基于不完全升维数据驱动的风电场无功电压优化控制方法

本发明涉及一种基于不完全升维数据驱动的风电场无功电压优化控制方法。

背景技术：

1、风电场大规模并网对电网电压稳定性影响日益增大，其波动性、间歇性和不确定性使得在运行过程中，电压波动具有不规律性，影响电力系统的电能质量。随着风电场规模的增大，风电场内部部分接入位置的风力风力发电机存在电压越限风险，导致风电机组脱网，给风电场造成巨大损失，对风电场的无功电压优化控制研究具有重要意义。

2、目前的部分控制策略围绕风电场的风力发电机和无功调节设备开展无功电压控制，考虑了并网点的功率因数和电压控制要求，但此类研究并未考虑风场内部的无功电压分配问题，内部存在网络损耗大、部分风机接入点过电压的隐患。

3、针对上述问题，利用基于风电场内部网络优化模型的电压控制方法，可以实现风电场内无功合理分配，消除部分节点过电压隐患。此类方法虽能够协调各无功设备优化风电场内部电压，但依赖于模型参数的准确性，模型参数偏差势必影响无功电压调节结果的有效性。

4、为避免线路参数的影响，数据驱动方法表现出了更强的实际应用价值。风电场的强随机性导致潮流呈现较强的非线性特性，线性数据驱动潮流模型难以反映潮流的非线性特性，在风电场内部较大功率波动的场景下计算精度略低；基于经典模型的非线性潮流约束可以获取精确的潮流计算结果，但引入电压相角量测导致其难以实际应用。将自变量升维化处理，无需电压相角量测数据即可实现潮流映射建模，相比于上述两类方法，提高了计算精度，然而复杂非线性升维函数导致其作为约束条件应用于优化模型时难以通过数学优化方法求解。

5、因此，现有的风电场调节方法存在着一定的局限性和不足：

6、(1)包含风电场的风机和无功可调设备的无功电压控制方法难以解决风电场内部无功电压分配问题，内部网络损耗大，部分风机接入点存在过电压问题。

7、(2)基于风电场网络参数模型的无功电压控制策略受模型参数影响较大，精度难以保证，线路参数难以准确获取。

8、(3)基于数据驱动的潮流建模方法可避免模型参数的影响，但线性数据驱动潮流模型精度较低，非线性潮流约束应用于优化问题中会引入强非线性关系，导致“过拟合”问题，精度和调节效果均会受到影响。

技术实现思路

1、针对上述问题，本发明提出一种基于不完全升维数据驱动的风电场无功电压优化控制方法。以风电场历史数据为依据开展准稳态建模和潮流计算，将潮流的自变量进一步分解为控制变量与扰动变量，对无功功率等控制变量保留在原始的状态空间，对有功功率和并网点电压等扰动变量进行升维处理，构建不完全升维的数据驱动潮流模型，基于潮流模型建立风电场无功电压优化控制模型，有效解决了风电场内部部分节点电压越限的问题，实现风电机组的无功功率的优化分配。

2、一种基于不完全升维数据驱动的风电场无功电压优化控制方法，包括如下步骤：

3、(1)构建不完全升维潮流模型

4、潮流方程基本形式如下：

5、y＝cx'lift       (1)

6、其中，y代表输出函数，c代表线性化潮流矩阵，x'lift代表不完全升维输入变量；

7、将潮流自变量进一步划分为控制变量u和扰动变量x，其中，控制变量作为优化问题中的优化变量，保持原始状态空间，扰动变量为不可控的自变量，做升维处理，从而构建不完全升维潮流模型；

8、不完全升维输入变量x'lift表示为：

9、

10、其中，u代表控制变量，x代表扰动变量，xlift代表升维输入变量，ψ(x)代表升维函数；

11、基于历史样本数据，进行潮流模型训练，对不完全升维的线性化潮流矩阵进行最小二乘估计，计算公式如下：

12、

13、其中，代表矩阵的moore-penrose逆；

14、根据扰动变量x，建立扰动变量升维运算函数ψ(x)，该函数由n个标量函数ψi(x)构成，即：

15、ψi(x)＝flift(x-ci)       (4)

16、其中，flift代表升维函数展开形式，ci代表扩充的第i维基底向量，其取值选取风电场输入变量范围内的随机值；

17、根据潮流模型训练计算得到的不完全升维的线性化潮流矩阵c，以输入变量的不同分解为分块矩阵c0和c1，即c＝[c0c1]，不完全升维的数据驱动潮流输入与输出映射关系表达如下：

18、

19、具体的，控制变量u为风电机组和svg的无功功率q，扰动变量x包括所有非优化变量，即平衡节点的电压幅值vref和风电机组的有功功率p，则：

20、u＝[q]t      (7)

21、x＝[vref,p]t       (8)

22、当潮流计算的目的是获取电压幅值时，取y＝vpq，潮流方程为：

23、

24、(2)构建风电场无功电压优化控制模型

25、风电场电压优化控制考虑风电机组的无功调节能力，当并网点电压发生波动变化时，根据调度下发的风电场无功电压外特性，满足风电场总无功功率与升压站高压母线之间的下垂关系，实现风电场响应avc电压控制需求；风场电压控制需要保证风电场内部电压平衡，各节点电压不越限，风机之间的无功功率分配合理，根据上述要求，建立电压优化控制模型；

26、(3)求解所建立的电压优化控制模型，实现基于不完全升维数据驱动的风电场无功电压优化控制。

27、进一步的，不同升维函数ψi(x)需要选定不同的基底向量，每个标量函数类型采用polyharmonic型函数，其表达

28、

29、其中，xi和yi分别代表第i个样本断面的输入输出量测结果，n为扰动变量x的维数，cij代表第i个第j维的基底向量。

30、进一步的，所建立电压优化控制模型为：

31、1)优化目标

32、电压优化控制在满足avc及内部电压约束的前提下，其目标在于最小化风机及svg无功调节量，以减小对设备的影响，延长其寿命；优化目标表示为:

33、

34、其中q*代表风机最优无功功率向量，符号代表向量的2-范数，δqi代表第i台风机或svg相比调节前状态的无功调整量，m为风机及svg的总个数；

35、2)约束条件

36、根据给定的avc无功目标值，结合风电场无功调节能力，由无功电压控制特性系数计算全场总无功功率调节量，如下式：

37、-q0＝q*-k(v0-v*)       (11)

38、其中，q*代表升压站并网点电压为额定电压时风电场无功功率输出的设定值，k代表风电场无功电压控制特性系数，即无功功率输出与并网点电压幅值之间的下垂比例，q0为总无功功率调节量；v0代表初始并网点电压值，v*代表升压站并网点额定电压；

39、计算各台风机和svg的电压值，用于判断风电场内部风机和svg的电压均在合理区间内，避免出现电压越限的情况，如下式：

40、

41、其中，vwt代表风机或svg无功调节后的电压值；

42、并网点总有功功率和无功功率用于计算系统功率因数，如下式所示：

43、

44、

45、其中，p0和q0分别代表总有功功率和总无功功率，pi和qi分别代表第i台风机或svg的有功功率和无功功率；

46、各台风机或svg的无功调节量不应超过其可调限值，表达如下式：

47、

48、qsvg≤qsvg,max      (16)

49、其中，q为风机调节后的无功功率，为风机初始无功功率，qsvg为svg的无功功率，δqmax和qsvg,max分别代表风机和svg无功功率调节上限；

50、各台风机的功率需满足容量约束，电压满足电压约束，如下式所示：

51、

52、vmin≤vwt≤vmax      (18)

53、其中，si,max代表各台风机容量的最大值，vmin和vmax分别代表各节点电压幅值下限和上限。

54、确定并网点功率因数需满足的约束条件。

55、进一步的，并网点功率因数需满足的约束条件，如下式所示：

56、

57、其中，代表风电场升压站并网点功率因数，p0和q0分别代表总有功功率和总无功功率。

58、本发明保证了优化模型的易求解性，实现不依赖精确拓扑信息和线路参数的风电场优化方法，对于缺乏电网拓扑信息和精确线路参数的强功率波动下风电场具有较高的应用价值。本发明与现有技术相比具有以下优点：

59、面向风电场的基于不完全升维数据驱动潮流模型，在不依赖于精确的物理参数前提下，实现对强非线性场景下高精度的潮流约束。基于数据驱动潮流模型，以风电场内总无功调节量最小为目标函数，构建了无功电压优化控制模型，满足avc无功控制需求，解决风电机组电压越限问题，平衡风电场内部节点与并网点的电压偏差，有效降低全场线路的有功损耗，具有良好的优化效果。