交/直流并网风电场电压协调优化控制

能源是经济社会发展的重要因素。由于化石能源的枯竭和环境问题逐渐得到关注,发展利用清洁无污染的可替代能源成为推动社会发展的重要任务和必然趋势。其中,风力发电是目前最为成熟、最具有商业化发展前景的可再生能源发电方式之一。在过去的二十年里,风电技术的日益成熟和发电成本的不断降低使其得到各国政府的青睐,在世界范围内得到大规模地推广。风电通常以风电场形式的集中开发和接入电力系统。风电本身具有较强的随机性和间歇性,这使得其在提供清洁能源的同时也为系统运行带来许多技术和经济挑战。其中,风电场的电压控制和管理是保证风电场安全稳定运行的重要基础。随着风电渗透率的不断提高,风电出力的波动性不仅会导致并网点的大幅度波动而且还可能造成风电机组机端电压越限。同时,外部电网的扰动也会影响风电场内部的电压状况,进而可能引起大规模的风电机组脱网事故。因此,风电场的电压控制问题已成为影响风电发展的关键一环,尤其是适应大规模风电场的电压优化控制问题仍有待进一步研究。本文针对风电场功率、电压协调控制问题展开深入研究,旨在实现风电场内部电压合理分布的同时提高系统运行的经济性。特别地,在传统集中式电压控制基础之上,结合分布式算法提出了更加灵活和鲁棒的分布式和分散式优化控制方法。论文的主要研究内容及贡献如下:(1)针对基于柔性高压直流输电(Voltage-Source Converter-Based High-Voltage Direct Current,VSC-HVDC)并网风电场的电压协调控制问题进行了研究,提出了基于模型预测控制(Model Predictive Control,MPC)的集中式协调优化控制方法。所提方法将风电机组和风电场侧VSC换流器统一协调优化,充分发挥VSC换流器和风电机组的无功电压调节能力,实现风电场网络电压的合理分布,同时降低系统运行的功率损耗。此外,考虑到风电场集电系统的R/X比值较大,有功功率对电压影响也同时被考虑,以实现更好的控制效果。仿真结果验证了所提方法在正常及启动运行下的有效性。(2)基于交替方向乘子法(Alternating Direction Method of Multipliers,ADMM),提出了VSC-HVDC并网风电场电压控制的分层分布式模型预测控制(Hierarchical Distributed Model Predictive Control,HDMPC)方法。该方法利用ADMM算法框架,将传统集中式电压优化控制问题分解为一个无约束优化问题和多个并行的小规模带约束优化问题,迭代求解。该控制方法缓解了中央控制器的计算负担,提高了信息安全性。仿真结果验证了所提方法的最优性及有效性,并且,ADMM算法的良好收敛性确保了该方法应用于实时控制的可行性。(3)提出了基于对偶分解理论和广义快速梯度算法的交流并网风电场完全分布式电压协调控制算法,协调风电机组和无功补偿装置的无功功率,以优化风电场内部的电压分布。首先,将原始集中式无功电压优化控制问题变换为具有可分解结构的等价问题;其次,通过对偶分解理论将其对偶问题拆分为多个可并行求解的子问题,分别对应每一个受控单元(即风电机组或无功补偿装置);最后,利用广义快速梯度方法分布式地求解该对偶问题。所提方法在保证最优性的同时消除了对中央控制器和远距离通信的需求。仿真结果验证了所提控制方法的有效性,并且,分布式算法的快速收敛性确保了该方法应用于实时控制的可行性。(4)提出了基于梯度投影(Gradient Projection,GP)算法的交流并网风电场分散式(本地)电压优化控制算法。首先,建立基于最优潮流(Optimal Power Flow,OPF)的电压优化控制数学模型。其次,利用改进的梯度投影算法——缩放梯度投影(Scaled Gradient Projection,SGP)算法对电压协调控制优化问题进行迭代求解。通过最优控制问题中特定的权重矩阵设计,实现全局耦合梯度信息的本地获取。并且,证明了该方法在固定点条件下最优性,并给出了控制算法闭环稳定性(即迭代算法收敛性)的充分条件。相比集中式和分布式控制方法,该方法消除了对通信的需求和依赖,降低了系统的建设和运行成本,并具有良好的鲁棒性。通过算例分析,验证了所提控制算法的收敛性以及良好的动态电压控制效果。