自动发电控制系统分布式模型预测控制器设计方法与流程

本发明属于电力系统自动控制技术领域，涉及一种自动发电控制系统控制器设计方法，具体涉及一种含风力发电、光伏发电电网自动发电控制系统分布式模型预测控制器设计方法。

背景技术：

自动发电控制(agc)是维持电力系统稳定运行的关键环节。通过保证发电功率与负荷需求之间的平衡，使系统频率保持不变，并使联络线交换功率维持在额定值。

在过去的几十年里，电力主要来自煤炭、石油、天然气等传统化石能源的燃烧，导致了严重的资源短缺和环境污染问题。这促进了清洁和可再生能源的发展，如风能和太阳能。目前，在我国风能和太阳能资源丰富的地区，大规模的风能和太阳能发电系统已经集成到互联电力系统中，以补充传统能源的出力。由于新能源的间歇性和不确定性，其并网给电力系统控制带来了新的挑战。因此有必要针对含有风光发电的自动发电控制系统设计控制器。

技术实现要素：

本发明的目的在于提供一种自动发电控制系统分布式模型预测控制器设计方法，以改善含风力发电、光伏发电等新能源发电自动发电控制系统的动态响应。

本发明提供了一种自动发电控制系统分布式模型预测控制器设计方法，包括如下步骤：

建立区域互联电力系统自动发电控制系统仿真模型，所述仿真模型包括：风力发电模型和光伏发电模型；

根据所述自动发电控制系统仿真模型，设计分布式模型预测控制算法，建立、优化目标函数；

针对所述自动发电控制系统的实际运行情况确定约束条件，并对约束进行处理；

根据所述目标函数和约束条件，采用引导烟花算法寻优，获得控制器输出。

进一步的，上述自动发电控制系统分布式模型预测控制器设计方法中，所述电力系统自动发电控制系统由m个控制区域构成，部分区域包含火电机组、风电机组和控制器，部分区域包含火电机组、光伏发电和控制器。

进一步的，上述自动发电控制系统分布式模型预测控制器设计方法中，所述风力发电模型的建立过程如下：

当风速小于额定风速时，风电机组进行最大功率捕获；风轮机械功率pw可以表示为：

式中：ρ(1.205kg/m²)为空气密度，r(23.5m)为风轮半径；cp为功率系数，β为桨距角，值为0，λ为叶尖速比，v为风速；

cp可以表示成β、λ的函数：

cp＝(0.44-0.0167β)sin[π(λ-3)15-0.3β]-0.0184(λ-3)β

式中：为叶尖速比，wr为风轮角速度；通过对cp求导得出最优叶尖速比，此时风电机组进行最大功率捕获；

忽略非线性项，风力发电系统传递函数可以表示为：

式中：δpwts为风电机组输出电功率偏差，δpw为风轮机械功率偏差，kwts为风电机组增益系数，twts为风电机组时间常数；

当风速大于额定风速时，风电机组输出功率恒为额定值。

进一步的，上述自动发电控制系统分布式模型预测控制器设计方法中，所述光伏发电模型的建立过程如下：

光伏发电系统输出功率为：

ppv＝ηsφ{1-0.005(ta+25)}

式中：η∈(0.09,0.12)是光伏阵列的转换效率，s是光伏阵列的测量面积，φ是太阳辐射量，ta是环境温度；在本发明中，取ta保持在25℃，ppv与φ线性相关；

忽略非线性项，光伏发电系统的传递函数可写成一阶惯性环节：

式中：δppv为光伏系统输出功率偏差，δφ为太阳辐射量变化，kpv是系统增益，tpv是系统时间常数。

进一步的，上述自动发电控制系统分布式模型预测控制器设计方法中，所述系统的分布式模型如下：

其中，aii、bii、fii、cii分别是系统的系统矩阵、输入矩阵、干扰矩阵和输出矩阵，xi、ui、wi、yi分别是系统的状态变量、控制量、负荷干扰变量、输出变量；

利用零阶保持器离散化方法，得出子系统i的离散化状态空间模型如下所示：

进一步的，上述自动发电控制系统分布式模型预测控制器设计方法中，所述目标函数的建立和优化过程如下：

设控制时域为nc，预测时域为np，根据离散状态空间模型进行递推，得出未来时刻状态变量的预测值：

其中，

合并得整个系统并分配成m个子系统状态空间模型，子系统i的状态空间模型：

其中，

e＝λ^-1μ,f＝λ^-1v,g＝λ^-1ξ

定义子系统i的目标函数：

进一步的，上述自动发电控制系统分布式模型预测控制器设计方法中，所述约束条件的确定过程如下：

火电机组存在发电机变化率约束(grc)：

约束可以写成：

t为采样周期；

定义由于δpgi＝xi3，则：

其中，jii＝[0010]

定义得到关于δpgi(k)的约束写为：

进一步的，上述自动发电控制系统分布式模型预测控制器设计方法中，所述控制器输出结果的具体步骤如下：

生成多组所述控制器输出的初始值；

通过引导烟花算法，结合所述目标函数值和不等式约束，对每组所述控制量进行迭代寻优，得到所述控制器输出；

将当前时刻的控制量作用于系统，下一时刻继续进行迭代寻优，得出新的控制量，直到达到仿真时间。

本发明的有益效果是：

建立了含有风力发电、光伏发电的互联电力系统自动发电控制模型，考虑了新能源波动性对系统控制的影响；

设计分布式模型预测控制器，适用于现代大规模电力系统；

采用引导烟花算法寻优，考虑了优化求解过程中的启发式信息,具有很强的优化问题求解的能力。与传统pi控制方法相比，所设计控制器取得了更为优化的控制效果，从而改善了互联电网自动发电控制系统的动态性能，确保了电力系统的安全稳定运行。

附图说明

图1是本发明提供的自动发电控制分布式模型预测控制器设计方法流程图；

图2为本发明所建立的自动发电控制系统的结构示意图；

图3为控制区域i的电力系统传递函数模型；

图4为引导烟花算法的基本步骤流程图；

图5为区域一频率偏差的响应曲线图；

图6为区域二频率偏差的响应曲线图；

图7为区域一流向区域二联络线功率偏差的响应曲线图。

具体实施方式

下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。

下面结合附图和具体实施方式对本发明进行详细说明。

本发明所采用的技术方案是：一种自动发电控制系统分布式模型预测控制器设计方法，以改善含风力发电、光伏发电等新能源发电自动发电控制系统的动态响应。

参阅图1所示，为本发明提供的一种自动发电控制系统分布式模型预测控制器设计方法，包括：

建立区域互联电力系统自动发电控制系统仿真模型，所述仿真模型包括：风力发电模型和光伏发电模型；

根据所述自动发电控制系统仿真模型，设计分布式模型预测控制算法，建立、优化目标函数；

针对所述自动发电控制系统的实际运行情况确定约束条件，并对约束进行处理；

根据所述目标函数和约束条件，采用引导烟花算法寻优，获得控制器输出。

其中，电力系统自动发电控制系统由m个控制区域构成，部分区域包含火电机组、风电机组和控制器，部分区域包含火电机组、光伏发电和控制器。

具体过程如下：

1.建立互联电力系统自动发电控制系统的仿真模型，如图2所示：

1)建立风力发电的模型：

当风速小于额定风速时，风电机组进行最大功率捕获。风轮机械功率pw可以表示为：

其中，ρ(1.205kg/m²)为空气密度，r(23.5m)为风轮半径；cp为功率系数，β为桨距角，值为0，λ为叶尖速比，v为风速。

cp可以表示成β、λ的函数：

cp＝(0.44-0.0167β)sin[π(λ-3)15-0.3β]-0.0184(λ-3)β

为叶尖速比，wr为风轮角速度。通过对cp求偏导数得出最优叶尖速比，此时风电机组进行最大功率捕获。

忽略非线性项，风力发电系统传递函数可以表示为：

式中，δpwts为风电机组输出功率偏差，δpw为风轮机械功率偏差，kwts为风电机组增益系数，twts为风电机组时间常数。

在风速大于额定风速时，风电机组输出功率恒为额定功率。

2)建立光伏发电的数学模型：

光伏发电系统输出功率为：

ppv＝ηsφ{1-0.005(ta+25)}

其中η∈(0.09,0.12)是光伏阵列的转换效率，s为光伏阵列的面积，φ为太阳辐射量，ta为环境温度。在本发明中，取ta保持在25℃，ppv与φ线性相关。

忽略非线性项，光伏发电系统的传递函数可写成一阶惯性环节：

其中，δppv为光伏发电系统输出功率偏差，δφ为太阳辐射变化，kpv为系统增益，tpv为系统时间常数。

2.根据图3得出系统的状态空间方程模型：

根据所述自动发电控制系统仿真模型，设计分布式模型预测控制算法，得出系统的分布式模型：

其中，aii、bii、fii、cii分别是系统的系统矩阵、输入矩阵、干扰矩阵和输出矩阵，xi、ui、wi、yi分别是系统的状态变量、控制变量、负荷干扰变量、输出变量。

利用零阶保持器离散化方法，得出子系统i的离散化状态空间模型如下所示：

3.并建立、优化目标函数：

设控制时域为nc，预测时域为np，根据离散状态空间模型进行递推，得出未来时刻状态变量的预测值：

其中，

式中，δfi为区域i的频率偏差，δptiei是区域i的联络线功率偏差,δpgi为区域i中机组出力偏差，δxgi为区域i中汽轮机阀门偏差；kbi为区域i的频率偏差系数，acei为区域i的区域控制偏差；δpdi为区域i中负荷扰动，δpwts为风电机组输出电功率偏差，δppv为光伏发电输出功率偏差；kpi为区域i电力系统增益系数，tpi为区域i电力系统时间常数，ksij为区域i和j间的互联增益,tgi为区域i调速器时间常数，tti为区域i中汽轮机时间常数,ri为火电机组调差系数。

合并得整个系统并分配成m个子系统状态空间模型，子系统i的状态空间模型：

其中，

e＝λ^-1μ,f＝λ^-1v,g＝λ^-1ξ

定义子系统i的目标函数：

4.确定约束条件：

针对所述自动发电控制系统的实际运行情况确定约束条件，并对约束进行处理：

火电机组存在发电机变化率约束(grc)：

约束可以写成：

t为采样周期；

定义由于δpgi＝xi3，则：

其中，jii＝[0010]；

定义得到关于δpgi(k)的约束写为：

5.控制器输出结果：

根据系统的目标函数和约束条件，通过引导烟花算法(gfwa)，获得所述控制器输出结果的具体步骤包括：

步骤1，生成多组所述控制器输出的初始值。

步骤2，通过引导烟花算法，结合所述目标函数值和不等式约束，对每组所述控制量进行迭代寻优，得到控制器输出。

引导烟花算法基本流程如图4，基本步骤包括：

1)初始化相关参数和t个烟花，维数为nc,将迭代次数i设为0；

2)计算每个烟花xi的适应度f(xi)，即采用当前烟花作为控制器控制时域内输出时所得到的性能指标值；

3)对每个烟花xi，产生的火花数目λi,最佳适应度个体xcf的爆炸幅度acf、其他烟花爆炸幅度ai的计算公式如下:

其中，ca、cr分别为控制火花数目和爆炸幅度的常数，ca>1,cr<1。

4)根据步骤3)的计算值产生火花。

5)将所有火花适应度值按升序排列，选择σλi个适应度最好与最差的个体，根据下式，每个烟花产生一个引导向量(gv)δi和引导火花gi。

gi＝xi+δi

6)计算全部烟花与火花的适应度，并将最优个体选为下一代的烟花，在其余个体中随机选择t-1个作为下一代的烟花。

7)迭代次数i加1，判断是否达到最大迭代次数imax，若未达到，返回执行步骤3)；否则，结束寻优过程，输出优化结果，即控制量在控制时域内的值。

步骤3，将当前时刻的控制量作用于系统，下一时刻继续采用gfwa进行迭代寻优，得出新的控制量并作用于系统，直到达到仿真时间。

实施例：

以两区域自动发电控制系统为例，区域一包含火电机组和风电机组，区域二包含火电机组和光伏发电。

预测控制参数取值为：nc＝5,np＝15,t＝0.1,qi＝diag(1001)，qj＝diag(0.1000.1)，

gfwa初始参数的取值如下:

t＝2,λ＝150,a＝0.2,ca＝1.2,cr＝0.9,σ＝0.2，最大迭代次数设为80次。

两区域自动发电控制系统参数如下：

tgi＝0.08s,tti＝0.3s，tpi＝20s，kpi＝120hz/p.u.,ks12＝-ks21＝0.5p.u./mw，ri＝2.4hz/p.u.，kbi＝0.425；kwts＝1,twts＝1.5s；kpv＝1,tpv＝1.8s。

风电、光伏发电容量均为150mw,两区域火电机组容量均为1000mw。假设区域一在0s时加入负荷扰动0.01p.u.mw,在10s时，风速由9m/s降至7m/s,太阳辐射量由500mw/m²升至700mw/m²。分别采用传统pi控制器、与本发明实施例中提供分布式模型预测控制器方案，对互联电力系统进行控制。

区域一的频率偏差如图5所示，区域二的频率偏差如图6所示，区域一流向区域二的联络线功率偏差如图7所示。图中pi代表传统控制方法，dmpc代表本发明所设计控制方法。

参阅图5-图7所示，与传统控制方案相比，采用本发明所设计控制器，可以使该互联电网自动发电控制系统的频率偏差以及联络线功率偏差，在调节时间、峰值等方面具有明显优势，大大改善了对自动发电控制系统的控制效果，保证了在负荷变化、环境变化导致新能源出力波动时电力运行的安全性和稳定性。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。