桂前進(jìn) 黃向前 麥 立 徐瑞翔

考慮時(shí)變備用需求的含大規(guī)模風(fēng)電電力系統(tǒng)機(jī)組組合滾動(dòng)優(yōu)化

桂前進(jìn)1黃向前1麥 立2徐瑞翔1

（1. 國(guó)網(wǎng)安徽省電力公司安慶供電公司，安徽 安慶 246003； 2. 國(guó)網(wǎng)安徽省電力有限公司，合肥 230022）

風(fēng)電的波動(dòng)性及難以預(yù)測(cè)的特性給電力系統(tǒng)安全、經(jīng)濟(jì)調(diào)度帶來(lái)了困難。含風(fēng)電電力系統(tǒng)機(jī)組組合需安排火電預(yù)留足夠的旋轉(zhuǎn)備用容量，以減小風(fēng)電波動(dòng)和預(yù)測(cè)誤差對(duì)電力系統(tǒng)的影響。本文針對(duì)風(fēng)電預(yù)測(cè)誤差的強(qiáng)時(shí)變特性，提出考慮時(shí)變備用需求的含大規(guī)模風(fēng)電電力系統(tǒng)機(jī)組組合滾動(dòng)優(yōu)化模型，該模型充分考慮風(fēng)電預(yù)測(cè)誤差的時(shí)變特性，優(yōu)化系統(tǒng)機(jī)組組合滾動(dòng)運(yùn)行方案。算例分析證明了本文模型的有效性和可行性，分析表明本文模型能夠滿(mǎn)足系統(tǒng)時(shí)變備用需求，保證系統(tǒng)不同時(shí)間尺度的運(yùn)行安全性和經(jīng)濟(jì)性。

風(fēng)電不確定性；時(shí)變特性；滾動(dòng)優(yōu)化；線性規(guī)劃

0 引言

在“30·60”雙碳目標(biāo)要求下，未來(lái)電力系統(tǒng)將遵循“清潔化、綜合化、智慧化”的創(chuàng)新趨勢(shì)發(fā)展，并將促進(jìn)新能源發(fā)電進(jìn)一步發(fā)展[1]。風(fēng)電作為主要的新能源發(fā)電形式，其波動(dòng)性和間歇性給電力系統(tǒng)安全運(yùn)行帶來(lái)嚴(yán)峻挑戰(zhàn)[2]。為了應(yīng)對(duì)風(fēng)電不確定性，含大規(guī)模風(fēng)電并網(wǎng)電力系統(tǒng)機(jī)組組合需安排火電預(yù)留足夠的旋轉(zhuǎn)備用容量，以保證系統(tǒng)運(yùn)行安全[3]。

預(yù)留旋轉(zhuǎn)備用容量增加會(huì)提升系統(tǒng)運(yùn)行安全性，但會(huì)增加運(yùn)行成本，降低運(yùn)行經(jīng)濟(jì)性。因此，含大規(guī)模風(fēng)電電力系統(tǒng)機(jī)組組合應(yīng)力求運(yùn)行經(jīng)濟(jì)性與安全性的平衡[4]。

準(zhǔn)確的風(fēng)速預(yù)測(cè)技術(shù)對(duì)旋轉(zhuǎn)備用容量的確定具有重要作用。更高的預(yù)測(cè)精度意味著更低的旋轉(zhuǎn)備用需求[3]。雖然風(fēng)速預(yù)測(cè)技術(shù)已取得長(zhǎng)足發(fā)展，但風(fēng)速自身的隨機(jī)性使風(fēng)速預(yù)測(cè)不可避免地具有較大的預(yù)測(cè)誤差。風(fēng)速預(yù)測(cè)的準(zhǔn)確度隨時(shí)間尺度延長(zhǎng)逐漸降低，且預(yù)測(cè)誤差的概率分布具有時(shí)變特性[5]。因此，含風(fēng)電電力系統(tǒng)機(jī)組組合應(yīng)針對(duì)不同時(shí)間尺度調(diào)度計(jì)劃，充分考慮風(fēng)速預(yù)測(cè)誤差的時(shí)變特性，以在保證運(yùn)行安全的前提下，降低系統(tǒng)運(yùn)行成本。

對(duì)于含風(fēng)電電力系統(tǒng)機(jī)組組合的研究，根據(jù)風(fēng)電不確定性處理方法主要分為：確定性方法[3, 6]、模糊方法[7-8]、隨機(jī)方法[9-10]。確定性方法通過(guò)風(fēng)能的歷史數(shù)據(jù)確定系統(tǒng)補(bǔ)償風(fēng)電出力的額外旋轉(zhuǎn)備用需求。文獻(xiàn)[3]利用統(tǒng)計(jì)方法，對(duì)歷史風(fēng)速數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)做統(tǒng)計(jì)分析，根據(jù)置信水平動(dòng)態(tài)確定系統(tǒng)備用容量。模糊方法采用模糊集表征風(fēng)電出力不確定性，通過(guò)求解模糊規(guī)劃進(jìn)行機(jī)組組合[8]。隨機(jī)方法利用概率分布表征風(fēng)能或預(yù)測(cè)誤差，能更加準(zhǔn)確地處理風(fēng)能不確定性，但計(jì)算量較大[11]。

關(guān)于含風(fēng)電電力系統(tǒng)機(jī)組組合的研究已有很多文獻(xiàn)，但現(xiàn)有研究?jī)H針對(duì)單一時(shí)間尺度分析風(fēng)電預(yù)測(cè)誤差統(tǒng)計(jì)特性，確定旋轉(zhuǎn)備用需求，未研究風(fēng)電預(yù)測(cè)誤差的時(shí)變概率特性及時(shí)變的旋轉(zhuǎn)備用需求，無(wú)法應(yīng)用于電力系統(tǒng)機(jī)組組合滾動(dòng)優(yōu)化，且無(wú)法保證系統(tǒng)不同時(shí)間尺度的運(yùn)行安全性和經(jīng)濟(jì)性。

鑒于此，本文針對(duì)風(fēng)電功率預(yù)測(cè)誤差的時(shí)變特性，對(duì)考慮時(shí)變備用需求的含大規(guī)模風(fēng)電電力系統(tǒng)機(jī)組組合滾動(dòng)優(yōu)化方法展開(kāi)研究。主要?jiǎng)?chuàng)新點(diǎn)如下：①分析風(fēng)電預(yù)測(cè)誤差的時(shí)變概率特性，基于機(jī)會(huì)約束方法確定含大規(guī)模風(fēng)電并網(wǎng)電力系統(tǒng)時(shí)變旋轉(zhuǎn)備用容量需求；②考慮時(shí)變旋轉(zhuǎn)備用需求，基于混合整數(shù)線性（mixed integer linear, MIL）方法，建立含大規(guī)模風(fēng)電電力系統(tǒng)機(jī)組組合滾動(dòng)優(yōu)化模型。

本文模型能夠充分考慮風(fēng)電功率預(yù)測(cè)誤差的時(shí)變特性，確定含大規(guī)模風(fēng)電電力系統(tǒng)時(shí)變的旋轉(zhuǎn)備用容量需求，并根據(jù)電力系統(tǒng)多時(shí)間尺度機(jī)組組合優(yōu)化模型，確定含高比例風(fēng)電電力系統(tǒng)機(jī)組組合滾動(dòng)運(yùn)行方案，保證系統(tǒng)不同時(shí)間尺度的運(yùn)行安全性和經(jīng)濟(jì)性?；诨旌险麛?shù)線性規(guī)劃建模能有效降低模型的計(jì)算復(fù)雜性，為大規(guī)模系統(tǒng)應(yīng)用提供基礎(chǔ)。

1 風(fēng)電預(yù)測(cè)誤差時(shí)變概率特性分析及時(shí)變旋轉(zhuǎn)備用容量確定

1.1 風(fēng)電預(yù)測(cè)誤差時(shí)變概率特性分析

風(fēng)速受氣候環(huán)境等因素的影響，具有較強(qiáng)的隨機(jī)性和波動(dòng)性，準(zhǔn)確預(yù)測(cè)風(fēng)速和風(fēng)電功率困難較大。風(fēng)速預(yù)測(cè)誤差的概率分布特性與預(yù)測(cè)模型、預(yù)測(cè)時(shí)長(zhǎng)等均有關(guān)。分析歷史風(fēng)速數(shù)據(jù)和預(yù)測(cè)結(jié)果可以得到風(fēng)電功率預(yù)測(cè)誤差的分布特性[12]，進(jìn)而通過(guò)風(fēng)電機(jī)組的風(fēng)電轉(zhuǎn)換模型，可以得到風(fēng)電功率的預(yù)測(cè)分布統(tǒng)計(jì)特性。

根據(jù)對(duì)風(fēng)速預(yù)測(cè)結(jié)果和歷史風(fēng)速數(shù)據(jù)的分析，風(fēng)速預(yù)測(cè)誤差可近似認(rèn)為服從正態(tài)分布[13]，即

式中：為風(fēng)速預(yù)測(cè)誤差；和分別為預(yù)測(cè)誤差的期望值和標(biāo)準(zhǔn)差。

風(fēng)電轉(zhuǎn)換關(guān)系近似表示為[14]

式中：W為風(fēng)電機(jī)組出力；W,r為風(fēng)電機(jī)組額定容量；ci、r和co分別為風(fēng)電機(jī)組切入、額定和切出風(fēng)速；、、為風(fēng)電轉(zhuǎn)換模型的系數(shù)[15]。

根據(jù)風(fēng)速的預(yù)測(cè)誤差分布結(jié)合風(fēng)電機(jī)組的風(fēng)電轉(zhuǎn)換模型，即可得到風(fēng)電出力的預(yù)測(cè)誤差分布的概率特性。

風(fēng)速的預(yù)測(cè)效果一般會(huì)隨著預(yù)測(cè)時(shí)間的延長(zhǎng)逐漸變差[5]，并使預(yù)測(cè)誤差的概率分布發(fā)生變化，表現(xiàn)為時(shí)變概率特性。風(fēng)速或風(fēng)電功率的預(yù)測(cè)可以分為日前預(yù)測(cè)和短期（或超短期）預(yù)測(cè)[16]。日前風(fēng)速預(yù)測(cè)通常采用數(shù)值天氣預(yù)報(bào)（numerical weather prediction, NWP）方法，日前風(fēng)速預(yù)測(cè)誤差由NWP技術(shù)決定。短期（超短期）風(fēng)速預(yù)測(cè)一般采用統(tǒng)計(jì)學(xué)方法，預(yù)測(cè)誤差在很大程度上受預(yù)測(cè)時(shí)間影響。

1.2 基于風(fēng)速預(yù)測(cè)誤差時(shí)變概率特性的系統(tǒng)時(shí)變備用容量確定方法

含大規(guī)模風(fēng)電電力系統(tǒng)機(jī)組組合中旋轉(zhuǎn)備用容量需求主要取決于風(fēng)電功率預(yù)測(cè)誤差。充分分析各時(shí)間尺度預(yù)測(cè)誤差的時(shí)變分布特性，基于風(fēng)電預(yù)測(cè)誤差時(shí)變概率特性，確定系統(tǒng)各時(shí)間尺度備用容量需求。采用滾動(dòng)的優(yōu)化方法，考慮系統(tǒng)時(shí)變備用容量需求，及時(shí)更改運(yùn)行方案，可以保證系統(tǒng)運(yùn)行安全性和經(jīng)濟(jì)性。

含大規(guī)模風(fēng)電電力系統(tǒng)調(diào)度示意圖如圖1所示，日前機(jī)組組合即安排火電機(jī)組和預(yù)測(cè)的風(fēng)電滿(mǎn)足次日預(yù)測(cè)負(fù)荷。由于風(fēng)電和負(fù)荷預(yù)測(cè)誤差，日前機(jī)組組合需預(yù)留足夠的旋轉(zhuǎn)備用容量，保證系統(tǒng)運(yùn)行安全。

圖1 含大規(guī)模風(fēng)電電力系統(tǒng)調(diào)度示意圖

旋轉(zhuǎn)備用容量分為上旋轉(zhuǎn)備用容量和下旋轉(zhuǎn)備用容量。傳統(tǒng)（無(wú)新能源）電力系統(tǒng)中，負(fù)荷預(yù)測(cè)誤差相對(duì)較小，而且電源基本為可調(diào)節(jié)的火電、水電等常規(guī)機(jī)組，機(jī)組向下調(diào)節(jié)容量較為充裕。因此，僅需設(shè)置因設(shè)備故障和負(fù)荷預(yù)測(cè)誤差所需的基本向上旋轉(zhuǎn)備用容量。針對(duì)大規(guī)模風(fēng)電的不確定性，本文模型在原有的旋轉(zhuǎn)備用約束的基礎(chǔ)上增加因風(fēng)電并網(wǎng)而需要的額外向上和向下旋轉(zhuǎn)備用需求[6]。

本文基本旋轉(zhuǎn)備用容量根據(jù)系統(tǒng)容量取固定 值[6]。對(duì)于額外旋轉(zhuǎn)備用容量，根據(jù)風(fēng)電預(yù)測(cè)誤差時(shí)變概率特性，采用機(jī)會(huì)約束方法，確定各時(shí)間尺度的額外旋轉(zhuǎn)備用需求。系統(tǒng)時(shí)變備用容量需滿(mǎn)足的約束為

根據(jù)機(jī)會(huì)約束的方法[17]可將系統(tǒng)時(shí)變備用容量約束轉(zhuǎn)化為確定形式，即

2 考慮時(shí)變備用需求的含風(fēng)電電力系統(tǒng)機(jī)組組合滾動(dòng)優(yōu)化模型

本文基于風(fēng)電功率預(yù)測(cè)誤差的時(shí)變特性，采用兩階段滾動(dòng)優(yōu)化方法進(jìn)行機(jī)組組合優(yōu)化?？紤]時(shí)變備用需求機(jī)組組合滾動(dòng)優(yōu)化示意圖如圖2所示，分別對(duì)應(yīng)日前發(fā)電計(jì)劃和滾動(dòng)發(fā)電計(jì)劃兩個(gè)時(shí)間尺度。第一階段決策火電起停，第二階段控制其出力，即日前調(diào)度、日內(nèi)控制的思想。

圖2 考慮時(shí)變備用需求機(jī)組組合滾動(dòng)優(yōu)化示意圖

第一階段，針對(duì)日前風(fēng)電預(yù)測(cè)誤差概率分布，采用機(jī)會(huì)約束方法確定旋轉(zhuǎn)備用容量需求，優(yōu)化次日24h火電機(jī)組開(kāi)停機(jī)狀態(tài)。第一階段認(rèn)為次日24h的預(yù)測(cè)準(zhǔn)確度相同，各時(shí)段風(fēng)電功率預(yù)測(cè)誤差服從統(tǒng)一正態(tài)分布。第二階段，根據(jù)超短期預(yù)測(cè)結(jié)果，每隔1h對(duì)當(dāng)天剩余時(shí)間的機(jī)組調(diào)度結(jié)果按照每15min逐點(diǎn)進(jìn)行滾動(dòng)修正。當(dāng)天剩余時(shí)間的風(fēng)電預(yù)測(cè)誤差分布充分考慮風(fēng)電功率預(yù)測(cè)誤差時(shí)變特性。

第一階段額外旋轉(zhuǎn)備用容量概率閾值會(huì)影響第二階段系統(tǒng)運(yùn)行風(fēng)險(xiǎn)。因此，可以提高第一階段備用容量概率閾值，進(jìn)而提高系統(tǒng)旋轉(zhuǎn)備用容量，但是這樣會(huì)造成系統(tǒng)運(yùn)行成本的增加。因此，在含大規(guī)模風(fēng)電的電力系統(tǒng)機(jī)組組合過(guò)程中應(yīng)根據(jù)風(fēng)電預(yù)測(cè)誤差的統(tǒng)計(jì)特性，量化系統(tǒng)運(yùn)行風(fēng)險(xiǎn)，尋求系統(tǒng)運(yùn)行風(fēng)險(xiǎn)與運(yùn)行經(jīng)濟(jì)性的平衡，在保證運(yùn)行經(jīng)濟(jì)性的過(guò)程中可以適當(dāng)棄一部分風(fēng)能。

2.1 日前機(jī)組組合

1）目標(biāo)函數(shù)

含風(fēng)電并網(wǎng)電力系統(tǒng)機(jī)組組合的目標(biāo)函數(shù)為系統(tǒng)運(yùn)行總成本最小，包含傳統(tǒng)機(jī)組的發(fā)電成本和機(jī)組開(kāi)機(jī)成本，不考慮風(fēng)電運(yùn)行成本。目標(biāo)函數(shù)表示為

火電機(jī)組的燃料成本通常表示為二次形式，為了加快計(jì)算速度，本文利用分段線性化進(jìn)行處 理[18-19]，即

機(jī)組開(kāi)機(jī)成本與停機(jī)時(shí)間相關(guān)，按照冷、熱起動(dòng)成本線性化表示為

2）約束條件

日前機(jī)組組合優(yōu)化運(yùn)行問(wèn)題的約束條件如下。

（1）系統(tǒng)功率平衡約束

（2）機(jī)組運(yùn)行出力約束

（3）機(jī)組最小開(kāi)停機(jī)時(shí)間約束

火電機(jī)組起停受最小開(kāi)停機(jī)時(shí)間限制，本文分成三個(gè)時(shí)間段建立火電機(jī)組起停時(shí)間約束。式（11）為最小開(kāi)機(jī)時(shí)間約束，只有當(dāng)火電機(jī)組持續(xù)開(kāi)機(jī)時(shí)間超過(guò)其最小開(kāi)機(jī)時(shí)間，該機(jī)組才能停機(jī)。式（12）為最小停機(jī)時(shí)間約束。

（4）系統(tǒng)旋轉(zhuǎn)備用約束

基本旋轉(zhuǎn)備用容量可以根據(jù)系統(tǒng)容量取固定值或負(fù)荷的一定比例[6]。本文基于機(jī)會(huì)約束的方法[19]確定額外旋轉(zhuǎn)備用需求，認(rèn)為風(fēng)電功率預(yù)測(cè)誤差服從正態(tài)分布，則系統(tǒng)旋轉(zhuǎn)備用約束為

（5）網(wǎng)絡(luò)潮流約束

基于直流潮流的網(wǎng)絡(luò)潮流約束為

2.2 超短期出力調(diào)整

第二階段根據(jù)日前機(jī)組組合的機(jī)組開(kāi)停機(jī)狀態(tài)和風(fēng)電超短期預(yù)測(cè)結(jié)果，每隔1h滾動(dòng)優(yōu)化當(dāng)天剩余時(shí)間，按照15min逐點(diǎn)滾動(dòng)調(diào)整機(jī)組出力。

考慮到常規(guī)火電機(jī)組的起、停時(shí)間一般較長(zhǎng)，通常日內(nèi)滾動(dòng)優(yōu)化過(guò)程不允許再改變火電機(jī)組的起停計(jì)劃，因此，本文模型的第二階段僅根據(jù)日前機(jī)組組合結(jié)果，對(duì)剩余時(shí)間的機(jī)組出力進(jìn)行滾動(dòng)調(diào)整。

1）目標(biāo)函數(shù)

目標(biāo)函數(shù)為火電機(jī)組燃料成本，表示為

2）約束條件

火電機(jī)組超短期出力調(diào)整優(yōu)化模型的約束條件主要考慮功率平衡約束、火電機(jī)組出力約束、火電機(jī)組狀態(tài)約束和旋轉(zhuǎn)備用約束，前兩種約束與日前機(jī)組組合相似，此處不再贅述。以下內(nèi)容介紹火電機(jī)組狀態(tài)約束和旋轉(zhuǎn)備用約束。

（1）火電機(jī)組狀態(tài)約束

火電機(jī)組起停往往需數(shù)小時(shí)，火電機(jī)組超短期出力調(diào)整優(yōu)化中不考慮火電機(jī)組的非計(jì)劃起停，因此火電機(jī)組狀態(tài)需要與日前機(jī)組組合結(jié)果一致。

（2）旋轉(zhuǎn)備用約束

因風(fēng)電功率預(yù)測(cè)誤差分布的時(shí)變特性，超短期出力調(diào)整中，各個(gè)時(shí)間段風(fēng)電功率的分布特性不同，本文假設(shè)未來(lái)3h每個(gè)小時(shí)的風(fēng)電功率預(yù)測(cè)誤差服從同一分布，則旋轉(zhuǎn)備用約束為

3 算例分析

為了驗(yàn)證本文模型的有效性，以10臺(tái)機(jī)組和600MW風(fēng)電場(chǎng)構(gòu)成系統(tǒng)開(kāi)展算例分析?；痣姍C(jī)組參數(shù)[20]見(jiàn)表1，系統(tǒng)接線[20]及各機(jī)組所在位置如圖3所示。利用Matlab編寫(xiě)計(jì)算程序，調(diào)用GUROBI求解滾動(dòng)優(yōu)化模型。

圖3 系統(tǒng)接線及各機(jī)組所在位置

表1 火電機(jī)組參數(shù)

3.1 模型有效性對(duì)比分析

本算例與文獻(xiàn)[6]方法進(jìn)行對(duì)比分析。未來(lái)一天24h的負(fù)荷及風(fēng)電功率預(yù)測(cè)值見(jiàn)表2。為了嚴(yán)格驗(yàn)證本文模型有效性，方便與文獻(xiàn)[6]結(jié)果進(jìn)行對(duì)比，風(fēng)電數(shù)據(jù)參考文獻(xiàn)[6]均在400MW左右，未能反映風(fēng)電功率的實(shí)際波動(dòng)情況。文獻(xiàn)[6]取基本旋轉(zhuǎn)備用需求為300MW，上、下額外旋轉(zhuǎn)備用容量取為風(fēng)電功率預(yù)測(cè)值的20%，本文基于機(jī)會(huì)約束1取0.8。文獻(xiàn)[6]和本文第一階段日前機(jī)組組合結(jié)果對(duì)比見(jiàn)表3。

比較表3結(jié)果可知，兩種方法機(jī)組起停結(jié)果相差不大，只在某些時(shí)刻，如9:00、10:00、13:00、17:00、18:00、19:00機(jī)組狀態(tài)不同，說(shuō)明了本文方法的有效性。本文方法第一階段總的運(yùn)行成本較文獻(xiàn)[6]有所降低，說(shuō)明本文在保證風(fēng)電功率預(yù)測(cè)準(zhǔn)確度的情況下，取額外旋轉(zhuǎn)備用約束的概率閾值1=0.8，較文獻(xiàn)[6]取風(fēng)電功率的固定比例20%能夠降低運(yùn)行成本。

表2 負(fù)荷及風(fēng)電功率預(yù)測(cè)值

表3 第一階段日前機(jī)組組合結(jié)果對(duì)比

（續(xù)表3）

3.2 考慮時(shí)變備用需求機(jī)組組合滾動(dòng)優(yōu)化分析

圖4 負(fù)荷及風(fēng)電功率預(yù)測(cè)曲線

圖5 第一階段風(fēng)電功率及額外旋轉(zhuǎn)備用曲線

從圖4和圖5中曲線發(fā)現(xiàn)，系統(tǒng)需要旋轉(zhuǎn)備用需求并不與風(fēng)電功率正相關(guān)，1:00～4:00期間，風(fēng)電預(yù)測(cè)值最高，但系統(tǒng)向上旋轉(zhuǎn)備用需求并不最高，小于17:00～19:00期間的旋轉(zhuǎn)備用需求。這是由于風(fēng)電預(yù)測(cè)誤差分布與風(fēng)速相關(guān)，1:00～4:00期間風(fēng)速較高，接近或超過(guò)風(fēng)機(jī)額定風(fēng)速，而此風(fēng)速區(qū)間風(fēng)機(jī)出力受風(fēng)速變化的影響相對(duì)較??；而17:00～19:00風(fēng)速區(qū)間風(fēng)機(jī)出力受風(fēng)速影響較大，因此系統(tǒng)需要預(yù)留更多的旋轉(zhuǎn)備用。

第一階段火電機(jī)組出力調(diào)度結(jié)果如圖6所示。由圖6發(fā)現(xiàn)，機(jī)組U7～U10經(jīng)濟(jì)性較好，承擔(dān)基荷；而經(jīng)濟(jì)性相對(duì)較差的小容量機(jī)組，如U1～U4，只有當(dāng)系統(tǒng)凈負(fù)荷較高時(shí)，才會(huì)投運(yùn)。同時(shí)，由于小容量機(jī)組運(yùn)行靈活，其對(duì)系統(tǒng)靈活性具有一定的貢獻(xiàn)，因此其在機(jī)組組合中也經(jīng)常被調(diào)用。如：14:00～16:00，機(jī)組U1被調(diào)用，以彌補(bǔ)系統(tǒng)缺少的向上旋轉(zhuǎn)備用容量。

圖6 第一階段火電機(jī)組出力調(diào)度結(jié)果

圖7 第二階段風(fēng)電功率及額外旋轉(zhuǎn)備用曲線

兩階段各小時(shí)燃料成本見(jiàn)表4。比較日前機(jī)組組合和機(jī)組出力調(diào)整兩階段各小時(shí)燃料成本發(fā)現(xiàn)，當(dāng)風(fēng)電發(fā)電量相等時(shí)，火電燃料成本并無(wú)明顯差異。通過(guò)滾動(dòng)優(yōu)化中的超短期機(jī)組出力調(diào)整能夠考慮風(fēng)電功率預(yù)測(cè)誤差的時(shí)變特性，充分計(jì)及風(fēng)電不確定性，在不增加系統(tǒng)運(yùn)行成本的情況下，量化系統(tǒng)因風(fēng)電功率預(yù)測(cè)誤差帶來(lái)的風(fēng)險(xiǎn)。

表4 兩階段各小時(shí)燃料成本 單位: $

（續(xù)表4）

3.3 旋轉(zhuǎn)備用概率閾值影響分析

改變第一階段旋轉(zhuǎn)備用概率閾值，保持第二階段備用概率閾值不變，分別進(jìn)行機(jī)組組合滾動(dòng)優(yōu)化，得到兩階段的系統(tǒng)總運(yùn)行成本如圖8所示。分析結(jié)果發(fā)現(xiàn)，系統(tǒng)總成本隨備用概率閾值增加，具有明顯的增長(zhǎng)趨勢(shì)，且第一、第二階段總成本維持基本相同，這說(shuō)明系統(tǒng)運(yùn)行成本主要受第一階段風(fēng)電預(yù)測(cè)特性及旋轉(zhuǎn)備用容量影響，第二階段風(fēng)電預(yù)測(cè)結(jié)果較為準(zhǔn)確，對(duì)系統(tǒng)運(yùn)行影響較小。

圖8 兩階段系統(tǒng)總運(yùn)行成本

4 結(jié)論

風(fēng)電的間歇、波動(dòng)特性給電力系統(tǒng)調(diào)度帶來(lái)了困難，系統(tǒng)機(jī)組組合需預(yù)留足夠的旋轉(zhuǎn)備用容量以滿(mǎn)足風(fēng)電波動(dòng)和預(yù)測(cè)誤差。風(fēng)電功率預(yù)測(cè)誤差具有很強(qiáng)的時(shí)變特性，影響旋轉(zhuǎn)備用需求。本文針對(duì)風(fēng)電預(yù)測(cè)誤差的時(shí)變特性，提出考慮時(shí)變備用需求的含大規(guī)模風(fēng)電電力系統(tǒng)機(jī)組組合滾動(dòng)優(yōu)化模型。

算例分析表明，本文模型能充分考慮風(fēng)電預(yù)測(cè)誤差的時(shí)變特性，確定系統(tǒng)時(shí)變的旋轉(zhuǎn)備用需求，滾動(dòng)優(yōu)化機(jī)組組合運(yùn)行方案，保證系統(tǒng)不同時(shí)間尺度的運(yùn)行安全性和經(jīng)濟(jì)性。

[1] 譚顯東, 劉俊, 徐志成, 等. “雙碳”目標(biāo)下“十四五”電力供需形勢(shì)[J]. 中國(guó)電力, 2021(5): 1-6.

[2] 白樺, 王正用, 李晨, 等. 面向電網(wǎng)側(cè)、新能源側(cè)及用戶(hù)側(cè)的儲(chǔ)能容量配置方法研究[J]. 電氣技術(shù), 2021, 22(1): 8-13.

[3] VOS K D, DRIESEN J. Dynamic operating reserve strategies for wind power integration[J]. IET Renewable Power Generation, 2014, 8(6): 598-610.

[4] ZHAO Changfei, WAN Can, SONG Yonghua. Oper- ating reserve quantification using prediction intervals of wind power: an integrated probabilistic forecasting and decision methodology[J]. IEEE Transactions on Power Systems, 2021, 36(4): 3701-2714.

[5] 王松巖, 李碧君, 于繼來(lái), 等. 風(fēng)速與風(fēng)電功率預(yù)測(cè)誤差概率分布的時(shí)變特性分析[J]. 電網(wǎng)技術(shù), 2013, 37(4): 967-973.

[6] CHEN C L. Optimal wind-thermal generating unit commitment[J]. IEEE Transactions on Energy Con- version, 2008, 23(1): 273-280.

[7] 陳慶攀, 劉洋, 許立雄, 等. 含風(fēng)電的電力系統(tǒng)魯棒優(yōu)化調(diào)度[J]. 電測(cè)與儀表, 2020, 57(8): 78-84.

[8] 劉杰, 廖勝利, 劉本希, 等. 峰谷時(shí)段模糊識(shí)別的一庫(kù)多級(jí)式梯級(jí)水電站群短期調(diào)度方法[J]. 電網(wǎng)技術(shù), 2019, 43(11): 4080-4086.

[9] LI Peng, WANG Zixuan, WANG Nan, et al. Stochastic robust optimal operation of community integrated energy system based on integrated demand response[J]. International Journal of Electrical Power & Energy Systems, 2021(128): 106735.

[10] PAPPALA V S, ERLICH I, ROHRIG K, et al. A stochastic model for the optimal operation of a wind-thermal power system[J]. IEEE Transactions on Power Systems, 2009, 24(2): 940-950.

[11] CHEN Sheng, WEI Zinong, SUN Guoqiang, et al. Adaptive robust day-ahead dispatch for urban energy systems[J]. IEEE Transactions on Industrial Elec- tronics, 2019, 66(2): 1379-1390.

[12] 吳曉剛, 孫榮富, 喬穎, 等. 基于風(fēng)電場(chǎng)功率特性的風(fēng)電預(yù)測(cè)誤差分布估計(jì)[J]. 電網(wǎng)技術(shù), 2017, 41(6): 1801-1807.

[13] 丁華杰, 宋永華, 胡澤春, 等. 基于風(fēng)電場(chǎng)功率特性的日前風(fēng)電預(yù)測(cè)誤差概率分布研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2013, 33(34): 136-144.

[14] ATWA Y M, El-SAADANY E F, SALAMA M M A, et al. Optimal renewable resources mix for distribution system energy loss minimization[J]. IEEE Transactions on Power Systems, 2010, 25(1): 360-370.

[15] BILLINTON R, CHOWDHURY A A. Incorporation of wind energy conversion systems in conventional generating capacity adequacy assessment[J]. IEE Pro- ceedings C-Generation Transmission and Distribution, 1992, 139(1): 47-56.

[16] 孫書(shū)凱, 董存, 王錚, 等. 考慮不同風(fēng)能特征的風(fēng)電中長(zhǎng)期電量預(yù)測(cè)方法[J]. 高電壓技術(shù), 2021(4): 1224-1232.

[17] 金國(guó)彬, 潘狄, 陳慶, 等. 考慮源荷不確定性的直流配電網(wǎng)模糊隨機(jī)日前優(yōu)化調(diào)度[J/OL]. 電工技術(shù)學(xué)報(bào): 1-12[2021-04-15]. https://doi.org/10.19595/j.cnki. 1000-6753.tces.201295.

[18] CARRION M, ARROYO J M. A computationally efficient mixed-integer linear formulation for the thermal unit commitment problem[J]. IEEE Transa- ctions on Power Systems, 2006, 21(3): 1371-1378.

[19] 汪洋, 鐘海旺, 夏清, 等. 機(jī)組檢修與運(yùn)行組合的協(xié)同優(yōu)化[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(21): 26-31, 76.

[20] CHEN C L, WABG S C. Branch-and-bound scheduling for thermal generating units[J]. IEEE Transactions on Energy Conversion, 1993, 8(2): 184-189.

Unit commitment rolling optimization of power system with a large-scale wind farm considering time-varying reserve requirement

GUI Qianjin1HUANG Xiangqian1MAI Li2XU Ruixiang1

(1. Anqing Power Supply Company, State Grid Anhui Electric Power Co., Ltd, Anqing, Anhui 246003; 2. State Grid Anhui Electric Power Co., Ltd, Hefei 230022)

The fluctuation and unpredictability of wind power bring difficulties to power system security and economic dispatching. The unit combination of power system including wind power needs to arrange thermal power to reserve sufficient rotating reseve capacity to reduce the impact of wind power fluctuation and prediction error on power system. In this paper, according to the strong time-varying characteristics of wind power prediction error, a rolling optimization model of unit combination in power system with large-scale wind power considering time-varying standby demand is proposed. The model fully considers the time-varying characteristics of wind power prediction error and optimizes the rolling operation scheme of system unit combination. The example analysis proves the effectiveness and feasibility of the model. The analysis shows that the model can meet the time-varying standby demand of the system and ensure the operation safety and economy of the system at different time scales.

wind power uncertainty; time-varying characteristics; rolling optimization; linear programming

2021-04-15

2021-05-07

桂前進(jìn)（1975—），男，安徽潛山人，本科，高級(jí)工程師，主要從事調(diào)度與控制相關(guān)工作。