【技术实现步骤摘要】
考虑风速和负荷变化场景的风电机组下垂控制方法、系统及计算机设备
本专利技术属于风机控制领域，具体涉及一种考虑风速和负荷变化场景的风电机组下垂控制方法、系统及计算机设备。
技术介绍
随着风力发电技术的不断发展，风电在电网中占比不断提高，其对电网的安全性与稳定性所带来的不利影响也日益突显。风电机组接入电网会对电网频率稳定造成巨大影响：一方面，风机通过变流器与电网连接，其转速与电网频率解耦，使得系统惯量减小，电网稳定性变差；另一方面，为最大效率的捕获风能，风机一般采用最大功率点跟踪(MaximumPowerPointTracking,MPPT)控制，这使得风电输出功率随风速的变化而不断波动，进一步影响电网的频率稳定。为解决上述问题，许多学者提出通过改进风机控制方法使其自身能够为电网提供一定的辅助调频控制服务，以缓解电网调频的压力，其中便包括风机下垂控制。基于变速风力发电机灵活的有功功率控制，风机下垂控制可以根据电网频率偏差并结合下垂系数设定输出功率，以此提供对电网频率的支撑。根据下垂系数设定方式的不同，风机...
【技术保护点】
1.一种考虑风速和负荷变化场景的风电机组下垂控制方法，其特征在于，包括以下步骤：/n步骤1、选取恒定风速与负荷功率突增量构成场景，并将下垂系数初始化为0；/n步骤2、利用Q学习算法求取最优下垂系数；/n步骤3、判断是否更新所有场景，若是则执行步骤4，否则返回步骤1；/n步骤4、构建场景与最优下垂系数的论域与隶属度函数；/n步骤5、利用上述求取的最优下垂系数构建模糊规则；/n步骤6、利用步骤5的模糊规则对风电机组进行控制，实现Q学习—模糊下垂控制。/n
【技术特征摘要】
1.一种考虑风速和负荷变化场景的风电机组下垂控制方法，其特征在于，包括以下步骤：
步骤1、选取恒定风速与负荷功率突增量构成场景，并将下垂系数初始化为0；
步骤2、利用Q学习算法求取最优下垂系数；
步骤3、判断是否更新所有场景，若是则执行步骤4，否则返回步骤1；
步骤4、构建场景与最优下垂系数的论域与隶属度函数；
步骤5、利用上述求取的最优下垂系数构建模糊规则；
步骤6、利用步骤5的模糊规则对风电机组进行控制，实现Q学习—模糊下垂控制。
2.根据权利要求1所述的考虑风速和负荷变化场景的风电机组下垂控制方法，其特征在于，步骤1中选取恒定风速与负荷突增量构成场景具体为：
在指定范围内等间隔选取恒定风速与负荷功率突增量，所述指定范围是指风电机组的切入与额定风速范围、电网发生负荷功率突增事件最大与最小的功率变化范围，之后将不同风速与负荷功率突增量进行组合，从而构成用于模糊控制算法的Q学习寻优场景。
3.根据权利要求1所述的考虑风速和负荷变化场景的风电机组下垂控制方法，其特征在于，步骤2利用Q学习算法求取最优下垂系数具体为：
步骤2-1、根据强化学习—Q学习算法，构建状态集、动作集和奖励函数，其中状态集为下垂系数离散集，动作集为下垂系数变化枚举集，奖励函数为奖励与最大频率偏差关系；
步骤2-2、根据Q学习的算法求取最优下垂系数。
4.根据权利要求3所述的考虑风速和负荷变化场景的风电机组下垂控制方法，其特征在于，步骤2-1中所述状态集为：S＝{s|si＝Kdf,i,i∈[1,2,...,M]}，其中，Kdf,i是第i个状态所对应的下垂系数；M是状态集中状态的总个数；
所述动作集为：A＝{a|+ΔKdf,0,-ΔKdf}，其中，ΔKdf是相邻状态下垂系数的间隔，0表示不采取任何动作，保持状态不变；
奖励函数为：
其中，dfre是当前状态最大频率偏差；δ是一个很小的正整数，t是Q学习过程中的第t步循环。
5.根据权利要求4所述的考虑风速和负荷变化场景的风电机组下垂控制方法，其特征在于，动作集中状态更新过程为：
Kdf,t+1＝Kdf,t+a
其中，Kdf,t+1和Kdf,t分别是t+1步与t步的状态值，在每个状态下都分别对应三个动作，即动作集A的对应动作a：增加单位状态、保持不变、减少单位状态。
6.根据权利要求3所述的考虑风速和负荷变化场景的风...
【专利技术属性】
技术研发人员：于国强，张天海，殷明慧，李阳，陈载宇，胡尊民，高爱民，殳建军，史毅越，杨小龙，张卫庆，李玮，汤可怡，刘娜娜，肖新宇，卜京，邹云，
申请(专利权)人：江苏方天电力技术有限公司，南京理工大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。