[发明专利]一种基于分布式协同MPC的风电场功率协同调度

说明书

本发明提供的一种基于分布式协同MPC的风电场功率协同调度，属于风电场功率调度领域。针对集中式模型预测控制中心控制器的计算负担大、容错性不强、扩展能力差等问题，引入分布式控制框架予以改进，分别以每台风电机组作为单独的智能体，提出多智能体分布式预测控制，以风电机组线路的连接情况进行分组，提出基于线路拓扑的分组‑分布式模型预测，构建子模型预测控制问题，制定子系统之间的协同控制策略。

背景技术

本发明属于风电场内状态估计领域，涉及一种风电场内状态估计的分布式方法。

发明内容

在基于集中式MPC的风电场功率调度方法，风电场的所有风电机组和SVC被视作一个广义控制对象，整个风电场系统共用一个MPC控制器。这样集中式结构框架简单、实现比较容易。但是集中控制器承担了整个风电场的任务分配，计算负担比较大；并且，系统中的某个小环节出现故障都有可能导致整个控制器失效，使得风电场无法正常运作；同时，基于集中式MPC的风电场功率调度方法的可扩展性不强，风电场中风电机组的数量的变动会导致控制器的失效，需要重新根据风电场的规模设计控制器。事实上，风电场内的设备需要定期维护，投入运行的风电机组存在变数，这对于集中式模型预测控制的应用是一个不小的挑战。总之，集中式模型预测控制的计算负担大、容错性不强、扩展能力差等缺陷^[62]阻碍了其在大规模风电场内功率调度问题应用。因此，有必要在控制框架上对基于模型预测控制的风电调度算法予以改进。

考虑到风电场设备地理位置相对分散，风电机组的空间布局相对较广，这与分布式控制的特点相吻合，考虑引入分布式控制框架改进控制效果。分布式模型预测控制将整体系统划分为多个子系统，单独设计各子系统的模型预测控制问题，并且考虑了子系统之间的耦合关系。通过通信网络，实现子系统之间的控制输入和状态信息共享，然后各子系统基于整体系统的信息分别求解各自的优化问题。分布式模型预测控制算法将系统的计算任务分摊到多个分散的控制器，以此降低控制器的计算复杂度；同时子系统基于整个大系统的状态信息完成优化目标，以保证控制效果和稳定性。

根据子系统目标函数的优化范围，分布式模型预测控制分为非协作式分布式模型预测控制和协作式分布式模型预测控制。前者子系统只考虑局部优化目标，后者子系统考虑全局优化目标。协作式分布式模型预测控制算法经过多次迭代后，系统最终会达到帕累托均衡，其控制效果与CMPC相近。考虑引入协作式分布式控制框架改进基于MPC的风电场调度问题。

在基于多智能体的分布式预测控制结构框架中，每一台风电机组和SVC都被视作一个独立的智能体，每个智能体配置一个单独的MPC，各MPC分别完成智能体的有功和无功优化，各智能体MPC之间通过通信线路建立彼此的通信实现智能体之间的协同控制。基于多智能体分布式预测控制的风电场功率调度算法，系统整体的优化目标是减小风电场有功输出和调度指令之间的偏差，减小并网点电压偏差以及风电场内节点电压偏差。

风电机组智能体

1)模型构建

一个风电机组子系统由连接在同一集电线支路上的所有风电机组构成，在单台风电机组模型地基础上构建风电机组子系统的状态空间模型。风电机组的有功控制回路和无功回路等效线性模型如下式所示。

整理得到单个风电机组的等效状态空间模型如下所示：

其中并且相应的状态空间描述为：

对下式做离散化处理，并将风电机组视作一个智能体，得到风电机组智能体的离散状态空间如下式(5)所示，每个采样时刻根据风电机组的采样信息更新状态空间模型，在整个控制周期内保持不变。

2)约束处理