风电场有功功率多目标分层递阶预测控制策略

被引:58
作者
叶林
任成
李智
么艳香
赵永宁
机构
[1] 中国农业大学信息与电气工程学院电气工程系
关键词
风电场; 有功功率分配; 模型预测控制; 风机分群;
D O I
10.13334/j.0258-8013.pcsee.152794
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
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。
引用
收藏
页码:6327 / 6336+6597 +6597
页数:11
相关论文
共 21 条
[1]   超短期风电功率预测的自适应指数动态优选组合模型 [J].
叶林 ;
朱倩雯 ;
赵永宁 .
电力系统自动化, 2015, 39 (20) :12-18
[2]   关于短期及超短期风电功率预测的评述 [J].
薛禹胜 ;
郁琛 ;
赵俊华 ;
Kang LI ;
Xueqin LIU ;
Qiuwei WU ;
Guangya YANG .
电力系统自动化, 2015, 39 (06) :141-151
[3]   基于机组动态分类的风电场有功控制策略研究 [J].
刘兴杰 ;
李聪 ;
梅华威 .
太阳能学报, 2014, 35 (08) :1349-1354
[4]   大规模风电接入电网的有功分层模型预测控制方法 [J].
张伯明 ;
陈建华 ;
吴文传 .
电力系统自动化, 2014, 38 (09) :6-14
[5]   基于OS-ELM和Bootstrap方法的超短期风电功率预测 [J].
王焱 ;
汪震 ;
黄民翔 ;
蔡祯祺 ;
杨濛濛 .
电力系统自动化, 2014, 38 (06) :14-19+122
[6]   采用虚拟调节算法的风电场有功功率控制策略 [J].
李立成 ;
叶林 .
电力系统自动化, 2013, 37 (10) :41-47
[7]   基于优先顺序法的风电场限出力有功控制策略 [J].
林俐 ;
谢永俊 ;
朱晨宸 ;
汪宁渤 .
电网技术, 2013, 37 (04) :960-966
[8]   采用功率预测信息的风电场有功优化控制方法 [J].
汤奕 ;
王琦 ;
陈宁 ;
朱凌志 .
中国电机工程学报, 2012, 32 (34) :1-8
[9]   模型预测控制——现状与挑战 [J].
席裕庚 ;
李德伟 ;
林姝 .
自动化学报, 2013, 39 (03) :222-236
[10]   基于机组状态分类的风电场有功功率控制策略 [J].
邹见效 ;
李丹 ;
郑刚 ;
曾斌 ;
彭超 .
电力系统自动化, 2011, 35 (24) :28-32