[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN116581780A - 一种风储联合系统一次调频特性建模与控制方法 - Google Patents

一种风储联合系统一次调频特性建模与控制方法 Download PDF

Info

Publication number
CN116581780A
CN116581780A CN202310562743.7A CN202310562743A CN116581780A CN 116581780 A CN116581780 A CN 116581780A CN 202310562743 A CN202310562743 A CN 202310562743A CN 116581780 A CN116581780 A CN 116581780A
Authority
CN
China
Prior art keywords
frequency modulation
wind
control
wind turbine
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310562743.7A
Other languages
English (en)
Inventor
胡阳
姚欣然
房方
刘吉臻
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN202310562743.7A priority Critical patent/CN116581780A/zh
Publication of CN116581780A publication Critical patent/CN116581780A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Wind Motors (AREA)

Abstract

本发明提供了一种风储联合系统一次调频特性建模与控制方法，包括：通过机理分析建立风电机组调频详细模型，并获取不同工况下风电机组调频数据；建立不同调频工况下的有限差分回归向量，并利用不同工况下风电机组调频数据对各个有限差分回归向量进行参数辨识；对不同工况的有限差分回归向量进行高维聚类划分工况域；根据表征储能充放电特性的有限差分回归向量建立风储联合系统参与电网一次调频的函数模型；以发生频率波动时在预测时域内风电和储能装置的单位时间调频成本为目标建立优化模型，根据优化求解器对预测模型进行求解。本发明能够能够在考虑到调频的经济成本问题的前提下，提高系统稳定性。

Description

一种风储联合系统一次调频特性建模与控制方法
技术领域
本发明涉及风电机组控制技术领域，特别是涉及一种风储联合系统一次调频特性建模与控制方法。
背景技术
现阶段，新型电力系统的主要特征是实现新能源高比例接入，信息技术与能量供给深度融合。但是，新能源接入在实现低碳的同时，为电网的安全与经济运行带来了严峻挑战。发电侧并网主体应具备参与电力系统调频、调峰和备用能力。风力发电在能源中占比日益增大，其调频策略和控制方法也受到越来越多的关注。
随着风电渗透率不断提高，电力系统和风电场之间的相互作用机制越来越复杂，风电的大规模投入使系统的调频能力降低，对电网的频率稳定性造成较大影响。在参与调频的风电场中，电网调度系统及风电场级调频控制器根据下垂控制等方法计算风电场参与调频所需的有功功率增量，场级控制系统根据风电机组运行状态完成有功功率分配。但是风电场内机组数量多，风机运行状态无法保证一致，容易造成风电机组或出力不足，或虚掷了出力能力，最终风电场无法完成电网下达的有功出力任务，甚至导致风电场出力不稳定影响电网有功调度。为此，风电场如何进行调频功率的有效分配是一个重点关注的问题。
除了风电场直接参与电网调频以外，储能技术的快速发展也为调频提供了新的解决办法，将储能和风电相结合共同参与电网一次调频能够提高系统稳定性，但是目前储能成本较高，进行风储联合调频时还需要考虑到调频的经济成本问题。
为此，提出一种储能参与的风电场一次调频特性建模与控制方法。
发明内容
为了克服现有技术的不足，本发明的目的是提供一种，。
为实现上述目的，本发明提供了如下方案：
一种风储联合系统一次调频特性建模与控制方法，包括：
获取风电机组调频控制策略；
基于所述风电机组调频控制策略，通过机理分析建立风电机组调频详细模型，并通过改变输入风速和负荷生成不同的调频工况，以获取不同工况下风电机组调频数据；
根据风电机组实际出力影响参数，建立不同调频工况下的有限差分回归向量，并利用不同工况下风电机组调频数据对各个有限差分回归向量进行参数辨识，得到调频暂态特性和稳态特性的线性模型；
对不同工况的有限差分回归向量进行高维聚类划分工况域，将在同一工况域的风电机组归为一类，以实现对相似调频特性的风电机组的划分；
根据表征储能充放电特性的有限差分回归向量建立风储联合系统参与电网一次调频的函数模型，并按照所述函数模型预测控制标准方程离散化；
以发生频率波动时在预测时域内风电和储能装置的单位时间调频成本为目标建立优化模型，并根据优化模型和预设约束条件构建预测模型；
根据优化求解器对所述预测模型进行求解，得到各风电机群参与调频的有功出力参考值和储能装置功率变化量参考值。
优选地，所述风电机组调频控制策略包括：转子动能控制和功率备用控制；所述转子动能控制包括虚拟惯性控制、下垂控制以及所述虚拟惯性控制和所述下垂控制结合的综合惯性控制，功率备用控制包含变桨控制和超速控制，所述功率备用控制用于风电机组减载运行模式。
优选地，所述风电机组调频详细模型的构建方法包括：
建立风电机组的风轮机、传动系统和电气系统以及转子动能控制参与调频的数学模型；
根据所述数学模型在仿真平台上进行搭建，得到所述风电机组调频详细模型。
优选地，所述有限差分回归向量包括电力系统频率变化量、输入风速、有功功率、桨距角和转子转速。
优选地，所述预设约束条件包括：储能装置功率变化量约束、储能装置荷电状态约束和一次调频功率平衡条件约束。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种风储联合系统一次调频特性建模与控制方法，包括：获取风电机组调频控制策略；基于所述风电机组调频控制策略，通过机理分析建立风电机组调频详细模型，并通过改变输入风速和负荷生成不同的调频工况，以获取不同工况下风电机组调频数据；根据风电机组实际出力影响参数，建立不同调频工况下的有限差分回归向量，并利用不同工况下风电机组调频数据对各个有限差分回归向量进行参数辨识，得到调频暂态特性和稳态特性的线性模型；对不同工况的有限差分回归向量进行高维聚类划分工况域，将在同一工况域的风电机组归为一类，以实现对相似调频特性的风电机组的划分；根据表征储能充放电特性的有限差分回归向量建立风储联合系统参与电网一次调频的函数模型，并按照所述函数模型预测控制标准方程离散化；以发生频率波动时在预测时域内风电和储能装置的单位时间调频成本为目标建立优化模型，并根据优化模型和预设约束条件构建预测模型；根据优化求解器对所述预测模型进行求解，得到各风电机群参与调频的有功出力参考值和储能装置功率变化量参考值。本发明能够能够在考虑到调频的经济成本问题的前提下，提高系统稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的方法流程图；
图2为本发明实施例提供的储能参与风电场一次调频函数模型示意图；
图3为本发明实施例提供的转子惯性控制示意图；
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的方法流程图，如图1所示，本发明提供了一种风储联合系统一次调频特性建模与控制方法，包括：
步骤100：获取风电机组调频控制策略；
步骤200：基于所述风电机组调频控制策略，通过机理分析建立风电机组调频详细模型，并通过改变输入风速和负荷生成不同的调频工况，以获取不同工况下风电机组调频数据；
步骤300：根据风电机组实际出力影响参数，建立不同调频工况下的有限差分回归向量，并利用不同工况下风电机组调频数据对各个有限差分回归向量进行参数辨识，得到调频暂态特性和稳态特性的线性模型；
步骤400：对不同工况的有限差分回归向量进行高维聚类划分工况域，将在同一工况域的风电机组归为一类，以实现对相似调频特性的风电机组的划分；
步骤500：根据表征储能充放电特性的有限差分回归向量建立风储联合系统参与电网一次调频的函数模型，并按照所述函数模型预测控制标准方程离散化；
步骤600：以发生频率波动时在预测时域内风电和储能装置的单位时间调频成本为目标建立优化模型，并根据优化模型和预设约束条件构建预测模型；
步骤700：根据优化求解器对所述预测模型进行求解，得到各风电机群参与调频的有功出力参考值和储能装置功率变化量参考值。
具体的，本实施例中的步骤一为：对风电机组的调频策略进行研究，制定风电机组在自由发电状态下参与电力系统频率控制的综合策略。分析风电机组常用的调频策略如虚拟惯量和下垂控制结合的转子动能控制原理和自由发电状态下变桨距控制原理，制定融合暂态转子动能和稳态变桨控制的协同调频策略。
进一步地，本实施例中步骤二为：机理分析建立风电机组气动系统、传动系统和电气系统数学模型，基于仿真平台搭建风电机组调频详细模型，通过改变输入风速和负荷生成不同的工况，并获取不同工况下风电机组调频数据。
进一步地，本实施例中步骤三为：提出一种基于数据驱动的有限差分建模方法及流程。其中包含回归向量的构成、延迟阶次的确定以及状态空间方程输入变量、输出变量和状态量的确定。
进一步地，本实施例中步骤四为：对有限差分建模方法的实际应用，建立风电机组调频有功响应模型。提出表征风电调频特性的混杂有限差分回归向量，作为模型输入变量，并确定输出变量和状态量，经参数辨识建立调频暂态特性和稳态特性的线性模型。
进一步地，本实施例中步骤五为：对不同工况的有限差分回归向量进行高维聚类划分工况域，将在同一工况域的风电机组归为一类，从而实现对相似调频特性的风电机组的划分。
进一步地，本实施例中步骤六为：提出表征储能充放电特性的有限差分回归向量，建立风储联合系统参与电网一次调频的函数模型，并按照模型预测控制标准方程离散化。
进一步地，本实施例中步骤七为：考虑到风储联合系统的功率分配会影响到系统调频的经济性，以发生频率波动时在预测时域内风电和储能装置的单位时间调频成本为目标建立优化模型，并对储能装置功率变化量、荷电状态、风电机组出力等变量进行约束。经过优化求解器对预测模型进行求解，并验证MPC控制下风储功率优化分配策略的有效性。
优选地，所述风电机组调频控制策略包括：转子动能控制和功率备用控制；所述转子动能控制包括虚拟惯性控制、下垂控制以及所述虚拟惯性控制和所述下垂控制结合的综合惯性控制，功率备用控制包含变桨控制和超速控制，所述功率备用控制用于风电机组减载运行模式。
具体的，步骤一中，风电机组调频控制策略主要分为转子动能控制和功率备用控制，其中，转子动能控制适用于任何风速，包括虚拟惯性控制、下垂控制以及两者结合的综合惯性控制，功率备用控制包含变桨控制和超速控制，适用于风电机组减载运行模式。转子动能控制可以保证机组运行在最大功率追踪状态时能够提供额外的有供参考，确保经济性，因此本发明中风电机组运行在自由发电模式下，选择转子动能控制作为调频策略，并加入变桨控制保证风电机组稳态特性。
优选地，所述风电机组调频详细模型的构建方法包括：
建立风电机组的风轮机、传动系统和电气系统以及转子动能控制参与调频的数学模型；
根据所述数学模型在仿真平台上进行搭建，得到所述风电机组调频详细模型。
具体的，步骤二中，建立风电机组的风轮机、传动系统和电气系统以及转子动能控制参与调频的数学模型，在Matlab/Simlink仿真平台搭建详细模型，通过改变风速和负荷，创建不同的工况，通过运行仿真模型获取不同工况中系统频率变化、风电机组有功功率、桨距角、转子转速等运行特征。
优选地，所述有限差分回归向量包括电力系统频率变化量、输入风速、有功功率、桨距角和转子转速。
进一步地，本实施例步骤三中，提出有限差分建模方法。其流程包含：确定影响系统输出特性的变量，经AIC准则判断其延迟阶次，构成有限差分回归向量；以有限差分回归向量作为输入，机理分析确定输出量和状态量，建立线性模型；带入具体实验数据，经参数辨识得到具体状态空间模型。
进一步地，本实施例步骤四中，对参与电力系统调频的风电机组进行有限差分建模，确定每个工况的混杂有限差分回归向量，其中包含电力系统频率变化量、输入风速、有功功率、桨距角和转子转速等，并经过AIC准则确定延迟阶次。建立每个工况的状态空间方程模型，状态空间方程中以有限差分回归向量作为输入，以实际功率增量为输出，经参数辨识得到输入矩阵和状态矩阵。
进一步地，本实施例步骤五中，采用高维聚类算法，对不同工况的回归向量进行聚类，混杂有限差分回归向量体现了每个工况的调频特性，因此对回归向量聚类不仅是对数据的聚类，还实现了对调频工况的聚类，将运行在同一工况的风电机组聚类，从而实现风电机组的划分。
更进一步地，本实施例步骤六中，储能装置具有响应迅速、灵活可控和运行稳定的优势，考虑储能装置在充放电过程中荷电状态SOC，经有限差分建模方法确定表征其充放电特性的线性模型。综合风电和储能模型，得到一次调频过程中的系统方程组，并按照模型预测控制标准方程离散化，确定状态变量矩阵、输出变量和干扰变量矩阵，经参数辨识得到状态输入矩阵、控制输入矩阵、输出矩阵和干扰输入矩阵。
优选地，所述预设约束条件包括：储能装置功率变化量约束、储能装置荷电状态约束和一次调频功率平衡条件约束。
更进一步地，本实施例步骤七中，以储能系统和风电场共同参与一次调频为基础，建立发生频率波动时，在预测时域内，风机和储能装置的单位时间调频成本最小的优化模型。目标函数中调频成本包括风电场一次调频成本和储能装置一次调频成本。约束条件包含储能装置功率变化量约束、储能装置荷电状态约束和一次调频功率平衡条件约束等。利用优化求解器对预测模型进行求解，得到各风电机群参与调频的有功出力参考值和储能装置功率变化量参考值，然后更新系统状态，进入下一个时刻再次优化求解。
作为一种可选的实施方式，如图2所示，本发明在风电机群划分、风电机组和储能装置有功功率模型、MPC控制器设计、建立优化模型、优化算法求解的框架下，最终完成储能参与风电场一次调频的建模与控制，具体包括以下步骤：
步骤一：制定包含风电机组稳态控制和调频暂态控制策略。风电机组在自由发电状态时，采用变桨控制策略维持出力稳定性。当风电机组参与电力系统频率调解时，对其增加调频控制器，调频策略为虚拟惯量控制和下垂控制策略两种策略相结合的协调控制策略，如图3所示。虚拟惯性控制环节可以用以下公式表示：
下垂控制有功输出特性可表示为：
综合惯性控制：
步骤二：搭建风电机组调频详细仿真模型，获取实验数据。风电机组通常包含风轮机、传动系统、电气系统、变桨系统和控制系统等子系统。以双馈风电机组为研究对象，建立风电机组各单元数学模型，并在Matlab/Simlink平台搭建包含风电机组调频控制策略的详细电力电子模型。风速作为输入变量，改变风速，获得不同的调频工况，并记录各工况中风电机组参与调频时暂态特征数据和调频事件完成后稳态特征。
步骤三：针对单个工况，建立混杂有限差分回归向量。输入风速、电力系统频率、风电机组转子转速、桨距角的变化情况以及自身惯性等参数都会影响风电机组实际出力增量。构建包含这些影响因素的有限差分回归向量，使用AIC准则判断各变量延迟阶次。建立风电机组参与频率调节时的状态空间方程为：
其中，以电网下发的风电机组参考功率增量和有限差分回归向量为输入，以实际出力增量为输出。经参数辨识，得到具体函数模型。
步骤四：对各工况回归向量进行聚类，划分风电机群。风电场内风电机组数量多，出力特性不一致，在对风电场建模时难以遍历全部风电机组，因此对回归向量进行聚类划分不同工况域，选择不同工况域的特征风机来表征风电场出力特性。
步骤五：采用类似的有限差分建模方法，建立表征储能装置出力特性的线性模型。
储能装置在充放电过程中荷电状态SOC会发生变化，不考虑充放电效率，其表达式为：
S＝S-ΔPbess T/Ebess(1.8)
式中，Ebess为储能装置的容量，T为预测模型的采样步长，S为储能的荷电状态。在所研究的系统中，线性化预测模型标准形式为：
其中，k为采样时刻，A、B、R、C分别为状态矩阵、控制输入矩阵、干扰矩阵和输出矩阵。
步骤六：以发生频率波动时在预测时域内风电和储能装置的单位时间调频成本为目标建立优化模型。优化目标函数为：
其中，Cwind(k+i|k)和Cbess(k+i|k)分别为当前采样时刻k对k+1时刻风机和储能装置一次调频成本的预测值，NP为预测时域。
约束条件包括：对储能装置功率变化量约束、储能装置荷电状态约束、风机桨距角变化量约束和一次调频功率平衡条件约束。
步骤七：利用Matlab中优化求解器对上述预测模型进行求解，将所得结果中的控制变量包含一段时间的控制序列，结果中取第一个参数作为风电和储能装置功率变化量参考值，从而更新系统状态，进入下一个时刻再次优化求解。
本发明的有益效果如下：
(1)本发明制定融合暂态转子动能和稳态变桨控制的协同调频策略，使风电机组在自由发电模式下参与电力系统频率支撑。
(2)本发明建立包含控制系统的风电机组各单元数学模型，基于仿真平台搭建风电机组调频详细模型，获取不同工况下风电机组参与调频的实验数据。
(3)本发明提出一种基于数据驱动的有限差分建模方法及流程。
(4)本发明提出表征风电调频特性的混杂有限差分回归向量，采用有限差分建模方法，经参数辨识建立包含稳态特性和暂态特性的线性模型。
(5)本发明对不同工况的有限差分回归向量进行高维聚类划分运行域，从而实现对相似调频特性的风电机组的划分。
(6)本发明基于混杂有限差分回归向量，构建包含负荷、同步机组、风电场及储能装置参与电力系统调频的函数模型。
(7)本发明提出单位时间调频成本最小的目标函数及约束条件，经模型预测控制器进行功率分配，并进行模型求解。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (5)

1.一种风储联合系统一次调频特性建模与控制方法，其特征在于，包括：
获取风电机组调频控制策略；
基于所述风电机组调频控制策略，通过机理分析建立风电机组调频详细模型，并通过改变输入风速和负荷生成不同的调频工况，以获取不同工况下风电机组调频数据；
根据风电机组实际出力影响参数，建立不同调频工况下的有限差分回归向量，并利用不同工况下风电机组调频数据对各个有限差分回归向量进行参数辨识，得到调频暂态特性和稳态特性的线性模型；
对不同工况的有限差分回归向量进行高维聚类划分工况域，将在同一工况域的风电机组归为一类，以实现对相似调频特性的风电机组的划分；
根据表征储能充放电特性的有限差分回归向量建立风储联合系统参与电网一次调频的函数模型，并按照所述函数模型预测控制标准方程离散化；
以发生频率波动时在预测时域内风电和储能装置的单位时间调频成本为目标建立优化模型，并根据优化模型和预设约束条件构建预测模型；
根据优化求解器对所述预测模型进行求解，得到各风电机群参与调频的有功出力参考值和储能装置功率变化量参考值。
2.根据权利要求1所述的风储联合系统一次调频特性建模与控制方法，其特征在于，所述风电机组调频控制策略包括：转子动能控制和功率备用控制；所述转子动能控制包括虚拟惯性控制、下垂控制以及所述虚拟惯性控制和所述下垂控制结合的综合惯性控制，功率备用控制包含变桨控制和超速控制，所述功率备用控制用于风电机组减载运行模式。
3.根据权利要求1所述的风储联合系统一次调频特性建模与控制方法，其特征在于，所述风电机组调频详细模型的构建方法包括：
建立风电机组的风轮机、传动系统和电气系统以及转子动能控制参与调频的数学模型；
根据所述数学模型在仿真平台上进行搭建，得到所述风电机组调频详细模型。
4.根据权利要求1所述的风储联合系统一次调频特性建模与控制方法，其特征在于，所述有限差分回归向量包括电力系统频率变化量、输入风速、有功功率、桨距角和转子转速。
5.根据权利要求1所述的风储联合系统一次调频特性建模与控制方法，其特征在于，所述预设约束条件包括：储能装置功率变化量约束、储能装置荷电状态约束和一次调频功率平衡条件约束。
CN202310562743.7A 2023-05-18 2023-05-18 一种风储联合系统一次调频特性建模与控制方法 Pending CN116581780A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310562743.7A CN116581780A (zh) 2023-05-18 2023-05-18 一种风储联合系统一次调频特性建模与控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310562743.7A CN116581780A (zh) 2023-05-18 2023-05-18 一种风储联合系统一次调频特性建模与控制方法

Publications (1)

Publication Number Publication Date
CN116581780A true CN116581780A (zh) 2023-08-11

Family

ID=87533627

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310562743.7A Pending CN116581780A (zh) 2023-05-18 2023-05-18 一种风储联合系统一次调频特性建模与控制方法

Country Status (1)

Country Link
CN (1) CN116581780A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117154756A (zh) * 2023-08-30 2023-12-01 南京工程学院 一种考虑储能荷电状态的风储联合调频控制方法
CN117439198A (zh) * 2023-10-09 2024-01-23 中国三峡建工(集团)有限公司 一种风电机组变桨控制调频方法、装置、设备及存储介质
CN117674189A (zh) * 2023-11-25 2024-03-08 山东大学 一种基于可用调频能量约束的风电机组调频参数设定方法
CN118554488A (zh) * 2024-07-30 2024-08-27 长江三峡集团实业发展(北京)有限公司 一种抽水压缩空气储能的快速调频优化控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723456A (zh) * 2020-05-08 2020-09-29 华南理工大学 一种基于nsga-ⅱ算法的中央空调系统能效优化方法
CN113890056A (zh) * 2021-09-17 2022-01-04 华中科技大学 适用于风储联合调频系统的功率优化分配控制方法及系统
CN114865701A (zh) * 2022-05-30 2022-08-05 河海大学 基于自适应模型预测控制的风储联合调频方法
CN116070769A (zh) * 2023-02-17 2023-05-05 华北电力大学 一种超短期风电场功率多步区间预测模块化方法及其设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111723456A (zh) * 2020-05-08 2020-09-29 华南理工大学 一种基于nsga-ⅱ算法的中央空调系统能效优化方法
CN113890056A (zh) * 2021-09-17 2022-01-04 华中科技大学 适用于风储联合调频系统的功率优化分配控制方法及系统
CN114865701A (zh) * 2022-05-30 2022-08-05 河海大学 基于自适应模型预测控制的风储联合调频方法
CN116070769A (zh) * 2023-02-17 2023-05-05 华北电力大学 一种超短期风电场功率多步区间预测模块化方法及其设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
胡阳 等: "基于有限差分运行域的风电场全风况超短期出力动态区间建模", 电网技术, vol. 46, no. 4, pages 1346 *
董天翔 等: "风储联合系统参与频率响应的优化控制策略", 电网技术, vol. 46, no. 10, pages 3980 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117154756A (zh) * 2023-08-30 2023-12-01 南京工程学院 一种考虑储能荷电状态的风储联合调频控制方法
CN117154756B (zh) * 2023-08-30 2024-05-28 南京工程学院 一种考虑储能荷电状态的风储联合调频控制方法
CN117439198A (zh) * 2023-10-09 2024-01-23 中国三峡建工(集团)有限公司 一种风电机组变桨控制调频方法、装置、设备及存储介质
CN117674189A (zh) * 2023-11-25 2024-03-08 山东大学 一种基于可用调频能量约束的风电机组调频参数设定方法
CN118554488A (zh) * 2024-07-30 2024-08-27 长江三峡集团实业发展(北京)有限公司 一种抽水压缩空气储能的快速调频优化控制方法

Similar Documents

Publication Publication Date Title
Roslan et al. Scheduling controller for microgrids energy management system using optimization algorithm in achieving cost saving and emission reduction
CN116581780A (zh) 一种风储联合系统一次调频特性建模与控制方法
Pourmousavi et al. Real-time energy management of a stand-alone hybrid wind-microturbine energy system using particle swarm optimization
CN102354974A (zh) 微电网多目标优化运行控制方法
CN115102239B (zh) 一种考虑soc均衡的储能电站一次调频控制方法及系统
Thatte et al. Coordination of wind farms and flywheels for energy balancing and frequency regulation
CN113541205B (zh) 基于集群学习的低碳csp系统协同优化方法及装置
CN105117797B (zh) 基于孤岛划分的微网日前经济最优调度方法
CN105406496A (zh) 一种基于实测频率响应辨识的孤立微电网调频控制方法
Yin et al. Fuzzy vector reinforcement learning algorithm for generation control of power systems considering flywheel energy storage
CN110206686A (zh) 一种用于风力发电机组的自适应最大功率跟踪控制方法
Li et al. Integration and energy management of large-scale lithium-ion battery energy storage station
CN114336694A (zh) 一种混合储能电站能量优化控制方法
CN106786669B (zh) 一种风电场有功功率变化率控制方法及系统
CN104253439B (zh) 电池储能电站无功功率分配与控制方法
CN105574620A (zh) 一种结合双主控协作与mpso算法的微电网动态优化调度方法
Xie et al. Multi-time-scale modeling and analysis of energy storage in power system operations
Fadheel et al. A Hybrid Sparrow Search Optimized Fractional Virtual Inertia Control for Frequency Regulation of Multi-Microgrid System
CN110350554B (zh) 基于混联结构的风储系统辅助电网一次调频控制方法
Wang et al. Frequency response methods for grid-connected wind power generations: A review
CN118539521B (zh) 一种源网荷储协同方法及系统
Peng et al. Coordinated AGC control strategy for an interconnected multi-source power system based on distributed model predictive control algorithm
Lu et al. Advances in Model Predictive Control for Large-Scale Wind Power Integration in Power Systems: A Comprehensive Review
CN115102228A (zh) 一种含飞轮储能的风电场多目标协调频率优化方法和装置
CN115021336A (zh) 一种面向高比例新能源电力系统惯量不足场景的优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination