海上風場與海島微網交互調頻機制及控制策略研究

王中權， 李衛東， 綦 曉， 屈濤濤， 周胤博， 劉 敏， 高會文

（1.南方電網南方海上風電聯合開發有限公司， 廣東 珠海 519070； 2.暨南大學 能源電力研究中心， 廣東珠海519070； 3.暨南大學 國際能源學院， 廣東 珠海 519070）

0 引言

“粵港澳大灣區”能源供給與經濟發展矛盾日益突出，為充分發揮大灣區區位能源優勢、優化能源供應結構，截至2020 年底，大灣區已計劃建設超過1 GW 裝機容量的海上風電。 而大規模風電接入末端薄弱電網將對系統頻率造成巨大沖擊，嚴重影響電網安全穩定運行， 配套建設儲能將極大增加運維成本。因此，有效協調閑置資源以提高海上風電調頻能力，具有重要的研究意義和價值。

針對風電機組功率與電網頻率解耦問題，虛擬慣量控制能夠使風力發電機組模擬同步發電機轉動慣量特性[1]， 從而引起了研究人員的廣泛關注。 文獻[2]從傳統同步系統頻率響應機理出發，構建了系統頻率響應的廣義慣量響應體系及分析方法。文獻[3]對風電機組PD 虛擬慣量控制的響應特性和響應機理進行了分析， 探究了虛擬慣量控制參數對風電機組參與系統調頻的影響。 文獻[4]進一步提出了風-火系統模糊自適應虛擬慣量控制策略。 文獻[5]提出采用風電場額定功率5%的儲能裝置協助風電場慣量支撐， 從而使風電場具有接近于同容量同步發電機的慣量支撐水平。 文獻[6]在原有傳統虛擬慣量控制策略的基礎上， 采用遺傳算法離線優化不同轉速下的頻率控制系數。

針對風電輸出功率的隨機波動性， 利用儲能裝置的快速響應能力能夠有效提高風電消納水平[5]。 文獻[7]采用PID 控制器對儲能系統進行控制，以調節風電柴油發電系統頻率，提升了頻率調節效果。 文獻[8]采用協同控制理論，設計了不同風速下運行在最大功率跟蹤狀態（Maximum Power Point Tracking，MPPT）的風電機組變系數控制策略， 以及儲能協同風電機組提供調頻響應的雙層協同控制策略。 文獻[9]考慮到風機實時儲備電量和電池儲能的荷電狀態， 設計了一種自適應荷電狀態反饋控制， 使電池儲能的荷電狀態盡可能保持在最優值。然而，通過配套儲能系統雖能提高電力系統頻率穩定性， 但當前儲能裝置建造成本居高不下， 使得系統運行經濟性與頻率穩定性之間存在沖突，難以兩全。

目前，海島微網群及海上風電研究相對獨立，而交互環境下海島微網群與海上風電分布式調頻策略研究尚處空白。 本文以具有“粵港澳大灣區”區位能源特色的海島微網群與海上風機群為研究對象，提出二者在交互環境下的調頻機制。針對不同運行工況下風機慣量支撐能力， 設計了自適應動態量化因子， 以避免風機在調頻過程中發生轉速恢復狀態跳變造成頻率二次擾動， 從而有效提高了海上風電調頻能力， 大幅緩解了對電網的沖擊。

1 電力系統調頻模型建立

1.1 海上風場多機等值模型

海上風場通常采用直驅永磁風力發電機組（D-PMSG）， 簡化后二階多機等值并網頻率響應模型如圖1 所示。 圖中：Pm為風電機組獲取的機械功率；Pe為發電機輸出的電磁功率；Cp為風能利用系數；ρ 為空氣密度；r 為風力機葉片半徑；ΔPVIC為風機虛擬慣量功率變化參考值；T 為電磁功率與機械功率的轉矩差；ωw為風機轉速；kopt為MPPT 最優跟蹤系數；Jw為風電機組轉動慣量；Te為逆變器響應時間常數。

圖1 海上風場等值模型Fig.1 Equivalent model of offshore wind farm

風電機組獲取的機械功率為[10]～[12]

1.2 海島微網可調分布式電源模型

以珠海大萬山島微網、東澳島微網、桂山島微網為例，其存在大量冗余儲能系統，大多以柴油發電機作為主供電源， 為便于仿真和控制器參數整定， 本文采用簡化的儲能系統模型和柴油發電機模型，其動態響應過程可表示如下[13]，[14]：

式中：GDGi為柴油發電機組傳遞函數；TDGi為柴油發電機組慣性時間常數；Gbi為儲能系統傳遞函數；Tbi為儲能系統慣性時間常數。

1.3 單區域電力系統調頻模型

以珠海電網結構為例， 搭建單區域負荷頻率控制模型，如圖2 所示，包括3 臺600 MW 火電機組、120 MW 海上風電場、3 個海島微網，以IEEE9節點標準模型為例，其拓撲結構見圖3。 其中，火電機組模型包括發電機模型、 再熱鍋爐模型以及汽輪機模型[15]，分別如式（7）～（9）所示，由于火電機組調頻模型相對成熟，本文不再做詳細闡述。

圖2 單區域電力系統調頻模型Fig.2 Frequency regulation model of single-area power system

圖3 IEEE9 節點電力系統拓撲圖Fig.3 Topology of IEEE9-bus power system

式中：ui，Xgi和Tgi分別為第i 個火電廠鍋爐的控制信號、出力及動態響應時間常數；Pri，Kri和Tri分別為第i 個火電廠汽輪機的功率輸出、 增益系數及響應時間常數；Pgi和Tti分別為第i 個火電廠調速器功率輸出及響應時間常數。

在單區域電力系統中， 發電功率與負荷需求之間的不平衡將引發頻率波動， 該有功-頻率動態過程可表示為

式中：M 和D 分別為系統的慣性常數和阻尼常數；ΔPgi為火電廠功率變化值；ΔPMG為海島微網功率變化值；ΔPWF為海上風場功率變化值；ΔPLoad為電網負荷變化值。

本文采用的D-PMSG 模型參數[3]為Te=0.02，kopt=0.578 7，Jw=10.38；火電機組模型參數[15]為Tr1=Tr2=Tr3=7，Tt1=Tt2=Tt3=0.3，Tg1=Tg2=Tg3=0.2，Kr1=Kr2=Kr3=0.3，R1=R2=R3=0.02； 本文算例中的其他模型參數為M=25，D=0.5，TDGi=4，Gbi=1，Kp=5，Kd=1。

2 海上風場與海島微網虛擬慣量控制分析

2.1 海上風場虛擬慣量控制分析

目前， 虛擬慣量控制方法是通過改變風電機組逆變器參考功率以控制輸出電磁功率， 其通過計算頻率偏差的微分信號模擬傳統同步發電機機械慣性，即提供慣量支撐，通過頻率偏差比例環節模擬傳統同步發電機下垂特性，即一次調頻過程，隨后利用二者之和改變風電機組逆變器參考輸入功率。 因此，當系統頻率出現波動后，風電機組通過釋放或吸收風電機組轉子動能， 可快速調節輸出電磁功率參與調頻。

PD 虛擬慣量控制下，風電機組功率變化為[16]

此時，系統慣性時間常數增加了Kd。 在引入風機虛擬慣量控制環節后， 忽略頻率變化引起的PMPPT變化，當擾動發生后，系統頻率最大變化率可表示為

因此，虛擬慣量控制參數Kd可直接降低系統頻率變化率。

2.2 海島微網虛擬慣量控制分析

在微網中， 通常會配置一定數量的儲能系統及柴油發電機， 而為了保證微網在孤島運行的穩定性，在微網正常運行時，系統往往留有功率備用或冗余。 因此， 在保證微網運行穩定裕度的前提下，有效利用該部分電源，協同海上風電機組進行輔助調頻， 對提高海上風場并網友好性具有重要作用。

為此，在虛擬慣量控制框架下，本文提出將海上風場虛擬慣量控制參考功率同時分配給海島微網，對儲能系統及柴油發電機進行功率調節，以此補償不同風速下海上風場虛擬慣量的變化。 如圖4 所示，海上風場與海島微網可實現交互調頻。

圖4 海上風場與海島微網交互模型Fig.4 Interaction between offshore wind farm and island microgrids

以珠海萬山海島新能源微網國家級示范項目為例，如圖5 所示，桂山島微網設有3 臺1 MW 的柴油發電機和2 MW 2.4 h 的儲能系統，東澳島微網設有2 臺1 MW 的柴油發電機和0.5 MW 6 h的儲能系統， 大萬山島微網設有1 臺1 MW 的柴油發電機和0.5 MW 4 h 的儲能系統。 在理想情況下， 該分布式電源均可作為輔助海上風場提供慣量支撐的有效設備。圖中實線為功率交互方向，虛線為信息交互方向。

圖5 珠海萬山海島新能源微網國家級示范項目拓撲圖Fig.5 Topology of national demonstration project of Zhuhai Wanshan island renewable energy microgrid

3 交互調頻機制及控制策略設計

海島微網中分布式電源具備快速功率響應特性， 能夠有效支撐海上風場實現穩定虛擬慣量控制。因此，本文利用柴油發電機和儲能系統作為微網的可調分布式電源， 對海上風場虛擬慣量控制信號進行動態功率分配，此時，微網功率響應過程可表示為

式中：ΔPMG為第i 個微網的功率變化值；α 為動態功率分配因子。

式中：ωr為風機轉速；ωmax，ωmin分別為風機轉速上限、下限。

如圖6 所示，當負荷增加后，在風機轉速接近額定轉速上、下限時，為避免過度慣量調控引發風

圖6 自適應動態量化因子與風機轉速的關系曲線Fig.6 The relation curve between the adaptive dynamic quantization factor and WTG speed

本文所設計的風機虛擬慣量控制的流程圖如圖7 所示。在自適應動態量化因子的作用下，圖中風機轉速越限情況的發生幾率將大大降低， 可有效提高風機調頻能力。

圖7 風電機組虛擬慣量控制流程圖Fig.7 Flow chart of virtual inertia control strategy

4 仿真結果分析

為驗證所構建的海上風場與海島微網交互調頻機制的有效性， 以及所提出的自適應動態量化因子在避免風機發生轉速恢復狀態跳變方面的有效性， 本文基于圖2 所示模型在MATLAB/Simulink 中進行了仿真實驗， 分別完成了負荷階躍擾動實驗和風速躍變擾動實驗。 所有物理量均采用標幺值計算（頻率進行了等量轉換）。

4.1 負荷階躍擾動下系統動態響應特性分析

令風速保持在可能發生轉速恢復狀態跳變的范圍，設為7 m/s，同時令負荷在50 s 處發生+0.1 p.u. 的階躍擾動， 分別基于不同控制策略進行仿真，控制策略具體包括：

①without VIC：海上風場不參與調頻；

②VIC of WTG： 海上風場通過PD 虛擬慣量控制參與調頻；

③VIC of WTG and MGs：海上風場和海島微網基于PD 虛擬慣量控制交互調頻；

④adaptive VIC of WTG and MGs： 海上風場和海島微網在自適應動態量化因子下基于PD 虛擬慣量控制實現交互調頻。

如圖8（a）所示：當發生負荷階躍擾動后，系統最大頻率偏差從風機不參與調頻的0.077 Hz、傳統PD 虛擬慣量控制下的0.061 Hz 減小至0.049 Hz，頻率調節時間從200 s，150 s 縮短至70 s，表明海島微網可調分布式電源可有效支撐海上風場參與系統調頻，提供穩定的虛擬慣量支撐；同理，在自適應動態量化因子作用下，系統最大頻率偏差和頻率調節時間得到了進一步優化。 如圖8（b），（c）所示，在發生負荷階躍擾動后，傳統PD虛擬慣量控制下的風機轉速從0.717 p.u. 降至0.688 p.u.， 下降了0.029 p.u.， 風機輸出功率從0.21 p.u. 上升至0.27 p.u.， 使得風機轉速跌落至0.7 p.u.以下進入轉速恢復狀態。 而所設計的自適應動態量化因子有效避免了風機參與調頻導致的轉速恢復狀態跳變， 合理地將部分慣量支撐任務分配給微網可調分布式電源。如圖8（d）所示，自適應動態量化因子作用下的微網功率響應峰值為0.078 p.u.， 比傳統PD 虛擬慣量控制的微網功率響應峰值0.05 p.u.高出0.028 p.u.，這表明在自適應動態量化因子作用下， 微網在系統調頻過程中提供了更多的慣量支撐， 從而避免了系統頻率遭受二次擾動，提高了系統頻率穩定性。

圖8 負荷階躍擾動下系統動態響應仿真結果Fig.8 Simulation results of system dynamic responses under load step disturbance

4.2 風速階躍擾動下系統動態響應特性分析

當風速為8 m/s，在50 s 處發生-1 m/s 的階躍擾動下，系統頻率偏差響應曲線如圖9（a）所示，系統最大頻率偏差從傳統PD 虛擬慣量控制下的0.026 Hz、海上風場和海島微網基于PD 虛擬慣量控制交互調頻下的0.021 Hz 減少至0.016 Hz，頻率調節時間從200 s，150 s 縮短至130 s， 表明本文所提策略能大大地提高風電場的調頻能力，穩定系統頻率。 如圖9（b），（c）所示，在風速階躍擾動下， 傳統PD 虛擬慣量控制下的風機轉速從

圖9 風速階躍擾動下系統動態響應仿真結果Fig.9 Simulation results of system dynamic responses under wind speed step disturbance

5 結論

本文以珠海萬山海島新能源微網國家級示范項目為研究對象， 提出了海上風場與海島微網交互調頻機制，在不額外增建輔助設備的情況下，提高了海上風場的慣量支撐能力， 增強了電力系統頻率穩定性。 所提出的自適應動態量化因子能夠有效避免風機在提供慣量支撐過程中發生轉速恢復狀態跳變， 從而避免了由于轉速恢復對系統頻率所造成的二次沖擊。

本文側重海上風場整體慣量支撐及頻率響應特性的分析，采用了多機等值模型。實際風場地理分布廣，單機捕獲風速不同，未來需從單機角度分析進一步研究和優化， 從而提高海上風場多機協同能力，使其能夠更高效合理地參與系統調頻。