本发明涉及一种系统模糊自适应控制方法,特别是一种考虑动作门限的系统模糊自适应控制方法。
背景技术:
近年来,由于风电存在间歇性、随机性以及波动性等特征,大规模风电并网仍然存在不小的挑战。分布式风力发电可以在电网停电发生时恢复孤岛供电,已成为集中供电方式不可缺少的重要补充。为了更好的实现风电机群分布式发电,首先必须研究风电机群在孤岛运行下的控制方法。
如今,双馈异步风电机组(doubly-fedinductiongenerator,dfig)已成为风电场选用的主流机型,由于该风机采用定转子柔性连接的方式,抗干扰能力差。在dfig的变流器直流电容侧加装储能装置,由储能装置提供直流电压,可以实现风电机组的自启动与孤岛运行。在风电机群的启动过程中,大规模配备储能系统成本投资较大,并不能满足电网的经济性要求,这就需要少数配备储能系统的风电机组率先实现自启动,进而在无功补偿装置的协助下启动剩余风电机组。
然而在风电机组与无功补偿装置协调运行的过程中,系统的稳定产生了新的问题:一方面,当系统的频率与电压发生偏移,dfig与statcom/bess同时动作,这增加了系统控制难度,同时延长了系统稳定的时间;另一方面,由于二者的控制主要是传统的pi控制,而pi控制器之间的调节会产生互相影响,pi控制器的参数设计可能引起系统的不稳定。而通常pi控制器参数是面向全局整定的唯一值,在面对风电场自启动时的多变量、非线性、强耦合的系统时,单一的整定值并不能满足启动以及后续运动控制的多种情况,也无法从根本上解决动态与静态之间、跟踪设定值与抗干扰能力之间的矛盾。因此需要研究pi控制器参数动态调节的方法,并进一步研究dfig与statcom/bess的协调控制方法。
技术实现要素:
本发明所要解决的技术问题是提供一种考虑动作门限的系统模糊自适应控制方法。
为解决上述技术问题,本发明所采用的技术方案是:
一种考虑动作门限的系统自适应控制方法,其特征在于包含以下步骤:
步骤一:控制方法持续检测控制系统的频率与电压偏差量,当偏差量小于dfig动作门限时,dfig机群不参与到系统的调整工作中;dfig采用功率控制方式,模糊自适应控制器不动作;statcom/bess通过模糊自适应控制调整系统电压与频率;
步骤二:当系统电压或者频率偏差量进一步扩大,dfig由原先的功率控制方式转为电压频率控制方式,dfig控制灵敏度小于statcom/bess的控制灵敏度;
步骤三:当系统偏差量继续增大,大于协调动作门限时,statcom与dfig同时动作,采用电压、频率控制模式。
进一步地,所述步骤一具体为,
statcom/bess的模糊控制规则中电压控制的模糊论域为[nb,pb]=[-εu_dfig,εu_dfig],其中εu_dfig为dfig的电压动作门限;
检测statcom/bess的无功输出,当其无功输出达到无功容量上限时,即
其中,
statcom/bess的模糊控制规则中频率控制的模糊论域为[nb,pb]=[-εf_dfig,εf_dfig],εf_dfig为dfig频率动作门限;
检测statcom/bess的有功输出,当其有功输出达到有功容量上限时,即
其中,
进一步地,所述步骤二具体为,
dfig的模糊控制论域为[nb,pb]=[-εu_dfig,εu_dfig],dfig控制灵敏度小于statcom/bess的控制灵敏度,采用较小的灵敏度因子λlow来降低dfig对于电压变化的无功输出,其模糊自适应pi参数调整算式为:
其中,灵敏度因子λlow<1;
dfig对于频率变化的有功输出,其模糊自适应pi参数调整算式为:
其中,
进一步地,所述步骤三具体为,
当系统电压偏差量εu继续增大,大于协调动作门限时,即|εu|>εu_dfig,statcom与dfig同时动作,均采用电压、频率控制模式;对于statcom/bess与dfig的电压控制器,二者的模糊控制论域扩大至[nb,pb]=[-εumax,εumax],εumax为电网公司对于风电接入的电压最大偏差量;dfig采用较大的灵敏度因子λhigh,灵敏度因子λhigh>1;当statcom功率输出达到容量上限时,即
statcom/bess与dfig的频率控制器的模糊控制论域扩大至[nb,pb]=[-εfmax,εfmax],εfmax为电网公司对于风电接入的频率最大偏差量;dfig采用较大的灵敏度因子λhigh;当statcom功率输出达到容量上限时,即
本发明与现有技术相比,具有以下优点和效果:本发明通过检测系统中电压与频率的偏差量,针对常规风电机组、负载并网等冲击,采取灵敏的调节方式,使得系统的稳定性大大增加。仿真结果表明,与传统控制方法相比较,该方法在风电机组启动的稳定时间、机组并入系统时的冲击与系统功率、电压、频率的波动性等方面均有较好的控制效果。
附图说明
图1是本发明的控制流程图。
图2是本发明的dfig与statcom/bess系统总体结构图。
图3是本发明的statcom/bess功率解耦控制策略图。
图4是本发明的dfig转子侧变流器控制策略图。
图5是本发明的模糊自适应控制器框图。
图6是本发明的模糊自适应控制输入输出隶属度函数图。
图7是本发明的实施例的仿真结果图1。
图8是本发明的实施例的仿真结果图2。
图9是本发明的实施例的statcom/bess模糊控制规则表格。
图10是本发明的实施例的配备有bess系统的dfig机群模糊控制规则表格。
具体实施方式
下面结合附图并通过实施例对本发明作进一步的详细说明,以下实施例是对本发明的解释而本发明并不局限于以下实施例。
如图1所示,本发明的一种考虑动作门限的系统自适应控制方法,包含以下步骤:
步骤一:控制方法持续检测系统的频率与电压偏差量,当偏差量小于dfig动作门限时,dfig机群不参与到系统的调整工作中;dfig采用功率控制方式,模糊自适应控制器不动作;statcom/bess通过模糊自适应控制调整系统电压与频率;步骤s1中的控制系统包括配备有蓄电池储能系统(batteryenergystoragesystem,bess)的dfig机群与statcom/bess,其系统结构如图2所示;statcom/bess采用有功与无功解耦控制,其总体控制框图如图3所;dfig的转子侧变流器采用功率控制模式,其总体控制框图如图4所示;模糊自适应控制器框图如图5所示。
控制系统包括配备有蓄电池储能系统(batteryenergystoragesystem,bess)的dfig机群与statcom/bess,二者已经处于稳定带载运行状态。系统偏差量包括电压偏差量εu与频率偏差量εf,其中εu=us-u*,εf=fs-f*,us、uref与fs、fref分别代表系统电压与电压参考值、系统频率与频率参考值。
dfig的控制方式为功率控制方法,由于dfig的功率输出主要通过对转子侧变流器加以控制,于是其转子侧变流器参考值如下:
其中,krpp、krpi为有功功率控制器的比例、积分参数,
statcom/bess的控制方法可采用旋转坐标系下的电流解耦控制,该方法可有效实现无功功率与有功功率的分别调节,分别对于含双馈异步风电场的孤岛运行系统的电压与频率进行控制。由statcom结构可得:
从式(2)中可以看出,statcom的电流id和iq存在耦合关系,为了实现解耦控制,可令:
则式(3)可以变为:
式(4)实现了statcom的电流解耦控制,引入pi控制器对statcom的电流dq分量进行跟踪调节,如式(5)所示:
statcom在储能系统bess的支持下,可以实现对于系统有功无功的解耦控制。传统的statcom采用电压控制方式,即对直流电容电压以及接入点电压进行控制,如式(6)所示:
可以通过设计附加频率控制环节,充分利用statocom/bessd轴分量控制有功功率输出的特性,使其可以参与系统频率的调节。即:
式(6)与式(7)构成了statcom/bess的有功与无功解耦控制。
模糊自适应控制器主要由模糊化、模糊推理决策、反模糊化三个部分组成。
模糊控制器的输入量是精确值,而控制器本身需要处理的是模糊值,这就需要将输入的精确两转化为模糊量,这主要通过模糊语言变量e加以描述。假设一偏差量ε作为输入,t(e)作为e的语言集合,一般有:
t(e)={负大,负中,负小,零,正小,正中,正大}(8)
通常用英文缩小加以表示,即:
t(e)={nb,nm,ns,z,ps,pm,pb}(9)
模糊推理决策主要依据建立的模糊规则模糊后的偏差量集合t(e)进行判断并输出。模糊规则是通过不断学习和长期的经验总结而逐渐形成的,是手动的控制策略。对模糊控制规则的建立,就是手动控制用语言形式来归纳出来,再用条件语句来对手动控制策略加以描述的过程。模糊规则一般是由像if-then、else、or、also、end等一系列词连接而成的,关系词需要被翻译才能用来将模糊控制规则数值化。比如,偏差量ε和偏差量变化率△ε/△t是控制系统的输入变量,它们所对应的语言变量为e和ec,则由专家经验判断形成的一组模糊控制规则可表示如下:
r1:ifeisnmandecispsthenuisz
r2:ifeispbandecisnsthenuisns
通常将if部分称为前提条件,then部分是对应的结论,通过对其基本结构进行总结归纳即可得到一般结构:ifeandftheng,其中e代表论域x上的一个模糊子集,f则代表论域y上的一个模糊子集。模糊控制规则r代表x×y上的一个模糊子集,其中x×y是笛卡尔乘积,则由模糊推理决策的控制量可表示为:
式中,×为模糊直积运算,
将模糊推理决策得出的控制量重新转化为精确量就是反模糊化,本专利采用的加权平均法输出的精确值可以通过输出变量ui的隶属度函数加权平均得到,这种方法是比较常见的。如下式:
式中,u*为反模糊化输出的精确量,n为输出变量u的个数。
自适应模糊控制的核心是找出pi整定参数与系统关键参数的偏差量ε和偏差量变化率△ε/△t的关系。以statcom/bess的接入点电压参数us为例,令
式中,△t为每一个采样周期,n为当前的采样次数,即t=n*△t。因此通过对于pi参数的优化整定,达到系统对于控制参数的要求,使得被控对象能够保持良好的动态和静态性能。
模糊推理的核心就是控制器参数整定规则,主要由现场调试和专家经验所得。当偏差产生时,控制器将发挥控制作用,以阻止偏差增大,其主要原则如下:
(1)当εu较大,即εu∈{nb,pb}时,为使statcom/bess具有较好的快速跟踪性能,
(2)当εu处于中等大小水平,即εu∈{nm,pm}时,为了控制超调并确保系统的响应速度,应使
(3)当接入点电压基本稳定,即εu较小,εu∈{ns,z,ps}时,为了确保系统拥有良好的稳态特性,
statcom/bess的模糊控制规则中将电压控制的模糊论域为[nb,pb]=[-εu_dfig,εu_dfig],其中εu_dfig为dfig的电压动作门限。此时控制方法将检测statcom/bess的无功输出,当其无功输出达到无功容量上限时,即
式(13)中,
类似地,statcom/bess的模糊控制规则中频率控制的模糊论域为[nb,pb]=[-εf_dfig,εf_dfig],εf_dfig为dfig频率动作门限。此时控制方法将检测statcom/bess的有功输出,当其有功输出达到有功容量上限时,即
式(14)中,
步骤二:当系统电压或者频率偏差量进一步扩大,由于statcom/bess容量有限,功率输出达到容量上限时,需要dfig提供小范围的支撑,dfig由原先的功率控制环节转为电压频率控制环节,由于dfig风电机群的容量较大,其控制灵敏度应该小于statcom/bess的控制灵敏度,采用较小的灵敏度因子λlow来降低dfig对于电压变化的无功输出,避免出现较大的超调量;dfig的电压频率控制器与功率控制器的结构详见图4。
dfig电压频率控制方式主要将其转子侧变流器参考值更改为:
式中,p*、u*为风电机组有功功率、电压参考值;ps为风电机组输出有功功率,us为风电机组输出电压;krpp、krpi分别为有功功率控制器的比例、积分系数;krvp、krvi分别为电压控制器的比例、积分系数;
为了增加dfig对于频率的控制,其有功功率由频率控制器加以控制。频率控制器由转速控制器和附加频率控制器组成,其中转速控制器设计如下:
其中,
风电机组通过控制有功功率输出来控制频率,附加频率控制器的设计如下:
其中,fs、fref分别为风电机组输出电压频率以及频率参考值;kfp1、kfp2为附加频率控制器的比例系数,kfi1、kfi2为附加频率控制器的积分系数,
最终,风电机组频率控制器给出转子侧变流器的有功功率参考值为:
其中,
dfig的模糊控制论域为[nb,pb]=[-εu_dfig,εu_dfig],由于dfig风电机群的容量较大,其控制灵敏度应该小于statcom/bess的控制灵敏度,采用较小的灵敏度因子λlow来降低dfig对于电压变化的无功输出,避免出现较大的超调量,其模糊自适应pi参数调整算式为:
式(19)中,灵敏度因子λlow<1,在实际使用中可以视dfig风电机群的容量与系统总装机容量的比例而定。
类似地,dfig对于频率变化的有功输出,避免出现较大的超调量,其模糊自适应pi参数调整算式为:
式(20)中,
步骤三:当系统偏差量继续增大,大于协调动作门限时,statcom与dfig将同时动作,均采用电压、频率控制模式。对于dfig而言,由于电压偏差量较大,需要dfig快速参与动作,将采用较大的灵敏度因子λhigh,以达到快速调节的目的。
当系统电压偏差量εu继续增大,大于协调动作门限时,即|εu|>εu_dfig,statcom与dfig将同时动作,均采用电压、频率控制模式。对于statcom/bess与dfig的电压控制器而言,二者的模糊控制论域将扩大至[nb,pb]=[-εumax,εumax],εumax为电网公司对于风电接入的电压最大偏差量。对于dfig而言,由于电压偏差量较大,需要dfig快速参与动作,将采用较大的灵敏度因子λhigh。对于statcom而言,当其功率输出达到容量上限时,即
类似地,对于statcom/bess与dfig的频率控制器而言,二者的模糊控制论域将扩大至[nb,pb]=[-εfmax,εfmax],εfmax为电网公司对于风电接入的频率最大偏差量。对于dfig而言,由于频率偏差量较大,需要dfig快速参与动作,将采用较大的灵敏度因子λhigh。对于statcom而言,当其功率输出达到容量上限时,即
为了验证所提出的模糊自适应控制方法的正确性与稳定性,同时与面向接入点控制方法相比较,采用如图2所示的风电场孤岛运行系统,该系统中设备的参数不变,唯一区别只是对于dfig与statcom/bess的控制方法不同。
基于matlab/simulink平台中设计模糊自适应控制模型,dfig与statcom/bess采用相同的隶属度函数,其模糊论域相同,输入论域为[-6,6],输出论域为[-10,10]。针对不同设备不同参数的实际要求,通过输入输出因子实现物理论域与模糊论域的映射,其输入输出隶属度函数如图6所示。
模糊自适应控制模型的性能主要依赖于对于模糊规则的设计,依据图6以及模糊控制器的设计规则,分别设计dfig与statcom/bess的模糊控制规则。由于statcom/bess参与到系统每个运行状态的控制过程中,因此根据系统运行的不同状态,选择电压、频率偏差量εu、εf以及电压、频率变化率△εu/△t、△εf/△t为输入语言变量,语言变量值取nb、nm、ns、z、ps、pm、pb七个模糊值;选择输出语言变量为△kst_pu、△kst_iu、△kst_pf以及△kst_if,其语言变量值也取nb、nm、ns、z、ps、pm、pb,根据工程经验设计模糊规则,最终建立起statcom/bess的模糊规则表,以电压控制为例,频率控制采用相同的模糊控制规则,如图9所示。
配备有bess系统的dfig的模糊控制规则在表1的控制规则上要进行进一步优化,由于当系统电压偏差量εu小于dfig动作门限时,即|εu|<εu_dfig,可令其模糊论域[ns,ps]=[-εu_dfig,εu_dfig],在该论域中dfig机群模糊自适应控制不动作。当系统电压偏差量εu继续增大,大于协调动作门限时,即|εu|>εu_dfig,dfig采用电压、频率控制模式。其模糊控制论域[nb,pb]=[-εumax,εumax],εumax为电网公司对于风电接入的电压最大偏差量。依据协调控制方法要求,同样选择电压、频率偏差量εu、εf以及电压、频率变化率△εu/△t、△εf/△t为输入语言变量,语言变量值取nb、nm、ns、z、ps、pm、pb七个模糊值;选择输出语言变量为△kdfig_pu、△kdfig_iu、△kdfig_pf以及△kdfig_if,其语言变量值也取nb、nm、ns、z、ps、pm、pb,根据工程经验设计模糊规则,最终建立起dfig的模糊规则表,以电压控制为例,频率控制采用相同的模糊控制规则,如图10所示。
本发明采用的风力机转速范围为0.7~1.21pu,额定风速为12m/s;在风电场实现自启动以及孤岛运行时假定风速恒定,给定为12m/s,总仿真时间为6s,设定频率最大偏差值εfmax=1hz,电压的最大偏差值εumax=0.2p.u.,dfig动作门限εu_dfig=0.15p.u.,灵敏度因子取λhigh=1.1,λlow=0.9。则考虑动作门限的dfig与statcom/bess系统模糊自适应控制方法的仿真结果如图7和8所示。
从图7和8中可以看出,在风电机组实现自启动之后,statcom/bess在t=2s时并入25kv母线处。图7、图8中的(d)~(i)
statcom/bess的并入为系统的稳定运行提供了有效的有功和无功支撑,虽然控制方法不同,但是由于系统运行参数一致,dfig风电机群输出有功功率约为4mw,无功功率输出约为2mvar。系统的无功功率支撑主要是由核心dfig风电机群承担。但是从图7(f)、(g)中可以看出,statcom并入风机系统后,在面向接入点控制方法中,由于dfig的转子侧控制器主要针对自启动阶段进行整定,其控制器的反映过于灵敏,单一的整定值无法满足稳态调整的需要,系统有功与无功的振荡较大,有功功率的振荡幅度达到0.2mw,无功功率的振荡幅度也达到0.2mvar;采用模糊自启动控制方法后,系统随着电压、功率的稳定逐渐调整整定值,dfig以及statcom/bess输出的功率随指数函数衰减,呈现出良好的调节效果。同时由于功率输出的稳定以及系统功率振荡的抑制,系统的频率也得到了大幅度的优化,从图7(e)中可以看出,在面向接入点的控制方法中,系统电压频率在50hz周边出现小幅振荡,偏差量接近电网的频率偏差上限0.2hz,电能质量较差;在模糊自适应控制方法中,由于电压、电流、功率的稳定控制,频率控制平滑快速,其最大偏差量为0.1hz,完全满足电网运行要求。
在协调启动阶段中,控制方法检测到系统频率、电压趋于稳定之后,于t=4s时并入了新的dfig风电机组。由于新机组启动时对于无功功率的需求较大,系统电压有所下降,us=0.87p.u.。和面向接入点控制方法在电网电压下降时均迅速反应不同,在基于模糊自适应的协调控制方法中,由于εu_dfig=0.15p.u.,并未达到dfig的动作门限,已经启动的dfig风电机组并不参与到系统的无功调节中。从图8(h)~(m)中可以看出,针对系统电压掉落,刚刚启动的dfig转子侧变换器采用恒压控制器输出无功,statcom/bess快速输出无功,在两者的作用下,常规风电机组的电压掉落时间大大缩短,由原先的电压掉落时间1s缩短至0.5s,增加了系统的稳定性。
由于有statcom/bess的电压支撑,新的dfig并网冲击大大减小,远小于statcom的并网冲击,其冲击也小于同样条件下基于面向接入点控制的并网冲击。系统电压在t=4.5s时恢复至额定电压,同时在协调控制方法的作用下,系统频率的冲击较小,同时很快趋于稳定。在系统恢复至额定电压之后,常规的dfig风电机组转为恒功率运行,主要承担有功功率的输出任务,不再参与系统电能质量的控制。如果系统受到扰动出现较大的电压与频率偏差,statcom/bess容量有限,这就需要具备自启动能力的dfig核心机群与statcom/bess进一步协调有功和无功控制。
从整个仿真结果中可以看出,相比于全局优化的单一整定值,模糊自适应算法能够有效的针对系统运行的不同阶段,给出灵活的整定值,起到了机组快速启动、功率快速稳定、电能质量优化、减弱设备并入的冲击等作用,最终使得风电场的自启动与运行控制的整个过程快速平稳。
本说明书中所描述的以上内容仅仅是对本发明所作的举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代,只要不偏离本发明说明书的内容或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。