文 献 综 述
- 前言
随着电力系统控制技术的发展和电网规模的扩大，电力系统运行的稳定性不断增加。但是随着电力市场的拓展，大电网运行点越来越靠近极限，使大规模停电的事故经常发生。随着风电场限功率控制技术的发展，风电场具备了参与停电系统恢复的能力，为风电场设定合适的出力参考值对其参与系统恢复十分必要。如果风场出力参考值不准确，风场的暂态功率跌落会导致已恢复系统的频率波动超越电网安全极限，且风场暂态功率跌落的开始及持续时间都无法确定，而且风场暂态功率跌落的概率分布函数也很难获取，这些因素都增加了风电场出力参考值设定的难度。因此为风电场设定合适的有功出力方案对系统的安全恢复具有重要的意义。另外，因为风电出力具有不确定性，风电仅能在系统较为强壮的负荷恢复阶段参与电网的恢复。随着风电渗透率的提高，电力系统调度中心需要对风电出力进行控制，使风电场具备了根据电网要求限制功率输出的能力。
- 相关研究现状和文献
大停电事故后的恢复，即电力系统恢复，其总目标是在系统全黑或部分停电的情况下安全、快速地恢复电网供电，最大限度地减少电网大停电的影响。本课题主要对电力系统恢复进行研究。另外对于双馈风机控制，混合整数模型，模糊方法模型，蜂群算法都查阅了相关文献资料。
- 电力系统恢复
电力系统的恢复过程分为黑启动、网架重构和负荷恢复3个阶段。电力系统黑启动指整个系统因故障停运后，不依赖别的网络的帮助，通过系统中具有自启动能力的机组的启动，带动无自启动能力的机组，逐步扩大电力系统的恢复范围，最终实现整个电力系统的恢复。其中针对其原理和方式等方面，文献[1]提出了一种给定恢复目标的黑启动恢复路径搜索方法，同时，提出一种改进的基于主客观继承的属性权重求解方法，将其应用于扩展黑启动恢复路径方案评价体系中指标权重的确定。文献[2]针对大容量电力系统的发电机启动提出一种基于混合整数模型的发动机排序恢复的模型。在黑启动的电源方面，文献[3]对电池储能系统提出一种多目标优化模型，旨在使断路器操作次数和非黑启动发电机组以及重要负载的停机时间最小化，同时还考虑间歇性可再生能源在改善电力系统恢复中的应用。文献[4]主要是探讨了一种基于采用电池交换技术来进行电力系统恢复，并提出一种双层优化的网络重配置模型，以确定恢复路径，目的是最大成都提高整体发电能力。文献[5]对于风电这种可持续清洁能源在中国的发展潜力和政策问题进行讨论，对中国可持续风电发展的现行政策和潜在问题提出了看法，肯定了风电对中国电力系统的发展的贡献。文献[6]则对完全可再生能源对电力系统黑启动的恢复分别就发电恢复，传输系统恢复和负载恢复三个阶段进行了研究，这项研究采用精确算法（FA）来确定传输路径和负载拾取序列的最佳恢复顺序。文献[11]则对电力系统运行调度方面提出一种采用模糊约束具有不确定风力发电预测的新经济调度算法，当面临风力预测的不稳定性时，调度员对风险和成本的评估可以从模型中体现出来。文献[12]针对大规模间歇式电源的间歇性和波动性，引入模糊理论，将间歇式电源出力和负荷用模糊参数表示，对传统确定性机组组合模型进行改进，将确定性的系统约束改为模糊参数下的系统约束，并基于可行性理论形成模糊机会约束，来探究这种电源的收益。而关于网架重构方面，着重讨论采用模糊约束进行的网架重构。文献[13]建立了一种基于可信性理论的模糊机会约束的网架重构优化模型，在模糊机会约束的框架下，确保机组在其启动时限内获得启动电源的可能性不低于一定的置信水平，再次基础上优化得到在尽可能短的重构时间内达到恢复可靠性最高的网架。文献[14]采用梯形模糊参数表示待恢复节点的负荷接入量，将确定性约束条件改为模糊参数下的机会约束，建立了网架重构后期的负荷恢复优化模型。
- 风电场双馈风机控制
双馈异步发电机的定子绕组直接与电网相连，转子绕组通过变流器与电网连接，转子绕组电源的频率、电压、幅值和相位按运行要求由变频器自动调节，机组可以在不同的转速下实现恒频发电，满足用电负载和并网的要求。由于采用了交流励磁，发电机和电力系统构成了'柔性连接'，即可以根据电网电压、电流和发电机的转速来调节励磁电流，精确的调节发电机输出电流，使其能满足要求。对于双馈风机在风电场的控制方面，文献[7]提出风电场基于既能够参与中央控制又满足地方控制的分层结构，中央风电场控制通过向每个单独的峰及发送参考功率信号来控制整个电厂的发电量，而本地风机控制则确保达到中央控制发送的参考功率信号，控制性能通过在风电场和每个单独的风机进行仿真评估和讨论。文献[8]提出一种风电场分布式模型，该方法通过对偶分解的快速梯度法使用的最优梯度进行有功功率控制。该控制方法的控制目标是跟踪系统操作员的参考功率并最小化功率控制。文献[9]提出一种基于ModelPredictiveControl的组合风电场控制器，与传统的解耦有功和无功功率控制相比，该控制方案考虑由于风电场集热器的X/R比低，电压控制能力得到改善。文献[10]对于风电就变速风力涡轮机的的有功功率控制进行研究。对于机组的功率输出和控制方面，文献[16]对风力发电机的输出功率提出一种基于平均风速和风速标准偏差的控制策略，以及在风力发电机组的所有运行区域中使用广义预测控制进行的俯仰角控制。文献[17]提出一种基于双馈发电机的风力发电系统的新型直接功率控制策略，该策略基于通过旋转子测的适当电压矢量来直接控制定子有功和无功功率。文献[18]对拥有储能设备的DFIG提出一种两层功率控制方案，用于配对双馈发电机风力涡轮机的风电场。文献[19]讨论了恢复过程中原动机的频率响应，提出一种方法用于确定在允许的系统频率骤降内的最大负载拾取，和维持发电量和储备量的分配。
- 对研究采用的新方法
文献[15]针对基于永磁同步发电机的变速风能转换系统提出了一种基于人工神经网络的强化学习最大功率点跟踪算法。提出的MPPT算法首先通过ANN和Q学习方法的组合来学习PMSG转自速度和电力之间的最佳关系。当学习到最大功率点时，MPPT算法将从在线RL切换到基于最佳关系的在线MPPT。同时，在文献[21]学习有关人工蜂群算法的比较研究，该算法模拟蜜蜂群的觅食，用于优化大量数值测试函数，并将结果与遗传算法，粒子群优化算法，差分进化算法和进化策略获得的结果比较，得出该算法性能由于或类似于其他算法。
- 结论
此背景下，本次需要将风场有功优化方案建模为一个多约束、非线性的模糊模型，并通过蜂群算法进行求解，并与确定性的风场有功出力方案进行分析对比。
- 参考文献
- 李少岩, 顾雪平, 梁海平. 给定恢复目标的扩展黑启动方案路径优选 [J]. 电力系统自动化, 2015, 39(16): 59-64.
- Sun W, Liu C C, Zhang L. Optimal generator start-up strategy for bulk power system restoration. IEEE Transactions on Power Systems, 2011, 26(3): 1357-1366.
- Liu W, Sun L, Lin Z, et al (2016) Multi-objective restoration optimisation of power systems with battery energy storage systems. IET Generation, Transmission amp; Distribution, 10(7): 1749-1757.
- Sun L, Wang X, Liu W, et al (2016) Optimisation model for power system restoration with support from electric vehicles employing battery swapping. IET Generation, Transmission amp; Distribution, 10(3): 771-779.
- Tan Z, Ngan H W, Wu Y, et al (2013) Potential and policy issues for sustainable development of wind power in China. Journal of Modern Power Systems and Clean Energy, 1(3): 204-215.
- El-Zonkoly A M (2014) Renewable energy sources for complete optimal power system black-start restoration. IET Generation, Transmission amp; Distribution, 9(6): 531-539.
- Hansen A D, Soslash;rensen P, Iov F, et al (2006) Centralised power control of wind farm with doubly fed induction generators. Renewable Energy, 31(7): 935-951.
- Zhao H, Wu Q, Guo Q, et al (2015) Distributed model predictive control of a wind farm for optimal active power controlpart II: Implementation with clustering-based piece-wise affine wind turbine model. IEEE Transactions on Sustainable Energy, 6(3): 840-849.
- Zhao H, Wu Q, Wang J, et al (2017) Combined Active and Reactive Power Control of Wind Farms based on Model Predictive Control. IEEE Transactions on Energy Conversion, early access.
- Yin M, Xu Y, Shen C, et al (2016) Turbine Stability-Constrained Available Wind Power of Variable Speed Wind Turbines for Active Power Control. IEEE Transactions on Power Systems, early access.
- Miranda V, Hang P S (2005) Economic dispatch model with fuzzy wind constraints and attitudes of dispatchers. IEEE Transactions on Power Systems, 20(4): 2143-2145.
- 熊虎, 向铁元, 陈红坤, 等．含大规模间歇式电源的模糊机会约束机组组合研究[J]. 中国电机工程学报, 2013, 33(13): 36-44.
- 张雪丽, 梁海平, 朱涛, 等．基于模糊机会约束规划的电力系统网架重构优化[J]. 电力系统自动化, 2015, 39(14): 68-74.
- 陈彬, 王洪涛, 曹曦, 等. 计及负荷模糊不确定性的网架重构后期负荷恢复优化[J]. 电力系统自动化, 2016, 40(20): 6-12.
- Wei C, Zhang Z, Qiao W, et al. An adaptive network-based reinforcement learning method for MPPT control of PMSG wind energy conversion systems[J]. IEEE Transactions on Power Electronics, 2016, 31(11): 7837-7848.
- Senjyu T, Sakamoto R, Urasaki N, et al (2006) Output power leveling of wind turbine generator for all operating regions by pitch angle control. IEEE Transactions on Energy conversion, 21(2): 467-475.
- Xu L, Cartwright P. Direct active and reactive power control of DFIG for wind energy generation[J]. IEEE Transactions on energy conversion, 2006, 21(3): 750-758.
- Qu L, Qiao W. Constant power control of DFIG wind turbines with supercapacitor energy storage[J]. IEEE Transactions on Industry Applications, 2011, 47(1): 359-367.
- Adibi M M, Borkoski J N, Kafka R J, et al (1999) Frequency response of prime movers during restoration. IEEE Transactions on Power systems, 14(2): 751-756.
- Karaboga D, Akay B (2009) A comparative study of artificial bee colony algorithm. Applied mathematics and computation, 214(1): 108-132.
