CN116845886B - 一种基于模型预测的多端口自主光伏系统构网型控制方法 - Google Patents
一种基于模型预测的多端口自主光伏系统构网型控制方法 Download PDFInfo
- Publication number
- CN116845886B CN116845886B CN202311092293.6A CN202311092293A CN116845886B CN 116845886 B CN116845886 B CN 116845886B CN 202311092293 A CN202311092293 A CN 202311092293A CN 116845886 B CN116845886 B CN 116845886B
- Authority
- CN
- China
- Prior art keywords
- angular frequency
- time
- module
- objective function
- voltage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000010276 construction Methods 0.000 title abstract description 6
- 238000005457 optimization Methods 0.000 claims abstract description 44
- 230000001360 synchronised effect Effects 0.000 claims abstract description 22
- 238000004364 calculation method Methods 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 48
- 230000015572 biosynthetic process Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000004146 energy storage Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 5
- 238000013016 damping Methods 0.000 claims description 4
- 230000004044 response Effects 0.000 abstract description 9
- 230000006855 networking Effects 0.000 description 6
- 230000001276 controlling effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000008093 supporting effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000007665 sagging Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于模型预测的多端口自主光伏系统构网型控制方法，涉及光伏系统对电网故障时的主动支撑技术领域，包括：通过建立多端口自主光伏系统和同步发电机模型的动态模型来对系统参数进行估计和预测；将目标函数转化为无约束优化问题，利用牛顿法在每个计算时间步长内以最小的计算负担实时求解得到最优角频率；根据最优角频率的结果更新多端口自主光伏系统的输出电压和dq轴的电流，改变系统的臂调制指数，实现系统的惯量和一次调频支持。本发明提供的基于模型预测的多端口自主光伏系统构网型控制方法在运行中实现快速预测；提高了频率响应和快速性和系统稳定性；适用于多种不同短路和惯量的电网，在系统发生扰动时起到频率支撑的作用。
Description
技术领域
本发明涉及光伏系统对电网故障时的主动支撑技术领域，具体为一种基于模型预测的多端口自主光伏系统构网型控制方法。
背景技术
随太阳能光伏的大规模接入，传统控制模式下电网的惯量逐步降低，扰动事件发生后易使频率快速下跌，触发低频减载装置动作造成大断电。光伏和储能系统集成开发的多端口自主光伏系统（Multi-port Autonomous Reconfigurable Solar Plants, MARS）可在交流电网干扰期间提供较强的支撑能力。然而大多数MARS系统都采用跟网型控制算法，将这种控制算法应用于低短路比和低惯性系统可能会带来新的控制和稳定性挑战。
构网型控制的无需锁相环即可瞬时调节端电压，可主要可分为以下两类：（1）基于同步发电机的控制；（2）下垂控制。第一种方法是根据模拟传统同步发电机的固有特性策略开发。第二种方法利用传统的频率下垂和电压下垂特性来调节有功和无功功率。相比于跟网型控制，构网型控制能够主动建立系统频率，在故障时的响应速度更快，更能保障新能源大规模接入电力系统后的系统稳定性。
针对微电网、多端直流输电系统和电力系统试验台提出了基于模型预测控制（Model-Based Predictive Control, MBPC）的并网控制算法。但是在这些研究中，MBPC算法或是单一用来进行改进电压控制，未用于改善频率响应；或是计算扰动期间的额外功率设定点并发送到功率外部控制回路中实现了频率响应，但并未直接改变系统角频率。此外，提出了一种有限集模型预测控制（FS-MPC）来改进电压控制。但是，这些方法在实时实现解决优化问题时可能会带来很高的计算负担。
因此，亟需一种新的构网型控制方案来实现MARS系统对电网频率的支撑作用。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述存在的问题，提出了本发明。
因此，本发明解决的技术问题是：电网发生故障时，现有多端口自主光伏系统无法有效提供惯量和一次调频支持，以及如何优化系统的控制策略以提高电网的稳定性和响应速度。
为解决上述技术问题，本发明提供如下技术方案：一种基于模型预测的多端口自主光伏系统构网型控制方法，包括：
通过建立多端口自主光伏系统和同步发电机模型的动态模型来对系统参数进行估计和预测；将目标函数转化为无约束优化问题，利用牛顿法在每个计算时间步长内以最小的计算负担实时求解得到最优角频率；根据最优角频率的结果更新多端口自主光伏系统的输出电压和dq轴的电流，改变系统的臂调制指数，实现系统的惯量和一次调频支持。
作为本发明所述的基于模型预测的多端口自主光伏系统构网型控制方法的一种优选方案，其中：所述对系统参数进行估计和预测包括，测量MARS系统与输电网的互连点处[k]时刻的电压、电流数据；根据MARS系统的动态连续时间模型，估计得到[k+1]时刻的电压、电流数据；将[k+1]时刻ωsg设置为上一步的值，根据同步发电机频率动态模型和[k+1]时刻的电压、电流数据，转子角θsg估计得到[k+2]时刻的机电扭矩；建立以[k+2]机电扭矩相对于机械扭矩二次项偏差，[k+1]角频率相对参考角频率偏差的优化目标函数。
作为本发明所述的基于模型预测的多端口自主光伏系统构网型控制方法的一种优选方案，其中：所述MARS系统是三相系统，每相由两个臂组成，每个臂由正常模块SM、光伏模块PV-SM、储能模块ESS-SM以及臂电感Lo和臂电阻Ro组成，正常模块SM数量为Nnorm，光伏模块PV-SM数量为Npv，储能模块ESS-SM数量为Ness。
作为本发明所述的基于模型预测的多端口自主光伏系统构网型控制方法的一种优选方案，其中：所述动态连续时间模型表示为，
；
其中，i j 、v j 分别是第a、b、c相的电网电流和电压(j∈a, b, c)，e j 表示MARS系统第a、b、c相的输出电压(j∈a, b, c)，v p，j、v n，j分别是第a、b、c相的电网正极电压、负极电压，dij是j相电流的微小变量，dt是时间的微小变量，是j相电流关于时间的导数，L o 和R o 分别为臂电感和臂电阻，L s 、R s 分别为网侧电感和网侧电阻，M f i f是同步发电机的励磁电流，T e 表示机电扭矩，θ sg 表示转子角，Q表示无功功率，ω sg 表示最佳角频率，h表示积分步长，k表示当前时刻，Dp表示阻尼系数，J表示转动惯量，T m表示机械扭矩。
作为本发明所述的基于模型预测的多端口自主光伏系统构网型控制方法的一种优选方案，其中：所述目标函数表示为，
；
其中，λ 1 、λ 2 表示成本函数的权重，ω n 表示参考角频率。
作为本发明所述的基于模型预测的多端口自主光伏系统构网型控制方法的一种优选方案，其中：所述最优角频率的结果表示为，
；
其中，P ac,ref 表示交流侧功率调度指令。
作为本发明所述的基于模型预测的多端口自主光伏系统构网型控制方法的一种优选方案，其中：所述最优角频率的结果包括将等式项代入J（x），将目标函数J（x）转化为无约束优化问题，使用牛顿法将转换后的目标函数最小化，每个时间步长下的x通过递归公式计算（n+1）次迭代。
所述递归公式表示为，
；
其中，x （n+1）为第（n+1）次迭代后的最佳角频率ω sg ，g（x （n））为目标函数J（x）的导数，F（x （n））为函数g（x （n））的导数。
所述实现系统的惯量和一次调频支持包括根据最优[k+1]角频率的结果更新MARS系统的输出电压和dq轴的电流，改变系统的臂调制指数，实现系统的惯量和一次调频支持。
本发明的另外一个目的是提供一种基于模型预测的多端口自主光伏系统构网型控制系统，其能通过精准的系统参数预测和优化控制策略，解决了现有技术在应对电网故障时，无法提供及时和准确响应支持的问题。
为解决上述技术问题，本发明提供如下技术方案：一种基于模型预测的多端口自主光伏系统构网型控制系统，包括：电网数据获取模块、模型预测控制模块、优化目标函数模块、无约束优化求解模块以及控制指数更新模块；所述电网数据获取模块用于实时收集电网的电压、电流数据信息；所述模型预测控制模块利用从电网数据获取模块获取的数据，通过同步发电机的动态模型进行预测，计算出下一时刻的电压、电流以及转子角度；所述优化目标函数模块用于建立系统控制的优化目标函数，包括电机转矩与机械扭矩的差值和角频率相对参考角频率的偏差；所述无约束优化求解模块根据优化目标函数，采用牛顿法优化算法，将优化问题转化为无约束优化问题，并求解出最优角频率；所述控制指数更新模块根据无约束优化求解模块得出的最优角频率，更新MARS系统的输出电压和dq轴的电流，改变系统的臂调制指数，实现系统的惯量和一次调频支持。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述基于模型预测的多端口自主光伏系统构网型控制方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上所述基于模型预测的多端口自主光伏系统构网型控制方法的步骤。
本发明的有益效果：本发明提供的基于模型预测的多端口自主光伏系统构网型控制方法对电网角频率的直接预测与控制，目标函数的收敛性较快，可在实际运行中实现快速预测；通过模拟同步机的真实转子运动方程实现MARS系统控制，无需锁相环对系统频率进行检测，提高了频率响应和快速性和系统稳定性；适用于多种不同短路和惯量的电网，均能够在系统发生扰动时起到频率支撑的作用。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明一个实施例提供的一种基于模型预测的多端口自主光伏系统构网型控制方法的整体流程图。
图2为本发明第一个实施例提供的一种基于模型预测的多端口自主光伏系统构网型控制方法的又一流程图。
图3为本发明第一个实施例提供的一种基于模型预测的多端口自主光伏系统构网型控制方法的多端口自主光伏系统架构概述图。
图4为本发明第一个实施例提供的一种基于模型预测的多端口自主光伏系统构网型控制方法基于模型预测的多端口自主光伏系统控制原理图。
图5为本发明第二个实施例提供的一种基于模型预测的多端口自主光伏系统构网型控制系统的整体结构图。
图6为本发明第四个实施例提供的一种基于模型预测的多端口自主光伏系统构网型控制方法的系统频率响应结果。
图7为本发明第四个实施例提供的一种基于模型预测的多端口自主光伏系统构网型控制方法MARS系统故障期间提供的有功功率和无功功率对比图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”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、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中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、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也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。
实施例1
参照图1-图4，为本发明的一个实施例，提供了一种基于模型预测的多端口自主光伏系统构网型控制方法，包括：
通过基于模型预测的构网型控制方法使得多端口自主光伏系统可以为各种具有不同短路和惯量的电网提供实时惯量和一次调频支持。基于模型预测控制方法主要包含：评估和预测变量的动态模型；评估系统控制目标的目标函数；计算最优控制变量的优化。
如图2所示，首先，通过建立多端口自主光伏系统和同步发电机模型的动态模型来对系统参数进行估计和预测；然后，将目标函数转化为无约束优化问题，利用牛顿法在每个计算时间步长内以最小的计算负担实时求解得到最优角频率；最后，根据最优角频率的结果更新多端口自主光伏系统的输出电压和dq轴的电流，改变系统的臂调制指数，实现系统的惯量和一次调频支持。该方法可以适应多种不同短路和惯量的电网，使得多端口自主光伏系统在系统频率偏移期间的频率最低点和频率稳态方面提供了更好的支持作用。
步骤1：测量MARS系统与输电网的互连点处[k]时刻的电压、电流数据。
步骤2：根据MARS系统的动态连续时间模型，估计得到[k+1]时刻的电压、电流数据。
步骤3：将[k+1]时刻ωsg设置为其上一步的值，根据同步发电机频率动态模型和[k+1]时刻的电压、电流数据，转子角θsg估计得到[k+2]时刻的机电扭矩。
步骤4：建立以[k+2]机电扭矩相对于机械扭矩二次项偏差，[k+1]角频率相对参考角频率偏差的优化目标函数。
步骤5：将目标函数转化为无约束优化问题，利用牛顿法求解得到最优[k+1]角频率。
步骤6：根据最优[k+1]角频率的结果更新MARS系统的输出电压和dq轴的电流，改变系统的臂调制指数，实现系统的惯量和一次调频支持。
MARS是一个三相系统，每相由两个臂组成。每个臂由正常模块SM（数量为Nnorm）、光伏模块PV-SM（数量为Npv）、储能模块ESS-SM（数量为Ness）以及臂电感（Lo）和臂电阻（Ro）组成，如图3所示，动态连续时间模型由下式给出：
；
其中，i j 、v j 分别是第a、b、c相的电网电流和电压(j∈a, b, c)，e j 表示MARS系统第a、b、c相的输出电压(j∈a, b, c)，v p，j、v n，j分别是第a、b、c相的电网正极电压、负极电压，dij是j相电流的微小变量，dt是时间的微小变量，是j相电流关于时间的导数，Lo和Ro分别为臂电感和臂电阻，Ls和Rs分别为网侧电感和网侧电阻。
构网控制模仿同步发电机的特性，在频率或电压偏差的电网事件期间提供频率支持和电压支持。根据同步机数学模型，时间步长在k+2时刻的机电扭矩（Te）、k+1时刻的ej和时间步长在k时刻的无功功率（Q）的离散时间表示由下式给出：
；
其中，Mfif是同步发电机的励磁电流，Te是机电扭矩，θsg是转子角，Q是无功功率，ωsg是最佳角频率。
转子角（θsg）的计算公式为：
；
其中，h是积分步长，k是当前时刻。
系统频率动态的离散时间模型表示为：
；
其中，Dp是阻尼系数，J是转动惯量，Tm是机械扭矩。
基于MBPC的频率控制的控制目标是通过使用优化方法求解目标函数来生成最优的ωsg。目标函数J（x）由下式给出：
；
其中，λ1和λ2是成本函数的权重，ωn是参考角频率。
公式（5）中目标函数的两个主要目标是：（a）跟踪相对于参考角频率ωn的ωsg；（b）根据在ωsg中观察到的偏差生成最佳机电扭矩Te。第一个目标是通过最小化ωn的ωsg之间的二次误差来实现的，由J2（x）定义。第二个目标是通过最小化Te和Tm之间的二次误差来实现的，由J1（x）定义。
转矩控制：转矩控制的二次成本函数定义由J1（x）给出。Te是使用公式（2）计算得到的，并在[k+2]时刻预测。控制电气转矩Te以在频率偏移期间调节系统中的有功功率。每当系统中的电力负载增加或减少（相当于发电量减少或增加）时，系统频率就会减少或增加。在这种情况下，Te随着系统频率的变化而增加或减少。为了补偿增加或减少的Te，需要改变MARS系统终端的角频率。
角频率控制：角频率控制的二次成本函数由J2（x）给出。目标是减少ωsg相对于ωn的变化，同时保持Te接近Tm。[k+1]时刻的频率ωsg是根据[k+2]时刻的（Te-Tm）优化得到的。
公式（5）中定义的目标函数公式由下式给出：
；
其中，Pac,ref是交流侧功率调度指令。
通过将公式（6）中的等式项代入J（x），将目标函数J（x）转化为无约束优化问题。此后，使用牛顿法将转换后的目标函数最小化。每个时间步长下的x是通过以下递归公式计算（n+1）次迭代给出的：
；
其中，x （n+1）为第（n+1）次迭代后的最佳角频率ω sg ，g（x （n））为目标函数J（x）的导数，F（x （n））为函数g（x （n））的导数。
MARS系统与输电网的并网点处测量得到的ij和vj。一旦在[k]时刻测量得到ij后，使用公式（1）中的动态模型，估计在[k+1]时刻的ij。由于与MARS系统动力学相比，vj的变化速度较慢，因此在该过程中，假设第[k+1]时刻的vj等于第[k]时刻的vj。第[k+1]时刻的θsg和ej是分别根据公式（3）和公式（2）估计的。[k+1]时刻ij、vj和ej的估计值用于使用公式（1）预测第[k+2]时刻的ij。然后，第[k+2]时刻的Te通过在第[k+2]时刻代入ij使用公式（2）进行预测。预测状态包含在目标函数J（x）中，然后使用无约束优化将其最小化以获得最优值x。在第[k+2]时刻预测Te时，第[k+1]时刻ωsg的初始设定值第[k]时刻的ωsg。基于最优值x，更新ej和dq轴的参考电流（iqd,ref）。iqd,ref用于解耦电流控制器以确定MARS系统的臂调制指数mabc，以实现系统的惯量和一次调频支撑。
图3中Lo为臂电感，Ro为臂电阻，SM为正常模块，PV-SM为光伏模块，ESS-SM为储能模块，ia、ib、ic和va、vb、vc分别为桥臂三相电流和三相电压，vdc为直流电压，v p，j、v n，j分别是第a、b、c相的电网正极电压、负极电压。
图4中iabc是电网a、b、c三相电流，vabc是电网a、b、c三相电压，θsg为转子角，ωsg为最佳角频率，Mfif是同步发电机的励磁电流，eabc是MARS系统输出a、b、c三相电压，vdq means为d、q轴电压实际值，idq means为d、q轴电流实际值，mabc为调制比，vpk是实际电压幅值，v*是参考电压幅值，Dq是无功电压下垂系数，Qdis是无功功率给定值，Kv是调压系数，Q是无功功率，1/s微积分环节，J（x）为目标函数，Te为机电扭矩。
实施例2
参照图5，为本发明的一个实施例，提供了一种基于模型预测的多端口自主光伏系统构网型控制系统，包括：
电网数据获取模块、模型预测控制模块、优化目标函数模块、无约束优化求解模块以及控制指数更新模块。
电网数据获取模块用于实时收集电网的电压、电流数据信息。
模型预测控制模块利用从电网数据获取模块获取的数据，通过同步发电机的动态模型进行预测，计算出下一时刻的电压、电流以及转子角度。
优化目标函数模块用于建立系统控制的优化目标函数，包括电机转矩与机械扭矩的差值和角频率相对参考角频率的偏差。
无约束优化求解模块根据优化目标函数，采用牛顿法优化算法，将优化问题转化为无约束优化问题，并求解出最优角频率。
控制指数更新模块根据无约束优化求解模块得出的最优角频率，更新MARS系统的输出电压和dq轴的电流，改变系统的臂调制指数，实现系统的惯量和一次调频支持。
实施例3
本发明的一个实施例，其不同于前两个实施例的是：
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备（如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统）使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置）、便携式计算机盘盒（磁装置）、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编辑只读存储器（EPROM或闪速存储器）、光纤装置以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
实施例4
参照图6-图7，为本发明的一个实施例，提供了一种基于模型预测的多端口自主光伏系统构网型控制方法，为了评估该方法性能，将MARS系统接入至交流系统建立仿真模型，交流系统以一同步机替代。
通过改变交流系统传输线的长度变化来模拟不同的短路比（Short circuitratio, SCR），改变同步机的惯量参数设定值来模拟不同惯量。其中，MARS系统和同步机参数如表1所示。
表1 MARS系统和同步机参数表
负荷突增情况：在14s时交流电网负荷突增30MW。将本文提出的MBPC方法与无附加控制和传统跟网型控制（grid following mode of control，GFL）进行对比。图6展示了短路比SCR=0.5，系统惯量H=6时采用MBPC控制和无任何附加控制下系统频率响应结果，MBPC方法将频率偏移最低点提高了7.67%。系统惯量H=6，不同短路比下各种控制结果如表2所示。SCR=0.5时，GFL方案无法稳定，这是由于锁相环电压角跟踪不准确造成的；弱网状态下，具备组网能力的MBPC方案在频率最低点和稳态方面比传统构网型方案提供了更好的频率支持。
表2 不同短路比下各种控制结果对比表
三相接地故障：在4s时模拟MARS系统与交流电网输电线路上三相短路故障，故障持续时间为0.2s。图7展示了短路比SCR=0.5，系统惯量H=6时采用MBPC控制下，MARS系统故障期间提供的有功功率和无功功率。可以看出，MARS系统在故障期间可持续运行，并在故障后条件下以稳定模式运行，而GFL控制下MARS系统不能在故障情况提供稳定的支持。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种基于模型预测的多端口自主光伏系统构网型控制方法，其特征在于，包括：
通过建立多端口自主光伏系统，即MARS系统和同步发电机模型的动态模型来对系统参数进行估计和预测；
将目标函数转化为无约束优化问题，利用牛顿法在每个计算时间步长内以最小的计算负担实时求解得到最优角频率；
根据最优角频率的结果更新多端口自主光伏系统的输出电压和dq轴的电流，改变系统的臂调制指数，实现系统的惯量和一次调频支持；
所述对系统参数进行估计和预测包括，测量MARS系统与输电网的互连点处[k]时刻的电压、电流数据；
根据MARS系统的动态连续时间模型，估计得到[k+1]时刻的电压、电流数据；
将[k+1]时刻ωsg设置为上一步的值，根据同步发电机频率动态模型和[k+1]时刻的电压、电流数据，转子角θsg估计得到[k+2]时刻的机电扭矩；
建立以[k+2]时刻机电扭矩相对于机械扭矩二次项偏差，[k+1]时刻角频率相对参考角频率偏差的优化目标函数；
所述MARS系统是三相系统，每相由两个臂组成，每个臂由正常模块SM、光伏模块PV-SM、储能模块ESS-SM以及臂电感Lo和臂电阻Ro组成，正常模块SM数量为Nnorm，光伏模块PV-SM数量为Npv，储能模块ESS-SM数量为Ness；
所述动态连续时间模型表示为，
Te[k+2]＝Mfif[k](ia[k+2]cos(θsg[k+2])+ib[k+2]cos(θsg[k+2]-2π/3)+ic[k+2]cos(θsg[k+2]-4π/3))
ea[k+1]＝ωsg[k+1]Mfif[k]cos(θsg[k+1])
eb[k+1]＝ωsg[k+1]Mfif[k]cos(θsg[k+1]-2π/3)
ec[k+1]＝ωsg[k+1]Mfif[k]cos(θsg[k+1]-4π/3)
Q[k]＝-ωsg[k]Mfif[k](ia[k]sin(θsg[k])+ib[k]sin(θsg[k]-2π/3)+ic[k]sin(θsg[k]-4π/3))
θsg[k+2]＝θsg[k+1]+hωsg[k+1]
其中，ij、vj分别是第a、b、c相的电网电流和电压(j∈a,b,c)，ej表示MARS系统第a、b、c相的输出电压(j∈a,b,c)，vp，j、vn，j分别是第a、b、c相的电网正极电压、负极电压，dij是j相电流的微小变量，dt是时间的微小变量，是j相电流关于时间的导数，Lo和Ro分别为臂电感和臂电阻，Ls、Rs分别为网侧电感和网侧电阻，Mfif是同步发电机的励磁电流，Te表示机电扭矩，θsg表示转子角，Q表示无功功率，ωsg表示最优角频率，h表示积分步长，k表示当前时刻，Dp表示阻尼系数，J表示转动惯量，Tm表示机械扭矩；
所述目标函数表示为，
J(x)＝J1(x)+J2(x)
x＝(ωsg[k+1])
J1(x)＝λ1(Te[k+2]-Tm[k+2])2
J2(x)＝λ2(ωn[k+1]-x)2
其中，λ1、λ2表示成本函数的权重，ωn表示参考角频率；
所述最优角频率的结果表示为，
minxJ(x)
θsg[k+2]＝θsg[k+1]+hωsg[k+1]
其中，Pac,ref表示交流侧功率调度指令；
所述最优角频率的结果包括将等式项代入J(x)，将目标函数J(x)转化为无约束优化问题，使用牛顿法将转换后的目标函数最小化，每个时间步长下的x通过递归公式计算(n+1)次迭代；
所述递归公式表示为，
x(n+1)＝x(n)-F(x(n))-1g(x(n))
其中，x(n+1)为第(n+1)次迭代后的最优角频率ωsg，g(x(n))为目标函数J(x)的导数，F(x(n))为函数g(x(n))的导数；
所述实现系统的惯量和一次调频支持包括根据最优[k+1]角频率的结果更新MARS系统的输出电压和dq轴的电流，改变系统的臂调制指数，实现系统的惯量和一次调频支持。
2.一种采用如权利要求1所述的基于模型预测的多端口自主光伏系统构网型控制方法的系统，其特征在于，包括：
电网数据获取模块、模型预测控制模块、优化目标函数模块、无约束优化求解模块以及控制指数更新模块；
所述电网数据获取模块用于实时收集电网的电压、电流数据信息；
所述模型预测控制模块利用从电网数据获取模块获取的数据，通过同步发电机的动态模型进行预测，计算出下一时刻的电压、电流以及转子角度；
所述优化目标函数模块用于建立系统控制的优化目标函数，包括电机转矩与机械扭矩的差值和角频率相对参考角频率的偏差；
所述无约束优化求解模块根据优化目标函数，采用牛顿法优化算法，将优化问题转化为无约束优化问题，并求解出最优角频率；
所述控制指数更新模块根据无约束优化求解模块得出的最优角频率，更新MARS系统的输出电压和dq轴的电流，改变系统的臂调制指数，实现系统的惯量和一次调频支持。
3.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1所述的基于模型预测的多端口自主光伏系统构网型控制方法的步骤。
4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1所述的基于模型预测的多端口自主光伏系统构网型控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311092293.6A CN116845886B (zh) | 2023-08-29 | 2023-08-29 | 一种基于模型预测的多端口自主光伏系统构网型控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311092293.6A CN116845886B (zh) | 2023-08-29 | 2023-08-29 | 一种基于模型预测的多端口自主光伏系统构网型控制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116845886A CN116845886A (zh) | 2023-10-03 |
| CN116845886B true CN116845886B (zh) | 2023-12-05 |
Family
ID=88163800
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311092293.6A Active CN116845886B (zh) | 2023-08-29 | 2023-08-29 | 一种基于模型预测的多端口自主光伏系统构网型控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116845886B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117269838B (zh) * | 2023-11-22 | 2024-01-30 | 中国电力科学研究院有限公司 | 一种确定构网型电力电子设备短路电流的方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109842157A (zh) * | 2019-03-21 | 2019-06-04 | 东北大学 | 一种基于改进型虚拟同步发电机的微网逆变器控制方法 |
| CN113572199A (zh) * | 2021-08-11 | 2021-10-29 | 华北电力大学（保定） | 一种基于模型预测算法的构网型换流器平滑切换方法 |
| CN114552572A (zh) * | 2022-02-28 | 2022-05-27 | 山东大学 | 基于优化控制和预测跟踪的光伏支撑电网频率方法及装置 |
| CN115483712A (zh) * | 2022-10-28 | 2022-12-16 | 南方电网科学研究院有限责任公司 | 一种水电接入下的柔直系统孤岛运行控制方法和装置 |
| CN115940266A (zh) * | 2022-12-12 | 2023-04-07 | 阳光电源（上海）有限公司 | 储能逆变器离网输出电压的控制方法和装置 |
| CN116231679A (zh) * | 2022-11-25 | 2023-06-06 | 国网上海市电力公司 | 一种基于深度强化学习的自适应虚拟同步机控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2667476B1 (en) * | 2011-01-20 | 2020-07-08 | Kabushiki Kaisha Toshiba | Photovoltaic system and power supply system |
-
2023
- 2023-08-29 CN CN202311092293.6A patent/CN116845886B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109842157A (zh) * | 2019-03-21 | 2019-06-04 | 东北大学 | 一种基于改进型虚拟同步发电机的微网逆变器控制方法 |
| CN113572199A (zh) * | 2021-08-11 | 2021-10-29 | 华北电力大学（保定） | 一种基于模型预测算法的构网型换流器平滑切换方法 |
| CN114552572A (zh) * | 2022-02-28 | 2022-05-27 | 山东大学 | 基于优化控制和预测跟踪的光伏支撑电网频率方法及装置 |
| CN115483712A (zh) * | 2022-10-28 | 2022-12-16 | 南方电网科学研究院有限责任公司 | 一种水电接入下的柔直系统孤岛运行控制方法和装置 |
| CN116231679A (zh) * | 2022-11-25 | 2023-06-06 | 国网上海市电力公司 | 一种基于深度强化学习的自适应虚拟同步机控制方法 |
| CN115940266A (zh) * | 2022-12-12 | 2023-04-07 | 阳光电源（上海）有限公司 | 储能逆变器离网输出电压的控制方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116845886A (zh) | 2023-10-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gros | An economic NMPC formulation for wind turbine control | |
| Zamzoum et al. | Power control of variable speed wind turbine based on doubly fed induction generator using indirect field‐oriented control with fuzzy logic controllers for performance optimization | |
| Song et al. | A novel adaptive control scheme for dynamic performance improvement of DFIG-Based wind turbines | |
| CN116845886B (zh) | 一种基于模型预测的多端口自主光伏系统构网型控制方法 | |
| Yazdi et al. | Analytical modeling and inertia estimation of VSG-controlled Type 4 WTGs: Power system frequency response investigation | |
| Kassem | Robust voltage control of a stand alone wind energy conversion system based on functional model predictive approach | |
| CN113708406B (zh) | 用于分布式储能型风电场的惯性控制方法及处理器 | |
| Loucif et al. | Backstepping control of double fed induction generator driven by wind turbine | |
| Roy et al. | Harris hawks optimization algorithm for model order reduction of interconnected wind turbines | |
| CN113572199A (zh) | 一种基于模型预测算法的构网型换流器平滑切换方法 | |
| CN110350540B (zh) | 一种基于在线估计负荷频率特性的精细切负荷方法 | |
| Mansouri et al. | Genetic algorithm optimized robust nonlinear observer for a wind turbine system based on permanent magnet synchronous generator | |
| Kord et al. | Active hybrid energy storage management in a wind-dominated standalone system with robust fractional-order controller optimized by Gases Brownian Motion Optimization Algorithm | |
| Panda et al. | Real-coded genetic algorithm for robust power system stabilizer design | |
| CN113964849A (zh) | 一种微网逆变器自适应惯量vsg控制方法 | |
| CN117251995A (zh) | 基于可变遗忘因子最小二乘法的双馈风机惯量评估方法 | |
| Ali et al. | Maximum power production operation of doubly fed induction generator wind turbine using adaptive neural network and conventional controllers | |
| CN115167140B (zh) | 风力发电机组多目标随机模型预测控制策略方法及系统 | |
| CN116865331A (zh) | 一种基于动态矩阵预测控制的虚拟直流电机低电压穿越方法 | |
| CN113922384B (zh) | 一种风电场分散式无功电压优化协调控制方法 | |
| Manna et al. | A review of control techniques for wind energy conversion system | |
| Abulizi et al. | Research of current control strategies for doubly-fed wind power generation system | |
| Karad et al. | Enhanced control of doubly fed induction generator based wind turbine system using soft computing assisted fractional order controller | |
| Chen et al. | Improved pitch control strategy for the robust operation of wind energy conversion system in the high wind speed condition | |
| Ganji et al. | A controlling method of DFIG-based wind turbine for stability improvement of power delivery to the power grid |
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 |