楊佳俊，龍淼，盧怡含，王林

（1.國網(wǎng)山東省電力公司萊蕪供電公司，山東萊蕪271100；2.山東電力工程咨詢院有限公司，濟南250013；3.國網(wǎng)山東昌邑市供電公司，山東昌邑261000；4.國網(wǎng)山東省電力公司濰坊供電公司，山東濰坊261000）

考慮風電并網(wǎng)的電力系統(tǒng)經(jīng)濟調(diào)度

楊佳俊1，龍淼2，盧怡含3，王林4

（1.國網(wǎng)山東省電力公司萊蕪供電公司，山東萊蕪271100；2.山東電力工程咨詢院有限公司，濟南250013；3.國網(wǎng)山東昌邑市供電公司，山東昌邑261000；4.國網(wǎng)山東省電力公司濰坊供電公司，山東濰坊261000）

風電場輸出功率的不確定性使風電并網(wǎng)后電力系統(tǒng)的調(diào)度決策面臨新的挑戰(zhàn)。對風電場輸出功率進行預測是消納大規(guī)模風電的基礎(chǔ)工作，在此基礎(chǔ)上對預測誤差進行統(tǒng)計分析和評估，并用于電網(wǎng)調(diào)度決策。根據(jù)對風電功率不確定性的處理方法不同，將含風電的電力系統(tǒng)調(diào)度模型分為確定性模型、模糊模型及不確定性模型。對風電功率不同時間尺度、不同前瞻周期的預測誤差進行統(tǒng)計學分析，從而研究不同時間尺度之間調(diào)度決策的滾動優(yōu)化機制，以及不同時間尺度調(diào)度決策進行滾動優(yōu)化時調(diào)度與對應(yīng)時間尺度預測之間相互協(xié)調(diào)配合的問題。儲能、電動汽車等可調(diào)度資源能夠有效平衡和抑制風電等可再生能源的間歇性和波動性，是實現(xiàn)消納大規(guī)模風電、節(jié)能減排、保障電網(wǎng)安全穩(wěn)定的有效途徑。并對以大型火電為主體電源的電網(wǎng)接納風電的成本效益進行了討論。

電力系統(tǒng)；經(jīng)濟調(diào)度；調(diào)度模式；風電并網(wǎng)；滾動調(diào)度優(yōu)化

0 引言

風能是一種清潔的可再生能源，發(fā)電過程不需要燃料成本，與傳統(tǒng)發(fā)電形式相比具有更長遠的環(huán)境和經(jīng)濟效益。

風電場輸出功率具有隨機性、間歇性和不確定性，其大規(guī)模并網(wǎng)將影響電力實時平衡進而威脅電網(wǎng)安全，給電網(wǎng)運行調(diào)度與控制帶來新的挑戰(zhàn)［1-3］。目前，國內(nèi)外的專家學者已對風電功率預測問題展開深入研究［4-8］，但預測精度在很大程度上仍然無法滿足工程實際的要求。因此，如何在風電接入系統(tǒng)后維持系統(tǒng)的安全穩(wěn)定運行，已成為電網(wǎng)運行與控制領(lǐng)域研究的熱點問題［9］。

針對大規(guī)模風電并網(wǎng)的調(diào)度主要包括提高風電場輸出功率預測精度，風電與常規(guī)機組協(xié)調(diào)配合，儲能和電動汽車等與風電如何協(xié)調(diào)互補高效利用以及風電的調(diào)度模式4個方面進行。

1 風電場輸出功率預測

根據(jù)預測對象分類，風電功率預測可分為風速和風電場輸出功率預測，在預測風速后再根據(jù)風速—功率轉(zhuǎn)化曲線得到風電場功率輸出。

風電場輸出功率預測需要考慮的因素主要有風速、風向、氣溫、氣壓、濕度等，其中風速的影響最大；在對距當前時刻較近的時段進行功率預測時，使用實時測量數(shù)據(jù)，會對預測起到較大改善，但會降低距當前時刻較遠時段的預測精度；輸入不同高度的數(shù)值天氣預報數(shù)據(jù)可以更準確地描述風電場的狀態(tài)，能夠提高預測精度。對預測誤差進行評估和預測有助于更好地使用預測結(jié)果。

2 含風電場的經(jīng)濟調(diào)度模型

由于風電功率具有強烈的間歇性和隨機波動性，風速及風功率預測較負荷預測難度更大。大規(guī)模風電接入后，為了保證系統(tǒng)的安全可靠運行，在含風電的電力系統(tǒng)調(diào)度中，需要考慮風電的預測誤差。從對風電場輸出功率不確定性的處理方法來看，當前研究大致可以分為3大類，即確定性模型、模糊模型及隨機規(guī)劃模型。

2.1 確定性模型

為了保證風電并網(wǎng)后系統(tǒng)能夠安全可靠運行，必須預留備用容量以彌補調(diào)度過程中可能發(fā)生的風電功率盈余或不足。確定性調(diào)度模型根據(jù)風電預測誤差或風電與負荷所構(gòu)成等效負荷預測誤差的概率分布，采用確定性方法配置備用容量應(yīng)對風電場輸出功率的不確定性［10-14］。文獻［10-11］研究單時段含風電的電力系統(tǒng)經(jīng)濟調(diào)度問題，在預先設(shè)置的置信水平下確定系統(tǒng)需要的二次備用容量，以此來應(yīng)對可能發(fā)生的風電功率盈余或不足；文獻［12-13］構(gòu)建的動態(tài)經(jīng)濟調(diào)度模型中引入了正、負旋轉(zhuǎn)備用約束以應(yīng)對風電功率預測誤差給系統(tǒng)調(diào)度帶來的影響，并在目標函數(shù)中計及了常規(guī)火電機組的閥點效應(yīng)；文獻［14］在計及上下旋轉(zhuǎn)備用的基礎(chǔ)上，通過引入風電場出力爬坡約束以應(yīng)對風速波動性和隨機性對系統(tǒng)的影響。確定性模型通過配置備用來應(yīng)對風電的隨機變化，能夠在一定程度上起到保障系統(tǒng)安全可靠運行的作用，但無法回答備用容量如何設(shè)定才能折中考慮系統(tǒng)的經(jīng)濟性和可靠性，調(diào)度結(jié)果難免保守或冒進。

2.2 模糊模型

研究含風電的電力系統(tǒng)調(diào)度問題，關(guān)鍵在于如何應(yīng)對并處理不確定的風電功率。目前通常采用兩類方法對風電場輸出功率的不確定性進行建模，其中之一就是模糊調(diào)度模型。

文獻［15］應(yīng)用模糊理論建立含風電場的經(jīng)濟調(diào)度模型，通過構(gòu)建梯形隸屬度函數(shù)來表征風電功率的不確定性和決策者對調(diào)度周期內(nèi)總耗量成本的滿意程度，用隸屬度函數(shù)來表達決策者的滿意程度，將原問題等價為求取滿意度指標最大值問題，針對該模型，提出利用下降搜索思想，計算結(jié)果驗證了所提出模型及解法的可行性；文獻［16-17］所提出模型中，綜合考慮了系統(tǒng)運行成本（認為風電滲透水平高會提高經(jīng)濟效益）與風電接入給系統(tǒng)帶來的風險（風電滲透水平高會降低系統(tǒng)安全性），通過定義隸屬度函數(shù)來表征系統(tǒng)安全水平與風電穿透率的關(guān)系以及調(diào)度人員對系統(tǒng)運行成本的滿意度，采用最大化滿意度指標法將問題轉(zhuǎn)化為非線性規(guī)劃問題，并采用智能算法求解該優(yōu)化問題，能根據(jù)決策者的意愿找出既滿足一定風險、又實現(xiàn)一定經(jīng)濟效益的調(diào)度方案；文獻［18］提出了考慮風電出力隨機性以最小成本與最小期望失負荷電量為目標的多目標機組組合問題，分別以最小成本和最小期望失負荷電量為目標利用混合整數(shù)規(guī)劃形成各自的隸屬度函數(shù)，繼而將多目標的優(yōu)化問題轉(zhuǎn)為為模糊決策問題，利用混合整數(shù)規(guī)劃求解。

隸屬度函數(shù)的定義反映了調(diào)度決策者的意愿，隸屬度函數(shù)中參數(shù)的確定具有明顯的主觀性。模糊是主觀的，是人們對某一事物認識中出現(xiàn)的不確定性造成的。由于模糊調(diào)度模型主觀性過強，難以給出反應(yīng)客觀實際的調(diào)度決策方案。

2.3 隨機規(guī)劃模型

除了對不確定性風電功率進行模糊建模的方法外，還包括隨機規(guī)劃調(diào)度模型。隨機規(guī)劃模型主要分為隨機期望值模型、隨機機會約束規(guī)劃模型及隨機相關(guān)機會規(guī)劃模型［19］。

隨機期望值模型為了考慮風電的隨機性和間歇性對電網(wǎng)的影響，首先根據(jù)預測誤差的概率分布，生成系統(tǒng)未來可能的運行場景［20］，為了滿足計算速度要求，依據(jù)初始場景集合與場景縮減后保留的場景子集合之間的概率距離最小的場景縮減原理［21］，一般采用基于啟發(fā)式的同步回代縮減方法對初始場景集合進行化簡［21-22］，最終將隨機期望值模型轉(zhuǎn)化為離散化的確定性等價模型進行求解。文獻［23-25］根據(jù)風電輸出功率預測值及其誤差概率分布生成一系列運行場景，常規(guī)機組在所有場景下具有相同的啟停方案和不同的輸出功率，以最小化預測場景下的發(fā)電成本或所有場景下發(fā)電成本的加權(quán)平均值為目標，同時要求預測場景下機組輸出功率和誤差場景下機組輸出功率間的過渡滿足爬坡速率約束，保證方法的可行性；文獻［26］通過引入發(fā)電機功率分布因子，并用基于極限場景集的場景法取代基于蒙特卡洛仿真的場景法，在計算時間和計算精度兩個方面得到了改善。

機會約束規(guī)劃問題可以轉(zhuǎn)化為等價的確定性數(shù)學規(guī)劃問題，但對于較復雜的機會約束規(guī)劃問題，則可以通過基于隨機模擬的智能算法來求解。文獻［27-28］應(yīng)用機會約束規(guī)劃理論構(gòu)建了考慮機組啟停的含風電場電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度模型，該模型以概率的形式描述相關(guān)約束條件，在風速預測的基礎(chǔ)上，應(yīng)用蒙特卡洛模擬方法采樣風電場輸出功率來表示風電的隨機性和預測誤差，所構(gòu)建的模型通過基于隨機模擬的智能算法來求解。

3 風電并網(wǎng)下的滾動優(yōu)化消納機制

依據(jù)風電預測精度隨時間尺度逐漸提高的特性，文獻［29-32］構(gòu)建了消納大規(guī)模風電的多時間尺度協(xié)調(diào)的有功調(diào)度模式，該調(diào)度模式基于“多級協(xié)調(diào)、逐級細化”的思路，將上一級遺留的偏差由下一級來修正。根據(jù)負荷波動的特點和機組的控制特性，將控制分解為日前計劃、滾動計劃、實時調(diào)度和AGC（自動發(fā)電控制）4個階段，與上述4個階段中前3個階段配合的負荷預報分別為短期負荷預測、擴展短期負荷預測和超短期預測。日前計劃可以確定次日的開停機情況，在日前計劃與實際負荷情況能夠基本匹配時，日前計劃確定的機組輸出功率即為計劃機組的有功輸出功率，而當日前預測與實際負荷發(fā)生嚴重偏離時，擴展短期負荷預測啟動，并由滾動計劃動態(tài)修正剩余時段計劃機組的有功輸出功率。實時調(diào)度通過調(diào)度緩沖機組來消除滾動計劃與超短期預測的功率偏差，改善運行安全性，為AGC機組預留調(diào)節(jié)空間，保證AGC環(huán)節(jié)的正常運行。文獻［33］也提出在調(diào)度計劃中考慮風電場輸出功率及其預測誤差帶，根據(jù)最新的預測信息對之前制定的調(diào)度計劃進行調(diào)整，以逐步提高剩余時段調(diào)度計劃的準確性。

圖1給出了某實際風電場輸出功率預測誤差與預測時間的關(guān)系。從圖中可以看出對于日前預測（即提前12～36 h的風電場輸出功率預測）與提前1～6 h的預測相比，預測誤差要大得多。由于機組組合是電力系統(tǒng)經(jīng)濟調(diào)度的核心，其所節(jié)省的經(jīng)濟價值遠大于負荷在機組之間的經(jīng)濟分配環(huán)節(jié)所節(jié)省的價值。沿著文獻［29-33］的思路，如果能夠加快執(zhí)行機組組合的頻率，在風電大規(guī)模接入的條件下，將會極大的減少運行備用，提高常規(guī)機組的負載率，改善系統(tǒng)經(jīng)濟性。

圖1 風電場輸出功率預測誤差與預測時間的關(guān)系

但是機組組合滾動的頻率將受到機組啟停時間的制約，常規(guī)火電機組從停機（開機）狀態(tài)時，獲得開機（停機）命令，至其能夠開機（停機）需要一定的準備時間。因此制定滾動的機組組合計劃需要與對應(yīng)時間尺度預測之間相互協(xié)調(diào)配合。

4 電動汽車與風電互補協(xié)調(diào)利用

電動汽車、儲能等可調(diào)度資源能夠有效平衡和抑制風電等可再生能源的間歇性和波動性，是實現(xiàn)消納大規(guī)模風電，節(jié)能減排，保障電網(wǎng)安全穩(wěn)定的有效途徑。文獻［34］建立了一個計及有V2G功能的電動汽車的機組最優(yōu)組合模型并采用粒子群優(yōu)化算法求解，算例表明V2G能夠降低當前電力系統(tǒng)對小型昂貴機組的依賴性，降低電力系統(tǒng)運行成本和排放，同時提高電網(wǎng)的可靠性為電網(wǎng)提供備用支持。文獻［35］建立了計及電動汽車和風電出力不確定性的隨機調(diào)度模型，指出通過優(yōu)化電動汽車充放電行為，可以緩解間歇性可再生能源發(fā)電給系統(tǒng)運行帶來的安全風險，提高系統(tǒng)接納清潔能源發(fā)電的能力。文獻［36］構(gòu)建了計及可入網(wǎng)電動汽車的電力系統(tǒng)機組最優(yōu)組合模型，該模型以發(fā)電機組的運行成本和CO2排放成本之和最小化為目標函數(shù)，把每時段內(nèi)充放電的電動汽車作為可優(yōu)化的調(diào)度變量，文獻［36］在文獻［37］的基礎(chǔ)上又計及了網(wǎng)絡(luò)安全約束及目標函數(shù)中計及了車主的經(jīng)濟效益，指出采用適當?shù)目刂品绞侥軌蚪档拖到y(tǒng)運行成本，完全優(yōu)化充放電模式適合于目前比較推崇的集中換電模式。電動汽車低排放的優(yōu)勢只有在以低碳電力為主的區(qū)域才比較顯著，而在以燃煤發(fā)電為主的區(qū)域效果不顯著（燃燒汽油排放轉(zhuǎn)化為發(fā)電環(huán)節(jié)排放），由此文獻［38］提出了電動汽車充電與風電協(xié)同調(diào)度的模型，通過調(diào)度電動汽車充電以平滑電網(wǎng)等效負荷波動，提高電網(wǎng)接納風電水平，文獻［39］則在此基礎(chǔ)上建立了多時間尺度的協(xié)同調(diào)度模型，能夠明顯改善由負荷、可再生能源等組成的等效負荷的波動，改善負荷特性，有利于電網(wǎng)消納風電、光伏等可再生能源。

目前計及電動汽車的電力系統(tǒng)調(diào)度模型中，在電動汽車建模方面還顯得比較粗糙，無法有效計及電動汽車作為交通工具這一根本屬性的能源要求，多是將其作為一種儲能資源供電網(wǎng)使用，僅僅給出一個調(diào)度周期內(nèi)的電量需求，因此還有很多需要改進之處；同時電動汽車作為一種分布式的資源，其數(shù)量多無論是在現(xiàn)實當中無法通過硬件集中獲取其信息至調(diào)度中心或是由于決策變量過多使調(diào)度模型龐大無法計算兩個角度，都使我們不能在調(diào)度模型中對每個電動汽車進行詳細建模（如將每個V2G電動汽車用抽水蓄能模擬），其調(diào)度模式也必然不同于以往的集中調(diào)度模式，這就必然需要進行分層調(diào)度，需要積極探索如何將電動汽車的分散式資源進行聚合，等值為一個大的柔性節(jié)點，供上級電網(wǎng)調(diào)度，同時等值過程要具有有效計及電動汽車作為交通工具對能源需求的要求的能力，即在一定時間內(nèi)電動汽車的能源需求體現(xiàn)的是充電（放電）功率對時間的積分過程，在充電（放電）的過程中，電池中剩余電量都是變化的，又會進一步影響下一時段的充電（放電）能力。最后如何在計及電動汽車、儲能、風電的機組組合模型中考慮各種資源的不確定性是有待研究的重要問題。

5 風電并網(wǎng)下的調(diào)度模式探討

風電并網(wǎng)發(fā)電對電力系統(tǒng)整體能耗與CO2排放具有正負兩方面影響：一方面風電替代火電，可以減少CO2排放，降低燃料成本；另一方面，其他機組為消納風電波動性要付出額外的燃料成本和CO2排放量，稱為風電的負面效應(yīng)，在調(diào)節(jié)靈活性較高的電網(wǎng)中（如歐洲電網(wǎng)），風電的負面效應(yīng)較小，可以忽略，但對于以大型煤電機組為主的中國北方電網(wǎng)，風電負面效應(yīng)將顯著影響風電利用的效益。風電屬于間歇性電源，具有明顯的波動性和隨機性，其輸出功率不連續(xù)、不穩(wěn)定，預測精度差，在現(xiàn)實當中多數(shù)風電具有反調(diào)峰特性，使得電網(wǎng)等效負荷波動程度加劇，峰谷差更大，為了盡可能多地消納波動的風電，火電需要付出較高的調(diào)節(jié)成本，如啟停次數(shù)增加，常規(guī)火電機組負載率降低、單位電量煤耗上升，同時由于系統(tǒng)等效負荷變化更加劇烈，常規(guī)機組輸出功率波動現(xiàn)象更加明顯，這將導致對燃氣輪機的頻繁調(diào)節(jié)，加速機械磨損，長期如此運行會使機組發(fā)電效益降低。顯然，使機組運行點偏離最佳運行點來盡最大能力接納風電是不明智的，此時多接納的風電功率所獲得的效益會通過火電機組低效率運行的形式所消耗。

文獻［40］指出當電網(wǎng)接入一定規(guī)模的風電時，調(diào)度將面臨常規(guī)發(fā)電機組單位電量煤耗量增加與風電高效利用之間的矛盾問題，將風電能夠為電網(wǎng)節(jié)約的煤耗量作為風電價值的度量，從而確定風電允許的波動范圍，使調(diào)度中的煤耗量與電網(wǎng)接納風電的能力得到有效協(xié)調(diào)，所提出模型用遺傳算法求解，但所提出模型未考慮風電接入后火電機組啟停的影響。隨著小火電機組的關(guān)停，以大容量、高參數(shù)為主的火電機組啟停能耗普遍較高，因此需要計及機組啟停狀態(tài)的變化，才能客觀準確地評價風電接入對電力系統(tǒng)能耗的影響。由此，文獻［41］分別建立了以棄風量最小和能耗最小為目標函數(shù)的機組組合模型，并提出多個評價調(diào)度方案經(jīng)濟性的指標來對兩種調(diào)度模式進行評判，得出能耗最小調(diào)度模式下電力系統(tǒng)運行經(jīng)濟性更好的結(jié)論。文獻［42］針對風火互濟系統(tǒng)日前發(fā)電計劃，通過引入CO2價格指標，建立了風火互濟系統(tǒng)運行的綜合最優(yōu)模型，通過算例分析認為優(yōu)先調(diào)度風電但允許少量棄風的調(diào)度模式將顯著提高中國風火互濟系統(tǒng)整體效益，優(yōu)于全額接納風電的模式，并深入探討了CO2價格、不同風電接入水平對模型的影響，但文獻［41-42］沒有考慮風電場輸出功率預測誤差問題。文獻［43］通過綜合考慮風電的正負效益來確定風火互濟系統(tǒng)的旋轉(zhuǎn)備用容量，同時考慮了風電也具備提供備用的能力，在確定備用時應(yīng)予以考慮。

6 結(jié)語

消納大規(guī)模風電的調(diào)度決策體系是一項十分復雜的系統(tǒng)工程。風電場輸出功率預測是基礎(chǔ)，進而統(tǒng)計出不同時間尺度的風電功率預測誤差作為不同時間尺度調(diào)度決策的數(shù)據(jù)支撐，同時不同時間級的調(diào)度決策要考慮到預測系統(tǒng)能夠給予的條件，即要考慮不同時間尺度之間調(diào)度決策的滾動優(yōu)化機制，以及不同時間尺度調(diào)度決策進行滾動優(yōu)化時調(diào)度與對應(yīng)時間尺度預測之間相互協(xié)調(diào)配合的問題。

電動汽車、儲能等可調(diào)度資源是實現(xiàn)消納大規(guī)模風電，節(jié)能減排，保障電網(wǎng)安全穩(wěn)定的有效途徑，但還需在調(diào)度模型中如何對電動汽車進行建模做細致工作。電動汽車作為一種分散式資源，需要考慮它的聚合問題，其聚合模型要能夠?qū)嶋H反映電動汽車在交通運輸領(lǐng)域所需的電量需求。

風電并網(wǎng)發(fā)電對電力系統(tǒng)有正負兩方面的影響，需要審慎考慮接納風電的調(diào)度模式。

［1］李俊峰，施鵬飛，高虎.中國風電發(fā)展報告2010［R］.?？冢汉Ｄ铣霭嫔?，2010.

［2］王芝茗，蘇安龍，魯順.基于電力平衡的遼寧電網(wǎng)接納風電能力分析［J］.電力系統(tǒng)自動化，2010，34（3）：86-90.

［3］肖創(chuàng)英，汪寧渤，丁坤.甘肅酒泉風電功率調(diào)節(jié)方式的研究［J］.中國電機工程學報，2010，30（10）：1-7.

［4］Hannele Holttinen.Handling of wind power forecast errors in the Nordic power market［C］.9th International Conference on Probabilistic Methods Applied to Power Systems KTH，Stockholm，Sweden-June 11-15，2006.

［5］楊秀媛，肖洋，陳樹勇.風電場風速和發(fā)電功率預測研究［J］.中國電機工程學報，2005，25（11）：1-5.

［6］范高鋒，王偉勝，劉純，等.基于人工神經(jīng)網(wǎng)絡(luò)的風電功率預測［J］.中國電機工程學報，2008，28（34）：118-123.

［7］劉純，范高鋒，王偉勝，等.風電場輸出功率的組合預測模型［J］.電網(wǎng)技術(shù)，2009，33（13）：74-79.

［8］張國強，張伯明.基于組合預測的風電場風速及風電機功率預測［J］.電力系統(tǒng)自動化，2009，33（18）：92-95.

［9］韓學山，楊明，張利.價值調(diào)度推進智能化電網(wǎng)發(fā)展的思考［J］.電力系統(tǒng)自動化，2010，34（2）：5-9，74.

［10］Restrepo J F，Galiana F D.Secondary Reserve Dispatch Accounting for Wind Power Randomness and Spillage［C］.IEEE Power Engineering Society General Meeting，2007：1-3.

［11］張國強，張伯明.考慮風電接入后二次備用需求的優(yōu)化潮流算法［J］.電力系統(tǒng)自動化，2009，33（8）：25-28.

［12］周瑋，彭昱，孫輝，等.含風電場的電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度［J］.中國電機工程學報，2009，29（25）：13-18.

［13］姜文，嚴正.基于一種改進粒子群算法的含風電場電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度［J］.電力系統(tǒng)保護與控制，2010，38（21）：173-178.

［14］夏澍，周明，李庚銀.含大規(guī)模風電場的電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度［J］.電力系統(tǒng)保護與控制，2011，39（13）：71-77.

［15］陳海焱，陳金富，段獻忠.含風電場電力系統(tǒng)經(jīng)濟調(diào)度的模糊建模及優(yōu)化算法［J］.電力系統(tǒng)自動化，2006，30（2）：22-26.

［16］Vladimiro Miranda，Pun Sio Hang.Economic Dispatch Model With Fuzzy Wind Constraints and Attitudes of Dispatchers［J］.IEEE Trans.on Power Systems，2005，20（4）：2 143-2 145.

［17］Lingfeng Wang，Chanan Singh.PSO-Based Multi-Criteria Economic Dispatch Considering Wind Power Penetration Subject to Dispatcher’s Attitude［J］.Power Symposium，2006：269-276.

［18］Bala Venkatesh，Peng YU，H.B.Gooi，Dechen Choling.Fuzzy MILP unit commitment incorporating wind generators.IEEE Trans.on Power Systems.2008，23（4）：1 738-1 746.

［19］劉寶碇，趙瑞清，王綱.不確定規(guī)劃及應(yīng)用［M］.北京：清華大學出版社，2003.

［20］Lennart Soder.Simulation of Wind Speed Forecast Errors for Operation Planning of Multi-Area Power Systems［C］.8th International Conference on Probabilistic Methods Applied to Power Systems，Iowa，USA-September 12-16，2004.

［21］ROMISCHW，HEITSCHH.Scenarioreductionalgorithmsin stochastic program.Computational Optimization and Applications，2003，24（2／3）：187-206.

［22］Nicole Growe-Kuska，Holger Heitsch and Werner Romisch.Scenario Reduction And Scenario Tree Construction for Power Management Problems.Proceedings of 2003 IEEE Bologna PowerTech Conference：Vol 3，June 23-26，2003，Bologna，Italy：1-7.

［23］Jianhui Wang，Mohammad Shahidehpour，Zuyi Li.Security Constrained Unit Commitment With Volatile Wind Power Generation［J］.IEEE Trans.on Power Systems，2008，23（3）：1 319-1 327.

［24］顏擁，文福拴，楊首暉.考慮風電出力波動性的發(fā)電調(diào)度［J］.電力系統(tǒng)自動化，2010，34（6）：79-88.

［25］謝毓廣，江曉東.儲能系統(tǒng)對含風電的機組組合問題影響分析［J］.電力系統(tǒng)自動化，2011，35（5）：19-24.

［26］葉榮，陳皓勇，王鋼，等.多風電場并網(wǎng)時安全約束機組組合的混合整數(shù)規(guī)劃解法［J］.電力系統(tǒng)自動化，2010，34（5）：29-33，65.

［27］江岳文，陳沖，溫步瀛.含風電場的電力系統(tǒng)機組組合問題隨機模擬粒子群算法［J］.電工技術(shù)學報，2009，24（6）：129-137.

［28］孫元章，吳俊，李國杰，等.基于風速預測和隨機規(guī)劃的含風電場電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度［J］.中國電機工程學報，2009，29（4）：41-47.

［29］張伯明，吳文傳，鄭太一，等.消納大規(guī)模風電的多時間尺度協(xié)調(diào)的有功調(diào)度系統(tǒng)設(shè)計［J］.電力系統(tǒng)自動化，2011，35（1）：1-6.

［30］張國強，吳文傳，張伯明.考慮風電接入的有功運行備用協(xié)調(diào)優(yōu)化［J］.電力系統(tǒng)自動化，2011，35（12）：15-19.

［31］張國強，張伯明，吳文傳.考慮風電接入的協(xié)調(diào)滾動發(fā)電計劃［J］.電力系統(tǒng)自動化，2011，35（19）：18-22.

［32］沈偉，吳文傳，張伯明，等.消納大規(guī)模風電的在線滾動調(diào)度策略與模型［J］.電力系統(tǒng)自動化，2011，35（22）：136-140.

［33］王洪濤，何成明，房光華，等.計及風電預測誤差帶的調(diào)度計劃漸進優(yōu)化模型［J］.電力系統(tǒng)自動化，2011，35（22）：131-135.

［34］Ahmed Yousuf Saber，Ganesh Kumar Venayagamoorthy.Intelligent unit commitment with vehicle-to-grid：A cost-emission optimization［J］.Journal of Power Sources，2010，195（3）：898-911.

［35］趙俊華，文福拴，薛禹勝，等.計及電動汽車和風電出力不確定性的隨機經(jīng)濟調(diào)度［J］.電力系統(tǒng)自動化，2010，34（20）：22-29.

［36］陸凌蓉，文福拴，薛禹勝，等.計及可入網(wǎng)電動汽車的電力系統(tǒng)機組最優(yōu)組合［J］.電力系統(tǒng)自動化，2011，35（21）：16-20.

［37］蔡秋娜，文福拴，薛禹勝，等.基于SCUC的可入網(wǎng)混合電動汽車優(yōu)化調(diào)度方法［J］.電力系統(tǒng)自動化，2012，36（1）：38-46.

［38］于大洋，宋曙光，張波，等.區(qū)域電網(wǎng)電動汽車充電與風電協(xié)同調(diào)度的分析［J］.電力系統(tǒng)自動化，2011，35（14）：24-29.

［39］Yu Lei，Xueshan Han，Dayang Yu.Multi-time Scale Decisionmaking Method of Synergistic Dispatch［C］.International Conference on IEEE PES Innovative Smart Grid Technologies Asia 2012，TJU，Tianjin，China-May 21-24，2012.

［40］李智，韓學山，楊明，等.計及接納風電能力的電網(wǎng)調(diào)度模型［J］.電力系統(tǒng)自動化，2010，34（19）：15-19.

［41］張粒子，周娜，王楠.大規(guī)模風電接入電力系統(tǒng)調(diào)度模式的經(jīng)濟性比較［J］.電力系統(tǒng)自動化，2011，35（22）：105-110.

［42］王彩霞，喬穎，魯宗相，等.低碳經(jīng)濟下風火互濟系統(tǒng)日前發(fā)電計劃模式分析［J］.電力系統(tǒng)自動化，2011，35（22）：111-117.

［43］王彩霞，喬穎，魯宗相.考慮風電效益的風火互濟系統(tǒng)旋轉(zhuǎn)備用確定方式［J］.電力系統(tǒng)自動化，2012，36（4）：16-21.

Power System Economic Dispatch for Accommodating Wind Power Integration

YANG Jiajun1，LONG Miao2，LU Yihan3，WANG Lin4
（1.State Grid Laiwu Power Supply Company，Laiwu 271100，China；2.Shandong Electric Power Engineering Consulting Institute corp.，Ltd，Jinan 250061，China；3.State Grid Changyi Power Supply Company，Changyi 261000，China；4.State Grid Weifang Power Supply Company，Weifang 261000，China）

With the stochastic and intermittent characteristics of wind power output，large-scale wind power integration brings a significant challenge to the operation and dispatch of power system.Predicting wind power output is the basic work for accommodating large scale wind power penetration.On that basis，the statistical analysis and evaluation results of prediction error are used for the operation and dispatch of power system.According to different processing methods of the uncertainty of wind power，models of power system dispatch considering wind power integration are categorize into three type，namely，deterministic model，fuzzy model and uncertainty model.Prediction errors of wind power output in different time-scale and different foresight-period are put under statistical analysis，and thus the mechanism of rolling optimization of dispatch decisions in different time-scale is researched and furthermore the coordination of dispatch decisions in different time-scale and its corresponding prediction is studied.Controllable resources，such as stored energy，electric vehicle，can effectively neutralize and stabilize stochastic and intermittent characteristics of wind power output，providing a practical approach for accommodating large-scale wind power integration，energy conservation and emission reduction，and for the stability of power grid.The costeffectiveness of accommodating large scale wind power integration is discussed in the grid where large thermal power plants are the main power supply.

power system；economic dispatch；dispatching mode；wind power integration；rolling optimization dispatch

TM732；TM614

A

1007－9904（2015）04－0038－05

2014-12-01

楊佳?。?986），男，從事電力系統(tǒng)運行與控制相關(guān)工作。