CN102934312B - 能量产生系统及其控制 - Google Patents

Abstract

一种控制包含至少一个间歇性能源发电厂(42、44、46、48、50)的发电系统的方法，所述方法包括：计算所述至少一个间歇性能源发电厂的实际操作参数；计算所述至少一个间歇性能源发电厂的预测操作参数；从所述实际操作参数和预测操作参数生成间歇性能源意外事故定义；分析所述间歇性能源意外事故定义以提供意外事故分析；以及根据所述意外事故分析控制所述发电系统。

Description

能量产生系统及其控制

技术领域

本发明涉及能量产生系统和相关控制方法，更具体来说，本发明涉及包括风力发电厂的能量产生系统。

背景技术

能量产生系统传统上依赖于主要由矿物燃料和核动力供应能量的电力网。这类传统能源可轻松地满足响应型能源供应的需要，因此能量产生系统的分析和控制一直相当简单。在这类能量产生系统中，通常使用意外事故分析以便于系统管理。意外事故分析通常用于分析能量产生系统的电力网中假设的干扰状况的影响。这种意外事故分析涉及分析可信意外事故的大集合，通过这种分析，实时识别可能在电力网中产生不稳定性或过载的多个紧急意外事故。

图1中示出构成传统能量产生系统(未示出)的组成部分的处理系统1中的典型意外事故分析模块10的示例。监控和数据获取系统12从电力网(未示出)收集测量和状态指示14并将其传送到状态和拓扑估计器16。估计器16分析收集的测量和指示并计算出表示实时电力网实际状态的数学模型。模型和状态从估计器16传送18到意外事故分析引擎20，它是意外事故分析模块10的一组件。大量(N)可信意外事故的列表22也传送24到引擎20。使用从估计器16和列表22接收的数据，引擎20基于通过逐个应用N个可信意外事故中的每一个而修改的当前网络状态来计算严重性指数。这些计算被传送26到排序和分类模块28，在排序和分类模块28中这些计算根据严重性指数来被评级。从所评级的计算中，具有最严重评级的那些评级的计算被整理以构成意外事故的小子集(n)，这个小子集传送30出意外事故分析模块以构成最坏意外事故输出32。

最坏意外事故子集n典型地是大约几十个，并且紧急意外事故N的完整列表具有成千上万个成员。这样，意外事故分析的过程可在合理时间内完成，通常只研究单个意外事故和两个意外事故的几种组合。

在传统能量产生系统中，N中包括的意外事故类型为单个组件（例如电力线、发电机或其它设备物件）的中断。通常，例如汇流条故障之类的故障也可以被建模；这涉及故障汇流条的断电以及所有线路和连接到相应汇流条的能量产生单元的断开。虽然此类意外事故的建模涉及多个组件，它仍是源于故障汇流条所在的变电站的局部效应的建模。

将天然、间歇性的能源(例如风能、太阳能、潮汐或波浪能)集成到能量产生系统的电力网对能量产生系统的管理和控制提出了新的挑战。主要挑战是由于其电力产生的间歇性，而这取决于气象，例如风速、太阳辐照度等。这种间歇性表示，与能量产生可主动和准确地调度的传统能源(例如矿物燃料)相比，从再生能源产生的电力较不可靠。

可随风力发电出现的与意外事故分析相关的情况示例包括在广阔地理区域出现的极强风、大区域风力的突然减弱以及广阔地理区域风力的突然增强。

在出现极强风时，受影响的风力涡轮机具有内置自保护机制以将其从电力网断开以防受损。如果极强风于数十分钟的持续时间内在广阔地理区域出现，这种风力涡轮机的大量断开会导致从能量产生系统输出的能量大大下降并无法满足能量需求。

某个地理区域的天气锋变化可伴随突然减弱的风力；这会导致能量产生的突然下降，即能量产生系统的输出可能不足以满足用户需求。

广阔区域的风力突然增强也可能导致所产生风能的快速增加；这又会使风力发电单元附近的传输线路过载。在几分钟之内，这将导致线路断开，并且如果没有其它传输路径可输送风力发电所产生的能量，这将导致风力发电的间接损失。如果有其它路径，能量将在这些其它路径上输送，这些路径同样有过载和断开的风险。在这类情况中，级联线路断开蔓延成大范围停电并不罕见。

能量产生系统输出的这类突然下降相当有可能导致停电。即使停电得以避免，也可能出现需要用户轮流断开连接的情况。这些情况中的每一种都会导致用户的不便以及可能的能量产生系统运营商的收入损失。

此外，风力发电通常由坐落于电力网上不同位置的许多小风力田或单元提供。这些风力田将可能受到相同天气因素的影响，可能时间上有所延迟，因此它们以一种相干的方式受干扰影响。例如，如果暴雨锋先经过断开的风力田，极有可能相同的暴雨将移到其它区域并造成类似的效果。这类风力发电可导致在中度风暴发的情况下产量突然增大，在风力突然减弱的情况下产量突然减少，或在风速极高的情况下由于风力田断开连接而造成的断开连接或完全停产。

可以看到，这表示能量产生系统的风力发电组件的中断或干扰不再不相关，而这是构成意外事故分析典型方法的基础的假设。因此，在意外事故分析中将发电机视作单独单元的惯例方式将导致对风力发电组件过于乐观的评级。

因此，为了确保可有效地控制能量产生系统，意外事故分析反映来自发电源(例如风力涡轮机)的电力输入的相干不一致性是重要的。

当前的预测工具可对来自风力发电组件的电力产量提供较准确的评估和预测。一个这类预测工具使用两阶段过程，其中先使用数字天气预测服务获取风力预测。然后，使用风力涡轮机和风力田模型创建相应的预测，附带预测时间的函数的产量的统计分布的关联置信区间和/或估计。对于大型风力涡轮机群组来说，以额定功率的百分比来计的典型预测误差为3-5%，而对于单独的风力涡轮机来说，以额定功率的百分比来计的典型预测误差则高达10%。图2中示出这类风力产量预测的图形表示。显示预测34介于由提供置信上限36和置信下限38的百分比误差设置的限制之间。置信界限得自通常提供预计平均值和置信上/下限的风力预测提供方。风力预测提供方一般通过组合来自数字天气预计的信息与关于风力发电厂的物理特征的信息来产生置信界限。

但是，因为现有意外事故分析模块只能处理电力网中单个组件的不相关中断，无法表示以上详细描述的那些干扰。因此，无法以最有利的方式控制具有来自间歇性能源的输入的能量产生系统。

本发明的一个目的是消除或减少上述问题中的至少一个。

发明内容

根据本发明的第一方面，提供一种控制包含至少一个间歇性能源发电厂的发电系统的方法，该方法包括：

计算该至少一个间歇性能源发电厂的实际操作参数；

计算该至少一个间歇性能源发电厂的预测操作参数；

从所述实际操作参数和/或预测操作参数生成间歇性能源意外事故定义；

分析间歇性能源意外事故定义以提供意外事故分析；以及

根据所述意外事故分析控制发电系统。

这种控制发电系统的方法在使用间歇性能源出现发电间歇现象时允许发电系统的更安全运作。

优选地，该方法包括为该至少一个间歇性能源发电厂之外的该发电系统的部分生成其它意外事故定义，并且其中结合间歇性能源意外事故定义对该其它意外事故定义进行分析以提供意外事故分析。

有利地，该至少一个间歇性能源发电厂包括多个间歇性能源发电机，并且其中为预定的间歇性能源发电机组生成相应的间歇性能源意外事故定义。

在一个实施例中，为每个间歇性能源发电机组生成两个间歇性能源意外事故定义。

优选地，计算该至少一个间歇性能源发电厂的实际操作参数包括：

测量该至少一个间歇性能源发电厂的预定数量的参数；以及

使用所述测量的参数和该至少一个间歇性能源发电厂的预定模型来计算实际操作参数。

可根据预定的置信区间生成至少一个间歇性能源意外事故定义。

在另一个实施例中，间歇性能源为风力。

有利地，风力发电厂的操作参数可包括风速和风向。

根据本发明的第二方面，提供一种控制包含至少一个间歇性能源发电厂的发电系统的方法，该方法包括：

计算该至少一个间歇性能源发电厂的操作参数；

从所述操作参数生成间歇性能源意外事故定义；

分析间歇性能源意外事故定义以提供意外事故分析；以及

根据所述意外事故分析控制发电系统。

优选地，操作参数为实际操作参数。

备选地，操作参数为预测操作参数。

在一个实施例中，操作参数为实际操作参数和预测操作参数。

术语“间歇性能源”表示任何天然再生能源，包括但不限于风、波浪或太阳能，由于自然的变化无常，这些能源提供的功率不一致。

附图说明

本发明的这些以及其他方面将从结合附图来看的以下描述中变得明显，附图如下：

图1示出传统能量产生系统的已知意外事故分析模块；

图2示出使用已知预测技术生成的示例风力产量预测；

图3示出本发明可在其中操作的能量产生系统的电力网，它包括风力发电厂。

图4示出根据本发明的第一实施例的能量产生系统的处理系统，以及

图5示出根据本发明的第二实施例的能量产生系统的处理系统。

具体实施方式

参照图3，示出能量产生系统的电力网40，它包括间歇性能源发电厂，在这个示例中为风力田42、44、46、48和50。可以看到，这些风力田的每一个在地理位置上间隔开并且大小与其他风力田的每个不同。

参照图4，示出作为处理系统51的组成部分与图3的电力网40配合使用的间歇性能源意外事故分析模块52。处理系统51包含监控和数据获取系统62，它从电力网40收集测量和状态指示。在这种情况下，收集的信息是来自每个风力田42–50的电力产量测量和每个风力田42–50的风速。然后，此信息传送64a到状态和拓扑估计器66，流向状态估计器66的信息的小子集还传送64b到风力意外事故定义67，该信息的小子集对应于有关风力发电厂的测量。估计器66分析收集的测量和指示并计算出表示实时电力网实际状态的数学模型。模型和状态从估计器66传送68a到意外事故分析引擎70，它是意外事故分析模块52的一组件。模型和状态还传送68b到风力意外事故定义67。这种传送68b不是强制的，并且如果可从监控和数据获取系统62获得足够的测量，则传送68b不必要。但是，传送68b在所有情况下都是有利的，因为由状态估计器66提供的信息可能比仅由监控和数据获取系统62提供的测量更加准确。还向风力意外事故定义67提供有关电力网40中的风力田42-50的位置的地理信息，此信息是在调试与之配合使用的特定电力网时预先编程到系统中的数据配置。风力意外事故定义67使用接收的信息生成表示风的大变化的效果的风力意外事故情况。传送71这些风力意外事故情况M以将其结合到大量(N)可信意外事故的列表72中。列表72还传送74到引擎70。使用从估计器66和列表72接收的数据68a，引擎70基于N个可信意外事故中的每一个的当前网络状态计算严重性指数。这些计算传送76到排序和分类模块78，在排序和分类模块78中根据严重性指数对这些计算进行评级。从所评级的计算中，具有最严重评级的那些评级的计算被整理以构成意外事故的小子集(n)，这个小子集传送80出意外事故分析模块以构成最坏意外事故输出82。

传送68b到模块67的测量信息导致定义新类型的意外事故，这些新类型的意外事故包括：

1.一个风力田(例如风力田42)的能量产量的突然损失或增加，其具有意外事故前产量的固定预设百分比。典型的百分比损失或减少为例如产量的50%。备选地，如果风足够剧烈，可能出现风力田的完全断开连接。

2.一组风力田(例如风力田42、44和46)的能量产量的突然损失或增加，其具有意外事故前产量的固定预设百分比。典型的百分比损失或减少为例如产量的50%。备选地，如果风力田所在的地理区域风足够剧烈，可能出现该组中的全部风力田的完全断开连接。

3.一组风力田(例如风力田42、44和46)处风力的固定量的能量产量的突然损失或增加。产量的变化量在所有单元之间分配，平均分布或由额定容量进行加权。

应用的这些意外事故之一的示例可参数图3和4描述。在应用任何意外事故之前，风力田42、44、46、48和50的产量p为(p ₄₂ ,p ₄₄ ,p ₄₆ ,p ₄₈ ,p ₅₀ )=(1，2，1.2，2，5)。

在包括风力田46、48和50的地理区域发生的气象事件导致风力的突然损失，如以上新意外事故2中详细描述。在这种情况下，假设风力损失具有50%的固定折减系数，因此意外事故后风力田的产量p为(p ₄₂ ,p ₄₄ ,p ₄₆ ,p ₄₈ ,p ₅₀ )=(1，2，0.6，1，2.5)。这相当于电力网中的整体产量下降。

如果在包括风力田46、48和50的地理区域发生的气象事件导致风力的突然增大，如以上新意外事故2中详细描述，并且假设风力损失具有50%的固定增长系数，意外事故后风力田的p为(p ₄₂ ,p ₄₄ ,p ₄₆ ,p ₄₈ ,p ₅₀ )=(1，2，1.8，3，7.5)。这相当于电力网中的整体产量增长。

构成意外事故的其它干扰可类似地基于此基础进行评估以提供意外事故后产量的适当指示。

在本发明的一个优选实施例中，使用从通常提供产量的预期值及关联置信区间的风力预测工具提供的信息以统计学方式将例如图3的电力网中的部分或全部风力发电的风力产量建模。这使电力网的风力发电组件中的多个干扰能够由单个等效意外事故来表示。图5中示出进行此建模的作为处理系统81的组成部分的间歇性能源意外事故分析模块82的图示。处理系统81包含监控和数据获取系统82，它从电力网40收集测量和状态指示。在这种情况下，收集的信息是来自每个风力田42–50的电力产量测量和每个风力田42–50的风速。然后，此信息传送84到状态和拓扑估计器86。流向状态估计器86的信息的小子集还传送84b到风力意外事故定义87，该信息的小子集对应于有关风力发电厂的测量。估计器86分析收集的测量和指示并计算出表示实时电力网实际状态的数学模型。模型和状态从估计器86传送88a到意外事故分析引擎90，它是意外事故分析模块72的一组件。模型和状态还传送88b到风力意外事故定义87。如前所述，这种传送88b不是强制的，并且如果可从监控和数据获取系统82获得足够的测量，则传送88b不必要。但是，传送88b在所有情况下都是有利的，因为由状态估计器86提供的信息可比仅监控和数据获取系统82提供的测量更加准确。还从风力发电预测模块85提供风力意外事故定义87的传送83。风力发电预测模块85通常提供产量的预期值和关联的置信区间。还向风力意外事故定义87提供有关电力网40中的风力田42-50的位置的地理信息。此地理信息来自在调试与之配合使用的特定电力网时预先编程的配置数据。风力意外事故定义87使用接收的信息生成表示风的大变化的效果的风力意外事故情况。传送91这些风力意外事故情况以将其结合到大量(N)可信意外事故的列表92中。列表92还传送94到引擎90。使用从估计器86和列表92接收的数据，引擎90基于N个可信意外事故中的每一个的当前网络状态计算严重性指数。这些计算传送96到排序和分类模块98，在排序和分类模块98中，根据严重性指数对这些计算进行评级。所评级的计算中，具有最严重评级的那些评级的计算被整理以构成意外事故的小子集(n)，这个小子集传送100出意外事故分析模块以构成最坏意外事故输出102。

进一步参照风力发电预测模块85，任何给定发电机单元（在此案例中，每个风力田42–50被视作单个发电机单元i）的预期产量表示为E(p _i )。对于这个预期产量值E(p _i )，关联置信区间表示为CI(p _i )=[α _i,y ,β _i,y ]，其中α _i,y 、β _i,y 分别指下y%的置信限制和上y%的置信限制。置信限制得自通常提供预计平均值和置信上/下限的风力预测提供方。风力预测提供方一般通过组合来自数字天气预计的信息与关于风力田(在此案例中为风力田42–50)的物理特征的信息来产生置信限制。在这个示例中，在计算置信区间时预测模块85假设正态分布，可使用以下算式来估计预测误差的基础标准偏差：

其中，为逆误差函数。

对于通过集合描述的风力发电单元组，这个单元组的总产量表示为：

并且使用中心极限定理，预期产量值的和表示为：

其具有关联的标准偏差

。

发现表明，预测时间范围越短且风力田之间的地理距离越远，各个误差之间就越不相关。对于意外事故预测，数十分钟的时间范围受关注并且在此之内，误差显示出极小的相关性。因此，假设集合中的发电预测中的各个误差不相关，则随着集合成员的增加，总和的统计分布将达到正态分布。在总和的统计分布达到正态分布时，可使用以下算式计算新的、计算出的置信水平y%的区间：

。

区域总和预测的这个计算的置信区间在意外事故定义中使用以生成动态置信限制，从而取代上述风力发电意外事故的固定置信限制。

一旦为特定发电机组的总产量确定置信区间，可生成一些意外事故，如下所示：

1.能量产量的突然损失或增加，其具有如预测提供方预测的一定量的电力以及在一个风力田(例如风力田42)具有意外事故前产量的某个置信区间。

2.能量产量的突然损失或增加，其具有如预测提供方预测的一定量的电力以及在一组风力田(例如风力田42、44和46)具有意外事故前产量的某个置信区间。

3.能量产量的突然损失或增加，其具有如预测提供方预测的一定量的电力以及在一组风力田(例如风力田42、44和46)具有某个置信区间。产量的变化量在所有单元之间分配，平均分布或由额定容量进行加权。

通常，对于意外事故生成，可使用80%或90%的置信区间来生成通过风变化而损失或得到的电力量。置信区间的这些限制基于电力系统操作所需的安全等级来选择。例如，95%的置信区间表示操作人员有95%的把握发电将处于给定置信限制内。这种方法的优点在于，对于每组风力发电单元只需要生成两个意外事故，这导致意外事故分析的高效处理和快速响应。

如果考虑这个过程，参照图3和5并且在包括风力田46、48和50的地理区域发生的气象事件导致风力的突然损失，如以上新意外事故2中详细描述。在这种情况下，假设风力损失具有50%的固定折减系数，因此意外事故后风力田的预期产量Ep为E(p ₄₂ ,p ₄₄ ,p ₄₆ ,p ₄₈ ,p ₅₀ )=(1,2,0.6,1,2.5)。如果这个预期产量与关联的下和上置信区间一起考虑，总产量的预期值可计算为

,

。

此外它得出99%的置信区间

。

作为此分析的最终输出，生成两个意外事故，其中该组中的风力单元的总发电已修改为低至6.5及高至7.7。

通过使用总预测的预测误差往往小于其各个组件的误差之和的原理，基于为该组计算的置信区间，预测较不保守但仍是现实的意外事故案例。

在本发明的另一个实施例中，通过对从预测系统85提供的置信区间信息估计的分布进行随机取样，为各个风力发电机或风力发电机组生成大量可信意外事故，如图5中所示。然后，这些意外事故的每一个被定义为紧急意外事故并随后单独加以分析。作为示例，假定平均值E(p ₄₂ )及关联的90%(y%)置信区间并假设正态分布，产量的标准偏差可使用以下算式估计：

。

之后，可生成许多情况，可通过从正态分布随机取样生成风力发电单元的不同产量。例如，如果生成5种情况，我们会得到值(0.8525，0.8396，1.1132，1.0014，0.9216)。对于每种情况生成意外事故，其中风力田将其产量更改为从正态分布提取的值。

这种在意外事故分析中处理风力产量的不确定性的技术效率比上述实施例低，因为每个紧急意外事故的单独分析可能有计算困难，因为需要生成大量风相关的意外事故。

在本发明的又一个实施例中，处理系统是预计系统，其中不仅基于当前操作条件的模型进行意外事故评估，还结合基于预测的操作条件的意外事故评估。这类预测的操作条件可通过状态评估、网络切换计划和单元调度计划的考虑以及未来负载的预测的组合来获得。

可对本文前面所述的实施例进行许多修改，而没有背离本发明的范围。所述示例详细说明了对一组风力田单元46、48和50起作用的气象效应，但可以清楚理解，可考虑风力田单元的任何群组或组合。在给定示例中，预测模块83在计算置信区间时假设正态分布，但可以理解，如果预测模块83使用正态之外的分布以便为各个单元生成置信区间，将相应地修改计算预测误差的标准偏差的等式。例如，能量产生系统已在图5中详细描述为具有风力发电预测模块。但是，在风力预测系统不可用的情况下，可通过在从监控和数据获取系统82的传送84中提供的风力发电的测量的时序或通过从状态和拓扑估计器86传送88的测量的估计来估计风力发电的统计分布及其参数。此外，虽然参照风力描述本发明，但可以清楚理解，它适用于任何类似间歇性能源，包括但不限于太阳能和波浪能。

Claims (12)

1.一种控制包含至少一个间歇性能源发电厂(42、44、46、48、50)的发电系统的方法，所述方法包括：

计算所述至少一个间歇性能源发电厂(42、44、46、48、50)的操作参数；

从所述操作参数生成间歇性能源意外事故定义；

分析所述间歇性能源意外事故定义以提供意外事故分析；以及

根据所述意外事故分析控制所述发电系统。

2.如权利要求1所述的方法，其中，所述操作参数为实际操作参数。

3.如权利要求1所述的方法，其中，所述操作参数为预测操作参数。

4.如权利要求1所述的方法，其中，所述操作参数为实际操作参数和预测操作参数。

5.如权利要求1至4中的任一项所述的方法，其中，所述方法还包括为所述至少一个间歇性能源发电厂(42、44、46、48、50)之外的所述发电系统的部分生成另外的意外事故定义，并且其中结合所述间歇性能源意外事故定义对所述另外的意外事故定义进行分析以提供意外事故分析。

6.如权利要求1至4中的任一项所述的方法，其中，所述至少一个间歇性能源发电厂(42、44、46、48、50)包括多个间歇性能源发电机(67)，并且其中为预定的间歇性能源发电机(67)群组生成相应的间歇性能源意外事故定义。

7.如权利要求6所述的方法，其中，为每个间歇性能源发电机(67)群组生成两个间歇性能源意外事故定义。

8.如权利要求1至4中的任一项所述的方法，其中，计算所述至少一个间歇性能源发电厂(42、44、46、48、50)的实际操作参数包括：

测量所述至少一个间歇性能源发电厂(42、44、46、48、50)的预定数量的参数；以及

使用所述测量的参数和所述至少一个间歇性能源发电厂(42、44、46、48、50)的预定模型来计算实际操作参数。

9.如权利要求1至4中的任一项所述的方法，其中，能根据预定的置信区间生成至少一个间歇性能源意外事故定义。

10.如权利要求1至4中的任一项所述的方法，其中，能根据基于所述至少一个间歇性能源发电厂(42、44、46、48、50)的电力产量预测生成的置信区间生成至少一个间歇性能源意外事故定义。

11.如权利要求1至4中的任一项所述的方法，其中，所述间歇性能源是风力。

12.如权利要求11所述的方法，其中，所述风力发电厂的操作参数包括风速和风向。