考慮預測誤差的風電有功功率控制策略

楊玉明

【摘要】風力發電在我國經過連續多年的高速發展，目前已進入平臺期，風電在電網適應性上的問題逐漸凸顯。大規模的風電并網加重了電力系統安全穩定運行的壓力，所以提升風力發電對電網的主動支撐性能，減輕其預測偏差對有功功率平衡控制的影響，已成為風力發電系統的核心問題。要實現風力發電系統對電網的主動支撐，需要風力發電站能夠像傳統電源一樣具備良好的測量精度、控制性能和調節能力。首先，需極大地提升風力發電站功率預測水平，滿足電網調度運行的精度要求;其次，需能夠在滿足電網穩定運行支撐的前提下，以新能源發電設備控制性能為約束，自動響應電網調節需求對風力發電站輸出功率進行調整;最后，需及時響應電力系統運行狀態的變化做出快速調節。

【關鍵詞】預測誤差;風電;有功功率;控制策略;

引言

近年來，以風力發電機為主的清潔能源得到大規模開發利用，截至2019年底，全國風電機組累計并網裝機容量達到2.1億kW，由于風力發電具有隨機性、間歇性和波動性，且高度集中在“三北地區”，遠離負荷中心，高比例的新能源接入給電網調度帶來了一系列問題，在風電大發期間，為保證電網的安全穩定運行，會對風電有功功率進行一定程度的限制，因此場站端有功功率的快速響應、精準控制尤為關鍵。

1風電功率預測誤差特性分析

風電功率預測誤差標幺值為：式中：Ppredict（t）為風電功率預測值;Pactual（t）為風電功率實際值;Pcap為風電場額定裝機容量。圖1和圖2分別為根據極限學習機（Extreme Learning Machine，ELM）和長短期記憶網絡（Long Short Term Memory，LSTM）2種不同預測方法和風電功率采樣周期為15min[23]進行點預測從而得到的風電功率預測誤差概率密度分布直方圖。由圖1和圖2可以發現，在ELM預測方法下，預測誤差呈現總體向右偏的特點，而LSTM的預測誤差呈現出在-0.02和0.02附近處各有一個頂峰的特點。2種預測方法的預測誤差還呈現出在預測誤差一些局部位置“凹陷”和“凸起”的特點。

2功率預測置信評估

給定分位數（τ1，τ2，…，τn）建立風電預測功率的分位回歸模型，再結合風電功率誤差的概率分布和置信水平即可得到風電功率預測誤差的置信區間，進而得到風電預測功率的置信區間。由于功率預測模型及相關影響因素的不同，一段時間內不同風電場的預測誤差分布呈現明顯的不對稱性。其中，部分風電場的預測功率與置信區間下邊界十分接近，表明該風電場實際可發功率大于預測功率的概率較大，具有相似置信區間的風電場記為Ω+;部分風電場的預測功率與置信區間的上邊界十分接近，表明該風電場實際可發功率小于預測功率的概率較大，具有相似置信區間的風電場記為Ω-。

3風電有功控制策略

3.1有功功率控制系統

風電場有功功率控制系統（AGC）對整個風電場所有風機任一時刻的有功功率進行統一控制，因此需要采集風機的風速、功率、運行狀態等實時運行數據，根據電網調度指令，按照功率控制策略計算出每臺風機的功率設定值。AGC控制系統配合場站的數據采集與監視系統（SCADA）和理論功率計算系統完成所有風機的有功功率分配和控制。SCADA系統采集每臺風機的實時運行數據，理論功率計算服務器負責計算限功率情況下的理論功率，并將風機實時數據及理論功率傳輸至AGC服務器。AGC服務器負責接收調度AGC指令，并按照調度指令和每臺風機的理論功率按照設定好的控制策略計算每臺風機的功率指令并分配至每臺風機，進而控制風機的有功功率，實現風電場全場的有功功率控制。

3.2基于退役動力電池風儲協調控制策略

基于退役動力電池風儲常規控制策略為：在風電場中，當理論電量Ell（t）超過需求電量Exq（t）時，即產生棄風，利用儲能裝置將風能儲存;當風電場理論發電量Ell（t）低于電網需求Exq（t）時，利用儲能裝置儲存的棄風電量進行并網使實際電量滿足電網需求。本文在常規策略的基礎上優化思路，提出退役動力電池風儲有功功率協調控制策略，細劃分為退役動力電池總層、協調控制層和分化儲能層共3層，各層之間通過指令的下達和信息的反饋聯系起來，1）退役動力電池總層以經濟性為控制目標，實現棄風電量的消納，減少儲能裝置充放電次數，延長退役動力電池使用周期，以提高儲能裝置經濟效益;向協調控制層傳達電量交換計劃等，保障各層協調運行以及電網安全。2）協調控制層依據總層傳達的電量交換計劃，結合本層數據，并以退役動力電池儲能系統實用性與可循環性為控制目標為分化儲能層制定控制指令。3）分化儲能層分化儲能層將處于常規儲能模式的裝置分化為容量相同的二級儲能裝置A/B（儲能裝置單純按照需求進行充放電操作定義為常規儲能模式，常規儲能裝置分為2個容量相等的二級儲能裝置運行定義為分化儲能模式）。分化儲能裝置A初始功能設置為存儲棄風電量（充電狀態），分化儲能裝置B初始功能設置為利用已儲電量進行并網（放電狀態），分化儲能模式實現了儲能裝置更長時間保持在充/放電的單一狀態，保護電池不受充電狀態頻繁更改的傷害。

3.3風電有功控制模型

根據風電功率預測誤差分布特性可以分析計算得到不同風電場的功率預測誤差期望，進而得到功率預測期望PE，i為式中：Pf，i為風電場i的預測功率;Fi（e）為風電場i的功率預測誤差概率分布函數。風電場有功功率與預測功率的差值最小作為目標，目標函數為約束條件為式中：Pi為風電場i的輸出功率指令。第一個約束要求所有風電場的有功功率需要與發電計劃保持一致;第二個約束為風電場運行約束。

3.4功率分配算法

當站端AGC服務器接收到調度下發的功率調節指令后，AGC服務器按照2個階段進行功率調節，分別是功率調節階段和功率平衡階段。功率調節階段AGC服務器接收到調度指令，結合風機實時數據及每臺風機的實時理論功率，剔除標桿風機、故障風機和通信中斷風機，并充分考慮各個風機運行功率的上下限，計算每臺風機的調節功率，目的是快速響應調度指令，在調度規定時間內將有功功率控制在規定范圍內。功率平衡階段是當風電場全場有功功率達到調度要求的范圍并平穩運行時，進行風電機組功率置換，平衡不同類型風機功率分配來優化風機間的出力，保護風機機械特性，并置換出調節速率較快風機的功率調節余量，為下一次調節做準備，提升整場功率控制速率。

3.5其他

1）利用機艙風速法，結合風機運行歷史數據，可以準確繪制出現場實際運行過程中單臺風機的功率曲線，并有效地計算出風機限功率運行時段內的理論功率。2）在功率控制階段，分配功率時剔除掉標桿風機、故障風機和通信中斷風機，并考慮各個風機運行功率的上下限，可以精準地將功率調節指令分配至可調節的風機控制系統中，進一步提升全場功率控制響應速度和精度。

4風電功率概率分布擬合

不同概率分布模型假定隨機變量滿足不同條件，而這些條件在實踐中往往并不嚴格滿足。氣候因素對風力性能的影響反映在輸出抽樣數據中。當將風能的概率分布與已知概率密度函數的分布模型相匹配時，很難充分考慮氣候因素對風力性能的影響。因此，我們應從風力發電性能數據的樣本中研究風能的分布特征。非參數估計，當樣本數據概率密度函數未知時，采用核函數法估計未知概率密度函數，通過樣本數據的固有特性直接獲取值信息，從而減少了人工假設滿足一定概率分布所造成的誤差。為了驗證非參數估計在風力發電概率分布調整中的有效性，選擇正態分布和β分布模型作為參考分布模型。選擇某地區風電場一年的生產數據分析其概率分布特征，抽樣間隔為15分鐘。根據上述三種分布模型調整風力發電概率分布的結果見圖6。如圖6所示，該區域的風力輸送基本上是按間隔分布的，而且經常出現性能較低的情況，當性能大于某個特定值時，分布相對均勻。同時，非參數估計對風力發電概率分布的影響最合適，明顯優于正態分布和β分布。

5風電行業建議和措施

5.1加強政府統籌規劃

政府在能源供應和使用方面發揮主導作用。關于新能源經濟的開發利用，國家制定了新能源經濟發展總體規劃，并將新能源和電網及配套基礎設施的發展納入總體規劃，以便在工業一體化方面做好工作，順利完成前后供應鏈;做好風力發電等相關行業的總體規劃和總體控制安排。同樣，在建設新能源基地時，建議由一個單位帶頭建設，以免多個投資單位之間的部署和協調難度加大，導致電網運行不穩定。

5.2大力發展電力傳輸網絡

單個風力發電站，可以認為是一個“點”;區域內多個風力發電站于送出工程送出，可以認為是一條“線”;而接入區域電網，形成一張巨大的“網”，才更具能量，才能將電力輸送到與電網相接的無數“末梢”——千家萬戶電力用戶，才能真正將電力轉換于社會生產價值。電力傳輸網絡的建設、鋪展及密布，有助于提升風電的利用率，保障電力傳輸，更便于終端消納。

5.3加大局部電網的技術升級

一方面，要加快風力發電資源豐富地區電網調度技術的升級。中國大陸風能豐富地區基本上是偏遠落后薄弱的電網結構。風能大規模集中發展的第一個問題是如何安全地將巨大的風能接入電網。因此，有必要對風力資源豐富地區的電網技術和設備進行現代化改造。另一方面，也有必要更新電網大規模優化資源配置的技術。中國能源資源的分布和經濟發展的特點要求中國電網能夠優化大面積的資源配置。中國風能資源豐富的地區主要分布在“三北”地區，大量風能需要長途輸送。有必要構建具有超高壓骨干網的強大智能電網，提高電網資源配置能力。目前電網已經開展了一些相關研究，需要在現有研究成果的基礎上進一步深化。

5.4推進儲能技術多樣化

風電不確定性是大規模風電場并網的一個問題，儲能系統是解決可再生能源電力調度問題的一種實用方法。電力儲能系統可以分為機械式儲存系統、電化學系統、化學儲存和蓄熱系統等。市場上常見的是鉛酸蓄電池和鋰電池等蓄電系統，因工藝相對成熟而有所使用，但仍存在部分難以解決的技術難題。更多的儲能技術如光儲、生物儲能等也在不斷推進，風電場儲能技術呈現出多樣化，在儲能技術市場化推廣應用后，風能資源將得以充分利用，有助于風能的高效轉化。

5.5降低電網電壓的控制難度

恒速風力發電機必須從電網中吸收一定數量的無功功率。雙饋變速風力發電機和直驅永磁風力發電機通常在固定功率因數模式下工作。對小型風電場實行集中無功補償后，風電場的電壓調節并不是大問題，但對大型風電場來說，風電場必須具備一定的無功控制能力，需要技術和管理手段來推動風電場制造商的技術改造。我國大部分運行中的風力發電設備通常缺乏無功控制能力，風電場的無功控制只能通過增設靜態或動態無功補償設備來實現。電網發布的一系列標準確定了無功控制的要求，作為建設中風電場無功建設的指導方針。

5.6促進風電開發精細化

大力支持技術研發，推進核心技術國產化，推動風電與控制技術、信息技術、通信技術等深度融合，實現風電開發、運維、監控、管理等全流程的智能化。

結束語

不同風力發電站功率預測誤差分布特性存在差異，需充分考慮其差異優化完善風電場有功功率控制。對風電場歷史數據進行統計分析，提取風電場預測誤差的分布特征，合理優化風電場的功率控制。該方法可有效降低新能源性能預測誤差對功率調節的影響，提高主動風力發電控制的合理性和準確性。

參考文獻：

[1]張義，彭佩佩，唐冰婕，陳寧，王湘艷，韓楚晨.考慮預測誤差的風電有功功率控制策略[J].西安工程大學學報，2021，35（06）：76-82.

[2]趙征，于悅波.考慮風電功率預測不確定性的火電機組調度策略研究[J].電力科學與工程，2021，37（11）：32-41.

[3]劉宏勇，李明，任巍曦，張文煜，田云峰，王德偉，劉漢民.基于風機理論功率的全場功率優化控制策略研究[J].河北工業大學學報，2021，50（05）：74-78.

[4]謝彥祥.風電功率及其預測誤差概率分布研究[J].電工電氣，2021（09）：7-13+46.

[5]張浩.風電功率時空不確定性預測方法研究[D].華北電力大學（北京），2021.000098.

[6]唐建平.分布式風電機組并網影響分析及抑制策略[J].風能，2021（07）：90-95.

[7]田佳鑫.考慮風場預測誤差的電力系統運行風險評估[D].北京交通大學，2021.

[8]李文棟.風功率預測誤差的非參數核密度估計方法研究[D].華北電力大學，2021.