论文部分内容阅读
风电作为一种大规模应用的清洁可再生能源,对保障全社会节能减排与可持续发展起着极为重要的作用。然而,大规模风电并网后,风电的间歇性与弱可控性使得电网各时间级的安全运行均受到了不同程度的影响。为降低不良影响,一方面要从自然风速的本体特性出发,有针对性地研究自然风速与风电变化的规律,另一方面还要探索在电网调度资源与调控措施有限的情况下,如何接纳大规模风电并网的理论与方法。本文从这两个方面入手,对风速统计特征及电网不同类型调度资源与调控手段间的相互协调问题进行深入研究,其成果将有助于为解决大规模风电并网问题提供理论和技术支持。 风速概率分布特性是描述风电场功率输出特性的重要基础信息。为适应风电场与电网运行的周期性变化特征,在传统以年为统计时间窗口的基础上,本文深入研究了短时窗条件下的风速概率密度分布统计特性,发现其具有多峰特点,进而利用似然估计方法,构造出短时窗风速的混合多峰威布尔分布模型。为服务于规划研究需要,根据混合多峰威布尔分布模型的特点,本文提出了一种考虑统计与互相关特性的风速时间序列模拟生成方法。由该方法生成的模拟风速数据较好地满足各风电场历史风速的概率密度分布、风速波动统计直方图与历史风速时间序列的互相关系数,具有兼顾各风电场自身和相互之间统计规律的特性。 由于采用确定性预测模型对风速和风电功率进行预测,无法传递结果的概率可信程度,不适应运行风险分析与调控应用的需要。为此,本文建立了以当前时段实测风速和下一时段预报风速为联合条件的离散预报误差概率分布(ForecastErrorProbabilityDistribution,FEPD)模型,并以该模型对未来时段的预报误差概率分布进行预测。具体过程首先由历史统计结果确定修正因子,利用风速波动概率分布(DisturbanceProbabilityDistribution,DPD)特征对预报误差概率分布进行偏度修正,再将修正后的预报误差概率分布与由确定性预测算法得到的结果相结合,从而得到风速概率性预测结果。这为实时确定电网针对风电预报误差所需安排的备用容量,提供了理论支持。 在风速数据模拟生成方法的支持下,本文对我国多火多风但少水的北方地区具有应用前景的大规模压缩空气储能(CompressedAirEnergyStorage,CAES)电站规划问题进行了研究。首先从CAES电站在电网高峰时段提供攀峰支持、储释能状态对电网潮流模式影响、投入与退出运行时对电网冲击入手,得到CAES电站的额定功率约束;再根据CAES电站在负荷低谷期的储能特点,对原电网过剩风电通过统计方法进行量化和极大似然拟合,得到待消纳风电与CAES电站额定功率的数学描述,从而确定因CAES电站投运后而产生的风电渗透率提高效益、常规储能效益及投资运行费用与CAES电站额定功率的函数关系,并得到一定约束下的CAES电站经济效益优化模型,为北方多风缺水地区电网经济合理规划储能设施提供了理论支持。 在上述研究基础上,为进一步解决大规模风电接入与节能减排政策深化带来的电网日发电计划编制与负荷高峰期调峰与调频难题,本文从日调度与负荷高峰期实时调度两个方面研究了电网多源协调策略。在日发电计划方面,为缓解风电带给日调度计划编制的负面影响,本文首先提出了一种在低谷期风电大发时可平衡火电机组启停机损失的轮流启停机制度,详细分析了低谷期时段可能出现的深度调峰以及弃风问题。同时,本文还分析了CAES电站与可中断负荷对缓解深度调峰及弥补高峰期系统正备用需求不足的作用,并结合我国初期电力市场特点与风电场群弃风分配出现的问题,将火电机组合同电能约束、总弃风电量在风电场群间分配约束、以及其它调控约束纳入日计划模型。根据该模型制定的发电计划显著提高了高风电渗透率电网的综合效益。 在高峰期调峰与调频方面,本文提出了一种高峰运行时段非自动发电控制(Non-AutomaticGenerationControl,Non-AGC)机组、按期望运行点调整(BaseLoadOff-Regulated,BLO)型AGC和按区域控制偏差(AreaControlError,ACE)自动调节(BaseLoadRegulated,BLR)型AGC三类机组的协调控制策略。首先根据BLO和BLR型AGC机组在每个预调度时段末期机组总体调节容量情况,判断是否启动控制策略;若策略启动后,BLR型AGC机组根据负荷与风电功率预报偏差概率分布信息,整定其在下一个在线调度时段的基点功率值,使其具有概率意义上合理的有偏调节能力;Non-AGC机组一般按经济计划点运行,在BLO-AGC机组正备用匮乏,或系统频率出现较大偏差时适度调整Non-AGC机组的出力,以增补BLO-AGC机组的正备用;BLO-AGC机组在每个在线调度时段及时恢复BLR-AGC机组的调节能力,在整个控制策略中起承上启下的作用。实例表明该协调控制策略正确可行。 本文工作得到了国家高技术研究发展计划(863计划)重大项目(项目编号:2011AA05A105)和国家自然科学基金项目(项目编号:50877014)的资助。