一种风电场群与火力发电厂联合发电系统的平滑出力方法

摘要

本发明提供一种风电场群与火力发电厂联合发电系统的平滑出力方法，包括：针对风电场群中的每一风电场，获取由该风电场的风力发电功率预测值组成的数据集合，将所有风电场对应的数据集合中的风力发电功率预测值相加，得到由风电场群总发电功率组成的综合数据集合；利用多项式拟合算法对综合数据集合进行拟合，得到风电平滑出力公式，并计算风电平滑出力值；计算风电平滑出力值与火力发电厂基准出力值之和，得到总平滑出力值；根据总平滑出力值、风电场群总发电功率、以及火力发电厂最小出力值、最大出力值、基准出力值，确定风电场群和火力发电厂的实际出力情况。本发明得到的平滑出力曲线不会滞后延时，且确保耗能低、污染少，输出电能平稳。

说明书

技术领域

本发明涉及电力技术领域，具体地，涉及一种风电场群与火力发电厂联合发电系统的 平滑出力方法。

背景技术

火力发电是目前最重要、技术最为成熟的发电方式，当前火力发电在我国发电领域中 仍占有非常大的比例，但火力发电存在能耗高、污染严重等缺点。

近年来，风能等可再生清洁能源已越来越多被应用于发电领域，风电场群与火力发电 厂联合发电系统是一种综合了风力发电和火力发电的发电系统，这种发电系统在风能资源 充足时增加风力供电的比重，充分发挥风力发电技术能耗低、污染小的优势，在风能资源 不够充足时，利用火力发电满足电网运行的需要。图1为风电场群与火力发电厂联合发电 系统的结构示意图，多个风电场与一个火力发电厂接入公共电网。

风能资源存在着随机性和波动性的问题，导致风力发电的功率具有波动性，提供给电 网的电能就不够平稳，影响电网的平稳运行。为了减少这种冲击，需要对风力发电进行功 率平抑，以减小功率波动性对电网的影响。

东北电力大学宇航、严干贵等人利用一阶低通滤波算法实现风电功率波动平抑的控制 策略。该控制策略主要对风电场运行中的高频分量进行滤除，减小风电功率的变化率，为 电力系统提供较为稳定的功率输出，而储能系统则是通过其充放电来改变输出功率的幅 值，使注入电网的电能更加平稳。但实际应用中发现这种利用一阶低通滤波算法得到的出 力平滑曲线存在一定的延时作用，如图2所示，较细的线为风电单独出力曲线，较粗的线 为利用这种控制策略得到的风储平滑出力曲线，从图2可明显看出，风储平滑出力曲线滞 后于风电单独出力曲线。这是因为这种利用一阶低通滤波算法实现风电功率波动平抑的控 制策略是采用本次采样值与上次滤波输出值进行加权得到本次滤波输出值，具体公式为：

Y(n)＝αX(n)+(1-α)Y(n-1)

以上公式中，α为滤波系数；X(n)为本次采样值；Y(n-1)为上次滤波输出值；Y(n)为本 次滤波输出值。

可见，这种利用一阶低通滤波算法实现风电功率波动平抑的控制策略还存在不足之 处。

发明内容

本发明实施例的主要目的在于提供一种风电场群与火力发电厂联合发电系统的平滑 出力方法，以解决现有技术利用一阶低通滤波算法平抑风电功率波动所得到的出力平滑曲 线存在延时现象的问题。

为了实现上述目的，本发明实施例提供一种风电场群与火力发电厂联合发电系统的平 滑出力方法，包括：

步骤A，针对风电场群中的每一风电场，获取由该风电场的风力发电功率预测值组成 的数据集合，将所有风电场对应的数据集合中的风力发电功率预测值相加，得到由风电场 群总发电功率组成的综合数据集合；

步骤B，利用多项式拟合算法对所述综合数据集合进行拟合，得到风电平滑出力公式， 并根据所述风电平滑出力公式计算风电平滑出力值；

步骤C，计算所述风电平滑出力值与火力发电厂基准出力值之和，得到总平滑出力值；

步骤D，根据所述总平滑出力值、所述风电场群总发电功率、以及火力发电厂最小出 力值、最大出力值、基准出力值，确定风电场群和火力发电厂的实际出力情况；

所述步骤A具体为：

步骤A1，针对风电场群中的每一风电场，获取由该风电场的风力发电功率预测值组成 的数据集合P_j：

P_j＝{(p_ji,t_i)|j＝1,2...,k；i＝1,2...,m}

步骤A2，将所有风电场对应的数据集合中的风力发电功率预测值相加，得到由风电场 群总发电功率组成的综合数据集合P：

P＝{(p_i,t_i)|i＝1,2...,m}

$p_i=\underset{j=1}{\overset{k}{\Sigma }}{p}_{\mathrm{ji}}$

其中，k为风电场群中的风电场总数，j为风电场序列号，m为各风电场对应的数据 集合、所述综合数据集合的样本个数，i为样本序列号，P_j为第j个风电场对应的数据集 合，p_ji为第j个风电场的风力发电功率预测值，P为综合数据集合，p_i为风电场群总发电 功率，t_i为p_ji、p_i对应的时间；

所述步骤B具体包括：

步骤B1，根据所述综合数据集合P中风电场群总发电功率p_i的波动趋势，确定所述风 电平滑出力公式的阶数n，其中n为自然数；

步骤B2，拟合具有所述阶数n的多项式：

a_nt_iⁿ+a_n-1t_i^n-1+…+a₁t_i+a₀；

其中，a₀～a_n为多项式系数；

步骤B3，计算所述多项式a_nt_iⁿ+a_n-1t_i^n-1+…+a₁t_i+a₀与所述风电场群总发电功率p_i的 差值平方和Err：

$\mathrm{Err}=\underset{i=0}{\overset{m}{\Sigma }}{(a_n{t_i}^n+a_{n-1}{t_i}^{n-1}+···+a_1{t}_i+a_0-p_i)}^2;$

步骤B4，利用最小二乘法计算所述差值平方和Err为最小值时，多项式系数a₀～a_n对应 的具体值α₀～α_n；

步骤B5，利用所述具体值α₀～α_n构建风电平滑出力公式X(t)：

X(t)＝α_ntⁿ+α_n-1t^n-1+…+α₁t+α₀；

其中，t为时间；

步骤B6，计算当t＝t_i时，所述风电平滑出力公式X(t)的值：

X(t_i)＝α_nt_iⁿ+α_n-1t_i^n-1+…+α₁t_i+α₀

其中，X(t_i)为风电平滑出力值；

所述步骤C具体为：

计算风电平滑出力值X(t_i)与火力发电厂基准出力值之和，得到总平滑出力值：

Y(t_i)＝X(t_i)+P_default

其中，Y(t_i)为总平滑出力值，P_default为火力发电厂基准出力值；

所述步骤D具体包括：

步骤D1，计算所述总平滑出力值Y(t_i)与风电场群总发电功率p_i的差值Δp_i：

Δp_i＝Y(t_i)-p_i；

步骤D2，令风电场群按照所述风电场群总发电功率p_i出力；

步骤D3，若所述差值Δp_i小于或等于火力发电厂最小出力值P_min时，令火力发电厂按 照其最小出力值P_min出力；若所述差值Δp_i大于或等于火力发电厂最大出力值P_max时，令火 力发电厂按照其最大出力值P_max出力；若所述差值Δp_i大于火力发电厂最小出力值P_min且小 于火力发电厂最大出力值P_max时，令火力发电厂按照所述差值Δp_i出力。

借助于上述技术方案，本发明通过对整个计划出力区间的风电场群总发电功率进行多 项式拟合，最终得到的平滑出力曲线不会滞后延时，相比于利用一阶低通滤波方法平抑光 热电站功率波动的方法，本发明具有更优化的平滑出力效果，同时，本发明将对风电场群 进行功率波动平抑的结果与火力发电厂的出力加在一起作为整体来控制联合发电的实际 出力情况，以确保整个系统耗能低、污染少，且提供给电网的电能平稳。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例描述中所 需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施 例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图 获得其他的附图。

图1是本发明背景技术提供的风电场群与火力发电厂联合发电系统的结构示意图；

图2是本发明背景技术提供的利用一阶低通滤波算法进行风电波动平抑前后的功率曲 线对比示意图；

图3是本发明提供的风电场群与火力发电厂联合发电系统的平滑出力方法流程示意 图；

图4是本发明提供的平滑出力前后功率曲线对比示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地 描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本 发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实 施例，都属于本发明保护的范围。

本发明提供一种风电场群与火力发电厂联合发电系统的平滑出力方法，如图3所示， 该方法包括：

步骤S1，针对风电场群中的每一风电场，获取由该风电场的风力发电功率预测值组成 的数据集合，将所有风电场对应的数据集合中的风力发电功率预测值相加，得到由风电场 群总发电功率组成的综合数据集合。

步骤S2，利用多项式拟合算法对综合数据集合进行拟合，得到风电平滑出力公式，并 根据风电平滑出力公式计算风电平滑出力值。

步骤S3，计算风电平滑出力值与火力发电厂基准出力值之和，得到总平滑出力值。

步骤S4，根据总平滑出力值、风电场群总发电功率、以及火力发电厂最小出力值、最 大出力值、基准出力值，确定火力发电厂的实际出力情况。

下面以公式形式对上述方法的具体过程进行说明：

步骤S1具体包括如下两步骤：

步骤S11，针对风电场群中的每一风电场，获取由该风电场的风力发电功率预测值组 成的数据集合P_j：

P_j＝{(p_ji,t_i)|j＝1,2...,k；i＝1,2...,m}

该步骤可以从每一风电场的功率预测系统SCADA中获取风力发电功率预测值，即功率 预测系统SCADA对该风电场在计划出力区间单独出力预测的功率值。

步骤S12，将所有风电场对应的数据集合中的风力发电功率预测值相加，得到由风电 场群总发电功率组成的综合数据集合P：

P＝{(p_i,t_i)|i＝1,2...,m}

$p_i=\underset{j=1}{\overset{k}{\Sigma }}{p}_{\mathrm{ji}}$

其中，k为风电场群中的风电场总数，j为风电场序列号，m为各风电场对应的数据 集合、综合数据集合的样本个数，i为样本序列号，P_j为第j个风电场对应的数据集合，p_ji为第j个风电场的风力发电功率预测值，P为综合数据集合，p_i为风电场群总发电功率，t_i为p_ji、p_i对应的时间。

其中，风电场群总发电功率p_i为t_i时刻风电场群中各个风电场的风力发电功率预测值 p_ji之和，综合数据集合P包含了整个计划出力区间的风电场群总发电功率p_i。

步骤S2具体包括如下各步骤：

步骤S21，根据综合数据集合P中风电场群总发电功率p_i的波动趋势，确定风电平滑出 力公式的阶数n，其中n为自然数。

较佳的，该步骤按照如下具体步骤执行：

步骤S211，根据综合数据集合P中风电场群总发电功率p_i的波动趋势，确定平滑出力 曲线波形；

步骤S212，根据平滑出力曲线波形，确定风电平滑出力公式的阶数n。

例如，当平滑出力曲线波形为直线时，确定风电平滑出力公式的阶数n＝1；当平滑出 力曲线波形为抛物线时，确定风电平滑出力公式的阶数n＝2。

步骤S22，拟合具有阶数n的多项式：

a_nt_iⁿ+a_n-1t_i^n-1+…+a₁t_i+a₀；

其中，a₀～a_n为多项式系数。

步骤S23，计算多项式a_nt_iⁿ+a_n-1t_i^n-1+…+a₁t_i+a₀与风电场群总发电功率p_i的差值平 方和Err：

$\mathrm{Err}=\underset{i=0}{\overset{m}{\Sigma }}{(a_n{t_i}^n+a_{n-1}{t_i}^{n-1}+···+a_1{t}_i+a_0-p_i)}^2.$

步骤S24，利用最小二乘法计算差值平方和Err为最小值时，多项式系数a₀～a_n对应的 具体值α₀～α_n。

较佳的，该步骤按照采用如下方式计算：

分别对多项式系数a₀～a_n求偏导数，得到如下方程组：

$\left(\begin{array}{c}m{a}_0+\left(\underset{i=1}{\overset{m}{\Sigma }}{t}_i\right)a_1+···+\left(\underset{i=1}{\overset{m}{\Sigma }}{t_i}^n\right)a_n=\underset{i=1}{\overset{m}{\Sigma }}{p}_i\\ \left(\underset{i=1}{\overset{m}{\Sigma }}{t}_i\right)a_0+\left(\underset{i=1}{\overset{m}{\Sigma }}{t_i}^2\right)a_1+···+\left(\underset{i=1}{\overset{m}{\Sigma }}{t_i}^{n+1}\right)a_n=\underset{i=1}{\overset{m}{\Sigma }}{t}_i{p}_i\\ ···\\ ···\\ ···\\ \left(\underset{i=1}{\overset{m}{\Sigma }}{t_i}^n\right)a_0+\left(\underset{i=1}{\overset{m}{\Sigma }}{t_i}^{n+1}\right)a_1+···+\left(\underset{i=1}{\overset{m}{\Sigma }}{t_i}^{2n}\right)a_n=\underset{i=1}{\overset{m}{\Sigma }}{t_i}^n{p}_i\end{array}\right)$

求解以上方程组，得到多项式系数a₀～a_n对应的具体值α₀～α_n。

步骤S25，利用具体值α₀～α_n构建风电平滑出力公式X(t)：

X(t)＝α_ntⁿ+α_n-1t^n-1+…+α₁t+α₀；

其中，t为时间；

步骤S26，计算当t＝t_i时，风电平滑出力公式X(t)的值：

X(t_i)＝α_nt_iⁿ+α_n-1t_i^n-1+…+α₁t_i+α₀

其中，X(t_i)为风电平滑出力值。

具体的，该步骤利用多项式拟合算法对整个计划出力区间的风电场群总发电功率数据 进行拟合，得到的平滑出力值是对风电场群的功率波动进行平抑后的结果，由于不是如现 有的利用一阶低通滤波算法那样采用相邻滤波输出值来计算当前的滤波输出值，因此本发 明得到的平滑出力曲线(平滑出力公式对应的曲线)不会滞后延时，平滑效果更加优化。

图4中虚线所示为某风电场群在整个计划出力区间的风电场群总发电功率p_i组成的曲 线，利用本发明提供的方法进行平滑出力后得到如图4中实线所示的平滑出力曲线，通过 对比可知，平滑出力后得到的平滑出力曲线减小了功率波动，且不存在延时现象。

由于本发明研究的是由风电场群与火力发电厂共同组成的联合发电系统，该系统应尽 量降低火力发电而使用风力发电，以保证耗能低、污染少，但火力发电厂的最小出力又不 可能降为零，这就需要将对风电场群进行功率波动平抑的结果(平滑出力值)与火力发电 厂的出力加在一起作为整体来控制联合发电的实际出力情况，以确保整个系统耗能低、污 染少，且提供给电网的电能平稳。

步骤S3具体为：

计算风电平滑出力值X(t_i)与火力发电厂基准出力值之和，得到总平滑出力值：

Y(t_i)＝X(t_i)+P_default

其中，Y(t_i)为总平滑出力值，P_default为火力发电厂基准出力值，是火力发电厂默认情况 下的出力值，该基准出力值可根据火力发电厂的具体情况(需要考虑火力发电厂的机组特 性)设定。

步骤S4具体包括如下步骤：

步骤S41，计算总平滑出力值Y(t_i)与风电场群总发电功率p_i的差值Δp_i：

Δp_i＝Y(t_i)-p_i；

步骤S42，令风电场群按照风电场群总发电功率p_i出力；

步骤S43，若差值Δp_i小于或等于火力发电厂最小出力值P_min时，令火力发电厂按照其 最小出力值P_min出力；

若差值Δp_i大于或等于火力发电厂最大出力值P_max时，令火力发电厂按照其最大出力值 P_max出力；

若差值Δp_i大于火力发电厂最小出力值P_min且小于火力发电厂最大出力值P_max时，令火 力发电厂按照差值Δp_i出力。

以上步骤中，火力发电厂最大出力值P_max和最小出力值P_min分别是火力发电厂能输出 的最大功率和最小功率，可根据火力发电厂的具体情况(需要考虑火力发电厂的机组特性) 设定。一般情况下，P_min＜P_default＜P_max。

较佳的，火力发电厂最小出力值P_min、最大出力值P_max、基准出力值P_default具有如下关 系：

$P_{\mathrm{default}}=\frac{P_{\max }+P_{\min }}{2}.$

例如，当火力发电厂最小出力值P_min＝500MW，最大出力值P_max＝1000MW，基准出力 值P_default＝750MW。

通过步骤4，整个风电场群与火力发电厂联合发电系统将按照如下策略出力：

当总平滑出力值Y(t_i)与风电场群总发电功率p_i的差值Δp_i小于或等于火力发电厂最 小出力值P_min时，说明火力发电厂只要按照其最小功率输出电能，再加上与风电场群输出 的电能之和，就可以满足总平滑出力值；

当总平滑出力值Y(t_i)与风电场群总发电功率p_i的差值Δp_i大于或等于火力发电厂最 大出力值P_max时，说明火力发电厂需要按照其最大功率输出电能，再加上与风电场群输出 的电能之和，才能基本满足总平滑出力值；

当总平滑出力值Y(t_i)与风电场群总发电功率p_i的差值Δp_i大于火力发电厂最小出力 值P_min且小于火力发电厂最大出力值P_max时，说明火力发电厂适当出力(差值Δp_i)，再加 上与风电场群输出的电能之和，即可满足总平滑出力值；

以上各种情况下，风电场群都是按照风电场群总发电功率p_i出力，即按照其实际能输 出的最大功率出力，其主要原因是：风电平滑出力值X(t_i)是对风电场群总发电功率p_i进行 波动平抑后的结果，X(t_i)与p_i相差并不大，而总平滑出力值Y(t_i)＝X(t_i)+P_default，火力发电 厂基准出力值P_default＞0，因此，总平滑出力值Y(t_i)总会大于风电场群总发电功率p_i，这种 情况下，单独靠风电场群输出电能(即便按照其实际能输出的最大功率出力)并不能满足 总平滑出力值Y(t_i)的要求，还需要火力发电厂输出电能来补充，基于耗能低、污染少的原 则，尽量降低火力发电的比例，就需要风电场群按照其实际能输出的最大功率出力，即按 照风电场群总发电功率p_i出力。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说 明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护 范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在 本发明的保护范围之内。