1. 项目背景与核心挑战
在新能源电力系统中，风电和储能的联合调频正成为解决系统频率稳定问题的关键技术路径。传统电力系统依赖同步发电机的惯性响应进行频率调节，但风电渗透率的提升导致系统等效惯性降低。2021年加州大停电事件中，风电出力骤降引发的频率崩溃事故表明：仅靠常规机组的一次调频已无法满足高比例新能源电网的需求。
我们面临的三个核心挑战：
- 风电出力的强随机性导致调频资源不确定性
- 电池储能的SOC（荷电状态）动态约束限制持续调节能力
- 传统PI控制难以协调多时间尺度的响应特性
2. MPC控制框架设计
2.1 模型预测控制原理
MPC采用滚动时域优化策略，在每个控制周期：
- 基于当前系统状态和预测模型求解有限时域优化问题
- 仅执行控制序列的第一个控制量
- 下一周期重新采样并重复优化
对于风电-储能系统，MPC的优势体现在：
- 显式处理风电功率预测误差的随机性
- 通过约束条件确保SOC运行在安全范围内
- 协调风电的快速响应与储能的持续出力
2.2 系统状态方程构建
建立包含频率偏差Δf、SOC状态和风电预测误差的三状态模型：
code复制dx/dt = A·x + B·u + Γ·w
y = C·x
其中：
- 状态变量 x = [Δf, SOC, P_wind_err]^T
- 控制输入 u = [P_batt_ref, P_curtail]^T
- 扰动输入 w = [ΔP_load]
系统矩阵A包含：
- 惯性时间常数H（典型值2-6s）
- 负荷频率特性D（1%-2%/Hz）
- 储能响应延迟τ（通常0.1-0.5s）
3. MATLAB仿真实现
3.1 仿真模型搭建
在Simulink中构建包含以下模块的测试系统：
code复制Wind Farm (包含风速扰动模型)
BESS (锂离子电池模型)
Diesel Generator (模拟传统机组)
Load Profile (阶跃扰动+随机波动)
MPC Controller (MATLAB Function Block)
关键参数设置示例：
matlab复制% MPC参数
Ts = 1; % 采样时间(s)
Np = 20; % 预测时域
Nc = 5; % 控制时域
% 电池约束
SOC_min