考虑调频能力的含储能风电场自动发电控制策略研究

马 斌，王亚军，栗维勋，袁 龙，孙广辉，杨立波

（国网河北省电力有限公司，石家庄 050021）

截至2022年3月，我国风电装机总量已达到3.4×108kW，为实现“30·60”目标，国内风电装机总量将进一步增加。由于风电的不确定性及多类型能源资源耦合，使电力系统特性和动态平衡机理发生显著变化[1]。同时，新能源机组和高压直流输电的电力电子化特性削弱了电力系统的惯性和备用容量，系统频率调节能力和抗大功率缺失扰动能力下降，频率安全问题突出[2]。例如2011年“2·24”甘肃酒泉风电机组大规模脱网事故、2015年“9·19”锦苏直流双极闭锁、2019年英国“8·9”大规模停电事故等。上述频率失稳事故的主要原因为可再生能源机组大规模并网使得电网的惯性支撑能力不足。与常规火力发电不同，风电等新能源发电受气候条件影响很大，具有间歇性，容易对电网造成冲击[3]。而在风电场配置储能，主动对风电场进行有功控制，使其具备与常规电厂类似的有功控制特性，能够根据调度机构的指令进行风电场的功率出力自动发电控制AGC（automatic generation control），可以满足电网对风电场的调频需求。因此，研究在新能源高渗透率背景下提升含储能风电场调频能力的AGC策略，对于前瞻性预防频率扰动或重大事故的发生具有重要意义。

新能源的随机性与不受控性使得风电场具备非常有限的频率调节性能。合理预估新能源波动性，并在此基础上考虑风储或多能源之间的协调是将优化调度与频率安全融合的有效手段。文献[4]使用自组织映射SOM（self-organizing map）神经网络技术，根据风电出力的波动程度进行聚类分析，量化波动规律，得到风力发电功率的时间序列。文献[5]构建了风电波动指标，利用加权Gauss分布概率模型近似风电波动特性，提升了风电场概率分布模型精度。文献[6]首先提出了风电出力预测方法，在AGC系统频率响应服务中加入风储联合系统，提升了联合系统整体经济性。文献[7]考虑多时间尺度的火水风多类型电源的协调运行，以调频、调峰、运行费用最小为目标，建立了多类型电源的协调调度模型。文献[8]构建了计及多时空尺度的风力发电分层控制模型，该模型根据空间尺度将风电集群划分为多层控制层，分别对各层滚动优化部分进行优化建模。上述研究主要集中在风电场功率控制的协调优化，但忽略了考虑电网运行安全情况下风电机组协同储能系统的调频能力。

本文针对新能源高渗透率背景下，风电场由于风能强不确定性导致响应电网调频指令能力不足的问题，提出一种考虑调频能力的含储能风电场AGC策略。首先分析了风电场有功功率控制系统及风电机组的有功功率控制能力。在此基础上，以爬坡率、功率分配值等为约束，结合风电场的储能控制或其他电厂协调量，进行功率调整机组选择，并提出输出功率协调分配方案。所提方法可有效解决当前风电场忽略机组运行的调节特性导致控制指标和发电机组合同电量完成率受影响的问题。

1 风电场的有功功率自动控制的能力

1.1 风电场有功功率控制系统

风电场的有功功率控制系统需跟踪上级调度指令，由场内风电预测和上级调度发出的出力信息决定相应的控制策略，对风电场内各风机进行有功优化分配[9]。图1为风电场的功率调节系统框图，其中，为风电场风电机组输出实际功率；为调度机构设定的风电场功率；分别为第i个风机的预测功率和设定功率；为风电场预测功率；vi为风速。该控制系统具有风电场功率预测、功率优化分配、控制策略分析等功能。其中，风电场的有功功率优化分配是核心功能，其算法根据其他功能提供的风电场功率信息给定各风机的功率参考值。

图1 风电场有功功率控制系统Fig.1 Active power control system of wind farm

为了实现各风机能像常规电厂那样参与电网的调度任务，需要相应的风电机组功率分配控制策略[10-11]。风机具有间歇性，启停较为频繁，这样会加剧机组磨损，因此所提控制方法要减少机组的启停次数。由于风机出力受风速波动影响，以双馈风力发电机为例，功率控制主要包括3个方面：①在额定风速以下运行时，吸收功率保持最大；②在额定风速以上运行时，叶片动量比较大，需通过改变风机转子励磁电流的幅值、相位和频率来改变转速，使吸收功率维持额定值；③通过调整偏航系统和变浆系统进行调整。

1.2 含储能风电场有功调频模型

风电场有功功率控制系统根据超短期预测的风电出力及气象信息，对场内各风机构建微观动力气象模型，可精准获得场内超短期风电裕度。在已知当前机组状态和准确超短期风电裕度的基础上，分析风电机组的AGC调节能力。本文采用威布尔分布拟合风速，风机输出功率与风速的关系可表示为

式中：v为风速；K3为形状因子；C为尺度参数。

按照输出功率与风速的关系将风机运行状态分为Ⅰ、Ⅱ、Ⅲ3个运行阶段。整个输出功率曲线如图2所示。其中，Pmax、Pmin分别为风机最大和最小出力；vin为启动风速；vr为额定风速；vout为切出风速。

图2 风机输出功率函数与风速的关系Fig.2 Relationship between output power function of wind turbines and wind speed

当v＜vin时，风机没有达到启动风速，没有功率输出；当vin≤v≤vr时，风电机组开始发电，但风速不超过额定值，此时为最大功率跟踪阶段，实际运行过程中由于物理因素限制，输出功率与风速难以满足一一对应关系；当v＞vr时，风机处于额定功率运行阶段。对于装机容量为PWF,E的风电机组，根据图2可知，其输出功率PWF,i(v)为

考虑风电机组减速控制、虚拟惯量控制和下垂控制的调频控制特性，有功出力参考值增量ΔPWF为

式中：Pdel为机组减速控制后的有功功率参考值；Kd、Kp分别为机组虚拟惯量系数和下垂系数；Δf为连接电网的频率偏差量。

在包含储能系统后，储能系统调频出力可跟随风电机组的出力调整，包含储能出力的风电机组设定功率参考值变为

式中，KSOC为储能系统中储能功率计算的下垂系数。

2 基于功率风电场功率自动控制策略

2.1 风电机组的类别划分

对于任意风电场，所有风机在t时刻的状态可由矩阵表示，其元素表示t时刻第i台机组的运行状态。根据前述不同运行状态将风电场内机组运行状况划分为3个类别，并构成不同的集合。划分原则如下。

（1）临界出力机组。由于机组振动或发热，接近或越过安全值的机组定义为第1类机组，状态集合为X1。第1类机组总输出有功功率为

（2）低风速区类机组。运行于图2中第Ⅱ阶段的机组定义为第2类机组，状态集合为X2。第2类机组总输出有功功率为

（3）高风速区类机组。风速大于额定风速，风电机组输出恒定额定功率定义为第3类机组，状态集合为X3。第3类机组总输出有功功率为

实际中可根据数据采集系统得到的风电机组实际运行状态，并将风电场内机组分为不同类别，每种类别具有各自不同的可参与调节特性，从而为有功功率的协调分配策略提供参考依据[12-13]。

2.2 输出功率的协调分配策略

本文提出考虑风电机组运行特性的风电场功率自动控制策略。首先进行各机组运行状态量测，获得风电场内各机组的运行状态、风机出力预测量和电场要求输出的有功功率。在此基础上对风电机组进行分类，获得3类集合X1、X2、X3。求解风电场预测的总出力，即

求解该情况下风电场需减少的有功出力ΔPWF，即

对于包含储能的风电场，若储能的充放电能力为ΔPsch，且ΔPsch≥ΔPWF，则无需调节风电机组，通过储能充电来实现富裕功率的消纳可满足系统要求；否则，需要调节风电机组减少有功出力ΔP1来实现消纳。ΔP1的计算公式为

第2类机组可调节的实际出力ΔP′2为

式中，x2i为集合X2中第i个机组的输出功率。

第3类机组调节有功功率可表示为

AGC互联系统可实现在同一互联电网内优化协调调度AGC调节资源，基于动态转移技术和电能统计、通信、遥测、实时监控等服务，可将一个控制区的负荷或发电部分或全部电能服务转移至其他控制区[14]。该系统包括对互联电网调节资源控制和对互联电网跨区发电机组控制，可通过实时更新远方调控资源读数，在AGC计算式中进行校核。

调度控制功率PAGC的计算公式为

（1）通过遥测转移发电，包含风电场控制区之间的发电或负荷转移。需要注意的是，转移发电过程中，接受发电控制区需增加转移量，转出发电控制区需减少相应转移量。

（2）购买其他类型电厂调节资源服务。如果该控制区与其他可调节电厂之间存在直接的通信信道，可采集相关信息直接进行AGC。

（3）调节资源所在控制区向获取资源控制区转发AGC调节资源的相关信息，同时将调节资源所在控制区AGC信号转发至发电机组。

AGC调节资源可通过等值机方法实现调度控制，使得风电场在购买相应资源时无需明确资源来源。对比传统等值机方法，所提方法是将互联电网内调节资源简化为1台等值发电机组，同时把控制信号发送至提供调节资源的储能或电厂控制机构，两者通过动态转移技术，使获得资源的风电场把这部分调节能力纳入场站总的调节能力中。

2.3 风电场的功率自动控制实施流程

含储能的风电场调频AGC流程如图3所示。控制中心按照各机组的备用容量大小或功率调整速率，再结合经济分配规则，确定各机组应承担的功率变化量。控制中心将控制命令发给参与控制的各发电机组，再通过各机组的自动控制调节装置实现AGC，从而达到调控目标。

图3 提升风电场调频能力的AGC流程Fig.3 AGC process for improving frequency modulation capability of wind farm

在运行过程中，风电场的功率自动控制系统通过远程终端单元RTU（remote terminal unit）、通讯通道及数据采集与监视控制SCADA（supervisory control and data acquisition）系统获取所需的实时量测数据，由电网公司计算风电场所需调节功率，并将调度控制指令发送给风电场。根据风电场的实际功率和调度机构指令，通过自动控制决策模块得出各风电机组的控制命令，实现机组出力调节，最终达到提升调频能力的AGC的目的。

3 算例分析

算例采用某风电场实际数据进行AGC。仿真模型含10台2 MW双馈风机，风电场在t=0 s时即参与系统调节，场内机组分别对应不同的模拟风速（模拟地理信息对风速的影响）。根据前述划分原则将机组分类：第1类为11和16号机组；第2类为12、13和19号机组；其余为第3类机组。储能设备的容量为20 MW·h，部分风机的参数为启机功率Pi,in为0.2 MW，额定功率Pi,r为2 MW，vin=3m/s，vr=13m/s，vout=25m/s。

图4为风电场在一段时间内收到的调度指令设定的功率基准值，该时间内风电场处于限功率运行状态。在此前提下进行风电场AGC的仿真分析，观察不同类别机组出力的仿真结果。运行中无机组在该时间段内出现强迫停运，在1 d内风电场输出功率的预测值与实际值如图5所示。

图4 风电场中第1～3类机组的出力基准值Fig.4 Output reference values of units 1～3 in wind farm

图5 风电场机组预测与实际功率输出值Fig.5 Forecasted and actual power output values of units in wind farm

由于风电机组需要考虑爬坡限制，所以在控制过程中不能过快变化。对于单台机组而言，在限制功率Pref大幅变化的情况下，需要提前实施控制。图6给出了某风电场机组的实际输出功率的变化情况，其中Ptotal为风电场实际输出功率。在考虑风电机组的爬坡率、功率分配值等约束的情况下，本文控制策略能够避免或减少风机自身的启停次数，实现风电场实际输出功率的调整。

图6 某风电场机组的实际输出功率的变化情况Fig.6 Changes in actual power output from one unit in wind farm

图7为调度中心下发指令与第1～3类风电场机组实际出力情况。可见，3类风电机组都能完成调度机构下发的指令，保障机组有稳定的有功出力。第3类机组由于自身运行特点不能超过额定转速，最终导致总输出功率有一定偏差，但偏移量很小。

图7 不同类型风电机组的实际出力与参考值对比Fig.7 Comparison between actual output and reference value of different types of wind generator sets

4 结语

本文提出了考虑调频能力的含储能风电场AGC策略，各机组按其出力特性与运行状况进行分类，能够有效提升风电场的运行控制效果，减少风电机组停机的风险。当输出功率不足时，可以通过风电场储能或其他电厂协调，提升风电场的调频能力。该方法适应于市场环境下风电场的优化运行，有助于完成上级调度的指令，提高电力系统在大规模风电接入下的稳定性和安全性。