专利名称：一种风电场的电压/无功综合智能控制方法
技术领域：
本发明属于电力系统控制领域，具体涉及一种风电场的电压/无功综合智能控 制方法。
背景技术：
伴随风力发电在我国的迅速发展，风电场并网容量的不断增加，电网对风电场 输出的电能质量提出了更高的要求。由于风能的随机性，风速预测存在一定误差，风电 场不能提供稳定的功率，发电稳定性较差；另外，风电场的功率波动会影响当地电网的 电能质量，产生电压波动。因而，风电场要求控制无功和电压要在一定范围内，以确保 供电质量。由于风电场的无功电压很难预测，我国并网运行的风电场，风机大多运行在恒 功率控制方式下，即风机不参与调节。风电场控制无功/电压的手段，包括厂站或风场 并网点电容器、电抗器的投切、SVC的控制、改变有载变压器的分接头等。这些设备进 行无功/电压调节时，基本上是独立调节，不能做到整体综合的调控。这样，有时会造 成各种无功/电压控制设备的频繁投切或动作，造成了不必要的浪费，造成电压震荡， 缩短了设备使用的寿命。本发明将利用神经网路和模糊控制的理论，不但使各种无功/电压调节设备得 到综合的利用，而且，将具备无功调节能力的风力发电机加入无功/电压调节的行列 中，充分利用可调节的设备，将设备利用率大大提高，并且延长设备的使用寿命，确保 风电场输出良好的电能质量。由于风电场的无功功率和电压综合调节，受许多现场情况和设备实际条件的约 束，为多变量、强耦合非线性控制，其控制规律不能用一个统一、精确的数学模型来描 述。采用常规的控制理论来解决不能得到满意结果，即便是现代控制理论也得不到非常 满意的结果。利用模糊控制方法，不需要风电场的无功/电压控制具有精确的数学模 型，并且能够克服风电场非线性因素的影响，对被调节对象有较强的鲁棒性，并能将电 力系统的相关知识和控制经验表示为语言规则用于无功/电压综合控制中。它是处理推 理系统和控制系统中不精确和不确定性对象的一种很有效方法。但是，模糊控制中模糊规则的提取和隶属函数的优化是困扰模糊信息处理技术 的难题。利用专家的经验得到的模糊控制规则和隶属度函数具有很大程度的不确定性， 因此将这样的控制策略直接应用于控制中，往往不能得到理想的控制效果。而利用神经 网络的自学习特性来进行模糊信息处理，可以很好的解决模糊规则的自动提取和隶属函 数优化问题。因而，本发明将在模糊控制的基础上，利用神经网络的神经元算法的自学习功 能，自动提取模糊控制的模糊规则并对隶属度函数进行优化。充分发挥智能控制的优 势，有效提高风电场电能质量的控制能力。
发明内容
本发明主要是提供一种风电场的电压/无功综合智能控制方法。采用到基于神 经网络和模糊控制的智能技术，不需要精确的数学模型，并能够结合一定的电力系统经 验和知识——九区控制图来形成知识库和模糊控制表，实现对风电场电压无功的综合控 制。不但降低了因电压波动引起的频繁动作，而且实现了风电场综合的无功电压控制， 达到常规控制方法难以达到的理想控制效果，大大提高了对电能质量的控制能力。本发明技术方案的优点是1.根据传统变电站的九区图的控制思路，对其进行创新，形成适合风电场的无 功电压控制思想，并将其融入智能控制规则中，最终实现对风电场无功电压的控制。2.使风电场各种无功电压控制设备作为一个整体进行综合控制，提高了风电场 无功电压调节设备的利用率，减少了离散无功投切设备和有载变压器分接头频繁动作， 延长了其寿命。3.由于对风电场并网点的电压无功进行调控，提高了风电场的低电压穿越能 力，最终保证了风电场的供电质量。
下面结合附图对本发明进一步说明。图1示出电压/无功综合控制系统结构图。图2示出基于神经网络的模糊控制系统结构图。图3示出了改进的九区控制图。图4示出模糊隶属度函数分布图。
具体实施例方式本发明调节对象是变压器高压侧即并网结点处的电压、无功值，结合模糊控制 和神经网络的智能控制方法优点，将电力系统的相关知识、控制经验表示为语言规则用 于无功/电压综合控制中，有效提高风电场电能质量的控制能力。改变风电场以往离散 的控制模式，融入风机、SVC等连续无功投切设备，将风电场作为一个整体综合控制。 在电压过低时，通过在投切无功设备来调节无功，以维持电压，提高风电场风机运行的 低电压穿越能力。本发明设计的电压/无功综合控制系统结构图如附图1。1.形成模糊控制系统根据风电场运行情况，将风电场电压/无功模糊控制系统可抽象为“两入三 出”结构。“两入”为电压偏差和无功偏差作为模糊控制的输入；“三出”为连 续无功投切设备调节、变压器分接头调整和离散无功投切设备控制作为输出。由于输出之间存在着耦合关系，为了便于控制，将上述电压/无功模糊控制系 统解耦，变为三个独立的“两入一出”子系统的组合，即离散无功投切设备的子系统、 有载变压器分接头控制子系统和连续无功投切设备控制子系统。每一个子系统的结构关 系图如附图2。2.连接方式和连接权值。
每个人工神经元相当于一个多输入单输出的非线性阀值器件，它有三个基本要 素①一组连接权值，对应于生物神经元的突触；②一个求和单元，用于求取各输入信息的加权和；③一个非线性激励函数，起非线性映射作用并限制神经元输出在一定的范围之 内。此外还有一个阀值θ ρ单个神经元的输入输出关系为
权利要求
1. 一种风电场的电压/无功综合智能控制方法，其特征在于包括以下步骤(1)构建风电场并网点的无功电压综合控制模型，确定输入量和输出量；确立基本 论域，以及模糊集论域，并建立基本论域和模糊集论域的关系；根据风电场运行情况，将风电场并网点的电压/无功模糊控制系统可抽象为“两入 三出”结构，其中“两入”为电压偏差和无功偏差作为模糊控制的输入；“三出” 为连续无功投切设备调节、变压器分接头调整和离散无功投切设备控制作为输出；定义电压偏差的基本论域为Xl e (-1.0，1.0)；无功偏差的基本论域为 X2 e (-3Q0, +3Q0)；作用于变压器分接头上控制输出的基本论域定义为Yl = {-3, -2，-1，0，1，2，3},论域上一个值对应分接头的一个档位；控制离散无功投切 设备的基本论域定义为Y2 =丨_3，-2，-1，0，1，2，3},论域上的值表示投切电容器 的组数，负数为切，正数为投；连续无功投切设备的基本论域定义为Y3 e (-1，1)；按 照论域中元素总数为模糊子集总数的2 3倍的规律定义模糊输入变量和输出模糊集论域 均为{-6，_5，-4，-3，-2，-1，0，1，2，3，4，5，6}；定义模糊集为{NB NM NS O PS PM PB丨，建立基本论域与模糊集论域的转换关系；(2)对模糊变量进行赋值；对模糊变量赋值的隶属函数有多种形式，包括梯形、三角形和钟型的形状；由于模 糊规则提取和隶属函数优化是困扰模糊控制的难题，利用神经网络的自学习特性来进行 模糊信息的处理；单个神经元的输入输出关系为η1J=HwJPxP-0J<P=IΛ=/W式中X1, X2,…，Xn为输入信号，Wy WJ2, ...Wp为神经元j之权值，Ij为线性组合 结果，Θ]为阀值，f为激励函数，yj为神经元j的输出；将人工神经元通过一定的结构组织起来，从而构成人工神经元网络；(3)对输入量进行模糊化，每个神经原的输出对应相应的隶属函数I1/2) = O，= X1巧⑵= AW=exP _I、 J其中，Aij(Xi)表示当输入为Xi时相应的隶属度，ay，by表示采用正态分布的隶属函 数的中心值和其宽度；调节中心值a,可以改变隶属度函数在论域上的分布，调节宽度、 可以改变其形状，然后进行模糊推理，结合采用九区控制图控制变压器低压侧电压无功 的规则，并考虑优先调节风机和风机调节的极限的情况进行推理；依据设定的UH、Ul, Qmax> Qmin,及可整定的电压死区与功率因素调节死区AQ、ΔU，结合当前的运行方 式和状态，在不同区位点采取不同的控制策略，形成模糊控制规则表；神经元之间的连 接权值为1，共有7X7 = 49个神经元，采用积复合推理法则，有Ipq — Alp(X1)A2q(X2)Opq(3) = T (3) wpqpq去模糊化釆用重心法
全文摘要
本发明属于电力系统控制领域，具体涉及一种风电场的电压/无功综合智能控制方法。采用到基于神经网络和模糊控制的智能技术，不需要精确的数学模型，并能够结合一定的电力系统经验和知识——九区控制图来形成知识库和模糊控制表，实现对风电场电压无功的综合控制。不但降低了因电压波动引起的频繁动作，而且实现了风电场综合的无功电压控制，达到常规控制方法难以达到的理想控制效果，大大提高了对电能质量的控制能力。
文档编号G05B13/04GK102013697SQ20101051268
公开日2011年4月13日 申请日期2010年10月13日 优先权日2010年10月13日
发明者刘婷婷, 王志凯 申请人:中电普瑞科技有限公司