謝忠華，葉儼毅，劉 俊，楊 猛，肖坤軍

(1.江西電力交易中心有限公司，江西 南昌 330000； 2.四川中電啟明星信息技術(shù)有限公司，四川 成都 610000)

近年來，隨著新能源的不斷發(fā)展，可再生能源在電力系統(tǒng)中的占比逐漸增加，能源結(jié)構(gòu)發(fā)生了前所未有的重大變化，此時(shí)新能源的定量評(píng)估和優(yōu)化配置至關(guān)重要，開展能源系統(tǒng)彈性規(guī)劃方面的研究具有重要意義[1-4]。

針對(duì)新能源電力系統(tǒng)中發(fā)電端的波動(dòng)性和不確定性以及用電端的隨機(jī)性，研究人員提出了彈性能源控制(或柔性能源控制、靈活性能源控制)方法，其核心是結(jié)合新能源的發(fā)電端和儲(chǔ)能裝置實(shí)現(xiàn)能源供給和需求的彈性平衡，促進(jìn)新能源利用率的提升[5-6]。其中發(fā)電端彈性調(diào)控即火力發(fā)電、水力發(fā)電、風(fēng)力發(fā)電、光伏發(fā)電等電源輸出的彈性調(diào)節(jié)；儲(chǔ)能裝置調(diào)控則是通過利用儲(chǔ)能設(shè)備的能量存儲(chǔ)和釋放特性為電力供需提供動(dòng)態(tài)平衡，從而提升電力系統(tǒng)對(duì)于新能源波動(dòng)性和隨機(jī)性的適應(yīng)能力，增加新能源利用效率，進(jìn)一步確保電網(wǎng)的安全和穩(wěn)定運(yùn)行[7-9]。可見彈性能源控制的核心，①保證電力生產(chǎn)的彈性；②針對(duì)新能源的波動(dòng)性進(jìn)行合理的能源存儲(chǔ)[10-13]。然而目前針對(duì)這2個(gè)問題的聯(lián)合調(diào)控和協(xié)調(diào)還缺乏相關(guān)研究。

為此，本文針對(duì)新能源系統(tǒng)彈性調(diào)控的要求，從電源端、負(fù)荷端和供需余量的角度出發(fā)，建立了新能源彈性調(diào)控模型。該模型考慮了彈性供需分布的不確定性，建立了一套彈性指標(biāo)體系和供需概率模型，實(shí)現(xiàn)了對(duì)系統(tǒng)彈性的定量評(píng)估，并且以系統(tǒng)運(yùn)行成本最小和風(fēng)電消納最大為優(yōu)化目標(biāo)，分析了不同彈性指標(biāo)下的最優(yōu)調(diào)控參數(shù)。研究結(jié)果表明本文的方法可實(shí)現(xiàn)高比例的可再生能源并網(wǎng)，提升新能源消納量。

1 數(shù)學(xué)模型

實(shí)際工況中新能源電力系統(tǒng)的電源與負(fù)荷都具有波動(dòng)性，此時(shí)對(duì)發(fā)電端和儲(chǔ)能系統(tǒng)的建模調(diào)控，通常從概率的理論出發(fā)進(jìn)行分析研究。具體方法是用特定的分布函數(shù)來描述電源端的電力產(chǎn)能和負(fù)荷端的電力需求，將這二者以隨機(jī)變量的形式引入到模型中。

1.1 電源端發(fā)電模型

本文建立的模型以1 d內(nèi)的電力調(diào)控為研究對(duì)象，在該時(shí)間周期之內(nèi)，電源端的電力生產(chǎn)取決于發(fā)電機(jī)的運(yùn)行狀態(tài)，此時(shí)可引入一個(gè)隨機(jī)變量x來描述電源端的電力生產(chǎn)。此時(shí)可用式(1)、式(2)來計(jì)算發(fā)電機(jī)的電力生產(chǎn)與輸出功率之間的關(guān)系：

(1)

(2)

CIA模型制備成功大鼠隨機(jī)分為3組:模型組、丹溪痛風(fēng)膠囊低劑量組和丹溪痛風(fēng)膠囊高劑量組,另選取正常大鼠作為對(duì)照,每組8只。采用灌胃進(jìn)行治療,丹溪痛風(fēng)膠囊低劑量和高劑量組給藥劑量分別為3.2g/kg和6.4g/kg;正常組和模型組均給予等容積的生理鹽水。各組大鼠連續(xù)給藥28d。

1.2 新能源負(fù)荷模型

2018年9月22日，朱易進(jìn)入了中國(guó)國(guó)家集訓(xùn)隊(duì)，這對(duì)于緊缺人才的中國(guó)花滑隊(duì)來說，無遺是個(gè)“爆炸性”的好消息。讓朱易頗感驚喜的是，她的新任主教練，正是自己的偶像——“冰上蝴蝶”陳露！

(3)

由圖4可知，系統(tǒng)向上和向下的供需余量在正軸上分布更多，表明系統(tǒng)在此期間各能夠滿足彈性運(yùn)行要求。系統(tǒng)彈性評(píng)價(jià)指標(biāo)數(shù)值見表2。

1.3 供需余量模型

式中，Xi為電力供應(yīng)量；Yi為電力需求量；R和D分別為電力生產(chǎn)和需求的集合；ε為判別新能源系統(tǒng)具有足夠彈性和閾值。

(4)

通常新能源電力生產(chǎn)和負(fù)荷需求并不會(huì)完全相同，而是處于一個(gè)動(dòng)態(tài)平衡的狀態(tài)，此時(shí)新能源彈性供電x和需求y之間數(shù)值的差異，即是新能源系統(tǒng)的供需余量z，本文采用z<0時(shí)的概率衡量新能源系統(tǒng)是否具有良好的供需彈性，其計(jì)算見式(4)：

其中，式(5)表示新能源系統(tǒng)運(yùn)行成本，主要有建設(shè)成本、運(yùn)行成本和折舊成本；式(6)表示風(fēng)力利用率，實(shí)際工況中受到儲(chǔ)能設(shè)備容量、線路傳輸功率等因素的影響，風(fēng)力資源并不能完全得到利用。

minFc=min(Ccon+Cop+Crc)

新能源系統(tǒng)所具有的發(fā)電波動(dòng)性和隨機(jī)性，是發(fā)電和用電端急需彈性調(diào)控的主要原因。以風(fēng)力發(fā)電為例，進(jìn)行風(fēng)力發(fā)電和負(fù)荷的彈性調(diào)控時(shí)，調(diào)控參數(shù)的計(jì)算取決于風(fēng)力資源的具體分布、時(shí)間周期和負(fù)荷狀態(tài)。引入隨機(jī)變量y描述負(fù)荷側(cè)的不確定性，通過式(3)計(jì)算負(fù)荷端的狀態(tài)：

(5)

(6)

本文選取的優(yōu)化目標(biāo)有新能源成本最低以及風(fēng)力利用率最大，分別采用式(5)和(6)表示：

2 案例分析

本文以24 h內(nèi)的供需平衡為研究目標(biāo)，進(jìn)行彈性供需平衡的分析，基于長(zhǎng)三角地區(qū)某大型工業(yè)園區(qū)的實(shí)際運(yùn)行數(shù)據(jù)，進(jìn)行能源優(yōu)化協(xié)調(diào)分析。各類機(jī)組的調(diào)峰能力數(shù)值(機(jī)組調(diào)峰輸出與機(jī)組容量之比)見表1，其中最大負(fù)荷為3 990 kW，最小負(fù)荷為3 190 kW，新能源裝機(jī)容量為2 100 kW，新能源裝機(jī)容量約占高峰負(fù)荷的62.5%。

New Scheme and Energy Saving Analysis of Flue Gas White Fog Treatment in Thermal Power Plant LI Weike(50)

表1 案例機(jī)組參數(shù)

基于模型計(jì)算得到24 h內(nèi)各機(jī)組輸出的累積概率分布，以采暖期為例，火電機(jī)組和熱電聯(lián)產(chǎn)機(jī)組出力的累積概率分布曲線如圖1所示。由圖1可知，熱電聯(lián)產(chǎn)機(jī)組和火電機(jī)組的輸出截然不同，其中熱電聯(lián)產(chǎn)機(jī)組輸出更集中，火電機(jī)組輸出更分散。為了降低火電產(chǎn)量為新能源提供足夠的消納空間，新能源機(jī)組實(shí)際出力與系統(tǒng)實(shí)際可接受出力的概率分布如圖2所示。

圖1 火電、熱電聯(lián)出力水平

圖2 新能源機(jī)組出力和消納水平

如圖2所示，取2條概率曲線面積之差，再與時(shí)間做乘積，即可得到新能源的功率極限，新能源的輸出在一次能源的輸入發(fā)生變化時(shí)，功率極限也將變化，此時(shí)輸出電壓和負(fù)載電壓嚴(yán)重不匹配時(shí)降造成功率限制。從這一原理出發(fā)，可以計(jì)算出系統(tǒng)彈性供需的概率分布，計(jì)算結(jié)果如圖3所示。

抽選我院收治的26例血管瘤患者為研究對(duì)象,其中男性患者10例,女性患者16例,年齡24~53歲,平均年齡(37.4±2.3)歲。

圖3 采暖期供需彈性

由圖3可知，由于要保證熱負(fù)荷機(jī)組的調(diào)峰范圍有限，供需余量集中在負(fù)半軸上，表明此時(shí)系統(tǒng)彈性不足。非采暖期的計(jì)算結(jié)果如圖4所示。

式中，L為負(fù)荷水平；Lmax為24 h內(nèi)可能出現(xiàn)的最大負(fù)荷水平；Lmin為24 h內(nèi)可能出現(xiàn)的最小負(fù)荷水平；計(jì)算時(shí)采用的時(shí)間周期為24 h，通過模型分析新能源的合理調(diào)峰。

圖4 非采暖期供需彈性

表2 彈性指標(biāo)的數(shù)值

從表2可以看出，無論在采暖期還是非采暖期，系統(tǒng)彈性提高、非彈性期望值降低。此時(shí)隨著彈性儲(chǔ)備的增加負(fù)荷損失的可能性較小，彈性不足就會(huì)集中在各個(gè)時(shí)間段內(nèi)。因此在供暖期這種向下的調(diào)控，將會(huì)導(dǎo)致供應(yīng)不足的情況尤為明顯。此時(shí)新能源利用率很可能會(huì)被削減，采暖期的供需矛盾尤為明顯。為此針對(duì)不同調(diào)節(jié)方式的彈性供給能力進(jìn)行定量分析，討論供暖期儲(chǔ)能側(cè)和負(fù)荷側(cè)調(diào)控對(duì)發(fā)電端的影響。以儲(chǔ)能設(shè)備和電熱設(shè)備為研究對(duì)象，假設(shè)將2類設(shè)備投入到容量相同的5 200 kW系統(tǒng)中運(yùn)行。針對(duì)采暖期間系統(tǒng)彈性不足的問題，從儲(chǔ)能和負(fù)荷兩方面引入不同的調(diào)控方法進(jìn)行改進(jìn)，將結(jié)果與原火電機(jī)組的調(diào)控結(jié)果相對(duì)比，結(jié)果如圖5所示。

NORDAC FLEX變頻器（最高22 kW）集成了PLC和POSICON定位控制功能。其集成的PLC減少了更高級(jí)別控制負(fù)載，并實(shí)現(xiàn)了自動(dòng)化模塊概念，還能處理來自連接的傳感器和執(zhí)行器的數(shù)據(jù)，如有需要，還可直接啟動(dòng)順序控制。安裝在電機(jī)上的NORDAC FLEX變頻器可從批量1開始進(jìn)行模塊化擴(kuò)展，并提供多種功能安全選項(xiàng)。

(3)檢驗(yàn)判斷矩陣的隨機(jī)一致性比例RC是否滿足RC<0.1，若滿足則通過一致性檢驗(yàn)。RC=IC/IR，且IC=(λ1j-n)/(n-1)，其中，IC為一致性檢驗(yàn)指標(biāo)，IR為平均隨機(jī)一致性指標(biāo)，n為判斷矩陣的階數(shù)。

圖5 不同彈性調(diào)控方法得到的結(jié)果

由圖5可以看出，不同的彈性調(diào)控方法對(duì)系統(tǒng)供需余量有不同的影響，系統(tǒng)供需余量的概率分布不僅形態(tài)發(fā)生改變，而且在水平方向上有不同程度的平移。其中儲(chǔ)能設(shè)備對(duì)系統(tǒng)彈性的提高貢獻(xiàn)最為明顯。各種調(diào)控方法的具體調(diào)控能力見表3。

例如，學(xué)生筆記時(shí)對(duì)“組成蛋白質(zhì)的元素”在理解“氨基酸”的概念以及“氨基酸如何形成蛋白質(zhì)”后可省略；對(duì)“線粒體、葉綠體基質(zhì)中含有的特殊成分與結(jié)構(gòu)——DNA、 RNA和核糖體”在學(xué)習(xí)了“原核生物與內(nèi)共生起源學(xué)說”后可省略，因?yàn)榍罢呔捎珊笳咄浦?。?dāng)然這需要教師對(duì)課程內(nèi)容的重構(gòu)。因此，學(xué)生筆記更多的是對(duì)課程內(nèi)容的選擇與對(duì)課程內(nèi)容是否理解的認(rèn)知。

表3 各種調(diào)控方法的調(diào)控能力

由表3可知，任何彈性調(diào)控方法都不能完全彌補(bǔ)彈性不足問題，不同類型彈性調(diào)控成本各不相同，其中火電調(diào)控最大，其次是熱電聯(lián)裝置，儲(chǔ)能設(shè)備最小。因此為了確保系統(tǒng)具有足夠的彈性，需要充分利用儲(chǔ)能設(shè)備。通過定量比較3種彈性調(diào)控方法的具體調(diào)控水平，以不同類型彈性供給成本作為評(píng)判標(biāo)準(zhǔn)，引入凈收益增量比最大的思想，同時(shí)維持調(diào)控成本最低的原則，進(jìn)行優(yōu)化模型迭代求解，以確定最優(yōu)調(diào)控方法。調(diào)控時(shí)將資源配置能力作為耦合變量進(jìn)行調(diào)控，滿足功率平衡約束和靈活性平衡約束的條件下，將求解過程分為2個(gè)階段：①基于現(xiàn)有輸出信息，給出初始調(diào)控成本；②以初始成本作為迭代的起始點(diǎn)，結(jié)合彈性評(píng)價(jià)指標(biāo)，進(jìn)行迭代計(jì)算，得到最優(yōu)調(diào)控方案。

計(jì)算時(shí)將各類彈性調(diào)控總?cè)萘吭O(shè)置為20 000 kW，以200 kW為搜索步長(zhǎng)，計(jì)算得到彈性供給的最優(yōu)解軌跡，在最優(yōu)彈性協(xié)調(diào)規(guī)劃方案下系統(tǒng)投資、凈收入和彈性指標(biāo)之間的對(duì)應(yīng)關(guān)系如圖6所示。

圖6 最優(yōu)彈性調(diào)控結(jié)果

通過比較凈收入曲線和彈性變化曲線，可以確定不同彈性閾值下系統(tǒng)的最優(yōu)彈性調(diào)控方案。例如以0.045作為系統(tǒng)彈性閾值時(shí)，對(duì)應(yīng)的彈性投資能力為7 500 kW，此時(shí)最優(yōu)彈性供給能力為8 000 kW；如果使用0.02作為系統(tǒng)彈性閾值，對(duì)應(yīng)的彈性配置能力則大于12 500 kW，結(jié)合此時(shí)凈收入的變化趨勢(shì)，即可確定最優(yōu)配置能力為12 500 kW。不同彈性閾值下調(diào)控配置方案見表4。

表4 不同彈性閾值下的調(diào)控方案

由表4可知，不同調(diào)控方法在不同的彈性閾值下具有不同的規(guī)劃效益，其中火電機(jī)組的最優(yōu)調(diào)峰容量對(duì)閾值變化不太敏感。在低彈性閾值下，可見最優(yōu)儲(chǔ)能容量較低，即較少的儲(chǔ)能投資就可以滿足系統(tǒng)彈性調(diào)控要求；隨著彈性閾值的增加，儲(chǔ)能最優(yōu)容量會(huì)增加；當(dāng)閾值小于0.045時(shí)需要增加儲(chǔ)能；當(dāng)小于0.024時(shí)需要增加儲(chǔ)能；當(dāng)閾值高于0.045時(shí)，系統(tǒng)可以通過熱電機(jī)組調(diào)峰和儲(chǔ)能設(shè)備來滿足彈性需求。此時(shí)得到的風(fēng)電消納帕累托最優(yōu)解分布情況如圖7所示。

圖7 帕累托最優(yōu)解集分布情況

根據(jù)圖7可知，按照該工業(yè)園區(qū)的實(shí)際能源消費(fèi)和生產(chǎn)情況，風(fēng)電消納量在2 MW以內(nèi)其成本都沒有明顯變化，3～6 MW內(nèi)成本逐漸抬升，當(dāng)風(fēng)電消納量大于6 MW時(shí)成本將急劇增長(zhǎng)，表明該新能源配置方式下風(fēng)電消納在6 MW范圍內(nèi)均是經(jīng)濟(jì)可行的。

西起第九行（對(duì)照）：羊糞肥200 kg、尿素4 kg、復(fù)合肥14 kg，尿素2.5 kg、復(fù)合肥2.2 kg。

3 結(jié)論

針對(duì)新能源電力系統(tǒng)的能源消耗和存儲(chǔ)配置問題，本文從系統(tǒng)的供需平衡特性出發(fā)，以系統(tǒng)中多種能源的綜合運(yùn)行成本最低和風(fēng)能消耗最大化作為儲(chǔ)能容量配置的優(yōu)化目標(biāo)，建立了彈性儲(chǔ)能優(yōu)化模型。通過仿真研究了影風(fēng)電系統(tǒng)經(jīng)濟(jì)運(yùn)行和風(fēng)能消耗2個(gè)主要因素。計(jì)算實(shí)例顯示了優(yōu)化配置方式對(duì)提高當(dāng)前風(fēng)電消耗水平的作用，以及對(duì)提高綜合能源系統(tǒng)綜合運(yùn)行成本和整體靈活性的貢獻(xiàn)，驗(yàn)證了本文方法的有效性。