海上风电场双馈风电机群分布式协同控制研究

式中：μRm为控制向量;G: Rn→ Rn×m为光滑函数;在平衡点xe,Hamilton函数H(xe)取最小值。

引理2[21] 对于PCH-D系统(20),存在以下控制律：

μ=−ΓGT(x)∇Hμ=−ΓGT(x)∇H (21)

使得闭环系统稳定。其中,Γ是正定函数。进一步,考虑如下函数：

则对于任意ε 0,有界反馈控制律：

使得闭环系统稳定。

3.2 输入有界下风电机群协同控制

定理3 考虑海上风电场中风电机群(9),已知通讯网络拓扑为连通的无向图,则设计输入有界的协同控制策略为

式中：λi 0为可调增益;aij= 1为网络中相邻机组i和j之间连接的权重,则闭环系统(9)和(24)是全局稳定的,且所有风电机组可达到输出同步。

证明 取整个网络的Hamilton能量函数为H=

∑i=1N2Hi(xi)∑i=1N2Hi(xi),令：

对H求导,并将有界协同控制律(24)代入可得：

注意到网络拓扑为无向图,可得：

因此,整个闭环系统是全局稳定的,且所有输出信号有界。类似于定理2分析可知,在有界控制下所有风电机组可到达输出同步。证明完毕。

备注2：注意到在控制策略(24)中的可调增益λi,该变量可以调节有界输入的幅值。当设计得到的控制输入明显超出界限时,可通过调节λi,压缩输入幅值直到满足约束的要求。另一方面,输入限制与输出效果之间存在矛盾,输入限制越大,输出效果会越差,反之亦然。因此,在输入幅值允许的范围内,通过调节λi可找到两者的平衡点,取得最佳的整体性能。

因此,对于输入有界下的第i台风力发电机组的控制策略改写为

预控制部分仍然为式(14),协同控制部分则为

4 仿真验证

在Matlab中进行仿真验证,分为故障情况下协同控制和输入有界下的协同控制两种情况。其中,第一部分主要说明在分布式控制策略作用下,单机故障对海上风电机群的不利影响可得到有效控制;第二部分主要显示在输入受限情况下,控制信号和输出响应之间的关系,进而证明该控制策略的应用价值。首先,仿真系统由5台双馈风电机组组成,已知Lss =Lm +Ls,Lrr =Lm +Lr,主要参数如表1[16]。

表1 双馈风电机组主要参数表

Tab. 1 Key parameters of doubly fed wind turbines

4.1 故障情况下的协同控制效果

海上风电场中风电机群连接网络如图1(a)所示。由于海面上风力分布比较平均,且风电机组之间相互距离足够远,假设每台风机吸收的机械功率相等,则在协同控制策略作用下,仿真结果如2图所示。

图1 海上风电场网络拓扑结构

Fig. 1 Network topologies of offshore wind farm

由图2可知,风电场中的5台机组在协同控制器作用下,能快速实现同步,输出相同的有功功率。

图2 故障前有功输出响应曲线

Fig. 2 Active power output corresponding curves before failure

故障过程描述：5号机组在2s时发生故障,无法正常工作;在2.5s时,将其从网络中切除,故障后的网络拓扑如图1(b)所示,故障过程中的有功功率变化曲线如图3所示。

图3 故障过程中有功输出响应曲线

Fig. 3 Active power output corresponding curves during failure

由图3可以看出,故障前后整个系统的运行过程分为3个阶段：①在2s以前,各风电机组达到同步运行;②在2s时,由于5号机组故障,其输出功率跌落到0;2s至2.5s,由于5号故障机组仍连接在网络中,影响到其他机组运行,各机组输出依次偏离同步状态(先是2号、4号机组,而后发展到1号和3号机组);③在2.5s时,将5号机组从网络中切出,网络拓扑变为图1(b),1—4号机组经过短时间调整,重新恢复到同步状态。

通过以上分析可知,海上风电机群在分布式控制作用下能够自主、有效地解决机组故障及网络结构变化所产生的问题,在保证设备安全的前提下,大大降低突发故障对海上风电场的不利影响,这对于环境复杂、无人值守的海上风电场具有重要的应用价值。

4.2 输入有界下的协同控制效果

图4、5分别是无约束和有约束两种情况下的控制输入。对比可以发现,如图4所示,在无约束情况下设计的控制输入需达到50kV以上,这在实际系统中一般无法满足,往往只具有理论意义;而如图5所示,在输入有界的约束下,通过调节λi,控制幅值限制到10kV以内,且可以进一步降低,这样就可以设计出满足实际约束的控制器。同时,也体现出输入有界下控制策略研究的必要性。

图4 无约束的控制输入

Fig. 4 Control inputs under an unconstrained condition

图5 有界控制输入

Fig. 5 Bounded control inputs

图6、7的输出响应曲线分布对应于输入无约束和输入有约束两种情况。比较两者可以发现,输入有界下的响应曲线(如图7所示)比输入无约束下的相应曲线(如图6所示)超调量大、过渡时间长。因此,在控制输入受到幅值约束时,暂态性能会相应变差,这也是输入端受限在输出端付出的代价。进一步可知,控制输入与系统输出之间存在一定的矛盾,在输入幅值允许的范围内,需要在两者间找到折中点,即兼顾到输入的幅值约束,也能保证输出的响应效果。

图6 输入无约束下的有功输出响应曲线

Fig. 6 Active power output corresponding curves under the unconstrained inputs

图7 输入有界下的有功输出响应曲线

Fig. 7 Active power output corresponding curves under the bounded inputs

5 结论

本文针对海上风电场发电机群运行中面临的问题,提出分布式控制策略。分布式控制具有更大的可靠性和灵活性,能更好地适应海上风电场无人值守、复杂多变的客观环境。基于Hamilton能量理论,将双馈风电机组单机模型拓展为含网络拓扑信息的机群模型,进而展开分布式协同控制和输入有界情况下分布式协同控制研究。未来,分布式控制方法依据其特点和优势,可以在海上风电机群、微电网和多能互补等领域得到进一步发展,发挥更大的作用。

参考文献

[1]叶杭冶.风力发电机组的控制技术[M].2版.北京:机械工业出版社,2006:157-164.YeHangye.Control of the wind turbines[M].2nd ed.Beijing:China Machine Press,2006:157-164(in Chinese).

[2]周志超,王成山,郭力,等.变速变桨距风电机组的全风速限功率优化控制[J].中国电机工程学报,2015,35(8):1837-1844.ZhouZhichao,WangChengshan,GuoLi,et al.Output power curtailment control of variable-speed variable-pitch wind turbine generator at all wind speed regions[J].Proceedings of the CSEE,2015,35(8):1837-1844(in Chinese).

[3]付媛,王毅,张祥宇,等.变速风电机组的惯性与一次调频特性分析及综合控制[J].中国电机工程学报,2014,34(27):4706-4716.FuYuan,WangYi,ZhangXiangyu,et al.Analysis and integrated control of inertia and primary frequency regulation for variable speed wind turbines[J].Proceedings of the CSEE,2014,34(27):4706-4716(in Chinese).

[4]李雪明,行舟,陈振寰,等.大型集群风电有功智能控制系统设计[J].电力系统自动化,2010,34(17):59-63.LiXueming,XingZhou,ChenZhenhuan,et al.Design of large clusters of wind power active intelligent control system[J].Automation of Electric Power Systems,2010,34(17):59-63(in Chinese).

[5]陶伟龙,王锡凡,宋卓彦,等.基于定子电压定向的分频风电系统多机控制[J].中国电机工程学报,2014,34(31):5477-5484.TaoWeilong,WangXifan,SongZhuoyan,et al.A novel FFAC multi-turbine control scheme based on stator voltage orientation[J].Proceedings of the CSEE,2014,34(31):5477-5484(in Chinese).

[6]Xu YL,ZhangW,Liu WX,et al.Distributed subgradient-based coordination of multiple renewable generators in a microgrid[J].IEEE Transactions on Power Systems,2014,29(1):23-32.

[7]Lu ZX,YeX,QiaoY,et al.Initial exploration of wind farm cluster hierarchical coordinated dispatch based on virtual power generator concept[J].CSEE Journal of Power and Energy Systems,2015,1(2):62-67.

[8]江道灼,谷泓杰,尹瑞,等.海上直流风电场研究现状及发展前景[J].电网技术,2015,39(9):2424-2431.JiangDaozhuo,GuHongjie,YinRui,et al.Research status and developing prospect of offshore wind farm with pure DC systems[J].Power System Technology,2015,39(9):2424-2431(in Chinese).

[9]王锡凡,卫晓辉,宁联辉,等.海上风电并网与输送方案比较[J].中国电机工程学报,2014,34(31):5459-5466.WangXifan,WeiXiaohui,NingLianhui,et al.Integration techniques and transmission schemes for off-shore wind farms[J].Proceedings of the CSEE,2014,34(31):5459-5466(in Chinese).

[10]吴俊,陆宇平.基于网络通信的多机器人系统的稳定性分析[J].自动化学报,2010,36(12):1706-1710.WuJun,LuYuping.Stability analysis of multi-robot system based on network communication[J].Acta Automatica Sinica,2010,36(12):1706-1710(in Chinese).

[11]He SB,Chen JM,Yau D K Y,et al.Cross-layer optimization of correlated data gathering in wireless sensor networks[J].IEEE Transactions on Mobile Computing,2012,11(11):1678-1691.

[12]洪奕光,翟超.多智能体系统动态协调与分布式控制设计[J].控制理论与应用,2011,28(10):1506-1512.HongYiguang,ZhaiChao.Dynamic coordination and distributed control design of multi-agent systems[J].Control Theory & Applications,2011,28(10):1506-1512(in Chinese).

[13]刘佳,陈增强,刘忠信.多智能体系统及其协同控制研究进展[J].智能系统学报,2010,5(1):1-9.LiuJia,ChenZengqiang,LiuZhongxin.Advances in multi-agent systems and cooperative control[J].CAAI Transactions on Intelligent Systems,2010,5(1):1-9(in Chinese).

[14]van der Schaft A J.L2-gain and passivity techniques in nonlinear control[M].Berlin:Springer-Verlag,1996:92-109.

[15]马进,席在荣,梅生伟,等.基于Hamilton能量理论的发电机汽门与励磁非线性稳定控制器的设计[J].中国电机工程学报,2002,22(5):88-93.MaJin,XiZairong,MeiShengwei,et al.Nonlinear stabilizing controller design for the steam-valving and excitation system based on Hamiltonian energy theory[J].Proceedings of the CSEE,2002,22(5):88-93(in Chinese).

[16]WuF,Zhang XP,JuP,et al.Decentralized nonlinear control of wind turbine with doubly fed induction generator[J].IEEE Transactions on Power Systems,2008,23(2):613-621.

[17]WangB,Qian YP,Zhang YM.Robust nonlinear controller design of wind turbine with doubly fed induction generator by using Hamiltonian energy approach[J].Journal of Control Theory & Applications,2013,11(2):282-287.

[18]MesbahiM,EgerstedtM.Graph theoretic methods in multiagent networks[M].New Jersey:Princeton University Press,2010:14-27.

[19]Li CS,Wang YZ.Protocol design for output consensus of port-controlled Hamiltonian multi-agent systems[J].Acta Automatica Sinica,2014,40(3):415-422.

[20]Khalil HK.Nonlinear systems[M].3rd ed.Upper Saddle River:Prentice Hall,2002:126-129.

[21]LinW.Input saturation and global stabilization of nonlinear systems via state and output feedback[J].IEEE Transactions on Automatic Control,1995,40(4):776-782.