大规模新能源接入

大规模新能源接入（精选7篇）

大规模新能源接入 第1篇

目前,我国的电源结构中,由于风、光电等新能源的超常规发展,水电、抽水蓄能、气电等快速调节电源所占比例逐步减小,使电网通过常规手段进行系统调频、调峰的压力不断增大。随着电网中大规模风、光电基地的建成,渗透率的逐渐提高,其具有的随机性、间歇性、反调节性及出力波动大等特点,以及预测的不准确性对电网安全运行产生了威胁。在新能源接入电网负荷较低的时候,其发电负荷的波动对电网调峰的影响较低,但当新能源接入电网负荷提升到一定比例时,电网需要针对风、光电的出力波动采取预控措施[1,2,3,4]。尤其在某些特殊运行日中,当负荷实际曲线明显高于预测曲线、伴随风、光电功率实际曲线明显低于预测曲线时,净负荷将出现持续性大幅值的预测偏差,电网必须进行更快、更深的频率调节。

近年来,与大规模新能源相配套的水、火电等常规能源发展速度放慢,在电网并网电源比例中,水、火电机组所占比例呈逐年下降趋势。以某省级电网为例,2012 年底,水、火电等常规电源装机容量为22 864.1 MW,占总装机容量的75.89%,而风、光电等新能源装机容量为7 256.6 MW,占24.1%。经过两年的发展,截止2014 年底,水、火电等常规能源装机容量26 666 MW,占总装机容量的63%,增加3 802 MW,与此同时风、光电等新能源装机容量1 5244 MW,占总装机容量的36.37%,增加7 987.4 MW。随着新能源机组容量比例的不断提高,尤其在水电进入满发、防凌期后,基本丧失调峰能力,电网仅仅依靠火电机组旋转备用容量无法克服风、光电最大出力所带来的频率波动,电网调峰将面临很大的困难[5,6,7,8]。

1 新能源接入对电网调峰的影响分析

1.1 某省级电网风、光电发展趋势

作为可再生能源的风、光能有着巨大的发展潜力。目前,世界上许多主要的发达国家和发展中国家为应对日益严峻的气候变化和能源危机双重挑战,正在大力发展风、光电等新能源。虽然中国风、光电起步晚,但装机容量增长速度最快[9]。

而作为中国风、光能储存最丰富的地区之一,某省级电网新能源发展飞速,装机容量不断增加,截至2014 年底,全省发电装机容量达到41 910MW , 已并网的新能源装机占总装机容量的36.38%,其中风电装机10 076 MW,占24.04%;光电装机5 170 MW,占12.34%。另外,该省50 m高度风能资源3 级以上的面积为4.7 万km2,太阳能电站平均辐照强度2 368 W/m2,平均年累计日照时间3 756 h,风、光电潜在开发量、可开发装机容量均居全国前列。同时,新能源发电量也在不断增加,1~11 月,新能源发电总量已经达到了48.9 亿k Wh[10]。根据该电网拟定的截至2020 年的新能源发展规划,风、光电在电网中所占的比重将会进一步增加。

1.2 风电系统调节特性分析

由于风力资源的多变性导致了风电出力的不确定性,电网用电负荷的峰谷值和风电出力的峰谷值之间相关性很小,且用电负荷的峰谷值变化通常小于风电出力的峰谷值变化。因此风电大规模并入电网情况下,风电出力的变化速率将是影响系统调频的重要考量因素[11,12]。根据统计风电基地出力每月最大负荷变化速率数据表明,全网风电1 min、5min、15 min最大负荷变化速率年平均值则分别达到264 MW、354 MW及521 MW。

风电反调峰特性也对电网的调峰能力产生较大影响。风电反调峰特性是指风电日内出力增减变化曲线与系统用电负荷曲线相反。在衡量风电在调峰方面的作用时,最常见的方法是从负荷峰谷差角度、风电出力与负荷变化趋势角度这两方面进行研究。

风电反调峰出现概率是从负荷峰谷差角度进行研究分析。该方法用原始负荷减去风电负荷得到净负荷,然后再对原始负荷峰谷差与净负荷峰谷差进行对比分析。假设用ΔPvi代表风电接入前后系统峰谷差的变化值量。

式中:Pvi为原始负荷峰谷差;Pvi′ 为净负荷峰谷差,如果ΔPvi为负则表明该电网内风电起到反调峰作用,ΔPvi为正则表示该电网内风电起到正调峰作用。

依据式(1)对某电网2013 年3 月份的负荷数据进行分析。如图1 所示,ΔPvi基本为负值,即该电网风电基本全部表现为反调峰特性,反调峰率出现概率为90%。

从风电出力与电网负荷变化趋势角度衡量是通过对风电出力对电网负荷的实时贡献情况进行研究分析。风电的随机波动性导致各个时间点对负荷的贡献有“正、负”之分,当风电变化趋势与负荷变化趋势相同时,风电该时段的出力对电网负荷的贡献作用为正,如果风电变化趋势与负荷变化趋势相反时,风电该时段的出力对电网负荷的贡献作用为负。据此定义风电对电网负荷波动贡献率指标。由于短时间尺度下负荷波动不大,同时风电波动的随机性过强,调频机组来不及动作;而长时间尺度下,负荷的波动性特点又无法体现出来,所以,选择时间尺度为1 h,然后综合全月的数据进行分析。

假设风电对负荷波动贡献率为Cr,即相邻时间点风电出力变化值Pl与负荷变化值Pw之比:

依据式(2)对某电网2013 年3 月份的数据进行分析,如图2 为每天(综合每小时变化情况)风电负贡献率出现概率情况,结果表明,该电网风电月均负贡献出现概率为49.4%

1.3 光伏发电对系统调峰影响分析

随着大容量光伏发电系统接入,对电网线路潮流、电能质量、调频调峰能力以及经济性运行均产生了较大的影响。光伏夜间不能发电,具有明显的间歇特性,而随着光照强度和环境温度的不同,光伏电池的工作电压相应发生改变,导致光伏发电输出的负荷具有较大的随机性和波动性[13,14]。

2014 年该省级电网中,光伏发电总量达到40亿k Wh。如图3 所示,该电网全年光伏发电出力Pmax范围为1 200~2 600 MW,且光伏发电占总发负荷最大比例Pct.A和占总用电负荷最大比例Pct.B超过10%的概率分别达到了66.67%和91.67%。与此同时,由于光伏大规模后对系统调频、调峰产生了较大的压力,全年由于电网安全保障约束条件限制和电力电量平衡能力不足发生弃光电量约有20 亿k Wh。因此当光伏系统大规模并网运行时,须增加旋转备用容量,来消除光伏发电不稳定引起的调频、调峰问题。

2 常规电源开机方式与调峰能力关系研究

2.1 水电机组开机方式与调峰能力分析

某电网水电装机容量7 360 MW,除黄河、白龙江梯级水电具备调峰能力外,其余约4 500 MW均为径流式水电站或者地方小水电站,基本不具备调峰能力。但水电受来水、防凌、下游灌溉用水等因素的影响,全年调峰能力差异较大。如表1 所示,该电网除10、11 月份外,其余时刻由于受到黄河进入防凌期后,梯级水电站出力向上调整能力受限;水电大发期间,机组负荷向下调节能力受到限制,总体对电网的调峰能力减弱,尤其在上游来洪水期间,水电机组基本满发,基本丧失调峰能力。

2.2 火电机组开机方式与调峰能力分析

某电网火电装机容量18 700 MW,其中供热电厂装机容量接近6 800 MW,在供热期,供热机组需维持基本出力,供热机组基本只有上备用容量,而无下备用容量,调峰能力很小。调峰机组在1 至3 月份,全网开启火电机组比例较大,调峰能力最强,而在水电大发期间,全网火电开机容量较小,供热机组又占据一定容量,纯凝机组发电负荷较低,调峰能力最小。

2.3 电网调峰能力分析

由上文所述可知,电网调峰能力受水电、火电等常规能源开机方式影响较大。在风、光电等可再生能源大规模接入电网后,火电机组开机容量进一步压缩,导致电网调峰压力明显增大。分析该电网调峰能力时,设定全网发电、用电基本等值情况下,火电机组负荷调节能力按照45%~50%考虑,全网峰谷差按照最大及平均分别考虑,风电按照高峰、低谷时段平均发电出力(低谷时段电量占45%左右,高峰时段电量占16%左右)方式考虑,高峰期间火电机组旋转备用容量按60 万k W考虑。在不考虑风、光电的影响下,该电网调峰能力如表3 所示。

如图4 所示,全网允许接纳新能源容量为2 260~3 530 MW,而风、光电实际出力已达2 420~4 140 MW。该电网在新能源大规模接入后,仅在1、2 月份能够满足调峰要求,其他时段系统调峰困难。尤其在黄河进入防凌期和满发期后,水电将基本丧失调峰能力,此时,系统调峰将主要依靠火电机组完成。但在用电负荷处于谷值期间,如果风电大发,火电机组负荷比例将偏低,电网负荷调节困难;在用电负荷处于峰值期间且由于无风导致风电出力为零情况下,全网必须留取600 MW及以上火电旋转备用容量,这将造成火电机组开机方式偏大。

万k W

2.4 提高系统调峰能力的方法及建议

综上所述,风、光电等新能源大规模接入电网后,使系统在调峰方面存在一定的问题及困难。为提高电网的调峰能力,使电网在保证安全、稳定运行和电能质量的前提下尽可能降低风、光电弃用率,需要在以下方面进行研究和探讨。

(1) 充分发掘水、火电等常规电源机组的调峰能力,深入研究火电机组深度调峰和功率快速调节技术,并在火电旋转备用容量无法克服风电波动的时候,考虑临时开启火电机组来进行系统调频、调峰的方法和模式。

(2) 加快新能源送出通道建设,增加电力外送规模,有效增加新能源消纳能力,减少由于通道受阻导致的新能源限电现象发生。

(3) 研究本地高载能企业主动参与电网内新能源消纳及系统调峰的模式,增强新能源的就地消纳能力,缓解系统调峰压力。

(4) 规划抽水蓄能、储能电站的建设,在电网负荷处于高峰期时输出功率,负荷处于谷值期时吸收功率,改善系统的峰谷差,平滑负荷曲线。

(5) 提高风、光电功率预测准确率,使电网调度部门尽可能制订合理的水火电开机方式和火电旋转备用容量,确保电网的安全稳定运行。

3 结论

大规模风电接入技术研究 第2篇

我国风能主要集中在“三北”地区,且储量丰富。据统计,我国陆上和近海区域10m高度可开发和利用的风能储量约为10亿千瓦。近几年来,随着我国《可再生能源法》的颁布实施,我国各地大量兴建风电场,装机容量快速增长。由于我国风能的分布和风电场的建设分布,我国风电已经开始从分散、小规模发电、就地消纳,向集中、大规模开发、远距离输送方向快速发展。也正是因为这一方式的转变,使得风电对电网产生的影响越来越大,不可忽略。如何使风电大规模并网成为风电发展的瓶颈。本文针对这一问题,借鉴国内外的先进经验,论述了风电并网对系统的影响及所应该采取的解决措施。

1 风电特点及机组水平

1.1 风电运行特点

1.1.1 风是清洁能源,取之不尽,用之不竭,风电无污染。

1.1.2 风力发电波动性强、间歇性明显。风电出力的波动没有规律性,预测困难,出力在0-100%范围内变化。

1.1.3 现阶段风电年利用小时数较低。国家要求风电场年利用小时数达到2800h以上才能并入电网,但目前有很大数量的风电场无法达到标准。

1.2 风电机组分类

1.2.1 异步发电机组。也叫恒速风电机组,它采用普通的感应发电机,转速稳定,运行时需要从电网中吸收大量的无功功率。

1.2.2 双馈异步发电机组。也叫双馈变速风电机组,采用双馈电机,具有调节无功功率出力的能力,且可以通过自身的控制程序实现低电压穿越能力。

1.2.3 直驱式交流永磁同步发电机组。采用无齿轮箱结构,大大降低了故障率,特高发电机组寿命,但需考虑谐波问题。

2 风电并网影响及解决措施

2.1 影响系统调峰调频

由于风电具有随机性、波动性、间歇性、反调节性的特点,所以会对系统调峰产生较大影响。风电相当于一种“负-负荷”,而且一般情况下夜间风力大,风力发电量大,而用户负荷用电量少,因此,大规模风电的接入会使等效负荷峰谷差变大。从另一个方面说,风电的反调节特性(如图1所示)又会使这一情况更为严重,因此风电并网需要加大调峰容量。

就目前来看,我国电源结构不合理是造成调峰困难的主要原因。我国火电比重太大,尽管在我国南方有大量的水电站,但主要以小型为主,比重只有21%,抽水蓄能机组装机容量也占很小比例。因此,要解决调峰困难的问题,就要逐步改变我国的电源结构,采用燃油、燃气等快速调节电源,增加抽水蓄能机组容量,或采用风火、风水打捆外送的方式,加大调峰能力。

在没有风电并网的情况下,电网的频率是完全可控的。但大规模风电并网之后,电网频率调节有较大难度。风电机组输出功率随风能变化而变化,一般情况下风电机组是不参与系统调频的,即当系统发生故障时,会及时把风电机组切机。但随着接入风电的规模越来越大,如果故障时把所有风电机组切除,会导致系统进一步崩溃。因此,随着风电机组装机容量在电网中比重增加,需要配置相应容量的调频电源,保证系统频率在可调范围内。

2.2 影响无功和电压

在风电场中,异步电动机占的比重依然很大。并入电网运行的异步发电机,要依靠从电网吸取容性无功来励磁,风力发电研究部门曾做过简单的测试,所需要的励磁电流一般可达到额定电流的20%~30%左右,最大可达40%,这会使得电网的功率因数降低。解决的办法是增加集中或分散补偿装置。如果异步发电机建造的地理位置恰处于某长线路末端、容性无功充足,那就最理想不过了。

另一方面,在我国,风能资源比较丰富的地区一般离负荷中心都较远,大规模风电并网无法就地笑纳,需要通过远距离高压输电送到负荷中心。在风电场的风电出力较高时,大量功率远距离输送会造成线路压降过大,风电场得无功需求和电网线路的无功损耗也就相应增大,电网的无功不足,对电压稳定性造成影响。

如果要将风电并网对无功和电压的影响降到最低,可以采取以下方法:一是在风电场中可以安装一定容量的无功补偿装置来提高风电场并网点的电压,进而提高电压的稳定裕度,增加风电场最大装机容量;二是可以在资金允许的情况下,多采用双馈变速风电机组;三是也可以在风电场内安装对无功电压进行调节的动态无功补偿装置。

2.3 影响电压稳定性

2.3.1 影响暂态电压稳定性

当风电场满发并网,此时电网中某条线路短路,如果没有及时将风电场切除,则网内母线电压将无法恢复正常;而相反,如果当时能够及时切除风电场,则网内主要母线的电压和机组功角将呈衰减震荡最终趋于稳定。如果电网足够强壮,风电机组在故障清除后能够恢复机端电压并稳定运行,电压稳定性能够得到保证;但如果电网较弱,风电机组在故障清除后无法重新建立机端电压,风电机组运行超速失去稳定,电压稳定性遭到破坏。当系统发生故障时,要保证电压的稳定性,可以将风电场切除,也可以采用安装在风电场的动态无功补偿装置支撑电压,从而保证电网电压稳定性。

2.3.2 低电压穿越能力

在电网运行时,当系统出现扰动或者故障时,可能引起局部电压的瞬间跌落,期间各种电源维持并网运行的能力称为低电压穿越能力。这是因为目前配电系统线路主保护主要是分段式电流保护,它不能做到无延时切出故障,因此,可能会引起局部电压跌落。对于一些常规机组,他们均可以通过快速励磁调节来提供电压支撑,保持机组的可靠联网运行而不脱网,它们的低电压穿越能力很强。而对于风电来说,如果风电规模较小,电量较少时,则电网故障时只需将风电机组切除即可;但当风电规模较大,在电网所占比较较大时,如果仍然将风电机组切除,会加剧故障,最终可能导致所有机组全部解列。因此,需要采取一定的措施来维护风电场电网的稳定。

如图2所示,德国、英国等国家已经对低电压期间电压恢复时的风电有功响应速度提出了要求。要求规定:风电场必须具有在电压跌至20%额定电压时能够维持并网运行625ms的低电压穿越能力;风电场电压在发生跌落后3s内能够恢复到额定电压的90%时,风电场必须保持并网运行;风电场升压变高压侧电压不低于额定电压90%时,风电场必须不间断并网运行。

而针对我国的风电场情况,也可以通过以下方式进行改进:新建风电场应根据电网要求,选用具有低电压穿越能力的机组,进行功能配置;对于已建成的风电场,可以增加配置低电压穿越功能模块,使其具有低电压穿越能力;对于无法改造的已建风场,可以在并网点配置无功补偿装置。

2.4 影响电能质量

电能质量主要包括电压质量和电流质量。风电并网对两者皆产生较大影响。电压质量包括三种指标:电压偏差、电压波动、电压闪变。风电并网对电压偏差基本不会产生影响,因此只需研究对电压波动及闪变的影响。风电机组大多采取软并网方式,但当启动时仍然会产生比较大的冲击电流。当风速超过切除风速时,风机会从额定出力状态自动退出运行。如果整个风电场所有风机几乎同时动作时,这种冲击容易造成电压闪变和电压波动。此外,风电机组的一些固有特性,如塔影效应等也会造成风电场的电压波动,进而引发可察觉的电压闪变。

解决风电并网对电压质量影响的方法很多:可以通过提高风力的可预测性来抑制,包括根据风电场的可靠历史数据,综合评估风电场的电量输出,提高风电的可靠系数等;也可以通过采用无功补偿装置,减小电压波动量来有效抑制电压闪变。

电流质量包括两种指标:频率偏差、谐波电流含有率。风电并网后对电力系统电流质量影响主要体现在谐波上,对频率偏差影响不大。风电并网给系统带来谐波污染主要有两种途径:一种是在风力发电机中,大量采用具有变频功能的变速恒频风力发电机,而发出的交流电也经过整流-逆变装置与电网连接,维持电网频率不变。但整流逆变会带来谐波污染,这些谐波电流进入系统后,会引起电网电压畸变,降低电能质量。第二种是风机的并联补偿电容器可能和线路电抗发生谐振。

解决措施有:第一,采用多脉冲整流电路。实验表明,脉冲数越高,谐波含有率越低。第二,采用有源电力滤波器滤波。其作用原理是利用电力电子装置代替系统电源向负荷提供所需的畸变电流,从而保证系统电源只需向负荷提供基波电流。同时还可以连续、快速、灵活地调节无功功率、稳定电压和改善功率因数。

3 总结

本文通过大规模风电并网对电力系统的影响进行分析,找出具有可实施性的措施。随着《可再生能源法》的颁布,风电在近几年发展迅猛,如何更好、更安全地利用风电,以最大效率将风电并网,有待进一步的研究和改善。

摘要：由于风电具有随机性、间歇性的特点,大规模接入会对电网产生不可忽略的影响。本文从风电并网对系统的影响入手,分别剖析了风电并网对系统调峰调频、对无功平衡和电压水平、对电网稳定性、对电能质量四个方面的影响,并提出了相应的可行性解决措施。

关键词：风电,并网,影响,措施,功率,预测

参考文献

[1]张丽英等.大规模风电接入电网的相关问题及措施[J].中国电机工程学报,2010,30,(25):1-7.

[2]迟永宁等.大规模风电并网引起的电力系统运行于稳定问题及对策[J].电力设备,2008,9,(11):16-19.

[3]戴慧珠等.风电场接入电力系统研究的新进展[J].电网技术,2007,31,(20):16-23.

[4]王承煦,张源.风力发电[M].北京:中国电力出版社,2003.

[5]范高峰等.基于人工神经网络的风电功率预测[J].中国电机工程学报,2008,28,(34):118-122.

[6]孙涛等.风力发电引起的电压波动和闪变[J].电网技术,2003,27,(12):63-70.

大规模新能源接入 第3篇

为应对全球能源短缺和气候变化,实现能源生产与环境可持续协调发展,当前电力系统优化调度问题的研究重心已发生转移,由传统的仅以系统总能耗最少为优化目标的经济调度迅速向以节能减排为综合优化目标的环境经济调度发展[1,2,3,4]。同时,随着可再生能源发电的迅速兴起,电网中大规模风电的接入越来越普遍,但由于自然界中风速不可控性导致风电场出力的不确定性,使得风电特性显著区别于常规火电及水电,具有很强的随机性和间歇性,这又对电力系统优化调度提出了更高的要求[5]。

为了提高含风电场电力系统优化调度的有效性和可靠性,在构建优化调度模型时必须对风电出力的不确定性加以考虑。目前常用的处理方法主要包括预测风速[6]、模糊建模[7]和概率分析[8]等。由于风速随机性太强,尽管国内外在风速预测方面已开展了大量研究,但总体而言预测误差仍然过大而难以实用;模糊建模中一般是应用模糊数来表示风电场出力,虽有一定可行性但其评判标准常带有较大的主观性;而概率分析法是通过对大量风速样本进行统计分析得到风速分布概率模型,并进而转换为风电出力分布概率模型,相对而言更具可行性及客观性。大量研究表明,双参数威布尔(Weibull)分布曲线能较好地拟合大多数地区的实际风速分布概率函数,并已在风能分析及风电场设计过程中得到广泛的应用[9,10]。本文拟基于风速变化特性服从双参数威布尔分布构建含风电场的电力系统环境经济调度随机优化模型,并在目标函数中引入因风电实际出力与计划出力可能不相符而导致系统需增加维持稳定运行的成本估计值,以充分体现风电出力不确定性对优化调度的影响。

鉴于大规模风电接入电网多目标优化问题非常复杂,本文主要针对风电并网静态环境经济调度问题进行深入研究。由于环境污染和经济性两优化目标的度量标准并不一致,且会相互冲突,因此只能在两目标之间进行协调折中,使各目标都尽可能达到最优。此外,根据风电出力和风速的关系可导出含风电场的环境经济优化调度模型中的风电出力为不连续随机量,因此难以采用常规的优化算法对模型进行求解。针对该优化模型所呈现的目标耦合、变量随机、多约束、非线性的特点,提出采用基于非劣排序微分进化(NSDE)的多目标优化算法对其进行求解,并根据优化结果对含风电场的电力系统环境经济调度问题进行深入分析。

1 风电机组出力随机特性分析

风电机组出力与其轮毂高度处的风速密切相关,风机捕获的风功率可以用式(1)来表示[11]。

其中,pw为风电机组出力;cpw为风机功率系数,是风机叶尖速比和桨距角的非线性函数;ρ为空气密度;A为风轮扫掠面积;v为风速。

由于式(1)中非线性因素影响作用通常很小,本文采用如式(2)所示的线性分段函数简化表达风电机组出力与风速的关系[12]。

其中,vin、vout和vr分别为风机的切入风速、切出风速和额定风速;prw为风机的额定功率。当风速高于vin时,风机启动并网运行;当风速等于或大于vr时,风机保持额定功率输出;当风速低于vin或高于vout时,风机停机并与电网解列。

由于风速的随机性和不可控性,风电机组出力必然也具有随机特性。风速的随机性通常可近似认为服从双参数威布尔分布[9],则风速的概率密度函数fV(v)可表示为:

其中,k和c为威布尔分布的形状参数和尺度参数,可由统计时段内的风速平均值μ和标准方差σ求得,计算式见式(4)和(5)。

其中,Γ为伽马函数。由于式(4)中需求解伽马函数的反函数而存在较大难度,实际应用中k值可采用式(6)近似计算[13]。

基于风机出力与风速的关系,综合式(2)和(3)可进一步导出风电机组出力的概率密度函数fW(pw),该函数为分段函数[8]。当风速服从威布尔分布时,风机出力pw等于0或额定功率prw时的累积概率PW可分别表示为式(7)和(8)。

pw处于0到prw之间的概率密度函数fW(pw)为:

可见风电机组出力的概率密度函数要比风速的更为复杂,应由不连续的3段构成,且可验证3段累积概率总和等于1。

2 风电接入系统多目标优化调度模型

2.1 环境污染目标函数

污染排放主要来自火电厂,所排放的有害气体主要包括CO2、SO2、NOx等,各气体排放量与输出功率的关系可单独建模,本文在此采用污染气体综合排放模型[1]。若系统中共有n台火电机组,则系统污染气体排放总量E(单位为t/h)的目标函数可表示为:

其中,pi为第i台火电机组计划出力;αi、βi、γi、ξi、λi均为第i台火电机组的污染气体排放系数,可以根据该机组的有害气体排放监测数据采用最小二乘法得到[14]。

2.2 经济性目标函数

2.2.1 常规电能费用

常规发电机组能耗特性曲线通常可用二次函数来拟合,此外,汽轮机进气阀突然开启时会出现拔丝现象而产生阀点效应,在机组能耗曲线上表现为叠加一个脉动效应。可将n台常规机组的总发电费用CT表示为:

其中,ai、bi、ci为第i台机组能耗特性参数;gi、hi为其阀点效应参数;pimin为该机组出力下限。

2.2.2 风电费用

考虑风电的不确定性对电网的影响,可将风电费用构成分为3项,分别为风电预期成本CW、风电低估不平衡代价Cp和风电高估不平衡代价Cr[8]。若风电由系统外部引入,则预期要支付的费用可看作风电预期成本,设其正比于风电机组计划出力,若系统中共有m台风电机组,则有:

其中,di和piw分别为第i台风电机组的费用系数和计划出力。若该风机归属于本系统,风能一般不产生成本消耗,则将di设为0即可。

若因某风电机组出力被低估而导致风电实际有效出力高于计划出力,将会增加系统平衡调整或能源浪费惩罚费用,即产生风电低估不平衡代价。当各风电机组的计划出力piw确定后,则可根据各风机所处地区的风速随机分布特征,考虑各风机出力被低估的概率,按式(13)计算出总的风电低估不平衡代价Cp。

其中,kp,i、prw,i、paw,i和fW,i(pw)分别为第i台风电机组的低估不平衡代价系数、额定功率、实际有效出力和出力概率密度函数。

若因某风电机组出力被高估而导致风电实际有效出力少于计划出力,将会增加系统旋转备用及平衡调整费用,即产生风电高估不平衡代价。当各风机计划出力piw确定后,考虑各自被高估概率,可按式(14)计算出总的风电高估不平衡代价Cr。

其中,kr,i为第i台风电机组的高估不平衡代价系数。

综合上述常规机组和风电机组成本分析,可得含风电系统的经济性目标函数为:

其中,C为含风电场电力系统综合运行成本,单位为。

2.3 约束条件

各机组出力应满足以下约束条件:

其中,LD和LL分别为系统总负荷需求和网损;LL与电网潮流有关,可采用式(17)简化计算[15]。

其中,Bi j为机组i和机组j之间的网损系数(当机组为风电机组时,则式中对应的p应改为pw)。pimin和pimax分别为第i台常规机组在调度时段内的出力下限和上限,可以根据调度时段初始出力并考虑机组爬坡速率约束和机组运行时最大/最小出力限制等因素后确定。

综合目标函数式(10)、(15)及约束条件式(16),即为含风电场电力系统的环境经济调度模型。

3 模型求解

3.1 算法设计

由于上述含风电场的环境经济调度模型中污染排放和经济性两优化指标的度量标准不一致,且会相互冲突,一般不存在使所有指标都同时达到最优的绝对最优解,而是存在着一系列所谓的Pareto非劣解,各解对应的目标函数值称为非劣目标向量,由所有非劣目标向量形成的区域称为Pareto前沿[3,16]。对多目标优化问题的求解实际上是设法找到尽可能多的Pareto最优解,且对应的各目标向量在Pareto前沿中能均匀分布,以使得决策者的可选择域更大。针对上述多目标优化问题,在此采用文献[3]中提出的NSDE算法进行求解。该算法通过将非劣排序操作与微分进化算法有机融合,并对个体排挤机制和变异策略进行改进以克服进化早熟和搜索不均等问题,已被验证其多目标寻优性能要明显优于常规的NSGA-Ⅱ等算法。

设系统中共有n台火电机组和m台风电机组,本文算法设计流程如图1所示。其中,Gmax为最大迭代次数,F和CR分别为微分进化过程的变异尺度因子和交叉概率因子。

父种群U构造如下:

式(18)中每行代表一个体编码,v为种群包含的个体总数,各元素u为在[0,1]间随机产生的实数,则各机组的出力可通过式(19)进行计算。

将最后一台机组定为风电机组,其出力不参与随机编码,可根据式(20)由功率平衡约束条件得到。

且当个体编码不满足等式约束时(pmw<0或pmw>pwr,m),则该个体对应的各机组出力根据式(21)更新以施加全局惩罚。

然后代入式(10)和式(15)计算种群中所有个体的各目标函数值,以作为循环迭代过程中Pareto非劣排序和种群更新的依据。Pareto非劣排序和种群更新过程可详见文献[3]。最终得到的父种群即为本文多目标优化问题的Pareto最优解集。

3.2 多目标优化决策

实际应用中,实施的方案一般只需一个,决策者还需从Pareto最优解集中选取出一个综合最优解,因此最终还要进行多目标优化决策。

在此首先可根据模糊集理论将每个Pareto最优解对应各目标的满意度用如式(22)所示的模糊隶属度函数表示[17]。

其中,i=1,2,,Nps;j=1,2,,Nobj;Nps和Nobj分别为Pareto最优解和目标函数个数;fi,j为第i个Pareto最优解对应的第j个目标函数值;fjmax和fjmin分别为第j个目标函数的最大和最小值;si,j为0或1时分别代表对第j个目标函数值完全不满意或完全满意。

由全部si,j可构成一个Nps行Nobj列的决策信息矩阵。在此借鉴信息论原理,采用熵权法由决策信息矩阵来客观确定各目标在综合评价中的权重。在信息论中,熵可以度量数据所提供的有效信息量[18]。可将各目标的熵H定义为:

其中,j=1,2,,Nobj;当hij=0时,令hijln hij=0。

熵权法的基本思想是某指标数据的差异程度越小则熵值越大,说明该目标所提供的信息量越少,则其在综合评价中的权重应越小,反之亦然,这与实际决策的思路相吻合。根据熵权法原理各目标评价权重的计算式可定义为:

不同于传统的多目标加权转单目标优化方法中权重需主观预设,式(24)所得的熵权为综合性客观计算的结果,更加科学合理[19]。然后,可用式(25)求得Pareto最优解集中各解的综合满意度:

最后通过比较,将具有最大S值的Pareto最优解确定为综合最优解。

4 算例及分析

为说明本文方法的可行性,以文献[3]中含6个常规发电单元(设分别处于电网中6个不同节点上)的简化电力系统为例进行风电接入多目标优化调度分析。各火电机组参数及该系统网损系数矩阵如表1和表2所示。

为便于公平对比,设在系统中1号节点位置接入一同等容量的大规模风电场以取代原常规机组U1。设该风电场拥有200台同型号风机,风机额定功率为1.5 MW、切入风速vin=3 m/s、额定风速vr=15 m/s、切出风速vout=25 m/s,安装地点地形平坦,该地区风速所

服从的威布尔分布形状参数k和尺度参数c分别为2.2和8.9;风电费用系数d为35,风电低估和高估不平衡代价系数(kp和kr)均为3.0。因单台风机容量太小,一般以整个风电场为单位参与经济调度,则风电总装机容量为300 MW。系统总负荷需求为2000 MWh。

采用本文提出的多目标优化调度方法可得图2所示的风电场接入前后环境经济调度Pareto前沿对比。

由图2可看出,风电不宜盲目接入。因风电的高度随机性将增加系统不平衡代价,只有当废气排放量E被限制在较低水平时(本例中为1.98 t/h),接入风电才能体现出明显优势和必要性,可用更低的综合运行成本C实现更少的废气排放;相反,当系统的废气排放限制较宽松时,若接入风电后仍允许维持原废气排放量,则系统最优综合运行成本C反而会更高。因此一般只有在对环境保护要求较高时,新建和接入风电场才是合适的。

同时还将目前最广泛采用的多目标优化算法NSGA-Ⅱ[20]所得到的风电场接入后的环境经济调度结果与本文NSDE算法所得结果进行了对比(最大迭代次数均为2 000次),局部Pareto前沿对比如图3所示。明显可看出本文方法可得到更准确、更完整的Pareto前沿。

根据式(25)可得如表3所示的该风电接入系统的环境经济调度综合最优解,其中的综合运行成本C已考虑了风电计划出力与随机性的实际出力不符时产生的系统不平衡代价。

为进一步研究风电随机性对环境经济调度的影响,在此分别调整kp和kr值可得到图4所示的3类Pareto最优解集中各解对应的风电计划出力。

可见,在风电和火电综合系统中,当污染排放控制较严时,风电的节能减排效应就会凸显,此时风电的影响力显著增大,风电出力的提高可使得废气排放量呈线性下降趋势;此外,若风电计划出力定得过低,节能减排效应微弱,而风电随机性导致的不平衡代价却激增,风电接入的优势将逆转为劣势,因此系统多目标优化调度方案中不会出现很低的风电计划出力。上述分析与图2的分析结果也相吻合。

图5为改变kp和kr值所得到的3个Pareto前沿对比,由此可深入分析不平衡代价系数对系统综合成本的影响特性。将图5结合图4的风电计划出力与污染排放的关系可看出,若要污染排放较低,风电计划出力应较高,此时风电被高估概率较大,被低估概率较小(当风电计划出力接近300 MW时,则低估概率接近为0),因此图5反映出Pareto前沿在较低排放区对高估不平衡代价系数kr的变化高度敏感,而对低估不平衡代价系数kp的变化不敏感;反之,Pareto前沿在较高排放区则表现为对kr的敏感度下降而对kp的敏感度上升。因此系统在实际运行中可根据对环境经济调度优化结果的分析,通过适当地调整kr或kp值来有效降低系统运行成本和减少污染排放。比如在本例中实现节能减排最有效的措施是降低系统旋转备用价格以减小kr,而通过减轻可再生能源浪费罚款等相关措施以减小kp的效果则相对较弱。

5 结论

大规模新能源接入 第4篇

风电作为替代化石燃料发电且具有规模化开发前景的可再生能源发电的代表,其接入系统的规模越来越大。风电具有较强的随机波动性,大规模风电接入大大增加了系统的不确定性。2008年2月~11月,新疆地区风电在30 min内出力波动超过9万k W达到347次[1]。2011年1月~8月,全国共发生193起风电机组脱网事故,其中,一次损失出力10~50万k W的54起,一次损失出力50万k W以上的12起[2]。如此大的功率波动对系统的安全、可靠运行提出了挑战。

充足有效的备用是电力系统应对各种不确定性因素,实现安全可靠运行的保障。风电功率在不同时间尺度上的波动性、反调峰特性增加了系统调频、调峰和发电调度的难度[3]。根据对东北、蒙西和吉林电网2009年的统计,其风电反调峰概率分别为60%、57%和56%。东北电网一年期间峰谷差增大的时间达到210天,且多次出现由于调峰容量不足在低负荷时段不得不弃风的现象。空间上,我国风电基地大多远离负荷中心,当大规模风电集中接入、远距离传输时,风电功率的不确定性增加了潮流的不确定性,给系统的备用配置带来困难。

大规模风电接入在时间和空间尺度上给系统备用决策带来了新问题,而常规的决策方法已难以适用。近年来,这一问题已成为研究的热点。大规模风电接入系统的备用决策不仅是系统安全、可靠运行的保障,也是实现有效接纳风电、优化资源配置的关键。

本文首先总结了风电接入对电力系统备用决策的影响因素。然后,在常规电力系统备用决策方法的基础上重点梳理和对比计及风电影响的备用决策方法。从电源侧和需求侧两个方面深入探讨了风电接入系统的备用配置问题,指出风、火等多电源打捆和电动汽车等储能设备以及其他新技术在解决备用配置问题中的应用潜力。最后,综合风电特点及其对系统的影响和备用在系统中的本质作用,提出了对于备用的广义理解。

1 大规模风电接入电力系统备用决策需考虑的因素

1.1 系统可靠性要求

电力系统可靠性是对电力系统按可接受的质量标准和所需数量不间断地向用户供应电力和电能能力的度量[4]。从运行的角度,充足的备用是应对各种不确定性因素、保证系统可靠运行的根本手段,而风电的接入增加了系统运行的不确定性,因此,大规模风电接入电力系统的备用决策需要协调考虑风电接入与可靠性之间的关系[5]。

风电出力随机波动又难以准确预测和调控,影响了发电系统可靠性。为了维持系统的可靠性,需要其他形式的电源为其充当备用,而备用的多少则与系统整体可靠性水平相关。网络方面,我国的风电基地大都远离负荷中心,风电需要远距离传输,且风电的不确定性会引起潮流的不确定,增加了发生阻塞的可能。因此,大规模风电接入影响了输电系统可靠性,也是备用决策需考虑的因素[6]。

1.2 负荷预测误差

在由常规电源组成的电力系统中,负荷是备用决策要考虑的主要随机因素。负荷预测的精度是确定备用容量的基础,预测的误差越大,相应的备用需求也就越大。

影响负荷预测精度的因素有很多,其中最重要的是预测时间和预测模型变量的多少。预测时间越长,结果的精确度越低;模型变量越多,结果的不确定性越强。关于误差的分布特点,一般通过概率密度函数建模进行分析。事实上,由于电力负荷数量众多、地域分布广泛,根据中心极限定理,一直以来,负荷预测的误差在理论上都被认为服从零均值的正态分布。

尽管负荷需求是随机变化的,但因其具有较好的周期性和规律性,目前,在负荷预测方面已达到了很高的准确度。

1.3 风电的不确定性

随着大规模风电场的建成与投运,风电的不确定性已成为系统备用决策要考虑的重要因素。与电力负荷相比,风电表现出更强的随机性和不同时间尺度上的波动性,但预测水平却远低于负荷预测。

风电预测误差与预测时间、风电场地形复杂程度、风速、数值天气预报的精度以及预测模型的精度等因素有关[7,8]。短期预测的均方根误差(RMSE)随着预测时间的延长而增大。若一个区域内存在多个风电场,其总的功率预测误差会比单个风电场的预测误差小。文献[9]研究了不同风电场之间的相关系数。风力机组及风电场在地理上的分散布置能在一定程度上减少系统的备用需求[10,11]。

风电预测误差的另一个研究热点是其概率密度分布函数,主要影响因素有预测方法和预测时间。一般的测量过程中,对误差的处理通常是假设其服从正态分布,但文献[12]发现风电预测误差的峰度值不符合正态分布的要求,该文献用可变峰度β分布函数拟合误差序列。文献[13]通过实测建立了正态分布与拉普拉斯分布加权的概率密度分布函数。然而,与负荷预测相类似,更多学者认为:大量分散布置的风电机组符合中心极限定理对风电预测误差服从正态分布的假设要求。在目前的研究中,正态分布假设是主流的做法。

1.4 其他因素

考虑到备用的经济性,备用的获取成本越低,电网公司愿意购买的备用越多;反之,获取成本越高,愿意购买的备用越少。随着市场差异化服务的引入,不同用户对电力可靠性的要求不同,相应的备用决策也会受到影响。还有,电力系统的运营模式、电源结构、电网规模等因素,都是备用决策过程中需要考虑的。

2 大规模风电接入电力系统备用决策方法

风电在不同时间尺度上较大的随机波动性及其难以准确预测的特性,使得系统需要配置额外的备用容量予以应对[14]。文献[15]认为风电出力波动主要对系统的二次、三次备用产生影响。文献[16]认为大规模风电接入后,系统秒至分钟级的自动发电控制(AGC)容量需求没有显著增加,日内调峰容量需求随风电装机容量的增加显著增长。

随着风电接入的变化,如何量化所需的备用容量以及如何优化与配置这些备用成为电力系统备用决策亟需解决的问题。

传统电力系统运营模式下,备用容量的设置是确定性的,主要针对机组停运和负荷波动等因素,常用的标准有N-1准则、负荷百分比准则或两者的结合。各所属电厂在确定的运行方式下留有一定备用容量,归系统调度员调度。这种决策方式简单方便,但由于不考虑机组停运、负荷波动等情况发生的概率,容易造成备用容量有时过剩、有时不足的结果,不利于系统经济运行。尤其大规模风电接入给系统带来了更大的不确定性,传统的确定性备用决策方法已难以适用。

针对确定性方法的不足,本节整理归纳了4种常见的概率性备用决策方法,分析各自特点,并对风电的处理方式、备用决策与机组组合的关系等问题进行了梳理与总结。

2.1 标准差法

风电出力的预测一般由预测值和误差来表示,其中,误差体现了预测结果的不确定性。在美国纽约州能源开发与研究管理局(NYSERDA)关于风电并网的研究中,负荷跟踪备用需求被设置为系统净负荷(电力负荷与风电出力之差)预测标准差的3倍,此方式原则上能够满足所有潜在实例的99.74%[17]。文献[18]考虑到风电预测误差比正态分布的尾部更长,采用了3.5σ标准。文献[19]在对北欧4国运行备用的研究中采用了4σ标准(99.99%的置信度)。事实上,很多国家和地区,如美国的纽约州、明尼苏达州,在系统实际运行中都采用了类似的备用设置标准[20]。文献[21]通过算例比较了此类方法与传统的确定性方法,提出加强对不确定性的估计以及建立概率性方法的评价体系是非常必要与重要的。

标准差法直观地反映了综合误差的概率分布与备用需求之间的关系,计算简单;不足之处是未能计及常规发电机组出力的不确定性,且置信度的物理含义并不明确。

2.2 基于可靠性的方法

备用需求与系统对可靠性的要求密切相关。经典的基于可靠性的备用决策当属早期的PJM方法[22]。后来,Billinton定义了“投运风险度”的概念,将系统的备用决策与可靠性指标关联起来[23]。但可靠性指标与机组运行状态、出力及备用之间并没有显式的函数关系式,因此,无法通过可靠性指标直接求解备用需求。针对这一问题,文献[24]采用分步研究的思路,将给定条件下机组组合与组合确定后的可靠性指标计算结合起来,通过反复迭代实现对备用容量的修正。文献[25]则尝试通过拟合的手段,寻找可靠性指标与备用容量之间的关系式,用可靠性约束代替备用约束,在机组优化的过程中同步实现备用容量的估计。

针对大规模风电的接入,文献[26-27]都是以PJM方法为基础,形成计及风电的发电停运容量概率表COPT(capacity outage probability table)。其中,文献[26]用条件概率分布处理风电出力,文献[27]建立了含4种不同的风能状态的风电场出力模型。

在建立可靠性指标与备用容量的函数关系方面,文献[28-29]在特定场景下,建立了每小时失负荷概率与机组停运概率、净负荷概率密度之间的解析表达式。但由于解析式非常复杂,该方法在应用上有一定困难。文献[30]将含风电的电源停运容量累积概率用高斯函数拟合,得出了备用需求和失负荷概率LOLP(loss of load probability)之间的关系式,作为约束引入机组组合。

基于可靠性的方法通过人为设定必须满足的可靠性指标,确保系统在运行中始终保持这一可靠性水平。不足是在安全性与经济性之间缺乏协调。

2.3 基于成本-效益的方法

发电机组担当备用或者系统获取备用容量都需要付出相应的成本,同时,备用容量的存在减少了电力系统失负荷的概率,为系统创造了效益。因此,系统的安全可靠性应该建立在对系统运行与失负荷的成本-效益分析的基础上。基于成本-效益的方法的目标函数通常为最小化社会总成本或最大化社会福利,通过对备用容量成本和经济价值的分析,寻找目标函数最优点,同时也是备用最优点[31]。决策不需要设置必须满足的可靠性水平。此方法在应用中的难点是如何获得消费者的停运成本曲线[32]。另外,备用市场及其与电能主市场之间的交易决策关系对系统备用容量的优化也有一定影响。

如何在基于成本-效益的方法中考虑大规模风电的影响?文献[33]采用风电盈余罚函数的方法在短期调度模型中量化风电不确定性的影响,也有在动态经济调度中使用上、下备用约束的[34],这属于确定性的处理方式。文献[35]将净负荷预测误差概率分布函数分为若干区间,每个区间通过文献[31]的成本-效益法确定最优备用,再对所有的最优备用按概率加权汇总。文献[36]把净负荷误差看作新的发电机组,通过近似离散处理,使其成为多状态机组引入COPT。文献[37-38]采用了场景树(scenario tree)的方法,对每个研究时段的净负荷(或风电)预测值都定义了3种场景,形成了多时段预测场景树。以上备用决策都是离线方式,文献[39]提出了一种在线决策备用容量的管理方法,通过等效成本法和价值函数法2种决策方式,全面地体现决策者对失负荷的态度,使备用的确定更加灵活、富有个性。

可靠性与经济性是系统运行的两个基本要求,单纯侧重任何一方都显得决策有失偏颇。文献[40]在机会约束规划框架下,以经济运行为目标,以可靠性水平为约束进行备用决策。文献[13]在此基础上考虑了风电出力的偏差,建立了含风电场的系统备用容量获取模型。文献[41]将风电接入电力系统发电的经济性和旋转备用的可靠性问题作为多目标优化问题进行求解,在一定程度上,兼顾了系统经济性与可靠性。

2.4 基于风险价值的方法

基于风险价值理论的Va R(value at risk)方法是衡量和管理金融市场风险的重要方法,由于其简便、灵活的特点,被广泛应用到很多学科。在电力工业中的应用多见于发电商的竞价策略、购电优化决策、电网投资风险评估等,亦有学者将其应用到大规模风电并网的相关研究课题[42]。

文献[43]提出了风险备用Ra R(reserve at risk)和条件风险备用CRa R(conditional reserve at risk)2个可靠性指标,并建立了基于CRa R的风险偏好型容量组合模型。文献[44]根据预测误差的置信度水平,将风电预测功率分为可靠出力和不可靠出力,前者参与系统调度,后者需要额外配置备用,采用解析法求解。为了更好地体现备用需求尾部的分布,文献[45]定义了条件风险备用,并利用其效用函数,建立了含大规模风电的系统备用决策模型,不仅能反映决策者对风险的态度,还能体现预测时间长短对备用需求的影响。文献[46]重点研究了历史误差样本的数据窗选择问题;提出了基于可信度理论的信度风险值(credibility wind power at risk)的概念和解决方法,作为系统备用决策的参考。

大规模风电接入系统的备用决策,除了上述4类方法之外,文献[47]提出了一种利用随机微分方程模拟连续时间尺度的系统净负荷及电源出力,进而确定实时平衡功率即备用需求的方法。文献[48]用频域方法模拟风电场出力,通过持续曲线的方式确定正常和极端天气情况下系统的备用需求。

2.5 小结

综上,大规模风电接入系统的备用决策方法针对引起备用需求的不确定因素进行分析,在常规电源系统备用决策方法的基础上纳入风电的影响,常用的方式有:1)概率密度函数法。通过风速的概率分布再经风电场建模,或直接利用风电出力的历史数据,拟合风电出力或其预测误差或净负荷预测误差的概率密度函数,求解在某一置信度下相应的备用需求,如文献[17-19,27-28]等。2)场景法。设定几种可能的风电出力场景,如文献[30]根据风能的概率分布枚举出4种风电场出力状态;文献[35,38]根据净负荷误差的概率密度分布函数将其离散化为不同概率的典型场景,形成场景树,此方法的关键是在场景多少和计算精度之间进行平衡,一般需要用智能算法求解并配合场景缩减的措施[49]。3)随机模拟法。采用某种模拟方法,给出系统未来各种可能运行状态及相应的概率,在概率框架下进行备用决策。如文献[27,50]建立了风电场出力的马尔科夫链模型,文献[39,51]采用了蒙特卡洛模拟法。

备用决策与机组组合是相互关联、不可分割的。从两者关系的角度再看前面所归纳的方法,基本上可以分为2类:一是在机组组合之前,预先确定系统总的备用需求(通常对应一定的可靠性水平),如[27,28,29,30]等;二是将机组组合与备用决策一并考虑,以成本最低为目标函数,将机组出力、备用容量等作为优化变量,如[31,37-38]等。第一类方法先量化、再分配,在满足系统可靠性的前提下,从经济性考虑或从环保的角度考虑,在不同类型的机组之间进行备用容量的合理分配。第二类方法量化与分配一体化完成,更符合电力系统运行的本质。因为备用容量的确定、调配与机组发电组合都是调度发电机组的出力,确定每台机组实际发多少用于满足负荷需要,剩余多少作为保证可靠供电的备用,因此,需要将两者有机地结合起来进行整体优化,但在建模和求解方面会相对复杂。

3 大规模风电接入电力系统备用容量配置

前面总结的备用决策方法都基于一个共同的假设前提:备用容量由电网公司或市场运营机构在发电侧进行配置。事实上,备用容量也可以从需求侧配置。本节将分别从电源侧和需求侧系统地讨论大规模风电接入电力系统的备用容量的配置问题。

电源侧。大规模风电接入在一定程度上减少了系统对常规电源的需求,另一方面,风电的随机波动性、反调峰特性和难以调度性又增加了对承担调峰任务的常规机组的需求。在常规调峰技术的基础上,为了避免机组频繁启停,发电公司可尝试采用火电机组深度调峰的运行方式,其关键是锅炉的低负荷稳燃技术。另外,火电机组的安全性、可靠性与经济性是深度调峰运行需要关注的问题。

为了平抑风电的功率波动,有学者提出了多种电源联合运行的思路[52,53,54]。文献[52]认为水电与风电在技术上和季节上具有互补性,水库的蓄水能力可以平抑来水的短期波动,使水电具有良好的容量特性。利用水电的容量支持风电、风电的电量支持水电,从而保障火电机组开停机稳定性。文献[53]认为太阳能与风能在时间和地域上也具有互补性,与独立风力发电或光伏发电相比,风光互补混合系统能使电力输出更可靠、更平稳。文献[54]以酒泉风电基地为例,论证了在考虑负荷特性、电网与风电技术出力等约束后,风、光、水、火电联合打捆外送是近期该基地大规模风电外送的最可行方式。

随着能量存储技术的迅速发展,近年来,越来越多的储能系统在电力系统中得到应用。不同的储能技术具有不同的容量调节范围(从几十k W到几百MW)和不同的放电时间(从毫秒级到小时级),非常适合用来平抑风电的功率波动[55]。储能技术与风电规划相结合将对风电发展产生推动作用。目前,在我国较为可行的储能技术是风电与抽水蓄能电站相互配合运行。文献[56]针对江苏电网“十三五”的电力发展目标,提出了风电、核电、抽水蓄能机组联合运行的电源规划建设方案,并研究了其容量配比与电源布局。文献[57]考虑到峰谷电价政策,利用抽水蓄能电站的储能作用将低谷时段的低价电能调整为高峰时段的稀缺电能,不仅平抑了风电功率波动,更能取得显著的经济效益。

随着控制技术日臻完善,风电场的内部调度和控制技术也在不断发展。既可以应用最优转速控制、平均功率控制、随机最优控制等控制策略对单个风电机组实施有功控制[58],也可以通过对内部各台风电机组的协调优化实现对整个风电场的有功控制。通过先进的技术手段和完善的政策支持,风电场不仅可以具备一定的自身调节能力,甚至还可以为系统提供一定备用[59]。

需求侧。购买多种不同特性、不同价格的备用容量要比购买单一备用容量所付出的经济代价和所遭受的市场风险小得多,可靠性也更高。特别在应对大规模风电接入后可能出现的小概率、高风险的容量事故或者输电阻塞问题时,需求侧提供备用的优势更加明显。

可中断负荷是需求侧提供备用最常见的形式。在可中断负荷参与备用市场方面,主要的研究集中在如何协调电源侧和需求侧两种备用资源,以达到预期的目标。文献[60]利用不同备用之间的经济互补性,建立了风险协调模型对各种备用进行优化,该方法比较适合工程应用。文献[61]从大规模风电接入、移动式负荷中断等方面对可再生能源接入下可中断负荷的参与形式、应用研究方法等问题进行了探讨。大规模风电接入对可中断负荷参与备用市场的影响主要体现在其随机性和波动性一方面增加了系统对可中断负荷的需求,另一方面也对可中断负荷的响应速度提出了更高的要求,增加了需求侧管理的难度。

作为解决风电出力不确定性问题的一种有效方法电动汽车这一储能装置,即V2H(vehicle to house)或V2G(vehicle to grid),将发挥重要作用[62]。文献[63]研究了电动汽车充电的负荷特性以及不同充电方式对电网的影响,建立了多时间尺度的电动汽车-风电协同调度数学模型,通过对华北、西北电网的仿真分析得出结论:调度电动汽车充电来抵消负荷下降而风电出力上升的功率不平衡,具有技术上的可行性。随着未来电动汽车接入规模的扩大,风电与电动汽车储能资源之间的协同效益会越来越明显[64]。

备用的配置除了面临技术上的具体问题之外,更重要的是经济、管理与机制方面的问题。如,配置可中断负荷作为备用,必须对有移峰能力却意愿不足的用户实施可中断电价和尖峰电价;我国在储能电价方面政策不到位,国内储能产业缺乏相应的投资回报机制,制约了储能技术的产业化、规模化发展。文献[65]提出了一种市场模式下基于代理商的需求侧响应管理架构,旨在为大规模风电接入系统提供可靠的备用。

4 结语

大规模新能源接入 第5篇

随着风电接入容量的持续增长,电网建设已成为风电装机容量进一步增长的瓶颈。某些运行方式下的输电阻塞使得风电出力受限而造成了能源浪费及经济损失[3]。世界各国正计及通过加快电网的建设来保证风电的有效利用。西班牙风能资源主要集中在北部和南部的沿海区域,但其电力负荷区域主要集中在中西部地区,大量风电需要跨地区输送。2005年至2009年,新增了400 k V输电线路1 180 km。为满足2016年30 GW风电装机容量需求,西班牙计划继续加大高电压等级输电网的建设力度,2009年至2013年将投资40亿欧元用于电网建设[3]。美国是世界上风电装机总量最大的国家。NREL发布的关于美国东部互联电网风电并网的最新研究报告指出,要达到预想的风电发展目标,必须加大高压输电线路的建设投资,提高美国洲际间的电力输送能力。美国东部互联电力系统中,陆上风电资源大多集中在中西部大平原地区,而负荷中心则位于东部大西洋沿岸地区。要实现风电电量20%~30%穿透率的预想目标,需要在风资源区和负荷区进行大容量、远距离的电力输送[4]。我国适于大规模开发风力发电的地区往往人口稀少,负荷量小,电网结构相对薄弱。受地区电网调峰能力限制,大规模风电也需跨区消纳[5]。因此,亟需加强电网规划和建设满足大规模风电接入的需求。而风资源源地理上分布区域广,自身运行及并网特性复杂的特点,使得大规模风电接入后输电网扩展规划问题错综复杂。

1 计及大规模风电接入的输电网规划

1.1 输电网规划的发展回顾

输电网规划的任务是,以负荷预测和电源规划为基础,确定何时、何地投建何种类型的线路及其回路数,在规划周期内达到所需要的输电能力,在满足各项技术指标的前提下使系统的费用最小[6]。随着电力市场的发展和对供电安全可靠性要求的提高,多目标输电规划由于其兼顾经济性和安全可靠性,体现出系统的风险水平,可以满足全社会效益的最大化,成为电网规划部门的实际需要[7]。输电系统不仅要满足负荷和各类交易的需求,而且必须符合供电质量和安全标准,因此输电规划需要满足大量约束条件,等式约束有潮流约束,不等式约束包括发电机出力上下限约束、支路热容量限制、电压和频率约束、动态和静态安全约束、线路走廊限制等。为保证优化算法的可行性及出于实际工程考虑,通常只把N或N-1静态安全作为必须满足的条件,即要求系统在正常运行状态或任意断开一条支路后,不会发生系统解列或其他元件过负荷现象[7]。市场环境下输电规划面临更多的市场不确定因素,主要包括规划期内的电源建设、负荷变化和系统运行方式变化等不确定性[8,9,10],如何处理这些不确定性因素,使规划方案具有较好的灵活性和鲁棒性,相对于传统的输电规划来说提出了更高的要求。针对不确定性因素的处理,已有一些新的方法[11,12,13,14,15]。

1.2 输电网规划面临的问题及挑战

与火电、水电、核电等常规电源相比,风电机组有很多不同特点。大规模风电的接入给输电网规划带来了许多新问题和新挑战。主要体现在以下几个方面[16,17,18]:

(1)风电机组的输出功率主要取决于流经风电机的风速,因此风电机组的可控性很差,不能像常规机组一样灵活地控制输出功率。

(2)风电的随机性、间隙性和反调峰特性使得风电并网有可能使电网的等效负荷峰谷差增大,给电网调频、调峰带来不利影响。风电大规模并网后,系统对备用容量的需求大幅增加。

(3)大型风电场并网可能会影响电网的电能质量,还会影响到电力系统的暂态稳定和电压稳定。传统的电网规划中一般不考虑暂态稳定性和电压稳定性约束,而是在调度运行中考虑。风电大规模接入后,系统暂态稳定问题和电压稳定问题变得突出。

(4)风电的大规模发展,将极大改变电源配置分布情况及比例,电网运行开机方式和运行方式安排随之变化,当前的电网网架可能不再适应。

(5)风电是一种清洁的可再生能源,但是风电的单位发电成本较高,在没有政策优惠和扶持的情况下,缺少了与常规电源的竞争力,在电网规划中需要凸显风电的环保价值,考虑风电的利用效率和充分消纳。

(6)风能具有间隙性、波动性、随机性的特点,但从风电的年出力特性看,季节性和日特性明显。同一地区风电场之间出力也具有较强的关联关系。

大规模风电的接入对输电网规划提出了新的要求。由于风电自身特点及风电接入电网带来的新问题,不能简单地把风电场作为负荷来处理,也不能直接采用常规电网的规划模型。因此,采用风电机组作为系统的新增容量时,需采取适应风电特点的电网规划模型。

1.3 输电网规划的研究现状

国内外十多年来开展的大规模风电接入的输电网规划方面的研究工作总体来说尚处于初步阶段。对已经取得的一些研究成果,论述如下。

1.3.1 电网规划的评估指标及评估体系的建立

电网规划的评估指标及评估体系的建立是电网规划工作中的一项重要内容。大规模风电的接入给电网带来了诸多不确定性,使得电网规划方案的全面、综合、合理评估变得更加复杂和困难。国内外已有很多针对传统的以及电力市场环境下面临更多不确定因素电网规划评估指标、评估方法方面的研究工作[19,20,21],而针对大规模风电的接入下电网规划评估指标及评估方法的文献则较少。文献[22]用输电线路不过负荷概率来量化大规模风电接入对输电系统规划的风险,给出在满足一定的过负荷概率下投资成本最低的规划方案。规划模型中的目标函数用以反映不同规划方案的优劣,亦可看作评估指标。文献[23]采用成本效益法建立了以总投资费用和安全性风险指标为目标函数的含风电机组的输电系统规划模型。安全性风险指标为系统潮流不越限概率和系统潮流裕度之和,系统潮流不越限概率即研究范围内系统所有可能运行状态下所有支路潮流均不越限的概率,系统潮流裕度即所有运行状态下所有支路潮流与给定的下限差值的最小值。其局限性是,系统潮流不越限概率和系统潮流裕度均仅考虑了支路潮流,并没有考虑其他安全稳定问题。文献[24]分别以电网建设开发成本最小、系统网损最小、电网静态电压稳定裕度最大为优化子目标建立了含风电场的输电网多目标优化规划模型。电网建设开发成本和系统网损是从经济角度考量,电网静态电压稳定裕度从电网安全稳定性角度考量,其局限性仍是考虑的安全稳定性不够全面。文献[25,26]提出了价值评估方法,即通过内嵌安全约束经济调度模型可以获取系统每一时段(通常为1 h)的整体成本,从而确定规划方案的经济价值,特别适合于含可再生能源电力规划的评估分析。但是其不足之处是:没有考虑常规火电机组功率调节能力对风电接纳的制约;经济调度模型中仅计及了静态安全约束,没有考虑动态安全约束,没有考虑当系统运行状态不满足安全约束情况下的校正性控制[27]。

上述研究中,评估指标均未考虑大规模风电接入对系统动态安全性的影响。文献[27]提出了更完善的价值评估方法,构建了含大规模风电的电力系统规划方案评估的总体框架,实现了规划方案的全社会成本评估。其中,为计及风电出力波动性的影响,针对给定的规划方案和全年时序的风电出力与负荷数据,通过内嵌机组组合优化模型、计及静态和动态安全约束的经济调度模型及校正性控制模型,实现系统运行过程的模拟,从而详细评估全年每小时的系统燃料、环境、网损成本以及系统可靠性成本。再结合电源的容量成本和电网成本,获得方案的全社会成本。且该价值评估方法考虑因素全面,在进行全社会成本评估过程中动态模拟了电力系统运行过程。其局限是涉及模块较多,且某些组成成本计算中需要对全年8 760 h逐时段模拟,计算量显得较大。文献[28]针对中国当前促进新能源发展和节能减排政策,引入风电利用指标,并统筹风电利用及输电规划成本二者之间的矛盾,建立了用于规划的综合指标(综合指标=风电利用指标/建设成本)及相应的输电规划模型。引入风电利用指标,利于实现更大的风电穿透率,促进风能的利用,增大环保效益。这是适应大规模风电接入背景对传统模式下规划方案经济性、可靠性等指标的合理补充。

1.3.2 用于输电网规划的大型风电场出力的建模

国内外针对风机出力建模的研究一般从风速模型和风机特性两部分展开,由于精确的风速很难预测,风机出力大多采用概率模型进行描述[22,29]。针对大型风电场出力特性的研究可分为两部分:一是研究风电场静态或动态聚合建模;另一是研究基于量测的统计和基于统计的风速预测方法,从而将两者结合起来即可建立较为精确的风电场输入输出特性。对于输电网规划而言,一般的风电场聚合建模方法基本可以满足规划模型计及动态稳定性约束的要求,重点是要准确把握大型风电的出力特性,尤其不能遗漏极端情形。对于大型风电场而言,其出力呈现出明显的时间特性和空间特性。例如我国大部分地区的风电出力在春季、冬季较大,夏季、秋季则较小;在白天负荷高峰时段较小,后半夜负荷低谷时段较大。另外,同一地区风电场之间出力也具有较强的关联性。文献[30]提出了江苏4个风电场的关联系数,给出了风电场的日出力曲线和月出力曲线。文献[31]基于2010年宁夏电网EMS实测风电功率数据,提出了考核风电功率变化规律的年、月、日统计指标;从时间轴和空间距离两方面对统计指标分别进行了纵向、横向比较,探讨了宁夏风电出力的时空分布特性;最后对风电功率变化量的概率分布进行了分析。指出时间尺度越长、空间距离越近,风电功率变化特性越相似。因此,在输电网规划中应该充分考虑大型风电场出力的统计特性及不同风电场之间的关联性。然而在目前输电网规划模型中对于同一地区风电场之间其出力具有较强关联性的情况未见考虑。

1.3.3 不确定性因素的考虑

风电的大规模接入给系统的运行方式带来了更大的不确定性,包括风电自身的不确定性及给电网带来的其他不确定性。在输电网规划中,只有充分考虑风电停运及其出力不确定性的影响,并结合其他与风电相关及不相关不确定因素影响,在规划算法中较为准确地模拟电网的运行状态,才能提出合理的规划方案。文献[25]考虑负荷和风电场有功出力的概率分布,通过改进经典的输电系统规划模型计及了负荷和风电出力的不确定性。文献[32]应用多场景概率的方法,将风电场的输出功率和在电网规划中涉及到的负荷变化、经济等不确定性因素,以场景分析加概率方式描述。目标函数即多场景下以下项之和期望值:建设费用项,稳态下和N-1事故条件下单条线路过负荷及总的线路过负荷惩罚项。根据决策者对N-1事故校验下线路过负荷率重视程度的不同,采用权系数的方式区分。该文能够快速准确地得到基于决策者偏好的含大型风电场的输电网柔性规划方案,具有简单有效,工程实用性较强的特点,但是对发生场景的依据及其发生概率阐明不够,如在考虑场景时对于风电机组出力情况只考虑了额定出力和零出力两种状态。文献[33]针对大规模风电并网后的输电网有功与无功综合扩展规划进行了研究。其数学模型取网络设备投资的年值成本与全年所有不满足安全约束场景下的控制措施成本之和为目标函数。“全年所有不满足安全约束场景”是指计及风电在多时间尺度上(天/月/季)不同出力特性,根据风电与负荷全年每小时的时序数据建立的全年按小时为单位的各种场景下,计及安全约束发电调度后电网仍不安全的场景。该文利用了风电全年实际出力统计数据,对风电已经建成且能获取实际详细统计数据的情形有较大优势,并且对调度运行进行了模拟,计及了风电不同出力下的发电再调度。为了解决其模型计算场景多、计算量庞大的问题,提出了基于分层极端场景集的求解方法。文献[34]在输电规划目标函数中引入需求侧响应成本,建立了基于需求侧响应机制的输电规划模型。通过在输电规划中引入需求侧响应机制,能够促使用户根据实时供用电情况改变电量消费行为,有利于消纳风电容量,应对风电并网带来的不确定性。

风电的大规模接入给电网规划问题带来的不确定性因素较多,研究人员应在考虑诸多影响因素重要程度的基础上把握关键因素,准确考虑各种因素的关系并予以合理的权衡,才能建立合理有效并符合工程实际的规划模型。

1.3.4 政策、管理、市场因素的影响

风电的大规模开发离不开政策、管理、市场的作用和影响。风电大规模接入电网同样受到来自政策、管理、市场等方面的引导。因此,输电网规划过程中除了经济技术因素外,也要考虑政策、管理、市场等方面作用。文献[35]研究了基于可靠性分析的含有大型风电场的电网扩展规划。在制定输电网扩建方案时,根据承担连接风电场与系统的线路建设的责任人的不同,分为3种情况:(1)风电场投资方承担全部的输电线路费用;(2)电网公司承担部分的输电线路费用;(3)采用可靠性成本效益分析。分析表明采用可靠性成本效益分析得到的电网扩建方案较好地实现了可靠性投资和收益之间的平衡。文献[36]提出了一种计及技术和管理因素的输电网及配电网规划方案,其目的是解决巴西可再生能源并网的技术和管理上的问题。文献[28]针对中国当前促进新能源发展和节能减排政策,引入风电利用指标。并统筹风电利用及输电规划成本二者之间的矛盾,建立了用于规划的综合指标及输电规划模型,是对国家新能源产业政策下风电集中接入电网输电规划思路和方法的一种探索。文献[37]讨论了陆上和海上风力发电,以及从加拿大东部和纽约输送风电到新英格兰的多种配置方案。对方案的评估计及了区域边际价格和生产成本和二氧化碳排放。该文从政府角度提出了区域可再生能源发展框架,概述了输电成本分摊特征。

在输电网规划过程中,应在充分借鉴国外对于政策、管理、市场等因素考虑方法的基础上结合我国国情和风电开发特征,与其他技术因素结合,研究相适应的方法。

2 输电网规划研究的建议

(1)风电场及风电场群出力模型的构建。目前风电概率模型大多以随机模型处理,忽略了其出力在特定自然条件和建设规模下的实际规律和统计特性,往往缺乏实用性。距离相近的风电场之间的出力特性又有较强的关联性。因此,需要研究风电场及风电场群基于统计方法的概率出力模型。

(2)风电大规模接入后系统运行过程和运行状态的模拟。为满足风电等新能源消纳的需要,以及电力市场作用对于能源格局重新调整客观事实,其他常规电源将可能最大限度停运或降出力运行,这极大改变了原有的系统开机方式和运行方式,系统潮流分布将发生大幅变化,当前网络的强壮性可能不再满足要求。因此,输电网规划的模型要充分考虑风电接入而引起的系统开机和运行方式的变化,准确进行风电大规模接入后系统运行过程和运行状态的模拟。

(3)风电大规模接入后输电网规划模型中对于动态稳定问题的考虑。风电大规模接入将显著影响当前系统备用容量格局。通过提高电网输电能力来扩大风电平衡区域范围,达到备用容量协调,关键是要准确识别制约风电送出的电网薄弱环节和制约因素。电网规划长期以来都以线路建设的经济性为优化目标,由于电网在抵御大扰动能力上的不足,历史上多次发生大停电事故。这使人们认识到输电规划在考虑投资费用的同时,还应考虑系统的安全稳定性。风电大规模接入下,导致系统动态稳定问题扰动发生的概率增加,在计及N-1准则外,还需考虑系统动态稳定问题的影响。

(4)风能资源的环保效益和保障风能充分消纳。为了优化电力工业结构和布局,各国开始实施节能发电调度,优先调度风能、太阳能、核能等清洁能源发电,对火电机组,按照煤耗水平调度发电,煤耗低的多发、满发,煤耗高的机组少发或不发。为了促进风电的发展,我国《电网企业全额收购可再生能源电量监管办法》规定风电在并网时享有优先调度权,并要求电网全额收购风电的电量。因此在输电网规划模型中要充分考虑环保政策及环保效益。

(5)风电大规模接入下输电网规划与电源规划的协调发展规划。良好的电源结构和充足的备用容量是风电消纳的基础,风电开发需要灵活调节电源与之相匹配。电源布局的变化需要与之协调发展的电网。因此,应该考虑风电接入后电源和电网联合规划。例如,在厂网分开的竞争体制下,原来的单一投资主体分化为多个投资主体,如何在多投资主体决策的相互影响下进行含有风电场的电源电网联合规划需要深入研究。

(6)风电大规模接入的输电网规划评价指标和评价体系的建立。风电场接入电网将给系统的充裕性、安全稳定特性、资源配置方式、运行方式安排,环境影响等带来一系列的影响。充分考虑这些影响,建立综合电力系统物理特性、环保效益、市场规律和经济性的电网规划模型,首先要研究公平合理的评价指标,建立相应的评价体系。

3 结束语

大规模新能源接入 第6篇

1 风电基地继电保护配置

1.1 某风电接入系统状况分析

本文以某风电基地风电场为例,对其进行了具体的分析。具体的接入系统情况如图1 所示[1]。

1.2 风电场继电保护配置

风力发电机组中主要包括高频或者是低频的保护、电网故障保护等。当其中的保护装置开始运行之后,就会发出动作的信号,然后依据故障自身所具有的性质来将故障进行切除;同时,将故障部位从发电机组中退出来。

箱式的变压器配置比较先进,其中包含有熔断器,此熔断器可以对其全范围进行保护[2]。另外,具有高压的熔断器可以当作短路保护,而低压的熔断器则可以作为过载保护来使用。

1.3 并网线路继电保护配置

在并网线路中,其线路的性质是单项线路。此线路的光纤纵差,需要进行距离保护以及高频保护等。当其中的单线以及其单压有所变化的时候,电网的侧面距离就可以对其单升压进行有效保护。

1.4 风电短路特性

在对电网的侧故障进行详细分析之后可以发现,风电场中的侧故障电流所具有的特性和常规放电机组所具有的特性是不同的。

某风电机组中使用的机组有部分是鼠笼机,此种机组具有定速及定浆的特性,在基地不断建设的过程中,使用鼠笼机的数量逐渐地减少,此种情况下,双馈机以及直驱机所占比重逐渐提高,其中使用数量最多的是双馈机组。

双馈机组可以充分地利用变频器,以此来实现电机交流的目标,而其中的变频器只能进行供给装差,这样就可以大大降低容量需求,发电系统可以按照风力机的转速来对调节电流的频率,达到恒频输出的目标,对励磁电流进行改变之后,其幅值会发生变化,影响到发电机的有功调节[3]。当风电发生短路故障的时候,其中的电流会发生变化,并且根据规律来进行递减,在最后,故障会变成稳态短路,在这个时候,双馈机组可以暂时为风电机的运行提供电流。

1.5 机电保护性能分析

通过对上述的继电保护装置进行分析可以发现,当前已有的继电保护基本上是可以满足风电机组运行的需求的。在此种情况下,对其进行深入地分析,可以发现其中存在的主要问题就是小电流选线的正确率比较低,当小电流选择的线路不正确的时候,想要在发生故障的第一时间内切除线路具有一定的难度,另外,机电保护中存在的问题还有风电会对并网专用线路继电保护产生极大的影响。风电场会从零到额定之间有所波动,当此种情况出现之后,其电流会被限制在20% ~ 30%,当保护电流被限定之后,风电场出现短路故障的时候,其所获取的电流就会减少,进而影响其灵敏度[4]。

2 存在的问题分析

大规模风电接入继电保护装置中,会对其产生一定的影响,本文对其中存在的问题进行了具体的分析,内容如下。

第一,当前风电场所使用的都是不接地系统,此系统可以带单相接地运行1 ~ 2 个小时,此种接地方式通常是在架空电流中所使用的,但其不适用于架空电流以及电缆混合的系统中。另外,还存在着电流选线出现错误的概率比较高等问题,导致工作人员无法在第一时间内发现单相接地中存在的安全隐患,不能及时地解决问题,致使故障被扩大。

小电流选线装置出现失误,选择的装置动力率比较低等问题是比较常见的,且由于出现故障的线路只是流过很细微的电流,所以工作人员排除出现故障的线路是一件比较困难的事情。

第二,在一般情况下,主网继电保护装置相比较来说是较为完善的,当装置出现故障的时候,可以及时解决问题,也就是说,当主网继电保护装置出现故障时,需要对故障的性质以及发生故障的距离进行分析,然后根据分析的结果以最快的速度解决问题,若是故障的时间延续在0.1 s以上,将会对风电场带来二次伤害[5]。当此种情况出现之后,可以发现,2 次的电流故障是不相同的,如图2 所示。从图2 中可以看出,风电机组中出现的短路特性、是否具备CROWBAR等和风机出力的大小值有着密切的联系。

第三,在进行常规保护工作的过程中,需要注意的是纵差性能是否具有优势。在波动性的能源并网中,使用了很多的电力元件,而且其运行方式也有了一定的改变,此种现象的出现,降低了其原有的灵敏度,鉴于此种情况,相关人员需要研究出与其运行方式没有关系的新原理保护。风电并网自身具有弱馈等特点,从而导致原本的分析方法都逐渐被淘汰,而且距离以及元件的选相等内容也受到了一定程度的影响,因此,其常规保护方面出现的问题,也是值得相关研究的。

第四,对两侧保护的影响。当风电接入到继电保护中的时候,其会对两侧保护产生影响,使隔离系统出现侧短路限流;同时,还会使风电机组因为不稳定而产生解列,解列的时间和负荷大小等因素有着直接的影响。当风电场输入电流的时候,其中的短路电流会导致断路器出现跳开现象,在此情况出现之后,其应该立即停止短路电流输送,若是无法停止,将会导致设备受到损害。

3 对策分析

针对大规模风电接入对继电保护产生的影响以及问题,本文提出了具体的应用措施,内容如下。

第一,通过上述分析可以得知,电网及电力中所具有的重合闸是非常重要的影响因素,为了对其进行具体的分析,本文对重合闸的瞬时以及永久故障原理进行了深入地研究。例如,当线路在运行中出现故障的时候,将K4 作为研究故障对象,假设风电场具有LVRT能力,那么线路就会出现不同的故障。通过表格内容可知,不同的故障位置,会导致故障电压出现差异,当电压在标准电压值之下的时候,风电机组即使具备了LVRT能力,依然会出现跳闸现象。面对此种情况,可以通过明确故障穿越要求来解决此问题,也就是说,当大规模的风电接入到继电保护中的时候,需要进行两次以上的零电压穿越,在此过程中,需要注意的时候,每次持续的时间应该控制在100 ms之内,若是想要确保其效果,可以将其控制在125 ms之内,这样就可以降低对风机的考验,进而降低大规模风电接入对继电保护的影响[6]。

第二,依据上述对风电场出现故障的特征以及相应的保护装置进行分析可以得知,影响35 k V继电系统的主要因素就是中性点的接地方式。风电场的功率密度是比较低的,一般的功率在10% ~ 40%。例如,某风电场中线路的功率一般在10 MW之下,此功率并不会对用户造成直接的影响,而且对风电场以及电网的影响也是比较小的。其和配电系统有着明显的不同,配电系统中的线路会对供电网有着一定的影响,若是将线路切除,用户就无法在使用电能,由此可见,配电网中的线路对用户的影响是比较大的[7]。因此,想要避免大规模风电接入对继电保护的影响,就应该采用继电系统故障快速切除的方式来解决问题,并将故障扼杀在摇篮中,进而避免其对继电保护造成不利的影响。在新建风电场的过程中,可以采用电阻接地方式,并根据具体的方式来配置相关的故障保护。

第三,应在两侧设置保护联跳措施。在进行两侧光差保护投运工作之前,应在两侧设置保护联跳措施,这样当风电短路电流接入到继电保护中的时候,联跳装置就会发生动作,将电流阻断,这样就可以有效地避免短路电流对继电保护的不利影响。

4 结语

我国大规模风电基地在实际运行过程中所遇到的问题,及时警醒了我们,使我们可以清醒的认识到大规模风电接入对继电保护的影响。面对此种情况,在坚定不移使用大规模风电的过程中,应该根据我国的气候条件和实际的发展情况,大力发展低碳经济,在此基础上稳定的发展风电。同时,应该总结经验,对现有大规模风电接入对继电保护产生的影响进行深入地分析,并寻找出有效的解决措施解决问题,降低大规模风电对继电保护的影响,在实现当前社会对电能需求的同时节约能源。

参考文献

[1]聂文昭,明亮,刘璐,等.大规模风电接入对继电保护的影响与对策[J].黑龙江科技信息,2015(26):33-33.

[2]兰会详.大规模风电接入对继电保护的影响与对策[J].价值工程,2014(34):63-63,64.

[3]何世恩,姚旭,徐善飞,等.大规模风电接入对继电保护的影响与对策[J].电力系统保护与控制,2013(1):21-27.

[4]罗征.大规模风电接入对继电保护的影响与对策[J].通信电源技术,2015(5):213-214.

[5]方杰,秦国强,林文亮,等.大规模风电接入的继电保护中存在的问题及处理对策[J].军民两用技术与产品,2014(13):169-169.

[6]贾琨.大规模风电接入对继电保护的影响以及对策研究[J].大科技,2015(17):52-52,53.

大规模新能源接入 第7篇

随着新疆风力发电项目的迅速增加和百万千瓦级风电场的规划出炉,因风电场注入电网功率的变动,而造成的对电网的影响将会越来越引人注目。由于风电容量在电网的提高,并且风电接入集中度高,暴露出了一些由风电自身特性而导致的对电力系统不利的影响。

本文结合新疆电网实际情况,将在Digsilent/PowerFactory仿真软件环境下,对普通异步风力发电机组、双馈风力发电机组和直驱风力发电机组风电场接入系统后系统的静态电压稳定性进行对比分析。

1 P-V曲线法分析法

P-V曲线法分析法是一种静态电压稳定分析的工具,它通过建立节点电压和一个区域负荷或传输界面功率的直接关系曲线,指示区域负荷水平或传输界面功率水平导致整个系统临近电压崩溃的程度[1,2,3]。对于含风电接入的电力系统而言,P-V曲线是风电场公共接入PCC (Point of Common Coupling)点的节点电压与风电场有功功率之间的关系曲线,用P-V曲线可分析出风电场有功出力导致整个系统临近电压崩溃的程度[4]。文献[5,6]用P-V曲线的静态电压稳定潮流分析方法对风电场并网的静态电压稳定性进行了分析。

2 静态电压稳定性分析机理

为了清楚地理解电压失稳机理,采用基于潮流计算来分析系统的电压稳定性,其单机一无穷大系统示意图如图1所示。

图1中,风电场通过1个等值线路接入无穷大系统,Pg为Qg风电场发出的有功功率与吸收的无功功率;Qgc为风电场并联的电容器组提供的无功;QC/2为等值线路的充电功率;ΔPR与ΔQL为等值线路的有功、无功损耗。为无穷大系统节点电压,Z=R+jX是等值线路的阻抗(也称为短路阻抗),2节点之间的电压差可以表示为:

假设无穷大系统节点电压幅值U2=1,的相角为零,上述方程为:

将上式中的实部与虚部展开,可以得到风电场低压侧电压为:

在工程中,通常将整个风电场及其等值线路看做一个整体,从无穷大系统端进行分析,可得:

从式(5)中可以看出,风电机组机端电压与风电场发出的有功、无功功率及等值线路的R、X值有关,当等值线路参数确定时,则机端电压完全由风电场发出的有功、无功功率决定。在式(4)条件成立的情况下,只有一重解时,对应了电压崩溃的临界值,此运行点为风电场电压崩溃的临界点[7]。

由于普通异步风力发电机组、双馈风力发电机组和直驱风力发电机组组成的风电场无功特性不一致,从而对系统电压稳定性的影响程度也不一致。

3 采用DPL编程语言绘制P～V曲线

电力系统仿真软件Digsilent的名称源于数字仿真和电网计算程序(Digital SImuLation and Electrical NeTwork),最早开发始于1976年。Digsilent自1993年开始全面引入面向对象编程技术和数据库概念,并对算法和元件模型进行了较大改进,形成了代表性的10.31版本。

虽然Digsilent仿真软件包含了丰富的模型库和强大的计算功能,但仍然不能满足一些特殊用户的需要。因此,在程序中允许用户使用DSL语言进行模型的自定义;除此之外,Digsilent仿真软件还提供了面向程序化过程的编程语言(Digsilent Programming Language,DPL),便于用户建立自定义的计算功能[8]。

本文在连续潮流的基础上,根据风电场公共接入PCC点的节点电压与风电场有功出力之间的关系,采用DPL编程语言绘制P～V曲线,在此基础上分析风电场的静态电压特性。流程图见图2所示。

4 风电机组静态电压特性

乌鲁木齐达坂城地区风电接入主要集中在220kV盐湖变电站(盐湖变)和达风变电站(达风变),因此接入同一变电站的风电场同时考虑出力变化。

4.1 220 kV盐湖变静态电压分析

鲁能达坂城风电场接入220 kV盐湖变的110 kV侧,天电西沟风电场入220 kV盐湖变的35 kV侧。其鲁能达坂城风电场为双馈风力发电机组,天电西沟风电场机型均为直驱风力发电机组。

鲁能达坂城风电场双馈风力发电机组采用恒功率因数(功率因数为1)控制方式,即整个风电场风电机组不发出也不消耗无功。图3为鲁能达坂城风电场P-V曲线,x轴表示整个风电场发出的有功功率,y轴表示电压。

天电西沟风电场直驱风力发电机组同样采用恒功率因数控制方式,图4为天电西沟风电场P-V曲线。

从上述仿真结果图中可以看出,不论是双馈风力发电机组,还是直驱风力发电机组的风电场出力在低出力时,随着风电场出力的增加,风电场机端电压、风电场低压侧、并网点PCC处等相关节点电压有抬高的现象,这是由于在风电场出力较低时,风电场送出线路、箱变压器以及主变压器的无功损耗较小,即式(5)中Q2X<

根据现有风电场的实际运行情况,很难使得双馈风力发电机组和直驱风力发电机组的风电场与电网之间不进行无功功率的交换,只能将风电场功率因数保持在一个范围内,图5为鲁能达坂城风电场,在不同功率因数控制下的P-V曲线。从图5可以看出,超前功率因数运行对220 kV盐湖变110 kV侧的局部电压水平起到了一定改善。当PCC点运行电压较高时,可使基于双馈风力发电机组或直驱风力发电机组的风电场滞后功率因数运行;当PCC点运行电压较低时,可使基于双馈风力发电机组或直驱风力发电机组的风电场超前功率因数运行。总装机容量为49.5 MW的鲁能风电场不会造成该地区局部的静态电压失稳。

为了进一步得到该地区静态电压稳定极限,需要同时考虑220 kV盐湖变110 kV侧和35 kV其他风电的接入。而对直驱风力发电机组而言,可通过全功率变换器的控制系统实现有功功率、无功功率的解耦控制,下面将对接入220 kV盐湖变的风电场的静态电压稳定性进行分析。

图6为同功率因数控制的接入220 kV盐湖变风电场P-V曲线。从图6可以看出,当接入220 kV盐湖变风电场的风电机组采用恒功率因数-0.98时,风电场不能工作于额定状态,在风电场总出力为179.536MW时,达到了静态电压稳定极限点,极限点电压为0.976 p.u.。

从图5、6可以看出,双馈和直驱类型的风电场的功率传输极限受控制目标(功率因数)的影响,超前功率因数运行使得风电场的功率传输极限增大,滞后功率因数运行使得风电场的功率传输极限减小,故双馈风力发电机组和直驱风力发电机组的风电场静态电压稳定性主要取决于风电场控制系统的控制目标。

4.2 220 kV达风变电站静态电压分析

苜蓿台风电场总装机容量29.25 MW,通过220 kV达风变电站11 0 kV侧接入系统,其机型为异步风力发电机组,每台配置1组225 kvar的电容器组,共39组。图7为苜蓿台风电场P-V曲线,随着风电出力的增大,PCC点电压变化幅度约0.42 kV,变化较小。

国电天风三场风电场总装机容量159 MW,其机型为70台异步机组和71台直驱机组,异步机组每台配置1组225 kvar的电容器组,功率因数由原来的0.889提高到0.977 6。国电天风三场P-V曲线见图8。

从图8中可以看出,当国电天风三场全部为直驱机组时,220 kV达风变电站35 kV侧PCC点的电压值为1.105 p.u.,电压越上限,超出了风电场节点电压规定。随着异步机组的增加,风电场从系统吸收的无功功率增大,异步机组机端电容器组自动投切,使得节点电压在合理范围之内。风电场出力较低时,可通过调节风电场主变分接头位置、调整动态无功补偿设备和机组控制目标(功率因数)来改善风电场的运行条件,使风电场满足运行条件。

将接入220 kV达风变电站的中节能风电场的67台双馈机组、中节能二场的33台直驱机组同时考虑,总装机容量达到338.25 MW。接入220 kV达风变的风电场P～V曲线见图9。

从图9中可以看出,当风电场出力低于305 MW时,随着风电场出力的增加,节点电压变化较小,当风电场出力为305.158 MW时,达到了静态电压稳定极限点,极限点电压为1.074 p.u.,风电场出力继续增大时,节点电压急剧下降。

5 结论

(1)风电场接入系统引起的静态电压稳定与地区电网的网架结构、负荷水平以及风电场机组类型等因素有关。

(2)与基于异步机组的风电场相比,基于双馈和直驱机组的风电场静态电压稳定性较好,其控制目标(功率因数)运行在一定范围之内,超前功率因数运行对并网点PCC处的电压具有一定的改善作用。

(3)双馈和直驱类型的风电场的功率传输极限受控制目标(功率因数)的影响,超前功率因数运行使得风电场的功率传输极限增大,滞后功率因数运行使得风电场的功率传输极限减小,因此双馈和直驱风力发电机组的风电场静态电压稳定性主要取决于风电场控制系统的控制目标。

(4)在风电场出力从零增大到满发时,若风电场和系统相关各节点越限,需要通过综合调节风电场主变分接头位置、调整动态无功补偿设备和机组控制目标(功率因数)来改善风电场的运行条件,使风电场满足运行条件。

参考文献

[1]周双喜,朱凌志,郭锡玖,等.电力系统电压稳定性及其控制[M].北京.中国电力出版社,2004.

[2]林莉,孙才新,王永平,等.大容量风电场接入后电网电压稳定性的计算分析与控制策略[J].电网技术,2008,32(3):41-46.

[3]张锋,晁勤,刘洪.不同控制策略下风电场接入地区电网的稳态分析[J].电网技术,2008,32(19):89-92.

[4]张瑞明,张新燕.基于普通异步发电机和双馈风力发电机静态数学模型的系统静态电压稳定性研究[J].电网技术,2011(1):175-179.

[5]申洪.变速恒频风电机组并网运行模型研究及其应用[D].北京:中国电力科学研究院,2003.

[6]张义斌,王伟胜,戴慧珠.基于P-V曲线的风电场接入系统稳态分析[J].电网技术,2004,28(23):61-65.

[7]迟永宁.大型风电场接入电网的稳定性问题研究[D].北京:中国电力科学研究院,2006.