CN110348637A - 一种考虑场-网因素的风电爬坡事件预警方法 - Google Patents

Abstract

本发明公开了一种考虑场‑网因素的风电爬坡事件预警方法，其所述方法设计思路如下：首先定义净风功率的概念，综合考虑场‑网两侧的功率变化情况。选用净风功率的变化值对爬坡事件进行定义，得到了基于净风功率的变化值的时间序列。同时根据电网频率变化的允许值来选定阈值。根据阈值来对爬坡事件进行识别和分类，用支持向量机建立预测模型，从而实现对风电爬坡事件的预测。该方法利用净风功率曲线对风电爬坡事件进行定义并基于电网频率变化的允许值来设定阈值，进而实现对风电爬坡事件的有效识别和预警。

Description

一种考虑场-网因素的风电爬坡事件预警方法

技术领域

本发明涉及一种风电爬坡事件预警方法，特别涉及一种考虑场-网因素的风电爬坡事件进行定量刻画及预报，从而实现对风电爬坡事件预警的方法。

背景技术

对风电的不确定性认识和掌握是我国促进大规模可再生能源安全高效的消纳和清洁能源结构转型的关键基础问题。其中，长时间极限气象引发的功率爬坡事件是风电不确定性的一个重要表现。虽然发生概率小，但其难以预测和控制，会对电网的安全稳定运行、调度规划和实时控制造成重大的影响和危害。所以，开展风电功率爬坡事件预警工作是十分必要的。

目前，风电爬坡事件预警的研究成果较多，张东英等人对风电爬坡事件研究进行了综述和展望；一般，传统风电爬坡事件预警方法主要涉及爬坡事件的定量刻画和预测两个方面。由于风电爬坡事件与气象条件变化密切相关，刘申通过有效关联气象数据和爬坡事件典型特征，提出了爬坡时段区域风功率预测模型和风电场爬坡事件预测模型。然而，上述传统风电爬坡事件的定量刻画方法大多从风电场侧功率变化角度出发，存在面向单个点的局限性，没有考虑网侧频率变化因素。也有学者面向整个电力系统的爬坡事件预测方法。其中，崔明建和李春等人基于电网侧频率变化，提出了一种面向整个电力系统的爬坡事件预测方法，摆脱了对传统爬坡事件定义的依赖。然而，该方法只考虑了部分网侧信息，未考虑网侧其他信息以及风电场侧信息，尤其是如何在考虑风电的正反调峰特性的情况下来定义爬坡事件。

实际中，风电爬坡事件预警不仅需要考虑风电场侧的因素，还需要考虑对电网的影响。由于风电分布时空差异较大，难以建立一个统一的预警标准。所以，在考虑多种实际因素条件下，如何对风电爬坡进行定量刻画和预报，是风电爬坡预警中一个需要深入研究的问题。

发明内容

为了实现实际中考虑多因素条件下的风电爬坡事件预警问题，本发明提供了一种考虑场-网因素的风电爬坡事件预警方法。

本发明的目的是通过以下技术方案实现的：

一种考虑场-网因素的风电爬坡事件预警方法，包括如下步骤：

步骤一：利用风电场输出功率曲线与对应的电网负荷曲线定义与获取净风功率曲线；

步骤二：利用净风功率曲线上的单位时间功率变化定义风电爬坡事件，同时基于净风功率曲线求取净风功率变化值曲线；

步骤三：根据电网频率变化的允许值设定步骤二中净风功率爬坡事件的判断阈值，在形成爬坡事件定量刻画方法的基础上实现对爬坡事件的有效识别；

步骤四：通过步骤三的结果作为分类标签，利用支持向量机等数据挖掘算法，基于净风功率时间序列建立爬坡事件的有效分类模型；

步骤五：基于步骤四所得到的分类模型，利用当前时刻的实测数据对爬坡事件进行预报，从而实现对未来风电爬坡事件的预警。

相比于现有技术，本发明具有如下优点：

1、在综合考虑场-网两侧的影响因素基础上，对风电爬坡事件进行定义，实现了风电爬坡事件的定量刻画和有效识别；尤其是通过净风功率曲线定义风电爬坡事件，充分考虑了风电的正反调峰特性。风电爬坡事件定义主要是针对风电功率变化对电网安全稳定运行、调度规划和实时控制造成的重大影响和危害。因此，当风电变化趋势与电网负荷需求一致的时候，即便较大的风电输出功率变化对电网也是有利；当风电变化趋势与电网负荷需求相反的时候，即便是较小的风电输出功率对电网也是有害的。

2、结合电网频率来确定风电爬坡事件的阈值，满足不同实际区域电网的统一定义和预警需求。

附图说明

图1为本发明风电爬坡事件预警方法的流程示意图；

图2为净风功率曲线；

图3为净风功率变化量曲线；

图4为经过阈值划分后的净风功率变化量曲线；

图5为风电爬坡事件的SVR预测结果。

具体实施方式

下面对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。

本发明提供了一种考虑场-网因素的大规模风电爬坡事件预测方法，其设计思路如下：首先定义净风功率的概念，综合考虑场-网两侧的功率变化情况。选用净风功率的变化值对爬坡事件进行定义，得到了基于净风功率的变化值的时间序列。同时根据电网频率变化的允许值来选定阈值。根据阈值来对爬坡事件进行识别和分类，用支持向量机建立预测模型，从而实现对风电爬坡事件的预测。如图1所示，具体步骤如下：

步骤一：利用风电场输出功率曲线与对应的电网负荷曲线定义与获取净风功率曲线。

风电爬坡事件定义主要是针对风电功率变化对电网安全稳定运行、调度规划和实时控制造成的重大影响和危害。当风电变化趋势与电网负荷需求一致的时候，即便较大的风电输出功率变化对电网也是有利；当风电变化趋势与电网负荷需求相反的时候，即便是较小的风电输出功率对电网也是有害的。因此若在风机输出功率陡增时，负荷侧功率曲线也出现同样的陡增现象。这时虽然风机侧的输出功率增大，但是负荷侧的功率需求量也增加，电网的有功功率仍然保持平衡，因此这种爬坡事件是不会对电网产生影响。但若仅从风机输出功率来描述，这种情况就会被定义为爬坡事件，这是不准确的。所以在描述爬坡事件时，应根据风电的正反调峰特性同时考虑场-网两侧的功率曲线变化情况，因此本步骤定义了净风功率的概念。

设风机输出功率曲线的时间序列为p(t)，负荷功率曲线的时间序列为q(t)，定义净风功率曲线的时间序列为p'(t)，则：

p'(t)＝p(t)-q(t) (1)。

可见，p'(t)综合表示了场网两侧的功率变化情况，当风机输出功率与负荷功率都出现幅度相同的陡增或者陡降时，电网有功功率平衡，不会产生对电网稳定运行产生影响的爬坡事件，p'(t)＝0。而当两侧变化情况不同或风机输出功率陡变而负荷曲线稳定时，电网的有功功率不再平衡，可能产生需要预测的爬坡事件，p'(t)≠0。所以本步骤以净风功率曲线为基础来预测对电网稳定运行有威胁的爬坡事件。通过公式(1)，可以根据已有的实测历史风机输出功率数据和负荷功率数据求解相对应的净风电功率的时间序列。

在上述内容的基础上，基于真实风功率数据，计算净风功率。本发明中所有的风电功率数据的采样间隔为15min，得到风电场一个月内的净风功率曲线如图2所示。

步骤二：利用净风功率曲线上的单位时间功率变化定义风电爬坡事件，同时基于净风功率曲线求取净风功率变化值曲线。

风电功率的变化值，即幅度的变化是定义爬坡事件的表征量。它表示在一个时间段内风电功率的变化情况。若某段时间出现风电爬坡事件，净风电功率陡升或陡降，首末两时刻的功率差值较大；不发生爬坡事件时，净风电功率曲线平稳，首末两时刻的功率差值较小。因此，本步骤用t到t+Δt时间段的首末时刻的净风功率值的变化量来定义爬坡事件，则有：

|P′(t+Δt)-P′(t)|＞P_val (2)；

式中，P′(t)与P′(t+Δt)分别为t和t+Δt的净风功率值，P_val为所设定的净风功率爬坡事件的阈值，当出现风电爬坡事件时，净风功率发生陡变，因此P′(t)与P′(t+Δt)的差值变大，当差值大于阈值P_val时，认为发生了爬坡事件。而当净风功率稳定，不发生爬坡事件时，P′(t)与P′(t+Δt)的差值很小，小于阈值P_val。因此运用净风功率首末时刻的功率变化量可对爬坡事件进行描述。

同样根据公式(2)，可以利用步骤一得到的净风功率曲线获取首末时刻变化量的连续时间序列来对风电爬坡事件进行描述。

目前风电实时预测要求预测未来4h内的数据，分辨率要求为15min，所以本发明选取的时间间隔Δt＝15min。基于步骤一得到的真实净风功率曲线，得到首末时刻的净风功率值的变化量曲线如图3所示。

步骤三：根据电网频率变化的允许值来设定步骤二中净风功率爬坡事件的判断阈值，在形成爬坡事件定量刻画方法的基础上实现对爬坡事件的有效识别。

阈值的定义方法有很多种，目前研究中使用较多的都是根据经验直接选取总装机容量的10％、20％等定值来设置阈值，但是这样的阈值设置方法准确性很差，不能根据风电场的实际情况进行改变。在爬坡事件发生时，有功功率的不平衡一定会对电网的频率产生相应的影响，由此本步骤根据电网频率变化的允许值，提出了一种能够适用于各类风电场的阈值定义方法，具体方法如下：

在电力系统中，有功功率的变化量与频率的变化量之间的关系为：

式中：

Δf(％)：电网频率变化的百分数；

ΔP(％)：调频机组有功功率变化的百分数；

kσ：调差系数，则：

设P_额为电网总装机容量，风电场占总装机容量的n％，根据国家供电营业规则规定，电网装机容量在300万千瓦以上的供电频率允许偏差为0.2Hz，电网装机容量在300万千瓦以下的供电频率允许偏差为0.5Hz而调差系数一般为(4～6)％，我国电网频率要求为50Hz，则净风功率爬坡事件阈值可设置为：

其中，当净风功率变化量|P′(t+Δt)-P′(t)|＞P_val时，Δt取值为15min，净风功率出现爬坡事件，产生对电力系统有影响的电力爬坡事件。

本发明实测电网容量小于300万千瓦，因此选取0.5Hz为供电频率允许偏差，P_额＝856，由此设置净风功率的阈值为142.67。经阈值划分后的首末时刻的净风功率值的变化量曲线如图4所示。

步骤四：结合公式(5)选取的阈值对步骤二中得到的净风功率曲线获取首末时刻变化量的连续时间序列进行准确识别，并对此时间序列中的每个时间点设置标签，可以利用支持向量机等典型数据挖掘算法，对其建立预测模型。

步骤五：在步骤四得到的风电爬坡事件的预测模型的基础上，对风电爬坡事件进行预报，利用当前时刻的实测数据，就可以对未来的风电爬坡事件进行准确的预报。预测结果如图5所示，从图5中可以看出整体的效果较好。

电力系统可以根据净风功率的预报结果制定更为合理经济的调度计划，在预测发生大的电力负荷爬坡事件时间段内提供较多的旋转备用，确保区域电力系统的安全高效稳定运行。

Claims (5)

1.一种考虑场-网因素的风电爬坡事件预警方法，其特征在于所述方法包括如下步骤：

步骤一：利用风电场输出功率曲线与对应的电网负荷曲线定义与获取净风功率曲线；

步骤二：利用净风功率曲线上的单位时间功率变化定义风电爬坡事件，同时基于净风功率曲线求取净风功率变化值曲线；

步骤三：根据电网频率变化的允许值设定步骤二中净风功率爬坡事件的判断阈值，在形成爬坡事件定量刻画方法的基础上实现对爬坡事件的有效识别；

步骤四：通过步骤三的结果作为分类标签，利用数据挖掘算法，基于净风功率时间序列建立爬坡事件的有效分类模型；

步骤五：基于步骤四所得到的分类模型，利用当前时刻的实测数据对爬坡事件进行预报，从而实现对未来风电爬坡事件的预警。

2.根据权利要求1所述的考虑场-网因素的风电爬坡事件预警方法，其特征在于所述步骤一中，净风功率曲线满足以下条件：

p'(t)＝p(t)-q(t)；

式中，p(t)为风机输出功率曲线的时间序列，q(t)为负荷功率曲线的时间序列，p'(t)为净风功率曲线的时间序列。

3.根据权利要求1所述的考虑场-网因素的风电爬坡事件预警方法，其特征在于所述步骤二中，爬坡事件满足以下条件：

|P′(t+Δt)-P′(t)|＞P_val；

式中，P′(t)与P′(t+Δt)分别为t和t+Δt的净风功率值，P_val为所设定的净风功率爬坡事件阈值。

4.根据权利要求1所述的考虑场-网因素的风电爬坡事件预警方法，其特征在于所述步骤三中，设定的净风功率爬坡事件阈值满足以下条件：

式中，P_额为风电场的额定功率，P_val为净风功率爬坡事件阈值，n％为风电场占总装机容量。

5.根据权利要求1所述的考虑场-网因素的风电爬坡事件预警方法，其特征在于所述步骤四中，结合步骤三设定的阈值对步骤二中得到的净风功率曲线获取首末时刻变化量的连续时间序列进行准确识别，并对此时间序列中的每个时间点设置分类标签。