基于單機功率間歇性度量指標的風場發(fā)電質(zhì)量評估策略

孫二平1，趙錫鑫，普智勇3，劉華軍4，萬 杰

(1.中國廣核新能源控股有限公司，北京 100070; 2.哈爾濱工業(yè)大學 電氣工程及自動化學院，黑龍江 哈爾濱 150001; 3.中國廣核新能源投資(深圳)有限公司云南分公司，云南 昆明 650000; 4.云南八冶新能源科技有限公司，云南 昆明 650000)

0 引言

近年來，為應對日益加劇的能源安全和環(huán)境惡化問題，大力開發(fā)清潔新能源、提高可再生能源的轉(zhuǎn)化與利用率已成為世界各國的基本共識。其中，風力發(fā)電憑借其風能資源豐富、環(huán)保節(jié)能、成本較低等優(yōu)點在眾多新能源發(fā)電中脫穎而出，得到快速發(fā)展。然而，風電是一種間歇性能源，其對電力系統(tǒng)的安全性、電能質(zhì)量及經(jīng)濟性產(chǎn)生了重要影響，并會隨著滲透率的增加而越來越突出[1-2]，阻礙了風電的進一步大規(guī)模安全高效并網(wǎng)利用。為此，國內(nèi)外眾多學者從風電間歇性對電網(wǎng)造成危害的角度展開了深入研究，風電間歇性增加了電力系統(tǒng)的備用容量和額外運行費用。并且，為了更好的緩解、平抑風電間歇性帶來的影響，其定量度量和分析也是間歇性問題的一個重點研究方向。文獻[3]提出用風速陡變占空比作為風速間歇性的定量刻畫指標，并進行了相關(guān)統(tǒng)計分析。文獻[4]還提出了用風機啟停頻度作為風速間歇性的定量刻畫指標；實際上，在切入低風速附近出現(xiàn)的風機啟動頻度刻畫的是風功率時有時無的特性，在切出高風速附近的風機停機頻度指標描述的風功率時大時小的特性，該指標用于刻畫風電機組功率的間歇性更為合適。文獻[5]對現(xiàn)有的風力發(fā)電間歇度測量方法進行了梳理總結(jié)。文獻[6]指出風機間的互補性使整體風場表現(xiàn)出的間歇性較弱，提出用爬坡占空比作為風電功率間歇性的定量刻畫指標，并進行了相關(guān)統(tǒng)計分析。實際上，風電爬坡雖然已得到國內(nèi)外研究人員的廣泛關(guān)注，是體現(xiàn)風電不確定性的一個重要指標[7]；并且，文獻[6]中的風電間歇性指標體現(xiàn)的也是風機出力時大時小的特性，雖然已經(jīng)包含了文獻[4]風機停機頻度指標描述的風功率時大時小的特性，但缺乏對風機出力時有時無特性的刻畫。此外，目前國內(nèi)外未有利用間歇性指標進行風電場發(fā)電質(zhì)量的綜合評估的全面詳細研究成果。

綜上所述，現(xiàn)有單個度量指標對全面刻畫風電機組發(fā)電功率間歇性存在不足。本文提出了一種基于風機功率陡變占空比和風機啟動頻度雙度量指標組合方式的風電機組功率間歇性的全面刻畫量方法。在此基礎(chǔ)上，利用互相關(guān)分析方法、虛擬發(fā)電廠理論及數(shù)據(jù)驅(qū)動建模技術(shù)，形成一種可以綜合評價未來一段時間虛擬風電場出力質(zhì)量的評估策略；實際算例分析表明了該方法的應用可行性，可輔助對風場進行安全并網(wǎng)和合理棄風等決策。

1 風電功率間歇性的雙指標組合度量方法

本文提出了一種可以綜合考慮風功率時大時小和時有時無的間歇特性刻畫方法，即在文獻[6]給出的度量指標的基礎(chǔ)上進行改進，同時進一步組合應用文獻[4]的度量指標。通過對比分析現(xiàn)有單個度量指標對全面刻畫風電間歇性存在的不足，本文給出一種風電機組功率間歇性的全面刻畫方法如下：利用改進的陡變占空比描述風機功率時大時小特點，利用啟動頻度刻畫風機風功率時有時無的特性。

1.1 改進后的風功率陡變占空比

首先，需要得到某段時間內(nèi)風功率差

Δp(t)=p(t+Δt)-p(t)

(1)

式中 Δt——時間間隔，可以取1 min或者10 min；

p(t)和p(t+Δt)——t和t+Δt時刻的風功率，假設θ1和θ2分別為預先給定的風功率陡變正負閾值，則：當Δp(t)>θ1，則意味著發(fā)生了風功率陡升事件；當Δp(t)<θ2時則意味著發(fā)生了風功率陡降事件[6]。

設總的觀測時長為T、選取合適的Δt，在該時間段內(nèi)計算得到風功率差時間序列{Δp(t)}，記該序列中元素的個數(shù)為M。然后按照給定閾值θ1和θ2，統(tǒng)計風功率陡變事件發(fā)生的頻次。則風功率陡變事件發(fā)生的時長T′可以表示為

T′=Δt×M

(2)

則風功率陡變占空比φ定義為

φ=(T′×100%)/T

(3)

可以看出，風功率陡變占空比φ位于[0 1]區(qū)間內(nèi)，則φ越大，意味著一段時間內(nèi)風功率陡變發(fā)生的時長越長，風功率的間歇性較強。文獻[7]對風功率陡變事件及其相關(guān)研究進展進行了詳細闡述。

表1爬坡事件時間間隔及相應的閾值

關(guān)于閾值的選取，參考文獻[3]采用置信區(qū)間的概念來確定風速間歇性刻畫的閾值，假設{Δp(t)}服從正態(tài)分布，則大約95%的風功率差Δp(t)位于區(qū)間[μ-2σ，μ+2σ]內(nèi)，即

P(μ-2σ<Δp(t)<μ+2σ)=95%

(4)

式中μ和σ——序列{Δp(t)}的均值和標準差。

令θ1=μ-2σ，θ2=μ+2σ，則意味著區(qū)間內(nèi)的風功率差是正常的風功率變化，而超出該區(qū)間的風功率差則表示發(fā)生了陡變事件。但該方法刻畫風電間歇性時會把一部分爬坡事件包含在內(nèi)，使得刻畫不精確，因此需要在此基礎(chǔ)上加入另外兩個閾值θ3和θ4將爬坡事件剔除在外，進行修正后的間歇性的判斷是：當θ1<Δp(t)<θ3或θ4<Δp(t)<θ2時，發(fā)生了風功率間歇性事件。由文獻[6]知，爬坡占空比閾值選取如表1所示，其中，PR代表風電場的額定功率，Pth1(θ3)是上爬坡事件的閾值，Pth2(θ4)是下爬坡事件的閾值。

1.2 風機啟動頻度

如圖1所示，規(guī)定風電機組單位時間內(nèi)的啟動頻度為β。

第一步對原始風速時間序列進行10 min平均處理通常，即先用10 min內(nèi)的平均風速這一數(shù)值代替10 min內(nèi)的所有風速數(shù)值，然后對原始風速序列進行離散化處理，得到離散的“0-1”時間序列。離散化的規(guī)則如下：當風速小于切入風速或者大于切出風速時，將風速記為“0”，表示風電機組無功率輸出；反之，將風速記為“1”，表示風電機組有功率輸出[4]。即

(5)

第二步，令起始β=0，單位時間為10 min，規(guī)定采樣點序號。

第三步，按照采樣序號依次讀取離散時間序列，在此基礎(chǔ)上統(tǒng)計風電機組單位時間內(nèi)的啟動頻度。規(guī)定Vi為離散時間序列中序號ti的風速值，Vi+1為離散時間序列中序號ti+1的風速值，若滿足Vi+1=Vi+1，則β=β+1，即新的啟動頻度為原有的啟動頻度基礎(chǔ)加1；反之，則新的啟動頻度等于原有的啟動頻度。

第四步，判斷ti+1是不是最后一個采樣點，如果不是，則從第二步開始重復之前的工作；若是，則結(jié)束工作，得到的β為最終的風力發(fā)電機啟動頻度。

圖1 風電機組單位時間啟停頻度統(tǒng)計流程圖

2 風電場發(fā)電質(zhì)量綜合評估策略

大規(guī)模風電并網(wǎng)后，風電間歇性對電力系統(tǒng)造成一系列技術(shù)和經(jīng)濟上的影響。因此，在評估風電場的發(fā)電質(zhì)量時有必要引入間歇性度量指標。并且，虛擬發(fā)電廠為新能源電力的安全高效利用開辟了一條新的路徑[8]。因此，本文引入虛擬發(fā)電廠、選用合適的風功率間歇性刻畫量對發(fā)電質(zhì)量評估，來為減小風電間歇性對電力系統(tǒng)的不利影響提供一定幫助。

首先，分別對多臺風機的啟動頻度(陡變占空比)之間進行互相關(guān)分析，將相關(guān)性較高的多臺風機聚合在一起，作為統(tǒng)一調(diào)度的虛擬發(fā)電場。對聚合在一起的虛擬風電場的啟動切換頻度(陡變占空比)進行預報，如果在未來一段時間內(nèi)風場內(nèi)的風機的啟動頻度(陡變占空比)高，則表明這段時間內(nèi)風機啟動頻繁(風速變化劇烈)，其原因是風速變化劇烈，容易造成風電場輸出功率波動增大、發(fā)電質(zhì)量降低。最后，綜合啟停切換頻率和陡變占空比以及它們相應的權(quán)重，給出一個風電場出力質(zhì)量綜合評價系數(shù)。嘗試通過對比該評價系數(shù)的大小，在并網(wǎng)的過程中，優(yōu)先選擇評價系數(shù)大的風電場并網(wǎng)；而在需要棄風時，可以首先選擇將評價系數(shù)最小的風電場進行棄風。

2.1 基于互相關(guān)分析的虛擬發(fā)電廠聚合方法

虛擬發(fā)電廠的實質(zhì)是一組電源的聚合體，其需要尋找一種有效的聚合方式。類比信號處理中用互相關(guān)分析來描述兩個信號之間的依賴關(guān)系[9]，可選取互相關(guān)分析作為聚合虛擬發(fā)電廠的方法。

假設x(t)與y(t)分別代表兩個隨機信號，則它們對應的互相關(guān)函數(shù)一般定義為

(6)

而互相關(guān)函數(shù)中的互相關(guān)系數(shù)定義如式(7)

(7)

互相關(guān)系數(shù)ρxy(τ)的取值范圍為-1≤ρxy(τ)≤1。互相關(guān)系數(shù)的絕對值|ρxy(τ)|越大，則兩個信號間的相關(guān)性越高，兩個信號的關(guān)聯(lián)程度越強。文獻[9]給出了相關(guān)程度與相關(guān)系數(shù)取值的對應關(guān)系。

2.2 數(shù)據(jù)驅(qū)動預報技術(shù)

本文采用數(shù)據(jù)驅(qū)動建模技術(shù)進行預報，并在預報前利用自相關(guān)分析進行可預報性分析，以得到最佳預報時長，來使預報誤差降低[10]。

2.2.1 自相關(guān)分析方法

常用Pearson自相關(guān)系數(shù)的具體原理如下：

假設x(t)，t=1,2,……,n是一個隨機的時間序列，而信號x(t)與延遲τ時刻后的信號x(t+τ)間的協(xié)方差r(τ)的定義如式(2)所示

(8)

則信號x(t)與延遲τ時刻后的信號x(t+τ)的自相關(guān)系數(shù)ρxx(τ)定義為

(9)

自相關(guān)系數(shù)ρxx(τ)的取值范圍和對應的相關(guān)性程度都與互相關(guān)相同。

2.2.2 BP神經(jīng)網(wǎng)絡算法

BP神經(jīng)網(wǎng)絡是常用的數(shù)據(jù)驅(qū)動建模技術(shù)之一，已被廣泛應用于風電功率預測及風機故障診斷等許多方面[11-12]。它一般由輸入層、隱含層和輸出層三部分組成，其基本單位是神經(jīng)元。如圖2所示，為一個3層BP神經(jīng)網(wǎng)絡。神經(jīng)元接受到輸入信號Xi后，經(jīng)過隱含層Hi正向傳播至輸出層Oi，輸出Yi。輸出的Yi與已有結(jié)果進行比較，得到的誤差再經(jīng)過隱含層反向傳播至輸出層，此過程中每一層神經(jīng)元都得到了各自的誤差，從而調(diào)節(jié)神經(jīng)元內(nèi)部的權(quán)重和閾值，持續(xù)迭代直到誤差滿足需要時，神經(jīng)網(wǎng)絡停止。

圖2 典型3層BP神經(jīng)網(wǎng)絡結(jié)構(gòu)

3 算例及結(jié)果分析

本文選擇某一風電廠40臺機組作為對象，每臺風機的額定功率為15 kW。設定切入風速為3 m/s，切除風速為20 m/s。對風功率間歇性兩個刻畫量進行互相關(guān)分析，得到圖3和圖4所示的結(jié)果。選取相關(guān)系數(shù)大于等于0.6的風機組成虛擬風電廠，得到圖5，圖6所示的虛擬發(fā)電廠的風功率間歇性特性的結(jié)果，并在基礎(chǔ)上進行自相關(guān)分析和預報，得到圖7～圖10的結(jié)果。

圖3 啟動頻度互相關(guān)分析圖

圖4 陡變占空比互相關(guān)分析圖

圖5 虛擬風電場啟動頻度圖

圖6 虛擬風電場陡變占空比圖

圖7 啟動頻度自相關(guān)分析圖

圖8 陡變占空比自相關(guān)分析圖

圖9 啟動頻度BP神經(jīng)網(wǎng)絡圖

圖10 陡變占空比BP神經(jīng)網(wǎng)絡圖

通過對上述算例結(jié)果分析可以看出：啟動頻度最佳預報時長為1 h，陡變占空比的最佳預報時長為2～3 h，BP神經(jīng)網(wǎng)絡的預報效果雖有一定誤差，但整體較好。將風電啟動頻度轉(zhuǎn)換為啟動頻率，并將相同時間的啟動頻率平均值與對應的陡變占空比均值相比，得到啟動頻度占40%，陡變占空比占60%。

4 結(jié)論及展望

本文針對基于單機功率間歇性度量指標的風場發(fā)電質(zhì)量評估策略進行研究，結(jié)論如下：

(1)用單一的爬坡占空比指標來刻畫風電機組功率的間歇性具有一定的局限性，不能綜合考慮實際風電場中的機組啟停問題；需要將改進的陡變占空比與風機啟動頻度結(jié)合起來對風功率間歇性進行全面刻畫。

(2)用互相關(guān)函數(shù)對所有機組的風電功率間歇性度量指標序列進行分析，將相關(guān)性較高的風電機組聚合在一起組成虛擬風電場；用自相關(guān)分析法和BP神經(jīng)網(wǎng)絡算法對虛擬風場的功率間歇性度量指標序列進行建模預報，根據(jù)預報結(jié)果設置兩個度量指標權(quán)重，給出未來最佳預報時長內(nèi)虛擬風電場出力質(zhì)量的綜合評價系數(shù)，以便支持風場安全并網(wǎng)和合理棄風。

(3)實際算例分析表明了上述方法的應用可行性。