- 頭條基于需求響應潛力時變性的風火荷協同控制方法2020-03-02 作者：寧佳、湯奕、高丙團 | 來源：《電工技術學報》 | 點擊率：導語南京工程學院電力工程學院、東南大學電氣工程學院的研究人員寧佳、湯奕、高丙團，在2019年第8期《電工技術學報》上撰文指出，隨著可再生能源并網容量的不斷提高，可利用智能需求響應技術提升電網消納可再生能源的能力，但如何定量評估具有時變特性的需求響應潛力（DRP）是一個亟待解決的問題。 該文提出一種考慮DRP時變性的風電、火電和負荷實時協同控制技術，以實現風電功率的最大消納。首先，基于空調、熱水器和電動汽車等智能家電的動態運行特性，建立智能家電的聚合響應數學模型；其次，在分析DRP時變特性的基礎上提出DRP的定量計算方法；最后，綜合考慮風電波動性、火電機組爬坡特性、DRP時變性以及電力網絡潮流越限等約束，提出風火荷協同控制優化方法，以實現風電功率消納的最大化。仿真算例結果表明該文所提方法的有效性和合理性。
風電作為可再生能源中最具經濟發展前景的發電方式，其裝機容量的快速增長對電網傳統的運行控制模式產生重大影響，增加了系統運行調度的難度。當前風電場出力1h前預測的誤差可達10%～15%，風電具有的波動性和間歇性增大了系統不平衡功率波動幅值和速率。在實時調度時間尺度上主要由自動發電控制（Automatic Generation Control, AGC）機組承擔調節任務。
目前，電網AGC機組出力基準點由調度中心在調度計劃制定過程中通過超短期負荷及風電預測信息確定。在高風電滲透率和高預測誤差情況下，參與控制的AGC機組會偏離最佳運行點，付出較高的調節成本。
為應對上述挑戰，可利用儲能設備、抽水蓄能電站、燃氣輪機和壓縮空氣儲能等來緩解風電隨機性和波動性帶來的影響，但存在經濟成本較高的問題。近年來，不少研究開始關注負荷側資源主動參與電網互動，來實現風電消納能力的提升。
相比于傳統的發電資源，需求響應（Demand Response, DR）在運行控制方面有多種優勢。首先，參與DR的負荷量大，據美國聯邦公用事業監管委員會報告可知，美國DR能夠抵消20%的峰值負荷；其次，DR資源能夠迅速響應調度和控制指令，并且沒有常規發電機組的調節慣性；最后，DR資源的分散分布有利于緊急情況下制定精準控制方案。
關于將DR用于平衡風電波動的相關研究，主要集中在DR平衡風電波動的潛力分析、參與風電消納的DR調度策略以及對旋轉備用容量的影響等方面。在DR平衡風電波動的潛力分析中，分別從DR資源在不同時間尺度上的響應能力和響應特性、協同發電資源優化等方面研究了如何平衡風功率波動，但尚未進一步研究需求響應潛力（Demand Response Potential, DRP）的量化計算方法。
在參與風電消納的DR調度策略方面，分別從多類型負荷參與DR、日前調度模型、分鐘級時間尺度下的風電場與AGC機組分布式協同實時控制模型等角度進行了研究，但這些研究未能考慮風功率波動可能導致的電網潮流越限風險。文獻[20]提出計及網絡安全約束的價格型DR實時優化調度建模方法，但是研究者未考慮負荷參與DR會改變之后的DRP，即DRP的時變性。
本文針對大規模風電接入電網導致的功率不平衡問題，構建了基于時變DRP的風光荷協調優化控制模型與方法，以實現風電消納最大化的目標。在滿足功率平衡、發電機爬坡率、潮流線路等約束前提下，以風電消納最大作為優化目標，通過對智能家電的DRP時變性進行量化評估，實現風電、火電機組和負荷的協同控制，以促進風電的消納。
圖1 需求響應和AGC機組協同控制原理圖
結論
本文針對空調、熱水器和電動汽車等智能家電個體的動態運行特性進行了分析，構建了智能家電在滿足群體分布特性前提下的聚合數學模型，并提出以風電消納最大化為目標、計及潮流越限約束、基于DRP時變性構建綜合發電側AGC機組、風電和用電側智能家電參與需求響應的實時控制模型。
該模型將智能家電參與響應融入到實時控制環節中，與發電側共同平抑系統不平衡功率。得到結論如下：
1）單純依靠AGC機組調節能力無法實現供需平衡，考慮加入智能家電進行風火荷協同實時控制可在保證AGC機組調節能力的同時提高風電消納量。
2）DRP具有隨負荷運行狀態的不同會發生改變的時變性，考慮智能家電DRP時變性實現風火荷協同實時控制有助于降低切負荷量和棄風量。
3）發電機爬坡率和潮流約束均是制約風電消納能力的關鍵因素之一，在優化控制中考慮兩者約束有利于提高實時調度的可靠性。
