考虑风火协同的电网低频减载在线整定策略

胡姝博，马欣彤，付 尧，冯悦新，王 欢

（1.国网辽宁省电力有限公司电力科学研究院，辽宁 沈阳 110055；2.沈阳工程学院 电力学院，辽宁 沈阳110036）

0 引言

在电力系统运行中，低频减载是保障系统稳定的最后一条防线。在构建以高比例新能源为主体的新型电力系统过程中，探索低频减载策略和参数整定方法具有非常重要的现实意义。

低频减载是确保电力系统稳定的控制手段。它通过自动减少预定负荷的方式平衡系统功率，避免系统频率下降，降低崩溃风险。为了最小化负荷切除，低频减载将切除负荷分成多轮次，根据功率缺口和频率下降速度确定每轮的切除量。由于电网的安全运行至关重要，许多学者深入研究了低频减载策略。文献[1]提出了一种基于精确负载控制的自适应频率控制的连续低频减载方案。文献[2]将系统频率响应模型和可控负荷应用于低频减载优化策略。文献[3]提出了一种将单调控制系统理论运用到低频减载分析的优化方案。文献[4]提出了一种基于频率偏移面积的低频减载整定方案。当前许多学者将智能优化算法与低频减载方案结合，从而提高低频减载方案的性能。文献[5]提出了一种通过考虑配网负荷曲线特性的诱导函数，实现算法流程的低频减载方案设计。文献[6]提出了一种基于NSGA-Ⅱ优化算法的优化低频减载方法。上述研究均是针对传统电网的低频减载策略，随着新能源接入电网的规模不断扩大，通过适当的控制手段，新能源功率也能够响应系统频率的变化，参与电网频率的调控。文献[7]提出了一种可变系数协调的频率调节方案，让风机参与电网的频率控制。文献[8]提出了一种基于当前风速的变下垂控制方法，提高了系统的一次调频响应能力。文献[9]提出了将风电虚拟惯性响应时变特性参数和一次调频响应系统模型融入低频减载过程的优化方法。文献[10]提出了一种高风电渗透率下针对新疆电网的低频减载方案。文献[11]针对风电接入电网对低频减载效能的影响制定减载策略。文献[12]提出的基于估算惯性的方法可以实时计算出新能源电网中系统功率不足的缺额，并提出了相应的自适应负荷削减方案。

以上低频减载策略的研究均是基于离线参数整定，无法适应新能源的变化。本文提出了一种考虑风火协同的电网低频减载在线整定策略，分析了不同情况下的系统频率动态，利用深度学习网络在线整定低频减载参数，并以区域电网为例进行了分析。

1 风火系统频率特性

1.1 风电调频控制策略

虽然风电机组无法对电网频率变化做出响应，但通过对风力发电机的转子侧的控制结构加以改进，增加附加控制环节即可利用自身对系统频率变化进行响应，参与电网调频。风机参与调频的控制环节分为惯性控制环节和备用功率控制环节两部分。

1.1.1惯性控制环节

将常规发电机组利用机组旋转动能维持功率输出持续的时间称为惯性时间常数，定义为

式中：E为机组旋转动能；S为视在功率；J为转子的转动惯量；ωS为额定角速度。

为了充分发挥双馈风电机组的快速性，使其能够快速提供有功支撑响应电网频率的变化，本文增加了惯性频率控制环节，如图1所示。该控制环节以电网频率变化率df/dt和频率偏差Δf为输入变量，一旦df/dt超出死区，风机将迅速吸收或释放转子动能从而改变风机的有功出力，达到参与一次调频的目的。

图1 双馈风电机组惯性控制Fig.1 Inertia control of doubly-fed wind turbine

该频率控制可用数学方程表示为

式中：PJref为惯性响应有功指令；Pfref为频率响应有功指令；KJ，Kf分别为频率变化率系数、频率偏差的比例系数。

1.1.2备用功率控制环节

目前，风机备用功率控制的实际应用主要分为两类，一类是通过改变风机的桨距角进而调节功率因数，使风电机组有备用有功功率，如图2所示；另一类是在风电机组运行时不断改变转子运行转速、运行位置，以实现减载运行。而现阶段，很多研究认为将超速减载控制和桨距角减载控制相结合，可以更好地实现风机在不同风速区域下的减载运行。

图2 备用功率控制Fig.2 Standby power control

超速减载主要运行在中风速区域，并通过发电机转子侧的频率响应控制环节控制发电机的输出频率，而桨距角控制主要运行在高风速区域。当系统频率出现偏差时，可以将该偏差送入PI控制器中，改变桨距角的最终值，从而调节DFIG的输出有功，实现频率调节。

综上所述，通过惯性控制和备用功率控制的配合，从而实现在不同风况下双馈风机参与电网调频。

1.2 风火系统频率特性分析

当大量火电机组被风电机组替代，风电占比不断提升，导致电网的总体惯性进一步降低。此时若系统发生大规模功率缺额，电网频率的波动会更剧烈，对系统紧急状况下控制措施的要求会更加严格。通过在ADPSS中搭建相应的模型，得到不同风火比条件下系统频率的变化趋势，结果如图3所示。

图3 不同风火比时有无风电调频的系统频率变化Fig.3 Under different wind-thermal ratios,the system frequency changes with or without wind power frequency modulation

通过对图3所示结果进行分析可知：当风电未参与调频时，在功率缺额相同的情况下，风火比越高的电网中调频效果越差；但当风电参与调频时，系统的频率特性发生变化，参与调频的系统相较于未参与调频的系统频率下降速度明显变慢，且在功率缺额程度相同的情况下，随着风火比的不断提高，系统的调频效果明显变好，低频减载后系统的稳态恢复频率也不断提高。不同风火比系统的调频幅度的变化趋势如图4所示。

图4 不同风火比时有无风电调频的系统频率变化趋势Fig.4 Under different wind-thermal ratios,the system frequency changes with or without wind power frequency modulation

综上所述，风电可以参与电网调频，但在风电机组所占比例较高的电力系统中，传统的低频减载方案的适用性会减弱，故应调整减载方案以适应电网风电占比不断增加的情况。不同的风机容量、风火占比以及系统容量均会对系统调频产生影响，故在制定新的减载计划时应将这些影响因素考虑在内，使低频减载更具有合理性。

2 风火系统低频减载策略

在风电和火电组成的电力系统中，在某一个风电和火电发电容量配比确定的模式下，低频减载策略的参数整定可以表述为低频减载控制策略中控制向量u的优化问题。

式中：k为动作总轮数；ΔPk，fts（k）分别为第k轮切负荷量、启动频率；td（k）为第k轮的动作延时。

低频减载方案评价主要从两个方面进行，一是对于某一功率缺额实际启用轮次的负荷减载量，二是低频减载后系统的稳态恢复频率。将低频减载的目标函数设定为

式中：ΔPj为第j轮切负荷量；k为切负荷轮数；Pi，j（f）为惩罚函数，避免当第i个故障在减负荷后出现过切或欠切。

约束条件如下：

式中：fts_min，fts_max分别为当代适应度函数值最小值、最大值；Δfj为频率变化量；Pm0为系统的额定有功负荷；ΔPj为第j轮减载量；td（j）为第j轮动作延时。

该优化模型是以低频减载中的每轮切负荷量为目标函数，优化思路是在单一方式下（风火比与系统容量不变）各轮切负荷量之和最小的组合方案，使其能满足预测场景下的相关约束（功率约束和频率约束）。但由于风电并网规模不断扩大，风火比确定模式下的优化模型不再适用于当前系统，故本文引入深度长短时记忆网络算法，在不同运行方式下实现低频减载的在线整定。

3 基于深度长短时记忆网络的在线整定模型

前文论述了风火比确定模式下低频减载策略的离线整定，但当新能源发电容量的占比发生变化时，离线的整定策略无法充分考虑由于系统电源变化而导致的频率响应特性变化。本文引入长短时记忆网络（LSTM），通过风火系统离线减载策略的多次计算，获得不同风火运行方式的低频减载整定数据，通过长短神经网络算法进行训练，实现风火系统低频减载参数的在线整定。

3.1 长短时记忆网络

传统的神经网络无法利用历史信息，导致网络冗杂，处理信息的效率不高。LSTM具备保存长时间信息的能力，这将有效解决整定数据复杂、网络冗杂造成的梯度弥散和梯度爆炸情况，从而提升处理效率。长短时记忆网络的细胞状态如图5所示。

图5 长短时记忆网络模型Fig.5 Long short term memory model

LSTM有能力向细胞状态输入或者输出不同风火运行方式的低频减载整定数据信息，使信息有选择地通过门结构来精细调控，不断改进不同数据信息的权重，使数据优化程度达到最高。LSTM首先需要确定从细胞状态中舍弃影响权重较低的干扰信息。

式中：ft为遗忘门的输出；σ为sigmoid层；Wf为权重矩阵；ht-1为上一时刻的模块输出；xt为t时输入的历史负荷值；bf为偏置。

其次确定影响权重较高的信息，例如风电机组容量、火电机组容量等存储在细胞状态中的数据信息。

式中：it为输入门；Wi为输入权重矩阵；为写入长期记忆的权重；Wc为记忆权重矩阵；bi，bc为偏置。

最后确定作为输出细胞状态的信息。

式中：ot为输出门。

3.2 算法优势

LSTM是循环神经网络的改进形式，相较于RNN算法只能使用近期信息的特点，LSTM由于具有记忆结构，具备保存长时间信息的能力，可以很好地利用历史数据，符合本文考虑风火协同的电网低频减载在线整定策略。同时LSTM还具有降低过拟合情况发生的优势，由于数据过多、网络过于复杂，过拟合成为神经网络最常见的问题，而LSTM具有“记忆”能力的同时也具备“遗忘”能力，能有效避免梯度弥散和梯度爆炸问题。

3.3 优化流程

将考虑风火协同的电网低频减载在线整定策略与深度LSTM相结合，其关键在于训练网络应对各种不同情况下的各轮次切除比例的确定，以及训练过程中参数较多、网络复杂的问题。本文提出的考虑风火协同的电网低频减载在线整定策略采用深度LSTM进行优化，流程图如图6所示。

图6 优化流程图Fig.6 Optimization flow chart

具体过程如下。

①将各种典型风火系统运行方式下的减载策略数据作为训练集，将系统运行的历史数据作为验证集与测试集。

②搭建深度LSTM网络模型，在训练集中将目标函数定义为式（4）。

以目标函数最小作为目标，通过多次迭代，在符合约束条件的情况下，提高模型的优化性能，再通过验证集和测试集检验模型的优化性能，直到测试集优化效率达到最高。

③将系统状态数据输入到经过网络训练迭代得到的最高优化效率模型中，得到各轮次的减载量。

④输出低频减载在线整定策略。

将影响风电参与调频的风火比、系统容量等重要因素数据作为系统状态数据输入到训练好的模型中，将各轮次减载比例作为输出数据。

4 仿真算例分析

4.1 参数设置

为验证本文所提优化整定策略的有效性，以我国某地区电网为例，在电力系统仿真软件ADPSS中搭建算例并进行仿真分析研究。该电网是以风电机组和火电机组为主交直流混合的电网，其中，600 MW的大型火电机组35台，300 MW的热电机组52台，1 000 MW以上的机组4台，风电机组178台。相关参数设定如下。

②风电机组：单台机组容量为2.0 MW，采用双馈式感应机组，使用双质块模型，额定风速设置为11.8 m/s，通过惯性控制和备用功率控制配合，风机的运行点设置在Pbc=0.9 pu处，通过桨距角控制可提供最多10%的备用容量。

③负荷：采用40%恒阻抗和60%感应电动机的组合模型。

根据实际电网负荷调节方式，制定了5级基本保护轮，它们的动作频率分别为49.2，49.0，48.8，48.6，48.4 Hz，每个保护轮的动作延迟时间均为0.2 s。此外，还设置了一个特殊保护轮，其动作恢复频率为49.6 Hz，动作延迟时间为15 s。

试验数据清单如表1所示。以风电机组容量、火电机组容量、风火比和系统容量作为输入数据，将各轮次减载比例作为输出数据。

表1 试验数据清单Table 1 Test data list

本文选用的深度LSTM算法的主要参数如表2所示。

表2 深度LSTM算法的主要参数Table 2 The main parameters of depth LSTM algorithm

4.2 结果分析

4.2.1训练结果与分析

本文选取均方根误差（RMSE）为评判方法，其值越小，表示所选用的模型精度越高，表达式为

式中：yi和y^i分别为第i个采样点的实际减载量和预测减载量；N为测试集中样本个数。

选取750组典型风火比下减载策略实验数据作为训练集，250组历史数据作为验证集，250组历史数据作为测试集。该网络模型训练准确率如图7所示。随着迭代次数的增加，准确率不断提高，当迭代至150次时准确率开始收敛，基本稳定在0.10。

图7 模型训练准确率Fig.7 Model training accuracy

4.2.2仿真结果与分析

本文选取考虑风火协同的电网低频减载在线整定系统生成的策略作为策略一，将针对单一方式下的系统生成的低频减载方案作为策略二，进行对比分析。

①故障场景一：风火比为1∶22，损失300 MW

故障场景一如图8所示。由图8可知，两种策略均使得频率恢复至安稳水平，有效避免了系统频率事故。对比两条曲线可知，本文的策略一控制代价更小，且频率恢复效果更好。

图8 故障场景一Fig.8 Fault Scenario 1

②故障场景二：风火比为1∶15，损失600 MW

故障场景二如图9所示。由图9可知，两种策略均使得频率恢复至安稳水平。由于对照策略所针对的场景条件与场景二相似，故两条曲线十分接近，调频效果与频率恢复结果也十分相似。

图9 故障场景二Fig.9 Fault scenario 2

③故障场景三：风火比为1∶8，损失1 118 MW

故障场景三如图10所示。由图10可知，策略二因为未考虑高比例风电的接入，所以不能较好地完成低频减载，而策略一使得系统频率快速恢复至安稳水平。对比两条曲线可知，本文策略根据系统状态有针对性地改变相应轮次的减载量，能有效使得频率恢复至安稳水平，避免了系统频率事故。

图10 故障场景三Fig.10 Fault scenario 3

5 结论

为了应对电网中风电并网规模越来越大的新形势，本文分析了不同风火占比以及不同负荷水平下的系统频率动态特性。基于系统多运行方式下的离线低频减载优化计算和深度长短时记忆网络算法，提出了一种考虑风火协同的电网低频减载在线整定策略，并以区域电网为实际算例进行了验证。结果表明：风火比确定模式下，低频减载策略不适用于当前电网；本文采用的考虑风火协同的电网低频减载在线整定策略，针对不同系统运行方式制定低频减载方案，在保证稳态运行时恢复频率符合要求的前提下，可以实现减载量最低，最大程度地发挥风电机组调频能力的作用，提高系统低频减载方案的合理性，对于多源联合调频的高比例新能源电网具有较好的适用性。