基于MMC的海上全直流风场虚拟同步控制

杨 冬

(淮南联合大学 智能制造学院,安徽 淮南 232038)

0 引言

海上全直流风场的控制稳定性直接影响到海上风场的输电能力.因此,保证海上全直流风场虚拟同步稳定控制的重要性不言而喻[1],相关的海上全直流风场虚拟同步方法研究在气象预测预报、海上风场管理以及风力发电的自适应控制等方面具有重要意义.对海上全直流风场虚拟同步控制是建立在对风场的气旋及涡流参数控制基础上,结合对海上直流输电风电场的输出容量参数分析和运维参数估计,建立海上直流输电风电场的输出涡流场的力学参数分析模型,结合流场特征分析和专用控制系统的参数拟合方法,实现对海上全直流风场虚拟同步控制[2].

目前,国内有学者提出相关的风场控制方法.郎燕生等[3]提出汇集风电多端柔直系统的变下垂组合控制策略,通过改进电压-频率下垂控制,在改进惯量控制中引入转速调频能力因子以调整风速下风机转速控制.王炜宇等[4]提出基于虚拟调速器,构建具有惯性响应和一次调频能力的虚拟同步控制策略.张骞等[5]采用小信号建模与广义根轨迹分析的方法,通过向阻尼环节引入微分,实现了虚拟同步控制的有效性.但传统方法进行海上全直流风场虚拟同步控制的控制稳定性不好.针对上述问题,本文提出基于MMC的海上全直流风场虚拟同步控制方法.首先通过分析海上全直流风场的参数,进行虚拟同步控制的参数约束自变量特征分析;然后通过量化特征得到海上全直流风场的数值模拟结果;最后采用MMC自适应传感器测量技术,实现海上全直流风场虚拟同步的稳定控制.仿真测试分析结果展示本文方法提高了海上全直流风场虚拟同步控制的稳定性,且电网恢复速度较快,耗能较少,具有一定的优越性能.

1 约束参量及控制对象特征分析

1.1 约束参量分析

为了实现基于MMC的海上全直流风场虚拟同步控制,需要首先构建海上全直流风场的流体密度和压强参数分析模型,结合全直流风流体的速度和网格运动速度的参量估计结果,构建不确定性机组同步参数解析模型,根据风电出力序列样本之间的差异[6],计算每天相同时刻的风速数据集,采用图1所示的传感节点部署模型,构建海上全直流风场的原始数据采集模型,如图1所示.

图1 海上全直流风场的原始数据采集模型

根据图1所示的海上全直流风场的原始数据采集结果,采用电磁耦合极对数特征分解的方法实现第i时刻风速信息采集和特征分析,构建海上全直流风场的回归移动平均分析模型[6],得到回归移动平均输出峰值为

Ai=(mi+ni)×li，

(1)

式中：mi为第i时刻摆球在风力作用下的摆动角；ni为第i时刻风向角,li为第i时刻风速.

设每天不同时刻风速的概率密度为xi,对其进行加窗操作,对提取每天不同时刻风速的概率密度特征量实现模糊度解析控制,对提取每天不同时刻风速的信息进行白化处理,得到

(2)

采用频谱分离式检测,实现对海上全直流风场虚拟同步输出转换,得到海上全直流风场的风速短期随机不确定参数表达式为

(3)

在准平稳随机检测模型下,计算海上全直流风场的相关物理参数,根据物理参数优化辨识,实现海上全直流风场虚拟同步控制.

1.2 对象特征分析

构建海上全直流风场的流体密度和压强参数分析模型,结合全直流风流体的速度和网格运动速度的参量估计结果,构建海上全直流风场的流体参数提取模型,根据每天不同时刻风速的概率分布特征,进行海上全直流风场的复杂涡流强度分析,得到涡流分布矩阵为

(4)

提取较长时间尺度下风力发电资源离散特征分量为

(5)

根据风速样本转换为平稳化的样本序列特征分量,得到海上全直流风场的风电出力序列样本之间的差异度特征量为

(6)

式中:f(xi)为不同时刻风速的概率密度分布函数.

在场景约束条件下,根据海上全直流风场的稳态特征[8],实现海上全直流风场的控制对象模拟,得到海上全直流风场的控制优化目标函数为

(7)

输出海上全直流风场的虚拟同步转矩为

H=G-xi/f(xi).

(8)

权衡风电出力序列样本分布和磁损耗,采用转矩约束方法,将优化的海上全直流风场虚拟控制变量表示为h,得到优化的海上全直流风场的虚拟同步控制目标函数为

(9)

结合全直流风流体的速度和网格运动速度的参量估计结果,进行海上全直流风场虚拟同步控制的约束自变量特征分解,得到输出功率为

(10)

式中:α为海上全直流风场的电损耗;β为发电机的凸极效应损耗;λ为磁损耗之和.

发电机的电磁功率增量输出系数为

(11)

通过上述设计,实现超低频振荡约束下的海上全直流风场虚拟同步控制.结合极点配置法和临界参数法,实现振荡频率范围内的参数优化调节[9].

2 控制优化

2.1 风电场参数融合特征量化

通过控制面的单位外法矢量量化特征分析方法,实现对海上全直流风场的数值模拟[10],得到海上全直流风场的轴向通风孔结构模型参数表述为

(12)

式中：a与b为激励源为理想正弦型下的频谱分量.

磁力线穿过转子槽的条件下,得到海上全直流风场虚拟同步调节的模糊向量组为{v1,v2,…，vi},海上全直流风场虚拟同步控制的张成子空间为

(13)

上式或称作{v1,v2,…，vi}的均匀分布在通风孔的输出涡流离散特征量,根据风场的旋转速度μ1和倾转速度μ2的联合参数分析[11],得到输出统计特征量为

(14)

对任意一个二阶逆风格式矩阵,输出流体与物面的模糊值域为

(15)

令P∈ηn×n(n×n维复数空间)为海上全直流风场虚拟同步控制的模糊度协方差矩阵,根据物理时间和伪时间相结合的检测方法,构建海上全直流风场虚拟同步参数融合模型,表示为γ,得到无粘通量为

(16)

2.2 MMC虚拟同步控制优化

用MMC自适应传感器测量技术,实现对海上全直流风场虚拟同步控制过程中的参数优化解析和估计,采用数值模拟与风洞试验的方法,得到诱导速度分布特性为

(17)

根据周向、法向和径向的网格数量n1,n2,n3,得到海上全直流风场的加密区域网格间距满足:

(18)

基于运动嵌套网格方法,确定远场物理边界量和内场物理量之间边界条件[12],得到模糊度函数满足[-π,π),海上全直流风场虚拟控制的互相关函数为

(19)

假设扰动信息传播至远场的过程噪声为t,对内场物理量,通过MMC控制,得到表面压力为

(20)

当通量差分分裂的窗函数确定后,得到流动控制输出为

(21)

(22)

根据上述算法设计,实现对海上全直流风场的数值模拟,采用MMC自适应传感器测量技术,实现对海上全直流风场虚拟同步控制过程中的参数优化解析和估计[13].

3 仿真测试分析

为了验证本文方法在实现海上全直流风场虚拟同步控制中的应用性能,进行仿真实验分析,利用 Riemann仿真算法实现对海上全直流风场的物理仿真模型构造,设定风场的来流风速 20 m/s,轴向方向的来流强度为148 MPa,磁力线分布的相位方向为12°、18°,气隙磁密为1.54 mm.通过与文献[3]方法、文献[4]方法及文献[5]方法对比,设置在10 s时有一处负载突变,测量4种方法下电网频率及风场侧直流电压变化情况,如图2所示.

图2 海上全直流风场电网频率的响应

由图2可以看出：在本文的控制方法下,由于负载突变而导致的电网频率变化幅度较小,在0.42 Hz左右,且恢复稳定的时间较短,为5 s以内.而其他方法电网频率变化较大,且恢复稳定的时间较长.传统方法的电网频率恢复稳定的时间较长,影响海上全直流风场虚拟同步控制的效率.

海上全直流风场虚拟同步控制功率的变化曲线,如图3所示.

图3 海上全直流风场虚拟同步功率对比

由图3可以看出：本文方法进行海上全直流风场虚拟同步控制的功率变化速度较快,可以快速调节全直流线路的功率,进一步完成频率振荡的抑制.

测试由海上全直流电容器提供风场虚拟同步控制的虚拟能量,得到结果如图4所示.

图4 海上全直流风场虚拟同步功率所需能量

由图4可以看出：本文方法对海上全直流风场虚拟同步控制功率所需的能量较低,保持在0.02 kW以内,有效节约了能源,本文方法对海上全直流风场虚拟同步控制下的电网频率恢复速度快,可以有效抑制电网频率的振荡,实现风场虚拟同步控制的良好的稳定性,且耗能较少.

4 结语

本文提出基于MMC的海上全直流风场虚拟同步控制方法.构建不确定性机组同步参数解析模型,计算海上全直流风场的相关物理参数,根据物理参数优化辨识,构建海上全直流风场的流体参数提取模型,根据风场的旋转速度和倾转速度的联合参数分析,采用MMC自适应传感器测量技术,实现对海上全直流风场虚拟同步控制过程中的参数优化解析和估计,根据参数估计结果,实现海上全直流风场虚拟同步控制.研究得知,本文方法进行海上全直流风场虚拟同步控制的稳定性较好,耗能较少.