风电高风险爬坡有限度控制_戚永志

方式实现。 2.2 爬坡控制实现方法
图1 Fig. 1
爬坡事件分阶段控制时序图
2.2.1 P 为正时，即升出力
风电基地测量得到当前出力 Pcur，同时接收电 网下发的功率指令值 Porder， 从而确定整个风电基地 的功率调整量P：
Sequence chart of stage control for ramping events
源自文库
第 13 期
P 预测曲线
戚永志等：风电高风险爬坡有限度控制
71
可以在最大功率以下任意调节，升降出力主要依靠 调整桨距角和转速的方式实现，而恒速风机或老旧 风机，其调节能力较差，无法实现最大功率以下的 任意调节，升降出力主要依靠切机和切机后并网的
爬坡控制 t2 恢复控制 t3 t
控制目标 曲线 预防控制 t0 t1
1 有限度控制
1.1 机组状态分类方法 通过对风电机组进行状态分类
[18-19]
，能够有效
1.2
有限度控制框架 有限度控制是爬坡事件研究中最重要的一环。
挖掘风机的控制潜力，提高控制的针对性。根据极 端天气的发展过程以及风机的控制性能(风机维持 指定功率的能力)，提出了一种新的机组分类方法， 将风机分为 6 类：A 类机组：极端天气过境后，风 速已经恢复到正常风速下的风机，这类风机能够快 速并入电网，定义为完全可控风机；B 类机组：极 端天气正在影响下的风机，这类风机正处于高风速 下(切出风速附近)，随时可能脱网，其控制性能很 差，定义为半可控风机；C 类机组：极端天气即将 影响到的风机，这类风机处于正常风速下，但在短 时间内(例如 5min)极端天气将到达， 出力具有一定 的可控性，能够在较短的时间内运行在指定功率 下，定义为半可控风机；D 类机组：极端天气在较 长的时间内(例如 15min)会影响到的风机，具有较 强的可控性，能够在较长的时间段内运行在指定功 率下，定义为可控风机；E 类机组：不受极端天气 影响的风机，这类风机始终处于正常风速下，可控 性最强，定义为完全可控风机；F 类机组：出现故
第 33 卷 第 13 期 2013 年 5 月 5 日 文章编号：0258-8013 (2013) 13-0069-07
中
国 电 机 工 程 学 Proceedings of the CSEE 中图分类号：TM 614
报
Vol.33 No.13 May 5, 2013 ©2013 Chin.Soc.for Elec.Eng. 学科分类号：470·40
坡控制阶段提供升出力“备用” ，实现风电基地经 济效益和安全效益的最大化；爬坡控制阶段挖掘风 机的控制潜力，协调不同状态风机的出力，增强风 电出力跟踪计划指令的能力，改善风场和风电基地 的出力特性；恢复控制阶段协调各风场经营主体的 经济效益，在保证风电基地出力有序恢复的前提 下，实现各风场经营主体效益的最大化，并保证公 平性。
[16-17]
障或通讯问题的风机，风场无法进行有效控制的风 机，定义为完全不可控风机。 现有的气象预测技术通过考虑狭管效应、流洩 风、温差、气压以及地形等因素的影响[20]，能够较 为准确的预测复杂的极端天气变化过程，给出大时 空尺度下风速分布图。由于微地形以及风机尾流等 因素的影响，使得风电场中风速分布和预测的风速 分布图有一定差异，且分布不规则，但考虑到爬坡 发生在高风速场景下，风机间风速差异相对较小 (v /v 较小)，本文通过分组阈值予以考虑。目前商
69
文献标志码：A
风电高风险爬坡有限度控制
戚永志，刘玉田
(电网智能化调度与控制教育部重点实验室(山东大学)，山东省 济南市 250061)
Finite Control of High Risk Wind Power Ramping
QI Yongzhi, LIU Yutian
(Key Laboratory of Power System Intelligent Dispatch and Control of Ministry of Education (Shandong University), Jinan 250061, Shandong Province, China) ABSTRACT: With the increase of wind power penetration ratio, the probability of ramping events of large scale highly-concentrated wind power generation increases, and therefore, the research on finite control of ramping events becomes more urgent. This paper proposed a unit classification method based on extreme weather conditions and controllability of wind generators, which divides wind generators into six types; a framework of finite control method to deal with highly-concentrated wind generation ramping events, which can be classified into preventive control stage, ramping control stage and restorative control stage; especially ramping control method is introduced based on unit classification and priority, which can improve the controllability and certainty of wind power generation bases. The simulation results verify the effectiveness of the method. KEY WORDS: wind generation ramping; unit classification; finite control; ramping control 摘要： 随着风电规模的不断增大， 大规模高集中风力发电出 力高风险爬坡事件发生的可能性不断增大， 研究爬坡事件的 有限度控制已越来越迫切。 该文提出了基于极端天气发展过 程和风机控制性能的机组状态分类方法， 将爬坡过程中的风 机分为六类； 提出了应对大规模高集中风电爬坡的有限度控 制方法框架， 将有限度控制过程分为预防控制、 爬坡控制和 恢复控制三个阶段； 给出了爬坡控制方法， 结合机组状态分 类以及优先级顺序对风电基地内的所有风机进行协调控制， 提高风电基地出力的可控性和确定性， 同时考虑预防控制对 爬坡控制的改善作用。 仿真结果表明， 通过协调不同机组状 态风机的出力，风电基地出力能够有效跟踪计划出力曲线， 验证了上述方法的有效性。 关键词：风电爬坡；机组分类；有限度控制；爬坡控制
用的爬坡预测系统 [15] 能够给出整个管辖区域的风 速态势变化图，基于该类爬坡预测系统，根据风电 场测风塔数据，实时修正风速态势变化图，改善其 精度和时效性，而风电基地通过风速态势图，迅速 给出每类机组的区域范围，下发给风电场，风电场 根据下发的区域范围以及风机本身的测风数据，快 速给出风机所属机组状态，并在控制系统予以标 记，同时将各类机组数目、机组发电量以及机组可 调容量等信息，上传给风电基地，以便风电基地下 发计划出力曲线。 该分类方法能够在极端天气发生过程中，快速 筛选出不同控制性能的风电机组，将风电机组分为 不同的控制类型，提高爬坡控制阶段控制的针对 性，提高控制指令执行的成功率和完成度。
70
中
国
电
机
工
程
学
报
第 33 卷
测出爬坡事件，但其预测精度较差，难以满足爬坡 控制的需要。目前对爬坡事件的研究主要集中在预 测方面，而对爬坡过程中风场的控制研究较少，尚 未见到文献报道。 爬坡事件是一种短时间尺度下功率的大幅波 动，这种功率波动将会使电力系统在短时间内失去 大量电源，原有发电负荷平衡被打破，给电力系统 带来较大的冲击。极端气象条件往往会导致爬坡事 件的发生，此时系统发生并发性故障的可能性大幅 提高
0 引言
随着风电规模的不断增大，风电出力的变化对 电力系统的影响越来越大[1-2]， 尤其是风电的大规模 高集中接入，造成爬坡风险不断升高，使得其对电 力系统的威胁日益突出[3-10]。我国目前在建的六大 “千万千瓦级”内陆风电基地都分布于“三北”地 区， “三北”地区是冷空气进入我国的前沿，在冷 锋过境时，在冷锋后面 200km 附近将会产生 6~10 级大风，风速高达 10~25m/s。尤其是当风速超过 25m/s 时，由于风机的自身保护设置，风机将会被 迅速切除，这将导致整个区域出现较为严重的爬坡 事件。这类事件将会对电力系统产生很大的冲击， 给整个电力系统的安全稳定运行造成极大的风险。 国外对爬坡事件的研究较早，文献[11-12]介绍 了爬坡事件的基本概念以及爬坡事件与极端气象 条件的关系，给出了影响爬坡事件进程的几种极端 气象条件：锋面系统、雷暴以及低空急流等，但未 能揭示两者的本质联系。文献[13]给出了一种基于 GH 预测模型的预测方法，将数值天气预报技术引 入到爬坡事件预测，并给出了评估预测效果的两个 指标：预测精度和预测捕获率，但该方法未能考虑 风场和风电场群的差异，因此影响了预测精度。文 献[14]给出了一种基于概率的短期爬坡预测方法， 但该方法的预测精度较低，难以满足实际应用的要 求。 文献[15]主要介绍了 AWS truewind 公司开发的 一套预测风电爬坡的系统，该系统具有四项功能， 能够给出概率性的爬坡预测、确定性和不确定性混 合的爬坡预测、 以 15min 为分段的确定性和不确定 性混合的功率预测结果以及风速态势变化图，该系 统已经运行在美国德克萨斯电网，能够提前 6h 预

，若爬坡事件和并发性故障同时发生将会
给电力系统带来很大的风险，给电力系统的安全稳 定运行带来很大的压力。 本文提出了一种机组状态分类方法和有限度 控制方法，旨在提高风电出力的确定性和可控性。 通过对风电机组进行状态分类，能够有效挖掘风机 的控制潜力，提高控制的针对性。有限度控制方法 分为三个阶段：预防控制阶段、爬坡控制阶段和恢 复控制阶段，通过协调这三个控制阶段，可以降低 风电出力的随机性和不确定性。通过给出爬坡控制 的具体实现方法以及仿真算例，验证了机组状态分 类方法和爬坡控制方法的有效性。
本文提出了有限度控制的基本概念，有限度控制是 针对风机有限的控制能力(风机不能像常规机组严 格跟踪计划出力指令，长期维持其功率在指令值， 其出力具有很大的随机性和不确定性，维持出力在 指定功率下的能力较弱，故称为有限的控制能力 ) 施加的控制，通过对风机、风场和风电基地的协调 控制，使得风场或是风电基地的出力能够按照给定 的出力曲线或是变化规律运行，提高风电出力的确 定性和可控性，降低电网运行人员处置风电爬坡的 难度和电力系统失稳的风险。 将有限度控制分为 3 个阶段：预防控制阶段、 爬坡控制阶段和恢复控制阶段。 3 个阶段协调配合， 以达到最优的控制效果。如图 1 所示，t1 为爬坡发 生时刻，t2 为爬坡结束时刻。预防控制阶段实现整 个风电基地的降出力运行，考虑风电爬坡过程以及 爬坡预测误差，尽可能快的降低风电基地功率到最 优值， 改善 爬坡发 生后 的风电 出力 特性， 为爬
基 金 项 目 ： 国 家 重 点 基 础 研 究 发 展 计 划 项 目 (973 项 目 ) (2012CB215101)； 国家高技术研究发展计划(863 项目)(2011AA05A101)。 The National Basic Research Program of China (973 Program) (2012CB215101); The National High Technology Research and Development of China 863 Program (2011AA05A101).