1 引言
本文从风电与水电联合运行的研究现状,目前风电、水电联合运行的控制方法与算法等方面进行综述,并结合智能化方法的发展提出自己的研究方法。
2 风电、水电联合运行研究现状
2.1 抽水蓄能水电站与风电的联合运行
最初的互补研究,以抽水蓄能水电站作为水电的主要来源,这种方法出现在很多文献中[3,4,5,6]。基于电力系统规划的角度,文献[7,8,9]对抽水蓄能水电站与风电场联合供电进行了初步讨论：在风电充足时,水电厂利用多余风电进行抽水蓄能;在风电匮乏时,水电厂水库大量放水发电,解决风电匮乏引发的供电缺额;在水能匮乏时期,可以实现水库放水发电,解决干旱时期的供电,定性地揭示联合运行的优越性。文献[10,11]运用内点法对风-水电联合运行的效益进行分析,并通过增加功率限制条件部分实现风电场功率平滑输出的目的。文献[12]提出一个小型抽水蓄能发电系统并将其应用在风电场,实现风电场中的水电、风电联合运行。模型采用联合运行输出功率波动最小和风电场效益最大化为目标,建立多目标的优化问题。文献[13]给出风电-抽水蓄能系统的六种不同运行方案以及各子系统的运行模型和经济评价模型。文献[14,15]通过对风电-抽水蓄能联合运行进行优化,研究在给定风电出力情况下抽水蓄能水电站容量的优化方法。文献[16]提出一个考虑风电场与抽水蓄能水电站联合运行的调度优化模型。文献[17,18,19]分析了在电力市场环境下,风电场中储能系统容量大小以及风能的预测精度对于风电参与电网供电时的效益影响。文献[20]通过基荷、峰荷比例的调整来优化联合系统,风电全部用来抽水,由常规能源满足基荷,抽水蓄能水电站提供峰荷。考虑水电、风电联合运行环境中的随机影响因素,文献[21]通过计算在有效的调度周期内的调峰容量,以确定电网的调峰容量的有效参考对象,提出一种调峰策略。此策略是寻找平滑风电出力波动性的有效措施,可以降低风电的瞬时波动,平滑风电的出力,很好地保障火电机组的稳定运行,对提高整个电力系统的调峰能力具有积极的意义。
目前,风电蓄能的形式主要有压缩空气蓄能、水力蓄能、超导磁力蓄能、流体电池、电解水制氢等几种,其应用场合各有不同。如文献[19]将蓄电池应用在水-风电互补系统中,建立相应的联合数学模型。该联合数学模型的建立,对快速实现风电并网具有重大的战略意义。然而,这种联合数学模型并未得到极大的关注,且未真正应用到实际应用场合。但是,该方法的建立为后续的研究工作提供了前提标准,并极有可能成为国内外关于水-风电、蓄电池综合运行的研究热点。
2.2 调节性能较好的水电厂与风电联合运行
调节性能较好的水电厂具有一定的调节库容,可以在一定的时期内将天然来水量进行优化分配、调节。一般这样的水电厂具有较大的水库容量,可以存储大量的水资源,因此,调节性能较好的水电厂与风电场联合运行得到小范围的关注。文献[23]介绍了新疆布尔津县的风电-水电并网互补运行的成果和经验。采用当地风电、水电资源进行能量互补,并利用调节水库这一蓄能手段的优势,保证用户枯水期用电。根据水电、风电互补特性,文献[24]采用具有一定调节库容的水电厂与风电场联合运行,分别从水电厂、风电场各自单独运行、水电-风电理想联合运行、水电-风电优化联合运行三个方面定量揭示风电可以得到水电的容量支持,水电可以得到风电的电量支持。
2.3 考虑随机性的风电与水电厂联合运行
风电具有随机性、间歇性与波动性。现今,越来越多的研究工作者致力于风电的随机性的研究,利用随机规划理论实现随机变量的求取。
针对风速随机性,一些学者采用不同的处理方法。文献[25,26]采用随机模拟技术处理风速。传统的优化运行方法对具有随机特性的风电不太适合,一些学者引用随机规划理论来解决此类问题。文献[27,28]建立了水-火-风混合系统短期优化调度模型,对资源进行优化配置,优化结果表明清洁能源优先发电,再依次调度火电,最大限制地减少资源消耗。文献[29]考虑多个风电场出力之间的尾部关系,利用Gumbel-Copula函数构建其联合概率分布,建立随机优化调度模型。文献[30]提出一种将优化运行与储能设备进行综合考虑的风电随机性的算法。文献[31]分别研究了持续法、ARIMA方法和改进BP神经网络三种不同的风电预测模型,建立风-水发电联合协调运行模型。求解该模型得到水电厂的耗水量与风电预测模型密切相关,一个良好的风电预测模型能使水电厂出力与实际值偏差较小,从而达到更好的经济效益。文献[32]提出一种风电场与多机组水电系统联合的调度算法。风电场和水电厂隶属于不同的发电公司,并共用相同线路传输网络,水电享有优先使用线路传输容量的权力。文献[33]做出更进一步的研究,提出的算法不仅考虑了风电预测的不确定性,同时也增加了市场电能价格的不确定性,提供在现货市场和调节市场中做决策的方法。文献[34]采用风电-水电联合调度策略以降低风电场的不平衡电能成本。
具有一定调节库容的水库虽然能够通过水库的蓄水平抑来水的短期波动,但是对于年际或者季节性来水的波动,很多电厂都显得调节能力不足,水电厂的电量价值受到限制[24]。风电存在间歇性、不可储存性,风电场的输出功率受到自然风速的限制。在制定系统调度方案时,调度人员无法获取风电场出力的确切信息,引起系统调度计划的调整。造成这种困难的原因在于风电场输出功率在本质上是随机的,现有的文献一般根据风电场风速预测,把每一个优化时段的风电场输出功率看成是确定量[35,36],显然,在传统的水-风电联合优化运行模型中,其约束条件采用的一般都是规律变量。由于风况的条件千差万别,在个别时候可能某些约束条件无法满足,但是发生概率又低,如果以这种确定性的方法处理约束条件,得到的优化结果将趋近保守[37]。因此,本文从水能资源和风能资源概率特征出发,以多年调节式常规水电厂和风电场联合运行为研究对象,考虑在风电场自然风速波动性较大,水库处于枯水期内,具体地研究风电随机性对水-风电联合运行系统的影响。
由上述文献研究可以得出如下结论：风 - 水联合运行不但具有理论意义,而且具有经济效益。由于电力系统日益庞大和更加复杂,存在部分薄弱环节和众多不确定因素,使得全局优化结果难以实现。所以,实现风电场和水电厂联合运行将是解决大规模风电并网问题的一个有效途径。
3 目前风电、水电联合运行的控制方法与算法
作为一种不可调控的电源,风力发电在电网中的比重的增加会给电力系统的正常运行带来潜在风险。水电与风电联合运行系统是风力发电与水力发电的有机结合与调度,当风电场对电网的出力随机波动时,水电站可快速调节发电机的出力,对风电场出力进行补偿。水轮机调节系统的主要任务就是通过不断调整水轮机的调速器系统控制水轮发电机组有功功率的输出,并维持机组频率在规定的范围内以满足水轮发电机组正常发电及电力系统安全运行的需要。所以在风-水联合运行中,主要是对水轮机进行操作,控制水轮机的调节系统。
目前水轮机调速器中使用最广泛、技术最成熟的控制策略是PID控制。水轮机调节系统的常规PID控制是按照水轮发电机组转速偏差的比例、积分和微分的线性组合进行控制的方式,在特定工况下,适当地选择比例、积分、微分系数可以使水轮机调节系统得到该工况下比较完善的动态和稳态性能。近年来,已有多人对此进行自适应控制方面的研究。文献[38,39]在水轮机调速器方面进行了模型参考自适应控制及转速自适应控制的研究。文献[40]提出在常规PID 调节器上引入一种基于测试系统频率特性的自适应控制律。模糊控制方面,文献[43]提出了一种直接测辨模糊控制决策表的新方法;文献[44]针对某一类非最小相位系统的特性,提出一种新型模糊控制器的设计方法, 改进了PID 型模糊控制器的结构;文献[45]构建了一个基于模糊控制的自适应PID控制器,利用模糊控制器的模糊推理能力来实现PID控制器参数的在线调整。神经网络控制方面,文献[47]提出一种基于神经网络实现智能PID控制的策略,该策略不再需要被控对象的精确模型;文献[48]将基于BP神经网络的PID 控制器应用于水轮机频率扰动和负荷扰动仿真实验中,为神经网络控制在水轮机调节中的应用打下了良好的理论基础;文献[49]提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来控制水轮发电机组的运行。
自适应控制虽然能修正自己的特性以适应对象和扰动的动态特性的变化,但是当扰动或者不确定因素进入系统时,如何设计适当的控制作用,使得某一指定的性能指标达到并保持最优或者近似最优,都是自适应控制难以解决的问题。模糊控制器不需要系统精确的数学模型,但是模糊规则难以建立,而模糊规则是模糊控制器的核心问题,模糊控制的设计尚缺乏系统性,无法定义控制目标。神经网络控制器具有较好的抗干扰性和鲁棒性,但是学习速度较慢,快速性较差。
4 果蝇- BP神经网络控制发电
近年来,已有学者将智能算法结合神经网络进行控制得到了较好的效果,但是果蝇算法作为新提出的一种智能算法比其他智能算法具有参数小、全局寻优能力强、收敛速度精度高和速度快的优点,所以考虑将果蝇算法结合神经网络,优化神经网络权值和阈值,使被控对象能很好地跟踪给定值。而神经网络中经典的是BP神经网络,因此,本文研究基于果蝇的BP神经网络控制器控制水轮机组的输出功率。
4.1 BP神经网络
BP神经网络是一种采用误差反向传播的多层前馈神经网络。该网络在一般情况下分为三层：输入层、隐含层和输出层。BP神经网络的训练是通过不停的调整神经网络中的权值和阈值来逼近所需的结果,最终使得输出误差最小。
BP神经网络的优点在于只要有足够的隐含层节点,网络可以逼近任意的非线性映射关系,而且BP神经网络这种全局逼近的办法具有较好的泛化能力。但BP神经网络也有不足之处,过多的隐含层节点在网络训练过程中会不可避免地使训练时间加长,收敛速度变慢,且模型容易陷入局部最小,而不是全局最小。所以,考虑用果蝇算法去优化BP神经网络,以弥补其不足。
4.2 果蝇算法
果蝇优化算法是一种基于果蝇觅食行为推演出的寻求全局优化的新方法,在粒子群等群智能算法的基础上发展而来。果蝇优化算法为群智能的一种新方法,既属于演化式计算的范畴,亦属于人工智能的领域。果蝇算法自2011年提出至今经历了五年的发展期,目前在多个领域得到了应用。其本身具有寻优速度快、不易陷入局部最优、稳定性高、寻优精度高等特点。将果蝇算法应用于BP神经网络的训练中,可以有效地弥补BP容易陷入局部最优的缺陷,带来更精确的寻优结果。果蝇算法具体流程图如图1所示。
图1
4.3 果蝇算法优化BP神经网络
采用果蝇算法优化BP神经网络,需首先确定BP神经网络的结构。将BP神经网络中所有的权值和阈值视为果蝇个体,给每一组果蝇个体随机的方向和距离,按照算法步骤迭代,迭代过程中不停地寻找适应度函数的最优值,直到迭代完毕。然后把优化后的权值和阈值代入BP神经网络,选取激活函数,对BP网络进行训练。果蝇算法优化神经网络的步骤如下：
（1）初始化BP神经网络,确定BP神经网络每层中神经元的个数,确定输入层、隐含层、输出层的神经元个数,每层的个数确定后就可以算出权值和阈值的数目。
（2）把所有权值和阈值当作果蝇个体,初始化它们的位置。即
（3）赋予每个权值和阈值搜寻全局最优值的随机方向和距离。即
式中,XF、YF、m分别表示随机的方向和距离。
（4）由于无法得知最优值,所以先估计与原点的距离D,再计算味道浓度判定值S,此值为距离的倒数。即
（5）把步骤（4）中的S代入适应度函数中作为判定值,并记录。即
（6）求出神经网络适应度函数的最优值,这里显然要取最小值,并记录下此时的权值、阈值。即
G=min(T)（5）
（7）更新最优适应度函数的值与权值、阈值的坐标。即
（8）重复执行步骤（3）~（6）,并判断适应度函数的值是否优于前一代的值,若是则执行步骤（7）。
（9）把求得的最优权值与阈值代入BP神经网络用于训练。
（10）把测试数据代入训练好的BP神经网络进行验证。
4.4 优化后的BP控制水轮机
通过优化后的神经网络可以找到最佳控制规律下的PID控制的比例、积分和微分三种控制作用的最佳组合。基于果蝇-BP神经网络的水轮机PID控制系统结构如图2所示。即BP神经网络输出层神经元的输出状态对应于PID控制器的三个可调参数Kp、Ki和Kd,通过神经网络的学习和果蝇算法的优化,从而使其稳定状态对应于某种最优控制规律下的PID控制器的参数。
图2
图2
基于果蝇- BP 神经网络的水轮机PID 调节系统
Fig.2
PID regulation system of hydraulic turbine based on fruit fly-BP neural network
5 结束语
自采用水电弥补风电不足的想法提出以来,国内外已经有比较多的技术积累。虽然风电、水电联合调度运行的研究主要集中在风电与抽水蓄能电站的互补优化运行中,但抽水蓄能电站的建设受周边自然条件的限制,且投资大,运行成本较高。所以可以考虑风电与常规水电联合运行。
（1）新疆布尔津县托洪台书库电站已利用水轮发电机快速灵敏的起动和调频能力与风力发电机实现并网发电,提高了发电效率。充分利用水电和风电的互补形成新型能源基地。
（2）已有导前微分控制水轮机组的调速器,通过在水轮发电机组的PID微机调速器基础上构建导前微分环节,实现对水轮发电机组的功率闭环控制,进而达到当风电功率发生变化时,水电能快速跟踪补偿风电的波动。
（3）BP神经网络可以很好地逼近不同工况下水轮机组的非线性函数,果蝇优化算法具有收敛快及全局寻优的能力,因此将果蝇算法用于优化神经网络,在考虑寻优精度的同时,兼顾了收敛效率,进而获得更优的水轮机调速器参数,能够使水轮发电机组的输出功率跟踪风电功率的变化,实现利用水电功率平抑风电功率变化的功能。
所以,本文提出采用基于果蝇算法的BP神经网络来控制水轮机的控制器,实时地弥补风电波动,实践证明该方法是可行的。
参考文献
风电场风速和发电功率预测研究
[J].
Prediction research of wind speed and power generation in wind farm
[J].
水电-风电系统日间联合调峰运行策略
[J].
Hydro-wind power system with day time peaking operation strategy
[J].
抽水蓄能与风电互补的探讨
[J].
Discussion on the complementary of pumped storage and wind power
[J].
风电场与抽水蓄能电站联合供电的系统规划初探
[J].
Preliminary study on system of combination wind farm and pumped storage power station
[J].
风-水电联合系统功率优化输出的研究
[J].
The research on wind-hydropower optimation output of combined system
[J].
风电-抽水蓄能联合运行的可行性研究
[C].
WangFeng. Feasibility study of combined operation of wind power-pumped storage
[C].
风电一抽水蓄能联合运行系统的可行性研究
[J].
Feasibility study of combined operation of wind power-pumped storage
[J].
含大规模风电的电力系统抽水蓄能最优切泵策略
[J].
Optimal pumping strategy of pumped storage in power system with large scale wind power
[J].
On the optimization of the daily operation of a wind-hydro power plant
[J].
Bounding active power generation of a wind-hydro power plant[A]. IEEE 8th International Conference on Probabilistic Methods Applied to Power Systems,
风电-抽水蓄能电站联合运行的多目标优化
[J].
Multi-objective optimization of combined operation of wind power-pumped storage power station
[J].
Technical-economic analysis of wind-powered pumpedm hydro storage systems
[J].
抽水蓄能电站与风电的联合优化运行建模及应用分析
[J].
Modeling and application analysis of combined optimal operation of pumped storage power station and wind power
[J].
Optimal operation and hydro storage sizing of a wind-hydro power plant
[J].
Reliability evaluation considering wind and hydro power coordination
[J].
火电、风电与抽水蓄能电站联合运行成本效益分析模型研究
[J].
Cost benefition analysis model of combined operation ofthermal power, wind power and pumped storage power station
[J].
Operation and sizing of energy storage for wind power plants in a market system
[J].
Wind powered pumped hydro storage systems, a means of increasing the penetration of renewable energy in the Canary Islands
[J].
考虑峰谷电价的风电-抽水蓄能联合系统能量转化效益研究
[J].
Research on energy conversion efficiency of wind power-pumped storage combined system considering peak and valley price
[J].
水电-风电系统日间联合调峰运行策略
[J].
Hydro-wind power system with daytime peaking operation strategy
[J].
带有储能装置的风电与水电互补系统的研究
[J].
Study on the complementary system of wind power and water power with energy storage device
[J].
利用风能资源与具有水库调节能力的小水电站并网互补运行的初步体验
[J].
The preliminary experience of using wind energy resources and small hydropower stations with the capacity of reservoir regulation
[J].
水电-风电系统联合运行研究
[J].
Study on the combined operation of hydro-wind power system
[J].
导前微分控制在风电水电协同运行中的应用
[J].
Application of lead differential control in coordinated hydro and wind power generation
[J].
基于风速预测和随机规划的含风电场电力系统动态经济调度
[J].
Dynamic economic dispatch of wind electric power system based on wind speed forecasting and stochastic programming
[J].
风电运行相关性随机性及波动性分析
[J].
Analyzing the randomness and volatility of wind power association
[J].
计及风电随机性的风-火机组组合模型研究
[J].
Combined model study of wind-thermal power unit
[J].
基于随机规划的含风电场的电力系统节能优化调度策略
[J].
The optimal control policy of power system containing wind energy based on stochastic programming
[J].
多能源互补独立电力系统的控制策略仿真研究
[J].
Simulation research on control strategy of multi-energy complementary independent power system
[J].
Stochastic optimization techniques for optimal combination of wind Power generation and energy storage in market environment
[C].
基于不同优化算法下风电预测精度对风水电协调影响研究
[J].
The study on the influence of wind power prediction accuracy on the coordination of wind-hydro based on different optimization algorithm
[J].
Optimal daily planning for hydropower system coordinated with wind power in areas with limited export capability
[C].
Hydropower planning coordinated with wind power in areas with congestion problems for trading on the spot and the regulating market
[J].
A modified unit commitment and generation control for utilities with large wind generation penetration
[J].
Short term scheduling in a wind/diesel autonomous energy system
[J].
基于机会约束规划的风电穿透功率极限计算
[J].
Calculation of wind power penetration limition based on chance constrained programming
[J].
水轮发电机组的模型参考自适应控制
[J].
Model reference adaptive control for hydroelectric generating set
[J].
水轮发电机组转速自适应控制
[J].
Adaptive speed control of hydraulic turbine generator unit
[J].
基于测试系统频率的自适应水轮机调速器
[J].
Adaptive hydraulic turbine governor based on testing system frequency
[J].
水轮机模糊调速器研究
[J].
Research on fuzzy governor of hydraulic turbine
[J].
一种适用于非最小相位系统的模糊控制方法
[J].
A fuzzy control method for non-minimum phase systems
[J].
模糊控制在水轮机调节系统中的应用
[J].
Application of fuzzy control in hydraulic turbine governing system
[J].
基于遗传算法的水轮机模糊自适应PID调节系统控制规则
[J].
Control rules of fuzzy adaptive PID control system for hydraulic turbine based on genetic algorithm
[J].
水轮机智能PID调节
[J].
Intelligent PID regulation of hydraulic turbine
[J].
基于神经网络的水轮机调节控制器
[J].
Hydraulic turbine regulating controller based on neural network
[J].
在线学习自适应模糊控制器在水轮机调节中的应用
[J].
Application of online learning adaptive fuzzy controller in hydraulic turbine regulation
[J].
