一种多时间尺度协调的有调节系统

一种多时间尺度协调的有调节系统

0风电场侧的在线无功调度决策研究大规模能源管道的引入对能源系统的运行和运行有很多影响，比如功能集中的影响、电压、系统的稳定性、能耗等。有功调度作为电力系统调度运行体系中的核心组成部分,直接关系到电力系统中的有功功率平衡和频率稳定,对电力系统的安全、可靠、经济运行有着不可替代的重要作用。风电接入后的电力系统在线有功调度包括电网侧的调度决策和风电场侧的运行控制2个方面。电网侧的在线有功调度决策是电网控制中心针对大规模风电接入,如何建立新的在线有功调度运行方法以适应风力发电的特点,保持电网功率平衡和频率稳定;风电场侧的有功运行控制是指风电场如何控制风电机组的运行,以使风电场的输出功率尽量平稳并且具备一定的可控能力。目前国内外的学者对风电场的运行控制研究已经取得了一定的成果,主要集中在风力发电机组的电压和无功控制等方面,但在电网控制中心的在线有功调度方面的研究相对较少。风力发电区别于其他传统发电形式,在于其取决于风速,且具有一定的随机性和间歇性。目前关于风电接入后的电力系统有功调度的研究主要包括风电预测、运行备用优化[7,8,9,10,11,12,13,14,15]、阻塞管理、有功发电计划和频率控制等方面。为了提高电网对风电的接入能力,风电预测是一项基础工作,但是风电预测的准确性难以保证。随着预测时间的增长,预测误差也会逐渐增大,预测时间越短,预测误差相对越小。例如:风电场日前风电预测的误差一般为25%～40%,有时可能更大。因此,本文引入多时间尺度的有功协调优化调度模式,目的在于逐级降低由于风电接入后电网运行的不确定性,增加系统接纳风电的能力。1基于实时数据的无功调度策略国内传统的调度方式主要采用人工日前调度计划和自动发电控制(AGC)等2个时间尺度相结合的调度方式,这2个时间尺度跨度大、调度模式较粗放,无法适应大规模风电接入后的电网调度。传统调度方式主要存在以下问题:①日前负荷预测结果与实际负荷往往存在较大偏差,特别是大规模上网风电的随机性和波动性,使得日前计划在执行中和实际情况存在很大偏差;②日前调度与AGC之间时间跨度太大,日前计划偏差、负荷和风电随机扰动全部由AGC机组来负担,经常会出现AGC可调容量不足的情况,进一步影响了系统的安全性和电能质量。因此,在现有调度模式下,调度员不得不时时根据系统功率不平衡量调节常规发电机基点功率,工作量和强度都很大,在大规模风电接入的情况下已无法适应。由于预测精度与时间跨度成反比,本文提出在时间维将有功调度策略分解为秒级、5～15min级、30～60min级、日级等。根据负荷波动的特点和机组的控制特性,可以把控制分解为4个阶段:日前计划、滚动计划、实时调度计划和AGC。1付款前的计划日前计划有充足的时间进行动态优化计算,该时间级的控制以安全为约束,以经济为目标,可以称为最优控制。2启动周期的确定以扩展短期负荷预测为基础,30～60min为启动周期的滚动计划充分利用最新的信息,实时对剩余时间的发电计划进行修正,逐步降低日前计划的不确定性,同时预测各风电场未来时段的最大允许发电曲线。3模型主要参数调度计划在实施时,要面对运行点接近安全域边沿、机组未有效跟踪计划、AGC机组容量不足等不确定因素。取系统中性能良好、执行计划良好的机组作为缓冲机组,通过超短期预测以5～15min为周期调整出力,用于消除这些不确定因素。缓冲机组以安全为第一目标,经济为第二目标,一方面吸收最优控制过程中的功率不平衡量、改善运行安全性,保证最优控制环节正常运行;另一方面为秒级AGC机组预留调节空间,保证AGC环节的正常运行。本文称这种对缓冲机组的控制为保优控制。保优控制需要超短期负荷预测作为支持。当电网发生阻塞时,也可先调缓冲机组以避免干扰最优控制。4agc与实时调度计划的关系AGC包括校正控制和安全校正控制(阻塞管理)。其中,校正控制调度秒级AGC机组,使频率和联络线功率满足CPS考核指标;安全校正控制即时处理线路断面潮流越限。AGC的目标是快速消除安全隐患,保证系统频率质量。图1给出了日前计划、滚动计划、实时调度计划和AGC之间的关系,本质上是在日前发电计划和AGC之间增加滚动计划和实时调度计划阶段。在该阶段中建立智能化决策和自适应协调控制的技术支持环节,以替代传统的人工调整模式,减轻值班调度员的劳动强度,实现高品质的电力供应。2关键技术为了实现多时间尺度协调的调度模式,需要解决其中几个关键技术问题。2.1下一步和时段内的发电需求是哪里多时间尺度的协调控制本质上是一种超前控制,因此首先需要回答的问题是下一时刻或时段总的发电需求是多少,然后作出发电态势分析。发电态势分析需要解决如下问题。1理想发电预测模型传统的算法直接把实测的负荷数据PD作为预测的基础数据,预测得到的是负荷值并不能直接作为发电出力的控制目标,因此提出理想发电预测模型P*G:Ρ*G=ΡD+ΚLΔf+Ρloss+ΡSΤ(1)P∗G=PD+KLΔf+Ploss+PST(1)式中:Ploss为系统网损;KLΔf为系统频率偏差引起的功率偏差;PSΤST为联络线功率交换计划。图2显示了1日中某省电网网损的变化情况,可见变化很大。因此,采用理想发电预测模型是实现超前控制的关键之一。2重偏离时,及时完成剩余负荷的重新预测和发电计划的调整滚动计划环节需要监视当日发电计划的执行情况,在原计划与实际负荷发生严重偏离的情况下,及时完成该日剩余时段负荷的重新预测和发电计划的调整。提出了扩展短期负荷(发电需求)预测服务于滚动计划,它利用当前时刻及以前的历史负荷数据预测当前时刻及以后的系统负荷,详细技术细节请参阅文献。3基于周期的功率平衡调度实时调度环节是以5～15min为周期进行超前的功率平衡调度,因此,如何保证超短期负荷预测的精度是实现实时调度的关键,详细技术细节参阅文献。4负荷变化的影响电力系统的负荷变化是引起电力系统功率不平衡的主要原因之一,是制订参与计划、实时调度和AGC机组容量的主要依据。通过对日负荷曲线的分解,电力系统的负荷通常是由3种不同变化规律的负荷分量组成:第1种是变化周期在10s以内、变化幅值较小的负荷分量。这种负荷的快速波动是各个独立负荷随机变化的集中表现,主要由AGC机组来平衡。第2种是变化周期在10s到数分钟之间的负荷分量。这种负荷变化的幅值较小,一般不超过负荷峰值的2.5%,主要由实时调度机组来承担。第3种是变化缓慢的持续变动负荷。这类负荷的变化主要是由各种行业的作息制度、居民生活用电方式等引起,具有较强的规律性,可以由计划机组来承担。通过负荷分解与负荷特性分析,确定计划、实时调度和AGC机组容量,详细技术细节可参阅文献。另外,日前短期风电预测的误差很大,而且规律性不强,只能通过对常规机组的调度来平衡。本文通过日内滚动计划和实时调度环节逐级消纳这部分误差。2.2滚动式启动在线确定随着时间尺度变长,发电需求和风电出力预测的不确定因素的影响不断增加,预测的准确度会逐渐降低,因此,日前计划无法满足实际功率平衡需求。对1日每个时段之后的剩余时段的发电需求进行在线滚动修正,即滚动地修正各个机组在剩余时段的出力计划,使得机组的总出力与实际发电需求逐级逼近。所以,可以认为滚动计划就是对日前计划不断修正、不断刷新的过程。滚动计划是从当前时段到结束时段之间的动态优化,在数学上是一个NP难题,模型复杂而且耗时较多。因此,需要研究如何通过对动态优化模型进行时间维度和空间维度的解耦并进行协调以得到适于滚动计划环节在线应用的实用化的优化模型。这对滚动计划算法的高效性提出了要求。其次,由于日负荷和风电出力波动带来的不确定性,算法及其优化模型还需要具有很好的鲁棒性。2.2.1确定滚动式机组的出力值日前计划是在已知次日系统负荷预测、水电计划、交换计划、燃料计划等的情况下,制订次日发电机组的运行计划,使得系统发电或者购电的总费用最低。其优化模型中,单台机组的费用与该机组的发电出力成正比或者二次关系,因此,整个日前计划的目标函数可以表示为:f0(ˉpit)=Ν∑i=1Τ∑t=1[ai(ˉpit)2+biˉpit+ci](2)f0(p¯it)=∑i=1N∑t=1T[ai(p¯it)2+bip¯it+ci](2)式中:ˉpit为机组i在时段t的出力值;N为机组数;T为时段数。若令ai=0,则目标函数与出力值是线性关系。滚动计划是对日前计划不断修正的过程。日前计划中包含了节能减排、电量约束以及其他非技术性约束,滚动计划以日前计划为基础,滚动制订各个机组计划出力的调整量,因此,需要将该调整量限定在一定的范围内。令机组i在时段t(当前时段T0之后的剩余时段)的出力修正值为Δpit,则机组i在时段t的出力值为pit+Δpit。对应的目标函数为:f(pit+Δpit)=Ν∑i=1Τ∑t=1[ai(pit+Δpit)2+bi(pit+Δpit)+ci](3)式中:pit为最新计划(最近一次的滚动修正计划出力,若之前没有滚动修正,则为日前计划的出力值ˉpit)中机组i在时段t的出力值,而pit+Δpit必须在ˉpit的邻域之内。2.2.2次函数最小值的确定和修正降低煤耗和降低购电成本都可单独作为优化目标,也可综合优化。采用发电出力的二次函数,通过权重系数,进行两者之间的协调,这样便可以将多目标优化问题转换为带约束的以二次函数最小值为目标的优化问题。假定机组i在时段t的原计划出力为pit。若在时段T0(0≤T0<T)观察到时段T0+1的扩展短期发电需求预测与最新计划的差值超过一定的阈值,则需要对时段T0+1,T0+2,…,T的所有机组出力进行修正。考虑到滚动计划和日前计划的关系,令机组i在时段t(T0<t≤T)的出力修正值为Δpit,则机组i在时段t的出力为pit+Δpit。滚动计划优化问题的目标函数为:minΤ∑t=Τ0+1Ν∑i=1(ai′Δp2it+bi′Δpit+ci′)(4)1时段t扩展短期负荷预测模型Ν∑i=1Δpit-ΔΡt=0(5)式中:ΔPt为时段t扩展短期负荷预测的发电需求与最新计划的发电需求的差值;t=T0+1,T0+2,…,T。2发电机i对dgΝ∑i=1kmi(pit+Δpit)≤ˉΡmt(6)式中:m=1,2,…,M;t=T0+1,T0+2,…,T;kmi为发电机i对断面m的有功灵敏度;m为需要考虑的断面数;ˉΡmt为断面m在时段t的传输上限。3机组的单位时间最大调值t{Δpit≥Δpi,t-1+(pi,t-1-pit-pdli,t)Δpit≤Δpi,t-1+(pi,t-1-pit+puli,t)(7)式中:i=1,2,…,N;t=T0+1,T0+2,…,T;Δpi,T0=0;pdli,t为机组i在时段t的单位时间最大下调量;puli,t机组i在时段t的单位时间最大上调量。4出力以重、难点确定每次滚动修正时,机组新的出力变为pit+Δpit。这时,新的出力不能超越机组的出力上下界;新的出力还必须以日前计划为参考,偏差值不能超越一定的范围:{Δpit≥max(pminit-pit,ˉpit-Δˉpi-pit)Δpit≤min(pmaxit-pit,ˉpit+Δˉpi-pit)(8)式中:Δˉpi为每台机组在滚动计划时的出力与最初的日前计划之差的上限。2.2.3风电机组运行状态和出力预测数据分析基于滚动计划调度模块,主站端(省调)动态调整常规机组的有功计划曲线,同时根据网络约束和风电场的风电机组运行状态和风电出力预测数据,滚动制订风电场最大出力曲线,并下发。子站端(风电场)接收到计划曲线后,制订本风电场内的发电计划,并可以通过改变桨距角或者启停风电机组的措施,进行有功控制,紧跟计划曲线运行。同时,风电场要将本风电场内的电气量、风电机组运行状态等实时传送至主站端。2.3各度计划与预测结果的偏差实时调度是基于超短期负荷预测的超前调度,是在t=t1时对下一个时段t=t1+1进行优化,修正调度计划与预测结果的偏差。因此,实时调度是对一个静态时间断面的优化,其模型为:{minf(u,x)s.t.g(u,x)=0h(u,x)≤0(9)目标函数为购电费用或煤耗最小,此时f(u,x)为该时段的费用;g(u,x)一般是潮流方程;h(u,x)主要是各种设备物理约束和电力系统安全约束。1增广拉格朗日乘子法实时调度不是把上一时间尺度的发电计划推翻重来,而是在其基础上进行进一步校核和修正。实时调度与发电计划的协调原则是“动静衔接、平滑过渡”。考虑到实时调度是一种短时间尺度下的偏差调整,调整量较小,一般把式(9)写成线性化的增量优化模型:{min∑iwi|ΔΡi|s.t.∑iΔΡGi+∑jΔΡDj=0Δh¯≤h*(ΔΡ)≤Δˉh(10)这个优化模型显然有误差,但是实时调度是持续控制,可以看成是大时延的反馈控制,因此,并不需要一步到位的优化控制,而是追求控制趋势的正确,通过反馈控制消除偏差。一步到位的优化反而会引起过调或控制出现振荡问题。2agc机组的调整空间为了应对诸如风力发电与负荷的波动、发电机非计划停机等,实时调度不仅需要与日前计划协调,还需要与AGC协调,以保证AGC有足够的可调容量。其中,实时调度负责规律性的幅度较大的负荷的功率分配,而AGC负责应对非规律性的幅值较小的负荷快速随机变化。实时调度应给AGC机组预留一定的调整空间,以满足偏差校正的需要。实时调度的控制周期为5～15min,而AGC的控制周期在10s左右。实时调度虽然不直接控制AGC机组,但通过对非AGC机组的控制,调整系统的有功平衡,这样就相当于间接地控制了AGC机组。实时调度的平衡调整量的计算公式为:ΔΡΝEΤ=ΡF+ΡΤ-Ν∑i=1Ρ0i(11)式中:ΔPNET为全网发电计划偏差;PF为发电需求预测值;PT为网络交换计划;Ν∑i=1Ρ0i为所有机组发电计划之和。当机组投入AGC后,机组出力将在AGC软件的控制下随区域控制偏差(ACE)的变化而调整,不再跟踪发电计划。因此,在计算发电计划偏差时,投入AGC的机组计划应使用其调整容量段的中间值代替。对AGC机组i:Ρ0i=Ρ¯AGCi+ˉΡAGCi2(12)式中:ˉΡAGCi和Ρ¯AGCi分别为AGC机组的出力上、下限。这样,AGC机组的调整空间就体现在了发电计划偏差ΔPNET中,进而通过调整非AGC机组的发电出力而调节系统有功的平衡,从而达到将AGC机组近似控制在可控容量段的中点的目的,使AGC机组保留较大的调整裕度。综上所述,在电网调度过程中,实时调度属于起着承上启下的重要协调作用的中间一级。它负责修正上一级的偏差,遗留的偏差由下一级来修正,体现了“多级协调、逐级细化”的思想。3风电场的弃风电力大规模风电接入后,实时调度的目标应保证风电尽可能多发,因此,本文采用弃风最小的有功实时调度模型。该模型依据各风电场的超短期出力预测值,建立满足安全约束的弃风最小的有功调度优化模型:{min∑iri|ΔΡi|+∑jwjΔΡwji∈ΝrtGs.t.∑i∉ΝwindGΔΡi+∑j∈ΝwindG(ΡForj-Ρ0j-ΔΡwj)=ΔΡ∑i∉ΝwindGSikΔΡi+∑j∈ΝwindGSjkΔΡwj≤ˉΡΤk-ΡΤkk∈ΜtieΔΡ¯i≤ΔΡi≤ΔˉΡii∈ΝrtGΔΡwj≥0(13)式中:ri为传统发电机i当前的发电出力单位调整成本;wj为风电场j的弃风电成本,为了减少弃风,一般wj在数值上远大于ri;ΔPi为常规机组i的调整量;ΔPwj为风电场j的弃风电力,它等于下一时段预测的风电出力预测值PForj与下一时段实时调度计划值PSchej的差值;NrtG为全网实时调度机组的集合;NwindG为风电机组集合;ΔP为下一点负荷增加量