基于最大转子储能的风电场风机变利用率的有功功率分配策略优化

伍双喜，谭 嫣，李宇骏，张雨萌，杨银国，宁家鑫

基于最大转子储能的风电场风机变利用率的有功功率分配策略优化

伍双喜1,2，谭 嫣1，李宇骏2，张雨萌2，杨银国1，宁家鑫2

(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.西安交通大学电气工程学院，陕西 西安 710049)

风机采用最大功率追踪控制时无功率备用量，当系统供需发生变化时，易对系统稳定性造成较大影响。提出了一种风场变利用率的有功功率分配策略，在满足系统调度命令的同时，减少风能的损失，提高风能利用率。考虑到风场的尾流效应，所提方案通过改变每台风力机的利用率来控制风机的有功功率输出。其中，每台风力机的利用率根据其自身转速而自适应调整。当风机转速较高时，风力机的利用率则较高。当风机转速较低时，则降低风力机的利用率，这样风电场可存储更多的旋转动能，可在系统需要时释放回系统。通过在基于双馈风机的风电场中对所提变利用率策略进行研究，结果表明，在满足调度需求的同时，所提控制策略比传统的等利用率方案更加节能。

风电场；变利用率；双馈风机；有功分配

0 引言

近年来，随着风电装机容量的持续增长，电力系统的安全可靠运行面临巨大挑战[1-4]。当风力发电超过系统需求时，变速风力机(Variable Speed Wind Turbines, VSWT)若仍采用最大功率点追踪(Maximum Power Point Tracking, MPPT)控制可能会导致电力系统的供需失衡[5-7]。此时，为保证系统中的有功平衡，传统同步发电机(Synchronous Generators, SGs)将运行在较低出力水平甚至关停一段时间，这会导致同步发电机运行成本增加、同步发电机生命周期缩短等问题[8]。

一种直接的解决方案是利用储能系统(Energy Storage System, ESS)来满足系统的调度需求[9-13]。然而，从技术和经济角度来看，如飞轮和超级电容等储能量较低，在长期满足系统调度需求方面存在很大困难。此外，考虑到充放电损耗高、安装投资高、生命周期短等缺点，ESS技术也并不经济。因此，有必要研究利用风力机自身能力来满足系统的调度需求。

实际上，风电场(Wind Power Plant, WPP)可通过适当的功率分配控制，调节每台风力机的出力，可以满足系统间的功率平衡[14-16]。具体而言，当风电场的出力超出系统负荷时，风力发电机可通过减载控制策略来降低有功功率输出[17-20]。类似地，当系统中负荷超出风机最大有功出力时，可通过过载控制暂时性地抬升风电场出力以满足系统负荷需求[21-24]。

有两种有功功率控制方案可实现风力发电机的减载或过载控制。第一种是通过桨距预留部分有功功率[25-26]。然而，该方案迫使风机偏离MPPT运行，不可避免地造成大量的风能损失。此外，桨距的响应速度相对较慢，频繁启动桨矩角控制可能会导致风力机应力疲劳。第二种广泛使用的方法是利用风机的旋转动能(Kinetic Energy, KE)[22-23]。在减载控制中，通过加速转子转速来保持其输出功率，将部分风能转化为风力发电机的旋转动能。相反地，在过载控制中可以通过降低转速将保留的动能释放出来。这种有功分配方法比基于桨距控制的方法风能利用率高。基于此优势，本文进一步研究了基于动能的有功功率分配策略，使风电场能够在较小风能生产损失的情况下完成电力调度命令。文献[27]中，通过控制每台风机的利用率(Utilization Level, UL)相同，提出了一种简单直接的有功功率分配策略。

本文相对于传统有功功率分配策略，有以下创新点和不同：

1) 考虑风机之间尾流效应的影响，根据不同风速进行风机自适应变利用率有功功率分配；

2) 统筹协调各风电机组，减少等利用率策略的风能损失，增加转子旋转动能的储存以提高能量利用率。

本文首先说明在传统的等利用率方案下，风电场往往不够节能，且较高风速下的风机可能比较低风速下的风机能量损失更多。由此，本文在考虑风电场尾流效应下，提出了一种风场变利用率有功功率分配策略，该策略统筹协调每台DFIG，进而减少总能量损失，在节约风能的目标下，对系统中风机进行变利用率策略控制，进行有功功率的自适应分配，对系统稳定性提供支撑。风电场中每台风机的利用率根据其转速进行自适应调整，其中，前排风机降低利用率，后排风机提高利用率，以便存储更多的旋转动能用以后续释放。本文所提策略在DIgSILENT/ PowerFactory中得到了有效验证，结果表明，在满足调度需求下，所提出的分配策略可以比传统的等利用率方案利用更多的风能。

1  风机模型及传统有功分配策略

1.1 风机模型及MPPT算法

式中：是由MPPT算法确定的输出功率；kg是齿轮箱的传动比。式(2)是当在0.7～1.2 p.u.工作时MPPT曲线的表达式(图1中BC段)。当低于0.7 p.u.(图1中AB段)时，急速下降到零。当在1.2～1.22 p.u.时，随线性增加到额定有功(图1中CD段)。最后由于桨距角控制作用限制到额定功率(图1中DE段)。

1.2 尾流效应模型

式中：是自由风速；­是风机j叶片的直径；是风机i的转子扫掠面积，单位为；是风机i与j的重叠面积与扫掠面积之比；是风机j的轴向感应系数；是风机i的径向距离；k是粗糙度系数，不同环境下粗糙度系数不同。

1.3 基于等利用率的传统有功分配方案

为维持系统中的供需平衡，要根据调度需求合理设置每台风电机组的参考发电量。下面介绍一种简单直接的方法：所有风机设定相同利用率，即根据每台DFIG的容量平均分配有功功率。

为说明各机组有功出力关系，给出一个简易的微电网模型，其风电场由多台DFIG、一台同步发电机和若干本地负载组成，如图3所示。SG提供无功功率以维持电压并在低风速条件下产生额外的有功功率。风电场的总有功功率需求d可以表示为

式中：m是微电网中本地负载的数量；是根据本地负载计算的第i个本地需求；是来自SG的有功功率；是微电网中的有功功率损耗，可以看作是的一小部分。

2 DFIG不同减载策略的能量流分析

当可用风力发电量超过系统需求时，应采用适当的减载策略代替传统的MPPT算法来应对系统的供需失衡。风电场中的DFIG可通过调节其利用率暂时减少其输出，以满足系统调度需求。在高风速的风电场中，前排DFIG启用基于桨距角的减载控制以实现有功功率分配。后排DFIG在低风速中采用基于动能的减载控制，通过加速风机转子将风能转化为动能。本节将分析采用不同的减载控制进行有功功率分配时DFIG发电量的减少或损失，以便说明基于等利用率的传统有功分配方案风能利用率较低，并基于该能量流理论分析引出本文的优化策略。假设所有风机在系统需求变化之前都处于MPPT运行。

2.1 基于超速的减载控制

图4显示了基于超速的减载控制的动态过程。假设DFIG在中低风速(12 m/s)下工作在其最佳功率点(图1中的段)，当可用风能超过系统所需时，风速较低的风力机(后排DFIG)通过降低其利用率来减小输出。由于风电功率与风电机组输出功率之间的不平衡，DFIG开始加速并最终到达点作为稳定点。假设DFIG在两个不同的利用率水平(图4中的点和点)下运行，两个减载点和的1i和2i的表达式可用式(8)计算。

显然，在基于超速的减载控制下，DFIG的利用率越低，其转子存储的动能就越多。

图4 超速控制策略示意图

2.2 基于桨距角的减载控制

图5 桨距角控制策略图示

2.3 不同控制下的风电和能源分析

基于式(1)的风力发电机组实际捕获的风功率wi可以改写为

从式(10)可知，wi与当前转速和风机的桨距角有关。这解释了通过超速控制或桨距角控制(增加桨距角)来使风力发电机的转子超速时，风机实际捕获的功率会降低。风力机中的能量平衡方程可表示为

3 基于DFIG风电场变利用率有功分配策略

为在完成调度命令的同时尽可能地利用风能，本文提出了一种风电场变利用率(减载系数)策略。此策略根据风机转速进行自适应利用率调整，即较高风速的风力发电机采用更高的利用率(较低的减载系数)，使风电场浪费的风能更少。后排风机采用较低的利用率，将更多的风能转化为风机转子动能来降低输出功率。随后，减载控制中风电场中存储的动能可以通过过载策略释放回系统。

3.1 以DFIG的减载控制实现风电场的有功功率分配

每台DFIG的减载系数可写为

3.2 以DFIG的过载控制实现风电场的有功功率分配

当系统过载时，系统所需的电量可能会超过风电场可产生的最大功率。上述减载控制储存的动能可以通过过载控制释放回来。一种简单直接的方法是将系统调度需求与风机的最大发电量之间的功率差，平均分配给个低风速风机(第一组)。高风速风机(第二组)以额定功率运行。过载控制下每台低风速风机的参考功率可表示为

为使风电机组在过载控制下稳定运行，风电机组输出功率应为当前转速MPPT下输出功率参考值的最小值(图6中绿线)和过载控制下风电机组输出功率的参考值(图6中的蓝线)，表示为

式(23)保证风机在释放所有储存的动能后可恢复到MPPT状态。否则，风机容易达到最小转速限制并跳闸。整体控制策略如图6所示，当系统发出的功率过多时，风机会根据式(17)和式(18)从MPPT曲线的点减载到点，以储存更多动能。过载时，重新释放上述存储的动能，基于式(22)和式(23)，工作点从经到点。

图6 减载及过载状态下的风机动作方案

本文中的过载控制可以理解为一种简单有效的将风力发电机储存的动能释放回系统的方法，也是一种验证所提出的减载策略有效性的方法。若要更详细地考虑系统的动态特性(如系统受扰后的频率分布)，可能还有其他策略，但这不是本文的重点。

4 算例分析

图7 测试系统

4.1 风速为14 m/s的风电场中的减载控制

表1 高风速下风速、转速、DFIG预测最大功率、利用率

表2 高风速下变利用率策略和常规控制方案仿真结果对比

图8和图9比较了3种不同情况，即没有任何额外控制、传统方案和本文提出的变利用率策略。在本文提出的变利用率策略中，前排双馈风机(DFIG1)的利用率高于后排双馈风机(DFIG3)，即DFIG3的转速增幅比DFIG1更高，因为增幅较大，因此增加到预设转速的时间更长，如图8所示。本文提出的变利用率策略中，DFIG1的利用率较高，DFIG1的转速增加比传统方案慢。从图9(a)可以看出，风电场将其输出功率降低到与需求平衡，使系统频率在负荷变化期间保持稳定，MPPT控制由于无减载控制，因此各风机出力不变。对比传统等利用率(蓝色曲线)和本文所提变利用率控制策略(红色曲线)，本文所提策略中，DFIG1出力较多，DFIG2和DFIG3出力较少，而更多将能量储存为旋转动能，但总体出力与等利用率策略相同。如图9(b)所示。相比之下，MPPT控制DFIG的风电场中，只有SG承担系统中功率调整，且系统频率在负荷突降时快速增加，从而导致变利用率策略的桨距角控制启用时间滞后于等利用率方案，如图9(c)所示。

图8 三组DFIG转速仿真结果

图9 双馈风机3种案例仿真结果

4.2 风速为14 m/s的风电场中的过载控制

4.3 参数的影响

5 结论

为满足电力系统功率供需平衡及调度需求，并提高风能利用率，本文提出了一种基于DFIG的风场变利用率的有功功率分配策略，减少有功功率分配导致的风能损失。该策略根据每台风力发电机的转速自适应地调整其利用率，以便存储更多的动能，并在系统需要时释放回来。在本文算例中，该变利用率策略比传统策略增加储存动能6%。仿真结果表明，与传统等利用率方案相比，所提出的方案可统筹协调各风机，增加转子旋转动能的储存以提高能量利用率，减少总能量的损失，更加节能。随着未来风电渗透率的提高，风场变利用率的有功功率分配策略有很高的实际工业应用价值。

[1] 王同森, 程雪坤. 计及转速限值的双馈风机变下垂系数控制策略[J]. 电力系统保护与控制, 2021, 49(9): 29-36.

WANG Tongsen, CHENG Xuekun. Variable droop coefficient control strategy of a DFIG considering rotor speed limit[J]. Power System Protection and Control, 2021, 49(9): 29-36.

[2] 杨蕾, 王智超, 周鑫, 等. 大规模双馈风电机组并网频率稳定控制策略[J]. 中国电力, 2021, 54(5): 186-194.

YANG Lei, WANG Zhichao, ZHOU Xin, et al. Frequency stability control strategy for large-scale grid connections with DFIG units[J]. Electric Power, 2021, 54(5): 186-194.

[3] YAN C, TANG Y, DAI J, et al. Uncertainty modeling of wind power frequency regulation potential considering distributed characteristics of forecast errors[J]. Protection and Control of Modern Power Systems, 2021, 6(3): 276-288.

[4] 金晨, 任大伟, 肖晋宇, 等. 支撑碳中和目标的电力系统源-网-储灵活性资源优化规划[J]. 中国电力, 2021, 54(8): 164-174.

JIN Chen, REN Dawei, XIAO Jinyu, et al. Optimization planning on power system supply-grid-storage flexibility resource for supporting the “carbon neutrality” target of China[J]. Electric Power, 2021, 54(8): 164-174.

[5] LI Y, XU Z, MENG K. Optimal power sharing control of wind turbines[J]. IEEE Transactions on Power Systems, 2017, 32(1): 824-825.

[6] 崔红芬, 王德顺, 杨波, 等. 支撑电网黑启动的风光储新能源电站协调控制策略[J]. 电力建设, 2020, 41(9): 50-57.

CUI Hongfen, WANG Deshun, YANG Bo, et al. Coordinated control strategy of wind-solar-storage power stationsupporting black start of power grid[J]. Electric Power Construction, 2020, 41(9): 50-57.

[7] 孙志辉, 郝万君, 尚友涛, 等. 基于自适应非奇异快速终端滑模的风力发电机最大功率跟踪控制[J]. 热力发电, 2020, 49(1): 48-54.

SUN Zhihui, HAO Wanjun, SHANG Youtao, et al. MPPT control of wind turbine based on self-adaptive nonsingular fast terminal sliding mode[J]. Thermal Power Generation, 2020, 49(1): 48-54.

[8] VYVER J, KOONING J, MEERSMAN B, et al. Droop control as an alternative inertial response strategy for the synthetic inertia on wind turbines[J]. IEEE Transactions on Power Systems, 2016, 31(2): 1129-1138.

[9] 李浩博, 邹海荣, 朱建红. 考虑风电计划跟踪的储能调度模糊控制系统研究[J]. 电力系统保护与控制, 2021, 49(1): 125-132.

LI Haobo, ZOU Hairong, ZHU Jianhong. Research on a fuzzy control system of energy storage dispatch considering wind power plan tracking[J]. Power System Protection and Control, 2021, 49(1): 125-132.

[10] 余豪杰, 李官军, 杨波, 等. 基于分布式光伏/飞轮储能联合发电系统的并网点电压主动调控技术研究[J]. 电力系统保护与控制, 2021, 49(3): 48-56.

YU Haojie, LI Guanjun, YANG Bo, et al. Research on the active control technology of grid voltage based on a distributed photovoltaic/flywheel energy storage combined generation system[J]. Power System Protection and Control, 2021, 49(3): 48-56.

[11] QU L, QIAO W. Constant power control of DFIG wind turbines with supercapacitor energy storage[J]. IEEE Transactions on Industry Applications, 2011, 47(1): 359-367.

[12] 王苏蓬, 张新慧, 吴文浩, 等. 用于风电平抑的混合储能选型和容量优化配置方法[J]. 智慧电力, 2021, 49(9): 16-23.

WANG Supeng, ZHANG Xinhui, WU Wenhao, et al. Hybrid energy storage selection and capacity optimization configuration method for wind power smoothing[J]. Smart Power, 2021, 49(9): 16-23.

[13] 李军徽, 高卓, 李翠萍, 等. 基于动态任务系数的储能辅助风电一次调频控制策略[J]. 电力系统自动化, 2021, 45(19): 52-59.

LI Junhui, GAO Zhuo, LI Cuiping, et al. Control strategy for dynamic task coefficient based primary frequency regulation of wind power assisted by energy storage[J]. Automation of Electric Power Systems, 2021, 45(19): 52-59.

[14] 赵嘉兴, 高伟, 上官明霞, 等. 风电参与电力系统调频综述[J]. 电力系统保护与控制, 2017, 45(21): 157-169.

ZHAO Jiaxing, GAO Wei, SHANGGUAN Mingxia, et al. Review on frequency regulation technology of power grid by wind farm[J]. Power System Protection and Control, 2017, 45(21): 157-169.

[15] 张真源, 刘国荣, 刘科正, 等. 风电场采用健康系数与变下垂输出系统参与电网调频研究[J]. 电网与清洁能源, 2020, 36(3): 97-106.

ZHANG Zhenyuan, LIU Guorong, LIU Kezheng, et al. Research on wind farm standby power participating in power grid frequency modulation based on load shedding control[J]. Power System and Clean Energy, 2020, 36(3): 97-106.

[16] 付菊霞, 陈洁, 邓浩, 等. 平抑风电波动的混合储能系统控制策略[J]. 电测与仪表, 2020, 57(5): 94-100.

FU Juxia, CHEN Jie, DENG Hao, et al. Control strategy of hybrid energy storage system for mitigating wind power fluctuations[J]. Electrical Measurement & Instrumentation, 2020, 57(5): 94-100.

[17] VIDYANANDAN K, SENROY N. Primary frequency regulation by deloaded wind turbines using variable droop[J]. IEEE Transactions on Power Systems, 2013, 28(2): 837-846.

[18] ALMEIDA R, PECAS J. Participation of doubly fed induction wind generators in system frequency regulation[J]. IEEE Transactions on Power Systems, 2007, 22(3): 944-950.

[19] MOUTIS P, LOUKARAKIS E, PAPATHANASIOU S, et al. Primary load-frequency control from pitch-controlled wind turbines[C] // 2009 IEEE Bucharest PowerTech, June 28-July 2, 2009, Bucharest, Romania: 1-7.

[20] 王天翔, 程雪坤, 李伟超, 等. 基于变参数减载控制的风电场一次调频策略[J]. 中国电力, 2021, 54(12): 94-101.

WANG Tianxiang, CHENG Xuekun, LI Weichao, et al. Primary frequency control strategy of wind farm based on variable parameter control[J]. Electric Power, 2021, 54(12): 94-101.

[21] LE-REN C, WEI L, YAO Y. Enhancing frequency response control by dfigs in the high wind penetrated power systems[J]. IEEE Transactions on Power Systems, 2011, 26(2): 710-718.

[22] LI Y, XU Z, WONG K. Advanced control strategies of PMSG-based wind turbines for system inertia support[J]. IEEE Transactions on Power Systems, 2017, 32(4): 3027-3037.

[23] YE H, PEI W, QI Z. Analytical modeling of inertial and droop responses from a wind farm for short-term frequency regulation in power systems[J]. IEEE Transactions on Power Systems, 2016, 31(5): 3414-3423.

[24] 陈永华, 唐冠军, 宋晓芳, 等. 考虑风电特性的送出线路过载控制方法[J]. 电力系统自动化, 2015, 39(13): 75-80.

CHEN Yonghua, TANG Guanjun, SONG·Xiaofang, et al. Overload control method of transmission lines considering wind power characteristics[J]. Automation of Electric Power Systems, 2015, 39(13): 75-80.

[25] KAMEL R, CHAOUACHI A, NAGASAKA K. Three control strategies to improve the microgrid transient dynamic response during isolated mode: a comparative study[J]. IEEE Transactions on Industrial Electronics, 2013, 60(4): 1314-1322.

[26] LIU H, CHEN Z. Contribution of VSC-HVDC to frequency regulation of power systems with offshore wind generation[J]. IEEE Transactions on Energy Conversion, 2015, 30(3): 918-926.

[27] ZHANG W, XU Y, LIU W, et al. Fully distributed coordination of multiple DFIGs in a microgrid for load sharing[J]. IEEE Transactions on Smart Grid, 2013, 4(2): 806-815.

[28] YANG L, XU Z, OSTERGAARD J, et al. Advanced control strategy of DFIG wind turbines for power system fault ride through[J]. IEEE Transactions on Power Systems, 2012, 27(2): 713-722.

[29] MARDEN J, RUBEN S, PAOL. Model-free approach to wind farm control using game theoretic methods[J]. IEEE Transactions on Control Systems Technology, 2013, 21(4): 1207-1214.

[30] 董炜, 潘秋萍, 雷金勇, 等. BPA与DIgSILENT动态模型的比较与数据转换[J]. 电力系统自动化, 2016, 40(8): 140-146.

DONG Wei, PAN Qiuping, LEI Jinyong, et al. Comparison and data conversion between dynamic models of BPA and DIgSILENT[J]. Automation of Electric Power Systems, 2016, 40(8): 140-146.

[31] 杨再欣, 陶军, 尹柏清, 等. 基于DIgSILENT的机网协调控制及动模验证[J]. 电力系统保护与控制, 2021, 49(20): 180-187.

YANG Zaixin, TAO Jun, YIN Baiqing, et al. Generator and power grid coordination control and dynamic test based on DIgSILENT[J]. Power System Protection and Control, 2021, 49(20): 180-187.

[32] XIE D, XU Z, YANG L, et al. A comprehensive LVRT control strategy for DFIG wind turbines with enhanced reactive power support[J]. IEEE Transactions on Power Systems, 2013, 28(3): 3302-3310.

[33] WAN C, XU Z, PINSON P. Direct interval forecasting of wind power[J]. IEEE Transactions on Power Systems, 2013, 28(4): 4877-4878.

Optimization of a variable utilization level scheme for load sharing control of a wind turbine ina wind farm based on maximum rotor energy storage

WU Shuangxi1, 2, TAN Yan1, LI Yujun2, ZHANG Yumeng2, YANG Yinguo1, NING Jiaxin2

(1. Electric Power Dispatching and Control Center of Guangdong Power Grid Co., Ltd., Guangzhou 510600, China;2. School of Electrical Engineering, Xi’an Jiaotong University, Xi’an 710049, China)

Under Maximum Power Point Tracking (MPPT) control, the wind turbine has no power reserve, which tends to have a large impact on system stability when system supply and demand change. A variable utilization level (UL) scheme is proposed for a wind power plant (WPP) to fulfill the dispatch order while reducing the loss of wind energy and improving wind energy efficiency. Considering the weak effects of a wind farm, the proposed scheme controls the active power output for each wind turbine (WT) according to its utilization level (UL), which is adaptively adjusted according to WT rotor speed. When the turbine speed is higher, the wind turbine utilization level is higher; when the turbine speed is lower, the wind turbine utilization level is lower. Thereby the wind farm can store more rotational kinetic energy that can be released back into the system when needed. The proposed variable UL strategy is fully investigated in a doubly fed induction generator (DFIG)-based WPP and the results show that the proposed control strategy has better energy efficiency than the conventional equal UL while meeting the dispatch demand.

wind power plant; variable utilization level; doubly fed induction generator; load sharing control

10.19783/j.cnki.pspc.211090

2021-08-13；

2022-03-01

伍双喜(1984—)，男，博士，高级工程师，研究方向为电力系统分析与控制、新能源并网管理；E-mail: wusx03@ 163.com

谭 嫣(1987—)，女，硕士，高级工程师，研究方向为新能源并网管理；E-mail: 179513428@qq.com

李宇骏(1990—)，男，通信作者，博士，副教授，研究方向为风电场对系统提供惯量和频率支撑的控制策略。E-mail: yujunli@xjtu.edu.cn

南方电网公司科技项目资助(GDKJXM20198256)

This work is supported by the Science and Technology Project of China Southern Power Grid Co., Ltd. (No. GDKJXM20198256).

(编辑 周金梅)