令最小为目标函数构建优化模型,采用混合整数线性规划的算法对模型进行求 解,得到下一时刻可以采取的直流线路功率调控指令的最小值;根据上述得到的 下一时刻可采取的直流线路功率调制指令的最大值与最小值,结合随机数进一步 计算可采取随机化的直流线路功率调制指令,并在下一时刻将该控制指令传输至 电网侧系统的整流控制器模块作为直流功率调控量的参考指令,通过所述整流控 制模块结合SVPWM算法进行整流控制,最终完成直流线路传输功率依照优化 结果进行调控。
步骤4:实时采集历史多个时刻的直流线路功率调制量、历史多个时刻的联 络线两端母线相角差,周期性地在指定时刻执行步骤3,得到下一时刻可采取的 随机直流线路功率调制指令,作用于电网侧系统的整流控制模块,经整流控制将 直流传输线功率在下一时刻调节为上述随机指令,在下一时刻使电网侧系统处于 开环运行状态;周期性地在指定时间段内执行步骤2,得到下一时刻最优的直流 线路功率调制指令,并作用于电网侧系统的整流控制模块,经整流控制将直流传 输线功率在下一时刻调节为上述指定值,在该段时间内使电网侧系统处于闭环稳 定运行状态;实时监测并保存上述由电网侧系统闭环与开环交替运行状态下的直 流线路功率调制量以及联络线两端母线相角差等数据,并在执行步骤3的同时利 用该历史监测数据执行步骤1,周期性地对步骤1中所构建电网侧系统对应低阶 线性化模型的参数进行辨识与更新。
作为优选,步骤1所述多个历史时刻的直流线路功率调制量,以在t-1时刻 进行模型参数辨识为例,具体包括:
pline={u(t-q),…u(t-1)}
其中:pline表示多个历史时刻的直流线路功率调制量;u(t-q)表示在t-q时 刻的直流线路功率调制量;q表示进行模型参数辨识所需要的数据时间长度;
步骤1所述多个历史时刻的联络线两端母线相角差,以在t-1时刻进行模型 参数辨识为例,具体包括:
θline={y(t-q),…y(t-1)}
其中:θline表示多个历史时刻的联络线两端母线相角差;y(t-q)表示在t-q 时刻的联络线两端母线相角差;
步骤1所述电网侧系统对应的低阶线性化参数模型为:
y(t+1)=a1y(t)+…+any(t-n+1)+
b1u(t)+…+bmu(t-m+1)
其中:n表示所述低阶线性化参数模型的自回归阶数;m表示所述低阶线性 化参数模型的滑动平均阶数;ak,k∈[1,n]表示所述低阶线性化参数模型的自回归 系数;bi,i∈[1,m]表示所述低阶线性化参数模型的滑动平均系数;
步骤1所述通过加权最小二乘辨识方法优化求解得到所述低阶线性化参数 模型的n阶自回归系数、所述低阶线性化参数模型的m阶移动平均系数,具体 为:
构建优化求解目标模型为:
其中:ak,k∈[1,n]表示所述低阶线性化参数模型的第k阶自回归系数,是待 求解变量;bi,i∈[1,m]表示模型的第i阶滑动平均系数,是待求解变量;ωj表示 针对第j组量测数据在最小二乘估计中对应的权重系数,距t时刻越近或采用随 机扰动激励得到的系统开环运行状态下的监测数据对应权重越大,且需满足:当考虑时序接近权值越大的原则时,定义:
构建优化求解目标模型中,将多个历史时刻的直流联络线功率调制量作为低 阶线性化模型的输入数据,将多个历史时刻的联络线两端母线相角差作为低阶线 性化参数模型输出数据,以t-1时刻进行模型求解为例,共包括 pline={u(t-q),…u(t-1)},θline={y(t-q),…y(t-1)}共q个时间步长的数据;
所述优化求解目标模型的求解方法为:
针对所述优化求解目标模型,分别求取其关于n个自回归系数ak,k∈[1,n]以 及m个滑动平均系数bi,i∈[1,m]的偏导数,并将监测得到的多个历史时刻直流线 路功率调制量数据pline={u(t-q),u(t-q),…u(t-1)}与联络线两端母线相角差与 θline={y(t-q),y(t-q),…y(t-1)}带入计算化简,得到:
步骤1中所述的电网侧系统对应的低阶线性模型由上述优化得到的模型参 数代入所述的低阶线性化参数模型得到,具体表示为:
其中:ak,k∈[1,n]表示所构建电网侧系统对应的低阶线性模型自回归系数; bi,i∈[1,m]表示所构建电网侧系统对应的低阶线性模型滑动平均系数;
作为优选,步骤2中所述直流线路功率调制指令在线优化模型,即模型预测 控制MPC系统的等式约束条件,具体如下:
其中:ak,k∈[1,n]表示所构建电网侧系统对应的低阶线性模型自回归系数; bi,i∈[1,m]表示所构建电网侧系统对应的低阶线性模型滑动平均系数;p表示 MPC系统进行直流线路功率调制指令序列寻优的时间范围长度,如在t时刻执 行模型优化即是需要寻找在t+1~t+p等p个时刻最优的控制指令序列;在实际的 电网侧系统中往往采用低通滤波器对控制指令序列进行滤波后再接入电网侧输 入控制端口实施控制,其中v表示初始带有高频分量的控制信号,即直接由MPC 系统优化输出的直流线路功率调制指令序列,u为经过低通滤波器后实际作用 于电网侧整流控制器模块的直流功率调制指令信号;c1表示三阶巴特沃斯低通 滤波器对应ARMA数学模型中的1阶项自回归系数;c2表示三阶巴特沃斯低通 滤波器对应ARMA数学模型中的2阶项自回归系数;c3表示三阶巴特沃斯低通 滤波器对应ARMA数学模型中的3阶项自回归系数;d0分别表示三阶巴特沃斯 低通滤波器对应ARMA数学模型中的0阶项滑动平均系数;d1分别表示三阶巴 特沃斯低通滤波器对应ARMA数学模型中的1阶项滑动平均系数;d2分别表示 三阶巴特沃斯低通滤波器对应ARMA数学模型中的2阶项滑动平均系数;d3分 别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的3阶项滑动平均系数。
步骤2中所述直流线路功率调制指令在线优化模型的不等式约束条件,具体 如下:
umin≤u(t+j)≤umax,rmin≤v(t+j)-v(t-1+j)≤rmax
其中:v表示初始带有高频分量的控制信号,即直接由MPC系统优化输出的直 流线路功率调制指令序列,u为经过低通滤波器后实际作用于电网侧整流控制 器模块的直流功率调制指令信号;umax表示电网侧系统整流控制器模块要求的直 流线路功率调制指令上限约束;umin表示电网侧系统整流控制器模块要求的直流 线路功率调制指令下限约束;rmax表示MPC系统对优化得到的直流线路功率调 制指令变化速率最大值的约束;rmin表示MPC系统对优化得到的直流线路功率 调制指令变化速率最小值的约束。针对实际的互联区域振荡问题,上述约束中对 控制信号进行滤波、限制幅度以及变化率等主要是为了避免机电振荡模态中高频 分量对于控制效果的影响。
步骤2中所述直流线路功率调制指令在线优化模型的待优化变量包括未来 多个时刻的直流线路功率调制指令序列,以t时刻进行优化为例,优化模型涉及 时间范围长度为p的待优化变量包括t+1~t+p多个时刻的直流线路功率调制指 令:
{v(t+1)、v(t+2)…v(t+p)}
其中:v表示初始带有高频分量的控制信号,即直接由MPC系统优化输出 的直流线路功率调制指令序列;p表示MPC系统进行直流线路功率调制指令序 列寻优的时间范围长度。
步骤2中所述直流线路功率调制指令在线优化模型中所需采集的历史多个 时刻的联络线两端母线相角差,以t时刻执行优化为例,具体包括电网侧系统监 测历史数据n项:{y(t-n+1),y(t-n+2),…y(t)};
步骤2中所述直流线路功率调制指令在线优化模型中所需采集的历史多个 时刻直流线路功率调制量,以t时刻执行优化为例,具体包括电网侧系统监测历 史数据m项:
{u(t-m+1),u(t-m+2),…u(t)};
步骤2中所述结合未来一段时间内联络线两端母线相角差构建的优化模型 目标函数为:
其中:xp(t)表示在t时刻起的未来t+1~t+p共p个时刻直流线路功率调控指 令序列的集合,xp(t)可表示为:xp(t)={v(t+1),v(t+2),…,v(t+p)};p表示 MPC系统进行直流线路功率调制指令序列寻优的时间范围长度,如在t时刻执 行模型优化即是需要寻找在t+1~t+p等p个时刻最优的控制指令序列;εk和ηk为 目标对于直流线路功率调制指令与联络线两端母线相角差的稳定控制对应的权 重系数,即优化目标对于输入与输出变量稳定性的侧重程度,需根据实际工程情 况而定;u为经过低通滤波器后实际作用于电网侧整流控制器模块的直流功率调 制指令信号;y表示电网侧系统联络线两端母线的相角差。
步骤2中所述直流线路功率调制指令在线优化模型所属类型为二次规划,可 利用CPLEX求解器进行快速求解;
步骤2中所述仅保留优化得到指令序列中第一个时刻对应的控制指令作为 下一时刻电网侧系统直流线路功率调制指令,通过所述整流控制模块结合 SPWM算法进行整流控制,最终完成直流线路传输功率依照优化结果进行调控, 具体过程为:
以在t时刻进行滚动优化为例,针对直流线路功率调制指令在线优化模型优 化得到的最优控制序列(经滤波后):{ut(t+1),ut(t+2),…,ut(t+p)},仅在t+1 时刻将控制指令ut(t+1)传输至电网侧系统的整流控制器模块作为直流功率调控 量的参考指令,该序列中的其余部分全部舍弃,然后该控制直流通过整流控制模 块结合SPWM算法进行整流控制,最终完成直流线路传输功率依照优化结果进 行调控;同理当在t+1时刻进行滚动优化时,针对直流线路功率调制指令在线优 化模型优化得到最优控制序列(经滤波后):
{ut+1(t+2),ut+1(t+3),…,ut+1(t+p+1)},仅在t+2时刻将控制指令ut+1(t+2) 传输至电网侧系统的整流控制器模块作为直流功率调控量的参考指令,该序列中 的其余部分全部舍弃;后续时刻的执行过程相同。
作为优选,步骤3中所述后续时刻可采取的直流线路功率调制指令最大值引 入的历史多个时刻的联络线两端母线相角差,以在t-1时刻对t时刻的执行指令 最大值进行优化,具体包括:{y(t-n),y(t-n+1),…y(t-1)};
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值引入的历史 多个时刻直流线路功率调制量,以在t-1时刻对t时刻的执行指令最大值进行优 化,具体包括:{u(t-m),u(t-m+1),…u(t-1)};
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值优化模型中 的等式约束为包括关于直流线路功率调制量与联络线两端母线相角差的电网侧 系统对应低阶线性模型、关于MPC系统输出直流线路功率调制指令值与经低通 滤波后实际作用于电网侧系统整流控制模块的直流线路功率调制指令值的低通 滤波器对应ARMA模型,具体如下:
y(t+j)=a1y(t+j-1)+…+any(t+j-n)
+b1u(t+j-1)+…+bmu(t+j-m)
u(t+j-1)=c1u(t+j-2)+c2u(t+j-3)+c3u(t+j-4)
+e0v(t+j-1)+e1v(t+j-2)+e2v(t+j-3)+e3v(t+j-4)
其中:y表示电网侧系统联络线两端母线的相角差;v表示初始带有高频分 量的控制信号,即直接由MPC系统优化输出的直流线路功率调制指令序列,u 为经过低通滤波器后实际作用于电网侧整流控制器模块的直流功率调制指令信 号;c1表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的1阶项自回归系 数;c2表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的2阶项自回归系 数;c3表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的3阶项自回归系 数;d0分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的0阶项滑动 平均系数;d1分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的1阶 项滑动平均系数;d2分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中 的2阶项滑动平均系数;d3分别表示三阶巴特沃斯低通滤波器对应ARMA数学 模型中的3阶项滑动平均系数。
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值优化模型的 不等式约束包括未来一段时间内联络线两端母线相角差值的范围约束、直流线路 功率调制指令上下限约束以及直流线路功率调制指令变化速率上下限约束,具体 如下:
-M≤y(t+j)≤M
umin≤u(t+j-1)≤umax
rmin≤v(t+j)-v(t-1+j)≤rmax
其中:j=0、1、2…z,z表示所述后续时刻可采取的直流线路功率调制指令 最大值优化模型所涉及的时间范围长度;umax表示电网侧系统整流控制器模块要 求的直流线路功率调制指令上限约束;umin表示电网侧系统整流控制器模块要求 的直流线路功率调制指令下限约束;rmax表示MPC系统对优化得到的直流线路 功率调制指令变化速率最大值的约束;rmin表示MPC系统对优化得到的直流线 路功率调制指令变化速率最小值的约束。
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值优化模型的 待优化变量为未来一段时间内多个时刻的直流线路功率调制指令序列,以在t-1 时刻对t时刻控制指令最大值进行优化为例,包括:
{v(t)、v(t+1)、v(t+2)…v(t+z-1)}
其中:v表示未经低通滤波器处理的带有高频分量控制信号;z表示优化模型所 涉及的时间范围长度。
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值优化模型的 目标函数要求未来一段时间内多个时刻的直流线路功率调制指令序列中第一个 时刻的直流线路功率调制指令最大,以在t-1时刻对t时刻控制指令最大值进行 优化为例,可表示为:
其中:v(t)表示在t时刻能采取的稳定控制指令,v(t)∈Ωz-1(t-1); Ωz-1(t-1)表示在t时刻能够采取的稳定控制指令集合,且Ωz-1(t-1)表示 Ωz(t-1)的第一项;Ωz(t-1)表示在t~t+z-1的时间段内能够保持电网侧系统稳 定的控制序列集合,Ωz-1(t-1)与Ωz(t-1)关系可表示为:
根据Ωz(t-1)的定义,将Ωz(t-1)表达为数学模型形式。
步骤3所述后续时刻可采取的直流线路功率调制指令最大值优化模型可转 化为混合整数线性约束形式,可利用CPLEX等成熟的商业求解软件进行快速求 解。
步骤3所述后续时刻可采取的直流线路功率调制指令最大值优化模型的求 解结果为下一时刻可采取的直流线路功率调制指令最大值,以在t-1时刻对t时 刻控制指令最大值进行优化为例,可表示为vmax(t)。
步骤3中所述关于下一时刻可采取的直流线路功率调制指令最小值的优化 模型的构建基本与上述关于下一时刻可采取的直流线路功率调制指令最小值的 优化模型的构建过程的唯一区别在于其目标函数为
其中:v(t)表示在t时刻能采取的稳定控制指令,v(t)∈Ωz-1(t-1); Ωz-1(t-1)表示在t时刻能够采取的稳定控制指令集合。鉴关于下一时刻可采取 的直流线路功率调制指令最小值的优化模型的构建基本与上述关于下一时刻可 采取的直流线路功率调制指令最小值的优化模型的构建过程的其余部分完全相 同,此处不再赘述。
步骤3所述后续时刻可采取的直流线路功率调制指令最小值优化模型的求 解结果为下一时刻可采取的直流线路功率调制指令最小值,以对t时刻控制指令 最小值进行优化为例,可表示为vmin(t)。
步骤3中所述下一时刻可采取随机化的直流线路功率调制指令的计算,以在 t-1时刻计算t时刻可采取的随机化的直流线路功率调制指令为例,表述如下:
v(t)=vmin(t)+[vmax(t)-vmin(t)]×r
其中:vmax(t)表示经上述优化得到的时刻t可采取的直流线路功率调制指令 最大值;vmin(t)表示经上述优化得到的时刻t可采取的直流线路功率调制指令最 小值;r表示处于0和1之间的随机数。
步骤3中所述随机化直流线路功率调制指令执行过程为将该控制指令传输 至电网侧系统的整流控制器模块作为直流功率调控量的参考指令,在t时刻通过 所述整流控制模块结合SVPWM算法进行整流控制,最终完成直流线路传输功 率依照优化结果进行调控。
作为优选,步骤4中所述执行步骤3的的周期为h,以t-1时刻执行步骤3 为例,即在t-h-1,t-1,t+h-1等时刻执行步骤3中所述的随机化直流线路功率调 制指令的计算,并在下一时刻,即t-h,t,t+h等时刻执行上述得到的随机化调 控指令,使电网侧系统处于开环运行状态;执行步骤3所需数据为历史共n个时 刻的联络线两端母线相角差以及历史共m个时刻直流线路功率调制量,以在t-1 时刻对t时刻的执行指令最大值进行优化为例,具体包括: {y(t-n),y(t-n+1),…y(t-1)}与{u(t-m),u(t-m+1),…u(t-1)};
步骤4中所述执行步骤2的时段,以在t-1时刻执行步骤3为例,具体为 t-h~t-2,t~t+h-2,t+h~t+2h-2等时刻,即在该段时间内通过步骤2中的MPC系 统优化得到下一时刻最优的直流线路功率调制指令,并在下一时刻,即 t-h+1~t-1,t+1~t+h-1,t+h+1~t+2h-1等时刻,执行上述最优的直流线路功率调制 指令,在段时间内电力系统处于闭环运行状态;执行步骤2所需数据为历史共n 个时刻的联络线两端母线相角差以及历史共m个时刻直流线路功率调制量,以 在t时刻对t+1时刻的最优直流进行优化为例,具体包括: {y(t-n+1),y(t-n+2),…y(t)}与{u(t-m+1),u(t-m+2),…u(t)};
步骤4中所述执行步骤1的时段,以在t-1时刻执行步骤3为例,具体为 t-h-1,t-1,t+h-1等时刻执行步骤1中的电网侧系统对应低阶线性模型的参数辨 识工作,并在下一时刻,即t-h,t,t+h等时刻依据辨识结果对所构建的电网侧 系统对应低阶线性模型的参数进行更新;执行步骤1所需要的执行步骤1所需数 据为q个历史时刻的直流线路功率调制量以及q个历史时刻的联络线两端母线 相角差,以在t-1时刻进行模型参数辨识为例,具体包括: pline={u(t-q),…u(t-1)}与θline={y(t-q),…y(t-1)};
和现有技术相比,本发明具有如下优点和有益效果:
将直流调制抑制区域间功率振荡与MPC系统结合,能够更好地发挥直流调 制法调控效率高及MPC系统滚动优化的优势;
通过在构建完成的MPC系统基础上,增加条件随机扰动模块,周期性地将 电网侧系统的控制端输入(直流功率调制量)由MPC系统滚动优化得到的调控 指令切换至条件随机扰动指令,使电网侧系统能够周期性地切换至开环运行。通 过引入开环运行数据对所构建的MPC系统中对应模型参数进行定期辨识与更 新,能够避免仅采用闭环运行数据进行辨识,输入端信号与噪声强相关关系引起 辨识结果偏差甚至错误的情况出现,大大提升了模型预测控制精度。
上述条件随机扰动模块的随机信号,均是基于电网侧及MPC系统实时采集 数据,考虑电网侧系统安稳要求提前优化得到(同时保证其随机性,即与电网侧 系统输出信号解耦),因此能够保证电网侧系统在部分时刻以开环的方式稳定运 行。
附图说明
图1:是基于AMPC系统的网侧系统区域振荡抑制过程的示例;
图2:是该发明内容的整体执行流程;
图3:是AMPC系统的整体结构框架;
图4:是AMPC系统的时序配置内容;
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、 完整地描述,显然,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。
本发明系统采用如下技术方案:
包含直流传输线的区域互联电网包括:整流器、直流线路整流控制模块、逆 变器、交流电网、直流传输线、交流联络线;
所述的交流电网、整流器与直流线路整流控制模块、直流传输线、逆变器、 交流电网依次连接,构成直流传输线及控制系统;所述的交流电网、交流联络线、 交流电网顺次连接,构成交流联络线系统;上述直流传输线及控制系统与交流联 络线属于并行连接。
所述的直流线路整流控制模块的控制指令由所提基于自适应预测控制系统 的电网区域振荡抑制方法实时计算得到。
该处具体以附图1为例解释上述电网侧系统以及AMPC系统的结构。附图1 是一个AMPC系统应用于4机2区域系统的区域间功率振荡的平抑,该系统包 括11条母线,4台同步机组,2个负荷、2个新能源场站集群,母线7与母线9 之间存在两条线路:1)交流联络线:对应上述交流电网-交流联络线-交流电网 的顺次连接模式;2)直流传输线:对应上述交流电网-整流器与直流线路整流控 制模块-直流传输线(LCC-HVDC)-逆变器-交流电网的顺次连接模式;其中可 通过调节整流控制器的指令以实时调控直流传输线的功率,本发明的目的为通过 监测电网侧系统母线7与母线9处的相角差数据δ79以及直流传输线的功率数据 设计AMPC系统,对直流传输线功率控制指令进行实时优化与计算,然后作用 于上述直流线路整流控制器模块,实现母线7与9之间直流线路(LCC-HVDC) 传输功率Pdc的实时调整,进而抑制母线7与母线9之间相角间大幅振荡,以保 持系统稳定运行。其中值得注意的是,电网侧系统部分参数发生变化,如母线7 与母线9处的负荷波动等因素也会导致AMPC系统中所构建低阶线性化模型的 参数发生改变,因此通过实时监测运行数据,对AMPC系统中所构建低阶线性 化模型进行定期更新是必要的。
所述整流模块的选型为ZHR22020,其包括整流器与整流控制模块,整流控 制模块支持依据功率指令进行在线调控;所述逆变器的选型为:SUN2000-50KTL-C1;
本发明方法采用如下的技术方案:
一种基于自适应预测控制系统的电网区域振荡抑制方法,以附图2为例说明 该发明的整体执行流程:电网侧系统主要为双区域联络线结构,并且具备控制系 统与监测系统,控制系统为LCC-HVDC线路处整流控制器,需要实时接收直流 功率调制指令;监测系统则实时监测并保存直流线路传输功率与联络线两端母线 的相角差。结合上述两组数据构建电网侧系统对应的低阶线性化模型,并采用加 权最小二乘法对模型参数进行辨识与更新;然后构建起MPC系统,使电网侧系 统周期性地在指定时刻处于闭环运行模式;构建随机条件扰动系统,使电网侧系 统周期性地在指定时刻处于开环运行模式;通过整定开环/闭环模式的切换时序, 使得开环/闭环模式下的直流线路功率调制指令传输至电网侧系统的整流控制模 块,使LCC-HVDC线路传输功率按需调节,抑制联络线母线相角波动。并且定 期地将开环与闭环运行的混合数据用于上述模型参数辨识与更新工作,提升模型 辨识精度,改善整体控制效果。
具体包括步骤:
步骤1:引入多个历史时刻的直流线路功率调制量、多个历史时刻的联络线 两端电压相角差,构建电网侧系统对应的低阶线性化参数模型;将q个历史时刻 的直流线路功率调制量作为所述低阶线性化参数模型的输入数据,将q个历史时 刻的交流联络线两端母线相角差作为所述低阶线性化参数模型的输出数据,通过 加权最小二乘辨识方法优化求解得到所述低阶线性化参数模型的n阶自回归系 数、所述低阶线性化参数模型的m阶移动平均系数;结合辨识得到的所述低阶 线性化参数模型n阶自回归系数、所述低阶线性化参数模型m阶滑动平均系数 构建电网侧系统的低阶线性模型,在本例中q=80;m=1;n=2,数据采样时间步 长为200ms,即,时刻t至时刻t+1间隔200ms。
步骤1所述多个历史时刻的直流线路功率调制量,以在t-1时刻进行模型参 数辨识为例,具体包括:
pline={u(t0-q),…u(t0-1)}={PDC(t0-q),…,PDC(t0-1)}
其中:PDC为图1中母线7与母线9之间LCC-HVDC线路的直流功率调制 量;pline表示多个历史时刻的直流线路功率调制量;u(t0-q)表示在t0-q时刻的 直流线路功率调制量;q=80表示进行模型参数辨识所需要的数据时间长度;
步骤1所述多个历史时刻的联络线两端母线相角差,以在t-1时刻进行模型 参数辨识为例,具体包括:
θline={y(t0-q),…y(t0-1)}={θ79(t0-q),…θ79(t0-1)}
其中:θ79=θ7-θ9,为图1中联络线两端母线7与母线9的相角差值;
步骤1所述电网侧系统对应的低阶线性化参数模型为:
y(t)=a1y(t-1)+a2y(t-2)+b1u(t-1)+ξ(t)
步骤1所述通过加权最小二乘辨识方法优化求解得到所述低阶线性化参数 模型的n阶自回归系数、所述低阶线性化参数模型的m阶移动平均系数,具体 为:
构建优化求解目标模型为:
其中:a1表示所述电网侧系统对应线性化参数模型的第1阶自回归系数;a2表示所述电网侧系统对应线性化参数模型的第2阶自回归系数;b1表示所示电 网侧系统对应线性化参数模型的第1阶滑动平均系数,三者为待求解变量;ωj表示针对第j组量测数据在最小二乘估计中对应的权重系数,在本例中
构建优化求解目标模型中,将多个历史时刻的直流联络线功率调制量作为低 阶线性化模型的输入数据,将多个历史时刻的联络线两端母线相角差作为低阶线 性化参数模型输出数据,以t-1时刻进行模型求解为例,共包括 pline={u(t0-80),…u(t0-1)},θline={y(t0-80),…y(t0-1)}共80个时间步长的 数据;
所述优化求解目标模型的求解方法为:
以在t0-1时刻进行模型求解为例,对所构建模型的目标函数分别求取关于a1、 a2和b1的偏导数,并将电网侧系统历史监测数据pline={u(t0-80),…u(t0-1)}与 θline={y(t0-80),…y(t0-1)}带入进行化简,得到:
步骤1中所述的电网侧系统对应的低阶线性模型由上述优化得到的模型参 数代入所述的低阶线性化参数模型得到,具体表示为:
其中:a1表示所构建电网侧系统对应的低阶线性模型的第1阶自回归系数; a2表示所构建电网侧系统对应的低阶线性模型第2阶自回归系数;b1表示所构 建电网侧系统对应的低阶线性模型第1阶滑动平均系数;
步骤2:构建等式约束条件以及不等式约束条件,将未来p个时刻的直流 线路功率调制指令序列作为待优化求解变量,采集过去m个时刻的直流线路功 率调制量、过去n个时刻的联络线两端母线相角差,结合步骤1所述电网侧系统 对应的低阶线性模型进行预测得到未来一段时间内联络线两端母线相角差,进一 步结合未来多个时刻联络线两端母线相角差构建模型优化目标,形成直流线路功 率调制指令在线优化模型,通过二次规划相关方法进行优化得到优化后未来p个 时刻的直流线路功率调制指令序列,仅保留优化得到指令序列中第一个时刻对应 的控制指令作为下一时刻电网侧系统直流线路功率调制指令,通过所述整流控制 模块结合SPWM算法进行整流控制,最终完成直流线路传输功率依照优化结果 进行调控,在本例中m=2;n=1;p=10。
步骤2中所述直流线路功率调制指令在线优化模型,即模型预测控制(MPC) 系统的等式约束条件,以在t0时刻预测t0+1时刻指令为例,具体如下:
其中:j=0,...,10,在本例中三阶巴特沃斯滤波器的截止频率为0.8Hz。
步骤2中所述直流线路功率调制指令在线优化模型的不等式约束条件,具体 如下:
其中:v表示初始带有高频分量的控制信号,即直接由MPC系统优化输出 的直流线路功率调制指令序列,u为经过低通滤波器后实际作用于电网侧整流 控制器模块的直流功率调制指令信号;umax表示电网侧系统整流控制器模块要求 的直流线路功率调制指令上限约束;umin表示电网侧系统整流控制器模块要求的 直流线路功率调制指令下限约束;rmax表示MPC系统对优化得到的直流线路功 率调制指令变化速率最大值的约束;rmin表示MPC系统对优化得到的直流线路 功率调制指令变化速率最小值的约束。rmax=10;rmin=-10;umax=10; umin=-10。
步骤2中所述直流线路功率调制指令在线优化模型的待优化变量包括未来 多个时刻的直流线路功率调制指令序列,以t0时刻进行优化为例,优化模型涉及 时间范围长度为10的待优化变量包括t0+1~t0+10多个时刻的直流线路功率调 制指令:{v(t0+1)、v(t0+2)…v(t0+10)}。
步骤2中所述直流线路功率调制指令在线优化模型中所需采集的历史多个 时刻的联络线两端母线相角差,以t0时刻执行优化为例,具体包括电网侧系统监 测历史数据2项:{y(t0-1),y(t0)};
步骤2中所述直流线路功率调制指令在线优化模型中所需采集的历史多个 时刻直流线路功率调制量,以t0时刻执行优化为例,具体包括电网侧系统监测历 史数据1项:{u(t0)}。
步骤2中所述结合未来一段时间内联络线两端母线相角差构建的优化模型 目标函数为:
其中:xp(t0)表示在t0时刻起的未来t0+1~t0+10共10个时刻直流线路功率 调控指令序列的集合,xp(t0)可表示为:xp(t0)={v(t0+1),v(t0+2),…,v(t0+10)}; p表示MPC系统进行直流线路功率调制指令序列寻优的时间范围长度,p=10; εk和ηk为目标对于直流线路功率调制指令与联络线两端母线相角差的稳定控制 对应的权重系数,本例中εk=1(k=1…10)、ηk=0(k=1…10)(本例以输出变量 母线功角差波动最小为目标);u为经过低通滤波器后实际作用于电网侧整流控 制器模块的直流功率调制指令信号;y表示电网侧系统联络线两端母线的相角差。
步骤2中所述直流线路功率调制指令在线优化模型所属类型为二次规划,可 利用CPLEX求解器进行快速求解;
步骤2中所述仅保留优化得到指令序列中第一个时刻对应的控制指令作为 下一时刻电网侧系统直流线路功率调制指令,通过所述整流控制模块结合 SPWM算法进行整流控制,最终完成直流线路传输功率依照优化结果进行调控, 具体过程为:
以在t0时刻进行滚动优化为例,针对直流线路功率调制指令在线优化模型优 化得到的最优控制序列(经滤波后):仅 在t0+1时刻将控制指令传输至电网侧系统的整流控制器模块作为直流 功率调控量的参考指令,该序列中的其余部分全部舍弃,然后该控制直流通过整 流控制模块结合SPWM算法进行整流控制,最终完成直流线路传输功率依照优 化结果进行调控;同理当在t0+1时刻进行滚动优化时,针对直流线路功率调制 指令在线优化模型优化得到最优控制序列(经滤波后):仅在t0+2时刻将控制指令传 输至电网侧系统的整流控制器模块作为直流功率调控量的参考指令,该序列中的 其余部分全部舍弃;后续时刻的执行过程相同。
步骤3:引入历史m个时刻的直流线路功率调制量、历史n个时刻的联络线 两端母线相角差,结合步骤1引入的电网侧系统对应低阶线性模型构建等式约束; 以未来z个时刻内联络线两端母线相角差值需保持在一定范围内、直流线路功率 调制指令上下限、直流线路功率调制指令变化速率上下限构建不等式约束;以未 来z个时刻的直流线路功率调制指令序列为待优化变量;以未来z个时刻的直流 线路功率调制指令序列中第一个时刻的直流线路功率调制指令最大为目标函数 构建优化模型,采用混合整数线性规划的算法对模型进行求解,得到下一时刻可 以采取的直流线路功率调控指令的最大值;以未来z个时刻的直流线路功率调制 指令序列中第一个时刻的直流线路功率调制指令最小为目标函数构建优化模型, 采用混合整数线性规划的算法对模型进行求解,得到下一时刻可以采取的直流线 路功率调控指令的最小值;根据上述得到的下一时刻可采取的直流线路功率调制 指令的最大值与最小值,结合随机数进一步计算可采取随机化的直流线路功率调 制指令,并在下一时刻将该控制指令传输至电网侧系统的整流控制器模块作为直 流功率调控量的参考指令,通过所述整流控制模块结合SPWM算法进行整流控 制,最终完成直流线路传输功率依照优化结果进行调控,在本例中m=2;n=1; z=35。
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值引入的历史 多个时刻的联络线两端母线相角差,以在t0-1时刻对t0时刻的执行指令最大值进 行优化,具体包括:{y(t0-2),y(t0-1)};
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值引入的历史 多个时刻直流线路功率调制量,以在t0-1时刻对t0时刻的执行指令最大值进行优 化,具体包括:{u(t0-1)};
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值优化模型中 的等式约束为包括关于直流线路功率调制量与联络线两端母线相角差的电网侧 系统对应低阶线性模型、关于MPC系统输出直流线路功率调制指令值与经低通 滤波后实际作用于电网侧系统整流控制模块的直流线路功率调制指令值的低通 滤波器对应ARMA模型,具体如下:
其中:y表示电网侧系统联络线两端母线的相角差;v表示初始带有高频分 量的控制信号,即直接由MPC系统优化输出的直流线路功率调制指令序列,u 为经过低通滤波器后实际作用于电网侧整流控制器模块的直流功率调制指令信 号;c1表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的1阶项自回归系 数;c2表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的2阶项自回归系 数;c3表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的3阶项自回归系 数;d0分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的0阶项滑动 平均系数;d1分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的1阶 项滑动平均系数;d2分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中 的2阶项滑动平均系数;d3分别表示三阶巴特沃斯低通滤波器对应ARMA数学 模型中的3阶项滑动平均系数。
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值优化模型的 不等式约束包括未来一段时间内联络线两端母线相角差值的范围约束、直流线路 功率调制指令上下限约束以及直流线路功率调制指令变化速率上下限约束,具体 如下:
-M≤y(t0+j)≤M
umin≤u(t0+j-1)≤umax
rmin≤v(t0+j)-v(t0-1+j)≤rmax
其中:j=0、1、2…35,即z=35,z表示所述后续时刻可采取的直流线路功率 调制指令最大值优化模型所涉及的时间范围长度;rmax=10;rmin=-10; umax=10;umin=-10。
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值优化模型的 待优化变量为未来一段时间内多个时刻的直流线路功率调制指令序列,以在t0-1 时刻对t0时刻控制指令最大值进行优化为例,包括:
{v(t0)、v(t0+1)、v(t0+2)…v(t0+34)}
其中:v表示未经低通滤波器处理的带有高频分量控制信号;本例中, z=35,z表示所述后续时刻可采取的直流线路功率调制指令最大值优化模型所 涉及的时间范围长度。
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值优化模型的 目标函数要求未来一段时间内多个时刻的直流线路功率调制指令序列中第一个 时刻的直流线路功率调制指令最大,以在t0-1时刻对t0时刻控制指令最大值进行 优化为例,可表示为:
其中:v(t0)表示在t0时刻能采取的稳定控制指令,v(t0)∈Ωz-1(t0-1); Ωz-1(t0-1)表示在t0时刻能够采取的稳定控制指令集合,且Ωz-1(t0-1)表示 Ωz(t0-1)的第一项;Ωz(t0-1)表示在t0~t0+z的时间段内能够保持电网侧系统稳 定的控制序列集合。
步骤3中所述关于下一时刻可采取的直流线路功率调制指令最小值的优化 模型的构建基本与上述关于下一时刻可采取的直流线路功率调制指令最小值的 优化模型的构建过程的唯一区别在于其目标函数为
其中:v(t0)表示在t0时刻能采取的稳定控制指令,v(t0)∈Ωz-1(t0-1); Ωz-1(t0-1)表示在t0时刻能够采取的稳定控制指令集合。鉴关于下一时刻可采取 的直流线路功率调制指令最小值的优化模型的构建基本与上述关于下一时刻可 采取的直流线路功率调制指令最小值的优化模型的构建过程的其余部分完全相 同,此处不再赘述。
步骤3所述后续时刻可采取的直流线路功率调制指令最小值优化模型的求 解结果为下一时刻可采取的直流线路功率调制指令最小值,以对t0时刻控制指令 最小值进行优化为例,可表示为vmin(t0)。
步骤3中所述下一时刻可采取随机化的直流线路功率调制指令的计算,以在 t0-1时刻计算t0时刻可采取的随机化的直流线路功率调制指令为例,表述如下:
v(t0)=vmin(t0)+[vmax(t0)-vmin(t0)]×r
其中:vmax(t0)表示经上述优化得到的时刻t0可采取的直流线路功率调制指 令最大值;vmin(t0)表示经上述优化得到的时刻t0可采取的直流线路功率调制指 令最小值;r表示处于0和1之间的随机数。
步骤3中所述随机化直流线路功率调制指令执行过程为将该控制指令传输 至电网侧系统的整流控制器模块作为直流功率调控量的参考指令,在t0时刻通过 所述整流控制模块结合SVPWM算法进行整流控制,最终完成直流线路传输功 率依照优化结果进行调控。
步骤4:实时采集历史m个时刻的直流线路功率调制量、历史n个时刻的联 络线两端母线相角差,以h为周期在指定时刻执行步骤3,得到下一时刻可采取 的随机直流线路功率调制指令,作用于电网侧系统的整流控制模块,经整流控制 将直流传输线功率在下一时刻调节为上述随机指令,在下一时刻使电网侧系统处 于开环运行状态;以h为周期在指定时间段内执行步骤2,得到下一时刻最优的 直流线路功率调制指令,并作用于电网侧系统的整流控制模块,经整流控制将直 流传输线功率在下一时刻调节为上述指定值,在该段时间内使电网侧系统处于闭 环稳定运行状态;实时监测并保存上述由电网侧系统闭环与开环交替运行状态下 的直流线路功率调制量以及联络线两端母线相角差等数据,并在执行步骤3的同 时利用该历史监测数据执行步骤1,周期性地对步骤1中所构建电网侧系统对应低阶线性化模型的参数进行辨识与更新,在本例中m=2;n=1;h=3。
步骤4中所述执行步骤3的的周期为h=3,以t0-1时刻执行步骤3为例,即 在t0-4,t0-1,t0+2等时刻执行步骤3中所述的随机化直流线路功率调制指令的计 算,并在下一时刻,即t0-3,t0,t0+3等时刻执行上述得到的随机化调控指令, 使电网侧系统处于开环运行状态;执行步骤3所需数据为历史共n个时刻的联络 线两端母线相角差以及历史共m个时刻直流线路功率调制量,以在t0-1时刻对 t0时刻的执行指令最大值进行优化为例,具体包括:{y(t0-n),y(t0-n+1),…y(t0-1)}与{u(t0-m),u(t0-m+1),…u(t0-1)};
步骤4中所述执行步骤2的时段,以在t0-1时刻执行步骤3为例,具体为 t0-3~t0-2,t0~t0+1,t0+3~t0+4等时刻,即在该段时间内通过步骤2中的MPC系 统优化得到下一时刻最优的直流线路功率调制指令,并在下一时刻,即t0-2~ t0-1,t0+1~t0+2,t0+4~t0+5等时刻,执行上述最优的直流线路功率调制指令,在 段时间内电力系统处于闭环运行状态;执行步骤2所需数据为历史共n个时刻的 联络线两端母线相角差以及历史共m个时刻直流线路功率调制量,以在t0时刻 对t0+1时刻的最优直流进行优化为例,具体包括: {y(t0-n+1),y(t0-n+2),…y(t0)}与{u(t0-m+1),u(t0-m+2),…u(t0)};
步骤4中所述执行步骤1的时段,以在t0-1时刻执行步骤3为例,具体为 t0-4,t0-1,t0+3等时刻执行步骤1中的电网侧系统对应低阶线性模型的参数辨识 工作,并在下一时刻,即t0-3,t0,t0+3等时刻依据辨识结果对所构建的电网侧 系统对应低阶线性模型的参数进行更新;执行步骤1所需要的执行步骤1所需数 据为q个历史时刻的直流线路功率调制量以及q个历史时刻的联络线两端母线 相角差,以在t0-1时刻进行模型参数辨识为例,具体包括: pline={u(t0-q),…u(t0-1)}与θline={y(t0-q),…y(t0-1)};
为了更加详细介绍步骤4的整体流程,首先以附图3为例进行说明:其中步 骤1对应附图中电网侧系统对应线性化模型的构建与参数辨识过程;步骤2对应 附图中MPC系统的状态预测与滚动优化过程;步骤3对应附图中的条件随机扰 动模块的构建。值得说明的是,整个控制系统主要目的是为电网侧系统的直流线 路处整流控制器提供直流线路功率调制指令,使得电网侧系统直流线路功率按需 进行最优调节保证电网侧系统联络线两端母线相角振荡最小,该直流线路功率调 控指令对应附图中的变量u,联络线两端母线相角对应附图中的变量y。
并且该AMPC系统在运行过程中在同一时刻仅运行在一种模式下,对应附图中 的开关选项切换至模式1与模式2,而步骤4的工作即合理地安排该AMPC系统 的模式1(对应步骤2)与模式2(对应步骤3)之间周期性的切换,以及步骤1 模型参数辨识工作的周期化执行。
基于附图3对于步骤1、步骤2以及步骤3功能的说明,以附图4为例详细 说明该AMPC系统在运行过程中,各种运行模式的周期性切换过程,具体如下:
t-h时刻,主要任务包括3项:(1)对系统进行随机扰动,即给定附图4中 的直流联络线一个随机的直流功率指令u(t-h),并且对应与附图1中的AMPC系 统切换至模式2运行,电网侧的系统处于开环运行模式下;(2)更新AMPC系 统中的模型参数;(3)AMPC系统对下一时刻的控制指令进行优化。
t-h+1时刻,主要任务包括2项:(1)将AMPC系统由模式2切换至模式1 (对应于附图2),在该时刻将直流传输线功率调制指令切换至AMPC优化得到 的控制指令,该时刻电网侧系统处于闭环运行模式;(2)AMPC系统对下一时 刻的控制指令进行优化。
t-h+1时刻~t-1时刻,主要工作包括1项:(1)在该段时间内AMPC始终 运行于模式1,直流联络线传输功率的调制信号均是由MPC系统滚动优化得到, 即电网侧系统始终于闭环运行模式下;
t-1时刻,主要工作包括2项:(1)对t时刻的随机扰动输入控制信息进行 提前计算,即计算在t时刻应当施加于直流联络线传输功率指令的随机信号的幅 值。(2)结合当前时刻之前共q个时间步长的联络线两端母线功角差以及直流 联络线传输功率数据(应涵盖模式1与模式2):u(t-q)、u(t-q+1)、u(t-q+2)…u(t-1); y(t-q)、y(t-q+1)、y(t-q+2)…y(t-1),对电网区域间振荡模型的参数进行辨识,用 于t时刻的参数更新。
t时刻,主要工作包括3项:(1)将AMPC切换至模式1运行,即在该时 刻将t-1时刻计算得到的直流联络线传输功率随机扰指令下达至直流联络线;(2)根据t-1时刻参数辨识得到的区域间振荡模型参数,对MPC预测控制系统 参数进行更新;(3)根据当前及历史时刻母线功角差、直流传输线功率信息, 并结合更新后的MPC预测模型,对后续控制序列进行优化,即得到后续p个时 间长度的直流联络线的传输功率控制指令:ut(t+1)、ut(t+2)…ut(t+p)。
t+1时刻,主要工作包括2项:(1)将AMPC系统切换至模式2运行,即 在该时刻将t时刻计算得到的后续控制指令中的ut(t+1)下达至直流联络线功率 控制器;(2)在该时刻对后续时刻的直流传输功率控制指令进行优化,得到: ut+1(t+2)、ut+1(t+3)、ut+1(t+4)...ut+1(t+p+1)。
t+1~t+h-1时刻:按照t-h+2时刻至t-2时刻操作执行;
t+h-1时刻:按照t-1时刻任务执行;
t+h时刻:按照t时刻任务执行;
后续过程延续上述流程周期性循环执行即可。
具体实施时,本发明可采用计算机软件技术实现自动运行流程。
以上对本发明的实施例进行了详细说明,但所述内容仅为本发明的较佳实施 例,并不用以限制本发明。凡在本发明申请范围内所做的任何修改、等同替换和 改进等,均应包含在本发明保护范围之内。
Claims (5)
1.一种基于自适应预测控制系统的电网区域振荡抑制方法,其特征在于,所述自适应预测控制系统包括:整流器、直流线路整流控制模块、逆变器、交流电网、直流传输线、交流联络线;
所述的交流电网、整流器与直流线路整流控制模块、直流传输线、逆变器、交流电网依次连接,构成直流传输线及控制系统;所述的交流电网、交流联络线、交流电网顺次连接,构成交流联络线系统;上述直流传输线及控制系统与交流联络线属于并行连;
所述电网区域振荡抑制方法包括以下步骤:
步骤1:引入多个历史时刻的直流线路功率调制量、多个历史时刻的联络线两端电压相角差,构建电网侧系统对应的低阶线性化参数模型;将多个历史时刻的直流线路功率调制量作为所述低阶线性化参数模型的输入数据,将多个历史时刻的交流联络线两端母线相角差作为所述低阶线性化参数模型的输出数据,通过加权最小二乘辨识方法优化求解得到所述低阶线性化参数模型的n阶自回归系数、所述低阶线性化参数模型的m阶移动平均系数;结合辨识得到的所述低阶线性化参数模型n阶自回归系数、所述低阶线性化参数模型m阶滑动平均系数构建电网侧系统的低阶线性模型;
步骤2:构建等式约束条件以及不等式约束条件,将未来多个时刻的直流线路功率调制指令序列作为待优化求解变量,采集过去多个时刻的直流线路功率调制量、过去多个时刻的联络线两端母线相角差,结合步骤1所述电网侧系统对应的低阶线性模型进行预测得到未来一段时间内联络线两端母线相角差,进一步结合未来多个时刻联络线两端母线相角差构建模型优化目标,形成直流线路功率调制指令在线优化模型,通过二次规划相关方法进行优化得到优化后未来多个时刻的直流线路功率调制指令序列,仅保留优化得到指令序列中第一个时刻对应的控制指令作为下一时刻电网侧系统直流线路功率调制指令,通过所述整流控制模块结合SPWM算法进行整流控制,最终完成直流线路传输功率依照优化结果进行调控;
步骤3:引入历史多个时刻的直流线路功率调制量、历史多个时刻的联络线两端母线相角差,结合步骤1引入的电网侧系统对应低阶线性模型构建等式约束;以未来一段时间内联络线两端母线相角差值需保持在一定范围内、直流线路功率调制指令上下限、直流线路功率调制指令变化速率上下限构建不等式约束;以未来一段时间内多个时刻的直流线路功率调制指令序列为待优化变量;以未来一段时间内多个时刻的直流线路功率调制指令序列中第一个时刻的直流线路功率调制指令最大为目标函数构建优化模型,采用混合整数线性规划的算法对模型进行求解,得到下一时刻可以采取的直流线路功率调控指令的最大值;以未来一段时间内多个时刻的直流线路功率调制指令序列中第一个时刻的直流线路功率调制指令最小为目标函数构建优化模型,采用混合整数线性规划的算法对模型进行求解,得到下一时刻可以采取的直流线路功率调控指令的最小值;根据上述得到的下一时刻可采取的直流线路功率调制指令的最大值与最小值,结合随机数进一步计算可采取随机化的直流线路功率调制指令,并在下一时刻将该控制指令传输至电网侧系统的整流控制器模块作为直流功率调控量的参考指令,通过所述整流控制模块结合SVPWM算法进行整流控制,最终完成直流线路传输功率依照优化结果进行调控;
步骤4:实时采集历史多个时刻的直流线路功率调制量、历史多个时刻的联络线两端母线相角差,周期性地在指定时刻执行步骤3,得到下一时刻可采取的随机直流线路功率调制指令,作用于电网侧系统的整流控制模块,经整流控制将直流传输线功率在下一时刻调节为上述随机指令,在下一时刻使电网侧系统处于开环运行状态;周期性地在指定时间段内执行步骤2,得到下一时刻最优的直流线路功率调制指令,并作用于电网侧系统的整流控制模块,经整流控制将直流传输线功率在下一时刻调节为上述指定值,在该段时间内使电网侧系统处于闭环稳定运行状态;实时监测并保存上述由电网侧系统闭环与开环交替运行状态下的直流线路功率调制量以及联络线两端母线相角差等数据,并在执行步骤3的同时利用该历史监测数据执行步骤1,周期性地对步骤1中所构建电网侧系统对应低阶线性化模型的参数进行辨识与更新。
2.根据权利要求1所述的基于自适应预测控制系统的电网区域振荡抑制方法,其特征在于,步骤1所述多个历史时刻的直流线路功率调制量,以在t-1时刻进行模型参数辨识为例,具体包括:
pline={u(t-q),…u(t-1)}
其中:pline表示多个历史时刻的直流线路功率调制量;u(t-q)表示在t-q时刻的直流线路功率调制量;q表示进行模型参数辨识所需要的数据时间长度;
步骤1所述多个历史时刻的联络线两端母线相角差,以在t-1时刻进行模型参数辨识为例,具体包括:
θline={y(t-q),…y(t-1)}
其中:θline表示多个历史时刻的联络线两端母线相角差;y(t-q)表示在t-q时刻的联络线两端母线相角差;
步骤1所述电网侧系统对应的低阶线性化参数模型为:
y(t+1)=a1y(t)+…+any(t-n+1)+
b1u(t)+…+bmu(t-m+1)
其中:n表示所述低阶线性化参数模型的自回归阶数;m表示所述低阶线性化参数模型的滑动平均阶数;ak,k∈[1,n]表示所述低阶线性化参数模型的自回归系数;bi,i∈[1,m]表示所述低阶线性化参数模型的滑动平均系数;
步骤1所述通过加权最小二乘辨识方法优化求解得到所述低阶线性化参数模型的n阶自回归系数、所述低阶线性化参数模型的m阶移动平均系数,具体为:
构建优化求解目标模型为:
其中:ak,k∈[1,n]表示所述低阶线性化参数模型的第k阶自回归系数,是待求解变量;bi,i∈[1,m]表示模型的第i阶滑动平均系数,是待求解变量;ωj表示针对第j组量测数据在最小二乘估计中对应的权重系数,距t时刻越近或采用随机扰动激励得到的系统开环运行状态下的监测数据对应权重越大,且需满足:当考虑时序接近权值越大的原则时,定义:
构建优化求解目标模型中,将多个历史时刻的直流联络线功率调制量作为低阶线性化模型的输入数据,将多个历史时刻的联络线两端母线相角差作为低阶线性化参数模型输出数据,以t-1时刻进行模型求解为例,共包括pline={u(t-q),…u(t-1)},θline={y(t-q),…y(t-1)}共q个时间步长的数据;
所述优化求解目标模型的求解方法为:
针对所述优化求解目标模型,分别求取其关于n个自回归系数ak,k∈[1,n]以及m个滑动平均系数bi,i∈[1,m]的偏导数,并将监测得到的多个历史时刻直流线路功率调制量数据pline={u(t-q),u(t-q),…u(t-1)}与联络线两端母线相角差与θline={y(t-q),y(t-q),…y(t-1)}带入计算化简,得到:
步骤1中所述的电网侧系统对应的低阶线性模型由上述优化得到的模型参数代入所述的低阶线性化参数模型得到,具体表示为:
其中:ak,k∈[1,n]表示所构建电网侧系统对应的低阶线性模型自回归系数;bi,i∈[1,m]表示所构建电网侧系统对应的低阶线性模型滑动平均系数。
3.根据权利要求1所述的基于自适应预测控制系统的电网区域振荡抑制方法,其特征在于,步骤2中所述直流线路功率调制指令在线优化模型,即模型预测控制MPC系统的等式约束条件,具体如下:
其中:ak,k∈[1,n]表示所构建电网侧系统对应的低阶线性模型自回归系数;bi,i∈[1,m]表示所构建电网侧系统对应的低阶线性模型滑动平均系数;p表示MPC系统进行直流线路功率调制指令序列寻优的时间范围长度,如在t时刻执行模型优化即是需要寻找在t+1~t+p等p个时刻最优的控制指令序列;在实际的电网侧系统中往往采用低通滤波器对控制指令序列进行滤波后再接入电网侧输入控制端口实施控制,其中v表示初始带有高频分量的控制信号,即直接由MPC系统优化输出的直流线路功率调制指令序列,u为经过低通滤波器后实际作用于电网侧整流控制器模块的直流功率调制指令信号;c1表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的1阶项自回归系数;c2表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的2阶项自回归系数;c3表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的3阶项自回归系数;d0分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的0阶项滑动平均系数;d1分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的1阶项滑动平均系数;d2分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的2阶项滑动平均系数;d3分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的3阶项滑动平均系数;
步骤2中所述直流线路功率调制指令在线优化模型的不等式约束条件,具体如下:umin≤u(t+j)≤umax,rmin≤v(t+j)-v(t-1+j)≤rmax
其中:v表示初始带有高频分量的控制信号,即直接由MPC系统优化输出的直流线路功率调制指令序列,u为经过低通滤波器后实际作用于电网侧整流控制器模块的直流功率调制指令信号;umax表示电网侧系统整流控制器模块要求的直流线路功率调制指令上限约束;umin表示电网侧系统整流控制器模块要求的直流线路功率调制指令下限约束;rmax表示MPC系统对优化得到的直流线路功率调制指令变化速率最大值的约束;rmin表示MPC系统对优化得到的直流线路功率调制指令变化速率最小值的约束;针对实际的互联区域振荡问题,上述约束中对控制信号进行滤波、限制幅度以及变化率等主要是为了避免机电振荡模态中高频分量对于控制效果的影响;
步骤2中所述直流线路功率调制指令在线优化模型的待优化变量包括未来多个时刻的直流线路功率调制指令序列,以t时刻进行优化为例,优化模型涉及时间范围长度为p的待优化变量包括t+1~t+p多个时刻的直流线路功率调制指令:
{v(t+1)、v(t+2)…v(t+p)}
其中:v表示初始带有高频分量的控制信号,即直接由MPC系统优化输出的直流线路功率调制指令序列;p表示MPC系统进行直流线路功率调制指令序列寻优的时间范围长度;
步骤2中所述直流线路功率调制指令在线优化模型中所需采集的历史多个时刻的联络线两端母线相角差,以t时刻执行优化为例,具体包括电网侧系统监测历史数据n项:{y(t-n+1),y(t-n+2),…y(t)};
步骤2中所述直流线路功率调制指令在线优化模型中所需采集的历史多个时刻直流线路功率调制量,以t时刻执行优化为例,具体包括电网侧系统监测历史数据m项:{u(t-m+1),u(t-m+2),…u(t)};
步骤2中所述结合未来一段时间内联络线两端母线相角差构建的优化模型目标函数为:
其中:xp(t)表示在t时刻起的未来t+1~t+p共p个时刻直流线路功率调控指令序列的集合,xp(t)可表示为:xp(t)={v(t+1),v(t+2),…,v(t+p)};p表示MPC系统进行直流线路功率调制指令序列寻优的时间范围长度,如在t时刻执行模型优化即是需要寻找在t+1~t+p等p个时刻最优的控制指令序列;εk和ηk为目标对于直流线路功率调制指令与联络线两端母线相角差的稳定控制对应的权重系数,即优化目标对于输入与输出变量稳定性的侧重程度,需根据实际工程情况而定;u为经过低通滤波器后实际作用于电网侧整流控制器模块的直流功率调制指令信号;y表示电网侧系统联络线两端母线的相角差;
步骤2中所述直流线路功率调制指令在线优化模型所属类型为二次规划,可利用CPLEX求解器进行快速求解;
步骤2中所述仅保留优化得到指令序列中第一个时刻对应的控制指令作为下一时刻电网侧系统直流线路功率调制指令,通过所述整流控制模块结合SPWM算法进行整流控制,最终完成直流线路传输功率依照优化结果进行调控,具体过程为:
以在t时刻进行滚动优化为例,针对直流线路功率调制指令在线优化模型优化得到的最优控制序列(经滤波后):{ut(t+1),ut(t+2),…,ut(t+p)},仅在t+1时刻将控制指令ut(t+1)传输至电网侧系统的整流控制器模块作为直流功率调控量的参考指令,该序列中的其余部分全部舍弃,然后该控制直流通过整流控制模块结合SPWM算法进行整流控制,最终完成直流线路传输功率依照优化结果进行调控;同理当在t+1时刻进行滚动优化时,针对直流线路功率调制指令在线优化模型优化得到最优控制序列(经滤波后):{ut+1(t+2),ut+1(t+3),…,ut+1(t+p+1)},仅在t+2时刻将控制指令ut+1(t+2)传输至电网侧系统的整流控制器模块作为直流功率调控量的参考指令,该序列中的其余部分全部舍弃;后续时刻的执行过程相同。
4.根据权利要求1所述的基于自适应预测控制系统的电网区域振荡抑制方法,其特征在于,步骤3中所述后续时刻可采取的直流线路功率调制指令最大值引入的历史多个时刻的联络线两端母线相角差,以在t-1时刻对t时刻的执行指令最大值进行优化,具体包括:{y(t-n),y(t-n+1),…y(t-1)};
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值引入的历史多个时刻直流线路功率调制量,以在t-1时刻对t时刻的执行指令最大值进行优化,具体包括:{u(t-m),u(t-m+1),…u(t-1)};
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值优化模型中的等式约束为包括关于直流线路功率调制量与联络线两端母线相角差的电网侧系统对应低阶线性模型、关于MPC系统输出直流线路功率调制指令值与经低通滤波后实际作用于电网侧系统整流控制模块的直流线路功率调制指令值的低通滤波器对应ARMA模型,具体如下:
y(t+j)=a1y(t+j-1)+…+any(t+j-n)+b1u(t+j-1)+…+bmu(t+j-m)
u(t+j-1)=c1u(t+j-2)+c2u(t+j-3)+c3u(t+j-4)+e0v(t+j-1)+e1v(t+j-2)+e2v(t+j-3)+e3v(t+j-4)
其中:y表示电网侧系统联络线两端母线的相角差;v表示初始带有高频分量的控制信号,即直接由MPC系统优化输出的直流线路功率调制指令序列,u为经过低通滤波器后实际作用于电网侧整流控制器模块的直流功率调制指令信号;c1表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的1阶项自回归系数;c2表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的2阶项自回归系数;c3表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的3阶项自回归系数;d0分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的0阶项滑动平均系数;d1分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的1阶项滑动平均系数;d2分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的2阶项滑动平均系数;d3分别表示三阶巴特沃斯低通滤波器对应ARMA数学模型中的3阶项滑动平均系数;
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值优化模型的不等式约束包括未来一段时间内联络线两端母线相角差值的范围约束、直流线路功率调制指令上下限约束以及直流线路功率调制指令变化速率上下限约束,具体如下:
-M≤y(t+j)≤M
umin≤u(t+j-1)≤umax
rmin≤v(t+j)-v(t-1+j)≤rmax
其中:j=0、1、2…z,z表示所述后续时刻可采取的直流线路功率调制指令最大值优化模型所涉及的时间范围长度;umax表示电网侧系统整流控制器模块要求的直流线路功率调制指令上限约束;umin表示电网侧系统整流控制器模块要求的直流线路功率调制指令下限约束;rmax表示MPC系统对优化得到的直流线路功率调制指令变化速率最大值的约束;rmin表示MPC系统对优化得到的直流线路功率调制指令变化速率最小值的约束;
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值优化模型的待优化变量为未来一段时间内多个时刻的直流线路功率调制指令序列,以在t-1时刻对t时刻控制指令最大值进行优化为例,包括:
{v(t)、v(t+1)、v(t+2)…v(t+z-1)}
其中:v表示未经低通滤波器处理的带有高频分量控制信号;z表示优化模型所涉及的时间范围长度;
步骤3中所述后续时刻可采取的直流线路功率调制指令最大值优化模型的目标函数要求未来一段时间内多个时刻的直流线路功率调制指令序列中第一个时刻的直流线路功率调制指令最大,以在t-1时刻对t时刻控制指令最大值进行优化为例,可表示为:
其中:v(t)表示在t时刻能采取的稳定控制指令,v(t)∈Ωz-1(t-1);Ωz-1(t-1)表示在t时刻能够采取的稳定控制指令集合,且Ωz-1(t-1)表示Ωz(t-1)的第一项;Ωz(t-1)表示在t~t+z-1的时间段内能够保持电网侧系统稳定的控制序列集合,Ωz-1(t-1)与Ωz(t-1)关系可表示为:
根据Ωz(t-1)的定义,将Ωz(t-1)表达为数学模型形式;
步骤3所述后续时刻可采取的直流线路功率调制指令最大值优化模型可转化为混合整数线性约束形式,可利用CPLEX等成熟的商业求解软件进行快速求解;
步骤3所述后续时刻可采取的直流线路功率调制指令最大值优化模型的求解结果为下一时刻可采取的直流线路功率调制指令最大值,以在t-1时刻对t时刻控制指令最大值进行优化为例,可表示为vmax(t);
步骤3中所述关于下一时刻可采取的直流线路功率调制指令最小值的优化模型的构建基本与上述关于下一时刻可采取的直流线路功率调制指令最小值的优化模型的构建过程的唯一区别在于其目标函数为
其中:v(t)表示在t时刻能采取的稳定控制指令,v(t)∈Ωz-1(t-1);Ωz-1(t-1)表示在t时刻能够采取的稳定控制指令集合;鉴关于下一时刻可采取的直流线路功率调制指令最小值的优化模型的构建基本与上述关于下一时刻可采取的直流线路功率调制指令最小值的优化模型的构建过程的其余部分完全相同,此处不再赘述;
步骤3所述后续时刻可采取的直流线路功率调制指令最小值优化模型的求解结果为下一时刻可采取的直流线路功率调制指令最小值,以对t时刻控制指令最小值进行优化为例,可表示为vmin(t);
步骤3中所述下一时刻可采取随机化的直流线路功率调制指令的计算,以在t-1时刻计算t时刻可采取的随机化的直流线路功率调制指令为例,表述如下:
v(t)=vmin(t)+[vmax(t)-vmin(t)]×r
其中:vmax(t)表示经上述优化得到的时刻t可采取的直流线路功率调制指令最大值;vmin(t)表示经上述优化得到的时刻t可采取的直流线路功率调制指令最小值;r表示处于0和1之间的随机数;
步骤3中所述随机化直流线路功率调制指令执行过程为将该控制指令传输至电网侧系统的整流控制器模块作为直流功率调控量的参考指令,在t时刻通过所述整流控制模块结合SVPWM算法进行整流控制,最终完成直流线路传输功率依照优化结果进行调控。
5.根据权利要求1所述的基于自适应预测控制系统的电网区域振荡抑制方法,其特征在于,步骤4中所述执行步骤3的的周期为h,以t-1时刻执行步骤3为例,即在t-h-1,t-1,t+h-1等时刻执行步骤3中所述的随机化直流线路功率调制指令的计算,并在下一时刻,即t-h,t,t+h等时刻执行上述得到的随机化调控指令,使电网侧系统处于开环运行状态;执行步骤3所需数据为历史共n个时刻的联络线两端母线相角差以及历史共m个时刻直流线路功率调制量,以在t-1时刻对t时刻的执行指令最大值进行优化为例,具体包括:{y(t-n),y(t-n+1),…y(t-1)}与{u(t-m),u(t-m+1),…u(t-1)};
步骤4中所述执行步骤2的时段,以在t-1时刻执行步骤3为例,具体为t-h~t-2,t~t+h-2,t+h~t+2h-2等时刻,即在该段时间内通过步骤2中的MPC系统优化得到下一时刻最优的直流线路功率调制指令,并在下一时刻,即t-h+1~t-1,t+1~t+h-1,t+h+1~t+2h-1等时刻,执行上述最优的直流线路功率调制指令,在段时间内电力系统处于闭环运行状态;执行步骤2所需数据为历史共n个时刻的联络线两端母线相角差以及历史共m个时刻直流线路功率调制量,以在t时刻对t+1时刻的最优直流进行优化为例,具体包括:{y(t-n+1),y(t-n+2),…y(t)}与{u(t-m+1),u(t-m+2),…u(t)};
步骤4中所述执行步骤1的时段,以在t-1时刻执行步骤3为例,具体为t-h-1,t-1,t+h-1等时刻执行步骤1中的电网侧系统对应低阶线性模型的参数辨识工作,并在下一时刻,即t-h,t,t+h等时刻依据辨识结果对所构建的电网侧系统对应低阶线性模型的参数进行更新;执行步骤1所需要的执行步骤1所需数据为q个历史时刻的直流线路功率调制量以及q个历史时刻的联络线两端母线相角差,以在t-1时刻进行模型参数辨识为例,具体包括:
pline={u(t-q),…u(t-1)}与θline={y(t-q),…y(t-1)}。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210021861.2A CN114336686B (zh) | 2022-01-10 | 2022-01-10 | 一种基于自适应预测控制系统的电网区域振荡抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210021861.2A CN114336686B (zh) | 2022-01-10 | 2022-01-10 | 一种基于自适应预测控制系统的电网区域振荡抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114336686A true CN114336686A (zh) | 2022-04-12 |
CN114336686B CN114336686B (zh) | 2023-11-07 |
Family
ID=81026594
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210021861.2A Active CN114336686B (zh) | 2022-01-10 | 2022-01-10 | 一种基于自适应预测控制系统的电网区域振荡抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114336686B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4864483A (en) * | 1986-09-25 | 1989-09-05 | Wisconsin Alumni Research Foundation | Static power conversion method and apparatus having essentially zero switching losses and clamped voltage levels |
WO2009016113A1 (en) * | 2007-07-27 | 2009-02-05 | Abb Research Ltd | Controlling a power system |
CN105375804A (zh) * | 2015-12-17 | 2016-03-02 | 福州大学 | 一种不对称电压下基于npc拓扑并网逆变器的模型预测电流控制方法 |
CN110880779A (zh) * | 2019-11-07 | 2020-03-13 | 长沙理工大学 | Mmc网压不平衡状态下直流侧功率振荡抑制方法 |
CN112531736A (zh) * | 2020-11-24 | 2021-03-19 | 国家电网有限公司 | 一种电力系统区域间振荡抑制的广域阻尼控制器设计方法 |
CN113572163A (zh) * | 2021-07-28 | 2021-10-29 | 三峡大学 | 基于改进仿射算法的分布式电源主动配电网优化调度方法 |
-
2022
- 2022-01-10 CN CN202210021861.2A patent/CN114336686B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4864483A (en) * | 1986-09-25 | 1989-09-05 | Wisconsin Alumni Research Foundation | Static power conversion method and apparatus having essentially zero switching losses and clamped voltage levels |
WO2009016113A1 (en) * | 2007-07-27 | 2009-02-05 | Abb Research Ltd | Controlling a power system |
CN105375804A (zh) * | 2015-12-17 | 2016-03-02 | 福州大学 | 一种不对称电压下基于npc拓扑并网逆变器的模型预测电流控制方法 |
CN110880779A (zh) * | 2019-11-07 | 2020-03-13 | 长沙理工大学 | Mmc网压不平衡状态下直流侧功率振荡抑制方法 |
CN112531736A (zh) * | 2020-11-24 | 2021-03-19 | 国家电网有限公司 | 一种电力系统区域间振荡抑制的广域阻尼控制器设计方法 |
CN113572163A (zh) * | 2021-07-28 | 2021-10-29 | 三峡大学 | 基于改进仿射算法的分布式电源主动配电网优化调度方法 |
Non-Patent Citations (2)
Title |
---|
朱浩骏;蔡泽祥;刘皓明;贾庆山;倪以信;吴复立;: "多馈入交直流输电系统的模糊控制器协调优化算法", 中国电机工程学报, no. 13 * |
沈阳武;熊尚峰;沈非凡;梁利清;张辰;张曦;柯德平;: "基于分布式电源有功-无功调节能力的配电网无功规划", 电力自动化设备, no. 12 * |
Also Published As
Publication number | Publication date |
---|---|
CN114336686B (zh) | 2023-11-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Viola et al. | Design and robust performance evaluation of a fractional order PID controller applied to a DC motor | |
Zhao et al. | Performance-based parameter tuning method of model-driven PID control systems | |
CN102354107B (zh) | 一种交流位置伺服系统模型参数在线辨识和控制方法 | |
Li et al. | A new coordinated control strategy for boiler-turbine system of coal-fired power plant | |
Liang et al. | Control of superheated steam temperature in large-capacity generation units based on active disturbance rejection method and distributed control system | |
Saxena et al. | Simple approach to design PID controller via internal model control | |
CN101783634A (zh) | 三电机同步控制系统自抗扰控制器的构造方法 | |
Liu et al. | Intelligent decoupling control of power plant main steam pressure and power output | |
CN108628270B (zh) | 一种基于plc远程监控终端的优化网络控制装置与方法 | |
Nouman et al. | Comprehensive study on performance of PID controller and its applications | |
Du et al. | Design of PI controller for a class of discrete cascade control systems | |
Glushchenko | Neural tuner development method to adjust PI-controller parameters on-line | |
CN109659978B (zh) | 一种自适应参数的虚拟同步发电机控制方法及控制系统 | |
CN114336686A (zh) | 一种基于自适应预测控制系统的电网区域振荡抑制方法 | |
CN111478344A (zh) | 一种能源微网负荷频率控制方法、系统及相关产品 | |
Liu et al. | Steady-state sequence optimization with incremental input constraints in two-layer model predictive control | |
Bingi et al. | Fractional-order set-point weighted controllers | |
Ketabi et al. | An adaptive set-point modulation technique to enhance the performance of load frequency controllers in a multi-area power system | |
Wolf et al. | A hierarchical distributed economic NMPC architecture based on neighboring-extremal updates | |
Huang et al. | Parameter optimization of load frequency active disturbance rejection control based on improved particle swarm optimization | |
Gupta et al. | Design of optimal power system stabilizer using GA and PSO: A comparative study | |
Souza et al. | Pid tuning for the pitch angle of a two-wheeled vehicle | |
Jäschke et al. | Self-optimizing Control and NCO tracking in the Context of Real-Time Optimization | |
Kerdphol et al. | Model Predictive Control for Virtual Inertia Synthesis | |
Ahmed et al. | Model Predictive Control for load frequency stabilizer |
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 |