風電并網下計及機組特性的AGC動態(tài)優(yōu)化控制策略研究

許榅增，劉 禾

(1.廣州地鐵設計研究院有限公司，廣東廣州 510010；2.華北電力大學控制與計算機工程學院，北京 102206)

0 引 言

風電具有可持續(xù)、清潔等優(yōu)勢，但也存在間歇性強，可控性差等不足。風電大量接入對電網沖擊大[1-3]。在我國的能源結構中，火電發(fā)電占據主導地位[4]，提高火電機組參與AGC調節(jié)的比重是我國大規(guī)模接納風電的必然選擇。但火電機組調節(jié)速率慢，慣性時間長，機組動態(tài)特性差異較大[5]。這要求AGC控制策略能在多時間點位進行優(yōu)化控制,確保調節(jié)指令滿足機組的動態(tài)特性。另外，我國相繼開始實施CPS標準[6]，為保證CPS長期有效的控制，以及充分利用“CPS標準不要求短期內ACE必須過零”所帶來的調節(jié)空間,對AGC控制策略提出更高的要求。而我國現(xiàn)行的PI滯后平均分配功率的AGC控制策略不能滿足新型電力系統(tǒng)調節(jié)的需求[7]。

隨著超短期負荷預測和風電功率預測精度的提高，對AGC機組進行超前控制的策略受到廣泛關注[8-9]。文獻[10]提出“超前”與“滯后”控制相結合的策略，達到充分利用火電機組AGC調節(jié)的目的。文獻[11]利用超短期預測信息，以等邊界成本法則分配負荷，提高系統(tǒng)消納風電的能力。文獻[12]提出常規(guī)機組和AGC機組協(xié)調控制的策略，一定程度上減少了AGC機組的調節(jié)容量。文獻[13]提出基于CPS標準的AGC控制策略，并利用內點法求解，仿真有效，但其未考慮互聯(lián)電網對頻率的影響，并且對多目標之間沒有明確的權重比對。文獻[14]考慮兩區(qū)域電網間頻率的影響，但未詳細考慮機組的動態(tài)特性，必然導致部分指令失效。

本文提出的AGC動態(tài)控制策略是利用下一周期的負荷預測和風電功率預測信息，生成“等效負荷”，綜合考慮CPS1標準最優(yōu)目標和機組調節(jié)費用最少目標，并權衡它們的比重，在滿足CPS標準，系統(tǒng)頻率偏差約束，聯(lián)絡線功率約束，以及機組發(fā)電功率約束、爬坡速度約束、持續(xù)爬坡時間約束的情況下，制定下一個周期每一個時間點位的針對各個AGC機組的調節(jié)指令。并利用標準粒子群優(yōu)化算法PSO(particle swarm optimization)進行優(yōu)化求解。實現(xiàn)了發(fā)電計劃與AGC調節(jié)的平滑過渡，提高火電機組參與AGC調節(jié)的能力，進一步提高系統(tǒng)消納風電的能力，在保證系統(tǒng)穩(wěn)定的同時，降低系統(tǒng)的調節(jié)費用。

1 AGC動態(tài)控制策略模型

1.1 區(qū)域互聯(lián)系統(tǒng)

區(qū)域互聯(lián)系統(tǒng)如圖1所示。區(qū)域A表示研究區(qū)域，區(qū)域S表示與A連接的其他區(qū)域總和。Ka、Ks分別為兩個的頻率調節(jié)系數，單位為MW/Hz，ΔPLa為A區(qū)域負荷功率增量，ΔPGa為A區(qū)域發(fā)電功率增量，則A區(qū)域功率缺額ΔRa=ΔPLa-ΔRGa。同理,ΔPLs為S區(qū)域負荷功率增量，ΔPGs為S區(qū)域發(fā)電功率增量，則S區(qū)域功率缺額ΔRs=ΔPLs-ΔRGs。由互聯(lián)系統(tǒng)能量守恒可求得系統(tǒng)頻率偏差 以及由A向S輸送的聯(lián)絡線間功率偏差,取A向S輸送功率為正：

(1)

(2)

圖1 區(qū)域互聯(lián)系統(tǒng)Fig.1 The regional interconnected power system

1.2 帶權重因子的動態(tài)目標函數

文獻[13]提出經濟性目標和指標性目標，但對兩個目標之間沒有明確的權重比對，而這兩個目標之間往往是矛盾的。本文在CPS實際運行意義的基礎上提出帶權重因子的動態(tài)目標函數：

minf=feco+wf×find

(3)

式中:feco為經濟性目標函數，以追求調節(jié)費用最少為目標，旨在減少機組的調節(jié)量和調節(jié)頻度，延長機組的使用壽命;find為指標性目標函數，以追求CPS1指標最優(yōu)為目標，減小系統(tǒng)頻率偏差，保證電力系統(tǒng)的功率負荷平衡。

wf為系統(tǒng)頻率影響因子，當|Δf|≤0.03 Hz時，系統(tǒng)頻率偏差小，應注重經濟性指標，減少機組的操作數。當0.01 Hz<|Δf|≤0.03 Hz時，系統(tǒng)頻率處于約束范圍內，但偏差相對較大，應兼顧經濟性目標和指標性目標。當|Δf|>0.03 Hz時，系統(tǒng)頻率偏差大，應著重考慮指標性目標。wf則根據控制區(qū)域的實際運行情況，針對上述3類狀態(tài)，分別設置合適的權重值。

其中經濟性目標為

(4)

式中：ng為AGC機組的總數；T為調節(jié)周期，本文取10min為一個周期；ci為第i臺機組的經濟系數；ΔPi,t為機組在每一個時間點位的功率變化量。

指標性目標為

find=wc×(2-Kcps1)2

(5)

CPS1評價標準為

(6)

區(qū)域控制偏差為

ACEt=ΔPTie+BΔft

(7)

式中:B為區(qū)域頻率偏差系數，取負值，單位MW/Hz；ACEt為控制區(qū)域每分鐘的控制區(qū)域偏差平均值；Δft為系統(tǒng)頻率偏差平均值；ε1是距某個目標頻率的頻率偏差常數，通常取上1 a基于1 min 的平均頻率與額定頻率偏差的均方根值，單位為Hz，各控制區(qū)的ε1值均相同。

wc為 CPS1影響因子。當Kcps1≥200%時，此時受控區(qū)域處于“低頻超送”或者“高頻超受”狀態(tài)，對其他區(qū)域有“貢獻”，有利于風電參與的電力系統(tǒng)的恢復，減少系統(tǒng)的備用容量，系統(tǒng)處于指標最優(yōu)狀態(tài)，取wc等于0。當100%

1.3 約束方程

功率平衡方程：

PD,t-PTie,t-ΔPTie,t=0

(8)

等效負荷：

PD,t=PL,t-PW,t

(9)

式中：PL,t為t時刻負荷預測值；PW,t為t時刻風電功率預測值。

機組調節(jié)指令:

機組在運行時的3種狀態(tài)：平穩(wěn)運行、增發(fā)功率輸出、減發(fā)功率輸出。

(10)

CPS約束:

(11)

其中，

(12)

其中Bi為第i控制區(qū)的頻率偏差系數；Bs為互聯(lián)系統(tǒng)總的頻率偏差系數，是各個控制區(qū)頻率偏差系數之和。

聯(lián)絡線功率偏差約束:

ΔPTmin,t≤ΔPT,t≤ΔPTmax,t

(13)

系統(tǒng)頻率偏差約束:

Δfmin≤Δfopt,t≤Δfmax

(14)

AGC機組出力約束:

PAGCi,min≤PAGCi,t≤PAGCi,max

(15)

機組爬坡速率約束:

Ri,min≤Ri,t≤Ri,max

(16)

機組最小持續(xù)爬坡時間：

由于火電機組慣性大，當火電機組處于向上爬坡或者向下爬坡時，機組必須維持之前的狀態(tài)一段時間。這段最小時間稱為機組最小持續(xù)爬坡時間。

(17)

2 PSO算法在動態(tài)控制策略中的求解應用

上面提出的AGC動態(tài)控制策略模型是一個多約束、大規(guī)模、多時段、不可導的復雜優(yōu)化問題，為此采用PSO算法。該算法模擬社會的群體行為，通過個體間的協(xié)作來搜尋最優(yōu)解，每個粒子通過統(tǒng)計迭代過程中自身和群體發(fā)現(xiàn)的最優(yōu)值來更新粒子速度和位置。在AGC控制策略模型中,ui,t、ri,t為控制變量，Δf、ΔPt為狀態(tài)變量。機組實際的調節(jié)速率。為了提高算法的運行效率，減少輸入變量，本文粒子群算法中粒子設計如下：

(18)

更新速度為

c2×rand×(Rpbest-Ri)

(19)

(20)

適應度函數為

fitness(i)=f+Ψ

(21)

式中：f為控制區(qū)域的目標函數；Ψ為懲罰值，當控制區(qū)域不滿足系統(tǒng)的約束條件時，Ψ取無窮大(仿真時取1010)；反之，Ψ取0。

粒子分解方法：由于本粒子群算法中使用的是機組的實際速度，而在約束調節(jié)判斷需用到機組的操作數u和絕對速度r，因此在計算過程中需要用到粒子分解方法。具體如下：

① 當Ri,t>0時，取ui,t=1，ri,t=Ri,t；

② 當Ri,t=0時，取ui,t=0，ri,t=0；

③ 當Ri,t<0時，取ui,t=-1，ri,t=-Ri,t；

粒子修改規(guī)則：首先，取出粒子R，按上述粒子分解方法分解出u，r。其中操作數u體現(xiàn)了機組爬坡速率情況，當ui,t=1時，表示機組正在“向上”爬坡，增加輸出功率。當ui,t=-1時，表示機組正在“向下”爬坡，減少輸出功率。當ui,t=0時，表示機組維持現(xiàn)有輸出功率。具體修改規(guī)則如下：

①當ui,t不滿足式(17)時，取ui,t=ui,t-1。

②當ui,t滿足式(17)時，ui,t不變。

③然后由Ri,t=ui,t×Ri,t重新生成R。

粒子群算法步驟：

① 初始化粒子群，在搜索空間中隨機產生N個粒子R，N為粒子群數量。初始化更新速度Voriginal。記M為種群迭代總數，m為當前迭代數。令m=1。

②粒子修正，檢查初始化粒子是否滿足系統(tǒng)約束條件，對不滿足約束條件的粒子進行針對性修正。

③計算每個粒子的適應度值。記錄個體適應度最優(yōu)的粒子和全體適應度最優(yōu)的粒子。

④更新粒子，根據式(19)產生新的更新速度V(j)，再更新粒子R(j)=R(j)+V(j)。

⑤粒子修正，對更新的粒子進行系統(tǒng)約束條件檢查，對不滿足的粒子按修正規(guī)則進行修正。令m=m+1。

⑥適應度計算。當粒子的適應度值小于個體最優(yōu)值時，更新個體最優(yōu)值。當粒子的適應度值小于全體最優(yōu)值時，更新全體最優(yōu)值。

⑦當m≤M，返回第④步。當m>M時，進入第⑧步。

⑧取出全局最優(yōu)的粒子。

3 算 例

對某區(qū)域電網AGC運行機組為例，其受控區(qū)域AGC機組參數如表1所示。A、S區(qū)域頻率偏差系數分別為-62MW/Hz、-75MW/Hz?？己藭r段為10min。ε1等于0.019 835Hz，ε10等于0.012 542Hz，L10等于60MW。wf、wc的取值如式(22)、(23)。

(22)

(23)

粒子群優(yōu)化算法中的粒子群數量Gmax=200，最大迭代次數M=100。每過10min取出下一個考核時段的負荷預測數據和風電功率預測數據，計算出等效負荷數據，并將其計算結果與其他算法進行比較。為了便于圖表分析和比較，用PI-AGC代表經典的PI控制算法，用CPSDOM-AGC代表基于CPS的AGC控制策略，用PSODOM-AGC代表本文提出基于PSO算法的AGC動態(tài)控制策略。

表1 機組參數Tab.1 Parameters of the power unit

圖2 調節(jié)費用對比Fig.2 Comparison of adjusting cost

如圖2所示，3種方法在調節(jié)費用上的對比。應用本文方法，能協(xié)調各AGC機組的運行，合理地為其分配功率；在經濟性目標和指標性目標之間有動態(tài)的明確的權重比對，確保系統(tǒng)在滿足指標前提下，減少機組的調節(jié)量和調節(jié)頻度，從而降低調節(jié)費用。

使用PI_AGC控制策略調節(jié)的AGC機組調節(jié)費用迅速升高。使用CPSDOM_AGC控制策略能協(xié)調AGC機組，合理分配功率，但對AGC經濟性目標和指標性目標沒有明確的權重對比分析，在頻率偏差較小時，為“苛刻”追求指標性目標而加大AGC機組的調節(jié)量；另外，在Kcps1>2時，指標本身處于最優(yōu)狀態(tài)，CPSDOM_AGC方法為促使Kcps1=2而進行大量無謂的調節(jié)，增大系統(tǒng)備用容量。

圖3、圖4分別從頻率、ACE方面對3種方法的電網控制水平進行比較。從頻率控制方面看，應用本文方法可以使頻率控制在更小的波動范圍內，控制效果明顯提升；從區(qū)域控制偏差分布的角度來看，應用本文方法明顯比CPSDOM-AGC、PI-AGC控制方法好。

圖3 頻率對比Fig.3 Frequency comparison

圖4 ACE分布對比Fig.4 ACE distribution comparison

從CPS指標角度分析來看，應用本文方法后，Kcps1指標總體處于200%以上，均值為208%。有利于系統(tǒng)間的相互支援，消除系統(tǒng)頻率偏差。CPSDOM-AGC控制策略的Kcps1指標則集中于199%附近。而PI-AGC控制策略的Kcps1指標值不斷下降，嚴重偏離指標可行區(qū)域。

圖5 CPS指標對比Fig.5 CPS indicator comparison

另外，在有效指令的統(tǒng)計中，PI-AGC的指令有效率為78%，CPSDOM-AGC為95%，PSODOM-AGC為97%。

綜上所述，在有風電參與的“等效負荷”控制中，本文提出的PSODOM-AGC控制策略，著重考慮機組的動態(tài)特性，提高了火電機組參與AGC調節(jié)的比例，使電網頻率波動顯著減小，區(qū)域控制偏差波動小，在滿足考核性能基礎上，調節(jié)費用顯著減小，有效減小機組的調整頻率和調節(jié)量。

4 結束語

本文針對風電大量接入電網帶來的復雜運行特性，建立了互聯(lián)電網AGC動態(tài)優(yōu)化控制策略，該控制策略綜合考慮CPS指標和機組的動態(tài)特性，并利用粒子群算法進行求解。通過算例可見：該控制策略較常規(guī)控制策略在節(jié)約AGC調節(jié)費用，減小機組的調節(jié)頻度，穩(wěn)定電網頻率，降低系統(tǒng)風險，以及長期滿足CPS指標方面具有明顯的優(yōu)勢。利用本文提出的控制策略可提高系統(tǒng)接納大規(guī)模風電的能力。