一种基于控制过程数据拟合的风电场动态频率控制方法技术

本发明专利技术为高比例风电独立电力系统的频率稳定控制提供了一种数据驱动的动态优化控制方法，使得风电场在参与系统调频的同时内部暂态过程得到稳定和优化。本发明专利技术通过构建初始数据集、在线动态建模及集中风场控制建模，根据风机在线动态建模结果对风场频率优化控制。本发明专利技术通过对风机运行过程产生的历史数据进行拟合，得到风机的在线等值动态模型，具有纯数据驱动的特征，因此可以适应不同制造商的风机在不同工况下的运行控制，同时算法具有纯线性的形式，求解过程简单，计算负担小，无需求解复杂的非线性优化控制问题，满足实时运行需求，能够兼顾动态响应精度和速度的平衡。

【技术实现步骤摘要】
一种基于控制过程数据拟合的风电场动态频率控制方法
本专利技术属于电力
，特别涉及一种基于控制过程数据拟合的风电场动态频率控制方法。
技术介绍
近十年来，随着全球化石能源的快速消耗带来的能源危机和环境问题日益加剧，风电和光伏等可再生能源在世界各地的装机容量都保持快速增长趋势。以风电为例，截至2019年底，世界范围的风电装机总量达到594GW，从2010年起平均每年增长46GW。由于可变速风机可以适应更广的风速工作范围，因此新增的风机绝大多数都选用可变速风机。但是在提高风能利用率的同时，可变速风机的有功出力和频率解耦，随着可变速风机的电网渗透率不断提高，电网将呈现出电力电子化的趋势和特点，因此全网频率稳定问题成为风机大规模接入电网的重大挑战。现有风机参与调频的技术路线包括本地控制和协调控制两类，其中本地控制通过改造风机本地控制环引入频率响应特性，但是由于场内风机缺乏协调互动，因此在场内风速分布不均的情况下整体响应难以保证最优性，同时还需要定期对场内众多设备的控制参数重新逐一整定，使得整体响应的灵活性大大降低。而协调控制则依赖风机的动态时域模型进行风场整体的协调优化控制。目前对风机的动态建模方法主要依靠对风机物理模型的经验认知和参数量测，这类方法一方面难以在物理模型刻画的过程中对完整控制闭环的各个时滞等实际过程全部考虑，另一方面在参数量测的精确性甚至可行性也常常受到实际工况的制约，使得最终动态模型的实际近似效果难以保证，导致最终优化控制的结果受到较大影响。因此，需要研究一种数据驱动的风场频率优化控制方法，适应于风场快速灵活参与电网频率动态响应的实际需求。
技术实现思路
针对上述问题，本专利技术的一种基于控制过程数据拟合的风电场动态频率控制方法，适应于风场快速灵活参与电网频率动态响应的实际需求。一种基于控制过程数据拟合的风电场动态频率控制方法，所述控制方法包括：风机在线动态建模；根据所述风机在线动态建模结果对风场频率优化控制。进一步地，通过以下方式进行风机在线动态建模：构建初始数据集；在线动态建模；集中风场控制建模。进一步地，通过以下方式构建初始数据集：建立单个风机或发电单体的状态方程：ωk+1＝f(ωk，uk)(1.1)f是状态转移关系函数，wk是k时刻的风机转速，uk是k时刻的控制系统输入变量；Pk是k时刻的有功指令，vk是k时刻的风速；是k时刻的广义状态变量，是k+1时刻的广义状态变量，N个风机运行过程中积累的数据对(xk，yk)排列为矩阵获得初始数据集：X＝[x1x2…xN]，Y＝[y1y2…yN](1.3)。进一步地，通过以下方式进行在线动态建模：线性模型表征风机当前动态特性：yk＝Axk(1.4)代数运算求解优化问题并获得风机动态模型：是k时刻的广义状态变量，是k+1时刻的广义状态变量，N个风机运行过程中积累的数据对(xk，yk)排列为矩阵获得初始数据集：X＝[x1x2…xN]，Y＝[y1y2…yN](1.3)矩阵A是广义状态变量对应的状态转移矩阵，是矩阵伪逆运算。进一步地，通过以下方式建立集中风场控制模型：风场内各个发电单体的动态模型：是第i个风机在k+1时刻的风机转速，Ai是第i个风机的广义状态变量对应的状态转移矩阵，是第i个风机在k时刻的风机转速，Bi是第i个风机的输入矩阵，是第i个风机在k时刻的控制系统输入变量，M是风机总数；k时刻集中风场控制模型的状态变量χk：k时刻各发电单体的当前风速和有功指令的输入向量uk：从式(1.6)获得集中状态向量的控制模型：χk+1＝Aχk+Buk(1.9)由各发电单体的状态转移矩阵按照对角形式构造：A1是第1个风机的广义状态变量对应的状态转移矩阵，AM是第M个风机的广义状态变量对应的状态转移矩阵，B1是第1个风机的输入矩阵，BM第M个风机的输入矩阵。进一步地，通过以下方式进行在线动态优化：风场动态优化控制算法：T为模型预测控制算法的预测区间长度，J为控制算法的目标函数：Qk为k时刻的状态变量的半正定目标系数矩阵，Rk为k时刻的输入变量的半正定目标系数矩阵，为k时刻的状态变量的目标系数向量，为k时刻的输入变量的目标系数向量，Ek为k时刻的状态变量边界约束系数矩阵，Fk为k时刻的输入变量边界约束系数矩阵，bk为k时刻的边界约束系数向量，系数矩阵和系数向量的设计依赖风场动态优化控制目标；风电调频优化目标：第i个风机在k时刻的有功调节量第i个风机在k时刻的有功指令相对于第i个风机的本地控制器在最大功率跟踪模式下在k时刻的控制指令的调节量，若风电场采取减载工作模式，有功调节量为第i个风机在减载工作模式下k时刻的有功指令，Rd为减载幅度系数，频率偏差量：Δf＝fmeas-fref(1.17)并网点量测频率fmeas相对于参考频率fref之间的偏差量，Kdf为风电场对外功频特性曲线的下垂系数，Qx为平衡两个优化目标的权重系数；集中状态向量的时序约束、输入约束及初始状态约束：χk+1＝Aχk+Buk，k＝0，1，…，T-1(1.18)χk为k时刻集中风场控制模型的状态变量，uk为k时刻集中风场控制模型的输入变量，矩阵A，B是集中风场控制模型的状态转移矩阵和输入矩阵，为第i个风机在k时刻的风机转速，ωmin，ωmax分别是风机转速的下界和上界，为第i个风机在k时刻的有功指令，Pmin，Pmax为有功指令的下界和上界。本专利技术为高比例风电独立电力系统的频率稳定控制提供了一种数据驱动的动态优化控制方法，使得风电场在参与系统调频的同时内部暂态过程得到稳定和优化。本专利技术通过构建初始数据集、在线动态建模及集中风场控制建模，根据风机在线动态建模结果对风场频率优化控制。本专利技术通过对风机运行过程产生的历史数据进行拟合，得到风机的在线等值动态模型，具有纯数据驱动的特征，因此可以适应不同制造商的风机在不同工况下的运行控制，同时算法具有纯线性的形式，求解过程简单，计算负担小，无需求解复杂的非线性优化控制问题，满足实时运行需求，能够兼顾动态响应精度和速度的平衡。本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以本文档来自技高网...

【技术保护点】
1.一种基于控制过程数据拟合的风电场动态频率控制方法，其特征在于，所述控制方法包括：/n风机在线动态建模；/n根据所述风机在线动态建模结果对风场频率优化控制。/n

【技术特征摘要】
1.一种基于控制过程数据拟合的风电场动态频率控制方法，其特征在于，所述控制方法包括：
风机在线动态建模；
根据所述风机在线动态建模结果对风场频率优化控制。


2.根据权利要求1所述的控制方法，其特征在于，通过以下方式进行风机在线动态建模：
构建初始数据集；
在线动态建模；
集中风场控制建模。


3.根据权利要求2所述的控制方法，其特征在于，通过以下方式构建初始数据集：
建立单个风机或发电单体的状态方程：
ωk+1＝f(ωk，uk)(1.1)
f是状态转移关系函数，ωk是k时刻的风机转速，uk是k时刻的控制系统输入变量；



Pk是k时刻的有功指令，vk是k时刻的风速；

是k时刻的广义状态变量，是k+1时刻的广义状态变量，N个风机运行过程中积累的数据对(xk，yk)排列为矩阵获得初始数据集：
X＝[x1x2…xN]，Y＝[y1y2…yN](1.3)。


4.根据权利要求2所述的控制方法，其特征在于，通过以下方式进行在线动态建模：
线性模型表征风机当前动态特性：
yk＝Axk(1.4)
代数运算求解优化问题并获得风机动态模型：




是k时刻的广义状态变量，是k+1时刻的广义状态变量，N个风机运行过程中积累的数据对(xk，yk)排列为矩阵获得初始数据集：
X＝[x1x2…xN]，Y＝[y1y2…yN](1.3)
矩阵A是广义状态变量对应的状态转移矩阵，是矩阵伪逆运算。


5.根据权利要求2所述的控制方法，其特征在于，通过以下方式建立集中风场控制模型：
风场内各个发电单体的动态模型：




是第i个风机在k+1时刻的风机转速，Ai是第i个风机的广义状态变量对应的状态转移矩阵，是第i个风机在k时刻的风机转速，Bi是第i个风机的输入矩阵，是第i个风机在k时刻的控制系统输入变量，M是风机总数；
k时刻集中风场控制模型的状态变量χk：



k时刻各发电单体的当前风速和有功指令的输入向量uk：



从式(1.6)获...

【专利技术属性】
技术研发人员：吴文传，郭子榛，柯贤波，霍超，任冲，王衡，杨桂兴，亢朋朋，樊国伟，印欣，宋朋飞，
申请(专利权)人：国家电网有限公司，国网新疆电力有限公司，清华大学，
类型：发明
国别省市：北京;11