本發(fā)明屬于有功功率控制，特別是涉及到一種面向沙戈荒新能源基地的有功功率控制方法。

背景技術(shù)：

1、當(dāng)前，我國(guó)正在加緊建設(shè)位于沙漠、戈壁、荒漠(簡(jiǎn)稱沙戈荒)地區(qū)的大型風(fēng)電光伏基地。雖然，風(fēng)、光以集群的方式并入電網(wǎng)，可以有效平滑單個(gè)風(fēng)、光場(chǎng)站的功率波動(dòng)，使風(fēng)、光更似“常規(guī)電源”。但沙戈荒新能源基地內(nèi)風(fēng)光場(chǎng)站數(shù)量眾多，協(xié)調(diào)控制問題突出，易出現(xiàn)場(chǎng)站出力不均，致使基地功率控制結(jié)果偏離調(diào)度指令。因此，開展以沙戈荒新能源基地為背景的有功功率控制研究，提高基地輸出功率對(duì)調(diào)度指令的追蹤精度，具有重要意義。

2、當(dāng)前，沙戈荒新能源基地有功功率控制存在以下問題：①缺少與“沙戈荒”能源基地有功功率控制相適應(yīng)的控制框架；②沙戈荒新能源場(chǎng)景下，場(chǎng)站之間缺乏有效的分群策略；③風(fēng)光場(chǎng)站之間出力分配不均勻，場(chǎng)間、站間、場(chǎng)站間新能源棄用率差異較大，且易發(fā)生控制指令“超發(fā)”問題，即控制指令大于場(chǎng)站自然功率值；④先前控制方法所提出的優(yōu)化模型，其權(quán)重值設(shè)置依賴于經(jīng)驗(yàn)，可操作性、解釋性不足。

3、因此，現(xiàn)有技術(shù)當(dāng)中亟需一種新型技術(shù)方案來(lái)解決這些問題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是：提供一種面向沙戈荒新能源基地的有功功率控制方法，用于提高沙戈荒新能源基地對(duì)調(diào)度指令的追蹤能力，解決當(dāng)前沙戈荒新能源基地有功功率控制存在的上述技術(shù)問題。

2、一種面向沙戈荒新能源基地的有功功率控制方法，包括以下步驟，并且以下步驟順次進(jìn)行：

3、步驟s1：分別進(jìn)行基地風(fēng)光調(diào)度層建模、集群分群分配層建模、群內(nèi)場(chǎng)站優(yōu)化層建模、場(chǎng)站功率追蹤層建模、反饋校正模型的建模和預(yù)測(cè)模型的建模，基地風(fēng)光調(diào)度層接收調(diào)度中心下發(fā)的調(diào)度計(jì)劃功率值，基于風(fēng)光集群30min超短期功率預(yù)測(cè)信息，采用預(yù)測(cè)控制方法，以跟蹤調(diào)度中心計(jì)劃值為目標(biāo)，優(yōu)化未來(lái)1h風(fēng)電集群和光伏集群的功率值，并將優(yōu)化結(jié)果作為風(fēng)電集群和光伏集群計(jì)劃功率值下發(fā)至集群分群分配層；

4、步驟s2：集群分群分配層接收基地風(fēng)光調(diào)度層下發(fā)的風(fēng)電集群和光伏集群計(jì)劃功率值，采用分布式預(yù)測(cè)控制方法，利用集群和風(fēng)光場(chǎng)站15min超短期功率預(yù)測(cè)信息優(yōu)化風(fēng)光場(chǎng)站功率分配，再結(jié)合場(chǎng)站動(dòng)態(tài)分群策略，得出各場(chǎng)群計(jì)劃功率值，并下發(fā)至群內(nèi)場(chǎng)站優(yōu)化層；

5、步驟s3：群內(nèi)場(chǎng)站優(yōu)化層接收集群分群分配層下發(fā)的場(chǎng)群計(jì)劃功率值，基于5min分辨率的超短期功率預(yù)測(cè)結(jié)果，以跟蹤場(chǎng)群計(jì)劃功率為目標(biāo)進(jìn)行優(yōu)化分配，滾動(dòng)優(yōu)化周期為5min，優(yōu)化未來(lái)15min場(chǎng)群內(nèi)風(fēng)光場(chǎng)站的功率值，即每次對(duì)未來(lái)3個(gè)時(shí)間斷面的群內(nèi)場(chǎng)站功率進(jìn)行優(yōu)化，但僅下發(fā)第一個(gè)時(shí)間斷面的優(yōu)化結(jié)果作為場(chǎng)站計(jì)劃功率值至場(chǎng)站功率追蹤層；

6、步驟s4：場(chǎng)站功率追蹤層接收群內(nèi)場(chǎng)站優(yōu)化層下發(fā)的場(chǎng)站計(jì)劃功率值，基于1min分辨率的超短期功率預(yù)測(cè)結(jié)果，計(jì)算并獲得場(chǎng)站出力值；

7、步驟s5：風(fēng)光場(chǎng)站的監(jiān)測(cè)系統(tǒng)根據(jù)場(chǎng)站功率追蹤層獲得的場(chǎng)站出力值進(jìn)行有功功率控制，并記錄實(shí)際控制功率和自然功率，其中，實(shí)際控制功率用于各層構(gòu)建爬坡約束，自然功率送至反饋校正模型；

8、步驟s6：所述預(yù)測(cè)模型用于自然功率的多尺度預(yù)測(cè)，預(yù)測(cè)模型的輸入為多源數(shù)據(jù)，包括目標(biāo)場(chǎng)站的數(shù)值天氣預(yù)報(bào)數(shù)據(jù)和歷史出力數(shù)據(jù)，以及其他場(chǎng)站的數(shù)值天氣預(yù)報(bào)數(shù)據(jù)和歷史出力數(shù)據(jù)；

9、所述反饋校正模型根據(jù)風(fēng)光場(chǎng)站的監(jiān)測(cè)系統(tǒng)送入的自然功率和預(yù)測(cè)模型送入的預(yù)測(cè)自然功率計(jì)算預(yù)測(cè)誤差，并對(duì)下一時(shí)刻功率預(yù)測(cè)誤差做出預(yù)測(cè)，對(duì)預(yù)測(cè)模型的多尺度預(yù)測(cè)進(jìn)行反饋校正，獲得校正后的預(yù)測(cè)值并用于指導(dǎo)各層優(yōu)化調(diào)度，開展下一時(shí)刻沙戈荒新能源基地有功功率控制。

10、所述步驟s1中基地風(fēng)光調(diào)度層建模的方法如下：

11、建立優(yōu)化模型目標(biāo)函數(shù)minjbase：

12、

13、式中：c為集群類型數(shù)，本發(fā)明中c＝2，分別代表風(fēng)電集群和光伏集群；αh,1、αh,2為優(yōu)化自適應(yīng)權(quán)重；λh為集群自適應(yīng)權(quán)重；為集群h優(yōu)化時(shí)刻的分配功率值；為集群優(yōu)化時(shí)刻30min超短期功率預(yù)測(cè)值；為集群前一時(shí)刻的實(shí)際功率值；t為優(yōu)化時(shí)域，基地層每次優(yōu)化未來(lái)1h基地內(nèi)集群功率，優(yōu)化分辨率為30min，即t＝2，且隨著k值變化，時(shí)間t以δt的步長(zhǎng)向前滾動(dòng)優(yōu)化，直至完成該時(shí)域內(nèi)的優(yōu)化控制，最終下發(fā)k＝1時(shí)的優(yōu)化結(jié)果；

14、上述模型在滾動(dòng)優(yōu)化過程中還考慮調(diào)度計(jì)劃約束、集群出力約束和集群爬坡率約束，具體公式如下：

15、

16、式中：為優(yōu)化時(shí)刻調(diào)度中心下發(fā)的調(diào)度計(jì)劃功率值；為集群h最低出力；為集群裝機(jī)容量；為集群30min時(shí)間尺度最大爬坡率。

17、優(yōu)化完畢后，將基地層優(yōu)化結(jié)果下發(fā)至集群分群分配層。

18、

19、式中：為集群h下發(fā)至集群分群分配層的集群調(diào)度指令。

20、所述優(yōu)化自適應(yīng)權(quán)重αh,1、αh,2的參數(shù)計(jì)算公式如下：

21、

22、式中：分別為風(fēng)電集群和光伏集群在優(yōu)化時(shí)刻的功率預(yù)測(cè)值；

23、所述集群自適應(yīng)權(quán)重λh分別取風(fēng)電集群權(quán)重λ1和光伏集群權(quán)重λ2，權(quán)重值越大，集群出力相對(duì)于優(yōu)化目標(biāo)的調(diào)整越大，具體公式如下：

24、

25、所述步驟s1中集群分群分配層建模的方法如下：

26、建立優(yōu)化模型目標(biāo)函數(shù)minjclu：

27、

28、式中：為集群層場(chǎng)群i中場(chǎng)站j優(yōu)化時(shí)刻的優(yōu)化分配結(jié)果；θi為場(chǎng)群自適應(yīng)權(quán)重；m為集群中場(chǎng)群數(shù)；n為場(chǎng)群i中的風(fēng)電場(chǎng)或光伏電站數(shù)量；為集群層場(chǎng)站優(yōu)化時(shí)刻15min超短期功率預(yù)測(cè)值；為集群層場(chǎng)站前一時(shí)刻的實(shí)際功率值；

29、上述優(yōu)化的約束包括集群計(jì)劃約束、場(chǎng)站出力約束和場(chǎng)站爬坡率約束，具體公式如下：

30、

31、式中：為場(chǎng)站最低出力；為場(chǎng)站裝機(jī)容量；為場(chǎng)站15min時(shí)間尺度的爬坡率限值。

32、所述步驟s2中場(chǎng)站動(dòng)態(tài)分群策略具體為：

33、①風(fēng)電集群動(dòng)態(tài)分群策略：

34、風(fēng)電場(chǎng)動(dòng)態(tài)分群策略以風(fēng)電場(chǎng)本時(shí)刻起至未來(lái)15min超短期功率預(yù)測(cè)值為依據(jù)，其中分辨率為5min，通過風(fēng)電場(chǎng)輸出功率變化趨勢(shì)因子進(jìn)行判斷，將風(fēng)電場(chǎng)群分為上爬坡群、下爬坡群、平穩(wěn)群和波動(dòng)群，趨勢(shì)因子kj的計(jì)算公式如下：

35、

36、其中：

37、

38、式中：為風(fēng)電集群h1中風(fēng)電場(chǎng)j對(duì)t+nδt時(shí)刻的功率預(yù)測(cè)值，在n-1＝0情況下，則表示本時(shí)刻風(fēng)電場(chǎng)功率值；nwp為未來(lái)時(shí)間斷面數(shù)量，15min內(nèi)5min超短期功率預(yù)測(cè)具有3個(gè)時(shí)間斷面，即nwp＝3；c(x)為斷面趨勢(shì)判斷函數(shù)；η為風(fēng)電場(chǎng)功率波動(dòng)閾值；為風(fēng)電場(chǎng)裝機(jī)容量；

39、②光伏集群動(dòng)態(tài)分群策略

40、光伏集群動(dòng)態(tài)分群基于可預(yù)測(cè)因子，根據(jù)優(yōu)化時(shí)刻之前15min超短期功率預(yù)測(cè)誤差進(jìn)行分群，其中分辨率為5min，分為強(qiáng)預(yù)測(cè)群、中預(yù)測(cè)群和弱預(yù)測(cè)群，可預(yù)測(cè)因子μ的計(jì)算公式如下所示：

41、

42、式中：分別為光伏集群h2中光伏電站j在t+(n-n)δt時(shí)刻的功率預(yù)測(cè)值和自然功率值；為光伏電站裝機(jī)容量；npv為歷史時(shí)間斷面數(shù)量；

43、滾動(dòng)優(yōu)化后根據(jù)動(dòng)態(tài)分群結(jié)果，計(jì)算集群內(nèi)各場(chǎng)群優(yōu)化分配結(jié)果，并將結(jié)果下發(fā)至群內(nèi)場(chǎng)站優(yōu)化層，集群內(nèi)各場(chǎng)群優(yōu)化結(jié)果如下所示：

44、

45、式中，為場(chǎng)群i的優(yōu)化分配結(jié)果。

46、所述步驟s1中群內(nèi)場(chǎng)站優(yōu)化層建模的方法如下：

47、建立優(yōu)化模型目標(biāo)函數(shù)minjsubclu：

48、

49、式中：為群內(nèi)層場(chǎng)站j優(yōu)化時(shí)刻5min超短期功率預(yù)測(cè)值；為群內(nèi)層場(chǎng)站前一時(shí)刻的實(shí)際功率值；為群內(nèi)層場(chǎng)站優(yōu)化時(shí)刻的優(yōu)化分配結(jié)果；

50、上述模型的優(yōu)化約束包括場(chǎng)群計(jì)劃約束、場(chǎng)站出力約束和場(chǎng)站爬坡率約束，具體公式如下：

51、

52、式中：為群內(nèi)場(chǎng)站j最低出力；為群內(nèi)場(chǎng)站裝機(jī)容量；為場(chǎng)站5min時(shí)間尺度的爬坡率限值；

53、將群內(nèi)層的優(yōu)化分配結(jié)果下發(fā)至場(chǎng)站功率追蹤層：

54、

55、式中：為群內(nèi)場(chǎng)站j下發(fā)至場(chǎng)站功率追蹤層的場(chǎng)站調(diào)度指令。

56、所述步驟s1中場(chǎng)站功率追蹤層建模的方法如下：

57、建立優(yōu)化模型目標(biāo)函數(shù)minjsta：

58、

59、式中：為場(chǎng)站層場(chǎng)站j前一時(shí)刻的實(shí)際功率值；為場(chǎng)站層場(chǎng)站優(yōu)化時(shí)刻的優(yōu)化分配結(jié)果；

60、上述模型的優(yōu)化約束包括場(chǎng)站計(jì)劃約束、場(chǎng)站爬坡率約束和場(chǎng)站出力約束，具體公式如下所示：

61、

62、式中：為場(chǎng)站j優(yōu)化時(shí)刻的1min超短期風(fēng)電功率預(yù)測(cè)值；為場(chǎng)站1min時(shí)間尺度的爬坡率限值。

63、所述步驟s5中實(shí)際控制功率計(jì)算方法為：

64、

65、式中：分別為場(chǎng)站j在t+δt時(shí)刻的實(shí)際控制結(jié)果和自然功率值；優(yōu)化結(jié)果小于場(chǎng)站自然功率，則風(fēng)光場(chǎng)站限功率運(yùn)行，實(shí)際控制結(jié)果即為優(yōu)化結(jié)果；反之，優(yōu)化結(jié)果大于場(chǎng)站自然功率，則風(fēng)光場(chǎng)站最大功率點(diǎn)追蹤，實(shí)際控制結(jié)果為自然功率值。

66、所述步驟s1和s6中預(yù)測(cè)模型由卷積神經(jīng)網(wǎng)絡(luò)、transformer模型和前饋神經(jīng)網(wǎng)絡(luò)組成。

67、所述步驟s6中預(yù)測(cè)誤差計(jì)算公式為：

68、et＝ptpre-ptnat；

69、式中：ptpre為校正前預(yù)測(cè)模型輸出值；et為t時(shí)刻預(yù)測(cè)誤差；ptnat為t時(shí)刻自然功率值；

70、通過下式獲得下一時(shí)刻功率預(yù)測(cè)誤差

71、

72、式中：f(x)為指數(shù)平滑法模型；et-sδt為t-sδt時(shí)刻預(yù)測(cè)誤差；

73、所述步驟s6中對(duì)預(yù)測(cè)模型的多尺度預(yù)測(cè)進(jìn)行反饋校正的計(jì)算公式為：

74、

75、式中：為優(yōu)化時(shí)刻的預(yù)測(cè)功率校正值；為優(yōu)化時(shí)刻的功率預(yù)測(cè)值。

76、通過上述設(shè)計(jì)方案，本發(fā)明可以帶來(lái)如下有益效果：

77、1)本發(fā)明通過有功分層預(yù)測(cè)控制方法，以逐層細(xì)化、反饋校正的方式實(shí)現(xiàn)對(duì)沙戈荒新能源基地場(chǎng)站有功功率的優(yōu)化分配，相較于其他方法而言，本發(fā)明方法的控制精度更高。

78、2)本發(fā)明在沙戈荒該類具有多種類型能源的有功功率控制任務(wù)中，考慮能源的功率輸出特性進(jìn)行動(dòng)態(tài)分群，結(jié)合場(chǎng)群權(quán)重，可有效提高策略控制效果。

79、3)本發(fā)明通過自適應(yīng)權(quán)重可根據(jù)控制系統(tǒng)現(xiàn)有信息動(dòng)態(tài)規(guī)劃風(fēng)光出力及優(yōu)化目標(biāo)，該動(dòng)態(tài)優(yōu)化策略能夠有效協(xié)調(diào)場(chǎng)站出力，避免場(chǎng)站出力不均。