CN116799789B - 一种分布式新能源互联微电网集群振荡控制方法 - Google Patents
一种分布式新能源互联微电网集群振荡控制方法 Download PDFInfo
- Publication number
- CN116799789B CN116799789B CN202310697936.3A CN202310697936A CN116799789B CN 116799789 B CN116799789 B CN 116799789B CN 202310697936 A CN202310697936 A CN 202310697936A CN 116799789 B CN116799789 B CN 116799789B
- Authority
- CN
- China
- Prior art keywords
- micro
- model
- matrix
- grid
- new energy
- 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.)
- Active
Links
- 230000010355 oscillation Effects 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000001360 synchronised effect Effects 0.000 claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims description 54
- 238000013016 damping Methods 0.000 claims description 20
- 238000013139 quantization Methods 0.000 claims description 12
- 238000013178 mathematical model Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 230000001629 suppression Effects 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 230000001052 transient effect Effects 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 229910052799 carbon Inorganic materials 0.000 claims description 4
- 238000004445 quantitative analysis Methods 0.000 claims description 4
- 101000712674 Homo sapiens TGF-beta receptor type-1 Proteins 0.000 claims description 3
- 102100033456 TGF-beta receptor type-1 Human genes 0.000 claims description 3
- 239000003990 capacitor Substances 0.000 claims description 3
- 230000004907 flux Effects 0.000 claims description 3
- 230000005251 gamma ray Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000002441 reversible effect Effects 0.000 claims description 3
- 238000007665 sagging Methods 0.000 claims description 3
- 230000000452 restraining effect Effects 0.000 abstract description 10
- 238000011217 control strategy Methods 0.000 abstract description 4
- 230000002829 reductive effect Effects 0.000 abstract description 4
- 230000009471 action Effects 0.000 abstract description 3
- 230000002401 inhibitory effect Effects 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 description 8
- 230000003993 interaction Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004146 energy storage Methods 0.000 description 3
- 230000005284 excitation Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
- 238000004804 winding Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear load
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/241—The oscillation concerning frequency
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Nonlinear Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及多源互联微电网系统稳定控制技术领域，公开了一种分布式新能源互联微电网集群振荡控制方法，对于多源互联微电网系统的振荡问题，采用了几何测度理论，分析了待选输入信号及待选反馈输出信号的综合可控性以及能观性，获取抑制特定振荡模式的最优控制回路，能够避免控制器之间的作用冲突；考虑到系统多种约束情况下构成二次规划形式的成本函数，形成抑制多源互联微电网系统的振荡的稳定控制策略，能够在线实现振荡抑制作用，更具工况适应性；考虑了基于同步机类分布式电源和基于逆变器类分布式电源这两类微电源，同时对于新能源发电机组考虑到供能部分动态和机侧换流器控制特性，能够减少新能源机组的随机性与间歇性对于系统的影响。
Description
技术领域
本发明涉及多源互联微电网系统稳定控制技术领域，特别是涉及一种分布式新能源互联微电网集群振荡控制方法。
背景技术
随着双碳目标的提出与能源发展要求的不断提高，优先发展可再生能源是推动我国能源供给革命，实现高质量可持续发展的必由之路。分布式发电技术是高效利用可再生能源的供能手段，当前主要包含风力发电、光伏发电、储能和微型燃气轮机等形式。这些分布式电源大量采用具有弱阻尼惯量特征的电力电子变换器接入系统，在一定程度上提高了响应速度，但却降低了系统阻尼，尤其是当其自主运行时，由于缺乏上级大电网的支撑，需自我维持频率电压稳定，再加上其小容量、低惯性的特征，此时一个微小的故障也可能导致系统性能受到巨大影响。同时，以风电、光伏为代表的可再生能源，由于其随机性和间接性的特征将会引发功率波动造成系统的频率偏移，严重影响系统的供电质量，对系统的安全稳定运行带来了严峻挑战。
互联微电网系统中包含不同类型的微电源和负荷，极易产生微电源间的交互作用、动态负荷间的交互作用、微电源与负荷间的交互作用等，在遭遇扰动时容易产生振荡甚至失稳，多种控制主体可能同时参与系统振荡。因此，针对新能源发电机组高渗透率的多源互联微电网系统，研究其在不同扰动场景下的动态响应特性以及设计一种抑制振荡的方法显得尤为重要。
目前在实际电力系统中普遍以同步发电机的励磁调节器加装电力系统稳定器(power system stabilization，PSS)为主要阻尼控制器，但PSS对于低频振荡特别是区间振荡并不总是有效，加之随着以风电和光伏等新能源发电渗透率越来越高，传统阻尼控制手段将难以独立应对电力系统运行特性出现的新变化。同时，在以电力电子变换器为主导的多源互联微电网系统的振荡抑制策略中，主要分为附加装置或控制回路附加额外阻尼以及优化控制参数设计，这些控制方法均存在面临在工况复杂多变时适应性不强的问题。而且目前已有的新能源附加阻尼控制主要针对一种风电或光伏发电机组展开，针对多源互联微电网系统的新能源机组特性的协同阻尼控制研究并不多。为充分发掘新能源发电在参与抑制多源互联微电网系统振荡方面的潜力，需要在考虑新能源机组特性基础上设计更具工况适应性的控制策略，以适应未来新型电力系统以分布式风电、光伏发电单元为主导的发展趋势。
现有技术公开了一种孤岛微电网系统及其交互振荡抑制方法、系统，源侧虚拟同步机和负载侧虚拟同步机结合起来提供虚拟惯性和阻尼。该发明提出了一种d轴电感电流前馈控制和d轴电压反馈控制的方法来重塑VSG的阻抗，以减小VSG的阻抗幅值。因此，VSG和LVSM之间的低频交互作用可以得到抑制。该现有技术中针对的是单个微电网系统包含多个相同的电压源型换流器，且并未考虑新能源机组的特性，将直流侧用恒定电压源替代，此外，该方案采用附加控制方法中的虚拟同步机方法为系统提供虚拟惯性和阻尼，但却忽视了新能源机组的随机性可能造成系统阻尼特性随着复杂运行工况的变化而变化，故该控制方案与多变运行方式之间存在不适应性。
发明内容
本发明的目的是：提供一种分布式新能源互联微电网集群振荡控制方法，以解决现有技术中存在的新能源机组的随机性与间歇性对于系统存在影响，基于附加控制方法在扰动较大或存在不确定性导致运行工况发生改变时，其设计的振荡抑制控制器难以保证抑制效果，缺乏工况适应性的问题。
为了实现上述目的，本发明提供了一种分布式新能源互联微电网集群振荡控制方法，包括：
S1、建立多源互联微电网系统的数学模型，基于多源互联微电网系统的稳态运行点，对多源互联微电网系统进行线性化处理，获得多源互联微电网系统的线性化小信号状态空间模型，所述多源互联微电网系统的线性化小信号状态空间模型包括系统状态矩阵；
S2、计算系统状态矩阵的特征值及左、右特征向量，获得右特征向量模态矩阵和左特征向量模态矩阵；
S3、选取待选输入信号和待选反馈输出信号，构建状态空间描述的多源互联微电网系统线性化模型，选择特定振荡模式，利用几何测度理论结合右特征向量模态矩阵和左特征向量模态矩阵进行能观可控量化分析，获得可控性和能观性几何测度指标；
S4、依据可控性和能观性几何测度指标，构建联合能观可控量化指标，根据联合能观可控量化指标设计抑制振荡模式的最优控制回路，所述最优控制回路包括最优控制输入信号和最优反馈输出信号；
S5、根据最优控制输入信号建立机组预测模型，并进行离散化处理，获得离散状态空间模型；
S6、依据离散状态空间模型计算多步的状态信息与输出信息的偏差，将最优反馈输出信号作为成本函数的预测追踪目标，结合状态信息与输出信息的偏差和最优控制输入信号构造二次规划形式的成本函数；
S7、求解二次规划形式的成本函数，如果无解，将控制量置零，并重复步骤S6，如果有解，获得控制输入增量，所述控制输入增量为最优控制序列。
优选的，在步骤S1中，所述多源互联微电网系统的数学模型为：
其中，x＝[xSG1,xWT1,xPV1,xESS1…xSGi,xWTi,xPVi,xESSi,xLINE,xLOAD]T为互联微电网系统中各微电源、线路及负荷的状态变量，n表示为系统状态量的个数，u为系统的输入变量，f表示为描述系统状态量的微分量与系统状态变量和输入变量关系的函数。
优选的，所述多源互联微电网系统的数学模型包括同步机的动态模型、新能源机组的一次能源动态模型和逆变器的三环控制模型；
所述同步机的动态模型包括同步机机组主电路模型和同步机机组控制电路模型，所述同步机机组主电路模型为：
其中，δ和ωr为SBDG的功角和转子角速度；M和D为转子惯量系数及阻尼系数；Pe和Qe分别为SBDG输出的有功功率和无功功率；Pm为同步发电机机械功率；ωcom为互联微电网系统公共坐标轴参考角速度；Vq和Vq'为交轴空载电动势和暂态电动势；Vfd和Vf分别为励磁电压和下垂励磁环节输出电压；Xd和X'd分别为额定频率ωn下发电机的直轴电抗和直轴暂态电抗；Td'o为转子时间常数；Vt＝[Vtd Vtq]T表示为SBDG端口电压；It＝[Itd Itq]T表示为输出电流；
所述同步机机组控制电路模型为：
其中，Vexc、K、τ分别为延迟环节输出电压、增益系数和延时系数；Vn、ωn为系统额度电压和角速度；Vref、ωref为电压和角速度参考值；tg、ψ1/ψ2/ψ3/ψ4均为速度中间控制器状态量；K1和T1/T2为调节器增益及其时间常数；T3/T4/T5为制动器时间常数；TD为同步发电机时间延迟；
针对基于逆变器类分布式电源，新能源机组的一次能源动态模型包括风力发电机组的风机及其传动系统模型和光伏发电机组的一次能源动态与直流电容电压动态模型，所述风机及其传动系统模型为：
其中，ωWT、ωr、HWT、Hg分别为风力机和异步电机转速和惯量系数；Kg、F、Ktg、Dtg、Tsh分别表示为齿轮箱传动比、摩擦系数、机械刚度、阻尼系数和机械轴转矩；TWT、Te分别为风力机转矩和电磁转矩；ρ、R、v、p、Cp分别表示为空气密度、叶片长度、风速、极对数和风能利用系数；表示为定子磁通；is＝[isd isq]T表示为定子电流；
所述一次能源动态与直流电容电压动态模型为：
其中，VDC、iPV、CDC分别为光伏直流侧电压、电流和电容；Np、Ns、Nc分别是光伏系统串联数量、每串串联的模块数量和每个光伏组件的串联电池数量；Irs和Iph分别为P-N结反向饱和电流和每串PV板的短路电流；q、k、TT、AIF分别为单位电荷、玻尔兹曼常数、温度及理想因子；
所述逆变器的三环控制模型为：
其中，vod、voq、iod、ioq分别为dq参考系下的逆变器输出电压和电流；mp、nq为下垂环输出参考电压、有功下垂系数和无功下垂系数；ψd、ψq为电压控制器积分项的状态变量；γd、γq为电流控制器积分项的状态变量；/>为逆变器出口电流参考值；ildq为逆变器出口实际电流。
优选的，在步骤S1中，所述多源互联微电网系统的线性化小信号状态空间模型为：
其中，ANMG是系统状态矩阵。
优选的，在步骤S2中，所述计算系统状态矩阵的特征值及左右特征向量的公式为：
其中，分别是对应λi的右特征向量和左特征向量，对于同一特征值归一化处理后有/>而对于不同特征值的左右特征向量则满足关系式/>不同特征值λ1，λ2，...λn对应的右特征向量模态矩阵φ和左特征向量模态矩阵/>表示为：
优选的，在步骤S3中，所述选取待选输入信号和待选反馈输出信号的方法包括工程实际选取或参与因子分析结果进行选取，所述参与因子为状态量对于某一振荡模态的影响力或者贡献度的大小。
优选的，在步骤S3中，所述状态空间描述的多源互联微电网系统线性化模型为：
优选的，在步骤S3中，所述获得可控性和能观性几何测度指标的公式为：
其中，bk为输入矩阵BNMG的第k列，cl为输出矩阵CNMG的第l行，为输入向量bk与左特征向量/>之间的夹角，/>为输出向量cl与右特征向量φi之间的夹角；
在步骤S4中，所述联合能观可控量化指标为：
gcoi(k,l)＝gci(k)·goi(l)。
优选的，在步骤S5中，所述离散状态空间模型为：
其中，Ad、Bd均为离散化处理后所获得的离散状态矩阵及离散输入矩阵；Δu*(k)为选取的针对该特定振荡模式且不影响其它振荡抑制作用的最优控制输入信号。
优选的，在步骤S6中，二次规划形式的成本函数为：
subject to AiΔUi≤Bi Aeq,iΔUi＝Beq,i
与现有技术相比，本发明的有益效果在于：对于多源互联微电网系统的振荡问题，采用了几何测度理论，分析了待选输入信号及待选反馈输出信号的综合可控性以及能观性，获取抑制特定振荡模式的最优控制回路，能够避免控制器之间的作用冲突；考虑到系统多种约束情况下构成二次规划形式的成本函数，形成抑制多源互联微电网系统的振荡的稳定控制策略，能够在线实现振荡抑制作用，更具工况适应性；
进一步地，考虑了基于同步机类分布式电源和基于逆变器类分布式电源这两类微电源，同时对于新能源发电机组考虑到供能部分动态和机侧换流器控制特性，进而能够减少新能源机组的随机性与间歇性对于系统的影响。
附图说明
图1是本发明实施例的分布式新能源互联微电网集群振荡控制方法的流程图；
图2是本发明实施例的多源互联微电网系统的结构示意图；
图3是本发明实施例的基于逆变器类分布式电源振荡抑制控制器结构示意图；
图4是本发明实施例的基于同步机类分布式电源振荡抑制控制器结构示意图。
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。
在本发明的描述中，需要说明的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
实施例一
如图1-2所示，本发明优选实施例的一种分布式新能源互联微电网集群振荡控制方法，包括：
S1、建立多源互联微电网系统的数学模型，基于多源互联微电网系统的稳态运行点，对多源互联微电网系统进行线性化处理，获得多源互联微电网系统的线性化小信号状态空间模型，所述多源互联微电网系统的线性化小信号状态空间模型包括系统状态矩阵；
S2、计算系统状态矩阵的特征值及左、右特征向量，获得右特征向量模态矩阵和左特征向量模态矩阵；
S3、选取待选输入信号和待选反馈输出信号，构建状态空间描述的多源互联微电网系统线性化模型，选择特定振荡模式，利用几何测度理论结合右特征向量模态矩阵和左特征向量模态矩阵进行能观可控量化分析，获得可控性和能观性几何测度指标；
S4、依据可控性和能观性几何测度指标，构建联合能观可控量化指标，根据联合能观可控量化指标设计抑制振荡模式的最优控制回路，所述最优控制回路包括最优控制输入信号和最优反馈输出信号；
S5、根据最优控制输入信号建立机组预测模型，并进行离散化处理，获得离散状态空间模型；
S6、依据离散状态空间模型计算多步的状态信息与输出信息的偏差，将最优反馈输出信号作为成本函数的预测追踪目标，结合状态信息与输出信息的偏差和最优控制输入信号构造二次规划形式的成本函数；
S7、求解二次规划形式的成本函数，如果无解，将控制量置零，并重复步骤S6，如果有解，获得控制输入增量，所述控制输入增量为最优控制序列。
实施例二
多源互联微电网系统主要由微电源、负载、电力网络和网间换流器等元件组成，其中的微电源大致可分为基于同步机类分布式电源(synchronous-based distributedgenerator,SBDG)和基于逆变器类分布式电源(inverter-based distributed generator,IBDG)。
如图3-4所示，在步骤S1中，储能微电源作为多源互联微电网系统的重要组成部分，可以通过控制自身充放电来调节微电网系统中的功率，平抑系统的功率波动，为系统提供频率与电压支撑。基于以上考虑机组特性的微型燃气轮机、风力发电机组和光伏机组的数学模型，各分布式发电单元主要通过电力网络连接形成互联微电网系统，一般可以用n个一阶非线性常微分方程来刻画多源互联微电网系统的运行特性，多源互联微电网系统的数学模型为：
其中，x＝[xSG1,xWT1,xPV1,xESS1…xSGi,xWTi,xPVi,xESSi,xLINE,xLOAD]T为互联微电网系统中各微电源、线路及负荷的状态变量，n表示为系统状态量的个数，u为系统的输入变量，f表示为描述系统状态量的微分量与系统状态变量和输入变量关系的函数。
多源互联微电网系统的数学模型包括同步机的动态模型、新能源机组的一次能源动态模型和逆变器的三环控制模型；
对于常见的微型燃气轮机发电机组可视为受下垂励磁电压控制环节和速度控制环节的同步机，根据四阶同步机转子运动方程和绕组电压方程，同步机的动态模型包括同步机机组主电路模型和同步机机组控制电路模型，同步机机组主电路模型为：
其中，δ和ωr为SBDG的功角和转子角速度；M和D为转子惯量系数及阻尼系数；Pe和Qe分别为SBDG输出的有功功率和无功功率；Pm为同步发电机机械功率；ωcom为互联微电网系统公共坐标轴参考角速度；Vq和Vq'为交轴空载电动势和暂态电动势；Vfd和Vf分别为励磁电压和下垂励磁环节输出电压；Xd和X'd分别为额定频率ωn下发电机的直轴电抗和直轴暂态电抗；Td'o为转子时间常数；Vt＝[Vtd Vtq]T表示为SBDG端口电压；It＝[Itd Itq]T表示为输出电流；
对于基于同步机类分布式电源，其励磁环节无功/电压下垂控制环节和速度控制环节的有功/频率下垂控制，同步机机组控制电路模型为：
其中，Vexc、K、τ分别为延迟环节输出电压、增益系数和延时系数；Vn、ωn为系统额度电压和角速度；Vref、ωref为电压和角速度参考值；tg、ψ1/ψ2/ψ3/ψ4均为速度中间控制器状态量；K1和T1/T2为调节器增益及其时间常数；T3/T4/T5为制动器时间常数；TD为同步发电机时间延迟；
针对基于逆变器类分布式电源，通常在忽视供能部分动态或机侧换流器控制特性时，通常以理想储能发电单元为载体，将供能部分处理为恒定电压源或电流源，但是风光新能源机组的随机性与间歇性会严重影响系统的动态响应，因此需要保证建模的完整性，考虑这些机组的一次能源动态与直流环节动态的建模。
新能源机组的一次能源动态模型包括风力发电机组的风机及其传动系统模型和光伏发电机组的一次能源动态与直流电容电压动态模型，风机及其传动系统模型为：
其中，ωWT、ωr、HWT、Hg分别为风力机和异步电机转速和惯量系数；Kg、F、Ktg、Dtg、Tsh分别表示为齿轮箱传动比、摩擦系数、机械刚度、阻尼系数和机械轴转矩；TWT、Te分别为风力机转矩和电磁转矩；ρ、R、v、p、Cp分别表示为空气密度、叶片长度、风速、极对数和风能利用系数；表示为定子磁通；is＝[isd isq]T表示为定子电流；
对于光伏发电机组，在忽略换流器损耗时，一次能源动态与直流电容电压动态模型为：
其中，VDC、iPV、CDC分别为光伏直流侧电压、电流和电容；Np、Ns、Nc分别是光伏系统串联数量、每串串联的模块数量和每个光伏组件的串联电池数量；Irs和Iph分别为P-N结反向饱和电流和每串PV板的短路电流；q、k、TT、AIF分别为单位电荷、玻尔兹曼常数、温度及理想因子；
针对基于逆变器类分布式电源(IBDG)的控制回路部分，主要包括瞬时功率计算、下垂控制环路和内部电压电流控制环路，逆变器的三环控制模型为：
其中，vod、voq、iod、ioq分别为dq参考系下的逆变器输出电压和电流；mp、nq为下垂环输出参考电压、有功下垂系数和无功下垂系数；ψd、ψq为电压控制器积分项的状态变量；γd、γq为电流控制器积分项的状态变量；/>为逆变器出口电流参考值；ildq为逆变器出口实际电流。
在步骤S1中，基于稳态运行点x0，可对系统进行线性化，并进行泰勒展开保留其展开各项中的常数项和一阶项，多源互联微电网系统的线性化小信号状态空间模型为：
其中，ANMG是系统状态矩阵。
在步骤S2中，在获取多源互联微电网系统的动态模型后，为了研究多源互联微电网系统的振荡稳定性，还需要进一步详细分析系统状态矩阵的特征值以获得系统主导振荡模态、振荡频率与阻尼比、引起振荡的变量参与度分析等。基于系统线性化可得到系统状态矩阵ANMG的具体数值表示，计算系统状态矩阵的特征值及左右特征向量的公式为：
其中，分别是对应λi的右特征向量和左特征向量，对于同一特征值归一化处理后有/>而对于不同特征值的左右特征向量则满足关系式/>不同特征值λ1，λ2，...λn对应的右特征向量模态矩阵φ和左特征向量模态矩阵/>表示为：
实施例三
由于产生振荡的位置和最佳阻尼控制位置常常不在同一地点，因此在进行具体的控制器设计之前，首先需要解决控制器的安装位置、控制输入-输出的选择和配对等控制结构问题，利用几何测度法对比不同类型信号的可控性和能观性优劣，用于设计抑制不同振荡模式下的最优控制回路。在进行几何测度分析之前，事先确定待选输入信号u(t)以及待选反馈输出信号y(t)，构成含有控制输入及系统输出的状态空间描述的多源互联微电网系统线性化模型。
在步骤S3中，选取待选输入信号和待选反馈输出信号的方法包括工程实际选取或参与因子分析结果进行选取，参与因子为状态量对于某一振荡模态的影响力或者贡献度的大小。
在步骤S3中，状态空间描述的多源互联微电网系统线性化模型为：
在步骤S3中，获得可控性和能观性几何测度指标的公式为：
其中，bk为输入矩阵BNMG的第k列，cl为输出矩阵CNMG的第l行，为输入向量bk与左特征向量/>之间的夹角，/>为输出向量cl与右特征向量φi之间的夹角；
在步骤S4中，依据各振荡模式的可控性和能观性几何测度指标gci、goi，进而可以定义振荡模式λi的联合能观可控量化指标为：
gcoi(k,l)＝gci(k)·goi(l)。
抑制振荡控制回路设计依据为首要关注弱阻尼振荡模式有最大联合能观可控量化指标gcoi(k,l)，同时需要保证待选信号对各其他振荡模式的影响作用最小，从而可以获取抑制该振荡模式最优控制回路，同时还可以避免控制器之间的交互作用。
在步骤S5中，根据选取的抑制特定振荡模式的最优控制输入位置，建立仅含该控制输入的机组预测模型，以采样周期Ts将机组线性化小信号状态空间模型进行离散化处理，离散状态空间模型为：
其中，Ad、Bd均为离散化处理后所获得的离散状态矩阵及离散输入矩阵；Δu*(k)为选取的针对该特定振荡模式且不影响其它振荡抑制作用的最优控制输入信号。
在步骤S6中，根据选择的抑制特定振荡模式的最优控制输入信号，将其作为成本函数的预测追踪目标，并在考虑各机组等式及不等式约束的条件下，二次规划形式的成本函数为：
subject to AiΔUi≤Bi Aeq,iΔUi＝Beq,i
其中，求取所得到成本函数为最小值时对应的控制输入增量ΔUi即为抑制该振荡模式下的最优控制序列。
本发明的工作过程为：
S1、建立多源互联微电网系统的数学模型，基于多源互联微电网系统的稳态运行点，对多源互联微电网系统进行线性化处理，获得多源互联微电网系统的线性化小信号状态空间模型，所述多源互联微电网系统的线性化小信号状态空间模型包括系统状态矩阵；
S2、计算系统状态矩阵的特征值及左、右特征向量，获得右特征向量模态矩阵和左特征向量模态矩阵；
S3、选取待选输入信号和待选反馈输出信号，构建状态空间描述的多源互联微电网系统线性化模型，选择特定振荡模式，利用几何测度理论结合右特征向量模态矩阵和左特征向量模态矩阵进行能观可控量化分析，获得可控性和能观性几何测度指标；
S4、依据可控性和能观性几何测度指标，构建联合能观可控量化指标，根据联合能观可控量化指标设计抑制振荡模式的最优控制回路，所述最优控制回路包括最优控制输入信号和最优反馈输出信号；
S5、根据最优控制输入信号建立机组预测模型，并进行离散化处理，获得离散状态空间模型；
S6、依据离散状态空间模型计算多步的状态信息与输出信息的偏差，将最优反馈输出信号作为成本函数的预测追踪目标，结合状态信息与输出信息的偏差和最优控制输入信号构造二次规划形式的成本函数；
S7、求解二次规划形式的成本函数，如果无解，将控制量置零，并重复步骤S6，如果有解，获得控制输入增量，所述控制输入增量为最优控制序列。
综上，本发明实施例提供一种分布式新能源互联微电网集群振荡控制方法，其对于多源互联微电网系统的振荡问题，采用了几何测度理论，分析了待选输入信号及待选反馈输出信号的综合可控性以及能观性，获取抑制特定振荡模式的最优控制回路，能够避免控制器之间的作用冲突；考虑到系统多种约束情况下构成二次规划形式的成本函数，形成抑制多源互联微电网系统的振荡的稳定控制策略，能够在线实现振荡抑制作用，更具工况适应性；考虑了基于同步机类分布式电源和基于逆变器类分布式电源这两类微电源，同时对于新能源发电机组考虑到供能部分动态和机侧换流器控制特性，能够减少新能源机组的随机性与间歇性对于系统的影响。
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)
1.一种分布式新能源互联微电网集群振荡控制方法，其特征在于，包括：
S1、建立多源互联微电网系统的数学模型，基于多源互联微电网系统的稳态运行点，对多源互联微电网系统进行线性化处理，获得多源互联微电网系统的线性化小信号状态空间模型，所述多源互联微电网系统的线性化小信号状态空间模型包括系统状态矩阵；
S2、计算系统状态矩阵的特征值及左、右特征向量，获得右特征向量模态矩阵和左特征向量模态矩阵；
S3、选取待选输入信号和待选反馈输出信号，构建状态空间描述的多源互联微电网系统线性化模型，选择特定振荡模式，利用几何测度理论结合右特征向量模态矩阵和左特征向量模态矩阵进行能观可控量化分析，获得可控性和能观性几何测度指标；
S4、依据可控性和能观性几何测度指标，构建联合能观可控量化指标，根据联合能观可控量化指标设计抑制振荡模式的最优控制回路，所述最优控制回路包括最优控制输入信号和最优反馈输出信号；
S5、根据最优控制输入信号建立机组预测模型，并进行离散化处理，获得离散状态空间模型；
S6、依据离散状态空间模型计算多步的状态信息与输出信息的偏差，将最优反馈输出信号作为成本函数的预测追踪目标，结合状态信息与输出信息的偏差和最优控制输入信号构造二次规划形式的成本函数；
S7、求解二次规划形式的成本函数，如果无解，将控制量置零，并重复步骤S6，如果有解，获得控制输入增量，所述控制输入增量为最优控制序列。
2.根据权利要求1所述的一种分布式新能源互联微电网集群振荡控制方法，其特征在于：在步骤S1中，所述多源互联微电网系统的数学模型为：
其中，x＝[xSG1,xWT1,xPV1,xESS1…xSGi,xWTi,xPVi,xESSi,xLINE,xLOAD]T为互联微电网系统中各微电源、线路及负荷的状态变量，n表示为系统状态量的个数，u为系统的输入变量，f表示为描述系统状态量的微分量与系统状态变量和输入变量关系的函数。
3.根据权利要求2所述的一种分布式新能源互联微电网集群振荡控制方法，其特征在于：所述多源互联微电网系统的数学模型包括同步机的动态模型、新能源机组的一次能源动态模型和逆变器的三环控制模型；
所述同步机的动态模型包括同步机机组主电路模型和同步机机组控制电路模型，所述同步机机组主电路模型为：
其中，SBDG为基于同步机类分布式电源，δ和ωr为SBDG的功角和转子角速度；M和D为转子惯量系数及阻尼系数；Pe和Qe分别为SBDG输出的有功功率和无功功率；Pm为同步发电机机械功率；ωcom为互联微电网系统公共坐标轴参考角速度；Vq和V′q为交轴空载电动势和暂态电动势；Vfd和Vf分别为励磁电压和下垂励磁环节输出电压；Xd和X′d分别为额定频率ωn下发电机的直轴电抗和直轴暂态电抗；T′do为转子时间常数；Vt＝[Vtd Vtq]T表示为SBDG端口电压；It＝[Itd Itq]T表示为输出电流；
所述同步机机组控制电路模型为：
其中，Vexc、K、τ分别为延迟环节输出电压、增益系数和延时系数；Vn、ωn为系统额度电压和角速度；Vref、ωref为电压和角速度参考值；tg、ψ1/ψ2/ψ3/ψ4均为速度中间控制器状态量；K1和T1/T2为调节器增益及其时间常数；T3/T4/T5为制动器时间常数；TD为同步发电机时间延迟；
针对基于逆变器类分布式电源，新能源机组的一次能源动态模型包括风力发电机组的风机及其传动系统模型和光伏发电机组的一次能源动态与直流电容电压动态模型，所述风机及其传动系统模型为：
其中，ωWT、ωr、HWT、Hg分别为风力机和异步电机转速和惯量系数；Kg、F、Ktg、Dtg、Tsh分别表示为齿轮箱传动比、摩擦系数、机械刚度、阻尼系数和机械轴转矩；TWT、Te分别为风力机转矩和电磁转矩；ρ、R、v、p、Cp分别表示为空气密度、叶片长度、风速、极对数和风能利用系数；表示为定子磁通；is＝[isd isq]T表示为定子电流；
所述一次能源动态与直流电容电压动态模型为：
其中，VDC、iPV、CDC分别为光伏直流侧电压、电流和电容；Np、Ns、Nc分别是光伏系统串联数量、每串串联的模块数量和每个光伏组件的串联电池数量；Irs和Iph分别为P-N结反向饱和电流和每串PV板的短路电流；q、k、TT、AIF分别为单位电荷、玻尔兹曼常数、温度及理想因子；
所述逆变器的三环控制模型为：
其中，vod、voq、iod、ioq分别为dq参考系下的逆变器输出电压和电流；mq、nq为有功下垂系数和无功下垂系数；ψd、ψq为电压控制器积分项的状态变量；γd、γq为电流控制器积分项的状态变量。
4.根据权利要求1所述的一种分布式新能源互联微电网集群振荡控制方法，其特征在于：在步骤S1中，所述多源互联微电网系统的线性化小信号状态空间模型为：
其中，ANMG是系统状态矩阵。
5.根据权利要求1所述的一种分布式新能源互联微电网集群振荡控制方法，其特征在于：在步骤S2中，所述计算系统状态矩阵的特征值及左右特征向量的公式为：
其中，ANMG是系统状态矩阵，φi,分别是对应λi的右特征向量和左特征向量，对于同一特征值归一化处理后有/>而对于不同特征值的左右特征向量则满足关系式不同特征值λ1，λ2，…λn对应的右特征向量模态矩阵φ和左特征向量模态矩阵/>表示为：
6.根据权利要求1所述的一种分布式新能源互联微电网集群振荡控制方法，其特征在于：在步骤S3中，所述选取待选输入信号和待选反馈输出信号的方法包括工程实际选取或参与因子分析结果进行选取，所述参与因子为状态量对于某一振荡模态的影响力或者贡献度的大小。
7.根据权利要求1所述的一种分布式新能源互联微电网集群振荡控制方法，其特征在于：在步骤S3中，所述状态空间描述的多源互联微电网系统线性化模型为：
其中，ANMG是系统状态矩阵，BNMG为输入矩阵，CNMG为输出矩阵。
8.根据权利要求1所述的一种分布式新能源互联微电网集群振荡控制方法，其特征在于：在步骤S3中，所述获得可控性和能观性几何测度指标的公式为：
其中，bk为输入矩阵BNMG的第k列，cl为输出矩阵CNMG的第l行，为输入向量bk与左特征向量/>之间的夹角，/>为输出向量cl与右特征向量φi之间的夹角；
在步骤S4中，所述联合能观可控量化指标为：
gcoi(k，l)＝gci(k)·goi(l)。
9.根据权利要求1所述的一种分布式新能源互联微电网集群振荡控制方法，其特征在于：在步骤S5中，所述离散状态空间模型为：
其中，Ad、Bd均为离散化处理后所获得的离散状态矩阵及离散输入矩阵；Δu*(k)为选取的针对该特定振荡模式且不影响其它振荡抑制作用的最优控制输入信号。
10.根据权利要求1所述的一种分布式新能源互联微电网集群振荡控制方法，其特征在于：在步骤S6中，二次规划形式的成本函数为：
subject to AiΔUi≤Bi Aeq,iΔUi＝Beq,i。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310697936.3A CN116799789B (zh) | 2023-06-13 | 2023-06-13 | 一种分布式新能源互联微电网集群振荡控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310697936.3A CN116799789B (zh) | 2023-06-13 | 2023-06-13 | 一种分布式新能源互联微电网集群振荡控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116799789A CN116799789A (zh) | 2023-09-22 |
| CN116799789B true CN116799789B (zh) | 2024-01-09 |
Family
ID=88043009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310697936.3A Active CN116799789B (zh) | 2023-06-13 | 2023-06-13 | 一种分布式新能源互联微电网集群振荡控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116799789B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102938567A (zh) * | 2012-10-30 | 2013-02-20 | 东北电力大学 | 基于动态响应因子的多机系统直流功率调制控制方法 |
| CN107579541A (zh) * | 2017-08-31 | 2018-01-12 | 南京理工大学 | 一种基于模式分析的光伏电站对多机系统低频振荡的抑制方法 |
| WO2019080393A1 (zh) * | 2017-10-25 | 2019-05-02 | 东北电力大学 | 一种电力系统动态稳定协同辨识方法 |
| CN109861246A (zh) * | 2018-12-24 | 2019-06-07 | 燕山大学 | 一种基于vsg的光伏微网动态频率稳定控制方法 |
| CN110365009A (zh) * | 2019-06-22 | 2019-10-22 | 东北电力大学 | 一种适用于互联电力系统的广域阻尼优化控制方法 |
| CN114445239A (zh) * | 2022-01-30 | 2022-05-06 | 北方工业大学 | 一种新能源互联系统稳定性分析及参数优化的方法 |
| CN116054190A (zh) * | 2022-11-28 | 2023-05-02 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种双馈风电场控制参数对次同步振荡影响的分析方法 |
-
2023
- 2023-06-13 CN CN202310697936.3A patent/CN116799789B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102938567A (zh) * | 2012-10-30 | 2013-02-20 | 东北电力大学 | 基于动态响应因子的多机系统直流功率调制控制方法 |
| CN107579541A (zh) * | 2017-08-31 | 2018-01-12 | 南京理工大学 | 一种基于模式分析的光伏电站对多机系统低频振荡的抑制方法 |
| WO2019080393A1 (zh) * | 2017-10-25 | 2019-05-02 | 东北电力大学 | 一种电力系统动态稳定协同辨识方法 |
| CN109861246A (zh) * | 2018-12-24 | 2019-06-07 | 燕山大学 | 一种基于vsg的光伏微网动态频率稳定控制方法 |
| CN110365009A (zh) * | 2019-06-22 | 2019-10-22 | 东北电力大学 | 一种适用于互联电力系统的广域阻尼优化控制方法 |
| CN114445239A (zh) * | 2022-01-30 | 2022-05-06 | 北方工业大学 | 一种新能源互联系统稳定性分析及参数优化的方法 |
| CN116054190A (zh) * | 2022-11-28 | 2023-05-02 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种双馈风电场控制参数对次同步振荡影响的分析方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116799789A (zh) | 2023-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110970933B (zh) | 基于主动支撑控制的光储联合发电系统虚拟惯量补偿方法 | |
| Rehman et al. | An advanced virtual synchronous generator control technique for frequency regulation of grid-connected PV system | |
| Oshnoei et al. | Novel load frequency control scheme for an interconnected two-area power system including wind turbine generation and redox flow battery | |
| EP2936643B1 (en) | Coordinated control method of generator and svc for improving power plant active power throughput and controller thereof | |
| CN108270241B (zh) | 风机并网逆变器虚拟同步发电机的控制方法 | |
| CN108599264B (zh) | 一种基于虚拟同步发电机控制的频率电压无差调节方法 | |
| CN108199396B (zh) | 储能逆变器虚拟励磁闭环控制系统及其设计方法 | |
| CN111244966B (zh) | 一种基于双层模型预测控制的双馈风机调压方法 | |
| CN110266056B (zh) | 基于光储独立并网的虚拟同步发电控制方法 | |
| Mossa et al. | Enhanced control and power management for a renewable energy-based water pumping system | |
| CN112636394A (zh) | 一种双馈风力发电机组自同步控制方法 | |
| CN110611321B (zh) | 一种补偿虚拟同步机负阻尼特性的虚拟电力系统稳定器设计方法 | |
| Zhang et al. | Wind power transmission through LCC-HVDC with wind turbine inertial and primary frequency supports | |
| CN110611332A (zh) | 一种海上风电系统储能装置及其控制方法 | |
| Saadaoui et al. | Modelling and simulation for energy management of a hybrid microgrid with droop controller. | |
| Zhu et al. | $\mu $-Synthesis Robust Control of Variable Speed Wind Turbine Generators for Participating in Microgrid Frequency Regulation | |
| CN116799789B (zh) | 一种分布式新能源互联微电网集群振荡控制方法 | |
| CN115483707B (zh) | 一种考虑光伏调频的电力系统频率态势预测方法 | |
| CN115441470A (zh) | 一种微电网自适应虚拟同步控制方法、装置、介质、设备 | |
| Bharti et al. | Design of PI controller for doubly fed induction generator using static output feedback | |
| Elyaalaoui et al. | A continuous nonlinear fractional-order PI controller for primary frequency control application | |
| CN109713664B (zh) | 直流孤岛频率稳定的网源协调控制策略计算方法及系统 | |
| Elsied et al. | Analysis, modeling, and control of an AC microgrid system based on green energy | |
| CN111541242A (zh) | 一种混合型风电场的次同步振荡频率的预测方法 | |
| Li et al. | A coordinated control strategy for hybrid black start with an LCC HVDC system and an auxiliary synchronous generator |
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 |