郭丹陽(yáng), 高明宇, 班明飛, 于繼來(lái)

(哈爾濱工業(yè)大學(xué)電氣工程及自動(dòng)化學(xué)院, 黑龍江省哈爾濱市 150001)

0 引言

目前,中國(guó)燃煤發(fā)電量約占總發(fā)電量的70%,燃煤產(chǎn)生的大氣污染物直接影響空氣質(zhì)量[1-3]。治理燃煤機(jī)組的空氣污染問題主要存在以下4種方案:①采用低污染、低排放的清潔煤;②為現(xiàn)有機(jī)組安裝除塵設(shè)備;③提升清潔新能源發(fā)電比例;④發(fā)展可降低污染的發(fā)電計(jì)劃。其中,前3種方案能夠有效解決環(huán)境污染問題,但涉及大量的投資成本,屬于長(zhǎng)期規(guī)劃。方案4則可在現(xiàn)有條件下,從電力調(diào)度角度給出快速有效的解決方案。

現(xiàn)有電力系統(tǒng)經(jīng)濟(jì)調(diào)度(economic dispatch,ED)[4]與機(jī)組組合(unit commitment,UC)問題[5]的研究,一般綜合考慮經(jīng)濟(jì)與節(jié)能減排[6]、碳交易[7-8]與碳捕集[9]、清潔能源大規(guī)模并網(wǎng)運(yùn)行[10-11]等因素,通過建立單個(gè)或多個(gè)目標(biāo)函數(shù)[12],并在特定約束下,利用各種優(yōu)化算法[13-15]進(jìn)行求解。目標(biāo)函數(shù)大多表現(xiàn)為能耗總量最小、排污總量最小或二者某種綜合形式的物理量最優(yōu)[2]。此外,還有研究進(jìn)一步考慮了儲(chǔ)能[16-17]、需求響應(yīng)與電動(dòng)汽車[18]的影響。

上述研究為節(jié)能減排電力調(diào)度問題提供了較好的技術(shù)思路。然而,無(wú)論是在目標(biāo)函數(shù)還是在約束條件中考慮環(huán)境因素時(shí),絕大多數(shù)研究以排污總量為依據(jù)。總量控制方式雖可以在系統(tǒng)整體性指標(biāo)層面最大限度地降低燃煤發(fā)電對(duì)環(huán)境的不良影響,但同時(shí)也明顯存在缺乏對(duì)人口密集區(qū)域空氣質(zhì)量實(shí)施針對(duì)性改善調(diào)控的機(jī)制[19]。

人口密集區(qū)域?qū)ξ廴镜淖詢裟芰^小、環(huán)境容量裕度較低,而地廣人稀的區(qū)域自凈能力較大、環(huán)境容量裕度較高;此外,在分析燃煤機(jī)組對(duì)人口健康的影響時(shí),應(yīng)計(jì)及污染物的傳輸特性。文獻(xiàn)[20]根據(jù)中國(guó)不同區(qū)域人口、植被覆蓋率、氣候與氣象條件繪制了主要污染物的大氣沉降能力地圖,以期通過環(huán)境自凈能力的差異化特征指導(dǎo)制定分區(qū)域減排政策。受此啟發(fā)，可以充分利用燃煤發(fā)電產(chǎn)生的大氣污染物擴(kuò)散過程和不同區(qū)域環(huán)境容量裕度的差異化因素,調(diào)整燃煤機(jī)組發(fā)電計(jì)劃,使其產(chǎn)生的污染物在不同環(huán)境容量裕度區(qū)域間合理均衡化,降低其對(duì)人口密集區(qū)域空氣質(zhì)量的不良影響。已有學(xué)者展開這方面的嘗試,但受限于氣象預(yù)報(bào)和環(huán)境監(jiān)測(cè)網(wǎng)絡(luò)不健全等因素,相關(guān)研究在文獻(xiàn)[21]后有所停滯。當(dāng)今中國(guó)重點(diǎn)人口密集區(qū)域空氣污染問題愈發(fā)突出,加之氣象和環(huán)境監(jiān)測(cè)與預(yù)報(bào)、電網(wǎng)調(diào)度自動(dòng)化水平等均有較大改觀,有助于深化更加適應(yīng)環(huán)保要求的節(jié)能發(fā)電調(diào)度研究與應(yīng)用?！丁笆濉鄙鷳B(tài)環(huán)境保護(hù)規(guī)劃》指出:污染治理應(yīng)在強(qiáng)化源頭防控的同時(shí),優(yōu)化空間布局,實(shí)施分區(qū)分類的精細(xì)化管理。其中,考慮大氣污染擴(kuò)散過程與區(qū)域環(huán)境容量裕度差異的安全約束機(jī)組組合(security-constrained unit commitment,SCUC)問題,對(duì)污染物實(shí)施差異化分散優(yōu)化控制,正是適應(yīng)這一需求的研究?jī)?nèi)容之一。

本文分析了氣體污染擴(kuò)散模型及燃煤機(jī)組排污對(duì)不同環(huán)境容量裕度區(qū)域的影響，討論了將環(huán)境容量裕度約束加入SCUC，并以差別化的機(jī)組組合方式對(duì)重點(diǎn)人口密集區(qū)域空氣質(zhì)量實(shí)施針對(duì)性調(diào)控的相關(guān)問題。最后，算例驗(yàn)證了方法的可行性與有效性。

1 燃煤機(jī)組對(duì)人居區(qū)域大氣污染物濃度的影響

1.1 高斯煙團(tuán)擴(kuò)散模型

影響氣體擴(kuò)散的主要因素為風(fēng)速、風(fēng)向、大氣穩(wěn)定度、距地面高度等[21]。能夠服務(wù)于環(huán)保發(fā)電調(diào)度的火電廠大氣污染物擴(kuò)散模型,需要滿足準(zhǔn)確、快速等基本要求,以便對(duì)發(fā)電計(jì)劃進(jìn)行及時(shí)準(zhǔn)確的調(diào)整,達(dá)到針對(duì)性地改善重點(diǎn)人口密集區(qū)域空氣質(zhì)量的目的。為此,本文選擇符合上述要求的高斯煙團(tuán)擴(kuò)散模型[22]。在此模型下,火電機(jī)組i的空氣污染物擴(kuò)散特性可描述為:

(1)

式中:τ為污染物排出煙囪口的時(shí)間;t為污染物濃度監(jiān)測(cè)時(shí)段;Qi(τ)為機(jī)組i在時(shí)段τ的污染物排放總質(zhì)量;Ci(t;x,y,z)為時(shí)段t對(duì)地理坐標(biāo)(x,y,z)處監(jiān)測(cè)的污染物濃度;Gi(·)為機(jī)組i空氣污染物擴(kuò)散函數(shù),其表達(dá)式如式(2)所示。

(2)

(3)

式中:σx(τ,t),σy(τ,t),σz(τ,t)分別為空間坐標(biāo)x,y,z方向的擴(kuò)散系數(shù);xc(τ,t),yc(τ,t),zc(τ,t)為煙團(tuán)中心坐標(biāo)(詳見附錄A圖A1)。

可根據(jù)煙團(tuán)擴(kuò)散過程中風(fēng)速的變化情況將τ到t分成若干區(qū)間δn(n=1,2,…,N),則污染源、煙團(tuán)中心的空間坐標(biāo)關(guān)系為:

(4)

式中:vx(n),vy(n),vz(n)分別為在時(shí)間區(qū)間δn內(nèi)x,y,z方向的平均風(fēng)速;xs,ys,zs為污染源的坐標(biāo)。

在τ至t時(shí)間區(qū)間內(nèi),若大氣條件保持穩(wěn)定,則可近似認(rèn)為σ與t-τ的關(guān)系如下:

(5)

而對(duì)于在不同區(qū)間(δn)大氣穩(wěn)定度波動(dòng)較大的情形,可通過式(6)求得煙團(tuán)在各個(gè)時(shí)刻的擴(kuò)散系數(shù)[21]。

(6)

此外,若目標(biāo)區(qū)域的地勢(shì)、氣候條件等比較特殊,也可以根據(jù)環(huán)境監(jiān)測(cè)網(wǎng)絡(luò)提供的實(shí)測(cè)數(shù)據(jù),利用最小二乘法進(jìn)行辨識(shí),獲得該地區(qū)與大氣穩(wěn)定度相關(guān)的系數(shù)a,b,α,β。

為簡(jiǎn)化分析,本文只關(guān)注地表處污染濃度分布,即z≈0,從而式(1)簡(jiǎn)化為:

(7)

1.2 環(huán)境容量裕度約束

大氣污染源很多,本文僅分析燃煤機(jī)組對(duì)重點(diǎn)人口密集區(qū)域的影響,其他污染源不在討論范疇內(nèi)。由前述分析可知:對(duì)某一監(jiān)測(cè)點(diǎn),大氣污染物濃度對(duì)不同燃煤機(jī)組排污的敏感度存在差異。在已知?dú)庀髼l件和機(jī)組i在時(shí)段τ的污染物排放總質(zhì)量Qi(τ)時(shí),利用式(7)可以求得機(jī)組i污染排放引起的區(qū)域j內(nèi)監(jiān)測(cè)點(diǎn)k處污染濃度的增量(ΔCi(t;x,y)),即火電污染物對(duì)不同人居區(qū)域空氣污染濃度的貢獻(xiàn)值,它是評(píng)估火電污染物對(duì)人居環(huán)境空氣質(zhì)量影響的指標(biāo)。同時(shí),機(jī)組污染物排放總量與監(jiān)測(cè)點(diǎn)的污染物濃度在一定擴(kuò)散系數(shù)下呈近似線性關(guān)系。這意味著,可通過削減某些對(duì)監(jiān)測(cè)點(diǎn)影響嚴(yán)重的燃煤機(jī)組出力,從而更為有效地降低環(huán)境監(jiān)測(cè)點(diǎn)氣體污染物濃度。

設(shè)P0，i,τ為不考慮環(huán)境容量裕度約束時(shí)機(jī)組i在時(shí)段τ的發(fā)電計(jì)劃,Q0，i(τ)為對(duì)應(yīng)的污染排放總質(zhì)量;Pi,τ為考慮環(huán)境容量約束后的發(fā)電計(jì)劃,對(duì)應(yīng)的排放總質(zhì)量為Qi(τ),則考慮環(huán)境容量裕度約束后,機(jī)組i的排污(如SO2)變化量為:

ΔQi(τ)=Qi(τ)-Q0，i(τ)=

siFi(Pi,τ)-siFi(P0，i,τ)

(8)

式中:si為機(jī)組i單位煤耗產(chǎn)生的污染物;Fi(·)為機(jī)組煤耗函數(shù)。

將式(8)代入式(7)得到考慮環(huán)境容量裕度約束前后機(jī)組i在時(shí)段t內(nèi)對(duì)區(qū)域j污染物濃度貢獻(xiàn)值的變化量:

(9)

式中:Kj為區(qū)域j內(nèi)環(huán)境監(jiān)測(cè)點(diǎn)總數(shù),該區(qū)域內(nèi)的第k個(gè)監(jiān)測(cè)點(diǎn)坐標(biāo)為(xj,k,yj,k)。

對(duì)人口密集且當(dāng)前環(huán)境容量裕度較低的區(qū)域集合Ω1,若欲對(duì)相關(guān)機(jī)組集合Ξ的發(fā)電計(jì)劃實(shí)施調(diào)整,則應(yīng)使Ω1內(nèi)任一區(qū)域j的空氣質(zhì)量均有所改善,即機(jī)組所在該類區(qū)域的污染濃度在發(fā)電計(jì)劃調(diào)整后有所降低,滿足

(10)

相應(yīng)地,對(duì)當(dāng)前環(huán)境容量裕度較高的其他區(qū)域集合Ω2,可能會(huì)因上述發(fā)電計(jì)劃的調(diào)整導(dǎo)致Ω2中某些區(qū)域(如j*)的空氣質(zhì)量產(chǎn)生一定程度的劣化。為控制劣化程度,要求滿足:

(11)

式中:ΔCmax(t,j*)為集合Ξ發(fā)電計(jì)劃調(diào)整行為在時(shí)段t內(nèi)對(duì)區(qū)域j*污染物濃度貢獻(xiàn)值增量的上限。

可將加入SCUC問題的環(huán)境容量裕度約束統(tǒng)一寫為:

(12)

Gi(τ,t;xj,k,yj,k)

(13)

2 差別化的燃煤機(jī)組組合模型

2.1 SCUC模型

2.1.1目標(biāo)函數(shù)

經(jīng)典SCUC是典型的混合整數(shù)規(guī)劃(mixed integer programming,MIP)問題[26-27]。目標(biāo)函數(shù)由機(jī)組煤耗和啟停成本組成,如式(14)所示:

(14)

(15)

式中:t為時(shí)段序號(hào);Δt為時(shí)段間隔(本文設(shè)為1 h);NT為總時(shí)段數(shù);ai,bi,ci為機(jī)組i煤耗特性二次函數(shù)的系數(shù);Ii,t為機(jī)組組合狀態(tài),其值為1表示開機(jī),其值為0表示停機(jī);Ui,t和Di,t分別為機(jī)組的啟、停成本,一般視作啟停時(shí)間的階梯函數(shù)[1],為簡(jiǎn)化,本文取常數(shù);Pi,t為機(jī)組出力;γi為燃煤價(jià)格。

2.1.2約束條件

SCUC約束[28]包括:系統(tǒng)有功功率平衡約束式(16);機(jī)組最小啟停時(shí)間約束式(17)和式(18);機(jī)組爬坡約束式(19)和式(20);機(jī)組出力約束式(21);旋轉(zhuǎn)備用約束式(22),運(yùn)行備用約束式(23),保證系統(tǒng)備用容量不低于當(dāng)前負(fù)荷的給定比例;系統(tǒng)向上、向下調(diào)節(jié)容量約束式(24)和式(25);線路潮流約束式(26)。

(16)

式中:Dt為系統(tǒng)在t時(shí)段的負(fù)荷。

(17)

(18)

Ii,t(1-Ii,t-1)Pi,min

(19)

Ii,t-1(1-Ii,t)Pi,min

(20)

Pi,minIi,t≤Pi,t≤Pi,maxIi,t

(21)

式中:Pi,max為機(jī)組i的有功出力上限。

(22)

(23)

(24)

(25)

|SF(KpPp-KDPD)|≤PL

(26)

式中:SF為轉(zhuǎn)移因子矩陣;Pp和PD分別為功率注入和功率需求向量;PL為線路潮流約束;Kp和KD分別為當(dāng)前拓?fù)湎碌臋C(jī)組和負(fù)荷的潮流分布系數(shù)。

2.2 考慮環(huán)境容量裕度約束的SCUC

(27)

(28)

式中:J為研究的人居區(qū)域總數(shù);Mt,j為足夠大的常數(shù),人工變量st,j均非負(fù),由此引入針對(duì)環(huán)境的罰函數(shù)。

需要指出的是,針對(duì)不同人口密度區(qū)域,引入不同的Mt,j,以保證在多個(gè)區(qū)域污染濃度超限時(shí),人口密度較大地區(qū)能夠優(yōu)先享受差別化發(fā)電計(jì)劃帶來(lái)的污染降低紅利,以降低燃煤機(jī)組對(duì)人口健康的影響。Mt,j的具體設(shè)定,涉及人口密度、環(huán)境公平性、重點(diǎn)區(qū)域保護(hù)等問題,美國(guó)環(huán)保部開發(fā)了BenMAP-CE等軟件,對(duì)此類問題進(jìn)行分析。由于該過程超出本文范圍,在此將其簡(jiǎn)化為正比于區(qū)域j的人口數(shù)量ρt,j:

Mt,j=ηt,jρt,j

(29)

式中：ηt,j為非負(fù)常數(shù)，代表區(qū)域內(nèi)人均承受每單位污染物的懲罰值。

此時(shí),考慮環(huán)境容量裕度的差別化燃煤機(jī)組組合模型表達(dá)如下:

上述模型是混合整數(shù)二次規(guī)劃(mixed integer quadratic programming,MIQP)模型,可對(duì)二次部分進(jìn)行線性化,使其變?yōu)榛旌险麛?shù)線性規(guī)劃(mixed integer linear programming,MILP)求解,也可利用商用求解器直接求解[29]。本文選擇在MATLAB環(huán)境下使用CPLEX12.1求解器直接進(jìn)行求解。所建立的模型,可進(jìn)一步擴(kuò)展,考慮新能源的接入,并通過隨機(jī)優(yōu)化[26]或者魯棒優(yōu)化[30]方法求解。因本文只重點(diǎn)討論環(huán)境容量裕度差異時(shí)如何更有針對(duì)性地制定發(fā)電計(jì)劃,以此改善人口密集區(qū)域的空氣質(zhì)量,故暫未拓展過多其他因素。

3 算例分析

3.1 計(jì)算條件

算例基于附錄A圖A3所示的8機(jī)10節(jié)點(diǎn)系統(tǒng)進(jìn)行。為更好地說(shuō)明,假設(shè)機(jī)組均為燃煤機(jī)組,參數(shù)列于附錄A表A2,地理位置示于附錄A圖A4。機(jī)組3,6,7在城市附近,機(jī)組2,4,5距城市較遠(yuǎn),城市中心為人口密集區(qū)(Ⅰ1),其背景SO2濃度最高,且污染擴(kuò)散能力最差,因而具備最低的環(huán)境容量裕度,Ⅱ1至Ⅱ4區(qū)域?yàn)槿丝诖蚊芗瘏^(qū),環(huán)境容量裕度適中。算例中要求Ⅰ和Ⅱ類區(qū)域承受燃煤機(jī)組污染量均不超出其環(huán)境容量裕度?？傉{(diào)度時(shí)段為24 h,24 h中各時(shí)段的風(fēng)速、風(fēng)向、大氣穩(wěn)定度預(yù)測(cè)值以及城市各區(qū)域SO2(以SO2為例,其他污染物類似處理)污染程度已知,分別列于附錄A表A3和表A4。

3.2 計(jì)算結(jié)果

在不考慮環(huán)境容量裕度約束的前提下,以經(jīng)濟(jì)性最優(yōu)求得火電機(jī)組發(fā)電計(jì)劃(圖1中綠線),與此計(jì)劃對(duì)應(yīng)的系統(tǒng)煤耗總量F0=71 283.3 t,總發(fā)電成本Ccost0=808 600美元,排污總量Q0=941.7 t;當(dāng)考慮環(huán)境容量裕度約束后,仍以經(jīng)濟(jì)性最優(yōu)求得新的火電機(jī)組發(fā)電計(jì)劃(圖1中紅線),與新計(jì)劃對(duì)應(yīng)的總發(fā)電成本為813 500美元,相比Ccost0增加0.61%。

圖1 考慮環(huán)境容量裕度約束前后的發(fā)電計(jì)劃對(duì)比Fig.1 Comparison of generation schedules without and with environmental capacity constraints

為對(duì)比,表1給出了以經(jīng)濟(jì)性最優(yōu)(情形A)、排放總量最小(情形B)和本文考慮環(huán)境容量裕度約束下的經(jīng)濟(jì)性最優(yōu)(情形C)3種情形。其中,污染貢獻(xiàn)量指所有燃煤機(jī)組24 h對(duì)城市(包括Ⅰ1和Ⅱ1至Ⅱ4內(nèi)所有監(jiān)測(cè)點(diǎn))污染貢獻(xiàn)總量,為標(biāo)幺值。由表1可見,雖然情形C在導(dǎo)致發(fā)電成本上升的同時(shí),還會(huì)引起排污總量的輕微升高(相較于情形A和B分別升高1.66%和2.08%),但排污總量的升高并沒有惡化城市空氣質(zhì)量。相反,由于考慮了差別化的環(huán)境容量裕度約束,使得對(duì)人口密集區(qū)域存在較大影響的燃煤機(jī)組通過出力的適當(dāng)減少降低了排污影響,表現(xiàn)為所有燃煤機(jī)組對(duì)人口密集區(qū)域的污染貢獻(xiàn)相較于情形A和B分別降低32.9%和28.0%。這說(shuō)明可以通過發(fā)電計(jì)劃的合理化調(diào)整,以系統(tǒng)整體總發(fā)電成本、總煤耗和總排污量的輕微上升,換取重點(diǎn)人口密集區(qū)域空氣污染壓力得到更為緩解的明顯效果。

表1 不同發(fā)電計(jì)劃下污染結(jié)果對(duì)比Table 1 Comparison of pollution results between different generation schedules

圖2選取了典型時(shí)刻(06:00,12:00,18:00),給出了考慮環(huán)境容量裕度約束前(情形A)和考慮環(huán)境容量裕度約束后(情形C),以各自發(fā)電計(jì)劃運(yùn)行時(shí),燃煤機(jī)組所造成的污染濃度分布情況對(duì)比。圖中陰影區(qū)域代表人口相對(duì)密集的城市區(qū)域,紅色星號(hào)代表城市中心(參見附錄A圖A4)。

由圖2可見,燃煤機(jī)組對(duì)目標(biāo)區(qū)域(城市)造成的污染分布,在發(fā)電計(jì)劃調(diào)整前后,發(fā)生了明顯變化,尤其在12:00和18:00,城市中心處污染濃度明顯下降,周邊地區(qū)的污染情況亦有所改善,這對(duì)于緩解人口密集區(qū)域環(huán)境污染壓力具有現(xiàn)實(shí)意義。需注意的是,在06:00,由于各區(qū)域背景污染濃度較低、環(huán)境容量裕度均較高,因此環(huán)境容量約束的作用弱化,機(jī)組出力計(jì)劃變化較小,相應(yīng)的污染分布亦較為相似。

事實(shí)上,考慮環(huán)境容量裕度約束前后的機(jī)組發(fā)電計(jì)劃調(diào)整過程,相當(dāng)于在不影響整體發(fā)電需求和不明顯升高整體發(fā)電成本與污染物排放量的前提下,將排污指標(biāo)作為資源,在機(jī)組群內(nèi)部重新分配。重新分配的結(jié)果等效于以污染排放總量的適量增加換取對(duì)目標(biāo)區(qū)域的污染程度的有效抑制。圖3給出了在考慮環(huán)境容量裕度約束前后區(qū)域Ⅰ1和Ⅱ1的24 h污染濃度變化情況。由圖3可見,環(huán)境容量裕度約束的加入,使得燃煤機(jī)組對(duì)城市污染濃度貢獻(xiàn)值有所降低。尤其是在城市污染較重的時(shí)段內(nèi),環(huán)境容量裕度約束會(huì)加大對(duì)燃煤機(jī)組污染排放的調(diào)控力度,將城市的污染濃度控制在一定標(biāo)準(zhǔn)內(nèi)。參考中國(guó)目前大氣質(zhì)量分級(jí)標(biāo)準(zhǔn)(見附錄A表A5),環(huán)境容量裕度約束能夠優(yōu)化人居環(huán)境空氣質(zhì)量指數(shù)(air quality index,AQI),并降低空氣嚴(yán)重污染的小時(shí)數(shù),緩解城市環(huán)保壓力。

圖2 考慮環(huán)境容量裕度約束前后燃煤機(jī)組造成的污染濃度分布對(duì)比Fig.2 Comparison of pollution concentration distribution caused by coal-fired units between generation schedules without and with environmental capacity constraints

為了進(jìn)一步說(shuō)明該效果,選取48組歷史氣象和城市污染樣本,代表算例區(qū)域一年的情形,觀察采用經(jīng)濟(jì)最優(yōu)和本文所提出方法所帶來(lái)的不同效果,所得結(jié)果統(tǒng)計(jì)于表2中。表2說(shuō)明考慮不同地區(qū)環(huán)境容量裕度差別化因素,適當(dāng)調(diào)整燃煤機(jī)組發(fā)電計(jì)劃,能夠在現(xiàn)有條件下,提高城市環(huán)保評(píng)級(jí),改善人口密集區(qū)域的空氣質(zhì)量。

圖3 加入環(huán)境容量裕度約束前后城市SO2濃度的變化Fig.3 SO2 concentration in urban areas under generation schedules without and with environmental capacity constraints

優(yōu)化方案經(jīng)濟(jì)成本/萬(wàn)美元排污總量/103t污染超標(biāo)小時(shí)數(shù)污染超標(biāo)天數(shù) Ⅰ1區(qū)域Ⅱ1區(qū)域Ⅰ1區(qū)域Ⅱ1區(qū)域 經(jīng)濟(jì)最優(yōu)3 92145 6901341083124 本文方法3 95446 510131578

4 結(jié)語(yǔ)

本文在所建立的考慮環(huán)境容量裕度的差別化機(jī)組組合模型,在經(jīng)典SCUC問題中有針對(duì)性地加入了差別化的環(huán)境容量約束。模型反映了燃煤機(jī)組污染物擴(kuò)散過程和不同地區(qū)可承載的環(huán)境壓力。仿真結(jié)果表明,通過考慮不同地區(qū)環(huán)境容量裕度差別化因素,適當(dāng)調(diào)整燃煤機(jī)組發(fā)電計(jì)劃,即使不實(shí)施額外的排放控制技術(shù),同樣可以取得改善人口密集區(qū)域空氣質(zhì)量、降低燃煤發(fā)電對(duì)人口健康影響的目的。因此,本文所提方法可以視為在現(xiàn)有條件下的一種針對(duì)環(huán)境問題的解決方案,為制定發(fā)電計(jì)劃提供參考。

當(dāng)考慮天然氣發(fā)電與新能源接入后[31],以排污總量最小為目標(biāo)的發(fā)電計(jì)劃能夠降低全系統(tǒng)污染總量，同時(shí)可能有助于降低重點(diǎn)地區(qū)污染強(qiáng)度,但本文所提方法依然適用。此外,本文只考慮了一種類型的污染物(SO2),考慮多種污染物,尤其是各種污染物之間存在耦合以及二次反應(yīng)的情形是進(jìn)一步研究的重點(diǎn)。

本文得到國(guó)家自然科學(xué)基金項(xiàng)目(51361130153)的資助，謹(jǐn)此致謝！

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

參考文獻(xiàn)

[1] GENG Zhaowei, CHEN Qixin, XIA Qing, et al. Environmental generation scheduling considering air pollution control technologies and weather effects[J]. IEEE Transactions on Power Systems, 2017, 32(1): 127-136.

[2] 喻潔,李揚(yáng),夏安邦.兼顧環(huán)境保護(hù)與經(jīng)濟(jì)效益的發(fā)電調(diào)度分布式優(yōu)化策略[J].中國(guó)電機(jī)工程學(xué)報(bào),2009,29(16):63-68.

YU Jie, LI Yang, XIA Anbang. Distributed optimization of generation dispatch schedule considering environmental protection and economic profits[J]. Proceedings of the CSEE, 2009, 29(16): 63-68.

[3] 尹楠,于繼來(lái).考慮火電對(duì)空氣質(zhì)量影響的機(jī)組檢修計(jì)劃與電能分解方法[J].電力系統(tǒng)自動(dòng)化,2017,41(6):72-79.DOI:10.7500/AEPS20160503010.

YIN Nan, YU Jilai. Generator maintenance scheduling and electric energy decomposition method considering influence of thermal power on air quality[J]. Automation of Electric Power Systems, 2017, 41(6): 72-79. DOI: 10.7500/AEPS20160503010.

[4] 黎燦兵,劉玙,曹一家,等.低碳發(fā)電調(diào)度與節(jié)能發(fā)電調(diào)度的一致性評(píng)估[J].中國(guó)電機(jī)工程學(xué)報(bào),2011,31(31):94-101.

LI Canbing, LIU Yu, CAO Yijia, et al. Consistency evaluation of low-carbon generation dispatching and energy-saving generation dispatching[J]. Proceedings of the CSEE, 2011, 31(31): 94-101.

[5] 夏清,鐘海旺,康重慶.安全約束機(jī)組組合理論與應(yīng)用的發(fā)展和展望[J].中國(guó)電機(jī)工程學(xué)報(bào),2013,33(16):94-103.

XIA Qing, ZHONG Haiwang, KANG Chongqing. Review and prospects of the security constrained unit commitment theory and applications[J]. Proceedings of the CSEE, 2013, 33(16): 94-103.

[6] LIU Jichun, LI Jie. Interactive energy-saving dispatch considering generation and demand side uncertainties: a Chinese study[J/OL]. IEEE Transactions on Smart Grid[2016-04-21]. DOI: 10.1109/TSG.2016.2623947.

[7] ZHANG Ning, HU Zhaoguang, DAI Daihong, et al. Unit commitment model in smart grid environment considering carbon emissions trading[J]. IEEE Transactions on Smart Grid, 2016, 7(1): 420-427.

[8] HUANG Jie, XUE Yusheng, JIANG Chao, et al. An experimental study on emission trading behaviors of generation companies[J]. IEEE Transactions on Power Systems, 2015, 30(2): 1076-1083.

[9] LI Jiaming, WEN Jinyu, HAN Xingning. Low-carbon unit commitment with intensive wind power generation and carbon capture power plant[J]. Journal of Modern Power Systems and Clean Energy, 2015, 3(1): 63-71.

[10] 翁振星,石立寶,徐政,等.計(jì)及風(fēng)電成本的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J].中國(guó)電機(jī)工程學(xué)報(bào),2014,34(4):514-523.

WENG Zhenxing, SHI Libao, XU Zheng, et al. Power system dynamic economic dispatch incorporating wind power cost[J]. Proceedings of the CSEE, 2014, 34(4): 514-523.

[11] 林俐,鄒蘭青,周鵬,等.規(guī)模風(fēng)電并網(wǎng)條件下火電機(jī)組深度調(diào)峰的多角度經(jīng)濟(jì)性分析[J].電力系統(tǒng)自動(dòng)化,2017,41(7):21-27.DOI:10.7500/AEPS20160719005.

LIN Li, ZOU Lanqing, ZHOU Peng, et al. Multi-angle economic analysis on deep peak regulation of thermal power units with large-scale wind power integration[J]. Automation of Electric Power Systems, 2017, 41(7): 21-27. DOI: 10.7500/AEPS20160719005.

[12] 孫靜,于繼來(lái).節(jié)能發(fā)電調(diào)度問題的多目標(biāo)期望控制模型及解法[J].電力系統(tǒng)自動(dòng)化,2010,34(11):23-27.

SUN Jing, YU Jilai. A multi-objective expectation control model and its solutions for energy-saving power dispatch problems[J]. Automation of Electric Power Systems, 2010, 34(11): 23-27.

[13] 鄧俊,韋化,黎靜華,等.一種含四類0-1變量的機(jī)組組合混合整數(shù)線性規(guī)劃模型[J].中國(guó)電機(jī)工程學(xué)報(bào),2015,35(11):2770-2778.

DENG Jun, WEI Hua, LI Jinghua, et al. A mixed-integer linear programming model using four sets of binary variables for the unit commitment problem[J]. Proceedings of the CSEE, 2015, 35(11): 2770-2778.

[14] LI Mingwei, WANG Xu, GONG Yu, et al. Binary glowworm swarm optimization for unit commitment[J]. Journal of Modern Power Systems and Clean Energy, 2014, 2(4): 357-365.

[15] 韋化,龍丹麗,黎靜華.求解大規(guī)模機(jī)組組合問題的策略迭代近似動(dòng)態(tài)規(guī)劃[J].中國(guó)電機(jī)工程學(xué)報(bào),2014,34(25):4420-4429.

WEI Hua, LONG Danli, LI Jinghua. Policy iteration-approximate dynamic programming for large scale unit commitment problems[J]. Proceedings of the CSEE, 2014, 34(25): 4420-4429.

[16] 謝東亮,薛峰,宋曉芳.基于最優(yōu)價(jià)值網(wǎng)絡(luò)的儲(chǔ)能系統(tǒng)調(diào)度優(yōu)化及仿真[J].電力系統(tǒng)自動(dòng)化,2016,40(24):42-48.DOI:10.7500/AEPS20160617006.

XIE Dongliang, XUE Feng, SONG Xiaofang. Optimization and simulation for dispatch of energy storage systems based on optimal value networks[J]. Automation of Electric Power Systems, 2016, 40(24): 42-48. DOI: 10.7500/AEPS20160617006.

[17] LI Rui, CHEN Laijun, YUAN Tiejiang, et al. Optimal dispatch of zero-carbon-emission micro Energy Internet integrated with non-supplementary fired compressed air energy storage system[J]. Journal of Modern Power Systems and Clean Energy, 2016, 4(4): 566-580.

[18] 陸凌蓉,文福拴,薛禹勝,等.電動(dòng)汽車提供輔助服務(wù)的經(jīng)濟(jì)性分析[J].電力系統(tǒng)自動(dòng)化,2013,37(14):43-49.

LU Lingrong, WEN Fushuan, XUE Yusheng, et al. Economic analysis of ancillary service provision by plug-in electric vehicles[J]. Automation of Electric Power Systems, 2013, 37(14): 43-49.

[19] PRETORIUS I, PIKETH S, BURGER R. Emissions management and health exposure: should all power stations be treated equal?[J]. Air Quality Atmosphere and Health, 2017, 10(4): 509-520.

[20] DUAN Lei, XIE Shaodong, ZHOU Zhongping, et al. Calculation and mapping of critical loads for S, N and acidity in China[J]. Water Air and Soil Pollution, 2001, 130(1/2/3/4): 1199-1204.

[21] KAI-CHING C, JAMSHIDI M, LEVITAN E R. An approach to on-line power dispatch with ambient air pollution constraints[J]. IEEE Transactions on Automatic Control, 1977, 22(3): 385-396.

[22] CAO Xiaoying, ROY G, HURLEY W J, et al. Dispersion coefficients for gaussian puff models[J]. Boundary-Layer Meteorology, 2011, 139(3): 487-500.

[23] ZORAS S, TRIANTAFYLLOU A G, DELIGIORGI D. Atmospheric stability and PM10 concentrations at far distance from elevated point sources in complex terrain: worst-case episode study[J]. Journal of Environmental Management, 2006, 80(4): 295-302.

[24] 黃青,程水源,陳東升,等.近周邊電廠源對(duì)北京市采暖期間SO2的貢獻(xiàn)分析[J].環(huán)境科學(xué)研究,2009,22(5):567-573.

HUANG Qing, CHENG Shuiyuan, CHEN Dongsheng, et al. Beijing SO2source apportionment from regional power plants during heating season[J]. Research of Environmental Sciences, 2009, 22(5): 567-573.

[25] 王淑蘭,柴發(fā)合,夏廣鋒,等.深圳市SO2污染來(lái)源及其特征分析[J].環(huán)境科學(xué)研究,2009,22(10):1128-1133.

WANG Shulan, CHAI Fahe, XIA Guangfeng, et al. Source apportionment and characteristics of SO2in Shenzhen city[J]. Research of Environmental Sciences, 2009, 22(10): 1128-1133.

[26] WU Lei, SHAHIDEHPOUR M, LI Tao. Stochastic security-constrained unit commitment[J]. IEEE Transactions on Power Systems, 2007, 22(2): 800-811.

[28] 覃嶺,林濟(jì)鏗,戴賽,等.基于改進(jìn)輕魯棒優(yōu)化模型的風(fēng)、火機(jī)組組合[J].中國(guó)電機(jī)工程學(xué)報(bào),2016,36(15):4108-4119.

QIN Ling, LIN Jikeng, DAI Sai, et al. Improved light robust optimization model based wind-thermal unit commitment[J]. Proceedings of the CSEE, 2016, 36(15): 4108-4119.

[30] 劉偉佳,文福拴,薛禹勝,等.電轉(zhuǎn)氣技術(shù)的成本特征與運(yùn)營(yíng)經(jīng)濟(jì)性分析[J].電力系統(tǒng)自動(dòng)化,2016,40(24):1-11.DOI:10.7500/AEPS20160504013.

LIU Weijia, WEN Fushuan, XUE Yusheng, et al. Cost characteristics and economic analysis of power-to-gas technology[J]. Automation of Electric Power Systems, 2016, 40(24): 1-11. DOI: 10.7500/AEPS20160504013.

[31] BAN Mingfei, YU Jilai, SHAHIDEHPOUR M, et al. Integration of power-to-hydrogen in day-ahead security-constrained unit commitment with high wind penetration[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(3): 337-349.