CN114362191A - 一种海上风电场无功协调控制方法、装置及存储介质 - Google Patents

一种海上风电场无功协调控制方法、装置及存储介质 Download PDF

Info

Publication number
CN114362191A
CN114362191A CN202111565568.4A CN202111565568A CN114362191A CN 114362191 A CN114362191 A CN 114362191A CN 202111565568 A CN202111565568 A CN 202111565568A CN 114362191 A CN114362191 A CN 114362191A
Authority
CN
China
Prior art keywords
reactive power
offshore wind
power
day
wind turbine
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.)
Pending
Application number
CN202111565568.4A
Other languages
English (en)
Inventor
杜婉琳
马明
王玲
雷二涛
金莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd, Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202111565568.4A priority Critical patent/CN114362191A/zh
Publication of CN114362191A publication Critical patent/CN114362191A/zh
Pending legal-status Critical Current

Links

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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02E40/10—Flexible AC transmission systems [FACTS]
    • 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
    • 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
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Control Of Eletrric Generators (AREA)

Abstract

本发明属于海上风电场技术领域，公开了一种海上风电场无功协调控制方法、装置及存储介质，方法包括：先确定日内电抗器的最优投切时间点；建立鲁棒优化模型对电抗器组的投切组数进行优化，得到电抗器组日内投切计划；建立风电机组间的优化分配模型对海上风电机组的无功输出和静止无功发生器的无功输出进行优化，根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式。有益效果：根据风电机组的日前功率预测数据，采用鲁棒优化模型在最恶劣的情况下对并联电抗器的投切进行优化，提高系统电压的稳定性。日内用更精确的短期预测功率数据对风电机组和静止无功发生器的无功功率进行优化控制，可以合理的利用风电机组的无功资源。

Description

一种海上风电场无功协调控制方法、装置及存储介质
技术领域
本发明涉及海上风电场技术领域，特别是涉及一种海上风电场无功协调控制方法、装置及存储介质。
背景技术
由于风资源的间歇性、随机性和波动性，因此风电出力的波动性会导致大型风电场并网点电压UPCC出现相应的波动。由于海底电缆的充电无功大，导致海上风电场的并网点电压容易越限。所以对于海上风电场来说，有效的无功功率控制对保障并网点电压及整个发电场的稳定性极为重要。
对于海上风电场来说，无功装置的装设成本大、装设难度高，而且海上风电场风电机组和无功配置之间缺乏协调控制，未能充分利用风电机组自身无功调节能力。而海上风电场采用变速恒频运行的双馈异步风力发电机组，可实现有功和无功的解耦控制，所以将风电机组与无功补偿装置进行协调控制，这可以充分利用风电机组自身无功调节能力，又可以减少海上风电场的无功补偿装置装设成本。现有技术中对风电机组与无功补偿装置进行协调控制时采用等比例分配控制等方式对各风电机组进行无功分配，这没有充分考虑到风电机组输出功率的随机性，使得海上风电场自身的无功调节能力没有充分发挥，风电场系统的电压稳定性需要进一步提高。
发明内容
本发明的目的是：提供一种充分考虑到风电机组的输出功率的随机性的无功协调控制方法、装置及存储介质，使得海上风电场自身的无功调节能力可以有充分发挥，进一步提高风电场系统的电压稳定性。
为了实现上述目的，本发明提供了一种海上风电场无功协调控制方法，包括：
根据海上风电机组的日前功率预测数据确定日内电抗器的最优投切时间点。
根据海上风电机组的日前功率预测数据和日内电抗器的最优投切时间点，建立鲁棒优化模型对电抗器组的投切组数进行优化，得到电抗器组日内投切计划。
根据电抗器组日内投切计划和短期预测功率数据，建立风电机组间的优化分配模型对海上风电机组的无功输出和静止无功发生器的无功输出进行优化，并根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式；其中，所述短期预测功率数据是海上风电场根据预设的时间间隔获取的。
进一步的，所述根据海上风电机组的日前功率预测数据确定日内电抗器的最优投切时间点，具体为：
根据海上风电机组的日前功率预测数据建立风功率分段模型，根据风功率分段模型确定日内电抗器的最优投切时间点。
进一步的，所述鲁棒优化模型具体为：
Figure BDA0003415024500000021
Figure BDA0003415024500000022
Figure BDA0003415024500000023
Figure BDA0003415024500000024
Figure BDA0003415024500000025
Figure BDA0003415024500000026
PGi,wind＝ui；
Figure BDA0003415024500000031
Figure BDA0003415024500000032
Figure BDA0003415024500000033
Figure BDA0003415024500000034
其中，Pij和Qij分别为节点i到j的有功和无功功率流，Pjq和Qjq分别为节点j到q的有功和无功功率流，Pj和Qj分别为节点j注入的有功和无功功率，Iij为支路i到j的电流，Ui和Uj分别为节点i和节点j的电压幅值，rij和xij分别为线路i到j的电阻和电抗，q为j的子节点，π(j)为母线j的所有父节点的集合，i为j的父节点，ε(j)为母线j的所有子节点集合，N是网络支路的集合，
Figure BDA0003415024500000035
和
Figure BDA0003415024500000036
分别是节点i处允许电压范围的下限和上限，
Figure BDA0003415024500000037
和
Figure BDA0003415024500000038
分别是支路i到j的允许电流的下限和上限，
Figure BDA0003415024500000039
和
Figure BDA00034150245000000310
分别是第i个风电机组的无功功率输出的下限和上限，
Figure BDA00034150245000000311
和
Figure BDA00034150245000000312
分别为并联电抗器组SRBs投切组数的上下限，μw＿i为考虑预测误差的风电机组的发电量，
Figure BDA00034150245000000313
为风电机组发电量的日前预测数据，ΔPerror＿i为风电机组发电量的预测误差。
进一步的，所述风电机组间的优化分配模型，具体为：
Figure BDA00034150245000000314
Figure BDA00034150245000000315
Figure BDA00034150245000000316
Figure BDA00034150245000000317
Figure BDA00034150245000000318
Figure BDA00034150245000000319
Figure BDA0003415024500000041
Figure BDA0003415024500000042
Figure BDA0003415024500000043
Figure BDA0003415024500000044
其中，Pij和Qij分别为节点i到j的有功和无功功率流，Pjq和Qjq分别为节点j到q的有功和无功功率流，Pj和Qj分别为节点j注入的有功和无功功率，Iij为支路i到j的电流，Ui和Uj分别为节点i和节点j的电压幅值，rij和xij分别为线路i到j的电阻和电抗，q为j的子节点，π(j)为母线j的所有父节点的集合，i为j的父节点，ε(j)为母线j的所有子节点集合，N是网络支路的集合，
Figure BDA0003415024500000045
和
Figure BDA0003415024500000046
分别是节点i处允许电压范围的下限和上限，
Figure BDA0003415024500000047
和
Figure BDA0003415024500000048
分别是支路i到j的允许电流的下限和上限，
Figure BDA0003415024500000049
和
Figure BDA00034150245000000410
分别是第i个风电机组的无功功率输出的下限和上限，
Figure BDA00034150245000000411
和
Figure BDA00034150245000000412
分别为并联电抗器组SRBs投切组数的上下限，
Figure BDA00034150245000000413
为风电机组有功出力的超短期预测数据。
进一步的，所述根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式，具体为：
根据优化结果设置各海上风电机组应输出无功功率；
当海上风电机组的无功裕度大于等于零时，则将静止无功发生器设置为恒无功模式；当海上风电机组的无功裕度小于零时，且并网点电压也超过预设的阈值，则将静止无功发生器设置为恒压模式。
进一步的，在根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式之后，所述方法还包括：
检验海上风电场的并网电压是否越限或大幅波动，若是则重新对风电机组间的优化分配模型进行求解得到第二优化结果，并根据得到的第二优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式。
本发明还公开了一种海上风电场无功协调控制装置，包括：第一优化模块、第二优化模块和第三优化模块。
所述第一优化模块，用于根据海上风电机组的日前功率预测数据确定日内电抗器的最优投切时间点。
所述第二优化模块，用于根据海上风电机组的日前功率预测数据和日内电抗器的最优投切时间点，建立鲁棒优化模型对电抗器组的投切组数进行优化，得到电抗器组日内投切计划。
所述第三优化模块，用于根据电抗器组日内投切计划和短期预测功率数据，建立风电机组间的优化分配模型对海上风电机组的无功输出和静止无功发生器的无功输出进行优化，并根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式；其中，所述短期预测功率数据是海上风电场根据预设的时间间隔获取的。
进一步的，所述根据海上风电机组的日前功率预测数据确定日内电抗器的最优投切时间点，具体为：
根据海上风电机组的日前功率预测数据建立风功率分段模型，根据风功率分段模型确定日内电抗器的最优投切时间点。
进一步的，所述装置还包括：第四优化模块；
所述第四优化模块，用于检验海上风电场的并网电压是否越限或大幅波动，若是则重新对风电机组间的优化分配模型进行求解得到第二优化结果，并根据得到的第二优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式。
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述的海上风电场无功协调控制方法。
本发明实施例一种海上风电场无功协调控制方法、装置及存储介质与现有技术相比，其有益效果在于：本发明根据风电机组的日前功率预测数据，采用鲁棒优化模型在最坏的情况下对并联电抗器的投切进行优化，以此来提高系统电压的稳定性。在日内利用更精确的超短期预测功率数据对风电机组和静止无功发生器的无功功率进行优化控制，从而可以合理的利用风电机组的无功资源，并且可以降低风电场内的功率损耗以及各节点的电压越限概率。
附图说明
图1是本发明一种海上风电场无功协调控制方法的流程示意图；
图2是本发明仿真实验中海上风电场的结构示意图；
图3是本发明风电机组无功输出范围的示意图；
图4是本发明静止无功发生器(SVG)工作模式切换的示意图；
图5是本发明一种海上风电场无功协调控制装置的结构示意图；
图6本发明仿真实验中风电功率的分段结果图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
实施例1：
如图1所示，本发明公开了一种海上风电场无功协调控制方法，主要包括如下步骤：
步骤S1，根据海上风电机组的日前功率预测数据确定日内电抗器的最优投切时间点；
步骤S2，根据海上风电机组的日前功率预测数据和日内电抗器的最优投切时间点，建立鲁棒优化模型对电抗器组的投切组数进行优化，得到电抗器组日内投切计划；
步骤S3，根据电抗器组日内投切计划和短期预测功率数据，建立风电机组间的优化分配模型对海上风电机组的无功输出和静止无功发生器的无功输出进行优化，并根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式；其中，所述短期预测功率数据是海上风电场根据预设的时间间隔获取的。
为了更好的对本方案进行讲解，参照图2以使用12台风机的海上风电场进行仿真说明，每台风机位置有所不同，上下、左右间距300m，每台风机的容量为3.6MW，之间的线路阻抗各不相同，并且经过不同线路长度的海缆汇入海上升压站，之后经30km海底电缆送至陆上开关站。在并网点处设置集中无功补偿装置(含离散无功补偿装置与动态无功补偿装置)用于配合风电机组协调控制并网点的电压稳定。在并网点处设置5组并联电抗器，每组容量为4MVar，并且设置2组±36MVar的静止无功发生器(SVG)。设置并网点的电压在不同时间波动，并且波动的程度不同。并网点电压的稳定范围设置在0.97－1.07之间，无功优化计算死区范围设置为±0.01p.u.。参照图6中风电功率的变化，为提高仿真验证效率，将日内优化阶段的周期缩短至一周期30s，并设置风电功率在55s和85s波动一次。
在上述的场景下，应用本发明的海上风电场无功协调控制方法对海上风电场进行优化。
在步骤S1中，所述根据海上风电机组的日前功率预测数据确定日内电抗器的最优投切时间点，具体为：
根据海上风电机组的日前功率预测数据建立风功率分段模型，根据风功率分段模型确定日内电抗器的最优投切时间点。
在本发明中，需要先计算确定海上风电机组的无功功率输出极限的最大值和最小值。
各风电机组的无功出力极限可以利用双馈式感应发电机组等值电路计算得出无功输出范围：
针对转子电流极限，风电机组的无功出力极限为QsR：
Figure BDA0003415024500000071
Xs＝Xσs+XM (2)
其中Us，IRmax分别为定子侧电压、转子侧极限电流。Xσs，XM分别为定子漏抗和励磁电抗。Ps为风电机组的输出功率。
针对定子电流极限，风电机组的无功出力极限为Qss：
Figure BDA0003415024500000081
其中，Ismax为转子侧极限电流。
由式1、2可得，发电机组定子侧无功极限为Qi：
Figure BDA0003415024500000082
风电机组无功输出范围如图3阴影部分所示。
在本实施例中，由于风电场中的离散无功补偿装置不能频繁进行切换，所以申请将离散无功补偿装置一天的最大切换次数设置为10次。此外，通过建立基于风电机组日前预测数据的分段模型来判断具体的切换时间点。分段模型最大程度地分散了各段之间的平均风力发电机组，并最小化了各段内风力发电机组输出的分散，优化变量为Tk，包含分段点的数据，所述Tk为日内电抗器的最优投切时间点。所述风功率分段模型具体为：
Figure BDA0003415024500000083
s.t.k∈{1,2,...,D+1} (6)
1≤D≤10 (7)
其中，
Figure BDA0003415024500000084
为第k段内第t时间点的日前预测风功率数据；
Figure BDA0003415024500000085
为每日96个时间段内的风电功率日前预测数据平均值；
Figure BDA0003415024500000086
为第k段内的日前预测风功率平均值；D为分段数。这里取最大值为10，即一日离散无功补偿装置最多动作10次。
在步骤S2中，根据海上风电机组的日前功率预测数据和日内电抗器的最优投切时间点，建立鲁棒优化模型对预设的电抗器组的投切组数进行优化，得到电抗器组日内投切计划；所述鲁棒优化模型具体为：
Figure BDA0003415024500000091
Figure BDA0003415024500000092
Figure BDA0003415024500000093
Figure BDA0003415024500000094
Figure BDA0003415024500000095
Figure BDA0003415024500000096
PGi,wind＝ui； (14)
Figure BDA0003415024500000097
Figure BDA0003415024500000098
Figure BDA0003415024500000099
Figure BDA00034150245000000910
其中，Pij和Qij分别为节点i到j的有功和无功功率流，Pjq和Qjq分别为节点j到q的有功和无功功率流，Pj和Qj分别为节点j注入的有功和无功功率，Iij为支路i到j的电流，Ui和Uj分别为节点i和节点j的电压幅值，rij和xij分别为线路i到j的电阻和电抗，q为j的子节点，π(j)为母线j的所有父节点的集合，i为j的父节点，ε(j)为母线j的所有子节点集合，N是网络支路的集合，
Figure BDA00034150245000000911
和
Figure BDA00034150245000000912
分别是节点i处允许电压范围的下限和上限，
Figure BDA00034150245000000913
和
Figure BDA00034150245000000914
分别是支路i到j的允许电流的下限和上限，
Figure BDA0003415024500000101
和
Figure BDA0003415024500000102
分别是第i个风电机组的无功功率输出的下限和上限，
Figure BDA0003415024500000103
和
Figure BDA0003415024500000104
分别为并联电抗器组SRBs投切组数的上下限，μw＿i为考虑预测误差的风电机组的发电量，
Figure BDA0003415024500000105
为风电机组发电量的日前预测数据，ΔPerror＿i为风电机组发电量的预测误差。
对于上述的鲁棒约束模块，本发明给出一种求解办法具体为：采用列与约束生成算法对鲁棒优化模型进行分解并求解：
①采用二阶锥优化方法对上述模型中的非线性目标函数和约束条件进行线性化。其利用Ip，ij和Up，i替换二次项
Figure BDA0003415024500000106
和
Figure BDA0003415024500000107
的形式对目标函数和约束条件进行二阶锥转化。替换结果如下所示：
Figure BDA0003415024500000108
Figure BDA0003415024500000109
但对于约束(20)中的第四个方程，它仍然是一个非凸二次方程。但其可以通过二次松弛化为不等式，得到：
Figure BDA00034150245000001010
其等效变化可得下式：
||[2Pij 2Qij Ip,ij-Up,i]T||2≤Ip,ij+Up,i (22)
因此，不等式(21)可以重写为标准的二阶锥公式。变换后，用不等式(22)代替约束(20)中的第四个等式。
②在二阶锥变换的基础上，对鲁棒优化模型进行了进一步的处理，可以表示为以下紧凑矩阵形式：
Figure BDA0003415024500000111
Figure BDA0003415024500000112
其中约束(20)等同于约束(24)，式中，A、B、D、E、F、Q、a、f、d、c均为等价过后的系数矩阵。y为式(8)等价过后的变量集，W为不确定集。
③采用列与约束生成算法对紧致矩阵形式的鲁棒优化模型进行求解：
对于式(23)，可将其分解为主、子问题进行求解，如下所示：
主问题(Main problem，MP)：
Figure BDA0003415024500000113
η≥aTy (26)
Ax≤b (27)
By≤f (28)
Dy+Ex＝d (29)
Fy＝μ (30)
Figure BDA0003415024500000121
子问题(Sub－problem，SP)：
Figure BDA0003415024500000122
By≤f (33)
Dy+Ex＝d (34)
Fy＝μ (35)
Figure BDA0003415024500000123
由式(32)可以看出在子问题中涉及到“max－min”问题，所以这里将子问题利用强对偶理论进行转化，其变量的对偶变量如下所示：
Figure BDA0003415024500000124
式中，π1、π2、π3、λi、ωi均为对偶过后的矩阵或变量。
根据强对偶理论及式(37)的对应关系，可将子问题内层转化为max形式，并与外层的max问题合并，得到如下对偶问题：
Figure BDA0003415024500000125
s.t.CTπ1+DTπ2+FTπ3＝a (39))
π1≤0 (40)
||λi||≤ωi (41)
由于子函数的目标函数中μTπ3是非凸的，其为双线性量，因此将其线性化。而μ为不确定变量(在这考虑风电机组的有功出力)。其在一定的区间范围内波动，可以写成如下形式：
Figure BDA0003415024500000131
根据文献的结论，该对偶问题最优解所对应的μ*为不确定集U的一个极点，也就是说，式(38)取到最大值时，不确定变量μ的取值应为所描述的波动区间的边界。所以这里α的取值为0或1的变量。所以根据变量α来判定不确定变量μ的取值。而对于上式，进一步用Big－M方法将其分离。
Figure BDA0003415024500000132
Figure BDA0003415024500000133
α∈{0,1} (45)
其中，
Figure BDA0003415024500000134
为对偶变量π3的上界，其值可以选择一个较大的数。
综上，子问题可以写成：
Figure BDA0003415024500000135
约束条件包括式(39)－(41)、(43)－(46)。
随后可用CCG算法进行求解，具体流程如下：
1)设置总体目标函数的下界LB＝－∞，上界UB＝+∞，迭代次数p＝0，设置算法的收敛阀值为ε＝10－4。
2)设定不确定因素的初始值为预测值μp*，利用混合cplex求解器求解主问题，得到最优解(xp*，ηp*，yp*)，将目标函数的下界更新为LB＝ηp*。
3)将第二步求得的主问题目标函数解xp*带入子问题函数中，对子问题进行求解，若子问题有解，则得到子目标函数值fp*(xp*)和对应的不确定变量μ的取值μp+1*，否则设置子目标函数值fp*(xp*)＝+∞。更新目标函数的上界为UB＝min{UB，fp*(xp*)}。
4)判断算法是否小于收敛阀。若UB－LB≤ε，则停止迭代，返回最优解xp*和yp*；若UB－LB＞ε，令p＝p+1，跳转至第二步，直至算法收敛。
求解完毕后得出电抗器组的日内投切计划，并进行下一步骤(日内优化)。
在步骤S3中，根据电抗器组日内投切计划和短期预测功率数据，建立风电机组间的优化分配模型对海上风电机组的无功输出和静止无功发生器的无功输出进行优化，并根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式；其中，所述短期预测功率数据是海上风电场根据预设的时间间隔获取的。
在本实施例中，根据步骤2中所确定电抗器组的日内投切计划，预先设置好日内电抗器的投切时间与组数。此时为日内优化控制，所以应实时检测风电场系统各节点的电压、功率情况。基于此，所述风电机组间的优化分配模型，具体为：
Figure BDA0003415024500000141
Figure BDA0003415024500000142
Figure BDA0003415024500000143
Figure BDA0003415024500000144
Figure BDA0003415024500000145
Figure BDA0003415024500000146
Figure BDA0003415024500000151
Figure BDA0003415024500000152
Figure BDA0003415024500000153
Figure BDA0003415024500000154
其中，Pij和Qij分别为节点i到j的有功和无功功率流，Pjq和Qjq分别为节点j到q的有功和无功功率流，Pj和Qj分别为节点j注入的有功和无功功率，Iij为支路i到j的电流，Ui和Uj分别为节点i和节点j的电压幅值，rij和xij分别为线路i到j的电阻和电抗，q为j的子节点，π(j)为母线j的所有父节点的集合，i为j的父节点，ε(j)为母线j的所有子节点集合，N是网络支路的集合，
Figure BDA0003415024500000155
和
Figure BDA0003415024500000156
分别是节点i处允许电压范围的下限和上限，
Figure BDA0003415024500000157
和
Figure BDA0003415024500000158
分别是支路i到j的允许电流的下限和上限，
Figure BDA0003415024500000159
和
Figure BDA00034150245000001510
分别是第i个风电机组的无功功率输出的下限和上限，
Figure BDA00034150245000001511
和
Figure BDA00034150245000001512
分别为并联电抗器组SRBs投切组数的上下限，
Figure BDA00034150245000001513
为风电机组有功出力的超短期预测数据。
对于此模型，同样利用二阶锥转化方法，将模型转化为如下形式：
Figure BDA00034150245000001514
约束条件同式(20)一致。
在本实施例中，所述根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式，具体为：
根据优化结果设置各海上风电机组应输出无功功率；
当海上风电机组的无功裕度大于等于零时，则将静止无功发生器设置为恒无功模式；当海上风电机组的无功裕度小于零时，且并网点电压也超过预设的阈值，则将静止无功发生器设置为恒压模式。
在本实施例中，参照图4，根据上述优化模型的优化结果设置静止无功发生器(SVG)模式：如果风电机组的无功裕度Qm足够，则将SVG设置为恒无功模式，将SVG的无功输出设置为0，既不进行无功输出；如果风电机组的无功输出达到极限，并且并网点电压仍在规定范围外，则将SVG设置为恒压模式，该模式下，根据并网点电压与边界的差距，进行无功补偿，直至并网点到达规定范围内。
该求解过程在风电场的中央控制器内进行，并得到的求解过后得到的结果信息传输至各风电机组以及SVG的控制器中进行控制。结果信息包含：各风电机组应输出无功功率和SVG运行方式。
并且为了防止风电机组的无功输出频繁波动，以及频繁的进行无功优化计算，应设置一个并网点电压死区范围，在这个范围内，风电机组的无功输出保持不变并且不进行无功优化计算。若当并网点电压一直在这个死区范围内，则在风电机组功率输出变化时间周期进行一次无功优化计算。
在本实施例中，在根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式之后，所述方法还包括：
检验海上风电场的并网电压是否越限或大幅波动，若是则重新对风电机组间的优化分配模型进行求解得到第二优化结果，并根据得到的第二优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式。
实施例2：
参照图5，本发明还公开了一种海上风电场无功协调控制装置，包括：第一优化模块101、第二优化模块102和第三优化模块103。
所述第一优化模块101，用于根据海上风电机组的日前功率预测数据确定日内电抗器的最优投切时间点。
所述第二优化模块102，用于根据海上风电机组的日前功率预测数据和日内电抗器的最优投切时间点，建立鲁棒优化模型对电抗器组的投切组数进行优化，得到电抗器组日内投切计划。
所述第三优化模块103，用于根据电抗器组日内投切计划和短期预测功率数据，建立风电机组间的优化分配模型对海上风电机组的无功输出和静止无功发生器的无功输出进行优化，并根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式；其中，所述短期预测功率数据是海上风电场根据预设的时间间隔获取的。
进一步的，所述根据海上风电机组的日前功率预测数据确定日内电抗器的最优投切时间点，具体为：
根据海上风电机组的日前功率预测数据建立风功率分段模型，根据风功率分段模型确定日内电抗器的最优投切时间点。
进一步的，所述装置还包括：第四优化模块104；
所述第四优化模块104，用于检验海上风电场的并网电压是否越限或大幅波动，若是则重新对风电机组间的优化分配模型进行求解得到第二优化结果，并根据得到的第二优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式。
实施例2是在实施例1的基础上进行撰写的，包括实施例1相同同的技术特征，因此对于重复的解释说明不再实施例2中赘述。
实施例3：
本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行实施例1的海上风电场无功协调控制方法。
综上，本发明实施例提供一种海上风电场无功协调控制方法、装置及存储介质，有益效果包括：
(1)根据风电机组的日前功率预测数据，采用鲁棒优化模型在最坏的情况下对并联电抗器的投切进行优化，以此来提高系统电压的稳定性。
(2)在日内利用更精确的超短期预测功率数据对风电机组和静止无功发生器的无功功率进行优化控制，从而可以合理的利用风电机组的无功资源，并且可以降低风电场内的功率损耗以及各节点的电压越限概率。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。

Claims (10)

1.一种海上风电场无功协调控制方法，其特征在于，包括：
根据海上风电机组的日前功率预测数据确定日内电抗器的最优投切时间点；
根据海上风电机组的日前功率预测数据和日内电抗器的最优投切时间点，建立鲁棒优化模型对电抗器组的投切组数进行优化，得到电抗器组日内投切计划；
根据电抗器日内投切计划和短期预测功率数据，建立风电机组间的优化分配模型对海上风电机组的无功输出和静止无功发生器的无功输出进行优化，并根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式；其中，所述短期预测功率数据是海上风电场根据预设的时间间隔获取的。
2.根据权利要求1所述的一种海上风电场无功协调控制方法，其特征在于，所述根据海上风电机组的日前功率预测数据确定日内电抗器的最优投切时间点，具体为：
根据海上风电机组的日前功率预测数据建立风功率分段模型，根据风功率分段模型确定日内电抗器的最优投切时间点。
3.根据权利要求1所述的一种海上风电场无功协调控制方法，其特征在于，所述鲁棒优化模型具体为：
Figure FDA0003415024490000011
Figure FDA0003415024490000012
Figure FDA0003415024490000013
Figure FDA0003415024490000014
Figure FDA0003415024490000021
Figure FDA0003415024490000022
PGi,wind＝ui；
Figure FDA0003415024490000023
Figure FDA0003415024490000024
Figure FDA0003415024490000025
Figure FDA0003415024490000026
其中，Pij和Qij分别为节点i到j的有功和无功功率流，Pjq和Qjq分别为节点j到q的有功和无功功率流，Pj和Qj分别为节点j注入的有功和无功功率，Iij为支路i到j的电流，Ui和Uj分别为节点i和节点j的电压幅值，rij和xij分别为线路i到j的电阻和电抗，q为j的子节点，π(j)为母线j的所有父节点的集合，i为j的父节点，ε(j)为母线j的所有子节点集合，N是网络支路的集合，
Figure FDA0003415024490000027
和
Figure FDA0003415024490000028
分别是节点i处允许电压范围的下限和上限，
Figure FDA0003415024490000029
和
Figure FDA00034150244900000210
分别是支路i到j的允许电流的下限和上限，
Figure FDA00034150244900000211
和
Figure FDA00034150244900000212
分别是第i个风电机组的无功功率输出的下限和上限，
Figure FDA00034150244900000213
和
Figure FDA00034150244900000214
分别为并联电抗器组SRBs投切组数的上下限，μw＿i为考虑预测误差的风电机组的发电量，
Figure FDA00034150244900000215
为风电机组发电量的日前预测数据，ΔPerror＿i为风电机组发电量的预测误差。
4.根据权利要求1所述的一种海上风电场无功协调控制方法，其特征在于，所述风电机组间的优化分配模型，具体为：
Figure FDA00034150244900000216
Figure FDA00034150244900000217
Figure FDA0003415024490000031
Figure FDA0003415024490000032
Figure FDA0003415024490000033
Figure FDA0003415024490000034
Figure FDA0003415024490000035
Figure FDA0003415024490000036
Figure FDA0003415024490000037
Figure FDA0003415024490000038
其中，Pij和Qij分别为节点i到j的有功和无功功率流，Pjq和Qjq分别为节点j到q的有功和无功功率流，Pj和Qj分别为节点j注入的有功和无功功率，Iij为支路i到j的电流，Ui和Uj分别为节点i和节点j的电压幅值，rij和xij分别为线路i到j的电阻和电抗，q为j的子节点，π(j)为母线j的所有父节点的集合，i为j的父节点，ε(j)为母线j的所有子节点集合，N是网络支路的集合，
Figure FDA0003415024490000039
和
Figure FDA00034150244900000310
分别是节点i处允许电压范围的下限和上限，
Figure FDA00034150244900000311
和
Figure FDA00034150244900000312
分别是支路i到j的允许电流的下限和上限，
Figure FDA00034150244900000313
和
Figure FDA00034150244900000314
分别是第i个风电机组的无功功率输出的下限和上限，
Figure FDA00034150244900000315
和
Figure FDA00034150244900000316
分别为并联电抗器组SRBs投切组数的上下限，
Figure FDA00034150244900000317
为风电机组有功出力的超短期预测数据。
5.根据权利要求1所述的一种海上风电场无功协调控制方法，其特征在于，所述根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式，具体为：
根据优化结果设置各海上风电机组应输出无功功率；
当海上风电机组的无功裕度大于等于零时，则将静止无功发生器设置为恒无功模式；当海上风电机组的无功裕度小于零时，且并网点电压也超过预设的阈值，则将静止无功发生器设置为恒压模式。
6.根据权利要求1所述的一种海上风电场无功协调控制方法，其特征在于，在根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式之后，所述方法还包括：
检验海上风电场的并网电压是否越限或大幅波动，若是则重新对风电机组间的优化分配模型进行求解得到第二优化结果，并根据得到的第二优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式。
7.一种海上风电场无功协调控制装置，其特征在于，包括：第一优化模块、第二优化模块和第三优化模块；
所述第一优化模块，用于根据海上风电机组的日前功率预测数据确定日内电抗器的最优投切时间点；
所述第二优化模块，用于根据海上风电机组的日前功率预测数据和日内电抗器的最优投切时间点，建立鲁棒优化模型对电抗器组的投切组数进行优化，得到电抗器组日内投切计划；
所述第三优化模块，根据电抗器组日内投切计划和短期预测功率数据，建立风电机组间的优化分配模型对海上风电机组的无功输出和静止无功发生器的无功输出进行优化，并根据优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式；其中，所述短期预测功率数据是海上风电场根据预设的时间间隔获取的。
8.根据权利要求7所述的一种海上风电场无功协调控制装置，其特征在于，包括：所述根据海上风电机组的日前功率预测数据确定日内电抗器的最优投切时间点，具体为：
根据海上风电机组的日前功率预测数据建立风功率分段模型，根据风功率分段模型确定日内电抗器的最优投切时间点。
9.根据权利要求7所述的一种海上风电场无功协调控制装置，其特征在于，所述装置还包括：第四优化模块；
所述第四优化模块，用于检验海上风电场的并网电压是否越限或大幅波动，若是则重新对风电机组间的优化分配模型进行求解得到第二优化结果，并根据得到的第二优化结果调控海上风电机组的无功功率和静止无功发生器的工作模式。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的海上风电场无功协调控制方法。
CN202111565568.4A 2021-12-16 2021-12-16 一种海上风电场无功协调控制方法、装置及存储介质 Pending CN114362191A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111565568.4A CN114362191A (zh) 2021-12-16 2021-12-16 一种海上风电场无功协调控制方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111565568.4A CN114362191A (zh) 2021-12-16 2021-12-16 一种海上风电场无功协调控制方法、装置及存储介质

Publications (1)

Publication Number Publication Date
CN114362191A true CN114362191A (zh) 2022-04-15

Family

ID=81100761

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111565568.4A Pending CN114362191A (zh) 2021-12-16 2021-12-16 一种海上风电场无功协调控制方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN114362191A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115395529A (zh) * 2022-08-26 2022-11-25 中国长江三峡集团有限公司 一种海上风电无功优化配置方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102611118A (zh) * 2012-03-14 2012-07-25 清华大学 一种引入预测信息的风电场综合无功电压控制方法
CN108718093A (zh) * 2018-02-05 2018-10-30 华北电力大学 一种高载能负荷参与风电消纳的有功-无功协调控制方法
CN109103898A (zh) * 2018-10-25 2018-12-28 国网湖南省电力有限公司 基于风电功率超短期预测误差的电力系统电压控制方法
CN111799813A (zh) * 2020-07-17 2020-10-20 广东电网有限责任公司电力科学研究院 计及风电机组无功调节的海上风电场无功优化配置方法
CN111952985A (zh) * 2020-08-25 2020-11-17 广东电网有限责任公司电力科学研究院 一种海上风电场无功协调控制方法、系统及设备
CN113067344A (zh) * 2021-03-08 2021-07-02 南京理工大学 一种基于模型预测控制的主动配电网无功优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102611118A (zh) * 2012-03-14 2012-07-25 清华大学 一种引入预测信息的风电场综合无功电压控制方法
CN108718093A (zh) * 2018-02-05 2018-10-30 华北电力大学 一种高载能负荷参与风电消纳的有功-无功协调控制方法
CN109103898A (zh) * 2018-10-25 2018-12-28 国网湖南省电力有限公司 基于风电功率超短期预测误差的电力系统电压控制方法
CN111799813A (zh) * 2020-07-17 2020-10-20 广东电网有限责任公司电力科学研究院 计及风电机组无功调节的海上风电场无功优化配置方法
CN111952985A (zh) * 2020-08-25 2020-11-17 广东电网有限责任公司电力科学研究院 一种海上风电场无功协调控制方法、系统及设备
CN113067344A (zh) * 2021-03-08 2021-07-02 南京理工大学 一种基于模型预测控制的主动配电网无功优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
马明: "基于鲁棒优化的风电场分层电压优化控制策略", 《天津大学学报（自然科学与工程技术版）》, vol. 54, no. 12, 15 December 2021 (2021-12-15), pages 6 - 13 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115395529A (zh) * 2022-08-26 2022-11-25 中国长江三峡集团有限公司 一种海上风电无功优化配置方法及系统
CN115395529B (zh) * 2022-08-26 2023-07-14 中国长江三峡集团有限公司 一种海上风电无功优化配置方法及系统

Similar Documents

Publication Publication Date Title
Abazari et al. Coordination strategies of distributed energy resources including FESS, DEG, FC and WTG in load frequency control (LFC) scheme of hybrid isolated micro-grid
Huang et al. Adaptive droop-based hierarchical optimal voltage control scheme for VSC-HVdc connected offshore wind farm
Mohanty et al. Robust fuzzy‐sliding mode based UPFC controller for transient stability analysis in autonomous wind‐diesel‐PV hybrid system
Pandey et al. A literature survey on load–frequency control for conventional and distribution generation power systems
Djilali et al. Improving microgrid low-voltage ride-through capacity using neural control
Peri et al. ACMC‐based hybrid AC/LVDC micro‐grid
Nguyen et al. Cluster-based predictive PCC voltage control of large-scale offshore wind farm
Liao et al. Distributed optimal active and reactive power control for wind farms based on ADMM
Roy et al. Transient stability and active protection of power systems with grid-forming pv power plants
Atallah et al. Power control and management of DFIGs wind farm equipped with aggregation methods by using local supervision unit based on S-function builder
Lu et al. Autonomous power management and load sharing in isolated micro-grids by consensus-based droop control of power converters
CN114362191A (zh) 一种海上风电场无功协调控制方法、装置及存储介质
Suyono et al. Optimization of the reactive power injection to control voltage profile by using artificial bee colony algorithm
Verma et al. An extensive study on optimization and control techniques for power quality improvement
Mahmud et al. Control of islanded DC microgrids using nonlinear adaptive decentralized controllers
Kim et al. Modelling and control coordination scheme of a wind‐to‐hydrogen set for future renewable‐based power systems
Bhaduri et al. Supervisory controller for power management of microgrid using hybrid technique
Lv et al. Tube-based MPC of hierarchical distribution network for voltage regulation considering uncertainties of renewable energy
Sahoo et al. Execution of advanced solar‐shunt active filter for renewable power application
Qin et al. Disturbance attenuation control for LVRT capability enhancement of doubly fed wind generators
Shayeghi et al. Management of Autonomous Microgrids Using Multi-Agent Based Online Optimized NF-PID Controller
Yazdanian et al. Small signal stability of washout filter–based power sharing for an inverter‐based microgrid
Elsaied et al. Optimal sliding mode control for frequency stabilization of hybrid renewable energy systems
Xu et al. Design of three-stage start-up optimal strategy based on fuzzy fractional-order proportion integration differentiation controller of pumped storage unit under low water head
Benaama et al. Real time modeling and control of a wind farm connected to a multi-bus network under faulty conditions

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