【《结合源-网-荷的风电爬坡事件的识别案例分析》5900字】

结合源-网-荷的风电爬坡事件的识别案例分析目录TOC\o"1-3"\h\u28130结合源-网-荷的风电爬坡事件的识别案例分析 1255401.1引言 1296451.2传统爬坡定义方法及其局限性分析 1306151.2.1传统爬坡事件定义方法 1301311.2.2传统方法的局限性分析 2121321.3结合源-网-荷的爬坡事件定义与识别方法 4135561.1.1基于网频的阈值量化选取方法 4246481.1.2基于时间序列合成的爬坡事件定义方法 6282741.1.3利用通道自选择模型识别风电爬坡事件 717791.4小结 121.1引言风电爬坡，是指风电产群输出的有功功率在几十分钟或者数小时的短时间内发生单向大幅度的变化，此变化易超出电网负荷承载能力，对电网的电能质量和安全运行会造成严重的威胁。通常，当出现强烈低压系统(或气旋)、低空急流、雷阵雨、阵风或类似的长期极端气象事件时，会造成风电场一段时间内功率骤增，发生上爬坡事件；当出现相对气象事件或风机风速较高超过切出风速，部分风机陆续退出运行时，风电场一段时间内功率骤降，发生下爬坡事件。目前对于风电爬坡事件的识别方法有很多，本章针对于目前大多数风电爬坡事件的识别都只考虑源侧信息这一缺陷，提出综合考虑源测、网侧和负荷侧信息的风电爬坡事件识别方法，并使用不同模型进行实现。1.2传统爬坡定义方法及其局限性分析1.2.1传统爬坡事件定义方法目前对于风电爬坡事件的研究，主要是对电网侧的功率曲线进行分析，通过定义时段首末功率的差值、最大功率与最小功率的差值及功率变化率等直接取决于风电功率信号的评价指标和将风电功率转化为滤波信号等形式来描述风电功率特性，再与所设定的阈值相结合，对风电爬坡事件进行定量描述。目前对爬坡事件的定义普遍有四种方法：定义1：在某时段内，若功率的变化量大于所设定的阈值增加量或者降低量超过了给定的阈值，则表明发生了爬坡： （2-1）定义2：在给定时间间隔内，如果风功率的最大值与最小值之间的差值，大于给定的阈值，则表明发生了爬坡:（2-2）定义3：在给定时间间隔内，如果风功率的变化速率超过了给定的阈值，则表明发生了风电爬坡事件:（2-3）定义4：对风功率时间序列进行滤波，滤波后的风功率时间序列为；如果的绝对值，超过给定的阈值，则表明发生了爬坡事件：（2-4）（2-5）1.2.2传统方法的局限性分析目前对于风电爬坡事件的定义的局限性较大，仅对风电机组侧进行考虑，而在电网的实际运行中，当风电机组功率与电网负荷变化相同或与其他新能源电厂的变化相同时，即使风电机组功率波动较大，对电力系统的运行也是无害的；而当风电机组功率与负荷或其他新能源发电出力相反时，较小的波动也会对电网产生威胁。如图2-1所示，为电网某一时段1内的风电输出功率及其对应负荷情况。此时，风电厂输出功率陡升，而负荷侧功率平稳，则有功功率不平衡，此时电力系统需要其它形式的发电来参与调节，此时发生风电爬坡事件。图2-1时段1的风电厂输出功率及对应负荷情况如图2-2所示，电网某一时段2的风电机组输出功率及对应负荷情况。此时，负荷曲线有较大变化，与风电厂输出功率的变化趋势一致，如果两者在一定时段内刚好大小相同或者相差无几、可以满足电网功率平衡需求，则此时的爬坡事件不会对电网稳定运行产生影响。所以，此种情况发生时，风电厂输出功率虽然有大的波动，但也可不算做对电网有影响的爬坡事件。这种情况下，除非风电厂功率的大幅变化已经超过了一定范围，否则仅从风电厂侧描述爬坡事件是不准确的。图2-2时段2的风电厂输出功率及对应负荷情况图2-3为电网某一时段3内的风电机组输出功率及其他新能源电厂输出功率情况。此时，风电厂输出功率陡降，但其他新能源电厂输出功率曲线出现明显的陡升；此刻电网中有功功率仍然平衡，不会对电网的稳定运行产生影响。图2-3时段3的风电厂输出功率及对应负荷情况如图2-4所示，为电网某一时段4内的风电机组输出功率及其他新能源电厂输出功率情况。风电厂输出功率上升，但发生的变化不大，但由于此时其他新能源电厂输出功率也出现上升情况；单独一个变化，可能不足以导致电网功率出现较大波动；但两者同时出现则可能引起较大网侧扰动。图2-4时段4的风电厂输出功率及对应负荷情况综合以上4种电网中较为典型的情况分析，可以看出，仅从风电机组输出侧进行的风电爬坡事件的定义是不全面、不准确的，应从电网整体运行的角度，利用电网中实际存在的各类电厂与负荷数据，对风电爬坡事件进行定义，充分考虑风力发电机组与负荷之前的关系，以及风力发电机组与其他新能源出力之间的互补性等1.3结合源-网-荷的爬坡事件定义与识别方法1.1.1基于网频的阈值量化选取方法目前对于风电爬坡事件阈值选取的研究较多，常用的是直接获取电场的装机容量，然后根据取值的百分比来设置阈值，但是这种阈值设定方法没有明确的定义，都是直接根据经验值得出。风电爬坡事件的发生会引起电网中频率吧的变化，因此本文基于电网频率变化的允许值，提出了一种阈值选取方法。在电力系统中，频率与功率之间的变化主要与电力系统的一次调频和二次调频有关，一次调频是每个发电机组都参的调频方式，主要针对变化幅度很小，周期很短，具有很大的偶然性的功率变动；二次调频主要由特定的调频电厂实现，主要针对变动幅度较大，周期较长，冲击性的功率变动。因此本文利用电网的一、二次调频设定风电爬坡事件的阈值，当电网中有功功率发生变化时，经过电网的一次调频后，频率仍未达到电网正常运行允许的范围内，对电网的稳定运行产生影响，且需要其他调频电厂进行二次调频时，则认为该时刻出现爬坡。在一次调频的过程中电力系统的有功功率与频率之间的关系为:（2-6）式中——电网频率变化的百分数；——调频机组有功功率变化的百分数；——调差系数。进一步，可得到：（2-7）设为电网总装机容量，风电厂装机容量占总装机容量的，根据国家规定，总装机容量在300万千瓦以上，可以有0.2Hz的波动；在300万千瓦以下，可以有0.5Hz的波动；调差系数一般为4%~6%，我国电网频率50Hz，则爬坡事件阈值的百分比为：（2-8）当选取样本大于300万千瓦时，α=0.2；当选取样本的装机容量小于300万千瓦时，α=0.5。为了表明该方法的有效性，利用文献中典型经验值选取阈值方法进行对比验证。本文选取两个风电厂的数据进行阈值选取情况分析，设功率瞬时最大值为额定功率，由于选取的两个风电厂的容量均小于300万千瓦，因此α=0.5。可以得到两个风电厂阈值选取情况如表2-1所示。用得到的阈值对原始数据点进行划分，得出发生爬坡事件的样本量与非爬坡事件的样本量所占比例，结果如图2-5所示；利用考虑频率的阈值量化选取后，两个风电厂中爬坡事件的样本点占总量的1.96%和1.19%。表2-1两个风电厂的阈值选取情况风电厂文献[57]/kW文献[58]/Kw文献[59]/kW考虑网频变化法/kWA6661.5727756.5711102.619252.19B5430.6022627.509051.007542.50图2-5经阈值划分后的爬坡事件占比情况考虑频率的阈值量化选取方法，虽然在计算结果上与其他根据经验值选取阈值的方法相差不大，处于同一量级，但其自身的可解释性、选取过程的公式化都是相对于传统阈值选取方法的明显优势。并且该阈值选取方法与通道自选择的多层系数修正模型，都是从全网运行角度出发，两种方法具有很好的相容性。此外，结合通道自选择的多层系数修正模型并利用该网频阈值来判定爬坡事件的方法，会更多地受系统运行方式的变化而自适应性变化。尽管装机短时间内不会变化，但系统负荷、其他新能源出力、风电运行渗透水平，都是不断变化的。同样的风电功率变化，在某些运行方式下可被判为爬坡；而在其他运行方式下，则有可能被判断成非爬坡事件。是否发生爬坡，要决定于风电、负荷、其他新能源出力及网频等条件。因此，对于现有爬坡定义方法，本文提出的利用考虑电网频率作为阈值的量化选取策略与通道自选择多层系数修正模型相融合的爬坡事件识别方法不仅合理可行，而且可进一步体现不断变化的电网运行方式。1.1.2基于时间序列合成的爬坡事件定义方法对风电爬坡事件进行预测，可以有效地降低电网安全运行的风险。因此对于爬坡事件的定义，需要从电力系统实际工况出发，将电网发电侧中除风力发电以外的新能源发电和负荷侧的负荷数据与风电相结合，得到电网综合相对功率，设为电网综合相对功率，如公式（2-9）所示：（2-9）其中，为电网中风力发电机组输出功率；为电网中其他新能源发电输出功率；为电网中负荷曲线。使用电网综合相对功率，对风电爬坡事件的描述更加合理：当风电机组输出功率出现陡升时，若电网中其他新能源出力出现陡降或者电网负荷需求增加，此时有功功率仍平衡，不会对电网的运行产生威胁，这时的风电功率的陡变就不能认为是风电爬坡事件；当风电机组输出功率出现陡降时，若电网中其他新能源出力出现陡升或者电网负荷需求减少，此时电网中有功功率也仍保持平衡，不会对电网的运行产生影响，这时的风电功率的陡变也不能认为是风电爬坡事件。因此仅从风力发电机组侧描述风电爬坡事件是不准确的，而本专利使用电网综合相对功率曲线对风电爬坡事件进行描述，能够对上述现象进行准确识别。因此，结合广义源-网-荷的风电爬坡事件的定义为：（2-10）其中，为时刻电网综合相对功率，为后时刻的电网综合相对功率，表示所设定的阈值。当在时间内出现较大波动，与差值增大，则增大，因此当大于所设定阈值时，则认为发生了需要进行预测的风电爬坡事件；当在时间内未出现较大波动，与差值较小，因此小于所设定阈值时，认为未发生需要进行预测的风电爬坡事件。1.1.3利用通道自选择模型识别风电爬坡事件1.1.1.1一种通道自选择的多层系数修正模型本文提出了一种通道子选择模型（CMSCC），该模型能够利用传入数据自身的特性选择相应的模型通道，在选择相应通道之后获取该通道对应的后端修正系数。最后及那个后端修正系数进行累加与阈值进行比较，实现对风电爬坡事件的识别。如图2-6所示。图2-6CSMCC模型首先，设定CSMCC模型的参数：模型层数依据电力系统之的出力与负荷量进行设定，设描述对象为，则如公式（2-11）：(2-11)选定阈值百分比参数，查询电力系统各出力与负荷的装机容量，根据其大小设定阈值如公式（2-12）所示：(2-12)计算描述系数，如公式（2-13）所示：(2-13)设定层系数，如公式（2-14）所示：(2-14)得到电力系统装机系数如公式（2-15）：(2-15)设置不同的的通道宽度可以改变CSMCC的准确度，得到阈值量。设定通道上限是、下限是。最后设定通道系数。后端修正系数为如公式（2-16）：(2-16)当样本进入该模型后，首先会根据自身的功率大小选择相应的通道，在经过通达后会获得相应的修正系数。而该模型的层数与电力系统实际运行当中所包含的有功出力和负荷等相关。因此该模型不仅对样本幅度特性进行考虑，更对样本所属不同对象的性质进行考虑。因此该模型可适用于各种不同电网，其层数可以根据电网中的对象数量与性质进行自动调节。1.1.1.2利用CSMCC识别爬坡事件实例分析选取内蒙古与吉林某两个局域电网（设定为1号电网、2号电网）采样间隔为15min的实测数据，对本文所提出的风电爬坡事件识别方法进行实例分析。1、2号两个电网中分别包含风电厂、负荷光伏电厂三个部分。设功率瞬时最大值为额定功率，选取阈值，由于此时电网中包含风力发电机组出力和光伏出力两部分，因此应为风力发电机组和光伏发电机组的总额定容量。根据1、2号电网的实际信息建立CSMCC模型的参数如表2-2所示：表2-2针对1、2号电网的通道自选择多层系数修正模型的参数参数名称参数符号参数值模型层数3阈值量A：B：描述系数层系数A：B：总发电厂装机系数A：0.7575B：0.7828通道宽度0.1通道系数利用建立完成的CSMCC模型对1、2号电网中的爬坡事件进行识别，对1号电网的爬坡识别的部分结果如图2-7和表2-3所示：图2-71号电网中风电爬坡事件发生情况表2-31号电网中风电爬坡事件发生情况爬坡样本序号爬坡事件发生时段/15min风电机组输出功率变化值/kW负荷侧功率变化值/kW光伏电厂输出功率变化值/kW16-739902.76-110.26027-8-27489.71-316.550316-1717797.73308.45-1184.19433-3415940.97-260.140589-90-44356.50126.370694-9515706.4731.893242.59795-969037.7680.0611897.79图2-7中，红色区域为CSMCC模型在1号电网中识别到的风电爬坡事件，与紫色虚线代表的风电机组输出功率爬坡点相结合，可以看出1-3、5-7号样本发生爬坡的主要原因是因为在该时段1号电网中的风电机组输出功率发生了爬坡；在4号爬坡样本中，风电机组输出功率虽有明显的下降趋势，但未达到爬坡阈值，不足以引起风电爬坡事件，但此时1号电网中光伏发电厂输出功率也出现了明显的下降趋势，在风电机组与光伏电厂的共同影响下，使电网有功功率不平衡，因此发生了风电爬坡事件；在8号爬坡样本中，出现了图4所示的情况，风电机组输出功率的上升趋势虽未达到爬坡阈值，但在光伏发电厂的共同作用下，引起了电网有功的不平衡，也发生了风电爬坡事件。利用建立CSMCC模型，对2号电网中爬坡事件进行识别分析，得到的部分结果如图2-8和表2-4所示：图2-82号电网中风电爬坡事件发生情况表2-42号电网中风电爬坡事件发生情况爬坡样本序号爬坡事件发生时段/15min风电机组输出功率变化值/kW负荷侧功率变化值/kW光伏电厂输出功率变化值/kW13-4-1205.7964.35-10010.9324-5194.01-21.0410010.9338-9-2002.49-138.22-8692.40441-4215854.28-31.670542-43-13624.73-19.890从2号电网的CSMCC模型识别结果中可以看出，共有5个时段识别到了风电爬坡事件。其中4、5号样本分别是由风电机组发生了大幅度的陡升和陡降引起的爬坡事件；1-3号爬坡样本中，风机输出功率均发生小幅度的变化，但远未达到与之标准，而光伏电厂在这三个时刻，分别发生了明显的陡降、陡升和陡降现象，造成了电网中有有功功率的不平衡，成为了发生爬坡事件的主导因素；在95-96时刻，风电机组输出功率发生了爬坡事件，此时负