田錄林 ，張盛煒 ，田 琦 ，巨思遠 ，張沛文

(1.西安理工大學 水利水電學院，陜西 西安 710048; 2.工商銀行西安高新支行，陜西 西安 710075)

0 引 言

太陽能光熱發(fā)電技術(shù)(Concentrating Solar Power,CSP)是與光伏發(fā)電不同的一種太陽能發(fā)電技術(shù)。它將太陽光照反射至集熱器，再通過換熱裝置得到高壓過熱蒸汽來驅(qū)動汽輪機發(fā)電。為解決太陽能的不穩(wěn)定與間歇性問題，光熱電站通常配備儲熱裝置以保證給電網(wǎng)供電的穩(wěn)定。近年來，光熱發(fā)電迅速發(fā)展。國家能源局規(guī)劃到2020年, 國內(nèi)光熱發(fā)電裝機目標為300萬kW[1]?？紤]到未來光熱電站的規(guī)模以及其良好的調(diào)節(jié)能力，將光熱電站與其他可再生能源發(fā)電一并建立聯(lián)合系統(tǒng)，不僅能平滑電能，而且也能促進可再生能源并網(wǎng)，減少棄風，增加效益。

在光熱發(fā)電與其他能源發(fā)電聯(lián)合調(diào)度研究方面很多學者做出了貢獻。文獻[2]提出了含光熱電站的電網(wǎng)調(diào)度模型，并進行了算例分析。文獻[3]分別從原理、運行、優(yōu)化規(guī)劃、效益分析等角度對光熱電站的并網(wǎng)運行進行了分析。以上兩篇文獻側(cè)重點都在光熱電站的建模與分析部分，并沒有完善的分析其與其他能源構(gòu)成聯(lián)合系統(tǒng)時的調(diào)度策略。文獻[4]建立了光熱電站的數(shù)學模型，分析了其經(jīng)濟價值，但未考慮備用等因素，因此無法應用于包含光熱電站的電網(wǎng)調(diào)度。在含有光熱電站的電力系統(tǒng)優(yōu)化調(diào)度中，文獻[5]提出了光熱電站-風電聯(lián)合系統(tǒng)的自調(diào)度模型，研究對比了CPLEX求解器和遺傳算法在求解該問題時的優(yōu)劣。文獻[6]建立了光熱電站與燃氣輪發(fā)電機的復合發(fā)電系統(tǒng)，有效地提高了光熱電站的可靠性與效率。以上文獻只研究光熱電站與另單一能源聯(lián)合優(yōu)化調(diào)度問題，但未涉及光熱發(fā)電與其他多種能源一起建立聯(lián)合系統(tǒng)的優(yōu)化調(diào)度問題。此外，在風電并網(wǎng)消納方面也有很多專家學者進行了研究。文獻[7]利用抽水蓄能電站的儲能特點，建立了抽水蓄能與風電的聯(lián)合調(diào)度模型并進行了模擬，驗證其模型的有效性。但抽水蓄能電站儲能時的損耗較大，且其對建設地點的地形要求較高。文獻[8]建立了風電優(yōu)先上網(wǎng)的風水火電力系統(tǒng)聯(lián)合調(diào)度模型，以水電和火電共同調(diào)節(jié)以最大化平抑風電的波動。但其結(jié)果中火電出力波動較大，對火電站的運行有一定的影響。文獻[9]建立了風光儲電力系統(tǒng)聯(lián)合調(diào)度模型，使用電池儲能對風電和光伏電站的出力進行削峰填谷，以最大限度接納新能源。但目前大規(guī)模的電池儲能還存在技術(shù)瓶頸，實現(xiàn)起來難度較大。

綜上，目前國內(nèi)外對太陽能發(fā)電技術(shù)的研究多以光伏發(fā)電為主，在風電并網(wǎng)方面也多采用傳統(tǒng)能源來進行調(diào)節(jié)。因此本文創(chuàng)新的使用光熱電站與水電站共同對風電的波動進行調(diào)整。建立水電站，風電場和光熱電站的多種清潔能源聯(lián)合電力系統(tǒng)，利用光熱電站的儲能功能來平滑風電的隨機性。以最大經(jīng)濟價值和最小化棄風量為目標函數(shù)，采用含駐留粒子的改進粒子群算法[10]進行優(yōu)化，仿真算例驗證了本文調(diào)度策略的有效行和可行性。

1 風-光熱-水電聯(lián)合優(yōu)化調(diào)度模型

1.1 目標函數(shù)

要實現(xiàn)風、光熱、水電聯(lián)合調(diào)度系統(tǒng)經(jīng)濟、減少棄風的目標，建立目標函數(shù)如下：

(1)

(2)

式中，T為日調(diào)度總時段數(shù)，取24；N為水電站數(shù)量；cwind、cCSP、chydro分別為風電、光熱以及水電站的上網(wǎng)電價；Ptwind、PtCSP分別為風電場和光熱電站在t時段的輸出功率；Pithydro為水電站i在t時刻的輸出功率;Ptwind*為風電場在t時刻的預測功率。式(1)表示聯(lián)合系統(tǒng)的效益最大化，不計建設投資和維護成本。式(2)表示最小化棄風量，以保證最大限度的接納風電。

1.2 約束條件

(1)系統(tǒng)功率平衡約束

(3)

(2)系統(tǒng)備用約束

(4)

(3)電站功率約束

(5)

(4)水電轉(zhuǎn)換關(guān)系

(6)

式中，A為水電轉(zhuǎn)換常數(shù)，通常取9.81；ηi為水電站i的效率；hit為水庫i在t時段的水頭高度。Qit為水電站i在t時刻的流量。

(5)日流量積分約束

可調(diào)節(jié)水電站需要根據(jù)調(diào)度部門的要求確定發(fā)電的用水量，故將調(diào)度部門的要求設為日流量積分約束的上下限。

(7)

式中，Qmini、Qmaxi分別為水電站i在調(diào)度日的最小和最大分配用水量。

(6)光熱電站約束

a.儲熱裝置的儲能約束為：

(8)

式中，Emin為儲熱裝置最小安全存儲量；ρFLH為儲熱裝置滿負荷小時數(shù)；ηe為發(fā)電機熱轉(zhuǎn)電效率。

b.儲熱裝置的充放電功率約束為：

(9)

c.儲熱裝置充放電功率相互關(guān)系約束：

(10)

d.光熱電站內(nèi)部功率關(guān)系約束：

(11)

2 風-光熱-水電聯(lián)合優(yōu)化調(diào)度算法

對本文提出的模型中的多目標函數(shù)采用統(tǒng)一目標法中的加權(quán)系數(shù)法進行處理，權(quán)重按照對兩個目標函數(shù)的重視度不同分別取0.4和0.6。采用外點罰函數(shù)法處理約束條件，將其融入到目標函數(shù)中。處理后原本復雜的多目標混合約束問題就轉(zhuǎn)化為一系列無約束規(guī)劃問題。模型中需要優(yōu)化計算的參數(shù)為每個電站在每個時段中的功率出力。在算法方面使用一種含駐留粒子的粒子群算法，因其引入“駐留粒子”輔助尋優(yōu)，彌補了基本粒子群算法在局部小區(qū)域內(nèi)尋優(yōu)能力不足的問題，同時也提升了整個粒子群的多樣性。該算法十分適用于在固定范圍內(nèi)尋優(yōu)的電力系統(tǒng)優(yōu)化調(diào)度問題。

2.1 含駐留粒子的改進粒子群優(yōu)化算法

粒子群算法(Particle Swarm Optimization，PSO)具有易于實現(xiàn)，對目標函數(shù)要求不嚴等特點，是目前廣泛應用的一種智能優(yōu)化算法[12]。在尋優(yōu)過程中，粒子的聚集效應會使尋優(yōu)陷入局部最優(yōu)解，影響尋優(yōu)精度。為了解決這個問題，本文采用含駐留粒子的粒子群算法[9](Containing Resident Particles PSO,CRPSO)。CRPSO是在基礎粒子群算法尋優(yōu)時，利用每個gbest更新時產(chǎn)生一定量的駐留粒子進行輔助尋優(yōu)，以提高粒子種群的多樣性，防止算法過早陷入局部最優(yōu)值。

在CRPSO中，為防止尋優(yōu)得到新的全局最優(yōu)點(gbest)附近產(chǎn)生新的駐留粒子數(shù)過多而導致算速下降，設置駐留粒子裕度b,其和主粒子群規(guī)模N的乘積Bbest=bN為駐留粒子數(shù)目的最大值。

2.2 迭代公式

設置算法搜索空間維數(shù)為D，主粒子群規(guī)模為N，則第i個主粒子位置以及其飛行速度可以表示為：

(12)

第i個粒子的個體最優(yōu)值記為：

pbest=(pi1,pi2,…,piD),i=1,2,…,N

(13)

整個粒子群的歷史最優(yōu)值記為：

gbest=(pg1,pg2,…,pgD),i=1,2,…,N

(14)

則第i個粒子的速度和位置更新公式為：

Vi=ωVi+c1r1(pbest-Xi)+c2r2(gbest-Xi)

(15)

Xi=Xi+Vi

(16)

式中，ω為慣性因子；c1、c2為學習因子，也稱加速因子；r1、r2為[0,1]的均勻隨機數(shù)。

駐留粒子初始化公式為：

R=gbset+c3r3

(17)

第j個駐留粒子以及其位置更新公式即“蠕動公式”可表示為：

(18)

式中，c3、c4為搜索范圍大小的(0～0.1)倍，c3略大于c4、r3、r4為D維中每維在(-1,1)內(nèi)的隨機數(shù)。

2.3 算法流程

CRPSO算法流程如圖1所示。

圖1 CRPSO算法流程

3 算例驗證分析

為驗證本文所提多目標優(yōu)化調(diào)度模型的合理性及所使用算法的可行性，設置算例用MATLB軟件進行程序編寫及算例驗證。分別計算不加入含光熱電站和加入光熱電站時算例中每個電站在每時段的出力作為對比，并對結(jié)果進行分析以驗證加入光熱電站是否能夠有效地改善系統(tǒng)接納風電的能力。

3.1 算例參數(shù)

在算例中配以裝機容量分別為350、300 MW的水電站和360 MW的風電場以及一個光熱電站，構(gòu)成含風、光熱、水電的聯(lián)合調(diào)度系統(tǒng)。以小時為調(diào)度周期，將1 d分為24個時段。其中CSP電站以及水電站的參數(shù)如表1、表2所示。

表1 CSP電站參數(shù)

表2 水電站參數(shù)

查閱相關(guān)資料與國家政策文件，設置不同能源的上網(wǎng)電價如表3所示。

表3 不同能源電力上網(wǎng)電價

圖2是典型的日負荷預測值，圖3是風電、光熱電站的功率預測值，風電功率預測的最大值為354 MW，約占總裝機容量的98.3%；最小值為28 MW，約占總裝機容量的7.8%；峰谷差為326 MW，占裝機容量的90%?？梢婏L電出力隨機波動峰谷差很大，且相對于負荷具有反調(diào)峰特性。

圖2 負荷預測值

圖3 風電和光熱功率預測圖

3.2 算例驗證分析

在CRPSO算法中，設置種群規(guī)模為100，最大迭代次數(shù)為500，運算20次。計算不加入光熱電站時，風電與水電的輸出功率如圖4所示。加入光熱電站時，風、光熱、水電力系統(tǒng)聯(lián)合調(diào)度結(jié)果如圖5所示。

圖4 風、水電出力

圖5 風、光熱、水電出力

由圖4可以看出風電波動強烈，最小值為26 MW，約占總裝機容量的7.2%；最大值為289 MW，約占總裝機容量的80.2%；峰谷差為263 MW，占總裝機容量的73%。水電廠出力的峰谷差為239 MW，占總裝機容量的36.7%。可見僅靠水電不斷調(diào)整來彌補風電波動以及負荷的峰谷差會對水電廠造成很大的壓力，這對電廠以及系統(tǒng)都會造成影響。由圖5可以看出，加入可以儲能的光熱電站后，風電場出力的峰谷差為199 MW，約占總裝機容量的55.2%；水電的峰谷差為185 MW，占總裝機容量的28.4%。風電場出力更加平穩(wěn)，棄風量明顯減少；水電的出力波動也有效的減少，整個系統(tǒng)應對風電波動以及負荷峰谷差的能力顯著增強。由表4可知，加入CSP電站后，整個系統(tǒng)經(jīng)濟效益每天增加23.7804萬元，經(jīng)濟效益得到明顯提高。

表4 有無CSP電站經(jīng)濟效益對比

綜上分析可知，本文提出的風-光熱-水電力系統(tǒng)優(yōu)化調(diào)度模型以及含駐留粒子的粒子群算法應用于電力系統(tǒng)中時，可以有效地彌補風電的隨機波動，在使電力系統(tǒng)接納風電的能力顯著增強的同時可以盡量減少水電站出力波動。同時還能有效地提升系統(tǒng)的經(jīng)濟效益。

4 結(jié) 論

為了最大限度利用清潔能源風能和太陽能，本文利用光熱電站的儲能功能來平擬風電的隨機波動性，建立了風-光熱-水電系統(tǒng)優(yōu)化調(diào)度模型，采用含駐留粒子的粒子群算法對調(diào)度模型參數(shù)進行優(yōu)化，仿真驗證結(jié)果表明：本文所提出的風-光熱-水電系統(tǒng)優(yōu)化調(diào)度方案可以有效地平擬風電峰谷差，在保證電力系統(tǒng)安全穩(wěn)定運行的前提下最大限度地提高了電力系統(tǒng)接納風電的能力，同時減少了水電站出力波動，有效提高了電力系統(tǒng)整體的經(jīng)濟效益。