多源電網協調實時控制技術綜述

戴麗媛，徐泰山，汪馬翔,王昊昊，段 慧

(1.河海大學 能源與電氣學院，江蘇南京210096；2.國電南瑞科技股份有限公司，江蘇南京211106)

多源電網協調實時控制技術綜述

戴麗媛1，徐泰山2，汪馬翔2,王昊昊2，段 慧2

(1.河海大學 能源與電氣學院，江蘇南京210096；2.國電南瑞科技股份有限公司，江蘇南京211106)

在能源結構調整的大環境下，針對風電與光伏發展的現狀和特高壓交直流建設進程，討論了中國目前棄風、棄光量大的原因。結合實際電廠的AGC測試數據，總結與對比了風電、光伏、水電、火電各類電源并網的調節特性及其量化數據。在實際測試數據的基礎上分析了多源電網協調實時控制技術的可行性，探討了多源并網實時控制技術，重點闡述了風、火電分層優化控制技術；風、火、水電聯合優化調度策略；風、光、儲互補性控制策略以及計及網絡約束與電量交易計劃的實時控制方法的研究成果，展現了多源電網協調控制的優勢，為大規模風電、光伏、水電、火電協調外送系統的規劃、設計以及運行提供了技術支持，對我國新能源外送的實時控制具有借鑒和參考價值。

網架結構；調節特性；多源協調；實時控制

0 引言

據國家統計局數據顯示，2015年全國總發電量為5.618×1013kW·h，其中，火電、水電、風電、光伏累計發電量分別為4.2102×1013kW·h、9.96×1012kW·h、1.863×1012kW·h、4×1011kW·h，分別占總發電量的74.94%、17.73%、3.32%、0.712%。《2015～2030年電力工業發展展望》預計2030年火電裝機容量1.186×1010kW，發電量為4.757×1013kW·h，占總發電量的50.42%。水電裝機容量4.5×109kW，電量1.59×1013kW·h，占總發電量16.8%。風電裝機容量5×109kW，發電量1×1013kW·h，占總發電量的10.6%。光伏裝機容量為3.5×109kW，發電量為3.6×1012kW·h，占總發電量的3.816%[1]，未來清潔能源的裝機容量與發電量所占比例將不斷上升，能源結構將不斷優化。

2015年底，電網基本建成以特高壓電網為主網架、各級交直流電網協調發展的格局，各省網和各區域內跨省電網已基本實現交直流互聯。未來，中國特高壓電網繼續加速發展。在“十三五”期間將國家電網優化為西部、東部兩個特高壓同步電網，形成送、受端結構清晰，交、直流協調發展的電網格局[2]。

1 風電、光伏消納現狀

根據國家能源局數據顯示，由于目前成本與技術的原因，棄風、棄光現象嚴重[3]，2016年一季度棄風量達到1.92×1011kW·h，平均棄風率達到26%；棄光量達到1.9×1010kW·h，平均棄光率達到16.1%。特別在大量風光資源集中的西北地區，棄風、棄光現象尤為嚴重。一方面，現有的西電東送輸電通道制約了風光資源的送出；另一方面，已有的實時控制技術難以充分發揮電網對風光資源的接納能力，從而導致棄風、棄光比例較大[4]。

2 各類電源的特性分析

2.1 火電機組的調節特性

江蘇國電泰州發電有限公司“二次再熱”示范工程4號機組為國內首臺106kW超超臨界二次再熱機組，通過對其進行AGC性能測試，測得4號機組AGC平均速率為1.87×104kW/min，優于1.5%Pe/min的考核標準。負荷調節精度為2.7 kW，優于考核標準0.5%。

國電常州#2機組容量為6×105kW，在4.5～6×105kW負荷段進行AGC測試，測試結果顯示調節速率為 1.32～1.44×105kW/min，調節誤差低于0.5%的裝機容量?；痣姀SAGC各項指標的考核與測試結果如表1所示。

表1 火電廠AGC各項指標的考核標準與測試結果

2.2 水電機組的調節特性

通過南瑞公司的SSJ-3000型水電廠計算機監控系統對某水電廠安裝的5臺單機容量3.5×105kW·h的大型混流式水輪發電機組進行測試，其中調節速率的V計算公式和調節精度e的計算公式為：

V=|ΔP/ΔT|

(1)

(2)

式中：z為調節目標指令；p為實際負荷；Pn為機組額定負荷；t2為調節結束時間；T0為精度統計計算時間。

結果表明機組的調節速率為5×105kW/min，達到142.86%Pe/min，調節誤差為7.8×104kW(2.2%的裝機容量)符合并網要求[5]。

通過對銀盤水電廠4臺1.5×105kW軸流轉槳式水輪發電機組的測試，發現AGC調節速率達1.25×105kW/min(83.3%Pe/min)，AGC調節精度為3×103kW(2%Pe)，達到了華中電網兩個細則考核要求[6]。

根據《華中區域并網發電廠輔助服務管理實施細則》和《華中區域發電廠并網運行管理實施細則》的規定[7]，水電廠AGC各項指標的考核標準與測試結果如表2所示。

表2 水電廠AGC各項指標的考核標準與測試結果

2.3 風電場的預測與調節特性

2.3.1 超短期風電場出力預測精度研究

超短期風功率預測有助于優化調頻及旋轉備用容量，以及在線優化機組組合與負荷調度[8]。

(1)國內風電預測現狀

國內風電預測研究起步較晚，《風電場接入電力系統技術規定》中規定超短期風電場風電功率預測誤差不大于25%[9]。文獻[10]以高階Volterra級數時間序列預測方法為工具，結合實際風電場數據，對風電功率進行5～60 min預測，10 min風電預測偏差較小，為10.21%。國內也有有一些較好的風電預測軟件廣泛應用于工程中[11]。

(2)國外風電預測現狀

德國太陽能技術研究所開發的風電管理系統(WPMS)是目前商業化運行最為成熟的系統，該系統對于單個風電場的預測誤差大約為15%[12]。文獻[13]中通過對風電機組的SCADA數據進行分析，采用回歸型支持向量機(SVR)算法[14]，對單臺風機以及風電場的出力進行超短期預測。單臺機組預測誤差精度指標eMAE和eRMSE分別為4.2%和5.4%；考慮到風電機組的分布不同，整個電場的預測誤差精度指標eMAE和eRMSE分別為1.794%和2.483%，該預測精度遠遠高于現有的預測模型。其中：

(3)

(4)

式中：N為預測次數；Pcap為機組裝機容量；x(i)為實際出力；x′(i)為預測出力。

考慮到海上和內陸風電場的差異性，文獻[15]中以德國氣象部門提供的氣象服務數據為基礎，建立神經網絡預測模型(ANN)，對海上風電場一年的數據進行訓練，結果顯示其超短期預測誤差標準RMSE(均方根誤差)為17.07%，優于其他預測方法。

2.3.2 超短期風電場出力調節性能的研究

在國家標準委發布的《風電場接入電力系統技術規定》中要求風電場能夠響應調度部門指令自動進行有功功率調節。《風電場接入電力系統技術規定》中指出，30～150MW風電場1min有功功率變化最大限值為裝機容量10%。以下是對兩個風電場進行的測試。

青海海西110kV三峽錫鐵山風電場總裝機容量為99MW，共66臺風機，均為金風生產，額定容量為1.5×103kW，電站通過110kV峽坪線上網。經過測試測出有功功率調節上升和下降響應速度5×103kW/min(5.05% 裝機容量/min)。全站有功功率始終能夠準確跟蹤全站有功功率目標值，誤差為0.2MW(0.2%裝機容量)。結果顯示，風電場具有較好的調節速率與調節精度。風電場AGC各項指標的考核標準與測試結果如表3所示。

表3 風電場AGC各項指標的考核標準與測試結果

2.4 光伏電站的預測與調節特性

2.4.1 超短期光伏電站出力預測精度

(1)國內光伏電站預測現狀

光伏電站出力的預測對光伏并網具有重要意義，我國《光伏發電站接入電力系統技術規定》中要求光伏電站發電時段(不含出力受控時段)的超短期預測平均相對誤差小于10%，合格率應大于85%。文獻[16]基于全天空云圖，利用數字圖像處理技術提取與輻射相關的圖像特征；以大氣層外輻射、大氣質量、圖像亮度和云量作為輸入，地表輻射為輸出，構建徑向奇函數神經網絡預測模型。將預測數據通過光電轉化模塊進行轉化，得到光伏電站預測數據。結果表明采用云圖預測得到的光伏預測出力平均相對誤差可為3.115%。國內目前比較成熟的光伏預測系統有國電南瑞NSF3200光伏功率預測系統軟件和木聯能光功率預測系統，均已在多個光伏電站投入使用。

(2)國外光伏電站預測現狀

通過思想政治教育工作者組織的各種社團活動和學生集體活動可以培養學生吃苦耐勞和樂于奉獻的精神，作者認為培養學生的團隊合作意識和攻克學習難關的勇氣也非常重要，這就需要專業教師的配合。鼓勵教師指導大學生參加各類創新活動和知識競賽，制定獎勵制度對有指導學生獲獎的教師給予鼓勵，對參與教師科研的學生給予政策支持和獎勵，在學生參與學術學習和研究的過程中，經歷刻苦學習、攻克難關、收獲成果的艱辛和幸福過程中，建立團隊合作意識，培養為集體奉獻的“服務”意識同時融入育人的理念，這樣的影響方式能夠取得更好的成效，這種經歷對學生將來的工作生活都將產生巨大的正向意義。

國外預測精度普遍優于國內，文獻[17]建立了一個多層感知器的神經網絡模型(MLP)[18]來預測光伏電站的出力，分別采用普通神經網絡模型、優化神經網絡模型、隨機神經網絡模型三種預測方案。預測結果顯示其RMSE(均方根誤差)最大為8.46%，最小為4.46%。文獻[19]提出了一種人工神經網絡和小波分解法相結合的模型，首先通過對太陽輻照度和氣象變量數據進行有用信息的分離，再由人工神經網絡建立光伏電站功率預測模型對光伏電站功率在晴天、多云、陰天、下雨4種模式下進行預測。不同天氣誤差精度如表4所示。

表4 不同天氣誤差精度

結果精度高于單純的人工神經網絡模型。其中eRMSE和eMAE指標參考風電場精度計算公式，eMAPE計算公式為：

(5)

式中：n為預測次數；PM(i)為實際出力；Pf(i)為預測出力。

2.4.2 光伏電站調節特性

競峰德令哈光伏電站總裝機容量為20MW，單臺容量為5.5×102kW，通過35kV競松線上網，屬于中型光伏電站。對其進行有功功率自動調節測試，升功率與降功率響應速度為1×103kW/min(5% 裝機容量/min)，測試誤差為3×102kW(1.5% 裝機容量/min)以內，測試結果顯示該電站能夠正確響應調度下發命令，符合國家標準。

中廣核光伏電站總裝機容量為3×104kW，單臺容量為5.5×102kW，電站通過35kV廣瑄線上網，屬于中型光伏電站。測試結果得出升功率與降功率均為1×103kW/min(3.3% 裝機容量/min)，測試誤差為3×102kW(1% 裝機容量/min)以內。AGC系統能夠正確的接收調度指令，能夠迅速準確和穩定的執行調度主站的有功功率控制任務。光伏電站AGC各項指標考核要求與測試結果如表5所示。

表5 光伏電站AGC各項指標的考核要求與測試結果

3 多源并網實時控制策略

3.1 多源協調控制的可行性

多源協調的實時控制必須考慮到各種電源各自的出力特性，風電資源具有間歇性和波動性的特點[20]，光伏并網發電系統的發電量隨日光照射角度與強度的變化而變化[21]。但太陽能與風能在時間上具有很強的互補性，風光互補混合供電系統是可再生能源獨立供電系統的一種重要形式[22]，與獨立風力發電或者光伏發電相比，風光互補供電系統能使電力輸出更加可靠平穩[23]。火電廠出力具有較好的調節能力，出力平滑，能夠用來補償新能源出力的波動性，進行系統功率的平衡[24]。水資源存在豐水期和枯水期，導致其具有周期性，響應電量受水量等自然因素的影響[25]。隨著多源協調控制技術的發展，多源協調發電將比單一能源發電具有更多的經濟和環境效益，更能促進電網安全穩定運行[26]。

3.2 多源協調實時控制技術

3.2.1 風、火協調外送有功功率實時控制技術

文獻[27]以優先利用風能資源、提高電力通道利用率的原則，提出了風火“打捆”外送的有功控制策略。其目標是控制“打捆”外送斷面不超過穩定限額、減少線路功率波動、優先利用風能資源以及充分利用輸電通道。

當風速增加時，火電與風電共同進行調節，風電根據風功率預測結果和交直流外送通道的斷面裕度進行超前控制，火電根據實際運行狀況進行校正控制。風火電“打捆”外送協調控制框圖，如圖1所示。

該方案單純考慮以新能源出力最大化為目標，當新能源滲透率不斷提高，火電機組需要工作在非最佳煤耗點來消納新能源和提供備用容量，這不僅大大增加了火電機組的成本，且影響火電機組的運行壽命。所以該方案僅適合新能源占比不大的情況，隨著新能源占比增大，該方案必須隨之改進。

圖1 風火電“打捆”外送協調控制框圖

3.2.2 風、火電分層優化控制技術

文獻[28]針對中國“三北”地區風火聯運系統的特點，提出了在調度中心和源端發電單元之間建立有功優化運行層，對局部分散的風電場和火電機組進行協調控制。其目標為使系統具有響應外部調度運行指令的能力，在保障電源端系統穩定的基礎上提高風電的利用率。

風火協調層根據調度中心指令協調風電場集群和火電機組的出力。集群風電協調層根據風火協調層的控制指令，進行內部優化后將控制指令下發到各個風電場；集群風電協調層實時向風火協調層反饋一個有功控制偏差，僅控制偏差小于一定值時，才能進行下一周期的調節。通過風電場內部的優化和火電廠的配合控制，平滑整個出力的波動性，并且提升風電消納空間。風、火電分層優化控制模型如圖2所示。

圖2 風、火電分層優化控制模型

該方案適用于源端系統能夠判定風電是否能夠參與并網的能力，并且能夠在風火集群電廠中優化分配發電任務。此外，當發生外送通道越限、系統不穩定、風機故障時，能夠進行緊急控制來減少事故的危害，因此該方案對系統的控制與檢測能力具有較高的要求。

3.2.3 風、火、水電聯合優化調度策略

將風電引入水火調度系統中，針對風力發電的波動性和不穩定性，文獻[29]提出了風、火、水電聯合優化調度策略，建立了以風電上網電量最大，火電發電量最小，出力穩定，水電發電流量最小為目標的模型。

(6)

考慮了電量平衡約束、水量平衡約束、蓄水量約束、下泄流量約束、長期調度約束、水電站出力約束、風電場出力約束、火電廠出力約束、火電廠出力穩定約束與非負約束條件。模型采用權重法將多目標函數轉化成為單目標，通過罰函數法轉化為無約束條件問題，運用壓縮因子的粒子群算法進行單目標優化。該策略以風電出力最大，火電承擔基荷，平穩出力，再由水電補償剩余負荷，將風電、火電與水電調度相結合，以補償風電的不均勻性和隨機性。風、火、水聯合系統控制模型，如圖3所示。

圖3 風、火、水聯合系統控制模型

通過對算例進行優化后，風電及水電上網的電量增加，火電發電量減少；火電出力平穩，風電出力缺額增加，棄風量減少。由于需要補償風電場波動，梯級水電站出力建議曲線波動增加，因此該方案適用于具有較好調節能力的水電站，能夠響應系統調度指令，及時調整水電站出力。

3.2.4 風、光、儲互補性控制策略

為改善風光儲聯合系統輸出特性和降低儲能電站功率補償壓力，文獻[30]提出了一種在線滾動優化和有功實時控制相結合的協調優化控制方法。以總的平均功率偏差最小、儲能電站充放電次數最小和儲能電站剩余電量最大為目標函數的優化模型，來實現功率的精確跟蹤，提高儲能站的運行壽命和下一個控制時段的功率補償能力。

(1) 總平均功率偏差最小，其目標函數f1(x)

(7)

(2) 充放電次數最小，其目標函數f2(x)

minf2(x)=minNb

(8)

(3)控制時段末期剩余電量最大，其目標函數f3(x)

maxf3(x)=maxQSOC(N)

(9)

考慮了儲能電站容量和功率約束、風電場出力約束、光伏電站約束的約束條件，通過非支配排序遺傳算法求解，給出了風、光、儲分鐘級的計劃出力曲線。

有功實時控制實現風、光計劃出力微調和儲能電站實時控制，風、光計劃出力微調模塊根據實時風速和光照等信息，平衡計劃超額；儲能電站動態給出功率上限，提高了應對風/光爬坡的能力。風光儲聯合系統控制模型，如圖4所示。

圖4 風光儲聯合系統控制模型

結果表明，該控制方法使儲能電站在較低的充放電次數下，與風/光配合協調控制，提高聯合系統跟蹤計劃出力的能力。但是該控制方法為了使輸出功率較好跟蹤計劃曲線，需要加大對儲能電站的投資，因此適用于風電與光伏波動不劇烈的場景下。

3.3 計及網絡約束的新能源并網功率實時控制方法

不計及輸電網絡的拓撲結構，單純考慮多源之間協調控制以實現新能源的消納，這類方法沒有考慮到電源與負荷的分布，以及輸電通道傳輸能力的限制。在實現多種電源協調控制時，必須引入網絡約束，才能保證整個電力系統的安全穩定。

3.3.1 考慮預測調節性能和安全約束的新能源并網功率控制方法

文獻[31]提出了一種基于預測調節性能和安全約束的新能源并網控制方法，該方法以新能源電站的歷史運行信息為基礎，計算得到其預測精度和調節性能指標；并依據當前時刻新能源電站并網有功功率控制對電網安全穩定裕度變化的控制性能代價比指標的相近程度，將新能源電站分成多個電站群，從而解決按接入輸電通道的不同對新能源電站進行分群，不能真實反映電網當前時刻的暫態和動態安全穩定特性的問題。

當系統需要降低有功功率時，綜合考慮有功功率執行的下限值以及預測精度，優先降低安全穩定控制性能代價比小的新能源電站群的并網功率。當系統需要增加有功功率時，綜合考慮新能源電站的并網有功功率調控指令執行值的上限，優先增加其中預測精度和調節性能指標的綜合性能指標大的新能源電站的并網有功功率。

該控制方法在改變相同幅度出力的基礎上，保障了系統的穩定性，并且提高了新能源電站并網有功功率控制的實時性、可靠性和精度，以及新能源電站提升并網有功功率預測和控制技術裝備水平的主動性。

3.3.2 計及電量交易計劃的電廠并網有功功率實施控制方法

為應對市場化交易電量規模、主體的快速增長與變化，文獻[32]提出了一種計及電量交易計劃的發電廠并網有功功率實時控制方法。該方法在進行多源系統實時控制時分別考慮了發電廠單位發電量的經濟環保性能指標、發電廠的電量交易計劃執行率指標、發電廠的并網有功功率控制性能指標和間歇性新能源電站的并網有功功率的預測性能指標。

該優化模型考慮的約束條件包括機組的出力上下限約束，爬坡約束、計及損耗的電量平衡約束，網絡安全約束以及有功功率備用約束。以各機組出力為決策變量，采用線性規劃法求解，得到并網有功功率的調控指令執行值。該方案在滿足電量交易計劃執行的基礎上，保證單位發電量的經濟環保綜合代價最低，還能夠為發電廠提高并網有功功率控制水平和間歇性新能源電站提高并網有功功率的預測精度提供自發促進力；有功功率平衡約束中引入實時網損系數，提高了有功功率平衡的精度；在得不到最優解時，應用臨時松弛有功備用的計算策略，提高了發電廠并網有功功率實時控制決策優化的可靠性。

4 結論

風電、光伏與水電具有優于火電機組的調節速率，特別是水電，調節速率更快；但在調節精度方面遜色于傳統的火電機組。同時風電、光伏與水電出力受限于自然因素，風電與光伏的實時控制更依賴于對其出力的精準預測。雖然目前的預測技術不斷提高，但依然存在一定的誤差。多源協調實時控制技術中多以風電或光伏出力最大化為目標，為平抑其功率的波動性，需要啟停火電機組或控制儲能電池的充放電，這對系統的安全性與經濟性帶來不良影響。

為降低系統調節對火電的依賴性，且進一步加強系統對新能源的消納能力，還需要開展以下的研究。首先是針對風電與光伏出力預測技術的研究，提高預測精度；其次通過新能源電場內部與新能源電場之間的協調控制技術來穩定整體的出力，提高控制精度；同時研究廉價與高效的儲能裝置參與到系統的有功功率調節過程中；最后加快特高壓網架的建設，提高大規模新能源的跨區送出能力。

多源電網協調實時控制技術的研究，對中國西電東送工程，特別是對山西、甘肅等地區新能源電力大規模外送具有理論價值，對于其他正在建設和即將建設的新能源電站的并網控制也有借鑒意義。

[1]中國電力.2015～2030年電力工業發展展望[EB/OL].http://www.chinapower.com.cn/informationzxbg/20160106/16229.html,2016-01-06.

[2]國務院國有資產監管委員會.國家電網公司發布“十三五”電網發展規劃研究成果 [EB/OL].http://www.sasac.gov.cn/n86114/n326638/c2161123/content.html,2015-12-22.

[3]李春曦,王佳,葉學民,等.我國新能源發展現狀及前景[J].電力科學與工程,2012,28(4):1-8.

[4]武鋼.加快西部電力通道建設 西電東送緩解霧霾影響[J].國家電網,2014(3):48-50.

[5]倪宏偉,盛鍇,李正家,等.水電廠AGC控制系統性能分析及其優化應用[J].湖南電力,2016，36(1):43-45.

[6]唐亞波.提高水電廠AGC調節性能的技術措施[J].中國科技博覽,2014(14):62-62.

[7]張強,朱華林,蔣剛雪.水電站AGC與AVC聯合優化機組功率分配的思考[J].水電自動化與大壩監測, 2014, 38(1):35-38.

[8]盧鵬銘,溫步瀛,江岳文.基于多時間尺度協調機組組合的含風電系統旋轉備用優化研究[J].電力系統保護與控制,2015,43(5):94-100.

[9]GB/Z 19963-2011,風電場接入電力系統技術規定[S]．北京：中國標準出版社,2011.

[10]王松巖,李碧君,于繼來,等.風速與風電功率預測誤差概率分布的時變特性分析[J].電網技術,2013, 37(4):967-973.

[11]薛禹勝,郁琛,趙俊華,等.關于短期及超短期風電功率預測的評述[J].電力系統自動化,2015, 39(6):141-150.

[12]風電功率預測．風電功率預測系統簡介[EB/OL]．http://wenku. baidu.com/link?url=vBeYjoZF MdO3O1d7jW9OL16xF3u9ha3SKj4cl8RK9ZDcIakzMC C5Ymznh6z70MYFyMd8OkwQ7wxXrGD iEq733ND9_QGezfAuL9tS5sKp7，2014-07-17．

[13]FANG R, WANG Y, SHANG R, et al. The ultra-short term power prediction of wind farm considering operational condition of wind turbines[J]. International Journal of Hydrogen Energy, 2016, 41(35):15733-15739.

[14]AKBARI E, BUNTAT Z, ENZEVAEE A, et al. Analytical modeling and simulation of I-V characteristics in carbon nanotube based gas sensors using ANN and SVR methods[J]. Chemometrics & Intelligent Laboratory Systems, 2014, 137(10):173-180.

[15]KURT M, LANGE B. Development of short-term forecast quality for new offshore wind farms[C]// Journal of Physics Conference Series. 2014:223-231.

[16]陳志寶,丁杰,周海,等.地基云圖結合徑向基函數人工神經網絡的光伏功率超短期預測模型[J].中國電機工程學報,2015,35(3):561-567.

[17]GRADITI G, FERLITO S, ADINOLFI G. Comparison of Photovoltaic plant power production prediction methods using a large measured dataset[J]. Renewable Energy,2016,90(5):513-519.

[18]TATAR A, NASERI S, BAHADORI M, et al. Prediction of carbon dioxide solubility in ionic liquids using MLP and radial basis function (RBF) neural networks[J]. Journal of the Taiwan Institute of Chemical Engineers, 2015, 60(3):151-164.

[19]ZHU H, LI X, SUN Q, et al. A power prediction method for photovoltaic power plant based on wavelet decomposition and artificial neural networks[J]. Energies,2015,9(1):1-15.

[20]SIQUEIRA J A C, CANEPPELE F D L, SERAPHIM O J. Characteristics of hybrid systems for electricity generation and applications in wind-photovoltaic systems/ Características de Sistemas Híbridos de Gera??o de Energia Elétrica e Aplica??es em Sistemas Eólicos Fotovoltaicos[J]. Philosophy, 2014, 8(1):84-96.

[21]楊衛東,薛峰,徐泰山,等.光伏并網發電系統對電網的影響及相關需求分析[J].水電自動化與大壩監測, 2009, 33(4):35-39.

[22]何勇琪,張建成.獨立型風光互補系統中儲能容量優化研究[J].電力科學與工程,2012,28(4):9-13.

[23]李莎.風光互補獨立發電系統多目標優化設計[D].保定：華北電力大學,2012.

[24]梅柏杉,張德蘭,陳瑢.火電機組一次調頻的仿真研究[J].電力科學與工程, 2013,29(11):54-58.

[25]TU W, WANG Y, TANG Y. A numerical study on thermal-hydraulic characteristics of turbulent flow through a circular tube fitted with pipe inserts[J]. Applied Thermal Engineering,2016,101(5):413-421.

[26]段琴.風電集群有功功率智能分配策略研究[D].湘潭：湘潭大學,2012.

[27]陳振寰,陳永華,行舟,等.大型集群風電有功智能控制系統控制策略 (二)風火電“打捆”外送協調控制[J]. 電力系統自動化,2011,35(21):12-15.

[28]葉希,魯宗相,喬穎,等.風火聯運源端系統有功優化運行分層協調思路[J].電力系統自動化,2014, 38(20):1-8.

[29]楊曉萍,王文堅,薛斌,等.風、火、水電短期聯合優化調度研究[J].水力發電學報,2013,32(4):199-203.

[30]戚永志,劉玉田.風光儲聯合系統輸出功率滾動優化與實時控制[J].電工技術學報, 2014, 29(8):265-273.

[31]徐泰山,汪寧渤,馬明,等.基于預測調節性能和安全約束的新能源并網功率控制方法[P].中國專利：103762620A,2014.

[32]湯偉，王漪，于繼平，等.編制直調火力發電單元月度電能交易計劃的綜合耗量優化法[J].中國電機工程學報，2009，29(25)：64-70.

A Survey of Real Time Control Technology for Multi-source Power Grid Coordination

DAI Liyuan1, XU Taishan2, WANG Maxiang2, WANG Haohao2, DUAN Hui2

(1.School of Energy and Electrical Engineering Hohai University, Nanjing 210096, China;2.Nari Technology Development Limited Company, Nanjing 211106, China)

In the environment of energy structures adjustment, the reasons for wind and photovoltaic curtailment phenomenon are discussed according to the current situation of wind power and photovoltaic development and the current process of the ultra high voltage main grid construction. Combined with the actual test data of a power plant, the regulation characteristics and quantitative data of multiple power supply are summarized. Feasibility and reliability of the multi sources coordinated real-time control technology are analyzed based on the measured data. And then several real-time control technologies are elaborated, which include the optimization and control technology of wind and thermal power, joint optimization scheduling strategy of wind, thermal and hydropower, complementary control strategy of wind, thermal and storage, and the real-time control methods considering network constraint and power transaction scheme. The results show the advantages of multi-source coordinated control which provides technical support for the planning, design and operation of large-scale wind power, photovoltaic, hydropower and thermal power coordination system. The research in this paper has a reference value for the construction of China′s new energy power station and real-time control of new energy transmission.

grid structure；regulation characteristics；multi source coordination；real-time control

甘景福(1973-)，男，高級工程師，研究方向為變電站運行與維護。

10.3969/j.ISSN.1672-0792.2017.05.004

2016-10-31。

TM761

A

1672-0792(2017)05-0016-08