潘國傳,王保富,龔蘇平,楊凱,王雪武
(浙江浙能電力股份有限公司臺州發電廠,浙江 臺州 318016)
本文首先介紹了AGC 和一次調頻控制技術的概念和意義,以及它們在電力系統中的作用和關系。接著,詳細介紹330MW 供熱機組的AGC 和一次調頻控制策略,包括組成部分和工作原理。然后,將對案例機組的AGC 和一次調頻控制策略進行分析和優化,包括調節參數的設定、控制算法的改進等方面。本文將為電力和供熱行業的相關從業者和研究人員提供有益的參考和借鑒價值,為相關領域的技術創新和發展提供新的思路和方法。
供熱機組的AGC 由3 個主要部分組成:測量和采集系統、控制系統和執行系統。測量和采集系統通過傳感器和數據采集設備,對發電機組和電網的狀態和參數進行實時監測和采集。控制系統對采集到的數據進行處理和分析,根據預設的控制策略,計算出發電機組的出力設定值。執行系統通過控制發電機組的調節閥門、燃油噴射等設備,實現對發電機組出力的控制。供熱機組的AGC 工作原理是基于反饋控制原理實現的。采集系統通過傳感器和數據采集設備實時獲取發電機組和電網的狀態和參數,將這些數據傳輸給控制系統。控制系統對采集的數據進行處理和分析,計算出發電機組的出力設定值,并將這個設定值傳輸給執行系統。執行系統通過控制發電機組的調節閥門、燃油噴射等設備,實現對發電機組出力的控制,并通過采集系統獲取實際出力值,將其傳輸回控制系統,形成一個閉環控制系統。這樣AGC可以實現對發電機組出力的精確控制,保證電力系統的穩定性和可靠性。
一次調頻控制系統由發電機轉速測量和信號采集模塊、控制器和執行機構三個主要部分組成。發電機轉速測量和信號采集模塊用于實時監測發電機的轉速,并將采集的數據傳輸給控制器。控制器對采集的數據進行處理和分析,計算出發電機的調整量,并將其傳輸給執行機構。執行機構通過控制調速器等設備,調整發電機的轉速,實現對發電機的控制。一次調頻控制的工作原理是基于頻率的負反饋控制原理實現的。當電網負荷發生變化時,電網的頻率也會發生變化。發電機的轉速和頻率是有一定關系的,因此,一次調頻控制系統通過監測電網頻率的變化,計算出發電機需要調整的轉速量,并實現對發電機的調整,使得發電機輸出的電力能夠適應電網的負荷需求,從而保持電網的穩定性和可靠性。
傳統燃煤機組由于響應時滯長、機組爬坡速率低、啟停磨煤機所致斷點段以及命令死區內震蕩等問題,在參與AGC 調頻時,不能準確跟蹤電網的調頻指令。隨著大規模的風電、光伏等間歇式新能源的并網,區域控制偏差ACE 信號中的高頻分量增加,機組AGC 指令波動加劇,導致現有調頻容量不足的問題日益突出,亟需新的手段來彌補火電機組的調頻缺陷。
本案例說明了一種儲能聯合火電機組參與AGC 調頻的控制方法,其特征在于,包括判斷儲能系統是否需要動作;若儲能系統需要動作,則根據狀態空間理論確定火電機組出力和儲能出力的動態模型建立狀態空間方程;通過所述狀態空間方程,以調頻效果和儲能系統的能量管理效果確定目標函數;在對所述目標函數求解的過程中,構造火電機組出力和儲能出力為約束條件的優化模型,使用所述優化模型對儲能系統出力進行實時優化。解決了目前儲能輔助火電機組參與AGC調頻的過程中,儲能系統采取滿功率補償策略,缺乏能量管理的問題。
本案例中的控制方法,其特征在于:(1)判斷儲能系統是否需要動作;(2)若儲能系統需要動作,則根據狀態空間理論確定火電機組出力和儲能出力的動態模型建立狀態空間方程;(3)通過所述狀態空間方程,以調頻效果和儲能系統的能量管理效果確定目標函數;(4)在對所述目標函數求解的過程中,構造火電機組出力和儲能出力為約束條件的優化模型,使用所述優化模型對儲能系統出力進行實時優化。
根據狀態空間理論,選取火電機組出力PG(k)、儲能系統的充放電功率PB(k)、儲能SOC 狀態SOC(k)以及火電機組與儲能系統的聯合出力PGB(k)作為狀態變量;以火電機組短期預測出力增量△PG(k)和儲能系統的短期預測出力增量△PB(k)作為控制變量;以火電機組和儲能系統聯合出力和儲能SOC 作為輸出變量,創建的狀態空間方程如下:
式中,△t 為數據的采樣間隔,Erate為儲能系統的額定容量,τ 為儲能系統的自放電率,η 為儲能系統的充放電效率,滿足下式:
式中,ηcharge為儲能系統的充電效率,ηdischarge為儲能系統的放電效率。
所述狀態空間方程,以調頻效果和儲能系統的能量管理效果確定目標函數,包括在確定狀態空間方程的基礎上,建立兩個指標RFRErms 和RSOCrms,用于分別反映調頻效果和對儲能系統的能量管理效果:
式中,SOCref為儲能系統的中位參考值,可以取0.5;由于兩個指標的量綱不一樣,對兩個指標進行歸一化處理,處理后為:
式中,RFRErmsmax為RFRErms的最大值,RFRErmsmin為RFRErms的最小值,RSOCrmsmax為RSOCrms的最大值,RSOCrmsmin為RSOCrms的最小值。
根據指標歸一化,將確定的綜合評價指標J 作為目標函數:
式中,α ∈[0,1]為權重系數,可根據兩指標的相對重要性選取。
在對所述目標函數求解的過程中,構造火電機組出力和儲能出力為約束條件的優化模型,使用所述優化模型對儲能系統出力進行實時優化,基于目標函數在求解的過程中,綜合考慮火電機組和儲能系統的各種約束,通過選取控制增量的第一個數值作為本次控制命令的下達,再以本次結果對下一次預測進行校正,從而修正控制增量實現滾動優化。
火電機組和儲能系統的各種約束,包括火力機組出力約束,PGmin ≤PG ≤PGmax;火力機組爬坡率約束,其中PGmin 和PGmax 分別為火電機組出力的下限和上限,和分別為火電機組在t 時間內爬坡能力的下限和上限。
儲能系統SOC 約束,SOCmin ≤SOC ≤SOCmax、SOC(k) =SOC(k-1)+PB(k)η △t,其中SOCmin 和SOCmax 分別為儲能系統SOC 的下限和上限。
儲能系統充放電功率約束,Pdmin ≤PB ≤Pdmax或Pcmin ≤PB ≤Pcmax。
與本案例提供的方法相對應的,同時提供一種儲能聯合火電機組參與AGC 調頻的控制裝置,其特征在于判斷單元,用于判斷儲能系統是否需要動作;方程建立單元,用于若儲能系統需要動作,則根據狀態空間理論確定火電機組出力和儲能出力的動態模型建立狀態空間方程;目標函數確定單元,用于通過所述狀態空間方程,以調頻效果和儲能系統的能量管理效果確定目標函數;優化單元,用于在對所述目標函數求解的過程中,構造火電機組出力和儲能出力為約束條件的優化模型,使用所述優化模型對儲能系統出力進行實時優化。
步驟1,判斷儲能系統是否需要動作。設定儲能系統的容量、額定功率和動作死區Pallow,讀入機組的AGC指令PAGC 和機組出力PG,判斷火電機組出力與AGC指令之間的偏差與儲能系統動作死區之間的關系;若|PAGC-PG|<Pallow,則儲能系統不動作,輸出儲能功率PB =0;若|PAGC-PG|≥Pallow,則儲能系統需要動作,接著執行下面的步驟。
步驟2,若儲能系統需要動作,則根據狀態空間理論確定火電機組出力和儲能出力的動態模型建立狀態空間方程。在上一個步驟中,若儲能系統需要動作,則根據狀態空間理論,選取火電機組出力PG(k)、儲能系統的充放電功率PB(k)、儲能SOC 狀態SOC(k)以及火電機組與儲能系統的聯合出力PGB(k)作為狀態變量;以火電機組短期預測出力增量△PG(k)和儲能系統的短期預測出力增量△PB(k)作為控制變量;以火電機組和儲能系統聯合出力和儲能SOC 作為輸出變量,創建的狀態空間方程如下:
式中,△t 為數據的采樣間隔,Erate 為儲能系統的額定容量,τ 為儲能系統的自放電率。
步驟3,通過所述狀態空間方程,以調頻效果和儲能系統的能量管理效果確定目標函數。在確定狀態空間方程的基礎上,建立兩個指標RFRErms和RSOCrms,用于分別反映調頻效果和對儲能系統的能量管理效果:
式中,SOCref 為儲能系統的中位參考值,可以取0.5,且一般情況下也取0.5;由于兩個指標的量綱不一樣,對兩個指標進行歸一化處理,處理后為:
式中,RFRErmsmax為RFRErms的最大值,RFRErmsmin為RFRErms的最小值,RSOCrmsmax為RSOCrms的最大值,RSOCrmsmin為RSOCrms的最小值;根據指標歸一化,將確定的綜合評價指標J 作為目標函數,J =min(αR′FRErms+(1-α)R′SOCrms)。
式中,α ∈[0,1]為權重系數,可根據兩指標的相對重要性選取。步驟4,在對所述目標函數求解的過程中,構造火電機組出力和儲能出力為約束條件的優化模型,使用所述優化模型對儲能系統出力進行實時優化。基于目標函數在求解的過程中,綜合考慮火電機組和儲能系統的各種約束,通過選取控制增量的第一個數值作為本次控制命令的下達,再以本次結果對下一次預測進行校正,從而修正控制增量實現滾動優化。
綜上所述,本文旨在分析330MW 供熱機組的AGC 和一次調頻控制策略,并對其進行優化研究。研究結果表明,優化后的控制策略可以提高電力系統的穩定性和可靠性,降低機組燃料成本和維護成本,推動電力系統向智能化、自適應化方向發展。本文對AGC 和一次調頻控制技術進行了詳細介紹,并分析了其在電力系統中的作用。在AGC 技術方面,本文介紹了傳統PID 控制器和模糊控制器的實現原理,并比較了2 種控制器的優缺點。在一次調頻控制技術方面,本文介紹了發電機組在不同負荷下的調頻特性,并提出了一種基于區間型模糊控制的一次調頻控制策略。本文分析了330MW 供熱機組的AGC 和一次調頻控制策略,并對其進行了優化研究。研究結果表明,優化后的控制策略可以提高電力系統的穩定性和可靠性,降低機組燃料成本和維護成本,推動電力系統向智能化、自適應化方向發展。