风电场鲁棒频率协调控制方法、系统和计算机存储介质

1.本发明涉及电力技术领域，特别涉及一种风电场鲁棒频率协调控制方法、系统和计算机存储介质。


背景技术：

2.目前风力发电系统采取的主流并网方案中，均由电力电子变流器将电网频率与风电机组输出的电磁功率解耦，因此在常规的控制模式(例如最大功率点跟踪模式)下运行的风电机组无法提供惯量响应和一次调频主动支撑能力，导致电网等效惯量降低，在同等负荷扰动下的频率波动更加剧烈，对电网频率稳定和可靠运行构成挑战。
3.在现有新能源场站的控制方法中，按照控制层级可以分为单机控制策略和集群控制策略两类。其中单机控制策略难以保证风电场整体的灵活响应能力，无法跟踪调控中心调节指令，同时单机间的行为缺乏协调，容易存在内部竞争和局部失稳的风险。集群控制策略依靠风电场内的通信设施，通过集群层的量测信息和控制指令进行协调控制。目前的集群控制策略中，基于模型的协调方法由于现场参数量测困难，模型精确性难以保证，基于数据驱动的方法由现场量测数据建立当前运行点下的风电机组模型，并且具有从量测数据到控制输出的闭环反馈机制，因此控制的精确性和最优性都更有保障。在实际的工程应用中，现场量测信号中的噪声可能会干扰控制算法的稳定性，因此需要研究一种对量测噪声具有抗干扰能力的数据驱动风电场频率协调控制方法。


技术实现要素：

4.为解决上述问题，本发明提供了一种风电场鲁棒频率协调控制方法、系统和计算机存储介质。
5.第一方面，本发明实施例提供一种风电场鲁棒频率协调控制方法，包括：
6.根据风电场内不同时刻的发电单体风机转速、风机有功指令和风速，建立初始数据集；
7.将所述初始数据集进行鲁棒模态分解，确定风机动态模型，所述风机动态模型根据发电单体风机转速、风机有功指令和风速，确定下一时刻的所述发电单体的风机转速；
8.将不同发电单体的风机动态模型合并为控制模型，所述控制模型分别根据不同发电单体风机转速、风机有功指令和风速，分别确定下一时刻的对应发电单体的风机转速；
9.根据所述控制模型，建立关于风速和风机转速的目标函数，设置所述目标函数的优化目标为使发电单体的调频任务在对应发电单体发电水平的基础上进行分配，优化风机转速的波动程度，根据不同发电单体的时序、有功指令区间和初始状态，设置相应的约束条件；
10.对所述目标函数求解，得到有功调节指令，根据所述有功调节指令对所述风电场频率进行调节。
11.在一些具体的实施例中，根据风电场内不同时刻的发电单体风机转速、风机有功
指令和风速，建立初始数据集，包括以下步骤：
12.建立发电单体的状态方程如下：
13.w
k+1
＝f(wk，uk)
14.其中k表示时刻，wk表示k时刻的风机转速，w
k+1
表示k+1时刻的风机转速，f代表非线性状态转移关系函数，uk为k时刻的输入量，uk具体为：
[0015][0016]
其中p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速。
[0017]
在一些具体的实施例中，将所述初始数据集进行鲁棒模态分解，确定风机动态模型，包括以下步骤：
[0018]
构建所述初始数据集中相邻时刻数据、状态转移矩阵和所述相邻时刻数据的残差向量的数量关系；
[0019]
根据所述残差向量的损失函数，确定所述状态转移矩阵；
[0020]
将所述状态转移矩阵分割，分别得到动态转移矩阵和动态输入矩阵，根据所述动态转移矩阵和动态输入矩阵，建立相邻时刻的所述发电单体的风机转速关系。
[0021]
在一些具体的实施例中，构建所述初始数据集中相邻时刻数据、状态转移矩阵和所述相邻时刻数据的残差向量的数量关系，包括以下步骤：
[0022]
假定存在状态转移矩阵满足：
[0023][0024]
其中，k表示时刻，wk表示k时刻的风机转速，w
k+1
表示 k+1时刻的风机转速，uk具体为：
[0025][0026]
其中，p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速，rk为残差向量，定义残差向量的第j项：
[0027][0028]
其中aj为状态转移矩阵的第j行。
[0029]
在一些具体的实施例中，根据所述残差向量的损失函数，确定所述状态转移矩阵，包括以下步骤：
[0030]
所述残差向量的损失函数定义为
[0031]
[0032]
其中，δ是鲁棒回归设定阈值，k表示时刻，rk为残差向量，j表示状态转移矩阵第j行；
[0033]
根据下式，确定所述状态转移矩阵
[0034][0035]
其中n为初始数据集的长度，n为初始数据集的维数。
[0036]
在一些具体的实施例中，将所述状态转移矩阵分割，分别得到动态转移矩阵和动态输入矩阵，根据所述动态转移矩阵和动态输入矩阵，建立相邻时刻的所述发电单体的风机转速关系，包括以下步骤：
[0037]
将状态转移矩阵的左上方1
×
1子块分割出来，得到动态转移矩阵a，将状态转移矩阵的右上方1
×
2子块分割出来，得到动态输入矩阵b；
[0038]
经过鲁棒模态分解的发电单体动态模型就可以表示为如下形式：
[0039]wk+1
＝awk+buk[0040]
其中，k表示时刻，w
k+1
表示k+1时刻的风机转速，wk表示k时刻的风机转速，输入量uk具体为：
[0041][0042]
其中，p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速。
[0043]
在一些具体的实施例中，将不同发电单体的风机动态模型合并为控制模型，包括以下步骤：
[0044]
根据鲁棒模态分解方法，得到风场内m个发电单体的动态模型：
[0045][0046]
其中，k表示时刻，i为发电单体编号，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，ai为编号为i的发电单体的动态转移矩阵，bi为编号为i的发电单体的动态输入矩阵，为编号为i的发电单体输入量uk，输入量uk具体为：
[0047][0048]
其中，p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速；
[0049]
定义控制模型中的状态向量：
[0050][0051]
定义各发电单体的当前风速和有功指令的输入向量：
[0052][0053]
将所述状态向量和输入向量构成对应的控制模型：
[0054]
χ
k+1
＝aχk+buk[0055]
其中，矩阵a，b由各发电单体的状态转移矩阵按照如下对角形式构造：
[0056][0057][0058]
在一些具体的实施例中，根据所述控制模型，建立关于风速和风机转速的目标函数，包括以下步骤：
[0059]
风电场动态优化控制算法表示如下：
[0060][0061]
subject to χ
k+1
＝aχk+bvk，k＝0，
…
，t-1
[0062]ek
χk+fkvk≤bk，k＝0，
…
，t-1
[0063]et
χ
t
≤b
t
[0064]
其中，目标函数j为如下：
[0065][0066]
其中，k表示时刻，t为模型预测控制算法的预测区间长度，上标
′
代表向量或矩阵的转置，qk，rk分别为状态量和输入量的半正定系数矩阵，q
′k，r
′k分别为状态量和输入量的梯度向量，矩阵ek，fk分别对应状态量约束矩阵和输入量约束矩阵，向量bk为边界向量，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，m为发电单体总数，vk为k时刻的风速。
[0067]
在一些具体的实施例中，设置所述目标函数的优化目标为使发电单体的调频任务在对应发电单体发电水平的基础上进行分配，优化风机转速的波动程度，包括以下步骤：
[0068]
设置优化目标如下：
[0069][0070]
其中有功调节量定义为
[0071][0072]
表示风机有功指令相对于本地控制器在最大功率跟踪模式下给出的控制指令的调节量，m为发电单体总数，i为发电单体编号，t为模型预测控制算法的预测区间长度，k
df
为风电场对外功频特性曲线的下垂系数，qw为平衡两个优化目标的权重系数，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，
[0073]
如果当前风电场采取减载工作模式，相应的有功调节参考变为：
[0074][0075]
其中为减载工作模式的有功指令，rd为减载幅度系数，频率偏差量则定义为
[0076]
δf＝f
meas-f
ref
[0077]
表示并网点量测频率f
meas
相对于参考频率f
ref
之间的偏差量。
[0078]
在一些具体的实施例中，根据不同发电单体的时序、有功指令区间和初始状态，设置相应的约束条件，包括以下步骤：
[0079]
设置以下约束条件：
[0080]
χ
k+1
＝aχk+bvk，k＝0，1，
…
，t-1
[0081][0082][0083][0084]
其中，k表示时刻，vk为k时刻的风速，t为模型预测控制算法的预测区间长度，矩阵a，b由各发电单体的状态转移矩阵按照如下对角形式构造：
[0085][0086][0087]
i为发电单体编号，ai为编号为i的发电单体的动态转移矩阵，bi为编号为i的发电单体的动态输入矩阵，为编号为i的发电单体在k时刻的风机转速，w
min
为发电单体最大风机转速，w
max
为发电单体最小风机转速，表示编号为i的发电单体在k时刻的有功指令，p
rej，min
表示发电单体的最小有功指令，p
ref，max
表示发电单体的最大有功指令。
[0088]
第二方面，本发明实施例提供一种风电场鲁棒频率协调控制系统，包括：
[0089]
数据收集模块，用于根据风电场内不同时刻的发电单体风机转速、风机有功指令和风速，建立初始数据集；
[0090]
风机动态模型确定模块，用于将所述初始数据集进行鲁棒模态分解，确定风机动态模型，所述风机动态模型根据发电单体风机转速、风机有功指令和风速，确定下一时刻的所述发电单体的风机转速；
[0091]
控制模型确定模块，用于将不同发电单体的风机动态模型合并为控制模型，所述控制模型分别根据不同发电单体风机转速、风机有功指令和风速，分别确定下一时刻的对应发电单体的风机转速；
[0092]
优化目标确定模块，用于根据所述控制模型，建立关于风速和风机转速的目标函数，设置所述目标函数的优化目标为使发电单体的调频任务在对应发电单体发电水平的基础上进行分配，优化风机转速的波动程度，根据不同发电单体的时序、有功指令区间和初始状态，设置相应的约束条件；
[0093]
频率调节模块，用于对所述目标函数求解，得到有功调节指令，根据所述有功调节指令对所述风电场频率进行调节。
[0094]
在一些具体的实施例中，所述数据收集模块，具体用于：
[0095]
建立发电单体的状态方程如下：
[0096]wk+1
＝f(wk，uk)
[0097]
其中k表示时刻，wk表示k时刻的风机转速，w
k+1
表示k+1时刻的风机转速，f代表非线性状态转移关系函数，uk为k时刻的输入量，uk具体为：
[0098][0099]
其中p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速。
[0100]
在一些具体的实施例中，所述风机动态模型确定模块，具体用于：
[0101]
构建所述初始数据集中相邻时刻数据、状态转移矩阵和所述相邻时刻数据的残差向量的数量关系；
[0102]
根据所述残差向量的损失函数，确定所述状态转移矩阵；
[0103]
将所述状态转移矩阵分割，分别得到动态转移矩阵和动态输入矩阵，根据所述动态转移矩阵和动态输入矩阵，建立相邻时刻的所述发电单体的风机转速关系。
[0104]
在一些具体的实施例中，所述风机动态模型确定模块，包括：
[0105]
数量关系构建单元，用于假定存在状态转移矩阵满足：
[0106][0107]
其中，k表示时刻，wk表示k时刻的风机转速，w
k+1
表示 k+1时刻的风机转速，uk具体为：
[0108]
[0109]
其中，p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速，rk为残差向量，定义残差向量的第j项：
[0110][0111]
其中aj为状态转移矩阵的第j行；
[0112]
状态转移矩阵确定单元，用于所述残差向量的损失函数定义为
[0113][0114]
其中，δ是鲁棒回归设定阈值，k表示时刻，rk为残差向量，j表示状态转移矩阵第j行；
[0115]
根据下式，确定所述状态转移矩阵
[0116][0117]
其中n为初始数据集的长度，n为初始数据集的维数；
[0118]
风机转速关系建立单元，用于将状态转移矩阵的左上方1
×
1子块分割出来，得到动态转移矩阵a，将状态转移矩阵的右上方1
×
2子块分割出来，得到动态输入矩阵b；
[0119]
经过鲁棒模态分解的发电单体动态模型就可以表示为如下形式：
[0120]wk+1
＝awk+buk[0121]
其中，k表示时刻，w
k+1
表示k+1时刻的风机转速，wk表示k时刻的风机转速，输入量uk具体为：
[0122][0123]
其中，p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速。
[0124]
在一些具体的实施例中，所述控制模型确定模块，具体用于：
[0125]
根据鲁棒模态分解方法，得到风场内m个发电单体的动态模型：
[0126][0127]
其中，k表示时刻，i为发电单体编号，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，ai为编号为i的发电单体的动态转移矩阵，bi为编号为i的发电单体的动态输入矩阵，为编号为i的发电单体输入量uk，输入量uk具体为：
[0128][0129]
其中，p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速；
[0130]
定义控制模型中的状态向量：
[0131][0132]
定义各发电单体的当前风速和有功指令的输入向量：
[0133][0134]
将所述状态向量和输入向量构成对应的控制模型：
[0135]
χ
k+1
＝aχk+buk[0136]
其中，矩阵a，b由各发电单体的状态转移矩阵按照如下对角形式构造：
[0137][0138][0139]
在一些具体的实施例中，所述优化目标确定模块，包括：
[0140]
目标函数建立单元，用于将风电场动态优化控制算法表示如下：
[0141][0142]
subject to χ
k+1
＝aχk+bvk，k＝0，
…
，t-1
[0143]ek
χk+fkvk≤bk，k＝0，
…
，t-1
[0144]et
χ
t
≤b
t
[0145]
其中，目标函数j为如下：
[0146][0147]
其中，k表示时刻，t为模型预测控制算法的预测区间长度，上标
′
代表向量或矩阵的转置，qk，rk分别为状态量和输入量的半正定系数矩阵，q
′k，r
′k分别为状态量和输入量的梯度向量，矩阵ek，fk分别对应状态量约束矩阵和输入量约束矩阵，向量bk为边界向量，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，m为发电单体总数，vk为k时刻的风速；
[0148]
波动程度优化单元，用于设置优化目标如下：
[0149]
[0150]
其中有功调节量定义为
[0151][0152]
表示风机有功指令相对于本地控制器在最大功率跟踪模式下给出的控制指令的调节量，m为发电单体总数，i为发电单体编号，t为模型预测控制算法的预测区间长度，k
df
为风电场对外功频特性曲线的下垂系数，qw为平衡两个优化目标的权重系数，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，
[0153]
如果当前风电场采取减载工作模式，相应的有功调节参考变为：
[0154][0155]
其中为减载工作模式的有功指令，rd为减载幅度系数，频率偏差量则定义为
[0156]
δf＝f
meas-f
ref
[0157]
表示并网点量测频率f
meas
相对于参考频率f
ref
之间的偏差量；
[0158]
约束条件设置单元，用于设置以下约束条件：
[0159]
χ
k+1
＝aχk+bvk，k＝0，1，
…
，t-1
[0160][0161][0162][0163]
其中，k表示时刻，vk为k时刻的风速，t为模型预测控制算法的预测区间长度，矩阵a，b由各发电单体的状态转移矩阵按照如下对角形式构造：
[0164][0165][0166]
i为发电单体编号，ai为编号为i的发电单体的动态转移矩阵，bi为编号为i的发电单体的动态输入矩阵，为编号为i的发电单体在k时刻的风机转速，w
min
为发电单体最大风机转速，w
max
为发电单体最小风机转速，表示编号为i的发电单体在k时刻的有功指令，p
ref，min
表示发电单体的最小有功指令，p
ref，max
表示发电单体的最大有功指令。
[0167]
基于同一发明构思，本发明实施例还提供一种计算机存储介质，所述计算机存储
介质中存储有计算机可执行指令，所述计算机可执行指令执行时实现前述的风电场鲁棒频率协调控制方法。
[0168]
本发明实施例提供的上述技术方案的有益效果至少包括：
[0169]
本发明实施例为高比例风电独立电力系统的频率协调控制提供了一种基于鲁棒模态分解的数据驱动的控制方法，使得风电系统的动态特性能够通过鲁棒模态分解算法给出的状态转移矩阵进行全局捕获，在模型拟合精度满足控制需求的同时对数据噪声的抗干扰能力更强，控制模型的纯线性特征也为在线快速动态响应提供了良好基础，从而同时满足实际控制环节中响应精度和速度的要求。
[0170]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
[0171]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0172]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。在附图中：
[0173]
图1为本发明实施例中基于鲁棒模态分解的风场频率协调控制模块关系示意图；
[0174]
图2为本发明实施例中基于鲁棒模态分解的风场频率协调控制实施步骤示意图。
具体实施方式
[0175]
下面将参照附图更详细地描述本公开示例性实施例。虽然附图中显示了本公开示例性实施例，然而应当理解，可以以各种形式实现本发明技术方案而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
[0176]
为了解决现有技术中存在的问题，本发明实施例提供一种风电场鲁棒频率协调控制方法、系统和计算机存储介质。
[0177]
实施例一
[0178]
本发明实施例一提供一种风电场鲁棒频率协调控制方法，包括如下步骤：
[0179]
步骤s1：根据风电场内不同时刻的发电单体风机转速、风机有功指令和风速，建立初始数据集；
[0180]
在一些具体的实施例中，根据风电场内不同时刻的发电单体风机转速、风机有功指令和风速，建立初始数据集，包括以下步骤：
[0181]
建立发电单体的状态方程如下：
[0182]wk+1
＝f(wk，uk)
[0183]
其中k表示时刻，wk表示k时刻的风机转速，w
k+1
表示k+1时刻的风机转速，f代表非线性状态转移关系函数，uk为k时刻的输入量，uk具体为：
[0184][0185]
其中p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速。
[0186]
步骤s2：将所述初始数据集进行鲁棒模态分解，确定风机动态模型，所述风机动态模型根据发电单体风机转速、风机有功指令和风速，确定下一时刻的所述发电单体的风机转速；
[0187]
在一些具体的实施例中，将所述初始数据集进行鲁棒模态分解，确定风机动态模型，包括以下步骤：
[0188]
构建所述初始数据集中相邻时刻数据、状态转移矩阵和所述相邻时刻数据的残差向量的数量关系；
[0189]
根据所述残差向量的损失函数，确定所述状态转移矩阵；
[0190]
将所述状态转移矩阵分割，分别得到动态转移矩阵和动态输入矩阵，根据所述动态转移矩阵和动态输入矩阵，建立相邻时刻的所述发电单体的风机转速关系。
[0191]
在一些具体的实施例中，构建所述初始数据集中相邻时刻数据、状态转移矩阵和所述相邻时刻数据的残差向量的数量关系，包括以下步骤：
[0192]
假定存在状态转移矩阵满足：
[0193][0194]
其中，k表示时刻，wk表示k时刻的风机转速，w
k+1
表示 k+1时刻的风机转速，uk具体为：
[0195][0196]
其中，p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速，rk为残差向量，定义残差向量的第j项：
[0197][0198]
其中aj为状态转移矩阵的第j行。
[0199]
在一些具体的实施例中，根据所述残差向量的损失函数，确定所述状态转移矩阵，包括以下步骤：
[0200]
所述残差向量的损失函数定义为
[0201][0202]
其中，δ是鲁棒回归设定阈值，k表示时刻，rk为残差向量，j表示状态转移矩阵第j行；
[0203]
根据下式，确定所述状态转移矩阵
[0204]
[0205]
其中n为初始数据集的长度，n为初始数据集的维数。
[0206]
在一些具体的实施例中，将所述状态转移矩阵分割，分别得到动态转移矩阵和动态输入矩阵，根据所述动态转移矩阵和动态输入矩阵，建立相邻时刻的所述发电单体的风机转速关系，包括以下步骤：
[0207]
将状态转移矩阵的左上方1
×
1子块分割出来，得到动态转移矩阵a，将状态转移矩阵的右上方1
×
2子块分割出来，得到动态输入矩阵b；
[0208]
经过鲁棒模态分解的发电单体动态模型就可以表示为如下形式：
[0209]wk+1
＝awk+buk[0210]
其中，k表示时刻，w
k+1
表示k+1时刻的风机转速，wk表示k时刻的风机转速，输入量uk具体为：
[0211][0212]
其中，p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速。
[0213]
步骤s3：将不同发电单体的风机动态模型合并为控制模型，所述控制模型分别根据不同发电单体风机转速、风机有功指令和风速，分别确定下一时刻的对应发电单体的风机转速；
[0214]
在一些具体的实施例中，将不同发电单体的风机动态模型合并为控制模型，包括以下步骤：
[0215]
根据鲁棒模态分解方法，得到风场内m个发电单体的动态模型：
[0216][0217]
其中，k表示时刻，i为发电单体编号，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，ai为编号为i的发电单体的动态转移矩阵，bi为编号为i的发电单体的动态输入矩阵，为编号为i的发电单体输入量uk，输入量uk具体为：
[0218][0219]
其中，p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速；
[0220]
定义控制模型中的状态向量：
[0221][0222]
定义各发电单体的当前风速和有功指令的输入向量：
[0223][0224]
将所述状态向量和输入向量构成对应的控制模型：
[0225]
χ
k+1
＝aχk+buk[0226]
其中，矩阵a，b由各发电单体的状态转移矩阵按照如下对角形式构造：
[0227][0228][0229]
步骤s4：根据所述控制模型，建立关于风速和风机转速的目标函数，设置所述目标函数的优化目标为使发电单体的调频任务在对应发电单体发电水平的基础上进行分配，优化风机转速的波动程度，根据不同发电单体的时序、有功指令区间和初始状态，设置相应的约束条件；
[0230]
在一些具体的实施例中，根据所述控制模型，建立关于风速和风机转速的目标函数，包括以下步骤：
[0231]
风电场动态优化控制算法表示如下：
[0232][0233]
subject to χ
k+1
＝aχk+bvk，k＝0，
…
，t-1
[0234]ek
χk+fkvk≤bk，k＝0，
…
，t-1
[0235]et
χ
t
≤b
t
[0236]
其中，目标函数j为如下：
[0237][0238]
其中，k表示时刻，t为模型预测控制算法的预测区间长度，上标
′
代表向量或矩阵的转置，qk，rk分别为状态量和输入量的半正定系数矩阵，q
′k，r
′k分别为状态量和输入量的梯度向量，矩阵ek，fk分别对应状态量约束矩阵和输入量约束矩阵，向量bk为边界向量，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，m为发电单体总数，vk为k时刻的风速。
[0239]
在一些具体的实施例中，设置所述目标函数的优化目标为使发电单体的调频任务在对应发电单体发电水平的基础上进行分配，优化风机转速的波动程度，包括以下步骤：
[0240]
设置优化目标如下：
[0241][0242]
其中有功调节量定义为
[0243][0244]
表示风机有功指令相对于本地控制器在最大功率跟踪模式下给出的控制指令的调节量，m为发电单体总数，i为发电单体编号，t为模型预测控制算法的预测区间长度，k
df
为风电场对外功频特性曲线的下垂系数，qw为平衡两个优化目标的权重系数，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，
[0245]
如果当前风电场采取减载工作模式，相应的有功调节参考变为：
[0246][0247]
其中为减载工作模式的有功指令，rd为减载幅度系数，频率偏差量则定义为
[0248]
δf＝f
meas-f
ref
[0249]
表示并网点量测频率f
meas
相对于参考频率f
ref
之间的偏差量。
[0250]
在一些具体的实施例中，根据不同发电单体的时序、有功指令区间和初始状态，设置相应的约束条件，包括以下步骤：
[0251]
设置以下约束条件：
[0252]
χ
k+1
＝aχk+bvk，k＝0，1，
…
，t-1
[0253][0254][0255][0256]
其中，k表示时刻，vk为k时刻的风速，t为模型预测控制算法的预测区间长度，矩阵a，b由各发电单体的状态转移矩阵按照如下对角形式构造：
[0257][0258][0259]
i为发电单体编号，ai为编号为i的发电单体的动态转移矩阵，bi为编号为i的发电单体的动态输入矩阵，为编号为i的发电单体在k时刻的风机转速，w
min
为发电单体最大风机转速，w
max
为发电单体最小风机转速，表示编号为i的发电单体在k时刻的有功指令，p
ref，min
表示发电单体的最小有功指令，p
ref，max
表示发电单体的最大有功指令。
[0260]
步骤s5：对所述目标函数求解，得到有功调节指令，根据所述有功调节指令对所述风电场频率进行调节。
[0261]
例如，如图1所示，本方法包括基于鲁棒动态模态分解的风机动态模型辨识和风场频率协调控制。具体实施框架如图2所示，量测采集风电场的风机状态，进行鲁棒模态分解，形成动态模型，进行模型预测控制，输出下一时刻的控制命令到风电场，量测并采集下一时刻的风电场风机状态，如此调节，详述如下：
[0262]
应用本控制方法的对象为大型风电场内的风电机组集群，由于双馈异步风机当前的投资建设最具规模，因此假设控制对象为双馈异步风机，同时对于场内运行工况和设备参数相近的风机可以聚合为一个单体进行控制。
[0263]
为了叙述方便，假设双馈异步风机的本地控制环节可以使变流器的有功出力跟随外部有功指令进行调节，同时转速通过桨距角本地控制进行约束保护。
[0264]
(1)构建初始数据集
[0265]
从调频控制角度建立发电单体的状态方程如下：
[0266]wk+1
＝f(wk，uk)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0267]
其中k为当前时刻，wk表示k时刻的风机转速，f代表非线性状态转移关系函数，uk为 k时刻的输入变量，具体含义为：
[0268][0269]
其中p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速。
[0270]
从数据驱动的角度，应当根据风机运行过程积累的历史数据还原其动态特性，而这种状态转移关系主要包含在具有时序对应关系的数据对中，表示为
[0271]
x＝[x
1 x2…
xn]，y＝[y
1 y2…yn
]
ꢀꢀꢀꢀ
(3)
[0272]
其中x，y为数据集，即为k时刻的数据对，共有n对，n为历史数据集的长度。需要注意的是，数据矩阵是可以进行列交换的，只要两个矩阵之间满足列对应关系即可。
[0273]
(2)鲁棒模态分解
[0274]
在鲁棒模态分解方法中，假定存在状态转移矩阵满足：
[0275][0276]
其中rk为残差向量，定义残差向量的第j项：
[0277][0278]
其中aj为矩阵的第j行。
[0279]
基于数据集x，y还原状态转移矩阵的鲁棒模态分解方法就是求解如下优化问题：
[0280]
[0281]
其中n为数据集的长度，n为数据集的维数，为损失函数，定义为
[0282][0283]
其中δ是鲁棒回归设定阈值，通常设定为1至3之间。
[0284]
从控制的角度，还需要将矩阵按照状态量维数和输入量维数进行分割，对于本方法，将矩阵的左上方1
×
1子块分割出来就成为动态方程的状态转移矩阵a，将矩阵的右上方 1
×
2子块分割出来就得到输入矩阵b。至此经过鲁棒模态分解的风机动态模型就可以表示为如下形式：
[0285]wk+1
＝awk+bukꢀꢀꢀꢀ
(8)
[0286]
(3)频率协调控制模型
[0287]
根据鲁棒模态分解方法，可以得到风场内m个发电单体的动态模型：
[0288][0289]
在此基础上定义集中控制模型中的状态向量：
[0290][0291]
同时定义包含各发电单体的当前风速和有功指令的输入向量：
[0292][0293]
从式(9)可以给出集中状态向量对应的控制模型：
[0294]
χ
k+1
＝aχk+bukꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)
[0295]
其中矩阵a，b可以由各发电单体的状态转移矩阵按照如下对角形式构造：
[0296][0297][0298]
可以看出，通过这种方式构造的矩阵a，b具有特殊的稀疏结构，为快速求解在线动态优化控制问题提供了更便利的条件。
[0299]
(4)在线动态优化
[0300]
在通过数据驱动的方法获得风机线性动态模型的基础上，按照模型预测控制架构的一般形式，可以将风场动态优化控制算法表示如下：
[0301][0302]
其中t为模型预测控制算法的预测区间长度，而目标函数j为如下形式：
[0303][0304]
其中上标
′
代表向量或矩阵的转置，qk，rk分别为状态量和控制量的半正定系数矩阵， q
′k，r
′k分别为状态量和控制量的梯度向量，矩阵ek，fk分别对应状态量约束矩阵和输入量约束矩阵，向量bk为边界向量。上述系数矩阵的设计依赖于风场动态优化控制目标。
[0305]
在风电调频的问题中，鉴于控制目标需要在风电场有功调频指令跟随效果和发电单体的转速暂态稳定两方面进行优化，因此我们用风机转速的波动程度衡量其暂态稳定程度，给出如下优化目标：
[0306][0307]
其中有功调节量定义为
[0308][0309]
表示风机有功指令相对于本地控制器在最大功率跟踪模式下给出的控制指令的调节量，如果当前风电场采取减载工作模式，相应的有功调节参考变为：
[0310][0311]
其中为减载工作模式的有功指令，rd为减载幅度系数。频率偏差量则定义为δf＝f
meas-f
ref
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(20)
[0312]
表示并网点量测频率f
meas
相对于参考频率f
ref
之间的偏差量。而参数k
df
为风电场对外功频特性曲线的下垂系数，qw为平衡两个优化目标的权重系数。式(17)中优化目标的第一项通过在本地控制指令基础上调节有功指令，使风机调频任务的分配在考虑各自发电水平的基础上进行，从而使有功出力的总体分配与风机本地工况相对应，使风电场群在提供调频服务的同时也保障了风电场群整体的风能转化效益。优化目标的第二项通过优化风机转速的波动程度使风机运行状态更加稳定，从而降低风机因为参与调频响应过程而对变速箱等脆弱机械部件增加的机械疲劳，延长风机的工作寿命。
[0313]
在优化目标的基础上，给出集中状态向量的时序约束、输入约束以及初始状态约束：
[0314]
χ
k+1
＝aχk+bvk，k＝0，1，
…
，t-1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)
[0315][0316]
[0317][0318]
由于约束条件和目标函数都具有凸性，因此整个模型就构成一个凸优化的qp问题，通过现有的优化求解程序可以精确快速求解。
[0319]
本实施例的上述方法中，为高比例风电独立电力系统的频率协调控制提供了一种基于鲁棒模态分解的数据驱动的控制方法，使得风电系统的动态特性能够通过鲁棒模态分解算法给出的状态转移矩阵进行全局捕获，在模型拟合精度满足控制需求的同时对数据噪声的抗干扰能力更强，控制模型的纯线性特征也为在线快速动态响应提供了良好基础，从而同时满足实际控制环节中响应精度和速度的要求。
[0320]
本领域技术人员能够对上述顺序进行变换而并不离开本发明的保护范围。
[0321]
实施例二
[0322]
本发明实施例二提供一种风电场鲁棒频率协调控制系统，包括：
[0323]
数据收集模块，用于根据风电场内不同时刻的发电单体风机转速、风机有功指令和风速，建立初始数据集；
[0324]
风机动态模型确定模块，用于将所述初始数据集进行鲁棒模态分解，确定风机动态模型，所述风机动态模型根据发电单体风机转速、风机有功指令和风速，确定下一时刻的所述发电单体的风机转速；
[0325]
控制模型确定模块，用于将不同发电单体的风机动态模型合并为控制模型，所述控制模型分别根据不同发电单体风机转速、风机有功指令和风速，分别确定下一时刻的对应发电单体的风机转速；
[0326]
优化目标确定模块，用于根据所述控制模型，建立关于风速和风机转速的目标函数，设置所述目标函数的优化目标为使发电单体的调频任务在对应发电单体发电水平的基础上进行分配，优化风机转速的波动程度，根据不同发电单体的时序、有功指令区间和初始状态，设置相应的约束条件；
[0327]
频率调节模块，用于对所述目标函数求解，得到有功调节指令，根据所述有功调节指令对所述风电场频率进行调节。
[0328]
在一些具体的实施例中，所述数据收集模块，具体用于：
[0329]
建立发电单体的状态方程如下：
[0330]wk+1
＝f(wk，uk)
[0331]
其中k表示时刻，wk表示k时刻的风机转速，w
k+1
表示k+1时刻的风机转速，f代表非线性状态转移关系函数，uk为k时刻的输入量，uk具体为：
[0332][0333]
其中p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速。
[0334]
在一些具体的实施例中，所述风机动态模型确定模块，具体用于：
[0335]
构建所述初始数据集中相邻时刻数据、状态转移矩阵和所述相邻时刻数据的残差向量的数量关系；
[0336]
根据所述残差向量的损失函数，确定所述状态转移矩阵；
[0337]
将所述状态转移矩阵分割，分别得到动态转移矩阵和动态输入矩阵，根据所述动
态转移矩阵和动态输入矩阵，建立相邻时刻的所述发电单体的风机转速关系。
[0338]
在一些具体的实施例中，所述风机动态模型确定模块，包括：
[0339]
数量关系构建单元，用于假定存在状态转移矩阵满足：
[0340][0341]
其中，k表示时刻，wk表示k时刻的风机转速，w
k+1
表示 k+1时刻的风机转速，uk具体为：
[0342][0343]
其中，p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速，rk为残差向量，定义残差向量的第j项：
[0344][0345]
其中aj为状态转移矩阵的第j行；
[0346]
状态转移矩阵确定单元，用于所述残差向量的损失函数定义为
[0347][0348]
其中，δ是鲁棒回归设定阈值，k表示时刻，rk为残差向量，j表示状态转移矩阵第j行；
[0349]
根据下式，确定所述状态转移矩阵
[0350][0351]
其中n为初始数据集的长度，n为初始数据集的维数；
[0352]
风机转速关系建立单元，用于将状态转移矩阵的左上方1
×
1子块分割出来，得到动态转移矩阵a，将状态转移矩阵的右上方1
×
2子块分割出来，得到动态输入矩阵b；
[0353]
经过鲁棒模态分解的发电单体动态模型就可以表示为如下形式：
[0354]wk+1
＝awk+buk[0355]
其中，k表示时刻，w
k+1
表示k+1时刻的风机转速，wk表示k时刻的风机转速，输入量uk具体为：
[0356][0357]
其中，p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速。
[0358]
在一些具体的实施例中，所述控制模型确定模块，具体用于：
[0359]
根据鲁棒模态分解方法，得到风场内m个发电单体的动态模型：
[0360][0361]
其中，k表示时刻，i为发电单体编号，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，ai为编号为i的发电单体的动态转移矩阵，bi为编号为i的发电单体的动态输入矩阵，为编号为i的发电单体输入量uk，输入量uk具体为：
[0362][0363]
其中，p
ref，k
为k时刻的风机有功指令，v
w，k
为k时刻的风速；
[0364]
定义控制模型中的状态向量：
[0365][0366]
定义各发电单体的当前风速和有功指令的输入向量：
[0367][0368]
将所述状态向量和输入向量构成对应的控制模型：
[0369]
χ
k+1
＝aχk+buk[0370]
其中，矩阵a，b由各发电单体的状态转移矩阵按照如下对角形式构造：
[0371][0372][0373]
在一些具体的实施例中，所述优化目标确定模块，包括：
[0374]
目标函数建立单元，用于将风电场动态优化控制算法表示如下：
[0375][0376]
subject to χ
k+1
＝aχk+bvk，k＝0，
…
，t-1
[0377]ek
χk+fkvk≤bk，k＝0，
…
，t-1
[0378]et
χ
t
≤b
t
[0379]
其中，目标函数j为如下：
[0380]
[0381]
其中，k表示时刻，t为模型预测控制算法的预测区间长度，上标
′
代表向量或矩阵的转置，qk，rk分别为状态量和输入量的半正定系数矩阵，q
′k，r
′k分别为状态量和输入量的梯度向量，矩阵ek，fk分别对应状态量约束矩阵和输入量约束矩阵，向量bk为边界向量，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，m为发电单体总数，vk为k时刻的风速；
[0382]
波动程度优化单元，用于设置优化目标如下：
[0383][0384]
其中有功调节量定义为
[0385][0386]
表示风机有功指令相对于本地控制器在最大功率跟踪模式下给出的控制指令的调节量，m为发电单体总数，i为发电单体编号，t为模型预测控制算法的预测区间长度，k
df
为风电场对外功频特性曲线的下垂系数，qw为平衡两个优化目标的权重系数，为编号为i的发电单体在k+1时刻的风机转速，为编号为i的发电单体在k时刻的风机转速，
[0387]
如果当前风电场采取减载工作模式，相应的有功调节参考变为：
[0388][0389]
其中为减载工作模式的有功指令，rd为减载幅度系数，频率偏差量则定义为
[0390]
δf＝f
meas-f
ref
[0391]
表示并网点量测频率f
meas
相对于参考频率f
ref
之间的偏差量；
[0392]
约束条件设置单元，用于设置以下约束条件：
[0393]
χ
k+1
＝aχk+bvk，k＝0，1，
…
，t-1
[0394][0395][0396][0397]
其中，k表示时刻，vk为k时刻的风速，t为模型预测控制算法的预测区间长度，矩阵a，b由各发电单体的状态转移矩阵按照如下对角形式构造：
[0398][0399][0400]
i为发电单体编号，ai为编号为i的发电单体的动态转移矩阵，bi为编号为i的发电单体的动态输入矩阵，为编号为i的发电单体在k时刻的风机转速，w
min
为发电单体最大风机转速，w
max
为发电单体最小风机转速，表示编号为i的发电单体在k时刻的有功指令，p
ref，min
表示发电单体的最小有功指令，p
ref，max
表示发电单体的最大有功指令。
[0401]
基于同一发明构思，本发明实施例还提供一种计算机存储介质，所述计算机存储介质中存储有计算机可执行指令，所述计算机可执行指令执行时实现前述的风电场鲁棒频率协调控制方法。
[0402]
上述实施例中，本发明实施例为高比例风电独立电力系统的频率协调控制提供了一种基于鲁棒模态分解的数据驱动的控制方法，使得风电系统的动态特性能够通过鲁棒模态分解算法给出的状态转移矩阵进行全局捕获，在模型拟合精度满足控制需求的同时对数据噪声的抗干扰能力更强，控制模型的纯线性特征也为在线快速动态响应提供了良好基础，从而同时满足实际控制环节中响应精度和速度的要求。
[0403]
关于上述实施例中的系统和计算机存储介质，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0404]
凡在本发明技术方案的原则范围内做的任何修改、补充和等同替换等，均应仍归属于本发明技术方案的专利涵盖范围内。