风储发电系统作黑启动电源的功率协调优化策略

李翠萍,李 鹤,李军徽,朱星旭,尤宏飞,孙首珩,毕正军

(1.东北电力大学,吉林 吉林 132012;2.国网平山县供电分公司,石家庄 050400;3.国网吉林省电力有限公司电力科学研究院,长春 130021)

0 引言

随着电力系统的快速发展,各国家大停电事故频发,给社会经济、人民生命安全造成了严重的威胁[1]。造成停电事故的原因各不相同,大停电事故后通过黑启动电源快速有效地恢复系统是当前电网稳定运行的重要任务。水力发电具有厂用电较少、可快速启动等优点[2],但对于我国某些风多水少的地区,例如蒙西地区,如果发生大停电事故,则须要发挥本地区自然优势,选择本地丰富的新能源作为黑启动电源[3]。该地区风资源丰富,采用风电场作为黑启动电源进行停电事故后的系统恢复工作将具有重大价值。

在大停电事故后的电力系统恢复过程中,能否保证电源与负荷的功率平衡是黑启动成功与否的关键。黑启动很可能出现风储输出功率与负荷需求不平衡以及储能越限的情况[4],从而影响电力系统的电压、频率稳定,导致黑启动的失败。显然,风储发电系统作为黑启动电源参与黑启动的过程中,其能量协调控制较为重要,也决定了系统大停电事故后的黑启动过程成功与否。对于黑启动过程中的协调优化策略方面的问题,已有大量研究。文献[5]将模型预测控制运用到风电场调频调压的场景中,在准确跟踪参考功率的基础上减小叶片载荷,保证风机安全运行。文献[6]将负荷跟踪和最大功率点跟踪相结合,合理控制新能源出力。文献[7]基于模型预测控制,提出了系统恢复过程风电无功出力优化策略,有效保证电力系统恢复过程中的功率平衡。文献[8]针对电力系统的恢复问题,提出了一种直流馈入的功率协调策略,实现传统系统功率与各直流传输量的协调优化,使系统调节持续时间最短。以上文献均为针对新能源黑启动过程的协调优化策略方面的研究,但未考虑黑启动过程储能荷电状态(state of charge,SOC)的约束,没有考虑储能系统的充放电深度的问题,如果在电力系统恢复过程中,储能系统过充电或过放电,从而导致储能系统荷电状态越限,将直接导致黑启动失败。

文献[9]以风电场和光伏电站配置储能系统参与黑启动,提出黑启动可行性评价指标。对于风光储系统的输出功率,分3种情景进行分析,对黑启动电源能否进行黑启动进行评估。文献[10]以风储发电系统为基础提出了一种功率协调控制策略,分为3个阶段,主要通过改变风储发电系统中储能系统的控制策略稳定电压和频率,使其在合理范围内。文献[11]考虑储能的状态,提出一种风储系统黑启动火电厂辅机的功率协调控制策略,分别建立有功控制器和无功控制器,通过调整风电场输出功率的方式降低储能系统的输出功率,使其维持在合理范围内。文献[12]针对风光储系统启动火电厂辅机提出了功率协调策略,电源输出功率低于负荷功率时采用最大功率跟踪。光伏黑启动电源出力大于负荷需求时,由风电场补足光伏与负荷差值,该控制策略有效降低储能系统的充放电深度,使储能荷电状态维持在合理范围内。为了使风电机组具备较好的黑启动能力,参与电网恢复,文献[13]针对支撑电网黑启动风光储新能源电站基础内容展开分析,结合各种协调控制模型以及系统协调控制要点,研究惯性响应控制策略、一次调频时序控制策略等具体应用,确保风光储新能源电站运行过程的稳定性。

风储发电系统作为黑启动电源恢复电力系统时,由于风电功率的不确定性、波动性较强,风电场与储能之间的协调控制变得尤为重要,因为随着电力系统恢复工作的不断进行,黑启动负荷不断投入,使功率波动逐渐增大,恢复过程中的功率协调控制变得尤为复杂,黑启动操作的成功与否直接取决于风电场和储能系统协调程度,决定了能否保证充足的负荷供给。

本文设计了风储发电系统参与黑启动的功率协调优化策略。首先,考虑模型预测控制(model predictive control,MPC)策略的在线优化过程以及风储系统的运行特性,设计风储系统出力方式;其次,建立了风储出力的预测和滚动优化模型以优化其输出功率;最后,提出风储发电系统输出功率评价指标,对优化结果进行对比评估。通过算例,对2种优化策略进行对比,得出本文所提的功率协调优化策略可以降低风电场的功率波动以及储能系统的充放电深度,使储能系统的SOC维持在合理水平。

1 风储发电系统作黑启动电源

电网停电后,风储发电系统作为黑启动电源启动负荷,这个过程类似于“擦火柴”的动作,同时整个黑启动时段需要风储发电系统持续满足火电厂辅机负荷的需求。储能系统在其中起到弥补风电场功率与火电厂辅机负荷功率之间差值的作用,为风电场提供稳定的电压和频率。

风储发电系统由风电场和储能系统构成,因为要充分利用新能源,所以现有风电场采用最大功率工作,这样对于作为黑启动电源的风储发电系统来说,只有储能系统可以进行能量的调节,显然其输出功率存在可控性差、不易调节等问题。本文设计了一种通过控制发电风机数量和储能输出功率的控制方式,灵活地调节风储系统参与黑启动过程中的输出功率,风储发电系统在维持功率平衡的同时,使储能系统的SOC控制在合理区间。风电场控制过程可以表示为:

NW(t+1|t)=NW(t)+ΔNW(t)

(1)

式中:NW为发电风机的数量;ΔNW为发电风机的变化数量;t为时刻。

风电场输出功率的变化过程为:

PW(t+1|t)=PW(t)+PWN(t)ΔNW(t)

(2)

式中:PW为风电实际功率;PWN为风机预测功率。

储能系统电量变化可以表示为:

EB(t+1|t)=EB(t)-ηΔTBPB(t)

(3)

式中:EB为储能电量;η为储能转换效率;ΔTB为转换系数;PB为储能充放电功率。

2 基于模型预测控制的风储黑启动功率协调优化策略

MPC的功率协调优化策略主要思路为通过调整参与黑启动的发电风机数量的方式控制风电输出功率,使风电输出功率与黑启动负荷之间的功率差值最小,从而达到降低储能系统在黑启动过程中的充放电深度的目的,使储能的荷电状态始终维持在合理工作范围内。

黑启动过程中,模型预测控制通过第一部分的预测模型求解,在预测时域内对风储发电系统输出功率进行预测,得出预测时域内风电输出功率及储能输出功率。然后,在控制时域内经过在线优化阶段,通过调整参与黑启动的发电风机数量的方式对风电场输出功率进行校正,使其有效跟踪黑启动负荷功率。通过调整风电场中发电风机数量以及储能输出功率维持黑启动过程中系统功率平衡,完成整个黑启动工作。

2.1 MPC风储预测模型

风储系统状态空间方程:

(4)

2.2 风储出力滚动优化

滚动优化是一个多目标优化问题,将整个优化过程分为风电场出力优化阶段和储能系统出力优化阶段,每一时刻的风电输出功率都是与前一时刻结束之后发电风机数量变化有关,为前一时刻风电输出功率与风机数量变化对应的功率之和,而在反馈校正过程中,利用前一时刻的风电实际功率,计算下一时刻的发电风机数量变化,这样滚动优化参与黑启动发电风机数量变化,使风电功率可以有效跟踪火电厂辅机负荷,以减小储能输出功率,使黑启动过程储能各时刻SOC维持在中间值附近,降低因风电场输出功率与火电厂辅机负荷差值较大而产生储能过充电、过放电现象。

1) 风电场出力优化。对于风电场的出力优化,通过对黑启动过程中风电场发电风机数量的控制缩减其与负荷需求之间的差值。在控制时域内,各时刻风电输出功率与黑启动负荷需求方差和最小为优化目标,其函数JW1为:

(5)

式中:M为控制时域内时间间隔。

2) 储能系统优化。在控制时域内,各时刻储能SOC与理想值方差和最小,目标函数JW2为:

(6)

式中:SOCB为储能系统荷电状态;SOCmid为储能系统荷电状态理想值。

3) 约束条件。风储发电系统与火电厂辅机负荷需求功率平衡约束:

Pload=PW+PB

(7)

风储发电系统中储能的充放电功率约束:

-PBN≤PB(t)≤PBN

(8)

式中:PBN为储能的额定功率;

储能荷电状态约束:

SOCBmin≤SOCB(t)≤SOCBmax

(9)

式中:SOCBmax和SOCBmin为储能系统SOC极限值;

风电场中风机的数量约束:

0≤NW≤NWT

(10)

式中:NWT为风电场中风电机组数量。

2.3 反馈校正

在初始阶段风储发电系统的预测出力一定会存在系统误差,不可能完全准确,因此,本文所提功率协调优化策略中的反馈校正显得尤为重要。在预测时域内的每一个采样时刻,模型预测控制均以前一时刻的实测信息对后续系统的预测输出进行校正,不断优化黑启动过程中风储发电系统预测输出功率,使系统黑启动过程中风电场出力可以持续有效跟踪火电厂负荷功率需求,储能系统SOC维持在合理范围内。

2.4 评价指标

本文以风储发电系统运行在2种不同策略下参与黑启动,评价指标如下。

风电场输出功率与火电厂辅机负荷的平均差PAD为:

(11)

式中:n为风储黑启动过程中的时间采样点数量。

风储发电系统中储能系统功率的波动程度PF为:

(12)

式中:PBmax、PBmin分别为储能系统充放电功率最大、最小值。

储能系统SOCB与理想值SOCmid的平均差SOCAD:

(13)

3 算例分析

3.1 算例条件

为了验证本文所提风储发电系统功率协调优化策略,分别让风储系统在MPC策略和基于功率预测(power forecast,PF)策略下运行,然后对仿真结果进行对比。PF策略:结合风储优化目标,通过功率预测得出风储发电系统输出功率的协调优化策略,相比于MPC策略减少了反馈校正环节。

本文算例分析数据来源于某火电厂和风电站实测数据,风电场额定容量为49.5 MW,发电风机数量为33台。所配置储能系统额定容量为5 MW/2 MWh,储能SOC上下限分别为90%和10%。以风储系统作电源启动火电厂辅机,持续时长为30 min,对于本文所提功率协调优化策略,控制时域和预测时域均为5 min,滚动优化阶段的时间尺度为1 min。

以1台300 MW火电机组为例,负荷功率见表1。

表1 火电厂辅机投入过程

3.2 算例分析

3.2.1 不同策略下风电场出力对比

黑启动过程风储发电系统运行在2种不同策略下,发电风机数量变化情况以及风电场输出功率见图1。

图1 风电输出功率与黑启动负荷功率对比

随着黑启动负荷的持续投入,火电厂辅机负荷需求不断增加,风电场输出功率不断增加。在系统的前5 min,负荷需求相对较小,风电场输出功率相对较小。当时间为5 min、10 min、15 min时,由于辅机负荷需求的增大,此时风电场要通过增加相应发电风机数量以增大输出功率,达到功率平衡的目的。当时间为25 min时,虽然系统投入新的负荷,但是由于负荷需求相对较小,且此时发电风机输出功率增大,因此发电风机数量无变化。当风储系统运行在PF策略时,由于预测存在偏差,且偏差较大时,就会导致预测时域内的发电风机数量与合理值偏差较大,例如时间为18 min、27 min等,由于发电风机实际输出功率与输出功率预测值之间误差较大,使该时刻发电风机数量增大以提高风电场输出功率。而当风储发电系统运行在MPC策略时,系统以前一时刻的实测信息对后续系统的预测输出进行校正,不断优化黑启动过程中风储发电系统预测输出功率,使风电场输出功率有效跟踪火电厂辅机负荷,对比见图2。

从图2中可以看出,随着火电厂辅机负荷的不断增加,风电场中发电风机的数量也不断增加,以提高黑启动过程中风电场输出功率,如0 ～ 15 min,火电厂辅机负荷增加量较大,系统通过增加风电场中发电风机数量的方式增大输出功率,保证给黑启动负荷提供充足的功率。由于风电功率预测会存在预测误差,系统运行在PF策略时,一旦风电实际输出功率与预测功率之间误差较大,就会使系统预测得到的发电风机数量与风机合理值相差较大,例如在时间为19 min、27 min、28 min和29 min等。而对于MPC策略,系统可以通过前一时刻的实际出力值优化后续的风电场出力,使风电场输出功率可以有效跟踪火电厂辅机负荷。

3.2.2 不同策略下储能SOC对比

储能系统在黑启动过程中的作用是弥补风电场功率与火电厂辅机负荷功率之间的差值,MPC策略与PF策略下储能系统的充放电功率对比见图3。

图3 2种策略下储能系统充放电功率

从图3中可以看出,对于2种不同策略,储能的输出功率明显不同。运行在MPC策略时,由于风电场出力在黑启动过程中可以有效跟踪火电厂辅机负荷,使风电输出功率与火电厂辅机负荷需求之间的差额减少,进而使储能系统的充放电功率减小,即降低了储能系统的充放电深度。所以2种不同策略下的储能系统在整个黑启动过程的累计充放电电量不同,MPC策略下储能系统在整个黑启动过程的累计充电电量明显小于PF策略下的储能充电电量。不同策略下储能SOC对比见图4。

图4 2种策略储能系统SOC变化

由结果可以看出,通过增加或减少风电场中参与黑启动过程的发电风机数量的方式控制其输出功率,使风电场输出功率有效跟踪火电厂辅机负荷。由于风电功率预测会存在误差,出现风电功率预测值与实际功率输出值偏差较大的情况,直接影响系统参与预测的黑启动发电风机数量,风储系统运行在PF策略,例如时间为18 min、27 min时,该时刻发电风机预测功率较小,系统通过增加风机数量增大风电功率。而实际风机功率超出预测值,使风电场输出功率远超出负荷需求,所以使储能充放电功率增大,而MPC策略有效避免了这种情况的发生。

算例结果对比见表2,其中ΔSOC为储能充放电深度。从表2中可以看出,风储黑启动过程中,风储发电系统运行在本文所提协调优化策略情况下的储能系统功率波动程度、最大充放电功率相对于PF策略下均减小了。风储系统运行在本文所提策略时,由于滚动优化和反馈校正过程的存在,使风电功率预测误差带来的影响降低,风电场对火电厂辅机负荷的跟随性增强,储能的输出功率减小。

表2 算例结果对比

4 结论

对于风储发电系统在黑启动时段火电厂辅机的功率协调问题,本文提出了一种基于MPC控制的功率协调优化策略,可以使风电场输出功率有效跟踪火电厂辅机负荷,降低储能系统的充放电深度,结论如下。

1) 针对风储系统作黑启动电源设计了风储发电系统控制方式,以降低储能系统充放电深度为目标,设计了风储系统协调优化策略,维持黑启动过程的源荷功率平衡,同时储能SOC维持在合理水平。

2) 基于风储发电系统结构特点,提出了风电场出力方式,即通过控制风机数量控制输出功率,使风电场出力有效跟踪火电厂辅机负荷,为火电厂辅机负荷提供充足功率。

3) 建立风储发电系统的输出功率预测模型,在黑启动过程中,系统在预测时域内预测风储系统的功率,并以风电场输出功率和储能SOC为优化目标,对风储输出功率进行滚动优化,有效解决由于预测功率存在的误差而对系统产生的影响。