呂小凡，周杰，蔣傳文

(1.上海交通大學(xué)電氣工程系，上海市 200240；2.上海電力實(shí)業(yè)有限公司，上海市 200081)

基于可再生能源不確定性的電力系統(tǒng)雙側(cè)備用容量優(yōu)化

呂小凡1，周杰2，蔣傳文1

(1.上海交通大學(xué)電氣工程系，上海市 200240；2.上海電力實(shí)業(yè)有限公司，上海市 200081)

在全球能源互聯(lián)網(wǎng)背景下，以風(fēng)電為代表的新能源入網(wǎng)給電力系統(tǒng)安全穩(wěn)定運(yùn)行帶來新的挑戰(zhàn)，同時(shí)也對(duì)備用容量配置提出了更高的要求，為此提出以雙側(cè)備用成本期望最小為目標(biāo)函數(shù)的備用容量優(yōu)化模型。在考慮需求側(cè)響應(yīng)中的可中斷負(fù)荷，以及風(fēng)速預(yù)測偏差和負(fù)荷預(yù)測偏差等不確定性因素的基礎(chǔ)上，建立了滿足經(jīng)濟(jì)性和可靠性要求的備用容量配置原則。并基于蒙特卡羅隨機(jī)模擬的遺傳算法對(duì)改進(jìn)10機(jī)測試系統(tǒng)進(jìn)行了求解,經(jīng)過算例求解得到考慮需求側(cè)響應(yīng)的備用容量優(yōu)化決策的經(jīng)濟(jì)性更好。與以往傳統(tǒng)的備用容量配置相比，雙側(cè)備用容量配置能夠在系統(tǒng)整體內(nèi)實(shí)現(xiàn)資源的優(yōu)化分配，同時(shí)也可以提高風(fēng)電消納能力，實(shí)現(xiàn)電力系統(tǒng)安全性和經(jīng)濟(jì)性最優(yōu)。

風(fēng)電場；需求側(cè)響應(yīng)；雙側(cè)備用；機(jī)會(huì)約束

0 引 言

隨著人類社會(huì)物質(zhì)文明的不斷演進(jìn)，能源安全、環(huán)境污染、氣候變化已經(jīng)成為制約人類社會(huì)可持續(xù)發(fā)展的重大問題。提高清潔能源在能源消費(fèi)結(jié)構(gòu)中所占比例，不斷適應(yīng)能源變革成為解決問題的關(guān)鍵所在[1]。清潔能源具有可循環(huán)、無污染、儲(chǔ)量大等優(yōu)點(diǎn)，其中風(fēng)力資源更是備受電力企業(yè)矚目。但是由于風(fēng)電出力的隨機(jī)性和波動(dòng)性等不可控因素，大規(guī)模風(fēng)電并網(wǎng)給電力系統(tǒng)安全穩(wěn)定運(yùn)行帶來了新的挑戰(zhàn)，同時(shí)也對(duì)備用容量設(shè)置提出了更高的要求。因此，研究含風(fēng)電場電力系統(tǒng)備用容量優(yōu)化配置，對(duì)維持系統(tǒng)安全穩(wěn)定運(yùn)行具有重要的理論意義與實(shí)際價(jià)值[2]。目前，國內(nèi)外關(guān)于備用容量優(yōu)化配置的研究，主要側(cè)重于對(duì)影響備用容量的不確定性因素和備用容量模型優(yōu)化方法的研究。如文獻(xiàn)[3]在計(jì)及風(fēng)速預(yù)測誤差、機(jī)組出力約束、網(wǎng)絡(luò)可靠性需求的同時(shí)，將備用容量分為自動(dòng)發(fā)電控制容量和事故備用容量，實(shí)現(xiàn)兩類備用容量在各機(jī)組間的分時(shí)段優(yōu)化配置。文獻(xiàn)[4]對(duì)國內(nèi)外的旋轉(zhuǎn)事故備用容量配置標(biāo)準(zhǔn)進(jìn)行了系統(tǒng)分析，從系統(tǒng)頻率響應(yīng)對(duì)備用容量的需求出發(fā)，提出了對(duì)備用容量配置的設(shè)計(jì)原則和評(píng)估方法。文獻(xiàn)[5]提出了含風(fēng)電場的互聯(lián)電力系統(tǒng)備用容量優(yōu)化模型，綜合考慮風(fēng)電出力、負(fù)荷波動(dòng)、機(jī)組故障等不確定性因素，建立了計(jì)及各子系統(tǒng)備用資源特點(diǎn)的機(jī)會(huì)約束模型。文獻(xiàn)[6]采用Beta分布表征風(fēng)電場出力，運(yùn)用粒子群算法求解轉(zhuǎn)化為確定性非線性約束的備用容量需求機(jī)會(huì)約束模型。文獻(xiàn)[7]在考慮風(fēng)電穿透功率的基礎(chǔ)上，建立了含風(fēng)電動(dòng)態(tài)經(jīng)濟(jì)調(diào)度的旋轉(zhuǎn)備用模型。文獻(xiàn)[8]運(yùn)用自適應(yīng)免疫遺傳算法對(duì)區(qū)域互聯(lián)電力系統(tǒng)最優(yōu)備用容量數(shù)學(xué)模型進(jìn)行了求解，推算了多區(qū)域互聯(lián)電力系統(tǒng)聯(lián)絡(luò)線功率增量方程，以及系統(tǒng)頻率偏差和備用容量的關(guān)系表達(dá)式。

傳統(tǒng)電力系統(tǒng)備用容量一般用確定性方法確定，即選取最大負(fù)荷的某一百分比或是不小于系統(tǒng)某臺(tái)機(jī)組的最大裝機(jī)容量[9]。但在大規(guī)模風(fēng)電并網(wǎng)系統(tǒng)中，上述方法顯然難以滿足電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性要求，也未將一些隨機(jī)性因素納入考慮。同時(shí)在電力市場環(huán)境下，備用容量不僅可以來源于發(fā)電側(cè)，也可以來源于需求側(cè)。如電動(dòng)汽車可以通過充放電參與電網(wǎng)優(yōu)化運(yùn)行[10]，同時(shí)電網(wǎng)可以通過對(duì)需求側(cè)的資源管理有效引導(dǎo)用戶用電，如運(yùn)用電價(jià)調(diào)節(jié)手段轉(zhuǎn)移峰荷，需求側(cè)節(jié)省的電力可以等效為向系統(tǒng)提供的備用容量；需求側(cè)管理，不僅可以提高風(fēng)能消納能力，也可以反向向電力系統(tǒng)送電。電力市場環(huán)境下的系統(tǒng)備用容量大多通過成本效益分析法確定?；诖?，本研究采用在雙側(cè)備用成本中計(jì)及因風(fēng)電出力不可控性等因素所引起的停電損失期望，建立以雙側(cè)備用成本期望最小為目標(biāo)函數(shù)的機(jī)會(huì)約束優(yōu)化模型。綜合考慮經(jīng)濟(jì)性和安全性等因素，優(yōu)化傳統(tǒng)電力系統(tǒng)備用容量的確定方法，提出適應(yīng)于大規(guī)模風(fēng)電并網(wǎng)系統(tǒng)備用容量配置原則。

1 隨機(jī)性因素

1.1 風(fēng)機(jī)出力建模

風(fēng)速受地形、海拔、氣溫和緯度等諸多因素影響，因此具有顯著的波動(dòng)性。不同時(shí)刻風(fēng)電場的最大出力也不同，因此對(duì)風(fēng)速采用概率建模[11]。目前用來擬合風(fēng)速概率分布的數(shù)學(xué)模型有很多，主要有Weibull分布[12]和Rayleigh分布[13]，其中在國內(nèi)外研究中被廣泛使用的是Weibull分布。但Weibull分布并不能準(zhǔn)確描述風(fēng)速的短期隨機(jī)特性。因此本研究采用如下模型對(duì)短期風(fēng)速進(jìn)行預(yù)測。

目前對(duì)風(fēng)速的預(yù)測研究，主要是預(yù)測一段時(shí)間內(nèi)的平均風(fēng)速。在預(yù)測平均風(fēng)速的基礎(chǔ)上，考慮預(yù)測誤差以及在平均風(fēng)速附近的風(fēng)速波動(dòng)量，建立相應(yīng)的短期風(fēng)速預(yù)測模型。

vr,t=va,t+Δvr,t=vaf,t+Δvaf,t+Δvr,t

(1)

式中：vr,t為t時(shí)刻實(shí)際風(fēng)速；va,t為t時(shí)刻平均風(fēng)速；vaf,t為t時(shí)刻預(yù)測風(fēng)速；Δvaf,t為風(fēng)速預(yù)測誤差；Δvr,t為在平均風(fēng)速附近的風(fēng)速波動(dòng)量。下面建立預(yù)測誤差Δvaf,t和風(fēng)速波動(dòng)量Δvr,t的概率分布模型。由于風(fēng)速預(yù)測通常以上一時(shí)刻的風(fēng)速預(yù)測值來預(yù)測下一時(shí)刻的風(fēng)速值，因此隨著時(shí)移預(yù)測誤差會(huì)逐漸增大。基于此，本文建立風(fēng)速預(yù)測誤差服從均值為μ=0，標(biāo)準(zhǔn)差σ=t/100+1的正態(tài)分布，即隨著時(shí)移方差增大，預(yù)測誤差也相應(yīng)增大。根據(jù)文獻(xiàn)[14]的研究，600 s內(nèi)的風(fēng)速波動(dòng)量服從均值μ=va,t，標(biāo)準(zhǔn)差σ=Hva,t的正態(tài)分布，其中H為風(fēng)速湍流強(qiáng)度。

風(fēng)電場出力不僅和風(fēng)速大小密切相關(guān)，同時(shí)也受風(fēng)力發(fā)電機(jī)組的功率特性的影響。風(fēng)力發(fā)電機(jī)組輸出功率特性函數(shù)[15]如式(2)所示。

(2)

式中：PW,t(vr,t)是風(fēng)機(jī)實(shí)際輸出功率；vci為切入風(fēng)速；vW為額定風(fēng)速；vco為切出風(fēng)速；PW為額定功率。

綜上所述，單機(jī)出力的波動(dòng)性為

ΔPW,t(vr,t)=PW,t(va,t)-PW,t(vr,t)

(3)

風(fēng)電場出力的波動(dòng)量即各臺(tái)機(jī)組波動(dòng)量之和，但由于風(fēng)場的規(guī)模效應(yīng)，使得風(fēng)場的出力波動(dòng)具有時(shí)滯性，其波動(dòng)性小于單個(gè)風(fēng)機(jī)的出力波動(dòng)性。本研究簡化處理，認(rèn)為風(fēng)場波動(dòng)性服從[βΔvmax，Δvmax]的均勻分布，β為風(fēng)場弱化波動(dòng)系數(shù)，Δvmax為所有機(jī)組里風(fēng)速偏離平均風(fēng)速的最大值。

1.2 負(fù)荷不確定性建模

對(duì)隨機(jī)性因素負(fù)荷進(jìn)行建模時(shí)，采用負(fù)荷短期預(yù)測值和預(yù)測偏差來表征負(fù)荷實(shí)際值。如式(4)所示，母線負(fù)荷值可用母線負(fù)荷占總負(fù)荷比例系數(shù)確定。

PL,t=PLf,t+ηL

(4)

式中：PL,t是負(fù)荷實(shí)際值；PLf,t是負(fù)荷預(yù)測值；ηL是預(yù)測偏差，ηL服從N(0，σL,t)正態(tài)分布。

2 備用優(yōu)化模型

2.1 發(fā)電側(cè)備用成本

發(fā)電側(cè)備用成本即電力企業(yè)購買相應(yīng)備用容量所需的成本。目前關(guān)于發(fā)電側(cè)備用成本的研究有很多，如在文獻(xiàn)[16]中將發(fā)電側(cè)備用成本定義為機(jī)會(huì)成本，即增加備用容量導(dǎo)致發(fā)電量減少，因此減少的電量收益即為備用成本。本文假定電力企業(yè)按照各發(fā)電機(jī)備用容量的邊際成本進(jìn)行報(bào)價(jià)，其中各發(fā)電機(jī)備用容量的邊際成本由相應(yīng)機(jī)組的固定成本和折舊率決定。

(5)

式中：CR為發(fā)電側(cè)備用成本；Ri,t為t時(shí)刻機(jī)組i的備用容量；mi和ni為備用容量報(bào)價(jià)系數(shù)；NG為常規(guī)機(jī)組臺(tái)數(shù)；T為研究時(shí)段，一般可取24 h。

2.2 需求側(cè)備用成本

可中斷負(fù)荷是一種典型的需求側(cè)響應(yīng)。針對(duì)不同負(fù)荷對(duì)可靠性要求不同，部分對(duì)可靠性要求不高的負(fù)荷可以調(diào)整用電時(shí)間以錯(cuò)開負(fù)荷高峰時(shí)期，這樣相當(dāng)于為系統(tǒng)提供了備用容量。之后電網(wǎng)企業(yè)可以為這部分用戶提供相應(yīng)的經(jīng)濟(jì)補(bǔ)償，如較低的電價(jià)等。據(jù)研究雙側(cè)備用具有等價(jià)替代能力，若總備用容量為R，發(fā)電側(cè)備用容量為RC，需求側(cè)響應(yīng)提供的備用容量為RL,那么有R=RC+RL，本文采用電價(jià)折扣方式進(jìn)行補(bǔ)償，則需求側(cè)備用成本為

(6)

式中：CL為需求側(cè)備用成本；λ為電價(jià)折扣率；Wt為t時(shí)段的原始電價(jià)；ΔDt為從某個(gè)峰荷時(shí)段轉(zhuǎn)移至谷荷時(shí)段t的負(fù)荷量。為研究方便，本文只選取某幾個(gè)負(fù)荷節(jié)點(diǎn)為可中斷負(fù)荷節(jié)點(diǎn)。

2.3 備用效益

備用效益是指因增加備用容量而減少的用戶停電損失。為了研究方便，定義用戶停電損失為易于量化的短期直接損失，即因停電而造成的生產(chǎn)產(chǎn)品和原材料報(bào)廢，以及生產(chǎn)設(shè)備被損毀等。目前用于估算單位停電量所帶來的經(jīng)濟(jì)損失的研究方法有很多[17]。在本研究中，用戶單位停電量的經(jīng)濟(jì)損失可以量化為正常生產(chǎn)時(shí)單位電量所生產(chǎn)的產(chǎn)品帶來的經(jīng)濟(jì)效益。目前在國內(nèi)外研究中常以電力不足概率(loss of load probability，LOLP)和電量不足期望值(expected energy not supplied，EENS)等指標(biāo)來表征電力系統(tǒng)可靠性。綜上所述，可以用電量不足期望值EENS和單位停電量的經(jīng)濟(jì)損失Caup的乘積來定量表示備用效益，即

(7)

式中：CS為備用效益；EEENS,t為t時(shí)刻的電量不足期望值；Caup為單位停電量的經(jīng)濟(jì)損失；PL,t為t時(shí)刻的負(fù)荷；PW,t為t時(shí)刻的風(fēng)場出力；Pi,t和Ri,t分別為機(jī)組i在t時(shí)刻的有功出力和備用容量；NG為常規(guī)機(jī)組臺(tái)數(shù)；Ki,t為第i臺(tái)機(jī)組在t時(shí)刻的啟停狀態(tài)，若第i臺(tái)機(jī)組在t時(shí)刻正常運(yùn)行，則Ki,t=1；反之Ki,t=0。

2.4 基于機(jī)會(huì)約束的備用優(yōu)化模型

建立以雙側(cè)備用成本和備用效益之和為目標(biāo)函數(shù)的備用優(yōu)化模型，即

MinC=CR+CL+CS

(8)

由于在目標(biāo)函數(shù)中考慮了停電損失，于是在約束條件中不再加入網(wǎng)絡(luò)安全性等約束，而是通過目標(biāo)函數(shù)經(jīng)濟(jì)最優(yōu)來自動(dòng)決定系統(tǒng)的可靠性水平?；诖丝紤]的主要約束條件為系統(tǒng)功率平衡約束、機(jī)組出力約束、備用容量約束、機(jī)會(huì)約束。

(1)系統(tǒng)功率平衡約束

(9)

式中PG,i,t為第i臺(tái)機(jī)組在時(shí)刻t的出力。

(2)機(jī)組出力約束

PG,i,min≤PG,i,t≤PG,i,max

(10)

式中：PG,i,min和PG,i,max分別為機(jī)組的最小出力和最大出力。

(3)備用容量約束

Ri,min,t≤Ri,t≤Ri,max,t

(11)

式中：Ri,t為機(jī)組i在時(shí)刻t的備用容量；Ri,min,t和Ri,max,t為機(jī)組i的最小備用容量和最大備用容量。其中備用容量Ri,t由機(jī)組出力上下限，爬坡率ΔPi和能量市場出力值Pi,t共同決定，即

Ri,min,t=PG,i,t-PG,i,min

(12)

Ri,max,t=PG,i,max-PG,i,t

(13)

(4)機(jī)會(huì)約束

(14)

式中1-α為失負(fù)荷概率所允許的上限值。

2.5 備用優(yōu)化模型的求解

本研究采用基于Monte-Carlo隨機(jī)模擬的遺傳算法，對(duì)備用優(yōu)化模型進(jìn)行求解。對(duì)于某組給定的決策變量，使用Monte-Carlo隨機(jī)模擬來驗(yàn)證其是否滿足約束條件。具體步驟如下：

(1)設(shè)置交易計(jì)數(shù)器t=0，約束條件成立計(jì)數(shù)器T′=0。

(2)產(chǎn)生負(fù)荷預(yù)測偏差ηL～N(0，σL,t)的隨機(jī)數(shù)以及風(fēng)電場出力波動(dòng)∑ΔPW,t(vr,t)～U(βΔvmax，Δvmax)的隨機(jī)數(shù)。

(3)根據(jù)被調(diào)度的機(jī)組，產(chǎn)生1個(gè)服從U(0,1)分布的偽隨機(jī)數(shù)xi。若xi不大于該機(jī)組的強(qiáng)迫停運(yùn)率，則Ki,t=0，即認(rèn)為機(jī)組i在時(shí)刻t停運(yùn)；反之Ki,t=1，即認(rèn)為機(jī)組i在時(shí)刻t正常運(yùn)行。

(4)若滿足約束條件，則置T′=T′+1，并置t=t+1。

(5)如果t

同時(shí)在應(yīng)用遺傳算法時(shí)采用罰函數(shù)法，即構(gòu)造罰

函數(shù)由原適應(yīng)度函數(shù)得到新的適應(yīng)度函數(shù)。新的適應(yīng)度函數(shù)為目標(biāo)函數(shù)和考慮約束條件后的罰函數(shù)共同構(gòu)成。

3 算例分析

本研究采用改進(jìn)的10機(jī)測試系統(tǒng)進(jìn)行分析，該測試系統(tǒng)擁有額定出力為450 MW的風(fēng)電場，內(nèi)含300臺(tái)1.5 MW機(jī)組，切入、切出和額定風(fēng)速分別為3，25，13 m/s。風(fēng)場出力弱化波動(dòng)系數(shù)β=0.75；單位停電量的經(jīng)濟(jì)損失=14 $/( kW·h)；在機(jī)會(huì)約束(14)中α=0.95。表1給出了10機(jī)組的運(yùn)行參數(shù)；圖1給出了某天10機(jī)組的出力安排；圖2給出了某天的負(fù)荷預(yù)測數(shù)據(jù)；圖3給出了某天風(fēng)速預(yù)測數(shù)據(jù)。

表1 10機(jī)系統(tǒng)機(jī)組參數(shù)
Table 1 Units’ parameters of 10-units system

在不考慮需求側(cè)備用的條件下，運(yùn)用Monte-Carlo隨機(jī)模擬的遺傳算法，對(duì)備用優(yōu)化模型進(jìn)行求解，可以得到置信度為0.95時(shí)，10機(jī)系統(tǒng)的備用容量配置結(jié)果，如圖4所示。為了簡化研究，可認(rèn)為節(jié)點(diǎn)4，8，18的負(fù)荷為可中斷負(fù)荷，將該節(jié)點(diǎn)負(fù)荷在10:00—13：00時(shí)切掉，將其移至谷荷時(shí)期23：00至次日02：00。采用的電價(jià)折扣率λ=0.5。再次運(yùn)用Monte-Carlo隨機(jī)模擬的遺傳算法，對(duì)備用優(yōu)化模型進(jìn)行求解，可以得到置信度為0.95時(shí)，10機(jī)系統(tǒng)的備用容量配置結(jié)果如圖5所示。對(duì)比圖4和圖5，可以得到在考慮需求側(cè)響應(yīng)之后，相應(yīng)機(jī)組的備用容量會(huì)有所減少。表2給出了不同置信度下，不考慮需求側(cè)備用和考慮需求側(cè)備用兩種決策情況下，系統(tǒng)的備用容量成本期望值。

從表2可以得到，隨著置信度α的提高，備用成本期望呈上升趨勢。同時(shí)，考慮需求側(cè)響應(yīng)可以使資源在系統(tǒng)整體內(nèi)得到優(yōu)化配置，相應(yīng)的雙側(cè)備用成本也比不考慮需求側(cè)響應(yīng)時(shí)有所減少，經(jīng)濟(jì)性更優(yōu)。

圖1 機(jī)組出力安排Fig.1 10-units system output arrangement

圖2 負(fù)荷預(yù)測數(shù)據(jù)Fig.2 Load forecasting

圖3 風(fēng)速預(yù)測數(shù)據(jù)Fig.3 Wind speed forecasting

圖4 不考慮需求側(cè)響應(yīng)的備用容量配置Fig.4 Reserve capacity arrangement without demand response

4 結(jié) 論

本文對(duì)包含風(fēng)電場的電力系統(tǒng)建立備用容量優(yōu)化模型，考慮電力系統(tǒng)需求側(cè)響應(yīng)，對(duì)大規(guī)模風(fēng)電并網(wǎng)的備用容量配置進(jìn)行了研究。并運(yùn)用蒙特卡羅隨機(jī)模擬的遺傳算法，對(duì)改進(jìn)的10機(jī)測試系統(tǒng)進(jìn)行了求解。

圖5 考慮需求側(cè)響應(yīng)的備用容量配置Fig.5 Reserve capacity arrangement with demand response

通過算例仿真結(jié)果可以獲知，在考慮需求側(cè)響應(yīng)后，相應(yīng)機(jī)組的備用容量配置有所減少，相比于傳統(tǒng)的備用容量優(yōu)化決策，其經(jīng)濟(jì)性更好；在相同的備用容量配置下，隨著置信度α的提高，備用成本呈現(xiàn)上升趨勢；本研究所提出的雙側(cè)備用容量優(yōu)化模型可以為系統(tǒng)管理者和運(yùn)行人員提供相應(yīng)決策的理論基礎(chǔ)。

[1]賈宏杰，穆云飛，余曉丹.對(duì)我國綜合能源系統(tǒng)發(fā)展的思考[J].電力建設(shè)，2015，36(1):16-25. JIA Hongjie，MU Yunfei，YU Xiaodan. Thought about the integrated energy system in China[J]. Electric Power Construction，2015，36(1):16-25.

[2]王建學(xué)，王錫凡，丁曉鶯.區(qū)域電力市場中的分區(qū)備用模型[J].中國電機(jī)工程學(xué)報(bào)，2006，26(18)：28-33. WANG Jianxue，WANG Xifan，DING Xiaoying.Study on zonal reserve model in power market[J]. Proceedings of the CSEE， 2006， 26(18)：28-33.

[3]羅超，楊軍，孫元章，等.考慮備用容量優(yōu)化分配的含風(fēng)電電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J].中國工程電機(jī)學(xué)報(bào)，2014,34(34)：6109-6118. LUO Chao，YANG Jun，SUN Yuanzhang, et al. Dynamic economic dispatch of wind integrated power system considering optimal scheduling of reserve capacity[J]. Proceedings of the CSEE，2014,34(34)：6109-6118.

[4]林勇，鄭秀波，陳筱中，等.電力系統(tǒng)旋轉(zhuǎn)事故備用容量的配置研究[J].電力系統(tǒng)自動(dòng)化，2014,38(19):114-121. LIN Yong，ZHENG Xiubo，CHEN Xiaozhong，et al. Estimation of spinning contingency reserve capacity in power systems[J]. Automation of Electrics Power Systems，2014,38(19):114-121.

[5]盛四清，檀曉玲，李歡，等.含風(fēng)電場的互聯(lián)電力系統(tǒng)備用容量優(yōu)化[J].電網(wǎng)技術(shù)，2013，37(11):3067-3072. SHENG Siqing，TAN Xiaoling，LI Huan，et al. Reserve capacity optimization of interconnected power grid containing wind farms[J]. Power System Technology，2013，37(11):3067-3072.

[6]張海峰，高峰，吳江，等.含風(fēng)電的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度模型[J].電網(wǎng)技術(shù)，2013，37(5)：1298-1303. ZHANG Haifeng，GAO Feng，WU Jiang，et al.A dynamic economic dispatching model for power grid containing wind power generation system[J]. Power System Technology，2013，37(5)：1298-1303.

[7]陳功貴，陳金富.含風(fēng)電場電力系統(tǒng)環(huán)境經(jīng)濟(jì)動(dòng)態(tài)調(diào)度建模與算法[J].中國電機(jī)工程學(xué)報(bào)，2013，33(10):27-35. CHEN Gonggui, CHEN Jinfu. Environmental/economic dynamic dispatch modeling and method for power system integrating wind farms[J].Proceedings of the CSEE，2013，33(10)：27-35.

[8]吳杰康，史美娟，陳國通，等.區(qū)域電力系統(tǒng)最優(yōu)備用容量模型與算法[J].中國電機(jī)工程學(xué)報(bào)，2009，29(1):14-20. WU JieKang, SHI MeiJuan, CHEN GuoTong, et al. Immune genetic algorithms for modeling optimal reserve capacity of interconnected regional power systems[J].Proceedings of the CSEE，2009，29(1):14-20.

[9]蔣緯緯，丁堅(jiān)勇.電力市場中的備用需求和備用調(diào)度[J].電力建設(shè)，2003，24(1):48-51. JIANG Weiwei，DING Jianyong. Reserve demand and reserve dispatching in power market[J]. Electric Power Construction，2003，24(1):48-51.

[10]胡澤春，占愷嶠，徐智威，等.電動(dòng)汽車與電網(wǎng)互動(dòng)的關(guān)鍵問題分析與展望[J].電力建設(shè)，2015，36(7)：6-13. HU Zhechun，ZHAN Kaiqiao，XU Zhiwei，et al. Analysis and outlook on the key problems of electric vehicle and power grid interaction[J]. Electric Power Construction，2015，36(7)：6-13.

[11]李軍軍，吳政球，陳波，等.風(fēng)力發(fā)電及其技術(shù)發(fā)展綜述[J].電力建設(shè)，2011，32(8):64-72. LI Junjun ，WU Zhengqiu，CHEN Bo，et al. Review of wind power generation and relative technology development[J]. Electric Power Construction，2011，32(8):64-72.

[12]JANGAMSHETTI S H, RAU V. Optimum siting of wind turbine generators[J].IEEE Transaction on Energy Conversion ,2001,16(1):8-13. [13]JANGAMSHETTI S H, RAU V. Site matching of wind turbine generators: A case of study[J].IEEE Transaction on Energy Conversion,1999,14(4):1537-1543.

[14]李東東，陳陳.風(fēng)力發(fā)電系統(tǒng)動(dòng)態(tài)仿真的風(fēng)速模型[J].中國電機(jī)工程學(xué)報(bào)，2005，25(21)：41-44. LI Dongdong，CHEN Chen.Wind speed model for dynamic simulation of wind power generation system[J].Proceedings of the CSEE，2005，25(21)：41-44.

[15]KARKI R, PATEL J. Reliability assessment of a wind power delivery system[J]. Proceedings of the Institution of Mechanical Engineers, 2009, 223(1):51-58.

[16]張國權(quán)，王秀麗，王錫凡.電力市場中旋轉(zhuǎn)備用的效益和成本分析[J].電力系統(tǒng)與自動(dòng)化，2000，21(11)：14-18. ZHANG Guoquan，WANG Xiuli，WANG Xifan. Study on benefits and costs of spinning reserve capacity in power market[J]. Automation of Electrics Power Systems，2000，21：14-18.

[17]毛安家，熊超中，張粒子，等. 基于改進(jìn)Tobit 模型的負(fù)荷停電損失估算方法[J]. 電力系統(tǒng)自動(dòng)化，2010，34(9)：29-33. MAO Anjia，XIONG Chaozhong， ZHANG Lizi，et al. A customer’s outrage cost assessment approach based on the improved Tobit model [J]. Automation of Electric Power Systems，2010，34(9)：29-33.

(編輯 蔣毅恒)

Bilateral Reserve Capacity Optimization of Power System Based on Renewable Energy Uncertainty

LYU Xiaofan1, ZHOU Jie2, JIANG Chuanwen1

(1. Department of Electrical Engineering, Shanghai Jiao Tong University, Shanghai 200240, China; 2. Shanghai Electric Power Industrial, Shanghai 200081, China)

Under the background of global energy internet, renewable energy represented by wind power insertion into the power system brings new challenges to the security and stability of the system operation and puts forward higher requirements to the configuration of reserve capacity. For this reason, this paper proposes the optimization model of reserve capacity taking the minimum cost expectations on both sides as the objective function. Considering the interruptible load in the demand response and the uncertainty factors such as the deviations of wind speed prediction and load prediction, we set up the allocation principle of reserve capacity that can satisfy the requirements of economy and reliability. Finally, we solve the improved 10-units test system with using the genetic algorithm based on Monte Carlo stochastic simulation. The economy of reserve capacity optimization decision with considering demand response is better, which is obtained through the example. Compared with traditional reserve capacity configuration, the bilateral reserve capacity configuration can achieve the optimal allocation of resources within the system as a whole, and improve the absorption of wind power generation as well, which can achieve the optimum security and economy of power system.

wind field; demand response; bilateral reserve capacity; chance constrained

國家自然科學(xué)基金項(xiàng)目(51577116)

TM 732

A

1000-7229(2016)04-0016-06

10.3969/j.issn.1000-7229.2016.04.003

2015-12-07

呂小凡(1992)，女，碩士研究生，主要研究方向?yàn)殡娏κ袌鲞\(yùn)營和電力需求側(cè)管理；

周杰(1965)，男，會(huì)計(jì)師，主要研究方向?yàn)樾履茉错?xiàng)目建設(shè)和運(yùn)維管理；

蔣傳文(1967)，男，教授，博士生導(dǎo)師，通信作者，主要研究方向?yàn)殡娏κ袌?、配電網(wǎng)自動(dòng)化、電力系統(tǒng)優(yōu)化運(yùn)行、水電優(yōu)化調(diào)度等。

Project supported by National Natural Science Foundation of China(51577116 )