含间歇性电源电网中基于分布式模型预测的自动发电控制研究

含间歇性电源电网中基于分布式模型预测的自动发电控制研究

论文摘要

能源枯竭、环境恶化是当今人类生存和发展所要解决的紧迫问题。作为解决全球能源与环境危机的重要途径,可再生能源,如风能、太阳能、潮汐能、地热能等,可以部分替代化石燃料作为发电的一次能源。然而,几种重要的可再生能源发电形式都具有波动性、间歇性和随机性的特点。这些间歇性电源的大规模并网应用,势必会给电力系统的安全、稳定运行和电能质量带来严峻挑战。风力发电是间歇性电源的典型代表,它也是可再生能源发电技术中发展最快的一种。风电场并网运行是实现风能大规模利用的有效方式,但是风电场输出功率取决于风速,具有间歇性和随机波动特性,在可控性、可预期性方面也有很大的困难。随着风电穿透功率的增大,随机波动的风电功率输入电网容易引起电网频率波动,进而增加电网调峰调频、运行调度等的负担。为了平抑系统频率波动,保持系统频率的安全性,需要对风电并网给系统有功/频率带来的影响进行研究并加以控制。目前研究中所建立的风电场模型还比较粗糙,无法充分体现实际风电场的功率输出特性。此外,传统自动发电控制系统在控制风电并网带来的系统频率波动中存在不足,当风电穿透功率较大时,难以满足电力系统正常运行对频率的要求。本文分析了以风电为代表的间歇性电源并入电网给系统有功/频率带来的影响,并对相应的控制措施进行了探讨。1、在考虑地形地貌、风机尾流效应等因素的基础上,计及风的延迟时间,建立了较为精确、可工程实用的风电场等值模型。该模型充分考虑了风机的集群效应,既降低了模型复杂度,减少了计算量,又具有很高的仿真精度,能够很好的模拟实际风电场的功率波动特性。2、针对传统自动发电控制系统的不足,采用分布式模型预测控制算法对其进行了改进。两区域系统仿真结果表明改进的自动发电控制系统具有更好的控制性能,协调了控制系统调节速度和调节精度之间的矛盾,使系统频率波动和联络线功率偏移均很好的保持在规定范围内。3、在对风电场精确建模的基础上,将基于分布式模型预测控制算法的改进自动发电控制系统应用于风电并网,平抑大规模风电接入带来的系统频率波动和联络线功率偏移。通过对含大容量风电场的四机两区域系统和IEEE43节点系统的仿真,验证了改进的自动发电控制系统在间歇性电源并入电网后平抑系统频率波动和控制联络线功率偏移的可行性和有效性。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 研究背景及意义
  • 1.1.1 间歇性电源综述
  • 1.1.2 间歇性电源并网对电力系统的影响
  • 1.2 风电并网对系统有功/频率影响及相关控制措施研究
  • 1.3 自动发电控制及其研究现状
  • 1.3.1 自动发电控制简介
  • 1.3.2 自动发电控制相关研究现状
  • 1.4 本文所做工作
  • 第2章 考虑风机集群效应的风电场等值模型
  • 2.1 风力发电系统数学模型
  • 2.1.1 风速模型
  • 2.1.2 风力机模型
  • 2.1.3 双馈感应电机(DFIG)模型
  • 2.2 风电场等值模型
  • 2.3 考虑风机集群效应的风电场等值模型
  • 2.3.1 风机尾流效应
  • 2.3.2 风的延迟效应
  • 2.3.3 计及延迟和尾流效应的风电场等值模型
  • 2.3.4 仿真分析
  • 2.4 本章小结
  • 第3章 基于分布式模型预测控制的AGC系统
  • 3.1 模型预测控制
  • 3.1.1 模型预测控制原理
  • 3.1.2 模型预测控制数学模型
  • 3.2 分布式模型预测控制
  • 3.2.1 目标函数
  • 3.2.2 预测方程
  • 3.2.3 约束条件
  • 3.2.4 算法实现
  • 3.3 基于分布式模型预测控制的AGC系统
  • 3.3.1 自动发电控制系统模型
  • 3.3.2 改进AGC系统仿真分析
  • 3.4 本章小结
  • 第4章 改进AGC系统在间歇性电源并网中的应用
  • 4.1 仿真工具介绍
  • 4.2 仿真系统模型
  • 4.2.1 风速模块
  • 4.2.2 发电系统模块
  • 4.2.3 风电场模块
  • 4.2.4 负荷模块
  • 4.3 仿真分析
  • 4.3.1 四机两区域系统仿真
  • 4.3.2 IEEE43节点系统仿真
  • 4.4 本章小结
  • 第5章 结论
  • 5.1 论文的主要工作和结论
  • 5.2 进一步研究工作的展望
  • 附录 IEEE43节点系统数据
  • 参考文献
  • 致谢
  • 攻读硕士学位期间发表的学术论文
  • 学位论文评阅及答辩情况 表
  • 相关论文文献

    • [1].分布式模型预测控制方法的研究[J]. 系统仿真学报 2008(21)
    • [2].分布式模型预测电压控制方法研究[J]. 华北电力大学学报(自然科学版) 2012(04)
    • [3].切换非线性系统的分布式模型预测控制[J]. 控制与决策 2014(04)
    • [4].基于分布式模型预测控制算法在AGC系统的应用研究[J]. 吉林电力 2013(05)
    • [5].基于简化分布式模型与数据结构理论的SPARK教学方法研究[J]. 计算机教育 2018(06)
    • [6].电力系统分布式模型预测控制方法综述与展望[J]. 电力系统自动化 2020(23)
    • [7].基于非合作博弈的分布式模型预测控制优化算法[J]. 计算机工程与科学 2016(07)
    • [8].基于多代理技术的分布式模型预测长期电压稳定紧急控制[J]. 电网技术 2012(04)
    • [9].基于分布式模型预测控制的多UAV协同区域搜索[J]. 航空学报 2010(03)
    • [10].基于分布式模型预测控制的主动配电网区域协同控制[J]. 南方电网技术 2016(12)
    • [11].全国二级流域实际蒸散分布式模型[J]. 水土保持通报 2016(02)
    • [12].互联电力系统鲁棒分布式模型预测负荷频率控制[J]. 控制理论与应用 2016(05)
    • [13].OS2分布式模型拼接建设及应用[J]. 中国高新技术企业 2016(34)
    • [14].含风电场的协同分布式模型预测负荷频率控制[J]. 控制工程 2020(07)
    • [15].通信约束广域电力系统的分布式模型预测控制[J]. 系统科学与数学 2016(06)
    • [16].基于串联结构的分布式模型预测控制[J]. 自动化学报 2013(05)
    • [17].基于分布式模型的动车组预测控制方法[J]. 自动化学报 2014(09)
    • [18].流域非点源分布式模型AnnAGNPS参数的不确定性研究[J]. 四川环境 2008(05)
    • [19].Maxim微型PLC平台让工业4.0尽在掌握[J]. 单片机与嵌入式系统应用 2014(12)
    • [20].基于数据划分的分布式模型及其负载均衡算法[J]. 浙江大学学报(工学版) 2008(04)
    • [21].岔巴沟流域分布式产流产沙的计算机模拟[J]. 系统仿真学报 2008(13)
    • [22].含风电场的交直流互联电网协作式分布式模型预测控制[J]. 可再生能源 2019(01)
    • [23].采用改进分布式模型的传感器故障隔离方法[J]. 华中科技大学学报(自然科学版) 2015(07)
    • [24].锅炉燃烧系统分布式预估控制的研究与应用[J]. 热力发电 2012(12)
    • [25].结合神经网络的微电网分布式模型预测控制[J]. 现代电子技术 2020(19)
    • [26].流域洪水预报分布式模型参数自动优选[J]. 中山大学学报(自然科学版) 2017(03)
    • [27].山地天文辐射的地形影响与空间尺度效应研究[J]. 高原气象 2010(05)
    • [28].气候变化对黄河源区径流过程的影响[J]. 水利学报 2008(01)
    • [29].一种命题投影时序逻辑的分布式模型检测方法[J]. 西安电子科技大学学报 2020(04)
    • [30].河北省月平均气温分布式模型应用研究[J]. 气象与环境学报 2013(01)

    标签:;  ;  ;  ;  

    含间歇性电源电网中基于分布式模型预测的自动发电控制研究
    下载Doc文档

    猜你喜欢