席雨晨
内蒙古大唐国际托克托发电有限责任公司 内蒙古 呼和浩特 010050
摘要：城市化进程的推进带动了社会电力需求量，为深入贯彻落实习近平总书记提出的“四个革命、一个合作”能源安全新战略，实现“双碳”目标，风力发电将成为重要电力来源，在风力发电事业快速发展中，大规模风电并网对系统暂态稳定性产生了一定干扰。基于此，从多个方面提出关乎系统暂态稳定性的影响因素，了解不同情况下的风电系统暂态稳定性，为实现强有力系统暂态稳定性控制，从系统故障、无功补偿、SVG 控制验证三个方面展开控制策略分析。
关键词：风电并网；风电机组；系统暂态稳定性
引言
随着风电并网容量的不断增大，风能固有的不可控的随机波动特性，容易造成弃风、切负荷等现象，不可避免地对电力系统安全运行带来影响。因此，开展含风电电力系统的运行风险的研究，对评估电力系统运行的可靠性和安全性，制定应对措施，具有重要意义。
1.运行风险评估指标
为更为全面地评估风电接入对电力系统运行的影响，采用切负荷风险指标、电压越限风险指标、线路有功功率越限风险指标、电压崩溃风险指标和综合风险指标表征系统运行风险。
1.1切负荷风险
切负荷风险指标表示系统在某种运行条件下发生切负荷的风险大小。风险数值越小，系统运行越可靠。根据风险数值大小判断切负荷风险所处的级别，当风险数值处于高风险水平时，说明此状态是不可接受的，该运行条件不可取。
1.2电压越限风险
电压越限风险指标表示系统在某运行条件下发生电压越上限或电压越下限的风险大小。同样，根据风险数值大小判断电压越限风险的级别，以确定此运行条件是否可行。
1.3线路有功功率越限风险
相似地，线路有功功率越限风险指标表示系统在某运行条件下线路有功功率超过允许的最大有功功率的风险大小。
1.4电压崩溃风险指标
电压崩溃风险指标表示系统在某运行条件下发生电压崩溃的风险大小。由风险数值大小评估电压崩溃风险的级别，再评判该运行条件是否可行。
1.5综合风险指标
本文引入了综合风险评估指标，加权考虑上述4 种风险指标，如公式（1）所示。
.png)
2.大规模风电并网环境下系统暂态稳定性的影响因素
2.1风电机组类型
处于同一风电系统的不同类型风电机组可对系统暂态产生一定干扰，降低其稳定性，风电机组在系统内的初始潮流相等，但数学模型不同，所呈现出的数据动态存在差异，恒速异步风电机（CSWT）对系统的调节效果较差，而双馈感应电机（DFIG）与直驱同步风机（DDSG）可实现有功功率、电压、桨距角调节，系统控制过程可对风电系统暂态造成一定波动，并产生电气阻尼，因此若风机数据参数设置不合理则会进一步降低系统暂态稳定性。设定风电并网系统基准容量、火电机组额定有功、额定电压、机端电压分别为 100MVA、00MW、20kV，并设定系统机械阻尼为 0，电压 220kV，系统内线路电抗为 0.1p.u.，同时设置 50 台2MW 机组构成风电机组，潮流计算时风电功率因数为 1.0[1]。借助仿真实验了解 CSWT、DFIG、DDSG 三种不同类型的风电机组对系统暂态稳定性的影响，仿真实验时间为 5s，具体实验结果如图 1 所示，CSWT 机组并网后，系统同步机稳定性较好，波动程度最小，而 DDSG、DFIG 机组并网时，系统暂态稳定性严重下降，由此可见，不同机组类型对系统暂态稳定性具有不同反映。
2.2风电集群有功功率预测的准确性和协调性
传统的风电功率预测模型主要针对单个风电场输出功率预测，所采用的数据信息也较单一，一般局限于本地风电场的气象预测数据和历史功率数据。这种预测机制存在两种局限性：一、由于气象系统的惯性，一个风电场的输出功率不仅在时间上有一定的自相关性，而且在空间上与其他位置的风电场具有互相关性，传统预测模型未能充分考虑风电功率空间分布信息，使得预测精度仍有进一步提高的空间；二、在大规模风电并网环境下，一个区域风电集群所包含的风电场多达几十个甚至上百个，风电机组甚至达到数千台，而目前风电功率预测模型多局限于单个风电场，忽略了不同区域之间风电场信息的协调性问题，致使不同空间层次的预测精度无法取得令人满意的效果。 因此，迫切需要研究在时间上考虑历史功率与未来功率之间的自相关性，在空间上考虑不同风电场之间的相依性的风电集群预测模型，通过预测误差反馈，修正预测模型，提高预测精度。
3. 风电有功功率模型预测控方法基本架构
3.1 预测模型
预测模型是对未来一段时间内实际风电系统中（风电机组/场/集群）的输出功率进行预测，为实施后续滚动优化和反馈校正提供先验知识。 MPC 以各种不同形式的预测模型为基础，不限制预测模型的具体形式及其演变形式，通常预测模型形式包括微分方程、差分方程，状态方程和传递函数等，该类预测模型用于配电网电压预测，潮流预测等。此外，在风电功率预测领域，一些学者采用的预测模型方法包括物理模型、统计模型、人工神经网络和空间相关性模型。然而，这些方法都有各自的适用性和局限性，物理方法通过数值天气预报数据(包括风速、温度、湿度、地形条件等)计算实际输出功率，当风电场周围环境保持稳定时，模型具有较好的预测性能，目前预测结果适用于短期风电功率预测；数理统计方法采用数值天气预报数据或风电历史数据，建立系统固有特性与实测数据之间的关系，常用于超短期或短期风电预测，但是不能进行具有高噪声、不规则和非线性趋势功率预测；人工神经网络算法能够成功地捕获历史数据之间的隐藏非线性关系，但是容易陷入局部最优、过拟合现象以及低收敛速度；空间相关性算法需要考虑收集不同空间风电场的运行数据信息，随着数据增加，冗余性问题也将制约预测精度和计算效率。
3.2系统故障分析
当风电系统发生故障时，故障期间系统机械功率随着风电系统的电压降低而降低，因此为提高风电系统暂态稳定性，可提高系统机端电压数值，以此减缓暂态期间机械功率的降低程度，继而保障风电系统在故障期间的稳定性，实现暂态稳定控制。当故障消除后，由于机械功率降低程度被减缓，因此风电系统暂态可实现快速恢复，通过提升系统机械功率增强暂态稳定性。风电系统内风机机组也可在一定程度上影响系统机械功率，因此可在故障处理过程中，在原风机机组系统内增加 DFIG双馈感应机组，以此调节风电系统机械功率，降低风电系统暂态过程中的机械功率，缓解故障对风电系统的影响，继而达到提高系统暂态稳定性的作用。
结束语
综上所述，随着习近平总书记在2020年12月全球气候雄心峰会宣布中国2030年太阳能、风电总装机将达到1200GW以上，据此推算未来十年，中国每年风、光新增装机不低于75GW，为提高风电系统暂态稳定性，应从风电机组类型、风电接入位置、风电渗透率、风电负载率等方面了解风电并网对系统暂态稳定性的影响，并结合大规模风电并网形势针对常见系统故障进行分析，运用 SVG结构进行无功补偿，为进一步了解系统暂态稳定性控制，依托 SVG结构展开控制仿真验证工作。
参考文献：
[1]赵林果.大规模风电并网条件下的电力系统调度探析[J].中国设备工程,2021(04):233-234.
[2]包曼,张红旗,吴昊,张朝.含大规模风电接入的电力系统经济调度研究[J].节能,2020,39(12):105-107.