CN102738828A - 利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法 - Google Patents

Abstract

利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法，涉及一种抑规模化风电并网功率波动的不确定性的方法。它是为了解决大规模并网风电场功率波动平抑能力不足的问题。其方法：将规模化风电并网功率波动分解为可预报分量和不确定分量的叠加；利用一体化联合发电单元对步骤一中的不确定分量进行界估计，实现传统电源与风电的最优匹配；获取不确定分量的频谱，并对该频谱进行分析，将不确定分量分为超高频、高频、中频、低频四个部分；分别采用超高频跟踪平抑单元、高频跟踪平抑单元、中频跟踪平抑单元和低频跟踪平抑单元进行跟踪平抑；从而实现平抑规模化风电并网功率波动的不确定性。本发明适用于平抑规模化风电并网功率波动的不确定性。

Description

利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法

技术领域

本发明涉及一种抑规模化风电并网功率波动的不确定性方法。

背景技术

面对化石能源日益枯竭、环境污染等人类共同难题，规模化风能等新能源电力安全高效开发利用，是我国实现可持续发展的必然选择和重大战略举措。而随着风力发电技术的日趋成熟，规模化风电的并网就成为当前急需解决的最关键问题之一。结合我国电源结构性矛盾突出的国情，希望能够利用一体化联合发电单元对风电功率的波动性进行全方位的综合平抑，解决风电并网的关键技术问题，实现对能源的安全高效利用。

虽然我国风资源较丰富，但是风具有随机性、强波动性以及不确定性等特点，使风电机组的输出有功功率存在不确定性。目前，风力发电机组的单机容量已经发展到兆瓦级水平，但是当前的风功率预测技术还是难以满足电力系统安全高效运行或调度等需求，在并网时，由于风电功率的不确定性，会导致日电力电量平衡和电源安排非常困难，电网的运行调度面临巨大考验，而随着风电装机容量的大幅度提高，规模化新能源电力消纳面临的问题和矛盾将更加突出。大规模风电并网的重要制约因素是电网可为风电提供的调峰能力，当前，规模化风电消纳已成为我国电力系统面临的重大现实问题，例如2010年1至6月，风电上网收购电量为222.54亿千瓦时，未收购电量为27.76亿千瓦时，损失风能比例为11.1%。当前主要利用传统发电单元例如火电机组等参与调峰的办法来平抑风电功率的不确定性，即通常所说的“削峰补谷”的调峰方法。但是，由于火电机组等不同调峰单元的调峰能力不同，而单一的利用一种或者几种发电单元平抑风电功率的不确定性，由于当前我国仍是以火电发电为主，而其它可参与调峰的发电单元的发电量在电网中所占比例较小，因此，在实际操作过程中往往会出现一些问题。以2008年年底统计的数据为例，内蒙古电网调峰电力平均缺额达1GW，运行中面临着电网限电的情况，直接影响到日电力电量平衡和电网运行方式的安排；同时，由于火电机组调峰时，处于低负荷运转，经济效果较差。因此，大面积采用火电机组调峰不仅对资源造成浪费，而且效果也不够明显。

发明内容

本发明是为了解决大规模并网风电场功率波动平抑能力不足的问题，从而提供一种利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法。

利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法，它由以下步骤实现：

步骤一、将规模化风电并网功率波动分解为可预报分量和不确定分量的叠加；

步骤二、利用一体化联合发电单元对步骤一中的不确定分量进行界估计，实现传统电源与风电的最优匹配；

步骤三、获取步骤二中不确定分量的频谱，并对该频谱进行分析，将不确定分量分为超高频、高频、中频、低频四个部分；

步骤四、将步骤三获得的超高频部分采用一体化联合发电单元中的超高频跟踪平抑单元进行跟踪平抑；

将步骤三获得的高频部分采用一体化联合发电单元中的高频跟踪平抑单元进行跟踪平抑；

将步骤三获得的中频部分采用一体化联合发电单元中的中频跟踪平抑单元进行跟踪平抑；

将步骤三获得的低频部分采用一体化联合发电单元中的低频跟踪平抑单元进行跟踪平抑；

从而实现平抑规模化风电并网功率波动的不确定性。

一体化联合发电单元中的超高频跟踪平抑单元采用飞轮储能单元实现。

一体化联合发电单元中的高频部分采用抽水蓄能或燃气轮机发电机组实现。

一体化联合发电单元中的中频部分采用调整当前汽轮机机组中进气阀的响应速度的方法实现。

一体化联合发电单元中的低频部分采用火力发电机组实现。

步骤一中将规模化风电并网功率波动分解为可预报分量和不确定分量的叠加是采用基于支持向量机的方法实现的，具体为：

步骤A、将损失函数：

$\frac{1}{2}{\left|\right|w\left|\right|}^2+C\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\ξ}}_i+{\mathrm{\ξ}}_i^{*})$

修改为：

$\frac{1}{2}{\left|\right|w\left|\right|}^2+C[\mathrm{v\ϵ}+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\ξ}}_i+{\mathrm{\ξ}}_i^{*})]$

上式的约束条件为：

式中：ε为损失函数中的变量；C>0，决定经验风险与正规部分之间的平衡的参数；v为0～1之间的常数；w是全系数组成的向量；b为实数，x为输入值，y为输出值，n为正整数；

步骤B、选定正数v、C和核函数，Φ为映射函数，核函数K(x_i,x_j)=Φ(x_i)·Φ(x_j)；其中本发明选择高斯核函数

步骤C、构造并求解步骤A中修改后的损失函数的对偶问题，获得最优解：

α＝(α₁,α₁ ^*,α₂,α₂ ^*，∧，α_n，α_n ^*)^T，其中α_n，

为拉格朗日乘子；

步骤D、根据步骤C获得的最优解构造决策函数：

$f\left(x\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i^{*}-{\mathrm{\α}}_i)K(x_i,x)+b$

式中：由待定系数法求b取值的方法为：

$b=\frac{1}{2}[y_j+y_k-(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i^{*}-{\mathrm{\α}}_i)K(x_i,x_j)+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i^{*}-{\mathrm{\α}}_i)K(x_i,x_k))]$

获得；其中k为1至n之间的整数；j为1至n之间的整数；且k≠j；

步骤E、根据公式：

${\mathrm{\ϵ}}^{*}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i^{*}-{\mathrm{\α}}_i)K(x_i,x_j)+b-y_j$

或 ${\mathrm{\ϵ}}^{*}=y_k-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i^{*}-{\mathrm{\α}}_i)K(x_i,x_k)-b$

进行置信区间估计，并生成界估计图；图中预测值曲线即为可预报分量，在置信区间内，该曲线附近的不确定性范围即为不确定分量；从而实现将规模化风电并网功率波动分解为可预报分量和不确定分量的叠加。

步骤三中对该频谱进行分析，将不确定分量分为超高频、高频、中频、低频四个部分是采用小波分析法实现的。

有益效果：本发明的方法将规模化风场中风电功率不确定性划分为高频、中频、低频三部分，采用一体化联合发电单元针对不同频率范围内的波动采用相应跟踪能力的单元进行跟踪平抑，这样不仅能够使电网快速响应风电的频率变化、减少工作在低负荷状态的旋转热备用，而且提高了风电穿透功率极限，更加满足电力市场交易需要，以及便于安排机组维护和检修。

附图说明

图1是传统能源的电力系统组成示意图；图2是新能源电力系统的组成示意图；图3是风功率波动的分级示意图；图4是风功率不确定性一体化联合发电单元的原理示意图；图5是风电场并网接线示意图；图6是风功率波动分频频谱示意图；图7是低频段的频谱示意图；图8是中频段的频谱示意图；图9是高频段的频谱示意图；图10是超高频段的频谱示意图；图11是实际风功率波动频谱示意图；图12是Mallat分解算法的流程示意图。

具体实施方式

具体实施方式一、利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法，它由以下步骤实现：

步骤一、将规模化风电并网功率波动分解为可预报分量和不确定分量的叠加；

步骤二、利用一体化联合发电单元对步骤一中的不确定分量进行界估计，实现传统电源与风电的最优匹配；

步骤三、获取步骤二中不确定分量的频谱，并对该频谱进行分析，将不确定分量分为超高频、高频、中频、低频四个部分；

步骤四、将步骤三获得的超高频部分采用一体化联合发电单元中的超高频跟踪平抑单元进行跟踪平抑；

将步骤三获得的高频部分采用一体化联合发电单元中的高频跟踪平抑单元进行跟踪平抑；

将步骤三获得的中频部分采用一体化联合发电单元中的中频跟踪平抑单元进行跟踪平抑；

将步骤三获得的低频部分采用一体化联合发电单元中的低频跟踪平抑单元进行跟踪平抑；

从而实现平抑规模化风电并网功率波动的不确定性。

一体化联合发电单元中的超高频跟踪平抑单元采用飞轮储能单元实现。

一体化联合发电单元中的高频部分采用抽水蓄能或燃气轮机发电机组实现。

一体化联合发电单元中的中频部分采用调整当前汽轮机机组中进气阀的响应速度的方法实现。

一体化联合发电单元中的低频部分采用火力发电机组实现。

步骤一中将规模化风电并网功率波动分解为可预报分量和不确定分量的叠加是采用基于支持向量机的方法实现的，具体为：

步骤A、将损失函数：

$\frac{1}{2}{\left|\right|w\left|\right|}^2+C\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\ξ}}_i+{\mathrm{\ξ}}_i^{*})$

修改为：

$\frac{1}{2}{\left|\right|w\left|\right|}^2+C[\mathrm{v\ϵ}+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\ξ}}_i+{\mathrm{\ξ}}_i^{*})]$

上式的约束条件为：

式中：ε为损失函数中的变量；C>0，决定经验风险与正规部分之间的平衡的参数；v为0～1之间的常数；w是全系数组成的向量；b为实数，x为输入值，y为输出值，n为正整数；

步骤B、选定正数v、C和核函数，Φ为映射函数，核函数K(x_i,x_j)=Φ(x_i)·Φ(x_j)；其中本发明选择高斯核函数

步骤C、构造并求解步骤A中修改后的损失函数的对偶问题，获得最优解：

α＝(α₁,α₁ ^*,α₂,α₂ ^*，∧，α_n，α_n ^*)^T，其中α_n，

为拉格朗日乘子；

步骤D、根据步骤C获得的最优解构造决策函数：

$f\left(x\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i^{*}-{\mathrm{\α}}_i)K(x_i,x)+b$

式中：由待定系数法求b取值的方法为：

$b=\frac{1}{2}[y_j+y_k-(\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i^{*}-{\mathrm{\α}}_i)K(x_i,x_j)+\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i^{*}-{\mathrm{\α}}_i)K(x_i,x_k))]$

获得；其中k为1至n之间的整数；j为1至n之间的整数；且k≠j；

步骤E、根据公式：

${\mathrm{\ϵ}}^{*}=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i^{*}-{\mathrm{\α}}_i)K(x_i,x_j)+b-y_j$

或 ${\mathrm{\ϵ}}^{*}=y_k-\underset{i=1}{\overset{n}{\mathrm{\Σ}}}({\mathrm{\α}}_i^{*}-{\mathrm{\α}}_i)K(x_i,x_k)-b$

进行置信区间估计，并生成界估计图；图中预测值曲线即为可预报分量，在置信区间内，该曲线附近的不确定性范围即为不确定分量；从而实现将规模化风电并网功率波动分解为可预报分量和不确定分量的叠加。

步骤三中对该频谱进行分析，将不确定分量分为超高频、高频、中频、低频四个部分是采用小波分析法实现的。

给出的界估计图可如附图3所示，预测值即为其期望值，这条曲线为确定性部分，而在期望值附近的不确定性范围为其不确定性部分，是需要一体化联合发电单元平抑的部分。如附图3所示，由于不确定分量的幅度显著小于总的功率波动幅度，因此本方法能够为解决大规模风电场中功率波动平抑能力不足的问题提供一种新思路。

原理：如附图1所示，传统能源的电力系统中电源侧的波动性电源较少，主要是负荷中心侧波动较大，因此原电网中可通过控制电源侧的输出功率来维持电网平衡；而当前由于新能源的大力发展，风电等新能源对电网的影响也越来越大，如附图2所示当前电网中所存在的问题是在电源侧输出功率存在一定的波动性，而负荷侧仍存在波动性，因此针对如何利用波动性的电源去平抑波动性的输出功率，维持电网平衡这一关键问题，我们提出了利用一体化联合发电单元平抑规模化风场中风电功率波动不确定性，进而有望解决其它波动型电源如光电等在并网时对电网的影响。

针对大规模风电场中功率波动平抑能力不足问题，采用分级解决的思想，如附图3所示，将风电负荷的波动分解为可预报分量和不确定分量（预报误差）的叠加。利用现有的电力系统调度模式由系统内的调峰能力平抑可预报的波动分量，利用传统电源与新能源电源构成的一体化发电单元平抑不确定分量（预报误差），由于不确定分量的幅度显著小于总的功率波动幅度，因而本方法可望为解决大规模风电场中功率波动平抑能力不足的问题提供一种新思路。

在一体化发电单元中，首先，对功率波动不确定性分量的进行界估计，实现了传统电源与风电的最优匹配问题，在保证足够控制能力的基础上实现了最小的传统能源配置，不仅实现了快速有效的平抑规模化风电场中的风功率不确定性，而且从而在一定程度上减少了系统热备用，提高了经济效益；再次，如附图4所示，从风电不确定分量频谱分析的角度，利用分频段的思想将风功率的不确定分量划分为超高频、高频、中频、低频四部分，并对传统能源动态响应带宽等需求性能指标要求，利用一体化联合发电单元针对不同频率范围内的波动采用相应跟踪能力的单元进行跟踪平抑。

本发明中的分频办法采用多尺度分频方法：

本发明涉及利用时间多尺度的思想将风功率的不确定分量划分为超高频、高频、中频、低频四部分。本发明中主要采用小波分析的理论，对规模化风电场中的不同频域内的波动进行分频处理，然后再利用一体化联合发电单元针对不同频率范围内的波动采用相应跟踪能力的单元进行跟踪平抑。

小波分析的主要理论发展是从傅里叶变换，短时傅里叶变换再到小波分析的过程。离散小波变换的一个突破性成果是S.Malalt于1989年在多分辨分析的基础上提出的快速算法—Mallat算法。下面给出Mallat算法的基本思想和一些公式。

假定多分辨分析

中

是标准正交的，对应的小波基函数为

由于

构成了L²(R)的一组标准正交基，因而对任给的函数f＝L²(R)均都可以用

来分析。因为对于某一特定的信号总是只具有有限的分辨率，所以可以假定

为一确定的整数，并由

$\stackrel{\‾}{\underset{j\∈Z}{Y}{V}_j}=L^{2}R---\left(1\right)$

因此有：

其中：

由多分辨分析知：

$V_J=W_{J-1}\⊕V_{J-1}=\mathrm{\Λ}=W_{J-1}\⊕W_{J-2}\⊕\mathrm{\Λ}\⊕W_{J-M}\⊕V_{J-M}---\left(4\right)$

故f（x）又可表示为：

其中：

d_j,k=(f(x),Ψ_j，k)                （6）

上式称为f（x）的小波级数展开表示。若记：

$g_j\left(x\right)=\underset{\mathrm{k\ϵ\ϵ}}{\mathrm{\Σ}}{d}_{j,k}{\mathrm{\Ψ}}_{j,k}\∈W_J---\left(7\right)$

则式（5）又可写为：

$f\left(x\right)=\underset{J-M\&le;j<J}{\mathrm{\&Sigma;}}{g}_j+f_{J-M}---\left(9\right)$

用f(x)在不同分辨层上的投影函数的叠加来表示f(x),并且随着j的增大f_j(x)越来越接近f(x)，即有

$f\left(x\right)=\underset{j\&RightArrow;\&infin;}{\overset{\mathrm{limt}}{}}{f}_j\left(x\right)---\left(10\right)$

而功mallat的分解算法就是经过对各层分解系数之间的关系得研究而构造出的。

由双尺度方程

可得：

又由于：

d_j，k=(f(x),Ψ_j，k)              （16）

由此系数之间有下列关系式：

$c_{j,k}=\underset{n}{\mathrm{\&Sigma;}}{\stackrel{\&OverBar;}{h}}_{n-2k}{c}_{j+1,n}---\left(17\right)$

$d_{j,k}=\underset{n}{\mathrm{\&Sigma;}}{\stackrel{\&OverBar;}{g}}_{n-2k}{c}_{j+1,n}---\left(18\right)$

这个由{c_j+1,k}_k∈z计算{c_j，k}_k∈z和{d_j，k}_k∈z的算法称为mallat分解算法。利用该分解算法可以很容易地由式⑵中的{c_j，k}_k∈z计算出式⑸中各个不同分辨层上的小波展开系数{d_j，k}_k∈z(j＝J-1,J-2,…,J-M）和在较“粗”尺度子空间中的尺度函数展开系数{c_J-M，k}_k∈z。

Mallat分解算法的过程可用图12所示，是利用小波分析的方法，将某实际风电厂风功率波动的不确定性部分，划分为如图所示的四部分超高频、高频、中频以及低频四部分，获得的频谱如图6至图11所示。

Claims (7)

1.利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法，其特征是：它由以下步骤实现：

步骤一、将规模化风电并网功率波动分解为可预报分量和不确定分量的叠加；

步骤二、利用一体化联合发电单元对步骤一中的不确定分量进行界估计，实现传统电源与风电的最优匹配；

步骤三、获取步骤二中不确定分量的频谱，并对该频谱进行分析，将不确定分量分为超高频、高频、中频、低频四个部分；

步骤四、将步骤三获得的超高频部分采用一体化联合发电单元中的超高频跟踪平抑单元进行跟踪平抑；

将步骤三获得的高频部分采用一体化联合发电单元中的高频跟踪平抑单元进行跟踪平抑；

将步骤三获得的中频部分采用一体化联合发电单元中的中频跟踪平抑单元进行跟踪平抑；

将步骤三获得的低频部分采用一体化联合发电单元中的低频跟踪平抑单元进行跟踪平抑；

从而实现平抑规模化风电并网功率波动的不确定性。

2.根据权利要求1所述的利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法，其特征在于一体化联合发电单元中的超高频跟踪平抑单元采用飞轮储能单元实现。

3.根据权利要求1所述的利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法，其特征在于一体化联合发电单元中的高频部分采用抽水蓄能或燃气轮机发电机组实现。

4.根据权利要求1所述的利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法，其特征在于一体化联合发电单元中的中频部分采用调整当前汽轮机机组中进气阀的响应速度的方法实现。

5.根据权利要求1所述的利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法，其特征在于一体化联合发电单元中的低频部分采用火力发电机组实现。

6.根据权利要求1所述的利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法，其特征在于步骤一中将规模化风电并网功率波动分解为可预报分量和不确定分量的叠加是采用基于支持向量机的方法实现的，具体为：

步骤A、将损失函数：

$\frac{1}{2}{\left|\right|w\left|\right|}^2+C\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}({\mathrm{\&xi;}}_i+{\mathrm{\&xi;}}_i^{*})$

修改为：

$\frac{1}{2}{\left|\right|w\left|\right|}^2+C[\mathrm{v\&epsiv;}+\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}({\mathrm{\&xi;}}_i+{\mathrm{\&xi;}}_i^{*})]$

上式的约束条件为：

式中：ε为损失函数中的变量；C>0，决定经验风险与正规部分之间的平衡的参数；v为0～1之间的常数；w是全系数组成的向量；b为实数，x为输入值，y为输出值，n为正整数；

步骤B、选定正数v、C和核函数，Φ为映射函数，核函数选用高斯核函数 $k(x_i,x_j)=e^{-{|x_i-x_j|}^2/2{\mathrm{\&sigma;}}^2};$

步骤C、构造并求解步骤A中修改后的损失函数的对偶问题，获得最优解：

α＝(α₁,α₁ ^*,α₂,α₂ ^*，∧，α_n，α_n ^*)^T，其中α_n，

为拉格朗日乘子；

步骤D、根据步骤C获得的最优解构造决策函数：

$f\left(x\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i^{*}-{\mathrm{\&alpha;}}_i)K(x_i,x)+b$

式中：由待定系数法求b取值的方法为：

$b=\frac{1}{2}[y_j+y_k-(\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i^{*}-{\mathrm{\&alpha;}}_i)K(x_i,x_j)+\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i^{*}-{\mathrm{\&alpha;}}_i)K(x_i,x_k))]$

获得；其中k为1至n之间的整数；j为1至n之间的整数；且k≠j；

步骤E、根据公式：

${\mathrm{\&epsiv;}}^{*}=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i^{*}-{\mathrm{\&alpha;}}_i)K(x_i,x_j)+b-y_j$

或 ${\mathrm{\&epsiv;}}^{*}=y_k-\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}({\mathrm{\&alpha;}}_i^{*}-{\mathrm{\&alpha;}}_i)K(x_i,x_k)-b$

进行置信区间估计，并生成界估计图；图中预测值曲线即为可预报分量，在置信区间内，该曲线附近的不确定性范围即为不确定分量；从而实现将规模化风电并网功率波动分解为可预报分量和不确定分量的叠加。

7.根据权利要求1所述的利用一体化联合发电单元平抑规模化风电并网功率波动的不确定性的方法，其特征在于步骤三中对该频谱进行分析，将不确定分量分为超高频、高频、中频、低频四个部分是采用小波分析法实现的。

Images