新能源作为世界能源转型发展的一个重要趋势，也是我国能源革命和智能电网建设的重要组成部分。然而，我国的资源与负荷呈逆向分布，在新能源电力集中式、规模化开发的背景下，就地消纳能力弱，且匮乏可灵活调度的火电、水电、储能等调峰电源，这是造成我国新能源电力难以规模化消纳的重要原因之一。综合考虑我国的基本国情与能源发展现状，实现我国大规模新能源电力的安全、高效利用需要着重从新能源发电时空多尺度特性认知与表征、源荷侧可调度资源耦合机理分析与互补利用、新能源并网特性认知与源网协同主动支撑控制等方面取得关键性突破。

基于上述背景，2018年华北电力大学、东北电力大学和国网辽宁省电力有限公司承担了国家自然科学基金-智能电网联合基金重点支持项目“大规模新能源发电主动支撑与源网协同控制”，项目编号：U1766204，项目负责人为华北电力大学新能源电力系统国家重点实验室主任、中国工程院院士刘吉臻教授，项目研究时间为2018年1月至2021年12月，为期4年。

针对大规模新能源电力的安全、高效利用难题，三家合作单位基于各自的研究优势和背景，以新能源发电时空多尺度建模及精细化表征、可调度资源耦合机理与互补特性、新能源并网特性与主动支撑控制三个关键科学问题为出发点展开了系统性研究工作，在取得理论创新的同时，推进关键技术成果的示范性应用。

项目组从三个科学问题中提炼出相关研究进展及成果，简要介绍如下。

1）针对科学问题一“新能源发电时空多尺度建模及精细化表征”，取得的主要研究进展有：分析了新能源发电复杂外部环境的随机不确定性特征，建立了风电场和光伏电站外部环境因素的时空分布精细化模型。研究了考虑外部环境因素影响的新能源发电场站输出有功功率随机波动特性的分布规律。根据风电场扇区划分，提出了风电场数据异常识别及剔除方法，建立了风力发电出力特性模型。提出了光伏电站数据预处理方法，建立了光伏电站出力特性模型。针对新能源发电功率预测，提出了基于置信度的风电、光伏功率的区间预测模型。

代表性论文：

Daily condition monitoring of grid-connected wind turbine via highfidelity power curve and its comprehensive rating. Renewable Energy, 2019, 146：2095-2111)；

Adaptive Confidence Boundary Modeling of Wind Turbine Power Curve using SCADA Data and Its Application. IEEE Transactions on Sustainable Energy, 2019, 10(3)：1130-1341.

主要研究成果总结如下：

a）风电场时空多尺度建模及精细化表征研究：本研究从影响风电运行出力的风速、风向等复杂外部环境因素入手，首先，基于Markov聚类算法实现风向扇区划分，将以风向作为边界条件，并在各个风向扇区建立风功率预测模型风，电场扇区划分结果如图1所示。然后，采用高维聚类算法对风电场内风速时间序列聚类，依据聚类结果筛选若干特征风速，以多元特征风速作为输入，建立高斯过程回归（GPR）模型进行多个特征风速预测。同时，基于两步聚类方法、Copula联合概率空间相关性评价完成堆积型风电异常数据的优化识别和剔除，在获得可靠有效数据后，采用GPR算法建立风速-功率输入输出模型。最后，构建了风电功率置信区间预测模型、性能评价体系及优化更新机制，实现了风电多时空出力的确定性和不确定性联合表征及预测。

图1 风电场风向扇区划分结果

为获得风功率预测结果，基于所建立的风电场特征风速预测模型，对扇区的多元特征风速在相同的目标时间段内分别进行预测。将预测结果输入所建立的风电场风速-功率输入输出模型，得到风电场功率定值-区间预测结果。其中，某扇区功率预测结果如图2所示，评价指标统计表明GPR算法具有良好的可靠性。

图2 风电场某扇区风电功率定值-区间预测结果

b）光伏电站时空多尺度建模及精细化表征研究：本研究首先对不同地理位置光伏电站的辐照度、温度、风速、空气湿度等天气因素进行相关性分析，探究不同空间位置下光伏电站所处天气条件的关联性。选取某光伏电站，对辐照度、温度、风速、空气湿度和大气压等天气因素进行特征提取，采用高维聚类进行天气类型划分，在不同天气类型下采用深度学习长短期记忆（LSTM）神经网络进行随机性天气因素预测，以服务于光伏电站功率预测。然后，建立光伏电站输入输出特性区间模型，该模型基于光伏电站运行数据，在不同天气类型下考虑多种天气特征，采用LSTM神经网络建立光伏功率定值预测模型，结合条件核密度估计（CKDE）方法统计建模误差关于模型定值输出的条件概率分布，得到LSTM预测模型的误差波动置信边界，与其定值输出共同组成光伏电站出力动态区间预测模型。其中，某光伏电站功率预测仿真结果如图3所示。

图3 基于LSTM-CKDE算法的光伏电站功率动态区间预测

2）针对科学问题二“可调度资源耦合机理与互补特性”，取得的主要研究进展有：基于数据驱动的可调度随机电源出力时频特性分解、需求侧可调度资源时频特性分解，分析了源荷侧可调度资源的时频互补耦合特性。完成了火电机组非线性动态建模及工况自适应协调控制，提高了火电机组灵活性可调度水平。在风电场、风电机组两个层面实现了响应电网限功率/最大功率跟踪多任务调度的全功率控制，在灵活调控基础上优化了风电场有功调度策略，改善了有功调度过程的运行代价，研究了风火联合调度的风电场一次调频技术。面向规模化风电消纳并考虑负荷侧资源可调度性，建立了交互式负荷观测、控制和的双闭环控制回路，提出了负荷广义观测器和控制器的设计方法，实现了交互式负荷智能调控。分析了电池储能-蓄热系统的组成和运行规律，提出了提高风电利用率的多类型柔性负荷协调调度模型。

代表性论文：

Model predictive control for load frequency of hybrid power system with wind power and thermal power. Energy, 2019, 172:555-565；

Intelligent Regulation Method for a Controllable Load Used for Improving Wind Power Integration. Energies, 2018.11, 11(11):0~3085；

Optimized Active Power Dispatching Strategy Considering Fatigue Load of Wind Turbines During De-Loading Operation. IEEE Access, 2019, 7:89234-89244.

主要研究成果总结如下：

a）可调度资源时频特性与多尺度分解：本研究着眼于电力系统源荷可调度资源，从多种时间尺度采用概率分布曲线及功率谱密度曲线对可调度随机电源出力、负荷特性进行分析。图4-6分别给出了光伏场站、风电场和某地区用电负荷的时频域分布特性。

                           a）出力差频率分布曲线        b）出力差累计概率曲线            c）功率谱密度

图4 光伏电站出力时频分布特性

                           a）出力差频率分布曲线        b）出力差累计概率曲线            c）功率谱密度

图5 风电场出力时频分布特性

                                            a）出力差频率分布曲线                           b）功率谱密度

图6 用电负荷时频分布特性

b）发电侧可调度资源与新能源电力互补机制：本研究聚焦于发电侧可控电源和随机性电源的灵活控制技术。围绕新能源电力系统中复杂多样的发电侧可调度资源进行功率灵活性控制研究，开发火电深度/快速变负荷技术及风场全功率调控技术。图7展示了火电机组非线性动态建模示意图，对于火电机组20%~100%额定负荷出力情况下的超临界机组进行了三段式划分，得到常规负荷干态运行方式、低负荷干态运行方式和湿态运行方式。

图7 火电机组非线性动态建模示意图

图8展示了火电机组宽负荷下稳定运行与快速调峰的控制目标分析，反应机组快速调峰的目标为机组负荷响应AGC的能力，在较高负荷下应以提升该能力为控制目标，低负荷下此目标则为次要目标。

图8 火电机组控制目标

通过对以下控制逻辑进行修改：修改给水最小保护流量；修改给水前馈，补充低负荷部分；给煤主控进行调整，补充低负荷部分；调整机组在低负荷下的转差不等率；调整机组在低负荷下的变负荷速率；对低负荷压力设定值进行修改；控制器参数进行延伸，能够保障机组能够在30%-50%额定负荷下运行。同时，本研究针对风电机组全功率灵活控制，采用提高叶尖速比以及变桨距角的控制方法进行限功率，控制参数的变化情况如图9所示。以风电场风机疲劳载荷为优化目标，构建功率优化调度方法，结果显示该优化调度方法能够在完成电网限功率调度指令的前提下改善风电场机组疲劳水平。

图9 风电机组限功率控制参数示意图

c）需求侧可调度资源与新能源电力互补机制：本研究以需求侧多类型可调度资源为对象，首先研究了负荷协同调控技术，通过内外环控制结构实现交互式负荷智能调控。交互式负荷智能控制外环设计原理如图10所示。另一方面，分析了储能-蓄热系统的运行规律。建立了考虑边界约束的储能-蓄热锅炉协调调度模型，其系统结构如图11所示。

图10 交互式负荷智能控制的内外控制回路

图11 电池储能-蓄热电锅炉系统架构

负荷侧蓄热电锅炉在供暖期负荷低谷期，通过增加用电负荷水平，可以增加电力负荷及风电消纳。电池储能系统通过移峰填谷的运行方式，提高了整个系统的调峰能力，减少了弃风电量。通过回热式电锅炉与电池储能的协同作用，增强系统运行的灵活性，提高风电消纳度。

3）针对科学问题三“新能源并网特性与主动支撑控制”，取得的主要研究进展有：以并网光伏发电为例构建了其并网特性模型，建立了含光伏发电的电力系统频率动态响应模型，提出了双极式光伏发电结构及虚拟惯量、P-U外特性的调频控制策略。研究确定了风电机组双向可调频功率受功率预留系数和最大调节功率约束，给出了风电机组可实现的调差系数域，形成了一种规模化风电持续性参与并网调频的源网协同控制方法。针对储能削峰填谷效果、运行经济性、机组总调峰成本及火电机组运行效益等问题，提出一种储能辅助火电机组深度调峰的分层优化调度方案；针对提高风电可调度性和电网频率安全的问题，构建了日前调度计划和电网调频极限的形成方法，在电力市场环境下以风储电站利润最大为目标建立风储运行模型，形成了利用储能辅助风电场跟踪日前调度计划并参与调频的策略。建立了一种考虑全生命周期经济优化方法的光伏储能混合系统容量优化配置方法，形成了含高比例光伏系统光伏/ESS混合系统源网协同控制方法。

代表性论文：

基于动态任务系数的储能辅助风电一次调频控制策略.电力系统自动化,2021,45(19):52-59）；

计及调频成本和荷电状态恢复的多储能系统调频功率双层优化.中国电机工程学报,2021,41(23):8020-8033。

主要研究成果总结如下：

a）大规模新能源发电并网特性分析（以光伏发电为例）：针对大规模光伏发电并网致使电力系统转动惯量减小、一次调频能力不足的问题，其主动参与电网频率调节是解决这一问题的重要是手段。在分析传统电力系统的频率响应特性的基础上，建立了含光伏发电的电力系统频率动态响应模型。以电网频率变化量的初值、频率最低跌落点、超调量和稳定时间作为评估频率调节动态过程的特征量，提出了三种光伏发电参与电网频率调节的控制策略（基于锁相环动态的常规虚拟惯量控制、基于低压直流电容动态的虚拟惯量控制、基于高压直流电容动态的虚拟惯量控制）。

①常规虚拟惯量控制：在光伏发电进行有功备用后，实时检测并网点电压Utq，将扰动的Utq送至惯性环节产生有功功率参考值Pref，与实际电压的差值经过控制器，产生驱动变换器工作的占空比d。随着虚拟惯性时间常数的HPV增加，电网频率变化率初始值降低，频率最低跌落值增加，电网频率超调量减小，稳定时间变长。

图12 双极式光伏发电的常规虚拟惯量控制策略

②基于P-U外特性的调频控制策略I：实时检测电网频率的变化，通过低电压直流电容调节光伏阵列的输出功率，进而使Boost变换器响应电网扰动。控制系数k的变化对电网频率变化率初始值无影响；随着时间常数H的增加，电网频率超调量减小，频率最低跌落值增加，稳定时间变短。

图13 Boost变换器控制策略

③基于P-U外特性的调频控制策略II，双级式光伏发电结构还存在一个高压直流电容，可在逆变器电压外环中引入补偿环节。利用Boost变换器低压直流电压和高压直流电压的关联关系，当电网频率存在扰动时，将高压直流电压的波动传导至低压直流电压，改变光伏阵列的输出功率。该控制策略下，光伏阵列运行于最大功率点的右侧。基于P-U外特性的调频控制策略II影响同步发电机的惯性时间常数H，与基于锁相环动态的常规虚拟惯量控制策略的机理分析一致。

b）规模化风电并网主动支撑控制策略：风电机组参与调频是解决高比例可再生能源电力系统调节能力不足的手段之一，双馈风电机组可通过转子超速预留部分功率而获得双向调频能力。本研究根据风电机组的基本运行方程，推导了双馈风电机组转子超速时最大调节功率表达式，指出风电机组的双向可调频功率受功率预留系数和最大调节功率约束，并通过分析风电机组参与持续调频时双向功率约束的影响，给出了风电机组可实现的调差系数域。首先，研究了在长周期持续调频过程中，风电机组受额定转速和功率预留系数影响的风电机组双向调频功率约束，指出了风电机组参与调频时受双向功率约束的影响。在传统控制模式下，改变ωr的值，使其与风速v的比值保持在λopt上，可实现不同风速下的最大风能捕获。研究双馈风电机组转子转速控制的双向调频方法。风电机组的可向上调频功率和可向下调频功率受最大调节功率和预留系数约束，在设计预留系数时考虑风电机组的双向调频功率约束。双馈风电机组转速调频控制策略如图14所示。

图14 双馈风电机组转速调频控制结构

c）新能源/储能联合主动支撑控制：本研究提出一种储能辅助火电机组深度调峰的分层优化调度方案，如图15所示。该方案包含上、中、下三层优化模型，上层模型以储能削峰填谷效果及运行经济性最优为优化目标，旨在降低负荷峰谷差，提高风电消纳空间；中层模型以机组总调峰成本最小为目标，包括火电机组额外运行成本、电量损失成本、深度调峰补偿收益以及弃风惩罚成本，来优化风电接纳量，确定火电机组总出力；下层模型以火电机组运行效益最大为目标优化各机组出力。

图15 储能辅助火电机组深度调峰的分层优化调度方案

为提高风电可调度性和电网频率安全，以日前调度为例构建日前调度计划和电网调频极限的形成方法，在此基础上提出利用储能辅助风电场跟踪日前调度计划并参与调频的策略。然后，在电力市场环境下以风储电站利润最大为目标建立风储运行模型，该模型考虑由所提策略形成的风储电站联合出力约束和频率安全约束，用来计算储能辅助风电场跟踪日前调度计划和参与调频的最优出力。仿真分析结果表明所提策略可以提高风电场跟踪日前调度计划能力和电网频率安全性，同时具有良好的经济效益。

结合本项目成果，共发表和录用期刊论文70余篇，授权和受理发明专利20余项。项目组成员获得各等级人才称号或资助5人次，受邀参加国内外学术会议大会报告10余次，获得省部级科技进步一等奖1项、中国电力工程学会科技进步一等奖1项。超额完成项目任务书规定的成果要求。

本项目聚集了来自华北电力大学、东北电力大学、国网辽宁省电力有限公司和丹麦科技大学的专家和研究人员，围绕大规模新能源发电主动支撑与源网协同控制方面的关键科学问题开展了系统性研究，其研究成果有助于解决大规模新能源电力的消纳与安全高效利用背后的若干科学问题，在深入认知新能源电力系统特性的基础上，支撑源网荷的协同控制与优化运行。项目在取得理论创新的同时，也积极推进关键技术成果落地与示范性应用，在规模化新能源发电及并网、以新能源为主体的新型电力系统和虚拟电厂等方面具有较大的应用前景。