浅谈含风电装机电力系统的发电调度

《浅谈含风电装机电力系统的发电调度》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浅谈含风电装机电力系统的发电调度　　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

2、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。

3、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

4、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-termloadforecasting，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（artificialneuralnetwork，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

5、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（NumericalWeatherPrediction，NWP），但对于下一天来说，在功率转换模型中考虑N

6、WP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?a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（LocalAreaModel，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

7、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（WeatherResearchandForecasting，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