反馈线性化非线性预测控制及其在风力发电控制中的应用

Model predictive control (MPC) is a popular algorithm in process control. Under the linear model, with a quadratic objective function, MPC utilizes the convex quadratic program(QP), which can easily find the optimal solution. Industrial processes are generally nonlinear, due to the frequent changes of the operating point right across the whole operation range. Constituting reliable optimal solution is a key issue for the constrained nonlinear predictive control. Input/output feedback linearization(IOFL) is a popular method in nonlinear control. By using a nonlinear feedback linearzing controller, the original linear input constraints will change to nonlinear and state dependent constraints. To guarantee its convergence, iterative QP routine, by contracting the feasible solution domain, is utilized to get the optimal solution..The doubly fed induction generators (DFIGs) are widely used in modern wind energy systems. The wind power generation system based DFIG is a nonlinear multivariable system with strong coupling effects and a large number of physical constraints. Based on the first-principal and the data-driven modeling method, the model of the wind power system is established under both the normal condition and the unbalanced condition. Vector control technology is utilized, with all variables divided into positive and negative sequence components. The IOFL-based nonlinear MPC is proposed for the wind power system, to avoid the overcurrent caused by the unbalanced condition, while ensuring the high efficiency and high load-following capability to achieve the economic performance.

模型预测控制广泛应用于过程对象。针对线性模型，预测控制通常采用二次规划获得优化解。实际工业过程的动态特性在整个操作区域频繁变化，往往呈现非线性。输入输出反馈线性化是非线性控制的一种有效方法。通过输入输出反馈线性化，系统的实际线性输入约束转化成基于状态的非线性约束，因而无法采用常规的二次规划求解优化问题。为保证可行解的收敛性，采用迭代二次规划方法不断收缩优化解的可行域来寻求非线性优化解。.双馈电机广泛应用于现代风力发电系统。双馈风力发电系统是非线性多变量强耦合系统, 存在大量物理约束。采用机理建模和数据驱动建模相结合，基于变量正、负序分离的矢量控制技术建立双馈风力发电系统在电网稳定和故障下的非线性模型。通过输入输出反馈线性化， 对双馈风力发电系统构造高效非线性模型预测控制来确保高效率和高负荷跟踪能力，克服电网不平衡导致过电流等现象,实现风力发电的经济性。

由于能够直接处理约束和多变量，模型预测控制广泛应用于过程对象。针对线性模型，预测控制通常采用二次规划获得优化解。实际工业过程的动态特性在整个操作区域频繁变化，往往呈现非线性。在现代电力系统中，风力发电占据了最大的市场份额。随着风力发电的快速发展，其控制问题也日益成为研究焦点。双馈风力发电系统是非线性多变量强耦合系统，存在大量物理约束。传统的线性预测控制测控略很难奏效。因此，通过系统结构选择、保证闭环稳定性能和经济性的的优化算法选择，针对非线性新能源发电系统，尤其是风力发电新系统，提出一种高效的非线性模型预测控制策略，并展开研究。深入开展风力发电机组高效非线性经济模型预测控制研究，不仅实现机组不同风速区域的控制目标，还能提高闭环动态经济性能，尤其在区域切换过程中，还可以有效提高风能利用，减小结构疲劳，对改善风电的电能质量，延长机组使用寿命具有重要意义。针对大规模且地理分散的风光互补发电系统，构造一种分级递阶分布式预测控制策略，采用分级递阶结构，在上层对各发电子系统的发电功率进行优化分配，下层对各系统输出功率进行设定值跟踪，是实现风光互补发电系统安全经济运行的有效手段。针对核电站的蒸汽发生器的水位控制问题，设计了水位软约束预测控制，引入两种松弛变量来放宽水位约束和终端约束集，减少在线计算量，保证稳定性。针对超超临界直流锅炉主汽温控制系统，提出一种基于模糊神经网络模型的分布式监督预测控制策略，在各子系统原有的调节层结构的基础上，增加监督层。研究成果对加速我国新能源电力系统的联网和应用具有重要的理论及实践意义。