浅谈含风电装机电力系统的发电调度

2017-03-27 11:36陈葆超罗青青
科技创新与应用 2017年4期
关键词:负荷预测风力发电电力系统

陈葆超+罗青青

摘 要:随着一次能源改革的不断深化,广西桂林电网风电装机总容量也不断地扩大,大量风电接入桂林电网对电力系统控制造成一定的影响。并网限制由大风、低负荷情况引起,这强调了准确掌握风电日变化的重要性。通过机组组合-经济调度(UC-ED)分析,从成本和排放角度来看,风电装机在很大程度上减少了二氧化碳的绝对排放量。

关键词:电力系统;负荷预测;风力发电;优化调度

引言

风力发电是一种新的可再生、分散的发电技术。这种技术现在已经成熟,并在某些国家成为最重要的发电方式之一。在大风期间,这些国家的风力发电量可达到总负荷的80%以上。由于风电的变化性,这显然会对电力系统的控制构成挑战。风电的高穿透率实际上就是出现电力系统运行新模式的原因。

随着一次能源改革的不断深化,广西桂林电网利用地理优势,风电的总装机容量也不断跟着扩大。然而,大量风力发电场陆续接入电网,对电网的调度运行也造成了一定的影响[1]。

1 风力发电

因为风是一种分散资源,所以需要用分散的风能转换设备把它汇聚起来。这些设备经历了长期演化,最后都归结为目前的三叶片转桨式风力发电机。作为固有特性,风资源可用性的地理特点也使风电场在地理上集中,通常在山区更加密集。得益于广西桂林特有的喀斯特地貌,一般安装在广西桂林山区常见的风机单机装机容量为2MW。风电场把发出功率聚集到风电场升压站再接入35~220kV电网。

从电气角度看,风电技术在近几十年已从简单的定速风力机发展为可以控制有功出力的全变速系统。定速风力机的发电机转速受到电网频率的强制,在多数风速下,风力机都运行在最高效率以下。而变速风力机使用电力电子变换器,使受制于风速的发电机转速与电网频率解耦;这使风电机组对频率、电压和有功、无功功率的控制,以及对性能和效率的优化更加灵活[2]。

2 短期负荷预测

电力系统的运行决策,如机组优化组合、经济调度、自动发电控制、安全评估、维护计划和电力商业化等,都取决于未来的负荷情况。因此,最近40年来,人们提出了集中负荷小时(或半小时)采样,甚至日采样(尖峰负荷)的短期负荷预测(short-term load forecasting,STLF)方法。这些处理负荷预测问题的长期经验提供了一些实用的模型,如基于多线性回归的模型,Box-Jenkins法,人工神经网络(artificial neural network,ANN),模糊系统和混合模型等[3]。

在电力产业重组之后,使用非自动方法的主要困难之一是可伸缩性。集合负荷预测可以通过参数模型实现良好性能,被用来为运行规划提供充分信息。然而,解除监管的电力市场向决策提出新的挑战。还需要与母线负荷准确预测相关的更多信息。因此,对于为安全与经济分析而需要同时预测的成百上千个不规则母线负荷系列来说,相应开放和维护已经超出了量身定做的参数模型力所能及的范围。因此需要使用自动负荷预测来避免专家介入,并扩展到母线负荷层次。

3 短期风电功率预测

对于电力系统的计划检修来说,提前多天的风电功率预测很重要,可在预计风电充足时替代常规发电机,或维护与负荷状态有关的输电线路。

在可再生能源穿透容量较大的系统中,系统不确定性源于它们第二天的出力曲线可能有非常大的不确定性。尽管用于调度计划的预测有时尝试不使用数值天气预报(Numerical Weather Prediction, NWP),但对于下一天来说,在功率转换模型中考虑NWP预测的风场是至关重要的。

25年来风电功率预测得到了快速发展,从最初仅使用时间序列来预测,到使用NWP產品并进行功率转化,再到专门的概率预测和基于此的决策支持工具。预测准确度有了明显提高,其他预测形式,如爬坡、变化性、结冰预测等开始出现[4]。

4 风电功率预测的气象模型

由于纯时间序列模型只能预测6小时左右,在过去8~10年中,专用的天气预报使用得到很大关注。为得到有用结果,预测尺度超过6小时,次日的风电功率预测需要有从本地区域模型(Local Area Model, LAM)或全球模型得到的风电场(有时也有其他变量)。天气系统通过中纬度地区的速度很少超过一天几百千米。因此,通常可以使用LAM预测1~2000km范围的未来天气。多数情况下,LAM用全球模型的结果进行初始化,然后对一些低水平分辨率的较大外部区域进行嵌套,得到的最终区域范围为数百千米,水平分辨率为2~5km。这类模型的实时运行往往由较大公司的IT部门负责,例如一个较小的Linux集群就能运行气象研究和预测(Weather Research and Forecasting, WRF)模型,WRF是当前风电领域最常使用的气象模型。这里需要注意的是,有效分辨率,即NWP模型能够实际分辨出的特征所对应的尺度,大约是4~7个网络点,即即使水平网络格分辨率是2km,实际也仅能考虑10km数量级特征[5]。

5 UC-ED在含风电装机电力系统的应用

提前制定发电机组合对于管理未来不确定条件下与运行电力系统供电负荷相关的风险是必需的。然而机组组合(unit commitment,UC)优化决定并不容易,因为必须考虑所有可能引起机组在线或停运的原因[6]。在确定机组组合之后,开始执行经济调度(econom

ic dispatch,ED)。要使总运行成本最低,机组之间需要合理分配期望负荷,同时除了满足需求外还能提供必要的备用容量。

目前,UC决定通常每天一次或两次重新评估,而发电调度却整天都在执行。当系统负荷预测合理时,原则上只在发电机(如停电)或需求发生意外重大变化时才必须进行机组组合的日内计算。如果需要把大量风电考虑在内,情况就会发生变化,因为风电变化很难预测。

电力市场的出现和风电增长使得UC-ED优化更加复杂,因为需要把更多变量和不确定性(如市场价格、风电功率预测)考虑在内。对于已有系统,理想市场考虑发电机调度时得到的结果原则上会与中心优化的情况相同。因此UC-ED与表述和求解中心优化问题高度相关。为切实探讨风电并网的相关问题,UC-ED问题表述中应包含风电模型、与邻近电力系统的互联能力已经储能设施。对于有些系统,还必须包含恰当的热电联产(combined heat and power,CHP)机组模型[7]。

6 结束语

UC-ED分析是评估大型电力系统中风电影响的重要工具。该方法恰当包含了决定电力系统成本和排放的许多因素。这对于得到合理的结果非常重要。不可否认风电装机在很大程度上减少了二氧化碳的绝对排放量。系统运行成本也由于燃料和排放定价而减小。

参考文献

[1]胡国伟,别朝红,王锡凡.考虑运行可靠性的含风电电力系统优化调度[J].电工技术学报,2013,05.

[2]元博,周明,李庚银,等.基于可靠性指标的含风电电力系统的发电和运行备用的协调调度模型[J].电网技术,2013,03.

[3]丁明,林玉娟,潘浩.考虑负荷与新能源时序特性的随机生产模拟[J].中国电机工程学报,2016,23.

[4]彭小圣,熊磊,文劲宇,等.风电集群短期及超短期功率预测精度改进方法综述[J].中国电机工程学报,2016,23.

[5]欧阳庭辉,查晓明,秦亮,等.中长期风电功率的多气象变量模型组合预测方法[J].电网技术,2016,03.

[6]邓勇.含风电场的电力系统机组优化调度研究[D].重庆大学,2014.

[7]别朝红,胡国伟,等.考虑需求响应的含风电电力系统的优化调度[J].电力系统自动化,2014,13.

猜你喜欢
负荷预测风力发电电力系统
基于高阶BP神经网络的日最大负荷预测
电力系统短期负荷研究综述
电力系统负荷的一元线性模型预测方法
电池储能技术在风力发电系统中的应用
信息时代的电力系统信息化经验谈
探讨电力系统中配网自动化技术
配网自动化技术的应用探讨
风力发电机组电气与控制系统快速检修思路探索