基于模型预测控制的风电机组载荷优化方法及系统与流程

本公开涉及风电控制，具体涉及了一种基于模型预测控制的风电机组载荷优化方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

2、风力发电是一种可再生能源，它对气候变化和能源供应安全具有积极的影响。然而，风速和风向在风力发电机组的运行过程中经常变化，而且可能存在大幅度的波动。风力发电机组在不同的风速条件下产生不同的功率输出。在高风速情况下，风力发电机可能会受到损坏，因此需要一种机制来控制发电机的输出。除此之外，湍流强度也是风机的重要参数之一，湍流可能导致风力发电机组的不稳定运行，湍流强度过大，则会引起机舱振荡和摆动幅值超限，其所受载荷增大，这会危及风力发电机组的安全运行。

3、由于风力发电机组通常集成到电力系统中，因此其功率输出对电力网络的稳定性和可靠性有重要影响。在电力系统中，频率和电压必须保持在特定范围内，以确保各种电子设备和终端用户的供电稳定。因此，在风机工作时需要考虑系统稳定性。

4、风电机组优化控制一般采用的是经典控制方法：pid或pi控制器。pid或pi控制是目前风电机组控制系统中使用最广泛、最成熟的控制方法，然而经典控制方法存在难以处理机组运行过程中存在的外界不确定因素作用和系统的多变量间的非线性耦合的问题。

5、目前模型预测控制(model predictive control,mpc)相比之下便可以应对上述大部分问题，然而在采用传统双层模型预测控制策略时(如图1所示)，因为上层求解系统稳态最优设定值和下层求解控制律采用的模型是不同的，一般上层采用的模型常是控制系统的稳态模型；下层是“动态优化”层，采用的模型常是动态模型。因此，传统双层模型预测控制下系统工作在稳态经济最优点，可能达不到全局经济最优点。同时双层模型预测控制并没有考虑风电系统发电过程的经济特性，优化的工作点可能不是经济效益最优点。

技术实现思路

1、针对上述缺陷，本公开提出了一种基于模型预测控制的风电机组载荷优化方法及系统，能够克服风机运行中外界不确定因素和系统多变量之间的非线性耦合，同时降低风电机组的载荷并提升发电量，避免了传统双层模型预测控制所面临的模型不一致、时间范围不同以及设定值不可达等问题。

2、为了实现上述目的，本公开采用如下技术方案：

3、本公开第一方面提供了一种基于模型预测控制的风电机组载荷优化方法，包括以下步骤：

4、构建五自由度的风电机组非线性数学模型；

5、基于风电机组非线性数学模型，以风电机组输出功率最大，关键机构疲劳载荷最小为目标，以风电机组的安全运行为约束，建立经济模型预测控制的优化问题；

6、求解经济模型预测控制的优化问题，获得当前时刻的最优控制序列，执行当前时刻的最优控制操作，得到下一时刻的系统状态参数；

7、更新优化问题中的系统状态，实现滚动优化和反馈校正。

8、作为进一步的实现方式，还包括将风电机组非线性数学模型转化为离散的风电系统模型来构建预测控制模型，在预测控制模型的基础上建立经济模型预测控制的优化问题。

9、作为进一步的实现方式，经济模型预测控制将传统两层结构合并为一层，将稳态优化和控制直接变换为保证控制系统运行在全局经济最优点。

10、作为进一步的实现方式，还包括建立风速模型，以根据风速扰动的历史信息来预测未来一段时间的风速。

11、作为进一步的实现方式，采用卡尔曼观测器对预测的风速进行实时观测补偿。

12、作为进一步的实现方式，求解经济模型预测控制的优化问题时，从优化问题求解本身出发，避免依赖于数值求解器的迭代过程。

13、作为进一步的实现方式，所述五自由度的风电机组非线性数学模型在考虑工程意义的条件下，根据风电机组的运行规律及相关动力学定理，以各子部件模型为基础综合建立。

14、本公开第二方面提供了一种基于模型预测控制的风电机组载荷优化系统，包括：

15、模型构建模块，被配置为：构建五自由度的风电机组非线性数学模型；

16、预测控制器构建模块，被配置为：基于风电机组非线性数学模型，以风电机组输出功率最大，关键机构疲劳载荷最小为目标，以风电机组的安全运行为约束，建立经济模型预测控制的优化问题；

17、算法求解模块，被配置为：求解经济模型预测控制的优化问题，获得当前时刻的最优控制序列，执行当前时刻的最优控制操作，得到下一时刻的系统状态参数；

18、优化校正模块，被配置为：更新优化问题中的系统状态，实现滚动优化和反馈校正。

19、本公开第三方面提供了一种介质，其上存储有程序，该程序被处理器执行时实现本公开第一方面所述的基于模型预测控制的风电机组载荷优化方法中的步骤。

20、本公开第四方面提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现本公开第一方面所述的基于模型预测控制的风电机组载荷优化方法中的步骤。

21、与现有技术相比，本公开的有益效果为：

22、本公开的基于模型预测控制的风电机组载荷优化方法及系统，建立的五自由度的风电机组非线性数学模型将传统的预测控制模型的两层结构合并为一层，并充分考虑了风电系统的经济性。形式上控制结构更为简单；功能上控制目标更加直白——将稳态优化和控制直接变换为保证控制系统运行在全局经济最优点。经济模型预测控制只有一层结构，因此避免了传统双层模型预测控制所面临的模型不一致、时间范围不同以及设定值不可达等问题。摒弃了需根据额定风速分为低风速和高风速等多个部分的传统设定，以及分别计算期望值并进行跟踪的传统mpc控制方式。克服风机运行中外界不确定因素和系统多变量之间的非线性耦合，同时降低风电机组的载荷并提升发电量。

技术特征：

1.基于模型预测控制的风电机组载荷优化方法，其特征在于，包括以下步骤：

2.如权利要求1中所述的基于模型预测控制的风电机组载荷优化方法，其特征在于，还包括将风电机组非线性数学模型转化为离散的风电系统模型来构建预测控制模型，在预测控制模型的基础上建立经济模型预测控制的优化问题。

3.如权利要求2中所述的基于模型预测控制的风电机组载荷优化方法，其特征在于，经济模型预测控制将传统两层结构合并为一层，将稳态优化和控制直接变换为保证控制系统运行在全局经济最优点。

4.如权利要求1中所述的基于模型预测控制的风电机组载荷优化方法，其特征在于，还包括建立风速模型，以根据风速扰动的历史信息来预测未来一段时间的风速。

5.如权利要求4中所述的基于模型预测控制的风电机组载荷优化方法，其特征在于，采用卡尔曼观测器对预测的风速进行实时观测补偿。

6.如权利要求1中所述的基于模型预测控制的风电机组载荷优化方法，其特征在于，求解经济模型预测控制的优化问题时，从优化问题求解本身出发，避免依赖于数值求解器的迭代过程。

7.如权利要求1中所述的基于模型预测控制的风电机组载荷优化方法，其特征在于，所述五自由度的风电机组非线性数学模型在考虑工程意义的条件下，根据风电机组的运行规律及相关动力学定理，以各子部件模型为基础综合建立。

8.基于模型预测控制的风电机组载荷优化系统，其特征在于，包括：

9.一种介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于模型预测控制的风电机组载荷优化方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于模型预测控制的风电机组载荷优化方法中的步骤。

技术总结本公开属于风电控制技术领域，提供了一种基于模型预测控制的风电机组载荷优化方法及系统，包括以下步骤：构建五自由度的风电机组非线性数学模型；基于风电机组非线性数学模型，以风电机组输出功率最大，关键机构疲劳载荷最小为目标，以风电机组的安全运行为约束，建立经济模型预测控制的优化问题；求解经济模型预测控制的优化问题，获得当前时刻的最优控制序列，执行当前时刻的最优控制操作，得到下一时刻的系统状态参数；更新优化问题中的系统状态，实现滚动优化和反馈校正。本公开能够克服风机运行中外界不确定因素和系统多变量之间的非线性耦合，同时降低风电机组的载荷并提升发电量。技术研发人员：马无为,赵凌瑄,樊易飞,刘翠翠,关中杰受保护的技术使用者：中车山东风电有限公司技术研发日：技术公布日：2024/6/18