基于改进有限集模型预测控制的虚拟惯性控制方法

本发明涉及基于改进有限集模型预测控制的虚拟惯性控制方法，属于柔性直流输电控制领域。

背景技术：

1、风力发电行业在全球范围内迅速发展，新装机容量不断增加。风能转换惯性控制器(wecs)的容量扩展和风电场的增加引发了越来越多的问题，特别是在长距离输电的情况下，在高渗透风电惯性控制器中，保持频率稳定至关重要。然而，由于风力发电的随机特性和缺乏惯性响应，由于电子功率器件对转子转速和电网频率的解耦，风力发电量的持续增加能会危及电力惯性控制器的稳定性。因此，风力涡轮机的整合对电力惯性控制器的运行提出了更多挑战。

2、研究表明，涡轮叶片中蕴含着巨大的动能，利用风力涡轮机的动能是提高频率稳定性的最常用方法之一。目前这些方法分为三类，即卸载方法、主频响应技术和虚拟惯量响应方法。在卸载方法中，风力发电机产生的功率小于风的最大提取功率。使用次优曲线而不是最大功率曲线来提供一些持续的旋转储备功率。因此，卸载方式虽然通过增加连续旋转储备来增强电力惯性控制器的频率响应，但从经济角度来看，增加了能源浪费，降低了风机的经济效益。

技术实现思路

1、本发明的目的在于克服现有技术的缺陷，提供基于改进有限集模型预测控制的虚拟惯量控制方法，引用虚拟惯量控制的前沿算法，利用鸽群算法改变目标权重系数，调整惯性控制器频率支持能力，为解决高比例系能源电力惯性控制器低惯量问题提供新的更为有力的技术方法。

2、鉴于以上所述现有技术的缺点，本发明提供基于改进有限集模型预测控制的虚拟惯性控制方法。在风力涡轮机发电系统的惯性控制器中，将有限集模型预测控制与虚拟惯量控制相结合，建立转子电流的预测模型和双馈感应发电机的频率预测模型；

3、建立频率偏差的预测方程；设计电流频率的多目标成本函数j(k)；

4、利用改进的鸽群算法动态调整电流频率的多目标成本函数j(k)的权重系数α和β，通过滚动优化输出使多目标成本函数j(k)最小的基本电压矢量。

5、进一步的，所述建立转子电流的预测模型，包括：

6、获取双馈感应电机转子侧的电压方程：

7、

8、其中，ψsd和ψsq分别是定子磁链的分量；urd和urq分别表示转子侧电压的dq分量；ird和irq分别是转子电流的dq分量；ωsl是滑差频率；rr,lm和ls分别是转子等效电阻、定子转子互感和定子等效电感；σ是漏感，p是微分算子；

9、转子电流的预测方程表示为：

10、

11、其中，k是离散阶段，ts是采样时间；k表示当前时间的变量值，k+1表示下一时间的变量；从方程(2)得出，k+1时刻的预测dq轴电流、时间k的定子电压和dq轴电流相关。

12、进一步的，所述双馈感应发电机的频率预测模型，包括：

13、获得具有额外惯性功率调节的双馈感应发电机的频率预测模型；

14、由于风力涡轮机没有额外惯性与电网解耦，预测的频率偏差与瞬时k的风力涡轮机发射的虚拟惯性功率和频率偏差相关；

15、

16、其中，kp是比例系数，kd是微分系数，pvic是有功功率补偿值；

17、根据频率变化与输出功率之间的关系，构建一个双馈感应发电机的频率预测模型，如方程(4)所示：

18、

19、其中，pdev是功率偏差，d是系统的阻尼常数，m是系统的惯性时间常数；

20、m越大，惯性控制器在相同功率偏差干扰下的频率变化越慢，d值越大，惯性控制器的稳态输出功率越高，频率动态特性得到改善；在方程(3)中引入基于双馈感应发电机的虚拟惯性控制，惯性控制器的频率响应方程为：

21、

22、进一步的，所述建立频率偏差的预测方程，包括：对于方程(5)，使用欧拉离散化方法建立频率偏差的预测方程，如方程(6)所示：

23、

24、时间k+1的预测频率偏差与时间k的频率偏差和功率偏差相关。

25、进一步的，所述电流频率的多目标成本函数表示为：

26、

27、其中，α和β是权重系数；为(k+2)时刻d轴电流预测值，id为(k+2)时刻d轴电流实际值，为(k+2)时刻q轴电流预测值，iq为(k+2)时刻q轴电流实际值；

28、由于采样频率高于电网频率变化，假设电网频率线性变化；

29、通过方程(9)计算时间k时刻和k-1时刻的电流频率，估算k+1的电流频率偏差；获取k+1的控制变量后，计算k+2的电流频率偏差；考虑到比例系数kp对惯性控制器响应的影响较小，忽略kp，设电流频率偏差的比例系数为0；将方程(6)中的频率偏差的预测方程转换为方程(10)；

30、δf(k+1)≈δf(k)+(δf(k)-δf(k-1))＝2δf(k)-δf(k-1)#(9)

31、

32、考虑到惯性控制器中定子电压的d轴定向，在电流频率变化发生时对瞬态输出功率进行近似计算，同时，在进行近似计算后，减去稳态功率获得时间k+1的功率偏差，引入补偿系数m和dg在双馈感应发电机的频率预测模型中模拟电网的惯性和阻尼；

33、

34、其中，m和dg分别代表模拟电网的虚拟惯性系数和阻尼系数。

35、进一步的，所述利用改进的鸽群算法动态调整电流频率的多目标成本函数的权重系数,包括：

36、改进的鸽群优化算法适应动态调整权重系数α和β的值，适应度函数为频率偏差的平方；目标是满足偏差值小于0.03；

37、为了确保输出电流的稳定性，限制电流的权重；假设基于dfig的风力涡轮机在mppt区域运行，并且功率变化没有达到最大功率，通过鸽群算法进行自适应调整；为了防止系数变化过大对控制稳定性的影响，设定了一个限制值，即当α小于amin时，α＝amin；

38、在控制调整过程中，如果任何控制目标达到极限值，则各优化目标的权重系数将不再有效；

39、参数β设定了限制，即βmin≤β≤βmax。

40、进一步的，所述滚动优化，包括：

41、采用开关矢量优化选择策略；建立状态变量的预测方程，通过滚动优化确定最优控制输入电压；基于所述最优控制输入电压和输出电压参考值，得到开关函数，所述开关函数表示输出电压参考值和最优控制输入电压之差；基于开关函数，确定最优电压矢量的控制域。

42、虚拟惯量功率控制是指在原有电流源控制的基础上，在功率指令中加入频率偏差而产生的虚拟惯量功率。本发明基于改进有限集模型预测控制的虚拟惯性控制方法，利用改进的鸽群算法动态调整电流频率的多目标成本函数j(k)的权重系数α和β，灵活调整惯性控制器频率支持能力，更好协调了实际境况下不同输出量的质量要求。

43、与现有技术相比，本发明技术方案的有益效果是：

44、本发明基于有限集模型预测控制设计了风力涡轮机的电流频率的多目标成本函数j(k)，并根据转子电流的预测模型和双馈感应发电机的频率预测模型优化惯性控制器目标。利用改进的鸽群算法动态调整电流频率的多目标成本函数j(k)的权重系数α和β，通过改变目标的权重系数，调整对惯性控制器频率的支持能力，更好地协调实际情况中不同输出量的质量要求。