一种风水光互补发电集控中心云控制方法与流程

本发明涉及一种风水光互补发电集控中心云控制方法，属于智慧电厂能源调度技术领域。

背景技术：

信息技术的发展催生了许多科技理论成果，为人熟知的就有云计算、物联网、网络化控制等，这三者的结合即为云控制系统。集控中心云控制系统是云控制系统在智慧电厂领域的应用。

集控中心这一复杂系统的控制，一直是困扰电力企业生产控制和决策分析的关键问题。电力企业在长期运行过程中，产生了海量的经验、信息和数据，其中蕴含着丰富的价值。但是，目前电力企业的集控中心存在分散的、孤立的子信息单元，即信息孤岛，未形成一个共享资源池，使得信息难以共享，大量的冗余导致信息不一致，影响了对信息的进一步挖掘和利用。另一方面因为规模扩大，当前计算力受到限制，也缺少合适的控制调度机制，导致集控中心难以处理这些数据，集控中心对数据的整合和利用能力不足，这些因素严重影响了国民经济的深度发展。

集控中心云控制系统的建设，能够提高新能源场站的综合管理水平，实现对所属地域分散的多个新能源场站远方监视以及控制，进一步实现“区域规划、远程集控、无人值班、少人值守”、“统一调度指挥、统一资源分配”的信息化、现代化科学管控模式。一方面实现对电站的有效控制，另一方面保证电站群的高效运行以及监控。

同时，随着石油、煤炭等化石燃料的不断消耗，能源短缺、环境污染和生态环境恶化等问题日趋严重。风能、水能和太阳能等可再生能源或常规清洁能源互补系统，被认为是在技术、经济上的改善风电、光电并网消纳的方法之一。风水光互补发电系统是风力、水力与光伏发电系统的有机结合，在资源分布上三者有着天然的时空互补性。例如在我国南方大部分地区，春夏季节风速较小，日照较强、时间较短，雨量较充沛，风电场出力较小，光伏电厂和水电站能够承担更多的负荷；而秋冬季节相反。风电、光电在日负荷特性上具有互补性。

然而，当前对于可再生能源发电调度策略的研究大多针对单一风能或太阳能以及“风光”、“风水”发电系统。综合考虑风、水、光三种能源的研究和控制方法尚不多见，且发电方法多采用单次优化，对偶然因素缺乏鲁棒性，因此在发电方法上有待更多的探索。

总结来说，在电力企业的长期运行过程中，产生了海量蕴含丰富价值的经验、信息和数据。但传统集控中心共享信息能力较弱——存在分散、孤立的子信息单元，未形成一个共享资源池。进一步地，因为规模扩大和计算能力受限，传统集控中心的理论方法难以处理这些信息。同时，现有风水光互补发电种类不多，且主要采用单次优化方法，即在时域内只进行一次优化，之后按照优化后的决策变量控制各机组，存在受偶然因素影响大、鲁棒性不强的问题；同时，也没有风水光互补发电方法与云控制系统结合的案例。

技术实现要素：

有鉴于此，本发明提出一种风水光互补发电集控中心云控制方法，能够改善风、光、水发电系统的整体性能，提高系统的运行效率。

实现本发明的技术方案如下：

一种风水光互补发电集控中心云控制方法，具体为：

构建集控中心，所述集控中心分为实时控制区、非控制生产区及生产管理区，所述实时控制区中部署有控制设备，所述非控制生产区部署有监测和预测设备，所述生产管理区分为云计算功能区和实时数据库；

所述实时控制区和非控制生产区产生的实时数据转发到所述实时数据库中，所述云计算功能区基于所述实时数据，计算出最优控制调度策略，并回传至实时控制区中的控制设备实现风水光互补发电的控制。

进一步地，本发明所述实时控制区内主要包含升压站控制设备、机组控制设备、五防系统。

进一步地，本发明所述非控制生产区内主要包含状态监测系统、功率预测系统、保信子站系统。

进一步地，本发明所述实时控制区和非控制生产区上部署有历史数据库，以单个对象的设定一时段历史数据作为文档单元进行存储，一个对象的所有历史数据形成一个集合。

进一步地，本发明所述生产管理区由企业的公有云、私有云或混合云构成。

进一步地，本发明所述生产管理区中的实时数据库中存储的数据按照设定的时间周期进行更新。

进一步地，本发明所述集控中心还包括信息管理区，所述信息管理区与所述实时数据库和外部终端设备分别相连，所述实时数据库中的数据通过信息管理区在外部终端设备上进行显示。

进一步地，本发明所述计算最优控制调度策略的过程为：

建立控制目标函数和约束条件；

设定预测控制变量，并对预测控制变量进行迭代优化，得到最优控制调度策略。

进一步地，本发明所述设定预测控制变量为u(t)，

u(t)＝[ut|t,ut|t+1,…,ut|t+t]

ut|t+t′＝[ph1,t|t+t′,ph2,t|t+t′,ph3,t|t+t′,…,phn,t|t+t′]^t,t′＝0,1,…,t

其中，t代表为整数的预测时域，下标t|t+t′代表从当前t时段预测到之后的第t′个时段，n为水电机组台数，phi,t|t+t′,i＝1,2,…,n代表第i台水电机组在从t时段开始计算未来的第t′个时段的预测控制调度功率。

进一步地，本发明在当前t时段，将最优预测控制序列u*(t)发往各水电机组，取控制序列中第一个时段的控制变量，作为施加到各水电机组的控制动作，即控制调度功率、调整机组状态，实现风水光互补发电。

有益效果

第一，本发明提出一种风水光互补发电集控中心云控制方法，将云控制和传统集控中心(由控制设备、监测和预测设备构成)结合，建立集控中心，基于所述实时数据，计算出最优控制调度策略。该方法解决了传统集控中心共享经验、信息和数据能力较弱，且处理海量数据能力较弱的问题。

第二，本发明根据风电、光电预测的和实时的功率数据，依次代入最优化目标和相应约束条件，并根据模型预测控制的思想，设计滚动优化方法，求解得到水电机组的最优预测控制调度策略。

附图说明

图1为本发明的集控中心云控制系统网络安全分区业务图；

图2为本发明的集控中心云控制系统简化结构图；

图3为本发明的通信关系原理图；

图4为本发明的集控中心云控制系统完整结构图；

图5为本发明的部分策略流程图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式，分两部分对本发明进行进一步的详细描述。

本发明实施例一种风水光互补发电集控中心云控制方法，具体为：

构建集控中心，所述集控中心分为实时控制区、非控制生产区、生产管理区及信息管理区，所述实时控制区中部署有控制设备，所述非控制生产区部署有监测和预测设备，所述生产管理区分为云计算功能区和实时数据库，所述信息管理区将系统实时数据在外部终端上发布；

所述实时控制区和非控制生产区产生的实时数据转发到所述实时数据库中，所述云计算功能区基于所述实时数据，计算出最优控制调度策略，并回传至实时控制区中的控制设备实现风水光互补发电的控制。

本发明实施例中实时控制区内主要包含升压站控制设备、机组控制设备、五防系统，非控制生产区内主要包含状态监测系统、功率预测系统、保信子站系统。

以下对本发明风水光互补发电集控中心云控制方法进行详细说明，该方法主要分为两个部分，第一部分是集控中心构建，第二部分是风水光互补发电预测控制策略的生成。具体过程如下：

第一部分，集控中心构建：

一、系统架构设计。

集控中心采用的是分层分布的控制网络系统，在网络形式上属于网络控制系统。集控中心网络安全分区业务如图1所示，分为安全ⅰ、ⅱ、ⅲ、ⅳ区，其中ⅰ区为实时控制区，ⅱ区为非控制生产区，ⅲ区为生产管理区，ⅳ区为信息管理区，其中安全ⅲ区既连接互联网，也能收集企业生产数据，所以将云平台部署在这里。ⅰ区和ⅱ区中还部署有电力生产实时监控系统、功率预测系统、设备状态监测系统、消防系统、安防系统、视频监控系统等，最终这些系统网络可以通过安全设备在集控中心的安全ⅲ区实现互联互通。同时，按照《电力二次系统安全防护规定》，为系统配置防火墙、隔离装置等安全设备。图2为包含冗余和安全装置的集控中心云控制系统简化结构图。

二、建立通信系统，包括通信网络、实时数据库、历史数据库等子系统。

1)建立通信网络：

如图3所示，将风力、水能、光伏等电场和监控系统部署在本地，数据实时上传到场站实时控制系统，再上传到云端的实时数据库中。数据在云端处理(云端可以是企业的公有云/私有云/混合云)，计算出最优控制调度策略，将控制调度策略按相反路径返回本地，从而实现最优控制调度；

2)建立历史数据库：

如图4所示，将历史数据库部署在安全ⅰ/ⅱ区。平台历史数据保存在mongodb数据库的历史数据表中，以单个对象的某一时段历史数据作为文档单元进行存储，比如1分钟/1小时/1天的历史数据形成一个文档，一个对象的所有历史数据形成一个集合。历史数据库直接和场站相连，通过modbus/ftp/iec104/iec102与风机振动系统、风机控制系统、功率预测系统、升压站预测系统和能量管理系统等交互信息。历史数据库将数据单向实时转发到实时数据库中。

3)建立实时数据库：

如图4所示，将实时数据库部署在安全ⅲ区的云计算功能区。平台数据保存在mongodb数据库的实时数据表中，每个数据对象的实时值或实时状态属性按秒级刷新，数据集大小不随时间变化而增大。实时数据库与web发布系统、机房动环系统、综合展示系统、手机app系统、erp系统、视频监控系统、安防系统等相连，完成数据处理后，将需要的数据有限制地(一段时间才发布一次调度的控制量)返回本地实时控制系统中。

第二部分，风水光互补发电预测控制策略的生成：

图5是在t时段，策略生成第2至6步的策略示意图。策略运行在两个子系统中，即集控中心云控制平台子系统和边缘控制子系统。后者部署在边缘网络中，包括风、水、光机组场站、监控系统和气象预测系统等。首先，由当前时段数据，建立优化目标和约束条件，并使用预测控制方法，计算出水电机组功率调节策略。然后，将该策略发往边缘，水电机组执行相关指令，包括开停机、运行时长、实时功率等。最后，控制指令执行完毕后，进入下一时段，更新相关数据，重复以上过程，实现滚动优化的风水光互补发电集控中心云控制。以下为详细描述。

1、设定风电、水电、光电机组的发电机组型号、数量、性能指标等。

2、在当前t时段，建立最优化控制目标。

1)基于高精度的预测日、月、年的风、光、水资源，发电企业制定合理计划，调度中心根据发电计划和线路潮流分析，给风光水互补发电的虚拟厂下发有功功率指令，电厂agc根据新能源优先消纳和电网的安全稳定原则下，对电厂的agc发电机组有功功率下发有功调度指令。风电和光伏电的功率设定值与实际值的差值由水电机组补偿。其中，风速-功率曲线及光照强度-功率曲线是根据设备厂家提供的理论功率曲线定期修正而来的(用风电、光电拟合预测器预测风电拟合有功功率pw,t,fit和光电拟合有功功率ps,t,fit)，同时监测风电实际有功功率pw,t和光电实际有功功率ps,t，并将这些数据从气象站和风电、光电机组发往集控中心云控制系统。(注意：风电、光电拟合预测器已经存在，不在本专利创新范围内。)

2)在集控中心云控制系统，建立子优化目标一：优先消纳新能源

其中，t为计算时段总数，δph,t为agc调节周期内的水电补偿有功功率。

3)在集控中心云控制系统，建立子优化目标二：水电厂的耗水量最小

其中，t和t表示时段，n表示水电机组的个数；w(t)为水电厂的耗水量；wf(phi,h,t)为第i台水电机组在h水头下的实发有功所对应的耗水量；wc(i,t)为第i台水电机组的开停机耗水量；wn(phi,h,t)为第i台水电机组补偿新能源的耗水量；q(phi,h,t)为第i台水电机组在h水头下的流量。

4)在集控中心云控制系统，建立子优化目标三：水电机组的折旧成本最小水电机组的折旧成本主要是水电机组跨越振动区和机组的启停机次数较多带来的设备磨损维修成本，以及不合理的启停机条件导致多台机组在低效率区运转所带来的附加成本。水电机组要尽可能减少跨越振动区的次数。

式中的t和t表示时段，n表示水电机组的个数；n(t)为全场t时间段内机组穿越振动区的次数；phidown1为第i台水电机组第一个振动区的下限；phiup1为第i台水电机组第一个振动区的上限；phidown2为第i台水电机组第二个振动区的下限；phiup2为第i台水电机组第二个振动区的上限。

5)在集控中心云控制系统，建立agc控制目标函数

minf＝c1δph+c2w(t)+c3n(t)(4)

其中，c1为水电补偿新能源波动有功功率的加权系数(水电调节成本)，c2为水电耗水量的加权系数(水电发电成本)，c3为水电机组穿越振动区次数的加权系数(机组折旧成本)，δph为水电补偿新能源波动的有功功率。

3、在当前t时段，建立约束条件。

1)功率平衡约束：

虚拟电厂的有功功率，包括风电有功功率pw、光伏电有功功率ps、水电有功功率ph，应该与调度下发agc指令pagc相等

pw+ps+ph＝pagc(5)

2)水电、风电、光电机组有功功率约束：

水电站有功功率不能超过调节限制，不能超出调节能力的上下限值

phmin≤ph≤phmax(6)

phmin和phmax分别是水电机组有功功率的上下限。风电场的有功功率变化限值在《gb/t19963-2011风电场接入电力系统技术规定》中给出约束：

光伏电站的有功功率变化限值在《gb/t19964-2012光伏电站接入电力系统技术规定》中给出约束：光伏电站的有功功率变化速率不应超过10％装机容量/min，允许出现因太阳能辐照度降低而引起的光伏发电站有功功率变化速率超出限值的情况。

3)水电振动区约束：

其中，phi为第i台水电机组运行时的有功功率。

4)调节死区约束：

设置调节死区可以避免微小的功率波动带来机组调节的频繁动作，死区设定值一般为1％-2％机组额定功率值，这里取调节死区为1％的机组额定功率值，即有功下发增量绝对值大于1％的机组额定功率值pspecified时，机组才动作

|δp|>0.01pspecified(8)

5)爬坡率约束：

ridown<rit<riup(9)

其中，rit为第i台机组t时段的爬坡率，ridown、riup分别代表第i台机组在自动控制时可达到最大功率减少、增加速度(mw/min)。

6)水电机组开机条件约束：

pagc-(pw,forc+ps,forc)+pb>∑pt(10)

其中，pb为水电厂的旋转备用容量，∑pt已投入水电agc的并网机组的可调节容量，pw,forc和ps,forc为风电、光电的有功功率预测值，仅包含开机的机组。同时，计算水电机组开机台数

其中，pm为水电机组单机最大容量。

7)水电机组停机条件约束：

∑pt-(pagc-pw,forc-ps,forc+pb)>pm(12)

同时，计算水电机组停机台数

8)风电机组停机条件约束：

最近一段时间内风资源最差的风机持续在低功率状态运行一段时间(数分钟)，且该风机的停机对风电场的有功调节能力影响不大，则遥控该风机停机。一个agc调度周期内只允许一台风机停机

pagc,w＜＜θ1pw,forc-pw,i(14)

式中pw,i为单台风机实时有功功率，θ1为加权系数，取值范围0～1。

9)风电机组开机条件约束：

式中pwi,forc为单台风机的预测功率，pagc,w为下发风电场的有功功率调节值，θ2为加权系数，取值范围0～1。

4、在当前t时段，求解最优化问题。

1)设定预测控制变量为

ut|t+t′＝[ph1,t|t+t′,ph2,t|t+t′,ph3,t|t+t′,…,phn,t|t+t′]^t,t′＝0,1,…,t(16)

其中t代表为整数的预测时域，下标t|t+t′代表从当前t时段预测到之后的第t′个时段，n为水电机组台数，phi,t|t+t′,i＝1,2,…,n代表第i台水电机组在从t时段开始计算未来的第t′个时段的预测控制调度功率。

2)设定预测控制序列为

u(t)＝[ut|t,ut|t+1,…,ut|t+t,](17)

即在t时段对未来一个预测周期内的控制序列。

3)由第2、第3步建立的最优化问题，以phi,t|t+t′,i＝1,2,…,n为优化变量，即可得到最优预测控制序列u^*(t)。

5、在当前t时段，集控中心云控制系统将最优预测控制序列u^*(t)发往各水电机组，取控制序列中第一个时段的控制变量，作为施加到各水电机组的控制动作，即控制调度功率，调整机组状态，实现风水光互补发电。

6、风电、水电、光电机组的数据被实时上传到安全ⅰ区、安全ⅱ区的历史数据库和安全ⅲ区的实时数据库中，集控中心云控制系统根据更新的数据刷新最优化目标函数及约束，重复第2、3、4、5步。人为停止时，即优化终止。

本发明该方法设计和建立了集控中心，将云计算功能区部署在了集控中心分区中的安全ⅲ区，建立了通信系统，并基于这个集控中心云控制系统设计了风水光互补发电预测控制方法，从而提升了集控中心的信息共享能力、数据处理能力和对偶然因素的鲁棒性，建立了一套风水光互补发电的机制。能够解决现有集控中心共享经验、信息和数据能力较弱，处理海量数据能力较弱，已有风水光互补发电方法应对偶然因素能力差、鲁棒性差，以及控制系统未承载风水光互补发电机制这四个方面的问题。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。