李海波, 魯宗相, 喬 穎

(1. 清華大學(xué)電機工程與應(yīng)用電子技術(shù)系, 北京市 100084; 2. 電力系統(tǒng)及發(fā)電設(shè)備控制和仿真國家重點實驗室, 清華大學(xué), 北京市 100084; 3. 清華四川能源互聯(lián)網(wǎng)研究院,四川省成都市 610200)

源荷儲一體化的廣義靈活電源雙層統(tǒng)籌規(guī)劃

李海波1,2,3, 魯宗相1,2, 喬 穎1,2

(1. 清華大學(xué)電機工程與應(yīng)用電子技術(shù)系, 北京市 100084; 2. 電力系統(tǒng)及發(fā)電設(shè)備控制和仿真國家重點實驗室, 清華大學(xué), 北京市 100084; 3. 清華四川能源互聯(lián)網(wǎng)研究院,四川省成都市 610200)

高比例可再生能源電力系統(tǒng)中,逐漸減少的傳統(tǒng)機組靈活性資源與增加的靈活性需求之間的矛盾日益嚴(yán)重,開展靈活電源專題規(guī)劃的必要性日益凸顯。基于靈活性供需平衡機理,提出了源荷儲一體化的廣義靈活電源概念,并建立了含資源投資決策和運行模擬校驗的雙層統(tǒng)籌規(guī)劃模型。在證明了規(guī)劃模型的凸性基礎(chǔ)上,基于最大凈收益增量比優(yōu)化目標(biāo),設(shè)計了兩階段迭代求解優(yōu)化算法。最后,通過中國北方某大型風(fēng)電基地實際數(shù)據(jù),對基準(zhǔn)規(guī)劃場景進行了評估,分析了系統(tǒng)靈活性缺額問題,并采用所述模型對源荷儲資源進行優(yōu)化規(guī)劃,討論了儲能和需求側(cè)響應(yīng)在未來規(guī)劃中的應(yīng)用。算例表明,所提出的靈活性協(xié)調(diào)優(yōu)化方法能夠?qū)㈧`活性量化評價指標(biāo)納入到電力系統(tǒng)規(guī)劃中,優(yōu)化得到不同約束閾值下的最優(yōu)方案,能夠快速進行參數(shù)靈敏度分析,從而提高優(yōu)化方案的魯棒性和適用性。

廣義靈活電源; 源荷儲一體化; 雙層統(tǒng)籌規(guī)劃; 高比例可再生能源; 凈收益增量比

0 引言

靈活性資源規(guī)劃對實現(xiàn)未來高比例可再生能源電力系統(tǒng)具有重要意義[1-3]。在傳統(tǒng)電力系統(tǒng)中,靈活性資源主要依靠常規(guī)電源提供。但隨著可再生能源電源比例大幅提高,常規(guī)電源容量進一步降低,僅靠常規(guī)電源提供靈活性不經(jīng)濟且技術(shù)不可行,逐漸減少的靈活性資源與增加的靈活性需求之間的矛盾凸顯[4],因此需要充分挖掘系統(tǒng)源網(wǎng)荷儲各個環(huán)節(jié)的靈活性資源潛力并對其進行統(tǒng)籌規(guī)劃[5]。

靈活性規(guī)劃是傳統(tǒng)電力系統(tǒng)規(guī)劃的擴展和優(yōu)化,是針對系統(tǒng)不確定性特性及應(yīng)對方案的專項規(guī)劃。在低比例可再生能源系統(tǒng)中,系統(tǒng)不確定性較小,采用確定性的備用容量法即可以包絡(luò)系統(tǒng)不確定性[6];隨著可再生能源比例的增加,傳統(tǒng)資源靈活性已經(jīng)無法滿足需求,已有研究在規(guī)劃中考慮風(fēng)電波動性和不確定性對規(guī)劃方案的影響[7-8]。在靈活性規(guī)劃方面,已有研究針對某一特定靈活性資源,如靈活機組[9]、儲能[10]、需求側(cè)響應(yīng)[11-12]等進行規(guī)劃。

縱觀現(xiàn)有研究,仍然將傳統(tǒng)電源規(guī)劃與配電網(wǎng)資源(儲能、需求響應(yīng))規(guī)劃獨立進行。然而,傳統(tǒng)電源規(guī)劃僅僅考慮留出備用裕度來提供靈活性,對于未來高比例可再生能源適應(yīng)性不足,且定性方式容易帶來規(guī)劃方案的保守性和資源浪費。更加科學(xué)的方式是對源網(wǎng)荷儲各環(huán)節(jié)資源建立定量的一體化統(tǒng)籌規(guī)劃模型,從單一靈活性資源規(guī)劃到多種資源潛力的全面綜合利用,從而釋放結(jié)果的保守性,達到成本效益的最佳平衡。

在源網(wǎng)荷儲協(xié)同優(yōu)化方面,已有研究進行了初步探索。文獻[13]考慮熱電系統(tǒng),建立了多類靈活資源參與提高風(fēng)電消納的運行優(yōu)化模型。文獻[14]提出了同時考慮源荷儲環(huán)節(jié)的優(yōu)化調(diào)度模型。文獻[15]提出了考慮需求側(cè)資源的源網(wǎng)荷儲協(xié)調(diào)優(yōu)化調(diào)度模型。文獻[16]提出了配電網(wǎng)層面源網(wǎng)荷協(xié)調(diào)的實時平衡調(diào)度模型。在規(guī)劃領(lǐng)域,文獻[17]提出源網(wǎng)荷協(xié)同規(guī)劃的概念與模型,將能效電廠納入電源規(guī)劃?，F(xiàn)有研究在規(guī)劃階段對于不確定性的處理,仍然采用傳統(tǒng)的定性模式,缺乏靈活性需求和供給的定量化表示,難以準(zhǔn)確回答靈活性資源是否充裕和最優(yōu)規(guī)劃容量的問題。其次,對于新能源出力的時序波動性和不確定性模擬,多以典型場景測算校驗為主[18],模型的通用性較差;部分文獻考慮詳細(xì)的時序生產(chǎn)模擬模型[19-20],但是存在計算速度較慢的問題,難以納入最優(yōu)優(yōu)化模型中考慮;也有文獻不考慮詳細(xì)的生產(chǎn)模擬[21],但是會忽略負(fù)荷及可再生能源的時序波動特性。

文獻[22]提出了電力系統(tǒng)靈活性供需平衡機理及定量評價體系,從機理上闡述清楚了靈活性相關(guān)概念,并基于概率論建立了統(tǒng)一的數(shù)學(xué)框架。本文在此基礎(chǔ)上,提出廣義靈活電源的概念,即電力系統(tǒng)各環(huán)節(jié)能夠提供靈活性的資源總稱,并建立其雙層統(tǒng)籌規(guī)劃模型。通過該模型,在規(guī)劃階段充分挖掘系統(tǒng)各環(huán)節(jié)的調(diào)節(jié)潛力,參與到系統(tǒng)平衡中,從而彌補傳統(tǒng)規(guī)劃對系統(tǒng)靈活性需求考慮的不足。

本文主要圍繞源荷儲環(huán)節(jié)的靈活性優(yōu)化規(guī)劃開展,電網(wǎng)則作為支撐平臺納入約束考慮。首先,給出了電力系統(tǒng)源荷儲一體化優(yōu)化規(guī)劃的思路,提出了廣義靈活電源概念并對其特性進行了分析,簡要介紹了靈活性規(guī)劃的基礎(chǔ)數(shù)學(xué)模型:生產(chǎn)模擬及靈活性評估。其次,提出了廣義靈活電源協(xié)調(diào)優(yōu)化的雙層模型,證明了模型為凸規(guī)劃。然后,基于最大凈收益增量比算法提出了靈活性優(yōu)化規(guī)劃模型的兩階段算法。最后,基于實際系統(tǒng)對本文提出的模型進行了測算和驗證。

1 廣義靈活電源統(tǒng)籌優(yōu)化規(guī)劃的相關(guān)概念

1.1 廣義靈活電源及靈活性供給的概念

本文基于文獻[22]提出的電力系統(tǒng)靈活性定義,定義廣義靈活電源如下:在給定時間尺度下,源、荷、儲環(huán)節(jié)能夠提供一定調(diào)節(jié)容量來適應(yīng)電力系統(tǒng)隨機變化的資源集合。與傳統(tǒng)電源的概念不同,靈活電源提供的是靈活性而非電力,而廣義則指源、荷、儲多環(huán)節(jié)資源均可作為靈活電源。

靈活性供給指靈活電源在給定時間尺度下的調(diào)節(jié)能力,按照量綱的不同可分為爬坡型、功率型和能量型三類指標(biāo)。爬坡型和功率型指標(biāo)分別指該設(shè)備每分鐘爬坡功率和功率調(diào)節(jié)范圍占額定功率比例,而能量型指標(biāo)與時間尺度相關(guān),即功率型指標(biāo)在給定時間尺度內(nèi)的積分,不同環(huán)節(jié)各類靈活電源的調(diào)節(jié)能力參見附錄A表A1。

廣義靈活電源靈活性供給特性如圖1所示。圖中:Pg,Pst,PLi分別為機組出力、儲能出力和負(fù)荷i水平；下標(biāo)max和min分別表示上、下限值；yi(i=1,2,…,m)為場景i下的上調(diào)靈活性需求。圖1(a)(b)右邊的子圖分別為電源和儲能上、下調(diào)功率型靈活性供給隨時間尺度的變化趨勢,電源隨時間尺度增加呈現(xiàn)飽和趨勢,儲能由于能量限制,在長時間尺度無法提供靈活性;左邊的子圖展示了在給定時間尺度下,其上調(diào)靈活性與設(shè)備出力狀態(tài)的函數(shù)關(guān)系。以常規(guī)電源為例,在低出力階段,其上調(diào)靈活性供給受爬坡約束為一常數(shù),隨著出力的進一步增加,上調(diào)靈活性供給降低。

圖1(c)右邊的子圖描述了負(fù)荷帶來的靈活性需求在不同時間尺度的變化規(guī)律,左邊的子圖描述了上調(diào)靈活性需求與負(fù)荷水平的關(guān)系,隨著負(fù)荷水平的增加,上調(diào)靈活性需求減少。由于負(fù)荷變化存在不確定性,因此相應(yīng)的曲線均有多條,每條曲線對應(yīng)某一確切概率。

圖1 源荷儲靈活性資源多時間尺度調(diào)節(jié)特性Fig.1 Multiple time scale regulating characteristics for flexible resource in generation-load-storage

根據(jù)上述原理可知,電源、儲能及負(fù)荷的靈活性供給或需求具有多時間尺度特性和狀態(tài)相依特性,給定時間尺度和系統(tǒng)狀態(tài),則電源、儲能及負(fù)荷環(huán)節(jié)資源的靈活性供給概率分布可參考文獻[22]。

(1)

式中：Ss為靈活性供給源集合;A為靈活性方向,A∈{+,-}。

1.2 靈活性需求及裕量的數(shù)學(xué)模型

(2)

式中:D為靈活性需求源集合。

(3)

式中:Cmax和Cmin分別為條件參數(shù)上、下限;f(·)為概率密度函數(shù)。

1.3 廣義靈活電源規(guī)劃定義及其數(shù)學(xué)模型

靈活性規(guī)劃定位是優(yōu)化規(guī)劃,即對基礎(chǔ)規(guī)劃方案的擴展及優(yōu)化,是針對系統(tǒng)不確定性特性及應(yīng)對方案的專項規(guī)劃。本文基于靈活性平衡概念[22],對廣義靈活電源規(guī)劃定義如下:根據(jù)規(guī)劃期負(fù)荷需求預(yù)測及傳統(tǒng)規(guī)劃方案Ω*,在滿足系統(tǒng)靈活性水平的條件下,尋求經(jīng)濟性最優(yōu)的廣義靈活電源配置方案。

由于靈活性需求和供給源均具有不確定性和狀態(tài)相依性,需要采用隨機變量對其描述。因此,靈活性規(guī)劃的約束方程和目標(biāo)函數(shù)中均含有隨機變量,其數(shù)學(xué)模型如式(4)所示,屬于隨機規(guī)劃模型。

(4)

式中:X為靈活性資源投資決策變量;ξ和η分別為生產(chǎn)模擬中的待優(yōu)化隨機變量;c(·)為成本函數(shù);f(·),gi(·),hj(·)為系統(tǒng)相關(guān)約束與決策變量間關(guān)系函數(shù);M1和N1分別為不等式約束和等式約束的個數(shù);P(·)和E(·)分別為求概率函數(shù)和求期望值函數(shù)。

本文選取靈活性不足概率和期望作為靈活性指標(biāo),其定義為:

(5)

(6)

可以看出,一旦系統(tǒng)邊界條件集合Ω*以及優(yōu)化模型確定,系統(tǒng)的靈活性指標(biāo)為決策向量X的多元函數(shù),即靈活性指標(biāo)函數(shù):

(7)

(8)

源荷儲資源模型在靈活性平衡機理下具有統(tǒng)一性,不同環(huán)節(jié)的靈活性供需也具有相互轉(zhuǎn)換特性,因此,為了得到最優(yōu)規(guī)劃方案,必須將此三者放入統(tǒng)一數(shù)學(xué)框架進行描述,進行一體化統(tǒng)籌規(guī)劃,而電網(wǎng)作為靈活性資源傳輸?shù)奈锢碇纹脚_,需要作為約束納入考慮。本文中,“統(tǒng)籌”的內(nèi)涵指在規(guī)劃模型中,橫向上考慮了多環(huán)節(jié)靈活性資源在不同時間尺度上的協(xié)調(diào),縱向則實現(xiàn)了源荷儲多類型資源的互補,從而能夠從全局對資源配置進行優(yōu)化決策。

2 廣義靈活電源雙層統(tǒng)籌優(yōu)化規(guī)劃模型

2.1 總體建模思路

如何在廣義靈活電源優(yōu)化規(guī)劃模型中考慮靈活性指標(biāo)約束,是本文建模的重點。從數(shù)學(xué)角度分析,靈活性、充裕性指標(biāo)與系統(tǒng)決策變量之間呈現(xiàn)復(fù)雜的非線性關(guān)系,因此,靈活性平衡約束的加入使得規(guī)劃問題成為高維度、非線性隨機優(yōu)化問題,在數(shù)學(xué)上具有較高的求解難度。

本文建立的靈活性規(guī)劃模型采用雙層協(xié)調(diào)規(guī)劃方式,將其分解為靈活電源投資決策問題和運行模擬兩個子問題,如附錄A圖A1和圖A2所示。投資決策模型對靈活發(fā)電廠、儲能、需求側(cè)響應(yīng)等靈活電源進行優(yōu)化。生產(chǎn)模擬優(yōu)化模型對目標(biāo)年內(nèi)系統(tǒng)電力、熱力進行優(yōu)化生產(chǎn),輸出各類資源的電力、熱力生產(chǎn)情況。

在傳統(tǒng)規(guī)劃方案基礎(chǔ)上,上層投資決策問題對源(深度調(diào)峰)、荷(需求響應(yīng))、儲(儲熱、儲能)等資源容量進行優(yōu)化,得到方案。通過生產(chǎn)模擬優(yōu)化模塊得到凈收益,并為靈活性評估模塊輸入系統(tǒng)運行點,計算系統(tǒng)靈活性指標(biāo),并反饋至上層投資決策模塊,進行迭代優(yōu)化。

雙層優(yōu)化規(guī)劃的一般數(shù)學(xué)模型為:

(9)

s.t.h(xt)=0

(10)

g(xt)≤0

(11)

(12)

式中:t=1,2,…,T;F(·)和f1(·)分別為規(guī)劃期內(nèi)的總成本和單位時間的運行成本函數(shù);CI為規(guī)劃期t的總投資成本;CO為規(guī)劃期t的總運行成本;xt和ut分別為規(guī)劃期t的投資決策變量向量和運行變量向量;h(·)和g(·)分別為等式約束和不等式約束函數(shù);T為規(guī)劃周期長度,本文取8 760。

2.2 優(yōu)化規(guī)劃的數(shù)學(xué)模型

根據(jù)上述思路,靈活性規(guī)劃問題可以分解為上層投資決策和下層運行模擬兩個子問題,本節(jié)分別對其數(shù)學(xué)模型進行介紹。為了簡化問題,本文先討論單目標(biāo)年的規(guī)劃模型,多目標(biāo)年的動態(tài)規(guī)劃模型是后續(xù)的研究方向。

本文優(yōu)化模型中,各類資源出力、靈活性供給和需求均采用隨機變量描述,通過兩層優(yōu)化問題的交替迭代處理概率約束。對于下層運行模擬模型,采用文獻[23]提出的機組安排策略,獲取各類資源出力的概率分布,在此基礎(chǔ)上進行概率卷和/卷差運算,計算得到靈活性指標(biāo),反饋到上層優(yōu)化模型中,進行約束條件校驗。

2.2.1上層問題:廣義靈活電源投資決策模型

上層問題的優(yōu)化目標(biāo)為最大化系統(tǒng)總凈收益增量。凈收益增量為與規(guī)劃前相比,系統(tǒng)的凈收益變化與靈活性資源投資成本之差,如式(13)所示。

(?g+?c+?p)Δfgi(p|X,λi,μj)dp-

(13)

式中:ΔBκ(X)和ΔCκ(X)分別為資源κ在規(guī)劃方案X下相對于規(guī)劃前的效益變化和成本變化,從全系統(tǒng)角度看,系統(tǒng)凈收益增加等于火電機組發(fā)電量降低帶來的煤耗和碳排放成本降低、可再生能源出力增加效益,其中,下標(biāo)κ表示靈活性資源類型,可取為g,st,dr,分別表示電源、儲能及需求側(cè)靈活性資源;?g,?c,?p分別為煤價、碳排放價及可再生能源單位收益;w為貼現(xiàn)率;Nμ和Nλ分別為條件參數(shù)μj和λi的數(shù)量;Ng為機組數(shù)量;fgi(·)為煤耗特性函數(shù);Pgi,max為最大機組出力;Δfgi(·)為規(guī)劃后機組出力概率密度與規(guī)劃前的差值;LT為設(shè)備壽命周期;ci為設(shè)備i的單位投資成本。

約束條件為多時間尺度各方向靈活性水平約束和靈活電源投資約束等,其數(shù)學(xué)模型如式(14)所示。其中,第1個約束闡述了各類資源出力向靈活性供給的轉(zhuǎn)化過程,第2個約束為靈活性裕量分布的計算公式,第3和第4個約束分別為靈活性概率和期望約束,第5和第6個約束為靈活性資源投資容量約束。

(14)

2.2.2下層問題:非時序概率運行校驗?zāi)Ｐ?/p>

下層問題基于非時序模擬模型[22],以最大化可再生能源消納為目標(biāo),約束條件為系統(tǒng)網(wǎng)絡(luò)及電、熱平衡約束,各類機組及靈活電源特性約束,獲取系統(tǒng)運行狀態(tài)的概率分布,其數(shù)學(xué)模型如式(15)所示。

(15)

式(15)屬于泛函極值模型,決策變量為各類型常規(guī)機組出力累積分布函數(shù)Fi和概率密度函數(shù)fi,i=1,2,…,N;熱電聯(lián)產(chǎn)機組熱功率累積分布函數(shù)Gi和概率密度函數(shù)gi,i=1,2,…,M,其中M為熱電聯(lián)產(chǎn)機組數(shù)量;可再生能源出力累積分布函數(shù)Fre,i和概率密度函數(shù)fre,i,i=1,2,…,Nre;靈活性資源出力累積分布函數(shù)Fxi和概率密度函數(shù)fxi,i=1,2,…,n。基于上述計算結(jié)果,采用1.1節(jié)和1.2節(jié)介紹的方法即能夠進行靈活性評估。

2.3 模型最優(yōu)解的存在性證明

借助靈活性指標(biāo)函數(shù)的概念,可將上述雙層模型轉(zhuǎn)化為單層優(yōu)化模型,如式(16)所示。

(16)

本節(jié)對上述模型最優(yōu)解的存在性和唯一性進行證明,首先介紹相關(guān)的幾個概念。

1)定義:最優(yōu)搜索軌跡

(17)

2)推論:靈活性指標(biāo)函數(shù)具有邊際遞增性和凸性

(18)

取任意兩點?s1≤s2(s1,s2∈S*),取λ∈[0,1],令s=λs1+(1-λ)s2,根據(jù)靈活性函數(shù)的性質(zhì),可得到如下關(guān)系:

(19)

整理即得到:

(20)

(21)

在上述單層優(yōu)化問題中,如果沿最優(yōu)搜索軌跡增加靈活性資源,根據(jù)實際工程的物理意義,總可尋找到靈活性資源配置滿足罰函數(shù)為0。隨著投資成本的增加,系統(tǒng)的凈收益增量呈現(xiàn)先增后減的趨勢,因此存在資源配置的局部成本最優(yōu)值。下面證明最優(yōu)值的全局最優(yōu)性。

對于任意的s∈S*,有由于目標(biāo)函數(shù)為凸函數(shù)[24],則式(22)成立。

(22)

3 模型求解

根據(jù)上文分析可知,系統(tǒng)靈活性指標(biāo)依賴于決策變量(靈活性資源容量配置),且二者間不存在明確的解析函數(shù)形式。因此模型的求解難點在于如何在上層靈活性資源優(yōu)化決策模型中考慮靈活性指標(biāo)評價。有兩個思路可解決上述問題。

1)通過大量仿真,研究靈活性指標(biāo)與決策變量的近似函數(shù)關(guān)系,并進行擬合,得到多元線性或二次擬合解析式,并將其納入靈活性優(yōu)化規(guī)劃模型中進行求解。

2)迭代求解。依據(jù)單位改善效果成本最低的原則增加靈活性資源,并計算靈活性指標(biāo)判斷是否滿足需求,如果不滿足繼續(xù)按照上述原則進行迭代計算。

本文提出最大凈收益增量比算法來求解靈活性優(yōu)化規(guī)劃模型,其中凈收益微增率定義為增加單位靈活性付出的總成本,如式(23)所示。

(23)

由于靈活性機組同時在電力電量平衡約束和靈活性約束中,屬于耦合變量。本文采用兩階段法進行求解,第一階段不考慮上層投資決策模塊,直接給出初始解,并進行生產(chǎn)模擬優(yōu)化。第二階段以該解為初始點,根據(jù)最大凈收益增量比算法,進行迭代計算,獲取最優(yōu)靈活性資源配置。設(shè)當(dāng)前在第k步迭代,則選取增加的靈活性資源類型按照式(24)確定。

(24)

式中:Di為優(yōu)化模型可行域。

系統(tǒng)靈活性資源決策變量及總成本按照式(25)進行調(diào)整。

(25)

計算系統(tǒng)靈活性指標(biāo),如果不滿足式(14)中的靈活性約束,令k=k+1,繼續(xù)按照上述過程進行迭代計算;否則達到最優(yōu)解,迭代結(jié)束。

根據(jù)靈活性電源最優(yōu)數(shù)量,對傳統(tǒng)電源規(guī)劃結(jié)果進行調(diào)整,按照成本從高到低順序,降低傳統(tǒng)非靈活電源數(shù)量。詳細(xì)兩階段算法流程參見附錄A圖A3。

4 算例分析

4.1 算例系統(tǒng)介紹

本文以中國北部某區(qū)域電網(wǎng)的歷史預(yù)測、實測數(shù)據(jù)和電源結(jié)構(gòu)等數(shù)據(jù)為基礎(chǔ),采用本文提出的靈活性定量評估模型和指標(biāo)進行量化分析,主要研究以下內(nèi)容:①系統(tǒng)規(guī)劃年生產(chǎn)模擬及靈活性評估,分析基準(zhǔn)情況下系統(tǒng)各環(huán)節(jié)的成本效益情況;②不同靈活性資源對系統(tǒng)成本效益的影響,并進行靈敏度分析;③目標(biāo)年的最優(yōu)靈活性投資規(guī)劃方案;④各類參數(shù)對最優(yōu)投資方案的影響。

本文算例系統(tǒng)目標(biāo)年的可再生能源裝機規(guī)劃容量如下:風(fēng)電裝機容量為24 000 MW,光伏裝機容量為6 460 MW,水電裝機容量為540 MW,含水電可再生能源裝機容量占負(fù)荷峰值64%,屬于高比例可再生能源系統(tǒng)。研究時段內(nèi)的最大負(fù)荷為48 400 MW,最小負(fù)荷為34 130 MW。該地區(qū)規(guī)劃期電力供暖面積達2.025×108m2。仿真系統(tǒng)電網(wǎng)規(guī)劃年拓?fù)鋱D見圖2,某典型仿真日系統(tǒng)電熱負(fù)荷及可再生能源曲線和相關(guān)參數(shù)參見附錄B圖B1和表B1至表B3。

圖2 仿真系統(tǒng)電網(wǎng)拓?fù)鋱DFig.2 Power grid topology diagram of simulation system

4.2 基準(zhǔn)場景方案分析

根據(jù)算例系統(tǒng)的規(guī)劃年的邊界條件,進行生產(chǎn)模擬和靈活性評估,得到多時間尺度靈活性評價結(jié)果(0.25～24 h)、失負(fù)荷及可再生能源限電數(shù)據(jù),如表1所示。表中:LOFP表示靈活性不足概率;LOFE表示靈活性不足期望。

表1 目標(biāo)年靈活性評價結(jié)果及限電量分析Table 1 Flexibility assessment results and limited power analysis in planning year

通過表1可知,系統(tǒng)在各時間尺度的上調(diào)靈活性不足概率及期望較低,而相應(yīng)下調(diào)指標(biāo)較高,說明系統(tǒng)主要存在下調(diào)靈活性缺額,從而造成嚴(yán)重的再生能源限電現(xiàn)象。本文以上述成本數(shù)據(jù)作為基準(zhǔn)點,考慮源荷儲各環(huán)節(jié)的靈活性資源,以最大化凈收益的軌跡進行優(yōu)化規(guī)劃。

4.3 規(guī)劃方案下的最優(yōu)靈活性投資方案

本節(jié)分別考慮電源(火電機組深度調(diào)峰)、負(fù)荷(需求側(cè)響應(yīng))、儲能(儲熱或儲電)三類靈活性資源,需求側(cè)響應(yīng)考慮分時電價模型(TOU)。根據(jù)最大凈收益增量比算法,靈活資源總?cè)萘繌?至10 000 MW,選取步長500 MW,逐點計算靈活性資源的最優(yōu)搜索軌跡,在此基礎(chǔ)上,基于成本效益法分析不同靈活性指標(biāo)閾值下的最優(yōu)靈活性規(guī)劃方案。在靈活性資源的最優(yōu)搜索軌跡下,系統(tǒng)收益、投資成本及凈收益與規(guī)劃容量的關(guān)系如圖3所示。

圖3 收益、成本、凈收益及靈活性指標(biāo)與規(guī)劃容量關(guān)系Fig.3 Relationship between benefit, cost, net benefit, flexibility index and planning capacity

圖3同時給出了系統(tǒng)最優(yōu)規(guī)劃軌跡下的凈收益曲線和制約靈活性指標(biāo)變化曲線,兩者結(jié)合可獲取系統(tǒng)在滿足靈活性要求下的最優(yōu)靈活性資源投資決策方案。以靈活性約束為0.05為例,其對應(yīng)的靈活性投資容量約為4 000 MW,即在橫坐標(biāo)不小于該值的范圍內(nèi)尋找凈收益曲線最優(yōu)值,可以看出最優(yōu)投資容量為4 500 MW;如果靈活性約束為0.025,則對應(yīng)的靈活性容量約為6 250 MW,此時凈收益曲線開始遞減,因此最優(yōu)投資容量即為6 250 MW?？紤]靈活性約束閾值分別為0.1,0.05,0.025,0.01,不同場景下各環(huán)節(jié)資源的最優(yōu)投資方案如表2所示。

表2 不同靈活性閾值下的最優(yōu)投資容量Table 2 Optimal planning capacity under different flexibility thresholds

由表2可知,不同閾值對最優(yōu)熱電調(diào)峰容量影響較小,主要原因是該資源的規(guī)劃效益最高;閾值高于0.05時,系統(tǒng)僅通過熱電機組調(diào)峰即可滿足靈活性需求;閾值低于0.025時,需要增加儲能、需求側(cè)響應(yīng)資源,并通過自備電廠調(diào)峰提供靈活性。規(guī)劃前后系統(tǒng)多時間尺度靈活性不足概率如表3所示,可以看出本文的優(yōu)化模型能夠滿足不同時間尺度的靈活性水平要求。

表3 規(guī)劃前后多時間尺度靈活性指標(biāo)對比Table 3 Comparison of multi-time flexibility indices before and after planning

規(guī)劃模型同時可得到電網(wǎng)各節(jié)點靈活性資源最優(yōu)配置,參見附錄B圖B2。可以看出,熱電深度調(diào)峰機組主要集中在節(jié)點12,15,22,其次是節(jié)點2,4,5,而自備調(diào)峰機組主要集中在節(jié)點11,12,14;儲能分布較為分散,主要集中在節(jié)點9至14及節(jié)點21和22,這幾個節(jié)點的負(fù)荷較大,充分體現(xiàn)了儲能與負(fù)荷的互補優(yōu)勢;需求側(cè)響應(yīng)則主要在節(jié)點8和9。

4.4 最優(yōu)規(guī)劃方案的靈敏度分析

最優(yōu)規(guī)劃方案與各類參數(shù)取值相關(guān),在規(guī)劃階段各類參數(shù)具有一定不確定性,因此需要進行靈敏度分析。本節(jié)主要討論以下幾個方面的靈敏度分析:①靈活性不足懲罰因子;②儲能投資成本;③可再生能源接入比例;④需求側(cè)響應(yīng)參與比例。

4.4.1靈活性不足懲罰因子

上述分析均是在不考慮靈活性不足懲罰因子的情況下進行的,本小節(jié)在凈收益函數(shù)中增加靈活性不足懲罰項,分別考慮懲罰項為基準(zhǔn)值的50%,75%,100%和125%這4個場景,系統(tǒng)最優(yōu)凈收益增量軌跡與靈活性投資容量的關(guān)系,如附錄B圖B3所示。

可以看出,隨著懲罰因子的增加,系統(tǒng)靈活性資源最優(yōu)投資容量軌跡向右偏移,即最優(yōu)規(guī)劃容量增加。原因分析如下:如果靈活性不足的懲罰項在總成本中權(quán)重增加,則靈活性不足帶來的懲罰成本較高,因此投資更多靈活性資源會降低這部分成本,從而提高總的凈收益,因此最優(yōu)規(guī)劃容量增加。

4.4.2可再生能源接入比例

本小節(jié)研究可再生能源接入比例對系統(tǒng)靈活性規(guī)劃結(jié)論的影響。設(shè)靈活性約束閾值為0.025,分別計算可再生能源基準(zhǔn)場景、裝機容量的1.25倍、裝機容量的1.5倍、裝機容量的1.75倍、裝機容量的2倍5個場景下的最優(yōu)靈活性資源規(guī)劃方案,計算結(jié)果如附錄B圖B4所示。

可以看出,主要靠熱電調(diào)峰提供靈活性,儲能和需求側(cè)響應(yīng)容量較少。隨著可再生能源比例的增加,熱電和自備調(diào)峰容量基本呈現(xiàn)線性增加,而儲能由于成本較高,在較高可再生能源比例下才具有技術(shù)經(jīng)濟性。需求側(cè)響應(yīng)由于對靈活性的調(diào)節(jié)能力有限,增加比例并不明顯。

4.4.3儲能投資成本

根據(jù)預(yù)測,儲能成本在2020,2025,2030年分別下降30%,60%,70%。分別計算各目標(biāo)年下儲能的最優(yōu)配置容量,考慮未來可再生能源裝機翻倍場景,計算結(jié)果如附錄B表B4所示。

可以看出,隨著儲能LCOE的下降,其最優(yōu)投資容量呈現(xiàn)上升趨勢,且與靈活性指標(biāo)閾值有較強關(guān)系。在低靈活性閾值下,儲能最優(yōu)容量較低,即較少的儲能投資即可滿足系統(tǒng)靈活性要求;在高靈活性閾值下,儲能最優(yōu)容量增加。例如在2030年,如果閾值從0.1降低到0.05,最優(yōu)儲能容量從4 000 MW增加到10 000 MW。

4.4.4需求側(cè)資源

需求側(cè)響應(yīng)能夠以較低成本提供靈活性,但由于需求側(cè)彈性的限制,實際需求側(cè)參與比例較低(不足2%)。在未來電力系統(tǒng)中,如果充分挖掘和釋放需求側(cè)的彈性,則需求側(cè)響應(yīng)參與比例可大大提高。本節(jié)分別討論需求側(cè)響應(yīng)參與比例潛力從0增加至8.26%,實際最優(yōu)需求側(cè)響應(yīng)的最佳參與比例,計算結(jié)果如附錄B圖B5所示,其中S1和S2分別對應(yīng)基準(zhǔn)場景和可再生能源裝機容量翻倍場景。

可以看出,隨著需求側(cè)響應(yīng)參與潛力的增加,實際最優(yōu)響應(yīng)容量先呈現(xiàn)增加趨勢,然后趨于飽和。對于場景S1和S2,最優(yōu)需求響應(yīng)參與容量分別是1 500 MW(對應(yīng)比例3.1%)和2 500 MW(對應(yīng)比例5.2%),說明需求響應(yīng)容量并不是越高越好,存在一個技術(shù)經(jīng)濟最優(yōu)值。

5 結(jié)語

將靈活性定量評價納入電力系統(tǒng)規(guī)劃是實現(xiàn)高比例可再生能源并網(wǎng)的重要基礎(chǔ)。本文對電力系統(tǒng)靈活性規(guī)劃的定義、特征及協(xié)調(diào)優(yōu)化的一般數(shù)學(xué)形式進行了闡述,分析了源荷儲多元靈活性資源一體化協(xié)調(diào)優(yōu)化思路,提出了含靈活性資源投資決策層和運行模擬層的雙層統(tǒng)籌規(guī)劃框架,揭示了電力系統(tǒng)靈活性規(guī)劃的協(xié)調(diào)機理。

本文基于非時序生產(chǎn)模擬和靈活性評估模型,建立了考慮電網(wǎng)約束的詳細(xì)靈活性規(guī)劃數(shù)學(xué)模型,證明了模型的凸性,并提出了基于最大凈收益微增率的兩階段求解算法,實現(xiàn)了系統(tǒng)在靈活性約束下的最優(yōu)資源投資決策。

仿真分析表明,本文提出的靈活性協(xié)調(diào)優(yōu)化方法能夠?qū)㈧`活性量化評價指標(biāo)納入到電力系統(tǒng)規(guī)劃中,能夠優(yōu)化得到不同約束閾值下的最優(yōu)方案。本文模型能夠快速進行參數(shù)靈敏度分析,從而提高優(yōu)化方案的魯棒性和適用性。

由于模型復(fù)雜度的限制,本文僅考慮了電力系統(tǒng)源荷儲環(huán)節(jié)的靈活性資源類型,電網(wǎng)靈活性資源暫未考慮。源荷儲資源協(xié)調(diào)優(yōu)化是靈活性規(guī)劃的第一步,本文未來研究方向之一是在此基礎(chǔ)上,研究如何通過優(yōu)化電網(wǎng)結(jié)構(gòu)降低靈活性資源投資量,研究方向之二是研究靈活性資源的市場激勵模型。

附錄見本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] International Energy Agency. The power of transformation: wind, sun and the economics of flexible power systems[R]. 2013.

[2] North American Electric Reliability Corporation. Special report: accommodating high levels of variable Generation[R]. 2009.

[3] 國家發(fā)展和改革委員會能源研究所.中國2050高比例可再生能源發(fā)展情景暨路徑研究[R].2015.

[4] PAPAEFTHYMIOU G, GRAVE K, DRAGOON K. Flexibility options in electricity systems[R]. 2014.

[5] 魯宗相,李海波,喬穎.含高比例可再生能源電力系統(tǒng)靈活性規(guī)劃及挑戰(zhàn)[J].電力系統(tǒng)自動化,2016,40(13):147-158.DOI:10.7500/AEPS20151215008.

LU Zongxiang, LI Haibo, QIAO Ying. Power system flexibility planning and challenges considering high proportion of renewable energy[J]. Automation of Electric Power Systems, 2016, 40(13): 147-158. DOI: 10.7500/AEPS20151215008.

[6] 王錫凡.電力系統(tǒng)優(yōu)化規(guī)劃[M].北京:水利電力出版社,1990.

[7] 張節(jié)潭,苗淼,范宏,等.含風(fēng)電場的雙層電源規(guī)劃[J].電網(wǎng)技術(shù),2011,35(11):43-49.

ZHANG Jietan, MIAO Miao, FAN Hong, et al. Bi-level generation expansion planning with large-scale wind farms[J]. Power System Technology, 2011, 35(11): 43-49.

[8] 穆永錚,魯宗相,周勤勇,等.基于可靠性均衡優(yōu)化的含風(fēng)電電網(wǎng)協(xié)調(diào)規(guī)劃[J].電網(wǎng)技術(shù),2015,39(1):16-22.

MU Yongzheng, LU Zongxiang, ZHOU Qinyong, et al. Optimized reliability balancing based transmission coordinating expansion planning for power grid with wind farms[J]. Power System Technology, 2015, 39(1): 16-22.

[9] MA J, SILVA V, BELHOMME R, et al. Evaluating and planning flexibility in sustainable power systems[J]. IEEE Trans on Sustainable Energy, 2013, 4(1): 200-209.

[10] 陸秋瑜,胡偉,閔勇,等.考慮時間相關(guān)性的風(fēng)儲系統(tǒng)多模式協(xié)調(diào)優(yōu)化策略[J].電力系統(tǒng)自動化,2015,39(2):6-12.DOI:10.7500/AEPS20140922004.

LU Qiuyu, HU Wei, MIN Yong, et al. A multi-pattern coordinated optimization strategy of wind power and energy storage system considering temporal dependence[J]. Automation of Electric Power Systems, 2015, 39(2): 6-12.DOI: 10.7500/AEPS20140922004.

[11] ZENG Bo, ZHANG Jianhua, YANG Xu, et al. Integrated planning for transition to low-carbon distribution system with renewable energy generation and demand response[J]. IEEE Trans on Power Systems, 2014, 29(3): 1153-1165.

[12] 曾鳴,楊雍琦,向紅偉,等.計及需求側(cè)響應(yīng)的電力系統(tǒng)魯棒優(yōu)化規(guī)劃模型[J].電力系統(tǒng)自動化,2016,40(17):137-145.DOI:10.7500/AEPS20150615001.

ZENG Ming, YANG Yongqi, XIANG Hongwei, et al. Robust optimization planning model of power system considering demand response[J]. Automation of Electric Power Systems, 2016, 40(17): 137-145. DOI: 10.7500/AEPS20150615001.

[13] 凡鵬飛,張粒子,謝國輝.充裕性資源協(xié)同參與系統(tǒng)調(diào)節(jié)的風(fēng)電消納能力分析模型[J].電網(wǎng)技術(shù),2012,36(5):51-57.

FAN Pengfei, ZHANG Lizi, XIE Guohui. Analysis model for accommodation capability of wind power with adequacy resources involved in system regulation[J]. Power System Technology, 2012, 36(5): 51-57.

[14] 宋藝航,譚忠富,李歡歡,等.促進風(fēng)電消納的發(fā)電側(cè)、儲能及需求側(cè)聯(lián)合優(yōu)化模型[J].電網(wǎng)技術(shù),2014,38(3):610-615.

SONG Yihang, TAN Zhongfu, LI Huanhuan, et al. An optimization model combining generation side and energy storage system with demand side to promote accommodation of wind power[J]. Power System Technology, 2014, 38(3): 610-615.

[15] 曾鳴,楊雍琦,向紅偉,等.兼容需求側(cè)資源的“源-網(wǎng)-荷-儲”協(xié)調(diào)優(yōu)化調(diào)度模型[J].電力自動化設(shè)備,2016,36(2):102-111.

ZENG Ming, YANG Yongqi, XIANG Hongwei, et al. Optimal dispatch model based on coordination between “generation-grid-load-energy storage” and demand-side resource[J]. Electric Power Automation Equipment, 2016, 36(2): 102-111.

[16] 朱建全,段翩,劉明波.計及風(fēng)險與源-網(wǎng)-荷雙層協(xié)調(diào)的電力實時平衡調(diào)度[J].中國電機工程學(xué)報,2015,35(13):3239-3247.

ZHU Jianquan, DUAN Pian, LIU Mingbo. Electric real-time balance dispatch via bi-level coordination of source-grid-load of power system with risk[J]. Proceedings of the CSEE, 2015, 35(13): 3239-3247.

[17] 張寧,胡兆光,周渝慧,等.計及隨機模糊雙重不確定性的源網(wǎng)荷協(xié)同規(guī)劃模型[J].電力系統(tǒng)自動化,2016,40(1):39-44.DOI:10.7500/AEPS20150607002.

ZHANG Ning, HU Zhaoguang, ZHOU Yuhui, et al. Source-grid-load coordinated planning model considering randomness and fuzziness[J]. Automation of Electric Power Systems, 2016, 40(1): 39-44. DOI: 10.7500/AEPS20150607002.

[18] 段建民,王志新,王承民,等.考慮碳減排效益的可再生電源規(guī)劃[J].電網(wǎng)技術(shù),2015,39(1):11-15.

DUAN Jianmin, WANG Zhixin, WANG Chengmin, et al. Renewable power planning considering carbon emission reduction benefits[J]. Power System Technology, 2015, 39(1): 11-15.

[19] PALMINTIER B S, WEBSTER M D. Impact of operational flexibility on electricity generation planning with renewable and carbon targets[J]. IEEE Trans on Sustainable Energy, 2016, 7(2): 672-684.

[20] BELDERBOS A, DELARUE E. Accounting for flexibility in power system planning with renewables[J]. International Journal of Electrical Power & Energy Systems, 2015, 71: 33-41.

[21] MEJIA-GIRALDO D, MCCALLEY J D. Maximizing future flexibility in electric generation portfolios[J]. IEEE Trans on Power Systems, 2014, 29(1): 279-288.

[22] 魯宗相,李海波,喬穎.高比例可再生能源并網(wǎng)的電力系統(tǒng)靈活性評價與平衡機理[J].中國電機工程學(xué)報,2017,37(1):9-19.

LU Zongxiang, LI Haibo, QIAO Ying. Flexibility evaluation and supply/demand balance principle of power system with high-penetration renewable electricity[J]. Proceedings of the CSEE, 2017, 37(1): 9-19.

[23] 王曉海,喬穎,魯宗相,等.供暖季風(fēng)電電量消納能力的評估新方法[J].中國電機工程學(xué)報,2015,35(9):2112-2119.

WANG Xiaohai, QIAO Ying, LU Zongxiang, et al. A novel method to assess wind energy usage in the heat-supplied season[J]. Proceedings of the CSEE, 2015, 35(9): 2112-2119.

[24] 陳寶林.最優(yōu)化理論與算法[M].北京:清華大學(xué)出版社,2005.

李海波(1990—),男,通信作者，博士研究生,主要研究方向:可再生能源并網(wǎng)的風(fēng)險/可靠性及靈活性評估、分布式電源規(guī)劃與運行、分布式儲能優(yōu)化運行、電動汽車。E-mail： li-hb12@mails.tsinghua.edu.cn魯宗相(1974—),男,博士,副教授,主要研究方向:風(fēng)電/太陽能發(fā)電并網(wǎng)分析與控制、能源與電力宏觀規(guī)劃、電力系統(tǒng)可靠性、分布式電源及微電網(wǎng)。E-mail: luzongxiang98@tsinghua.edu.cn

喬 穎(1981—),女,博士,副教授,主要研究方向:新能源、分布式發(fā)電、電力系統(tǒng)安全與控制。E-mail: qiaoying@tsinghua.edu.cn

(編輯萬志超)

Bi-levelOptimalPlanningofGeneration-Load-StorageIntegratedGeneralizedFlexibilityResource

LIHaibo1,2,3,LUZongxiang1,2,QIAOYing1,2

(1. Department of Electrical Engineering, Tsinghua University, Beijing 100084, China; 2. State Key Laboratory of Control and Simulation of Power System and Generation Equipments, Tsinghua University, Beijing 100084, China; 3. Tsinghua Sichuan Energy Internet Research Institute, Chengdu 610200, China)

In power systems with high penetration renewable energy, the contradiction between the reduced conventional flexible generation resource and the increased flexibility demand is becoming increasingly serious. According to the flexibility balance principle, the concept of generalized flexibility is proposed and the bi-level optimal planning model including investment decision and production simulation verification is developed. Then the convexity of the planning model is proved and a two stage algorithm proposed based on the maximum net benefit/increment ratio. Finally, through the actual data of a large wind power base in north China, the benchmark scenario is evaluated, and the problem of system flexibility deficiency is analyzed. Meanwhile, the optimal planning for generation-load-storage source is implemented by the proposed model, and the sensitivity analysis for storage and demand response is discussed. The case study indicates that the proposed method can integrate the flexibility assessment in power system planning, which can also quickly conduct the sensitivity analysis to improve the robustness and applicability.

This work is supported by National Key Research and Development Program of China (No. 2016YFB0900100), National Natural Science Foundation of China (No. 51677099) and State Grid Corporation of China (No. SGGSKY00FJJS1600209).

generalized flexibility resource; generation-load-storage integration; bi-level optimal planning; high penetration of renewable energy; net benefit/increment ratio

2017-02-05;

2017-08-22。

上網(wǎng)日期: 2017-09-22。

國家重點研發(fā)計劃資助項目(2016YFB0900100);國家自然科學(xué)基金資助項目(51677099);國家電網(wǎng)公司科技項目(SGGSKY00FJJS1600209)。