高比例风电系统中日前发电计划的旋转备用容量优化方法

伯利曼

(华南理工大学, 广东 广州510641)

0 引 言

本文调研电力公司发电计划和实际风电并网数据，参考多个电力研究机构优化技术方案，分析归纳出多个有效的优化技术方案。文献[1]采用AGC机组发电方式，利用IEEE 30节点控制系统优化风电场备用容量，增加了风电系统发电总量，保证风电并网的稳定性，但建模方式较为复杂，使风力发电占比较少，一定程度上扰乱了风电系统高比例发电计划。文献[2]采用柔性交流输电系统(flexible AC transmission system, FACTS)完成风力发电规划，通过选址定容方式优化风电系统备用容量，降低风电系统电力损耗，增加旋转备用容量利用率。但这种方式备用容量安装不够灵活，与风电系统兼容性较差，从而影响了风电并网的稳定性。

针对上述优化技术上的不足，本文设计优化模型针对风电场安全问题制定出保护策略；通过高压直流(high voltage direct current, HVDC)技术更新风电场输电方案，寻得最优发电计划；利用GSA算法整合风电系统优化数据，使优化模型能够针对性地解决风电系统的多目标问题[3]。

1 旋转备用容量优化模型

本文建立的模型通过精细化管理风电场运行模式，形成从优化模型整体结构到电压保护电路，之后到日前发电计划的一体化优化流程[4]。主要创新点在于以下几点。

(1)制订电压保护策略，加强旋转备用容量安全性，避免不可控因素造成的供能不足。

(2)采用HVDC技术对日前发电流程进行规划，使风电场输电更加稳定快捷，使整个风电传输过程更加规律化。

(3)利用GSA优化算法对整个优化流程进行分析，通过优化后风电场输电数据的整合，保证旋转备用容量利用最大化。

旋转备用容量优化模型如图1所示。

图1 旋转备用容量优化模型

本文设计的旋转备用优化总体分为两个层次进行控制，即系统控制层和风电场层。系统控制层通过调度主站和控制中心进行总体信息把控，由发电机组、系统调度和风电场进行电能传输和功率调节，其中发电机组由控制中心进行指令控制，而发电机组与系统调度通过出力调节和机组组合完成协调输电，系统调度与风电场2分别具有功率预测功能和处理调节功能。风电场层主要负责发电控制和供给电能。对于旋转备用容量的优化本文通过设计多种优化模型库，通过用户提供的电力需求从模型库中进行调用，进而完成备用容量的优化控制[5]。

2 备用容量电压保护策略

传统风电系统往往由于装机容量问题造成系统不稳定状态，为减小这种扰动，本文设计研究备用容量电压保护策略，通过控制电压信号逻辑实现备用容量的持续供能[6]。备用容量电压保护电路如图2所示。

图2 备用容量保护电路

电压保护电路利用高比例风电系统的快速调节器及变换器的锁相环控制功能，完成风电系统安全并网，从而减少并网节点的电压变化，增加系统输电能力。电压保护电路根据风电集群变流输入，电路中的接收器负责接收变流输入数据并转化为可以处理的信号电压，然后通过信号调理装置对信号电压进行信号整形，电压信号的整形方式主要为各种比例环节[7]。因此整形之后的信号电压可以直接由高压无功电流管理模块进行分配，经过分配的电压信号通过比例放大完成并网。根据并网显示的电压状态反馈到电压有功电流管理模块中，由变换器和逻辑电路形成功率控制循环，将反馈信号传输到信号发生装置中，由此完成风电并网的电压保护。整个并网环节由电感负责稳定电压。

3 HVDC日前发电计划优化

风电场跨区输电计划的制订由送端风电基站与受端电网的联合约束条件决定。对于该发电计划本文提出两阶段优化方法实现风电场经济性运行，为目前发电计划提供更加详细的供电方案，使风电场输送电能更加便捷可靠。HVDC目前发电计划优化方案如图3所示。

图3 HVDC目前发电计划图

HVDC目前发电计划设计受多方面因素的约束，主要受影响因素为输送端负荷、运行约束条件、客户用电需求和安全指标。风电传输过程中的约束条件主要为输电线承受能力，经过风电并网计划和两端口优化设计完成风电输送，两端口优化设计输入数据为系统负荷和备用容量需求，约束条件设定为风电机组约束和输电计划约束，优化后的输电计划由功率预测模块进行数据校正，进而保证风电场发电运行的功率安全和输电安全，功率预测主要依据由受端电压及出力提供。两端口优化技术实质为GSA优化算法和风电传输比例[8]。GSA优化算法能够根据发电需求分析出最佳发电计划方案，风电传输比例主要控制风电场的输送比例，避免电力浪费。

4 GSA优化算法

将风电场每次发电计划作为一个粒子数据，所有数据之间遵循的规律表示为：

(1)

风电场转化为牛顿粒子质量表达式为：

(2)

式中：fi为某次发电计划产生的经济效益函数；fworst为制订的发电计划产生经济效益最差值；fbest为制订的发电计划产生经济效益最优值。

整个风电系统发电数据转化的粒子总质量可表示为：

(3)

将风电场发电计划进行统合整理，在同一纬度进行合引力分析，在此基础上得到加权函数：

(4)

在效益加权过程中会产生一种系数变化，而这种变化在牛顿力学中表示为：

(5)

在加入旋转备用容量之后，风电系统制定的发电计划变化速度表示为：

(6)

在此基础上计算出风电系统一个发电计划周期内产生的总效益值：

(7)

在多个制订的发电计划中进行筛选，通过GSV算法的熵函数确定最优发电计划：

(8)

式中：X为制订的发电计划方案；qj为发电计划最终产生效益值；E(t)为所制订发电计划效益变化的熵函数。

将筛选出的最优发电计划输入用户需求，得到用户满意度函数表达式：

(9)

式中：μi为制订的发电计划反馈的用户满意度；fi,max为发电计划总产出效益最大值；fi为风电场产出效益函数；fi,min为制订的发电计划产出效益最小值。

根据用户满意度显示最终确立最优发电计划，而此时得到的旋转备用容量优化方案为最佳值。

(10)

式中：μ为最佳旋转备用容量最佳优化值；N为风电场总输出发电计划方案；μi为用户反馈满意度。

5 试验结果与分析

本文利用Simulink软件建立典型矩阵分布式风电场模型，并在此模型下完成试验[9]。实验室配置采用酷睿i9系列主机，CPU内存为64+128 GB，应用实验室仿真环境进行并网操作。现场试验环境设置并网额定功率不超过5%；设备采集精度为97.5%，算法程序运行误差最低保持在2.0%，采用无线网络通信方式。试验环境参数配置如表1所示。

表1 试验环境参数配置

将分析结果输入计算机中，最终测试数据如表2所示。

表2 备用容量优化效果测试表

表2显示了旋转备用容量优化前后效果，并对风电场输电效率进行记录，风电场A模型经过优化备用容量增加了0.313 MW，B模型增加了1.976 MW，C模型增加了0.689 MW，D模型增加了0.150 WM，由此看出优化后风电场备用容量得到不同程度的加强。而且整体风电场输电效率在85%以上，验证了本文研究的优越性。

为验证本文优化前后风电场运行的稳定性，利用高频滤波显示优化前后风电场稳定波形，根据波形分析优化效果，得到风电场优化前后频率波形如图4、图5所示。

图4 优化前风电场运行稳定性

图5 优化后风电场运行稳定性

本文将波动频率50 Hz作为稳定标准线。由图4、图5可以看出：优化前风电场频率波动范围为30～70 Hz，明显偏出稳定标准，稳定性较差；而优化后风电场频率波动范围为40～60 Hz，波动范围较小，未偏离标准线，稳定性能较好。验证了本文风电场运行的稳定性能。

通过显示风电场输电效率能够进一步验证本文研究的优越性，利用MATLAB对文献[1]提出的IEEE 30优化系统和文献[2]提出的FACTS优化方法进行仿真，得到输电效率对比仿真如图6所示。

图6 风电场输电效率对比

通过对比发现本文研究优化方法较为持续稳定，输电效率整体在85%～90%，最高达到90%。文献[1]提出的IEEE 30优化系统整体输电效率递减，最低为75%。文献[2]提出的FACTS优化方法在输送电量2 500 kW之前持续递减，之后稳定在70%，输电效率相对较慢。分析可知，本文优化方案效果更好。

6 结束语

本文针对高比例风电系统中旋转备用容量进行优化设计，主要技术研究如下。

(1) 研究设计旋转备用容量优化模型并制订电压保护策略，在优化风电场性能的基础上保证了运行安全。

(2) 对风电场日前发电计划进行优化，设计出HVDC优化模块，使风电场电能按需配送，最大程度增加效益。

(3) 通过优化的GSA算法实现多个发电计划的最优寻解过程，根据反馈的用户满意度筛选出最佳优化方案。

通过测试优化效果表和对比曲线图分析，发现本文设计的优化方案适用于高比例风电场运行模式，符合电力客户的需求。但是在本文试验过程中仍存在一些问题，无法调整旋转备用容量的输送功率、风电场发电过程中的数据监测较为困难等问题仍待解决。