手机浏览网
大规模风电的接入增加了电力系统调度运行的不确定因素。在传统的风电实时调度方法中， 风电场被视为传统的可调度机组， 其发电容量等于风电单点预测值。调度中心以单点发电计划的方式调度风电场。如图1所示， 该方法存在以下问题： 一、风电单点预测准确度不高， 导致风电实际发电容量估计不准确， 产生不必要的弃风; 二、调度计划没有计及风电单点预测偏差的影响， 缺乏积极主动的应对措施; 三、没有考虑补偿功率失配的自动发电控制(AGC)环节的影响， 难以保证功率平衡稳态下的安全性; 四、风电场追踪单点计划需要频繁的桨距控制， 影响风机寿命。
为了解决上述问题， 提出了基于鲁棒调度区间的实时调度控制框架， 如图 2所示。根据调节响应性能的不同， 常规机组被划分为AGC机组和非AGC机组， 分别运行于AGC模式和计划追踪模式。实时调度控制过程每5分钟执行一次， 按照以下三个步骤循环进行：
步骤一： 收集信息。风电场向电网调度控制中心(简称调度中心)上传本地的超短期风电预测值和预测区间。
步骤二： 调度决策。调度中心根据超短期风电预测区间和负荷预测数据进行自适应鲁棒实时调度决策， 生成风电场的允许区间、AGC机组的基点功率值以及非AGC机组的出力计划值， 并将下发结果。风电场的允许区间指的是能够使系统运行于安全状态的该风电场的出力范围。
步骤三： 执行计划。风电场在允许区间范围内以最大功率点追踪(MPPT)模式安排发电出力， AGC机组按照给定的基点功率值运行于AGC模式， 非AGC机组严格追踪给定的出力计划值安排发电出力。
3决策模型： 自适应鲁棒实时调度模型
建立自适应鲁棒实时调度模型是实现前述控制方法的关键。本文采用两阶段鲁棒优化进行建模， 将决策变量划分为当前变量和待定变量。当前变量指应在不确定参数(风电实际可用出力)被观察前确定取值的决策变量， 对应风电允许区间上下限、AGC机组基点功率以及非AGC机组出力计划。待定变量指取值依赖于不确定参数的实际观察值的决策变量。在同一个调度时段内， 由风电波动引起的系统功率失配量由AGC机组承担， 所以本文模型的待定变量为AGC机组的实际出力值。
决策模型的优化目标为最小化系统调度总成本的期望值。调度总成本包括常规机组的发电成本、风电发电成本、限风成本和AGC机组调节成本。
决策模型的约束条件包括功率平衡约束、网络安全约束、机组爬坡约束、备用约束等。该模型要求， 当风电实际出力位于风电允许区间之内时， 以上约束条件均能被满足， 即优化结果应具备鲁棒性。另外， 该模型还考虑了实际AGC系统的稳态响应特性， 即功率失配量按比例分配至各台AGC机组出力， 因而具有仿射自适应的特点。
该模型为混合的随机-自适应鲁棒优化模型， 求解的主要难点在于作为不确定参数边界的允许区间上下界为模型的决策变量。该模型由于考虑了实际系统的仿射自适应规则， 可以转化为等价的确定性非线性规划模型， 从而通过传统的非线性规划方法求解。该模型的数学表达和详细推导请参考原文。
