1.一种面向电力能源互联网的基于模型预测算法的电网控制方法,包括如下步骤:
s1.对光伏发电系统进行最大功率跟踪控制;对风能发电系统进行最大功率跟踪控制;对储能系统进行安全控制;对牵引负载进行pmsm控制;
s2.对光伏发电系统进行模型预测控制;对风能发电系统进行模型预测控制;对储能系统进行模型预测控制;
s3.实时采集光伏发电系统、风能发电系统、储能系统和牵引负载的运行参数,以功率平衡为目的实现协调控制。
2.根据权利要求1所述的面向电力能源互联网的基于模型预测算法的电网控制方法,其特征在于步骤s1所述的对光伏发电系统进行最大功率跟踪控制,具体为采用扰动观察法,通过改变电压变化量对最大功率点电压进行搜索,找到光伏发电系统的最大功率点电压,并进行最大功率跟踪控制。
3.根据权利要求3所述的面向电力能源互联网的基于模型预测算法的电网控制方法,其特征在于步骤s1所述的对风能发电系统进行最大功率跟踪控制,具体为采用爬山法搜索风能发电系统的最大功率点,并进行最大功率跟踪控制。
4.根据权利要求3所述的面向电力能源互联网的基于模型预测算法的电网控制方法,其特征在于步骤s2所述的对光伏发电系统进行模型预测控制,具体为采用如下模型进行预测控制:
当开关为“开”时,光伏发电系统变换器的数学模型为:
当开关为“关”时,光伏发电系统变换器的数学模型为:
根据上述光伏发电系统变换器的数学模型,电压和电流分别预测为:
开关为“开”时:s=1,
开关为“关”时,s=0,
选取评价函数为:g=|iref-il(k+1)|;
式中tc为控制步长;iref为给定电流。
5.根据权利要求4所述的面向电力能源互联网的基于模型预测算法的电网控制方法,其特征在于步骤s2所述的对风能发电系统进行模型预测控制,具体为采用如下模型进行预测控制:
永磁直驱风力发电机的小信号模型为:
电磁转矩为:
运动方程为:
电流和转矩的下一步预测为:
评价函数为:
式中vsd为d坐标系下的定子电压;vsq为q坐标系下的定子电压;isd为d坐标系下的定子电流;isq为q坐标系下的定子电流;ψsd为d坐标系下的磁链;ψsq为q坐标系下的磁链;rs为定子电阻;ω为转子转速;lsd为d坐标系下的定子电感;lsq为q坐标系下的定子电感;ψrd为转子磁链;p为发电机极对数;j为转动惯量;tl为负载转矩;μ为摩擦系数;ts为控制步长;ψm为发电机转子磁通;上标k表示当前状态;上标k+1表示下一状态;λ1为第一评价系数;λ2为第二评价系数;
6.根据权利要求5所述的面向电力能源互联网的基于模型预测算法的电网控制方法,其特征在于步骤s2所述的对储能系统进行模型预测控制,具体为采用如下模型进行预测控制:
双向电池变换器的模型为:
式中
7.根据权利要求6所述的面向电力能源互联网的基于模型预测算法的电网控制方法,其特征在于步骤s3所述的实时采集光伏发电系统、风能发电系统、储能系统和牵引负载的运行参数,以功率平衡为目的实现协调控制,具体为采用如下步骤进行控制:
a.采样直流母线电压vbus(k)和直流母线电流ibus(k);
b.计算功率参数:负载功率pl、电路损耗ploss、风机功率pw和光伏功率ppv,并进行电池状态估算,并进行电池状态估算;
c.根据步骤b得到的功率参数,计算净功率pnet;
d.根据步骤c计算得到的净功率pnet和步骤b得到的电池状态估算值soc,采用如下规则进行协调控制:
若pnet>0且soc>socmax,则停止对电池充电;
若pnet>0且soc≤socmax,则对电池进行充电直至电池状态值soc>socmax;
若pnet≤0且soc≤socmin,则进行负荷切除;
若pnet≤0且soc>socmin,则对电池进行放电直至电池状态值soc<socmin。