摘 要：為協(xié)調(diào)風(fēng)電場之間的無功輸出，提出一種基于HMPC的電壓控制方法，旨在提高大型風(fēng)電場的高電壓穿越和故障后電壓恢復(fù)能力，并減少風(fēng)電場控制器的計算任務(wù)。在風(fēng)電場電壓分層控制框架的基礎(chǔ)上，首先從風(fēng)電機組的單體控制模型出發(fā)建立風(fēng)電場的整體控制模型，并采用HMPC方法滾動優(yōu)化風(fēng)電場輸出無功功率；進一步，為提高大規(guī)模風(fēng)電場電壓優(yōu)化問題的計算效率，采用基于交替方向乘子法的分布式求解方法。通過Matlab/Simulink搭建風(fēng)電場仿真算例驗證，結(jié)果表明所提HMPC方法相比傳統(tǒng)控制方法在最小化風(fēng)電機組端電壓偏差和減少計算量方面具有更高的效率。

關(guān)鍵詞：風(fēng)電場；電壓控制；無功功率；分層模型預(yù)測控制；交替方向乘子法

中圖分類號：TM614 " " " " " 文獻標志碼：A

0 引 言

風(fēng)電的隨機波動性和間歇性以及外部電網(wǎng)的擾動都給電力系統(tǒng)的動態(tài)電壓穩(wěn)定性帶來了挑戰(zhàn)［1-2］。隨著風(fēng)電場機組數(shù)量以及并網(wǎng)點的增加，導(dǎo)致節(jié)點電壓之間的動態(tài)耦合加?。?］。外部電網(wǎng)擾動可能導(dǎo)致風(fēng)電場內(nèi)部電壓出現(xiàn)較大波動，甚至引發(fā)大型風(fēng)電機組的級聯(lián)脫網(wǎng)［4］。尤其在電網(wǎng)電壓升高的情況下，風(fēng)電機組端電壓可能會出現(xiàn)波動，超過電網(wǎng)所規(guī)定的閾值，進而導(dǎo)致整個風(fēng)電場的變頻裝置脫離［5］。因此，有必要研究快速響應(yīng)的大型風(fēng)電場電壓控制方法以應(yīng)對電壓波動所帶來的挑戰(zhàn)。

電網(wǎng)電壓升高一般由以下幾個原因引起：對稱和非對稱故障、大容量負荷的突然切除以及充電電容［6-7］。此外，在低壓穿越恢復(fù)過程中，經(jīng)常會出現(xiàn)電網(wǎng)電壓升高的現(xiàn)象，這是由于無功補償不協(xié)調(diào)，導(dǎo)致系統(tǒng)中存在大量冗余無功。同時，電纜故障引起的單相重合閘或單相接地故障等異常情況也可能引發(fā)電網(wǎng)電壓升高。由于電網(wǎng)電壓升高時產(chǎn)生的瞬時直流磁通分量在風(fēng)電機組上的作用大于電網(wǎng)電壓下降時，因此其導(dǎo)致后果更為嚴重［8］。為了解決這些問題，需要進一步研究高電壓穿越（high voltage ride through， HVRT）過程中風(fēng)電機組的電壓控制方法［9］。

風(fēng)電機組的HVRT控制方法已被廣泛研究［10-15］，主要可分為采用附加保護電路［10］、利用無功補償裝置［11］和電壓控制方法［12-13］。文獻［10］提出一種保護電路，旨在消除高電壓穿越過程中風(fēng)電機組轉(zhuǎn)子電流的振蕩。在故障情況下，通過采用無功補償裝置，將風(fēng)電機組機端母線電壓調(diào)整至范圍內(nèi)［12］；文獻［13］提出一種基于模型預(yù)測控制（model predictive control， MPC）的兩級直流鏈路電壓控制方法，用于增強海上雙饋風(fēng)電機組（doubly fed induction generator， DFIG）的高電壓穿越能力；文獻［14］通過對電網(wǎng)故障機理分析，提出采用諧振控制技術(shù)的解決方案。上述研究主要關(guān)注單個風(fēng)電機組的過電壓問題及其相應(yīng)的HVRT控制方案。然而，風(fēng)電機組的電壓和無功功率之間存在緊密的耦合關(guān)系，每個風(fēng)電機組的端電壓取決于風(fēng)電場內(nèi)所有風(fēng)電機組注入的無功功率。尤其在電網(wǎng)電壓升高的情況下，風(fēng)電機組端電壓可能出現(xiàn)波動，甚至超過電網(wǎng)規(guī)定的閾值。因此，有必要考慮電網(wǎng)電壓升高下風(fēng)電場和風(fēng)電機組之間的相互影響以及風(fēng)電機組之間的協(xié)調(diào)。

現(xiàn)有的風(fēng)電場電壓控制方法［15-19］主要關(guān)注風(fēng)電場正常運行或電網(wǎng)擾動場景。文獻［15］提出一種基于分層MPC的風(fēng)電場無功電壓控制方法；文獻［19］提出一種基于解析目標級聯(lián)法的分布式控制框架。然而，在HVRT和事后恢復(fù)周期下，風(fēng)電機組的故障條件和暫態(tài)電壓特性并未得到充分考慮；文獻［20］提出一種雙電平分散的風(fēng)電場有功無功控制方法，能有效消除低壓穿越（low voltage ride through， LVRT）和隨后的HVRT下風(fēng)電機組端電壓波動；文獻［21］提出基于機組可控域劃分的風(fēng)電機組和靜止同步補償器相協(xié)調(diào)的風(fēng)電場HVRT控制方法。然而，以往的HVRT電壓控制方案和事后恢復(fù)條件下的電壓控制方案仍采用時間觸發(fā)的方式，周期性地進行控制，這導(dǎo)致風(fēng)電場控制器的計算量和通信負擔(dān)非常大。文獻［22］提出一種事件觸發(fā)控制方法，以實現(xiàn)控制性能和計算負擔(dān)之間的權(quán)衡，然而對于同時減少計算和通信負擔(dān)的下一步觸發(fā)條件還未得到充分考慮；文獻［23］提出一種事件觸發(fā)分布式模型預(yù)測控制方法，將大規(guī)模互聯(lián)電力系統(tǒng)分解成多個動態(tài)耦合的子系統(tǒng)，考慮發(fā)電機變化率約束和調(diào)速器閥門位置限制，建立分布式預(yù)測控制優(yōu)化問題，在負荷擾動和系統(tǒng)參數(shù)不確定的情況下具有良好的魯棒性，同時極大地降低了系統(tǒng)的計算負擔(dān)。

根據(jù)上述分析，隨著風(fēng)電場規(guī)模的擴大，中央控制器可能無法在一個控制周期內(nèi)獲得最優(yōu)解，以應(yīng)對電網(wǎng)電壓升高引起的快速電壓波動。此外，HVRT事件是隨機事件，時間觸發(fā)控制方案可能導(dǎo)致通信資源利用率低下。為解決這些問題，本文提出一種基于分層模型預(yù)測控制的電壓控制方法，旨在提高大規(guī)模風(fēng)電場的HVRT控制和故障后恢復(fù)能力，同時減少沉重的通信負擔(dān)和計算任務(wù)。

1 風(fēng)電場電壓分層控制框架

電網(wǎng)電壓波動時，風(fēng)電機組應(yīng)快速響應(yīng)。在HVRT中，下垂控制具有快速響應(yīng)特性。然而，在HVRT下風(fēng)電機組端電壓可能出現(xiàn)偏差，甚至違反電網(wǎng)要求。因此，需要采用最優(yōu)的事件觸發(fā)的電壓控制方法，以糾正下垂控制引起的風(fēng)電機組端電壓偏差，并迅速將電壓恢復(fù)到額定值。圖1給出了所提出的風(fēng)電場分層控制框圖，包括下垂控制模塊、分層模型預(yù)測控制（hierarchical model predictive control， HMPC）電壓控制模塊以及事件觸發(fā)控制模塊。首先，下垂控制模塊根據(jù)下垂系數(shù)快速調(diào)節(jié)風(fēng)電機組端電壓。其次，基于HMPC的電壓控制模塊計算風(fēng)電機組的電壓靈敏度系數(shù)。HMPC的控制目標是在下垂控制模塊的同時，盡快減小風(fēng)電機組的端電壓偏差。

針對考慮無功電流注入的下垂控制電壓優(yōu)化問題，設(shè)計HMPC算法。在基于HMPC的優(yōu)化問題中，首先預(yù)測并考慮電網(wǎng)電壓升高下風(fēng)電機組的電壓波動。然后，生成風(fēng)電機組的最優(yōu)無功功率參考值，并將其發(fā)送到風(fēng)電機組的本地控制器。在正常工作情況下，通過下垂控制來調(diào)節(jié)風(fēng)電機組的電壓。然而，一旦電網(wǎng)電壓出現(xiàn)波動并滿足事件觸發(fā)條件，控制系統(tǒng)將切換到基于HMPC的控制模式。在這種模式下，系統(tǒng)將優(yōu)化無功功率參考值并將其分配到各風(fēng)電機組中。因此，根據(jù)參考電壓值，HMPC算法可快速減小風(fēng)電機組端電壓的偏差，實現(xiàn)對電壓的有效控制。這樣，在電網(wǎng)電壓波動時，風(fēng)電機組能迅速響應(yīng)并保持電壓穩(wěn)定。

HVRT運行的規(guī)范要求如圖2所示。不同國家對HVRT和故障后恢復(fù)有不同的規(guī)范要求。本文采用國內(nèi)電網(wǎng)規(guī)范要求。一旦公共連接點（points of common connection， PCC）電壓幅值超過紅色邊界，則允許風(fēng)電機組與公用電網(wǎng)斷開連接，否則風(fēng)電機組應(yīng)為其電壓恢復(fù)提供無功支持。根據(jù)無功電流注入要求［24］，可估計風(fēng)電機組的無功電流需求為：

[ΔIq=0 ， Vg∈（0.9 pu，1.1 pu）γ×Vg-1.1×IN， "Vg∈（1.1 pu，1.3 pu）] （1）

式中：[Iq]——風(fēng)電機組注入無功電流，A；[Vg]——電網(wǎng)電壓的大小，kV；[γ]——可調(diào)無功電流系數(shù)，根據(jù)電網(wǎng)規(guī)范，[γ]不應(yīng)小于1.5；[IN]——額定電流，A。

2 風(fēng)電場的控制建模

2.1 GSC控制模型

風(fēng)電機組的電網(wǎng)側(cè)變流器（grid-side converter，GSC）負責(zé)調(diào)節(jié)直流母線電壓，并為風(fēng)電機組提供電壓支持。直流鏈路電壓和電壓控制在GSC中通過調(diào)節(jié)電流來解耦。一般情況下，由于電流外環(huán)的時間常數(shù)比電流內(nèi)環(huán)慢得多，電流控制環(huán)的動態(tài)特性可簡化為一階滯后函數(shù)［25］。圖3為GSC的無功功率控制圖?？紤]逆變器的時滯，GSC的無功功率動態(tài)表示為：

[Qg=11+sTfg-32Vgigq] （2）

式中：[Qg]——GSC的輸出電壓，kV；[Tfg]——GSC的無功濾波時間常數(shù)；[igq]——GSC的無功電流，A。

在初始工作點[（V0g， i0gq）]附近展開泰勒級數(shù)，式（2）可線性化為：

[Qg≈-32（1+sTfg）（V0gi0gq+V0gΔi0gq+i0gqΔVg）] （3）

式中：[V0g]——端電壓的初始幅值，kV；[i0gq]——GSC的初始無功電流，A。

定義[Qgint]為無功參考[Qrefg]與GSC實際無功輸出[Qg]之差的積分，則[Δigq]和[ΔQgint]可表示為：

[Δigq=11+sTigkQg_p+kQg_is（ΔQrefg-ΔQg）] （4）

[ΔQgint=ΔQrefg-ΔQgs] （5）

式中：[Tig]——GSC內(nèi)環(huán)的時間常數(shù)；[kQg_p]、[kQg_i]——GSC外環(huán)的PI參數(shù)；[Qrefg]——GSC和機側(cè)變流器（rotor side converter， RSC）的無功參考，kvar。

結(jié)合式（3）～式（5），GSC的增量無功功率模型可表示為：

[ΔQg=-32Tfg（V0gi0gq+V0gΔi0gq+i0gqΔVg）-1TfgΔQg-1TfgQ0g ] （6）

式中：[Q0g]——GSC的初始無功功率，kvar。

則GSC的增量狀態(tài)空間模型可表示為：

[ΔxQg=AQgΔxQg+BQgΔuQg+DQg] （7）

式中：[ΔxQg=[ΔQg，ΔQgint，Δigq]T]，[ΔuQg=[ΔQrefg，ΔVg]T]，

[AQg=-1Tfg0-3V0g2Tfg-100-kQg_PTigkQg_iTig-1Tig]，[BQg=0-3i0gq2Tfg10kQg_PTig0]，

[DQg=-3V0gi0gq+2Q0g2Tfg， 0， 0T]。

2.2 RSC控制模型

風(fēng)電機組的RSC模型可調(diào)節(jié)定子側(cè)的有功輸出和無功輸出，通過調(diào)節(jié)電流可在RSC模型中解耦。同樣，RSC的增量預(yù)測模型可表示為：

[ΔxQs=AQsΔxQs+BQsΔuQs+DQs] （8）

式中：[ΔxQs=[ΔQs， ΔQSint， Δisq]T]，[ΔuQs=[ΔQrefs， ΔVs]T]，

[AQs=-1Tfr0-3V0s2Tfr-100-kQr_pTirkQr_iTir-1Tir]，[BQs=0-3i0sq2Tfr10kQr_PTir0]，

[DQs=-3V0si0sq+2Q0s2Tfr， 0， 0T]；[Qs]——RSC的輸出電壓，kV；[Vs]——定子電壓，kV；[V0s]——定子電壓的初始幅值，kV；[i0sq]——RSC的初始無功電流，A；[kQr_p]、[kQr_i]——RSC外環(huán)的PI參數(shù)；[Tfr]——RSC的無功濾波時間常數(shù)；[Tir]——RSC內(nèi)環(huán)的時間常數(shù)。

2.3 風(fēng)電機組控制模型

結(jié)合RSC和GSC的無功功率模型，DFIG的增量狀態(tài)空間動態(tài)模型可表示為：

[ΔxW=AWΔxW+BWΔuW+DW] （9）

[ΔyW=CWΔxW] （10）

式中：[ΔxW=ΔQs，ΔQSint，Δisq，ΔQg，ΔQgint，ΔigqT]，[ΔuW=ΔQrefs，ΔVs，ΔQrefg，ΔVgT]，[ΔyW=ΔQs，ΔQgT]，[AW=diagAQs，AQg]，[BW=diagBQs， BQg]，[DW=diagDQs， DQg]，[CW=100000000100]。

2.4 風(fēng)電場控制模型

對于基于[NW=1，2，…，NW]DFIG的風(fēng)電場，連續(xù)狀態(tài)空間方程可描述為：

[Δx=AΔx+BΔu+D] （11）

[Δy=CΔx] （12）

式中：[Δx=ΔxW，1， …， ΔxW，NWT]，[Δu=ΔuW，1， …， ΔuW，NWT]，[Δy=ΔyW，1， …， ΔyW，NWT]，[A=diagAW，1， …， AW，NW]，[B=diagBW，1，…，BW，NW]，[D=diagDW，1，…， DW，NW]，[C=diagCW，1，…，CW，NW]。

設(shè)置采樣時間[ΔTs]，根據(jù)式（11）和式（12）得到離散時間狀態(tài)空間模型為：

[Δx（k+1）=AdΔx（k）+BdΔu（k）+Dd] （13）

[Δy（k）=CΔx（k）] （14）

式中：[Ad=eAΔTs]，[Bd=0ΔTseAtBdt]，[Dd=0ΔTseAtDdt]。

3 基于HMPC的協(xié)調(diào)電壓控制方法

3.1 基于HMPC的電壓恢復(fù)控制模型

3.1.1 MPC優(yōu)化問題的表述

基于下垂控制的電壓控制通常在局部實現(xiàn)，以實現(xiàn)快速的電壓調(diào)節(jié)性能。第[i]個風(fēng)電機組的下垂電壓控制定義為：

[vi=vN+κi（qrefi-qi）， "i∈NW] （15）

[qi≤qrefi≤qi] （16）

式中：[vi、vN]——風(fēng)電機組端電壓和額定電壓，kV；[κi]——第[i]個風(fēng)電機組的電壓下垂系數(shù)；[qref]——風(fēng)電機組的無功參考，kvar；[qi]——第[i]個風(fēng)電機組的無功功率，kvar；[q、q]——無功功率的下限/上限，kvar。

盡管下垂控制的風(fēng)電機組端電壓可在HVRT過程中快速降低，但風(fēng)電機組的端電壓可能偏離參考電壓。因此，為了更有效地減少電壓偏差，本文提出一種考慮下垂控制的基于MPC電壓控制方法。該方法能夠產(chǎn)生最優(yōu)的無功參考值，從而在故障恢復(fù)期間調(diào)節(jié)風(fēng)電機組的端電壓?；贛PC原理，將總預(yù)測步驟定義為[NP=1， 2，…， k，…，NP]，將第[k]個預(yù)測步驟的具有主下垂系數(shù)的增量無功功率模型描述為：

[Δqkrefi=（vki-vN）κ-1i] （17）

增量無功參考包括GSC和DFIG定子側(cè)的無功。因此增量無功參考也可由狀態(tài)空間模型的狀態(tài)變量描述為：

[Δqkrefi=ΔQref，ks，i+ΔQref，kg，i] （18）

式中：[Qrefs]——RSC的無功參考，kvar。

在具有[NW]個DFIG風(fēng)電機組的風(fēng)電場中，將式（18）中的增量狀態(tài)空間DFIG模型與下垂控制相結(jié)合的電壓和無功動態(tài)行為描述為：

[Δu（k）=Z-1MWF（k）α] （19）

式中：[Z]——系數(shù)矩陣，[Z=Z1Z2?ZNW]，[Zi=1010010000100001]，[MWF（k）=M1（k）M2（k）?MNW（k）=M（k）I3NwMi（k）=diag（vki-vN），1，1，1]

[M（k）=diag（vk1-vN），（vk2-vN）， …，（vkNw-vN）]，

[α=α1α2?αi?αNW=κ-1β1?βi?βNW]，[αi=κ-1iΔVsΔQrefgΔVg=κ-1iβi]，[κ-1=κ-11κ-12?κ-1i?κ-1NW]，

其中[κ-1]表示電壓下垂系數(shù)矩陣；定義長度為[4NW]的任何非零向量[n]，[nTZngt;0]成立，因為[Z]的對角線都是正數(shù)。

在基于MPC的電壓優(yōu)化問題中，不能直接測量第k步預(yù)測的風(fēng)電機組端電壓[vki]，需在每個控制周期進行預(yù)測。由于風(fēng)電機組端電壓變化受風(fēng)電機組輸出有功功率和無功功率的影響，基于電壓靈敏度分析方法，[vki]可表示為：

[vki=σQiΔqi（k）+σPiΔpi（k）+v0i =σQiΔyW，i（k）+σPi[pi（k）-p0i]+v0i] （20）

式中：[v0i]——第[i]個風(fēng)電機組的初始電壓測量值，kV；[σP]、[σQ]——電壓靈敏度系數(shù)矩陣與風(fēng)電機組有功功率和電壓注入量的關(guān)系，定義為[σP=diag（σP1，…， σPi，…，σPNW）]，[σQ=diag（σQ1，…，σQi，…，σQNW）]和[σPi=?vi?p]，[σQi=?vi?q]；[p0i]——第[i]個風(fēng)電機組的有功功率初始值，kW。

基于式（20）中第[k]步預(yù)測風(fēng)電機組的端電壓，[M（k）]可表示為：

[M（k）=diagvk-vN =diagσQCΔx（k）+σPΔp（k）+v0-vN=diagσQC[AdΔx（k-1）+BdZ-1MWF（k-1）κ-1+Dd]+σPΔp（k）+v0-vN] （21）

式中：[κi]——電壓下垂系數(shù)；[Δp（k）]——[Δpi]在第k步預(yù)測時的增量向量集。

在式（21）中，[M（k）]可根據(jù)初始矩陣[x（0）]、[BW（0）]和[v0]計算。將式（20）和式（21）代入式（13），基于MPC的離散狀態(tài)空間模型（13）可表示為：

[Δx（k+1）=AdΔx（k）+BdZ-1MWF（k）α+Dd=Ad+diagσQCκ-1BdZ-1ΨΔx（k）+Dd+Z-1diagv0-vN+σPΔp（k）κ-1Ξ（k）Bd] （22）

式（22）中定義的系數(shù)矩陣[Ψ]可根據(jù)下垂系數(shù)和電壓靈敏度系數(shù)矩陣計算。因此，在每個預(yù)測周期，有有功功率下垂系數(shù)的風(fēng)電場模型的離散狀態(tài)空間可線性化并簡化為：

[Δx（k+1）=ΨΔx（k）+BdΞ（k）+Dd] （23）

3.1.2 成本函數(shù)

為解決電網(wǎng)電壓升高下風(fēng)電機組機端過電壓問題，采用基于HMPC的協(xié)調(diào)電壓控制方法，將風(fēng)電機組端電壓恢復(fù)到額定值。因此，成本函數(shù)為：

[O=mini=1NWk=1NPΔvi（k）2] （24）

[Δvi（k）=v0i-vN+σPiΔp（k）+σQiΔq（k）+?vi?vDΔvpreD（k）， "?i∈NW] （25）

式中：[σPi=?vi?p1，?vi?p2，…，?vi?pj，…，?vi?pNW]，[?vi?vD]——電壓靈敏度系數(shù)矩陣相對于外部電網(wǎng)電壓；[σQi=?vi?q1，?vi?q2，…，?vi?qj，…，?vi?qNW]；[ΔvpreD]——基于外部電網(wǎng)電壓支撐能力的預(yù)測電壓。

3.1.3 約束條件

首先，風(fēng)電機組的有功功率和無功功率不能超過限制，其約束條件為：

[qi（k）≤qi（k）≤qi（k）0≤pi（k）≤PaviWi， " i∈NW， "k∈NP] （26）

式中：[qi]和[qi]——無功功率的上下限，kvar。

受有功功率和風(fēng)電機組端電壓的影響，根據(jù)線性化靈敏度分析方法［12］可表示為：

[qi（k）≈q0i+?q?pΔpi（k）+?q?vΔvi（k）qi（k）≈q0i+?q?pΔpi（k）+?q?vΔvi（k）] （27）

式中：[Δvi（k）=σQiΔqi（k）+σPiΔpi（k）]；[?q?p]、[?q?v]、[?q?p]、[?q?v]——靈敏度系數(shù)矩陣。

其次，根據(jù)式（1）的無功電流注入要求，將風(fēng)電機組注入的無功電流約束表示為：

[isq+igq≥γ（vVN-1）×IN] （28）

式中：[igq、isq]——GSC和RSC的無功電流，A。

然后，根據(jù)圖2中HVRT和故障后恢復(fù)時段的電網(wǎng)規(guī)范要求，將風(fēng)電機組端電壓幅值和恢復(fù)時間約束為：

[vt=0.5 s≤1.3 pu] （29）

[vt=1 s≤1.25 pu] （30）

[vt=10 s≤1.2 pu] （31）

3.2 基于ADMM的分布式求解方法

式（24）的優(yōu)化目標是一個集中式模型，這樣的計算任務(wù)對于風(fēng)電場來說過于繁重，無法滿足電網(wǎng)規(guī)范中規(guī)定的HVRT時間要求。因此，設(shè)計一種基于交替方向乘子法（alternating direction method of multipliers，ADMM）的求解方法來減少計算負擔(dān)。傳統(tǒng)的ADMM框架是通過用決策變量[ΔuW]替代控制變量來實現(xiàn)的。式（24）是以系統(tǒng)中所有節(jié)點的電壓波動量范數(shù)的平方和最小為目標函數(shù)，因此會產(chǎn)生關(guān)于決策變量[ΔuW]的一次項和二次項，[ΔuW=ΔQrefs，ΔVs，ΔQrefg，ΔVgT]是決策變量，將HMPC的優(yōu)化模型（式（24））描述為通用緊湊的QP表達式，這樣是為便于采用ADMM算法進行推導(dǎo)：

[minxf（x）=12xTHx+gTx] （32）

[s.t. " x≤x≤x] （33）

式中：[x]——決策變量向量，[x=ΔuW（1），ΔuW（2），…，ΔuW（NP）T]，[x∈?n×1]；[H]——Hessian矩陣，[H≥0， H∈?n×n]；[g]——系數(shù)矩陣，[g∈?n×1]；[n=NP×NW]；[x]和[x]——[x]的下限和上限。

通過對全局變量z、局部變量x和對偶變量γ上的增廣拉格朗日量進行迭代優(yōu)化。增廣拉格朗日[Lρ]可表示為：

[Lρ（x，z，γ）=f（x）+γT（x-z）+ρ2x-z22] （34）

式中：[ρgt;0]——懲罰參數(shù)。

基于ADMM的解迭代求解步驟為：

1）更新z：在風(fēng)電場代理中心優(yōu)化全局變量z，該全局變量z可通過最小化無約束的增廣拉格朗日[Lρ]獲得：

[z[k+1]=-H+ρ[k]I-1g-ρx[k]+γ[k]] （35）

式中：[I]——單位矩陣，且[H+ρIgt;0]是可逆的。

2）更新[x]：當(dāng)風(fēng)電場中央控制器將[z[k+1]i]發(fā)送給相應(yīng)的風(fēng)電機組局部控制器時，每個風(fēng)電機組局部控制器采用其局部約束對局部變量[x]進行優(yōu)化。通過求解分解后的增廣拉格朗日量得到：

[x[k+1]i=argminxiγ[k]iTxi-z[k+1]i+ρ2xi-z[k+1]i22]

（36）

式中：[Δxi]和[Δxi]——[Δxi]的下限和上限。

3）更新[γ]：對偶變量[γi]在局部控制器中更新為：

[γ[k+1]i=γ[k]i+ρ（x[k+1]i-z[k+1]i）] （37）

4）校驗收斂性：當(dāng)原始殘差[p[k+1]r2]和對偶殘差[d[k+1]r2]滿足時，迭代停止：

[p[k+1]r2lt;εpri和d[k+1]r2lt;εdual] （38）

式中：[p[k]r=x[k]-z[k]]；[εpri]和[εdual]——原殘差和對偶殘差的可行性殘差；[d[k]r=z[k]-z[k-1]]。

本文為使采用ADMM算法分布式求解得到的結(jié)果幾乎接近集中式求解結(jié)果，另外一點是本文所有的計算都是在標幺制下進行的，所以這里原殘差和對偶殘差直接設(shè)置為[10-10]，具體設(shè)置可參考文獻［26］。

由于將部分計算任務(wù)分配給局部風(fēng)電機組控制器，大大減輕了風(fēng)電機組控制器的計算負擔(dān)。特別是對于具有數(shù)千臺風(fēng)電機組的風(fēng)電場，基于ADMM的分布式求解方法可有效地并行處理基于HMPC的優(yōu)化問題，從而顯著降低風(fēng)電場中央控制器的計算量。

4 算例仿真

4.1 仿真系統(tǒng)

算例中的風(fēng)電場由20個5 MW DFIG的風(fēng)電機組組成，如圖4所示。風(fēng)電機組連接到一個3 km的饋線。3個饋線連接到升壓變壓器的中壓母線上。風(fēng)電場產(chǎn)生的電能通過33/110 kV主變壓器和輸電電纜輸送到外部交流電網(wǎng)?？紤]尾流和湍流對風(fēng)電場的影響，利用Matlab/Simulink中的Sim-WindFarm工具箱建立仿真模型，其中平均風(fēng)速為12 m/s；15 m/s風(fēng)速下湍流強度16 %。風(fēng)電場的電氣系統(tǒng)參數(shù)見表1。在算例研究中，對比分析HMPC方法、傳統(tǒng)的PI控制（PI）方法［12］和時間觸發(fā)控制（TT）方法［21］。電網(wǎng)電壓波動期的PI方法和TT方法都是每2秒控制一次。在該方法中，電網(wǎng)電壓波動時的控制周期為2 s，基于下垂控制的周期為0.1 s。

4.2 3種控制方法的控制性能

圖5為風(fēng)電場的有功輸出功率曲線。由于風(fēng)電場采用最大功率點跟蹤模式，風(fēng)電場的總有功輸出功率始終可跟蹤到可用風(fēng)電。圖6為采用HMPC和其他方法的同軸供電技術(shù)（power over coaxial， POC）電壓和代表性風(fēng)電機組的電壓分布。結(jié)果表明，HMPC方法和TT方法比PI方法具有更好的控制性能，這是因為PI方法的風(fēng)電機組的無功功率只是按比例分配給風(fēng)電機組，未考慮全局最優(yōu)性能。

3種控制方法下WT20的電壓分布如圖7a所示。選擇WT20作為代表性的風(fēng)電機組，這是因為在電網(wǎng)電壓升高下超過規(guī)定電壓閾值的可能性最大。相比之下，HMPC方法可更有效地消除WT20機端的過電壓。當(dāng)過電壓產(chǎn)生后，電壓幅值達到1.278 pu，HMPC和TT方法在不到2.3 s的時間內(nèi)電壓降至固定范圍，而PI方法則在7 s以上。從圖7b可看出，與PI方法相比，采用HMPC和TT方法的WT20無功輸出要大得多。從圖8可看出，與TT和PI方法相比，HMPC的整體電壓偏差要小得多，這表明HMPC具有優(yōu)異的電壓控制性能。圖9為風(fēng)電場運行收斂性能。選取風(fēng)力發(fā)電機組1～6作為代表性風(fēng)力發(fā)電機組。局部變量[ΔQWi]和全局變量[zi]在約18次迭代后收斂到相同的值。

4.3 LVRT和后續(xù)HVRT下的控制性能

為進一步驗證所提出的HMPC方法的優(yōu)越性和有效性，以LVRT后電網(wǎng)電壓升高為例進行仿真。3種控制方法的仿真結(jié)果及對比分析如圖10所示。

從圖11可看出，采用HMPC方法的WT20端電壓控制性能優(yōu)于PI和TT方法。在約[t=13] s，控制器切換到正常模式。當(dāng)[t=20.1] s時，電壓上升到約1.273 pu，當(dāng)[t=20.3] s時，HMPC和TT方法的電壓降至1.2 pu以下，并成功通過高電壓穿越。圖12為WT20在LVRT及后續(xù)HVRT下的無功輸出?？煽闯?，HMPC和TT方法的無功容量范圍大于PI方法。在LVRT和隨后的HVRT中，HMPC和TT方法能達到最大的無功輸出，這是由于它們在無功功率優(yōu)化性能方面的優(yōu)越表現(xiàn)。相反，PI方法采用比例分配而不是全局最優(yōu)性能來進行控制，因此風(fēng)電機組的無功輸出較小。

表2為HMPC和TT方法在一個控制周期（[t=21.1] s）的計算時間結(jié)果。由表2可看出，與TT方法相比，HMPC的總計算時間減少了27.42%。當(dāng)風(fēng)電機組數(shù)量為100時，計算時間比TT方法減少了75%。隨著風(fēng)電場內(nèi)風(fēng)電機組數(shù)量的增加，計算量顯著減少。

5 結(jié) 論

本文提出一種基于分層模型預(yù)測控制的電壓控制方法，旨在提高大型風(fēng)電場的高電壓穿越和故障后電壓恢復(fù)能力，并減少風(fēng)電場控制器的計算任務(wù)。該方法通過協(xié)調(diào)風(fēng)電機組之間的無功輸出來實現(xiàn)風(fēng)電場的近全局最優(yōu)運行。仿真結(jié)果表明，所提出的HMPC方法在HVRT和故障后恢復(fù)過程中能有效快速地緩解風(fēng)電機組機端端過電壓，并能減輕風(fēng)電場中央控制器的通信和計算負擔(dān)。

與傳統(tǒng)的PI方法相比，HMPC方法使每個風(fēng)電機組能快速響應(yīng)電壓波動，并在無全局信息的情況下實現(xiàn)接近全局最優(yōu)的運行性能。與TT方法相比，HMPC方法在總計算時間和通信負擔(dān)方面都顯著減少。特別是當(dāng)風(fēng)電場內(nèi)風(fēng)電機組數(shù)量增加時，HMPC方法的計算時間相較于TT方法減少了75%。

［參考文獻］

［1］ 萬慶祝， 劉偉娜. 考慮風(fēng)荷不確定性的大用戶直購電魯棒區(qū)間優(yōu)化調(diào)度［J］. 太陽能學(xué)報， 2022， 43（7）： 347-355.

WAN Q Z， LIU W N. Direct power purchase by large consumers considering wind load uncertainty robust interval optimal scheduling［J］. Acta energiae solaris sinica， 2022， 43（7）： 347-355.

［2］ 曹蕃， 郭婷婷， 陳坤洋， 等. 風(fēng)電耦合制氫技術(shù)進展與發(fā)展前景［J］. 中國電機工程學(xué)報， 2021， 41（6）： 2187-2201.

CAO F， GUO T T， CHEN K Y， et al. Progress and development prospect of coupled wind and hydrogen systems［J］. Proceedings of the CSEE， 2021， 41（6）： 2187-2201.

［3］ 李英量， 王康， 高兆迪， 等. 考慮風(fēng)電接入的電壓控制區(qū)域修正方法研究［J］. 太陽能學(xué)報， 2022， 43（9）： 258-266.

LI Y L， WANG K， GAO Z D， et al. Research on modification method of voltage control area considering wind power connection［J］. Acta energiae solaris sinica， 2022， 43（9）： 258-266.

［4］ 周彥彤， 郝麗麗， 王昊昊， 等. 大容量風(fēng)電場柔直并網(wǎng)系統(tǒng)的送/受端次同步振蕩分析與抑制［J］. 電力自動化設(shè)備， 2020， 40（3）： 100-106.

ZHOU Y T， HAO L L， WANG H H， et al. Analysis and suppression of SSO at sending/receiving end in VSC-HVDC system connected large-capacity wind farms［J］. Electric power automation equipment， 2020， 40（3）： 100-106.

［5］ 肖亮， 陳亦平， 伍陽陽， 等. 風(fēng)電場快速調(diào)頻技術(shù)的工程實踐及關(guān)鍵參數(shù)取值［J］. 高電壓技術(shù)， 2023， 49（6）： 2536-2548.

XIAO L， CHEN Y P， WU Y Y， et al. Engineering practice and key parameter selection for fast frequency regulation " technology " of " wind "farms［J］. "High "voltage engineering， 2023， 49（6）： 2536-2548.

［6］ 李佳彬， 王淑紅， 樊慧彬， 等. 無刷雙饋發(fā)電機的高電壓穿越控制策略研究［J］. 電機與控制學(xué)報， 2022， 26（12）： 74-83.

LI J B， WANG S H， FAN H B， et al. HVRT control strategy "of "brushless "doubly "fed "induction "generator［J］. Electric machines and control， 2022， 26（12）： 74-83.

［7］ 李曼， 王冰， 曲立楠， 等. 基于暫態(tài)功率特性調(diào)整無功電流的高電壓穿越控制策略［J］. 電力系統(tǒng)自動化， 2020， 44（6）： 59-66.

LI M， WANG B， QU L N， et al. Control strategy of high voltage ride through for adjusting reactive current based on transient power characteristics［J］. Automation of electric power systems， 2020， 44（6）： 59-66.

［8］ 凌禹. 改進的雙饋風(fēng)電機組故障穿越控制策略研究［J］. 太陽能學(xué)報， 2022， 43（12）： 312-319.

LING Y. Research on an improved fault ride through control strategy of DFIG-based wind turbine［J］. Acta energiae solaris sinica， 2022， 43（12）： 312-319.

［9］ 萬千， 夏成軍， 管霖， 等. 含高滲透率分布式電源的獨立微網(wǎng)的穩(wěn)定性研究綜述［J］. 電網(wǎng)技術(shù)， 2019， 43（2）： 598-612.

WAN Q， XIA C J， GUAN L， et al. Review on stability of isolated microgrid with highly penetrated distributed generations［J］. Power system technology， 2019， 43（2）： 598-612.

［10］ 羅少杰， 朱玲. 電網(wǎng)電壓驟升情況下雙饋變流器控制策略研究［J］. 電力系統(tǒng)保護與控制， 2017， 45（24）： 123-129.

LUO S J， ZHU L. Research on control strategy of double feed converter under grid voltage soared［J］. Power system protection and control， 2017， 45（24）： 123-129.

［11］ 韓平平， 張海天， 丁明， 等. 大規(guī)模高壓直流輸電系統(tǒng)閉鎖故障下送端風(fēng)電場高電壓穿越的控制策略［J］. 電網(wǎng)技術(shù)， 2018， 42（4）： 1086-1095.

HAN P P， ZHANG H T， DING M， et al. A coordinated HVRT strategy of large-scale wind power transmitted with HVDC system［J］. Power system technology， 2018， 42（4）： 1086-1095.

［12］ 崔挺， 李雪萍， 顏暢， 等. 基于模型預(yù)測控制的風(fēng)電場故障穿越有功無功優(yōu)化控制策略［J］. 電力系統(tǒng)保護與控制， 2022， 50（2）： 12-20.

CUI T， LI X P， YAN C， et al. Active and reactive power optimization control strategy for wind farm fault ride-through " based " on " model "predictive " control［J］. "Power system protection and control， 2022， 50（2）： 12-20.

［13］ WEI J， LI C B， WU Q W， et al. MPC-based DC-link voltage control for enhanced high-voltage ride-through of offshore "DFIG "wind "turbine［J］. International "journal "of electrical power amp; energy systems， 2021， 126： 106591.

［14］ 劉其輝， 董楚然， 于一鳴. 雙饋風(fēng)電并網(wǎng)系統(tǒng)高頻諧振機理及抑制策略［J］. 電力自動化設(shè)備， 2020， 40（9）： 163-172.

LIU Q H， DONG C R， YU Y M. High frequency resonance mechanism and suppression strategy of doubly-fed wind power grid-connected system［J］. Electric power automation equipment， 2020， 40（9）： 163-172.

［15］ 王海軍， 王磊. 基于分層MPC的風(fēng)電場電壓協(xié)調(diào)控制策略研究［J］. 電氣傳動， 2022， 52（1）： 60-67， 80.

WANG H J， WANG L. Research on voltage coordination control strategy of wind farm based on hierarchical MPC［J］. Electric drive， 2022， 52（1）： 60-67， 80.

［16］ 王康平， 張興科， 劉財華， 等. 基于自適應(yīng)下垂控制的風(fēng)電場無功電壓控制策略［J］. 綜合智慧能源， 2022， 44（4）： 12-19.

WANG K P， ZHANG X K， LIU C H， et al. Reactive power and voltage control strategy based on adaptive droop control for wind power plants［J］. Integrated intelligent energy， 2022， 44（4）： 12-19.

［17］ 王渝紅， 廖逸犇， 宋雨妍， 等. 風(fēng)電場內(nèi)部分散式無功電壓優(yōu)化控制策略［J］. 高電壓技術(shù)， 2022， 48（12）： 5047-5056.

WANG Y H， LIAO Y B， SONG Y Y， et al. Distributed optimal control strategy of reactive power and voltage in wind farm［J］. High voltage engineering， 2022， 48（12）： 5047-5056.

［18］ 劉京波， 宋鵬， 吳林林， 等. 風(fēng)電場無功電壓控制系統(tǒng)運行現(xiàn)狀分析及提升措施［J］. 中國電力， 2018， 51（8）： 130-138.

LIU J B， SONG P， WU L L， et al. Operation situation analysis and improvement measures for automatic voltage control system of wind farms［J］. Electric power， 2018， 51（8）： 130-138.

［19］ LI Y J， XU Z， ZHANG J L， et al. Variable droop voltage control for wind farm［J］. IEEE transactions on sustainable energy， 2018， 9（1）： 491-493.

［20］ HUANG S， WU Q W， GUO Y F， et al. Bi-level decentralized active and reactive power control for large-scale " wind " farm "cluster［J］. " International "journal " of electrical power amp; energy systems， 2019， 111： 201-215.

［21］ 秦世耀， 姜蓉蓉， 劉晉， 等. UHVDC閉鎖引發(fā)風(fēng)電場暫態(tài)過電壓分析及HVRT協(xié)調(diào)控制［J］. 電力自動化設(shè)備， 2020， 40（6）： 63-69， 1-4.

QIN S Y， JIANG R R， LIU J， et al. Transient overvoltage analysis of wind farm with UHVDC block and HVRT coordinated " "control［J］. " Electric " "power " "automation equipment， 2020， 40（6）： 63-69， 1-4.

［22］ GE P D， CHEN B L， TENG F. Event-triggered distributed model predictive control for resilient voltage control of an islanded microgrid［J］. International journal of robust and nonlinear control， 2021， 31（6）： 1979-2000.

［23］ 馬苗苗， 李鈺梅， 崔婧， 等. 基于事件觸發(fā)的互聯(lián)電力系統(tǒng)分布式負荷頻率預(yù)測控制［J］. 中國科學(xué)： 信息科學(xué)， 2023， 53（7）： 1392-1403.

MA M M， LI Y M， CUI J， et al. Event-triggered distributed model predictive load frequency control of an interconnected power system［J］. Scientia sinica （informationis）， 2023， 53（7）： 1392-1403.

［24］ GB/T 19963.1—2021， 《風(fēng)電場接入電力系統(tǒng)技術(shù)規(guī)定： 第1部分： 陸上風(fēng)電》［S］.

GB/T 19963.1—2021， Technical specification for connecting wind farm to power system： Part 1： on shore wind power［S］.

［25］ 魏鳳廷， 張海濤， 王秀麗， 等. 計及電壓動態(tài)特性的虛擬同步機暫態(tài)穩(wěn)定性分析［J］. 電網(wǎng)技術(shù)， 2024， 48（7）： 2910-2918.

WEI F T， ZHANG H T， WANG X L， et al. Transient stability analysis of virtual synchronous generator considering voltage dynamic characteristics［J］. Power system technology， 2024， 48（7）： 2910-2918.

［26］ JU Y T， ZHANG Z F， WU W C， et al. A bi-level consensus ADMM-based fully distributed inverter-based volt/var control method for active distribution networks［J］. IEEE transactions on power systems， 2022， 37（1）： 476-487.

VOLTAGE RECOVERY COORDINATED CONTROL OF

WIND POWER FARM BASED ON HIERARCHICAL MODEL

PREDICTIVE CONTROL

Mao Junyi，Gu Tingyun，Gao Yuan，Xu Changbao，Lin Chenghui，F(xiàn)an Qiang

（Electric Power Research Institute， Guizhou Power Grid Co.， Ltd.， Guiyang 550003， China）

Abstract：In order to coordinate the reactive power output between wind farms， a voltage control strategy based on HMPC was proposed， which aims to improve the high voltage ride through and post fault voltage recovery capabilities of large wind farms， and reduce the computational tasks of wind farm controllers. Based on the hierarchical control framework of wind farm voltage， this paper first established the overall control model of the wind farm from the individual control model of the wind turbine， and used the HMPC method to rolling optimize the reactive power output of the wind farm； Furthermore， in order to improve the computational efficiency of voltage optimization problems in large-scale wind farms， a distributed solution method based on the alternating direction multiplier method was adopted. A wind farm simulation example was built using Matlab/Simulink for verification， and the results show that the proposed HMPC method has higher efficiency compared to traditional control methods in minimizing voltage deviation at the end of the wind turbine group and reducing computational complexity.

Keywords：wind power farm； voltage control； reactive power； hierarchical model predictive control； alternating direction multiplier method