限電工況下風電場日內運行模式的經濟性研究

張 芳，謝麗蓉，王府井，晁 勤，李進衛

(1.新疆大學電氣工程學院，新疆烏魯木齊830047；2.中船重工海為(新疆)新能源有限公司，新疆烏魯木齊830002)

0 引 言

針對風力發電建設規模持續擴大、棄風限電嚴重等問題，政府發布了《關于發2017年度風電投資監測預警結果的通知》、《解決棄水棄風棄光問題實施方案》、《清潔能源消納行動計劃(2018—2020年)》政策，加大力度消納可再生能源。電網對間歇性電源的消納能力不足，又必須確保系統安全運行，電網調度部門在一些時段調控、限制風電場發電出力已成為常態；同時內蒙古、黑龍江、吉林、寧夏、甘肅、新疆(含兵團)的風電開發建設已被設置成紅色預警區域，上述地區不得核準建設新的風電項目[1-2]。目前風電產業存在兩種現狀：一種是限制風電發電出力，另一種是控制風電裝機節奏。

因此，在不能建設新的風電場項目且現有風電場運行在限電工況背景下，如何有效提高現有風電場發電和運維經濟效益已成為迫在眉睫需要解決的問題。

文獻[3]采用智能算法，通過對理論發電量與實際發電量的差值歷史數據學習訓練，獲取棄風電量日前短期預測值。文獻[4]提出以棄風電量最小與發電成本最低為綜合目標的優化方法，但指出在負荷尖峰時刻有失負荷風險；文獻[5]通過運營商對電動汽車集中調度，創立了電動汽車和風力發電進行協調調度的機組組合模型。文獻[6]基于風電出力的不確定性，研究了電動汽車與風電機組參與電力市場運營的虛擬電廠日前協同競價問題，但文中固定的EV每日入網時長在現實中很難被用戶接受。文獻[7]綜合考慮電動汽車出行受限、電池的損耗、棄風功率不確定等因素，建立了一個優化調度模型，以期達到運營商日前期望收益的最大化。

目前，為了減小棄風電量，提高風電利用，相關研究主要集中在風電-電網-電動汽車的智能優化調度[5- 8]、水-風-火發電聯動[9-10]等研究。現有研究依賴于大量設備投入、特定的地理條件、電網調度中心協調復雜，實現難度大；而在風電場與儲能匹配中，由于近年電動汽車行業的發展，動力電池將逐漸迎來退役高峰，成本將持續下降，利用儲能系統降低風電出力的波動性，提高風電入網功率更加經濟可行。然而，由于風電出力的頻繁波動，儲能系統完全跟隨風電場出力而頻繁轉化充放電狀態會對其使用壽命產生影響，因此儲能系統并不能完全跟蹤風電場出力。

相關研究很少有從風電場內部自身出發，針對棄風消納和減少運行成本的綜合研究。在現有的風電場在限電工況下，風電機組是均勻降功率運行和無差別輪流檢修。沒有針對風電機組故障嚴重程度進行健康度評估，對健康等級低的優先檢修，分散檢修不僅增加了維修成本，還導致健康程度低的風電機組更容易演變為故障狀態，增加了額外維修成本；檢修時段與棄風時段往往不匹配，導致非棄風時段檢修，損失并網發電收益，還可能造成欠發電的懲罰損失。

從風電場棄風角度來看，棄風量是由電網限電造成的，由電網限電產生的棄風是不可避免的，而風電場運行過程中停機檢修也是無法避免的。本文提出將停機檢修時段從非棄風時段移至棄風時段，增加非限電時段的發電效益，限電時段停機檢修又變相消納棄風。同時，參考風電機組健康狀態確定檢修優先級，既提高了風電機組整體安全穩定性，又節省了檢修成本。

從儲能配置來看，儲能系統響應速度快、靈活性高，為風電場配置合適的儲能裝置可以平抑風電場出力波動性，可進一步緩解“棄風”問題。因此，本文考慮引入成本低廉的退役動力電池，制定風電場發電、存儲、維護三者的“發-儲-修”一體化新模式。

1 風電場風儲檢聯合運行模式

本文提出的發儲修聯合運行模式主要包括以下步驟：

(1)評估風電機組健康狀態，并參考風電機組出力(檢修原因，檢修時長，人員數量需求)綜合效益，生成包含風電機組發電、檢修優先級在內的風電機組狀態綜合模型。

(2)風電場根據短期風電預測，綜合考慮售電價格，懲罰價格，發布日內棄風預測曲線。

(3)根據儲能系統的約束性條件，包括功率調整次數、功率方向調節，調整時間間隔，輸送電量約束，充放電效率等約束條件，構建儲能系統響應模型。

(4)風電場控制室根據風電機組狀態綜合模型、日內棄風預測曲線和儲能系統響應模型，綜合調整運行計劃，使檢修符合風電機組的健康狀態，達到檢修的效率最大化；使停機檢修時段與棄風時段相匹配，變相消納棄風；使風電場并網電能更平穩，達到經濟效益最大化。對日前調度模型進行修正，使得檢修停機時段為綜合棄風成本最低時段，并給出儲能系統充放電功率指令。

該運行模式使風電消納在風電場內部實現，提高風電入網效率以實現經濟效益優化。

2 風電場綜合運行的不確定性模型

2.1 風功率的預測區間模型

風電功率預測誤差e隨風電功率值的變化有較大的波動，因此有必要根據不同數值大小的功率區間建立相應的預測誤差分布[11]。

采用核密度估計法計算概率密度函數

(1)

式中，n為誤差樣本個數；j為誤差樣本編號；w為窗寬；K(.)為核函數；ej為第j個誤差樣本值。當采用高斯核時，核函數為

(2)

風電功率的區間預測方法步驟如下：

(1)劃分功率區間采用風電功率訓練樣本的最大值、最小值及設定的區間長度。

(2)利用核估計法計算每個功率區間上的誤差概率密度函數，得到累積分布函數F(e)。

2.2 檢修優先級的約束模型

在風電場檢修維護優先級中，綜合考慮編號下風電機的不可靠度和故障后果[12]。風電場實際運行中存在部分風電機組故障概率大。此種情況原因形成復雜，設備生產和安裝的公差、位置的自然條件等均對風電機組的故障率有影響。檢修應遵循以下基本原則：對經常出現故障機組且影響后果較大的故障類型應適當提高檢修頻率加權，以保證運行的整體穩定性最大化；對故障率低且對整體影響較小的故障類型可以適當降低檢修頻率。

所以本文對風電機組歷史故障率進行統計加權；總控室對風電機組的眾多狀態信息實時監控，不同的狀態信息與對應的故障概率相關。綜上，參考編號風電機組的歷史故障概率與狀態參數類型，形成風電機組的不可靠度評價

(3)

式中，u為故障事件；t為對應事件下的故障事件；O為狀態評估標幺化值。

故障后果評估包括設備損失、人身環境影響、系統損失、社會損失四個層次，分別對其賦予權重為Ca、Cb、Cc、Cd。

設優先級函數為S，則有

S=ΔRISK×C

(4)

為保證檢修停機工作平穩運行，基于停機時段到起動時間、連續性等要求的限制，可以歸結為下面的數學模型。

檢修連續性約束，指機組的檢修維護必須在一個給定的連續時段內完成，即

xit=1，si≤t≤si+di

(5)

xit=0，tsi+di

(6)

檢修開始時間約束

(7)

2.3 儲能系統的約束模型

為了保護儲能系統設備和保證風電場并網功率的平穩，儲能系統功率調節需要保證階躍性，且受調整次數、調整方向以及調整時間間隔等要求的限制，可以歸結為如下的數學模型。

(8)

(9)

(2)儲能出力約束為

Zi，tPi_min≤Pi，t≤zi，tPi_max

(10)

式中，zi，t為0-1變量，用來表示機組的啟停狀態，取1時開啟，取0時停止；Pi_min和Pi_max分別為儲能電池組i的出力下限和出力上限。

(3)調節次數約束。定義調度周期為T1，調度周期內直流功率調節次數上限為Nd，則需要滿足如下條件

(11)

(12)

(13)

(6)儲能充放電效率約束。目前基于傳統硅基儲能變換器單相傳輸效率約為

η1=93%

(14)

碳化硅MosFET在通態損耗、開通損耗和關斷損耗均較傳統硅基MosFET有顯著改善，近兩年碳化硅受原材料影響，價格下降明顯，逐漸被民用市場所接受。基于碳化硅儲能變換器研究開展情況，其單相傳輸效率約為

η2=98%

(15)

3 風電場綜合運行調節的優化調度模型

3.1 目標函數

(16)

其中風電機組的售電收益的計算方法為

(17)

(18)

3.2 儲能效益評估

由于磷酸鐵鋰電池電池性能衰退的影響因素眾多，包括工作時間、充放電電流、工作溫度、充放電次數、日歷壽命等。現將儲能系統衰退模型歸納為

(19)

(20)

式中，δSOC.1為儲能待機SOC值；Tst為待機時間；δSOC.av為單次循環的平均SOC值；Dcyc為充放電深度；Ncyc為特定(Dcyc，δSOC，av)的循環次數；ΔEsty、ΔEcyc分別為待機和充放電狀態下儲能系統容量衰減度。

綜合運行場景下，綜合衰退模型可歸納為

ΔE=ΔEsty+ΔEcyc

(21)

式中，ΔE為儲能系統在綜合場景下的容量衰退度。

電池儲能系統的成本Cbet

(22)

式中，b為每千瓦時電池儲能系統的成本，本文為簡化算例僅考慮當前市場上主流動力電池，對退役動力電池儲能系統假設取b=0.025萬元/(kW·h)；Wane為風電場配置的儲能系統容量。

3.3 經濟性評估

參考當地上網電價、風電的政策性補貼等因素，簡化為以下模型。電網上網電價實行分時計價，假定在高峰期(10∶00～15∶00和18∶00～21∶00)，t為0.35元/(kW·h)，平穩期(07∶00～10∶00，15∶00～18∶00和21∶00～23∶00)，t為0.33元/(kW·h)，低谷期(00∶00～07∶00和23∶00～24∶00)，t為0.15元/(kW·h)。

檢修維護成本以9∶00～18∶00為風電場正常檢修時間，無加班費。非工作時間為非正常檢修時間，綜合加班成本參考假定以20元/h計。

4 算 例

本文以新疆達坂城某風電場數據為參考，該風電場目前總裝機容量25×2 MW。根據該風電場提供的15 min級風電場信息，在python環境下對機組模型進行分析。

以2016年7月～2017年6月取得的風電場風速信息、風功率預測信息、實際并網出力、該日檢修維護停機記錄信息，得到典型日特征；引入儲能系統，進行充放電調配，通過預測信息生成檢修計劃，將停機檢修時段從發電時段調配至棄風限電時段，從而實現變相消納棄風。為了驗證本文所提出的模型的，取得在不考慮風電場內儲能及檢修時間調配系統接入的情況下的真實出力，以及優化得到的系統出力對比如圖1所示。

圖1 考慮儲能及檢修時間調配的風電場出力曲線

如圖1所示，在儲能系統的時段選擇中，以儲能系統啟停成本和日狀態轉換次數的限制，儲能充電時段主要集中在0∶00～7∶00、23∶00～24∶00，放電時段集中在15∶00～22∶00的負荷高峰時段，以實現更大的系統出力。儲能系統充、放電功率如圖2所示，考慮儲能系統的約束條件，以及儲能成本。

圖2 儲能系統充放電功率

圖3 停機檢修變相消納棄風電量

通過評估棄風時段、同時考慮工人工作時間、加班成本、分時段上網電價等因素，對停機檢修維護時段進行匹配，如圖3所示，變相消納棄風電量約1 710 kW·h。

在考慮系統內接入儲能系統和檢修調度的情況下，通過對系統內的發電收益、人工加班成本、儲能成本計算，得到原系統和儲能及檢修時間調配系統的第一年多增綜合效益對比，如表1所示。

表1 首年綜合效益變化對比 萬元

由于引入儲能系統的費用，首年效益為5 571.7萬元，低于原系統6 225萬元。由表2可以看出，考慮儲能及檢修時間調配系統在前二年收益超出原系統255.4萬元，并在前三年綜合效益中超出并達到1 164.3萬元。考慮商用市場退役動力電池逐步達到高峰，退役電池成本將持續降低，會使系統效益進一步提高。

表2 第1～3年綜合效益變化對比 萬元

5 結 論

提出了一種風電場發電、存儲、維護三者的“發-儲-修”一體化新模式，以新疆地區某風電場風電場歷史數據為算例，驗證了該方法的有效性和經濟性。

此外，對棄風預測精度的提高，將有助于提高風電消納效益。在風電場運行過程中，運行條件錯綜復雜，對綜合成本的進一步研究將有助于驗證更多模式下評估準確性。