风电场场站级降功率控制策略优化研究

孙　钒，张建华

(华北电力大学电气与电子工程学院输配电研究所，北京　102206)



风电场场站级降功率控制策略优化研究

孙钒，张建华

(华北电力大学电气与电子工程学院输配电研究所，北京102206)

0　引　言

近几年，我国风力发电发展迅速，风电渗透率明显提高[1]。但同时，风力发电波动性和不确定性对电网产生的影响也日趋明显。因此研究能有效跟踪电网调度指令变化、提高风电场功率调控能力的场站级有功功率控制系统显得必要和迫切[2]。

风电场场站级功率控制主要对场内各风电机组进行优化调度来快速经济的跟踪电网调度指令。目前国内外关于此领域研究较少。文献[3-4]整体介绍了风机本地控制和风电场集中控制的原理和结构。文献[5]在分析风电场有功控制能力和电网约束后提出了考虑储能的风电场有功控制3层模型。文献[6]以风电场有功损耗最小为目标函数建立优化调度模型，使用粒子群算法求解。文献[7]基于超短期功率预测，在降出力条件下以有功出力最大和线损最小为目标建立风电场群有功优化模型。文献[8]针对风机提出调节性能评价指标,使用优先顺序法确定控制序列，并提出功率分配算法，但未考虑风机运行损耗和机械特性，且评价方法较粗略。

针对以上文献的不足，本文考虑变速恒频风机在不同风速下的功率调节和机械特性，提出计及风机运行特性的风机功率调节评价指标体系，使用熵权法修正的层次分析法和模糊理论相结合的综合评价方法，建立风机调控评分序列，并提出降功率优化模型。最后，以湖北省随州某风电场算例验证了所提风电场场站级有功控制策略的有效性。

1　风电场有功功率控制

1.1风电场有功功率控制系统

风电场有功功率控制系统基于电网实时调度指令，以15min为控制周期，通过有功优化策略实时控制场内风机的有功出力值[9]，风电场有功控制系统主要包括SCADA系统、功率预测、场站级控制和单机控制系统，控制系统框图参见文献[10]。

本文以风电场实际运行中最常遇到的降功率情况进行分析。电网实时调度对风电场下达下一周期出力指令Pref，并与风电场当前功率Pcc比较得到功率调整值ΔP(ΔP=Pref-Pcc)，ΔP作为控制信号传递给风电场场站级控制系统。场站级控制通过有功评价策略模块评估场内风机调节性能并形成调控序列，功率分配模块依据该序列计算下一控制周期各台风机的出力参考值，最后传递到单机控制系统实现对每台风机输出功率的控制，实现风电场对电网实时调度指令的跟踪。

1.2恒频变速风力发电机运行特性分析

新建大型风电场为获得更好的功率调控能力均采用变速变桨风力发电机，本文以双馈风力发电机为例，分析风机功率调节特性[11-13]。

① 风速小于额定风速，风机按最优桨距角定桨距运行，通过调节励磁电流控制转速实现捕获风能大小的控制。此时功率调节通过电气量实现，调节速率快且不产生机械损耗，但调节范围有限。

② 风速大于额定风速，调节励磁电流不能满足要求，此时主要通过调节桨距角来控制风机功率输出，功率调节通过改变机械量实现，调节范围大但速率慢且机械损伤大，频繁动作会缩短风机寿命。

为提高风电场功率响应速率，减少风机运行损耗，功率控制时应优先动作功率调整速率快、机械损耗小的风机，并尽量避免切停风机。

2　风电场场站级降功率评价策略

2.1风机功率调节评估指标体系

为综合衡量风电机组功率调节速率和机械损伤情况，本节从电气性能、机械性能、运行维护状态3个方面提出6个指标对风机功率调节性能进行评估，各参数的采样周期均为15min，与控制周期一致。

① 调节容量。风机调节容量A1是指机组当前功率与最小技术出力的差值，调节容量越大则该风机对风电场降功率调控的贡献越大，应优先动作。具体表达式为

(1)

式中:Pi为机组i当前功率；Pi,min为机组技术最小出力；PN为额定功率。

②预测调节容量。风机预测调节容量A2是指机组下一周期预测功率与最小技术出力的差值，预测调节容量越大的风机应优先动作。具体表达式为

(2)

式中:Pi,pred为机组i下一周期功率预测值，预测周期为15min。

③桨距角指标。风机桨距角指标B1可衡量风机变桨机构的状态和桨距角动作时产生的机械损耗大小。具体表达式为

(3)

式中:θi为风机当前桨距角，(°)；90°表示桨距角最大调节范围是90°。

④叶尖速比指标。风机叶尖速比指标B2可反映风机转速和风能利用情况。额定风速以下叶尖速比越大，风机效率越高，降功率过程中调节能力越好。具体表达式为

(4)

式中:λi为风机当前叶尖速比；λmax为风机最优叶尖速比。

⑤运行时间。风机运行时间C1是指机组从并网到当前周期已运行的时间，用于平衡场内机组运行时间和运行损耗。具体表达式为

(5)

式中:Ti为风机连续运行时间，h，由SCADA系统按小时级更新，在控制周期内不变化；Tmax为风机允许的最大连续运行时间。

⑥投运率。风机投运率C2反映机组控制执行机构的故障率以及是否适合参与功率调整。具体表达式为

(6)

式中:pi,off为风机运行故障率，由风电场历史统计数据按日更新，在控制周期内认为不变化。

将上述指标按层次法归类。记风机功率调节性能为Z,电气性能为A，机械性能为B，运行维护状态为C，得到风机功率调节评估体系如图1所示。

图1　风机功率调节综合评估指标体系

2.2层次分析法确定权重

层次分析法是一种实用的多目标决策方法，其基本思想是根据决策问题的性质和目标将问题按层次分解成由下而上递阶的层次结构[13-14]。采用层次分析法对风机功率调节性能进行评估的步骤如下：

①确定层次关系。本文根据风机功率调节能力综合评估指标体系，把风机功率调节性能Z作为目标层，指标A、B、C作为准则层，具体指标A1～C2作为指标层，层级结构如图1所示。

②构造判断矩阵。使用1-9级标度法，根据层级结构中各层各指标对上层相应指标的重要性进行两两比较，构造判断矩阵。本文层级结构下，准则层相对目标层判断矩阵记为Z3×3，指标层相对准则层判断矩阵分别记为A2×2、B2×2、C2×2。矩阵Z3×3具体构造方法如式(7)，其余矩阵的构造方法类同：

(7)

式中:元素zIJ表示关于目标层指标Z，准则层指标I相对于指标J的相对重要度，数值越大表示相对重要度越高。该值由专家组意见决定，取值范围为1～9及其倒数，且zIJ=1/zJI。

③计算各层级权重矩阵。对判断矩阵Z,使用方根法计算权重，经归一化后得到权重矩阵VZ：

(8)

式中:vI为指标I经归一化计算后相对于上层指标Z的权重。

同理，对判断矩阵A、B、C归一化后可得权重矩阵VA、VB、VC，并构建指标层权重矩阵VD:

(9)

④计算权重矩阵。指标层各风机指标相对调节性能Z的权重矩阵V计算如下：

(10)

⑤层次排序与一致性检验。为确保判断矩阵构建合理，需验证最大特征根、随机一致性指标和随机一致性比率是否满足要求，若不满足要求，需调整判断矩阵元素重新计算。

2.3熵值法修正权重

由于层次分析法属于主观赋权法，权重确定时专家知识和经验等主观因素影响较大。熵值法是一种根据各指标信息载量的大小来确定指标权重的客观赋权方法，可以弥补层次分析法的主观缺陷，使权重更符合实际[13,15]。使用熵值法修正层次分析法权重的步骤如下：

①构造决策矩阵D：

式中:xij表示当前控制周期内，第i台风机指标j的数值，可由场内SCADA系统获取初始数据并按照公式(1)～(6)求得；j=1～6分别表示指标A1～C2。

②计算指标j下第i台机组的特征比重：

(11)

③计算指标j的熵值ej：

(12)

④计算差异性系数gj：

(13)

⑤确定权重系数uj，得到权重矩阵U：

(14)

⑥权重矩阵修改。根据权重矩阵V和熵权矩阵U计算综合权重矩阵W，计算公式如下：

2.4模糊综合评价方法

模糊综合评价应用模糊集合理论，通过对评价对象进行单因素评价，再考虑各因素权重，给出最终的综合评价结果[15]。模糊综合评价步骤如下：

①建立指标集。指标集已在2.1节建立；

②建立评价集。为平衡准确性和复杂度，本文对风机调节性能指标的评价集分为优、良、差3个等级，分别对应百分制100、80、60分。“优”表示风机功率调节性能优秀，最适合参与功率调整；“良”表示风机功率调节性能较佳，需要时可以参与功率调整；“差”表示风机功率调节性能差，不适合参与功率调整；

③隶属度计算。上文所述6个风机调节性能评价指标均属效益型指标，数值越大调节性能越好。据此，设定指标X的最优、最差分界点分别为n、l，中间值为m。指标隶属度按下式计算：

(16)

(17)

(18)

④模糊评价，建立评分矩阵。根据指标X对不同评价的隶属度和评价等级分值，确定机组i指标X的模糊评分：

(19)

得到模糊评分矩阵Fi：

(20)

⑤模糊综合评价。根据综合权重矩阵W和模糊评分矩阵Fi，计算机组i的调节性能综合评分为

(21)

综合评分FCi值越大，说明风机i功率调控时性能越好，应优先动作。将场内风机按照综合评分由大到小的顺序排列并重新编号，建立风电机组降功率控制序列S。风电场场站级降功率评价策略流程如图2所示。

图2　风电场场站级降功率评价策略流程图

3　风电场场站级降功率优化模型

本节基于上一节得出的风机调控序列，研究风电场场站级降功率值优化分配模型，求解该模型可计算得出各台风机在下一周期的功率设定值。该优化模型的原则是尽量避免切机，同时减少场内风机功率设定值的波动，以减小风机因功率调控产生的机械损耗，提高风电场运行经济性。

根据降功率值ΔP的大小，风电场降功率可分为不切机和切机两种，判别公式如下：

(22)

3.1不切机降功率优化模型

当ΔPMAX≥ΔP时，风电场仅通过调控场内部分机组至最小出力就能完成风电场降功率的要求，不必切停机组。设定调控序列中前s台机组功率为最小值，剩余机组功率设定值保持不变。根据如下公式可求得s值：

(23)

式中:s为需要降低功率设定值的风机台数。

3.2切机降功率优化模型

当ΔPmax<ΔP时，风电场必须切停部分风机才能满足风电场降功率要求。为使切机数量最小，不切机机组应按最小功率运行。据此设定调控序列中前r台机组被切停，剩余机组按最小出力运行，根据如下公式可求得r值：

(24)

式中:r为需要切机的台数，r为正整数；ΔP′为切机功率值，ΔP′=ΔP-ΔPMAX。

根据上述模型可计算得出场内每台风机在下一周期的功率设定值，将该功率设定值序列传递到单机控制系统即可实现风电场对调度指令的跟踪。

4　算例分析

本文以湖北省随州市天河口风电场一期2014年典型日某时刻实测数据为算例来验证本评价策略和功率优化算法的有效性。该风电场包含33台联合动力UP86/1500型双馈风机，额定容量PN，最小技术出力设为Pmin，额定风速10m/s，最优叶尖速比λmax=10.1，最大连续运行时间设为Tmax=2 000h，采样时刻风电场总输出功率45.5MW，其余实测数据见附录A。

经过指标计算，由层次分析法和熵值法修正后得到的各项指标权重见表1。经模糊综合评价后场内各机组综合评分和优先排序情况见表2。

表1　风机功率调节评估指标权重

表2　风机综合评分和优先级排序

分两种场景分别讨论风电场在该时刻的降功率控制情况：

场景一：调度侧控制风电场调整出力至35MW，ΔP=10.5MW，ΔPMAX>ΔP，风电场不需切机。

场景二：调度侧控制风电场调整出力至15MW，ΔP=30.5MW ，ΔPMAX<ΔP，风电场需切停部分机组。

两种降功率情形下，分别按照本文功率优化算法和传统功率控制策略计算得到的风机调控结果如表3所示。

表3　不同场景下不同控制策略风机动作数量比较

由表3可见，场景一中，当降功率数值较小时，传统控制策略则会导致全场机组动作或切机，而本文策略可以避免切机，且使机组动作台数最少，；场景二中，当降功率数值较大时，平均分配和比例分配策略已无法满足调度要求，切机策略会使超过一半的机组停机，而本文策略只需切停3台机组，可有效减少切机数量，提高风电场运行平稳性。

算例表明，本文综合评价策略和优化算法能够有效降低风电场降功率运行时风机的动作数量和切机数量，确保优先选择综合性能最佳的风机进行功率调控，从而降低了风机控制和执行机构的动作次数和运行损耗，提高了风机运行寿命和风电场运行经济性。

5　结　论

本文基于恒频变桨风机的运行调控和机械特性，提出风电机组功率调节综合评估指标体系，使用熵值法修正的层次分析法确定指标权重，通过模糊综合评价对机组调节性能评分，并进一步建立风电场场站级降功率优化分配模型实现对风机的功率输出控制。算例分析表明，本文所提风电场控制策略和优化算法在降低风机损耗提高运行经济性方面具有可行性。

[1]邢正军, 林俐, 张东英. 风电集群紧急功率控制方法研究[J]. 现代电力, 2014, 31(4):7-13.

[2]Moyano C F, Lopes J A P. Unit Commitment and Dispatch Strategies for a Wind Park[C]// Power Engineering, Energy and Electrical Drives, 2007. POWERENG 2007. International Conference onIEEE, 2007:12 - 17.

[3]林俐, 赵会龙, 陈迎,等. 风电场建模研究综述[J]. 现代电力, 2014, 31(2):1-10.

[4]谷峰, 梁军, 张利. 并网双馈发电机风电场的功率控制[C]// 中国高等学校电力系统及其自动化专业第二十四届学术年会论文集(下册). 2008.

[5]乔颖, 鲁宗相. 考虑电网约束的风电场自动有功控制[J]. 电力系统自动化, 2009, 33(22):88-93.

[6]张文通, 朱晓荣. 考虑网损的风电场有功功率分配方法[J]. 陕西电力, 2012, 40(6):11-15.

[7]王世谦, 林俐, 狄立,等. 限出力条件下风电场集群有功功率优化分配方法[J]. 中国电力, 2013, 46(12):107-112.

[8]林俐, 谢永俊, 朱晨宸,等. 基于优先顺序法的风电场限出力有功控制策略[J]. 电网技术, 2013, 37(4):960-966.

[9]叶希, 鲁宗相, 乔颖,等. 风火联运源端系统有功优化运行分层协调思路[J]. 电力系统自动化, 2014, 20期(20):1-8.

[10]邹见效, 袁炀, 黄其平,等. 风电场有功功率控制降功率优化算法[J]. 电子科技大学学报, 2011, 40(6):882-886.

[11]王成山. 微电网分析与仿真理论[M]. 北京: 科学出版社, 2013：44-66.

[12]Zhi Dawei, Xu Li. Direct power control of DFIG with constant switching frequency and improved transient performance[J]. Energy Conversion, IEEE Transactions on, 2007, 22(1): 110-118.

[13]何永秀. 电力综合评价方法及应用[M]. 北京：中国电力出版社，2011：131-143.

[14]邓雪, 李家铭, 曾浩健,等. 层次分析法权重计算方法分析及其应用研究[J]. 数学的实践与认识, 2012, 42(7):93-100.

[15]陈卫, 杨波,等. 计及电动汽车充电站接入的配电网承载能力评估与优化[J]. 电工技术学报, 2014, 29(8)：27-35;45.

(责任编辑：林海文)

附录A

Research on Active Power Reduction Control Optimization of Wind Farm

SUN Fan，ZHANG Jianhua

(School of Electrical & Electronic Engineering, North China Electric Power University, Beijing 102206, China)

场站级功率控制系统是风电场跟踪电网调度指令、控制风电机组的关键。为优化风电场功率控制系统，减小调节过程产生的风机频繁启停和动作损耗，本文考虑恒频变桨风机的运行机械特性，提出功率调节评价指标体系，使用熵值法修正的层次分析法确定指标权重，通过模糊综合评价对机组评分，进而提出风电场降功率优化分配模型。最后以某风电场实际算例对所提评价策略和优化模型的有效性进行了比较验证。

风电场功率控制；评估指标；模糊综合评价；功率分配模型

Power control system for wind farm is a key link in tracking grid dispatching instruction and controlling wind turbines. In order to optimize the power control system for wind farm, and to reduce mechanical loss of wind turbine in control process, the operational mechanical characteristics of wind turbines is considered in this paper, and a comprehensive evaluation system is proposed. Then the index weights are determined by using AHP corrected by the entropy weight method, and turbines are assessed by fuzzy comprehensive evaluation. In the end, a reducing power optimization model is proposed. The effectiveness of proposed evaluation strategy and optimization model is verified by actual wind farm example.

wind farm power control; evaluation system; fuzzy comprehensive evaluation; power allocation model

表A1　风电场风机数据表

1007-2322(2016)05-0012-06

A

TM614;TM73

国家电网公司科技项目(5215M0130467)

2015-10-19

孙钒(1990—)，男，硕士研究生，研究方向为配电网规划和分布式发电控制，E-mail:914555650@qq.com；

张建华(1952—)，男，教授，博士生导师，研究方向为电力系统规划和安全评价，智能配电网和分布式发电等, E-mail:13946012863@163.com。