基于模型预测控制的风电场群无功电压优化控制方法与流程

本发明涉及电气自动化技术领域，具体地，涉及一种基于模型预测控制的风电场群无功电压优化控制方法。

背景技术：

目前，大规模新能源集群一般采用分层分区的方法控制无功电压。依据三级控制模式，分为三个层次实现全网无功优化控制，如图1所示。首先由三级控制中心(省调)采集全网信息，经潮流计算、状态估计、优化计算得出中枢点母线电压参考值，并负责向二级控制(场群控制中心站)下发控制电压参考值。二级控制依据三级控制中心下发的电压参考值选择就地控制和远方控制两种方式，其中就地控制本站无功补偿设备，远方控制即向一级控制(变电站、风电场等)下发控制命令。一级控制依据二级控制下发的电压参考值，直接控制设备，调整电压。

风电场群控制主站作为风电场群无功电压控制的决策层，接受电网调度中心下发的风电场群区域关口控制目标，根据风电场群区域电网实时运行数据，对风电场群区域进行无功电压优化，向控制子站下发控制指令，控制周期一般为5min-15min。控制子站是风电场群无功电压控制的执行层，包括汇集变电站子站和风电场子站。控制子站从控制主站获取控制指令，对场站内的无功设备进行调整，使关口母线电压达到控制要求。汇集变电站子站可用于电压调整的无功设备有SVC、SVG等，风电场子站可用于电压调整的无功设备有SVC、风电机组等。二级控制如何下发指令是影响风电场群运行安全性及经济性的关键技术。在已有的风电场群无功电压优化控制中，保持区域电压稳定、降低区域网损通常是进行优化控制的主要目标。然而，考虑到新能源控制主站以5min-15min为周期对风电场下发指令，在指令周期内风电场出力可能发生较大的变化，各无功源接受到参考值后的调节同样也是动态过程，上述基于当前时间断面的控制方法只能保证控制时间断面风电场群的最优运行，无法对周期内风电场群的运行优化控制。

技术实现要素：

针对现有技术中的缺陷，本发明的目的是提供一种基于模型预测控制的风电场群无功电压优化控制方法。

根据本发明提供的基于模型预测控制的风电场群无功电压优化控制方法，包括如下步骤：

步骤1：对每个风电场群无功电压优化控制周期设置M个预测点，共预测N个控制周期；

步骤2：利用预测模型分别对每个预测点的风电场有功出力、无功源无功出力、场群各母线电压进行预测；

步骤3：在每个控制周期的控制点对未来M*N个预测点进行优化计算，得到N个周期的最优控制指令，根据MPC控制原则，仅选取第一个周期的最优控制指令作为该周期的控制指令；

步骤4：当前周期控制结束后，下一控制周期将控制时间窗在时间轴上向后推移。进入下一个周期时，返回执行步骤1。

优选地，所述步骤2中的预测模型包括：风电场有功无功出力预测模型、SVC出力预测模型以及关键母线电压预测模型；

所述风电场有功无功出力预测模型，通过历史有功出力数据，依据自回归滑动平均ARMA预测方法获取预测点的风电场有功出力；

所述SVC出力预测模型，包括：一阶惯性环节，根据控制点下发的设定值，利用不同设备模型的时间常数，模拟本地控制动态过程，得到每个预测点对应的无功功率预测值；

所述关键母线电压预测模型，基于有功和无功功率预测值，通过不同时间断面的静态潮流求解风电场群内所有节点电压在每个预测点上的电压预测值。

优选地，所述风电场有功出力预测模型的建立步骤如下：

通过自回归滑动平均ARMA预测模型，利用历史有功出力数据对各预测点的未来有功出力进行预测；

式中，(a,b)表示第a个控制中的第b个预测点，是t(a,b)时刻风电场的有功出力预测值，是t(a,b-k)时刻风电场的有功出力预测值；是t(a,b)时刻一个零均值的正态白噪声过程，是t(a,b-k)时刻一个零均值的正态白噪声过程；p和q分别为自回归与滑动平均的阶数；和θ_j分别为第k阶自回归与第j阶滑动平均参数。

优选地，所述风电场及SVC出力预测模型的建立步骤如下：

风电场及SVC均工作在接受无功指令模式，风电机组及SVC无功控制均通过电力电子设备完成，响应速度较快，考虑到风电场在接受到上级无功指令后需要再次进行分配，且风场内部通信具有延时作用，风电场无功响应速度相比机组和SVC略慢。但是由于风电场群的控制时间周期为分钟级，风电场及SVC的均能满足在下一周期到来前完成前一周期的指令调节，即

$Q_{t(a+1,0)}^{pre}=Q_{t(a,0)}^{set}$

式中：是t(a+1,0)时刻风电场或SVC的预测无功出力；和是t(a,0)时刻风电场或SVC的无功指令值；

风电场和SVC接收到上级无功指令后，在重新达到新的稳定工作点前会经历一个动态过程，此过程能够利用一阶惯性环节描述：

$Q_{t(a,b)}^{pre}=Q_{t(a,0)}^{set}+(Q_{t(a,0)}^{set}-Q_{t(a,0)})e^{-\frac{t_{a,b}-t_{a,0}}{T_d}}$

式中：表示t(a,b)时刻风电场或SVC的预测值，表示t(a,0)时刻风电场或SVC的设置值，Q_t(a,0)表示t(a,0)时刻风电场或SVC的实际值；t_a,b和t_a,0分别表示预测时刻和初始时刻，Td是风电场或SVC的调节时间常数，各风电场与SVC具有不同的Td。

优选地，所述关键母线电压预测模型的建立步骤如下：

利用步骤2中所得到的预测模型预测场群内各母线在预测时间点上的有功、无功值，将所述母线处理为PQ节点，根据各时间断面的潮流计算即能够获得该断面的母线电压预测值。

与现有技术相比，本发明具有如下的有益效果：

本发明考虑了风电场群在控制指令周期内运行的动态过程，摒弃了已有控制只以控制时间断面最优为目标的模式，将整个控制周期的最优作为最优控制的目标，从而进一步提高风电场群运行的安全性及经济性。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为风电集群无功电压控制层次示意图；

图2为已有的风电场群无功电压优化控制流程图；

图3为基于模型预测控制的风电场群无功电压优化控制时间轴示意图；

图4为基于模型预测控制的风电场群无功电压优化控制流程图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

本发明提供的基于模型预测控制的风电场群无功电压优化控制方法，关心未来N个控制周期内的控制性能最优，本质是一种动态优化问题。从控制精细化的角度，不仅关心未来给出控制决策的N个控制点的控制性能，还关心这N个控制周期内更细时间尺度上的控制性能。一方面，风电场有功出力在控制周期内会有变化；另一方面，当风电场、无功补偿装置在控制点收到设定值指令后，由于时间常数不同，会沿着不同控制动态过程过渡到稳态值。为了使过渡过程中每个时刻的无功出力分配和电压曲线都合理，也需研究更细时间尺度的无功功率动作行为。因此，本发明在控制周期内划分出更细的时间尺度。对于风力机有功出力，可以根据功率预测获得预测值；对于设备无功出力，则根据控制点下发的设定值，利用不同设备模型，模拟本地控制动态过程，得到每个预测点对应的无功功率预测值；最后基于有功和无功功率预测值，求解风电场群内所有节点电压在每个预测点上的电压预测值。

优化控制的目标衍生为最小化整个预测周期中枢母线的电压与参考值之间偏差及整个预测周期场群的整体网损。同理，控制的约束条件同样衍生为未来时间断面上的约束值。

具体地，如图2所示为已有的风电场群无功控制流程图，具有数据采集、优化计算及指令下发功能。这种控制策略在能有效在控制指令时间断面优化场群运行，但无法优化控制指令周期内场群的运行，无法实现精细化控制。

图3所示为本发明所提出的基于模型预测控制的风电场群无功电压优化控制时间轴，所提出的控制策略对每个风电场群无功电压优化控制周期设置M个预测点，共预测N个控制周期，每个在控制算法中，利用预测模型对每个预测点的风电场有功出力、无功源无功出力、场群各母线电压等进行预测计算。控制算法根据控制优化目标，在每个控制周期的控制点对未来M*N个预测点进行优化计算，得到N个最优控制指令，但只下发其中第一个值作为该周期控制指令。直至下一个控制周期，将控制时间窗在时间轴上向后推移，重复上述优化计算，实现滚动优化。

图4所示为所提出的风电场群无功电压优化控制流程图，该控制在已有的控制基础上，添加了风电场有功无功出力预测模型、SVC出力预测模型及关键母线电压预测模型。风电场有功出力是利用历史有功出力数据，通过自回归滑动平均ARMA预测方法获取；对于风电场及SVC的无功出力，可以通过一阶惯性环节作为预测模型，根据控制点下发的设定值，利用不同设备模型的时间常数，模拟本地控制动态过程，得到每个预测点对应的无功功率预测值；最后基于有功和无功功率预测值，通过不同时间断面的静态潮流计算，求解风电场群内所有节点电压在每个预测点上的电压预测值。利用预测模型，可以求解场群未来时间断面的运行状态，观察相应的控制目标，从而对各时间断面的控制目标进行全局优化控制。

本发明控制策略的具体原理为：利用预测模型，对未来时间断面风电场有功、无功出力及变电站SVC无功出力进行预测，从而求解各时间断面风电场群的中枢母线电压及总体网损，以所有时间断面控制目标综合最小化为控制目标，将该控制问题转换为多目标优化控制问题，利用遗传算法对该问题进行求解得到各无功源的控制指令并下发给相应风电场及SVC，综合优化控制周期内的场群运行。

依据本发明的预测模型，对风电场有功出力、无功出力、无功补偿装置出力及各母线电压进行预测，求解不同控制指令下未来场群状态变化的过程，各受控设备的动作均考率一段时间窗内系统状态，从而达到优化整个指令周期内风电场群运行的效果。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。