大规模风电接入的电力系统协调控制策略

钱峰，陈艺，刘俊磊，付聪，樊友平

(1.广东电网有限责任公司电力调度控制中心，广东 广州 510600；2.武汉大学 电气与自动化学院，湖北 武汉 430072)

近年来，风力发电作为污染小、应用成本低的新能源得到了广泛快速的发展，但由于风电具有强随机性和间歇性，大规模风电接入会增大电力系统源侧随机性，影响电力系统的安全稳定[1-4]。传统的协调控制方法无法大规模消纳风电资源，导致弃风现象频发，造成风电资源严重浪费；因此，有必要研究新的协调控制策略，在保证系统稳定的基础上提高风电的消纳量。

为此，国内外很多学者开展了相关研究。文献[5]提出了一种抑制功率波动的风光储联合发电模型及其控制策略，但该策略未考虑风电接入电力系统的消纳量。文献[6]建立了一种计及用户侧不确定性的用户响应模型，提出对用户采用有序用电调度和无序用电调度的控制策略，但未考虑源侧的不确定性。文献[7]指出随着风电渗透率的提升，系统网损会逐步增加而电压水平会降低，提出利用粒子群优化算法对系统无功进行优化的方法，但并未考虑整个系统的安全稳定控制。文献[8]提出了一种主动配电网的电压分层协调控制策略，但该策略的实现受限于配电网的辐射状网架结构。文献[9]提出了一种将大规模风光集群按照全网层、场群层、场站层顺序逐层优化的协调控制策略，但其风、光的出力依赖于有功分配权重系数，因此风电的消纳量会受到制约。文献[10]提出了一种需求侧参与风电消纳的日前调度模型，但该模型中的最优转换时刻需谨慎选取。上述文献对大规模风电接入对系统产生的影响进行了深入的研究，也讨论了提高风电资源消纳的措施，但涉及需求侧与源侧同时参与系统协调控制的方法较少。

为提高系统对风电的消纳能力，本文提出一种日前与实时控制相结合的协调控制策略，对日前控制与实时控制分别进行建模和阐述，并通过广东湛江部分地区电网的仿真分析，对所提出协调控制策略的可行性与有效性进行验证。

1 大规模风电接入的电力系统协调控制策略

传统电力系统中电能的来源主要依靠火电、水电、核电3类，其电能的输出可控且相对稳定；因此传统电力系统的协调控制只需考虑来自需求侧负荷的不确定性，且其影响因素较少，协调控制相对简单。随着各种柔性可控负荷、储能装置的广泛应用，需求侧负荷的不确定性进一步扩大[11-13]。同时，由于大规模风电、光伏等新能源的接入，系统源侧也出现了强随机性，电力系统需要在双侧随机波动中寻求电能的供需平衡，传统的协调控制方法已经不再适用。

需求侧随机性主要是指需求侧负荷的用电需求会随着政策调整、价格等市场激励不断变化，同时也与季节、节假日、昼夜等因素密切相关[14-16]。通过对需求侧负荷的管理，可以促进电力供需的二次分配平衡，有利于电力系统的协调控制；因此，可以将需求侧看作一种可控资源参与电力系统的协调控制。

依据需求侧负荷的响应特性可以将其分为可转移负荷、可平移负荷与可削减负荷3类[17]。可转移负荷是指在一个周期内用电总量保持不变，但各个时间段内的用电量可以灵活调节的负荷；可平移负荷是指负荷变化规律不能改变，只能将用电曲线在不同时段间进行平移的负荷；可削减负荷是指可根据需要对用电量进行削减的负荷。

基于此，可建立需求侧负荷的数学模型

PL=PZ+PP+PX.

(1)

式中：PL为总负荷量；PZ为可转移负荷总量；PP为可平移负荷总量；PX为可削减负荷总量。

综上所述，本文提出一种日前控制与实时控制相结合的协调控制策略，整体思路可以分为预测、计算、实时控制3个部分。

a)预测：依据历史数据和测量装置对风电出力以及不同响应特性的负荷需求进行日前分段(每个时段为10 min)的预测。

b)计算：以风电最大消纳为目标、以常规发电机组运行成本为约束，结合日前风电预测、日前负荷预测及常规发电机组的调节能力极限，综合制订常规发电机组的启停及出力计划。

c)实时控制：在判断电力供需不平衡后，依据设定好的优先级进行协调控制以确保电能供需的实时平衡。其中可转移负荷的优先级最高，常规自动发电控制(automatic generation control，AGC)机组次之，可削减负荷最低。

日前控制具体流程如图1所示。

图1 日前控制流程Fig.1 Flow chart of day-ahead control

实时控制是在日内进行的协调控制策略，将需求侧负荷看作可控资源，使其全面参与系统调节，从而减少常规机组的频繁启停，降低运行成本，提高经济性，主要分为3个步骤：

步骤1，供需双侧存在有功缺额，则依据有功缺额的大小将相应量的可转移负荷转移至有功裕度较大时段，以平抑功率波动；

步骤2，当通过对需求侧负荷的调整无法实现供需平衡时，则选择增加AGC机组的出力以来弥补系统的有功缺额；

步骤3，若是系统AGC机组的有功出力达到极限，但系统依然存在有功缺额，则选择切除相应量的可削减负荷。

实时控制流程如图2所示。其中，ΔPt为t时段由于风电功率与负荷功率波动造成的有功缺额，ΔPW,t为t时段的风电波动功率，ΔPL,t为t时段需求侧负荷有功功率波动值，ΔPZ,t为t时段可参与调节的可转移负荷量，ΔPi,t为发电机组i在t时刻的增加出力，PZ,min与PZ,max分别为可转移负荷的最小与最大负荷量。

图2 实时控制流程Fig.2 Flow chart of real-time control

2 控制策略建模

2.1 日前控制目标及约束条件

日前控制是指依据日前风电预测曲线以及日前负荷曲线，制订常规发电机组的启停及出力计划，并按据常规发电机组运行成本最小选择最优计划执行。

a)日前控制目标为风电最大消纳，控制对象为常规发电机组的启停及出力，其目标函数可表示为

(2)

式中：PW,t为t时段风电预测出力值；T为控制周期；PL,t为t时段系统的总有功负荷；N为常规发电机组个数；Si,t为t时段第i个发电机组的启停状态，Si,t= 0表示发电机组处于停机状态，Si,t=1表示发电机组处于开机状态；Pi,t为发电机组i在t时段的有功出力。

约束条件包括系统功率平衡约束、系统备用容量约束、常规发电机组出力约束、常规发电机组爬坡速率约束、常规发电机组启停时间约束和风电功率约束[18-19]。

①系统功率平衡约束为

(3)

该式表示电力系统有功功率在任意时刻的供需平衡。

②系统备用容量约束为：

(4)

(5)

式中：Pi,UP,t和Pi,DOWN,t分别为常规发电机组i在t时段的最大可用出力和最小可用出力；RL,UP,t和RL,DOWN,t分别为风电尚未接入时系统需要的上下旋转备用；RW,UP,t和RW,DOWN,t分别为t时段应对风电功率波动所需的上、下旋转备用。

③常规发电机组出力约束为

Pi，min≤Pi,t≤Pi,max.

(6)

式中Pi，min和Pi,max分别为机组出力下限和出力上限。

④常规发电机组爬坡速率约束为

|Pi,t-Pi,t-1|≤Pi,R.

(7)

式中Pi,R为发电机组i的爬坡速率限制。

⑤常规发电机组启停时间约束为：

(8)

式中：Xi,on和Xi,off分别为机组i的运行时间和停运时间；Ti,on和Ti,off分别为机组i的最短运行时间和最短停运时间。

⑥风电功率约束条件为

0≤PW,t≤PW,max,t.

(9)

式中PW,max,t为t时段风电功率预测最大出力值。

b)常规发电机组的运行成本包括控制周期内机组的启停费用、运行费用以及机组的发电成本等，其数学模型为

(10)

式中：J为常规发电机组总的运行成本；Fi(t)为常规发电机组i的启停成本；Ci(t)为常规发电机组i单位发电成本。

2.2 实时控制目标及约束条件

实时控制策略是在日前控制策略的基础上实现的，日前控制基本实现电力供需平衡，但由于风电功率或需求侧负荷预测误差的存在，可能导致电力供需无法实现实时平衡。实时控制的数学模型为

(11)

t时刻有功缺额

ΔPt=|ΔPW,t-ΔPL,t|.

(12)

实时控制依据式(12)的有功缺额进行，基本步骤为：

步骤1，依据有功缺额，优先调节可转移负荷用电量，约束条件为

PZ,min≤ΔPZ,t≤PZ,max.

(13)

如果满足ΔPZ,t=ΔPt，则表示通过调节可转移负荷量可以补偿系统的有功缺额，调节结束，否则进行步骤2。

步骤2，调节常规发电机组的出力。在步骤1的调节之后，系统的有功缺额会有所下降，此时系统AGC机组开始参与调节。需要注意的是，在选择调节机组时应首先将AGC机组依据调节裕度从高到低进行排序，再从中筛选出调节速率较高的机组。

其中，调节裕度可定义为：

(14)

式中σi,up,t和σi,down,t分别为机组i在t时刻向上和向下的调节裕度。

机组的调节速率与机组自身的性能有关，目前国内应用的火电机组调节速率大约为(1%～2%)Pr/min(Pr为额定功率)，水电机组的调节速率大约为(50%～80%)Pr/min[20]。

假设选取发电机组i作为调节机组，则其需要增加的出力需满足约束条件

ΔPZ,t+ΔPi,t≥ΔPt.

(15)

该式表示通过调节可转移负荷量与发电机组出力补偿了系统的有功缺额，即系统电力供需实现了实时平衡。

步骤3，假设系统所有AGC调节机组均已到达出力极限，但系统仍然存在有功缺额，则应选择其他机组进行调节或者依据缺额多少对可削减负荷进行调度，以保证系统稳定运行。

3 算例分析

随着广东电网电源结构不断优化，新能源接入规模不断扩大[21-22]，截至2017年11月底，广东电网新能源并网装机容量已经达到6 790 MW，占广东电网总装机容量的6.3%。其中，风电主要分布在湛江、阳江、汕头等沿海地区，分布式光伏主要集中在佛山、东莞等地区。本文以广东湛江部分地区电网为例进行分析，该地区风电场接入情况如图3所示。该地区共有风电场12座，装机总容量793 MW，火电机组容量为1 670 MW，2018年最高负荷预测约为1 800 MW。

图3 广东湛江部分风电场示意图Fig.3 Schematic diagram of some wind farms in Zhanjiang，Guangdong

3.1 日前控制策略分析

日前控制将1 d分为144个控制时段，每个时段10 min。图4为日前风电预测曲线、日前负荷预测曲线以及常规发电机组计划出力曲线。

1—日前风电预测曲线；2—常规发电机组计划出力曲线；3—日前负荷预测曲线。

图4 常规发电机组计划出力曲线
Fig.4 Planned output curve of conventional generator sets

a)在1—24时段内，风电出力很小，负荷所需有功由常规发电机组提供，并留有一定的备用容量。

b)在48—60时段内，风电出力大幅增加，此时负荷用电需求最高达1 200 MW，需要选取AGC机组进行调节，增加常规发电机组的有功出力。

c)在60—72时段与84—96时段内，风电出力约为300 MW与600 MW，负荷需求增加放缓，因此常规发电机组的出力只需正常跟随负荷增加即可。

d)在108—144时段，负荷需求下降，而风电功率维持不变，为了最大限度消纳风电功率，则需要相应减少常规发电机组的出力，并保证发电机组正常运行。

3.2 实时控制策略分析

实时控制主要针对的是负荷突然增加或者风电功率忽然减小的情况，优先选择调节负荷侧的可转移负荷[22-23]，以此来平抑功率波动，保证电力供需平衡，实时控制周期为10 min。选取96时段进行实时控制算例分析，图5所示为96时段内风电实时预测与日前预测曲线。

从图5可以看出，日前风电预测与实时风电预测误差造成源侧有功波动，需求侧出现了有功缺额，电力系统双侧电力供需不能实时平衡，必须采取措施来平抑风电波动，弥补有功缺额。按照日前控制策略，依据功率缺额对可转移负荷进行调整，调整结果如图6所示。

从图6可以看出，在该时段内负荷有功增加，但风电与常规机组出力有小幅波动，不能满足负荷需求，按照实时控制策略转移部分可转移负荷。可以看出经过协调控制，电力供需实现平衡并保留一定裕度。

1—该时段风电日前预测出力曲线；2—该时段风电实时(1 min)预测出力曲线。

图5 96时段内风电实时预测与日前预测曲线
Fig.5 Real-time forecast and day-ahead forecast curves of wind power in 96 Period

1—转移前负荷曲线；2—转移后负荷曲线；3—风电与常规机组出力曲线。

图6 调整转移负荷
Fig.6 Adjustment of transfer load

当将所有可转移负荷转移后依然不能实现功率平衡，则此时调节AGC机组增加出力，在保证一定的有功裕度的同时需满足常规发电机的出力约束。控制过程曲线如图7所示。

1—转移前负荷曲线；2—转移后负荷曲线；3—风电与常规机组出力曲线；4-切除后负荷曲线；5-常规机组极限出力曲线。

图7 AGC机组参与调节
Fig.7 Participation of AGC in regulation

从图7可以看出，经过实时控制策略调整，即先调整可转移负荷量，接着调整AGC机组出力后依然无法实现电力供需平衡，因此在第8 min切除部分可削减负荷，此时电力供需重新恢复平衡，并留有一定裕度。

4 结论

为解决风电消纳不足的问题，本文提出了一种日前控制与实时控制相结合的协调控制策略，分别对日前控制策略与实时控制策略进行了建模和仿真分析，得到以下结论：

a)日前风电预测和日前负荷预测对日前控制的效果有重要影响。为了保证风电功率的最大消纳，系统应有足够的AGC机组以待调节。

b)使需求侧可转移负荷参与系统功率调节可以有效平抑风电波动，有助于减少常规发电机组的频繁启停，提高整个系统的经济性。