戴麗媛，徐泰山，汪馬翔,王昊昊，段 慧

(1.河海大學 能源與電氣學院，江蘇南京210096；2.國電南瑞科技股份有限公司，江蘇南京211106)

多源電網(wǎng)協(xié)調(diào)實時控制技術(shù)綜述

戴麗媛1，徐泰山2，汪馬翔2,王昊昊2，段 慧2

(1.河海大學 能源與電氣學院，江蘇南京210096；2.國電南瑞科技股份有限公司，江蘇南京211106)

在能源結(jié)構(gòu)調(diào)整的大環(huán)境下，針對風電與光伏發(fā)展的現(xiàn)狀和特高壓交直流建設(shè)進程，討論了中國目前棄風、棄光量大的原因。結(jié)合實際電廠的AGC測試數(shù)據(jù)，總結(jié)與對比了風電、光伏、水電、火電各類電源并網(wǎng)的調(diào)節(jié)特性及其量化數(shù)據(jù)。在實際測試數(shù)據(jù)的基礎(chǔ)上分析了多源電網(wǎng)協(xié)調(diào)實時控制技術(shù)的可行性，探討了多源并網(wǎng)實時控制技術(shù)，重點闡述了風、火電分層優(yōu)化控制技術(shù)；風、火、水電聯(lián)合優(yōu)化調(diào)度策略；風、光、儲互補性控制策略以及計及網(wǎng)絡約束與電量交易計劃的實時控制方法的研究成果，展現(xiàn)了多源電網(wǎng)協(xié)調(diào)控制的優(yōu)勢，為大規(guī)模風電、光伏、水電、火電協(xié)調(diào)外送系統(tǒng)的規(guī)劃、設(shè)計以及運行提供了技術(shù)支持，對我國新能源外送的實時控制具有借鑒和參考價值。

網(wǎng)架結(jié)構(gòu)；調(diào)節(jié)特性；多源協(xié)調(diào)；實時控制

0 引言

據(jù)國家統(tǒng)計局數(shù)據(jù)顯示，2015年全國總發(fā)電量為5.618×1013kW·h，其中，火電、水電、風電、光伏累計發(fā)電量分別為4.2102×1013kW·h、9.96×1012kW·h、1.863×1012kW·h、4×1011kW·h，分別占總發(fā)電量的74.94%、17.73%、3.32%、0.712%?！?015～2030年電力工業(yè)發(fā)展展望》預計2030年火電裝機容量1.186×1010kW，發(fā)電量為4.757×1013kW·h，占總發(fā)電量的50.42%。水電裝機容量4.5×109kW，電量1.59×1013kW·h，占總發(fā)電量16.8%。風電裝機容量5×109kW，發(fā)電量1×1013kW·h，占總發(fā)電量的10.6%。光伏裝機容量為3.5×109kW，發(fā)電量為3.6×1012kW·h，占總發(fā)電量的3.816%[1]，未來清潔能源的裝機容量與發(fā)電量所占比例將不斷上升，能源結(jié)構(gòu)將不斷優(yōu)化。

2015年底，電網(wǎng)基本建成以特高壓電網(wǎng)為主網(wǎng)架、各級交直流電網(wǎng)協(xié)調(diào)發(fā)展的格局，各省網(wǎng)和各區(qū)域內(nèi)跨省電網(wǎng)已基本實現(xiàn)交直流互聯(lián)。未來，中國特高壓電網(wǎng)繼續(xù)加速發(fā)展。在“十三五”期間將國家電網(wǎng)優(yōu)化為西部、東部兩個特高壓同步電網(wǎng)，形成送、受端結(jié)構(gòu)清晰，交、直流協(xié)調(diào)發(fā)展的電網(wǎng)格局[2]。

1 風電、光伏消納現(xiàn)狀

根據(jù)國家能源局數(shù)據(jù)顯示，由于目前成本與技術(shù)的原因，棄風、棄光現(xiàn)象嚴重[3]，2016年一季度棄風量達到1.92×1011kW·h，平均棄風率達到26%；棄光量達到1.9×1010kW·h，平均棄光率達到16.1%。特別在大量風光資源集中的西北地區(qū)，棄風、棄光現(xiàn)象尤為嚴重。一方面，現(xiàn)有的西電東送輸電通道制約了風光資源的送出；另一方面，已有的實時控制技術(shù)難以充分發(fā)揮電網(wǎng)對風光資源的接納能力，從而導致棄風、棄光比例較大[4]。

2 各類電源的特性分析

2.1 火電機組的調(diào)節(jié)特性

江蘇國電泰州發(fā)電有限公司“二次再熱”示范工程4號機組為國內(nèi)首臺106kW超超臨界二次再熱機組，通過對其進行AGC性能測試，測得4號機組AGC平均速率為1.87×104kW/min，優(yōu)于1.5%Pe/min的考核標準。負荷調(diào)節(jié)精度為2.7 kW，優(yōu)于考核標準0.5%。

國電常州#2機組容量為6×105kW，在4.5～6×105kW負荷段進行AGC測試，測試結(jié)果顯示調(diào)節(jié)速率為 1.32～1.44×105kW/min，調(diào)節(jié)誤差低于0.5%的裝機容量?；痣姀SAGC各項指標的考核與測試結(jié)果如表1所示。

表1 火電廠AGC各項指標的考核標準與測試結(jié)果

2.2 水電機組的調(diào)節(jié)特性

通過南瑞公司的SSJ-3000型水電廠計算機監(jiān)控系統(tǒng)對某水電廠安裝的5臺單機容量3.5×105kW·h的大型混流式水輪發(fā)電機組進行測試，其中調(diào)節(jié)速率的V計算公式和調(diào)節(jié)精度e的計算公式為：

V=|ΔP/ΔT|

(1)

(2)

式中：z為調(diào)節(jié)目標指令；p為實際負荷；Pn為機組額定負荷；t2為調(diào)節(jié)結(jié)束時間；T0為精度統(tǒng)計計算時間。

結(jié)果表明機組的調(diào)節(jié)速率為5×105kW/min，達到142.86%Pe/min，調(diào)節(jié)誤差為7.8×104kW(2.2%的裝機容量)符合并網(wǎng)要求[5]。

通過對銀盤水電廠4臺1.5×105kW軸流轉(zhuǎn)槳式水輪發(fā)電機組的測試，發(fā)現(xiàn)AGC調(diào)節(jié)速率達1.25×105kW/min(83.3%Pe/min)，AGC調(diào)節(jié)精度為3×103kW(2%Pe)，達到了華中電網(wǎng)兩個細則考核要求[6]。

根據(jù)《華中區(qū)域并網(wǎng)發(fā)電廠輔助服務管理實施細則》和《華中區(qū)域發(fā)電廠并網(wǎng)運行管理實施細則》的規(guī)定[7]，水電廠AGC各項指標的考核標準與測試結(jié)果如表2所示。

表2 水電廠AGC各項指標的考核標準與測試結(jié)果

2.3 風電場的預測與調(diào)節(jié)特性

2.3.1 超短期風電場出力預測精度研究

超短期風功率預測有助于優(yōu)化調(diào)頻及旋轉(zhuǎn)備用容量，以及在線優(yōu)化機組組合與負荷調(diào)度[8]。

(1)國內(nèi)風電預測現(xiàn)狀

國內(nèi)風電預測研究起步較晚，《風電場接入電力系統(tǒng)技術(shù)規(guī)定》中規(guī)定超短期風電場風電功率預測誤差不大于25%[9]。文獻[10]以高階Volterra級數(shù)時間序列預測方法為工具，結(jié)合實際風電場數(shù)據(jù)，對風電功率進行5～60 min預測，10 min風電預測偏差較小，為10.21%。國內(nèi)也有有一些較好的風電預測軟件廣泛應用于工程中[11]。

(2)國外風電預測現(xiàn)狀

德國太陽能技術(shù)研究所開發(fā)的風電管理系統(tǒng)(WPMS)是目前商業(yè)化運行最為成熟的系統(tǒng)，該系統(tǒng)對于單個風電場的預測誤差大約為15%[12]。文獻[13]中通過對風電機組的SCADA數(shù)據(jù)進行分析，采用回歸型支持向量機(SVR)算法[14]，對單臺風機以及風電場的出力進行超短期預測。單臺機組預測誤差精度指標eMAE和eRMSE分別為4.2%和5.4%；考慮到風電機組的分布不同，整個電場的預測誤差精度指標eMAE和eRMSE分別為1.794%和2.483%，該預測精度遠遠高于現(xiàn)有的預測模型。其中：

(3)

(4)

式中：N為預測次數(shù)；Pcap為機組裝機容量；x(i)為實際出力；x′(i)為預測出力。

考慮到海上和內(nèi)陸風電場的差異性，文獻[15]中以德國氣象部門提供的氣象服務數(shù)據(jù)為基礎(chǔ)，建立神經(jīng)網(wǎng)絡預測模型(ANN)，對海上風電場一年的數(shù)據(jù)進行訓練，結(jié)果顯示其超短期預測誤差標準RMSE(均方根誤差)為17.07%，優(yōu)于其他預測方法。

2.3.2 超短期風電場出力調(diào)節(jié)性能的研究

在國家標準委發(fā)布的《風電場接入電力系統(tǒng)技術(shù)規(guī)定》中要求風電場能夠響應調(diào)度部門指令自動進行有功功率調(diào)節(jié)。《風電場接入電力系統(tǒng)技術(shù)規(guī)定》中指出，30～150MW風電場1min有功功率變化最大限值為裝機容量10%。以下是對兩個風電場進行的測試。

青海海西110kV三峽錫鐵山風電場總裝機容量為99MW，共66臺風機，均為金風生產(chǎn)，額定容量為1.5×103kW，電站通過110kV峽坪線上網(wǎng)。經(jīng)過測試測出有功功率調(diào)節(jié)上升和下降響應速度5×103kW/min(5.05% 裝機容量/min)。全站有功功率始終能夠準確跟蹤全站有功功率目標值，誤差為0.2MW(0.2%裝機容量)。結(jié)果顯示，風電場具有較好的調(diào)節(jié)速率與調(diào)節(jié)精度。風電場AGC各項指標的考核標準與測試結(jié)果如表3所示。

表3 風電場AGC各項指標的考核標準與測試結(jié)果

2.4 光伏電站的預測與調(diào)節(jié)特性

2.4.1 超短期光伏電站出力預測精度

(1)國內(nèi)光伏電站預測現(xiàn)狀

光伏電站出力的預測對光伏并網(wǎng)具有重要意義，我國《光伏發(fā)電站接入電力系統(tǒng)技術(shù)規(guī)定》中要求光伏電站發(fā)電時段(不含出力受控時段)的超短期預測平均相對誤差小于10%，合格率應大于85%。文獻[16]基于全天空云圖，利用數(shù)字圖像處理技術(shù)提取與輻射相關(guān)的圖像特征；以大氣層外輻射、大氣質(zhì)量、圖像亮度和云量作為輸入，地表輻射為輸出，構(gòu)建徑向奇函數(shù)神經(jīng)網(wǎng)絡預測模型。將預測數(shù)據(jù)通過光電轉(zhuǎn)化模塊進行轉(zhuǎn)化，得到光伏電站預測數(shù)據(jù)。結(jié)果表明采用云圖預測得到的光伏預測出力平均相對誤差可為3.115%。國內(nèi)目前比較成熟的光伏預測系統(tǒng)有國電南瑞NSF3200光伏功率預測系統(tǒng)軟件和木聯(lián)能光功率預測系統(tǒng)，均已在多個光伏電站投入使用。

(2)國外光伏電站預測現(xiàn)狀

通過思想政治教育工作者組織的各種社團活動和學生集體活動可以培養(yǎng)學生吃苦耐勞和樂于奉獻的精神，作者認為培養(yǎng)學生的團隊合作意識和攻克學習難關(guān)的勇氣也非常重要，這就需要專業(yè)教師的配合。鼓勵教師指導大學生參加各類創(chuàng)新活動和知識競賽，制定獎勵制度對有指導學生獲獎的教師給予鼓勵，對參與教師科研的學生給予政策支持和獎勵，在學生參與學術(shù)學習和研究的過程中，經(jīng)歷刻苦學習、攻克難關(guān)、收獲成果的艱辛和幸福過程中，建立團隊合作意識，培養(yǎng)為集體奉獻的“服務”意識同時融入育人的理念，這樣的影響方式能夠取得更好的成效，這種經(jīng)歷對學生將來的工作生活都將產(chǎn)生巨大的正向意義。

國外預測精度普遍優(yōu)于國內(nèi)，文獻[17]建立了一個多層感知器的神經(jīng)網(wǎng)絡模型(MLP)[18]來預測光伏電站的出力，分別采用普通神經(jīng)網(wǎng)絡模型、優(yōu)化神經(jīng)網(wǎng)絡模型、隨機神經(jīng)網(wǎng)絡模型三種預測方案。預測結(jié)果顯示其RMSE(均方根誤差)最大為8.46%，最小為4.46%。文獻[19]提出了一種人工神經(jīng)網(wǎng)絡和小波分解法相結(jié)合的模型，首先通過對太陽輻照度和氣象變量數(shù)據(jù)進行有用信息的分離，再由人工神經(jīng)網(wǎng)絡建立光伏電站功率預測模型對光伏電站功率在晴天、多云、陰天、下雨4種模式下進行預測。不同天氣誤差精度如表4所示。

表4 不同天氣誤差精度

結(jié)果精度高于單純的人工神經(jīng)網(wǎng)絡模型。其中eRMSE和eMAE指標參考風電場精度計算公式，eMAPE計算公式為：

(5)

式中：n為預測次數(shù)；PM(i)為實際出力；Pf(i)為預測出力。

2.4.2 光伏電站調(diào)節(jié)特性

競峰德令哈光伏電站總裝機容量為20MW，單臺容量為5.5×102kW，通過35kV競松線上網(wǎng)，屬于中型光伏電站。對其進行有功功率自動調(diào)節(jié)測試，升功率與降功率響應速度為1×103kW/min(5% 裝機容量/min)，測試誤差為3×102kW(1.5% 裝機容量/min)以內(nèi)，測試結(jié)果顯示該電站能夠正確響應調(diào)度下發(fā)命令，符合國家標準。

中廣核光伏電站總裝機容量為3×104kW，單臺容量為5.5×102kW，電站通過35kV廣瑄線上網(wǎng)，屬于中型光伏電站。測試結(jié)果得出升功率與降功率均為1×103kW/min(3.3% 裝機容量/min)，測試誤差為3×102kW(1% 裝機容量/min)以內(nèi)。AGC系統(tǒng)能夠正確的接收調(diào)度指令，能夠迅速準確和穩(wěn)定的執(zhí)行調(diào)度主站的有功功率控制任務。光伏電站AGC各項指標考核要求與測試結(jié)果如表5所示。

表5 光伏電站AGC各項指標的考核要求與測試結(jié)果

3 多源并網(wǎng)實時控制策略

3.1 多源協(xié)調(diào)控制的可行性

多源協(xié)調(diào)的實時控制必須考慮到各種電源各自的出力特性，風電資源具有間歇性和波動性的特點[20]，光伏并網(wǎng)發(fā)電系統(tǒng)的發(fā)電量隨日光照射角度與強度的變化而變化[21]。但太陽能與風能在時間上具有很強的互補性，風光互補混合供電系統(tǒng)是可再生能源獨立供電系統(tǒng)的一種重要形式[22]，與獨立風力發(fā)電或者光伏發(fā)電相比，風光互補供電系統(tǒng)能使電力輸出更加可靠平穩(wěn)[23]。火電廠出力具有較好的調(diào)節(jié)能力，出力平滑，能夠用來補償新能源出力的波動性，進行系統(tǒng)功率的平衡[24]。水資源存在豐水期和枯水期，導致其具有周期性，響應電量受水量等自然因素的影響[25]。隨著多源協(xié)調(diào)控制技術(shù)的發(fā)展，多源協(xié)調(diào)發(fā)電將比單一能源發(fā)電具有更多的經(jīng)濟和環(huán)境效益，更能促進電網(wǎng)安全穩(wěn)定運行[26]。

3.2 多源協(xié)調(diào)實時控制技術(shù)

3.2.1 風、火協(xié)調(diào)外送有功功率實時控制技術(shù)

文獻[27]以優(yōu)先利用風能資源、提高電力通道利用率的原則，提出了風火“打捆”外送的有功控制策略。其目標是控制“打捆”外送斷面不超過穩(wěn)定限額、減少線路功率波動、優(yōu)先利用風能資源以及充分利用輸電通道。

當風速增加時，火電與風電共同進行調(diào)節(jié)，風電根據(jù)風功率預測結(jié)果和交直流外送通道的斷面裕度進行超前控制，火電根據(jù)實際運行狀況進行校正控制。風火電“打捆”外送協(xié)調(diào)控制框圖，如圖1所示。

該方案單純考慮以新能源出力最大化為目標，當新能源滲透率不斷提高，火電機組需要工作在非最佳煤耗點來消納新能源和提供備用容量，這不僅大大增加了火電機組的成本，且影響火電機組的運行壽命。所以該方案僅適合新能源占比不大的情況，隨著新能源占比增大，該方案必須隨之改進。

圖1 風火電“打捆”外送協(xié)調(diào)控制框圖

3.2.2 風、火電分層優(yōu)化控制技術(shù)

文獻[28]針對中國“三北”地區(qū)風火聯(lián)運系統(tǒng)的特點，提出了在調(diào)度中心和源端發(fā)電單元之間建立有功優(yōu)化運行層，對局部分散的風電場和火電機組進行協(xié)調(diào)控制。其目標為使系統(tǒng)具有響應外部調(diào)度運行指令的能力，在保障電源端系統(tǒng)穩(wěn)定的基礎(chǔ)上提高風電的利用率。

風火協(xié)調(diào)層根據(jù)調(diào)度中心指令協(xié)調(diào)風電場集群和火電機組的出力。集群風電協(xié)調(diào)層根據(jù)風火協(xié)調(diào)層的控制指令，進行內(nèi)部優(yōu)化后將控制指令下發(fā)到各個風電場；集群風電協(xié)調(diào)層實時向風火協(xié)調(diào)層反饋一個有功控制偏差，僅控制偏差小于一定值時，才能進行下一周期的調(diào)節(jié)。通過風電場內(nèi)部的優(yōu)化和火電廠的配合控制，平滑整個出力的波動性，并且提升風電消納空間。風、火電分層優(yōu)化控制模型如圖2所示。

圖2 風、火電分層優(yōu)化控制模型

該方案適用于源端系統(tǒng)能夠判定風電是否能夠參與并網(wǎng)的能力，并且能夠在風火集群電廠中優(yōu)化分配發(fā)電任務。此外，當發(fā)生外送通道越限、系統(tǒng)不穩(wěn)定、風機故障時，能夠進行緊急控制來減少事故的危害，因此該方案對系統(tǒng)的控制與檢測能力具有較高的要求。

3.2.3 風、火、水電聯(lián)合優(yōu)化調(diào)度策略

將風電引入水火調(diào)度系統(tǒng)中，針對風力發(fā)電的波動性和不穩(wěn)定性，文獻[29]提出了風、火、水電聯(lián)合優(yōu)化調(diào)度策略，建立了以風電上網(wǎng)電量最大，火電發(fā)電量最小，出力穩(wěn)定，水電發(fā)電流量最小為目標的模型。

(6)

考慮了電量平衡約束、水量平衡約束、蓄水量約束、下泄流量約束、長期調(diào)度約束、水電站出力約束、風電場出力約束、火電廠出力約束、火電廠出力穩(wěn)定約束與非負約束條件。模型采用權(quán)重法將多目標函數(shù)轉(zhuǎn)化成為單目標，通過罰函數(shù)法轉(zhuǎn)化為無約束條件問題，運用壓縮因子的粒子群算法進行單目標優(yōu)化。該策略以風電出力最大，火電承擔基荷，平穩(wěn)出力，再由水電補償剩余負荷，將風電、火電與水電調(diào)度相結(jié)合，以補償風電的不均勻性和隨機性。風、火、水聯(lián)合系統(tǒng)控制模型，如圖3所示。

圖3 風、火、水聯(lián)合系統(tǒng)控制模型

通過對算例進行優(yōu)化后，風電及水電上網(wǎng)的電量增加，火電發(fā)電量減少；火電出力平穩(wěn)，風電出力缺額增加，棄風量減少。由于需要補償風電場波動，梯級水電站出力建議曲線波動增加，因此該方案適用于具有較好調(diào)節(jié)能力的水電站，能夠響應系統(tǒng)調(diào)度指令，及時調(diào)整水電站出力。

3.2.4 風、光、儲互補性控制策略

為改善風光儲聯(lián)合系統(tǒng)輸出特性和降低儲能電站功率補償壓力，文獻[30]提出了一種在線滾動優(yōu)化和有功實時控制相結(jié)合的協(xié)調(diào)優(yōu)化控制方法。以總的平均功率偏差最小、儲能電站充放電次數(shù)最小和儲能電站剩余電量最大為目標函數(shù)的優(yōu)化模型，來實現(xiàn)功率的精確跟蹤，提高儲能站的運行壽命和下一個控制時段的功率補償能力。

(1) 總平均功率偏差最小，其目標函數(shù)f1(x)

(7)

(2) 充放電次數(shù)最小，其目標函數(shù)f2(x)

minf2(x)=minNb

(8)

(3)控制時段末期剩余電量最大，其目標函數(shù)f3(x)

maxf3(x)=maxQSOC(N)

(9)

考慮了儲能電站容量和功率約束、風電場出力約束、光伏電站約束的約束條件，通過非支配排序遺傳算法求解，給出了風、光、儲分鐘級的計劃出力曲線。

有功實時控制實現(xiàn)風、光計劃出力微調(diào)和儲能電站實時控制，風、光計劃出力微調(diào)模塊根據(jù)實時風速和光照等信息，平衡計劃超額；儲能電站動態(tài)給出功率上限，提高了應對風/光爬坡的能力。風光儲聯(lián)合系統(tǒng)控制模型，如圖4所示。

圖4 風光儲聯(lián)合系統(tǒng)控制模型

結(jié)果表明，該控制方法使儲能電站在較低的充放電次數(shù)下，與風/光配合協(xié)調(diào)控制，提高聯(lián)合系統(tǒng)跟蹤計劃出力的能力。但是該控制方法為了使輸出功率較好跟蹤計劃曲線，需要加大對儲能電站的投資，因此適用于風電與光伏波動不劇烈的場景下。

3.3 計及網(wǎng)絡約束的新能源并網(wǎng)功率實時控制方法

不計及輸電網(wǎng)絡的拓撲結(jié)構(gòu)，單純考慮多源之間協(xié)調(diào)控制以實現(xiàn)新能源的消納，這類方法沒有考慮到電源與負荷的分布，以及輸電通道傳輸能力的限制。在實現(xiàn)多種電源協(xié)調(diào)控制時，必須引入網(wǎng)絡約束，才能保證整個電力系統(tǒng)的安全穩(wěn)定。

3.3.1 考慮預測調(diào)節(jié)性能和安全約束的新能源并網(wǎng)功率控制方法

文獻[31]提出了一種基于預測調(diào)節(jié)性能和安全約束的新能源并網(wǎng)控制方法，該方法以新能源電站的歷史運行信息為基礎(chǔ)，計算得到其預測精度和調(diào)節(jié)性能指標；并依據(jù)當前時刻新能源電站并網(wǎng)有功功率控制對電網(wǎng)安全穩(wěn)定裕度變化的控制性能代價比指標的相近程度，將新能源電站分成多個電站群，從而解決按接入輸電通道的不同對新能源電站進行分群，不能真實反映電網(wǎng)當前時刻的暫態(tài)和動態(tài)安全穩(wěn)定特性的問題。

當系統(tǒng)需要降低有功功率時，綜合考慮有功功率執(zhí)行的下限值以及預測精度，優(yōu)先降低安全穩(wěn)定控制性能代價比小的新能源電站群的并網(wǎng)功率。當系統(tǒng)需要增加有功功率時，綜合考慮新能源電站的并網(wǎng)有功功率調(diào)控指令執(zhí)行值的上限，優(yōu)先增加其中預測精度和調(diào)節(jié)性能指標的綜合性能指標大的新能源電站的并網(wǎng)有功功率。

該控制方法在改變相同幅度出力的基礎(chǔ)上，保障了系統(tǒng)的穩(wěn)定性，并且提高了新能源電站并網(wǎng)有功功率控制的實時性、可靠性和精度，以及新能源電站提升并網(wǎng)有功功率預測和控制技術(shù)裝備水平的主動性。

3.3.2 計及電量交易計劃的電廠并網(wǎng)有功功率實施控制方法

為應對市場化交易電量規(guī)模、主體的快速增長與變化，文獻[32]提出了一種計及電量交易計劃的發(fā)電廠并網(wǎng)有功功率實時控制方法。該方法在進行多源系統(tǒng)實時控制時分別考慮了發(fā)電廠單位發(fā)電量的經(jīng)濟環(huán)保性能指標、發(fā)電廠的電量交易計劃執(zhí)行率指標、發(fā)電廠的并網(wǎng)有功功率控制性能指標和間歇性新能源電站的并網(wǎng)有功功率的預測性能指標。

該優(yōu)化模型考慮的約束條件包括機組的出力上下限約束，爬坡約束、計及損耗的電量平衡約束，網(wǎng)絡安全約束以及有功功率備用約束。以各機組出力為決策變量，采用線性規(guī)劃法求解，得到并網(wǎng)有功功率的調(diào)控指令執(zhí)行值。該方案在滿足電量交易計劃執(zhí)行的基礎(chǔ)上，保證單位發(fā)電量的經(jīng)濟環(huán)保綜合代價最低，還能夠為發(fā)電廠提高并網(wǎng)有功功率控制水平和間歇性新能源電站提高并網(wǎng)有功功率的預測精度提供自發(fā)促進力；有功功率平衡約束中引入實時網(wǎng)損系數(shù)，提高了有功功率平衡的精度；在得不到最優(yōu)解時，應用臨時松弛有功備用的計算策略，提高了發(fā)電廠并網(wǎng)有功功率實時控制決策優(yōu)化的可靠性。

4 結(jié)論

風電、光伏與水電具有優(yōu)于火電機組的調(diào)節(jié)速率，特別是水電，調(diào)節(jié)速率更快；但在調(diào)節(jié)精度方面遜色于傳統(tǒng)的火電機組。同時風電、光伏與水電出力受限于自然因素，風電與光伏的實時控制更依賴于對其出力的精準預測。雖然目前的預測技術(shù)不斷提高，但依然存在一定的誤差。多源協(xié)調(diào)實時控制技術(shù)中多以風電或光伏出力最大化為目標，為平抑其功率的波動性，需要啟停火電機組或控制儲能電池的充放電，這對系統(tǒng)的安全性與經(jīng)濟性帶來不良影響。

為降低系統(tǒng)調(diào)節(jié)對火電的依賴性，且進一步加強系統(tǒng)對新能源的消納能力，還需要開展以下的研究。首先是針對風電與光伏出力預測技術(shù)的研究，提高預測精度；其次通過新能源電場內(nèi)部與新能源電場之間的協(xié)調(diào)控制技術(shù)來穩(wěn)定整體的出力，提高控制精度；同時研究廉價與高效的儲能裝置參與到系統(tǒng)的有功功率調(diào)節(jié)過程中；最后加快特高壓網(wǎng)架的建設(shè)，提高大規(guī)模新能源的跨區(qū)送出能力。

多源電網(wǎng)協(xié)調(diào)實時控制技術(shù)的研究，對中國西電東送工程，特別是對山西、甘肅等地區(qū)新能源電力大規(guī)模外送具有理論價值，對于其他正在建設(shè)和即將建設(shè)的新能源電站的并網(wǎng)控制也有借鑒意義。

[1]中國電力.2015～2030年電力工業(yè)發(fā)展展望[EB/OL].http://www.chinapower.com.cn/informationzxbg/20160106/16229.html,2016-01-06.

[2]國務院國有資產(chǎn)監(jiān)管委員會.國家電網(wǎng)公司發(fā)布“十三五”電網(wǎng)發(fā)展規(guī)劃研究成果 [EB/OL].http://www.sasac.gov.cn/n86114/n326638/c2161123/content.html,2015-12-22.

[3]李春曦,王佳,葉學民,等.我國新能源發(fā)展現(xiàn)狀及前景[J].電力科學與工程,2012,28(4):1-8.

[4]武鋼.加快西部電力通道建設(shè) 西電東送緩解霧霾影響[J].國家電網(wǎng),2014(3):48-50.

[5]倪宏偉,盛鍇,李正家,等.水電廠AGC控制系統(tǒng)性能分析及其優(yōu)化應用[J].湖南電力,2016，36(1):43-45.

[6]唐亞波.提高水電廠AGC調(diào)節(jié)性能的技術(shù)措施[J].中國科技博覽,2014(14):62-62.

[7]張強,朱華林,蔣剛雪.水電站AGC與AVC聯(lián)合優(yōu)化機組功率分配的思考[J].水電自動化與大壩監(jiān)測, 2014, 38(1):35-38.

[8]盧鵬銘,溫步瀛,江岳文.基于多時間尺度協(xié)調(diào)機組組合的含風電系統(tǒng)旋轉(zhuǎn)備用優(yōu)化研究[J].電力系統(tǒng)保護與控制,2015,43(5):94-100.

[9]GB/Z 19963-2011,風電場接入電力系統(tǒng)技術(shù)規(guī)定[S]．北京：中國標準出版社,2011.

[10]王松巖,李碧君,于繼來,等.風速與風電功率預測誤差概率分布的時變特性分析[J].電網(wǎng)技術(shù),2013, 37(4):967-973.

[11]薛禹勝,郁琛,趙俊華,等.關(guān)于短期及超短期風電功率預測的評述[J].電力系統(tǒng)自動化,2015, 39(6):141-150.

[12]風電功率預測．風電功率預測系統(tǒng)簡介[EB/OL]．http://wenku. baidu.com/link?url=vBeYjoZF MdO3O1d7jW9OL16xF3u9ha3SKj4cl8RK9ZDcIakzMC C5Ymznh6z70MYFyMd8OkwQ7wxXrGD iEq733ND9_QGezfAuL9tS5sKp7，2014-07-17．

[13]FANG R, WANG Y, SHANG R, et al. The ultra-short term power prediction of wind farm considering operational condition of wind turbines[J]. International Journal of Hydrogen Energy, 2016, 41(35):15733-15739.

[14]AKBARI E, BUNTAT Z, ENZEVAEE A, et al. Analytical modeling and simulation of I-V characteristics in carbon nanotube based gas sensors using ANN and SVR methods[J]. Chemometrics & Intelligent Laboratory Systems, 2014, 137(10):173-180.

[15]KURT M, LANGE B. Development of short-term forecast quality for new offshore wind farms[C]// Journal of Physics Conference Series. 2014:223-231.

[16]陳志寶,丁杰,周海,等.地基云圖結(jié)合徑向基函數(shù)人工神經(jīng)網(wǎng)絡的光伏功率超短期預測模型[J].中國電機工程學報,2015,35(3):561-567.

[17]GRADITI G, FERLITO S, ADINOLFI G. Comparison of Photovoltaic plant power production prediction methods using a large measured dataset[J]. Renewable Energy,2016,90(5):513-519.

[18]TATAR A, NASERI S, BAHADORI M, et al. Prediction of carbon dioxide solubility in ionic liquids using MLP and radial basis function (RBF) neural networks[J]. Journal of the Taiwan Institute of Chemical Engineers, 2015, 60(3):151-164.

[19]ZHU H, LI X, SUN Q, et al. A power prediction method for photovoltaic power plant based on wavelet decomposition and artificial neural networks[J]. Energies,2015,9(1):1-15.

[20]SIQUEIRA J A C, CANEPPELE F D L, SERAPHIM O J. Characteristics of hybrid systems for electricity generation and applications in wind-photovoltaic systems/ Características de Sistemas Híbridos de Gera??o de Energia Elétrica e Aplica??es em Sistemas Eólicos Fotovoltaicos[J]. Philosophy, 2014, 8(1):84-96.

[21]楊衛(wèi)東,薛峰,徐泰山,等.光伏并網(wǎng)發(fā)電系統(tǒng)對電網(wǎng)的影響及相關(guān)需求分析[J].水電自動化與大壩監(jiān)測, 2009, 33(4):35-39.

[22]何勇琪,張建成.獨立型風光互補系統(tǒng)中儲能容量優(yōu)化研究[J].電力科學與工程,2012,28(4):9-13.

[23]李莎.風光互補獨立發(fā)電系統(tǒng)多目標優(yōu)化設(shè)計[D].保定：華北電力大學,2012.

[24]梅柏杉,張德蘭,陳瑢.火電機組一次調(diào)頻的仿真研究[J].電力科學與工程, 2013,29(11):54-58.

[25]TU W, WANG Y, TANG Y. A numerical study on thermal-hydraulic characteristics of turbulent flow through a circular tube fitted with pipe inserts[J]. Applied Thermal Engineering,2016,101(5):413-421.

[26]段琴.風電集群有功功率智能分配策略研究[D].湘潭：湘潭大學,2012.

[27]陳振寰,陳永華,行舟,等.大型集群風電有功智能控制系統(tǒng)控制策略 (二)風火電“打捆”外送協(xié)調(diào)控制[J]. 電力系統(tǒng)自動化,2011,35(21):12-15.

[28]葉希,魯宗相,喬穎,等.風火聯(lián)運源端系統(tǒng)有功優(yōu)化運行分層協(xié)調(diào)思路[J].電力系統(tǒng)自動化,2014, 38(20):1-8.

[29]楊曉萍,王文堅,薛斌,等.風、火、水電短期聯(lián)合優(yōu)化調(diào)度研究[J].水力發(fā)電學報,2013,32(4):199-203.

[30]戚永志,劉玉田.風光儲聯(lián)合系統(tǒng)輸出功率滾動優(yōu)化與實時控制[J].電工技術(shù)學報, 2014, 29(8):265-273.

[31]徐泰山,汪寧渤,馬明,等.基于預測調(diào)節(jié)性能和安全約束的新能源并網(wǎng)功率控制方法[P].中國專利：103762620A,2014.

[32]湯偉，王漪，于繼平，等.編制直調(diào)火力發(fā)電單元月度電能交易計劃的綜合耗量優(yōu)化法[J].中國電機工程學報，2009，29(25)：64-70.

A Survey of Real Time Control Technology for Multi-source Power Grid Coordination

DAI Liyuan1, XU Taishan2, WANG Maxiang2, WANG Haohao2, DUAN Hui2

(1.School of Energy and Electrical Engineering Hohai University, Nanjing 210096, China;2.Nari Technology Development Limited Company, Nanjing 211106, China)

In the environment of energy structures adjustment, the reasons for wind and photovoltaic curtailment phenomenon are discussed according to the current situation of wind power and photovoltaic development and the current process of the ultra high voltage main grid construction. Combined with the actual test data of a power plant, the regulation characteristics and quantitative data of multiple power supply are summarized. Feasibility and reliability of the multi sources coordinated real-time control technology are analyzed based on the measured data. And then several real-time control technologies are elaborated, which include the optimization and control technology of wind and thermal power, joint optimization scheduling strategy of wind, thermal and hydropower, complementary control strategy of wind, thermal and storage, and the real-time control methods considering network constraint and power transaction scheme. The results show the advantages of multi-source coordinated control which provides technical support for the planning, design and operation of large-scale wind power, photovoltaic, hydropower and thermal power coordination system. The research in this paper has a reference value for the construction of China′s new energy power station and real-time control of new energy transmission.

grid structure；regulation characteristics；multi source coordination；real-time control

甘景福(1973-)，男，高級工程師，研究方向為變電站運行與維護。

10.3969/j.ISSN.1672-0792.2017.05.004

2016-10-31。

TM761

A

1672-0792(2017)05-0016-08