考虑发电工况和站内损耗的风电场可用发电功率估算方法

doi:10.12096/j.2096-4528.pgt.21135

摘要/Abstract

摘要：

电网在线优化调度和直调风电自动发电控制(automatic generation control，AGC)系统策略优化都需要建立准确的风电场可用发电功率估算模型。基于单机信息系统，提出了一种考虑发电工况和站内损耗的风电场可用出力精确估算方法。利用斯皮尔曼相关系数确定了估算时刻的关键历史时刻数量，基于长短期记忆网络建立了风电机组理论发电功率估算模型，并将风机运行细分为待风、发电、停运等6种工况，建立了风电场站内损耗等值电路模型。最后，采用某风场实际数据进行了仿真计算。计算结果表明：单机理论功率模型考虑历史风速时，均方根误差下降了40%；风电场可用发电功率模型考虑发电工况和站内损耗时，均方根误差下降了76.9%。所提出的风电场可用发电功率估算模型，将有助于在线调度和直调风电AGC系统策略的优化，提高风电消纳水平。

Abstract:

Optimization of direct-regulated wind power automatic generation control (AGC) system and grid online optimal dispatch system requires the establishment of an accurate wind farm available power estimation model. Based on the new energy stand-alone information management system, this paper put forward a method of accurate estimation of wind power plant considering power generation conditions and station losses. The Spearman correlation coefficient was used to determine the number of key historical moments in the estimation moment, and the theoretical power estimation model of wind turbines was established based on the long short-term memory (LSTM) network. The operating conditions of the wind turbines were subdivided into six types (named as waiting wind, power generation and outage etc.), and the equivalent circuit model of the loss in the wind farm was established. Finally, the actual data of a wind farm was used to perform simulation calculations. The calculation results show that the root mean square error is reduced by 40% when the theoretical power model of a single machine considers the historical wind speed;When the available power model of wind farm takes into account the power generation condition and in-station loss, the root square error is reduced by 76.9%. The available power estimation model for wind farms proposed in this paper will facilitate the optimization of online dispatching and direct-regulation wind power AGC system strategies, and improve the level of wind power consumption.

Key words: wind power, Spearman correlation coefficient, long short-term memory (LSTM) network, theoretical power, station loss, available power

中图分类号:

TK 81

杨健, 柳玉, 黄坤鹏, 罗亚洲, 牛四清, 王伟, 环加飞, 张雷, 张沛, 李华伟. 考虑发电工况和站内损耗的风电场可用发电功率估算方法[J]. 发电技术, 2023, 44(2): 235-243.

Jian YANG, Yu LIU, Kunpeng HUANG, Yazhou LUO, Siqing NIU, Wei WANG, Jiafei HUAN, Lei ZHANG, Pei ZHANG, Huawei LI. A Method for Estimating Available Power of Wind Farms by Considering the Power Generation Conditions and Station Losses[J]. Power Generation Technology, 2023, 44(2): 235-243.

图/表 9

图 1 LSTM单元在时间上展开图

Fig. 1 Expanded view of LSTM unit in time

图2 LSTM单元结构图

Fig. 2 LSTM unit structure

表 1 估算时刻机舱风速与历史时刻机舱风速的相关系数

Tab. 1 Correlation coefficient between cabin wind speed at estimated time and cabin wind speed at historical time

估算时刻	历史时刻	相关系数
t时刻	t-5时刻	0.895 7
	t-4时刻	0.912 9
	t-3时刻	0.945 1
	t-2时刻	0.966 8
	t-1时刻	0.975 7

表2 基于LSTM网络的单机理论发电功率估算模型超参数

Tab.2 Hyperparameters of wind turbine theoretical generation power estimation model based on LSTM network

超参数	数值
输入层时间步数	5
输入层维数	1
隐藏层的数目	1
隐藏层维数	8
输出变量维数	1

表 3 风电机组理论发电功率估算模型的测试集误差

Tab. 3 Errors in the test set of the theoretical power generation estimation model for wind turbines

模型	均方根误差/%	平均绝对误差/%
BP model-1	6.127	5.378
LSTM model-1	5.825	4.304
LSTM model-5	3.071	2.150

图 3 测试集中部分功率估算值与真实值对比图

Fig. 3 Comparison of partial estimated power values and real power values in test set

表 4 风场可用发电功率估算模型误差

Tab. 4 Model errors of wind farm available generation power estimation model

模型	均方根误差/%	平均绝对误差/%
1	18.077	16.663
2	5.708	4.590
3	2.850	1.888
4	2.877	2.511
5	1.320	1.091

图 4 风场可用发电功率估算值与真实值对比图

Fig. 4 Comparison of estimated value and true value of wind farm available power generation

图 5 站内损耗变化散点图

Fig. 5 Scatter diagram of loss change in the station

参考文献 19

1	邬嘉雨，刘洋，许立雄，等．区块链技术下考虑风电不确定性的微网群鲁棒博弈交易模式[J]．电力建设，2021，42(9)：10-21． doi:10.12204/j.issn.1000-7229.2021.09.002
	WU J Y， LIU Y， XU L X，et al ．Robust game transaction model of multi-microgrid system applying blockchain technology considering wind power uncertainty[J]．Electric Power Construction，2021，42(9)：10-21． doi:10.12204/j.issn.1000-7229.2021.09.002
2	黄树帮，陈耀，金宇清．碳中和背景下多通道特征组合超短期风电功率预测[J]．发电技术，2021，42(1)：60-68． doi:10.12096/j.2096-4528.pgt.20103
	HUANG S B， CHEN Y， JIN Y Q ．A multi-channel feature combination model for ultra-short-term wind power prediction under carbon neutral background[J]．Power Generation Technology，2021，42(1)：60-68． doi:10.12096/j.2096-4528.pgt.20103
3	刘栋，魏霞，王维庆，等．基于SSA-ELM的短期风电功率预测[J]．智慧电力，2021，49(6)：53-59． doi:10.3969/j.issn.1673-7598.2021.06.009
	LIU D， WEI X， WANG W Q，et al ．Short-term wind power prediction based on SSA-ELM[J]．Smart Power， 2021，49(6)：53-59. doi:10.3969/j.issn.1673-7598.2021.06.009
4	李卫东，贺鸿鹏．考虑风电消纳的源-荷协同优化调度策略[J]．发电技术，2020，41(2)：126-130． doi:10.12096/j.2096-4528.pgt.18266
	LI W D， HE H P ．Source-load cooperative optimization dispatch strategy considering wind power accommodation[J]．Power Generation Technology，2020，41(2)：126-130． doi:10.12096/j.2096-4528.pgt.18266
5	朱丹丹，赵静波，李强，等．高载能负荷企业参与受阻风电消纳决策方法[J]．电力工程技术，2021，40(2)：121-127． doi:10.12158/j.2096-3203.2021.02.017
	ZHU D D， ZHAO J B， LI Q，et al ．Decision making method for energy-intensive enterprise in consuming curtailed wind power[J]．Electric Power Engineering Technology，2021，40(2)：121-127． doi:10.12158/j.2096-3203.2021.02.017
6	姜楠，戴赛，许丹，等．计及机组组合与线路重构协同的电热联合系统消纳弃风研究[J]．电力系统保护与控制，2022，50(14)：105-113．
	JIANG N， DAI S， XU D，et al ．Wind power consumption in a CHP system considering the collaboration of unit combination and line reconstruction[J]．Power System Protection and Control，2022，50(14)：105-113．
7	杨梓萤，姚李孝．梯级水库等效蓄能在风电消纳中的应用[J]．电网与清洁能源，2021，37(6)：134-138． doi:10.3969/j.issn.1674-3814.2021.06.017
	YANG Z Y， YAO L X ．Application of cascade reservoir equivalent energy storage in wind power accommodation[J]．Power System and Clean Energy，2021，37(6)：134-138． doi:10.3969/j.issn.1674-3814.2021.06.017
8	国家电网有限公司．风电理论功率及受阻电量计算方法： [S]．北京：中国电力出版社，2020．
	State Grid Corporation of China ． Calculation method of wind power theoretical power and blocked power： [S]．Beijing：China Electric Power Press，2020．
9	孙辉，徐箭，孙元章，等．基于混合整数线性规划的风电场有功优化调度[J]．电力系统自动化，2016，40(22)：27-33． doi:10.7500/AEPS20151214007
	SUN H， XU J， SUN Y Z，et al ．Wind farm active power optimal dispatch based on mixed integer linear programming[J]．Automation of Electric Power Systems， 2016， 40(22)： 27-33． doi:10.7500/AEPS20151214007
10	延平．风电场运行效能评价方法研究[D]．北京：华北电力大学，2017．
	YAN P ．Research on wind farm operation effectiveness evaluation method[D]．Beijing：North China Electric Power University，2017．
11	张华英. 风场特性机理分析及风电机组输出功率优化研究[D]．北京：华北电力大学，2019．
	ZHANG H Y ．Research on the mechanism analysis of wind field characteristics and the optimization of wind turbine output power[D]．Beijing：North China Electric Power University， 2019．
12	潘凯．含风电场电力系统协调优化调度及其评价[D]．武汉：华中科技大学，2014．
	PAN K ．Coordinated and optimized dispatch and evaluation of power system with wind farms[D]．Wuhan：Huazhong University of Science and Technology，2014．
13	国家能源局．风电场理论发电量与弃风电量评估导则 [S]．北京：中国电力出版社，2014． doi:10.3969/j.issn.1006-8910.2021.07.002
	National Energy Administration ． Guidelines for the evaluation of theoretical power generation and curtailment of wind farms [S]．Beijing：China Electric Power Press，2014． doi:10.3969/j.issn.1006-8910.2021.07.002
14	辛元庆，王国君，陈靖，等．风电场无功损耗特性及其补偿裕度分析研究[J]．青海电力，2020，39(1)：18-23．
	XIN Y Q， WANG G J， CHEN J，et al ．Research on the characteristics of reactive power loss and compensation margin of wind farms[J]．Qinghai Electric Power，2020，39(1)：18-23．
15	刘双，张建周，柏嵩．计及机组运行工况的风电场有功功率控制策略[J]．电气技术，2013(10)：15-18． doi:10.3969/j.issn.1673-3800.2013.10.004
	LIU S， ZHANG J Z， BAI S ．Wind farm active power control strategy considering unit operating conditions[J]．Electrical Technology，2013(10)：15-18． doi:10.3969/j.issn.1673-3800.2013.10.004
16	刘永前，邵振州，王铮，等．基于分段支持向量机的风电机组理论功率计算研究[J]．太阳能学报，2019，40(3)：673-680．
	LIU Y Q， SHAO Z Z， WANG Z，et al ．Research on theoretical power calculation of wind turbine based on segmented support vector machine[J]．Acta Solar Energy，2019，40(3)：673-680．
17	刘芳．基于改进BP神经网络的风电功率预测方法研究[D]．杭州：浙江大学，2020．
	LIU F ．Research on wind power prediction method based on improved BP neural network[D]．Hangzhou：Zhejiang University，2020．
18	刘军，汪继勇．基于风电机组健康状态的风电场功率分配研究[J]．电力系统保护与控制，2020，48(20)：106-113． doi:10.19783/j.cnki.pspc.191489
	LIU J， WANG J Y ．Research on wind farm power distribution based on the health status of wind turbines[J]．Power System Protection and Control，2020，48(20)： 106-113． doi:10.19783/j.cnki.pspc.191489
19	GRANGER C， LIN J ．Using the mutual information coefficient to identify lags in nonlinear models[J]．Journal of Time Series Analysis，2008，15(4)：371-384．

[1]	严新荣, 张宁宁, 马奎超, 魏超, 杨帅, 潘彬彬. 我国海上风电发展现状与趋势综述[J]. 发电技术, 2024, 45(1): 1-12.
[2]	许帅, 杨羽霏, 刚傲, 谢越韬, 张晓明, 刘功鹏. 中欧漂浮式海上风电关键技术与产业链合作路径研究[J]. 发电技术, 2024, 45(1): 13-23.
[3]	王进钊, 严干贵, 刘侃. 基于交替方向隐式平衡截断法的直驱风电场次同步振荡分析的模型降阶研究[J]. 发电技术, 2023, 44(6): 850-858.
[4]	孙财新, 张波, 唐巍, 周昳鸣, 付明志, 秦猛, 郭小江. 海上风电机组国产化研究与实践[J]. 发电技术, 2023, 44(5): 696-702.
[5]	贾文虎, 徐群杰. 海上风电设施防腐蚀技术研究进展[J]. 发电技术, 2023, 44(5): 703-711.
[6]	楚帅, 王爱华, 葛维春, 李音璇, 崔岱. 电网调控集中式储热降低弃风率分析方法[J]. 发电技术, 2023, 44(1): 18-24.
[7]	周昳鸣, 闫姝, 刘鑫, 张波, 郭雨桐, 郭小江. 中国海上风电支撑结构一体化设计综述[J]. 发电技术, 2023, 44(1): 36-43.
[8]	吴荣辉, 刘冬, 郁冶, 牟凯龙, 赵兰浩. 基于浸入边界法的海上风电双向流固耦合数值模拟方法[J]. 发电技术, 2023, 44(1): 44-52.
[9]	董辉, 葛维春, 张诗钽, 刘闯, 楚帅. 海上风电制氢与电能直接外送差异综述[J]. 发电技术, 2022, 43(6): 869-879.
[10]	康佳乐, 余浩, 段瑶, 陈武晖, 王丹辉. 风电场次同步振荡等值建模方法研究[J]. 发电技术, 2022, 43(6): 880-891.
[11]	刘晓明, 谭祖贶, 袁振华, 刘玉田. 柔性直流接入海上风电并网选址综合优化[J]. 发电技术, 2022, 43(6): 892-900.
[12]	陈晓光, 杨秀媛, 王镇林, 王浩扬. 考虑多目标优化模型的风电场储能容量配置方案[J]. 发电技术, 2022, 43(5): 718-730.
[13]	高小童, 秦志龙, 高新宇. 含海上风电-光伏-储能的多能源发输电系统可靠性评估[J]. 发电技术, 2022, 43(4): 626-635.
[14]	张辉, 顾秀芳, 陈艳宁, 罗振鹏, 王宸. 考虑风电消纳的热电厂蓄热罐效益成本分析[J]. 发电技术, 2022, 43(4): 664-672.
[15]	雷旭, 马鹏飞, 宋智帅, 李卫东. 计及风电预测误差的柔性负荷日内调度模型[J]. 发电技术, 2022, 43(3): 485-491.