CN107968444B - 一种新能源集群协调优化控制方法 - Google Patents

Abstract

本申请提供一种新能源集群协调优化控制方法，具体方法为：根据将一个略低于功率输送上线的功率值与预测下一时刻风机和光伏发电功率作差，并按照水电和火电装机容量分配策略进行处理，得到火电机组和水电机组给定功率值；通过将当前时刻光伏和风机实际出力值与前一时刻预测当前时刻的值做差值，并将此差值通过前馈方式引入控制***；针对火电厂主汽温控制***大惯性、大延迟且模型不确定,以及水电机组***本身的复杂性、非线性性以及非最小相位等特性，引入模糊控制；第四，依据上述步奏，建立控制模型寻求最优前馈环节中的传递函数值，来达到克服水电和火电功率调教惯性大缺点，使输送功率尽可能大，提高通道利用率。

Description

一种新能源集群协调优化控制方法

技术领域

本公开涉及新能源技术领域，尤其涉及一种新能源集群协调优化控制方法。

背景技术

在风光水火联合发电时，新能源波动性较大，由于火电机组与水电机组有功功率响应速率差，不能使有功功率曲线尽量接近功率输送上线值，造成输送功率低，进而造成通道利用率低下。

发明内容

本发明实施例中提供了一种新能源集群协调优化控制方法，以解决现有技术中通道利用率低的问题。

本发明提供了一种新能源集群协调优化控制方法，包括：

根据下一个时刻t的风机和光伏总功率预测值r和目标功率值m，分别计算水电机组的给定功率值WP和火电机组的给定功率值WT；

计算当前时刻光伏和风机的实际出力值与上一时刻预测的此时刻的光伏和风机出力值的差值ΔP_i，并根据所述差值以及传递函数G_r1(s)与G_r2(S)，分别得到能源集群控制***中水电机组控制器的输入量V1与水电机组实发功率U的对应关系，以及能源集群控制***中火电机组控制器的输入量V3与火电机组实发功率U_T的对应关系；

根据所述水电机组控制器的输入量V1、所述水电机组控制器的输入量V1的导数值V2、所述火电机组控制器的输入量V3以及所述火电机组控制器的输入量V3的导数值V4作为输入值，以水电机组实发功率U和火电机组实发功率U_T作为输出值，建立被控对象模型；

根据所述被控对象模型，建立控制器的输入量与输出量的模糊关系，利用所述模糊关系得到水电机组实发功率U和火电机组实发功率U_T以及传递函数G_r1(s)与G_r2(S)。

优选的，所述根据下一个时刻t的风机和光伏总功率预测值r和目标功率值m，分别计算水电机组的给定功率值WP和火电机组的给定功率值WT包括：

将断面输送功率上限值的95％设定为目标功率值m；

根据公式

和公式

计算得到水电机组的给定功率值WP和火电机组的给定功率值WT，其中，n1与n2分别为水电装机容量和火电装机容量。

优选的，所述水电机组控制器的输入量V1与水电机组实发功率U的对应关系为V₁＝(WP-U)-ΔP_iG_r1(S)，火电机组控制器的输入量V3与火电机组实发功率U_T的对应关系为V₃＝(WT-u_T)-ΔP_iG_r2(S)。

优选的，所述被控对象模型为：

其中，G₁₁是以V1为输入，U为输出的传递函数；G₁₂是以V2为输入，U为输出的传递函数；G₁₃是以V3为输入，U为输出的传递函数；G₁₄是以V4为输入，U为输出的传递函数；G₂₁是以V1为输入，u_T为输出的传递函数；G₂₂是以V2为输入，u_T为输出的传递函数；G₂₃是以V3为输入，u_T为输出的传递函数；G₂₄是以V4为输入，u_T为输出的传递函数。

优选的，所述控制器的输入量与输出量的模糊关系为：

其中，k＝1,2,3,4,j＝1,2,3,4；

利用所述模糊关系得到水电机组实发功率U和火电机组实发功率U_T的计算公式分别为：

本申请的有益效果如下：

本申请提供的新能源集群协调优化控制策略，实际是通过对风光水火联合优化协调发电，使断面输送功率曲线尽量接近略低于功率输送上线的目标，提高通道利用率。具体方法为：根据将一个略低于功率输送上线的功率值与预测下一时刻风机和光伏发电功率作差，并按照水电和火电装机容量分配策略进行处理，得到火电机组和水电机组给定功率值；通过将当前时刻光伏和风机实际出力值与前一时刻预测当前时刻的值做差值，并将此差值通过前馈方式引入控制***；针对火电厂主汽温控制***大惯性、大延迟且模型不确定,以及水电机组***本身的复杂性、非线性性以及非最小相位等特性，引入模糊控制；第四，依据上述步奏，建立控制模型寻求最优前馈环节中的传递函数值，来达到克服水电和火电功率调教惯性大缺点，使输送功率尽可能大，提高通道利用率。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

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，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本申请实施例提供的新能源集群协调优化控制的策略控制原理框图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，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，都应当属于本发明保护的范围。

在风光水火联合发电时，新能源波动性较大，由于火电机组与水电机组有功功率响应速率差，不能使有功功率曲线尽量接近功率输送上线值，造成输送功率低，进而造成通道利用率低下。本申请提供的新能源集群协调优化控制策略，利用风机和光伏出力分时预测与引入预测偏差动态前馈的方法，超前给出控制指令，并选取最优预测偏动态前馈传递函数值，实现风-光-水-火优化协调控制，提高新能源受限断面的输送能力。

请参考图1，所示为本申请实施例提供的新能源集群协调优化控制的策略控制原理框图。如上图1所示，其中ΔP_i为风机和光伏出力预测值与实际值差值，G_r1(s)与G_r2(S)为将实际出力和预测出力差值引入控制环节中，增加前馈控制，提高控制动态效果。本文的实质是寻求最优G_r1(s)与G_r2(S)传递函数达到提高通道利用率的目的。本申请提供的新能源集群协调优化控制策略，基于分时预测及动态前馈的方法，能够提高新能源输送能力，具体通过以下步骤来寻求最佳控制效果：

第一步，首先在保证电网稳定运行前提下，又需要充分考虑断面输电通道利用率，故选取略低于断面输送功率上限的一个功率值m,m取值为断面输送功率上限的95％；然后将下个时刻t风机和光伏总功率预测值r与目标功率值m做差,最后将m-r值按照水电和火电装机容量分配策略进行处理，得到火电机组和水电机组给定功率值，具体计算公式如下：

式一中n₁与n₂分别为水电装机容量和火电装机容量；WP为按照水电和火电装机容量分配策略所得到的水电出力给定值；WT为按照水电和火电装机容量分配策略所得到的火电出力给定值。

第二步，光伏和风机预测值和实际实发值有偏差，所以将当前时刻光伏和风机实际出力值与此前预测此时刻的值做差值得到ΔP_i，引入传递函数G_r1(s)与G_r2(S)，通过前馈补偿控制，提高水电和火电机组出力快速性。我们采取传递函数G_r1(s)与G_r2(S)按照一常数值来处理，具体表达式如下：

式二中，U为水电机组实发功率，U_T为火电机组实发功率，V1为能源集群控制***中水电机组控制器的输入量，V3均为能源集群控制***中火电机组控制器的输入量。

第三步，利用第一步与第二步方案中所确定的V1和V3值及其相应导数值V2,V4作为模型的输入值，水电机组实发功率和火电机组实发功率为输出值，建立被控对象模型。

式三中，G₁₁是以V1为输入，U为输出的传递函数；G₁₂是以V2为输入，U为输出的传递函数；G₁₃是以V3为输入，U为输出的传递函数；G₁₄是以V4为输入，U为输出的传递函数；G₂₁是以V1为输入，u_T为输出的传递函数；G₂₂是以V2为输入，u_T为输出的传递函数；G₂₃是以V3为输入，u_T为输出的传递函数；G₂₄是以V4为输入，u_T为输出的传递函数。

第四步针对火电厂主汽温控制***大惯性、大延迟且模型不确定,以及水电机组***本身的复杂性、非线性性以及非最小相位等特性，常规PID控制难以取得良好的控制效果。引入模糊控制，克服传统PID参数根据偏差和偏差变化值的大小而固定不变缺点，使控制效果更符合被控对象真实的控制规律。

我们所研究的被控对象是彼此独立互不耦合的，故此，可以将能源集群控制***看作两个两输入单输出的模糊***处理，模糊控制器的输入为设为V1，V2，V3，V4，输出为U和u_T，多输入单输出(MISO)控制器的模糊关系定义为：

式中：l为模糊规则数；u为控制***的输出；R的维数dimR＝d₁×d₂×d₃×d₄×d_u，d₁～d₄分别为V₁～V₄的论域量化等级；d_u为输出u的论域量化等级数，所以控制量的输出表示为：

设

其中，

为二维模糊关系，仅有(d₁+d₂+d₃+d₄)d_u个元素。在某些近似条件下，可用

代替Δ运算表示，即

其中，模糊关系定义为：

其中，k＝1,2,3,4。

上式表示构成MIMO模糊器的子控制器的关系矩阵算法。可用MISO多输入单输出***构成多输入多输出***MIMO，其输出表达式为：

其中模糊关系为：

其中，k＝1,2,3,4,j＝1,2,3,4。

根据上述结论，设计单元机组负荷控制的关键是确定模糊关系，R₁₁，R₂₁，R₃₁，R₄₁，R₁₂，R₂₂，R₃₂，R₄₂。模糊关系确定后，根据式七和式八便可求出模糊控制器的输出。根据上述结论，设计单元机组负荷控制的关键是确定模糊关系。

以R11为例来说明模糊关系的确定方法。本文中R11为输入变量V1(给定负荷与输出负荷的偏差即功率偏差)到被控制输出U的模糊关系，步骤如下：

步骤1：将功率偏差变量V1(Pe)分为7级{-3,-2,-1,0,1,2,3}，于是有功率偏差论域V1＝{-3,-2,-1,0,1,2,3}。取5个语言值A1，A2，A3，A4，A5，其含义分别为PB,PS,O,NS,NB.Ai(i＝1,2,3,4,5)是论域V1上的模糊集。

步骤2：将功率偏差变量V1(Pe)进行模糊化.一般根据控制***的实际情况和专家经验确定模糊集A_i的隶属度，如表1所示,表中系数a1～a35为介于0～1之间值。

请参考表1：模糊集A_i隶属函数表

表1

步骤2：确定模糊控制规则。当得到一个功率偏差变量V1(P e)，就应对U进行调节。根据控制***的实际情况和专家经验将U分为9级{-4,-3,-2,-1,0,1,2,3,4}，于是有论域V1＝{-4,-3,-2,-1,0,1,2,3,4}。取5个语言值B1，B2，B3，B4，B5，其含义分别为PB，PS，O，NS，NB。Bi(i＝1,2,3,4,5)是论域U上的模糊集。隶属函数根据控制***的实际情况和专家经验确定，如表2所示，表中b1～b45的值介于0～1之间值。

请参考表2：模糊集B_i隶属函数表

表2

按照现场运行人员经验和专家意见确定模糊控制规则为：

if V₁＝NB,then U＝PB；or if V₁＝NS,then U＝PS；or if V₁＝O,then U＝O；

or if V₁＝PS,then U＝NS；or if V₁＝PB,then U＝NB.

请参考表3，所示为模糊控制规则表

表3

多重条件语句从V₁到U的模糊关系为：

R₁₁＝A₅×B₁×A₄×B₂×A₃×B₃×A₂×B₄×A₁×B₅

利用上述方法依次求得，R₂₁，R₃₁，R₄₁，R₁₂，R₂₂，R₃₂，R₄₂。模糊关系确定后，根据式式七和式八便可求出模糊控制器的输出。进而完成整个控制器设计。

新能源集群协调优化控制策略，实际是通过对风光水火联合优化协调发电，使断面输送功率曲线尽量接近略低于功率输送上线的目标，提高通道利用率。第一，根据将一个略低于功率输送上线的功率值与预测下一时刻风机和光伏发电功率作差，并按照水电和火电装机容量分配策略进行处理，得到火电机组和水电机组给定功率值；第二通过将当前时刻光伏和风机实际出力值与前一时刻预测当前时刻的值做差值，并将此差值通过前馈方式引入控制***；第三，针对火电厂主汽温控制***大惯性、大延迟且模型不确定,以及水电机组***本身的复杂性、非线性性以及非最小相位等特性，引入模糊控制；第四，依据上述步奏，建立控制模型寻求最优前馈环节中的传递函数值，来达到克服水电和火电功率调教惯性大缺点，使输送功率尽可能大，提高通道利用率。

Claims (4)

1.一种新能源集群协调优化控制方法，其特征在于，包括：

根据下一个时刻t的风机和光伏总功率预测值r和目标功率值m，分别计算水电机组的给定功率值WP和火电机组的给定功率值WT；

计算当前时刻光伏和风机的实际出力值与上一时刻预测的此时刻的光伏和风机出力值的差值ΔP_i，并根据所述差值以及传递函数G_r1(s)与G_r2(S)，分别得到能源集群控制***中水电机组控制器的输入量V1与水电机组实发功率U的对应关系，以及能源集群控制***中火电机组控制器的输入量V3与火电机组实发功率u_T的对应关系；

根据所述水电机组控制器的输入量V1、所述水电机组控制器的输入量V1的导数值V2、所述火电机组控制器的输入量V3以及所述火电机组控制器的输入量V3的导数值V4作为输入值，以水电机组实发功率U和火电机组实发功率u_T作为输出值，建立被控对象模型；

根据所述被控对象模型，建立控制器的输入量与输出量的模糊关系，利用所述模糊关系得到水电机组实发功率U和火电机组实发功率u_T以及传递函数G_r1(s)与G_r2(S)。

2.根据权利要求1所述的方法，其特征在于，所述根据下一个时刻t的风机和光伏总功率预测值r和目标功率值m，分别计算水电机组的给定功率值WP和火电机组的给定功率值WT包括：

将断面输送功率上限值的95％设定为目标功率值m；

根据公式

和公式

计算得到水电机组的给定功率值WP和火电机组的给定功率值WT，其中，n1与n2分别为水电装机容量和火电装机容量。

3.根据权利要求1所述的方法，其特征在于，所述水电机组控制器的输入量V1与所述水电机组实发功率U的对应关系为V₁＝(WP-U)-ΔP_iG_r1(S)，所述火电机组控制器的输入量V3与所述火电机组实发功率u_T的对应关系为V₃＝(WT-u_T)-ΔP_iG_r2(S)。

4.根据权利要求1所述的方法，其特征在于，所述被控对象模型为：

其中，G₁₁是以V1为输入，U为输出的传递函数；G₁₂是以V2为输入，U为输出的传递函数；G₁₃是以V3为输入，U为输出的传递函数；G₁₄是以V4为输入，U为输出的传递函数；G₂₁是以V1为输入，u_T为输出的传递函数；G₂₂是以V2为输入，u_T为输出的传递函数；G₂₃是以V3为输入，u_T为输出的传递函数；G₂₄是以V4为输入，u_T为输出的传递函数。

Images