CN114865701A - 基于自适应模型预测控制的风储联合调频方法 - Google Patents

Abstract

本发明公开了一种基于自适应模型预测控制的风储联合调频方法，包括以下步骤：S1采集电力系统的实际频率与风机转速，计算当前系统的频率偏差作为优化目标，风机转速作为输入变量；S2构建风储联合系统参与电网一次调频的模型，其中各部件采用传递函数模型；S3考虑超短时间周期内，根据采集的实时风机转速确定风机输出功率与转速的线性化斜率，以模型预测控制为主，在预测时域N内，以最小化系统的频率偏差和风机与储能出力，建立优化目标函数，定义系统的状态和控制输入的约束，计算风机转速与储能的最优输出功率序列，取最优控制序列的第一组值为风储联合系统的最优输入控制量，将参考功率任务下达至风电机组和储能系统参与一次调频。

Description

基于自适应模型预测控制的风储联合调频方法

技术领域

本发明属于风电领域，特别是涉及基于自适应模型预测控制的风储联合调频方法。

背景技术

虽然近年来风力发电得到了大力发展，但也有很多因素制约着风能大规模并网。最主要的因素在于风能具有随机性、间歇性和不可预测性等特点，由于其发电设备不具备响应系统频率变化的惯量和一次调频能力，会影响系统的频率稳定性，单独依靠传统机组进行一次调频因调频容量有限难以满足调频需求。为了保证系统的频率稳定性，现有大多数风电机组已具备一定的调频能力。除了风电场直接参与电网调频外，储能技术的快速发展也为调频提供了新的解决办法。储能系统响应速度快，能够快速控制双向功率，并且跟踪功率能力强，可以满足多种场景下的调频需求。为了有效改善电网的经济效益和调频性能，大部分现有风电机组和储能装置相结合共同参与系统的一次调频。

风电和储能联合参与调频，目前已有相关研究。这些研究都提出将风电和储能相结合，能更有效地改善电网的经济效益和调频性能。但是很少有研究对风储联合系统使用最优控制来处理电网的调频问题，因而不具有最优性。且实际风电场与储能系统运行时存在功率备用上限、储能的荷电状态等约束条件，传统方法由于处理约束条件的效能较差，很难有效地同时处理这些约束。模型预测控制能较好地解决以上问题，它是一种基于模型的最优控制技术，是解决最优控制问题的有效途径。目前已有一些研究采用模型预测控制解决风储调频的控制问题，其中有单独通过电池储能参与调频的模型预测控制方法，也有基于模型预测控制的风机调频方法，可以在加强电网调频能力的同时平抑了风电功率波动，但是上述这些基于模型预测控制的研究大多数都是单独考虑风机或者单独考虑储能参与调频，未能将两者结合起来同时考虑，并且对于风机和储能在短时间尺度上的功率分配方法的研究涉及很少。

因此，本发明结合了传统基于模型预测控制分别单独对储能或风机调频的控制方法的优点，利用风机与储能之间的协调控制，并对模型进行了简化，解决了在短时间尺度过程中风储联合系统参与电网一次调频的功率最优分配问题。

发明内容

发明目的：本发明的目的是提供一种能够解决现有技术中存在的缺陷的基于自适应模型预测控制的风储联合调频方法。

技术方案：本发明提出一种基于自适应模型预测控制的风储联合调频方法，该方法包括以下步骤：

S1：采集电力系统的实际频率与风机转速，计算当前系统的频率偏差；

S2：构建风储联合系统参与电网一次调频的模型，其中各部件采用传递函数模型；

S3：根据采集的实时风机转速确定风机输出功率与转速的线性化关系，在预测时域N内，以最小化风机与储能出力损耗，同时最大化调频效果，建立多目标优化函数，考虑系统的状态和控制输入的约束，计算得到预测时域N内每一时刻的风机转速与储能的最优输出，取第一个时刻风机转速与储能的最优输出作为风储联合系统的最优输入控制量，将参考功率任务下达至风电机组和储能系统参与一次调频。

进一步的，所述步骤S2中，风储联合系统参与电网一次调频的组成部分包括：火电机组、储能装置、风机、电网频率动态模型：

火电机组调速器传递函数为：

式(1)中，s为复频率，T_G为调速器动作时间常数；

火电机组涡轮机传递函数为：

式(2)中，T_R为涡轮机时间常数；

储能装置模型传递函数为：

式(3)中，T_B为储能响应时间常数；

风机采用超速减载运行方式，转速的调节响应传递函数为：

式(4)中，T_ω为转速调节响应时间常数；

电网频率动态模型为：

式(5)中，Δf为电网频率偏差，ΔP_g为火电机组一次调频出力变化量，ΔP_wind为风机一次调频功率出力变化量，ΔP_bess为储能功率变化量，P_load为负载功率变化量，H为电网惯性时间常数，D为负荷调节系数。

进一步的：所述步骤S3中，根据采集的实时风机转速确定风机输出功率与转速的线性化关系，将转速与风机输出功率关系线性化，风机输出功率模型为：

ΔP_wind＝m·Δω_r (6)

式(6)中，m为根据转速计算得到的线性化后风机输出功率曲线的斜率，Δω_r为转速变化量；其中，参数m随转速变化而自适应变化，保持为线性化后风机输出功率曲线的斜率；

风电一次调频损耗为：

C_wind＝a₁·(ΔP_wind)² (7)

式(7)中，C_wind为风电一次调频损耗，a₁为风电机组功率偏移的损耗系数；储能一次调频损耗为：

C_bess＝a₂·(ΔP_bess)²+a₃·(S-S_ref)² (8)

式中，C_bess为储能一次调频损耗，a₂、a₃为储能功率偏移与荷电状态值偏移的惩罚系数，S为储能荷电状态值，S_ref为荷电状态参考值；

调频效果衡量公式为：

W_f＝a₄·(Δf)² (9)

式中，W_f为总调频收益，a₄为衡量调频经济效益系数；

多目标优化函数为：

J＝C_wind+C_bess-W_f (10)

式中，J为需要最小化的待优化函数，C_wind为风电一次调频损耗，C_bess为储能一次调频损耗，W_f为总调频收益；

在预测时域N内，离散化自适应预测模型为：

其中，矩阵A、B、R、C分别为系统矩阵、控制输入矩阵、外部干扰输入矩阵、输出矩阵，k为时间刻度，k∈(1，N)，x(k)为ΔP_g(k)、ΔP_bess(k)、ΔP_wind(k)、S(k)、Δf(k)组成的k时刻状态向量，ΔP_g(k)为k时刻火电机组出力变化量，ΔP_bess(k)为k时刻储能功率变化量，ΔP_wind(k)为k时刻风机功率出力变化量，S(k)为k时刻储能荷电状态值，Δf(k)为k时刻电网频率偏差；Δu(k)为ΔP_bess(k)、ΔP_wind(k)组成的k时刻控制变量，r(k)为P_load(k)构成的干扰变量，P_load(k)为k时刻的负载功率变化量；y(k)为ΔP_bess(k)、ΔP_wind(k)、S(k)、Δf(k)组成的k时刻输出向量；

综合考虑储能功率变化量约束、风机转速变化量约束、储能荷电状态约束：

式(12)中，P_B为储能的额定功率，ω_min、ω_max分别为转速的上下限值，ω_r为当前转速，S_min、S_max分别为储能荷电状态最小、最大值；

根据式(11)计算可知，在预测时域N内，系统状态向量为：

系统输出变量为：

基于上述输出变量，计算控制时域N内优化目标函数J(N)为：

为使J(N)达到最小，在约束条件式(12)下通过二次规划求解器最优求解得到控制变量Δu(1)…Δu(N)，即得到风机转速与储能输出功率变化量的最优参考值序列，取最优参考值序列的第一组值Δu(1)作为风储联合系统的最优输入控制量，参与电网一次调频，并在下一时刻，重复步骤S3，持续参与电网一次调频。

有益效果：与现有技术相比，本发明的技术方案具有以下有益技术效果：

本发明公开了一种基于自适应模型预测控制的风储联合调频方法，采用了模型预测控制方法对风机和储能出力进行优化，能够有效的考虑各种约束条件，拓展性强。并且通过对输出功率与转速关系的自适应线性化处理使模型简化的同时兼具准确性。此外，本发明建立了风机和储能在调频过程中兼具调频效果与经济性的优化函数，使得在短时间尺度过程中风储联合系统参与电网一次调频的功率分配更优。

附图说明

图1为本发明具体实施方式中基于模型预测控制的风储联合系统参与电网一次调频的控制框图。

具体实施方式

本具体实施方式公开了本发明提出一种基于自适应模型预测控制的风储联合调频方法，该方法包括以下步骤：

S1：采集电力系统的实际频率与风机转速，计算当前系统的频率偏差；

S2：构建风储联合系统参与电网一次调频的模型，其中各部件采用传递函数模型；

S3：根据采集的实时风机转速确定风机输出功率与转速的线性化关系，在预测时域N内，以最小化风机与储能出力损耗，同时最大化调频效果，建立多目标优化函数，考虑系统的状态和控制输入的约束，计算得到预测时域N内每一时刻的风机转速与储能的最优输出，取第一个时刻风机转速与储能的最优输出作为风储联合系统的最优输入控制量，将参考功率任务下达至风电机组和储能系统参与一次调频。

进一步的，所述步骤S2中，风储联合系统参与电网一次调频的组成部分包括：火电机组、储能装置、风机、电网频率动态模型：

火电机组调速器传递函数为：

式(1)中，s为复频率，T_G为调速器动作时间常数；

火电机组涡轮机传递函数为：

式(2)中，T_R为涡轮机时间常数；

储能装置模型传递函数为：

式(3)中，T_B为储能响应时间常数；

风机采用超速减载运行方式，转速的调节响应传递函数为：

式(4)中，T_ω为转速调节响应时间常数；

电网频率动态模型为：

式(5)中，Δf为电网频率偏差，ΔP_g为火电机组一次调频出力变化量，ΔP_wind为风机一次调频功率出力变化量，ΔP_bess为储能功率变化量，P_load为负载功率变化量，H为电网惯性时间常数，D为负荷调节系数。

进一步的：所述步骤S3中，根据采集的实时风机转速确定风机输出功率与转速的线性化关系，将转速与风机输出功率关系线性化，风机输出功率模型为：

ΔP_wind＝m·Δω_r (6)

式(6)中，m为根据转速计算得到的线性化后风机输出功率曲线的斜率，Δω_r为转速变化量；其中，参数m随转速变化而自适应变化，保持为线性化后风机输出功率曲线的斜率；

风电一次调频损耗为：

C_wind＝a₁·(ΔP_wind)² (7)

式(7)中，C_wind为风电一次调频损耗，a₁为风电机组功率偏移的损耗系数；

储能一次调频损耗为：

C_bess＝a₂·(ΔP_bess)²+a₃·(S-S_ref)² (8)

式中，C_bess为储能一次调频损耗，a₂、a₃为储能功率偏移与荷电状态值偏移的惩罚系数，S为储能荷电状态值，S_ref为荷电状态参考值；

调频效果衡量公式为：

W_f＝a₄·(Δf)² (9)

式中，W_f为总调频收益，a₄为衡量调频经济效益系数；

多目标优化函数为：

J＝C_wind+C_bess-W_f (10)

式中，J为需要最小化的待优化函数，C_wind为风电一次调频损耗，C_bess为储能一次调频损耗，W_f为总调频收益；

在预测时域N内，离散化自适应预测模型为：

其中，矩阵A、B、R、C分别为系统矩阵、控制输入矩阵、外部干扰输入矩阵、输出矩阵，k为时间刻度，k∈(1，N)，x(k)为ΔP_g(k)、ΔP_bess(k)、ΔP_wind(k)、S(k)、Δf(k)组成的k时刻状态向量，ΔP_g(k)为k时刻火电机组出力变化量，ΔP_bess(k)为k时刻储能功率变化量，ΔP_wind(k)为k时刻风机功率出力变化量，S(k)为k时刻储能荷电状态值，Δf(k)为k时刻电网频率偏差；Δu(k)为ΔP_bess(k)、ΔP_wind(k)组成的k时刻控制变量，r(k)为P_load(k)构成的干扰变量，P_load(k)为k时刻的负载功率变化量；y(k)为ΔP_bess(k)、ΔP_wind(k)、S(k)、Δf(k)组成的k时刻输出向量；

综合考虑储能功率变化量约束、风机转速变化量约束、储能荷电状态约束：

式(12)中，P_B为储能的额定功率，ω_min、ω_max分别为转速的上下限值，ω_r为当前转速，S_min、S_max分别为储能荷电状态最小、最大值；

根据式(11)计算可知，在预测时域N内，系统状态向量为：

系统输出变量为：

基于上述输出变量，计算控制时域N内优化目标函数J(N)为：

为使J(N)达到最小，在约束条件式(12)下通过二次规划求解器最优求解得到控制变量Δu(1)…Δu(N)，即得到风机转速与储能输出功率变化量的最优参考值序列，取最优参考值序列的第一组值Δu(1)作为风储联合系统的最优输入控制量，参与电网一次调频，并在下一时刻，重复步骤S3，持续参与电网一次调频。风机减载后，基于模型预测控制的风储联合系统参与电网一次调频的简化控制框图如图1所示。

Claims (3)

1.一种基于自适应模型预测控制的风储联合调频方法，其特征在于：该方法包括以下步骤：

S1：采集电力系统的实际频率与风机转速，计算当前系统的频率偏差；

S2：构建风储联合系统参与电网一次调频的模型，其中各部件采用传递函数模型；

S3：根据采集的实时风机转速确定风机输出功率与转速的线性化关系，在预测时域N内，以最小化风机与储能出力损耗，同时最大化调频效果，建立多目标优化函数，根据系统的状态和控制输入的约束，计算得到预测时域N内每一时刻的风机转速与储能的最优输出，取第一个时刻风机转速与储能的最优输出作为风储联合系统的最优输入控制量，将参考功率任务下达至风电机组和储能系统参与一次调频。

2.根据权利要求1所述的一种基于自适应模型预测控制的风储联合调频方法，其特征在于：所述步骤S2中，风储联合系统参与电网一次调频的组成部分包括：火电机组、储能装置、风机、电网频率动态模型：

火电机组调速器传递函数为：

式(1)中，s为复频率，T_G为调速器动作时间常数；

火电机组涡轮机传递函数为：

式(2)中，T_R为涡轮机时间常数；

储能装置模型传递函数为：

式(3)中，T_B为储能响应时间常数；

风机采用超速减载运行方式，转速的调节响应传递函数为：

式(4)中，T_ω为转速调节响应时间常数；

电网频率动态模型为：

式(5)中，Δf为电网频率偏差，ΔP_g为火电机组一次调频出力变化量，ΔP_wind为风机一次调频功率出力变化量，ΔP_bess为储能功率变化量，P_load为负载功率变化量，H为电网惯性时间常数，D为负荷调节系数。

3.根据权利要求2所述的一种基于自适应模型预测控制的风储联合调频方法，其特征在于：所述步骤S3中，根据采集的实时风机转速确定风机输出功率与转速的线性化关系，将转速与风机输出功率关系线性化，风机输出功率模型为：

ΔP_wind＝m·Δω_r (6)

式(6)中，m为根据转速计算得到的线性化后风机输出功率曲线的斜率，Δω_r为转速变化量；其中，参数m随转速变化而自适应变化，保持为线性化后风机输出功率曲线的斜率；

风电一次调频损耗为：

C_wind＝a₁·(ΔP_wind)² (7)

式(7)中，C_wind为风电一次调频损耗，a₁为风电机组功率偏移的损耗系数；

储能一次调频损耗为：

C_bess＝a₂·(ΔP_bess)²+a₃·(S-S_ref)² (8)

式中，C_bess为储能一次调频损耗，a₂、a₃为储能功率偏移与荷电状态值偏移的惩罚系数，S为储能荷电状态值，S_ref为荷电状态参考值；

调频效果衡量公式为：

W_f＝a₄·(Δf)² (9)

式中，W_f为总调频收益，a₄为衡量调频经济效益系数；

多目标优化函数为：

J＝C_wind+C_bess-W_f (10)

式中，J为需要最小化的待优化函数，C_wind为风电一次调频损耗，C_bess为储能一次调频损耗，W_f为总调频收益；

在预测时域N内，离散化自适应预测模型为：

其中，矩阵A、B、R、C分别为系统矩阵、控制输入矩阵、外部干扰输入矩阵、输出矩阵，k为时间刻度，k∈(1，N)，x(k)为ΔP_g(k)、ΔPbess(k)、ΔPwind(k)、S(k)、Δf(k)组成的k时刻状态向量，ΔP_g(k)为k时刻火电机组出力变化量，ΔP_bess(k)为k时刻储能功率变化量，ΔP_wind(k)为k时刻风机功率出力变化量，S(k)为k时刻储能荷电状态值，Δf(k)为k时刻电网频率偏差；Δu(k)为ΔP_bess(k)、ΔP_wind(k)组成的k时刻控制变量，r(k)为P_load(k)构成的干扰变量，P_load(k)为k时刻的负载功率变化量；y(k)为ΔP_bess(k)、ΔP_wind(k)、S(k)、Δf(k)组成的k时刻输出向量；

综合考虑储能功率变化量约束、风机转速变化量约束、储能荷电状态约束：

式(12)中，P_B为储能的额定功率，ω_min、ω_max分别为转速的上下限值，ω_r为当前转速，S_min、S_max分别为储能荷电状态最小、最大值；

根据式(11)计算可知，在预测时域N内，系统状态向量为：

系统输出变量为：

基于上述输出变量，计算控制时域N内优化目标函数J(N)为：

为使J(N)达到最小，在约束条件式(12)下通过二次规划求解器最优求解得到控制变量Δu(1)…Δu(N)，即得到风机转速与储能输出功率变化量的最优参考值序列，取最优参考值序列的第一组值Δu(1)作为风储联合系统的最优输入控制量，参与电网一次调频，并在下一时刻，重复步骤S3，持续参与电网一次调频。

Images