一种基于模型预测控制的风电场频率-电压支撑控制参数优化方法与流程

本发明涉及电力系统及其自动化，尤其是涉及一种基于模型预测控制的风电场频率-电压支撑控制参数优化方法。

背景技术：

1、随着全球能源结构的转型，风力发电在电力系统中的渗透率持续攀升。然而，由于风电场多经由变流器并网，电力系统呈现出明显的“低惯性、弱支撑”特征。在遭遇负荷波动或电网扰动时，如何使风电场具备类似于同步发电机的频率和电压支撑能力，已成为保障弱电网稳定运行的核心挑战。

2、目前，风电场频率支撑通常采用虚拟惯量控制或频率下垂控制，电压支撑则多采用电压下垂控制或无功调节策略。为了提升控制的灵活性，模型预测控制（modelpredictive control,mpc）因其能够处理多变量耦合及硬约束问题的优势，被广泛研究于风电场的协同控制。

3、然而，现有技术在实际应用中仍面临以下缺陷：第一，控制模型解耦不完全。现有技术多将频率控制与电压控制独立设计，未充分考虑弱电网环境下有功功率波动对电压动态的灵敏度影响，以及变流器视在功率容量约束引发的有功-无功支撑能力相互制约问题。第二，mpc算法的实时性与计算精度难以兼顾。传统的在线滚动寻优算法计算开销较大，在工况剧烈波动或复杂扰动下，求解器往往难以在有限的采样周期内完成高维非线性方程的求解，导致控制指令下发滞后甚至失效。第三，参数配置缺乏工况适配性。现有的控制参数（如下垂系数、多目标权重）多为固定值或基于经验设定，难以实时感知系统强度（如短路比scr）的变化，导致在不同电网强度下的支撑效果不理想，易引发系统振荡。

技术实现思路

1、针对上述现有技术存在的不足，本发明所要解决的技术问题是提供一种基于模型预测控制的风电场频率-电压支撑控制参数优化方法，能够充分计及弱电网环境下风电场频率与电压的深层耦合机理，在保障模型预测控制实时性与确定性时延的基础上，实现控制参数对不同扰动工况及电网强度的自适应优化调节。

2、为解决上述技术问题，本发明所采用的技术方案是：本发明提供一种基于模型预测控制的风电场频率-电压支撑控制参数优化方法，包括以下步骤：

3、s1：获取多源电气数据集合，并对多源电气数据集合执行数据预处理，以获取预处理多源电气数据集合，预处理多源电气数据集合包括频率偏差、电压偏差、有功-频率下垂增益、无功-电压下垂增益、虚拟惯量系数、风电功率波动率与线路阻抗比；

4、s2：提取频率偏差与电压偏差构建状态向量，提取有功-频率下垂增益、无功-电压下垂增益与虚拟惯量系数构建控制向量；根据弱电网潮流映射关系与变流器视在功率容量约束映射关系，利用状态向量与控制向量建立状态空间模型；

5、s3：获取历史运行数据集合；根据预设偏差提取逻辑提取历史运行数据集合中的极值工况偏差数据；根据频率偏差、电压偏差与极值工况偏差数据确定初始频率权重系数与初始电压权重系数；当线路阻抗比满足预设的弱电网判定阈值时，利用线路阻抗比补偿初始电压权重系数得到修正电压权重系数；根据修正电压权重系数、初始频率权重系数、频率偏差与电压偏差确定综合偏差指标；

6、s4：获取偏差阈值；根据综合偏差指标与偏差阈值的比对动态调整优化求解的滚动周期以获取目标控制参数序列。

7、优选方案中，步骤s2的具体子步骤如下：

8、s21：提取预处理多源电气数据集合中的频率偏差、电压偏差、频率变化率、电压变化率、等效有功不平衡功率与无功剩余量组合构建状态向量；提取预处理多源电气数据集合中的有功-频率下垂增益、无功-电压下垂增益与虚拟惯量系数组合构建控制向量；

9、s22：提取预处理多源电气数据集合中的额定电压与线路阻抗；根据弱电网潮流映射关系，将包含额定电压与线路阻抗的弱电网潮流方程对有功功率参数执行偏导数推演处理，以确定有功-电压耦合灵敏度；提取预处理多源电气数据集合中的总有功出力与总无功出力；根据变流器视在功率容量约束映射关系，将包含总有功出力与总无功出力的变流器容量约束方程执行偏导数推演处理，以确定有功-无功耦合系数；提取预处理多源电气数据集合中的负荷有功扰动与负荷无功扰动组合构建扰动向量；将有功-电压耦合灵敏度与有功-无功耦合系数转化为状态空间关联矩阵集合；提取状态空间关联矩阵集合、状态向量、控制向量与扰动向量执行矩阵乘积组合计算；

10、s23：获取基于移动时域估计模型确定的当前时刻的状态估计值；将状态估计值、预测控制序列与预测扰动序列引入状态空间方程执行前向滚动迭代预测处理，以生成预测时域内的预测输出向量与预测状态向量；提取预处理多源电气数据集合中的实测输出向量、输出权重矩阵与初始状态权重矩阵；将预测输出向量、实测输出向量、输出权重矩阵与初始状态权重矩阵引入最小二乘准则映射模型执行偏差逼近最小化求解计算，以通过偏差逼近最小化求解计算的反馈数据修正状态估计值；提取修正状态估计值作为下一推演窗口的系统状态预测值序列，以通过系统状态预测值序列为多目标滚动寻优的求解过程提供高精度前馈预测基准数据。

11、优选方案中，步骤s3具体包括以下子步骤：

12、s31：提取预处理多源电气数据集合中的湍流强度；根据湍流强度映射逻辑，比对湍流强度与预设高湍流阈值，以动态调整历史数据时间窗口；提取历史数据时间窗口内的历史频率偏差的标准差与历史电压偏差的标准差；根据预设多倍标准差异常判定逻辑，比对历史数据时间窗口内采样点的频率偏差的绝对值与包含历史频率偏差的标准差的标准差判定边界，并比对采样点的电压偏差的绝对值与包含历史电压偏差的标准差的标准差判定边界；剔除满足异常判定条件的异常采样点数据，以输出正常历史运行数据集合；

13、s32：提取预设的频率允许最大偏差压允许最大偏差极值工况筛选映射逻辑，在正常历史运行数据集合中利用包含预设极值比例阈值与预设持续时间阈值的筛选条件执行遍历筛选，以截取历史最恶劣工况数据片段；提取历史最恶劣工况数据片段下的历史频率偏差最大值与历史电压偏差最大值，以锚定系统历史运行状态的极限波动物理边界；

14、s33：将频率偏差的绝对值、电压偏差的绝对值、历史频率偏差最大值与历史电压偏差最大值引入动态权重计算分式模型执行特征拟合计算，以确定初始频率权重系数与初始电压权重系数；提取相邻计算周期内初始频率权重系数的差值与初始电压权重系数的差值；当初始频率权重系数的差值或初始电压权重系数的差值大于预设权重变化率限制阈值时，利用预设权重变化率限制阈值替代超限的差值数据执行逐步更新动作，以限制控制参数的突变幅度；

15、s34：提取预处理多源电气数据集合中的线路阻抗比；当线路阻抗比大于或等于预设弱电网判定阈值时，将线路阻抗比引入弱电网修正模型执行映射计算，以确定修正系数；利用修正系数与初始电压权重系数执行乘积补偿拟合处理，以确定修正电压权重系数；将修正电压权重系数、初始频率权重系数、频率偏差与电压偏差引入综合偏差评价模型执行加权映射计算，以确定综合偏差指标。

16、优选方案中，步骤s4具体包括以下子步骤：

17、获取预设的偏差阈值；

18、当综合偏差指标小于偏差阈值时，提取风速、电网短路比与负荷扰动构成当前工况特征向量；根据工况空间距离匹配映射关系将当前工况特征向量输入离线参数映射库执行欧式距离比对处理，以直接输出稳态控制参数序列；

19、当综合偏差指标大于或等于偏差阈值时，触发嵌入式求解器执行在线寻优分支；

20、提取风电场额定功率与预设采样点数内的风机总有功出力数据；利用预设采样点数内的风机总有功出力的极大值、预设采样点数内的风机总有功出力的极小值以及风电场额定功率执行波动率分式映射计算，以输出风电功率波动率；

21、获取基准成本系数；将基准成本系数与风电功率波动率引入线性放大调节模型执行乘积拟合处理，以输出调节成本系数；并在风电功率波动率大于预设波动率上限阈值时，利用包含基准成本系数的成本系数上限倍数阈值对调节成本系数执行强制截断处理；

22、获取目标权重、目标权重与目标权重；将目标权重、目标权重、目标权重、调节成本系数、频率偏差的绝对值与电压偏差的绝对值引入多目标优化函数执行多维度评价代价加权计算，以生成多目标寻优评价基准；

23、获取电网安全限值、风电机组最大可发功率约束、储能容量约束与无功补偿设备容量约束；当低优先级约束与高优先级约束发生冲突时，根据电网安全限值优先于风电机组最大可发功率约束优先于储能容量约束优先于无功补偿设备容量约束的冲突优先级序列调整优化变量；并在储能容量约束无法满足电压支撑需求时，允许储能运行参数在包含最大超出量限值与持续时间限值的物理边界内容忍越限，以保障电压偏差维持在电网安全限值内；通过多目标优化函数对状态空间模型执行在线滚动寻优求解，以输出动态最优控制参数序列。

24、优选方案中，步骤s4还包括以下子步骤：

25、提取前一滚动周期，构建包含多倍前一滚动周期的滑动计算窗口；提取滑动计算窗口内的综合偏差指标的极大值与滑动计算窗口内的综合偏差指标的极小值；利用综合偏差指标的极大值、综合偏差指标的极小值与多倍前一滚动周期执行滑动差分比值映射计算，以确定综合偏差变化率；

26、滚动周期调整的多阈值策略：获取第一变化率阈值、第二变化率阈值与第三变化率阈值；

27、当综合偏差变化率大于或等于第三变化率阈值时，判定系统进入瞬态防御阶段，将滚动周期缩短至预设下限周期参数执行在线寻优，以提升控制指令响应速度；

28、当综合偏差变化率大于或等于第二变化率阈值且小于第三变化率阈值时，判定系统进入快速变化阶段，将综合偏差变化率、第二变化率阈值与第三变化率阈值引入第一线性递减分段映射模型计算缩短的滚动周期执行在线寻优；

29、当综合偏差变化率大于或等于第一变化率阈值且小于第二变化率阈值时，判定系统进入缓慢变化阶段，将综合偏差变化率、第一变化率阈值与第二变化率阈值引入第二线性递减分段映射模型计算常规的滚动周期；

30、当综合偏差变化率小于第一变化率阈值时，判定系统进入稳态收敛阶段，将滚动周期延长至预设上限周期参数，并优先调用离线参数映射库输出稳态控制参数序列，以降低系统计算资源占用率。

31、优选方案中，还包括步骤s5，具体包括以下子步骤：

32、在启动多目标寻优求解器的同时，开启硬件看门狗计时器；

33、提取多目标寻优求解器的滚动周期；

34、根据时间比例约束映射关系，利用滚动周期执行比例缩放计算处理，以确定最大允许计算时间；

35、获取硬件看门狗计时器输出的在线计算耗时数据；

36、当在线计算耗时数据大于最大允许计算时间时，触发计算超时状态，强行中止多目标寻优求解器的在线计算进程并释放底层计算资源，以阻断多目标寻优求解器的无效死锁寻优进程。

37、优选方案中，步骤s5还包括：

38、提取当前工况特征向量；

39、根据欧式距离空间匹配映射逻辑，将当前工况特征向量输入离线参数映射库执行距离检索计算处理，以提取离线参数映射库中的基准参数对与基准参数对对应的基准偏差指标；

40、获取综合偏差指标、最大允许偏差正系数；

41、根据修正增益分式插值模型，将综合偏差指标、基准偏差指标、最大允许偏差正系数执行插值拟合计算处理，以确定参数修正增益；

42、将参数修正增益补偿至基准参数对执行加和运算处理，以生成修正控制参数；

43、提取修正控制参数与基准参数对之间的绝对偏差数据，并获取包含基准参数对与预设参数突变限制比例的防震荡约束边界；

44、当绝对偏差数据大于防震荡约束边界时，利用防震荡约束边界对修正控制参数执行极值截断限制处理，以输出兜底修正控制参数序列。

45、优选方案中，还包括步骤s6，具体包括以下子步骤：

46、提取目标控制参数序列包含的有功-频率下垂增益、无功-电压下垂增益与虚拟惯量系数；

47、获取风电机组变流器的基础有功功率与频率偏差；根据有功下垂支撑映射模型，利用基础有功功率、有功-频率下垂增益与频率偏差执行特征拟合计算，以确定风电机组变流器的有功功率指令；

48、获取额定频率与惯性响应时间常数；根据虚拟惯量响应映射模型，利用虚拟惯量系数、额定频率、频率偏差与惯性响应时间常数执行特征拟合计算，以确定风电机组变流器的惯性响应功率；

49、获取储能pcs控制器的额定频率与系统频率；根据储能有功补偿映射模型，利用有功-频率下垂增益、额定频率与系统频率执行特征拟合计算，以确定储能pcs控制器的储能充放电功率；

50、获取svc控制器的基础无功功率与电压偏差；根据无功下垂支撑映射模型，利用基础无功功率、无功-电压下垂增益与电压偏差执行特征拟合计算，以确定svc控制器的无功功率指令；

51、根据有功功率指令、惯性响应功率、储能充放电功率与无功功率指令驱动风电机组变流器、储能pcs控制器与svc控制器调整风电机组变流器、储能pcs控制器与svc控制器对应的脉冲宽度调制pwm信号的占空比，利用对应的脉冲宽度调制pwm信号的占空比调节风电机组变流器、储能pcs控制器与svc控制器的输出阻抗特性，以执行风电场有功功率与无功功率的动态调节控制。

52、优选方案中，本发明还提供了一种计算机设备，所述计算机设备包括至少一个处理器，所述处理器与至少一个存储器耦合，所述存储器中存储有至少一条计算机程序或指令，其特征在于，所述计算机程序或指令由所述处理器加载并执行，以实现如上述中任一项所述基于模型预测控制的风电场频率-电压支撑控制参数优化方法的步骤。

53、优选方案中，本发明又提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序或指令，所述计算机程序或指令被处理器执行时，实现如上述中任一项所述基于模型预测控制的风电场频率-电压支撑控制参数优化方法的步骤。

54、本发明提供了一种基于模型预测控制的风电场频率-电压支撑控制参数优化方法，通过上述结构之间的配合，与现有方法相比，具有以下有益效果：

55、一是，实现了弱电网下频率与电压的深度耦合控制。通过构建计及有功-无功耦合效应的状态空间模型，本发明能够精准捕捉有功功率波动对电压稳定性的灵敏度影响。相比于传统的独立控制策略，本方案在提升频率支撑能力的同时，能有效抑制因功率调节引起的电压二次波动，显著增强了弱电网环境下的系统恢复稳定性；

56、二是，兼顾了控制的实时性与全局优化精度。本发明通过引入基于综合偏差指标的分级触发逻辑，在系统稳态或小扰动工况下直接调用离线预计算的参数库，极大降低了在线计算资源的占用；在扰动超过阈值时启动在线寻优，实现了计算开销与控制性能的动态平衡，确保了在复杂工况下的最优响应；

57、三是，彻底解决了mpc算法在工程应用中的“计算超时”风险。本发明创新性地提出了求解时间硬约束及自适应修正机制。通过设定求解器最大计算时限，并配合基于欧式距离的离线参数线性修正策略，确保了控制器在任何计算负荷下均能产生确定性的控制增益，规避了因算法阻塞导致的控制失效，提升了控制系统在工业控制器（如plc或dsp）上的可靠性。

58、四是，提升了控制方案对电网强度的自适应适配能力。通过动态调整滚动周期及频率/电压权重系数，本方案能够根据系统态势感知结果自动改变控制策略。在系统短路比较低的极弱电网工况下，自动增大电压支撑权重并缩短控制步长，显著降低了电压暂降深度及系统失步风险。