基于功率极限在线辨识的风电功率控制模型

基于功率极限在线辨识的风电功率控制模型
马骞; 苏寅生; 黄河
【期刊名称】《《可再生能源》》
【年(卷),期】2019(037)003
【总页数】6页(P399-404)
【关键词】风电系统; 功率控制; 在线辨识; 阻抗模
【作者】马骞; 苏寅生; 黄河
【作者单位】中国南方电网有限公司电力调度控制中心广东广州 510663
【正文语种】中文
【中图分类】TK89; TM73
0 前言
当接入电网的风电超过一定规模后，在风电场向电网注入有功功率的变化和电网负荷对无功需求变化的共同作用下，电网电压稳定的监控将变得十分复杂[1]～[3]。

在地区电网中存在电压薄弱节点以及风电电源送出情况下，当500 kV 以上的主干网出现故障时，须要同时对500 kV 及220 kV 层面电源同时采取措施，导致电压稳定控制变得十分复杂。

由于风电电源分布极为分散，且发电出力的不确定性高，传统的电压稳定控制手段难以实施，须采集全部电源出力及有关联络线实时信息来制定电压稳定控制措施[4]～[7]。

风电受限的局部地区较多，在考虑风电送电或受
电电网功率输送稳定问题的同时，还须要考虑局部地区的电压稳定问题，从而使电
压稳定问题更为复杂[8]，[9]。

本文根据大型风电场并网点动态数据的监测，研究了实时并网风电的功率极限在线判别模型，并基于功率极限模型研究了风电场等值系统功率控制模型改进方法，建立了基于实时功率极限修正的风电功率控制模型。

通过仿真验证，修正后的风电功率控制模型能够在风电场不同的工况下，有效地抑制并网点频率和功角波动，有效改善电网无功平衡能力，提高系统电压稳定性。

1 风电功率极限模型
1.1 风电场输出功率极限模型
为得到风电输出功率的极限模型，须对风电场进行等值，等值模型为理想电压源与阻抗Z=R+jX形式，并将其接入以等值阻抗Ze=Re+jXe 形式表示的电网中。

等值风电场并网模型如图1所示。

图1 风电系统并网模型Fig.1 Wind power system grid-connection model
设风电系统送出的复功率S 为
则有：
式中：b1=R2+X2；a1=Re2+Xe2。

由式（2）可推导出：
当恒功率因数变化时，X=Rtgφ，于是得：
由式（4）可知，当负载P+jQ 增加到风电输出极限时，有dP/dR=0，即：
此时，风电系统等值阻抗与其接入电网阻抗满足：
通过风电输出功率的极限的判断，为后续进行的风电并网关键参数做出准确的辨识。

1.2 风电输出能力在线辨识模型
在风电并网运行过程中，根据上述风电系统功率输出极限判别方法，通过对并网点电压、电流等参数的实时监测，在线计算出风电系统的实时等值阻抗与电网侧实时等值阻抗间的关系，即可对风电并网系统是否达到输出功率极限做出快速判断。

在风电场并网点，分别对电网侧和风电场侧进行进一步等值，得到如图2所示的
以电网侧阻抗ZL 和. 及风电场侧ZTh和表示的风电并网等值电路。

此时电网侧注入并网点电流为.，则可根据实时监测并网点电压相量和电流相量在
线估算风电场侧的等值参数和ZTh。

图2 风电并网在线等值阻抗模型Fig.2 Online equivalent impedance model
根据图2 的并网等值电路可知：
式中：ZTh=RTh+jXTh。

当，风电系统达到功率极限Z，p.u.。

由式（7）可列出方程组：
由于XTh=RTh，所以有
若设
则可得ETh初值为
因此，只要计算出每一时刻实时相量和所对应的上一时刻ETh的修正量，即能求
出实时的ETh。

根据式（7）可得：
式中：为真值；为误差。

则有：
由式（7）可得：
若设两个连续的实时采样时刻对应的不变，则有：
上式可进一步表示为
即：
由此可知，在并网点注入电流降低时，须要减小，从而避免在XTh的误差增大情况下，若XTh和ETh被过高估计，则注入电流.增加时，的变化是趋向于减小的；反之，假设XTh和ETh均被过低估计，当注入电流增加时，的变化是趋向于减小的。

因此，在此算法中，当XTh和ZL的变化方向一致时，减小ETh值；否则，就增加ETh值。

若设
则ETh修正量εe：
式中：K 为灵敏度系数，通常K 取值为0.01%～0.10%。

2 双馈风力发电系统改进模型
2.1 双馈风力发电系统等值模型
典型双馈风电系统等值模型如图3所示。

其中，双馈风电系统的三相电压型PWM 网侧变流器结构如图4所示。

图3 双馈风电系统等值模型Fig.3 Equivalent model of doubly-fed wind power system
图4 三相电压型PWM 网侧变流器结构Fig.4 Three-phase voltage type PWM network side converter
图4 中，变流器在d-q 坐标下的状态方程为
式中：id，iq为三相交流电流的d 轴分量和q 轴分量；idc为直流母线电流；iload为直流侧负载电流；νd和νq为三相交流电压的d 轴分量和q 轴分量；udc 为直流电压；L 为线路电抗；R 为线路电阻；ωe 为交流三相电压合成旋转磁场角速度；Si（i=1，2，3）为第i 相的开关函数；Sd，Sq为Si 的d 轴分量和q 轴分量。

2.2 风力发电系统功率控制模型改进
令νd=us，νq=0，则风电系统并网功率控制方程为
式中：Squdc。

根据式（22）的功率控制方程及式（7）、式（12）的风电系统功率极限在线辨识模型，可对风电系统并网功率控制模型进行如图5所示的改进。

图5 网侧变流器改进控制结构Fig.5 Improved control of grid side converter 图5 中的风电并网功率控制模型经改进后，对应的并网变流器控制方程变为
式中：ν*d，ν*q为供电侧变流器调制波电压；KPP，KPI分别为有功功率比例、积分系数；KQP，KQI分别为无功比例、积分系数。

3 仿真算例分析
在PSCAD 环境下构建额定容量为49 MW的双馈型风电场等值模型，根据本文提出的风电系统功率极限控制模型对等值风电场功率控制模型进行改进。

改进后的风电并网功率控制模型控制参数取值如下：KPP=0.3；KPI=90；KQP=0.16；
KQI=98。

基于改进的风电系统功率控制模型，构建了风电并网功率控制仿真系统，分别对稳态和暂态等值风电场输出功率控制进行仿真（图6）。

图6 双馈风电场并网仿真系统Fig.6 Doubly-fed wind farm grid-connected （1）负荷增加
在风电场输出功率按比例增加的稳态工况下，对常规功率控制模型与改进功率控制模型进行仿真，仿真结果如图7、图8所示。

在功率极限修正前，风电场的功率波动较大，修正之后的基于功率极限在线辨识的风电控制模型功率趋于平稳。

改进后的功率控制模型在稳态工况下具有较好的有功和无功控制特性。

图7 无功率极限修正的风电控制特性曲线Fig.7 The power control characteristic curve is not improved
图8 有功率极限修正的风电控制特性曲线Fig.8 Improved power control characteristic curve
（2）负荷切除
基于图6所示系统，假设风速稳定在13 m/s。

在负荷LOAD3 切除过程中，母线6 接入的等值风电系统采用改进前后的功率控制模型的频率和功角曲线如图9，10所示。

由图9，10 可以看出，本文提出的风电功率改进控制模型，在负荷切除工
况下能够有效抑制并网点频率和功角波动。

图9 切除负荷工况下频率特性曲线Fig.9 Frequency characteristic curve under load cutting condition
图10 切除负荷工况下功角特性曲线Fig.10 Angle characteristic curve under load cutting condition
（3）系统故障
在暂态工况下，假设风速稳定为13 m/s，节点6 母线与节点1 间联络线中点在t=1 s 时发生三相短路，故障持续0.05 s，之后故障切除，且重合成功。

对风电并网节点6 母线上电压频率及功角进行仿真，仿真结果如图11、图12所示。

由图11，12 可以看出，本文提出的风电功率改进控制模型，在暂态工况下能够有效地抑制并网点频率和功角波动。

图11 暂态工况下频率特性曲线Fig.11 Frequency characteristic curve under transient condition
图12 暂态工况下功角特性曲线Fig.12 Angle characteristic curve under transient condition
（4）负荷故障情况1
当风电场的输出功率因数大小恒定，在负荷故障下进行风电系统功率输出极限在线判别算法仿真。

设全网负荷为恒功率负荷模型，1.5 s 时负荷故障，仿真结果如图13所示。

由图13 可见，阻抗模指标在负荷故障10 s 内计算出Zth=ZL，即可提示风电功率输出到达极限，能够在风电系统甩负荷情况下，有效地对风电功率控制系统进行紧急功率控制。

图13 负荷故障过程中风电功率极限判别曲线1Fig.13 Output limite characteristic curve under transient condition case1
（5）负荷故障情况2
当风电场输出功率因数变化时，在负荷故障下进行风电系统功率输出极限在线判别算法的仿真。

考虑风场功率按不同规律变化，故按上一时刻变化时的极限状态评估当前风场等效负荷。

全网各负荷采用变功率负荷模型，负荷在1.5 s 时出现故障，且其功率因数不保持恒定。

仿真结果如图14所示。

由图14 可见，在13 s 左右时，阻抗模指标有Zth=ZL，即可判断为风电功率输出达到极限。

图14 负荷故障过程中风电功率极限判别曲线2Fig.14 Output limite characteristic curve under transient condition case2
4 结论
本文提出了一种基于双馈风电机组模型和风电系统功率极限实时辨识的风电并网功率改进控制方法。

采用该模型和控制方法，利用双馈性风力发电系统并网点实测数据，实时在线辨识风电系统输出功率极限变化状态，可有效判断风电机组功率调节能力。

针对常规双馈型风力发电系统功率控制模型，在功率闭环控制系统中加入了实时功率极限辨识修正环节，有效地提高了双馈风电系统并网功率控制能力。

基于双馈风电系统并网的电力系统仿真分析表明，本文提出的风电系统改进功率控制模型，在稳态和暂态工况下，均能够提供较好的功率控制特性。

参考文献：
【相关文献】
[1]滕云，张铁岩，陈哲.多能源互联系统优化运行与控制技术研究现状与前景展望[J].可再生能源，2018，36（3）：467-474.
[2]钱政，裴岩，曹利宵，等.风电功率预测方法综述[J].高电压技术，2016，42（4）：1047-1060.
[3]Haijian Shao，Xing Deng.Short term wind power forecasting using model structure selection and data fusion techniques [J].International Journal of Electrical Power and
Energy Systems，2016，83（83）：79-86.
[4]薛禹胜，郁琛，赵俊华，等.关于短期及超短期风电功率预测的评述[J].电力系统自动化，2015，39（6）：141-151.
[5]王勃，刘纯，冯双磊，等.基于集群划分的短期风电功率预测方法[J].高电压技术，2018，44（4）：1254-1260.
[6]李莉，刘永前，杨勇平，等.基于CFD 流场预计算的短期风速预测方法[J].中国电机工程学报，2013，33（7）：27-32.
[7]Giebel G，Kariniotakis G.Renewable Energy Forecasting：From Models to Applications[M].Kariniotakis：Woodhead Publishing，2017.59-109.
[8]Alessandrini S，Sperati S.Renewable Energy Forecasting：From Models to Applications [M].Kariniotakis：Woodhead Publishing，2017.235-255.
[9]Cabezon D，Rubin S，Lainez I.Benchmarking of forecasting models：Reviewing and improving the state of the art[A].Wind Power Forecasting 2015 Meeting[C].Leuven：IEEE，2015.1-6.。