基于时变预测优化PID的风电参与AGC方法

发布时间：2021-11-04 23:37

　　在风电高渗透率的电力系统中,风电参与系统调频是保证其安全稳定运行的有效手段,但风电的不确定性,使该过程面临新的挑战。针对此问题展开研究,首先,构建虚拟惯性控制下,风电参与自动发电控制（Automatic Generation Control, AGC）一次调频的系统模型;其次,针对风电输出的不确定性,描述了风电参与调频过程中,风速变化对AGC系统参数的影响;最后,设计了一种时变预测优化比例积分微分（Proportional Integral Derivative,PID）控制方法,以时变预测优化模型表征风速变化对系统参数的影响,以PID控制器对前级预测优化控制变量的输出结果进行调整。仿真结果表明:当风电参与电力系统负荷频率控制时,所提方法能够针对风速变化带来的AGC系统参数变化进行控制变量的动态调整,具有更好的频率控制效果。 

【文章来源】：控制工程. 2020,27(11)北大核心CSCD

【文章页数】：9 页

【部分图文】：

单区域含风电的AGC模型

考虑发电机变化率约束(Generation Rate Constraint,GRC)，火电机组GRC典型值取0.001 7 p.u.MW/s[15]，其环节框架，如图2所示。调速器死区(Governor Dead Band,GDB)为：

在时变MPC控制系统中，式(15)的状态方程系数矩阵会由传统固定参数矩阵改进为参数可变的矩阵。在预测域内，控制序列的单步计算过程中，系数矩阵A、B、C、D会根据系统模型当前输入序列的参数，计算对应参数的单步长系数矩阵Ai,Bi,Ci,Di(i=1,2……Np），并在预测序列滚动优化的过程中，实时捕获当前系统参数，使得在预测域内系数矩阵变为时变的变量，其预测优化过程，如图3所示。若输入序列为：

【参考文献】：
期刊论文
[1]基于卷积循环神经网络深度学习的短期风速预测[J]. 李大中,李颖宇,王超.  电力科学与工程. 2019(08)
[2]基于双层模型预测结构的跨区域AGC机组协同控制策略[J]. 廖小兵,刘开培,乐健,冉晓洪,汪宁渤,周子恒,槐青.  中国电机工程学报. 2019(16)
[3]基于分布式模型预测控制的风电场参与AGC控制方法[J]. 叶林,陈超宇,张慈杭,孙舶皓,汤涌,仲悟之,翟丙旭,蓝海波,吴林林.  电网技术. 2019(09)
[4]稀疏高斯过程在短期风电功率概率预测中的应用[J]. 李军,杜雪.  电机与控制学报. 2019(08)
[5]大规模风电接入电力系统的AGC控制参数修正[J]. 张宇泽.  电气自动化. 2019(01)
[6]含多状态机组风电场的发输电系统可靠性评估加速方法[J]. 徐青山,蔡霁霖,李淋,郑爱霞.  中国电机工程学报. 2018(24)
[7]预测优化PID方法在含风电电力系统AGC中的应用[J]. 赵熙临,林震宇,付波,何莉,徐光辉.  电力系统及其自动化学报. 2019(03)
[8]基于社会学习自适应细菌觅食算法的互联电网AGC最优PI/PID控制器设计[J]. 谢平平,李银红,刘晓娟,石东源,段献忠.  中国电机工程学报. 2016(20)
[9]互联电力系统鲁棒分布式模型预测负荷频率控制[J]. 张怡,刘向杰.  控制理论与应用. 2016(05)
[10]风电场等效虚拟惯性时间常数计算[J]. 李世春,邓长虹,龙志君,周沁,郑峰.  电力系统自动化. 2016(07)



本文编号：3476628