林從城，方萬煜

（廣東電網(wǎng)有限責(zé)任公司汕尾供電局，廣東 汕尾 516600）

0 引言

近年來，國家倡導(dǎo)節(jié)能減排，要求電力系統(tǒng)調(diào)度能夠在供電可靠的前提下，按經(jīng)濟、環(huán)保的原則，優(yōu)先安排清潔能源發(fā)電。因此，對含風(fēng)電場水火電力系統(tǒng)優(yōu)化調(diào)度進行研究，提高發(fā)電企業(yè)的發(fā)電效率，減少污染物的排放，節(jié)約能源，具有十分重要的現(xiàn)實意義。

電力系統(tǒng)的電源構(gòu)成除了火力發(fā)電和水力發(fā)電外，也越來越接受太陽能、風(fēng)能等新能源發(fā)電的并網(wǎng)。風(fēng)力發(fā)電除了前期的必要投資和維護成本外，并不用投入燃料成本，這使得風(fēng)力發(fā)電能為電力系統(tǒng)優(yōu)化調(diào)度帶來更長遠(yuǎn)更多的經(jīng)濟收益。隨著風(fēng)力發(fā)電的大規(guī)模并網(wǎng)運行，電力系統(tǒng)除了要安排火電廠和水電站的出力外，還要考慮風(fēng)電場的出力情況。

文獻(xiàn)［1-8］都在風(fēng)電出力預(yù)測的基礎(chǔ)上，建立大規(guī)模風(fēng)電場接入電網(wǎng)的調(diào)度模型，并利用優(yōu)化的算法對其建立的模型進行計算，但在風(fēng)電出力預(yù)測模型的建立不準(zhǔn)確，從而導(dǎo)致風(fēng)電出力預(yù)測誤差較大。風(fēng)電場出力的不確定性不僅給電網(wǎng)的穩(wěn)定運行增加了更大的風(fēng)險，也對電力系統(tǒng)的備用容量提出了更多的要求［9］。文獻(xiàn)［10-13］在常規(guī)的約束條件上增加了風(fēng)電出力預(yù)測不確定性的約束條件，以此來減少風(fēng)電場出力預(yù)測的不確定性給電網(wǎng)穩(wěn)定運行帶來的風(fēng)險，但其模型的建立較為簡單，未能考慮水電站中各級水庫中來水量、引水量等方面的約束條件。因此引入旋轉(zhuǎn)備用容量來應(yīng)對風(fēng)電功率預(yù)測的不確定性，同時還考慮水電站中各級水庫中來水量、引水量等方面的約束條件來建立含風(fēng)電場的水火電力系統(tǒng)優(yōu)化調(diào)度模型，并利用改進粒子群算法對模型進行運算求解，從而解決風(fēng)電場大規(guī)模并網(wǎng)的經(jīng)濟調(diào)度問題。

1 含風(fēng)電場水火電力系統(tǒng)優(yōu)化調(diào)度模型

1.1 目標(biāo)函數(shù)

電力系統(tǒng)經(jīng)濟調(diào)度是在滿足電網(wǎng)安全穩(wěn)定運行的前提下，盡可能地提高電力系統(tǒng)運行的經(jīng)濟性，即合理使用設(shè)備和能源，用最少的燃料來保障電網(wǎng)安全可靠運行，保證用戶的供電可靠性。含風(fēng)電場水火電力系統(tǒng)經(jīng)濟調(diào)度應(yīng)該從多個目標(biāo)去考慮，以梯級水電站耗水量最少和火電機組耗煤量最少為目標(biāo)，構(gòu)建目標(biāo)函數(shù)如下：

火電機組耗煤量最小時，

梯級水電站耗水量最小時，

式中：f1、f2分別為火電廠的耗煤量和梯級水電站的耗水量；T 為火電機組發(fā)電的時長；為火電機組j在t 時段出力；NT、NH分別為火電廠和水電站的個數(shù)；aj、bj、cj為第j 個火電廠的煤耗系數(shù)；為t 時刻第i 個水電站的發(fā)電用水量。

1.2 約束條件

1）功率平衡約束。

由于發(fā)電、輸電、用電幾乎是同一時刻完成的，發(fā)電量應(yīng)與負(fù)荷消耗量相等，忽略網(wǎng)絡(luò)損耗，其表達(dá)式為

2）水電站和火電廠的機組出力約束。

式 中：PT，jmin、PT，jmax分別為火電廠的最小出力和 最大出力；PH，imin、PH，imax分別為水電站的最小出力和最大出力。

3）火電機組的爬坡約束。

4）發(fā)電流量約束。

式中：QG，imax、QG，imin分別為第i 個水電站發(fā)電流量的最小值和最大值為第i 個水電站在t 時刻的發(fā)電流量。

5）水庫蓄水量約束。

式中：Vimin、Vimax為第i 個水電站水庫蓄水量的最小值和最大值為t 時刻第i 個水電站水庫的蓄水量。

6）梯級水電站的龍頭電站和非龍頭電站的水量平衡表達(dá)式為：

7）旋轉(zhuǎn)備用容量約束。

系統(tǒng)沒有風(fēng)電接入電網(wǎng)時，旋轉(zhuǎn)備用容量是響應(yīng)發(fā)電機組停止運行和負(fù)荷預(yù)測不準(zhǔn)確所帶來的影響。風(fēng)電功率預(yù)測不準(zhǔn)確增大了電力系統(tǒng)的隨機性，需要利用旋轉(zhuǎn)備用容量來應(yīng)對風(fēng)電并網(wǎng)的影響。風(fēng)電場的規(guī)模越大，則風(fēng)電場的輸出功率也越大，一旦減少或沒有了這部分發(fā)電出力時，其他機組要能夠迅速彌補電力系統(tǒng)的功率缺失，則系統(tǒng)需要提供更多的備用容量來應(yīng)對風(fēng)電功率的變化［14］。

系統(tǒng)需要保留旋轉(zhuǎn)備用容量來應(yīng)對機組停運和負(fù)荷預(yù)測的影響，其所需選擇備用容量為：

風(fēng)電功率的預(yù)測同樣存在著誤差，則所需旋轉(zhuǎn)備用為:

t 時刻，系統(tǒng)水電站所具有的旋轉(zhuǎn)備用容量為：

式中：Ut、Dt分別為系統(tǒng)t 時刻所具有的向上旋轉(zhuǎn)備用和向下旋轉(zhuǎn)備用。

綜上所述，系統(tǒng)旋轉(zhuǎn)備用約束為：

2 粒子群算法的改進

雖然粒子群算法具有容易實現(xiàn)、收斂速度快等優(yōu)點，但是算法還存在容易出現(xiàn)早熟現(xiàn)象、陷入局部最優(yōu)解等缺點。針對粒子群算法的這些問題，對慣性因子和學(xué)習(xí)因子進行適當(dāng)?shù)恼{(diào)整，使算法能避免這些缺點，更好地求解優(yōu)化問題。

1）學(xué)習(xí)因子異步變化：

式中：c1，f、c2，f分別為學(xué)習(xí)因子c1和學(xué)習(xí)因子c2的初值；c1，F(xiàn)、c2，F(xiàn)分別為學(xué)習(xí)因子c1和學(xué)習(xí)因子c2的終值；c1，k、c2，k分別為第k 次迭代的學(xué)習(xí)因子。

2）慣性因子線性遞減。

式中：k 為當(dāng)前迭代的次數(shù)；K 為迭代的總數(shù)；w 為第k 次迭代的慣性因子；wmax、wmin分別為慣性因子極大與極小值，通常取值分別為0.9、0.4。

根據(jù)上述的方法對標(biāo)準(zhǔn)粒子群算法進行改進，改進后的算法如圖1 所示。

圖1 改進粒子群的算法

3 算例仿真計算

3.1 算例

為了驗證所建立優(yōu)化調(diào)度模型的合理性和有效性，對紅水河已建設(shè)的8 個水電站、廣西境內(nèi)10 個火電廠及1 個大型風(fēng)電場所組成的電力系統(tǒng)的運行情況進行分析［15］，利用改進粒子群算法表進行仿真計算。風(fēng)電場、水電站、火電廠參數(shù)如表1—表3 所示，負(fù)荷情況采用廣西日調(diào)度報，如表4 所示。

采用ARMA 模型，通過歷史數(shù)據(jù)來預(yù)測未來24 h內(nèi)風(fēng)電場的出力情況，所預(yù)測的風(fēng)電場出力值如表5 所示。

在滿足機組出力約束、功率平衡約束、火電機組爬坡約束等條件下，運用改進粒子群算法對所建立的含風(fēng)電場水火電力系統(tǒng)優(yōu)化調(diào)度模型進行求解，各時段水電站、火電廠和風(fēng)電場聯(lián)合調(diào)度情況如圖2—圖4 所示。

表1 火電廠基本參數(shù)

表2 梯級水電站基本參數(shù)

表3 風(fēng)電場的出力實際值

表4 系統(tǒng)的負(fù)荷情況

表5 風(fēng)電場的出力預(yù)測值

圖2 梯級水電站24 h 的出力情況

圖3 火電廠24 h 的出力情況

圖4 含風(fēng)電場水火電力系統(tǒng)優(yōu)化調(diào)度情況

同時為了證明改進粒子群算法的準(zhǔn)確性，分別采用改進粒子群算法與粒子群算法，對目標(biāo)模型進行運算，兩種算法的參數(shù)如表6 所示，具體運算結(jié)果如表7 所示。

表6 粒子群和優(yōu)化粒子群算法參數(shù)

表7 運算結(jié)果

3.2 結(jié)果分析

從圖2 可知，水頭高、裝機容量大的梯級水電站被安排優(yōu)先發(fā)電，并且承擔(dān)著較大的出力，這符合耗水量最小的目標(biāo)。由于受到庫容、出力等約束，還有對下游水電站的發(fā)電流量、水位等影響，使得大容量機組不能滿發(fā)。

從圖3 可知，耗煤率低、裝機容量較大的機組1、2、4 承擔(dān)著較大的出力，這符合煤耗量最小的目標(biāo)。優(yōu)先安排裝機容量大且耗煤率低的火力發(fā)電機組發(fā)電，可以有效減少煤炭的消耗量，進而減少污染物的排放。

從圖4 可以看出，水電站出力基本大于火電廠出力，能夠有效減少了污染的排放，證明所建立的模型比較有效合理。

從表7 可以看出，優(yōu)化后粒子群算法的水電出力多于粒子群算法算出的數(shù)值，即表明改進后的粒子群算法所得出的結(jié)果在用水量、污染的排放及煤的使用上都要優(yōu)于粒子群算法所得出的結(jié)果，因此，優(yōu)化后的粒子群算法精確度更高。

4 結(jié)語

研究含風(fēng)電場水火電力系統(tǒng)優(yōu)化調(diào)度問題，構(gòu)建了考慮環(huán)境因素和經(jīng)濟因素的優(yōu)化調(diào)度模型。對粒子群算法進行改進，使其在求解多維約束、復(fù)雜的非線性問題時具有更快的收斂性和更好的精確度。并運用改進的粒子群算法對含風(fēng)電場水火電力系統(tǒng)優(yōu)化調(diào)度模型進行仿真計算。所建立的含風(fēng)電場水火電力系統(tǒng)優(yōu)化調(diào)度模型的仿真結(jié)果表明，在調(diào)度期內(nèi)，梯級水電站的出力大于火電廠的出力，證明了所建立的模型有效合理。依據(jù)此模型對含風(fēng)電場的水火電力系統(tǒng)優(yōu)化調(diào)度，有效提高電力系統(tǒng)的經(jīng)濟性，盡可能減少了煤炭資源的利用，實現(xiàn)了節(jié)能減排。