淺談含風電裝機電力系統的發電調度

陳葆超+羅青青

摘 要：隨著一次能源改革的不斷深化，廣西桂林電網風電裝機總容量也不斷地擴大，大量風電接入桂林電網對電力系統控制造成一定的影響。并網限制由大風、低負荷情況引起，這強調了準確掌握風電日變化的重要性。通過機組組合-經濟調度（UC-ED）分析，從成本和排放角度來看，風電裝機在很大程度上減少了二氧化碳的絕對排放量。

關鍵詞：電力系統；負荷預測；風力發電；優化調度

引言

風力發電是一種新的可再生、分散的發電技術。這種技術現在已經成熟，并在某些國家成為最重要的發電方式之一。在大風期間，這些國家的風力發電量可達到總負荷的80%以上。由于風電的變化性，這顯然會對電力系統的控制構成挑戰。風電的高穿透率實際上就是出現電力系統運行新模式的原因。

隨著一次能源改革的不斷深化，廣西桂林電網利用地理優勢，風電的總裝機容量也不斷跟著擴大。然而，大量風力發電場陸續接入電網，對電網的調度運行也造成了一定的影響[1]。

1 風力發電

因為風是一種分散資源，所以需要用分散的風能轉換設備把它匯聚起來。這些設備經歷了長期演化，最后都歸結為目前的三葉片轉槳式風力發電機。作為固有特性，風資源可用性的地理特點也使風電場在地理上集中，通常在山區更加密集。得益于廣西桂林特有的喀斯特地貌，一般安裝在廣西桂林山區常見的風機單機裝機容量為2MW。風電場把發出功率聚集到風電場升壓站再接入35～220kV電網。

從電氣角度看，風電技術在近幾十年已從簡單的定速風力機發展為可以控制有功出力的全變速系統。定速風力機的發電機轉速受到電網頻率的強制，在多數風速下，風力機都運行在最高效率以下。而變速風力機使用電力電子變換器，使受制于風速的發電機轉速與電網頻率解耦；這使風電機組對頻率、電壓和有功、無功功率的控制，以及對性能和效率的優化更加靈活[2]。

2 短期負荷預測

電力系統的運行決策，如機組優化組合、經濟調度、自動發電控制、安全評估、維護計劃和電力商業化等，都取決于未來的負荷情況。因此，最近40年來，人們提出了集中負荷小時（或半小時）采樣，甚至日采樣（尖峰負荷）的短期負荷預測（short-term load forecasting，STLF）方法。這些處理負荷預測問題的長期經驗提供了一些實用的模型，如基于多線性回歸的模型，Box-Jenkins法，人工神經網絡（artificial neural network，ANN），模糊系統和混合模型等[3]。

在電力產業重組之后，使用非自動方法的主要困難之一是可伸縮性。集合負荷預測可以通過參數模型實現良好性能，被用來為運行規劃提供充分信息。然而，解除監管的電力市場向決策提出新的挑戰。還需要與母線負荷準確預測相關的更多信息。因此，對于為安全與經濟分析而需要同時預測的成百上千個不規則母線負荷系列來說，相應開放和維護已經超出了量身定做的參數模型力所能及的范圍。因此需要使用自動負荷預測來避免專家介入，并擴展到母線負荷層次。

3 短期風電功率預測

對于電力系統的計劃檢修來說，提前多天的風電功率預測很重要，可在預計風電充足時替代常規發電機，或維護與負荷狀態有關的輸電線路。

在可再生能源穿透容量較大的系統中，系統不確定性源于它們第二天的出力曲線可能有非常大的不確定性。盡管用于調度計劃的預測有時嘗試不使用數值天氣預報（Numerical Weather Prediction， NWP），但對于下一天來說，在功率轉換模型中考慮NWP預測的風場是至關重要的。

25年來風電功率預測得到了快速發展，從最初僅使用時間序列來預測，到使用NWP產品并進行功率轉化，再到專門的概率預測和基于此的決策支持工具。預測準確度有了明顯提高，其他預測形式，如爬坡、變化性、結冰預測等開始出現[4]。

4 風電功率預測的氣象模型

由于純時間序列模型只能預測6小時左右，在過去8～10年中，專用的天氣預報使用得到很大關注。為得到有用結果，預測尺度超過6小時，次日的風電功率預測需要有從本地區域模型（Local Area Model， LAM）或全球模型得到的風電場（有時也有其他變量）。天氣系統通過中緯度地區的速度很少超過一天幾百千米。因此，通?？梢允褂肔AM預測1～2000km范圍的未來天氣。多數情況下，LAM用全球模型的結果進行初始化，然后對一些低水平分辨率的較大外部區域進行嵌套，得到的最終區域范圍為數百千米，水平分辨率為2～5km。這類模型的實時運行往往由較大公司的IT部門負責，例如一個較小的Linux集群就能運行氣象研究和預測（Weather Research and Forecasting， WRF）模型，WRF是當前風電領域最常使用的氣象模型。這里需要注意的是，有效分辨率，即NWP模型能夠實際分辨出的特征所對應的尺度，大約是4～7個網絡點，即即使水平網絡格分辨率是2km，實際也僅能考慮10km數量級特征[5]。

5 UC-ED在含風電裝機電力系統的應用

提前制定發電機組合對于管理未來不確定條件下與運行電力系統供電負荷相關的風險是必需的。然而機組組合（unit commitment，UC）優化決定并不容易，因為必須考慮所有可能引起機組在線或停運的原因[6]。在確定機組組合之后，開始執行經濟調度（econom

ic dispatch，ED）。要使總運行成本最低，機組之間需要合理分配期望負荷，同時除了滿足需求外還能提供必要的備用容量。

目前，UC決定通常每天一次或兩次重新評估，而發電調度卻整天都在執行。當系統負荷預測合理時，原則上只在發電機（如停電）或需求發生意外重大變化時才必須進行機組組合的日內計算。如果需要把大量風電考慮在內，情況就會發生變化，因為風電變化很難預測。

電力市場的出現和風電增長使得UC-ED優化更加復雜，因為需要把更多變量和不確定性（如市場價格、風電功率預測）考慮在內。對于已有系統，理想市場考慮發電機調度時得到的結果原則上會與中心優化的情況相同。因此UC-ED與表述和求解中心優化問題高度相關。為切實探討風電并網的相關問題，UC-ED問題表述中應包含風電模型、與鄰近電力系統的互聯能力已經儲能設施。對于有些系統，還必須包含恰當的熱電聯產（combined heat and power，CHP）機組模型[7]。

6 結束語

UC-ED分析是評估大型電力系統中風電影響的重要工具。該方法恰當包含了決定電力系統成本和排放的許多因素。這對于得到合理的結果非常重要。不可否認風電裝機在很大程度上減少了二氧化碳的絕對排放量。系統運行成本也由于燃料和排放定價而減小。

參考文獻

[1]胡國偉，別朝紅，王錫凡.考慮運行可靠性的含風電電力系統優化調度[J].電工技術學報，2013，05.

[2]元博，周明，李庚銀，等.基于可靠性指標的含風電電力系統的發電和運行備用的協調調度模型[J].電網技術，2013，03.

[3]丁明，林玉娟，潘浩.考慮負荷與新能源時序特性的隨機生產模擬[J].中國電機工程學報，2016，23.

[4]彭小圣，熊磊，文勁宇，等.風電集群短期及超短期功率預測精度改進方法綜述[J].中國電機工程學報，2016，23.

[5]歐陽庭輝，查曉明，秦亮，等.中長期風電功率的多氣象變量模型組合預測方法[J].電網技術，2016，03.

[6]鄧勇.含風電場的電力系統機組優化調度研究[D].重慶大學，2014.

[7]別朝紅，胡國偉，等.考慮需求響應的含風電電力系統的優化調度[J].電力系統自動化，2014，13.