一种风电场AGC指令寻优整定方法技术

本发明专利技术提出了一种风电场AGC指令寻优整定方法，主要方法如下：风电场发电功率整定的思路为“控高放低”，建立风电场AGC指令最优规划的目标函数以及求解目标函数方法。使得发电功率参考值的整定跟随调度曲线，依据风功率预测的结果进行最大值限制，保证每个控制周期下达的指令不超过风电场的发电能力。而对于功率波动限制，整定模块除限制最大值外，还应根据波动的限制指标和功率预测结果进行整定值的全局优化，达到发电量最大和功率波动最小的优化平衡，如功率限制条件与调度指令冲突，发电控制系统需优先跟踪调度指令。

An optimization and setting method for AGC instruction in wind farms

The invention proposes a wind farm AGC command optimization setting method. The main methods are as follows: the power generation setting of wind farms is based on the idea of \control high and low emissions\, and establish the objective function of AGC programming for wind farms, and solve the objective function method. The reference value of the power generation is set according to the dispatching curve, and the maximum value is limited according to the result of the wind power prediction, so that the command under each control cycle does not exceed the power generation capacity of the wind farm. The power fluctuation limit setting module in addition to limit the maximum value, should also optimize the setting value according to the limit and power prediction results of fluctuations, reached the maximum power output and power fluctuation balance optimization of minimum, such as power restriction and instruction scheduling conflict, power control system for tracking priority scheduling instructions.

【技术实现步骤摘要】
一种风电场AGC指令寻优整定方法
本专利技术属于风力发电
，涉及一种风电场AGC指令寻优整定方法。应用于风电场AGC指令整定。
技术介绍
传统的发电功率控制指令整定方法不考虑风功率预测数据，只是根据电网规定的两个时间尺度最大波动标准折算至控制周期内的出力变化量限制进行规划，即斜率控制方式，有两种代表性的实现方案：变化率在考核时间尺度内的均匀限制：将1分钟和10分钟限定的功率变化率均分至每个控制周期，按限制指标的交集确定功率最大变化率。即1分钟变化率<10％折算至6秒的10个控制周期为<1％，10分钟变化率<33.3％折算至6秒的100个控制周期为<0.333％，求交集得控制每个周期内的功率变化率限制为<0.333％。这种方案的优势是限制条件相对较严，风速向上变化时风电场功率提升受到较强的压制，增长较为缓慢，如这时遇风速下降风电场发电功率被迫降低的情况，下降程度超出限制标准而受到考核的概率大大降低，可以有效防止波动超限受到惩罚，减少了经济损失。但是，该方案在平滑发电功率波动的同时，也大大降低了功率同输入风速的跟随度，发电功率对风速正向变化的响应程度不够，舍弃了风速上升过程的部分发电功率，造成风电场发电量的损失。变化率在考核时间尺度内的最大饱和限制：先按1分钟限定的功率变化率<10％分配至10个控制周期，确定周期内功率最大变化率为<1％，在剩余时间内按10分钟限定功率变化率尚存的空间进行进一步的限制，一种理论上存在的极端情况是风速持续较快上升，风电场发电功率按最大限制条件增加，在前3.3分钟的33个控制周期即可到达33％的变化率，耗尽10分钟限制变化率<33.3％的所有上调空间，后面6.7分钟风电场功率不能增加，工作在限制值恒定状态。这种方案的优势是限制条件宽松，风速向上变化时风电场功率提升最快，功率短时间提升到限制值后，风电场可以一直工作最大功率，产出较大的发电量。但是，该方案使风电场发电功率较快达到最大值，在风速出现回落时风电场发电功率被迫降低的幅度更大，易出现下降程度超出限制标准受到惩罚，损失更多的发电量。
技术实现思路
针对现有问题，本专利技术提出一种风电场AGC指令寻优整定方法，其特征在于，步骤为：S1以发电量和功率波动为优化目标设计目标函数；由于不进行发电控制时，时间T内的功率离散采样点为可计算这段时间的发电量极限为：式中Pi为风电场在发电控制模式下的出力采样点，Pia为相应采样时刻的最大出力能力S2考虑风电场监控系统的通讯网络延迟和算法执行所需时间，选定6秒作为一个指令周期；设定T时段内最优规划序列为进行目标函数构建，则风电场在发电控制的作用下，控制周期j可达的最大出力为T时段内风电场因发电控制作用损失的发电量可计算为：其中，[k0,k1,k2,…,kT/t]为加权系数，当风电场可发功率小于限制功率时，发电控制不起作用，没有损失电量，加权系数的作用是屏蔽损失电量的累计，其取值规则为：由上式可知，风电场发电控制指令整定序列的取值决定了其损失的发电量，取值较大的可使ki＝0的频次增多，也减小式(3)中的数值，最终降低损失发电量提高会增加考察时间段T内的最大出力Pmax，加剧功率波动，将超出标准的波动转化为惩罚发电量，记为：其中，为控制周期j的波动限制条件，[l0,l1,l2,…,lT/t]为权重系数，当风电场的功率波动处于限制范围内时，不计波动电量，可屏蔽波动电量的累计，其取值规则为：上式中，以波动量与标准量的函数作为惩罚权重；由式(5)和式(6)知，整定序列的取值也影响功率波动超限的惩罚发电量，降低可使li＝0的频次增多，也减小数值和惩罚权重，使相应减小；综上得风电场的有效上网电量计算公式为：风电场发电指令序列整定的目标为使最大，因此目标函数建立为：由上式可知，目标函数的求解过程即为风电场发电指令序列的整定过程，本质为获取最优集合，使风电场出力损失和波动惩罚之和最小；S3设定单个粒子位置为各机组发电功率调节量的集合飞行速度为调节量变化速度的集合粒子的维度d为序列的成员数量，根据前文取d＝100；取粒子数为50，随机生成粒子种群的初始化位置pi,j(t)和速度vi,j(t)，其中i代表每个粒子在粒子种群内的序号，j代表单个粒子的分量序号即一个控制周期限制指令的序号；计算每个粒子代入目标函数后求得的结果，作为评价最优粒子的适应度指标，将当前粒子的位置和适应度指标存入Pbest集合，获取Pbest中的适应度最优粒子，将其位置和适应度指标存入Gbest集合；对粒子进行进化迭代，迭代方程如下：vi,j(t+1)＝vi,j(t)+c1r1[pi,j-2xi,j(t)+xi,j(t-1)]+c2r2[pg,j-2xi,j(t)+xi,j(t-1)]xi,j(t+1)＝xi,j(t)+vi,j(t+1),j＝1,2,L,d(9)上式中，c1和c2为学习因子，学习因子表征粒子自学习的能力，取值较大通常可以少量的迭代步数达到优化值，但也易陷入振荡过程，取c1＝c2＝0.6，r1和r2为0到1间服从均匀分布的随机数，每个迭代步骤都会发生变化令粒子运动覆盖更多可能方向，t代表每个迭代的步骤，随迭代递增，直到完成算法设定的最大迭代次数；迭代时比较每个粒子的当前适应度和其历史最佳适应度，如果当前适应度更好，则覆盖历史存储粒子的位置及其适应度，存入Pbest集合；比较当前所有粒子的Pbest集合值和Gbest值，按最优覆盖原则更新Gbest集合；判断迭代是否达到设定的最大次数，若未达到，返回步骤3)继续执行算法，若达到，算法过程结束，输出最优粒子的位置结果作为后续时段T内所有控制周期的最优发电控制指令序列；通过后续的指令分配模块可在每个控制周期将上述序列中的对应指令分配至各机组执行，通过机组的协调控制，使风场发电功率达到预期的设定目标。附图说明图1风电场两种发电模式的功率波动具体实施方式风电场AGC指令最优规划的思路超短期功率预测可获得风电场在时间尺度T内每个采样点的发电能力，即最大功率跟踪发电模式的功率序列由于风资源的限制，风电场只能完成降功率的稳态控制目标，限制条件见式(1)：式中Pi为风电场在发电控制模式下的出力采样点，Pia为相应采样时刻的最大出力能力。可得T时段内风电场最大功率跟踪模式和发电控制模式下的输出波动对比，如图所示：图1中，上端浅黑色曲线为风电场在最大功率跟踪模式下的功率变化趋势，下端深黑色曲线为风电场在发电控制模式下的功率变化趋势，黑色曲线始终低于或重合于浅黑色曲线，这也与式(1)所反映的规律一致。可分别求出T时间内风电场处于自由发电时的功率波动原始值ΔPTorg和风电场处于发电控制时的功率波动值ΔPTcon。风电场处于高功率时，切换为发电控制模式可降低考察时段内的最大功率，缩减波动区间，也给可能的风电场升功率电网需求提供更多热备用；风电场处于低功率时，最大功率跟踪的发电模式可提高波动考察指标中的最小功率采样值，从而缩小和最大功率采样值的差距，减小了波动，也有利于增加风电场的发电总量，提升经济效应。但如果风电场在小功率时进入发电控制过程会造成输出最小功率下降，反而会扩大波动范围，风电本文档来自技高网...

【技术保护点】
一种风电场AGC指令寻优整定方法，其特征在于，步骤为：S1以发电量和功率波动为优化目标设计目标函数；由于不进行发电控制时，时间T内的功率离散采样点为

【技术特征摘要】
1.一种风电场AGC指令寻优整定方法，其特征在于，步骤为：S1以发电量和功率波动为优化目标设计目标函数；由于不进行发电控制时，时间T内的功率离散采样点为可计算这段时间的发电量极限为：式中Pi为风电场在发电控制模式下的出力采样点，Pia为相应采样时刻的最大出力能力S2考虑风电场监控系统的通讯网络延迟和算法执行所需时间，选定6秒作为一个指令周期；设定T时段内最优规划序列为进行目标函数构建，则风电场在发电控制的作用下，控制周期j可达的最大出力为T时段内风电场因发电控制作用损失的发电量可计算为：其中，[k0,k1,k2,…,kT/t]为加权系数，当风电场可发功率小于限制功率时，发电控制不起作用，没有损失电量，加权系数的作用是屏蔽损失电量的累计，其取值规则为：由上式可知，风电场发电控制指令整定序列的取值决定了其损失的发电量，取值较大的可使ki＝0的频次增多，也减小式(3)中的数值，最终降低损失发电量提高会增加考察时间段T内的最大出力Pmax，加剧功率波动，将超出标准的波动转化为惩罚发电量，记为：其中，为控制周期j的波动限制条件，[l0,l1,l2,…,lT/t]为权重系数，当风电场的功率波动处于限制范围内时，不计波动电量，可屏蔽波动电量的累计，其取值规则为：上式中，以波动量与标准量的函数作为惩罚权重；...

【专利技术属性】
技术研发人员：周识远，汪宁渤，丁坤，李勇，李津，谭洪斌，张珍珍，何世恩，战鹏，王定美，黄蓉，王明松，陈钊，张金平，张中伟，车帅，
申请(专利权)人：甘肃省电力公司风电技术中心，国网甘肃省电力公司，国家电网公司，甘肃新泉风力发电有限公司，
类型：发明
国别省市：甘肃,62