【技术实现步骤摘要】
基于模型预测控制的风电场频率快速响应控制方法
[0001]本专利技术涉及风力发电
，具体涉及一种基于模型预测控制的风电场频率快速响应控制方法。
技术介绍
[0002]由于风电通过变频器与电网进行连接，使得风机转速与电网频率解耦，无法像传统同步发电机组一样提供惯量支撑。而随着电力系统中风力发电的比例不断升高，风电机组替代了传统的机组，使得电力系统整体的惯量水平大幅下降，从而影响电力系统的安全稳定运行。为此，风电机组需要具备快速频率响应能力，主动支撑电网频率，提高电力系统的频率稳定性。
[0003]现有的，公开号为CN114899892A的中国专利技术申请公开了一种风电机组主动频率支撑控制方法，对风电机组进行超速控制，储备机械功率。构建了包含短期支撑和长期支撑的风电机组主动频率支撑控制器。建立了含有风电机组主动频率支撑控制器的风机线性化模型，确定了稳定运行范围。公开号为CN114336588A的中国专利技术申请公开了一种风电机组数据驱动模型预测控制方法，采用两阶段模糊曲线方法得到风电场各输入变量与输出之间的关联度权...
【技术保护点】
【技术特征摘要】
1.一种基于模型预测控制的风电场频率快速响应控制方法，其特征在于，具有如下步骤：S1：利用SCADA系统的风电机组状态数据，训练得到基于神经网络的风电机组的状态预测模型；基于电网频率偏差对应的风电场总有功功率参考值，并结合风电机组的状态预测模型，采用模型预测控制算法，得到风电场各个风电机组的有功功率参考值；S2：为了避免模型预测控制算法求解时间过长，提出离线训练法，以风电机组状态数据为输入，模型预测控制算法求出的风电场各个风电机组的有功功率参考值为输出的基于神经网络的风电机组控制模型，利用训练好的模型替代模型预测控制算法对各风电机组进行在线控制；S3:计算风电机组的状态预测模型得到的结果与SCADA系统实测数据之间的误差，当误差超过设定阈值时，采用最新的SCADA系统监测数据重新训练，对风电机组的状态预测模型和风电机组控制模型进行更新。2.如权利要求1所述的基于模型预测控制的风电场频率快速响应控制方法，其特征在于，在步骤S1中，SCADA系统采集的风电机组状态数据包括t时刻的桨距角、风力机转子转速和考虑发电机的发电效率后的等效转子转速、风速；构建的风电机组模型的输入为t时刻的桨距角、风力机转子转速和考虑发电机的发电效率后的等效转子转速、风速、有功功率参考值，输出为风电机组t时刻的轴转矩、塔架所受弯矩和t+1时刻的桨距角、风力机转子转速和考虑发电机的发电效率后的等效转子转速，形成输入输出数据样本对。3.如权利要求2所述的基于模型预测控制的风电场频率快速响应控制方法，其特征在于，在步骤S1中，神经网络包含输入层、隐藏层和输出层，所述隐藏层采用的激活函数为ReLU函数，从神经网络输入层至输出层的关系为：h
i
＝σ(W
1,i
x
i
+b
1,i
)y
i
＝W
2,i
h
i
+b
2,i2,i
其中，x
i
为第i台风电机组的输入向量，W
1,i
为第i台风电机组的神经网络输入层到隐藏层经过训练得到的权重参数、W
2,i
为第i台风电机组的神经网络隐藏层到输出层经过训练得到的权重参数、b
1,i
为第i台风电机组的神经网络输入层到隐藏层经过训练得到的偏置参数、b
2,i
为第i台风电机组的神经网络隐藏层到输出层经过训练得到的偏置参数，σ表示ReLU
函数，h
i
为第i台风电机组的中间计算结果，y
i
为第i台风电机组的输出向量，β
i
为第i台风电机组的桨距角，ω
r,i
为第i台风电机组风力机的转子转速，ω
g,i
为第i台风电机组考虑发电机的发电效率后的等效转子转速，为第i台风电机组的参考功率输出值，T
s,i
为第i台风电机组的轴转矩，M
i
为第i台风电机组的塔架所受弯矩，t表示t时刻。4.如权利要求1所述的基于模型预测控制的风电场频率快速响应控制方法，其特征在于，在步骤S1中，根据电网频率偏差，得到的风电场总有功功率增量为：其中，k
p
、k
d
分别为PD虚拟惯量控制的比例系数和微分系数；Δf为系统频...
【专利技术属性】
技术研发人员：杨铎烔，俞靖一，李鹏，马溪原，许一泽，程凯，徐全，葛俊，张子昊，王鹏宇，林振福，
申请(专利权)人：南方电网数字电网研究院有限公司，
类型：发明
国别省市：
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。