考虑风电波动性的源荷优化调度策略

高凯开

国家电投集团广西电力有限公司运营服务分公司，广西 南宁 530003

摘要：本文在分析风电波动特性的基础上，针对风电波动划分出风电波动过程并依据波动量和持续时间通过聚类算法分类出三种不同容量的风电波动，提出一种针对风电波动特性的源荷优化调度策略，即上层优化模型以系统运行成本最优，针对不同风电波动程度安排可连续、可离散调节的高载能负荷消纳，形成日前调度计划；下层优化模型以风电消纳量最大，通过可连续调节的高载能负荷和调节常规机组追踪风电波动来消纳风电。最后通过改进粒子群算法求解验证了所提优化调度策略的有效性。

关键词：源荷协调互动；风电消纳；风电波动；高载能负荷

1引言

随着风力发电的渗透率不断提升，截止2019年末，我国风电并网总量突破2.1×108kW，风电总装机容量为2.36×108kW，为全球排位第二美国的2.2倍，仅新疆地区风电发电量占全国总量的9.3％，然而风电没有水、火力发电的稳定性和人为可控性导致其并网给系统造成很大的困扰。因此，分析风力发电的特性，并基于风电特性分析提出优化调度策略对大规模风电并网下电网稳定运行和提升风电消纳具有重要意义。为此，针对风电波动性和随机性及电网调节能力不足的问题，在分析风电波动特性的基础上对风电波动过程进行划分，基于聚类算法以风电波动量和持续波动时间为特征向量划分风电波动类型，并提出一种源荷优化调度策略。针对不同类型的风电波动，日前优化模型以系统运行成本最优为目标安排高载能可连续、可离散负荷进行消纳；日内优化模型以风电消纳量最大为目标，通过调节可连续调节负荷来追踪风电波动。最后通过自适应惯性权重粒子群算法求解模型，验证了所提调度策略的有效性。

2基于聚类方法的风电波动研究

2.1风电场出力波动特性

由于天气、地貌和风机轴惯性等原因，风电场出力表现出极大的波动性和随机性，基于新疆某地风电场历史数据对风电出力波动性进行分析，风电场日最大出力大致在接近于零出力和额定出力区间内反复变化。相较于当地负荷，负荷幅度较小，且波动范围不大于180ＭＷ，因此提高风电消纳需主要针对风电端波动。

2.2风功率波动过程划分

风力发电的波动过程可视为是由风电出力曲线上的一个局部极小风电出力值到另一个风电局部极小出力值的过程，波动过程中包含有风电极大值出力点。

由于风电原始出力曲线存在高频随机出力和低频趋势出力，为研究方便需剔除高频信号。采用小波分解和Ｍａｌｌａｔ算法对风电原始出力曲线

进行滤波分离，滤波分离后的风电出力曲线能够很好地保留原始序列的轮廓。

2.3基于Ｋ－ｍｅａｎｓ算法的风电波动划分

Ｋ－ｍｅａｎｓ算法的思路是对给定的ｎ个ｍ维的样本数据点Ｘ＝（ｘ1，ｘ21，…，ｘｄ，…，ｘｎ），样本ｘｄ为ｍ维数组，将数据样本点划分为Ｋ个数据簇Ｃｋ，每个数据簇Ｃｋ有一个与之对应的聚类中心Ｕｋ，计算样本数据点到聚类中心Ｕｋ的距离，选取新的聚类中心Ｕｋ，再次迭代计算距离并选出新的聚类中心，重复迭代到设置的迭代次数为止。其样本数据［Δｐｗｉｎｄ，Ｔｗｉｄｔh］为代入算法确定风电波动类型的特性向量，Δｐｗｉｎｄ、Ｔｗｉｄｔh分别为一段风电波动的电量和其时间跨度，以风电波动电量值和波动时间跨度为特征向量进行分类，风电波动类辨识方面有量值大、中、小三种波动，其量值的大小对风电集中并网地区的常规机组的调峰爬坡和启停均具有重大影响，因此应对不同量值的波动对电网消纳风电具有一定意义。

3高载能负荷特性分析及建模

3.1高载能负荷离散调节特性及建模

根据某些高载能用户的实际生产过程中的调节记录可知，电解铝设备在生产过程中可进行离散的分组投切，其用电量平稳，改变槽电压来调节负荷功率，因电解铝设备寿命问题，电解铝设备一次调节后需稳压运行，不能频繁调节。高载能电解铝负荷离散调节时间一般为4h起，最多可持续8h。

3.2高载能负荷连续调节特性及建模

部分高载能负荷如铁合金具有连续调节特性，一般为额定容量的±5％，铁合金工业可在短时间尺度上实现对新能源发电的追踪。考虑风电波动特性的日内时间尺度优化调度策略步骤如下。日前风电预测和日内１５ ｍｉｎ 风电预测值进行对比，计算出风电偏移量。基于可连续调节的高载能负荷的约束，同时调节常规机组出力修正风电偏移量。形成可连续调节的高载能负荷用电计划和日内风电出力计划。

4考虑风电波动类别的源荷优化调度模型

4.1日前优化调度模型

日前优化调度计划的时间尺度为24h，调度时段长为1h。按照日前风电功率预测值，采用风电波动类型划分对其进行分类，对于量值不同的风电波动，在大、中风电波动时段对可离散调节的高载能电解铝负荷进行调节，考虑到常规机组调节能力，小风电波动扰动靠常规机组调节，日前调度计划目标为系统运行成本最优。

4.2日内优化调度模型

日内优化调度以4h为时间尺度，每个调度时长为15ｍｉｎ，对日前日内风电预测偏移量进行计算，针对偏移量引入可连续调节的高载能铁合金负荷及常规机组共同进行修正，日内调度计划目标日内风电消纳量最大。

4.3模型求解

由于经典粒子群算法在非线性高维求解过程中的无效迭代，本文采用一种自适应惯性权重粒子群算法，该算法能够减小迭代中不利算法收敛的惯性分量，动态惯性权重ωｑ在搜索初期选较大值，因此粒子的搜索以较大的步长进行全局搜索，随着迭代次数增加，动态惯性权重ωｑ会减小，因此粒子的搜索会精细化，从而获得全局最后解。

5算例分析

5.1算例描述

以新疆某地电网为例，该区域电网火电机组装机容量1415ＭＷ，风电场群总装机容量925.45ＭＷ。弃风成本为350元／（MW.h）。

5.2结果分析

日前优化调度策略以系统运行成本最优为目标，采用自适应权重粒子群算法进行模型求解，得到日前优化后的风电消纳效果。由于可离散调节的高载能负荷持续调节时间限制，图5中可见可离散电解铝负荷的调节情况及可连续调节负荷铁合金的调节情况。采用本文所提优化调度策略后，调度周期内总弃风量为110.9MW.h，由于高载能负荷可调节量及持续时间等限制，弃风时段多集中在夜间时段，而传统调度的弃风量为650.9MW.h，由此可见通过将风电波动分类并将可离散、可连续调节的高载能负荷纳入优化调度计划能够很大程度上提高风电消纳。在采用本文所提优化调度策略后系统总成本减少33.13万元，利用可离散、可连续调节高载能负荷显著地减少了弃风成本，系统成本降低的同时也提升了风电消纳量。相对于日前风电预测，日内15ｍｉｎ风电预测提高了精度，而可连续调节的铁合金负荷可追踪风电波动，平抑日前日内之间风电预测值的偏移量，可连续调节的铁合金负荷的出力情况能够在其调节范围内应对风电波动，在风电波动量较大的夜间时段，其优化调度周期内风电超短期预测总量为1023.6MW.h，通过调节常规机组及可连续调节的铁合金负荷应对风电波动，弃风量为84.1MW.h，弃风量不超过总量的10％，有效提高了系统风电消纳量。

结论

基于风电波动类型划分构建了日前系统成本最优和日内风电消纳量最大的模型，该优化调度策略能够一定程度上减小系统运行成本的同时，利用可离散、可连续高载能负荷提高了大、中风电波动时段的风电消纳量，并以新疆某地电网进行计算分析验证了所提策略的有效性。

参考文献：

［1］白建华，辛颂旭，刘俊，等.中国实现高比例可再生能源发展路径研究［Ｊ］.中国电机工程学报，2015，35（14）：3699－3705.

［2］张楠，黄越辉，王晶，等.基于聚类算法的风电波动过程研究［Ｊ］.电测与仪表，2020，57（6）：73－81.

［3］吴耀武，汪昌霜，娄素华，等.计及风电—负荷耦合关系的含大规模风电系统调峰运行优化［Ｊ］.电力系统自动化，2017，41（21）：163－169.