基于单一机组功率输出波动风电场负荷分配优化策略.docVIP

基于单一机组功率输出波动风电场负荷分配优化策略 　　【摘要】随着风电并网技术不断发展，风电场内负荷分配问题亟待解决，如何优化连续周期内风电场内各机组的负荷分配问题，是增加控制系统平稳性的关键所在。风电场内机组数量大地理位置分散，传统负荷分配模型维数过高易陷入“维数灾难难”困境中，针对这一问题，提取机组负荷特征值，利用模糊C均值方法对风电场内机组进行聚类分析，不同群组设置不同负荷分配优先级以降低维度；在风功率预测准确与机组全程功率可控的基础上，引入模糊函数作为权重系数建立目标函数，运用粒子群算法求解模型。所建立模型减少了连续周期内风电场单一机组功率输出的波动，并解决了负荷分配方案维数过高的问题。通过对某45MW风电场机组负荷分配问题的算例分析，验证了本方案的可行性及有效性。 【关键词】风电场；负荷分配；机组组合；非线性规划；风电调度 1.引言 近年来风力发电技术不断成熟，但是其电能消纳情况不尽人意，风能资源具有随机性和间歇性的特点，这一特性这使得风电并网会对电网运行可靠性造成一定影响。从风电发展开始以来，因电网安全等因素而弃风导致大量风电未上网，这严重影响了风电发展的效率与效益，因此，有必要分析风电并网运行中遇到的种种问题。中外学者针对风电并网中遇到的问题进行研究并提出了许多解决方案，文献[1]建立了基于机会约束规划的含风电场机组组合问题的模型，并利用可信度指标对含模糊数的约束条件进行评价。文献[2]构建了基于停电时间的负荷损失模型，应用于风电场对电力系统可靠性的影响分析中。文献[3]考虑空气动力学、机械和电气控制性能等因素影响，建立了的基于风电场输出特性的模型以便于电网安全计算。 本文工作旨在风功率预测数据准确的前提下，根据调度指令信号，建立风电场内机组负荷分配优化模型，优化后的负荷分配策略可用于变负荷运行的风电场，对风电场并网安全经济生产有一定指导意义。与传统发电厂不同，风电场机组数量众多[4]，机组运行状况也各不相同，同时再加上连续时间维度，风电厂厂级控制系统在进行负荷响应运算时容易陷入“维数灾难”的困境，寻优时间长，结果也难以令人满意。本文首先提取出风电厂内所有机组的运行数据，通过对数据中提取出的特征矩阵进行模糊聚类分析，将相似特性机组划分为同一类，每一类具有不同的负荷分配优先级，以避免“维数灾难难”的产生；其次，建立优化目标函数并给出约束条件，以实现调度信号实时分配并减少单一机组输出功率波动；最后，根据调度符合指令与风功率短期预测数据，利用粒子群算法对风电场负荷分配目标进行规划寻优，得到符合约束条件的负荷分配策略。 2.风电机组运行特性及其聚类 2.1 特征值的提取 假设风电机组运行在最佳风能利用曲线的运行轨迹上，能够通过转速和桨距角控制实现功率输出的全工况可调。通过对风电场机组的历史数据进行分析，在滤除不合理点后，分别提取风电机组输出功率的平均值和标准差作为特征值。采样间隔为10分钟，每隔m个采样点取5组数据进行计算： 上式表示风电场第i台机组在km至km+5时间段内的标准差，能够体现第i台机组的功率波动情况。 再将功率数据的平均值和标准差数据进行归一化处理： 2.2 基于FCM的聚类分析 不同于传统的火电厂每个电厂机组不足10台的数量，风电场机组数量大，目前一个中型的风力发电厂机组数量在30台以上甚至会达到上百台，在风电厂级控制系统进行负荷分配寻优的过程中，机组维数、特性维数加上时间维数构成了一个高维的目标函数，如果直接进行寻优，会出现局部最优解与计算时间漫长的情况.运用以上方法分析出的风电机组输出功率的运行特性，利用模糊聚类算法，将风电场内部众多机组分为若干群，按照不同功率输出等级与功率波动情况，将机组分为不同的负荷分配优先级。根据中调指令，按照不同的优先级对每个机组进行负荷分配计算，以达到降低维度的目的。 模糊C均值聚类算法（FCM，Fuzzy C- Means）简是在基于目标函数的聚类算法中，理论最为完善、应用最为广泛的一种方法[5]。FCM聚类算法是一种迭代优化算法，设集合X={X1，X2，……，Xn}是特征空间Rn上的一个样本集合，通过FCM聚类算法将X划分成c类（2≤c≤n），有个数为c的聚类中心V={V1，V2，……，Vc}。FCM算法的目标函数如下： 式中，c和n是所形成的聚类的个数和数据样本个数，uij为样本对于聚类的隶属度。 U为样本空间X一个模糊C划分，其中m[0，∞）为模糊加权指数，可以改变对X1的隶属度。目标函数表示特征点到各聚类中心距离的平方和，通过迭代优化计算，使目标函数达到最小值。当算法收敛时，就得到了每一聚类的聚类中心和每个样本对于各类的隶属度值，从而实现模糊聚类划分。 本文选取内蒙古某风电场