基于超短期功率预测的风电场集群无功功率优化分配方法

基于超短期功率预测的风电场集群无功功率优化分配方法

0风电场弃风问题研究随着风力发电技术的进步和风扇制造水平的不断提高，“建设大基地、大电网”的发展趋势不断提高，中国电网的所有权不断扩大，从分散的、小规模的开发到大规模的、高集中的开发，以及从遥远到高电压传输的方向发展。甘肃酒泉、新疆哈密、内蒙古、吉林、山东等8个千万千瓦级的风电基地已相继获得批复和开工建设。与之相对应的是,受电网建设与风电场建设不协调、系统调峰容量不足、外送通道输送能力不足等因素影响,风电场弃风问题日益严峻。从中国可再生能源学会风能专业委员会2011年4月6日发布的《2011年风电限电情况初步统计》可知,2011年中国约有100亿kW·h左右的风电电量由于电网调度限电原因而损失,其中,甘肃、内蒙古、吉林等风电场集中地区的限电比例均超过20%;2012年弃风电量更是高达200亿kW·h。在短期内风电场弃风问题无法有效解决、限出力运行仍将持续的背景下,如何合理分配风电集群内各风电场的有功出力限值,实现并网风电场间的协调控制已成为当前迫切需要解决的现实问题。文献提出了一种启停风电机组最少的风电场有功降功率控制算法,用于改善风电场输出功率的平稳性;文献提出了一种基于非线性优化的以功率输出偏差最小和内损耗最小的风电场功率分配控制策略;文献提出了一种考虑储能的风电场有功控制三次模型,风电场调度层按照成本最小原则分摊各风力发电机组出力;文献提出了一种基于机组运行状态分类的风电场有功功率控制策略;文献对风电场有功功率控制采用平均分配策略;文献提出按风力发电机组容量比例分配的风电场有功功率分配策略以降低有功功率的分配误差。显然,现有的以风电场为单位、各自独立调节的有功功率控制模式将无法满足上述要求。为此,本文结合中国大规模风电基地开发建设的特点,针对风电场集群限出力运行的情形,基于超短期功率预测建立了一种风电场集群有功功率优化分配方法,以期在最大有功允许出力给定的前提下,实现风电场集群的风能利用最大化和线损最小化。1风电场集群接入系统模型风电场集群指地理位置相同或者接近,处于同一风资源带,具有相同风力特性,多采用“单元式接线”集中接入同一并网点的风电场集合。图1为典型的风电场群汇入系统接线图。其中,Bs为无穷大电网的母线;BWFC为风电场集群汇入系统的母线;B1—BN分别为各风电场接入系统的母线。风电场集群具有相关性强、有功出力同时率高、装机容量大等特点。同时,风电场集群的地理分散效应以及风速传播的时间相关性,又使其有功出力具有独特的时空特性。图2为甘肃酒泉风电基地内某实际风电场集群及其内部4座风电场的10min级的实际有功出力波动情况。2在有限的生产条件下，风电站集群的功率优化和分配2.1风电场集输时间约束风电场集群有功功率优化分配的基本思想是如何在最大有功允许出力给定的前提下,利用超短期风电功率预测结果,综合考虑集群内部各风电场的实时功率约束、各风电场与汇集站间联络线上的有功损耗、风电机组频繁启停对机组寿命和风电场运行成本的不利影响等因素,实现风电场集群有功出力的最大化和线损的最小化。基于上述分析,对于包含N座风电场的风电场集群WFC,可建立如下目标函数式中:PWFiDIS为隶属于风电场集群WFC的风电场i在t时段的计划有功出力;ΔPWFi为风电场i输送有功功率PWFiDIS时在联络线(风电场升压站至风电场集群汇集站)上的有功功率损耗;α1、α2为权重系数。与目标函数相对应的约束条件主要有4个。式中:PWFCMAX为风电场集群WFC在t时段的最大有功允许出力,该值由调度中心依据电网的实时运行信息综合整定计算所得。对于采用cosφ=1的恒功率因数控制方式的“单元式接线”的双馈型风电场而言式中:UWFi为风电场i升压站高压侧电压;li为风电场升压站与风电场集群汇集站间联络线的长度;ri为联络线单位长度电阻;PWFi、QWFi为风电场i的有功、无功出力。(2)风电场输出功率约束式中:PWFiFOR为风电场i在t时段的超短期有功功率预测值;PNWFi为风电场i的额定装机容量。(3)低预测功率约束式中:kfpi为低预测功率约束的小于1的权重系数。式(5)的具体含义为,当风电场i在t时段的有功功率预测值较低时,该风电场不再参与风电场集群有功功率的优化分配,且其计划有功出力等于其预测值。(4)避免机组频繁启停约束式中:krsi为避免机组频繁启停约束的小于1的权重系数。krsiPNWFi为风电场i在不切机前提下能达到的最小出力限值,类似于常规同步发电机组的技术最小出力。2.2风电场集群wfc的线性分段处理显然,当风电场集群WFC在t时段的超短期有功功率预测值PWFCFOR减去相对应的有功功率线损ΔPWFCFOR后小于等于其最大有功允许出力PWFCMAX时,风电场集群内部的各风电场并不需要做有功出力计划的调整,只需依据各自的风况进行最大功率输出即可,即鉴于当前超短期风电功率的预测结果还存在着一定的误差,而且当风电功率预测结果偏低时可能会引发风电场集群有功实际出力大于其最大允许出力的情形,做如下针对性的分段处理式中:kfpe为一个与风电功率预测精度正相关的小于1的权重系数,由整定给出。预测精度越高,kfpe越大。式(8)的具体含义为:当PWFCFOR-ΔPWFCFOR≤kfpePWFCMAX时,风电场集群WFC的各风电场在t时段依据各自的风况进行最大功率输出即可;当kfpePWFCMAX<PWFCFOR-ΔPWFCFOR≤PWFCMAX时,各风电场的有功出力计划在t时段虽不做调整,但其实际有功出力最大不得超过其预测值,当PWFiMAX>PWFiFOR时自行进行限出力控制。这也意味着,只有当PWFCFOR-ΔPWFCFOR>PWFCMAX时,风电场集群WFC在t时段方需进行限出力的有功功率协调控制。当风电场集群WFC进行有功功率优化分配时,首先依据低预测功率约束将风电场集群WFC划分为2个子集WFCΙ和WFCΙΙ,即WFC=WFCΙ+WFCΙΙ。具体来说,将风电场集群WFC内部满足低功率约束要求的所有风电场组合形成子集WFCΙ,并设其包含风电场个数为N-M;将其他的不满足低预测功率约束的风电场组合形成子集WFCΙΙ,对应的风电场个数M。对于归属于子集WFCΙ的风电场j而言同时,可知子集WFCΙΙ的最大允许有功出力此时,风电场集群WFC的有功功率优化分配将具体归结为其子集WFCΙΙ的有功功率优化分配问题(目标函数不变,约束条件减少为3个,风电场个数减少为M个),即目标2.3求解算法过程遗传算法作为一种基于自然选择原理和自然遗传机制的全局优化搜索算法,具有简单通用、鲁棒性强、应用广泛等特点,本文采用基于遗传算法求解风电场集群的有功功率优化分配模型。(1)采用式(1)作为适应度函数;(2)变量采用十进制整数编码,风电场的有功出力作为控制变量;(3)解码时,按相应的位数截取数值,代入适应度函数计算;(4)采用完全随机的方法产生初始种群;(5)选择算子采用无回放余数随机选择与最优保存策略相结合的方法;(6)交叉算子选用两点交叉与精英交叉相结合的方法;(7)变异算子采用基本位变异;(8)以达到最大进化代数T作为算法的终止条件。综合2.1节、2.2节和2.3节内容,建立如图3所示的风电场集群有功功率优化分配求解流程。3风电场集群的功能定位以中国西北地区某风电场集群的实际运行数据进行算例分析。该风电场集群共包含7座风电场,总装机容量为1314MW,集中接入某330kV变电站后并网运行,具体概况如表1所示。正常情况下,风电场集群的调节周期为15min。依据调度中心指令,该风电场集群在某日01:00—03:00期间的最大有功出力被限制在610MW(01:00—02:00)和630MW(02:00—03:00)。同时期内,风电场集群内各风电场的超短期有功功率预测值如表2所示。为验证优化分配方法的有效性与可行性,将其与传统的基于预测数据的比例分配方法进行对比分析。基于超短期预测数据的比例分配方法是依据各风电场在t时段的有功功率预测值,进行风电场集群有功出力计划的比例分配。2种分配方法下,风电场集群内部7个风电场的计划出力分配结果以及主要参数的对比结果分别如表3、表4所示。4优化分配方法对风电场集群弃风电量的影响基于算例分析结果,可得如下结论。(1)风电机组频繁启停不仅缩短了机组使用寿命、增加了系统运行成本,而且易引发风电场无法有效执行调节要求的情况。对比分析表1、表3可知,比例分配方法下的风电场7的计划出力在第1、2、4、5时段均存在低于频繁启停约束限制的情形,进而使得该方法下的系统运行成本相对高于优化分配方法。(2)与比例分配方法相比,由于考虑了风电场与汇集站间联络线的有功损耗,优化分配方法有效地增加了风电场集群的有功出力。如表4中的第6时段,风电场集群的实际有功出力由比例分配方法的630MW提升为632.67MW,汇集站处输送至电网的有功出力也由627.04MW提升为629.95MW。(3)与比例分配方法相比,因考虑了集群运行的经济性,优化分配方法在有效增加风电场有功出力的同时,还使风电场集群的有功损耗降低到更小。如表4中的第5时段,在多输送2.53MW有功功率的同时,集群内部的有功损耗由比例分配方法的2.91MW降低为优化分配法的2.55MW。(4)进一步计算分析可得,与比例分配法相比,在01:00—03:00调峰时段内,优化分配法下的风电场集群的弃风电量共减少5915k