基于分布式模型预测控制的包含大规模风电集群互联系统超前频率控制策略

随着风电在电力系统中的大规模接入以及风电渗透率的不断提高,仅依靠传统电源进行频率控制将无法满足系统稳定性要求,亟需风电具有与传统电源协调配合共同参与电力系统频率控制的能力。首先,建立了一个考虑非线性约束的包含大规模风电集群及传统电源的多区互联系统频率响应模型;其次,提出了考虑超短期风电功率预测信息的结合拉盖尔函数分布式模型预测控制策略,该策略依据风电预测数据对控制策略预测时域进行滚动优化,形成频率超前控制的优化机制;最后,提出了纳什均衡分解协调在线优化控制算法,解决带约束多变量复杂系统与在线滚动优化求解之间的矛盾。通过算例分析,对所提策略与算法的可行性和有效性进行了验证。

风电场有功功率多目标分层递阶预测控制策略

为了协调有功功率调度控制精度、控制稳定性和风机机械损耗等多方面的问题,风电场有功控制策略需要具备多目标闭环协调优化的能力。该文首先根据提升风电场对系统有功调度指令的追踪精度、降低调度的波动次数和优化风机的发电状态等多个控制目标,将风电场内有功调度分为场站优化分配层、分群控制层和单机有功功率管理层3个层次,并在分群控制层中根据风机负荷状态和未来有功功率变化趋势进行风机分群。在场站优化分配层建立基于在线序贯极限学习机、最小二乘支持向量机的超短期有功功率组合预测模型,结合功率预测值和系统有功调度值对各机群有功负荷值进行优化分配,并下发至分群控制层。各机群根据场站层下发的调度指标和群内风机发电状态进行进一步滚动优化,从而提高控制的针对性,降低风机调度指令的波动范围和次数。在此基础上,单机有功功率管理层实现风机有功功率的实时优化控制和校正。此外,系统根据风电场实时有功功率数据反馈,对功率组合预测模型系统进行误差反馈校正,从而整体提高有功功率预测精度。经过与目前常用风电场场内有功功率分配算法对比,提出的有功控制策略可在提升有功控制精度的同时,降低风机调度次数,提高风电场有功调控的鲁棒性。

基于服务信誉评价的偏好分析与推荐模型

为了描述用户的个性化偏好需求、优化服务推荐效果,提出基于服务信誉评价的用户偏好分析与服务推荐模型。该模型以服务的多维信誉指标为分析对象,能够兼容服务信誉评价的各种形式,包括数字评分、标签和自然语言评价,并依据模糊多属性决策理论进行自动的用户服务质量偏好的提取及服务推荐。通过对比分析实际服务数据的实验结果,验证了模型的合理性与有效性。

多时空尺度协调的风电集群有功分层预测控制方法

大规模风电集群内风电场数量众多,分布范围广,提高风电集群有功控制能力十分关键。为此,该文基于模型预测控制理论,提出一种考虑多时空尺度协调的风电集群有功分层预测控制方法。该方法将风电集群在空间尺度上分为三层控制层,将超短期风电功率预测值在时间尺度上逐层细化,并对各层滚动优化环节进行了优化建模。其中,在预测模型环节采用物理方法和统计方法结合的组合预测模型,在反馈校正环节采用基于误差波动性分析的方法。在区域层内以功率变化趋势与风电场运行状态为信息进行动态分群,在单场层内考虑风电集群送出通道利用率与自动发电控制机组下旋转备用空间以促进风电消纳。仿真分析中通过与常用有功分配方法对比,结果表明文中所提方法在保证系统安全运行和满足集群计划的同时,能够提高风电消纳能力,合理利用风能资源和分配集群内风电功率。

基于随机分层分布式模型预测控制的风电集群频率控制规划方法

大规模风电集群功率输出不确定性对接入电网频率造成不利影响,为了使风电集群与传统电源协调配合共同参与系统调频,提出一种基于随机分层分布式模型预测控制(stochastic-hierarchical-distributed model predictive control,S-H-DMPC)的风电集群频率控制机会约束目标滚动规划方法(chance constrained goal rolling programming,CCGRP)。首先,建立考虑功率波动相关性的风电集群功率预测误差模型;其次,提出考虑风电集群功率预测误差随机向量的双层机会约束目标滚动规划方法,上层规划侧重电网拓扑结构及全区系统经济性,下层规划侧重平均系统频率增广模型(average system frequency augmented model,ASFAM)及分区运行安全性;最后,提出基于蒙特卡罗随机模拟的模型求解方法,该方法采用仿射变换算法,通过对风电集群功率预测误差随机向量进行抽样实现机会约束条件的处理。仿真算例表明,所提控制方法能有效提高风电集群参与系统调频的准确性,证明了方法的可行性与鲁棒性。