季 峰， 蔡興國

(哈爾濱工業(yè)大學(xué) 電氣工程及自動化學(xué)院， 哈爾濱 150001)

含風(fēng)電電力系統(tǒng)的月度機組組合模型

季 峰， 蔡興國

(哈爾濱工業(yè)大學(xué) 電氣工程及自動化學(xué)院， 哈爾濱 150001)

為在更長的時間尺度上統(tǒng)籌協(xié)調(diào)各類發(fā)電資源，建立含風(fēng)電電力系統(tǒng)的月度機組組合模型. 分析了保證中長期電量交易順利進(jìn)行的均衡調(diào)度和節(jié)約能源、減少污染物排放的節(jié)能發(fā)電調(diào)度，建立協(xié)調(diào)電力市場和節(jié)能發(fā)電的月度機組組合模型. 該模型綜合考慮了中國“一機一價”和“標(biāo)桿電價”的上網(wǎng)電價機制，以允許機組間均衡電量進(jìn)行轉(zhuǎn)移的差別電量為基礎(chǔ)，以節(jié)能發(fā)電優(yōu)先序列表作為電量轉(zhuǎn)移順序，利用風(fēng)電功率相關(guān)性分析結(jié)果模擬生成考慮尾部相關(guān)性和秩相關(guān)性的風(fēng)電功率可能場景，并依據(jù)火電機組熱啟動和溫態(tài)啟動的特點選取模型的計算粒度. 算例結(jié)果表明：該模型可以在降低機組啟停次數(shù)的情況下，協(xié)調(diào)含風(fēng)電系統(tǒng)的整體購電成本和總煤耗.

調(diào)度模型； 風(fēng)電功率； 機組組合； 中長期調(diào)度; 相關(guān)性

隨著中國電力工業(yè)技術(shù)的發(fā)展和電力、環(huán)境政策法規(guī)的逐漸實施，現(xiàn)階段中國電力生產(chǎn)過程中的各類發(fā)電資源日益增多，并且諸如電能交易合同、污染物排放指標(biāo)、煤耗指標(biāo)等發(fā)電資源多以中長期考核控制目標(biāo)的形式給定. 受各類中長期發(fā)電資源限制時，電力系統(tǒng)多周期的分層調(diào)度機制是將中長期發(fā)電資源的預(yù)期控制目標(biāo)逐漸轉(zhuǎn)換為發(fā)電機組具體出力的有效方法[1].現(xiàn)階段中國電力系統(tǒng)的運行特點決定了其發(fā)電計劃的編制是一個包括月度計劃、日前計劃、日內(nèi)滾動計劃的分層決策過程. 近年來，隨著風(fēng)電并網(wǎng)容量的快速增加，相關(guān)研究者對含風(fēng)電電力系統(tǒng)的日前調(diào)度和日內(nèi)滾動調(diào)度進(jìn)行了大量的研究，但月度計劃作為分層決策過程中的重要一環(huán)以往的相關(guān)研究大多未考慮風(fēng)電的影響.

月度計劃可以在更長的時間尺度內(nèi)統(tǒng)籌協(xié)調(diào)各類中長期發(fā)電資源，確定各個發(fā)電機組的運行狀態(tài)從而為日前計劃提供決策依據(jù)，文獻(xiàn)[2]綜合考慮了月度發(fā)電計劃和機組檢修計劃，指出合理制定發(fā)電計劃和檢修計劃對于提高風(fēng)電的接納能力和系統(tǒng)中期運行的可靠性和經(jīng)濟性有重要意義，文獻(xiàn)[3]從月度機組組合和短期機組組合協(xié)調(diào)的思路創(chuàng)建了含風(fēng)電的月度機組組合，但上述有關(guān)含風(fēng)電月度機組組合的研究在建模時對于中國現(xiàn)階段的背景約束考慮較少. 現(xiàn)階段中國中長期機組組合主要受電力市場和節(jié)能發(fā)電調(diào)度的雙重背景約束，為此本章在電力市場均衡電量和機組節(jié)能能耗序位表的基礎(chǔ)上，允許均衡發(fā)電量由高耗能機組向低能耗機組轉(zhuǎn)移，并在考慮中國現(xiàn)階段上網(wǎng)電價機制和火電機組啟停運行特性的前提下，提出了協(xié)調(diào)電力市場和節(jié)能發(fā)電調(diào)度的含風(fēng)電電力系統(tǒng)中長期機組組合模型.

1 風(fēng)電功率不確定性的建模

1.1 風(fēng)電功率的模擬方法

風(fēng)電功率的各類預(yù)測技術(shù)僅限于短期功率預(yù)測，因此在中長期的時間尺度上無法采用預(yù)測值來獲得各個調(diào)度時段的風(fēng)電功率，只能借助隨機抽樣的方法建模風(fēng)電功率的不確定性，其一般模擬過程如框圖1所示.

圖1 風(fēng)電功率模擬方法框圖

有研究表明風(fēng)速符合不同形式的韋伯分布，而實測的風(fēng)電功率則不滿足常見的概率分布形式，因此基于概率分布特性的抽樣模擬方法大多采用風(fēng)速的概率分布來推導(dǎo)風(fēng)電功率的模擬場景序列. 瑞利分布適用于絕大部分的風(fēng)速統(tǒng)計特性[4]，計算公式為

因此本文采用式(1)所示的概率分布來表示風(fēng)速的統(tǒng)計特性. 對式(1)的反函數(shù)，在[0,1]內(nèi)進(jìn)行隨機抽樣后代入風(fēng)速-功率特性曲線便可以生成如圖2所示的風(fēng)電功率樣本點.

(a)風(fēng)速抽樣模擬 (b)風(fēng)電功率抽樣模擬

1.2 生成風(fēng)電功率時間序列

通過對風(fēng)速概率分布的隨機抽樣可以獲得某個靜態(tài)時段的風(fēng)電功率樣本點，但在具體的調(diào)度應(yīng)用場合需要模擬風(fēng)電功率的時間序列. 如圖3所示在已知各靜態(tài)時段的風(fēng)電功率樣本點后，通過橫向和縱向兩個方向的擴展生成風(fēng)電功率時間序列[5].

理論上通過枚舉方法可以構(gòu)造出描述所有可能場景的風(fēng)電功率序列，但在實際的構(gòu)造過程中風(fēng)電功率時間序列的數(shù)目隨著縱向樣本點的數(shù)目和橫向擴展時段的數(shù)目呈指數(shù)形式迅速增加，因此數(shù)量龐大的樣本點和過于精細(xì)的時段劃分均不利于模擬生成風(fēng)電功率序列，需要進(jìn)行一定程度的削減.

(a)縱向擴展 (b)橫向擴展

圖3 風(fēng)電功率時間序列構(gòu)造示意

Fig.3 Construction schematic of wind power time series

盡管有各類風(fēng)電功率場景削減技術(shù)，但對于中長期時間的尺度的調(diào)度規(guī)劃問題，基于聚類思想的削減更為實用[6]. 縱向削減方面，首先利用聚類方法將隨機抽樣獲得的靜態(tài)風(fēng)電功率樣本點，簡化為幾類具有一定發(fā)生概率的代表性樣本片段[7]. 對于圖2所示的風(fēng)電功率樣本點可以按照可能出力大小將其出力分為0～20%，20%～50%，50%～80%，80%～100% 4類代表樣本片段，其示意圖和概率如圖4所示，圖中p1、p2、p3、p4為各段代表樣本片段可能發(fā)生的概率. 此時依據(jù)圖3所示的風(fēng)電功率序列構(gòu)造示意圖，利用隨機抽樣的方法對各調(diào)度時段可能出現(xiàn)的樣本片段按照其發(fā)生的概率進(jìn)行抽樣，便可生成描述風(fēng)電功率的可能場景. 而對于一定地理區(qū)域內(nèi)相距較近的多個風(fēng)電場，依據(jù)風(fēng)電功率間的相關(guān)系數(shù)進(jìn)行抽樣，可以得到考慮相關(guān)性的多組風(fēng)電功率序列[8].

圖4 風(fēng)電功率的樣本片段

2 協(xié)調(diào)電力市場和節(jié)能發(fā)電的月度機組組合模型

2.1 調(diào)度模式分析

中長期機組組合作為分層調(diào)度決策的重要內(nèi)容，其核心是安排未來月份的電力、電量平衡，以系統(tǒng)的發(fā)電成本或能耗為目標(biāo)優(yōu)化機組的中長期出力，獲得發(fā)電機組的中長期啟停方案，進(jìn)而為日前發(fā)電計劃的制定提供決策依據(jù). 現(xiàn)階段中國的月度機組組合主要受電力市場[9]和節(jié)能發(fā)電調(diào)度[10]等背景環(huán)境的限制.

1)均衡調(diào)度模式. 電力市場的核心問題是電能交易，因此電力市場環(huán)境下的中長期機組組合以電能交易合同的執(zhí)行情況為主要目標(biāo). 在中國初期電力市場環(huán)境下電網(wǎng)公司多以一定區(qū)域內(nèi)發(fā)電機組具有相近的負(fù)荷率水平來確定機組的長期發(fā)電電量并以此電量為基礎(chǔ)與各發(fā)電公司簽訂長期購電合同[11]. 在具體的電力生產(chǎn)過程中，電網(wǎng)公司為履行購電合同，保證各發(fā)電公司長期購電合同公平有效的執(zhí)行，大多采用三公原則為基礎(chǔ)的均衡調(diào)度模式來平衡各發(fā)電公司的利益. 在初期電力市場環(huán)境下，均衡調(diào)度模式保證了各發(fā)電機組具有近似的利用小時數(shù)，相對公平地維護(hù)了各發(fā)電機組上網(wǎng)發(fā)電的權(quán)益. 但均衡調(diào)度模式并未對高污染、高排放的小機組和低污染、低排放的高效機組加以區(qū)別對待，此模式下各發(fā)電公司更關(guān)注其中長期購電合同的完成情況，而對某一天的具體出力計劃并不特別關(guān)注. 對于生產(chǎn)相同的電量，高耗能機組和低耗能機組消耗的能源和排放的污染物有著較為明顯的差別，因此單純的均衡調(diào)度模式難以適應(yīng)中國節(jié)能減排的整體要求.

2)節(jié)能調(diào)度模式.2007年為提高電力工業(yè)能源使用效率，節(jié)約能源，減少環(huán)境污染，國務(wù)院出臺的《節(jié)能發(fā)電調(diào)度辦法(試行)》要求電網(wǎng)采用節(jié)能發(fā)電調(diào)度模式. 節(jié)能發(fā)電調(diào)度模式要求優(yōu)先調(diào)度可再生能源發(fā)電，對傳統(tǒng)火電機組按照能耗水平編制機組發(fā)電序位表，并以此序位表作為節(jié)能發(fā)電調(diào)度的主要依據(jù). 圖5為均衡調(diào)度模式和節(jié)能調(diào)度模式的對比示意圖. 依據(jù)節(jié)能調(diào)度辦法嚴(yán)格按照發(fā)電序位表依次加載或退出發(fā)電機組，可以保證系統(tǒng)消耗的能耗最小化，但與均衡調(diào)度模式相比，某些排在序位表末尾的高耗能火電機組的發(fā)電量會減少，有些機組甚至沒有開機發(fā)電的機會，即節(jié)能調(diào)度模式下電網(wǎng)中長期發(fā)電計劃從基于三公原則逐漸轉(zhuǎn)變?yōu)榛诓顒e電量原則. 因此從機組中長期發(fā)電量的角度考慮，節(jié)能調(diào)度模式可以理解為均衡調(diào)度模式下高耗能機組向低耗能機組轉(zhuǎn)移其原有均衡發(fā)電量而形成的調(diào)度模式[12].

2.2 協(xié)調(diào)電力市場和節(jié)能調(diào)度的機組組合

在實際調(diào)度中，低能耗機組大多是擴建、新建或技改的大容量機組，高能耗機組則以具有一定服役時間的中小型機組為主. 而且如表1所示為中國某省火電上網(wǎng)電價，其中“標(biāo)桿電價”為0.485 2元/kWh. 在中國上網(wǎng)電價“一機一價”和“標(biāo)桿電價”并行的背景下，運行多年且完成折舊的老機組，已經(jīng)沒有了還本付息的壓力，其上網(wǎng)電價往往低于現(xiàn)行的“標(biāo)桿電價”，而“標(biāo)桿電價”實行以前新建、尚未完成折舊(一般取20 a以下[13])依然具有還本付息壓力的機組，其上網(wǎng)電價往往又高于現(xiàn)行的“標(biāo)桿電價”. 因此從電網(wǎng)公司購電成本的角度考慮，節(jié)能調(diào)度模式下高耗能機組向低耗能機組轉(zhuǎn)移其原有均衡發(fā)電量時存在著一定的優(yōu)化空間.

圖5 均衡調(diào)度模式和節(jié)能調(diào)度模式對比框圖

發(fā)電機組編號裝機容量/MW上網(wǎng)電價/(元/kWh)1號6000.49122號3000.48523號3500.48524號2000.4562

隨著風(fēng)能、太陽能等無調(diào)節(jié)能力的大規(guī)模可再生能源接入電力系統(tǒng)，系統(tǒng)的波動性顯著增加. 目前對于中國大部分以火電機組為主的發(fā)電結(jié)構(gòu)，需要依靠火電機組來調(diào)節(jié)可再生能源的波動性. 如果單純從調(diào)節(jié)可再生能源波動性的角度考慮，電力系統(tǒng)采用大開機計劃有利于增加系統(tǒng)可調(diào)節(jié)的備用容量，能夠更有效的平抑系統(tǒng)的波動性，但過大的開機計劃又有違現(xiàn)行的節(jié)能發(fā)電調(diào)度方法. 因此在初級電力市場和節(jié)能發(fā)電調(diào)度的雙重背景約束下，為了合理優(yōu)化含風(fēng)電電力系統(tǒng)的中長期發(fā)電計劃，本文采用如圖6所示的綜合調(diào)度模式.

圖6 綜合調(diào)度模式示意

該綜合調(diào)度模式以各機組的均衡發(fā)電電量為基礎(chǔ)，首先依據(jù)節(jié)能發(fā)電調(diào)度的要求將系統(tǒng)內(nèi)所有參與調(diào)度的機組按照能耗水平高低生成發(fā)電序位表，并以機組i作為分界機組將序位表中的機組分為發(fā)電量受讓方和發(fā)電量轉(zhuǎn)讓方兩類. 其次在考慮風(fēng)電接入和機組不同上網(wǎng)電價的前提下，優(yōu)化轉(zhuǎn)讓方向受讓方轉(zhuǎn)移的電量，進(jìn)而確定各個機組的差別發(fā)電量和開停機狀態(tài).

2.2.1 月度機組組合的計算粒度

日前發(fā)電計劃大多選用1h或15min的計算粒度，理論上通過擴展計算時段數(shù)月度機組組合模型可以選用與短期調(diào)度模型相同的計算粒度，但相對于日發(fā)電計劃月度機組組合是一個較長周期的計劃，若采用如此精細(xì)化的計算粒度，一方面會嚴(yán)重制約計算效率和計算性能，另一方面在長周期計劃里面采用精細(xì)化的計算粒度，對于實際生產(chǎn)缺乏指導(dǎo)意義[14]. 同時在中長期時間尺度上，風(fēng)電等可再生能源無法通過預(yù)測方法有效獲得，只能通過隨機模擬的方式來近似描述，過于精細(xì)化的計算粒度將給場景模擬和場景削減帶來嚴(yán)峻的挑戰(zhàn).

中國的月度發(fā)電計劃主要是在給定計劃月份總發(fā)電量的基礎(chǔ)上優(yōu)化各機組的月度電能計劃和某日電能分解值，并最終確定機組的組合方案[15]. 中國大部分的火電機組最初是按照帶基本負(fù)荷兼具調(diào)峰運行能力設(shè)計的，其啟停過程復(fù)雜、費用高昂，且機組的啟停次數(shù)受機組使用壽命的嚴(yán)格約束，如表2所示為某汽輪發(fā)電機組采購技術(shù)協(xié)議中對給定次數(shù)下計算壽命消耗不大于75%的規(guī)定.

表2 某汽輪發(fā)電機組計算壽命與啟停次數(shù)有關(guān)規(guī)定

從表2中可以看出，火電機組的4類啟停次數(shù)與機組的計算壽命之間存在著明顯的關(guān)系，因此在考慮月度機組組合時不但要考慮火電機組的啟停費用，同時需要考慮機組的啟停次數(shù). 從火電機組的運行特性考慮，理論上和實際應(yīng)用中，一天之內(nèi)火電機組不宜兩次啟停，否則得到的組合方案是不經(jīng)濟的，因此采用日作為月度機組組合的優(yōu)化時段較為適合[14]. 但由于熱態(tài)啟動的停機時間要求小于10 h，如果選用日作為計算時段，則機組在某日停機后又必須在當(dāng)日開機，無法有效分辨機組的熱態(tài)啟動，為此本文綜合考慮負(fù)荷峰谷平的特點和熱態(tài)啟停時間小于10 h的要求在月度機組組合中考慮采用8 h間隔的計算時段. 采用8 h的計算時段可以基本上保證機組在第t個時段熱態(tài)停機后，在第t+1個時段進(jìn)行熱態(tài)開機，并且月度機組組合的計算時段擴展為90個與選用15min為間隔的日前發(fā)電計劃具有相似的計算規(guī)模.

2.2.2 月度機組組合模型

1) 目標(biāo)函數(shù).節(jié)能發(fā)電調(diào)度模式下為了追求系統(tǒng)整體能耗的最小化，對于以火電機組為主的系統(tǒng)一般按照機組平均煤耗水平高低生成發(fā)電序位表安排發(fā)電，因此為了符合節(jié)能發(fā)電調(diào)度辦法，本文在月度機組組合的目標(biāo)函數(shù)中計及下式所示的機組煤耗水平.

式中：N為參與調(diào)度機組的數(shù)目；T為計算時段數(shù)；ωi為機組i的平均標(biāo)準(zhǔn)煤煤耗，g/kWh；si,t為機組i在t時段的開停機標(biāo)識變量，開機狀態(tài)si,t=1，停機狀態(tài)si,t=0；wi,t為機組i在t時段的發(fā)電電量，kWh；ui為機組i的轉(zhuǎn)讓電量標(biāo)識變量，ui=1為機組i為電量出讓方，ui=0則為機組i為電量受讓方；ri,t為機組i在第t個調(diào)度時段的出讓電量；zi,t為機組i在第t個調(diào)度時段的受讓電量.

同時在中國現(xiàn)行上網(wǎng)電價機制下，各類發(fā)電機組的上網(wǎng)電價尚未完全統(tǒng)一，不同能耗水平的部分機組間存在著上網(wǎng)電價差，因此本文在月度機組組合的目標(biāo)函數(shù)中計及下式所示的電網(wǎng)公司購電成本.

式中μi為機組i的上網(wǎng)電價，元/kWh.

月度機組組合會形成機組的啟停方案，而火電機組的啟停費用高昂、啟停次數(shù)受其設(shè)計使用壽命嚴(yán)格限制，因此在目標(biāo)函數(shù)中需要合理考慮機組的啟停費用并對機組的啟停次數(shù)進(jìn)行合理優(yōu)化. 在4類啟動狀態(tài)中冷態(tài)啟動次數(shù)較為有限一般用于機組的計劃檢修、臨時檢修和事故停機等情況，極熱態(tài)啟動不僅啟動次數(shù)較為有限而且會對機組造成較為嚴(yán)重的影響，因此本文在月度機組組合模型中重點考慮熱態(tài)啟動和溫態(tài)啟動兩類啟動狀態(tài).

式中SChot為機組總的熱態(tài)啟動費用，SCwarm為機組總的溫態(tài)啟動費用，且有

(6)

對于上述月度機組組合目標(biāo)函數(shù)中的各分量，F(xiàn)2、F3的量綱為元，而F1的量綱為g. 為了統(tǒng)一目標(biāo)函數(shù)中各分量的量綱，將分量F1乘以煤炭價格轉(zhuǎn)變成與F2、F3相同的量綱，此時月度機組組合的目標(biāo)函數(shù)可以表示為

式中γ為煤炭價格，元/g.

2)約束條件. 系統(tǒng)的發(fā)電電量平衡約束為

式中wi為機組i的均衡發(fā)電電量；w為計劃月份總發(fā)電電量，其中wi表示為

并且在某個調(diào)度時段內(nèi)機組的發(fā)電電量和機組的輸出功率存在有

其中Pi,t為火電機組i在t時段的輸出功率；ΔT為調(diào)度時間間隔.

系統(tǒng)的出力平衡約束為

火電機組的出力上下限約束為

火電機組的爬坡約束為

式中：si,t和si,t+1要求等于1，RUi為機組i在調(diào)度時段內(nèi)的爬上能力，RDi為機組i在調(diào)度時段內(nèi)的爬下能力.

系統(tǒng)最小備用容量約束為

式中Rs為系統(tǒng)的備用容量，Rw為風(fēng)電的備用容量.

溫態(tài)啟動時機組的啟停時間約束：

機組的啟停次數(shù)限制表示為

2.2.3 模型的求解

如上所述含風(fēng)電的月度機組組合模型，受風(fēng)電功率不確定性的影響，屬于不確定規(guī)劃范疇，為了考慮風(fēng)電功率的隨機模擬場景本文采用隨機期望值模型來處理模型中的不確定性[16]. 此時第2部分中生成的各調(diào)度時段風(fēng)電功率模擬場景及其期望值可以表示為如圖7所示.

確定中、大型機組的機組啟停時，需要考慮啟動耗量和各類技術(shù)限制，混合整數(shù)規(guī)劃方法是目前解決解決這類復(fù)雜問題的較常用的方法，為此本文在MATLAB環(huán)境下利用Yalmip建模該模型并調(diào)用Cplex進(jìn)行求解.

圖7 風(fēng)電功率模擬場景與期望值

2.2.4 算例分析

本文采用IEEE 118節(jié)點系統(tǒng)進(jìn)行算例分析，其中共有186條輸電線路，54臺火電機組，91個節(jié)點負(fù)荷. 系統(tǒng)中輸電斷面15—33，19—34，38—30，23—24的傳輸容量為200 MW. 測試系統(tǒng)中共有54臺火電機組，依據(jù)機組優(yōu)先順序排序后，1～27臺機組作為電量受讓方，28～54臺機組作為電量出讓方. 在節(jié)點13、14、16、17、61、62分別接入有一個風(fēng)電場，其中13、14、16、17接入的風(fēng)電場屬于同一區(qū)域具有相關(guān)性的風(fēng)電場，61、62接入的風(fēng)電場屬于另一區(qū)域具有相關(guān)性的風(fēng)電場，利用2.1節(jié)介紹的風(fēng)電功率建模方法得到風(fēng)電場13、14、16、17的出力情況如圖8所示，風(fēng)電場61、62的出力情況如圖9所示.

圖8 風(fēng)電場13～17的輸出功率

圖9 風(fēng)電場61，62的輸出功率

測試系統(tǒng)預(yù)測負(fù)荷的平均值為4 047 MW，最大值為5 577 MW，具有循環(huán)特征的預(yù)測負(fù)荷如圖10所示.

圖10 118節(jié)點測試系統(tǒng)的預(yù)測負(fù)荷

在MATLAB環(huán)境下利用Yalmip建模該調(diào)度模型并調(diào)用Cplex求解器進(jìn)行求解. 在英特爾酷睿雙核2.0 GHz，2G內(nèi)存的計算機上計算時間為182.6 s，此時目標(biāo)函數(shù)值最優(yōu)為831 002 000元，計算得到該模型目標(biāo)函數(shù)的計算收斂過程如圖11所示.

圖11 模型目標(biāo)函數(shù)的收斂過程

為了對比分析不同調(diào)度模式的結(jié)果，本文將協(xié)調(diào)調(diào)度模式與合同電量執(zhí)行偏差最小為目標(biāo)函數(shù)，追求各個發(fā)電機組合同執(zhí)行電量均衡性的均衡模式[14,17]和追求系統(tǒng)發(fā)電煤耗最小的節(jié)能發(fā)電模式[10,18]進(jìn)行對比分析.

同時為了分析不同情形下模型算法的魯棒性，改變風(fēng)電場數(shù)據(jù)后得到，協(xié)調(diào)電力市場和節(jié)能發(fā)電調(diào)度模型與均衡調(diào)度模式和節(jié)能發(fā)電調(diào)度模式的結(jié)果比較情況見表3.

表3 不同調(diào)度模式下的結(jié)果比較

從表3可以看出，綜合考慮電力市場發(fā)電電量和節(jié)能調(diào)度要求的協(xié)調(diào)調(diào)度模型在降低機組開停機數(shù)目的情形下，可以較為有效協(xié)調(diào)系統(tǒng)的購電成本和總體煤耗，且在不同的風(fēng)電出力情形下模型算法具有一定的魯棒性.

3 結(jié) 論

1) 依據(jù)風(fēng)電功率相關(guān)性分析結(jié)果模擬生成考慮尾部相關(guān)性和秩相關(guān)性的風(fēng)電功率可能場景.

2)依據(jù)模擬抽樣的方法和聚類思想生成計及尾部相關(guān)特性的風(fēng)電功率模擬場景.

3)建立了協(xié)調(diào)“一機一價”、“標(biāo)桿電價”的電價機制和節(jié)能發(fā)電優(yōu)先序位表的月度機組組合模型.

4)118節(jié)點算例表明建立的機組組合模型以在降低機組啟停次數(shù)的情況下，協(xié)調(diào)含風(fēng)電系統(tǒng)的整體購電成本和總煤耗.

[1] VEMURI S, RANJIT A B, KUMAR D F, et al. Hackett fuel resource scheduling, part I:overview of an energy management problem[J]. IEEE Transaction on Power Apparatus and Systems, 1984, 103(7): 1542-1548.

[2] 周明，夏澍，李琰. 含風(fēng)電的電力系統(tǒng)月度機組組合和檢修計劃聯(lián)合優(yōu)化調(diào)度[J]. 中國電機工程學(xué)報,2015，35(7): 1586-1595. DOI:10.13334/j.0258-8013.

ZHOU Ming, XIA Shu, LI Yan. A joint optimization approach on monthly unit commitment and maintenance scheduling for wind power integrated power systems[J]. Proceedings of the CSEE, 2015，35(7): 1586-1595. DOI：10.13334/j.0258-8013.

[3] 張娜. 面向風(fēng)電高不確定性的多周期機組組合研究[D]. 大連：大連理工大學(xué)，2014.

ZHANG Na. Multi-cycle unit commitment coping with high wind power uncertainty[D]. Dalian: Dalian University of Technology, 2014.[4] ATWA Y M, EL-SAADANY E F, SALAMA M M A,et al. Optimal renewable resources mix for distribution system energy loss minimization[J]. IEEE Transactions on Power Systems,2010, 25(1): 360-370. DOI:10.1109/TPWRS.2009.2030276.

[5] 黎靜華，孫海順，文勁宇，等. 生成風(fēng)電功率時間序列場景的雙向優(yōu)化技術(shù)[J]. 中國電機工程學(xué)報，2014,34(16)：2544-2551. DOI: 10.13334/j.0258-8013.

LI Jinghua, SUN Haishun, WEN Jingyu, et al. A two-dimensional optimal technology for constructing wind power time series scenarios[J]. Proceedings of the CSEE, 2014,34(16)：2544-2551. DOI: 10.13334/j.0258-8013.

[6] SHUKLA A, SINGH S. Clustering based unit commitment with wind power uncertainty[J]. Energy Conversion and Management, 2016,211:89-102.DOI:10.1016/J.enconman.2015.12.40.

[7] SUMAILI J, KEKO H, MIRANDA V. Clustering-based wind power scenario reduction technique[C]//17th Power System Computation Conference. Stockholm: Power System Computation Conference, 2011.

[8] 季峰，蔡興國，王?。诨旌螩opula函數(shù)的風(fēng)電功率相關(guān)性分析[J].電力系統(tǒng)自動化，2014，38(2)：1-6．DOI:10．7500 /AEPS201208067.JI Feng, CAI Xingguo, WANG Jun. Wind power correlation analysis based on hybrid copula[J]. Automation of Electric Power Systems, 2014,38(2):1-6. DOI:10.7500 /AEPS201208067.

[9] 張利.電力市場中的機組組合理論研究[D]. 濟南:山東大學(xué)，2006．ZHANG Li. Studies on unit commitment in electricity market[D]. Jinan:Shandong University, 2006.

[10]夏清，陳雨果，陳亮. 考慮月度機組組合的節(jié)能發(fā)電調(diào)度模式與方法[J]．電網(wǎng)技術(shù)，2011(6)：27-33．DOI:10.13335/j.1000-3673.pst.2011.06.010.

XIA Qing, CHEN Yuguo, CHEN Liang. Establishment of mode and method for energy-conservation monthly unit commitment considering dispatching[J]. Power System Technology, 2011(6)：27-33．DOI:10.13335/j.1000-3673.pst.2011.06.010.

[11]王良緣，劉文彬，方日升，等．基于多目標(biāo)分組的中長期發(fā)購電計劃編制方法及應(yīng)用[J]．電網(wǎng)技術(shù)，2011(6)：167-170．DOI:10.13335/j.1000-3673.pst.2011.06.033.

WANG Liangyuan, LIU Wenbin, FANG Risheng, et al. A multi-objective clustering-based method to draft medium and long-term schedules for power generation and purchase and its application[J].Power System Technology,2011(6)：167-170．DOI:10.13335/j.1000-3673.pst.2011.06.033.

[12]章美丹，謝俊，黃民翔，等．基于差別電量的中長期發(fā)電調(diào)度分步模型[J]．電力系統(tǒng)自動化，2012(16)：42-46．DOI: 10.3969/j.issn. 1000-1026. 2012.16.008.

ZHANG Meidan, XIE Jun, HUANG Minxiang, et al. A two-stage medium and long term power dispatch model based on electricity quantities with differences[J]. Automation of Electic Power Systems, 2012(16)：42-46．DOI: 10.3969/j.issn. 1000-1026. 2012.16.008.[13]陳育英．火電企業(yè)固定資產(chǎn)折舊年限探析[J]．財會通訊，2011,36(25)：67-68．

[14]李莉莉，管益斌，耿建，等．月度安全約束機組組合建模及求解[J]．電力系統(tǒng)自動化，2011，35(12)：27-31．

LI Lili, GUAN Yibin, GENG Jian, et al. Modeling and solving for monthly security constrained unit commitment problem[J]. Automation of Electic Power Systems, 2011，35(12)：27-31．

[15]張慧琦，常永吉，唐大勇，等．節(jié)能發(fā)電調(diào)度模式下火力發(fā)電單元的月度電能計劃編制方法[J]．電力系統(tǒng)保護(hù)與控制，2011,39(4)：84-89．

ZHANG Huiqi, CHANG Yongji, TANG Dayong, et al. A monthly electric energy plan making method of thermal power generation unit in energy-saving generation dispatching mode[J]. Power System Protection and Control, 2011,39(4)：84-89．

[16]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(xué)出版社，2003．

LIU Baoding, ZHAO Ruiqing, WANG Gang. Uncertain programming with applications[M]. Beijing:Tsinghua University Press, 2003.[17]王崗，李莉莉，丁恰. 江蘇電網(wǎng)中長期機組組合問題研究[J]. 江蘇電機工程，2012,31(2)：1-4.

WANG Gang, LI lili, DING Qia. Study on medium and long-term unit commitment for jiangsu power grid[J]. Jiangsu Electircal Engineering, 2012,31(2)：1-4.

[18]黎燦兵，呂素，曹一家，等. 面向節(jié)能發(fā)電調(diào)度的日前機組組合優(yōu)化方法[J]. 中國電機工程學(xué)報，2012,32(16)：70-76. DOI:10.13334/j.0258-8013.pcsee.2012.16.010.

LI Canbing, Lü Su, CAO Yijia, et al. A new method for day-ahead unit commitment based on energy-saving generation dispatching[J]. Proceedings of the CSEE, 2012,32(16)：70-76. DOI:10.13334/j.0258-8013.pcsee.2012.16.010.

(編輯 魏希柱)

Monthly unit commitment model of power system with integrated wind power

JI Feng, CAI Xingguo

(School of Electrical Engineering and Automation, Harbin Institute of Technology, Harbin 150001, China)

In order to coordinate the generator resources in longer time scales, a monthly unit commitment model of power system with integrated wind power is created. The balanced dispatch mode which can ensure medium-long electric quantity executed smoothly and the energy-saving dispatch mode which can save energy, reduce pollution has been analyzed first, then a unit commitment model coordinating electricity market and energy-saving has been build. In the model, the “pay as bell” and “benchmark price” electricity pricing mechanism has been considered. The model is based on the differential electric quantity which transfers from balanced energy, loaded generators by using the energy-saving priority list, simulated wind power scenarios considering tail-dependence and rank correlation from the previous wind power correlation analysis, and chooses the calculation resolution by thermal generator hot start & warm start characteristic. The calculated example indicates that the model can coordinate the electricity purchase cost and coal consumption under reducing the start-off times of thermal generators.

dispatch model; wind power; unit commitment; medium and long dispatch; correlation

10.11918/j.issn.0367-6234.2017.03.006

2016-03-20

季 峰(1984—)，男，博士研究生； 蔡興國(1945—)，男，教授，博士生導(dǎo)師

季 峰，jifeng_sy@163.com

TM73

A

0367-6234(2017)03-0040-07