張曉輝， 閆鵬達(dá)， 葛順平， 李健強(qiáng)， 田春雨

(1. 河北省電力電子節(jié)能與傳動(dòng)控制重點(diǎn)實(shí)驗(yàn)室， 燕山大學(xué)， 河北 秦皇島 066004；2. 承德供電公司， 河北 承德 067000)

可再生能源激勵(lì)制度下多場(chǎng)景靈活電源規(guī)劃

張曉輝1， 閆鵬達(dá)1， 葛順平1， 李健強(qiáng)1， 田春雨2

(1. 河北省電力電子節(jié)能與傳動(dòng)控制重點(diǎn)實(shí)驗(yàn)室， 燕山大學(xué)， 河北 秦皇島 066004；2. 承德供電公司， 河北 承德 067000)

分析了影響電源規(guī)劃的不確定因素，引入適應(yīng)成本的概念，建立了靈活電源規(guī)劃模型。通過(guò)指數(shù)模型和線性模型描述不確定因素的變化規(guī)律，利用場(chǎng)景方法處理電源規(guī)劃中的不確定因素。為了減少文中的計(jì)算量，采用k-means聚類算法縮減場(chǎng)景數(shù)目。利用離散細(xì)菌群體趨藥性算法對(duì)所建規(guī)劃模型進(jìn)行優(yōu)化求解。定義了靈活度的概念以便分析方案的靈活程度。通過(guò)算例驗(yàn)證所提出模型與算法的合理性，實(shí)現(xiàn)了電力行業(yè)可持續(xù)性和經(jīng)濟(jì)性的協(xié)調(diào)發(fā)展，對(duì)低碳經(jīng)濟(jì)靈活電源規(guī)劃具有一定的指導(dǎo)作用。

電源規(guī)劃； 適應(yīng)成本； 場(chǎng)景； k-means聚類算法； 靈活度； 離散細(xì)菌群體趨藥性算法

1 引言

電源規(guī)劃作為電力系統(tǒng)規(guī)劃的重要組成部分，對(duì)系統(tǒng)運(yùn)行的可靠性、經(jīng)濟(jì)性以及電能質(zhì)量等因素有較大影響[1]。國(guó)內(nèi)外學(xué)者對(duì)電源規(guī)劃問(wèn)題進(jìn)行了多方面的研究。針對(duì)傳統(tǒng)電源規(guī)劃模型，采用智能算法對(duì)其進(jìn)行優(yōu)化取得了較好的效果，如文獻(xiàn)[2]采用改進(jìn)遺傳算法對(duì)分布式電源在配電網(wǎng)中的規(guī)劃進(jìn)行研究。文獻(xiàn)[3]通過(guò)采用混合模擬退火算法的改進(jìn)粒子群優(yōu)化算法對(duì)分布式電源的選址問(wèn)題和定容問(wèn)題進(jìn)行計(jì)算。文獻(xiàn)[4]提出一種基于自然分段式編碼的改進(jìn)免疫算法，可以提高電源規(guī)劃的計(jì)算效率，減少計(jì)算量，具有較好的全局搜索能力和收斂特性。

隨著低碳經(jīng)濟(jì)發(fā)展的要求，電力行業(yè)低碳化的發(fā)展成為必然趨勢(shì)。大力發(fā)展可再生能源發(fā)電技術(shù)和低碳新技術(shù)將對(duì)低碳經(jīng)濟(jì)的實(shí)施以及電力行業(yè)的可持續(xù)發(fā)展具有重要意義[5-7]。文獻(xiàn)[8]對(duì)碳排放權(quán)的初始分配、不同時(shí)期的調(diào)節(jié)方式以及碳稅的管理問(wèn)題進(jìn)行了深入研究。文獻(xiàn)[9]根據(jù)系統(tǒng)CO2的歷史排放量和產(chǎn)量，提出了兩種碳排放權(quán)的分配方式，并對(duì)碳交易對(duì)發(fā)電側(cè)的影響進(jìn)行了研究。文獻(xiàn)[10]揭示了低碳經(jīng)濟(jì)因素對(duì)電源規(guī)劃的影響，結(jié)合基于總額度約束的CO2排放軌跡，建立了低碳經(jīng)濟(jì)下基于排放軌跡約束的電源規(guī)劃模型。上述文獻(xiàn)表明，在進(jìn)行電源規(guī)劃時(shí)，應(yīng)兼顧系統(tǒng)的經(jīng)濟(jì)利益和減排效益，適當(dāng)提高可再生能源發(fā)電技術(shù)以及低碳新技術(shù)的利用。

由于可再生能源發(fā)電技術(shù)不夠成熟，較高的投資成本和較低的投資回報(bào)率是制約其發(fā)展的重要因素。為鼓勵(lì)可再生能源發(fā)電技術(shù)的發(fā)展，除碳交易機(jī)制外，可再生能源配額制度和綠色證書(shū)交易機(jī)制等激勵(lì)制度也被提出并應(yīng)用到電力系統(tǒng)發(fā)展中。文獻(xiàn)[11]對(duì)可再生能源配額制度在我國(guó)實(shí)施的可行性進(jìn)行了驗(yàn)證，并對(duì)可再生能源配額制度實(shí)施的初步步驟提出了建議。文獻(xiàn)[12]在電力市場(chǎng)中引入綠色證書(shū)交易機(jī)制，并就綠色證書(shū)價(jià)格和可再生能源的隨機(jī)性等關(guān)鍵因素對(duì)市場(chǎng)均衡的作用進(jìn)行了分析。文獻(xiàn)[13]對(duì)綠色證書(shū)市場(chǎng)和電力市場(chǎng)之間的相互作用進(jìn)行了研究，并對(duì)未來(lái)可再生能源配額制度的實(shí)施情況進(jìn)行了仿真和分析。

隨著可再生能源發(fā)電技術(shù)規(guī)模的擴(kuò)大，一些因素的不確定性不容忽視，例如，可再生能源配額制度、綠色證書(shū)交易機(jī)制、碳交易機(jī)制以及負(fù)荷預(yù)測(cè)等因素均具有不確定性，因此計(jì)及各種不確定因素的電力系統(tǒng)規(guī)劃成為一種發(fā)展趨勢(shì)[14,15]。在電源規(guī)劃方面，文獻(xiàn)[16]汲取概率和工程模糊集理論的思想方法，對(duì)電源規(guī)劃方案中的不確定性因素進(jìn)行了分類，建立不確定多目標(biāo)電源規(guī)劃模型，并給出評(píng)價(jià)決策方案優(yōu)劣的方法。文獻(xiàn)[17]將區(qū)間混合整數(shù)線性規(guī)劃方法引入到電源規(guī)劃模型中，建立了一個(gè)不確定性電源規(guī)劃優(yōu)化模型，研究了電源規(guī)劃模型中存在的不確定性問(wèn)題和發(fā)電機(jī)組的裝機(jī)擴(kuò)建問(wèn)題。文獻(xiàn)[18]針對(duì)風(fēng)電機(jī)組出力的間歇性、波動(dòng)性，以及負(fù)荷變化的不確定性，應(yīng)用機(jī)會(huì)約束規(guī)劃建立了分布式電源接入現(xiàn)有配電網(wǎng)的選址定容規(guī)劃模型。上述電源規(guī)劃模型是以實(shí)現(xiàn)系統(tǒng)的可靠性為目標(biāo)而以犧牲系統(tǒng)的經(jīng)濟(jì)性為代價(jià)的。本文提出的靈活電源規(guī)劃模型可兼顧系統(tǒng)的可靠性和經(jīng)濟(jì)性。

文獻(xiàn)[19,20]在輸電線路擴(kuò)展規(guī)劃中，提出適應(yīng)成本的概念，定義某一擴(kuò)展方案在突發(fā)場(chǎng)景下運(yùn)行時(shí)的成本為適應(yīng)成本，將具有最小綜合適應(yīng)成本的擴(kuò)展方案選為靈活擴(kuò)展方案。本文將適應(yīng)成本的概念引入到電源規(guī)劃中，將適應(yīng)成本的概念賦予新的涵義，將具有最小綜合適應(yīng)成本的電源規(guī)劃方案定義為靈活電源規(guī)劃方案。

2 電源規(guī)劃模型構(gòu)建

本文在考慮投資成本和運(yùn)行成本的基礎(chǔ)上，將碳交易成本和綠色證書(shū)交易成本引入電源規(guī)劃模型中，建立低碳經(jīng)濟(jì)電源規(guī)劃模型，在其基礎(chǔ)上，考慮電源規(guī)劃中的不確定因素，同時(shí)將適應(yīng)成本的概念引入低碳經(jīng)濟(jì)電源規(guī)劃中，建立多場(chǎng)景靈活電源規(guī)劃模型。

2.1 低碳經(jīng)濟(jì)電源規(guī)劃模型

2.1.1 綠色證書(shū)交易機(jī)制模型

綠色證書(shū)交易機(jī)制是在可再生能源配額制度的基礎(chǔ)上提出來(lái)的。世界上實(shí)施配額制度的大部分國(guó)家和地區(qū)，配額制度一般表現(xiàn)為可再生能源發(fā)電機(jī)組售電量占總售電量的一定份額[21]?？稍偕茉窗l(fā)電機(jī)組生產(chǎn)綠色電能，可獲得一定數(shù)量的綠色證書(shū)。相關(guān)部門(mén)根據(jù)各發(fā)電公司的情況，分配給發(fā)電公司一定的配額指標(biāo)。當(dāng)系統(tǒng)未完成配額指標(biāo)時(shí)，需要購(gòu)買(mǎi)綠色證書(shū)，支付綠色證書(shū)交易成本；當(dāng)系統(tǒng)完成配額指標(biāo)時(shí)，可將盈余的綠色證書(shū)出售而獲得綠色證書(shū)交易收益。綠色證書(shū)交易的成本和收益表達(dá)式為：

(1)

(2)

2.1.2 碳交易機(jī)制模型

碳交易機(jī)制是在碳排放權(quán)的基礎(chǔ)上提出來(lái)的，通過(guò)可交易的碳排放權(quán)進(jìn)行，是實(shí)現(xiàn)碳減排的一種重要機(jī)制[22]。系統(tǒng)碳交易成本模型表示為：

(3)

2.1.3 投資成本模型

(4)

2.1.4 運(yùn)行成本模型

(5)

式中，Ni為第i年時(shí)所有已建機(jī)組的數(shù)量；cj為j機(jī)組的單位發(fā)電成本，單位：元/(MW·h)；Eij為第i年時(shí)j機(jī)組的發(fā)電量，單位：MW·h。

綜合以上因素，低碳經(jīng)濟(jì)電源規(guī)劃模型主要由綠色證書(shū)交易成本、碳交易成本、投資成本以及運(yùn)行成本組成，系統(tǒng)成本函數(shù)為：

(6)

式中，n為規(guī)劃年限。

2.2 約束條件

(1)電力約束

(7)

式中，Pj為j機(jī)組的額定容量，單位：MW；Pli表示系統(tǒng)第i年時(shí)的最大負(fù)荷，單位：MW。

(2)電量平衡約束

(8)

式中，Ei為系統(tǒng)第i年時(shí)的負(fù)荷需求，單位：MW·h。

(3)機(jī)組發(fā)電量約束

(9)

(4)綠色證書(shū)配額約束

(10)

(5)碳排放約束

(11)

(6)系統(tǒng)裝機(jī)數(shù)目約束

(12)

(13)

式(1)～式(13)即構(gòu)成本文所提出的低碳經(jīng)濟(jì)電源規(guī)劃模型。

2.3 多場(chǎng)景靈活電源規(guī)劃模型

不確定因素的出現(xiàn)使電源規(guī)劃面臨很大的風(fēng)險(xiǎn)。當(dāng)由不確定因素組成的場(chǎng)景發(fā)生變化時(shí)，傳統(tǒng)電源規(guī)劃模型無(wú)法進(jìn)行補(bǔ)救，在考慮不確定因素對(duì)電源規(guī)劃的影響時(shí)，其靈活性有限。在本文提出的低碳經(jīng)濟(jì)電源規(guī)劃模型中，利用離散細(xì)菌群體趨藥性(Discrete Bacterial Colony Chemotaxis，DBCC)優(yōu)化算法對(duì)每一個(gè)場(chǎng)景進(jìn)行優(yōu)化，求取其最優(yōu)規(guī)劃方案，然后針對(duì)每個(gè)最優(yōu)方案，判斷其在其余場(chǎng)景下能否滿足系統(tǒng)的電力約束以及電量平衡約束。當(dāng)方案在某場(chǎng)景下不滿足電力或電量約束時(shí)，則需要投建新的機(jī)組，方案在該場(chǎng)景下的適應(yīng)成本包含新建機(jī)組的投資成本、綠色證書(shū)交易成本、碳交易成本和機(jī)組運(yùn)行成本；當(dāng)方案在某場(chǎng)景下滿足系統(tǒng)的電力及電量約束時(shí)，則其適應(yīng)成本僅包含綠色證書(shū)交易成本、碳交易成本和機(jī)組運(yùn)行成本。本文提出的多場(chǎng)景靈活電源規(guī)劃模型，其主要思想是選擇具有最小綜合適應(yīng)成本F(xv)的規(guī)劃方案。式(1)～式(13)和式(14)即為本文提出的多場(chǎng)景靈活電源規(guī)劃模型。

(14)

式中，Ω表示場(chǎng)景集；ACw(xv→w)表示方案v在場(chǎng)景w下的適應(yīng)成本。

3 場(chǎng)景及模型優(yōu)化

3.1 場(chǎng)景

在多場(chǎng)景靈活電源規(guī)劃模型中，系統(tǒng)最大負(fù)荷、用電量、碳稅、綠色證書(shū)價(jià)格、CO2排放限額及可再生能源配額指標(biāo)均具有不確定性，如果不考慮這些因素的不確定性，而按照確定值進(jìn)行規(guī)劃，則規(guī)劃結(jié)果可能會(huì)存在較大偏差，電能質(zhì)量也會(huì)受到影響。本文通過(guò)建立場(chǎng)景來(lái)處理上述不確定因素，可兼顧規(guī)劃的可靠性和經(jīng)濟(jì)性。場(chǎng)景的規(guī)模越大，規(guī)劃結(jié)果也將越精確，但同時(shí)也增加了規(guī)劃過(guò)程中的計(jì)算量和計(jì)算時(shí)間，這就需要對(duì)場(chǎng)景個(gè)數(shù)進(jìn)行合理的縮減，以得到具有代表性的場(chǎng)景。場(chǎng)景建立和縮減的具體方法描述如下。

3.1.1 場(chǎng)景建立

針對(duì)不同因素的變化規(guī)律，本文建立了兩個(gè)不同的模型來(lái)描述其變化，見(jiàn)表1。

表1中，xt,w表示w場(chǎng)景下x因素在第t年時(shí)的值；x2014表示x因素在2014年時(shí)的值；uw表示x因素的變化率或斜率，uw的不同取值將影響xt,w的取值。本文對(duì)每一種因素的uw取兩個(gè)大小不一的值，進(jìn)而使xt,w可產(chǎn)生兩種不同結(jié)果。通過(guò)不同不確定因素不同取值之間的組合來(lái)建立多種場(chǎng)景。

表1 數(shù)學(xué)模型描述

3.1.2 場(chǎng)景縮減

為了提高運(yùn)算效率，本文采用k-means聚類算法[23]對(duì)場(chǎng)景數(shù)目進(jìn)行縮減，其基本思想是將物理或者抽象的集合分組為多類，每一類又稱為一個(gè)簇。在同一個(gè)簇中的對(duì)象之間其相似性很高，而各簇間的對(duì)象之間相似度較低。

設(shè)共有n個(gè)場(chǎng)景X1，X2，X3,…,Xn，記第i個(gè)場(chǎng)景為Xi=[xi1,xi2,…,xip]，則第i個(gè)場(chǎng)景與第j個(gè)場(chǎng)景之間的距離定義為：

(15)

式中，q為正整數(shù)。

由于本文中不確定因素的單位不同，所以首先對(duì)各因素的數(shù)據(jù)做標(biāo)準(zhǔn)化處理，然后求取場(chǎng)景之間的距離。

k-means聚類算法的流程如圖1所示。

圖1 k-means聚類算法流程圖Fig.1 Flow chart of k-means clustering algorithm

3.2 模型優(yōu)化

細(xì)菌趨藥性(Bacterial Colony Chemotaxis，BCC)算法是從生物行為中取得靈感的一種智能優(yōu)化算法，具有全局搜索、收斂快以及精度高等特點(diǎn)，其在電力系統(tǒng)方面的應(yīng)用尚在初級(jí)階段。一些學(xué)者將BCC算法應(yīng)用于碳捕集系統(tǒng)優(yōu)化配置[24]、配電網(wǎng)災(zāi)后搶修[25]以及優(yōu)化調(diào)度[26]等方面，取得了比較好的效果。鑒于本文提出的電源規(guī)劃問(wèn)題屬于多時(shí)段離散優(yōu)化問(wèn)題，所以采用DBCC算法對(duì)其進(jìn)行優(yōu)化。文獻(xiàn)[24,25]已對(duì)DBCC算法進(jìn)行了較為詳細(xì)的介紹，本文將不再贅述。

4 算例仿真

4.1 算例參數(shù)

本文重點(diǎn)對(duì)某地區(qū)2015年的電源結(jié)構(gòu)進(jìn)行優(yōu)化規(guī)劃。系統(tǒng)原有機(jī)組、可建機(jī)組的參數(shù)分別見(jiàn)表2和表3，不考慮機(jī)組的建設(shè)周期。本文考慮的不確定因素包含年最大負(fù)荷、年用電量、碳稅、綠色證書(shū)價(jià)格、CO2年排放限額和可再生能源配額，為計(jì)算方便，不同不確定因素的取值給出一高一低兩個(gè)值，見(jiàn)表4。

表2 原有機(jī)組參數(shù)

表3 規(guī)劃期內(nèi)可建機(jī)組參數(shù)

表4場(chǎng)景模型中，L、H分別表示某不確定因素的uw取較小值、較大值；1、2分別表示某不確定因素以表1中的模型1、2來(lái)描述其變化規(guī)律。x2014表示某不確定因素在2014年的基準(zhǔn)值。

上述每種不確定因素均有兩個(gè)值，所以6種不確定性因素在規(guī)劃期內(nèi)的每一年均可建立26=64種不同的場(chǎng)景。用k-means聚類算法對(duì)場(chǎng)景個(gè)數(shù)進(jìn)行縮減，縮減后的場(chǎng)景數(shù)目為5個(gè)，每種場(chǎng)景中不確定因素的取值見(jiàn)表5。

表4 不確定因素的變化趨勢(shì)

表5 縮減后的5個(gè)場(chǎng)景

表5中，Pl、FH、vc、vg、CCO2以及ρre分別表示系統(tǒng)年最大負(fù)荷、年用電量、碳稅、綠色證書(shū)價(jià)格、CO2排放限額以及可再生能源配額系數(shù)。

4.2 低碳經(jīng)濟(jì)電源規(guī)劃

對(duì)表4列舉的5個(gè)場(chǎng)景，通過(guò)DBCC算法優(yōu)化求解，其系統(tǒng)成本見(jiàn)表6。

表6 5種場(chǎng)景下的優(yōu)化結(jié)果

5種場(chǎng)景下，系統(tǒng)新增裝機(jī)容量如圖2所示，系統(tǒng)各項(xiàng)成本 (投資成本用等年值法表示)見(jiàn)表7。

由圖2可知，不確定因素對(duì)電源規(guī)劃有著顯著影響，結(jié)合表2、表5以及表7可知，相對(duì)燃?xì)鈾C(jī)組，其余發(fā)電機(jī)組具有更低的運(yùn)行費(fèi)用，系統(tǒng)將使燃?xì)鈾C(jī)組的發(fā)電量維持在最小出力水平附近。在場(chǎng)景1下，由于可再生能源激勵(lì)制度約束相對(duì)較弱，系統(tǒng)新建1臺(tái)水電機(jī)組以滿足要求；在場(chǎng)景2下，由于CO2排放限額較低，系統(tǒng)可出售的碳排放權(quán)數(shù)量較少，同時(shí)由于燃?xì)鈾C(jī)組較高的運(yùn)行費(fèi)用以及可再生能源發(fā)電機(jī)組的發(fā)電能力有限，系統(tǒng)投建2臺(tái)水電機(jī)組；在場(chǎng)景3下，由于系統(tǒng)年最大負(fù)荷較高，系統(tǒng)將新建2臺(tái)水電機(jī)組和1臺(tái)風(fēng)電機(jī)組以滿足要求，但由于普通發(fā)電機(jī)組最小出力技術(shù)約束，可再生能源發(fā)電機(jī)組發(fā)電量有限，系統(tǒng)將購(gòu)買(mǎi)一定量的綠色證書(shū)；在場(chǎng)景4下，由于可再生能源激勵(lì)制度約束相對(duì)較強(qiáng)，系統(tǒng)新建了2臺(tái)水電機(jī)組和1臺(tái)風(fēng)電機(jī)組以出售碳排放權(quán)和綠色證書(shū)而獲利，同等程度上降低了系統(tǒng)成本，但由于系統(tǒng)較高的用電量以及可再生能源發(fā)電機(jī)組的發(fā)電能力有限，系統(tǒng)將新建1臺(tái)100MW的燃煤機(jī)組以滿足要求；在場(chǎng)景5下，由于系統(tǒng)的年最大負(fù)荷過(guò)高以及可再生能源激勵(lì)制度約束的減弱，系統(tǒng)將新建1臺(tái)300MW的燃煤機(jī)組以滿足要求。經(jīng)分析可知，系統(tǒng)最大負(fù)荷和用電量的取值對(duì)新電源的投建起著決定性作用，而可再生能源激勵(lì)制度的不同取值，則對(duì)系統(tǒng)的運(yùn)行以及新建機(jī)組的類型有著重要影響。

圖2 5種場(chǎng)景下新增裝機(jī)容量Fig.2 Capacity of new installed units in five scenarios

表7 5種場(chǎng)景下系統(tǒng)各項(xiàng)成本

4.3 多場(chǎng)景靈活電源規(guī)劃

4.3.1 適應(yīng)成本優(yōu)化

針對(duì)上述5種優(yōu)化方案，通過(guò)式(14)對(duì)其適應(yīng)成本優(yōu)化求解。每一種規(guī)劃方案在其余場(chǎng)景下的適應(yīng)成本見(jiàn)表8。

表8 不同場(chǎng)景下的適應(yīng)成本

假設(shè)按照?qǐng)鼍?所得規(guī)劃方案進(jìn)行電源投建，場(chǎng)景5突然發(fā)生，由于其過(guò)高的負(fù)荷要求以及較為苛刻的約束條件，經(jīng)過(guò)DBCC算法優(yōu)化求解后，系統(tǒng)不得不新建1臺(tái)300MW 的燃煤機(jī)組以滿足場(chǎng)景5的要求，即方案1在場(chǎng)景5下的適應(yīng)成本包括新機(jī)組投資成本、綠色證書(shū)交易成本、碳交易成本和系統(tǒng)運(yùn)行成本，為50.73億元。由表7可知，方案3在其余場(chǎng)景突發(fā)時(shí)，具有最小的綜合適應(yīng)成本，故方案3為靈活電源規(guī)劃方案。

4.3.2 靈活度分析

在規(guī)劃中，有時(shí)需要確定在一定適應(yīng)成本下的靈活電源規(guī)劃模型。本文將規(guī)劃方案任一適應(yīng)成本值下，適應(yīng)成本小于該值的場(chǎng)景數(shù)目所占比例定義為靈活電源規(guī)劃方案的靈活度。顯然在某一適應(yīng)成本值下，靈活度越大則電源規(guī)劃方案越靈活。假設(shè)4.1節(jié)建立的64種場(chǎng)景發(fā)生的概率相等，根據(jù)表8以及場(chǎng)景縮減的結(jié)果可繪制各規(guī)劃方案靈活度圖，以便更直觀地了解其靈活性。鑒于篇幅所限，本文僅作了方案3和方案5的靈活度圖，分別如圖3和圖4所示。

圖3 方案3靈活度Fig.3 Flexibility of plan 3

圖4 方案5靈活度Fig.4 Flexibility of plan 5

結(jié)合圖3和圖4可知，當(dāng)系統(tǒng)的適應(yīng)成本為49.52億元時(shí)，方案3已經(jīng)能夠適應(yīng)所有場(chǎng)景，而方案5的靈活度則為0.14，只有當(dāng)適應(yīng)成本達(dá)到50.73億元時(shí)，方案5才能適應(yīng)所有場(chǎng)景，增長(zhǎng)幅度過(guò)大。

5 結(jié)論

本文針對(duì)系統(tǒng)最大負(fù)荷需求、用電量需求、碳稅、綠色證書(shū)價(jià)格、CO2排放限額、可再生能源配額系數(shù)等因素具有不確定性的問(wèn)題，通過(guò)不同因素之間的組合建立了多種場(chǎng)景，經(jīng)過(guò)k-means聚類算法對(duì)場(chǎng)景數(shù)目進(jìn)行縮減，選出具有代表性的場(chǎng)景，提高了運(yùn)算效率。在低碳經(jīng)濟(jì)電源規(guī)劃模型的基礎(chǔ)上，增加不同場(chǎng)景之間的適應(yīng)成本，建立了多場(chǎng)景靈活電源規(guī)劃模型。通過(guò)DBCC算法驗(yàn)證了本文所提模型的有效性和可行性，實(shí)現(xiàn)了電力行業(yè)可持續(xù)性和經(jīng)濟(jì)性的協(xié)調(diào)發(fā)展，對(duì)多場(chǎng)景靈活電源規(guī)劃具有一定的指導(dǎo)作用。

致謝: 本文得到了燕山大學(xué)青年教師自主研究課題(13LGA009)的資助，謹(jǐn)此致謝。

[1] 程浩忠 (Cheng Haozhong)．電力系統(tǒng)規(guī)劃 (Generation expansion planning) [M]．北京：中國(guó)電力出版社(Beijing：China Electric Power Press)，2008．

[2] 麻秀范，崔換君 (Ma Xiufan，Cui Huanjun)．改進(jìn)遺傳算法在含分布式電源的配電網(wǎng)規(guī)劃中的應(yīng)用 (An improved genetic algorithm for distribution network planning with distributed generation) [J]．電工技術(shù)學(xué)報(bào)(Transactions of China Electrotechnical Society)，2011，26(3)：175-181．

[3] 劉波，張焰，楊娜 (Liu Bo，Zhang Yan，Yang Na)．改進(jìn)的粒子群優(yōu)化算法在分布式電源選址和定容中的應(yīng)用 (Improved particle swarm optimization method and its application in the siting and sizing of distributed generation planning) [J]．電工技術(shù)學(xué)報(bào) (Transactions of China Electrotechnical Society)，2008，23(2)：103-108．

[4] 賀峰，熊信艮，吳耀武 (He Feng，Xiong Xinyin，Wu Yaowu)．改進(jìn)免疫算法在電力系統(tǒng)電源規(guī)劃中的應(yīng)用(Application of modified-immune algorithm in power plant planning) [J]. 電網(wǎng)技術(shù)(Power System Technology), 2004, 28(11): 38-44.

[5] 吉平, 周孝信, 宋云亭, 等 (Ji Ping, Zhou Xiaoxin, Song Yunting, et al.). 區(qū)域可再生能源規(guī)劃模型述評(píng)與展望 (Review and prospect of regional renewable energy planning models) [J]. 電網(wǎng)技術(shù) (Power System Technology), 2013, 37(8): 2071-2079.

[6] 嚴(yán)陸光, 夏訓(xùn)誠(chéng), 周鳳起, 等 (Yan Luguang, Xia Xuncheng, Zhou Fengqi, et al.). 我國(guó)大規(guī)?？稍偕茉椿嘏c技術(shù)的發(fā)展研究 (A development study for Chinese large scale renewable energy source base and technology) [J]. 電工電能新技術(shù) (Advanced Technology of Electrical Engineering and Energy)， 2007，26(1)：13-24．

[7] 嚴(yán)陸光, 夏訓(xùn)誠(chéng), 周鳳起, 等 (Yan Luguang, Xia Xuncheng, Zhou Fengqi, et al.). 我國(guó)大規(guī)?？稍偕茉椿嘏c技術(shù)的發(fā)展研究(續(xù)) (A development study for Chinese large scale renewable energy source base and technology (cont.)) [J]. 電工電能新技術(shù) (Advanced Technology of Electrical Engineering and Energy)， 2007，26(2)：1-5．

[8] 王信，袁方 (Wang Xin，Yuan Fang)．碳排放權(quán)交易中的排放權(quán)分配和價(jià)格管理 (Carbon emission allocation and price management in emission trading scheme) [J]．金融發(fā)展評(píng)論 (Financial Development Comment)，2010, (11)：48-57．

[9] Zhou Xun，James G，Liebman A，et al．Partial carbon permits allocation of potential emission trading scheme in Australian electricity market [J]．IEEE Transactions on Power Systems，2010，25(1)：543-553．

[10] 盧斯煜，婁素華，吳耀武 (Lu Siyu，Lou Suhua，Wu Yaowu)．低碳經(jīng)濟(jì)下基于排放軌跡約束的電力系統(tǒng)電源擴(kuò)展規(guī)劃模型 (A model for generation expansion planning of power system based on carbon emission trajectory model under low-carbon economy) [J]．電工技術(shù)學(xué)報(bào)(Transactions of China Electrotechnical Society)，2011，26(11)：175-181．

[11] 李家才，陳工 (Li Jiacai，Chen Gong)．國(guó)際經(jīng)驗(yàn)與中國(guó)可再生能源配額制(RPS)設(shè)計(jì) (International experience and the design of renewable portfolio standard in China) [J]．太平洋學(xué)報(bào) (Pacific Journal)，2008，1(10)：44-51．

[12] 鐘宇峰，黃民翔，文福拴，等 (Zhong Yufeng，Huang Minxiang，Wen Fushuan，et al．). 計(jì)及綠色證書(shū)交易機(jī)制的大用戶直購(gòu)電市場(chǎng)均衡分析 (Equlibrium analysis of direct electricity purchase with green certificate mechanism) [J]．電力自動(dòng)化設(shè)備 (Electric Power Automation Equipment)，2014，34(2)：144-150．

[13] 趙新剛，馮天天，楊益晟 (Zhao Xingang，F(xiàn)eng Tiantian，Yang Yisheng)．可再生能源配額制對(duì)我國(guó)電源結(jié)構(gòu)的影響機(jī)理及效果研究 (Impacting mechanism of renewable portfolio standard on China’s power source structure and its effect) [J]．電網(wǎng)技術(shù) (Power System Technology)，2014，38(4)：974-979．

[14] 王建斌 (Wang Jianbin)．基于實(shí)物期權(quán)和博弈理論的電源投資動(dòng)態(tài)模型 (A dynamic modeling of investments in power generation based on real option theory and game theory) [J]．電工技術(shù)學(xué)報(bào)(Transactions of China Electrotechnical Society)，2007，22(4)：163-167．

[15] 劉鎧瀅，蔡述濤，張堯 (Liu Kaiying，Cai Shutao，Zhang Yao)．基于風(fēng)險(xiǎn)評(píng)判的電網(wǎng)規(guī)劃方法 (The power network planning method based on risk evaluation) [J]．中國(guó)電機(jī)工程學(xué)報(bào) (Proceedings of the CSEE)，2007，27(22)：69-73．

[16] 孔祥玉，房大中 (Kong Xiangyu，F(xiàn)ang Dazhong)．不確定多目標(biāo)電源規(guī)劃模型 (Uncertain multi-objective generation expansion planning model) [J]．天津大學(xué)學(xué)報(bào) (Journal of Tianjin University)，2008，41(2)：183-188．

[17] 梁宇希，黃國(guó)和，林千果 (Liang Yuxi，Huang Guohe，Lin Qianguo)． 基于不確定條件下的北京電源規(guī)劃優(yōu)化模型 (Optimization models for Beijing’s generation expansion planning under uncertainties) [J]．電力系統(tǒng)保護(hù)與控制 (Power System Protection and Control)，2010，38(15)：53-59．

[18] 張節(jié)潭，程浩忠，姚良忠，等 (Zhang Jietan，Cheng Haozhong，Yao Liangzhong，et al．)．分布式風(fēng)電源選址定容規(guī)劃研究 (Study on siting and sizing of distributed wind generation) [J]．中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE)， 2009，29(16)：1-7．

[19] Zhao J H，Dong Z Y，Lindsay P，et al．Flexible transmission expansion planning with uncertainties in an electricity market [J]．IEEE Transactions on Power System，2009，24(1)：479-488．

[20] Zhao J H，F(xiàn)oster J，Dong Z Y，et al．Flexible transmission network planning considering distributed generation impacts [J]．IEEE Transactions on Power Systems，2011，26(3)：1434-1443．

[21] 王乾坤，李瓊慧，謝國(guó)輝 (Wang Qiankun，Li Qionghui，Xie Guohui)．美國(guó)加州可再生能源配額制及對(duì)我國(guó)的啟示 (Renewable protfolio standard in California and its enlightenment for China) [J]．中外能源 (Sino-global Energy)，2012，17(9)：25-31．

[22] 張曉輝，閆柯柯，盧志剛，等 (Zhang Xiaohui，Yan Keke，Lu Zhigang，et al．)．基于碳交易的含風(fēng)電系統(tǒng)低碳經(jīng)濟(jì)調(diào)度 (Carbon trading based low-carbon economic dispatching for power grid integrated with wind power system) [J]．電網(wǎng)技術(shù) (Power System Technology), 2013，37(10)：2698-2704．

[23] 陳樹(shù)勇，王聰，申洪，等 (Chen Shuyong，Wang Cong，Shen Hong，et al．)．基于聚類算法的風(fēng)電場(chǎng)動(dòng)態(tài)等值(Dynamic equivalence for wind farms based on clustering algorithm) [J]．中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE)，2012，32(4)：11-19．

[24] 盧志剛，夏明昭，張曉輝 (Lu Zhigang，Xia Mingzhao，Zhang Xiaohui)．基于多階段減排規(guī)劃的發(fā)電廠碳捕集系統(tǒng)優(yōu)化配置(Carbon capture systems optimal allocation scheme for multi-stage emission reduction planning in power plants) [J]．中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE)，2011，31(15)：65-71．

[25] 盧志剛， 劉照拯， 張晶，等 (Lu Zhigang，Liu Zhaozheng, Zhang Jing, et al. )．含分布式電源的配電網(wǎng)災(zāi)后分階段搶修策略 (Staged rush repair strategy of distribution networks with distributed generators after disaster) [J]．電工電能新技術(shù) (Advanced Technology of Electrical Engineering and Energy)， 2015，34(1)：69-74．

[26] Lu Zhigang，F(xiàn)eng Tao，Li Xueping．Low-carbon emission economic power dispatch using the multi-objective bacterial colony chemotaxis optimization algorithm considering carbon capture power plant [J]．Electrical Power and Energy Systems，2013，53(1)：106-112．

Multi-scenario flexible generation expansion planning under incentive system of renewable energy

ZHANG Xiao-hui1, YAN Peng-da1, GE Shun-ping1, LI Jian-qiang1, TIAN Chun-yu2

(1. Key Lab of Power Electronics for Energy Conservation and Motor Drive of Hebei Province, Yanshan University, Qinhuangdao 066004, China; 2. Chengde Power Supply Company, Chengde 067000, China)

The uncertainties which will influence the generation expansion planning (GEP) are analyzed and the concept of the adaption cost is introduced in this paper. On this basis, this paper established a flexible GEP model. The uncertainties’s regular pattern by the exponential model and the linear model is described. The scene methods are applied to deal with the various uncertainties in the GEP model. To decrease the amount of calculation, this paper uses the k-means clustering algorithm to reduce the scenario amounts. The established GEP optimal model is solved by the discrete bacterial colony chemotaxis (DBCC) algorithm. Indices of the flexibility are defined to facilitate the analysis of the planning’s flexibility. Results of numerical examples show that the proposed model and algorithm are reasonable. The harmonious development of the sustainable and economic in the electric power industry is realized and the result will give a great effect on the low-carbon economy flexible generation expansion planning.

generation expansion planning (GEP); adaption cost; scenarios; k-means clustering algorithm; flexibility; discrete bacterial colony chemotaxis (DBCC) algorithm

2015-03-12

國(guó)家自然科學(xué)基金 (61374098)、 河北省自然科學(xué)基金 (E2014203250) 資助項(xiàng)目

張曉輝(1973-)， 女， 黑龍江籍， 副教授， 碩士， 主要研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行分析與控制； 閆鵬達(dá)(1990-)， 男， 山西籍， 碩士研究生， 研究方向?yàn)殡娏ο到y(tǒng)優(yōu)化調(diào)度與經(jīng)濟(jì)運(yùn)行。

TM715

A

1003-3076(2016)03-0026-08