Abstract:
|
[ES] En este trabajo de fin de máster (TFM) un controlador de modelo predictivo
(MPC) es implementado para el control de voltaje en un parque eólico. En primer
lugar, se trata de mejorar el nivel del voltaje en el nodo ...[+]
[ES] En este trabajo de fin de máster (TFM) un controlador de modelo predictivo
(MPC) es implementado para el control de voltaje en un parque eólico. En primer
lugar, se trata de mejorar el nivel del voltaje en el nodo POC mientras se consiga
también una mejorar en el resto de nodos del parque. Este controlador MPC se basa
en un problema de optimización que incluye las dinámicas de la red eléctrica a lo
largo de un periodo de tiempo. Así pues, tomando las mejores acciones de control
para minimizar la desviación del voltaje a lo largo del una serie de estados estimados
de la red.
De acuerdo al actual estado del arte de controladores de voltaje, este proyecto se
puede catalogar con los siguientes términos. Se trata de un controlador centralizado
a nivel de parque basado en la optimización del estado del sistema. Mientras su objetivo
principal es la reducción del error del voltaje, dicho controlador es dependiente
del tiempo ya que incluye en sus decisiones información de estados futuros. Además,
maneja y coordina una serie de tecnologías como las turbinas eólicas, transformadores
y convertidores. Todos ellos integrados en diferentes estrategias y examinados bajo
el mismo criterio. Por lo tanto, este proyecto pretende servir como referencia para
futuros desarrollos y estudios en proyectos de energía eólica offshore.
A lo largo del proyecto se cubren los siguientes conceptos. Primero, una eficaz
técnica para calcular analíticamente coeficientes de la sensibilidad del voltaje. Más
tarde, estos coeficientes se encargan de cuantificar los errores del voltaje relacionados
con los estados del sistem predecidos. En segundo lugar, un problema de optimización
es explicado para cada una de las estrategias cubriendo cada uno de los dispositivos
controlados. Dicha minimización integra las variables de decisión asociadas con cada
tecnología, medición de la red, referencias del sistema y dinámicas del sistema. En
tercer lugar, este controlador MPC es modelado en PowerFactory proporcionando
la entrada para los dispositivos controlados en la red eléctrica. Posteriormente, cada
tecnología y estrategia es evaluada mediante simulaciones dinámicas. Por último, una
estrategia adicional es definida para aumentar la coordinación con dispositivos de una
red externa al parque eólico. De esta forma, tratando de aportar mejoras a otra red
mientras se conserva el funcionamiento optimo dentro del parque.
[-]
[EN] In this master thesis a Model Predictive Control is implemented for wind farm
voltage control purposes. Aiming at upgrading the voltage level at the POC bus while
improving also the rest of bus voltages. This MPC ...[+]
[EN] In this master thesis a Model Predictive Control is implemented for wind farm
voltage control purposes. Aiming at upgrading the voltage level at the POC bus while
improving also the rest of bus voltages. This MPC is based on a optimisation problem
including system dynamics along a time-horizon. Hence, taking the best control action
for minimising voltage deviations along a series of predicted states of the network.
According to the voltage control state-of-the-art, this project can be sorted by the
following topics. It is a centralised park level controller based on system state optimisation.
Focusing on the voltage target is a time-horizon dependent control since
some of its input information comes from estimated future information. Furthermore,
it handles a series of technologies such as WTG-converters, OLTC transformers and
HVDC-VSC. These are integrated and coordinated in several strategies under the
same scenario. Thus, working as a benchmark for further development of offshore
wind power projects.
Along this work the following concepts are covered. First, an efficient voltage sensitivity
technique is addressed analytically. Later on, this sensitivity is in charge of
quantifying voltage errors related to the predicted system states. Second, the optimisation
problem is explained for each strategy covering each of the controlled devices.
This minimisation integrates the decision variables associated with each technology,
system measurements, system set-points, system dynamics (state space model) and
so, the predicted voltage deviation related to those future dynamics. Moreover, operational
constraints of each device and voltage boundaries are defined. All these
concepts are integrated into an MPC Matlab algorithm. Third, this MPC controller
is modelled in DIgSilent PowerFactory providing the input for the controlled network
devices. Then, carrying out a dynamic simulation for testing the performance of each
strategy and technology. Finally, an extra strategy is set for further coordination
with external network devices. Then, trying to bring some benefits to another grid
while keeping optimal performance within the wind farm.
[-]
|