考虑火电机组深度快速变负荷能力的频率控制

徐 箭, 唐旭辰, 徐 琪, 王 豹, 雷若冰

(1. 武汉大学电气工程学院, 湖北省武汉市 430072; 2. 广东电网有限责任公司电力科学研究院, 广东省广州市 510080;3. 广州供电局有限公司, 广东省广州市 510620; 4. 国网苏州供电公司, 江苏省苏州市 215004)

0 引言

随着化石能源的枯竭和用电需求的增长,风能作为一种清洁的可再生能源受到了越来越多的关注,全球风电产业迅速发展。截至2016年底,风电累计装机容量超过10 GW的国家共有9个,其中中国以168.7 GW位居榜首,占全球总量的34.7%[1]。截至2016年底,中国的电力装机结构中燃煤机组占比为56.2%[2],远高于具有快速爬坡能力的机组,如水电、燃气燃油机组等。由于风电功率的快速波动性,风电的大规模并网可能会使得传统燃煤机组难以维持系统的有功平衡,造成频率偏差越限,严重威胁系统的频率稳定[3]。

针对以上问题,国内外学者主要从两方面开展了大量研究。一类是通过对风机进行控制,如转子惯性控制、转子超速控制、变桨距控制等[4-5],来主动响应系统的频率变化。但该方法受风速和风机运行状态的影响,难以保证全风况下风机参与系统调频的可信度。另一类方法是从电网侧采取控制措施,用储能[6]来平抑风电的波动性。但依靠储能来承担系统的调频需求,会造成储能容量配置过大、经济性不佳的问题。

考虑中国当前以燃煤机组为主的电源结构,深入挖掘常规火电机组的调频能力成为了解决频率稳定问题的有效手段。由于传统的火电机组深度调峰方式往往会造成机组参量波动、污染物排放超标、设备寿命降低、运营商深度调峰意愿不足和机组响应时间长、变负荷速率难以进一步提高等问题,有学者对采用凝结水节流、供热机组抽汽、凝汽器冷却工质节流等协调控制方式,利用火电机组的深度快速变负荷能力来提升火电机组的变负荷范围和变负荷速率进行了大量研究[7-8]。本文所提的“火电机组深度快速变负荷能力”,指的是从变负荷范围和变负荷速率两个方面对火电机组提出要求。现有关于火电机组深度快速变负荷能力在电力系统中的应用主要集中在调度上[9-10]。其中,文献[9]分析了火电机组深度快速变负荷能力对含风电电力系统的实时动态经济调度的影响,仿真表明合理利用机组蓄热来提升机组的爬坡能力,可以增加风电利用率,减少弃风。文献[10]提出了一种考虑风电与火电机组快速变负荷能力的自动发电控制(AGC)机组在线调度方法,将火电变负荷能力纳入AGC优化目标,使得变负荷速率快的机组分配更多的负荷。

由于凝结水节流变负荷控制受到除氧器蓄能的制约、机组释放蓄热过程中凝汽器压力会发生改变等原因,文献[10]认为火电机组的深度快速变负荷状态每次只能持续1 min,且至少需要再过1 min才能重新进入深度快速变负荷状态,对火电机组的控制达到了1 min级。因此,火电机组深度快速变负荷能力可以应用于系统频率控制。在风电功率以较快速率持续向上或向下爬坡时,火电机组的深度快速变负荷能力能够在一定程度上缓解系统的调频压力,提高系统的频率控制能力。

本文针对风电接入后系统调频能力不足的问题,提出了一种考虑火电机组深度快速变负荷能力的含风电电力系统频率控制方法。该方法基于计及机组调节死区、爬坡速率、调节容量、AGC控制周期等非线性因素的非线性时域模型,首先在预测层面制定火电机组深度快速变负荷状态的开关计划,然后在实时层面利用所制定的开关计划进行频率控制。

1 火电机组深度快速变负荷的基本原理

目前,常用的火电机组深度快速变负荷手段有凝结水节流、供热机组抽汽、凝汽器冷却工质节流等,这些方法通过对汽轮机侧蓄能的合理利用大幅度提高了火电机组的动态特性,缩短机组响应时间,改善了机组一、二次调频能力[7]。凝结水节流控制主要是利用凝结水水箱和除氧器水箱提供的工质存储能力,暂时利用了原本用于回热系统中通过加热给水的能量,来提升机组的变负荷速率。供热机组抽汽控制主要是将供热抽汽蝶阀作为机组负荷调节手段,依据供热参数允许变化范围和机组安全运行指标,通过供热抽汽量调节,提升供热机组快速变负荷速率。凝汽器冷却工质节流主要是指机组在一定的汽轮机负荷下运行时,通过改变凝汽器冷却工质流量对机组背压进行调节,从而改变机组的变负荷范围和变负荷速率。结合以上控制手段,基于机组蓄能深度利用的机炉智能协调控制系统能够同时控制主蒸汽、凝结水、供热抽汽和冷却系统,以联合控制方式改变机组的变负荷范围和变负荷速率。火电机组在一般状态和深度快速变负荷状态下的机组参数对比见附录A表A1[11]。

从经济性角度考虑,凝结水节流与供热机组抽汽是经济性良好的控制手段,凝汽器冷却工质节流功率反向调节时机组经济性会降低。安全性方面,火电机组若长时间处于深度快速变负荷状态会增加设备磨损,降低机组运行稳定性。因此,本文考虑只有在风电波动引起的区域控制偏差(ACE)进入紧急调节区,即|EACE|≥2(标幺值)时[12],火电机组才进入深度快速变负荷模式,且持续时间受到机组安全范围限制。同时,进入深度快速变负荷状态的火电机组在释放蓄热的过程中,除氧器水位、凝汽器压力等会发生改变,机组蓄热全部释放后,至少需要再过1 min,机组的参数才能恢复到原来的水平。因此,火电机组是否进入深度快速变负荷状态不仅受风电出力水平的影响,也会受到机组本身的技术限制。

2 考虑火电机组深度快速变负荷能力的含风电电力系统频率控制方法的实现

由于火电机组当前时刻的深度快速变负荷状态需要根据系统当前时刻的ACE值和火电机组之前时刻是否处于深度快速变负荷状态决定,且火电机组从接受控制指令到采取措施进入深度快速变负荷状态,需要一定的准备时间,因此需要首先在预测层面提前制定火电机组深度快速变负荷状态的开关计划,然后在实时层面根据所制定的深度快速变负荷状态的开关计划,进行含风电电力系统的频率控制。预测误差的存在会使机组提前或滞后进入深度快速变负荷状态甚至增加或减少进入深度快速变负荷状态的次数,影响改进策略对频率偏差的控制,因此需要采取快速、准确的预测方法。

2.1 预测层面

图1为预测层面制定火电机组深度快速变负荷状态的开关计划的流程图。图中,Pn为机组额定负荷，KG为机组调速器的放大倍数，Δt表示仿真步长,tmax为仿真终止时间,t0为火电机组两次进入深度快速变负荷状态的最小间隔时间,t1为深度快速变负荷状态的持续时间,根据工程实际设定t0=1 min,t1=1 min[9]。γ为ACE的阈值,γ=2(标幺值)。在计算ACE时,本文采用了一种考虑可再生能源接入下的频率分析模型[13],在ACE信号中加入了风电的预测误差和传统机组的发电偏差。由于对象是多区域互联电力系统,因此又在该文献的基础上,考虑了对联络线交换功率的控制,如式(1)所示。

EACE(t)=-BΔfave(t)+ΔPtie(t)+

ΔPGEN(t)+ΔPwind(t)

(1)

式中:B为当前区域的频率偏差系数;Δfave(t)为当前区域所有发电机的频率偏差的平均值;ΔPtie(t)为当前区域所有联络线交换功率的实际值与计划值的偏差之和;ΔPGEN(t)为当前区域所有发电机出力的实际值与计划值的偏差之和;ΔPwind(t)为当前区域所有风电场输出功率的实际值与预测值的偏差之和。

图1 预测层面制定开关计划的流程图Fig.1 Flow chart of switching scheme at predictive level

开关计划的具体步骤如下。

步骤1:输入系统参数、风电功率超短期预测结果,令深度快速变负荷状态量的初始值state(0)=0,表示火电机组未进入深度快速变负荷状态。

步骤2:在t时刻,预测层面上在各个AGC的执行周期内计算具有深度快速变负荷能力的火电机组所在区域的EACE(t)。

步骤3:判断火电机组t时刻的深度快速变负荷状态量state(t)。若state(t)=0,执行步骤4;否则,令火电机组的state(t+Δt)=1后,执行步骤5。

步骤4:判断条件a和b是否成立,条件a为|EACE(t)|>γ,条件b为火电机组前(t0-Δt)时刻的深度快速变负荷状态量state(t-t0+Δt)=0。若条件a和b同时成立,令(t+Δt)～(t+t1)时段各时刻火电机组的深度快速变负荷状态量均为1,(t+t1+Δt)～(t+t1+t0)时段各时刻火电机组的深度快速变负荷状态量均为0;否则,令state(t+Δt)=0。然后执行子步骤5。

步骤5:令t=t+Δt,重复子步骤2至4,直至t>tmax,仿真终止并输出整个仿真时间段内火电机组深度快速变负荷状态的开关计划。

2.2 实时层面

实时风电并网后,电网侧多时间尺度的有功协调优化调度模式通过日前计划、滚动计划、实时调度计划和AGC逐级消除风电预测偏差,从而递进地减小频率偏差。图2给出了投入AGC后考虑火电机组深度快速变负荷能力的系统频率控制示意图,采用的是基于直流潮流的频率响应分析模型[14],可以快速、准确地体现风电并网后系统的有功功率—频率动态过程。AGC部分的模型分为以下3个部分。

1)ACE计算模块。在AGC的执行周期内根据实测数据进行ACE计算。

2)所提控制策略模块。根据预测层面得到的深度快速变负荷状态的开关计划,在实时层面可以判断机组是否处于深度快速变负荷状态,进而确定机组的变负荷范围、最大变负荷速率和调差系数。

图2 考虑火电机组深度快速变负荷能力的电力系统频率控制示意图Fig.2 Schematic diagram of frequency control considering deep and fast load changing capability of thermal power unit

3)机组功率分配模块。通过比例—积分(PI)控制器的作用得到总的二次调频量,并在AGC的各控制周期内对各AGC机组按照分配系数进行功率分配,实现了考虑深度快速变负荷的频率控制方法与传统调频方式的配合。

引入积分平方误差EISE指标[13]来量化分析火电机组深度快速变负荷对系统频率控制效果的影响,有

(2)

式中:ΔPtie,j为区域j与其他区域间的总交换功率的偏移量；p为区域总数;Δfi为系统中第i个节点的频率偏移量；q为节点总数。EISE指标较小,表示系统的频率控制效果较好。

3 算例分析

本文以IEEE 10机39节点系统作为仿真研究对象,其网络结构及仿真参数见附录B。为了便于研究,将其划分成3个互联的区域,各区域间共有4条主要的联络线。

3.1 在5 min时间尺度上验证所提方法的有效性

在Area 2中的节点30上接入一个额定容量为1 200 MW的风电场,5 min(一个调度周期)内其风电功率的超短期预测曲线和实际出力曲线对比见附录C图C1。由图可知,风电功率超短期预测能较好地跟踪风电功率的大致变化趋势,可以提供准确的开关计划。

在预测风电功率激励下,采用改进调频模式时机组7的频率响应曲线、Area 2的ACE曲线和机组7的深度快速变负荷状态的开关计划如图3所示,可知机组7计划在232～292 s进行一次深度快速变负荷。

图3 预测层面的频率、ACE曲线及制定的开关计划Fig.3 Frequency, ACE curve and switching scheme at predictive level

图4给出了实时风电功率激励下,系统分别采用改进调频模式、常规调频模式时,机组7的频率响应曲线以及所有联络线的功率波动情况。

图4 实时层面两种不同模式下的频率和联络线功率对比Fig.4 Comparison of frequency and tie-line power under different modes at real-time level

仿真过程中的某些时段虽然风电预测精度较高,却出现频率波动仍然十分剧烈的现象,这是由传统燃煤机组的调节速率和调节范围跟不上实际风电的快速波动造成的。以127～155 s时间段为例,风电预测与实际曲线基本重合,但是由于该时间段风电功率的变化速率达到了每秒0.02(标幺值),而3个AGC机组全部投入使用时的机组调节速率经计算也仅有每秒0.007 5(标幺值)。此时由于机组向上调节速率不足,机组输出功率小于净负荷功率,导致频率下降,若能够通过火电机组深度快速变负荷来提升变负荷范围和速率就可以限制频率的进一步恶化。由图4(a)的仿真结果可知,在风电功率快速向上爬坡、系统频率偏差越限之前,机组7按照预测层面得到的开关计划,进入了深度快速变负荷状态且持续了1 min,使得系统的频率偏差得到了很好的控制。如若系统采用常规调频模式,则机组7在258～273 s这段时间内的频率偏差会超过0.2 Hz。图4(b)展现了两种控制方法下各区域的联络线交换功率的波动曲线,可见系统采用改进调频模式后,区域间联络线交换功率波动明显减小。由于风电场在Area 2接入,因此相对其他两个区域来说,Area 2的联络线交换功率的波动幅度会更大。

为了对机组7进入深度快速变负荷状态后,系统频率控制能力提高的原因作进一步分析,附录C图C2和图C3分别给出了两种模式下系统所有机组的一次调频调节量曲线、深度快速变负荷机组(机组7)的AGC调节量曲线。由图C2可知,除了机组7以外,其他机组在常规调频模式和改进调频模式下的一次调频调节量曲线与发电机节点的频率变化曲线一致,这是由于其调速器的放大倍数KG一直保持不变。而机组7在进入深度快速变负荷状态后,其调速器放大倍数KG由20增大为50,响应频率偏差的能力增强,因此一次调节量增大。

由附录C图C3可知,机组7进入深度快速变负荷状态后,机组的变负荷范围更宽,可以在低于常规发电机最小技术出力(50%Pn,对应的当前机组出力变化量为-0.6(标幺值))的范围内运行,且最大变负荷速率由每分钟1.5%Pn变为每分钟4%Pn,变负荷速率更快。若AGC的控制指令与一次调频动作相反,应先保证一次调频效果,可仿照常规机组在频率偏差大于门槛值时对AGC控制指令进行闭锁来对火电机组进入深度快速变负荷状态的指令闭锁。本文的门槛值取自文献[15],在|Δfi|>0.04 Hz时闭锁进入深度快速变负荷状态的指令,以避免调整动作次数的增多和调整量的浪费。

3.2 在1 h时间尺度上验证所提方法的有效性

算例A验证了在5 min这一较短的时间尺度上所提方法的有效性。本算例将在更长的时间尺度上,尤其是在风电功率波动更快速、剧烈,机组深度快速变负荷多次开关的情况下对比改进模式的频率控制效果。在Area 2中的节点30接入一个额定容量为1 500 MW的风电场,1 h内其风电功率的实际出力曲线如附录C图C4所示。

由于时间尺度增加到1 h,本算例需要考虑实时调度与AGC的配合,在t时刻对t+T(本文周期T取5 min)时段进行优化,通过系统净负荷短期预测对上一时间尺度发电计划进行校核和偏差修正。以煤耗量最小为目标函数,采用二次规划法得到的各机组实时调度下的基点功率见附录C图C5。

图5直观地展现了长时间尺度下所提方法的频率控制效果,采用常规调频模式在风电接入的1 h时间内频率将发生13次越限,且在风电功率大幅度波动的1 918～2 303 s,越限时间超过了5 min,对系统的频率稳定造成了很大的影响,而采用改进调频模式下频率没有发生越限的情况。常规调频模式下EISE，con=1 589.870 6,改进调频模式下EISE，imp=642.638 3,亦能证明考虑火电机组深度快速变负荷能力的频率控制方法提高了系统的频率控制能力。

图5 实时层面两种不同模式下的频率响应曲线对比Fig.5 Comparison of frequency response curves under different modes at real-time level

改进调频模式和常规调频模式下,注入系统的风电功率相同,一般负荷因随频率变化而略有差异,因此系统的净负荷近似相等。在这种情况下,系统频率曲线波动的差异主要受发电机有功调节量的影响。附录C图C6给出了系统中所有发电机的原动机总出力曲线。对比可知改进调频模式增强了火电机组响应风电功率波动的能力。这是由于深度快速变负荷机组在进入深度变负荷状态后机组变负荷范围相对于其他机组更宽,变负荷速率也更快,如附录C图C7所示。

经济成本方面,由于风机控制相较于储能经济性更佳,因此将所提改进方法与风电场的主动控制进行对比。风电场的主动控制以弃风为代价换取调频的备用容量,因此其经济成本即为弃风成本。在本算例中超过调频限额的弃风量为9.13 MW·h,根据陆上风电标杆上网电价0.61元/(kW·h),1 h内的弃风成本为5 569元。由于冷凝水节流、供热机组抽汽经济性良好,火电机组深度快速变负荷进行调频的成本主要来自于凝汽器冷却工质节流功率反向调节时背压升高对发电煤耗率的影响,机组背压和机组负荷率变化带来的总供电煤耗增加量为52.4 g/(kW·h)[16-17]。算例中机组进行9次时间为1 min的反向调节,增加的耗煤量为3.93 t,按煤价550元/t换算为煤耗成本为2 161.5元,因此相较于其他常用的频率控制方法,采用火电机组深度快速变负荷有更优的经济性。

4 结语

本文基于含风电互联电力系统的频率分析模型,提出了一种考虑火电机组深度快速变负荷能力的含风电电力系统频率控制方法。采用仿真程序和实际风电波动数据对所提方法进行了验证,所得结论如下。

1)利用火电机组深度快速变负荷能力对火电机组的控制可以达到1 min级,因此可以应用于系统频率控制的思想。

2)建立了保留网络结构并计及系统非线性因素的含风电互联电力系统的频率分析模型,考虑风电接入后给区域联络线交换功率带来的波动,对ACE模型进行了修正。

3)提出了一种考虑火电机组深度快速变负荷能力的含风电电力系统频率控制方法,仿真表明所提方法能够从整体上提高系统的频率控制能力。

本文通过设置ACE的阈值和判断之前时刻的深度快速变负荷状态量来考虑所提方法的经济性和安全性,这种处理方式在控制中是可取的,但是未能深入考虑电力系统与电厂机组的动态交互特性,下一步可以建立机组层面深度快速变负荷的控制模型,在控制策略中纳入更多的对机组参数,如主蒸汽压力、凝结水流量的限制来保证机组的安全性和经济性。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。

参考文献

[1] Global Wind Energy Council. Global wind statistics 2016[R]. 2017.

[2] 中国电力企业联合会.2016—2017年度全国电力供需形势分析预测报告[EB/OL].[2017-01-25].http://www.cec.org.cn/yaowenkuaidi/2017-01-25/164285.html.

[3] KABOURIS J, KANELLOS F D. Impacts of large-scale wind penetration on designing and operation of electric power systems[J]. IEEE Transactions on Sustainable Energy, 2010, 1(2): 107-114.

[4] XUE Y, TAI N. Review of contribution to frequency control through variable speed wind turbine[J]. Renewable Energy, 2011, 36(6): 1671-1677.

[5] SUN Yuanzhang, ZHANG Zhaosui, LI Guojie, et al. Review on frequency control of power systems with wind power penetration[C]// IEEE International Conference on Power System Technology, October 24-28, 2010, Hangzhou, China: 8p.

[6] BANHAM-HALL D D, TAYLOR G A, SMITH C A, et al. Flow batteries for enhancing wind power integration[J]. IEEE Transactions on Power Systems, 2012, 27(3): 1690-1697.

[7] 胡勇.基于汽轮机蓄能特性的大型火电机组快速变负荷控制研究[D].北京:华北电力大学,2015.

[8] 林俐,邹兰青,周鹏,等.规模风电并网条件下火电机组深度调峰的多角度经济性分析[J].电力系统自动化,2017,41(7):21-27.DOI:10.7500/AEPS20160719005.

LIN Li, ZOU Lanqing, ZHOU Peng, et al. Multi-angle economic analysis on deep peak regulation of thermal power units with large-scale wind power integration[J]. Automation of Electric Power Systems, 2017, 41(7): 21-27. DOI: 10.7500/AEPS20160719005.

[9] ZOU X, LI M, WANG W. Dispatch of wind-thermal power system containing heat storage units with fast ramping capabilities[C]// IEEE Eindhoven PowerTech, June 29-July 2, 2015, Eindhoven, Netherlands: 6p.

[10] ZHANG J, LU C, SONG J, et al. Real-time AGC dispatch units considering wind power and ramping capacity of thermal units[J]. Journal of Modern Power Systems and Clean Energy, 2015, 3(3): 353-360.

[11] 王琪.风电规模化并网条件下供热机组优化控制研究[D].北京:华北电力大学,2013.

[12] 高翔.现代电网频率控制应用技术[M].北京:中国电力出版社,2010:112-113.

[13] 倪琳娜,罗吉,王少荣.含风电电力系统的频率控制[J].电工技术学报,2011,26(增刊1):235-241.

NI Linna, LUO Ji, WANG Shaorong. Frequency control of power system with wind power integration[J]. Transactions of China Electrotechnical Society, 2011, 26(Supplement 1): 235-241.

[14] 李常刚,刘玉田,张恒旭,等.基于直流潮流的电力系统频率响应分析方法[J].中国电机工程学报,2009,29(34):36-41.

LI Changgang, LIU Yutian, ZHANG Hengxu, et al. Power system frequency response analysis based on the direct current loadflow[J]. Proceedings of the CSEE, 2009, 29(34): 36-41.

[15] 王珍意,谢一工,尹成全,等.对CPS标准下AGC与一次调频配合问题的研究[J].电力系统保护与控制,2009,37(19):22-25.

WANG Zhenyi, XIE Yigong, YIN Chengquan, et al. Research on the coordination of AGC and primary frequency regulation based on CPS[J]. Power System Protection and Control, 2009, 37(19): 22-25.

[16] 廖光明,王艳,高建强,等.背压变化对300 MW直接空冷机组经济性影响的计算与分析[J].中国电业(技术版),2012(3):32-35.

LIAO Guangming, WANG Yan, GAO Jianqiang, et al. The calculation and analysis on the economical impact of back pressure change to 300 MW direct air-cooling unit[J]. China Electric Power (Technology Edition), 2012(3): 32-35.

[17] 中国国家标准化管理委员会.常规燃煤发电机组单位产品能源消耗限额:GB 21258—2007[S].北京:中国标准出版社,2008.