安　源， 黃　強， 丁　航， 王　浩， 王頌凱

(西安理工大學(xué) 水利水電學(xué)院，陜西 西安 710048)

?

水電-風(fēng)電聯(lián)合運行優(yōu)化調(diào)度研究

安源， 黃強， 丁航， 王浩， 王頌凱

(西安理工大學(xué) 水利水電學(xué)院，陜西 西安 710048)

風(fēng)電出力的非平穩(wěn)性是目前制約風(fēng)電并網(wǎng)運行的關(guān)鍵因素，將水電和風(fēng)電聯(lián)合運行調(diào)度是一種新的思路。本文以黃河上游5座百萬千瓦級的梯級水電站與甘肅河西千萬千瓦級的風(fēng)電站為研究對象，綜合考慮各種復(fù)雜約束條件，以棄風(fēng)電量最小為目標，建立了水電-風(fēng)電互補運行優(yōu)化調(diào)度數(shù)學(xué)模型，采用改進的量子粒子群算法對該模型進行求解。實例研究表明：經(jīng)過風(fēng)水互補后，風(fēng)電出力基本平穩(wěn)，最大的波動偏差為1.65%，最小的僅為0.04%，滿足了電網(wǎng)穩(wěn)定性的要求。因此，將水電風(fēng)電聯(lián)合運行優(yōu)化調(diào)度合理、可靠，以期為大規(guī)模風(fēng)電并網(wǎng)運行提供了一條有效途徑。

水電-風(fēng)電； 聯(lián)合運行； 改進量子粒子群算法

風(fēng)電作為一種取之不盡、用之不竭的可再生能源，具有廣闊的開發(fā)前景[1]。截止2014年底，全球新增風(fēng)電裝機容量高達51 477 MW，其中，我國新增23 351 MW，約占全球的45%。然而，風(fēng)電受天氣影響顯著，其出力呈現(xiàn)間歇性、隨機性、波動性等特征[2]。由于風(fēng)電電能質(zhì)量較差，因而難以直接并入電網(wǎng)[3]。隨著我國風(fēng)電的快速發(fā)展，各大中型風(fēng)力發(fā)電站的相繼投入運行，風(fēng)電在電力系統(tǒng)中所占的比重也越來越大，對電網(wǎng)的安全穩(wěn)定運行帶來了一定的沖擊[4-7]，如調(diào)峰、調(diào)頻、系統(tǒng)穩(wěn)定性等。為此，需要利用風(fēng)電與其他電源之間的互補性，建立互補發(fā)電系統(tǒng)上網(wǎng)，以彌補風(fēng)電單獨并網(wǎng)的不足。

我國的水電資源極為豐富，且水電在調(diào)峰性能上具有很大優(yōu)勢，具有啟動靈活，調(diào)節(jié)速度快等優(yōu)點。水風(fēng)電互補運行，充分利用水電、風(fēng)電的互補性，進行合理調(diào)度，可實現(xiàn)這兩種清潔能源的“強強聯(lián)合”[8]。近年來，一些學(xué)者探討了抽水蓄能電站與風(fēng)電互補運行的若干問題[9]，但對于風(fēng)電與常規(guī)水電的互補運行[10]研究的相對較少。包小慶等[11]構(gòu)建了水電-風(fēng)電互補系統(tǒng)，用以解決當?shù)氐亩倦娏?yīng)以及調(diào)峰問題；Raby等[12]利用梯級水電站來配合風(fēng)電聯(lián)合運行，研究了風(fēng)場與多級水電站互補運行的調(diào)度策略。

然而，上述研究大多數(shù)基于聯(lián)合系統(tǒng)的出力與負荷相一致性條件下進行的，由此而得到的優(yōu)化出力波動性大，在實際調(diào)度中難以被電網(wǎng)所接受。因此，可考慮利用水電調(diào)節(jié)能力、啟停迅速的優(yōu)點來彌補風(fēng)電出力的缺點。

甘肅河西酒泉地區(qū)，風(fēng)能資源豐富，無破壞性風(fēng)速，為大規(guī)模開發(fā)風(fēng)電場提供了有利條件。但該地區(qū)處于電網(wǎng)末端，電網(wǎng)網(wǎng)架結(jié)構(gòu)不夠堅強，且電源結(jié)構(gòu)相對單一，將風(fēng)電直接并入電網(wǎng)，不利于電網(wǎng)的穩(wěn)定運行以及調(diào)峰。黃河中、上游水電資源豐富，已建成的梯級水庫群調(diào)節(jié)性能強，是西北電網(wǎng)主要的調(diào)峰電源。因此，本文以黃河上游5座100萬kW級的水電站和甘肅酒泉的1 000萬kW級風(fēng)電站進行互補運行為研究對象，建立水-風(fēng)電互補優(yōu)化調(diào)度模型，采用量子粒子群算法求解模型，以期為水-風(fēng)電聯(lián)合運行、減少棄風(fēng)電量，大規(guī)模風(fēng)電能順利有效上網(wǎng)提供科學(xué)依據(jù)。

1　水電-風(fēng)電聯(lián)合運行的互補原理

風(fēng)力發(fā)電與地區(qū)風(fēng)速的變化情況有很大的關(guān)系，風(fēng)速季節(jié)波動性較小，而短期波動性卻較大[13]。水力發(fā)電跟水庫庫容和水量的調(diào)度有很大的關(guān)系。水庫短期的入庫流量變化不大，但是年際徑流卻波動性較大。

我國風(fēng)力和水力資源都很豐富，有些地區(qū)既有豐富的水力資源，又有豐富的風(fēng)力資源。風(fēng)電有很大的波動性，水電也有季節(jié)性波動，但是風(fēng)電和水電可以在時間和季節(jié)上形成互補。圖1給出了甘肅省瓜州風(fēng)電站群與黃河水電站在季節(jié)上的互補性。

圖1　風(fēng)能和水力的季節(jié)互補性Fig.1　Season complementary performance of wind and water resource

2　水-風(fēng)電互補優(yōu)化調(diào)度優(yōu)化模型

風(fēng)電并入電網(wǎng)后，為了滿足系統(tǒng)電力電量平衡，當風(fēng)電出力降低時，需要增加水電機組的出力；當風(fēng)電出力增加時，須配合降低水電機組的出力。水電站來水的隨機性特點，可通過具有調(diào)節(jié)能力的水庫對徑流進行調(diào)節(jié)，使水電出力可控。

水-風(fēng)電互補優(yōu)化調(diào)度是充分發(fā)揮水電、風(fēng)電各自的優(yōu)勢，利用水電站水庫的調(diào)節(jié)能力，平衡風(fēng)電的隨機性、波動性和間歇性。當風(fēng)電出力降低時，須加大水電出力，使風(fēng)電與水電出力之和始終保持在某一恒定的范圍內(nèi)；當風(fēng)電出力增加時，降低水電的出力，水電可利用水庫蓄能。當風(fēng)電出力很大，甚至超過系統(tǒng)需要維持的穩(wěn)定值時，可適當?shù)剡M行棄風(fēng)。

因此，水-風(fēng)電互補優(yōu)化調(diào)度目標可選棄風(fēng)電量最小，目標函數(shù)如下：

(1)

其中：

約束條件有：

NS(j)min≤NS(j,t)≤NS(j)max

(2)

NF(i)min≤NF(i,t)≤NF(i)max

(3)

V(i+1,t)=V(j,t)+

3600[QR(j,t)-QC(j,t)]·Δt

(4)

Q(j,t)min≤QC(j,t)≤Q(j,t)max

(5)

V(j)min≤V(j,t)≤V(j)max

(6)

式(1)～(6)中：I為風(fēng)電站個數(shù)；T為計算時段；Δt為計算時段內(nèi)的小時數(shù)；NF(i,t)為第i個風(fēng)電站第t時段的出力；NS(j,t)為第j個水電站第t時段出力；Nt為電網(wǎng)第t時段允許水風(fēng)電上網(wǎng)的負荷；NS(j)min為第j個水電站強迫出力；NS(j)max為第j個水電站預(yù)想出力；NF(i)min為第i個風(fēng)電站第t時段最小出力；NF(i)max為第個i風(fēng)電站第t時段最大出力；V(j,t)為第j個水電站第t時段的庫容；V(j)min為第j個水電站第t時段的最小庫容；V(j)max為第j個水電站第t時段的最大庫容；QR(j,t)為第j個水電站第t時段的入庫流量;QC(j,t)為第j個水電站第t時段的出庫流量；Q(j,t)min為第j個水電站第t時段的允許最小流量；Q(j,t)max為第j個水電站第t時段的允許最大流量。其中，水電站和風(fēng)電站出力的單位為萬kW;水庫庫容的單位為億m3，流量的單位為m3/s。

3　求解模型的量子粒子群算法

3.1量子粒子群算法原理

標準PSO算法的基本原理是：當其中一個粒子搜索到較好的位置時，則種群中其他粒子都要依照位置和速度更新公式向這個最優(yōu)粒子的方向進行逼近。雖然PSO算法的收斂速度快，但算法容易陷入局部最優(yōu)解，呈現(xiàn)出“早熟”現(xiàn)象。因此，許多學(xué)者在粒子群算法的基礎(chǔ)之上，做出了諸多改進。

Sun等[14]在研究粒子收斂行為相關(guān)成果后，從量子力學(xué)的角度出發(fā)提出量子粒子群算法(QPSO)。QPSO認為粒子具有量子行為，無法同時精確測定粒子的位置和速度，采用波函數(shù)描述粒子狀態(tài)，通過求解薛定諤方程得到粒子在空間某點出現(xiàn)的概率密度函數(shù)，利用Monte-Carlo隨機模擬得到粒子在量子空間中的位置方程。在進化過程中，各粒子在最優(yōu)位置中心的DELTA勢阱中移動，通過跟蹤個體極值和全局極值不斷更新位置，能夠以一定的概率分布于搜索空間任意位置。粒子狀態(tài)的進化方程，即粒子的移動方程為：

(7)

(8)

式(7)和(8)中，φ1=rand( )，φ2=rand( )，r=rand( )，u=rand( )；mbest為pbest中間位置，D為空間維數(shù)，種群規(guī)模為M，pi，d為粒子本身所找到的最優(yōu)解pbest， pg，d為種群目前找到的最優(yōu)解gbest， α為QPSO收縮擴張系數(shù)。

3.2量子粒子群算法尋優(yōu)原理

本文采用MATLAB平臺實現(xiàn)QPSO算法，具體計算步驟如下：

1)根據(jù)實際問題確定粒子維數(shù)D以及種群規(guī)模M，初始化粒子種群；同時，計算個體極值pbest和群體極值gbest；

2)根據(jù)優(yōu)化目標設(shè)計適應(yīng)度函數(shù)，并計算各個粒子的適應(yīng)度值；

3)評價適應(yīng)度值優(yōu)劣，更新個體的最優(yōu)位置pbest(i)和群體的最優(yōu)位置gbest；

4)依據(jù)粒子狀態(tài)進化方程(即速度公式和位置公式)更新當前所有粒子的位置，從而生成新的粒子群體；

5)評價新群體的適應(yīng)度值，找出最優(yōu)粒子。

不斷迭代，并判斷是否滿足收斂性條件(一般采用最大迭代次數(shù)或者達到某一尋優(yōu)精度)，是則退出，否則繼續(xù)迭代。

量子粒子群算法尋優(yōu)計算流程圖如圖2所示。

圖2　QPSO算法流程圖Fig.2　QPSO algorithm flow chart

4　實例研究

黃河上游參與風(fēng)電補償有5座百萬千瓦的水電站。其中，龍羊峽水庫總庫容為247億m3，調(diào)節(jié)庫容為193.5億m3，總裝機容量為128萬kW，是黃河上唯一的多年調(diào)節(jié)水庫；拉西瓦水電站距上游龍羊峽水電站32.8km，總庫容為10.79億m3，調(diào)節(jié)庫容為1.5億m3，為日調(diào)節(jié)水庫，電站裝機為420萬kW；李家峽水電站距上游拉西瓦水電站73 km，水庫庫容為16.5億m3，調(diào)節(jié)庫容為0.6億m3，為日、周調(diào)節(jié)水庫，電站總裝機為200萬kW；公伯峽水電站距上游李家峽水電站76 km，水庫庫容為6.2億m3，為日調(diào)節(jié)水庫，電站裝機為150萬kW；積石峽水電站，總庫容為2.635億m3，為日調(diào)節(jié)水庫，電站總裝機容量為100萬kW。甘肅河西酒泉地區(qū)風(fēng)能資源豐富，是我國規(guī)劃建設(shè)的第一個1000萬kW級風(fēng)電基地。

4.1QPSO算法參數(shù)設(shè)置

根據(jù)優(yōu)化問題，對QPSO算法基本參數(shù)進行設(shè)置如下：t為計算時段，按小時計，1天24小時，共24個時段；D為粒子維數(shù)，設(shè)置為6；M為粒子個數(shù)，設(shè)置為20；最大迭代次數(shù)100。

4.2水-風(fēng)電互補優(yōu)化調(diào)度計算

水電站的參數(shù)設(shè)置：參與互補的水電站有5個，各個水電站調(diào)節(jié)出力范圍如表1所示。其中，5座水電站群的強迫出力為158.9萬kW，預(yù)想出力為998萬kW。

表1　水電站調(diào)節(jié)能力

風(fēng)電場參數(shù)設(shè)置：參與的1 000萬kW級瓜州風(fēng)電站群處于同一個大型風(fēng)電場，2015年3月14日的典型日風(fēng)電的出力過程，以及水-風(fēng)電互補優(yōu)化調(diào)度出力過程如圖3所示。

圖3　典型日水-風(fēng)電互補優(yōu)化調(diào)度出力過程Fig.3　The process of wind power-hydropower joint operation system

據(jù)有關(guān)資料介紹，若風(fēng)電單獨上網(wǎng)，僅能利用30%左右的風(fēng)電，棄風(fēng)高達70%；若火電與風(fēng)電打捆上網(wǎng)，且不考慮參與受端電網(wǎng)調(diào)峰，其利用率可達83%左右，棄風(fēng)率約17%。相比水-風(fēng)電互補上網(wǎng)，由圖3結(jié)果分析可知：

1)水-風(fēng)電互補優(yōu)化調(diào)度后都能夠滿足水、光電各自的出力約束，5個水電站的優(yōu)化出力都在其可調(diào)區(qū)間以內(nèi)，水-風(fēng)互補上網(wǎng)電量為22999.2萬kWh。

2)在全天24小時優(yōu)化時段內(nèi)，水-風(fēng)電互補優(yōu)化調(diào)度出力基本保持穩(wěn)定，平均出力為958.3萬kW。其中，最大的波動偏差為1.65%，最小的僅為0.04%，這樣的一種持續(xù)穩(wěn)定的功率是能夠被電網(wǎng)所接受的。

3)水-風(fēng)電互補優(yōu)化調(diào)度后，棄風(fēng)電量90.8萬kWh，棄風(fēng)占風(fēng)力發(fā)電量比例4.1%，遠比火電與風(fēng)電打捆上網(wǎng)的棄風(fēng)率低。說明水-風(fēng)電互補聯(lián)合運行上網(wǎng)優(yōu)勢明顯。

5　結(jié)　語

本文以黃河上游常規(guī)水電和甘肅酒泉風(fēng)電為研究對象，研究了水-風(fēng)互補運行調(diào)度問題，通過分析、建模和計算，得到主要結(jié)論如下：

1)在優(yōu)化時段內(nèi)，水-風(fēng)電互補優(yōu)化調(diào)度出力基本保持穩(wěn)定。其中，最大的波動偏差為1.65%，最小的僅為0.04%，這樣的一種持續(xù)穩(wěn)定的功率是能夠被電網(wǎng)所接受的。

2)水-風(fēng)電互補優(yōu)化調(diào)度后，棄風(fēng)率約4.1%，風(fēng)電基本能得到利用，棄風(fēng)電量大大減少。

因此，水-風(fēng)互補優(yōu)化調(diào)度后出力基本達到了平穩(wěn)，滿足了電網(wǎng)穩(wěn)定性的要求，大大提高了風(fēng)電上網(wǎng)電量，減少了棄風(fēng)率，水-風(fēng)互補優(yōu)化調(diào)度是實現(xiàn)大規(guī)模風(fēng)電并網(wǎng)運行的切實可行有效途徑。

[1]原鰻,王希麟.風(fēng)能概論[M].北京:化學(xué)工業(yè)出版社,2009.12.

[2]張滋華. 含大規(guī)模風(fēng)電電力系統(tǒng)中長期優(yōu)化運行研究[D].武漢：華中科技大學(xué),2013.

ZHANG Zihua.Long-term optimal operation of power system of large-scale wind power generation[D].Wuhan: Huazhong University of Science and Technology, 2013.

[3]孫亮. 大規(guī)模風(fēng)電并網(wǎng)條件下提高電力系統(tǒng)調(diào)峰能力的研究[D].大連：大連理工大學(xué),2010.

SUN Liang.Research on the capacity of peak regulation of power system with large-scale wind power penetration[D].Dalian:Dalian University of Technology, 2010.

[4]黃德琥，陳繼軍，張嵐.大規(guī)模風(fēng)電并網(wǎng)對電力系統(tǒng)的影響[J].廣東電力，2010，23(7)：27-29.

HUANG Dehu, CHEN Jijun,ZHANG Lan. Impact of large-scale wind power integration on power system[J].Guangdong Electric Power, 2010, 23(7): 27-29.

[5]WANG L F,SINGH C. Tradeoff between risk and cost in economic dispatch including wind power penetration using particle swarm optimization[C]//International Conference on Power System Technology,Chongqing ,2006:1-7.

[6]蔣大偉.大規(guī)模風(fēng)電并網(wǎng)對系統(tǒng)頻率影響分析[D]吉林：東北電力大學(xué)，2010.

JIANG Dawei. .Analysis of the impact on power system frequency in respct of large-scale wind integration into Grid[D].Jilin:Northeast Dianli University, 2010.

[7]王長貴，王淳，董路影,等.小型新能源和可再生能源發(fā)電系統(tǒng)建設(shè)與管理[M].北京：中國電力出版社,2004.

[8]白樺,遲鳳嶺,胡瓊靜. 以風(fēng)—水互補方式促進我國風(fēng)電產(chǎn)業(yè)發(fā)展[J]. 中國軟科學(xué),2013,01:176-181.

BAI Hua, CHI Fengling, HU Qiongjing. Complementarity between wind power and hydropower in promotion of wind power industry inChina[J].China Soft Science,2013,01:176-181.

[9]譚志忠,劉德有,歐傳奇，等.風(fēng)電-抽水蓄能聯(lián)合系統(tǒng)的優(yōu)化運行模型[J]河海大學(xué)學(xué)報(自然科學(xué)版),2008,36(1): 58-62.

TAN Zhizhong, LIU Deyou, OU Chuanqi,et al. Optimal operation model for wind-powered pumped storage system[J].Journal of Hohal University(Natural Science),2008,36(1): 58-62.

[10]BROOK D,KEY T,FELTON L. Increasing the value of wind generation through integration with hydroelectric generation[C]//Power Engineering Society General Meeting,IEEE,2005，2：1923-1925.

[11]包小慶, 李陣剛. 風(fēng)電/水電互補研究[J]. 新能源, 1997, 19(3): 34-37.

BAO Xiaoqing, LI Zhengang. Study on wind/water power generation complementation[J].New Energy,1997,19(3): 34-37.

[12]RABY M, RIOS S, JERARDINO S， et al. Hydro thermal system operation and transmission planning considering large wind farm connection[J].Power Tech,2009 IEEE Bucharest ,2009:1-8.

[13]尚志娟. 風(fēng)水互補微電網(wǎng)的優(yōu)化運行研究[D].北京：北京交通大學(xué),2011.

SHANG Zhijuan. Research on optimal operation of wind and hydro power complementary in micro grid optimal operation[D].Beijing:Beijing Jiaotong Univers- ity, 2011.

[14]SUN Jun,XU Wenbo,FENG Bin.Adaptive parameter control for quantum-behaved particle warm optimization on individual level[C]//Proceedings of IEEE International Conference on Systems,2005:587-602.

(責(zé)任編輯楊小麗)

Research on the joint operation of hydropower and wind power system

AN Yuan, HUANG Qiang, DING Hang, WANG Hao, WANG Songkai

(School of Water Resources and Hydro-electric Engineering, Xi’an University of Technology, Xi’an, 710048, China)

It is very difficult for the strong instability of wind power to be absorbed by the grid on large scale, and the joint operation of wind power and hydropower provides a new idea. In this paper, the wind power-hydropower system is discussed involving five million-kilowatts hydropower stations located in the upstream of the Yellow River and a ten million-kilowatts hydropower stations located in Hexi of Gansu province. A model aiming at minimizing the loss of wind power is established in considering all kinds of complicated constraints, which is solved by the modified QPSO method. Case study reveals that the output of wind power compensated by hydropower becomes stable, and that the maximum and minimum volatility deviations are 1.65% and 0.04%, which satisfies the requirement for system stability and improves the amount of wind onto the grid, and decreases the loss of the wind power. Therefore, the joint operation of the wind power and hydropower is feasible and rational, providing an effective way to make the wind power absorbed by the grid.

hydropower and wind power system; joint operation; modified quantum particle swarm optimization algorithm

10.19322/j.cnki.issn.1006-4710.2016.03.014

2016-03-02

國家自然科學(xué)基金資助項目(51190093)

安源，男，副教授，研究方向為電力系統(tǒng)保護與自動化。E-mail：1749847981@qq.com

TV697.1+1

A

1006-4710(2016)03-0333-05