内蒙古霍煤鸿骏铝电有限责任公司电力分公司029200
摘要：电力市场环境下，合理考虑无功成本，有利于配电网无功功率资源的最优利用。本文从降低含网损、设备损耗和无功成本在内的综合成本的角度出发，研究含双馈感应风力发电机(DFIG)的配电网无功优化调度方法。首先，通过研究DFIG功率特性，对DFIG输出功率进行区域划分，建立无功分区计价模型；其次，分析了风速波动对DFIG无功最大出力影响，基于平均风速预测曲线，给出改良风速计算方法；最后以改进IEEE14节点系统为算例，采用改进遗传算法优化求解。仿真计算结果表明，本文所提无功优化模型和方法具有合理性。
关键词：电力市场；双馈感应风力发电机；设备损耗；无功计价模型；
引言
近些年来，风电技术越趋成熟，国家将逐年增大风力发电的比例，预计到2020年我国风电机组总装机容量将达到3000万kW[1]。双馈感应风力发电机作为一种变速恒频异步风电机，凭借其连续无功调节、最大程度捕获风能的特点和较低的成本，现已成为各大风电场的首要选择对象。目前，对于含双馈感应风力发电机组的电网无功优化问题已经取得了大量研究成果。在研究电网无功优化问题时，都是以电网有功网损最小和电压质量最优为目标，并没有考虑电力市场环境下电网的无功成本的问题。
本文通过研究双馈感应风力发电机有功输出和无功输出的关系，综合考虑电力市场环境，提出DFIG输出功率无功分区计价模型，并分析了风速波动对DFIG无功容量的影响，基于平均风速预测曲线，给出改良风速计算方法。在满足运行约束的前提下，建立以电网有功网损、设备运检成本和无功成本最小为目标的无功优化模型，采用改进遗传算法优化求解。最后以改进IEEE14节点系统为算例，验证了本文所提模型与算法的有效性。
1双馈感应风力发电机组功率特性
1.1双馈感应风力发电机组有功功率特性
风力资源作为一种不可控的新型能源，风速易变化、难预测的特点，导致了风电场有功功率输出为随机变量，这是亟待解决的问题。风速确定后，双馈感应风力发电机发出的有功功率可以通过风电机风速功率曲线获得。某型号1.5MW双馈感应风力发电机组风速功率曲线[5]如图1所示。
1.2双馈感应风力发电机P-Q容量曲线
双馈感应风力发电机组主要由风力机、双馈电机和两个基于IGBT的AC/DC转子PWM变换器组成。研究DFIG功率传输关系表明，双馈感应风力发电机的无功功率由定子侧和网侧变换器吸收或发出的无功功率组成。而双馈感应风电机的网侧变换器通常在单位功率因数模式下运行[5]，此时由于PWM变换器传递的无功功率很小，可以忽略不计。
1.3DFIG无功区域划分
如图2所示，双馈感应风力发电机功率运行范围为阴影区域ABCD。本文考虑电力市场环境下配电网的无功成本问题，根据双馈感应风力发电机有功功率与无功功率的限制关系，对其输出功率范围进行区域划分：
（1）区域AGID：DFIG输出功率运行于该区域时，无功调节范围不会受到有功功率的限制。此时，对于电网而言，Qg小于0，风电机需要从电网中吸收无功功率，可能引发电网无功大幅度波动，造成并网点电压不稳定。对电机而言，从电网吸收过大无功功率，会使定子端部漏磁增加，铁芯温度升高，引发电机工作在不正常状态，缩短使用寿命。此时风电场需要支付大量费用。
（2）区域GBFE：DFIG输出功率运行于该区域时，电动机接近额定功率运行，双馈感应风力发电机无功出力范围为很小的确定值。风电机通过改变励磁调节无功出力大小。电网需要向风电场支付损耗费用。
（3）区域EFCI：DFIG输出功率运行于该区域时，无功功率调节范围受到有功功率大小的限制。当双馈感应风力发电机为了满足电网无功优化需求或电网紧急故障而需要增加无功功率时，需要降低有功出力。此时，电网除了向风电场支付无功成本外，还需要支付由于增大无功出力使有功出力减小的机会成本。机会成本[6]指风电机组为了增大无功功率的输出，而以减少有功出力为代价所造成的损失。
1.4风速波动对DFIG无功容量影响
由图2P-Q容量曲线可以看出，双馈感应风力发电机有功功率逐渐增大时，无功功率调节范围将不断缩小。当有功功率增大到额定有功功率时，无功功率调节上限缩小为恒定值，无功功率调节下限为静态稳定极限值QH,min，此时风电机无功功率可调节范围很小。由于风力资源存在的易变化、不确定性，计算中采用平均风速预测法来确定时间段内风速大小。但是短期风速预测误差大约为±20%~±40%左右[3]，导致在每一个时段风电场实际有功输出与平均预测功率存在一定的误差。这些误差对于双馈感应风力发电机优化结果尤为明显，影响到双馈感应风力发电机有功功率输出，进而无功功率调节范围也受到影响。
2改进遗传算法求解配电网无功优化
2.1改进遗传算法
（1）精英种群策略
遗传算法优化搜索的第一步是通过合理的编码操作，完成个体从表现型到基因型的映射，形成初代种群。产生的初代种群优良性与算法寻优的效率以及解的收敛性息息相关。由随机个体构成的种群，虽然能较好反映样本空间的全部信息，但是同样会丧失初代种群的优良性。实验数据表明，当初代种群靠近最优解时，遗产算法寻优的效率以及得到最优解的质量也会大幅度提高。因此，本文采用精英种群策略，在不丧失种群完整性的基础上，提前运行一次遗传优化算法。将可行解中几个精英个体(适应度较大的个体)加入均匀采样产生的初代种群中，共同组建优化算法的初代种群。
2.2自适应交叉算子
交叉操作是优良个体产生的重要途径，推动了可行解向最优解进化。在遗传算法搜索的后期，可行解非常接近最优解。此时如果仍然采用迭代初始的交叉率，会使当代种群优良个体比重降低，增加了算法收敛难度，影响解的质量。
2.3无功优化算法流程
结论
本文在电力市场环境下，建立了以系统网损费用、设备运检成本和无功成本最小为目标的无功优化模型，采用改进遗传算法求解。算例仿真结果表明：
（1）对比于预测平均风速法，采用本文改良风速计算方法，在确保大部分时间DFIG无功出力不会超出实际可发无功容量的同时，也起到了降低系统网络损耗的作用。
（2）DFIG无功计价模型的运用，不仅有利于系统安全稳定，还协调了离散设备与连续设无功优化控制关系。有效解决了无功优化过程由于离散设备频繁动作，引发的设备易老化、易损耗问题。充分发挥离散设备无功支撑的能力，为连续设备保留更大无功裕度。
参考文献
[1]俞海淼,周海珠,忻闻.崇明岛风力资源分析与评价].可再生能源,2008,26(3):76-79.
[2]朗永强，张学广，徐殿国，等双馈电机风电场无功功率分析及控制策略[J].中国电机工程学报，2007，27(9)：77-82.
[3]赵晶晶，符杨，李东东，等.考虑双馈电机风电场无功调节能力的配电网无功优化[J].电力系统自动化，2011，35(11):33-38.