风电备用决策系统设计与开发

孙富荣,倪　鹏

(国网乳山市供电公司,山东 乳山 264500)



风电备用决策系统设计与开发

孙富荣,倪鹏

(国网乳山市供电公司,山东 乳山 264500)

为解决风电备用容量确定方法运算效率低、难以用于到工程实践的问题,基于一种简洁可行的风功率预测误差估计方法,建立新的风电备用容量计算模型,提出基于风功率预测误差的风电备用决策算法。以该算法为基础,Linux操作系统为平台,Oracle和Kingbase为数据库, QT为开发工具,C++为开发语言,设计开发了风电备用决策系统。实践验证,该系统不仅能提高运算效率,而且能在线确定风电备用容量。

风功率预测误差;风电备用;QT开发

风能作为一种清洁的可再生能源,在我国得到快速的发展,但其间歇性和随机性给电力系统的运行带来了风险[1]。传统的备用设置方法已无法满足大规模风电并网后系统运行的可靠性需求。

国内部分地区对风电预留全备用,在大规模风电接入和外送情况下,各级调度机构以电网安全为由,往往过大预留系统旋转备用,有的预留容量达标准预留量的4倍以上,这就在一定程度上造成了浪费。因此,为调度系统提供经济可靠的备用预留容量具有重要意义。文献[2]建立了由正态分布和拉普拉斯分布组合而成的风电出力预测误差模型,并基于机会约束规划方法构建含有风电场的系统旋转备用获取模型。文献[3]分析了风电接入后系统的运行备用需求性质,提出一种基于风险的风电备用需求决策方法。国内、外关于风电备用设定的许多研究都是从风功率预测误差入手,寻求其与备用需求之间的关系,但建立的模型大多较为复杂,未考虑算法的运算效率,暂时难以运用到工程实践中去。

针对这些问题,本文基于一种相对简洁可行的日前风功率预测误差估计方法,建立新的备用容量计算模型,简化风电接入后备用容量的确定,并以该算法为基础,设计开发风电备用决策系统,在线确定全网日前的备用容量。

1　系统设计框架及功能

1.1系统设计框架

本文开发的风电备用决策系统以D5000系统为运行平台,运行环境为Linux操作系统。为支持现有的操作系统环境与数据传输方式,采用跨平台软件QT作为开发工具,C++为开发语言。QT是源代码级的跨平台,具有一次编写,随处编译的特点[4-5]。

系统的设计分为前台配置、后台算法运行、任务触发三大部分。利用定时机制触发后台算法的运行,计算的结果存储到数据库中,用户通过前台的人机界面配置计算参数和选择查询类型,系统由数据库读取查询的数据结果实现查询结果的可视化。系统整体框架设计如图1所示。

图1　系统整体框架设计

1.2系统的主要功能模块

设计开发的风电备用优化决策系统具备的功能有风电预测误差估计、日前备用容量预测、人工设置参数实现在线计算。

日前预测任务的触发周期为24 h,数据粒度为96点/d,定时任务触发后自动计算出日前的预测结果,并将结果保存在数据库中。界面默认查询日期为第二天,以表格和曲线的形式将数据库表中的数据显示在界面中。用户也可改变查询日期,以查询历史计算结果。

需要说明的是:原始风电预测数据来源于两个不同的数据源,对预测数据源的选取需要用户自行设定,分别选择不同的数据源,或以两者的加权值作为预测数据。加权值的设定分为系统自动设定和用户手动设定。其中,系统自动设定的原则是根据两种预测数据近几天的预测准确性来设定;用户手动设定则是用户根据历史经验手动输入比例系数。

2　算法设计

2.1风电预测误差估计

考虑通过统计分析长期风功率历史数据,将一天96个点中相似的时间段合并,从而减小计算量。从历史数据和近期数据中提取数据特征,研究影响风功率预测误差的影响因素,分析各因素对预测误差的影响方式,进而建立风功率预测误差估计模型。根据日前风功率预测曲线的数据特征估计预测误差。

为了减少程序的在线运行时间,可以将本方法解耦为两个相对独立的模块:在线计算模块和离线计算模块。需要说明的是这里的在线与离线是根据计算量的大小区分的,在线计算量小,任务触发周期为24 h;离线计算的计算量较大,任务触发周期为6个月。

离线计算分析历史数据,求解权重系数,建立误差估计模型。在线计算模块利用离线计算所求解的系数和建立的模型,通过分析近期数据,捕捉近期特征,估计风功率预测误差[6]。

2.2备用容量计算

利用风功率预测估计误差模型计算风电预留的备用容量为

RWi=ERRi*Cap

式中:RWi表示i时刻为风电所留的备用容量；ERRi表示前面求出的误差值。

实际备用容量分为上调备用和下调备用,根据实际运行情况,上调备用和下调备用容量应满足基本约束:

(1)

可采用递归法使备用容量满足式(1)中的约束,即

式中:RWdownt(i)表示t时刻第i次迭代后的风电下调备用;RWupt(i)表示t时刻第i次迭代后的风电上调备用;p1、p2为备用的修正参数,其中01。

备用容量的最终确定还需参考现场调度人员实际经验进行修正,当风功率预测值较小时,为风电所留的上调备用适当减少,下调备用适当增加;当风功率预测值较大时,为风电所留的上调备用适当增加,下调备用适当减少。

3　数据交互和访问

3.1数据交互

风电备用决策系统的数据源分为两部分:

1) 风电出力相关数据,如全网风电短期预测数据、实测数据等,这部分数据存放在风电考核系统的Oracle数据库下。

2) 系统运行数据,包括算法的设置参数、系统任务计算结果等,这部分数据存放在本地服务器上的数据库中。

风电备用决策系统数据交互示意图如图2所示。

图2　系统数据交互示意图

3.2数据访问

由于存在多个高级应用需要访问风电考核系统下的Oracle数据库,因此考虑到数据库的安全性及系统稳定性,应尽量避免对该数据库频繁访问。本系统将每天Oracle数据库下的风电出力数据读出存放到本地数据库下,再对数据进行操作。

3.2.1数据库表结构

在本地数据库下新建表目录,包括风电预测数据、风电实测数据、风电出力上下限、上调备用容量、下调备用容量、离线参数等风电出力数据及系统运行数据表。创建表采用横表的形式,每条数据记录96个点的数据。

3.2.2数据访问方式

采用DCI接口访问数据库,对数据库进行读写、更新等操作。DCI通过服务名连接数据库,服务在文件sys-service.conf中配置。通过DCI接口执行SQL语句,从数据库中读出所要查询的数据或将后台计算出的结果写入数据库保存。

4　系统协调运行

风电备用决策系统的工作流程主要包括前台用户界面的参数设置、条件选择和备用决策算法的后台运行。数据库则作为两者沟通的桥梁。

后台算法由定时任务触发执行,计算出所有条件下的日前预测结果,并将结果写入数据库相应库表中,用户在前端界面勾选不同的查询条件,读出数据库中满足查询条件的所有数据,以表格或曲线的形式显示。具体流程如图3所示。

图3　系统协调运行流程图

5　结　语

本文在D5000系统下设计、开发的风电备用决策系统,现已在某电网投入试运行,且运行正常,由此得出,该系统不仅能在线确定风电备用容量,而且也便于实际使用。

[1] 王丹平, 陈之栩, 涂孟夫, 等. 考虑大规模风电接入的备用容量计算[J]. 电力系统自动化, 2012, 36(21): 24-28.

WANG Danping, CHEN Zhixu, TU Mengfu, et al. Reserve capacity calculation considering large-scale wind power integrati-on[J]. Automation of Electric Power System, 2012, 36(21):24-28.

[2] 葛炬, 王飞, 张粒子. 含风电场电力系统旋转备用获取模型[J]. 电力系统自动化,2010(6): 32-36.

GE Ju, WANG Fei, ZHANG Lizi. Spinning reserve model in the wind power integrated power system [J]. Automation of Electric Power System, 2010(6): 32-36.

[3] 张国强, 吴文传, 张伯明. 考虑风电接入的有功运行备用协调优化[J]. 电力系统自动化, 2011, 35(12): 15-19.ZHANG Guoqiang, WU Wenchuan, ZHANG Boming. Optimization of operation reserve coordination considering wind power integration[J]. Automation of Electric Power System, 2011, 35(12): 15-19.

[4] 熊道辉, 王倩, 唐瑜, 等. 基于QT的SCADA系统数据服务器软件设计[J]. 电力学报, 2012, 26(2): 140-144.

XIONG Daohui, WANG Qian, TANG Yu, et al. SCADA data server software design based on QT [J]. Journal of Electric Power, 2012, 26(2): 140-144.

[5] 李文帆, 刘志刚, 伍文城, 等. 基于QT的电力系统地理接线图绘制软件设计[J]. 电力系统自动化, 2013, 37(7): 72-76.LI Wenfan, LIU Zhigang, WU Wencheng, et al. Design of power system geographical wiring diagram drawing software based on QT[J]. Automation of Electric Power Systems, 2013, 37(7): 72-76.

[6] 张凯锋, 丁洽, 杨国强, 等. 一种基于数据特征提取的风功率预测误差估计方法[P]. 中国专利,201310422579.6.

ZHANG Kaifeng, DING Qia, YANG Guoqiang, et al. An estimation method for wind power forecast errors based on numerical feature extraction[P]. China Patent,201310422579.6.

(责任编辑郭金光)

Design and development of wind power reserve decision system

SUN Furong, NI Peng

(State Grid Rushan Power Supply Company, Rushan 264500, China)

Aiming at the problems in determining reserve capacity, including the low efficiency of calculation and the difficulty of application in the project, this paper established a new calculation model of wind power reserve capacity based on a relatively concise and feasible error estimations method of wind power forecast, and proposed the wind power reserve decision system. It is a system that operates on Linux system, with Oracle and Kingbase as the databases, being developed by QT software and C++language. The practice proves that it can not only enhance the calculation efficiency, but determine the wind power reserve capacity online as well..

error estimations of wind power forecast; Wind power reserve; QT development

2015-11-21；

2015-12-08。

孙富荣(1978—),男,助理工程师,主要研究方向为电网运维检修、配电网规划。

TM614

A

2095-6843(2016)03-0275-03