买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河海大学

摘要：本发明公开了一种基于分层模型的风电场集群有功功率协调控制方法，包括以下步骤：采用组合预测模型进行短期、超短期功率多步预测，得到有功功率多时间尺度预测信息；获取相应的有功功率期望值及调整量；建立基于分层模型预测控制结构的改进多时间尺度优化调度模型；基于二次动态矩阵控制算法分配有功待调节量；对风机控制误差进行实时自我校正，制定分层反馈校正策略，自下而上逐层修正计划偏差，实现风电系统的闭环控制。本发明能够协调规模风电并网下系统复杂调度与快速实时控制的矛盾，实现风电并网友好调度。

主权项：1.一种基于分层模型的风电场集群有功功率协调控制方法，其特征在于，所述控制方法包括以下步骤：S1：建立基于小波变换分析、自回归移动平均模型、最小二乘支持向量机算法的组合预测模型，采用组合预测模型进行短期、超短期功率多步预测，得到有功功率多时间尺度预测信息；S2：根据风电场集群日前预测值与电网调度计划值判断风电场集群的运行模式，根据运行模式获取相应的有功功率期望值及调整量；风电场集群的运行模式包括调度计划追踪模式和最大功率追踪模式；S3：建立基于分层模型预测控制结构的改进多时间尺度优化调度模型，将整个风电场集群分为集群计划调度层、场群滚动优化层、单场优化分配层、机组分群控制层、单机功率管理层五个控制分区，逐层进行滚动优化；S4：基于二次动态矩阵控制算法分配有功待调节量；S5：对风机控制误差进行实时自我校正，制定分层反馈校正策略，自下而上逐层修正计划偏差，实现风电系统的闭环控制；步骤S1中，采用组合预测模型进行短期、超短期功率多步预测的过程包括以下子步骤：S1.1：选择db6小波基函数将原始风速、风电功率时间序列分解为四层，分别为高频信号D1、D2、D3、D4和低频信号A4；S1.2：筛选并删除包括D1、D2在内的高频干扰信号；S1.3：采用两种单体模型预测剩余分量，其中，采用ARMA模型预测波动剧烈的高频分量，采用LSSVM算法预测波动缓慢的低频序列；S1.4：叠加合成各分量的预测结果，得到最终风电功率预测值；步骤S2中，根据风电场集群日前预测值与电网调度计划值判断风电场集群的运行模式，根据运行模式获取相应的有功功率期望值及调整量的过程包括以下子步骤：S2.1：对风电场集群日前预测值与电网调度计划值进行判断，如果风电场集群日前预测结果大于系统调度指令，判定风电场集群处于调度计划追踪模式；否则，判定风电场集群处于最大功率追踪模式；S2.2：根据下述公式获取风电场集群整体有功功率期望值及调整量 其中为系统下发的t+Δt时刻调度指令，Δt＝1h，和分别为场群i内风场j在t+Δt时刻的预测功率和t时刻的实际功率；步骤S3，建立基于分层模型预测控制结构的改进多时间尺度优化调度模型的过程包括以下子步骤：S3.1：基于风电功率预测信息进行动态分群：S3.1.1：根据步骤S1中的风电功率预测值生成时间间隔为1h的风电场有功预测趋势集计算得到趋势变化因子Ti,t： 式3中k＝0,15,30,45,60为风场超短期预测功率；式4中signx是符号函数，m＝15,30,45,60，n＝0,15,30,45为相邻两采样点功率预测值之差；S3.1.2：引入功率极差Δi和波动阈值ηi两个统计概念作为分群指标： 其中，PiN为风电场i的装机容量；S3.1.3：基于分群指标，将风电场集群划分为功率增加群、功率减少群、功率不变群、功率振荡群共4种场群，并根据分群结果确定场群出力优先次序；S3.2：对于集群计划调度层，根据步骤S2中的有功待调节量和步骤S3.1.3中的场群出力顺序确定参与有功调节的场群及数量C：如果集群运行在调度计划追踪模式，则集群计划调度层的优化控制目标为在最大化风电功率输出的同时尽量平抑风电功率波动，目标函数表达式为： 式6中，N是各场群内风电场数量，表示风电场群i在t+Δt时段的最优出力，αi1和αi2是误差权重系数，且αi1+αi2＝1；式7为约束条件，包括调度计划跟踪约束、场群出力限制约束、场群输出爬坡约束，M是风电集群内场群数量，Pimin和Pimax分别表示场群i的最小、最大出力，Cclu为风电集群爬坡率限制，为风电集群装机容量；如果集群运行在最大功率追踪模式，则集群计划调度层的控制目标变为最大化风电功率追踪精度，目标函数表示式为： S3.3：对于场群滚动优化层，基于最新超短期预测功率对有功分配方案进行修正，优化时域为1h，滚动周期为30min，场群滚动优化层以跟踪场群下发指令、平抑风场功率波动和风场出力最大化为优化目标，目标函数如下式所示： 式10中表示风电场j的最优分配值，为风电场j在t+Δt'时刻的预测值，Δt'＝30min，R是滚动次数，R＝2，每次优化只将k＝1时的结果下发；式11包括低预测功率约束、指令跟踪约束、风电场及场群爬坡约束；S3.4：对于连接场群与机群的单场优化分配层，以风电机组的发电潜力和运行工况为分类依据，每15min滚动进行一次机组动态分类：S3.4.1：根据实际风速信息vt，将风机运行区域分为低风速区、中风速区和高风速区；再结合下一时刻的预测风速vpret+Δt”确定启停机组；启动机组的判断标准为： 式中vci和vco为风机的切入、切出风速；将满足下列不等式的机组划为停机机组： S3.4.2：根据风机历史输出、实际输出和预测输出计算得到功率变化率kjm，生成趋势变化因子βjm： 式中PjmN为风电场j内机组m的额定装机容量；S3.4.3：基于实际风速信息vt和趋势变化因子βjm，将风电机组划分为低风速升功率、低风速功率不变、低风速降功率、中风速升功率、中风速功率不变、中风速降功率、高风速升功率、高风速功率不变、高风速降功率、启动机组、停机机组共计11类机群，确定各机群输出功率优先顺序；S3.5：根据步骤S3.3中风电场j的有功分配值与步骤S3.4中的分类结果及优先顺序确定参与有功功率控制的机群及数量g，机组分群控制层的滚动优化算法表示为：forR＝1:2 end其中表示不参与有功功率控制的机群在t+Δt”时刻的输出功率，Δt″＝15min，表示参与有功调节的机群最优出力；最终各机群在t+Δt”时刻的输出功率为S3.6：在单场优化分配层向机组分群控制层下发分配指令后，机组分群控制层每5min进行一次滚动优化并向单场优化分配层分配有功功率；机组分群控制层的滚动控制目标函数为： 式16中为机群i中风机j在时刻的优化功率，Δt”'＝5min，m为机群i内风机总数；S3.7：单场优化分配层在5min内滚动进行1min一次的有功功率控制；单机采用自身的APC系统进行有功功率的滚动优化和反馈校正；单机功率管理层的控制目标是使机组输出功率与分群控制层下发的分配指令之间偏差最小，每分钟滚动优化性能指标为：minJerr＝Pij,t+1-Pij,t218 其中Pij,t+1和Pij,t分别下一时刻目标值和t时刻实时功率；约束条件包括风机输出功率限制及爬坡限制；步骤S4中，基于二次动态矩阵控制算法分配有功待调节量的过程包括以下子步骤：采用增量算法，构造二次优化性能指标，将最优输出功率和有功调整量分别作为输出变量和控制输入变量，根据比例叠加特性得到二者关系如下所示：Poptt+Δt＝Prealt+AΔPoptt+Δt20式中Poptt+Δt和ΔPoptt+Δt分别代表t+Δt时刻计划输出矩阵和功率控制增量矩阵，Δt代表每层滚动周期，A为有功功率控制目标变化矩阵，如果控制目标改变，则矩阵对应元素为1，否则为0；将各层优化调度模型的目标函数和约束条件同时进行矢量变换化为标准二次型形式，通过MATLAB在线进行二次规划求解获得控制增量矩阵ΔPoptt+Δt；步骤S5中，制定分层反馈校正策略，自下而上逐层修正计划偏差的过程包括以下子步骤：S51，将经过反馈校正的输出功率表示为： S52，采用下述公式自下而上逐层修正计划偏差： 其中W为误差权重矩阵，E为误差矩阵，T为各层优化时段。

全文数据：

权利要求：

百度查询： 河海大学 一种基于分层模型的风电场集群有功功率协调控制方法