一种基于自适应极点配置的风电场有功功率在线控制方法

摘要

本发明公开了一种基于自适应极点配置的风电场有功功率在线控制方法。本发明针对含风电的电力系统中有功功率发出与消耗不平衡导致电网频率波动的问题，提出使用自适应识别方法根据电网频率变化对风电场控制模型进行在线动态识别，根据识别结果对风电场控制模型使用极点配置方法进行调整，从而得到风电场实时功率需求，进而对风电场实时发电计划进行动态更新，向风电场内各台在线运行的风电机组合理的分配发电控制命令。该方法弥补了传统风电场有功功率控制中控制模型固化，无法有效参与电力系统调频的缺陷，对风电场有功功率输出进行在线控制，有效的对电力系统及风电场的发电计划进行实时更新，提高风电并网在线调度的准确性。

说明书

技术领域

本发明涉及电力系统运行与控制领域，具体涉及基于自适应极点 配置的风电场有功功率在线控制方法。

背景技术

随着煤炭、石油等不可再生资源的日益枯竭以及能源困局的日益 严峻，风能、太阳能、潮汐能及生物质能等可再生能源在世界范围内 愈发备受关注。风电是可再生能源发电技术中技术最成熟、最具开发 价值的可再生能源。发展风电对于保障能源安全，调整能源结构，减 轻环境污染，实现可持续发展等都具有非常重要的意义。

自然界风能的间歇特性决定了风电功率具有很强的波动性，随着 大规模风电接入电网，这种风能功率波动将给电网的安全经济运行带 来巨大挑战。针对电网的功率需求对风电场实际输出功率进行快速的 有功功率控制和调节，将可以提高风电场输出功率的电能质量，缓解 电力系统调峰、调频的压力，有效提高电网对风电的接纳能力。

目前，国内外对于风电并网的有功功率控制课题的研究越来越广 泛和深入。在风电场有功功率控制方法中，最基础的方法是采用基于 风电机组的有功功率控制策略，该方法针对风电场内每一台风电机组 的有功功率输出进行控制，包括最大功率追踪控制、平均功率控制、 随机最优控制等，使各风电机组的有功功率输出满足整个风电场有功 功率输出的要求。

但该方法对于含有成百上千台风机的大型风电场而言过于复杂 和繁琐，控制成本过高。因此针对大型风电场，应该采用风电场模型 对风电场进行整体有功功率控制，利用调度中心发布的日前调度计划 确定风电场实际有功功率输出值并合理地分配给风电场内的风电机 组，使风电场的有功功率输出满足调度计划。但是，由于采用的控制 模型的固化以及在线数据的实时变化，且未考虑实时电网频率的变 化，使得使用单一风电场模型进行风电场有功功率控制和调度的准确 度较低。

发明内容

为了克服上述现有技术的不足，本发明提供了一种基于自适应极 点配置的风电场有功功率在线控制方法。该方法能够更有效的对风电 场有功功率输出进行在线控制，提高风电并网实时调度的准确度，从 而能够提升风电并网的稳定性。

为达到以上目的，本发明采取的技术方案是：

一种基于自适应极点配置的风电场有功功率在线控制方法,包括 如下步骤：

S1、利用风电场在线监测系统对电网频率以及风电场内各台风电 机组的运行状态进行实时监测，得到电网频率波动状况和各台风电机 组的运行状态；

S2、利用含自适应定向遗忘的最小二乘法对风电场控制模型进行 在线识别，得到风电场控制模型的数学表征；

S3、根据风电场控制模型的数学表征，利用极点配置器对风电场 控制模型进行调整，计算得到风电场有功功率实时调度因子；

S4、利用风速预测数据及风电场内风电机组的运行状态得到风电 预测功率，从而得到风电场初步发电计划；

S5、根据风电场有功功率实时调度因子计算风电场实时有功功率 需求，对风电场初步发电计划进行调整，得到风电场实时发电计划；

S6、得到风电场实时发电计划之后，根据风电场内风电机组的运 行状态，按照风电预测功率对风电场内可运行风电机组进行功率分 配，并向风电机组发布发电控制命令，使各风电机组发出相应的有功 功率。

在上述方案的基础上，步骤S2中，风电场控制模型的传递函数 为：

$G\left(z\right)=\frac{B\left(z^{-1}\right)}{A\left(z^{-1}\right)}=\frac{b_1{z}^{-1}+b_2{z}^{-2}+...+b_m{z}^{-m}}{1+a_1{z}^{-1}+a_2{z}^{-2}+...+a_n{z}^{-n}}{z}^{-d}---\left(1\right)$

式中，m，n是多项式的阶数，用来定义多项式A(z^-1)和B(z^-1)的模型结 构参数；z是离散控制系统中Z变换的离散变换变量；d是离散变换 变量的阶数；a_i和b_j是风电场控制模型的传递函数中的未知参数， i＝1…n，j＝1…m。

在上述方案的基础上，为了计算模型参数a_i和b_j，从初始状态开 始，在每一个时间步长k下，对模型参数进行在线迭代计算，模型输 出y_k的估计值计算式如下：

${\hat{y}}_k={\Theta }_{k-1}^T·{\Phi }_k---\left(2\right)$

$\left(\begin{array}{c}{\Theta }_{k-1}={\left[{\hat{a}}_1,...,{\hat{a}}_i,...,{\hat{a}}_n,{\hat{b}}_1,...,{\hat{b}}_j,...,{\hat{b}}_m\right]}^T\\ {\Phi }_k={[-y_{k-1},...,-y_{k-i},...,-y_{k-n},u_{k-d-1},...,u_{k-d-j},...,u_{k-d-m},]}^T\end{array}\right)---\left(3\right)$

式中，向量Θ_k-1包含在k-1步长下计算的模型参数的估计值和向量Φ_k包含之前各个步长时模型的输入值u和输出值y；m,n是公式 多项式的阶数，d是离散变换变量的阶数，k是时间步长，是模型 输出y_k的估计值；

当模型的输出值y_k达到要求，即可确定模型参数a_i和b_j，从而 在线的识别风电场控制模型。

在上述方案的基础上，步骤S3中，极点配置是利用极点配置器， 在风电场控制模型的传递函数中，加入前馈控制和反馈控制两个控制 传递函数；

反馈控制的传递函数表达式为：

$G_R\left(z\right)=\frac{q_0+q_1{z}^{-1}+q_2{z}^{-2}+...+q_j{z}^{-j}+...+q_n{z}^{-n}}{(1+p_1{z}^{-1}+p_2{z}^{-2})(1-z^{-1})}---\left(4\right)$

式中，p₁、p₂是极点多项式系数；q_j是反馈控制传递函数的分子多项 式系数；

前馈控制的传递函数表达式为：

$G_F\left(z\right)=\frac{r_0}{(1+p_1{z}^{-1}+p_2{z}^{-2})(1-z^{-1})}---\left(5\right)$

式中，r₀是前馈控制传递函数的分子系数；

加入反馈控制和前馈控制两个控制传递函数之后，利用两个控制 传递函数在风电场的控制系统中配置新的闭环主导极点，构成一个新 的近似闭环二阶系统，从而得到最优的风电场控制模型，并在线得到 该风电场控制模型的实时调度因子u。

在上述方案的基础上，步骤S5中，计算风电场实时有功功率需 求的公式为：

P_d＝(P_max-P_min)u+P_min(6)

式中，[P_min,P_max]是风电场规定的总发出功率的最小值和最大值；u 是风电场有功功率实时调度因子，范围为[0,+1]；P_d是风电场实时有功 功率需求。

在上述方案的基础上，步骤S6具体步骤为：

S61、根据风电场内各台风电机组的风电预测功率，得到整个风 电场的风电预测功率；

S62、将风电场实时发电计划按照各台风电机组风电预测功率占 整个风电场的风电预测功率的比值分配给风电场内在线运行的风电 机组；

S63、计算每台风电机组的发电任务指标，计算公式如下：

$P_{d,q}\left(k\right)=P_d\left(k\right)\frac{P_{a,q}\left(k\right)}{P_a\left(k\right)},q=1,2,...,N---\left(7\right)$

式中，N为风电场的风电机组台数；P_d,q(k)为第q台风电机组在时间 步长k下的有功功率分配，P_a,q(k)为第q台风电机组在时间步长k下 的风电预测功率，P_a(k)为在时间步长k下的整个风电场的风电预测功 率，其值为$P_a\left(k\right)=\underset{q=1}{\overset{N}{\Sigma }}{P}_{a,q}\left(k\right);$

S64、根据计算得到的每台风电机组的发电任务指标，对风电场 内各台在线运行的风电机组发布控制命令，从而使各风电机组发出相 应的有功功率。

附图说明

本发明有如下附图：

图1本发明基于自适应极点配置的风电场有功功率在线控制方 法的流程示意图。

图2本发明基于自适应极点配置的风电场有功功率在线控制方 法中自适应极点配置控制的详细流程示意图。

图3本发明基于自适应极点配置的风电场有功功率在线控制方 法中模型自适应在线识别的传递函数示意图。

图4本发明基于自适应极点配置的风电场有功功率在线控制方 法中极点配置控制器的传递函数示意图。

具体实施方式

以下结合附图对本发明作进一步详细说明。

如图1-4所示，一种基于自适应极点配置的风电场有功功率在线 控制方法,包括如下步骤：

S1、利用风电场在线监测系统对电网频率以及风电场内各台风电 机组的运行状态进行实时监测，得到电网频率波动状况和各台风电机 组的运行状态；

S2、利用含自适应定向遗忘的最小二乘法对风电场控制模型进行 在线识别，得到风电场控制模型的数学表征；

S3、根据风电场控制模型的数学表征，利用极点配置器对风电场 控制模型进行调整，计算得到风电场有功功率实时调度因子；

S4、利用风速预测数据及风电场内风电机组的运行状态得到风电 预测功率(风电场预测可发出的风电功率)，从而得到风电场初步发 电计划；

S5、根据风电场有功功率实时调度因子计算风电场实时有功功率 需求，对风电场初步发电计划进行调整，得到风电场实时发电计划；

S6、得到风电场实时发电计划之后，根据风电场内风电机组的运 行状态，按照风电预测功率对风电场内可运行风电机组进行功率分 配，并向风电机组发布发电控制命令，使各风电机组发出相应的有功 功率。

1、利用风电场在线监测系统对电网频率以及风电场内各台风电 机组的运行状态进行实时监控，得到电网频率波动状况和各台风电机 组的运行状态。

风电场在线监测系统可以对风电场的各类实时数据进行采集和 汇总，其中风电场并入电网后的电网频率与风电场内各台风电机组的 运行状态是电网调度人员和风电场控制人员十分重视的两个指标。利 用风电场在线监测系统检测到的电网频率波动状况和各台风电机组 的运行状态是进行风电场有功功率控制的基础。

电网调度员根据电网负荷的波动状况，制定有功功率发电计划； 根据电网频率波动状况，实时调整风电场有功功率输出，使得电网电 能的产生和消耗得以平衡，进而稳定电网频率，使风电场发出的电能 有效且高质量的并入电网当中。风电场控制人员将发电计划合理的分 配给风电场内的每一台风电机组，以实现期望的风电场有功功率输出 和电网频率稳定。

2、本发明基于自适应极点配置的风电场有功功率在线控制方法 的设计中包含一个模型参数在线识别方法，可以得到风电场控制模型 的数学表征。该模型参数在线识别方法是一种基于含自适应定向遗忘 的最小二乘法的在线递归识别技术。

含自适应定向遗忘的最小二乘法的目的是为了在线识别风电场 控制模型的传递函数中的未知参数a_i和b_j，风电场控制模型的传递函 数为：

$G\left(z\right)=\frac{B\left(z^{-1}\right)}{A\left(z^{-1}\right)}=\frac{b_1{z}^{-1}+b_2{z}^{-2}+...+b_m{z}^{-m}}{1+a_1{z}^{-1}+a_2{z}^{-2}+...+a_n{z}^{-n}}{z}^{-d}---\left(1\right)$

式中，m，n是多项式的阶数，用来定义多项式A(z^-1)和B(z^-1)的模型结 构参数；z是离散控制系统中Z变换的离散变换变量；d是离散变换 变量的阶数；a_i和b_j是风电场控制模型的传递函数中的未知参数， i＝1…n，j＝1…m。

为了计算模型参数a_i和b_j，如图3所示，从初始状态开始在每一 个时间步长k下，对模型参数进行在线迭代计算，模型输出y_k的估计 值计算式如下：

${\hat{y}}_k={\Theta }_{k-1}^T·{\Phi }_k---\left(2\right)$

$\left(\begin{array}{c}{\Theta }_{k-1}={\left[{\hat{a}}_1,...,{\hat{a}}_i,...,{\hat{a}}_n,{\hat{b}}_1,...,{\hat{b}}_j,...,{\hat{b}}_m\right]}^T\\ {\Phi }_k={[-y_{k-1},...,-y_{k-i},...,-y_{k-n},u_{k-d-1},...,u_{k-d-j},...,u_{k-d-m},]}^T\end{array}\right)---\left(3\right)$

式中，向量Θ_k-1包含在k-1步长下计算的模型参数的估计值和向量Φ_k包含之前各个步长时模型的输入值u(u对于风电场来说是 风电场实时调度因子，对于模型来说是模型的输入值)和输出值y。 (公式中的m,n,d与公式1中的一致，m,n是公式(1)中多项式的 阶数，d是公式(1)中离散变换变量的阶数)，k是时间步长，是 模型输出y_k的估计值。

当模型的输出值y_k达到要求，即可确定模型参数a_i和b_j，从而 在线的识别风电场控制模型。

利用这种含自适应定向遗忘的最小二乘法的递归识别技术，可以 计算模型的时变参数，得到一个近似的非线性模型，从而在线地得到 风电场控制模型的数学表征，对风电场控制模型进行在线识别。

一旦电网频率发生波动，控制系统将实时地根据电网频率的变化 对风电场控制模型进行在线动态识别，得到一个更新后的风电场控制 模型的数学表征。

3、根据在线识别得到的风电场控制模型的数学表征，利用极点 配置器对控制模型进行调整，计算得到风电场有功功率实时调度因 子。

基于自适应极点配置的风电场有功功率在线控制方法中的极点 配置是利用极点配置器，在风电场控制模型的传递函数中，加入前馈 控制和反馈控制两个控制传递函数，如图4所示，其中wk为步长参 考信号。

反馈控制的传递函数表达式为：

$G_R\left(z\right)=\frac{q_0+q_1{z}^{-1}+q_2{z}^{-2}+...+q_j{z}^{-j}+...+q_n{z}^{-n}}{(1+p_1{z}^{-1}+p_2{z}^{-2})(1-z^{-1})}---\left(4\right)$

式中，p₁、p₂是极点多项式系数；q_j是反馈控制传递函数的分子多项 式系数。

前馈控制的传递函数表达式为：

$G_F\left(z\right)=\frac{r_0}{(1+p_1{z}^{-1}+p_2{z}^{-2})(1-z^{-1})}---\left(5\right)$

式中，r₀是前馈控制传递函数的分子系数。

加入反馈控制和前馈控制的两个传递函数之后，利用两个传递函 数在风电场的控制系统中配置新的闭环主导极点，构成一个新的近似 闭环二阶系统，从而得到风电场的最优的控制模型，并在线得到该风 电场控制模型的实时调度因子u。

4、计算风电场实时有功功率需求，对根据风电预测功率得到的 风电场初步发电计划进行调整，得到风电场实时发电计划。

利用基于综合在线模型识别技术和基于自适应极点配置控制系 统模型的单输入单输出的自适应控制方法在线计算得到实时调度因 子u之后，用一个简单的线性方程即可计算风电场实时有功功率需 求：

P_d＝(P_max-P_min)u+P_min(6)

式中，[P_min,P_max]是风电场规定的总发出功率的最小值和最大值；u是 风电场有功功率实时调度因子，范围为[0,+1]。P_d是风电场实时有功功 率需求，将其作为风电场发电计划中下一控制时刻有功功率输出的目 标值，对由风电功率预测得到的风电场初步发电计划进行调整，得到 风电场实时发电计划，风电场发电计划动态更新。

5、根据风电场内风电机组的运行状态，按照风电预测功率对风 电场内可运行风电机组进行功率分配，并向风电机组发布发电控制命 令。

得到风电场实时发电计划之后，根据风电场风机运行状况和风电 机组风电功率预测的结果，将风电场的发电计划合理分配给风电场内 所有在线运行的风电机组。

结合风电场内风电机组的运行状况，根据风电场内各台风电机组 所在位置的预测风速可得到该台风电机组的风电预测功率，从而得到 整个风电场的风电预测功率，将风电场实时发电计划按照各台风电机 组风电预测功率占整个风电场的风电预测功率的比值分配给风电场 内所有在线运行的风电机组。

每台风电机组的发电任务指标计算公式如下：

$P_{d,q}\left(k\right)=P_d\left(k\right)\frac{P_{a,q}\left(k\right)}{P_a\left(k\right)},q=1,2,...,N---\left(7\right)$

式中，N为风电场的风电机组台数；P_d,q(k)为第q台风电机组在时间 步长k下的有功功率分配，P_a,q(k)为第q台风电机组在时间步长k下 的风电预测功率；P_a(k)为在时间步长k下的整个风电场的风电预测功 率，其值为$P_a\left(k\right)=\underset{q=1}{\overset{N}{\Sigma }}{P}_{a,q}\left(k\right).$

根据计算得到每台风电机组的发电任务指标，对风电场内各台在 线运行的风电机组发布控制命令，从而使各风电机组发出相应的有功 功率，使风电场输出总有功功率满足电网发电计划，平衡电网功率消 耗，稳定电网频率。

以上所述，仅是本发明的较佳实例而已，并非对本发明作任何形 式上的限制，本领域技术人员利用上述揭示的技术内容做出些许简单 修改、等同变化或装饰，均落在本发明的保护范围内。

本说明书中未作详细描述的内容属于本领域专业技术人员公知 的现有技术。