的活动频率控制策略基于模型预测控制的风力发电

文摘

在这篇文章中,一个活跃的风力发电机的频率控制策略提出了基于模型预测控制通过使用电力的风力涡轮机在甩负荷运营模式。微型智能电网"系统的频率响应模型的卸载风力涡轮机用于预测输出功率和系统频率偏移的风力涡轮机。根据预测信息,输出功率控制信号模型预测控制器的风力涡轮机可以优化。在此基础上,风力涡轮机积极参与频率控制策略设计的基于模型预测控制的滚动预测和优化。风力发电机功率控制信号后,策略是用来调整输出功率的风力涡轮机和平衡系统的有功功率的变化减少频率偏移。

1。介绍

的大规模开发和访问国内风力涡轮机,一些风力涡轮机已经调频(FM)能力,以便他们能积极参与调频控制(1- - - - - -3]。因此,进一步探索和研究的风力涡轮机微微网频率控制器设计方案,一方面,充分利用系统中的同步发电机的调频能力维持频率稳定的微型智能电网"后风力涡轮机连接;另一方面,通过引入主动频率控制,风力涡轮机有效地参与系统动态频率调节,以便进一步提高微型智能电网"包含风力发电机的频率响应,具有重要意义,确保安全、经济运行的微型智能电网" (4,5]。

随着风力发电保留相当一部分代混合电力系统,它可能会影响系统的频率安全由于缺少频率的支持单位。为了弥补这样一个系统的变化,风力发电机应积极提供频率响应要求。因此,变速风力涡轮发电机,如双馈感应发电机(DFIG) [6)和直驱永磁同步发电机(PMSG) [7),被广泛研究的控制特征在最近的文学作品。研究的结果的频率偏差提出了公用电网由于风电波动在8),偏差估计基于传递函数的确定性方法的系统组件。在[9),合作控制方案对风力发电机和插电式混合动力电动汽车(插电式混合动力车),提出了集中式和分布式控制结构被认为是和检查两种可能的协调方法。Ref。10DFIG)提出了一种主频率响应战略调节偏远地区供电(罪行)系统频率,进一步提出了一种辅助控制回路来增强的主要频率响应与力矩反馈控制。作者在11]讨论的可能性deloading风力涡轮机使用叶片距角控制,频率响应的音高控制方案提供频率响应提出了利用定速异步发电机——(FSIG)和DFIG-based风力涡轮机。在[12),作者探索几种操作策略DFIGs支持系统频率少牺牲在风中能源生产和验证方法的有效性在调节风电运营商的要求,并确保稳定风速下的变体。在[13),切换角控制器(SAC)和一个自动生成控制器(AGC)提出了DFIG控制DFIG-based风能渗透到电力系统的频率,在虚拟的DFIG转子角的概念定义,和虚拟转子角是由囊继电器式控制方式控制。除此之外,一些其他相关作品近日报道,比如学习控制方法(14),USDE-based滑模控制和输出反馈控制15,16]。然而,在上述工作,不考虑风力涡轮机的卸载,风力发电的预测并不是讨论。

因此,考虑卸载和风力涡轮机的预测,本文提出了一种新型风力发电的活动频率控制策略基于模型预测控制(MPC)。本文的贡献可以概括如下:(1)卸载操作模型,本文建立了风力涡轮机中一定量的机械功率调频准备通过减少加载和维护风力涡轮机在非最优操作点。(2)MPC-based活动频率控制策略提出了风力涡轮机本文利用电力的风力涡轮机在甩负荷运营模式,能够调节频率偏差是在安全运行范围内,优秀的系统频率的动态性能。(3)本文提出的控制策略可以充分利用模型预测控制的优点。具体地说,该策略是可行的,没有风速预测由于功率输出延迟引起的风力涡轮机的惯性环节。

本文的其余部分组织如下。部分2介绍了卸载操作模型的风力涡轮机。节3,风力涡轮机积极参与微型智能电网"频率基于模型预测控制的控制策略。然后,仿真结果进行单独的区域和four-zone电力系统部分所示4。最后,第五节本文总结道。

2。卸载操作模型的风力涡轮机

传统风力发电机运行在最大功率跟踪模式中,在没有电力储备连续频率调整。为了获得一定的机械功率储备调频,风力涡轮机需要减少加载和维护它在非最优操作点,即风力涡轮机的,卸载操作模型。具体来说,本节描述的减负荷运行风力涡轮机获得频率调制的能力储备。

机械特性P_米(ω_r风力涡轮机的图所示1,其中固体灰色曲线代表了典型的最大功率跟踪曲线的风力涡轮机。为了实现风力发电机参与频率调节微型智能电网",减少足够的机械功率负载能力的风力涡轮机是必需的。因此,风力发电机的最大功率跟踪模式,没有可用功率频率控制的储备。然而,采用叶片变转矩角控制需要外部机械功能,这是呆板和可能导致机械磨损问题。因此,在下列情况下,本节讨论的使用转子速度控制获得的力量储备。

如图1转子速度控制方式,操作点的风力涡轮机可以从最大功率跟踪曲线的左边或者右边。本节将使用正确的转向保持更高的转子速度和储存额外的动能达到短期频率调节。因此,空气动力系数C_p(λ_选择)乘以一个减负荷系数k_▽:

风力涡轮机在甩负荷的有功功率模式如下:

用电限制操作模式下,提示速度比率可以推导出如下: 次优的系数C_▽表示为

甩负荷次优功率跟踪曲线,红线图所示1和甩负荷转子转速显示如下:

3所示。风力涡轮机积极参与微型智能电网"频率基于模型预测控制的控制策略

介绍了模型预测控制系统部分3。风力涡轮机的主动控制策略与调频能力在本节提出基于模型预测控制和频率响应模型的微型智能电网"。

3.1。频率响应模型的微型智能电网"与风力涡轮机积极参与频率控制

传统的风力发电机的有功功率控制策略是基于最大功率跟踪曲线生成的成功率,所以频率和有功功率注入改变可以巧妙地分离出来。辅助的目标频率控制器的风力涡轮机是支持系统将其有功功率输出与系统频率的频率。因此,频率偏差信号引入辅助频率基于模型预测控制的控制策略。

风力涡轮机的调频能力在甩负荷模式,及其频率响应模型结构如图2。风力发电机的频率响应模型(农场)参与频率控制由微型智能电网"频率控制模型和风力涡轮机模型下卸载操作模式。其结构图如图3。

在图2,输出风力发电的风力涡轮机可以表示为功率控制命令输出的总和的模型预测控制器根据甩负荷和风力发电输出功率跟踪曲线: 在哪里代表输出功率模型预测控制器的命令,和代表风力发电输出功率跟踪曲线根据卸载。

如图2风力涡轮机的,输入频率响应模型是系统频率偏移,并输出有功功率注入微型智能电网"。频率响应模型由一个活跃的动力响应单元和转子转速响应单元。有功功率响应单元由两部分组成:电源频率的响应单元控制策略基于模型预测控制和转子转速响应单位。其速度响应取决于旋转动力学,即生成的电磁功率和机械功率平衡被粉丝。风力涡轮机捕获的机械功率的确定根据风机的机械功率特性曲线和转子速度。

由于积极参与频率控制的风力发电机,风力发电机需要在甩负荷运营模式获得调频电源的优势。在本节中,风力涡轮机模型和频率响应模型multiarea微型智能电网"卸载操作以下描述和派生。频率响应的基础模型是预测模型在随后的模型预测控制策略。

根据风力发电机的数学模型和微型智能电网"甩负荷频率控制系统操作所述,风力发电机的频率响应模型建立积极的频率控制。机械转矩和电磁转矩模型的风力涡轮机是根据泰勒级数扩展,并获得以下数学模型: 一阶泰勒级数展开的运行点周围的线性系数的定义是

元素的块驱动模型的数学模型下的风力涡轮机的下载操作模式表示为增量形式:

考虑发电机负载的动态关系公式在微型智能电网"频率控制模型中,下面的频率和功率之间的关系可推导出根据框图的微型智能电网"频率响应模型风扇积极参与控制:

通过结合(7)和(8),用微型智能电网"部分中描述的频率控制模型3上面的公式,我们可以得到

结合公式(11与频率控制模型)的微型智能电网",微型智能电网"与风力发电机的频率响应模型可以统一描述为积极参与频率控制数学模型如下: 在哪里是状态变量矩阵,是控制变量矩阵,是扰动变量矩阵,是输出向量,然后呢 , , ,和状态空间模型的系数矩阵。

区域频率偏移 ,结线功率偏差 ,原动机输出功率命令 ,州长命令输出功率 ,风力涡轮机转子速度和同步发电机功率控制命令在卸载操作选择状态变量。因此,状态变量矩阵可以表示如下:

输出向量区域控制偏差信号吗 。状态空间模型的控制变量输出功率命令 模型预测控制器的风力涡轮机。微型智能电网"控制的风力涡轮机的功率波动和风速变化引起的结线扰动变量在其他地区代表如下:

在频率响应模型公式(12),每个系数矩阵 的参数在是

在频率响应模型提出了公式(12),参与频率控制风力发电机的动态模型下考虑卸载操作。因此,可以获得系统的频率偏移的输入风速和各种状态变量。同时,频率响应模型表示风速波动之间的线性关系和频率的变化,系统输出频率和其他变量是通过风速数据输入。因此,频率响应模型可以作为预测模型变换后,它可以提供一个参考风力发电机的频率控制策略与频率调节能力。

3.2。预测模型的基于微型智能电网"系统频率控制风力涡轮机活跃

首先,频率响应模型是离散的。微型智能电网"与风力发电机的频率响应模型积极参与频率控制,即离散状态空间模型线性公式(12),可以表示为 在哪里 , , ,和分别是国家系数矩阵控制系数矩阵,观察系数矩阵,和扰动系数矩阵后连续对应于状态空间模型的离散化公式(12)。

根据模型预测控制算法的原理,系统响应 在预测时域预测吗 。基于状态信息 和当前系统时间(时间的状态方程k),下次的系统状态和输出响应k+1预测如下: 在哪里控制时域,控制时域小于或等于时域预测 ; 系统的输出响应预测在时间吗k在时间k+j, ; 是系统的最优控制变量计算时间吗k在时间k+j, ;我是单位矩阵;当之间的时间是控制时间域和时域预测控制序列的最优控制序列的最后控制时域。

矩阵形式的公式(18)可以表示为

的公式, 在哪里 在控制系数矩阵 ,和 在测量系数矩阵 。

公式(19)是该地区的微型智能电网"频率控制预测模型,预测模型预测控制单元。使用这个模型,系统的频率和状态信息可以提前获得根据当前的输出信号,干扰信号和控制信号的系统。天气预报的信息将被用于优化风力发电的风力涡轮机的输出通过控制器单元下的风力涡轮机降低加载操作。

3.3。活动频率控制策略基于模型预测控制的风力涡轮机

活动频率控制的功能基于模型预测控制的风力涡轮机是预测系统输出和调整功率控制信号改变风机输出功率,以获得更好的动态系统的频率响应。因此,模型预测控制需要确定合适的控制目标和约束,也需要考虑到特殊的动态特性的风力发电机甩负荷下运行。

图4描述了风力涡轮机的流程图结构模型预测频率控制方法。模型预测控制算法使用预测模型来预测系统的频率偏移和状态变量,然后优化风力发电机功率控制命令序列在时域预测控制器的优化目标函数。预测时域只有选择的控制动作的控制时域最优控制向量。在这个循环,重复前面的时间的预测在接下来的周期重新计算控制动作序列。

微型智能电网"系统的风力发电机甩负荷下积极参与频率控制操作、模型预测控制的目标是优化风力发电机的输出功率根据系统频率标准和实际系统的频率。包含风力涡轮机,因此,对于每个控制区域的控制目标函数模型预测控制的设计不仅要考虑到风力发电机的动态性能,而且考虑的频率偏移的最小化微型智能电网"。通过优化目标,提出的策略可以达到最大的安全和经济利润的同时。区域的目标函数我甩负荷风力涡轮机表示如下: 在哪里和是对称的加权正定矩阵。

时间最优控制问题k可以表示为如下最优控制目标:

它的约束条件是系统频率响应模型的离散化方程,即等式约束:

不等式约束的限制是调频容量风力发电机的优势:

优化目标公式(22)和约束条件公式(23)和公式(24)形成一个编程问题。通过使用滚动优化算法,最优控制行动在控制时域控制序列作为实际系统的控制作用。下一刻,系统状态重新度量界限,优化过程重复,重复上面的步骤。根据预测模型公式(19),风扇控制器操作减负荷预测未来状态的时间k和计算最优控制的行动序列在控制范围内。在时间k+1,优化对象公式(22)是解决在每个控制器根据预测信息。风扇主动频率控制策略,基于模型的预测控制可以总结为以下算法流程如图5。

第一步(初始化):设置初始时间t=k,控制时域ν预测时域N_p,控制信号u_我(k在获得当前时间),预测状态变量x_我(k在读取之前的时间);

第二步(预测):系统状态xi (k+ 1)和输出响应易(k下次的+ 1)k+ 1预计通过使用系统控制变量和状态变量的当前时间k;

第三步(优化):通过求解优化目标公式(22),控制变量u_我(k+ 1)的下一刻k获得+ 1;

第四步(判断):如果时间的最优控制行动k+ 1满足约束条件,控制器适用于当时的控制作用;否则,它将返回第二步;

第五步(预测):预测在未来预测的系统状态和输出响应时间域;

第六步(实现):应用控制动作u_我(k)时间k+ 1,设置时间k+ 2,去执行第二步在未来控制时域预测控制。

通过以上步骤,控制动作序列可以通过模型预测控制器的设计来解决在这一节中,然后控制信号调整风力发电机的输出功率与调频容量根据风速的波动,以平衡系统负载的波动频率和稳定系统。

4所示。仿真分析

为了验证该模型的有效性,基于预测控制的风力涡轮机积极参与频率控制策略在提高系统频率性能,本部分进行模拟实验four-zone微型智能电网"频率控制模型如图6。模型考虑了频率同步发电机和卸载风力发电机的微型智能电网"测试提出了粉丝活跃频率基于模型预测控制的控制策略。风力发电机的仿真结果积极参与频率控制策略基于模型预测控制和传统PID微型智能电网"频率控制策略提出了在这一节中进行了分析和比较。

在机场岛的单独的区域微型智能电网"系统文献[2),风力发电机被认为是新能源,并提出积极的频率控制策略用于仿真。附录所示状态空间模型。发电机的参数、州长和non-reheat汽轮机在表1,广泛应用于引用(15- - - - - -18]。单层系统包括风力涡轮机模型在甩负荷运行方式下,和它的参数如表所示2。采样时间T= 0.1,预测时间T_p= 0.3 s,和控制时间T_c= 0.1年代将模拟提出的控制策略。

输入50秒钟风速序列如图7(一)标准的风速数据到风力涡轮机在减负荷运行模式。图7 (b)是风力发电的风力涡轮机的输出。图7 (c)和图7 (d)分别显示系统的动态响应频率偏差和风力发电机输出功率的控制变量。表3显示区域的ITAE索引值最大频率偏差和频率偏差在使用积极参与频率控制策略和PID频率控制策略提出了本文。从仿真结果的比较表3频率偏移的活动频率控制策略基于模型预测控制明显小于PID频率控制的策略。

在数据7 (b)和7 (c),红色实线对应于该活动频率控制策略基于模型预测控制,和蓝色虚线对应传统的PID控制方法和PID控制器参数的参数应用于参考(19]。蓝色虚线所示图7 (b)显示了风力发电机的风力发电输出时,采用传统的PID负荷频率控制方法,和红色实线是风力发电的风力涡轮机的输出操作在甩负荷模式提出了。通过比较,很容易知道甩负荷下的风力发电机输出功率模式提出了是温和的。如图7 (c)蓝色虚线的是频率波动曲线采用PID控制器后,系统频率将明显受到风电波动的影响。相比之下,活动频率控制策略基于模型预测控制图中的红色的曲线所示。频率动态响应更好,系统频率偏差显著降低,提高动态响应频率。

在机场的微型智能电网"系统参考(2),考虑到这四个终端是相对独立的,风力涡轮机积极参与频率控制策略提出了模拟和测试在four-area微型智能电网"频率控制模型。系统结构是一样的纸三four-area仿真结构,及其附录所示状态空间模型。仿真four-zone微型智能电网"与non-reheat原动机的额定参数如表所示4。为了验证提出的策略的有效性提高的频率性能系统,风力涡轮机模型在甩负荷运营模式也添加在区域1和区域4。风力发电机的参数是4.1节中使用的相同。50秒的标准系列风速的风力发电机输入区域1和区域4,分别如图8(一个)和8 (b)。与此同时,当预测时域T_p= 0.3 s,和控制时域T_c= 0.1,该方案模拟。

同样,该风力涡轮机积极参与微型智能电网"频率控制策略与传统PID相比微型智能电网"频率控制策略在这一节中。的频率偏差区1区4图所示9和ITAE指标的频率偏移值和最大频率偏差的每个地区都有表5和6分别。

如图9、表5和6,结果表明,本文提出的策略可以控制风力发电机的输出功率,使其输出适当的权力压制频率波动。因此,与PID频率控制方法相比,该系统频率偏差粉丝活跃的频率控制策略基于模型预测控制是非常小的。同时,每个区域的频率响应具有良好的动态性能,无论有一个风力涡轮机连接。这表明该粉丝积极参与风力发电机的频率控制策略基于模型预测控制可以提供风力涡轮机和帮助他们控制指令输出合适的风力发电来平衡系统的频率波动。每个地区的当地频率变化收敛于零,确保每个区域的频率偏移是保持在安全的工作范围内。同样,风力发电机的模型预测控制策略需要输入风速信息预测系统的状态变量和输出变量,但事实上,很难获得准确的风速预测系列。有必要利用惯性传输系统的一部分的风扇引起的延时输出风能相对于实时风速输入。这个延时用来获得提前风力发电机的输出功率,以有效地控制风力涡轮机的输出风能没有风速预测,从而提高微型智能电网"系统的能力来有效地平滑系统频率波动引起的风力涡轮机的访问。

5。结论

在这篇文章中,一个活跃的风力涡轮机的频率控制策略提出了基于模型预测控制通过使用电力的风力涡轮机在甩负荷运营模式。具体来说,微型智能电网"系统的频率响应模型利用风力发电机甩负荷的预测输出功率和系统频率偏移的风力涡轮机。根据预测信息,输出功率控制信号模型预测控制器的风力涡轮机可以优化。在此基础上,一个MPC-based活动频率控制策略设计的风力涡轮机的滚动预测和优化。风力发电机功率控制信号后,策略是用来调整输出功率的风力涡轮机和平衡系统的有功功率的变化减少频率偏移。除此之外,由提出控制策略,甩负荷频率调节能力的风扇可以充分利用当风速变化时,频率偏差控制在安全运行范围内,系统的动态性能和频率可以调整预期的结果。

此外,由于功率输出延迟引起的风力涡轮机的惯性环节,提出的策略是可行的,没有风速预测,因此,策略可以充分利用MPC的优点。为了验证策略的有效性,传统的PID频率控制策略和策略提出了模拟和分析在一个单独的区域,four-area微型智能电网"。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项研究是由中国国家自然科学基金资助(71804177号)和湖南省自然科学基金(2019号jj50455)。

引用

1. c . Wang y, y傅,p .王”的一个孤立的微电网频率控制使用双滑模控制器和扰动观测器,”IEEE智能电网,9卷,不。2、923 - 930年,2016页。视图:出版商的网站|谷歌学术搜索
2. n阮和j . Mitra”的分析风能渗透对系统频率的影响和依赖的规定,“IEEE可持续能源,7卷,不。1,第363 - 354页,2015。视图:谷歌学术搜索
3. m·f·m·Arani和e . f . El-Saadany”,实现虚拟惯性DFIG-based风力发电,”IEEE电力系统,28卷,不。2、1373 - 1384年,2012页。视图:出版商的网站|谷歌学术搜索
4. 拿身份证Margaris s a Papathanassiou, n . d . Hatziargyriou a·d·汉森和p·索伦森,“在独立电力系统频率控制风电渗透率高,“IEEE可持续能源,3卷,不。2、189 - 199年,2012页。视图:出版商的网站|谷歌学术搜索
5. 问:陈、h·史和m .太阳,“基于回声状态网络的逐步退焊法自适应迭代学习控制strict-feedback系统:一个误差跟踪方法,”IEEE控制论,50卷,不。7、1 - 14,2020页。视图:出版商的网站|谷歌学术搜索
6. m . f . Arani和y联合。默罕默德,”分析和实施下垂控制的影响在DFIG-based风力涡轮机在微型智能电网" / weak-grid稳定,”IEEE电力系统,30卷,不。1,第396 - 385页,2015。视图:出版商的网站|谷歌学术搜索
7. j . y . Wang孟、张x和l .徐”PMSG-based风力发电机的控制系统惯性响应和功率振荡阻尼”IEEE可持续能源》第六卷,没有。2、565 - 574年,2015页。视图:出版商的网站|谷歌学术搜索
8. c罗和俊男。Ooi”频率偏移的热电厂由于风力发电场,”IEEE能量转换,21卷,不。3、708 - 716年,2006页。视图:出版商的网站|谷歌学术搜索
9. m·f·m . Arani和y联合。默罕默德,“合作控制风力发电机和电动汽车的微型智能电网"主要频率的规定,“IEEE智能电网,9卷,不。6,5677 - 5686年,2017页。视图:出版商的网站|谷歌学术搜索
10. l . y . Tan Meegahapola, k . m .塔基则“次优power-point-tracking-based主要频率响应策略DFIGs在混合偏远地区供电系统中,“IEEE能量转换没有,卷。31日。1,第105 - 93页,2015。视图:出版商的网站|谷歌学术搜索
11. j·b·l -霍尔兹沃思,Ekanayake, n .詹金斯“电力系统频率响应来自固定速度和双馈式感应发生器的风力涡轮机,”风能,7卷,不。1,21-35,2004页。视图:出版商的网站|谷歌学术搜索
12. L.-R。Chang-Chien W.-T。林和研究。阴”,加强DFIGs频率响应控制的高风渗透到电力系统,”IEEE电力系统,26卷,不。2、710 - 718年,2010页。视图:出版商的网站|谷歌学术搜索
13. l . y . Liu江、问:吴和周x”DFIG-based风能渗透到电力系统的频率控制使用开关角控制器和自动增益控制,”IEEE电力系统,32卷,不。2、1553 - 1567年,2016页。视图:出版商的网站|谷歌学术搜索
14. 问:陈,谢,m .太阳和x,他“自适应非奇异的定时态度稳定的不确定的宇宙飞船,”IEEE航空航天和电子系统,54卷,不。6,2937 - 2950年,2018页。视图:出版商的网站|谷歌学术搜索
15. c·魏m . Benosman, t·金,“在线参数辨识的功率预测锂离子电池的电动汽车使用极值寻找,“国际期刊的控制、自动化和系统,17卷,不。11日,第2916 - 2906页,2019年。视图:出版商的网站|谷歌学术搜索
16. m·康e . Muljadi k .户珥,y . c .康”稳定自适应惯性控制双馈异步发电机,”IEEE智能电网,7卷,不。6,2971 - 2979年,2016页。视图:出版商的网站|谷歌学术搜索
17. l .吴邦国委员长和d . g .田园”评估电力系统频率风系统建模的支持总惯性反应,”IEEE电力系统,28卷,不。3、2283 - 2291年,2013页。视图:出版商的网站|谷歌学术搜索
18. l . f . Cheng瞿,w·乔,c,和l .,“风力发电机齿轮箱的故障诊断基于DFIG定子电流包络分析,“IEEE可持续能源,10卷,不。3、1044 - 1053年,2019页。视图:出版商的网站|谷歌学术搜索
19. m·f·m . Arani和y联合。默罕默德,“动态下垂控制风力涡轮机参与主要在微型电网频率调节,”IEEETransactions在智能电网,9卷,不。6,5742 - 5751年,2017页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Ya-ling陈等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。