胡姝博，馬欣彤，付 堯，馮悅新，王 歡

（1.國網(wǎng)遼寧省電力有限公司電力科學(xué)研究院，遼寧 沈陽 110055；2.沈陽工程學(xué)院 電力學(xué)院，遼寧 沈陽110036）

0 引言

在電力系統(tǒng)運(yùn)行中，低頻減載是保障系統(tǒng)穩(wěn)定的最后一條防線。在構(gòu)建以高比例新能源為主體的新型電力系統(tǒng)過程中，探索低頻減載策略和參數(shù)整定方法具有非常重要的現(xiàn)實(shí)意義。

低頻減載是確保電力系統(tǒng)穩(wěn)定的控制手段。它通過自動減少預(yù)定負(fù)荷的方式平衡系統(tǒng)功率，避免系統(tǒng)頻率下降，降低崩潰風(fēng)險(xiǎn)。為了最小化負(fù)荷切除，低頻減載將切除負(fù)荷分成多輪次，根據(jù)功率缺口和頻率下降速度確定每輪的切除量。由于電網(wǎng)的安全運(yùn)行至關(guān)重要，許多學(xué)者深入研究了低頻減載策略。文獻(xiàn)[1]提出了一種基于精確負(fù)載控制的自適應(yīng)頻率控制的連續(xù)低頻減載方案。文獻(xiàn)[2]將系統(tǒng)頻率響應(yīng)模型和可控負(fù)荷應(yīng)用于低頻減載優(yōu)化策略。文獻(xiàn)[3]提出了一種將單調(diào)控制系統(tǒng)理論運(yùn)用到低頻減載分析的優(yōu)化方案。文獻(xiàn)[4]提出了一種基于頻率偏移面積的低頻減載整定方案。當(dāng)前許多學(xué)者將智能優(yōu)化算法與低頻減載方案結(jié)合，從而提高低頻減載方案的性能。文獻(xiàn)[5]提出了一種通過考慮配網(wǎng)負(fù)荷曲線特性的誘導(dǎo)函數(shù)，實(shí)現(xiàn)算法流程的低頻減載方案設(shè)計(jì)。文獻(xiàn)[6]提出了一種基于NSGA-Ⅱ優(yōu)化算法的優(yōu)化低頻減載方法。上述研究均是針對傳統(tǒng)電網(wǎng)的低頻減載策略，隨著新能源接入電網(wǎng)的規(guī)模不斷擴(kuò)大，通過適當(dāng)?shù)目刂剖侄?，新能源功率也能夠響?yīng)系統(tǒng)頻率的變化，參與電網(wǎng)頻率的調(diào)控。文獻(xiàn)[7]提出了一種可變系數(shù)協(xié)調(diào)的頻率調(diào)節(jié)方案，讓風(fēng)機(jī)參與電網(wǎng)的頻率控制。文獻(xiàn)[8]提出了一種基于當(dāng)前風(fēng)速的變下垂控制方法，提高了系統(tǒng)的一次調(diào)頻響應(yīng)能力。文獻(xiàn)[9]提出了將風(fēng)電虛擬慣性響應(yīng)時(shí)變特性參數(shù)和一次調(diào)頻響應(yīng)系統(tǒng)模型融入低頻減載過程的優(yōu)化方法。文獻(xiàn)[10]提出了一種高風(fēng)電滲透率下針對新疆電網(wǎng)的低頻減載方案。文獻(xiàn)[11]針對風(fēng)電接入電網(wǎng)對低頻減載效能的影響制定減載策略。文獻(xiàn)[12]提出的基于估算慣性的方法可以實(shí)時(shí)計(jì)算出新能源電網(wǎng)中系統(tǒng)功率不足的缺額，并提出了相應(yīng)的自適應(yīng)負(fù)荷削減方案。

以上低頻減載策略的研究均是基于離線參數(shù)整定，無法適應(yīng)新能源的變化。本文提出了一種考慮風(fēng)火協(xié)同的電網(wǎng)低頻減載在線整定策略，分析了不同情況下的系統(tǒng)頻率動態(tài)，利用深度學(xué)習(xí)網(wǎng)絡(luò)在線整定低頻減載參數(shù)，并以區(qū)域電網(wǎng)為例進(jìn)行了分析。

1 風(fēng)火系統(tǒng)頻率特性

1.1 風(fēng)電調(diào)頻控制策略

雖然風(fēng)電機(jī)組無法對電網(wǎng)頻率變化做出響應(yīng)，但通過對風(fēng)力發(fā)電機(jī)的轉(zhuǎn)子側(cè)的控制結(jié)構(gòu)加以改進(jìn)，增加附加控制環(huán)節(jié)即可利用自身對系統(tǒng)頻率變化進(jìn)行響應(yīng)，參與電網(wǎng)調(diào)頻。風(fēng)機(jī)參與調(diào)頻的控制環(huán)節(jié)分為慣性控制環(huán)節(jié)和備用功率控制環(huán)節(jié)兩部分。

1.1.1慣性控制環(huán)節(jié)

將常規(guī)發(fā)電機(jī)組利用機(jī)組旋轉(zhuǎn)動能維持功率輸出持續(xù)的時(shí)間稱為慣性時(shí)間常數(shù)，定義為

式中：E為機(jī)組旋轉(zhuǎn)動能；S為視在功率；J為轉(zhuǎn)子的轉(zhuǎn)動慣量；ωS為額定角速度。

為了充分發(fā)揮雙饋風(fēng)電機(jī)組的快速性，使其能夠快速提供有功支撐響應(yīng)電網(wǎng)頻率的變化，本文增加了慣性頻率控制環(huán)節(jié)，如圖1所示。該控制環(huán)節(jié)以電網(wǎng)頻率變化率df/dt和頻率偏差Δf為輸入變量，一旦df/dt超出死區(qū)，風(fēng)機(jī)將迅速吸收或釋放轉(zhuǎn)子動能從而改變風(fēng)機(jī)的有功出力，達(dá)到參與一次調(diào)頻的目的。

圖1 雙饋風(fēng)電機(jī)組慣性控制Fig.1 Inertia control of doubly-fed wind turbine

該頻率控制可用數(shù)學(xué)方程表示為

式中：PJref為慣性響應(yīng)有功指令；Pfref為頻率響應(yīng)有功指令；KJ，Kf分別為頻率變化率系數(shù)、頻率偏差的比例系數(shù)。

1.1.2備用功率控制環(huán)節(jié)

目前，風(fēng)機(jī)備用功率控制的實(shí)際應(yīng)用主要分為兩類，一類是通過改變風(fēng)機(jī)的槳距角進(jìn)而調(diào)節(jié)功率因數(shù)，使風(fēng)電機(jī)組有備用有功功率，如圖2所示；另一類是在風(fēng)電機(jī)組運(yùn)行時(shí)不斷改變轉(zhuǎn)子運(yùn)行轉(zhuǎn)速、運(yùn)行位置，以實(shí)現(xiàn)減載運(yùn)行。而現(xiàn)階段，很多研究認(rèn)為將超速減載控制和槳距角減載控制相結(jié)合，可以更好地實(shí)現(xiàn)風(fēng)機(jī)在不同風(fēng)速區(qū)域下的減載運(yùn)行。

圖2 備用功率控制Fig.2 Standby power control

超速減載主要運(yùn)行在中風(fēng)速區(qū)域，并通過發(fā)電機(jī)轉(zhuǎn)子側(cè)的頻率響應(yīng)控制環(huán)節(jié)控制發(fā)電機(jī)的輸出頻率，而槳距角控制主要運(yùn)行在高風(fēng)速區(qū)域。當(dāng)系統(tǒng)頻率出現(xiàn)偏差時(shí)，可以將該偏差送入PI控制器中，改變槳距角的最終值，從而調(diào)節(jié)DFIG的輸出有功，實(shí)現(xiàn)頻率調(diào)節(jié)。

綜上所述，通過慣性控制和備用功率控制的配合，從而實(shí)現(xiàn)在不同風(fēng)況下雙饋風(fēng)機(jī)參與電網(wǎng)調(diào)頻。

1.2 風(fēng)火系統(tǒng)頻率特性分析

當(dāng)大量火電機(jī)組被風(fēng)電機(jī)組替代，風(fēng)電占比不斷提升，導(dǎo)致電網(wǎng)的總體慣性進(jìn)一步降低。此時(shí)若系統(tǒng)發(fā)生大規(guī)模功率缺額，電網(wǎng)頻率的波動會更劇烈，對系統(tǒng)緊急狀況下控制措施的要求會更加嚴(yán)格。通過在ADPSS中搭建相應(yīng)的模型，得到不同風(fēng)火比條件下系統(tǒng)頻率的變化趨勢，結(jié)果如圖3所示。

圖3 不同風(fēng)火比時(shí)有無風(fēng)電調(diào)頻的系統(tǒng)頻率變化Fig.3 Under different wind-thermal ratios,the system frequency changes with or without wind power frequency modulation

通過對圖3所示結(jié)果進(jìn)行分析可知：當(dāng)風(fēng)電未參與調(diào)頻時(shí)，在功率缺額相同的情況下，風(fēng)火比越高的電網(wǎng)中調(diào)頻效果越差；但當(dāng)風(fēng)電參與調(diào)頻時(shí)，系統(tǒng)的頻率特性發(fā)生變化，參與調(diào)頻的系統(tǒng)相較于未參與調(diào)頻的系統(tǒng)頻率下降速度明顯變慢，且在功率缺額程度相同的情況下，隨著風(fēng)火比的不斷提高，系統(tǒng)的調(diào)頻效果明顯變好，低頻減載后系統(tǒng)的穩(wěn)態(tài)恢復(fù)頻率也不斷提高。不同風(fēng)火比系統(tǒng)的調(diào)頻幅度的變化趨勢如圖4所示。

圖4 不同風(fēng)火比時(shí)有無風(fēng)電調(diào)頻的系統(tǒng)頻率變化趨勢Fig.4 Under different wind-thermal ratios,the system frequency changes with or without wind power frequency modulation

綜上所述，風(fēng)電可以參與電網(wǎng)調(diào)頻，但在風(fēng)電機(jī)組所占比例較高的電力系統(tǒng)中，傳統(tǒng)的低頻減載方案的適用性會減弱，故應(yīng)調(diào)整減載方案以適應(yīng)電網(wǎng)風(fēng)電占比不斷增加的情況。不同的風(fēng)機(jī)容量、風(fēng)火占比以及系統(tǒng)容量均會對系統(tǒng)調(diào)頻產(chǎn)生影響，故在制定新的減載計(jì)劃時(shí)應(yīng)將這些影響因素考慮在內(nèi)，使低頻減載更具有合理性。

2 風(fēng)火系統(tǒng)低頻減載策略

在風(fēng)電和火電組成的電力系統(tǒng)中，在某一個(gè)風(fēng)電和火電發(fā)電容量配比確定的模式下，低頻減載策略的參數(shù)整定可以表述為低頻減載控制策略中控制向量u的優(yōu)化問題。

式中：k為動作總輪數(shù)；ΔPk，fts（k）分別為第k輪切負(fù)荷量、啟動頻率；td（k）為第k輪的動作延時(shí)。

低頻減載方案評價(jià)主要從兩個(gè)方面進(jìn)行，一是對于某一功率缺額實(shí)際啟用輪次的負(fù)荷減載量，二是低頻減載后系統(tǒng)的穩(wěn)態(tài)恢復(fù)頻率。將低頻減載的目標(biāo)函數(shù)設(shè)定為

式中：ΔPj為第j輪切負(fù)荷量；k為切負(fù)荷輪數(shù)；Pi，j（f）為懲罰函數(shù)，避免當(dāng)?shù)趇個(gè)故障在減負(fù)荷后出現(xiàn)過切或欠切。

約束條件如下：

式中：fts_min，fts_max分別為當(dāng)代適應(yīng)度函數(shù)值最小值、最大值；Δfj為頻率變化量；Pm0為系統(tǒng)的額定有功負(fù)荷；ΔPj為第j輪減載量；td（j）為第j輪動作延時(shí)。

該優(yōu)化模型是以低頻減載中的每輪切負(fù)荷量為目標(biāo)函數(shù)，優(yōu)化思路是在單一方式下（風(fēng)火比與系統(tǒng)容量不變）各輪切負(fù)荷量之和最小的組合方案，使其能滿足預(yù)測場景下的相關(guān)約束（功率約束和頻率約束）。但由于風(fēng)電并網(wǎng)規(guī)模不斷擴(kuò)大，風(fēng)火比確定模式下的優(yōu)化模型不再適用于當(dāng)前系統(tǒng)，故本文引入深度長短時(shí)記憶網(wǎng)絡(luò)算法，在不同運(yùn)行方式下實(shí)現(xiàn)低頻減載的在線整定。

3 基于深度長短時(shí)記憶網(wǎng)絡(luò)的在線整定模型

前文論述了風(fēng)火比確定模式下低頻減載策略的離線整定，但當(dāng)新能源發(fā)電容量的占比發(fā)生變化時(shí)，離線的整定策略無法充分考慮由于系統(tǒng)電源變化而導(dǎo)致的頻率響應(yīng)特性變化。本文引入長短時(shí)記憶網(wǎng)絡(luò)（LSTM），通過風(fēng)火系統(tǒng)離線減載策略的多次計(jì)算，獲得不同風(fēng)火運(yùn)行方式的低頻減載整定數(shù)據(jù)，通過長短神經(jīng)網(wǎng)絡(luò)算法進(jìn)行訓(xùn)練，實(shí)現(xiàn)風(fēng)火系統(tǒng)低頻減載參數(shù)的在線整定。

3.1 長短時(shí)記憶網(wǎng)絡(luò)

傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)無法利用歷史信息，導(dǎo)致網(wǎng)絡(luò)冗雜，處理信息的效率不高。LSTM具備保存長時(shí)間信息的能力，這將有效解決整定數(shù)據(jù)復(fù)雜、網(wǎng)絡(luò)冗雜造成的梯度彌散和梯度爆炸情況，從而提升處理效率。長短時(shí)記憶網(wǎng)絡(luò)的細(xì)胞狀態(tài)如圖5所示。

圖5 長短時(shí)記憶網(wǎng)絡(luò)模型Fig.5 Long short term memory model

LSTM有能力向細(xì)胞狀態(tài)輸入或者輸出不同風(fēng)火運(yùn)行方式的低頻減載整定數(shù)據(jù)信息，使信息有選擇地通過門結(jié)構(gòu)來精細(xì)調(diào)控，不斷改進(jìn)不同數(shù)據(jù)信息的權(quán)重，使數(shù)據(jù)優(yōu)化程度達(dá)到最高。LSTM首先需要確定從細(xì)胞狀態(tài)中舍棄影響權(quán)重較低的干擾信息。

式中：ft為遺忘門的輸出；σ為sigmoid層；Wf為權(quán)重矩陣；ht-1為上一時(shí)刻的模塊輸出；xt為t時(shí)輸入的歷史負(fù)荷值；bf為偏置。

其次確定影響權(quán)重較高的信息，例如風(fēng)電機(jī)組容量、火電機(jī)組容量等存儲在細(xì)胞狀態(tài)中的數(shù)據(jù)信息。

式中：it為輸入門；Wi為輸入權(quán)重矩陣；為寫入長期記憶的權(quán)重；Wc為記憶權(quán)重矩陣；bi，bc為偏置。

最后確定作為輸出細(xì)胞狀態(tài)的信息。

式中：ot為輸出門。

3.2 算法優(yōu)勢

LSTM是循環(huán)神經(jīng)網(wǎng)絡(luò)的改進(jìn)形式，相較于RNN算法只能使用近期信息的特點(diǎn)，LSTM由于具有記憶結(jié)構(gòu)，具備保存長時(shí)間信息的能力，可以很好地利用歷史數(shù)據(jù)，符合本文考慮風(fēng)火協(xié)同的電網(wǎng)低頻減載在線整定策略。同時(shí)LSTM還具有降低過擬合情況發(fā)生的優(yōu)勢，由于數(shù)據(jù)過多、網(wǎng)絡(luò)過于復(fù)雜，過擬合成為神經(jīng)網(wǎng)絡(luò)最常見的問題，而LSTM具有“記憶”能力的同時(shí)也具備“遺忘”能力，能有效避免梯度彌散和梯度爆炸問題。

3.3 優(yōu)化流程

將考慮風(fēng)火協(xié)同的電網(wǎng)低頻減載在線整定策略與深度LSTM相結(jié)合，其關(guān)鍵在于訓(xùn)練網(wǎng)絡(luò)應(yīng)對各種不同情況下的各輪次切除比例的確定，以及訓(xùn)練過程中參數(shù)較多、網(wǎng)絡(luò)復(fù)雜的問題。本文提出的考慮風(fēng)火協(xié)同的電網(wǎng)低頻減載在線整定策略采用深度LSTM進(jìn)行優(yōu)化，流程圖如圖6所示。

圖6 優(yōu)化流程圖Fig.6 Optimization flow chart

具體過程如下。

①將各種典型風(fēng)火系統(tǒng)運(yùn)行方式下的減載策略數(shù)據(jù)作為訓(xùn)練集，將系統(tǒng)運(yùn)行的歷史數(shù)據(jù)作為驗(yàn)證集與測試集。

②搭建深度LSTM網(wǎng)絡(luò)模型，在訓(xùn)練集中將目標(biāo)函數(shù)定義為式（4）。

以目標(biāo)函數(shù)最小作為目標(biāo)，通過多次迭代，在符合約束條件的情況下，提高模型的優(yōu)化性能，再通過驗(yàn)證集和測試集檢驗(yàn)?zāi)Ｐ偷膬?yōu)化性能，直到測試集優(yōu)化效率達(dá)到最高。

③將系統(tǒng)狀態(tài)數(shù)據(jù)輸入到經(jīng)過網(wǎng)絡(luò)訓(xùn)練迭代得到的最高優(yōu)化效率模型中，得到各輪次的減載量。

④輸出低頻減載在線整定策略。

將影響風(fēng)電參與調(diào)頻的風(fēng)火比、系統(tǒng)容量等重要因素?cái)?shù)據(jù)作為系統(tǒng)狀態(tài)數(shù)據(jù)輸入到訓(xùn)練好的模型中，將各輪次減載比例作為輸出數(shù)據(jù)。

4 仿真算例分析

4.1 參數(shù)設(shè)置

為驗(yàn)證本文所提優(yōu)化整定策略的有效性，以我國某地區(qū)電網(wǎng)為例，在電力系統(tǒng)仿真軟件ADPSS中搭建算例并進(jìn)行仿真分析研究。該電網(wǎng)是以風(fēng)電機(jī)組和火電機(jī)組為主交直流混合的電網(wǎng)，其中，600 MW的大型火電機(jī)組35臺，300 MW的熱電機(jī)組52臺，1 000 MW以上的機(jī)組4臺，風(fēng)電機(jī)組178臺。相關(guān)參數(shù)設(shè)定如下。

②風(fēng)電機(jī)組：單臺機(jī)組容量為2.0 MW，采用雙饋式感應(yīng)機(jī)組，使用雙質(zhì)塊模型，額定風(fēng)速設(shè)置為11.8 m/s，通過慣性控制和備用功率控制配合，風(fēng)機(jī)的運(yùn)行點(diǎn)設(shè)置在Pbc=0.9 pu處，通過槳距角控制可提供最多10%的備用容量。

③負(fù)荷：采用40%恒阻抗和60%感應(yīng)電動機(jī)的組合模型。

根據(jù)實(shí)際電網(wǎng)負(fù)荷調(diào)節(jié)方式，制定了5級基本保護(hù)輪，它們的動作頻率分別為49.2，49.0，48.8，48.6，48.4 Hz，每個(gè)保護(hù)輪的動作延遲時(shí)間均為0.2 s。此外，還設(shè)置了一個(gè)特殊保護(hù)輪，其動作恢復(fù)頻率為49.6 Hz，動作延遲時(shí)間為15 s。

試驗(yàn)數(shù)據(jù)清單如表1所示。以風(fēng)電機(jī)組容量、火電機(jī)組容量、風(fēng)火比和系統(tǒng)容量作為輸入數(shù)據(jù)，將各輪次減載比例作為輸出數(shù)據(jù)。

表1 試驗(yàn)數(shù)據(jù)清單Table 1 Test data list

本文選用的深度LSTM算法的主要參數(shù)如表2所示。

表2 深度LSTM算法的主要參數(shù)Table 2 The main parameters of depth LSTM algorithm

4.2 結(jié)果分析

4.2.1訓(xùn)練結(jié)果與分析

本文選取均方根誤差（RMSE）為評判方法，其值越小，表示所選用的模型精度越高，表達(dá)式為

式中：yi和y^i分別為第i個(gè)采樣點(diǎn)的實(shí)際減載量和預(yù)測減載量；N為測試集中樣本個(gè)數(shù)。

選取750組典型風(fēng)火比下減載策略實(shí)驗(yàn)數(shù)據(jù)作為訓(xùn)練集，250組歷史數(shù)據(jù)作為驗(yàn)證集，250組歷史數(shù)據(jù)作為測試集。該網(wǎng)絡(luò)模型訓(xùn)練準(zhǔn)確率如圖7所示。隨著迭代次數(shù)的增加，準(zhǔn)確率不斷提高，當(dāng)?shù)?50次時(shí)準(zhǔn)確率開始收斂，基本穩(wěn)定在0.10。

圖7 模型訓(xùn)練準(zhǔn)確率Fig.7 Model training accuracy

4.2.2仿真結(jié)果與分析

本文選取考慮風(fēng)火協(xié)同的電網(wǎng)低頻減載在線整定系統(tǒng)生成的策略作為策略一，將針對單一方式下的系統(tǒng)生成的低頻減載方案作為策略二，進(jìn)行對比分析。

①故障場景一：風(fēng)火比為1∶22，損失300 MW

故障場景一如圖8所示。由圖8可知，兩種策略均使得頻率恢復(fù)至安穩(wěn)水平，有效避免了系統(tǒng)頻率事故。對比兩條曲線可知，本文的策略一控制代價(jià)更小，且頻率恢復(fù)效果更好。

圖8 故障場景一Fig.8 Fault Scenario 1

②故障場景二：風(fēng)火比為1∶15，損失600 MW

故障場景二如圖9所示。由圖9可知，兩種策略均使得頻率恢復(fù)至安穩(wěn)水平。由于對照策略所針對的場景條件與場景二相似，故兩條曲線十分接近，調(diào)頻效果與頻率恢復(fù)結(jié)果也十分相似。

圖9 故障場景二Fig.9 Fault scenario 2

③故障場景三：風(fēng)火比為1∶8，損失1 118 MW

故障場景三如圖10所示。由圖10可知，策略二因?yàn)槲纯紤]高比例風(fēng)電的接入，所以不能較好地完成低頻減載，而策略一使得系統(tǒng)頻率快速恢復(fù)至安穩(wěn)水平。對比兩條曲線可知，本文策略根據(jù)系統(tǒng)狀態(tài)有針對性地改變相應(yīng)輪次的減載量，能有效使得頻率恢復(fù)至安穩(wěn)水平，避免了系統(tǒng)頻率事故。

圖10 故障場景三Fig.10 Fault scenario 3

5 結(jié)論

為了應(yīng)對電網(wǎng)中風(fēng)電并網(wǎng)規(guī)模越來越大的新形勢，本文分析了不同風(fēng)火占比以及不同負(fù)荷水平下的系統(tǒng)頻率動態(tài)特性?；谙到y(tǒng)多運(yùn)行方式下的離線低頻減載優(yōu)化計(jì)算和深度長短時(shí)記憶網(wǎng)絡(luò)算法，提出了一種考慮風(fēng)火協(xié)同的電網(wǎng)低頻減載在線整定策略，并以區(qū)域電網(wǎng)為實(shí)際算例進(jìn)行了驗(yàn)證。結(jié)果表明：風(fēng)火比確定模式下，低頻減載策略不適用于當(dāng)前電網(wǎng)；本文采用的考慮風(fēng)火協(xié)同的電網(wǎng)低頻減載在線整定策略，針對不同系統(tǒng)運(yùn)行方式制定低頻減載方案，在保證穩(wěn)態(tài)運(yùn)行時(shí)恢復(fù)頻率符合要求的前提下，可以實(shí)現(xiàn)減載量最低，最大程度地發(fā)揮風(fēng)電機(jī)組調(diào)頻能力的作用，提高系統(tǒng)低頻減載方案的合理性，對于多源聯(lián)合調(diào)頻的高比例新能源電網(wǎng)具有較好的適用性。