劉易斯， 王　鵬

(1.三峽大學(xué)電氣與新能源學(xué)院，湖北　宜昌　443002；2.國網(wǎng)宜昌供電公司，湖北　宜昌　443001)

風(fēng)能作為一種可再生清潔能源，是調(diào)整我國能源結(jié)構(gòu)的重要成分。由于風(fēng)能的不穩(wěn)定性，系統(tǒng)需要足夠調(diào)節(jié)能力以保障實(shí)時(shí)功率平衡[1]。如何降低風(fēng)能不穩(wěn)定性造成的影響，確保電網(wǎng)運(yùn)行的可靠性，是建立多元能源調(diào)度模型的關(guān)鍵。

在風(fēng)、水、火聯(lián)合優(yōu)化調(diào)度中，為避免火電機(jī)組頻繁啟停，常由火電機(jī)組承擔(dān)基荷[2-3]；水電能源因其優(yōu)秀的調(diào)峰調(diào)頻特性[4]，常用于承擔(dān)負(fù)荷變動部分；針對風(fēng)電出力的不穩(wěn)定性，可增加系統(tǒng)備用容量[5]或使用場景法[6]，以滿足系統(tǒng)負(fù)荷需求。文獻(xiàn)[7-8]均優(yōu)先調(diào)度風(fēng)電，以火電發(fā)電成本最小為目標(biāo)函數(shù)，但均未考慮網(wǎng)絡(luò)安全約束；文獻(xiàn)[9]建立考慮安全約束，以發(fā)電成本為目標(biāo)函數(shù)的多種能源調(diào)度模型，但對各能源間相互影響描述不夠清晰。

在優(yōu)化調(diào)度研究中，常用算法有動態(tài)規(guī)劃法[10-11]、遺傳算法[12]、粒子群算法[13-14]等。風(fēng)水火聯(lián)合優(yōu)化調(diào)度是一個(gè)高維多約束非線性問題，使用動態(tài)規(guī)劃法存在儲存量和計(jì)算量大、運(yùn)算時(shí)間長等問題；遺傳算法存在不易收斂問題；粒子群算法具有運(yùn)行速度快、易于改進(jìn)等特點(diǎn)，在求解復(fù)雜優(yōu)化調(diào)度問題中被廣泛采用。

針對風(fēng)水火聯(lián)合運(yùn)行日前優(yōu)化，如何最大程度消納風(fēng)能，充分利用水電調(diào)峰能力，減少碳排放并使火電機(jī)組出力平穩(wěn)，對電力系統(tǒng)具有重要意義。本文將風(fēng)電引入水火系統(tǒng)中，風(fēng)電優(yōu)先全額入網(wǎng)，剩余負(fù)荷由梯級水電站、火電站進(jìn)行分配，充分利用水電的調(diào)峰特性，實(shí)現(xiàn)風(fēng)電消納，降低火電發(fā)電成本并使火電發(fā)電波動最小。

1　模型建立與求解

1.1　模型建立

由于風(fēng)能的不可控性，風(fēng)、水、火電聯(lián)合運(yùn)行的控制策略上主要通過調(diào)控水電火電以消納風(fēng)電，在數(shù)學(xué)模型的建立中只考慮與水、火電相關(guān)的變量。本文根據(jù)負(fù)荷范圍及水電發(fā)電能力給出風(fēng)電出力范圍，優(yōu)先風(fēng)電入網(wǎng)，剩余負(fù)荷再由各梯級水電站及火電站進(jìn)行分配。實(shí)現(xiàn)風(fēng)電風(fēng)火水協(xié)調(diào)優(yōu)化調(diào)度模型含火電發(fā)電成本和火電波動量2個(gè)目標(biāo)函數(shù)。

最佳經(jīng)濟(jì)目標(biāo)：

(1)

式中：Psit為火電機(jī)組i在t時(shí)間段內(nèi)的出力；asi,bsi,csi為火電站煤耗量常系數(shù)。

火電出力平穩(wěn)目標(biāo)：

(2)

式中：HNt為t時(shí)間段火電機(jī)組出力。

約束條件：

a. 系統(tǒng)功率平衡約束：

(3)

式中：PGit為火電廠i在t時(shí)間段內(nèi)總發(fā)電量；PHjt為水電廠j在t時(shí)間段內(nèi)總發(fā)電量；PWkt為風(fēng)電廠k在t時(shí)段內(nèi)總發(fā)電量；PDt為t時(shí)段內(nèi)系統(tǒng)負(fù)荷。

b. 火電出力上下限約束：

PSmini≤PSit≤PSmaxi(i=1,2,…,Ns;t=1,2,…,T)

(4)

式中：PSit為火電廠i在t時(shí)間段內(nèi)出力；PSmini為火電廠i出力下限；PSmaxi為火電廠i出力上限；Ns為系統(tǒng)中火電廠數(shù)量。

c. 水電發(fā)電流量約束：

QHminj≤QHjt≤QHmaxj(i=1,2,…,Nh;t=1,2,…,T)

(5)

式中：QHjt為水電站j在t時(shí)間段內(nèi)發(fā)電流量；QHminj為水電站j最小發(fā)電流量；QHmaxj為水電站j最大發(fā)電流量，Nh為梯級系統(tǒng)中水電站數(shù)量。

d. 水電站庫容約束：

VHminj≤VHjt≤VHmaxj(j=1,2,…,Nh;t=1,2,…,T)

(6)

式中：VHjt為水電站j在t時(shí)間段內(nèi)庫容；VHminj為水電站j最小庫容；VHmaxj為水電站j最大庫容。

e. 水電發(fā)電功率約束：

PHminj≤PHjt≤PHmaxj(j=1,2,…,Nh;t=1,2,…,T)

(7)

式中：PHjt為水電站j在t時(shí)間段內(nèi)出力，PHminj為水電站j出力下限，PHmaxj為水電站j出力上限。

f. 水量平衡方程：

VHjt=VHj,t-1+(IHjt-QHjt+QH,j-1,t)Δt

(8)

VHjt=VHj,t-1+(IHjt-QHjt+QH,j-1,t-τj)Δt

(9)

式中：QH,j-1,t-τj為上級水電站在t-τj時(shí)段的出庫流量。

g. 水電轉(zhuǎn)換關(guān)系：

(10)

式中：j=1,2,…,Nh,t=1,2,…,T；c1,c2,c3,c4,c5,c6為水電站出力-庫容-流量系數(shù)。

h. 水庫邊界約束：

(11)

1.2　模型求解

本文中風(fēng)、水、火電聯(lián)合優(yōu)化調(diào)度目標(biāo)函數(shù)有火電發(fā)電成本、火電波動量，采用線性加權(quán)法，引入權(quán)重系數(shù)λ，將上述多目標(biāo)問題轉(zhuǎn)化為單目標(biāo)進(jìn)行求解。

權(quán)重系數(shù)λi由各目標(biāo)對整個(gè)優(yōu)化問題的重要程度確定，并確保各目標(biāo)在數(shù)量級上一致，根據(jù)實(shí)際數(shù)據(jù)多次運(yùn)算確定。

2　粒子群算法改進(jìn)

對于約束復(fù)雜的模型，改進(jìn)算法參數(shù)，可提高算法收斂性、穩(wěn)定性、精確度。改進(jìn)粒子群算法的關(guān)鍵在于慣性權(quán)重和加速系數(shù)，合理改進(jìn)可提高算法性能。

2.1　對慣性權(quán)重的改進(jìn)

粒子群算法的搜索邏輯受慣性權(quán)重影響，慣性權(quán)重相對較大，有利于全局搜索；慣性權(quán)重相對較小，有利于區(qū)域數(shù)據(jù)挖掘。因此可采用線性遞減慣性權(quán)重，慣性權(quán)重隨迭代次數(shù)增加而減小，使算法運(yùn)行初期注重全局搜索，后期注重?cái)?shù)據(jù)挖掘。改進(jìn)后公式如下：

(12)

式中：GP為最大的疊代次數(shù)；W(0)是初始權(quán)重；W(GP)是最終的權(quán)重；W(t)代表當(dāng)前的權(quán)重，且W(0)>W(GP)。

2.2　加速系數(shù)的選擇

學(xué)習(xí)因子C1和C2分別表示粒子“個(gè)體認(rèn)知”和“社會認(rèn)知”。若C1相對較大，C2相對較小，粒子會過多的在其個(gè)體最佳位置周圍漫游，搜索速度慢；若C1相對較小，C2相對較大，粒子會過多的被吸引到全局最佳位置，從而導(dǎo)致早熟現(xiàn)象。改進(jìn)學(xué)習(xí)因子確定方法，C1隨時(shí)間線性遞減，C2隨時(shí)間線性遞增，使算法初期注重全局搜索，后期注重?cái)?shù)據(jù)挖掘。C1和C2改進(jìn)方法如下：

(13)

(14)

式中：C1Max=C2Max=2.5，C1Min=C2Min=0.5。

2.3　數(shù)值試驗(yàn)

數(shù)值試驗(yàn)利用Matlab R2014A在Intel Core3主頻3.7 GHz計(jì)算機(jī)上進(jìn)行運(yùn)算試驗(yàn)。粒子群算法初始參數(shù)：C1=C2=2，w=0.9，種群數(shù)設(shè)為50，最大疊代次數(shù)為200。測試函數(shù)如下：

F(x)=(x1-1)2+(x2-2)2

x1∈(1,4),x2∈(2,5)

累計(jì)運(yùn)行100次，本文改進(jìn)粒子群算法用時(shí)4.6 s，優(yōu)于基礎(chǔ)粒子群算法用時(shí)5.1 s，滿足工程實(shí)際需要。

3　算例分析

在梯級水電站短期優(yōu)化調(diào)度仿真中，本文采用電網(wǎng)系統(tǒng)中某梯級水電站、火電廠、風(fēng)電場某日數(shù)據(jù)[15]，分別以最佳經(jīng)濟(jì)調(diào)度和上述多目標(biāo)綜合調(diào)度為目標(biāo)進(jìn)行運(yùn)算。以24 h為調(diào)度周期，1 h為1個(gè)調(diào)度時(shí)段，共24個(gè)時(shí)段，采用50個(gè)粒子，算法用Matlab實(shí)現(xiàn)。

兩種調(diào)度模式下，梯級水電站、火電出力對比結(jié)果如圖 1、圖2所示，可以看出多目標(biāo)綜合調(diào)度下梯級水電站出力曲線由于補(bǔ)償風(fēng)電波動而波動增加，火電出力曲線趨于平緩。

圖1　梯級水電站出力曲線

圖2　火電機(jī)組出力曲線

將兩種調(diào)度模式運(yùn)行結(jié)果進(jìn)行對比。最佳經(jīng)濟(jì)調(diào)度模式下發(fā)電成本為7.76×105元，火電波動量為240.4 MW；多目標(biāo)綜合調(diào)度模式下發(fā)電成本為6.5×105元，火電波動量為238.7 MW?？梢姸嗄繕?biāo)綜合調(diào)度模式下發(fā)電成本降低且火電波動量下降。

對比上述數(shù)據(jù)可以看出，多目標(biāo)綜合調(diào)度運(yùn)行可降低火電發(fā)電成本，并提高火電機(jī)組出力平穩(wěn)性。從運(yùn)行結(jié)果看，文中多目標(biāo)綜合調(diào)度充分利用梯級水電站調(diào)度靈活的特性，在實(shí)現(xiàn)風(fēng)電消納的同時(shí),降低了火電出力波動性。

4　結(jié)束語

本文綜合考慮風(fēng)電不穩(wěn)定性及水電調(diào)度靈活的特點(diǎn)，提出了風(fēng)、水、火電短期聯(lián)合優(yōu)化調(diào)度策略。建立以火電發(fā)電成本最小且出力平穩(wěn)為目標(biāo)的優(yōu)化調(diào)度模型，考慮梯級水電站發(fā)電流量，蓄水量，風(fēng)、水、火電站的出力等約束，構(gòu)建了多元能源聯(lián)合調(diào)度模型。采用線性加權(quán)法處理多目標(biāo)問題，使用粒子群算法進(jìn)行模型求解，較好地解決了多維非線性優(yōu)化問題。實(shí)際算例表明，本文提出的模型及優(yōu)化算法降低了火電發(fā)電成本，同時(shí)減少了火電出力波動，取得了較好效果。為確保系統(tǒng)安全運(yùn)行，需考慮系統(tǒng)節(jié)點(diǎn)功率平衡約束，使風(fēng)、水、電火電聯(lián)合優(yōu)化更符合電網(wǎng)運(yùn)行需求。