考虑线损和功率偏差损伤的风电场有功功率分配策略研究

颜云松, 陈汹, 唐冠军, 许士光

(国电南瑞科技股份有限公司,江苏 南京 211106)

0 引 言

随着我国“双碳”目标的提出,以风电为代表的清洁能源已成为我国能源的主要发展战略［1］。然而,风电接入对电网安全运行带来挑战,且现有的风电消纳水平失配导致严重的弃风限电现象［2-4］。随着《新能源场站全景监控通用技术规范》的出台,在风电机组源端开展实时监控为风电场机组精细化控制提供了技术保障。此外,降低风电场运行损伤、延长机组运行寿命同样成为当前风电场优化控制研究热点之一［5］。

当前对风电场的研究主要包括风电功率预测、优化调度、集群控制和机组健康状态评价等［6-8］。文献［9］建立了一种结合分形理论和灰色理论的风电短期功率预测模型,利用真实数据对模型进行预测并与实际值做出对比分析,结果表明该方法有较高的预测精度。文献［10］提出一种考虑机组排序控制的风电集群有功控制方法,该方法在提高风电消纳量的基础上减少了风机调控次数。文献［11］采用风电机组功率曲线来衡量机组的健康状态,并结合功率曲线实现风电机组异常状态辨识。文献［12］以风电机组预估输出功率和当前风速为基础构建Copula模型对风电机组健康状态进行评价。但上述研究均未考虑到同一个风电场内不同的风电机组所处的风速环境和运行条件,亦未考虑到风电场有功功率传输线路损耗会对风电场对调度中心的需求响应造成误差,且未考虑到风电机组实际出力与预测输出功率之间的偏差对风电机组运行健康带来的影响。

针对上述问题本文改进了现有的风电场的有功功率分配方法,提出一种基于考虑预测风速的模糊C均值聚类算法的风电场有功功率优化分配策略。首先进行风速预测,通过模糊C均值聚类算法将风电场中的风电机组进行分类。在预测风速的基础上对风电机组的有功功率出力进行预测,并引入了风电机组健康维持度指标对机组运行状态进行评价。以风电场有功功率线路损耗最小和机组偏差损伤最小为目标进行双目标优化调度建模,并用改进的非劣排序遗传(nondominated sorting genetic algorithm-Ⅱ, NSGA-Ⅱ)算法对该双目标模型进行优化求解,对不同类别机组进行有功功率优化分配。最后通过算例分析对所提出方法进行了验证。

1 风电机组模糊C均值聚类

得到预测风速后,对模糊聚类数据进行预处理,分别提取风电机组的当前风速、预测风速和机组输出功率的平均值和均方根差值作为特征值。其中当前风速的平均值与均方根差值计算公式如下:

(1)

(2)

式中:vmean(i)为第i台机组的当前平均风速;vRMSE(i)为第i台机组的风速均方根差值;j为正整数;n为机组数量。预测风速和机组输出功率的求值计算同上。

将所有参数进行归一化后,得到风电机组的当前风速、预测风速和机组输出功率的特征矩阵为:

(3)

将得到的特征矩阵作为模糊C均值聚类算法的输入,根据分类数目的选择,便可将风电机组分为特征值相似的若干类。通过先确定所有类别的聚类中心,进一步计算得出所有样本对于各类别中心的隶属度,再给每个样本分配所属类别的隶属度函数,最后根据隶属度大小对样本进行分类。

2 考虑机组偏差损伤的有功功率分配

为了评价风电机组运行出力状态,引入有功偏差Δp。通过衡量风电机组实际有功出力与机组预测有功功率出力之间的偏差对风电机组健康状态带来的损伤,引入机组运行偏差损伤D。为了量化机组的有功偏差,将n个风电机组的预测有功功率平均值与实际有功功率平均值pmean进行比较。当两者的偏差绝对值Δp大于pmean的50%时,机组为C级机组;当两者偏差绝对值Δp处于25%～50%之间时,机组为B级机组,其余机组为A级机组。其中,A级机组运行状态最优,C级机组运行状态最差,且三种等级机组的损伤偏差度分别取0、3、6。

本文以风电场有功功率传输线路损耗最小和以风电机组总功率偏差损伤最小为优化目标构建双目标优化。其中,以有功功率线路损耗最小为优化目标进行风电场有功功率分配的目标函数为:

(4)

式中:Pi(t)为t时刻机组i的实际有功功率;Ui为机组i高压侧电压;Ritotal为机组i所在类机组与开关柜联络线的总电阻。以风电场机组总偏差损伤度最小为目标进行风电场有功功率优化的目标函数为:

(5)

式中:Pimax(t)为机组i在t时段有功功率分配最大出力;Di为机组i的偏差损伤度。

为了使风电场所有机组能安全稳定运行,需对所建立优化模型设定约束。其中,有功平衡约束、出力约束和启停约束计算如式(6)～式(8)所示。

Pcmd(t)=P1(t)+P2(t)+…+Pn(t)

(6)

(7)

Pst min

(8)

式中:Pcmd(t)为t时段的风电场调度出力要求;Pi min为机组i的出力下限;Pst min为避免机组i频繁启停所设置的不切机前提下的最小出力。

3 算例分析

以我国某风电场数据为例对所提方法进行验证。该风电场总容量为25 MW,安装10台单机容量为2.5 MW的风电机组。将10台风机分为3个机群,每个机群连接1根母线。3个机群相距35 kV开关柜的距离分别为6.1 km、4.6 km和2.8 km。连接导线型号为LGJ-120/25,阻抗为0.392 Ω/km。

图1为该风电场10台机组60 s的实际测量风速数据曲线,由下到上分别为1到10号机组。结合本文所提方法将10台机组分为三类,分类结果如表1所示。所得到每类机组的平均输出功率和功率均方差根值平均值,结果如表2所示。再根据有功偏差量对所有风电机组进行等级划分,结果如表3所示。

表1 机组分类结果机组类别机组编号数目第一类1,2,33第二类4,5,6,74第三类8,9,103表2 机组功率平均值机组类别Pmean0-1PRMSE0-1第一类0.585 40.203 5第二类0.845 80.136 7第三类0.915 50.066 6

表3 机组有功偏差量

图1 风电场机组风速曲线

本文采用NSGA-Ⅱ算法对双目标模型进行求解。假设整个风电场的调度曲线如图2所示,通过计算得到所建立双目标优化模型的帕累托解集,从所得帕累托解集中选取最优折衷解与传统分配方法结果进行对比,最优折衷解下的机组群有功功率出力如图3所示,所提有功功率分配策略的线损与传统分配方法线损对比结果如表4所列。表4中:Ploss1、Ploss2分别为传统按比例分配和按本文策略分配的线损。

表4 折衷解下的线损对比关系

图2 风电场调度需求

图3 各机组群有功功率出力

从仿真结果可以看出,风电场有功线损较传统功率分配方法降低了约11.52%,机组的偏差损伤度降低了约4.67%,验证了本文所提有功功率优化分配策略的有效性,为风电场的运行提供了的指导依据。

4 结束语

本文提出的基于风速预测模糊C聚类算法的风电场有功功率优化调度策略,能更好地根据风电机组所处的实际风速环境进行调度指令和有功功率分配,使风电场内风资源分配不均时各风电机组出力更合理。同时以风电场有功线损和机组有功出力偏差损伤最小为优化目标进行双目标优化分配策略研究,一定程度上降低了风电机场的运行维护成本,提高了风电场运行的经济性。本文所提的风电场有功功率分配策略对风电场有功功率分配和精细化控制具有显著的指导意义。