风电介入下互联电力系统负荷频率的鲁棒分布式模型预测控制

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61803154
项目类别：
青年科学基金项目
资助金额：
25.0万
负责人：
张怡
依托单位：
华北理工大学
学科分类：
F0301.控制理论与技术
结题年份：
2021
批准年份：
2018
项目状态：
已结题
起止时间：
2019-01-01 至2021-12-31

项目参与者：
张执超；袁书娟；李春玲；翟电杰；郝云飞；
关键词：
不确定系统协同控制负荷频率控制分布式系统预测控制

项目摘要

The power system with large scale wind farm is a typical multi-source system, this becomes quite challenging due to the characteristics of distributed structure, multi nonlinear constraints, intermittent and randomness of different turbines. Then, the difficulties and problems that need to be quickly solved in LFC of power system with large scale wind farm are analyzed. A multi-area power system LFC model composed of thermal, hydro and wind power is established. And the robust coordinated model predictive control (RDMPC) can realize cooperation among the conventional turbines and wind farm to achieve the global optimization or Nash optimization, and guarantee the global stability. Meanwhile, it should satisfy the multi-constraints, e.g., generation rate constraints (GRCs), pitch angle and changing weather conditions. The robust coordinated MPC can realize cooperation among subsystems to achieve the global optimization or Nash optimization, and guarantee the global stability under the system uncertainties and disturbances.

大规模风电介入下的互联电力系统是典型的多源并存混合发电的互联电网，发电过程中呈现出特殊性和复杂性。其分布式结构、系统非线性约束、强耦合、间歇性和随机性等对电网负荷频率控制提出了新的挑战。本项目针对大规模风电介入下的新能源互联电力系统负荷频率控制研究中的难点和亟待解决的问题，构建分布式的负荷频率控制模型，采用鲁棒协同分布式预测控制实现传统发电机组与新能源机组间的多目标协同优化，确保多源发电过程互补优化运行。研究大规模风电介入下的电力系统中现实存在大量物理约束、不确定因素以及未知扰动情况下，鲁棒协同预测控制算法的稳定边界条件，保证系统全局稳定。

结项摘要

由高比例风力发电、光伏发电、传统能源发电组成的新能源互联电力系统已经形成，其间歇性、随机性、分散性、多时间尺度的复杂性等对电力系统频率稳定提出了新的挑战。因此，高比例新能源互联电力系统频率控制也日益成为研究热点。本项目采用机理建模和神经网络建模相结合方法，建立大型火电机组、水电机组和风电场组成的互联电力系统分布式负荷频率控制模型；尤其在系统中将风电场集群化处理，考虑大容量风电场在实际系统中承担的调频作用，进一步建立了由水电、火电和风光混合系统组成互联电力系统负荷频率控制精确数学模型，使得负荷频率控制模型不仅能够真实多源互补发电过程，还能有效模拟火电、水电及风电场组成的系统结构变化，对电力系统频率控制仿真验证提供重要支撑。新能源发电机组并网采用变换器，其与传统机组并网最大不同是缺乏惯性支撑。因此，提出风机侧构建虚拟惯量控制系统，其功率频率静态特性模拟同步发电机调速器原理，使得风电场具有火电厂、水电厂类似的惯性特性，实现风电场参与一次调频。定义满足风电场和常规机组控制性能的协同优化目标函数，在高风速条件下，风电场保持额定输出；低风速条件下，风电场实现调频跟踪。针对风速历史数据，采用深度学习的方法实现功率预测，用以模拟在理论及实际真实天气条件下去合理地分配各个风电场的输出功率。在此基础上，构建分布式模型预测协同优化控制算法，并将其应用至风光互补互联电力系统输出功率优化分配，实现新能源互联电力系统负荷频率控制。针对实际电力系统中风电机组超限后退出互联电力系统负荷频率控制为目标，考虑相应的约束条件，构建鲁棒协同分布式模型预测控制算法，推导了极端情况下的鲁棒稳定条件，实现新能源电力系统纳什平衡。上述研究成果是为实现高比例新能源电力系统频率控制、安全稳定经济运行具有重要的理论和现实意义。