风电场鲁棒频率协调控制方法、系统和计算机存储介质技术方案

本发明专利技术公开了一种风电场鲁棒频率协调控制方法、系统和计算机存储介质。包括：根据风电场内不同时刻的发电单体风机转速、风机有功指令和风速，建立初始数据集；将初始数据集进行鲁棒模态分解，确定风机动态模型；将不同发电单体的风机动态模型合并为控制模型；根据控制模型，建立关于风速和风机转速的目标函数，设置目标函数的优化目标为使发电单体的调频任务在对应发电单体发电水平的基础上进行分配，优化风机转速的波动程度，设置时序、有功指令区间和初始状态的约束条件；对目标函数求解，得到有功调节指令，根据有功调节指令对风电场频率进行调节。能够满足实际控制环节中响应精度和速度的要求，对数据噪声的抗干扰能力更强。强。强。

【技术实现步骤摘要】
风电场鲁棒频率协调控制方法、系统和计算机存储介质


[0001]本专利技术涉及电力
，特别涉及一种风电场鲁棒频率协调控制方法、系统和计算机存储介质。

技术介绍

[0002]目前风力发电系统采取的主流并网方案中，均由电力电子变流器将电网频率与风电机组输出的电磁功率解耦，因此在常规的控制模式(例如最大功率点跟踪模式)下运行的风电机组无法提供惯量响应和一次调频主动支撑能力，导致电网等效惯量降低，在同等负荷扰动下的频率波动更加剧烈，对电网频率稳定和可靠运行构成挑战。
[0003]在现有新能源场站的控制方法中，按照控制层级可以分为单机控制策略和集群控制策略两类。其中单机控制策略难以保证风电场整体的灵活响应能力，无法跟踪调控中心调节指令，同时单机间的行为缺乏协调，容易存在内部竞争和局部失稳的风险。集群控制策略依靠风电场内的通信设施，通过集群层的量测信息和控制指令进行协调控制。目前的集群控制策略中，基于模型的协调方法由于现场参数量测困难，模型精确性难以保证，基于数据驱动的方法由现场量测数据建立当前运行点下的风电机组模型，并且具有从量测数据到控制输出的闭环反馈机制，因此控制的精确性和最优性都更有保障。在实际的工程应用中，现场量测信号中的噪声可能会干扰控制算法的稳定性，因此需要研究一种对量测噪声具有抗干扰能力的数据驱动风电场频率协调控制方法。

技术实现思路

[0004]为解决上述问题，本专利技术提供了一种风电场鲁棒频率协调控制方法、系统和计算机存储介质。
[0005]第一方面，本专利技术实施例提供一种风电场鲁棒频率协调控制方法，包括：
[0006]根据风电场内不同时刻的发电单体风机转速、风机有功指令和风速，建立初始数据集；
[0007]将所述初始数据集进行鲁棒模态分解，确定风机动态模型，所述风机动态模型根据发电单体风机转速、风机有功指令和风速，确定下一时刻的所述发电单体的风机转速；
[0008]将不同发电单体的风机动态模型合并为控制模型，所述控制模型分别根据不同发电单体风机转速、风机有功指令和风速，分别确定下一时刻的对应发电单体的风机转速；
[0009]根据所述控制模型，建立关于风速和风机转速的目标函数，设置所述目标函数的优化目标为使发电单体的调频任务在对应发电单体发电水平的基础上进行分配，优化风机转速的波动程度，根据不同发电单体的时序、有功指令区间和初始状态，设置相应的约束条件；
[0010]对所述目标函数求解，得到有功调节指令，根据所述有功调节指令对所述风电场频率进行调节。
[0011]在一些具体的实施例中，根据风电场内不同时刻的发电单体风机转速、风机有功
指令和风速，建立初始数据集，包括以下步骤：
[0012]建立发电单体的状态方程如下：
[0013]w
k+1
＝f(w
k
，u
k
)
[0014]其中k表示时刻，w
k
表示k时刻的风机转速，w
k+1
表示k+1时刻的风机转速，f代表非线性状态转移关系函数，u
k
为k时刻的输入量，u
k
具体为：
[0015][0016]其中P
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速。
[0017]在一些具体的实施例中，将所述初始数据集进行鲁棒模态分解，确定风机动态模型，包括以下步骤：
[0018]构建所述初始数据集中相邻时刻数据、状态转移矩阵和所述相邻时刻数据的残差向量的数量关系；
[0019]根据所述残差向量的损失函数，确定所述状态转移矩阵；
[0020]将所述状态转移矩阵分割，分别得到动态转移矩阵和动态输入矩阵，根据所述动态转移矩阵和动态输入矩阵，建立相邻时刻的所述发电单体的风机转速关系。
[0021]在一些具体的实施例中，构建所述初始数据集中相邻时刻数据、状态转移矩阵和所述相邻时刻数据的残差向量的数量关系，包括以下步骤：
[0022]假定存在状态转移矩阵满足：
[0023][0024]其中，k表示时刻，w
k
表示k时刻的风机转速，w
k+1
表示 k+1时刻的风机转速，u
k
具体为：
[0025][0026]其中，P
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速，r
k
为残差向量，定义残差向量的第j项：
[0027][0028]其中a
j
为状态转移矩阵的第j行。
[0029]在一些具体的实施例中，根据所述残差向量的损失函数，确定所述状态转移矩阵，包括以下步骤：
[0030]所述残差向量的损失函数定义为
[0031][0032]其中，δ是鲁棒回归设定阈值，k表示时刻，r
k
为残差向量，j表示状态转移矩阵第j行；
[0033]根据下式，确定所述状态转移矩阵
[0034][0035]其中N为初始数据集的长度，n为初始数据集的维数。
[0036]在一些具体的实施例中，将所述状态转移矩阵分割，分别得到动态转移矩阵和动态输入矩阵，根据所述动态转移矩阵和动态输入矩阵，建立相邻时刻的所述发电单体的风机转速关系，包括以下步骤：
[0037]将状态转移矩阵的左上方1
×
1子块分割出来，得到动态转移矩阵A，将状态转移矩阵的右上方1
×
2子块分割出来，得到动态输入矩阵B；
[0038]经过鲁棒模态分解的发电单体动态模型就可以表示为如下形式：
[0039]w
k+1
＝Aw
k
+Bu
k
[0040]其中，k表示时刻，w
k+1
表示k+1时刻的风机转速，w
k
表示k时刻的风机转速，输入量u
k
具体为：
[0041][0042]其中，P
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速。
[0043]在一些具体的实施例中，将不同发电单体的风机动态模型合并为控制模型，包括以下步骤：
[0044]根据鲁棒模态分解方法，得到风场内M个发电单体的动态模型：
[0045][0046]其中，k表示时刻，i为发电单体编号，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，A
i
为编号为i的发电单体的动态转移矩阵，B
i
为编号为i的发电单体的动态输入矩阵，为编号为i的发电单体输入量u
k
，输入量u
k
具体为：
[0047][0048]其中，P
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速；
[0049本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种风电场鲁棒频率协调控制方法，其特征在于，包括以下步骤：根据风电场内不同时刻的发电单体风机转速、风机有功指令和风速，建立初始数据集；将所述初始数据集进行鲁棒模态分解，确定风机动态模型，所述风机动态模型根据发电单体风机转速、风机有功指令和风速，确定下一时刻的所述发电单体的风机转速；将不同发电单体的风机动态模型合并为控制模型，所述控制模型分别根据不同发电单体风机转速、风机有功指令和风速，分别确定下一时刻的对应发电单体的风机转速；根据所述控制模型，建立关于风速和风机转速的目标函数，设置所述目标函数的优化目标为使发电单体的调频任务在对应发电单体发电水平的基础上进行分配，优化风机转速的波动程度，根据不同发电单体的时序、有功指令区间和初始状态，设置相应的约束条件；对所述目标函数求解，得到有功调节指令，根据所述有功调节指令对所述风电场频率进行调节。2.如权利要求1所述的方法，其特征在于，根据风电场内不同时刻的发电单体风机转速、风机有功指令和风速，建立初始数据集，包括以下步骤：建立发电单体的状态方程如下：ω
j+1
＝f(ω
k
，u
k
)其中k表示时刻，ω
k
表示k时刻的风机转速，ω
k+1
表示k+1时刻的风机转速，f代表非线性状态转移关系函数，u
k
为k时刻的输入量，u
k
具体为：其中P
ref，k
为k时刻的风机有功指令，v
ω，k
为k时刻的风速。3.如权利要求1所述的方法，其特征在于，将所述初始数据集进行鲁棒模态分解，确定风机动态模型，包括以下步骤：构建所述初始数据集中相邻时刻数据、状态转移矩阵和所述相邻时刻数据的残差向量的数量关系；根据所述残差向量的损失函数，确定所述状态转移矩阵；将所述状态转移矩阵分割，分别得到动态转移矩阵和动态输入矩阵，根据所述动态转移矩阵和动态输入矩阵，建立相邻时刻的所述发电单体的风机转速关系。4.如权利要求3所述的方法，其特征在于，构建所述初始数据集中相邻时刻数据、状态转移矩阵和所述相邻时刻数据的残差向量的数量关系，包括以下步骤：假定存在状态转移矩阵满足：其中，表示时刻，ω
k
表示k时刻的风机转速，ω
k+1
表示k+1时刻的风机转速，u
k
具体为：其中，P
ref，k
为k时刻的风机有功指令，v
ω，k
为k时刻的风速，r
k
为残差向量，定义残差向量
的第j项：其中a
j
为状态转移矩阵的第j行。5.如权利要求3所述的方法，其特征在于，根据所述残差向量的损失函数，确定所述状态转移矩阵，包括以下步骤：所述残差向量的损失函数定义为其中，δ是鲁棒回归设定阈值，k表示时刻，r
k
为残差向量，j表示状态转移矩阵第j行；根据下式，确定所述状态转移矩阵根据下式，确定所述状态转移矩阵其中N为初始数据集的长度，n为初始数据集的维数。6.如权利要求3所述的方法，其特征在于，将所述状态转移矩阵分割，分别得到动态转移矩阵和动态输入矩阵，根据所述动态转移矩阵和动态输入矩阵，建立相邻时刻的所述发电单体的风机转速关系，包括以下步骤：将状态转移矩阵的左上方1
×
1子块分割出来，得到动态转移矩阵A，将状态转移矩阵的右上方1
×
2子块分割出来，得到动态输入矩阵B；经过鲁棒模态分解的发电单体动态模型就可以表示为如下形式：ω
k+1
＝Aω
k
+Bu
k
其中，k表示时刻，ω
k+1
表示k+1时刻的风机转速，ω
k
表示k时刻的风机转速，输入量u
k
具体为：其中，P
ref，k
为k时刻的风机有功指令，v
ω，k
为k时刻的风速。7.如权利要求1所述的方法，其特征在于，将不同发电单体的风机动态模型合并为控制模型，包括以下步骤：根据鲁棒模态分解方法，得到风场内M个发电单体的动态模型：其中，k表示时刻，i为发电单体编号，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，A
i
为编号为\的发电单体的动态转移矩阵，B
i
为编号为i的发电单体的动态输入矩阵,为编号为\的发电单体输入量u
k
，输入量u
k
具体为：
其中，P
ref，k
为k时刻的风机有功指令，v
ω，k
为k时刻的风速；定义控制模型中的状态向量：定义各发电单体的当前风速和有功指令的输入向量：将所述状态向量和输入向量构成对应的控制模型：χ
k+1
＝Aχ
k
+Bu
k
其中，矩阵A，B由各发电单体的状态转移矩阵按照如下对角形式构造：矩阵按照如下对角形式构造：8.如权利要求7所述的方法，其特征在于，根据所述控制模型，建立关于风速和风机转速的目标函数，包括以下步骤：风电场动态优化控制算法表示如下：subject to χ
k+1
＝Aχ
k
+Bυ
k
，k＝0，
…
，T
‑
1E
k
χ
k
+F
k
υ
k
≤b
k
，k＝0，
…
，T
‑
1E
T
χ
T
≤b
T
其中，目标函数J为如下：其中，k表示时刻，T为模型预测控制算法的预测区间长度，上标
′
代表向量或矩阵的转置，Q
k
，R
k
分别为状态量和输入量的半正定系数矩阵，q
′
k
，r
′
k
分别为状态量和输入量的梯度向量，矩阵E
k
，F
k
分别对应状态量约束矩阵和输入量约束矩阵，向量b
k
为边界向量，为边界向量，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单
体在k时刻的风机转速，M为发电单体总数，v
k
为k时刻的风速。9.如权利要求1所述的方法，其特征在于，设置所述目标函数的优化目标为使发电单体的调频任务在对应发电单体发电水平的基础上进行分配，优化风机转速的波动程度，包括以下步骤：设置优化目标如下：其中有功调节量定义为表示风机有功指令相对于本地控制器在最大功率跟踪模式下给出的控制指令的调节量，M为发电单体总数，i为发电单体编号，T为模型预测控制算法的预测区间长度，K
df
为风电场对外功频特性曲线的下垂系数，Q
ω
为平衡两个优化目标的权重系数，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，如果当前风电场采取减载工作模式，相应的有功调节参考变为：其中为减载工作模式的有功指令，R
d
为减载幅度系数，频率偏差量则定义为Δf＝f
meas
‑
f
ref
表示并网点量测频率f
meas
相对于参考频率f
ref
之间的偏差量。10.如权利要求1所述的方法，其特征在于，根据不同发电单体的时序、有功指令区间和初始状态，设置相应的约束条件，包括以下步骤：设置以下约束条件：χ
k+1
＝Aχ
k
+Bv
k
，k＝0，1，
…
，T
‑
111其中，k表示时刻，v
k
为k时刻的风速，T为模型预测控制算法的预测区间长度，矩阵A，B由各发电单体的状态转移矩阵按照如下对角形式构造：
i为发电单体编号，A
i
为编号为i的发电单体的动态转移矩阵，B
i
为编号为i的发电单体的动态输入矩阵,为编号为i的发电单体在k时刻的风机转速，ω
min
为发电单体最大风机转速，ω
max
为发电单体最小风机转速，表示编号为i的发电单体在k时刻的有...

【专利技术属性】
技术研发人员：吴文传，郭子榛，蔺晨晖，王彬，孙峰洲，林毅，薛静玮，
申请(专利权)人：清华大学国网福建省电力有限公司，
类型：发明
国别省市：