吳耀武, 汪昌霜, 婁素華, 劉寶林, 王曦冉

(1. 強電磁工程與新技術(shù)國家重點實驗室(華中科技大學(xué)), 湖北省武漢市 430074;2. 華中科技大學(xué)電氣與電子工程學(xué)院, 湖北省武漢市 430074; 3. 云南電網(wǎng)有限責(zé)任公司, 云南省昆明市 650011)

計及風(fēng)電—負(fù)荷耦合關(guān)系的含大規(guī)模風(fēng)電系統(tǒng)調(diào)峰運行優(yōu)化

吳耀武1,2, 汪昌霜1,2, 婁素華1,2, 劉寶林3, 王曦冉1,2

(1. 強電磁工程與新技術(shù)國家重點實驗室(華中科技大學(xué)), 湖北省武漢市 430074;2. 華中科技大學(xué)電氣與電子工程學(xué)院, 湖北省武漢市 430074; 3. 云南電網(wǎng)有限責(zé)任公司, 云南省昆明市 650011)

隨機性風(fēng)電出力的準(zhǔn)確建模是含大規(guī)模風(fēng)電系統(tǒng)調(diào)峰運行優(yōu)化的關(guān)鍵環(huán)節(jié)之一。針對中國系統(tǒng)運行的實際特點,提出計及風(fēng)電出力與日負(fù)荷時序耦合關(guān)系的交互特性評價指標(biāo),并據(jù)此建立基于調(diào)峰問題驅(qū)動的風(fēng)電出力模型。該模型以關(guān)鍵場景、聚類場景及其概率分布表征風(fēng)電接入對系統(tǒng)運行和調(diào)峰需求的綜合影響?；谠擄L(fēng)電出力模型,建立了含大規(guī)模風(fēng)電系統(tǒng)的調(diào)峰運行優(yōu)化模型。通過多場景下的運行優(yōu)化,獲得各項運行指標(biāo)的期望值,實現(xiàn)對系統(tǒng)調(diào)峰運行特性的綜合分析。對中國西部某省進(jìn)行了算例分析,驗證了所提方法的有效性和實用性。

耦合關(guān)系; 關(guān)鍵場景; 聚類場景; 調(diào)峰; 運行優(yōu)化

0 引言

中國作為一個貧油、少氣、相對富煤的國家[1],燃煤發(fā)電在未來相當(dāng)長的一段時期仍將是多種能源發(fā)電系統(tǒng)的主體電源之一。煤電機組由于動力設(shè)備繁多,控制操作復(fù)雜,其發(fā)電出力調(diào)節(jié)范圍比較有限,調(diào)節(jié)速度相對較慢,且頻繁啟停影響運行經(jīng)濟(jì)性,因此系統(tǒng)的調(diào)峰能力受到極大限制。隨著風(fēng)電并網(wǎng)規(guī)模不斷增大,其固有的出力不確定性、反調(diào)峰特性給中國電力系統(tǒng)調(diào)峰帶來了更大挑戰(zhàn)[2-4]。國家能源局統(tǒng)計數(shù)據(jù)顯示,截至2016年底,中國風(fēng)電累計并網(wǎng)容量為149 GW,全年累計棄風(fēng)電量約為4.97×104GW·h,全國平均棄風(fēng)率達(dá)17%[5]?？梢?受限于現(xiàn)有電力系統(tǒng)的調(diào)峰能力[6],中國多數(shù)以火電為主體電源的省級系統(tǒng)對大容量風(fēng)電的有效接納仍是個難題。因此,研究含大規(guī)模風(fēng)電系統(tǒng)的調(diào)峰運行特性,客觀評價風(fēng)電并網(wǎng)系統(tǒng)的風(fēng)電消納能力,對于促進(jìn)可再生能源發(fā)電產(chǎn)業(yè)持續(xù)健康發(fā)展具有重要意義。

隨機性風(fēng)電出力的準(zhǔn)確建模是電力系統(tǒng)調(diào)峰運行特性研究的關(guān)鍵環(huán)節(jié)。文獻(xiàn)[7-8]基于日前風(fēng)功率預(yù)測,以預(yù)測誤差反映風(fēng)電出力的不確定性,研究風(fēng)電對日前機組組合的影響,分析系統(tǒng)次日的調(diào)峰能力。文獻(xiàn)[9-10]通過風(fēng)速或風(fēng)功率數(shù)據(jù)假設(shè)其服從的概率分布或隨機過程,模擬風(fēng)電中長期時序出力,并據(jù)此提出風(fēng)電并網(wǎng)系統(tǒng)的調(diào)峰裕度評估方法,但現(xiàn)有模擬方法難以準(zhǔn)確表征風(fēng)電出力的時序相關(guān)性。文獻(xiàn)[11]考慮對調(diào)峰影響較大的風(fēng)電出力極端場景,提出了一種負(fù)荷低谷時段調(diào)峰能力計算方法,計算結(jié)果較為保守。文獻(xiàn)[12]基于風(fēng)電加入后的凈負(fù)荷曲線的調(diào)峰需求特征,應(yīng)用場景削減技術(shù)獲得三類風(fēng)電出力典型場景對風(fēng)電隨機性建模,但由于場景數(shù)量較少,還不能全面反映風(fēng)電對系統(tǒng)調(diào)峰運行優(yōu)化的綜合影響。電力系統(tǒng)調(diào)峰問題本身就是負(fù)荷與電源之間的動態(tài)平衡導(dǎo)致的[13],因而風(fēng)電和日負(fù)荷間的時序耦合關(guān)系是影響系統(tǒng)調(diào)峰平衡能力的主要因素,目前的研究文獻(xiàn)在風(fēng)電出力建模中均未能深入地考慮這種耦合關(guān)系。

針對現(xiàn)有研究的不足,考慮煤電比例較高系統(tǒng)的發(fā)電出力及調(diào)節(jié)特性,在充分計及風(fēng)電與日負(fù)荷間的時序耦合關(guān)系基礎(chǔ)上,本文提出了一種基于調(diào)峰問題驅(qū)動的風(fēng)電出力模型。以此為基礎(chǔ),提出以系統(tǒng)總計算費用最小為目標(biāo)的含大規(guī)模風(fēng)電系統(tǒng)調(diào)峰運行優(yōu)化模型,模型中不僅考慮了風(fēng)電帶來的能源節(jié)約效益和環(huán)境效益,也考慮了其出力變化特征對系統(tǒng)供電可靠性的影響。對中國西部某省進(jìn)行了算例分析,驗證了本文所提方法的有效性和實用性。

1 基于調(diào)峰問題驅(qū)動的風(fēng)電出力模型

為適應(yīng)含大規(guī)模風(fēng)電系統(tǒng)調(diào)峰運行優(yōu)化的需要,本文以計及風(fēng)電—負(fù)荷耦合關(guān)系的交互特性評價指標(biāo)為基礎(chǔ),建立基于調(diào)峰問題驅(qū)動的風(fēng)電出力模型。

1.1 計及風(fēng)電—負(fù)荷耦合關(guān)系的交互特性評價指標(biāo)

在運行優(yōu)化中,為系統(tǒng)、定量地表征風(fēng)電和負(fù)荷間的時序耦合關(guān)系,須根據(jù)負(fù)荷的變化特征將日負(fù)荷曲線劃分為高峰時段TH、低谷時段TL、腰荷時段TM,即

TH={t|L(t)≥ρpLmax}

(1)

TL={t|L(t)≤ρbLmin}

(2)

TM={t|ρbLmin

(3)

式中:L(t)表示日負(fù)荷曲線t時刻負(fù)荷;Lmax為日最大負(fù)荷;Lmin為日最小負(fù)荷;ρp<1,ρb>1。

根據(jù)風(fēng)電在日負(fù)荷不同時段的出力特性,考慮大規(guī)模風(fēng)電接入對系統(tǒng)調(diào)峰運行優(yōu)化的影響,本文從三個方面建立計及風(fēng)電—負(fù)荷耦合關(guān)系的交互特性評價指標(biāo)。

(4)

(5)

(6)

式中:max(·)為最大值函數(shù);min(·)為最小值函數(shù);PW(dt)為研究周期內(nèi)第d日風(fēng)電出力曲線PW(d)在t時刻的出力;N為研究周期內(nèi)風(fēng)電出力曲線數(shù)量;Nsize(TH)為高峰時段TH包含的時刻數(shù)。

(7)

(8)

(9)

(10)

(11)

這三類指標(biāo)反映了風(fēng)電出力與負(fù)荷變化的耦合關(guān)系,據(jù)此可衍生出:風(fēng)電出力最大調(diào)峰需求CWmax(d)、最小調(diào)峰需求CWmin(d),二者共同表征了風(fēng)電出力的調(diào)峰特性,CWmax(d)值越大且CWmin(d)不小于0,表明風(fēng)電的反調(diào)峰特性越強。

(12)

(13)

結(jié)合風(fēng)電自身的出力特征和上述交互特性評價指標(biāo),可建立基于調(diào)峰問題驅(qū)動的風(fēng)電出力模型。該模型以關(guān)鍵場景、聚類場景及其概率分布表征隨機性風(fēng)電接入對系統(tǒng)運行和調(diào)峰需求的綜合影響。

1.2 基于調(diào)峰問題驅(qū)動的風(fēng)電出力關(guān)鍵場景

風(fēng)電出力關(guān)鍵場景是指出現(xiàn)概率較小,但對系統(tǒng)調(diào)峰運行優(yōu)化有重大影響的場景,此類場景需予以單獨考慮。考慮風(fēng)電出力對常規(guī)電源機組組合和系統(tǒng)調(diào)峰容量需求的顯著影響,本文將優(yōu)選出兩個關(guān)鍵場景:①電力平衡場景;②調(diào)峰平衡場景。

1.2.1風(fēng)電出力電力平衡場景

由于風(fēng)電出力的不確定性,為保證系統(tǒng)發(fā)電充裕度,制定合理的開停機計劃,須按照負(fù)荷高峰時段風(fēng)電出力較小的情況確定電力平衡場景,方法如下。

α∈[0,1)

(14)

(15)

PWΩ1′={PW(D1′)|p(PWave≤PWave(D1′))>

β&PW(D1′)∈PWΩ1}β∈[0,1)

(16)

3)確定研究周期內(nèi)置信水平α下的風(fēng)電出力電力平衡場景PW1,計算其概率pW1。

(17)

(18)

1.2.2風(fēng)電出力調(diào)峰平衡場景

為反映風(fēng)電出力對系統(tǒng)調(diào)峰平衡的顯著影響,須按照風(fēng)電反調(diào)峰特性較強,即風(fēng)電出力調(diào)峰需求較大的情況確定調(diào)峰平衡場景,方法如下。

1)給定置信水平γ,篩選出風(fēng)電曲線PW(D2),使以超過γ的概率確信研究周期內(nèi)風(fēng)電出力最大調(diào)峰需求不大于CWmax(D2),PW(D2)構(gòu)成的集合記為PWΩ2,其中,最小調(diào)峰需求特性指標(biāo)最大的風(fēng)電曲線記為Pμ2。

PWΩ2={PW(D2)|p(CWmax≤CWmax(D2))>γ}

γ∈[0,1)

(19)

2)為充分保證調(diào)峰平衡場景的反調(diào)峰特性,從PWΩ2中篩選出最小調(diào)峰需求特性指標(biāo)不小于0的風(fēng)電曲線集合PWΩ2′。PWΩ2′中最大調(diào)峰需求CWmax最小的風(fēng)電曲線記為Pν2,該曲線為CWmax指標(biāo)最接近置信水平γ的場景。

PWΩ2′={PW(D2′)|CWmin(D2′)≥

0&PW(D2′)∈PWΩ2}

(20)

3)確定研究周期內(nèi)置信水平γ下的風(fēng)電出力調(diào)峰平衡場景PW2,計算其概率pW2。

(21)

(22)

在電力系統(tǒng)調(diào)峰運行優(yōu)化中,采用關(guān)鍵場景中的電力平衡場景確定常規(guī)電源開機組合,能夠充分保證供電可靠性;采用調(diào)峰平衡場景進(jìn)行系統(tǒng)的運行模擬可客觀反映系統(tǒng)的調(diào)峰容量需求。

1.3 基于調(diào)峰問題驅(qū)動及改進(jìn)K-means聚類算法的風(fēng)電出力聚類場景

K-means聚類算法的基本思想是:對于給定的包含n個m維數(shù)據(jù)點的數(shù)據(jù)集X={x1,x2,…,xd,…,xn},其中xd為m維數(shù)組,將其劃分為K個數(shù)據(jù)類Ck,每個數(shù)據(jù)類Ck對應(yīng)一個聚類中心Uk,計算類中各數(shù)據(jù)樣本到Uk的距離,通過反復(fù)迭代使得所有數(shù)據(jù)類的總距離平方和最小[14-15]。

本文針對調(diào)峰問題對K-means聚類算法適當(dāng)改進(jìn),生成風(fēng)電出力聚類場景,以較高的精度和較低的計算耗費表征原始風(fēng)電曲線對系統(tǒng)調(diào)峰運行的影響。

1.3.1距離準(zhǔn)則函數(shù)建立方法

常規(guī)聚類一般僅根據(jù)風(fēng)電電源自身出力特征建立距離準(zhǔn)則函數(shù),應(yīng)用于調(diào)峰運行優(yōu)化不夠準(zhǔn)確。本文根據(jù)調(diào)峰運行優(yōu)化的特點,采用計及風(fēng)電—負(fù)荷時序耦合關(guān)系的交互特性評價指標(biāo),建立距離準(zhǔn)則函數(shù),這樣可以確保將各負(fù)荷時段出力水平最相似的風(fēng)電曲線聚為一類,從而保證聚類場景應(yīng)用于調(diào)峰運行優(yōu)化的適應(yīng)性,具體方法流程如下。

(23)

式中:d=1,2,…,N-2;k=1,2,…,K;λθ為權(quán)重,根據(jù)不同負(fù)荷時段風(fēng)電出力對運行優(yōu)化的重要性賦予不同的權(quán)重,使聚類結(jié)果具有一定傾向性,更好地適應(yīng)調(diào)峰問題研究,一般取λTH=λTL>λTM。

3)將風(fēng)電曲線PW(d)分配給使得S(xd,Uk)值最小的類Ck,更新Uk,計算距離準(zhǔn)則函數(shù)J:

(24)

(25)

不斷迭代至J收斂,即可確定適應(yīng)調(diào)峰運行優(yōu)化的風(fēng)電出力聚類結(jié)果。

1.3.2確定風(fēng)電出力聚類場景

(26)

c(b,b′)=

(27)

式中:Ck′為削減后的目標(biāo)場景集合;LKD(Ck,Ck′)為Ck和Ck′的LKD;b和b′分別表示Ck和Ck′中的風(fēng)電場景;pb為風(fēng)電場景b在Ck中的概率;λσ為權(quán)重,一般取λσ≥0.6。

(28)

各聚類場景的概率為:

(29)

以關(guān)鍵場景和聚類場景構(gòu)成的風(fēng)電出力典型場景集S對風(fēng)電出力隨機性建模,可以表征風(fēng)電接入對系統(tǒng)運行和調(diào)峰需求的綜合影響。

2 含大規(guī)模風(fēng)電系統(tǒng)調(diào)峰運行優(yōu)化模型

2.1 目標(biāo)函數(shù)

為確保電力系統(tǒng)安全和可靠供電,本文首先采用風(fēng)電出力電力平衡場景確定常規(guī)電源開機組合,然后針對同一開機方式,優(yōu)化各風(fēng)電場景下各類型機組的工作位置和發(fā)電出力,使電力系統(tǒng)總計算費用最小。含大規(guī)模風(fēng)電系統(tǒng)調(diào)峰運行優(yōu)化的目標(biāo)函數(shù)如下:

minF=

(30)

(31)

(32)

(33)

(34)

2.2 約束條件

含大規(guī)模風(fēng)電系統(tǒng)調(diào)峰運行優(yōu)化模型的約束條件包括:系統(tǒng)電力平衡約束、系統(tǒng)旋轉(zhuǎn)/事故備用約束、機組運行狀態(tài)邏輯約束、機組出力約束、火電最小開停機時間約束、火電保安開機約束、水電電量平衡約束等,其表達(dá)式限于篇幅不再贅述。

2.3 調(diào)峰棄電協(xié)調(diào)策略

在庫容式水電站及常規(guī)火電的調(diào)峰能力已全部利用后,若系統(tǒng)出現(xiàn)調(diào)峰不足,考慮到大規(guī)模風(fēng)力發(fā)電的可控性較差,而水電站來水在短期內(nèi)比較穩(wěn)定,為保證系統(tǒng)的調(diào)峰平衡及供電質(zhì)量,優(yōu)先限制風(fēng)電出力,其次限制水電站出力。

3 算例分析

為驗證本文所提模型,以中國西部某省2020年電源規(guī)劃為基礎(chǔ),不考慮光伏和生物質(zhì)發(fā)電(比例很小),進(jìn)行系統(tǒng)調(diào)峰能力評估。該系統(tǒng)2020年火電裝機容量為23 100 MW,水電裝機容量為12 780 MW,風(fēng)電裝機容量為11 000 MW,其中,水電站共18個,含徑流式水電裝機容量為8 270 MW,庫容式水電裝機容量為4 510 MW;火電機組技術(shù)特性見表1;風(fēng)電特性采用該省某地區(qū)2014年未棄風(fēng)的標(biāo)幺出力歷史數(shù)據(jù),可利用小時數(shù)約為1 875 h;系統(tǒng)年最大負(fù)荷為28 150 MW。

表1 火電機組技術(shù)特性Table 1 Technical characteristics of thermal power unit

其他參數(shù)取值:標(biāo)煤單價取600元/t,排污費標(biāo)準(zhǔn)取0.6元/污染當(dāng)量,失負(fù)荷懲罰系數(shù)yB取8元/(kW·h),棄風(fēng)懲罰系數(shù)yW取0.5元/(kW·h),碳排放懲罰系數(shù)yCO2取120元/t,系統(tǒng)允許棄風(fēng)率ξ取10%,碳排放配額MΔ取6×107t。

3.1 風(fēng)電出力典型場景集有效性分析

由于該地區(qū)風(fēng)電具有較顯著的季節(jié)特性,本文對風(fēng)電場景的研究周期取為季度,即分季節(jié)生成風(fēng)電出力典型場景集。以春季為例,原始場景含92條風(fēng)電出力曲線,采用本文方法可以獲得2個風(fēng)電出力關(guān)鍵場景和9個風(fēng)電出力聚類場景,分別如圖1和圖2所示。圖1中2個關(guān)鍵場景的概率均為0.011，圖2中各聚類場景的概率標(biāo)于圖例中。

圖1 風(fēng)電出力關(guān)鍵場景Fig.1 Key scenarios of wind power output

圖2 風(fēng)電出力聚類場景Fig.2 Clustering scenarios of wind power output

考慮到原始風(fēng)電曲線數(shù)量龐大,參與含多類型常規(guī)電源的實際大系統(tǒng)運行優(yōu)化非常復(fù)雜,故本節(jié)暫將水電替換為等容量火電機組,驗證通過本文方法提取的風(fēng)電出力典型場景集應(yīng)用于調(diào)峰計算的有效性,典型場景集和原始場景的計算結(jié)果對比見表2,關(guān)鍵場景對運行優(yōu)化的影響分析見表3和表4。

表2 風(fēng)電典型場景集與原始場景計算結(jié)果對比Table 2 Results comparison of wind power typical scenarios set and original scenarios

表3 電力平衡場景對調(diào)峰運行優(yōu)化的影響Table 3 Utility of power balance scenario on operation optimization for peak load regulation

表4 調(diào)峰平衡場景對調(diào)峰運行優(yōu)化的影響Table 4 Utility of peak shaving balance scenario on operation optimization for peak load regulation

從圖1可以看出,兩個關(guān)鍵場景與負(fù)荷的高峰、低谷出力特性變化密切相關(guān),且均為明顯的反調(diào)峰特性。從表3可以看出,運行優(yōu)化中采用電力平衡場景確定開機組合,保證了系統(tǒng)的供電可靠性,同時,當(dāng)風(fēng)電滲透率提高到40%時,由于失負(fù)荷懲罰費用大幅下降,系統(tǒng)總計算費用比按風(fēng)電平均場景開機更低;由表4可以看出,采用含調(diào)峰平衡場景的調(diào)峰運行模擬,可客觀反映風(fēng)電接入后系統(tǒng)的最大調(diào)峰容量需求。由此可見,基于關(guān)鍵場景的調(diào)峰運行模擬更加符合中國電力調(diào)度的特點,模擬計算得到的數(shù)據(jù)更接近實際運行情況。

從圖2可知,對原始場景聚類后得到的9個聚類場景涵蓋了原始風(fēng)電場景的正調(diào)峰、反調(diào)峰、平調(diào)峰等全部特征,其中反調(diào)峰場景概率和達(dá)0.63。由表2可知,采用本文風(fēng)電出力典型場景集進(jìn)行系統(tǒng)調(diào)峰分析計算具有較高的精度,其中棄電率誤差不超過0.15%,調(diào)峰深度誤差不超過0.01%。由此可見,本文提出的風(fēng)電場景提取方法在含大規(guī)模風(fēng)電系統(tǒng)的調(diào)峰運行特性分析研究中是十分有效的。

3.2 含大規(guī)模風(fēng)電系統(tǒng)調(diào)峰運行特性分析

在風(fēng)電出力典型場景集的基礎(chǔ)上,對該省實際系統(tǒng)2020年全年調(diào)峰運行進(jìn)行了模擬計算,其中,水電站按各自的水文特性和調(diào)節(jié)性能參與系統(tǒng)運行。獲得各項運行特性指標(biāo)的年期望值見表5,各月風(fēng)電棄電率分布如圖3所示。

表5 系統(tǒng)調(diào)峰運行特性指標(biāo)年期望值Table 5 Annual expected value of operation characteristic indices for peak load regulation

圖3 各月風(fēng)電棄電率期望值Fig.3 Expected value of wind power abandon rate in each month

由表5可以看出,風(fēng)電接入后火電利用小時數(shù)減少783 h,系統(tǒng)總能耗、排污量、碳排放亦隨之降低,總計算費用減少了16.7%。由于風(fēng)電出力的反調(diào)峰特性,系統(tǒng)調(diào)峰壓力增大,火電機組調(diào)峰深度由14.5%增大至32.8%,這亦導(dǎo)致火電實際單耗增大。由于系統(tǒng)調(diào)峰能力有限,風(fēng)電的大規(guī)模接入導(dǎo)致系統(tǒng)調(diào)峰不足概率增大,風(fēng)電棄電率達(dá)12.1%。

由圖3可見,7,8月份風(fēng)電棄電率明顯高于其他月份,主要原因在于7,8月份是豐水期,來水量最大,水電發(fā)電量增大,調(diào)峰能力大幅下降,在負(fù)荷低谷時段風(fēng)電大發(fā)時,不得不大量棄風(fēng)。這也從側(cè)面說明了分季節(jié)建立風(fēng)電出力典型場景集的必要性。

4 結(jié)語

風(fēng)電和負(fù)荷間的時序耦合關(guān)系是影響系統(tǒng)調(diào)峰平衡和風(fēng)電接納的主要因素。本文從多個角度建立了計及風(fēng)電—負(fù)荷時序耦合關(guān)系的交互特性評價指標(biāo),并據(jù)此提出了一種以關(guān)鍵場景、聚類場景及其概率分布對風(fēng)電出力建模的方法。在此基礎(chǔ)上,建立了一種考慮失負(fù)荷懲罰、棄風(fēng)懲罰、碳排放懲罰費用的含大規(guī)模風(fēng)電系統(tǒng)調(diào)峰運行優(yōu)化模型。算例分析表明,本文方法應(yīng)用于含風(fēng)電系統(tǒng)的調(diào)峰分析計算具有較高的精度,模擬計算結(jié)果更接近系統(tǒng)實際運行情況。當(dāng)電力系統(tǒng)含多類型高比例可再生能源時,如何對本文模型進(jìn)行改進(jìn)和擴展,使其具有更廣泛的適應(yīng)性,有待下一步深入研究。

[1] 劉金朋.基于資源與環(huán)境約束的中國能源供需格局發(fā)展研究[D].北京:華北電力大學(xué),2013.

[2] XU Yanping, SUN Yong, ZHENG Taiyi, et al. Time-series characteristics of wind power and its impact on Jilin power grid[J]. Journal of Power and Energy Engineering, 2014, 2(4): 203-212.

[3] BILLINTON R, KARKI B. Effect of hourly wind trends on the peak load-carrying capability of wind-integrated power systems[J]. Proceedings of the Institution of Mechanical Engineers, 2009, 223(4): 279-287.

[4] 曹陽,李鵬,袁越,等.基于時序仿真的新能源消納能力分析及其低碳效益評估[J].電力系統(tǒng)自動化,2014,38(17):60-66.DOI:10.7500/AEPS20140329002.

CAO Yang, LI Peng, YUAN Yue, et al. Analysis on peak load regulation capability of power grid integrated with wind farms in valley load period[J]. Automation of Electric Power Systems, 2014, 38(17): 60-66. DOI: 10.7500/AEPS 20140329002.

[5] 國家能源局.2016年風(fēng)電并網(wǎng)運行情況[EB/OL].[2017-01-26].http://www.nea.gov.cn/2017-01/26/c_13601 4615.htm.

[6] 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/AEPS 20151215008.

[7] 楊宏,苑津莎,吳立增.基于風(fēng)電功率預(yù)測的電網(wǎng)靜態(tài)調(diào)峰能力極限研究[J].電工技術(shù)學(xué)報,2014,29(4):266-273.

YANG Hong, YUAN Jinsha, WU Lizeng. Research of static regulation capacity limit based on wind power prediction[J]. Transactions of China Electrotechnical Society, 2014, 29(4): 266-273.

[8] 賈文昭,康重慶,李丹,等.基于日前風(fēng)功率預(yù)測的風(fēng)電消納能力評估方法[J].電網(wǎng)技術(shù),2012,36(8):69-75.

JIA Wenzhao, KANG Chongqing, LI Dan, et al. Evaluation on capability of wind power accommodation based on its day-ahead forecasting[J]. Power System Technology, 2012, 36(8): 69-75.

[9] 張宏宇,印永華,申洪,等.基于序貫蒙特卡洛方法的風(fēng)電并網(wǎng)系統(tǒng)調(diào)峰裕度評估[J].電力系統(tǒng)自動化,2012,36(1):32-37.

ZHANG Hongyu, YIN Yonghua, SHEN Hong, et al. Peaking-shaving margin evaluation associated with wind power integrated system based on sequential Monte-Carlo method[J]. Automation of Electric Power Systems, 2012, 36(1): 32-37.

[10] 張文韜,黃鑌,王秀麗,等.基于多狀態(tài)新能源發(fā)電模擬的日運行方式及調(diào)峰安排研究[J].電網(wǎng)技術(shù),2015,39(8):2100-2106.

ZHANG Wentao, HUANG Bin, WANG Xiuli, et al. Research on daily operation mode and peak load regulation scheduling based on generation simulation of multi-state renewable energy resources[J]. Power System Technology, 2015, 39(8): 2100-2106.

[11] 楊冬鋒,周蘇荃,鮑鋒.風(fēng)電并網(wǎng)系統(tǒng)低谷時段的調(diào)峰能力分析[J].電網(wǎng)技術(shù),2014,38(6):1446-1451.

YANG Dongfeng, ZHOU Suquan, BAO Feng. Analysis on peak load regulation capability of power grid integrated with wind farms in valley load period[J]. Power System Technology, 2014, 38(6): 1446-1451.

[12] 侯婷婷,婁素華,吳耀武,等.含大型風(fēng)電場的電力系統(tǒng)調(diào)峰運行特性分析[J].電工技術(shù)學(xué)報,2013,28(5):105-111.

HOU Tingting, LOU Suhua, WU Yaowu, et al. Analysis on peak load regulation operation characteristics of power system integrated with large-scale wind power[J]. Transactions of China Electrotechnical Society, 2013, 28(5): 105-111.

[13] BASIT A, HANSEN A D, ALTIN M, et al. Compensating active power imbalances in power system with large-scale wind power penetration[J]. Journal of Modern Power Systems and Clean Energy, 2016, 4(2): 229-237.

[14] GOYAL M, KUMAR S. Improving the initial centroids ofk-means clustering algorithm to generalize its applicability[J]. Journal of The Institution of Engineers (India): Series B, 2014, 95(4): 345-350.

[15] 王千,王成,馮振元,等.K-means聚類算法研究綜述[J].電子設(shè)計工程,2012,20(7):21-24.

WANG Qian, WANG Cheng, FENG Zhenyuan, et al. Review ofK-means clustering algorithm[J]. Electronic Design Engineering, 2012, 20(7): 21-24.

[16] 周涓,熊忠陽,張玉芳,等.基于最大最小距離法的多中心聚類算法[J].計算機應(yīng)用,2006,26(6):1425-1427.

ZHOU Juan, XIONG Zhongyang, ZHANG Yufang, et al. Multiseed clustering algorithm based on max-min distance means[J]. Computer Applications, 2006, 26(6): 1425-1427.

[17] MORALES J M, PINEDA S, CONEJO A J, et al. A scenario reduction for futures market trading in electricity markets[J]. IEEE Trans on Power Systems, 2009, 24(2): 878-888.

PeakLoadRegulatingOperationandOptimizationinPowerSystemswithLarge-scaleWindPowerandConsideringCouplingRelationbetweenWindPowerandLoad

WUYaowu1,2,WANGChangshuang1,2,LOUSuhua1,2,LIUBaolin3,WANGXiran1,2

(1. State Key Laboratory of Advanced Electromagnetic Engineering and Technology (Huazhong University of Science and Technology), Wuhan 430074, China; 2. School of Electrical and Electronics Engineering, Huazhong University of Science and Technology, Wuhan 430074, China; 3. Yunnan Electric Power Co. Ltd., Kunming 650011, China)

Accurate modeling of stochastic wind power is one of the key links for peak load regulating operation and optimization in systems with large-scale wind power. According to the actual operation characteristics in China’s power systems, the interactive characteristic indices considering the coupling between wind power and load are proposed, and a wind power output model based on peak load regulation problems is put forward. This model uses key and clustering scenarios to characterize the influence of wind power on the power system operation and peak demand. Afterwards, an operation optimization model for peak load regulation with large-scale wind power based on the wind power output model is established. The expected value of various operation indices through operation optimization in multiple scenarios is obtained, and the analysis on peak load regulating operation characteristics is comprehensively accomplished. A case analysis is made on a province in West China that verified the validity and practicality of the proposed method.

This work is supported by National Key Research and Development Program of China (No. 2016YFB0900102) and National Natural Science Foundation of China (No. 51677076).

coupling relation; key scenarios; clustering scenarios; peak load regulation; operation and optimization

2016-12-29;

2017-04-23。

上網(wǎng)日期: 2017-06-30。

國家重點研發(fā)計劃資助項目(2016YFB0900102);國家自然科學(xué)基金資助項目(51677076)。

吳耀武(1963—),男,博士,副教授,主要研究方向:電力系統(tǒng)規(guī)劃與優(yōu)化運行。E-mail： ywwu@mail.hust.edu.cn

汪昌霜(1992—),男,碩士研究生,主要研究方向:電力系統(tǒng)規(guī)劃與可靠性,新能源發(fā)電。E-mail: CS_Wang@hust.edu.cn

婁素華(1974—),女,通信作者,博士、副教授,主要研究方向:電力系統(tǒng)規(guī)劃與優(yōu)化運行、新能源發(fā)電與電力技術(shù)經(jīng)濟(jì)。E-mail: shlou@mail.hust.edu.cn

(編輯孔麗蓓)