汪巖佳,趙志剛,萬 杰,3,任國瑞,王 瑋,于繼來,3
(1.哈爾濱工業大學 電氣工程及自動化學院,黑龍江 哈爾濱 150000;2.吉林龍源風力發電有限公司,吉林 長春 131500;3.哈爾濱工業大學電氣工程博士后流動站,黑龍江 哈爾濱 150000;4.新能源電力系統國家重點實驗室(華北電力大學),北京 102206)
當前,我國的可再生能源發展十分迅猛,國家能源局統計數字顯示:2018年風電裝機和光伏發電裝機同比增長12.4%和34%。然而,在全國風電實現棄電量和棄風率“雙降”的同時,新疆、甘肅、內蒙古三地的棄風率卻仍然高達23%、19%、10%。造成上述棄風問題的主要原因之一就是:風電具有強不確定性。其中,長時間極端氣象引發的功率爬坡事件是風電不確定性的一個重要表現[1-2]。大規模風電爬坡會對電網的安全穩定、調度規劃和實時控制造成重大影響和危害[3-4],如2008年發生在美國德克薩斯風電場的功率爬坡事件。因此,其長期以來都是風電領域的研究重點之一,美國ANL國家實驗室還專門對風電爬坡事件撰寫了一份研究報告,最新的爬坡事件預測研究探討了半監督學習方法的應用[5]。因此,需要利用合理的風電爬坡事件的綜合定義與識別方法,為電網有效控制提供豐富的決策參考信息[6-7]。
目前,針對風電爬坡事件定義與識別的研究較多且較為深入。一般,定義方法可概括為4 種,重點考慮3個關鍵因素:爬坡方向、持續時間及爬坡的幅度[8]。文獻[8]指出:現有4 種定義方法的關鍵和相同之處是風電功率變化時間間隔和閾值的選取,影響到爬坡事件的有效識別。然而,爬坡定義和標準受實際多種因素約束難以將其統一。針對功率爬坡事件預測,文獻[9] 提出了一種具有分布魯棒性保證的爬坡事件概率估計的不確定性量化模型;文獻[10]提出了一種基于典型事件聚類的識別策略。但是,傳統的爬坡事件識別方法大多只考慮了源側的風電場輸出功率信息,綜合考慮電網側和負荷側信息的研究相對較少[8]。文獻[11]指出可再生能源與負荷出現相反方向的爬坡事件會對電網產生更嚴重的影響,未來的爬坡事件研究,不僅需要在預報時引入數值預報信息[12],還需要在定義與識別時引入負荷側等更多信息。因此,如何全面的結合源側、網側及負荷側的更多信息對風電爬坡進行綜合定義和識別,是一個需要繼續研究的問題。
本文在利用源側風電場輸出功率曲線與對應的電網負荷側曲線獲取的相對風電功率曲線上定義爬坡事件,并根據電網頻率變化的允許值設定用以識別爬坡事件的判斷閾值;最后,通過對風電功率曲線的定義進行了初步延伸,從而提出了一種結合廣義源-網-荷信息的風電爬坡事件綜合識別方法。
對電網的可靠運行、調度規劃和實時控制三方面會造成重大影響和危害的風電功率變化,是風電爬坡事件進行定義時需要考慮的關鍵因素。然而,當風電變化趨勢與電網負荷需求一致的時候,即便較大的風電場輸出功率變化對電網也是有利;當風電場輸出功率變化趨勢與電網負荷需求相反的時候,即便是較小的風電場輸出功率對電網也是有害的。因此,若在風電場/群的輸出功率(以下都簡稱為“風電功率”)陡增時,負荷曲線也出現同樣的陡增現象。這時,雖然風電場功率增大,但是負荷需求量也增加,電網的有功功率仍然保持平衡;因此,這種風電爬坡是不會對電網產生影響。但僅從風電場功率來描述,風電的這種大功率變化情況是會被定義為爬坡事件的。所以,在描述爬坡事件時,應根據風電的正反調峰特性同時考慮場-網兩側的功率曲線變化情況,與文獻[8]所提出的研究展望是一致的。因此,本文利用相對風電功率曲線來定義爬坡事件。
設風電場輸出功率曲線的時間序列為P(t),區域總負荷曲線為Q(t),風力發電所對應的部分負荷功率曲線的時間序列為q(t),定義相對風電功率曲線的時間序列為P′(t),則
P′(t)=P(t)-q(t)
(1)
式中,q(t)=n%Q(t),n%為風電場額定輸出功率在區域電網所有發電中的占比。
爬坡定義的一個重要表征量是風場輸出功率的變化值(即幅度變化),其表示在一個時間段內的風電功率變化情況。若某段時間出現風電爬坡事件,相對風電功率陡升或陡降,首末兩時刻的功率差值較大;不發生爬坡事件時,相對風電功率曲線平穩,首末兩時刻的功率差值較小。因此,本文用t到t+Δt時間段的首末時刻的相對風電功率值的變化量來定義爬坡事件
|P′(t+Δt)-P′(t)|>Pval
(2)
式中P′(t)與P′(t+Δt)——t和t+Δt的相對風電功率值;
Pval——相對風電爬坡閾值;
風電爬坡時,相對風電功率P′(t)與P′(t+Δt)的差值會變大(陡變);當差值大于閾值Pval時,認為發生了爬坡事件。而當相對風電功率穩定,不發生爬坡事件時,P′(t)與P′(t+Δt)的差值小于閾值Pval。
如圖1所示,為風電場某一時段1內的輸出總功率及其對應負荷情況。此時,風電場輸出功率陡升,而負荷側功率平穩,則電網中的有功功率不再平衡,需要其它形式的發電來參與調節。因此,僅從風電場側輸出功率信息,將該情況判定為爬坡事件是合理的。

圖1 時段1的風電場輸出功率及對應負荷情況
如圖2所示,風電場某一時段2的輸出功率及對應電網負荷情況。此時,電網負荷曲線有較大變化,與風電場輸出功率的變化趨勢一致,如果兩者在一定時段內剛好大小相同或者相差無幾、可以滿足電網功率平衡需求,則此時的爬坡事件不會對電網穩定運行產生影響。所以,此種情況發生時,風電場輸出功率雖然有大的波動,但也不算做對電網有影響的爬坡事件。在這種情況下,除非風電場功率的大幅變化已經超過了一定范圍,否則僅從風電場側描述爬坡事件是不合理的,而利用相對風電功率曲線來判定風電爬坡事件更加合理。

圖2 時段2的風電場輸出功率及對應負荷情況
圖3為風電場某一時段3內的輸出功率及對應負荷情況。此時,風電場輸出功率較為平穩,但是負荷側功率曲線出現明顯的陡升;雖然,電網有功功率出現不平衡,會對電網的穩定運行產生影響;但是,由于這種影響并不是由風電場輸出功率變化引起的,所以在本文中被判定為非爬坡事件。因此,在這種情況下,需要結合風電場輸出功率曲線,輔助相對風電功率曲線來做出最終的判定。

圖3 時段3的風電場輸出功率及對應負荷情況
如圖4所示,為風電場某一時段4內的輸出功率及對應負荷情況。雖然風電場輸出功率發生的變化不大,但由于此時的負荷側功率曲線也出現一定變化;單獨一個變化,可能不足以導致電網功率出現較大波動,但兩者同時出現則可能引起較大網側擾動。因此,該情況下使用相對風電功率曲線來判定爬坡事件更合理一些。

圖4 時段4的風電場輸出功率及對應負荷情況
根據上述分析四種情景的分析可知:在相對風電功率曲線上定義和識別爬坡事件要更加合理。
對閾值定義方法有很多種,目前研究中使用較多的都是直接選取總裝機容量的百分比來設置閾值,但是這種閾值設定方法沒有明確的定義,都是直接根據經驗值得出。在爬坡事件發生時,有功功率的不平衡一定會對電網的頻率產生相應的影響,由此本文根據電網頻率變化的允許值,提出了一種能夠適用于各類風電場的一種閾值定義方法。
在電力系統中,頻率與功率之間的變化主要與電力系統的一次調頻和二次調頻有關,但二次調頻與一次調頻相比,對于頻率的影響較小,基本可以忽略,因此本文僅考慮電力系統的一次調頻,在一次調頻的過程中電力系統的有功功率的變化量與頻率的變化量之間的關系為
kσ=-Δf(%)/ΔP(%)
(3)
式中 Δf(%)——電網頻率變化的百分數;
ΔP(%)——調頻機組有功功率變化百分數;
kσ——調差系數。
進一步,可得到
ΔP(%)=-Δf(%)/kσ
(4)
設P額為電網總裝機容量,風電場占總裝機容量的n%,根據國家供電營業規則規定,電網總裝機容量在300萬kW以上的供電頻率允許偏差為0.2 Hz;電網總裝機容量在300萬kW以下的供電頻率允許偏差為0.5 Hz;而調差系數kσ一般為4%~6%,我國電網頻率要求為50 Hz,則相對風電爬坡閾值可設為
Pval=α×(P額×n%)/(50×4%)
(5)
當選取樣本大于300萬kWh,α=0.2;當選取樣本的裝機容量小于300萬kWh,α=0.5。
當|P′(t+Δt)-P′(t)|>Pval時,即為相對風電功率出現對電力系統有影響的電力爬坡事件。
為了表明該方法的有效性,利用文獻中典型經驗值選取閾值方法進行對比驗證。本文選取兩個風電場的數據進行閾值選取情況分析,設功率瞬時最大值為額定功率,由于選取的兩個風電場的容量均大于300萬kW,因此α=0.2。根據公式(5)可以得到兩個風電場閾值選取情況如表1所示。用得到的閾值對原始數據點進行劃分,得出發生爬坡事件的樣本量與非爬坡事件的樣本量所占比例,結果如圖5所示;利用考慮頻率的閾值量化選取后,兩個風電場中爬坡事件的樣本點占總量的16.4%和14.2%,這與文獻[13]的結果是相符的。

表1 兩個風電場的閾值選取情況

圖5 經閾值劃分后的爬坡事件占比情況
此外,結合相對風電功率曲線利用該網頻閾值來判定爬坡事件的方法,會更多地受系統運行方式的變化而自適應性變化。盡管裝機短時間內不會變化,但系統負荷、風電運行滲透水平,是不斷變化的。如圖1~圖4所示,同樣的風電功率變化,在某些運行方式下可被判為爬坡;而在其他運行方式下,則有可能被判斷成非爬坡事件。是否發生爬坡,要決定于風電、負荷及網頻等條件。因此,對于現有爬坡定義方法,本文提出的利用考慮電網頻率作為閾值的量化選取策略不僅合理可行,而且可進一步體現不斷變化的電網運行方式。
利用相對風電功率曲線上定義風電爬坡事件方法,通過基于網頻的方法量化選取閾值,可以得到結合源-網-荷信息的風電爬坡事件識別方法如公式(6)所示
|P′(t+Δt)-P′(t)|>Pval
(6)
式中Pval——基于網頻的方法選取的閾值;
P′(t)——相對風電功率曲線的時間序列。
由于Pval的選取主要考慮了電網的頻率,而電網中頻率受到電網中全部發電機組與負荷的影響,因此P′(t)如公式(7)所示
P′(t)=P(t)-q(t)
(7)
其中P(t)可以延伸定義為電網中全部新能源電場輸出功率曲線的時間序列,而q(t)為區域電網中全部負荷曲線的時間序列。
通過公式(7),可以將電網中源側各類型新能源出力與負荷側功率綜合考慮,通過利用網頻的閾值量化選取,考慮了電網信息,由此實現了結合源-網-荷信息的風電爬坡事件綜合識別方法。該方法從電網整體運行的角度出發,對實際調度運行具有重要意義。
本文針對結合源-網-荷信息的風電爬坡事件綜合識別方法進行了研究,結論如下:
(1)提出了相對風電功率曲線的定義及獲取方法,在相對風電功率曲線上定義風電爬坡事件;通過負荷曲線將網側和負荷側信息予以考慮,進而使得爬坡定義考慮了風電的正反調峰特性,并給出了基于實際電網負荷及風電場數據的相應分析;
(2)結合電網頻率來確定風電爬坡事件的閾值,并給出了不同電網容量的量化選取方法,利用實際風電場數據論證了其合理性;
(3)提出了結合源-網-荷信息的爬坡事件綜合識別方法,并將源側定義從單一風電側延伸為電網中全體新能源發電,從電網實際調度運行角度,提高了爬坡事件識別方法的合理性與實用性。
本文對風電場出現大規模功率爬坡事件的預警及控制有重要意義。后期,還將進一步研究風電爬坡事件的時空分布特性、精確預報等更深層次的問題。