✅作者简介热爱科研的Matlab仿真开发者擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 往期回顾关注个人主页Matlab科研工作室 关注我领取海量matlab电子书和数学建模资料个人信条格物致知,完整Matlab代码获取及仿真咨询内容私信。 内容介绍一、背景随着全球对清洁能源的需求不断增长风力发电在电力系统中的占比日益提高。然而风电的间歇性和波动性给电力系统的频率稳定带来了挑战。传统的电力系统中同步发电机通过自身的惯性和调速器参与一次调频维持系统频率稳定。但风电通过电力电子变流器接入电网与传统同步发电机的运行特性不同通常不具备直接参与一次调频的能力。当风电渗透率较高时系统惯性减小频率稳定性问题愈发突出。因此研究风电参与系统一次调频的方法至关重要。基于 MPC模型预测控制的风电调频策略为解决这一问题提供了新的思路通过预测风电出力使风电更有效地参与一次调频改善系统频率特性。二、MPC 模型预测控制原理预测模型MPC 模型预测控制首先需要建立一个能够准确描述风电系统动态特性的预测模型。这个模型可以基于风电的物理特性、历史数据以及气象信息等构建。例如考虑风速、风向、温度等气象因素对风电出力的影响通过数学模型来预测未来一段时间内的风电出力。常用的预测模型包括自回归积分滑动平均模型ARIMA、人工神经网络ANN等。以 ANN 为例通过对大量历史风电出力数据以及对应的气象数据进行训练使神经网络学习到气象因素与风电出力之间的复杂非线性关系从而实现对风电出力的预测。滚动优化MPC 的核心在于滚动优化。在每个采样时刻基于预测模型预测未来若干时刻的风电出力并根据系统频率偏差等约束条件构建一个优化目标函数。优化目标通常是使系统频率尽快恢复到额定值并尽量减小频率波动。例如可以将系统频率偏差的平方和作为优化目标函数的一部分。然后通过求解这个优化问题得到当前时刻的最优控制输入即风电参与调频的功率调整量。需要注意的是MPC 并不是一次性计算出未来所有时刻的控制输入而是在每个采样时刻都重新进行优化计算根据最新的系统状态和预测信息实时调整控制策略。反馈校正由于风电系统存在各种不确定性因素如风速的突然变化、风机故障等预测模型可能与实际情况存在偏差。为了提高控制的准确性和鲁棒性MPC 引入反馈校正机制。在每个采样时刻将实际测量得到的风电出力和系统频率等信息与预测值进行比较根据两者之间的偏差对预测模型进行修正使下一次的预测更加准确。通过不断地反馈校正MPC 能够更好地适应系统的动态变化提高风电参与一次调频的效果。三、仿真分析仿真设置在本次仿真中设定风电渗透率为 25%模拟一个包含风电、其他常规电源以及负载的电力系统。在 400 秒时设置负载阶跃变化以模拟实际系统中突然的负荷变化情况。设置三种工况进行对比工况①风电渗透 25%风电不调频。在这种情况下风电按照自身的发电特性运行不参与系统的一次调频过程。工况②风电渗透 25%风电调频。此时风电通过传统的调频策略参与一次调频例如采用下垂控制方法根据系统频率偏差调整风电出力。工况③风电渗透 25%MPC 模型预测控制。利用 MPC 模型预测风电出力并根据预测结果和系统频率偏差优化风电参与调频的策略。⛳️ 运行结果 参考文献[1]董天翔,翟保豫,李星,等.风储联合系统参与频率响应的优化控制策略[J].电网技术, 2022.往期回顾扫扫下方二维码