限电工况下风电场日内运行模式的经济性研究

张 芳，谢丽蓉，王府井，晁 勤，李进卫

(1.新疆大学电气工程学院，新疆乌鲁木齐830047；2.中船重工海为(新疆)新能源有限公司，新疆乌鲁木齐830002)

0 引 言

针对风力发电建设规模持续扩大、弃风限电严重等问题，政府发布了《关于发2017年度风电投资监测预警结果的通知》、《解决弃水弃风弃光问题实施方案》、《清洁能源消纳行动计划(2018—2020年)》政策，加大力度消纳可再生能源。电网对间歇性电源的消纳能力不足，又必须确保系统安全运行，电网调度部门在一些时段调控、限制风电场发电出力已成为常态；同时内蒙古、黑龙江、吉林、宁夏、甘肃、新疆(含兵团)的风电开发建设已被设置成红色预警区域，上述地区不得核准建设新的风电项目[1-2]。目前风电产业存在两种现状：一种是限制风电发电出力，另一种是控制风电装机节奏。

因此，在不能建设新的风电场项目且现有风电场运行在限电工况背景下，如何有效提高现有风电场发电和运维经济效益已成为迫在眉睫需要解决的问题。

文献[3]采用智能算法，通过对理论发电量与实际发电量的差值历史数据学习训练，获取弃风电量日前短期预测值。文献[4]提出以弃风电量最小与发电成本最低为综合目标的优化方法，但指出在负荷尖峰时刻有失负荷风险；文献[5]通过运营商对电动汽车集中调度，创立了电动汽车和风力发电进行协调调度的机组组合模型。文献[6]基于风电出力的不确定性，研究了电动汽车与风电机组参与电力市场运营的虚拟电厂日前协同竞价问题，但文中固定的EV每日入网时长在现实中很难被用户接受。文献[7]综合考虑电动汽车出行受限、电池的损耗、弃风功率不确定等因素，建立了一个优化调度模型，以期达到运营商日前期望收益的最大化。

目前，为了减小弃风电量，提高风电利用，相关研究主要集中在风电-电网-电动汽车的智能优化调度[5- 8]、水-风-火发电联动[9-10]等研究。现有研究依赖于大量设备投入、特定的地理条件、电网调度中心协调复杂，实现难度大；而在风电场与储能匹配中，由于近年电动汽车行业的发展，动力电池将逐渐迎来退役高峰，成本将持续下降，利用储能系统降低风电出力的波动性，提高风电入网功率更加经济可行。然而，由于风电出力的频繁波动，储能系统完全跟随风电场出力而频繁转化充放电状态会对其使用寿命产生影响，因此储能系统并不能完全跟踪风电场出力。

相关研究很少有从风电场内部自身出发，针对弃风消纳和减少运行成本的综合研究。在现有的风电场在限电工况下，风电机组是均匀降功率运行和无差别轮流检修。没有针对风电机组故障严重程度进行健康度评估，对健康等级低的优先检修，分散检修不仅增加了维修成本，还导致健康程度低的风电机组更容易演变为故障状态，增加了额外维修成本；检修时段与弃风时段往往不匹配，导致非弃风时段检修，损失并网发电收益，还可能造成欠发电的惩罚损失。

从风电场弃风角度来看，弃风量是由电网限电造成的，由电网限电产生的弃风是不可避免的，而风电场运行过程中停机检修也是无法避免的。本文提出将停机检修时段从非弃风时段移至弃风时段，增加非限电时段的发电效益，限电时段停机检修又变相消纳弃风。同时，参考风电机组健康状态确定检修优先级，既提高了风电机组整体安全稳定性，又节省了检修成本。

从储能配置来看，储能系统响应速度快、灵活性高，为风电场配置合适的储能装置可以平抑风电场出力波动性，可进一步缓解“弃风”问题。因此，本文考虑引入成本低廉的退役动力电池，制定风电场发电、存储、维护三者的“发-储-修”一体化新模式。

1 风电场风储检联合运行模式

本文提出的发储修联合运行模式主要包括以下步骤：

(1)评估风电机组健康状态，并参考风电机组出力(检修原因，检修时长，人员数量需求)综合效益，生成包含风电机组发电、检修优先级在内的风电机组状态综合模型。

(2)风电场根据短期风电预测，综合考虑售电价格，惩罚价格，发布日内弃风预测曲线。

(3)根据储能系统的约束性条件，包括功率调整次数、功率方向调节，调整时间间隔，输送电量约束，充放电效率等约束条件，构建储能系统响应模型。

(4)风电场控制室根据风电机组状态综合模型、日内弃风预测曲线和储能系统响应模型，综合调整运行计划，使检修符合风电机组的健康状态，达到检修的效率最大化；使停机检修时段与弃风时段相匹配，变相消纳弃风；使风电场并网电能更平稳，达到经济效益最大化。对日前调度模型进行修正，使得检修停机时段为综合弃风成本最低时段，并给出储能系统充放电功率指令。

该运行模式使风电消纳在风电场内部实现，提高风电入网效率以实现经济效益优化。

2 风电场综合运行的不确定性模型

2.1 风功率的预测区间模型

风电功率预测误差e随风电功率值的变化有较大的波动，因此有必要根据不同数值大小的功率区间建立相应的预测误差分布[11]。

采用核密度估计法计算概率密度函数

(1)

式中，n为误差样本个数；j为误差样本编号；w为窗宽；K(.)为核函数；ej为第j个误差样本值。当采用高斯核时，核函数为

(2)

风电功率的区间预测方法步骤如下：

(1)划分功率区间采用风电功率训练样本的最大值、最小值及设定的区间长度。

(2)利用核估计法计算每个功率区间上的误差概率密度函数，得到累积分布函数F(e)。

2.2 检修优先级的约束模型

在风电场检修维护优先级中，综合考虑编号下风电机的不可靠度和故障后果[12]。风电场实际运行中存在部分风电机组故障概率大。此种情况原因形成复杂，设备生产和安装的公差、位置的自然条件等均对风电机组的故障率有影响。检修应遵循以下基本原则：对经常出现故障机组且影响后果较大的故障类型应适当提高检修频率加权，以保证运行的整体稳定性最大化；对故障率低且对整体影响较小的故障类型可以适当降低检修频率。

所以本文对风电机组历史故障率进行统计加权；总控室对风电机组的众多状态信息实时监控，不同的状态信息与对应的故障概率相关。综上，参考编号风电机组的历史故障概率与状态参数类型，形成风电机组的不可靠度评价

(3)

式中，u为故障事件；t为对应事件下的故障事件；O为状态评估标幺化值。

故障后果评估包括设备损失、人身环境影响、系统损失、社会损失四个层次，分别对其赋予权重为Ca、Cb、Cc、Cd。

设优先级函数为S，则有

S=ΔRISK×C

(4)

为保证检修停机工作平稳运行，基于停机时段到起动时间、连续性等要求的限制，可以归结为下面的数学模型。

检修连续性约束，指机组的检修维护必须在一个给定的连续时段内完成，即

xit=1，si≤t≤si+di

(5)

xit=0，tsi+di

(6)

检修开始时间约束

(7)

2.3 储能系统的约束模型

为了保护储能系统设备和保证风电场并网功率的平稳，储能系统功率调节需要保证阶跃性，且受调整次数、调整方向以及调整时间间隔等要求的限制，可以归结为如下的数学模型。

(8)

(9)

(2)储能出力约束为

Zi，tPi_min≤Pi，t≤zi，tPi_max

(10)

式中，zi，t为0-1变量，用来表示机组的启停状态，取1时开启，取0时停止；Pi_min和Pi_max分别为储能电池组i的出力下限和出力上限。

(3)调节次数约束。定义调度周期为T1，调度周期内直流功率调节次数上限为Nd，则需要满足如下条件

(11)

(12)

(13)

(6)储能充放电效率约束。目前基于传统硅基储能变换器单相传输效率约为

η1=93%

(14)

碳化硅MosFET在通态损耗、开通损耗和关断损耗均较传统硅基MosFET有显著改善，近两年碳化硅受原材料影响，价格下降明显，逐渐被民用市场所接受。基于碳化硅储能变换器研究开展情况，其单相传输效率约为

η2=98%

(15)

3 风电场综合运行调节的优化调度模型

3.1 目标函数

(16)

其中风电机组的售电收益的计算方法为

(17)

(18)

3.2 储能效益评估

由于磷酸铁锂电池电池性能衰退的影响因素众多，包括工作时间、充放电电流、工作温度、充放电次数、日历寿命等。现将储能系统衰退模型归纳为

(19)

(20)

式中，δSOC.1为储能待机SOC值；Tst为待机时间；δSOC.av为单次循环的平均SOC值；Dcyc为充放电深度；Ncyc为特定(Dcyc，δSOC，av)的循环次数；ΔEsty、ΔEcyc分别为待机和充放电状态下储能系统容量衰减度。

综合运行场景下，综合衰退模型可归纳为

ΔE=ΔEsty+ΔEcyc

(21)

式中，ΔE为储能系统在综合场景下的容量衰退度。

电池储能系统的成本Cbet

(22)

式中，b为每千瓦时电池储能系统的成本，本文为简化算例仅考虑当前市场上主流动力电池，对退役动力电池储能系统假设取b=0.025万元/(kW·h)；Wane为风电场配置的储能系统容量。

3.3 经济性评估

参考当地上网电价、风电的政策性补贴等因素，简化为以下模型。电网上网电价实行分时计价，假定在高峰期(10∶00～15∶00和18∶00～21∶00)，t为0.35元/(kW·h)，平稳期(07∶00～10∶00，15∶00～18∶00和21∶00～23∶00)，t为0.33元/(kW·h)，低谷期(00∶00～07∶00和23∶00～24∶00)，t为0.15元/(kW·h)。

检修维护成本以9∶00～18∶00为风电场正常检修时间，无加班费。非工作时间为非正常检修时间，综合加班成本参考假定以20元/h计。

4 算 例

本文以新疆达坂城某风电场数据为参考，该风电场目前总装机容量25×2 MW。根据该风电场提供的15 min级风电场信息，在python环境下对机组模型进行分析。

以2016年7月～2017年6月取得的风电场风速信息、风功率预测信息、实际并网出力、该日检修维护停机记录信息，得到典型日特征；引入储能系统，进行充放电调配，通过预测信息生成检修计划，将停机检修时段从发电时段调配至弃风限电时段，从而实现变相消纳弃风。为了验证本文所提出的模型的，取得在不考虑风电场内储能及检修时间调配系统接入的情况下的真实出力，以及优化得到的系统出力对比如图1所示。

图1 考虑储能及检修时间调配的风电场出力曲线

如图1所示，在储能系统的时段选择中，以储能系统启停成本和日状态转换次数的限制，储能充电时段主要集中在0∶00～7∶00、23∶00～24∶00，放电时段集中在15∶00～22∶00的负荷高峰时段，以实现更大的系统出力。储能系统充、放电功率如图2所示，考虑储能系统的约束条件，以及储能成本。

图2 储能系统充放电功率

图3 停机检修变相消纳弃风电量

通过评估弃风时段、同时考虑工人工作时间、加班成本、分时段上网电价等因素，对停机检修维护时段进行匹配，如图3所示，变相消纳弃风电量约1 710 kW·h。

在考虑系统内接入储能系统和检修调度的情况下，通过对系统内的发电收益、人工加班成本、储能成本计算，得到原系统和储能及检修时间调配系统的第一年多增综合效益对比，如表1所示。

表1 首年综合效益变化对比 万元

由于引入储能系统的费用，首年效益为5 571.7万元，低于原系统6 225万元。由表2可以看出，考虑储能及检修时间调配系统在前二年收益超出原系统255.4万元，并在前三年综合效益中超出并达到1 164.3万元。考虑商用市场退役动力电池逐步达到高峰，退役电池成本将持续降低，会使系统效益进一步提高。

表2 第1～3年综合效益变化对比 万元

5 结 论

提出了一种风电场发电、存储、维护三者的“发-储-修”一体化新模式，以新疆地区某风电场风电场历史数据为算例，验证了该方法的有效性和经济性。

此外，对弃风预测精度的提高，将有助于提高风电消纳效益。在风电场运行过程中，运行条件错综复杂，对综合成本的进一步研究将有助于验证更多模式下评估准确性。