电力系统及其自动化技术-风电并网.docxVIP

地方电力系统新技术专题课程结业论文 -电力系统及其自动化技术 学院：工程学院 专业：电气工程及其自动化 班级： 姓名： 学号：电力系统及其自动化技术 1 绪论 我国的风能资源并没有得到广泛地利用，但是发展迅速。2008年底我国风电装机容量为12 210 MW，居世界第4位。近10年，世界风电装机年均增长31.8%，我国风电装机年均增长70%，增速约为世界风电年均增速的2倍。我国风能多分布在三北地区，远离用电负荷中心，随着大规模的风电基地的建设，风电需要大规模的集中并网，而风电出力的波动性、间歇性和随机性，会导致风电并网后的电力系统稳定问题，因此风电并网技术是制约我国风电发展的瓶颈，而有关风电并网技术的研究也是电力系统领域的新热点。 2 风电并网的功率预测技术 风电的大量接入给电网的有功功率调节质量和调峰能力带来很大的影响，如何根据风力发电输出功率情况对电网内的常规机组的运行进行合理调配是风电并网的主要问题之一。 2.1时间尺度 某省级电网调度中心目前确定次日电源开机方式及出力的过程为：每天17：00上报第2天24h每15min间隔的负荷曲线及电源的开机状态，因此，根据风电预测预报系统的工作原理及地方电网的具体情况，风电功率预测系统的时间参数要求应为：每天14：00预测次日00：00—24：00风电输出功率；时间分辨率为15min。 2.2空间尺度 区域风电功率总和对确定常规电源的出力曲线及联络线交换功率具有很大的作用，因此，需要预测整个区域的风电功率；在电网调度时，将一个风电场看作一个整体进行调度，不需要对每台风电机组的功率进行预测，只需要预测整个风电场的功率。 2.3功率预测模型 目前风电功率预测的模型主要有：1）时间序列方法，主要包括自回归移动平均（ARMA）模型、自回归条件异方差（ARCH）模型、线性回归模型、自适应模糊逻辑算法、人工神经网络方法等，采用时间序列方法可对风速做时间序列分析，然后将其转换成风电场输出功率，也可直接对风电场输出功率做时间序列分析；2）基于数值天气预报的预测模型，即利用气象部门提供的数值气象预报模型，对风电场或附近某个点的天气情况（主要包括风速、风向、气温、气压等参数）进行预测，建立预测模型，并结合其他输入，将数值气象预报模型的预测值转换成风电场的功率输出，该模型可分为统计模型和物理模型。 实际风电功率预测应以当地实际状况为依据，某地区风电场根据当地情况确定以下技术方案： 利用数值天气预报、风电场历史测风数据、风电场输出功率历史数据、风电场所处区域的地形地貌和风机运行状态等数据，通过统计方法或物理与统计相结合的方法建立各风电场的预测模型，然后以数值天气预报数据作为模型的输入，预测各风电场和全省次日风电出力。 2.4预测系统软件开发 图1 风电功率预测系统软件结构 风电功率预测系统的模块划分及软件结构如图1所示。各软件模块具有如下功能： 1）预测系统数据库：预测系统的数据中心，各软件模块均通过系统数据库完成数据的交互。系统数据库存储来自数值天气预报处理模块的数值天气预报数据、预测程序产生的预测结果数据和EMS（能量管理系统）接口程序产生的实发风电功率数据等。 2）数值天气预报处理模块：从数值天气预报服务商的服务器下载数值天气预报数据，经过处理后形成各预测风电场预测时段的数值天气预报数据送入预测系统数据库。 3）预测模块：从系统数据库中取出数值天气预报数据，预测模型计算出风电场的预测结果，并将预测结果送回系统数据库。 4）EMS系统接口模块：将各风电场的实时功率数据传送到系统数据库中，同时将预测结果从系统数据库上取出，发送给EMS系统。 5）图形用户界面模块：与用户交互，完成数据及曲线显示、系统管理及维护等功能。目前该风电预测预报软件虽然接收EMS系统发出的实测风电功率信息，但是由于研究开展不久，尚未将该实测信息作为预测预报模型的输入信息。换言之，目前的风电预测预报仅仅是基于数值天气预报的开环预报，尚未形成实测信息对预测信息的反馈。 3 风电并网的有功调度技术 相比传统的水电、火电机组的构成系统的确定性调度方式，由于风电机组的有功出力的随机性和不确定性，风电大规模的并网有赖于风电有功调度技术的发展，针对各地的实际情况，风火打捆，风光互补、风电储能等技术相继产生。 3.1风火电“打捆”外送有功控制 风火电“打捆”外送有功控制的一个主要目标是控制“打捆”外送断面不超过稳定限额，若只控制火电，由于火电最小技术出力的限制，火电调节量有限，在风速较大时，难以满足断面调节需求。另外，在风速增长过程中，风电出力的整体变化率可能于参与调节的火电机组出力的整体变化率，这样可能导致在风速较大阶段风火电“打捆”外送断面超限额运行。因此，风电也必须参与调节，实际控制时风电应采取超前控制，根据风火电“打捆”外送断面裕度，