CN102075014A - 消纳风电接入的大电网实时调度方法 - Google Patents

Abstract

本发明涉及一种消纳风电接入的大电网实时调度方法，属于电力***运行和控制技术领域。该方法首先根据风电和负荷波动的特点和机组的控制特性，将全网机组分类，然后从***获得机组的日前计划、实时出力、联络线计划及数值天气预报等相关信息，进行超短期负荷预测及风电出力预测，求得下一时刻实时调度机组的出力调节量并构建弃风损失最小的有功实时调度模型，采用单纯形法求得包括风电机组的实时调度机组出力调整量，对火电机组将出力调整量直接下发，对风电机组给出下一时刻的出力最大值。本发明对风电和传统机组实施联合优化调度，超前地消除风力发电预测偏差及负荷预测偏差，在保证电网运行经济性的同时，最大限度提高电网对风电的接纳能力。

Description

消纳风电接入的大电网实时调度方法

技术领域

本发明属于电力***运行和控制技术领域，特别涉及一种消纳风电接入的大电网实时调度方法，

背景技术

传统火电机组造成的环境污染、全球气候变暖等因素的影响，使得以风电为代表的可再生能源近年来得到了较大发展。随着风电比重的不断增长，其对电网正常的调度运行造成的影响也变得越来越重要。目前电力***中将包括火电机组、水电机组及风电机组在内的所有机组称全网机组。

目前电网中一般包含几个风电场，多台风电机组组成一个风电场。由于风电存在的随机性和波动性等固有特性，传统的调度方式无法适应大规模风电接入后的电网调度控制。传统调度方主要采用日前计划加实时的自动发电控制(AGC)的模式，该调度模式主要存在以下问题：(1)由于风电日前预测结果与实际出力往往存在很大偏差，使得日前计划在执行中和实际情况之间存在很大偏差，使得有的风电场出力计划过小而造成较大的弃风损失，而有的风电场出力计划过大造成***的发电负荷偏差拉大，加重了AGC机组的负担。(2)由于AGC机组的控制能力有限，为了保证功率平衡，调度员不得不根据功率的不平衡量临时调整调度策略，工作量很大，而且此种调度模式使得***的安全性和电能质量难以保证。(3)由于风电的反调峰特性，进一步增加了AGC机组的负担，会经常出现AGC调节裕度不足的问题，影响了***的安全性和电能质量。

当前电力***中采用由各种预测算法组成的日前负荷预测***对第二日的***负荷进行预测。采用数据采集与监视控制***(SCADA)实时读取全网所有发电机的实时出力值，电网公司中的调度中心负责安排机组出力计划的部门，所有发电机组都要实时将其出力上报到调度中心，并按照调度中心给出的指令发电。

发明内容

本发明的目的是为解决大规模风电场集中接入后的有功调度控制难题，提出一种消纳风电接入的大电网实时调度方法，该方法基于预测引入以15分钟为周期超前有功控制，可降低电网运行风险，最大限度提高电网对风电的消纳能力，提高运行经济性。

本发明提出的消纳风电接入的大电网实时调度方法，其特征在于，该方法以15分钟为一个调度时段，全天分为96个调度时段，包括以下步骤：

(1)根据风电和负荷波动的特点和机组的控制特性，将全网机组分为多个计划机组、多个实时调度机组及多个自动发电控制机组三部分，所有风电机组均划为实时调度机组；计划机组跟踪日前调度计划，实时调度机组跟踪实时调度计划，自动发电控制机组负责实时平衡电网中的发电负荷不平衡量；

(2)从日前预测***读取发电机组的日前计划、联络线计划，并从数据采集与监视控制***实时读取全网所有发电机的实时出力值；

(3)从电力***的历史负荷数据库中读取历史负荷的信息，采用日周期多点外推法预测下一个调度时段的负荷值

及其增量

(4)在每一调度时段的初始时刻，对每个风电场采集数值天气预报的数据(风速、空气密度、风向、温度等)并上报调度中心，调度中心根据接收到的信息，采用基于人工神经网络的模型，通过对历史数据的训练得到风电场的输出与输入的非线性关系，并预测出下一个调度时段的第j个风电场出力值

j为正整数；

(5)下一个调度时段初始时刻的实时调度机组出力的总调节量ΔP：

$\mathrm{\ΔP}={\mathrm{\ΔP}}_D^n-{\mathrm{\ΔP}}_T^n-{\mathrm{\ΔP}}_{\mathrm{sche}}^n-{\mathrm{\ΔP}}_{\mathrm{AGC}}^n$

其中，

是超短期负荷预测值的增量、

是联络线计划的下一时刻增量、

是日前计划机组出力下一时刻增量、

是AGC机组下一时刻的出力调整量，下一时刻的AGC机组出力计划按来取，其中P_maz为机组给定的出力上限，P_min为机组给定的出力下限；

(6)计算下一个调度时段初始时刻的各个实时调度机组出力计划：

根据上一步计算得到总调节量ΔP后，根据实时调度机组的上、下调整容量，发电成本系数等综合分配给各个机组调整，建立式(a)-(d)的弃风最小的有功实时调度模型：

$\left\{\begin{array}{ccc}\min & \underset{i}{\mathrm{\Σ}}{r}_i\left|{\mathrm{\ΔP}}_i\right|\underset{j}{\mathrm{\Σ}}{w}_j{\mathrm{\ΔP}}_j^w,i\∈{N_G}^{\mathrm{rt}}& \left(a\right)\\ s.t.& \underset{i\∉N_G^{\mathrm{wind}}}{\mathrm{\Σ}}{\mathrm{\ΔP}}_i+\underset{j\∈N_G^{\mathrm{wind}}}{\mathrm{\Σ}}(P_j^{\mathrm{For}}-P_j^0-{\mathrm{\ΔP}}_j^w)=\mathrm{\ΔP}& \left(b\right)\\ & \underset{i\∉N_G^{\mathrm{wind}}}{\mathrm{\Σ}}{S}_{\mathrm{ij}}{\mathrm{\ΔP}}_i+\underset{k\∈N_G^{\mathrm{wind}}}{\mathrm{\Σ}}{S}_{\mathrm{kj}}{\mathrm{\ΔP}}_k^w\≤\stackrel{\‾}{T_j}-T_j,j\∈M_{\mathrm{tie}}& \left(c\right)\\ & \mathrm{\Δ}{\underset{\‾}{P}}_i\≤{\mathrm{\ΔP}}_i\≤\mathrm{\Δ}{\stackrel{\‾}{P}}_i,i\∈N_G^{\mathrm{rt}}& \left(d\right)\\ & {\mathrm{\ΔP}}_j^w\≥0& \end{array}\right.$

其中，r_i是传统发电机i当前的发电单位调整成本；w_j是风电场j弃风电成本，为了减少弃风，一般w_j≥100r_i；

ΔP为实时调度机组下一时刻的出力调节总量；

ΔP_i为下一时段实时调度机组i的调整量，

为全网除风电机组外的实时调度机组的个数；

是风电场j的弃风电力，它等于下一时段预测的风电出力预测值

与下一时段实时调度计划值的差值；

为风电场j的当前出力值；

S_ij发电出力对断面的灵敏度；

(c)中M_tie表示电网安全功率传输断面集合，

为断面的功率传输上限，该值从所述历史负荷数据库中读取，T_j为断面的当前传输功率，该不等式约束保证传输断面不过载；

采用单纯形法求解实时调度模型，得出实时调度机组i的调整量ΔP_i和下一个调度时段初始时刻风电场j的弃风电力

(7)将实时计划下发，对实时调度机组中的火电机组给出下一个调度时段初始时刻的调整量ΔP_i，对风电场j给出下一个调度时段初始时刻的最大计划出力值

风电场接收到最大计划出力值后，制定本风电场内的发电计划；同时，风电场将本风场场内的电气量、风机运行状态等实时传送至调度中心。

本发明的特点及有益效果

本发明针对由于风电的随机性和预测困难，提出在风电的日前计划与AGC控制之间增加实时调度控制(以15分钟为周期)，以弃风损失最小为优化目标，在超短期负荷预测及下一时刻风电预测基础上，建立有功实时调度模型，对风电和传统机组实施联合优化调度，超前地消除风力发电预测偏差及负荷预测偏差。可降低电网运行风险，最大限度提高电网对风电的消纳能力，提高运行经济性。

附图说明

图1是本发明方法的流程框图。

具体实施方式

本发明提出的消纳风电接入的大电网实时调度方法，其流程框图如图1所示，其特征在于，该方法以15分钟为一个调度时段，全天分为96个调度时段(实验表明，15分钟的风速预测结果能够较好地符合实际风速，大于15分钟误差将会变大)，包括以下步骤：

(1)机组角色划分：根据风电和负荷波动的特点和机组的控制特性，将全网机组分为多个计划机组、多个实时调度机组及多个自动发电控制(AGC)机组三部分，所有风电机组均划为实时调度机组；计划机组跟踪日前调度计划，实时调度机组跟踪实时调度计划，AGC机组负责实时平衡电网中的发电负荷不平衡量；

(2)相关数据的获取：从日前预测***读取发电机组的日前计划、联络线计划，并从数据采集与监视控制(SCADA)***实时读取全网所有发电机的实时出力值；

(3)超短期负荷预测：从电力***的历史负荷数据库中读取历史负荷的信息，采用已知的日周期多点外推法预测下一个调度时段初始时刻的负荷值

及其增量

(4)风电出力预测：在每一调度时段的初始时刻，对每个风电场采集数值天气预报的数据(风速、空气密度、风向、温度等)并上报调度中心，调度中心根据接收到的信息，采用基于已知的人工神经网络的模型，通过对已有的风电场历史出力数据的训练得到风电场的输出与输入的非线性关系，并预测出下一个调度时段初始时刻的第j个风电场出力值

在数值天气预报信息因故不能正确获取时，启动传统的基于数理统计的预测方法预测出下一个调度时段初始时刻的第j个风电场出力值

j为正整数(在数值天气预报信息因故不能正确获取时，启动传统的基于数理统计的预测方法)；

(5)计算机组的出力调节量：计算下一个调度时段初始时刻的实时调度机组出力的总调节量ΔP：

$\mathrm{\ΔP}={\mathrm{\ΔP}}_D^n-{\mathrm{\ΔP}}_T^n-{\mathrm{\ΔP}}_{\mathrm{sche}}^n-{\mathrm{\ΔP}}_{\mathrm{AGC}}^n$

其中，

是超短期负荷预测值的增量、

是联络线计划的下一时刻增量、

是日前计划机组出力下一个调度时段初始时刻增量、

是AGC机组下一个调度时段初始时刻的出力调整量，为了保证AGC机组旋转备用容量，一般下一个调度时段初始时刻的AGC机组出力计划按

来取，其中P_maz为机组给定的出力上限，P_min为机组给定的出力下限；

(6)计算下一个调度时段初始时刻的各个实时调度机组出力计划：

根据上一步计算得到总调节量ΔP后，根据实时调度机组的上、下调整容量(上调容量等于机组的出力上限减去当前时刻的出力，下调容量等于机组的当前出力减去机组出力下限)，发电成本系数综合分配给各个机组调整，建立弃风最小的有功实时调度模型(式(a)-(d))：

$\left\{\begin{array}{ccc}\min & \underset{i}{\mathrm{\Σ}}{r}_i\left|{\mathrm{\ΔP}}_i\right|\underset{j}{\mathrm{\Σ}}{w}_j{\mathrm{\ΔP}}_j^w,i\∈{N_G}^{\mathrm{rt}}& \left(a\right)\\ s.t.& \underset{i\∉N_G^{\mathrm{wind}}}{\mathrm{\Σ}}{\mathrm{\ΔP}}_i+\underset{j\∈N_G^{\mathrm{wind}}}{\mathrm{\Σ}}(P_j^{\mathrm{For}}-P_j^0-{\mathrm{\ΔP}}_j^w)=\mathrm{\ΔP}& \left(b\right)\\ & \underset{i\∉N_G^{\mathrm{wind}}}{\mathrm{\Σ}}{S}_{\mathrm{ij}}{\mathrm{\ΔP}}_i+\underset{k\∈N_G^{\mathrm{wind}}}{\mathrm{\Σ}}{S}_{\mathrm{kj}}{\mathrm{\ΔP}}_k^w\≤\stackrel{\‾}{T_j}-T_j,j\∈M_{\mathrm{tie}}& \left(c\right)\\ & \mathrm{\Δ}{\underset{\‾}{P}}_i\≤{\mathrm{\ΔP}}_i\≤\mathrm{\Δ}{\stackrel{\‾}{P}}_i,i\∈N_G^{\mathrm{rt}}& \left(d\right)\\ & {\mathrm{\ΔP}}_j^w\≥0& \end{array}\right.$

其中，r_i是传统发电机i当前的发电单位调整成本；w_j是风电场j弃风电成本，为了减少弃风，一般w_j≥100r_i；

ΔP为实时调度机组下一个调度时段初始时刻的出力调节总量；

ΔP_i为模型计算得到的下一个调度时段初始时刻实时调度机组i的调整量，

为全网实时调度机组(除风电机组外)的个数；

是风电场j的弃风电力，它等于下一个调度时段初始时刻预测的风电出力预测值与下一个调度时段初始时刻实时调度计划值

的差值；

为风电场j的当前出力值；

S_ij发电出力对断面的灵敏度；

(c)式中M_tie表示电网安全功率传输断面集合，

为断面的功率传输上限，该值从历史负荷数据库中读取，T_j为断面的当前传输功率，该不等式约束保证传输断面不过载；

采用已知的单纯形法求解有功实时调度模型(式(a)-(d))，得出实时调度机组i的调整量ΔP_i和下一个调度时段初始时刻风电场j的弃风电力

(7)计划的下发及跟踪：将步骤(6)得到的实时调度机组下一个调度时段初始时刻的出力调节量及风电场的弃风电力下发给各个电厂，对实时调度机组中的火电机组给出下一个调度时段初始时刻的调整量ΔP_i，对风电场j给出下一时刻的最大计划出力值

风电场j接收到最大计划出力值后，制定本风电场内的发电计划(可以通过改变桨距角或者启停风机的措施，进行有功控制，紧跟最大计划出力值运行)；同时，风电场将本风场场内的电气量、风机运行状态实时传送至调度中心。

Claims (1)

1.一种消纳风电接入的大电网实时调度方法，其特征在于，该方法以15分钟为一个调度时段，全天分为96个调度时段，包括以下步骤：

(1)根据风电和负荷波动的特点和机组的控制特性，将全网机组分为多个计划机组、多个实时调度机组及多个自动发电控制机组三部分，所有风电机组均划为实时调度机组；计划机组跟踪日前调度计划，实时调度机组跟踪实时调度计划，自动发电控制机组负责实时平衡电网中的发电负荷不平衡量；

(2)从日前预测***读取发电机组的日前计划、联络线计划，并从数据采集与监视控制***实时读取全网所有发电机的实时出力值；

(3)从电力***的历史负荷数据库中读取历史负荷的信息，采用日周期多点外推法预测下一个调度时段的负荷值

及其增量

(4)在每一调度时段的初始时刻，对每个风电场采集数值天气预报的数据(风速、空气密度、风向、温度等)并上报调度中心，调度中心根据接收到的信息，采用基于人工神经网络的模型，通过对历史数据的训练得到风电场的输出与输入的非线性关系，并预测出下一个调度时段的第j个风电场出力值

j为正整数；

(5)下一个调度时段初始时刻的实时调度机组出力的总调节量ΔP：

$\mathrm{\ΔP}={\mathrm{\ΔP}}_D^n-{\mathrm{\ΔP}}_T^n-{\mathrm{\ΔP}}_{\mathrm{sche}}^n-{\mathrm{\ΔP}}_{\mathrm{AGC}}^n$

其中，

是超短期负荷预测值的增量、

是联络线计划的下一时刻增量、

是日前计划机组出力下一时刻增量、

是AGC机组下一时刻的出力调整量，下一时刻的AGC机组出力计划按

来取，其中P_maz为机组给定的出力上限，P_min为机组给定的出力下限；

(6)计算下一个调度时段初始时刻的各个实时调度机组出力计划：

根据上一步计算得到总调节量ΔP后，根据实时调度机组的上、下调整容量，发电成本系数等综合分配给各个机组调整，建立式(a)-(d)的弃风最小的有功实时调度模型：

$\left\{\begin{array}{ccc}\min & \underset{i}{\mathrm{\Σ}}{r}_i\left|{\mathrm{\ΔP}}_i\right|\underset{j}{\mathrm{\Σ}}{w}_j{\mathrm{\ΔP}}_j^w,i\∈{N_G}^{\mathrm{rt}}& \left(a\right)\\ s.t.& \underset{i\∉N_G^{\mathrm{wind}}}{\mathrm{\Σ}}{\mathrm{\ΔP}}_i+\underset{j\∈N_G^{\mathrm{wind}}}{\mathrm{\Σ}}(P_j^{\mathrm{For}}-P_j^0-{\mathrm{\ΔP}}_j^w)=\mathrm{\ΔP}& \left(b\right)\\ & \underset{i\∉N_G^{\mathrm{wind}}}{\mathrm{\Σ}}{S}_{\mathrm{ij}}{\mathrm{\ΔP}}_i+\underset{k\∈N_G^{\mathrm{wind}}}{\mathrm{\Σ}}{S}_{\mathrm{kj}}{\mathrm{\ΔP}}_k^w\≤\stackrel{\‾}{T_j}-T_j,j\∈M_{\mathrm{tie}}& \left(c\right)\\ & \mathrm{\Δ}{\underset{\‾}{P}}_i\≤{\mathrm{\ΔP}}_i\≤\mathrm{\Δ}{\stackrel{\‾}{P}}_i,i\∈N_G^{\mathrm{rt}}& \left(d\right)\\ & {\mathrm{\ΔP}}_j^w\≥0& \end{array}\right.$

其中，r_i是传统发电机i当前的发电单位调整成本；w_j是风电场j弃风电成本，为了减少弃风，一般w_j≥100r_i；

ΔP为实时调度机组下一时刻的出力调节总量；

ΔP_i为下一时段实时调度机组i的调整量，

为全网除风电机组外的实时调度机组的个数；

是风电场j的弃风电力，它等于下一时段预测的风电出力预测值

与下一时段实时调度计划值

的差值；

为风电场j的当前出力值；

S_ij发电出力对断面的灵敏度；

(c)中M_tie表示电网安全功率传输断面集合，

为断面的功率传输上限，该值从所述历史负荷数据库中读取，T_j为断面的当前传输功率，该不等式约束保证传输断面不过载；

采用单纯形法求解实时调度模型，得出实时调度机组i的调整量ΔP_i和下一个调度时段初始时刻风电场j的弃风电力

(7)将实时计划下发，对实时调度机组中的火电机组给出下一个调度时段初始时刻的调整量ΔP_i，对风电场j给出下一个调度时段初始时刻的最大计划出力值

风电场接收到最大计划出力值后，制定本风电场内的发电计划；同时，风电场将本风场场内的电气量、风机运行状态等实时传送至调度中心。

Images