CN109245150A - 一种用于风电集群的功率分配方法及系统 - Google Patents
一种用于风电集群的功率分配方法及系统 Download PDFInfo
- Publication number
- CN109245150A CN109245150A CN201810971112.XA CN201810971112A CN109245150A CN 109245150 A CN109245150 A CN 109245150A CN 201810971112 A CN201810971112 A CN 201810971112A CN 109245150 A CN109245150 A CN 109245150A
- Authority
- CN
- China
- Prior art keywords
- wind
- wind power
- layer
- power output
- power plant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 182
- 238000009826 distribution Methods 0.000 title claims abstract description 79
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000005457 optimization Methods 0.000 claims description 32
- 230000005540 biological transmission Effects 0.000 claims description 26
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 230000002068 genetic effect Effects 0.000 claims description 12
- 230000001105 regulatory effect Effects 0.000 claims description 10
- 230000005684 electric field Effects 0.000 claims description 6
- 206010008190 Cerebrovascular accident Diseases 0.000 claims description 5
- 208000006011 Stroke Diseases 0.000 claims description 5
- 230000001276 controlling effect Effects 0.000 claims description 4
- 230000029087 digestion Effects 0.000 abstract description 8
- 230000006870 function Effects 0.000 description 44
- 238000004590 computer program Methods 0.000 description 7
- 238000011217 control strategy Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000035699 permeability Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
Classifications
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/48—Controlling the sharing of the in-phase component
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Abstract
本发明提供了一种用于风电集群的功率分配方法及系统。其包括：基于电网级调度指令，利用预先制定的有功协调分配策略，确定风电场集群层的风电最优出力；基于风电场集群层的风电最优出力，利用预先制定的有功协调分配策略，确定子场层的风电最优出力；基于子场层的风电最优出力，控制机组层中风机控制终端的运行。本发明的有功出力分层递阶分配方法，结合大系统的分层递阶思想，在风电集群层次考虑同一区域内不同风电场之间的协调配合，进一步实现了系统网损相对最小化的同时提高风电消纳能力。
Description
技术领域
本发明涉及电力系统技术领域，具体涉及一种用于风电集群的功率分配方法及系统。
背景技术
随着风电及风电基地建设的快速发展，风电渗透率逐年增加，但与此同时高渗透率下的弃风限电情况也较为常见。各风电场间及风电场内部由于无法有效地结合当前调度指令制定可行的协调配合策略，而成为了制约当前风电消纳的主要因素之一。
实际上，风电集群占地面积较大，并且由于地理位置以及气候条件等诸多原因，会导致风电集群内不同位置的风电场和风电机组出力差异较大。并且由于风资源分布特性往往远离负荷中心，就地消纳难成为限制风电发展的一个重要原因。
如何充分利用风电集群限出力条件下的“弃风”资源，保证在风电集群层次考虑同一区域内不同风电场之间的协调配合，并考虑系统网损相对最小化的同时提高风电消纳能力，进一步提升风电集群自身调节能力，依然是当前亟待解决的问题。
发明内容
为了克服上述现有技术的不足，本发明提供一种用于风电集群的功率分配方法及系统。
一种用于风电集群的功率分配方法，其包括：基于电网级调度指令，利用预先制定的有功协调分配策略，确定风电场集群层的风电最优出力；基于所述风电场集群层的风电最优出力，利用所述预先制定的有功协调分配策略，确定子场层的风电最优出力；基于所述子场层的风电最优出力，控制机组层中风机控制终端的运行。
利用预先制定的有功协调分配策略，确定风电场集群层的风电最优出力，包括：基于风电场集群层的风电出力种群，利用遗传算法，计算风电场集群层的风电出力种群的适应度，得到风电场集群层的风电出力计划；基于所述风电场集群层的风电出力计划，对所述风电场集群层的风电出力种群进行迭代计算，得到所述风电场集群层的最优子代风电出力种群；基于所述风电场集群层的最优子代风电出力种群，解码输出所述风电场集群层的风电最优出力。
基于风电场集群层的风电出力种群，利用遗传算法，计算风电场集群层的风电出力种群的适应度，得到风电场集群层的风电出力计划，包括：获取风电场集群层的种群数据，得到风电场集群层的风电调节裕度；在所述风电调节裕度内调节风电出力，得到所述风电场集群层的风电出力种群；基于所述电网级调度指令，利用所述风电场集群层的适应度函数，计算所述风电场集群层的风电出力种群的适应度,得到所述风电场集群层的风电出力计划；所述风电场集群层的种群数据包括：风电场集群层中各风电场的输出功率预测值及总的风电调度值。
风电场集群层的适应度函数由所述风电场集群层的有功出力优化分配目标函数的倒数乘以适应度系数得到；其中，所述风电场集群层的有功出力优化分配目标函数，如下所示：
式中：γ1和γ2分别为风电出力计划种群网损的权重系数和有功分配的权重系数；为风电出力计划种群网损；为第i个风电场的有功分配值；Pdem为电网级调度指令值；n为所述风电场集群层中风电场的个数。
风电场集群层的有功出力优化分配目标函数，还包括如下约束条件：
线路传输容量的约束条件：
式中：和分别为线路L的正向最大传输功率和反向最大传输功率；PLt为线路L在t时段的传输功率；
风电场调节容量的约束条件如下所示：
式中：d％为风电集群层中风电场能够达到的降出力控制比例；为第i个风电集群层中风电场的预测出力；
风电场实时功率的约束条件如下所示：
式中：为第i个所述风电场的装机容量。
利用预先制定的有功协调分配策略，确定子场层的风电最优出力，包括：获取子场层的种群数据，得到子场层的风电调节裕度；在所述风电调节裕度内调节风电出力，得到所述子场层的风电出力种群；基于所述电网级调度指令，利用所述子场层的适应度函数，计算所述子场层的风电出力种群的适应度,得到所述子场层的风电出力计划；基于所述子场层的风电出力计划，确定所述子场层的风电最优出力；所述子场层的种群数据包括：所述子场层中各风电场的输出功率预测值及总的风电调度值。
优选的，基于所述风电出力计划，确定所述子场层的风电最优出力，包括：基于所述子场层的风电出力计划，对所述子场层的风电出力种群进行迭代计算，得到所述子场层的最优子代风电出力种群；基于所述子场层的最优子代风电出力种群，解码输出所述子场层的风电最优出力；
子场层的适应度函数由所述子场层的有功出力优化分配目标函数的倒数乘以适应度系数得到；
其中，所述子场层的有功出力优化分配目标函数，如下所示：
式中：λ1和λ2分别为风机线路有功损耗的权重系数和有功分配的权重系数；为所述第j台风机线路的有功损耗；为第j个风电机组的有功分配值；为所述风电场集群层的风电最优出力值；m为风电场机组的个数。
子场层的有功出力优化分配目标函数，还包括如下约束条件：
避免机组频繁启停的约束条件：：
(αj+1,i-αj,i)(tij-Ta)≥0；
(αj,i-αj+1,i)(τij-Tb)≥0；
式中：αj+1,i和αj,i为0-1变量，0为停机，1为开机，α；Ta为最小开机时间；Tb为最小停机时间；tij为第i台机组j时刻之前最近一次vin<v<vout时开始计时，到j时刻之后最近一次v<vin或v>vout时刻的时间，即连续开机时间；τij为第i台机组j时刻之前最近一次v<vin或v>vout时开始计时，到j时刻的时间，即连续停机时间；
机组调节容量的约束条件：
式中：d％为风电机组能够达到的降出力控制比例；为第i个风电机组的预测出力；
机组实时功率的约束条件：
式中：为机组i的额定容量。
一种用于风电集群的功率分配系统，其包括：风电场集群层模块，用于基于电网级调度指令，利用预先制定的有功协调分配策略，确定风电场集群层的风电最优出力；子场层模块，用于基于所述风电场集群层的风电最优出力，利用所述预先制定的有功协调分配策略，确定子场层的风电最优出力；控制运行模块，用于基于所述子场层的风电最优出力，控制机组层中风机控制终端的运行。
风电场集群层模块，包括：风电场集群层的风电出力计划子模块、风电场集群层的风电最优出力子模块和解码输出子模块；所述风电场集群层的风电出力计划子模块，用于基于风电场集群层的风电出力种群，利用遗传算法，计算风电场集群层的风电出力种群的适应度，得到风电场集群层的风电出力计划；所述风电场集群层的风电最优出力子模块，用于基于所述风电场集群层的风电出力计划对所述风电场集群层的风电出力种群进行迭代计算，得到所述风电场集群层的最优子代风电出力种群；所述解码输出子模块，用于基于所述风电场集群层的最优子代风电出力种群，解码输出所述风电场集群层的风电最优出力。
风电场集群层的风电出力计划子模块，包括：第一风电调节裕度单元、第一风电出力种群单元及第一风电出力计划得到单元；所述第一风电调节裕度单元，用于获取种群数据，得到风电场集群层的风电调节裕度；所述第一风电出力种群单元，用于在所述风电调节裕度内调节风电出力，得到所述风电出力种群；所述第一风电出力计划得到单元，用于基于所述电网级调度指令，利用所述风电场集群层或所述子场层的适应度函数，计算所述风电出力种群的适应度,得到所述风电出力计划；所述风电场集群层的种群数据包括：风电场集群层中各风电场的输出功率预测值及总的风电调度值。
所述风电场集群层的适应度函数由所述风电场集群层的有功出力优化分配目标函数的倒数乘以适应度系数确定；其中，所述风电场集群层的有功出力优化分配目标函数，如下所示：
式中：γ1和γ2分别为风电出力计划种群网损的权重系数和有功分配的权重系数；为风电出力计划种群网损；为第i个风电场的有功分配值；Pdem为电网级调度指令值；n为所述风电场集群层中风电场的个数。
风电场集群层的有功出力优化分配目标函数，还包括如下约束条件：
线路传输容量的约束条件：
式中：和分别为线路L的正向最大传输功率和反向最大传输功率；PLt为线路L在t时段的传输功率；
风电场调节容量的约束条件如下所示：
式中：d％为风电集群层中风电场能够达到的降出力控制比例；为第i个风电集群层中风电场的预测出力；
风电场实时功率的约束条件如下所示：
式中：为第i个所述风电场的装机容量。
子场层模块，包括：第二风电调节裕度子模块、第二风电出力种群子模块、第二风电出力计划得到子模块及子场层风电最优出力子模块；
所述第二风电调节裕度单元，用于获取子场层的种群数据，得到子场层的风电调节裕度；
所述第二风电出力种群单元，用于在所述风电调节裕度内调节风电出力，得到所述子场层的风电出力种群；
所述第二风电出力计划得到单元，用于基于所述电网级调度指令，利用所述子场层的适应度函数，计算所述子场层的风电出力种群的适应度,得到所述子场层的风电出力计划；
所述子场层风电最优出力子模块，用于基于所述子场层的风电出力计划，确定所述子场层的风电最优出力；
所述子场层的种群数据包括：所述子场层中各风电场的输出功率预测值及总的风电调度值。
优选的，所述子场层的风电最优出力子模块，包括：子场层的最优子代风电出力种群单元和子场层的风电最优出力单元；最优子代风电出力种群单元，用于基于子场层的风电出力计划，对子场层的风电出力种群进行迭代计算，得到子场层的最优子代风电出力种群；风电最优出力单元，用于基于子场层的最优子代风电出力种群，解码输出子场层的风电最优出力。
子场层的适应度函数由所述子场层的有功出力优化分配目标函数的倒数乘以适应度系数得到；
所述子场层的有功出力优化分配目标函数，如下所示：
式中：λ1和λ2分别为风机线路有功损耗的权重系数和有功分配的权重系数；为所述第j台风机线路的有功损耗；为第j个风电机组的有功分配值；为所述风电场集群层的风电最优出力值；m为风电场机组的个数。
子场层的有功出力优化分配目标函数，还包括如下约束条件：
避免机组频繁启停的约束条件：：
(αj+1,i-αj,i)(tij-Ta)≥0；
(αj,i-αj+1,i)(τij-Tb)≥0；
式中：αj+1,i和αj,i为0-1变量，0为停机，1为开机，α；Ta为最小开机时间；Tb为最小停机时间；tij为第i台机组j时刻之前最近一次vin<v<vout时开始计时，到j时刻之后最近一次v<vin或v>vout时刻的时间，即连续开机时间；τij为第i台机组j时刻之前最近一次v<vin或v>vout时开始计时，到j时刻的时间，即连续停机时间；
机组调节容量的约束条件：
式中：d％为风电机组能够达到的降出力控制比例；为第i个风电机组的预测出力；
机组实时功率的约束条件：
式中：为机组i的额定容量。
与最接近的现有技术相比，本发明提供的技术方案具有以下有益效果：
1、本发明结合大系统的分层递阶思想，即利用风电场集群层、子场层和控制机组层分层递进的方法，在风电集群层次考虑同一区域内不同风电场之间的协调配合，进一步实现了系统网损相对最小化的同时提高风电消纳能力；
2、本发明提出的控制策略通过优化目标函数协调各风电场有功出力，改变系统潮流分布，在既有调度指令的基础上，使得系统网损降低提升运行经济性的同时，还能够达到提高风电消纳能力的效果；
3、本发明以改进后的遗传算法为基础进行模型求解，在风电集群层达到在减少系统网损的同时，提高风电消纳能力的目的。在机组层达到了在提升调度精度的同时减少机组启停频度的目的；
4、本发明基于风电场发电能力的时变特性，加强风电集群内部的协调配合，保证电网的安全稳定运行，最大限度的减少“弃风”，进而制定可行的风电集群有功出力分层递阶分配方法，有效提高了风电消纳能力并降低了风电运行的经济性。
附图说明
图1为本发明的方法流程图；
图2为本发明风电分层递阶分配基本框架；
图3为本发明遗传算法流程图；
图4为本发明个体适应度求解流程图；
图5为本发明实施例一中某风电场某一时刻风速分布图；
图6为本发明IEEE30节点系统图；
图7为本发明子场层级有功消纳。
具体实施方式
下面结合说明书附图对本发明的技术方案做进一步详细说明。
如图2所示，本发明提出的高渗透率联网风电集群有功出力分层递阶分配方法包括：构建图3所示的有功调节框架，制定协调控制算法，研究提出高渗透率联网风电集群限出力条件下的有功分层递阶控制策略，控制策略分为上下两层，其中的上层控制，如图4和图5所示风电集群层有功分配方法的求解过程，下层的控制即子场层有功分配方法的求解过程与其思路相同，即以网损最小和风电消纳最大化为目标，综合考虑网络传输容量以及风电场调节容量等约束，确定各层级有功分配值，最后通过图6所示的IEEE30节点系统以及图7所示的东北某风电场实测数据进行算例分析得到子场层级有功消纳效果。
本发明的方法具体包括如下步骤：如图2所示，风电分层递阶分配策略的基本框架，利用有功调节框架制定协调控制算法，控制策略分为上下两层的优化分配方法包括：
1)风电场有功出力优化分配方法
由于传统控制策略未将系统网损对调度精度的影响考虑在内，因此本层级调控模型在系统既有调度指令的基础上，将系统网损考虑在内。为使电网能够安全稳定运行，避免传输过程出现容量越限问题，故导入的风电场群中各个风电场的输出功率预测值，以及总的风电调度值，并将系统线路传输容量、风电场调节容量以及风电场实时功率作为约束条件进行协调分配。
风电集群层有功分配方法的求解过程，优化目标函数对应的是上层控制，即风电集群层，得到风电集群层的最优风电出力计划。
通过协调各风电场从不同节点接入系统的出力分配，在减小系统网损的同时，达到提高集群级风能的利用率和提高调度精度的目的。
风电集群层次有功出力优化分配的目标函数为：
式中：FWF为风电出力计划种群(集群层)的目标函数；γ1和γ2分别为系统网损的权重系数和风电出力计划种群(集群层)有功分配的权重系数；为系统网损；为第i个风电场的有功分配值；Pdem为系统调度指令；n为风电场的个数。
其约束条件：
①线路传输容量约束
式中：和分别为线路L的正向最大传输功率和反向最大传输功率；PLt为线路L在t时段的传输功率；
②风电场调节容量约束
式中：d％为风电场能够达到的降出力控制比例；为第i个风电场的预测出力；
③风电场实时功率约束
式中：为风电场i的装机容量。
图3中满足传输容量的风电调节裕度计算方法为：计算线路传输容量与传统火电机组上网后各支路有功功率之差，进而得到满足线路传输容量的风电上网量，进而得到风电调节裕度。
风电出力种群的适应度是求解优化变量的一种度量，为了得到较好的搜索性能，将目标函数的倒数乘以系数A即得到适应度函数，其中A＝106。
2)风电场机组有功出力优化分配方法
由于传统控制策略未将风电场内部损耗对调度精度的影响考虑在内，因此本层级调控模型在上层有功分配指令的基础上，将风电场内部有功损耗考虑在内，并且由于机组调节容量作为AGC机组调度控制的重要衡量指标之一，在限风条件下机组的适当减载可为调度提供系统的频率支持，故将最小开机停机时间、机组调节容量以及机组实时功率作为约束条件进行协调分配。通过协调同一风电场内部各个机组的出力分配，达到提高风电场内部风能利用率和提高调度精度的目的。
如图4所示，由于风电出力种群变异初期具有随机性，在系统层次极有可能出现线路传输容量越限的风险，且风电调节容量上下限约束具有时变性，风电出力一定会出现个体无法满足约束的情况，因此，在风电集群层有功分配方法的求解过程中利用在遗传算法，需要根据相应约束条件调整个体出力，确定协调风电场机组的最优出力，调整适应度形成子代风电出力种群并返回适应度，及时修改风电出力。
由上所述，风电场机组有功出力优化分配的目标函数为：
式中：λ1和λ2分别为风机线路有功损耗的权重系数和子场层有功分配的权重系数；为第i台风机线路有功损耗；FWT为子场层目标函数；为第i个风电机组的有功分配值；为风电场调度指令；n为风电场机组的个数。
其约束条件：
①避免机组频繁启停约束
(αj+1,i-αj,i)(tij-Ta)≥0 (6)
(αj,i-αj+1,i)(τij-Tb)≥0 (7)
式中：αj+1,i和αj,i为0-1变量，0为停机，1为开机，α；Ta为最小开机时间；Tb为最小停机时间；tij为第i台机组j时刻之前最近一次vin<v<vout时开始计时，到j时刻之后最近一次v<vin或v>vout时刻的时间，即连续开机时间；τij为第i台机组j时刻之前最近一次v<vin或v>vout时开始计时，到j时刻的时间，即连续停机时间；
②机组调节容量约束
式中：d％为风电机组能够达到的降出力控制比例；为第i个风电机组的预测出力；
③机组实时功率约束
式中：为机组i的额定容量。
在风电场层次，考虑同一风电场内不同风速下的机组间的协调配合，计及线路有功损耗对调度精度的影响，应用风电超短期功率预测，将风电机组以每15分钟为一个调度周期进行协调控制；在单机控制层通过风机变桨来调节单台机组出力，并且可以达到防止风机失速的目的。
在求解适应度的过程中，依次进行选择、交叉、变异，三个步骤，在总群中随机选取90％的个体，先进行交叉，其中交叉概率为选择个体的80％，再进行变异步骤，其中变异概率为选择个体的25％。
根据运算可知，当迭代次数300次以内，迭代肯定会收敛，因此，终止条件由子代种群替换父代种群的次数，即迭代次数选取300次。
实施例一：
如图5所示，本实施例分析了同一时刻不同位置的风速分布，并采用风电分层递阶分配策略基本框架。
在遗传算法中，由于风电出力种群变异初期具有随机性，在系统层次极有可能出现线路传输容量越限的风险，且风电调节容量上下限约束具有时变性，风电出力一定会出现个体无法满足约束的情况，因此需要根据相应约束条件调整个体出力，确定协调最优出力并返回适应度，及时修改风电出力。将风电出力进行编码，利用适应度函数在群体内的全局搜索能力，通过选择、交叉、变异、解码等一系列过程得到优化结果。
以图6所示的IEEE30节点系统进行算例测试，算例系统包含6个火电厂，将其中节点2和5的两个火电厂替换为装机容量相当的两个风电场，并在节点16和20加入两个风电场，其中，集群层目标函数权重系数设为γ1＝0.3、γ2＝0.7，考虑机组减载能力取d％＝40％，将4小时分为16个调度时段，其中1至3时段风电调度指令均为75MW，4至7时段风电调度指令均为90MW，8至16时段风电调度指令均为100MW。
如表1所示，在4小时内风电功率消纳增加了5.71％，即减少弃风量为21.21MWh，经过近似计算风电环境效益为4878.3元，与此同时在4小时内使系统网损降低了4.94％，即通过降低网损减少了1.1MWh的电量损耗。
表1两种分配方式下的风电集群控制效果
从表2中机组启停动作台数可得，通过与传统切机策略相较，本发明控制策略加入的机组启停约束使得机组在仅4个小时内就减少启停82次，达到了良好的控制效果，达到了优化场内运行的效果。
如图7所示三种方式的子场分配效果图，子场层以上层算例中的风电场W1为例，并采用装机容量相当的东北某实际风电场历史运行数据模拟W1风电场的运行情况，进行算例分析。该风电场由58台装机容量为850kW的双馈风电机组组成，分为A、B、C、D、E、F、G六排，通过馈线与一台11/66kV升压变相连。遗传算法中权重系数设为λ1＝0.2和λ2＝0.8，为避免频繁起停，令Ta＝Tb＝30min，考虑风电机组减载能力取d％＝40％，在上层调度指令的基础上进行风电场内的有功分配。
表2各个时刻W1风电场机组启停次数
基于同一发明构思，本发明还提供了一种用于风电集群的功率分配系统，下面进行说明。
本发明提供的系统包括：风电场集群层模块，用于基于电网级调度指令，利用预先制定的有功协调分配策略，确定风电场集群层的风电最优出力；子场层模块，用于基于所述风电场集群层的风电最优出力，利用所述预先制定的有功协调分配策略，确定子场层的风电最优出力；控制运行模块，用于基于所述子场层的风电最优出力，控制机组层中风机控制终端的运行。
风电场集群层模块，包括：风电场集群层的风电出力计划子模块、风电场集群层的风电最优出力子模块和解码输出子模块；所述风电场集群层的风电出力计划子模块，用于基于风电场集群层的风电出力种群，利用遗传算法，计算风电场集群层的风电出力种群的适应度，得到风电场集群层的风电出力计划；所述风电场集群层的风电最优出力子模块，用于基于所述风电场集群层的风电出力计划对所述风电场集群层的风电出力种群进行迭代计算，得到所述风电场集群层的最优子代风电出力种群；所述解码输出子模块，用于基于所述风电场集群层的最优子代风电出力种群，解码输出所述风电场集群层的风电最优出力。
风电场集群层的风电出力计划子模块，包括：第一风电调节裕度单元、第一风电出力种群单元及第一风电出力计划得到单元；所述第一风电调节裕度单元，用于获取种群数据，得到风电场集群层的风电调节裕度；所述第一风电出力种群单元，用于在所述风电调节裕度内调节风电出力，得到所述风电出力种群；所述第一风电出力计划得到单元，用于基于所述电网级调度指令，利用所述风电场集群层或所述子场层的适应度函数，计算所述风电出力种群的适应度,得到所述风电出力计划；所述风电场集群层的种群数据包括：风电场集群层中各风电场的输出功率预测值及总的风电调度值。
所述风电场集群层的适应度函数由所述风电场集群层的有功出力优化分配目标函数的倒数乘以适应度系数确定；其中，所述风电场集群层的有功出力优化分配目标函数，如下所示：
式中：γ1和γ2分别为风电出力计划种群网损的权重系数和有功分配的权重系数；为风电出力计划种群网损；为第i个风电场的有功分配值；Pdem为电网级调度指令值；n为所述风电场集群层中风电场的个数。
风电场集群层的有功出力优化分配目标函数，还包括如下约束条件：
线路传输容量的约束条件：
式中：和分别为线路L的正向最大传输功率和反向最大传输功率；PLt为线路L在t时段的传输功率；
风电场调节容量的约束条件如下所示：
式中：d％为风电集群层中风电场能够达到的降出力控制比例；为第i个风电集群层中风电场的预测出力；
风电场实时功率的约束条件如下所示：
式中：为第i个所述风电场的装机容量。
子场层模块，包括：第二风电调节裕度子模块、第二风电出力种群子模块、第二风电出力计划得到子模块及子场层风电最优出力子模块；
所述第二风电调节裕度单元，用于获取子场层的种群数据，得到子场层的风电调节裕度；
所述第二风电出力种群单元，用于在所述风电调节裕度内调节风电出力，得到所述子场层的风电出力种群；
所述第二风电出力计划得到单元，用于基于所述电网级调度指令，利用所述子场层的适应度函数，计算所述子场层的风电出力种群的适应度,得到所述子场层的风电出力计划；
所述子场层风电最优出力子模块，用于基于所述子场层的风电出力计划，确定所述子场层的风电最优出力；
所述子场层的种群数据包括：所述子场层中各风电场的输出功率预测值及总的风电调度值。
优选的，所述子场层的风电最优出力子模块，包括：子场层的最优子代风电出力种群单元和子场层的风电最优出力单元；最优子代风电出力种群单元，用于基于子场层的风电出力计划，对子场层的风电出力种群进行迭代计算，得到子场层的最优子代风电出力种群；风电最优出力单元，用于基于子场层的最优子代风电出力种群，解码输出子场层的风电最优出力。
子场层的适应度函数由所述子场层的有功出力优化分配目标函数的倒数乘以适应度系数得到；
所述子场层的有功出力优化分配目标函数，如下所示：
式中：λ1和λ2分别为风机线路有功损耗的权重系数和有功分配的权重系数；为所述第j台风机线路的有功损耗；为第j个风电机组的有功分配值；为所述风电场集群层的风电最优出力值；m为风电场机组的个数。
子场层的有功出力优化分配目标函数，还包括如下约束条件：
避免机组频繁启停的约束条件：：
(αj+1,i-αj,i)(tij-Ta)≥0 ；
(αj,i-αj+1,i)(τij-Tb)≥0；
式中：αj+1,i和αj,i为0-1变量，0为停机，1为开机，α；Ta为最小开机时间；Tb为最小停机时间；tij为第i台机组j时刻之前最近一次vin<v<vout时开始计时，到j时刻之后最近一次v<vin或v>vout时刻的时间，即连续开机时间；τij为第i台机组j时刻之前最近一次v<vin或v>vout时开始计时，到j时刻的时间，即连续停机时间；
机组调节容量的约束条件：
式中：d％为风电机组能够达到的降出力控制比例；为第i个风电机组的预测出力；
机组实时功率的约束条件：
式中：为机组i的额定容量。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。
Claims (16)
1.一种用于风电集群的功率分配方法，其特征在于，包括：
基于电网级调度指令，利用预先制定的有功协调分配策略，确定风电场集群层的风电最优出力；
基于所述风电场集群层的风电最优出力，利用所述预先制定的有功协调分配策略，确定子场层的风电最优出力；
基于所述子场层的风电最优出力，控制机组层中风机控制终端的运行。
2.根据权利要求1所述的功率分配方法,其特征在于，所述利用预先制定的有功协调分配策略，确定风电场集群层的风电最优出力，包括：
基于风电场集群层的风电出力种群，利用遗传算法，计算风电场集群层的风电出力种群的适应度，得到风电场集群层的风电出力计划；
基于所述风电场集群层的风电出力计划，对所述风电场集群层的风电出力种群进行迭代计算，得到所述风电场集群层的最优子代风电出力种群；
基于所述风电场集群层的最优子代风电出力种群，解码输出所述风电场集群层的风电最优出力。
3.根据权利要求2所述的功率分配方法,其特征在于，所述基于风电场集群层的风电出力种群，利用遗传算法，计算风电场集群层的风电出力种群的适应度，得到风电场集群层的风电出力计划，包括：
获取风电场集群层的种群数据，得到风电场集群层的风电调节裕度；
在所述风电调节裕度内调节风电出力，得到所述风电场集群层的风电出力种群；
基于所述电网级调度指令，利用所述风电场集群层的适应度函数，计算所述风电场集群层的风电出力种群的适应度,得到所述风电场集群层的风电出力计划；
所述风电场集群层的种群数据包括：风电场集群层中各风电场的输出功率预测值及总的风电调度值。
4.根据权利要求3所述的功率分配方法,其特征在于，所述风电场集群层的适应度函数由所述风电场集群层的有功出力优化分配目标函数的倒数乘以适应度系数得到；
其中，所述风电场集群层的有功出力优化分配目标函数，如下所示：
式中：γ1和γ2分别为风电出力计划种群网损的权重系数和有功分配的权重系数；为风电出力计划种群网损；为第i个风电场的有功分配值；Pdem为电网级调度指令值；n为所述风电场集群层中风电场的个数。
5.根据权利要求4所述的功率分配方法,其特征在于，所述风电场集群层的有功出力优化分配目标函数，还包括如下约束条件：
线路传输容量的约束条件：
式中：和分别为线路L的正向最大传输功率和反向最大传输功率；PLt为线路L在t时段的传输功率；
风电场调节容量的约束条件如下所示：
式中：d％为风电集群层中风电场能够达到的降出力控制比例；为第i个风电集群层中风电场的预测出力；
风电场实时功率的约束条件如下所示：
式中：为第i个所述风电场的装机容量。
6.根据权利要求1所述的功率分配方法,其特征在于，所述利用预先制定的有功协调分配策略，确定子场层的风电最优出力，包括：
获取子场层的种群数据，得到子场层的风电调节裕度；
在所述风电调节裕度内调节风电出力，得到所述子场层的风电出力种群；
基于所述电网级调度指令，利用所述子场层的适应度函数，计算所述子场层的风电出力种群的适应度,得到所述子场层的风电出力计划；
基于所述子场层的风电出力计划，确定所述子场层的风电最优出力；
所述子场层的种群数据包括：所述子场层中各风电场的输出功率预测值及总的风电调度值。
7.根据权利要求6所述的功率分配方法,其特征在于，所述子场层的适应度函数由所述子场层的有功出力优化分配目标函数的倒数乘以适应度系数得到；
其中，所述子场层的有功出力优化分配目标函数，如下所示：
式中：λ1和λ2分别为风机线路有功损耗的权重系数和有功分配的权重系数；为所述第j台风机线路的有功损耗；为第j个风电机组的有功分配值；为所述风电场集群层的风电最优出力值；m为风电场机组的个数。
8.根据权利要求7所述的功率分配方法,其特征在于，所述子场层的有功出力优化分配目标函数，还包括如下约束条件：
避免机组频繁启停的约束条件：
(αj+1,i-αj,i)(tij-Ta)≥0；
(αj,i-αj+1,i)(τij-Tb)≥0；
式中：αj+1,i和αj,i为0-1变量，0为停机，1为开机，α；Ta为最小开机时间；Tb为最小停机时间；tij为第i台机组j时刻之前最近一次vin<v<vout时开始计时，到j时刻之后最近一次v<vin或v>vout时刻的时间，即连续开机时间；τij为第i台机组j时刻之前最近一次v<vin或v>vout时开始计时，到j时刻的时间，即连续停机时间；
机组调节容量的约束条件：
式中：d％为风电机组能够达到的降出力控制比例；为第i个风电机组的预测出力；
机组实时功率的约束条件：
式中：为机组i的额定容量。
9.一种用于风电集群的功率分配系统，其特征在于，包括：
风电场集群层模块，用于基于电网级调度指令，利用预先制定的有功协调分配策略，确定风电场集群层的风电最优出力；
子场层模块，用于基于所述风电场集群层的风电最优出力，利用所述预先制定的有功协调分配策略，确定子场层的风电最优出力；
控制运行模块，用于基于所述子场层的风电最优出力，控制机组层中风机控制终端的运行。
10.根据权利要求9所述的功率分配系统，其特征在于，所述风电场集群层模块，包括：风电场集群层的风电出力计划子模块、风电场集群层的风电最优出力子模块和解码输出子模块；
所述风电场集群层的风电出力计划子模块，用于基于风电场集群层的风电出力种群，利用遗传算法，计算风电场集群层的风电出力种群的适应度，得到风电场集群层的风电出力计划；
所述风电场集群层的风电最优出力子模块，用于基于所述风电场集群层的风电出力计划对所述风电场集群层的风电出力种群进行迭代计算，得到所述风电场集群层的最优子代风电出力种群；
所述解码输出子模块，用于基于所述风电场集群层的最优子代风电出力种群，解码输出所述风电场集群层的风电最优出力。
11.根据权利要求10所述的功率分配系统,其特征在于，所述风电场集群层的风电出力计划子模块，包括：第一风电调节裕度单元、第一风电出力种群单元及第一风电出力计划得到单元；
所述第一风电调节裕度单元，用于获取种群数据，得到风电场集群层的风电调节裕度；
所述第一风电出力种群单元，用于在所述风电调节裕度内调节风电出力，得到所述风电出力种群；
所述第一风电出力计划得到单元，用于基于所述电网级调度指令，利用所述风电场集群层或所述子场层的适应度函数，计算所述风电出力种群的适应度,得到所述风电出力计划；
所述风电场集群层的种群数据包括：风电场集群层中各风电场的输出功率预测值及总的风电调度值。
12.根据权利要求11所述的功率分配系统,其特征在于，
所述风电场集群层的适应度函数由所述风电场集群层的有功出力优化分配目标函数的倒数乘以适应度系数确定；其中，所述风电场集群层的有功出力优化分配目标函数，如下所示：
式中：γ1和γ2分别为风电出力计划种群网损的权重系数和有功分配的权重系数；为风电出力计划种群网损；为第i个风电场的有功分配值；Pdem为电网级调度指令值；n为所述风电场集群层中风电场的个数。
13.根据权利要求12所述的功率分配系统,其特征在于，所述风电场集群层的有功出力优化分配目标函数，还包括如下约束条件：
线路传输容量的约束条件：
式中：和分别为线路L的正向最大传输功率和反向最大传输功率；PLt为线路L在t时段的传输功率；
风电场调节容量的约束条件如下所示：
式中：d％为风电集群层中风电场能够达到的降出力控制比例；为第i个风电集群层中风电场的预测出力；
风电场实时功率的约束条件如下所示：
式中：为第i个所述风电场的装机容量。
14.根据权利要求9所述的功率分配系统，其特征在于，所述子场层模块，包括：第二风电调节裕度子模块、第二风电出力种群子模块、第二风电出力计划得到子模块及子场层风电最优出力子模块；
所述第二风电调节裕度单元，用于获取子场层的种群数据，得到子场层的风电调节裕度；
所述第二风电出力种群单元，用于在所述风电调节裕度内调节风电出力，得到所述子场层的风电出力种群；
所述第二风电出力计划得到单元，用于基于所述电网级调度指令，利用所述子场层的适应度函数，计算所述子场层的风电出力种群的适应度,得到所述子场层的风电出力计划；
所述子场层风电最优出力子模块，用于基于所述子场层的风电出力计划，确定所述子场层的风电最优出力；
所述子场层的种群数据包括：所述子场层中各风电场的输出功率预测值及总的风电调度值。
15.根据权利要求14所述的功率分配系统，其特征在于，所述子场层的适应度函数由所述子场层的有功出力优化分配目标函数的倒数乘以适应度系数得到；
其中，所述子场层的有功出力优化分配目标函数，如下所示：
式中：λ1和λ2分别为风机线路有功损耗的权重系数和有功分配的权重系数；为所述第j台风机线路的有功损耗；为第j个风电机组的有功分配值；为所述风电场集群层的风电最优出力值；m为风电场机组的个数。
16.根据权利要求15所述的功率分配系统,其特征在于，所述子场层的有功出力优化分配目标函数，还包括如下约束条件：
避免机组频繁启停的约束条件：
(αj+1,i-αj,i)(tij-Ta)≥0；
(αj,i-αj+1,i)(τij-Tb)≥0；
式中：αj+1,i和αj,i为0-1变量，0为停机，1为开机，α；Ta为最小开机时间；Tb为最小停机时间；tij为第i台机组j时刻之前最近一次vin<v<vout时开始计时，到j时刻之后最近一次v<vin或v>vout时刻的时间，即连续开机时间；τij为第i台机组j时刻之前最近一次v<vin或v>vout时开始计时，到j时刻的时间，即连续停机时间；
机组调节容量的约束条件：
式中：d％为风电机组能够达到的降出力控制比例；为第i个风电机组的预测出力；
机组实时功率的约束条件：
式中：为机组i的额定容量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810971112.XA CN109245150A (zh) | 2018-08-24 | 2018-08-24 | 一种用于风电集群的功率分配方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810971112.XA CN109245150A (zh) | 2018-08-24 | 2018-08-24 | 一种用于风电集群的功率分配方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109245150A true CN109245150A (zh) | 2019-01-18 |
Family
ID=65067796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810971112.XA Pending CN109245150A (zh) | 2018-08-24 | 2018-08-24 | 一种用于风电集群的功率分配方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109245150A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110676872A (zh) * | 2019-09-05 | 2020-01-10 | 沈阳工业大学 | 考虑机组疲劳载荷的风电场有功功率分配方法 |
| CN110932321A (zh) * | 2019-12-11 | 2020-03-27 | 国网河南省电力公司洛阳供电公司 | 一种含储能新能源场站有功控制方法 |
| CN113553714A (zh) * | 2021-07-27 | 2021-10-26 | 国网河南省电力公司电力科学研究院 | 限风情况下基于预测信息的风电场切风量计算方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103050989A (zh) * | 2012-10-11 | 2013-04-17 | 中国电力科学研究院 | 一种集群风电场有功功率智能控制系统和方法 |
| CN103219751A (zh) * | 2013-05-08 | 2013-07-24 | 东南大学 | 一种集群风电场有功功率控制方法 |
| WO2014176930A1 (zh) * | 2013-05-03 | 2014-11-06 | 国家电网公司 | 含大规模风电电力系统的短期运行优化方法 |
-
2018
- 2018-08-24 CN CN201810971112.XA patent/CN109245150A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103050989A (zh) * | 2012-10-11 | 2013-04-17 | 中国电力科学研究院 | 一种集群风电场有功功率智能控制系统和方法 |
| WO2014176930A1 (zh) * | 2013-05-03 | 2014-11-06 | 国家电网公司 | 含大规模风电电力系统的短期运行优化方法 |
| CN103219751A (zh) * | 2013-05-08 | 2013-07-24 | 东南大学 | 一种集群风电场有功功率控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 仲悟之等: "高渗透联网风电集群有功分层递阶控制策略", 《电网技术》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110676872A (zh) * | 2019-09-05 | 2020-01-10 | 沈阳工业大学 | 考虑机组疲劳载荷的风电场有功功率分配方法 |
| CN110676872B (zh) * | 2019-09-05 | 2023-01-20 | 沈阳工业大学 | 考虑机组疲劳载荷的风电场有功功率分配方法 |
| CN110932321A (zh) * | 2019-12-11 | 2020-03-27 | 国网河南省电力公司洛阳供电公司 | 一种含储能新能源场站有功控制方法 |
| CN113553714A (zh) * | 2021-07-27 | 2021-10-26 | 国网河南省电力公司电力科学研究院 | 限风情况下基于预测信息的风电场切风量计算方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107292766B (zh) | 面向风电消纳的电力系统调峰手段经济性评估方法与系统 | |
| CN108039737B (zh) | 一种源网荷协调运行模拟系统 | |
| CN109245150A (zh) | 一种用于风电集群的功率分配方法及系统 | |
| CN108736509A (zh) | 一种主动配电网多源协调优化控制方法及系统 | |
| CN112491043B (zh) | 一种新能源富集电网电源规划方法及系统 | |
| CN107221965B (zh) | 一种基于分布式设计的日前计划计算方法 | |
| CN110957717A (zh) | 一种多电源电力系统多目标日前优化调度方法 | |
| CN108493992A (zh) | 一种含分布式潮流控制器的风电场优化调度方法 | |
| CN106505633A (zh) | 一种风光接入容量确定方法及装置 | |
| CN103699938A (zh) | 一种含抽水蓄能电站的电力系统发电计划制定方法 | |
| CN113378100B (zh) | 考虑碳排放的配电网源网荷储协同优化调度模型和方法 | |
| CN108808737A (zh) | 促进可再生分布式电源消纳的主动配电网优化调度方法 | |
| CN102751724B (zh) | 一种面向需求侧响应基于预测的三相负载调度方法及装置 | |
| CN107612045A (zh) | 一种电厂机组发电量智能分配系统及方法 | |
| CN108710970A (zh) | 一种巨型梯级水电系统的多目标调度并行降维方法 | |
| CN108336768B (zh) | 一种风电场有功功率优化控制方法 | |
| CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
| CN108667077A (zh) | 一种风蓄联合系统优化调度方法 | |
| CN111193295A (zh) | 一种考虑动态重构的配网灵活性提升鲁棒优化调度方法 | |
| CN109386429A (zh) | 一种风电与光热发电互补系统协调运行控制方法与装置 | |
| CN108448655B (zh) | 一种无源电网广域发电控制方法及系统 | |
| CN114844118A (zh) | 一种适用于微电网的多类型设备功率协调控制方法及系统 | |
| CN111541279B (zh) | 考虑机组出力状态的风电场功率自动控制系统及方法 | |
| CN104253443B (zh) | 一种虚拟小水电群有功快速调节方法 | |
| CN111476475B (zh) | 多约束条件下梯级水电站短期优化调度方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |
|
| RJ01 | Rejection of invention patent application after publication |