论文部分内容阅读
摘要：为了提高风电场能量管理和运行控制水平，本文结合江苏大丰风电场实际，分析其在运行中存在的能量流空间分布、信息流分散、存在监控盲区、且新系统接入困难等特点，总结粗放式能量管理系统在安全运行、经济运行、电网友好运行等方面存在的问题，研究提出了智能化风电场能量管理系统建设的关键技术，并结合现场画面展示该系统在大丰风电场的应用情况，最后给出了江苏大丰智能化风电场能量管理系统的软硬件架构和应用效果分析。本文研发的智能化风电场能量管理系统已经在多家风电场投入实际应用。
关键词：电力系统；风力发电；智能化风电场；能量管理系统
1.引言
發展风电等可再生能源已成为世界各国保障能源安全，应对气候变化，促进低碳、绿色、可持续发展的共同选择[1]。截至到2015年9月份，中国风电装机1.39亿千瓦，容量世界第一，并呈现迅猛增长趋势，根据十三五发展规划，2020年风电装机将达到2亿千瓦。与风电装机迅猛增长的同时，中国风电规模化开发，集中外送，由于风电的间歇式和波动性等原因给电网带来巨大挑战，典型表现在连锁脱网和弃风。如何可靠消纳风电是电网和风电场共同面临的重大挑战。
与此同时，由于风电场发展前期的“重建设、轻管理”的粗放式运营模式，导致风电场自动化水平普遍不高，如何充分发挥风电场的能动性，降低风电场运行成本，抑制风电波动对电网的影响，提高接入电网的友好程度是提高风电并网安全水平的可行思路[1]-[10]。
从能量管理的角度看，风电场内部更像一个局部电网，而不仅仅是一个变电站，其辐射的35kV馈线和配网有类似之处，但是由于接入大量风机电源，因此更加复杂，其本身是一个“微电网”能量管理和运行控制问题[11]-[15]。本文结合江苏大丰风电场的实际情况，介绍了江苏大丰智能化风电场能量管理系统的建设思路和主要功能，研究成果对其它风电场和光伏电站具有推广和借鉴价值。
2.实际需求分析
江苏中电大丰风电场位于江苏盐城市的沿海滩涂地带，南北最长处约10公里，东西最宽约4公里，总占地面积超25平方公里，目前拥有风力发电机组174台，总容量200WM，其中单机容量1500kW的风力发电机组93台，750kW风力发电机组81台，年平均上网发电量约为3.6亿千瓦时，相当于节省标准煤约14.4万吨，减排二氧化碳约35.89万吨，大丰风电二期工程规划装机容量100MW，计划安装2.5MW风力发电机组40台。
大丰风电场能量管理的现状及主要问题：
（1）能量流空间分布。
大丰风电场共有10条35kV的架空集电线，连接到风机，最长架空线为15公里，最短5公里，风电场内线路总长度超过120公里，风电场能量流空间分布最典型的表现是风电机端电压分布差异显著。
（2）信息监控分散，存在盲区，且接入困难。
目前大丰风电场的监控手段只能看到两头（监控站和风机机端），现有传统调度和监控手段，针对风电场内占地面积动辄数十平方公里的集电网络相当于“黑箱子”，内部结构不可知，而处于“盲调状态”。
（3）控制设备特性各异
风电场内含有多种控制设备（风机、SVC/SVG、电容电抗器），各设备控制特性各异。
传统控制方法采用很难考虑他们之间的协调配合问题，以AVC为例，面对风电的快速波动，风机来不级响应，容易导致SVC/SVG的调节资源耗尽，使得连锁脱网问题突出[16]-[18]。
3.关键技术及现场应用
本节研究提出了智能化风电场能量管理系统建设的关键技术，并结合现场画面展示该系统在大丰风电场的应用情况。
3.1.风电场全景精细化建模
提供图模库一体化的方式，建立覆盖“风机-箱变-馈线-升压站-并网线路”的全风电场电力模型，打开风电集电网络的黑匣子，提高了风电场的模型可观性。
3.2.风电场数据集成共享平台
建立风电场数据集成共享平台，提供面向不同监控系统的自适应数据接口，提供高效灵活的内存数据库，确保访问速度和便捷性，提供开放式数据交互接口，实现面向各应用的信息共享。
3.3.风电场态势感知及网络分析
（1）建立风电场的电力量测模型；
（2）利用场内状态估计和潮流分析技术，弥补量测不足缺点，提高风电场可观度。
（3）通过有功/无功对电压的灵敏度分析，为后续控制决策提供基础灵敏度信息。
3.4.风电场安全评估及预警
（1）实时计算在当前时刻和未来时刻的预测发电水平下，一旦单台风机率先发生脱网事故后，风电场内部其他风机接入点的电压分布情况。
（2）实时计算在当前时刻和未来时刻的预测发电水平下，一旦某集电馈线发生故障跳闸事故后，风电场内部其他风机运行的电压情况。
（3）对于上述可能造成各种电压连锁反应的情况，向运行值班人员给出预警，提示运行值班人员进行预先的干预和处理，防患于未然。
4.结论
综上所述，江苏大丰风电场能量管理系统具有如下特点：
（1）网络分析：支持风电场“微电网”的在线电气建模和网络分析，支持全场电气设备的运行统计分析，提高风电场系统的可观可控性。
（2）全景可视：从框架上，支持一体化集中监视升压站和各期风机的运行状态，在数据上，支持监视全场范围内电气设备的运行状态，在方法上，支持三维可视化的信息直观监视。
（3）协调互动：在横向维度，实现了有功/无功的精确协调，确保有功控制不会导致风机机端电压异常或母线电压异常，避免过调和调节震荡；在纵向维度，实现了风电场子站与调度主站的双向互动，提前并网的友好程度。
（4）预警预控：计及超短期风电功率预测，可能出现的风机过电压或母线过电压情况进行预警，提示运行值班人员，并进行场内电压预控，提前调整离散，慢速的无功控制装置，维持风电场电压的平稳； 智能化风电场能量管理系统在江苏大丰两年多的应用情况表明，本系统提升了运行人员对风电场运行的管控能力，降低了风电场运行成本，减轻了运行人员的劳动强度，提高自动化水平。本系统部分成果还在华北、西北、东北等多家大型风电场和光伏电站推广应用，经济和社会效益显著。
参考文献：
[1]Global Wind Energy Council. [2012-04-6]. http：//www.gwec.net/index.php？id=30&no_cache=1&tx_ttnews[tt_news]=340&tx_ttnews[backPid]=4&cHash=f4d1217bad
[2]朱凌志，陈宁，韩华玲.风电消纳关键问题及应对措施分析.电力系统自动化，2011，35（22）：29-34.
[3]Hongbin Sun，Boming Zhang，WenChuan Wu，Qinglai Guo，Family of Energy，Management System for Smart Grid，IEEE PES Innovative Smart Grid Technologies Europe，Berlin，Germany，Oct.13-18 2012
[4]Anjan Bose. Smart Transmission Grid Applications and Their Supporting Infrastructure. IEEE Trans. on Smart Grid，June 2010，1（1）：11-19
[5]陈颖，周海，王文鹏，曹潇，丁杰.风电场输出功率超短期预测结果分析与改进[J].电力系统自动化
[6]李立成，叶林.采用虚拟调节算法的风电场有功功率控制策略[J].电力系统自动化，2013，37（10）：41-47.
[7]Jorge Martinez，Philip C. Kjaer. Fast Voltage Control in Wind Power Plants. IEEE PES General Meeting，Detroit，Michigan，USA，July 24-29，2011
[8]Molinas M，Jon A S，Undeland T. Low Voltage Ride Through of Wind Farms With Cage Generators：STATCOM Versus SVC. Power Electronics，IEEE Transactions on，2008，23（3）：1104～1117
[9]陳宁，何维国，钱敏慧等.风电场无功电压控制系统设计和应用[J].电力系统自动化，2011，35（23）：32-36.
[10]Liu Yifeng，Guo Qinglai，Sun Hongbin，etal. Network model based coordinated automatic voltage control strategy for wind farm. IEEE Innovative Smart Grid Technologies - Asia，ISGT Asia 2012.
[11]乔颖，鲁宗相，徐飞，王小海，侯佑华，朱长胜. 风电场集成监控平台的研究[J]. 电力系统保护与控制，2011，39（06）：117-123.
[12]孙宏斌，郭庆来，吴文传等，风电场分布式能量管理系统：体系架构和关键技术 电力系统保护与控制，2014，42（5）：1-6
[13]米增强，苏勋文，余洋，王毅，吴涛.双馈机组风电场动态等效模型研究[J].电力系统自动化，2010，34（17）：72-77.
[14]仇国兵.考虑复杂尾流效应和连接电缆故障的风电场可靠性建模[J].电力系统自动化，2014，38（18）：33-39.
关键词：电力系统；风力发电；智能化风电场；能量管理系统
1.引言
發展风电等可再生能源已成为世界各国保障能源安全，应对气候变化，促进低碳、绿色、可持续发展的共同选择[1]。截至到2015年9月份，中国风电装机1.39亿千瓦，容量世界第一，并呈现迅猛增长趋势，根据十三五发展规划，2020年风电装机将达到2亿千瓦。与风电装机迅猛增长的同时，中国风电规模化开发，集中外送，由于风电的间歇式和波动性等原因给电网带来巨大挑战，典型表现在连锁脱网和弃风。如何可靠消纳风电是电网和风电场共同面临的重大挑战。
与此同时，由于风电场发展前期的“重建设、轻管理”的粗放式运营模式，导致风电场自动化水平普遍不高，如何充分发挥风电场的能动性，降低风电场运行成本，抑制风电波动对电网的影响，提高接入电网的友好程度是提高风电并网安全水平的可行思路[1]-[10]。
从能量管理的角度看，风电场内部更像一个局部电网，而不仅仅是一个变电站，其辐射的35kV馈线和配网有类似之处，但是由于接入大量风机电源，因此更加复杂，其本身是一个“微电网”能量管理和运行控制问题[11]-[15]。本文结合江苏大丰风电场的实际情况，介绍了江苏大丰智能化风电场能量管理系统的建设思路和主要功能，研究成果对其它风电场和光伏电站具有推广和借鉴价值。
2.实际需求分析
江苏中电大丰风电场位于江苏盐城市的沿海滩涂地带，南北最长处约10公里，东西最宽约4公里，总占地面积超25平方公里，目前拥有风力发电机组174台，总容量200WM，其中单机容量1500kW的风力发电机组93台，750kW风力发电机组81台，年平均上网发电量约为3.6亿千瓦时，相当于节省标准煤约14.4万吨，减排二氧化碳约35.89万吨，大丰风电二期工程规划装机容量100MW，计划安装2.5MW风力发电机组40台。
大丰风电场能量管理的现状及主要问题：
（1）能量流空间分布。
大丰风电场共有10条35kV的架空集电线，连接到风机，最长架空线为15公里，最短5公里，风电场内线路总长度超过120公里，风电场能量流空间分布最典型的表现是风电机端电压分布差异显著。
（2）信息监控分散，存在盲区，且接入困难。
目前大丰风电场的监控手段只能看到两头（监控站和风机机端），现有传统调度和监控手段，针对风电场内占地面积动辄数十平方公里的集电网络相当于“黑箱子”，内部结构不可知，而处于“盲调状态”。
（3）控制设备特性各异
风电场内含有多种控制设备（风机、SVC/SVG、电容电抗器），各设备控制特性各异。
传统控制方法采用很难考虑他们之间的协调配合问题，以AVC为例，面对风电的快速波动，风机来不级响应，容易导致SVC/SVG的调节资源耗尽，使得连锁脱网问题突出[16]-[18]。
3.关键技术及现场应用
本节研究提出了智能化风电场能量管理系统建设的关键技术，并结合现场画面展示该系统在大丰风电场的应用情况。
3.1.风电场全景精细化建模
提供图模库一体化的方式，建立覆盖“风机-箱变-馈线-升压站-并网线路”的全风电场电力模型，打开风电集电网络的黑匣子，提高了风电场的模型可观性。
3.2.风电场数据集成共享平台
建立风电场数据集成共享平台，提供面向不同监控系统的自适应数据接口，提供高效灵活的内存数据库，确保访问速度和便捷性，提供开放式数据交互接口，实现面向各应用的信息共享。
3.3.风电场态势感知及网络分析
（1）建立风电场的电力量测模型；
（2）利用场内状态估计和潮流分析技术，弥补量测不足缺点，提高风电场可观度。
（3）通过有功/无功对电压的灵敏度分析，为后续控制决策提供基础灵敏度信息。
3.4.风电场安全评估及预警
（1）实时计算在当前时刻和未来时刻的预测发电水平下，一旦单台风机率先发生脱网事故后，风电场内部其他风机接入点的电压分布情况。
（2）实时计算在当前时刻和未来时刻的预测发电水平下，一旦某集电馈线发生故障跳闸事故后，风电场内部其他风机运行的电压情况。
（3）对于上述可能造成各种电压连锁反应的情况，向运行值班人员给出预警，提示运行值班人员进行预先的干预和处理，防患于未然。
4.结论
综上所述，江苏大丰风电场能量管理系统具有如下特点：
（1）网络分析：支持风电场“微电网”的在线电气建模和网络分析，支持全场电气设备的运行统计分析，提高风电场系统的可观可控性。
（2）全景可视：从框架上，支持一体化集中监视升压站和各期风机的运行状态，在数据上，支持监视全场范围内电气设备的运行状态，在方法上，支持三维可视化的信息直观监视。
（3）协调互动：在横向维度，实现了有功/无功的精确协调，确保有功控制不会导致风机机端电压异常或母线电压异常，避免过调和调节震荡；在纵向维度，实现了风电场子站与调度主站的双向互动，提前并网的友好程度。
（4）预警预控：计及超短期风电功率预测，可能出现的风机过电压或母线过电压情况进行预警，提示运行值班人员，并进行场内电压预控，提前调整离散，慢速的无功控制装置，维持风电场电压的平稳； 智能化风电场能量管理系统在江苏大丰两年多的应用情况表明，本系统提升了运行人员对风电场运行的管控能力，降低了风电场运行成本，减轻了运行人员的劳动强度，提高自动化水平。本系统部分成果还在华北、西北、东北等多家大型风电场和光伏电站推广应用，经济和社会效益显著。
参考文献：
[1]Global Wind Energy Council. [2012-04-6]. http：//www.gwec.net/index.php？id=30&no_cache=1&tx_ttnews[tt_news]=340&tx_ttnews[backPid]=4&cHash=f4d1217bad
[2]朱凌志，陈宁，韩华玲.风电消纳关键问题及应对措施分析.电力系统自动化，2011，35（22）：29-34.
[3]Hongbin Sun，Boming Zhang，WenChuan Wu，Qinglai Guo，Family of Energy，Management System for Smart Grid，IEEE PES Innovative Smart Grid Technologies Europe，Berlin，Germany，Oct.13-18 2012
[4]Anjan Bose. Smart Transmission Grid Applications and Their Supporting Infrastructure. IEEE Trans. on Smart Grid，June 2010，1（1）：11-19
[5]陈颖，周海，王文鹏，曹潇，丁杰.风电场输出功率超短期预测结果分析与改进[J].电力系统自动化
[6]李立成，叶林.采用虚拟调节算法的风电场有功功率控制策略[J].电力系统自动化，2013，37（10）：41-47.
[7]Jorge Martinez，Philip C. Kjaer. Fast Voltage Control in Wind Power Plants. IEEE PES General Meeting，Detroit，Michigan，USA，July 24-29，2011
[8]Molinas M，Jon A S，Undeland T. Low Voltage Ride Through of Wind Farms With Cage Generators：STATCOM Versus SVC. Power Electronics，IEEE Transactions on，2008，23（3）：1104～1117
[9]陳宁，何维国，钱敏慧等.风电场无功电压控制系统设计和应用[J].电力系统自动化，2011，35（23）：32-36.
[10]Liu Yifeng，Guo Qinglai，Sun Hongbin，etal. Network model based coordinated automatic voltage control strategy for wind farm. IEEE Innovative Smart Grid Technologies - Asia，ISGT Asia 2012.
[11]乔颖，鲁宗相，徐飞，王小海，侯佑华，朱长胜. 风电场集成监控平台的研究[J]. 电力系统保护与控制，2011，39（06）：117-123.
[12]孙宏斌，郭庆来，吴文传等，风电场分布式能量管理系统：体系架构和关键技术 电力系统保护与控制，2014，42（5）：1-6
[13]米增强，苏勋文，余洋，王毅，吴涛.双馈机组风电场动态等效模型研究[J].电力系统自动化，2010，34（17）：72-77.
[14]仇国兵.考虑复杂尾流效应和连接电缆故障的风电场可靠性建模[J].电力系统自动化，2014，38（18）：33-39.