基于模型预测控制理论的风电场电压自动控制方法
【专利摘要】本发明涉及一种基于模型预测控制理论的风电场电压控制方法，属于电力系统风电场电压自动控制【技术领域】。该方法包括采集系统当前各类电量实测值作为各类电量的预测值的初始值，根据所述预测值建立由优化目标函数和约束条件组成的优化控制模型；对优化控制模型进行简化，利用优化工具求解优化控制简化模型，获得风机无功设定值和SVG电压设定值在MPC时间窗内的解序列；将解序列中首个值作为控制目标分别下发给风机和SVG，以实现风电场电压的自动控制。本方法可集成在风电场现场运行的自动电压控制系统中，使该系统能够实时根据风电场的功率变化，实施最适宜的控制策略。
【专利说明】基于模型预测控制理论的风电场电压自动控制方法
【技术领域】
[0001] 本发明属于电力系统的风电场电压自动控制【技术领域】。
【背景技术】
[0002] 近年来风电并网容量持续快速增长，大规模风电汇集并网区域的电压问题相伴而 生。我国风能资源分布远离负荷中心，风电多集中接入缺少常规水火电厂支撑的薄弱电网， 区域电压极易受风场有功、无功影响。阵风经过时，风功率可能在分钟内出现大幅涨落，进 而引起风场并网点（PCC, Point of Common Coupling)电压剧烈波动。
[0003] 目前现场投运的风场中，大部分参照传统火电厂设计电压控制器，将风机和SVC/ SVG(静止无功补偿器/静止无功发生器）简单等同为不同无功源，较少考虑其间响应特性 的差异。传统控制方法以当前状态优化为主，忽视SVC/SVG和风机无功调节过程对系统未 来状态的影响。为了防止无功调整量与调节完成时系统状态不匹配造成电压振荡，控制时 常设定较小的无功调节步长，利用多步逼近方式控制电压。风力快速波动时，在风机无功调 节量被限制的情况下，SVC/SVG追踪电压目标，容易首先耗尽自身动态无功储备，导致未来 发生紧急情况或电压剧烈波动时无法提供支撑。
[0004] 模型预测控制（MPC, Model Predictive Control)是过程控制理论中一种重要方 法，广泛应用于石油、化工、冶金、机械等多个行业。在电力系统中主要应用于电网电压控 制、电压稳定、有功调度、储能管理等领域，具有控制效果良好、鲁棒性强的优点。模型预测 控制的当前控制动作是在每一个采样瞬间通过求解一个有限时域开环最优控制问题而获 得。过程的当前状态作为最优控制问题的初始状态，解得的最优控制序列只实施第一个控 制作用。这是它与那些使用预先计算控制律的算法的最大不同。
【发明内容】
[0005] 本发明的目的是克服现有技术的不足之处，提出一种基于模型预测控制理论的风 电场电压控制方法，本发明方法，可集成在风电场现场运行的自动电压控制系统中，使该系 统能够实时根据风电场的功率变化，实施最适宜的控制策略。以适应目前风电场快慢无功 设备的协调。
[0006] 本发明提出一种基于模型预测控制理论的风电场电压控制方法，用于风电场AVC 系统控制中，其特征在于，当一个控制周期开始时进行以下步骤：
[0007] 1)采集系统当前各类电量实测值作为各类电量的预测值的初始值，预测值包括： 风机有功预测值d、风机无功预测值、风机机端电压预测值、SVG无功预测值 0二、SVG机端电压预测值风电场并网点（PCC)母线电压预测值％ ;
[0008] 2)根据所述预测值建立由优化目标函数和约束条件组成的MPC优化控制模型： [0009] 2. 1)MPC优化控制模型的目标函数如式⑴所示：
[0010]
【权利要求】
1. 一种基于模型预测控制理论的风电场电压控制方法，用于风电场AVC系统控制中， 其特征在于，当一个控制周期开始时进行以下步骤： 1) 采集系统当前各类电量实测值作为各类电量的预测值的初始值，预测值包括：风机 有功预测值d、风机无功预测值、风机机端电压预测值d、SVG无功预测值0:、 SVG机端电压预测值、风电场并网点（PCC)母线电压预测值 2) 根据所述预测值建立由优化目标函数和约束条件组成的MPC优化控制模型： 2. 1)MPC优化控制模型的目标函数如式（1)所示：
式⑴中0:和O为优化变量，成W和C含义分别为风机无功设定值和SVG电压设 定值；N为时间窗覆盖控制周期的个数；M为单个控制周期下含预测点的个数；P为衰减系 数，取值P< 1 ;时间变量= (Mi+j)At意义为当前时刻起第i个控制周期内的第j个 预测点，At为预测点间隔，At由风电场功率预测时间间隔决定； F1为风电场并网点母线电压与设定值的偏差水平，F1具体表达式如式（2):
式（2)中表示PCC电压的参考值，从主站控制指令中提取后设定； F2为SVG无功储备水平，F2具体表达式如式（3):
式⑶中为SVG无功最佳运行点； 2. 2)MPC优化控制模型的约束条件，具体包括： 2. 2. 1)风机有功预测约束条件：
式⑷中4:为风机有功预测误差；Na和Nm分别为AR和MA模型的阶数，（K和0k 为相关权重，阶数与权重均根据风机有功历史值确定；tu_k为预测中参与计算数据（包括 、4k)对应时刻，下标k表征预测时刻前推k△t时间，当彡O时，有功预测值应 取对应时刻历史值； 2. 2. 2)风机无功预测约束条件： 风机无功在下次控制前达到设定值：
第i个控制周期内的各预测点，风机无功功率的变化过程以指数函数拟合：
式（6)中Ts为风机无功调节时间常数，可以根据风机无功调节测试试验获取； 2. 2. 3)SVG无功预测约束条件： SVG无功参考值0^如式（7)所示：
式（7)中K1和Kp分别为比例环节和积分环节的系数； SVG无功预测值如式（8)所示：
式⑶中时间常数Td为SVG电力电子装置动作延时； 2. 2. 4)电压预测约束条件：
式（9)中Vpm为风机机端、SVG机端、和PCC母线电压预测值构成的向量，S为灵敏度矩 阵； 2. 2. 5)系统电压、发电机运行和SVG运行的约束条件：
式（10)中Vmax和Vmin分别为由PCC、风机和SVG电压预测值构成系统电压向量的上限 和下限，其中PCC电压限值由区域电网控制中心给出，而风机和SVG电压限值根据设备生产 厂商给出的正常工作范围确定；a:和说1Tnt3分别为风机无功运行上下限，和Q=分别 为SVG无功运行上下限，皆根据设备生产厂商给出的正常工作范围确定；和分别 为风机无功爬坡上下限，和分别为SVG无功爬坡上下限，皆需经过无功调速实验 测试结果确定； 2.3)式（1)优化目标函数与式（2-10)约束条件构成MPC优化控制模型； 3)对MPC优化控制模型进行简化： 删去式（7-8)中SVG无功预测约束条件，在原优化目标函数式（1)中增加式（11):
式（11)中F3含义为SVG无功预测值与设定值偏差：
简化后的MPC优化控制模型的目标函数如式（13)所示：
式（13)中a和P为匕和F3的权重，权重值分别取PCC电压对SVG无功和端电压灵 敏度的平方； 由式（13)优化目标函数与式（2-6)、（9-10)、（12)约束条件构成MPC优化控制简化模 型； 4) 利用优化工具求解MPC优化控制简化模型，获得风机无功设定值和SVG电压设定值 在MPC时间窗内的解序列和'； 5) 将解序列和中首个值作为控制目标分别下发给风机和SVG，以实现风电场 电压的自动控制。
【文档编号】H02J3/38GK104242339SQ201410437727
【公开日】2014年12月24日 申请日期:2014年8月29日 优先权日:2014年8月29日
【发明者】郭庆来, 孙宏斌, 王彬, 张伯明, 吴文传, 徐峰达 申请人:清华大学