电力系统迫切需要风电机组(简称风机)从最大功率点跟踪控制转变为支撑电网二次调频的有功功率控制(active power control,APC)。延续最大功率点跟踪控制的设计思路,现有风机APC控制研究大多基于系统稳态的视角,将风机控制到稳定平衡点,...电力系统迫切需要风电机组(简称风机)从最大功率点跟踪控制转变为支撑电网二次调频的有功功率控制(active power control,APC)。延续最大功率点跟踪控制的设计思路,现有风机APC控制研究大多基于系统稳态的视角,将风机控制到稳定平衡点,在稳定平衡点处响应电网指令和维持机电动态稳定。但面对湍流风速,大惯量风轮实际上处于不断变速的动态过程中,而非持续运行在稳定平衡点处,对APC控制性能造成不容忽视的影响。为此该文从现有风机APC控制策略中归纳出两种风轮变速运行模式:主动变速和被动变速,两者对应于截然不同的变速机理和动态过程。运用频域分析和实验数据分析,比较了两种变速运行模式在功率指令响应性能、传动链载荷及变桨执行机构疲劳载荷方面的差异。结果表明,被动变速放弃了对稳定平衡点的跟踪,利用风轮惯性响应缓冲风速波动,更适用于湍流风速场景。该文工作为风机APC控制设计与性能优化提供了风机运行机理方面的基础。展开更多
随着风电机组基础结构的不断增大,风电机组的控制方法面临新的机遇和挑战,而遥感测量技术的发展给传统风电机组控制策略提供一个新的研究领域。该文提出了基于激光雷达(light detection and ranging,LIDAR)辅助风电机组模型预测控制方...随着风电机组基础结构的不断增大,风电机组的控制方法面临新的机遇和挑战,而遥感测量技术的发展给传统风电机组控制策略提供一个新的研究领域。该文提出了基于激光雷达(light detection and ranging,LIDAR)辅助风电机组模型预测控制方法来实现控制系统对风速扰动的前馈补偿控制。首先根据叶素动量理论分析风电机组的载荷情况和LIDAR预测风轮迎风面的有效风速,利用扩展卡尔曼滤波重建噪声状态的非线性风电机组模型的未知状态,对预测时域状态值的进行预测实时处理,以求解最小目标函数获取系统当前时刻的最优化控制,使得系统参考轨迹和未来输出值之间差值实现最小化。最后,通过进行风电机组传统控制方法与LIDAR辅助线性模型预测控制、非线性模型预测控制的对比实验,证明LIDAR与模型预测控制相结合的控制方式能在一定程度上提高大型风电机组的风能利用系数,缓解风电机组的疲劳载荷。展开更多
随着风电逐步替代传统电源,系统频率调整能力恶化,风电主动参与互联系统负荷频率控制(load frequency control,LFC)是改善系统频率特性的新途径。针对该背景,基于分布式模型预测控制,综合考虑互联系统内传统机组、风电机组和储能电站等...随着风电逐步替代传统电源,系统频率调整能力恶化,风电主动参与互联系统负荷频率控制(load frequency control,LFC)是改善系统频率特性的新途径。针对该背景,基于分布式模型预测控制,综合考虑互联系统内传统机组、风电机组和储能电站等调频资源及其响应特性,提出一种适应于高风电渗透率的互联系统多源协同LFC策略。首先,分析不同风速对风电机组调频特性的影响,提出一种计及风速变化的风电机组多风速段功率响应模型;其次,构建传统机组、风电机组和储能电站协同参与互联系统LFC模型,兼顾各机组频率响应约束,以互联系统区域控制偏差信号和自动发电成本的加权函数为目标,构建区域信息互动的分布式模型预测控制器;最后,为实现互联系统负荷频率全局最优控制,各控制器结合己区域及其他区域机组运行状态,在线求解所有机组的功率参考值。仿真结果表明:所提策略有效降低了系统频率和联络线功率波动的幅度,实现了各机组之间的最优功率分配,并降低了系统自动发电成本。展开更多
文摘电力系统迫切需要风电机组(简称风机)从最大功率点跟踪控制转变为支撑电网二次调频的有功功率控制(active power control,APC)。延续最大功率点跟踪控制的设计思路,现有风机APC控制研究大多基于系统稳态的视角,将风机控制到稳定平衡点,在稳定平衡点处响应电网指令和维持机电动态稳定。但面对湍流风速,大惯量风轮实际上处于不断变速的动态过程中,而非持续运行在稳定平衡点处,对APC控制性能造成不容忽视的影响。为此该文从现有风机APC控制策略中归纳出两种风轮变速运行模式:主动变速和被动变速,两者对应于截然不同的变速机理和动态过程。运用频域分析和实验数据分析,比较了两种变速运行模式在功率指令响应性能、传动链载荷及变桨执行机构疲劳载荷方面的差异。结果表明,被动变速放弃了对稳定平衡点的跟踪,利用风轮惯性响应缓冲风速波动,更适用于湍流风速场景。该文工作为风机APC控制设计与性能优化提供了风机运行机理方面的基础。
文摘随着风电机组基础结构的不断增大,风电机组的控制方法面临新的机遇和挑战,而遥感测量技术的发展给传统风电机组控制策略提供一个新的研究领域。该文提出了基于激光雷达(light detection and ranging,LIDAR)辅助风电机组模型预测控制方法来实现控制系统对风速扰动的前馈补偿控制。首先根据叶素动量理论分析风电机组的载荷情况和LIDAR预测风轮迎风面的有效风速,利用扩展卡尔曼滤波重建噪声状态的非线性风电机组模型的未知状态,对预测时域状态值的进行预测实时处理,以求解最小目标函数获取系统当前时刻的最优化控制,使得系统参考轨迹和未来输出值之间差值实现最小化。最后,通过进行风电机组传统控制方法与LIDAR辅助线性模型预测控制、非线性模型预测控制的对比实验,证明LIDAR与模型预测控制相结合的控制方式能在一定程度上提高大型风电机组的风能利用系数,缓解风电机组的疲劳载荷。
文摘随着风电逐步替代传统电源,系统频率调整能力恶化,风电主动参与互联系统负荷频率控制(load frequency control,LFC)是改善系统频率特性的新途径。针对该背景,基于分布式模型预测控制,综合考虑互联系统内传统机组、风电机组和储能电站等调频资源及其响应特性,提出一种适应于高风电渗透率的互联系统多源协同LFC策略。首先,分析不同风速对风电机组调频特性的影响,提出一种计及风速变化的风电机组多风速段功率响应模型;其次,构建传统机组、风电机组和储能电站协同参与互联系统LFC模型,兼顾各机组频率响应约束,以互联系统区域控制偏差信号和自动发电成本的加权函数为目标,构建区域信息互动的分布式模型预测控制器;最后,为实现互联系统负荷频率全局最优控制,各控制器结合己区域及其他区域机组运行状态,在线求解所有机组的功率参考值。仿真结果表明:所提策略有效降低了系统频率和联络线功率波动的幅度,实现了各机组之间的最优功率分配,并降低了系统自动发电成本。
