考虑预测误差的风电有功功率控制策略

杨玉明

【摘要】风力发电在我国经过连续多年的高速发展，目前已进入平台期，风电在电网适应性上的问题逐渐凸显。大规模的风电并网加重了电力系统安全稳定运行的压力，所以提升风力发电对电网的主动支撑性能，减轻其预测偏差对有功功率平衡控制的影响，已成为风力发电系统的核心问题。要实现风力发电系统对电网的主动支撑，需要风力发电站能够像传统电源一样具备良好的测量精度、控制性能和调节能力。首先，需极大地提升风力发电站功率预测水平，满足电网调度运行的精度要求;其次，需能够在满足电网稳定运行支撑的前提下，以新能源发电设备控制性能为约束，自动响应电网调节需求对风力发电站输出功率进行调整;最后，需及时响应电力系统运行状态的变化做出快速调节。

【关键词】预测误差;风电;有功功率;控制策略;

引言

近年来，以风力发电机为主的清洁能源得到大规模开发利用，截至2019年底，全国风电机组累计并网装机容量达到2.1亿kW，由于风力发电具有随机性、间歇性和波动性，且高度集中在“三北地区”，远离负荷中心，高比例的新能源接入给电网调度带来了一系列問题，在风电大发期间，为保证电网的安全稳定运行，会对风电有功功率进行一定程度的限制，因此场站端有功功率的快速响应、精准控制尤为关键。

1风电功率预测误差特性分析

风电功率预测误差标幺值为：式中：Ppredict（t）为风电功率预测值;Pactual（t）为风电功率实际值;Pcap为风电场额定装机容量。图1和图2分别为根据极限学习机（Extreme Learning Machine，ELM）和长短期记忆网络（Long Short Term Memory，LSTM）2种不同预测方法和风电功率采样周期为15min[23]进行点预测从而得到的风电功率预测误差概率密度分布直方图。由图1和图2可以发现，在ELM预测方法下，预测误差呈现总体向右偏的特点，而LSTM的预测误差呈现出在-0.02和0.02附近处各有一个顶峰的特点。2种预测方法的预测误差还呈现出在预测误差一些局部位置“凹陷”和“凸起”的特点。

2功率预测置信评估

给定分位数（τ1，τ2，…，τn）建立风电预测功率的分位回归模型，再结合风电功率误差的概率分布和置信水平即可得到风电功率预测误差的置信区间，进而得到风电预测功率的置信区间。由于功率预测模型及相关影响因素的不同，一段时间内不同风电场的预测误差分布呈现明显的不对称性。其中，部分风电场的预测功率与置信区间下边界十分接近，表明该风电场实际可发功率大于预测功率的概率较大，具有相似置信区间的风电场记为Ω+;部分风电场的预测功率与置信区间的上边界十分接近，表明该风电场实际可发功率小于预测功率的概率较大，具有相似置信区间的风电场记为Ω-。

3风电有功控制策略

3.1有功功率控制系统

风电场有功功率控制系统（AGC）对整个风电场所有风机任一时刻的有功功率进行统一控制，因此需要采集风机的风速、功率、运行状态等实时运行数据，根据电网调度指令，按照功率控制策略计算出每台风机的功率设定值。AGC控制系统配合场站的数据采集与监视系统（SCADA）和理论功率计算系统完成所有风机的有功功率分配和控制。SCADA系统采集每台风机的实时运行数据，理论功率计算服务器负责计算限功率情况下的理论功率，并将风机实时数据及理论功率传输至AGC服务器。AGC服务器负责接收调度AGC指令，并按照调度指令和每台风机的理论功率按照设定好的控制策略计算每台风机的功率指令并分配至每台风机，进而控制风机的有功功率，实现风电场全场的有功功率控制。

3.2基于退役动力电池风储协调控制策略

基于退役动力电池风储常规控制策略为：在风电场中，当理论电量Ell（t）超过需求电量Exq（t）时，即产生弃风，利用储能装置将风能储存;当风电场理论发电量Ell（t）低于电网需求Exq（t）时，利用储能装置储存的弃风电量进行并网使实际电量满足电网需求。本文在常规策略的基础上优化思路，提出退役动力电池风储有功功率协调控制策略，细划分为退役动力电池总层、协调控制层和分化储能层共3层，各层之间通过指令的下达和信息的反馈联系起来，1）退役动力电池总层以经济性为控制目标，实现弃风电量的消纳，减少储能装置充放电次数，延长退役动力电池使用周期，以提高储能装置经济效益;向协调控制层传达电量交换计划等，保障各层协调运行以及电网安全。2）协调控制层依据总层传达的电量交换计划，结合本层数据，并以退役动力电池储能系统实用性与可循环性为控制目标为分化储能层制定控制指令。3）分化储能层分化储能层将处于常规储能模式的装置分化为容量相同的二级储能装置A/B（储能装置单纯按照需求进行充放电操作定义为常规储能模式，常规储能装置分为2个容量相等的二级储能装置运行定义为分化储能模式）。分化储能装置A初始功能设置为存储弃风电量（充电状态），分化储能装置B初始功能设置为利用已储电量进行并网（放电状态），分化储能模式实现了储能装置更长时间保持在充/放电的单一状态，保护电池不受充电状态频繁更改的伤害。

3.3风电有功控制模型

根据风电功率预测误差分布特性可以分析计算得到不同风电场的功率预测误差期望，进而得到功率预测期望PE，i为式中：Pf，i为风电场i的预测功率;Fi（e）为风电场i的功率预测误差概率分布函数。风电场有功功率与预测功率的差值最小作为目标，目标函数为约束条件为式中：Pi为风电场i的输出功率指令。第一个约束要求所有风电场的有功功率需要与发电计划保持一致;第二个约束为风电场运行约束。

3.4功率分配算法

当站端AGC服务器接收到调度下发的功率调节指令后，AGC服务器按照2个阶段进行功率调节，分别是功率调节阶段和功率平衡阶段。功率调节阶段AGC服务器接收到调度指令，结合风机实时数据及每台风机的实时理论功率，剔除标杆风机、故障风机和通信中断风机，并充分考虑各个风机运行功率的上下限，计算每台风机的调节功率，目的是快速响应调度指令，在调度规定时间内将有功功率控制在规定范围内。功率平衡阶段是当风电场全场有功功率达到调度要求的范围并平稳运行时，进行风电机组功率置换，平衡不同类型风机功率分配来优化风机间的出力，保护风机机械特性，并置换出调节速率较快风机的功率调节余量，为下一次调节做准备，提升整场功率控制速率。

3.5其他

1）利用机舱风速法，结合风机运行历史数据，可以准确绘制出现场实际运行过程中单台风机的功率曲线，并有效地计算出风机限功率运行时段内的理论功率。2）在功率控制阶段，分配功率时剔除掉标杆风机、故障风机和通信中断风机，并考虑各个风机运行功率的上下限，可以精准地将功率调节指令分配至可调节的风机控制系统中，进一步提升全场功率控制响应速度和精度。

4风电功率概率分布拟合

不同概率分布模型假定随机变量满足不同条件，而这些条件在实践中往往并不严格满足。气候因素对风力性能的影响反映在输出抽样数据中。当将风能的概率分布与已知概率密度函数的分布模型相匹配时，很难充分考虑气候因素对风力性能的影响。因此，我们应从风力发电性能数据的样本中研究风能的分布特征。非参数估计，当样本数据概率密度函数未知时，采用核函数法估计未知概率密度函数，通过样本数据的固有特性直接获取值信息，从而减少了人工假设满足一定概率分布所造成的误差。为了验证非参数估计在风力发电概率分布调整中的有效性，选择正态分布和β分布模型作為参考分布模型。选择某地区风电场一年的生产数据分析其概率分布特征，抽样间隔为15分钟。根据上述三种分布模型调整风力发电概率分布的结果见图6。如图6所示，该区域的风力输送基本上是按间隔分布的，而且经常出现性能较低的情况，当性能大于某个特定值时，分布相对均匀。同时，非参数估计对风力发电概率分布的影响最合适，明显优于正态分布和β分布。

5风电行业建议和措施

5.1加强政府统筹规划

政府在能源供应和使用方面发挥主导作用。关于新能源经济的开发利用，国家制定了新能源经济发展总体规划，并将新能源和电网及配套基础设施的发展纳入总体规划，以便在工业一体化方面做好工作，顺利完成前后供应链;做好风力发电等相关行业的总体规划和总体控制安排。同样，在建设新能源基地时，建议由一个单位带头建设，以免多个投资单位之间的部署和协调难度加大，导致电网运行不稳定。

5.2大力发展电力传输网络

单个风力发电站，可以认为是一个“点”;区域内多个风力发电站于送出工程送出，可以认为是一条“线”;而接入区域电网，形成一张巨大的“网”，才更具能量，才能将电力输送到与电网相接的无数“末梢”——千家万户电力用户，才能真正将电力转换于社会生产价值。电力传输网络的建设、铺展及密布，有助于提升风电的利用率，保障电力传输，更便于终端消纳。

5.3加大局部电网的技术升级

一方面，要加快风力发电资源丰富地区电网调度技术的升级。中国大陆风能丰富地区基本上是偏远落后薄弱的电网结构。风能大规模集中发展的第一个问题是如何安全地将巨大的风能接入电网。因此，有必要对风力资源丰富地区的电网技术和设备进行现代化改造。另一方面，也有必要更新电网大规模优化资源配置的技术。中国能源资源的分布和经济发展的特点要求中国电网能够优化大面积的资源配置。中国风能资源丰富的地区主要分布在“三北”地区，大量风能需要长途输送。有必要构建具有超高压骨干网的强大智能电网，提高电网资源配置能力。目前电网已经开展了一些相关研究，需要在现有研究成果的基础上进一步深化。

5.4推进储能技术多样化

风电不确定性是大规模风电场并网的一个问题，储能系统是解决可再生能源电力调度问题的一种实用方法。电力储能系统可以分为机械式储存系统、电化学系统、化学储存和蓄热系统等。市场上常见的是铅酸蓄电池和锂电池等蓄电系统，因工艺相对成熟而有所使用，但仍存在部分难以解决的技术难题。更多的储能技术如光储、生物储能等也在不断推进，风电场储能技术呈现出多样化，在储能技术市场化推广应用后，风能资源将得以充分利用，有助于风能的高效转化。

5.5降低电网电压的控制难度

恒速风力发电机必须从电网中吸收一定数量的无功功率。双馈变速风力发电机和直驱永磁风力发电机通常在固定功率因数模式下工作。对小型风电场实行集中无功补偿后，风电场的电压调节并不是大问题，但对大型风电场来说，风电场必须具备一定的无功控制能力，需要技术和管理手段来推动风电场制造商的技术改造。我国大部分运行中的风力发电设备通常缺乏无功控制能力，风电场的无功控制只能通过增设静态或动态无功补偿设备来实现。电网发布的一系列标准确定了无功控制的要求，作为建设中风电场无功建设的指导方针。

5.6促进风电开发精细化

大力支持技术研发，推进核心技术国产化，推动风电与控制技术、信息技术、通信技术等深度融合，实现风电开发、运维、监控、管理等全流程的智能化。

结束语

不同风力发电站功率预测误差分布特性存在差异，需充分考虑其差异优化完善风电场有功功率控制。对风电场历史数据进行统计分析，提取风电场预测误差的分布特征，合理优化风电场的功率控制。该方法可有效降低新能源性能预测误差对功率调节的影响，提高主动风力发电控制的合理性和准确性。

参考文献：

[1]张义，彭佩佩，唐冰婕，陈宁，王湘艳，韩楚晨.考虑预测误差的风电有功功率控制策略[J].西安工程大学学报，2021，35（06）：76-82.

[2]赵征，于悦波.考虑风电功率预测不确定性的火电机组调度策略研究[J].电力科学与工程，2021，37（11）：32-41.

[3]刘宏勇，李明，任巍曦，张文煜，田云峰，王德伟，刘汉民.基于风机理论功率的全场功率优化控制策略研究[J].河北工业大学学报，2021，50（05）：74-78.

[4]谢彦祥.风电功率及其预测误差概率分布研究[J].电工电气，2021（09）：7-13+46.

[5]张浩.风电功率时空不确定性预测方法研究[D].华北电力大学（北京），2021.000098.

[6]唐建平.分布式风电机组并网影响分析及抑制策略[J].风能，2021（07）：90-95.

[7]田佳鑫.考虑风场预测误差的电力系统运行风险评估[D].北京交通大学，2021.

[8]李文栋.风功率预测误差的非参数核密度估计方法研究[D].华北电力大学，2021.