摘" 要：在當今時代，電力系統(tǒng)是日常生活中的關鍵部分。為保證電力系統(tǒng)運行穩(wěn)定，該文首先利用虛擬慣性注入方法，模擬出電力系統(tǒng)的慣性特征。其次，建立約束條件，以此保證電力系統(tǒng)的穩(wěn)定性，為后續(xù)負荷減流提供基礎。最后，構建負荷減流優(yōu)化模型，實現(xiàn)發(fā)電廠的負荷減流優(yōu)化。從優(yōu)化結果和負荷分配響應速度2方面分析電廠的負荷減流優(yōu)化。結果表明，所提方法的耗煤量和偏差較低，分別是318.59 t和0，負荷分配速度較快，一般在4.9 s左右，證明所提方法的能源消耗較少，準確率較高，機組的反應力較快，能夠完成發(fā)電廠的負荷減流優(yōu)化，維持電力系統(tǒng)的穩(wěn)定和平衡，推動電力系統(tǒng)的發(fā)展。

關鍵詞：電力系統(tǒng)；虛擬慣性注入；約束條件；負荷減流優(yōu)化；負荷分配

中圖分類號：TM62" " " 文獻標志碼：A" " " " " 文章編號：2095-2945（2024）36-0153-04

Abstract： Nowadays， power systems are a critical part of daily life. In order to ensure the stability of the power system， this paper first uses virtual inertia injection method to simulate the inertia characteristics of the power system. Secondly， constraints are established to ensure the stability of the power system and provide a basis for subsequent load current curtailment. Finally， a load curtailment optimization model is constructed to realize the load curtailment optimization of the power plant. The load curtailment optimization of the power plant is analyzed from two aspects： optimization results and load distribution response speed. The results show that the coal consumption and deviation of the proposed method are low， which are 318.59 t and 0 respectively， and the load distribution speed is fast， generally about 4.9 s. It proves that the proposed method consumes less energy， has high accuracy， and has fast unit response， thereby can complete the load curtailment optimization of the power plant， maintain the stability and balance of the power system， and promote the development of the power system.

Keywords： power system; virtual inertia injection; constraints; load curtailment optimization; load distribution

在能源需求不斷增長和電力智能化不斷優(yōu)化的時代，電力系統(tǒng)運行的穩(wěn)定性成為了廣泛關注的問題。而發(fā)電廠是電力系統(tǒng)的核心組成部分，運行狀態(tài)直接與電力系統(tǒng)的穩(wěn)定性相關聯(lián)[1]。在實際運行過程中，發(fā)電廠經(jīng)常出現(xiàn)負荷波動和故障等問題，導致發(fā)電廠的出力波動，影響電力系統(tǒng)運行穩(wěn)定性。為了解決這些問題，本文提出了一種基于虛擬慣性注入的發(fā)電廠負荷減流優(yōu)化方案，虛擬慣性注入是一種利用控制策略方法實現(xiàn)機械慣性特性的技術，可以很好地穩(wěn)定電力系統(tǒng)內(nèi)的平滑功率波動，提升系統(tǒng)的可靠性[2]。將虛擬慣性技術和發(fā)電廠的負荷減流優(yōu)化相結合，可以有效地減少發(fā)電廠的負荷波動和出力波動，降低能源消耗，節(jié)約成本，有助于推動可持續(xù)能源發(fā)展[3]。

1" 電廠能源消耗分析及負荷調(diào)度

能源是人類生存和發(fā)展的重要物質(zhì)，不僅推動了我國經(jīng)濟的進步，還促進了社會的發(fā)展。根據(jù)調(diào)查顯示，目前我國的石油和天然氣能源分別占比5.4%和0.6%，而煤炭則占比94%，比天然氣和石油高很多，因此，我國能源的消費和生產(chǎn)都以煤礦為主，成為了世界上消費和生產(chǎn)煤礦的大國，由數(shù)據(jù)得出，一次的能源生產(chǎn)量在20.6億t左右，消費煤炭的數(shù)量在22.5億t左右，分別占全球的13.7%和14.8%左右。

除了煤炭之外，電力也是我國的消耗能源之一，根據(jù)調(diào)查得出，目前累計發(fā)電裝機容量在29.2億kW，其中，太陽能發(fā)電裝機容量為6.1億kW，同比增長55.2%；風電裝機容量為4.4億kW，同比增長20.7%。截至2023年，6 000 kW及以上的電廠發(fā)電設備累計平均使用3 592 h，比上年同期減少101 h，發(fā)電企業(yè)電源工程完成投資在9 675億元，同比增長30.1%。所以，需要降低發(fā)電廠的能源消耗，對電廠的負荷進行減流，節(jié)約成本，以此促進能源的可持續(xù)發(fā)展。

發(fā)電廠的負荷調(diào)度可以分成經(jīng)濟調(diào)度、市場競爭調(diào)度、計劃電量調(diào)度和節(jié)能發(fā)電調(diào)度等方式。負荷調(diào)度模式主要是指利用較少的燃料消耗保證發(fā)電廠的供電，也就是根據(jù)等耗量微增率準則為各發(fā)電機組的負荷進行分配，使其運行所用的耗量變少。其中，市場競爭調(diào)度方式主要是將電網(wǎng)運營效益的最大化作為目標，根據(jù)市場的競價制訂發(fā)電廠發(fā)電的計劃，以此減少電量的使用成本，提升發(fā)電廠的效率和質(zhì)量；計劃電量調(diào)度方式則是將多方利益的和諧作為目標，發(fā)電機組根據(jù)機組的容量平均分配，達到電力運行和供應的平衡；節(jié)能發(fā)電方式是把環(huán)保和節(jié)能作為目的，降低能源的消耗，促進發(fā)電廠的可持續(xù)發(fā)展，減少電廠的成本。

2" 發(fā)電廠負荷減流優(yōu)化方案設計

2.1" 電網(wǎng)虛擬慣性注入

虛擬慣性注入（VIP）是一種采用計算機仿真與控制的方法，以提升系統(tǒng)的動力學性能、穩(wěn)定性和魯棒性為目標，通過對真實物理系統(tǒng)的建模與仿真，達到對系統(tǒng)慣量的補償與優(yōu)化。虛擬慣性器是VIP技術的一個重要組成部分，其作用就是對真實物理系統(tǒng)的慣容進行補償[4]。在設計虛擬慣性器時，要綜合考慮系統(tǒng)的輸入-輸出關系、控制策略，以及性能指標。因為慣性是通過控制而產(chǎn)生的，故將其稱為虛擬慣性，一個等效的電路和一個閉環(huán)的控制框圖，如圖1所示。

在圖1中，直流電壓控制中忽略了內(nèi)部電流的存在，idc（s）、ic（s）、iL（s）分別為變流器輸出直流電流、電容充電電流以及負荷電流。當系統(tǒng)發(fā)生干擾時，如果使用常規(guī)的垂蕩控制，則需要對電容C進行充放電操作。若使用可調(diào)的垂蕩因子，則可由電池迅速充、放電來彌補所造成的損失。此時，idc（s）=ic（s）。

直流電壓控制框圖的開環(huán)傳遞函數(shù)為

由公式（1）可以看出，在電網(wǎng)受擾的時刻，若使用可控垂蕩系數(shù)，則等于使變流器的交流側電容等效增加。電容被定義為虛擬電容" "，并且具有如下的表達式

由上文可以看出，調(diào)整kdcB虛擬電容值的幅度，隨著kdcB的增加，虛擬電容的數(shù)值變大，當慣性時間常數(shù)增大時，系統(tǒng)的慣性增大。

2.2" 建立約束條件

電廠負荷分配確定了整臺機組的負荷命令后，按照機組的煤耗特點，在其允許的出力限度之內(nèi)，對機組的負荷進行科學、合理的分配，以保證整個機組的能耗最小。通過對機組的熱工試驗，得出了機組的煤耗特征曲線。電站內(nèi)的各個單元在實際工作過程中，其相應的能量特征曲線將呈現(xiàn)波動的現(xiàn)象，這就是所謂的閥門點效應。每一臺大型汽輪機機組，在開啟的那一刻，都會有大量的蒸汽流失，所以，為了達到預期的產(chǎn)量，需要在閥門開啟之前注入更多的蒸氣。

因此，在負荷減流優(yōu)化模型中，需要設定相應的約束條件，以此保證優(yōu)化結果。設定的約束條件一般從系統(tǒng)的運行限制、燃料供應限制和電力市場規(guī)則等方面出發(fā)，利用合適的約束條件，將負荷減流優(yōu)化問題轉(zhuǎn)化為一個可行解的問題，將負荷平衡約束條件用于目標函數(shù)，電力約束是輸出功率的上限和下限。

在傳統(tǒng)的電網(wǎng)統(tǒng)一調(diào)度運行模式下，機組發(fā)電計劃由電網(wǎng)調(diào)度中心確定，電廠的自主權很小。而在電力市場運行體制下，獨立法人的電廠和發(fā)電公司成為電力市場的主角，電網(wǎng)則為電力交易的場所，各發(fā)電公司按電價競爭上網(wǎng)。電力市場交易管理系統(tǒng)根據(jù)電價高低確定各個電廠的市場份額，各發(fā)電公司可以根據(jù)自己的發(fā)電份額較為自主地安排廠內(nèi)機組的發(fā)電計劃。此時，如何根據(jù)競爭所得到的發(fā)電指標確定廠內(nèi)機組組合和負荷分配，使電廠機組實現(xiàn)優(yōu)化調(diào)度基礎上的優(yōu)化運行，以減少總體的能源消耗，獲取最大利潤，對于處于市場化運行的發(fā)電公司來說，更顯得十分重要。

2.3" 負荷減流優(yōu)化模型建立

建立發(fā)電廠負荷減流優(yōu)化模型是一個系統(tǒng)性的工程，需要充分考慮各種因素和約束條件，從而實現(xiàn)發(fā)電廠負荷減流的目標，為發(fā)電廠的可持續(xù)發(fā)展提供支持。負荷側需求響應由激勵需求響應和價格需求響應2個方面組成，激勵需求響應主要是利用中斷的方式對負荷的使用展開調(diào)整，以此完成電力系統(tǒng)資源的調(diào)節(jié)，并且系統(tǒng)負荷操作可以基于用戶需求提供數(shù)據(jù)信息。另外，發(fā)電廠控制中心會將負荷削減命令分發(fā)給用戶，用戶結合自身情況得到對應補償。

發(fā)電廠控制中心依據(jù)電網(wǎng)的實際狀況，對電網(wǎng)的負荷資源進行合理的調(diào)度，并對各分配狀態(tài)下的資源及能量的使用進行協(xié)調(diào)。通過一系列的裝置變換與互動，電網(wǎng)可采用熱量補償?shù)姆椒▽ζ溥M行激勵，虛擬慣性注入技術不僅可以提高系統(tǒng)的穩(wěn)定性和響應速度，還可以減小負荷減流對發(fā)電機的影響，降低電力系統(tǒng)的維護成本，在發(fā)電廠中具有廣闊的應用前景。

2.4" 負荷減流優(yōu)化分配流程

根據(jù)上述步驟構建的負荷減流模型設計發(fā)電廠負荷減流優(yōu)化分配的流程圖，圖2為具體流程。

由圖2可知，負荷分配首先分析各機組的發(fā)電功率，并利用熱力實驗獲得各機組出力和耗煤量之間的關系[5]。設定每個單位的發(fā)電功率上、下限，依據(jù)電網(wǎng)的調(diào)度指示，決定整廠的整體負荷命令。采用粒子群優(yōu)化算法對各個單元的負載進行了優(yōu)化，得到了最佳的分布負荷，判定有無新的調(diào)度命令，如果有，就按照電網(wǎng)的命令來決定整廠的總負載命令；如果沒有，就停止最優(yōu)分配。

采用粒子群優(yōu)化算法進行負荷分配，以此得到最優(yōu)的分配結果。粒子群優(yōu)化算法主要是對鳥群或魚群的生物集體行為用粒子進行描述，再通過模擬粒子在空間搜索和迭代的過程得到最優(yōu)解，其中粒子群內(nèi)的粒子表示解向量，粒子群的位置則是解的位置，粒子群移動的速度是解的變化速度和方向，粒子群在搜索過程中會記錄自己的最優(yōu)位置，以此成為下一代粒子迭代時的參考，而粒子也會由目前的位置和速度對解的質(zhì)量進行評估，從而找出全局最優(yōu)的位置，粒子群優(yōu)化算法的步驟如下：①設定顆粒種群初值，并對各機組的煤耗特征參數(shù)進行調(diào)節(jié)，并在此范圍內(nèi)對每個機組的負荷進行隨機分配。②應用該算法對每個單元的平均煤耗進行了計算，并作相應的統(tǒng)計。③將每臺負載的煤炭消耗量與極端負荷下的煤炭消耗量進行對比，低的保持相應的負荷，將此負荷稱為極端負荷。④將每臺負載的煤耗與最佳負荷下的煤耗進行對比，低的保持相應的負荷，將此負荷作為最大的負荷。⑤通過減流優(yōu)化獲得全局最優(yōu)負荷，獲得減流后的總最優(yōu)載荷量，并與實測的煤耗進行對比。如果煤炭消耗量很小，則保持相應的負荷。⑥當重復條件滿足時，停止搜尋，輸出最佳負荷，否則轉(zhuǎn)至②。

3" 優(yōu)化方案仿真實驗分析

3.1" 實驗準備

選擇合適的發(fā)電廠作為實驗場地，搭建數(shù)據(jù)采集系統(tǒng)對電廠運行數(shù)據(jù)展開收集，對相應工具和設備展開調(diào)試，確保設備狀態(tài)良好，調(diào)節(jié)設備參數(shù)，使其符合實驗要求，不影響實驗過程，確保實驗的準確度，表1為具體的設備參數(shù)。

3.2" 優(yōu)化結果測試

根據(jù)上述設備獲得電廠內(nèi)各臺發(fā)電機組的性能參數(shù)和負荷上下限，將種群規(guī)模和迭代次數(shù)分別設置為190和610次。對虛擬慣性注入、傳統(tǒng)優(yōu)化和平均分配算法的耗煤量及偏差值優(yōu)化結果展開測試，表2為在不同負荷下，不同算法的最優(yōu)負荷分配的結果。由結果可知，虛擬注入方法在陷入局部最優(yōu)時，可以對參數(shù)重新調(diào)整，以此獲得全局最優(yōu)解，使偏差值和耗煤量較低，比較好地完成了發(fā)電廠負荷減流的優(yōu)化，而傳統(tǒng)算法和平均分配算法仍然停留在局部最優(yōu)解的區(qū)域內(nèi)，消耗的煤量能源較高。在3組發(fā)電機優(yōu)化結果中，注入虛擬慣性的最優(yōu)負荷分配為260.91 MW，最優(yōu)煤耗量為318.59 t，而傳統(tǒng)優(yōu)化算法負荷分配則為298.14 MW，煤耗量為320.88 t。綜合來看，注入虛擬慣性可以向全局最優(yōu)解收斂，在迭代20次左右收斂，而傳統(tǒng)算法在112次收斂，收斂速度前者優(yōu)于后者。

3.3" 負荷分配速度測試

在電廠的負荷減流優(yōu)化中，負荷的快速變化需要各機組有較快的反應力，以便維持電力系統(tǒng)的平衡和穩(wěn)定性，所以電荷的分配速度成為關鍵因素。因此需要用負荷分配速度測試衡量各機組對負荷分配指令的反應速度，響應速度越快，證明各機組的反應力越強，效率越高，可以維持電力系統(tǒng)的穩(wěn)定性，對虛擬注入方法、傳統(tǒng)優(yōu)化算法和平均分配算法展開測試，結果見表3。

根據(jù)表3可以看出，虛擬注入方法相較于傳統(tǒng)優(yōu)化和平均分配算法的響應速度較快，平均在4.9 s左右，系統(tǒng)的穩(wěn)定程度也較高，證明虛擬注入方法的各機組響應能力和效率比較高，節(jié)省大量時間，可以應對變化較快的負荷，足夠維持電力系統(tǒng)的平衡和穩(wěn)定性，而傳統(tǒng)優(yōu)化和平均分配算法的響應速度以及系統(tǒng)穩(wěn)定程度較低，各機組的反應能力有限，不能較好地配合負荷變化，需要浪費大量時間，系統(tǒng)穩(wěn)定程度較低，難以維持電力系統(tǒng)的平衡和穩(wěn)定，負荷減流優(yōu)化較差。

4" 結論

本文結合虛擬慣性注入方法對發(fā)電廠負荷減流方案展開優(yōu)化，利用虛擬慣性注入技術彌補了電力系統(tǒng)的慣性缺失，降低電壓和頻率波動，接著，建立相應的約束條件，維持電力系統(tǒng)的穩(wěn)定，最后，由構建的負荷減流模型完成了減流優(yōu)化，提升了電力系統(tǒng)的效率，減少了能源的消耗，促進了電力系統(tǒng)的可持續(xù)化發(fā)展。基于發(fā)電廠的數(shù)據(jù)，從優(yōu)化結果和負荷分配速度2個角度，分析結合虛擬慣性注入的負荷減流方案可行性，結果發(fā)現(xiàn)由于包含了虛擬慣性注入技術，優(yōu)化方案可以得到全局最優(yōu)解，消耗的煤量和負荷偏差相較于其他方法低很多，最優(yōu)煤耗量為318.59 t，響應速度也更快，可以達到4.9 s左右，提升了負荷分配的效率，使電力系統(tǒng)更加平衡。隨著電力智能化和可再生能源的不斷發(fā)展，對電廠的穩(wěn)定性和負荷能力要求越來越高，基于虛擬慣性注入的發(fā)電廠負荷減流優(yōu)化方案在未來有很高的推廣價值，具有較好的應用前景和研究意義，同時也在促進可持續(xù)發(fā)展上展現(xiàn)出深遠的實踐價值。

參考文獻：

[1] 艾星貝，閆慶友，李金孟.考慮負荷平移的虛擬電廠低碳經(jīng)濟調(diào)度[J].科學技術與工程，2022，22（26）：11418-11427.

[2] 徐海珍，余暢舟，毛福斌，等.基于頻率穩(wěn)定性提升的虛擬慣性優(yōu)化控制策略[J].電力系統(tǒng)保護與控制，2022，50（12）：126-133.

[3] 劉雨佳，樊艷芳.計及5G基站儲能和技術節(jié)能措施的虛擬電廠調(diào)度優(yōu)化策略[J].電力系統(tǒng)及其自動化學報，2022，34（1）：8-15.

[4] 賈杰，任偉.基于VSG技術的微電網(wǎng)虛擬慣性控制策略[J].微型電腦應用，2023，39（9）：219-221.

[5] 邢耀敏.基于改進粒子群算法的廠級AGC優(yōu)化分配方法[J].自動化應用，2024，65（1）：197-200.