謝 航，朱燕梅，馬光文，陳仕軍，2，黃煒斌

(1.四川大學水力學與山區(qū)河流開發(fā)保護國家重點實驗室，四川 成都 610065；2.四川大學商學院，四川 成都 610065)

0 引 言

隨著不可再生能源的日益衰竭，水能、風能、太陽能等可再生能源成為各國關(guān)注的重點[1-2]。高比例可再生能源發(fā)電并網(wǎng)構(gòu)成了多種能源發(fā)電的電力系統(tǒng)新體系[3]。但是風電、光伏等主要新能源發(fā)電受到風速、太陽輻射等氣象環(huán)境因素的影響，二者發(fā)電出力的不穩(wěn)定性較強，大量接入電網(wǎng)會造成安全隱患。為提高風光電源電網(wǎng)消納的比例，降低新能源直接并網(wǎng)對電網(wǎng)帶來的風險，需要尋求能夠有效調(diào)節(jié)的補償措施。

國內(nèi)外大量研究表明利用清潔能源之間互補特性形成的混合運行系統(tǒng)，能夠有效平抑風電與光伏發(fā)電產(chǎn)生的波動，研究主要集中在多種能源混合互補機理[4-5]、互補效果評價[6-7]、互補調(diào)度模型[8-11]以及多能混合發(fā)電系統(tǒng)運行策略。在多能混合系統(tǒng)運行策略方面，文獻[12]提出含水風光氣儲的日前聯(lián)合調(diào)度策略，以不同頻率下的風光出力為基礎(chǔ)，決定各類補償電站的調(diào)度計劃；文獻[13]提出含水風光火日前聯(lián)合調(diào)度策略，通過三層調(diào)度模型制定出力計劃，文獻[14]構(gòu)建多時間尺度互補調(diào)度模型制定各類電站出力計劃。上述文獻對異質(zhì)能源互補發(fā)電后水電運行調(diào)度計劃做了一定的探討，但分析不夠詳細深入。

綜上，本文提出了有關(guān)梯級水電的水風光短期互補協(xié)調(diào)調(diào)度策略，該策略充分利用水風光3種電源之間的互補特性，定義平穩(wěn)性指標和源荷匹配指標為互補性評估指標，以協(xié)調(diào)控制出力波動和對負荷的追蹤度與平滑效果；同時，從源源互補和源荷匹配角度出發(fā)構(gòu)建調(diào)度模型，采用改進花粉算法與逐步優(yōu)化算法優(yōu)化求解模型。源源互補調(diào)度時，梯級水電日內(nèi)調(diào)度計劃重點關(guān)注總出力波動，以達到環(huán)保效益和經(jīng)濟效益的最優(yōu)；源荷匹配調(diào)度時，則更側(cè)重總出力對電網(wǎng)負荷變化的良好追蹤，進而控制剩余負荷波動，使得電網(wǎng)其他電源能夠承擔基荷任務(wù)。

1 互補特性分析

1.1 水風光混合能源互補特性分析

由于研究短期調(diào)度策略，故以水、風、光3種異質(zhì)能源自身發(fā)電運行特點為基礎(chǔ)，對水風光之間的短期互補特性進行分析，互補特性包括自然互補特性和技術(shù)互補特性，具體關(guān)系如圖1所示。

圖1 水風光互補特性關(guān)系示意

作為自然資源，風力發(fā)電和光伏發(fā)電受限于晝夜、天氣條件等自然因素，二者的日內(nèi)出力變化明顯。風電出力總體呈現(xiàn)隨機和波動性的特點，一般夜晚出力較大而白天較??；而光伏受到太陽輻照的影響，主要集中在白天發(fā)電，到夜間光伏出力為0，所以間歇性特點突出，隨機性和波動性也相比風電更大?？梢?，風、光日內(nèi)出力變化趨勢具有一定的自然互補特性，但風、光出力基本呈現(xiàn)隨機、波動與間歇性的特點，發(fā)電質(zhì)量較差。

技術(shù)互補特性方面，主要是短期運行過程中，水電利用自身調(diào)蓄性能與風電、光伏發(fā)電之間形成良好的互補，具體分為容量互補和電量互補。容量互補是指梯級水電通過有日、周以上調(diào)節(jié)性能的水庫，對接入水電站的風光發(fā)電出力進行實時補償，平抑風光出力的隨機、波動和間歇性，從而提高風光發(fā)電的電能質(zhì)量。電量互補是指光伏接入水電站后，水電站可以在光伏電站承擔電網(wǎng)負荷的時段，減少出力或降低低負荷運行時間，讓更多的水能留在水庫，這部分額外儲蓄的水量則可以分配到電網(wǎng)負荷高峰時段進行調(diào)峰發(fā)電，使得水電的調(diào)峰電量和調(diào)峰效益均得到提升?？梢?，容量互補指的是電源之間出力互補，而電量互補與電網(wǎng)需求負荷有關(guān)，相應(yīng)的梯級水電出力過程也不同。

綜上所述，在短期運行時，水、風、光3種能源之間存在良好的出力互補特性，合理安排梯級水電與風電、光伏的運行調(diào)度方式，將會有較大的綜合效益。

1.2 互補性評估指標

為充分發(fā)揮梯級水電與風電、光伏發(fā)電之間調(diào)節(jié)互補特性，故從容量互補和電量互補，即源源互補和源荷匹配兩方面綜合考慮，分別定義平穩(wěn)性指標Ns和源荷匹配指標為互補性評估指標。Ns是評價考察時間尺度內(nèi)的混合能源系統(tǒng)發(fā)電出力波動程度，Ns越小既表明總出力波動越小，具體計算公式為

(1)

式中，ND，t為第t時刻混合能源系統(tǒng)的總出力；ND，av是混合能源系統(tǒng)總出力平均值；T為日內(nèi)計算總時段數(shù)(以小時為計算時段，T=24)。源荷匹配指標則包括追蹤系數(shù)δc和波動系數(shù)δG，δc控制出力對電網(wǎng)負荷的貼合程度，δc越接近1說明優(yōu)化后總出力對電網(wǎng)負荷的追蹤能力越強；δG則控制互補后剩余負荷曲線的平滑程度，δG越接近0說明平滑負荷曲線的效果越好，計算公式為

(2)

(3)

式中，PL，t為t時刻的電網(wǎng)負荷；PL，av為消納混合能源電力的負荷均值；RG，t為第t時段的剩余負荷；RG，av為剩余符合均值。

2 水風光短期互補協(xié)調(diào)調(diào)度模型

2.1 調(diào)度模型構(gòu)建

水風光互補協(xié)調(diào)系統(tǒng)集水力發(fā)電、風力發(fā)電、光伏發(fā)電為一體，既是一個整體，各部分又是獨立的發(fā)電系統(tǒng)，在保證水風光互補發(fā)電系統(tǒng)并網(wǎng)安全性的同時，需要兼顧水、風、光各發(fā)電系統(tǒng)自身的利益，所以梯級水電短期調(diào)度應(yīng)該遵循的調(diào)度原則為：①不發(fā)生棄水；②保證系統(tǒng)和電站安全運行；③對風光出力進行補償調(diào)節(jié)。依據(jù)調(diào)度原則，本研究從源源互補和源荷匹配兩個角度構(gòu)造調(diào)度模型。

2.1.1 源源互補調(diào)度

源源互補調(diào)度是指梯級水電在保證系統(tǒng)和電站安全運行的前提下，盡可能配合風光發(fā)電，減少風光出力波動，同時兼顧發(fā)電量。所以構(gòu)建同時考慮發(fā)電量與出力波動雙目標函數(shù)調(diào)度模型，其中，出力波動以Ns最小為目標函數(shù)。

目標函數(shù)Ⅰ

(4)

(5)

式中，j=h，w，s分別表示水電站、風電場、光伏電站；nj為第j類電站數(shù)目；t為時段變量；i為電站變量；Nj，it為第j類電站第i個電站第t時段的發(fā)電出力，kW；Qh，it為第i個水電站第t時段用于發(fā)電的流量，m3/s；δh，i為第i個水電站耗水率，m3/(kW·h)；k=3 600；mt是第t時段的小時數(shù)。

目標函數(shù)Ⅱ

minF2=minNs

(6)

2.1.2 源荷匹配調(diào)度

源荷匹配調(diào)度是將負荷需求考慮到水風光等能源互補調(diào)度中，讓總出力曲線與負荷曲線盡量切合，故以源荷匹配指標為目標函數(shù)，即δc和δG，計算公式如下

(7)

式中，α1和α2分別為δc和δG的權(quán)重系數(shù)。

2.1.3 約束條件

2.1.3.1 等式約束

水量平衡約束

(8)

式中，Vi，t、Vi，t+1分別表示第i個水電站第t時段始、末水庫蓄水量，m3；Ri，t為第i個水電站水庫在第t時段入庫流量，m3/s；Qri，t是第i個水電站t時刻水庫下泄流量，m3/s；Qi，t為第i個水電站t時刻的發(fā)電流量，m3/s；Si，t為第i個水電站在第t時段的棄水流量，m3/s；Δt為計算的時間長短，s。

水電站間水量聯(lián)系約束

Ri，t=Qri-1，t-ΔTi-1+Ii，t

(9)

式中，Qri-1，t-ΔTi-1為第i-1個水電站t-ΔTi-1時刻的下泄流量，m3/s；ΔTi-1為第i-1個水電站水庫至第i個水電站的水庫的水流滯時相應(yīng)時段數(shù)目；Ii，t為第t時刻第i-1個水電站水庫至第i個水電站水庫的平均區(qū)間入庫流量，m3/s。

2.1.3.2 不等式約束

水庫蓄水位約束

(10)

水電站下泄流量約束

(11)

電站的出力約束

(12)

水電站振動區(qū)約束

(13)

2.2 求解方略

2.2.1 模型求解算法

2.2.1.1 花粉算法

花粉算法(Flower Pollination Algorithm，F(xiàn)PA)算法是由Yang Xinshe提出的一種啟發(fā)式的群智能優(yōu)化算法，適用于多目標求解。FPA算法是通過全局授粉和局部授粉算子完成多目標等復(fù)雜問題的求解，其核心在于Levy飛行搜索策略，即每個花粉配子的攜帶者滿足Levy飛行則進行全局授粉，反之則進行局部授粉，二者之間依靠轉(zhuǎn)移概率p實現(xiàn)轉(zhuǎn)換與作用。依靠此策略遍歷每個花粉配子，不斷迭代更新，直到滿足優(yōu)化停止條件得到最優(yōu)值。從數(shù)學方面對算法描述如下：

若Rand

(14)

(15)

若Rand≥p則局部授粉

(16)

2.2.1.2 逐步優(yōu)化算法

逐步優(yōu)化算法(Progress Optimality Algorithm， POA)是由加拿大學者于1975年首先提出，目前該算法已經(jīng)過多次優(yōu)化，并且應(yīng)用于水風光短期調(diào)度[15]。

2.2.2 模型求解過程

水風光混合能源短期互補協(xié)調(diào)調(diào)度模型是由獨立的兩個模型組成，為簡化計算，先后求解源源互補和源荷匹配調(diào)度模型。在源源互補調(diào)度，電網(wǎng)給出風光日內(nèi)出力預(yù)測曲線以及需求負荷預(yù)測曲線后，系統(tǒng)確定水風光電源的容量，同時輸入風光日內(nèi)出力預(yù)測曲線，接下來以式(4)和式(6)為目標函數(shù)，在梯級水電站之間尋求一種既能讓互補后總出力平穩(wěn)輸入電網(wǎng)，又使得發(fā)電效益最大的發(fā)電分配方案；在源荷匹配調(diào)度，為降低求解的復(fù)雜度，系統(tǒng)以FPA算法優(yōu)化后各水電站的最優(yōu)運行狀態(tài)軌跡作為POA尋優(yōu)的梯級水庫群初始調(diào)度線，并輸入負荷預(yù)測曲線，然后以式(7)為目標，優(yōu)化出力曲線并相應(yīng)的調(diào)整梯級水電蓄放策略，使得電網(wǎng)需求負荷與水風光總出力過程高度一致。具體算法流程見圖2。

圖2 算法流程

3 案例分析

本文以日尺度為調(diào)度周期，小時為計算時段，以西南電網(wǎng)流域X內(nèi)典型水風光站為研究對象，開展水風光日內(nèi)互補調(diào)度策略研究。流域X內(nèi)已投產(chǎn)水電站包含2個梯級共4個水電站：F電站(45 MW)、G電站(54 MW)、H電站(60 MW)和I電站(36 MW)。其中G、H、I電站同屬于一個梯級，有較強的水力電力聯(lián)系，G、H電站均具有日調(diào)節(jié)能力，電站I是一個徑流式電站；F電站則隸屬于另外一條支流，與G、H、I電站只有電力聯(lián)系，沒有水力聯(lián)系。選取1個光伏電站S(40 MW)和1個風電場W(60 MW)。由于篇幅限制，僅對流域X豐水期某典型日進行仿真分析，選用2018年豐水期7月的典型日24 h負荷需求曲線，與相應(yīng)的24 h風光出力曲線作為調(diào)度模型輸入預(yù)測曲線，分別可見圖3和圖4。

圖3 典型日風電和光伏電站出力曲線

圖4 典型日負荷曲線

應(yīng)用FPA算法對源源調(diào)度模型進行優(yōu)化，得到的結(jié)果如圖5所示。從目標Ⅰ來看，水風光互補優(yōu)化后，該典型日的總發(fā)電量為273.78萬kW·h，水力發(fā)電量為210.64萬kW·h，占總發(fā)電量的76.94%(F、I、G、H電站分別占26.28%、14.01%、16.24%、20.41%)，F(xiàn)、G、H水電站均未有棄水；光伏和風電發(fā)電量分別為26.89萬kW·h和36.25萬kW·h，分別占總電量的9.82%和13.24%。從目標Ⅱ來看，優(yōu)化后的出力過程曲線趨于直線，說明充分發(fā)揮了梯級水電的調(diào)節(jié)能力，對風光出力過程實現(xiàn)“削峰填谷”，讓風光發(fā)電出力的波動得到明顯改善。

圖5 源源互補優(yōu)化結(jié)果

進一步對梯級水電平抑風光出力波動效果進行統(tǒng)計，Ns計算結(jié)果如表1所示，表中單獨運行是指各類電源單獨運行后出力簡單疊加后的結(jié)果統(tǒng)計。見表1可知，水風光三個電站單獨運行結(jié)果與風電、光伏發(fā)電的Ns值比較一致，均大于10 MW，其中，風電波動>光伏波動>風光波動>水風光單獨運行波動，說明僅是出力的簡單疊加也有利于平抑波動，并從側(cè)面驗證了水風光各電源出力的互補性。水風光互補運行后的Ns值僅為0.15 MW，是三者單獨運行的1.2%，表明水電站群通過水庫的聯(lián)合調(diào)度運營，對風光出力波動的平抑具有顯著的作用。

表1 出力波動統(tǒng)計指標計算結(jié)果

梯級水電平抑接入的風光日內(nèi)出力波動必然會影響自身運行過程。互補后，梯級水電的發(fā)電出力與風光總出力曲線呈現(xiàn)出“峰對谷”此消彼長的特點，如圖6所示，在1～8、10～12、22～24時段，風光總出力隨時間逐步增大，梯級水電出力則相應(yīng)降低；8～10、12～22時段，風光總出力隨時間逐步降低，梯級水電則增大出力運行。說明在以發(fā)電量和出力波動為目標的水風光短期互補運行過程中，水電的調(diào)度策略是與風光總出力的變化趨勢相逆，即在風光總出力隨時間逐步增大時，梯級水電逐步降低出力；在風光總出力隨時間逐步降低時，梯級水庫則加大發(fā)電流量，以達到增加發(fā)電出力的目的。

圖6 源源互補后梯級水電和風光出力過程

源荷匹配調(diào)度則以源荷匹配度指標為目標函數(shù)，采用POA算法進行求解，權(quán)重系數(shù)α1∶α2=2∶3時源荷一致性最好，其優(yōu)化調(diào)度結(jié)果如圖7所示，圖7a為電源總出力與總負荷、剩余負荷變化趨勢對比，圖7b為各個時段梯級水電出力和風電、光伏發(fā)電出力的占比。從圖7a可以看出，水風光總出力曲線與原日內(nèi)負荷曲線變化趨勢較為一致，二者的相關(guān)系數(shù)高達0.99，剩余負荷曲線也比較平穩(wěn)。對比白天和夜間，在夜間無光伏發(fā)電時段的源荷一致性較高，原因是白天風光同時發(fā)電出力，水電機組會更頻繁的調(diào)節(jié)變化自身發(fā)電出力，以實時補償風光出力，若風光出力出現(xiàn)“突增陡降”，水電機組受限于自身的調(diào)節(jié)能力導(dǎo)致無法及時追蹤負荷的變化，影響電源出力與負荷的匹配程度。圖7a中最大出力出現(xiàn)在白天下午5∶00(第18個時段)，比負荷曲線最高峰提前4個時段；最小出力則與負荷最低谷同樣出現(xiàn)在凌晨(夜間無光伏階段)5∶00(第6個時段)。

圖7 源荷匹配優(yōu)化結(jié)果

進一步分析電源總出力與負荷的吻合程度，首先，統(tǒng)計了負荷曲線波動系數(shù)δG，經(jīng)過水風光電源組互補調(diào)節(jié)后，δG值由原來的22.71 MW降到1.6 MW，表明源荷匹配調(diào)度時，梯級水電通過聯(lián)合調(diào)蓄能夠使得水風光總出力與負荷相匹配，從而使剩余負荷平穩(wěn)。然后，對梯級水電與負荷的追蹤系數(shù)δc進行計算，發(fā)現(xiàn)δc值高達0.92，同時圖8顯示以第10個時段為界，負荷曲線表現(xiàn)出前半段較低，后半段較高的趨勢，為了適應(yīng)負荷的變化，梯級水電的出力過程也保持了相同的變化趨勢，可知梯級水電出力過程與負荷過程保持了高度的相似性，其在跟蹤負荷方面占據(jù)重要地位。

圖8 源荷匹配后梯級水電和總負荷過程

綜上所述，在源荷匹配的水風光短期互補協(xié)調(diào)調(diào)度過程中，梯級水電的調(diào)度策略需要考慮兩方面，一方面梯級水電要追蹤負荷的變化，與負荷變化趨勢保持高度一致，另一方面梯級水電需要通過水庫的聯(lián)合調(diào)節(jié)消除風光總出力的鋸齒狀波動，以最終實現(xiàn)剩余負荷波動最小化。因此，梯級水電的調(diào)度策略是：首先依據(jù)負荷的峰谷變化趨勢進行自我調(diào)節(jié)，在需求負荷高峰時，加大出力，低谷時降低出力運行；其次結(jié)合風光總出力的波動情況，進行適當?shù)恼{(diào)整，在風光出力增大過程中，適當降低水電發(fā)電流量，在風光出力降低過程中，適當增大發(fā)電流量運行，以消除風光鋸齒狀的波動。

4 結(jié) 論

針對水電主導(dǎo)的電網(wǎng)，本文提出了一種有關(guān)梯級水電的水風光混合能源短期互補協(xié)調(diào)調(diào)度策略，該策略主要具有以下特點：

(1)定義平穩(wěn)性指標和源荷匹配指標為互補性評估指標。

(2)研究了兩種情況下梯級水電的調(diào)度策略。從源源互補角度，梯級電站日內(nèi)調(diào)度是以風光總出力為基準；從源荷匹配角度，梯級水電調(diào)度策略首先根據(jù)負荷的峰谷分段進行自我調(diào)節(jié)，其次再結(jié)合風光總出力的波動情況進行調(diào)整。

由于資料收集的限制，簡化處理了負荷不確定性、風光出力預(yù)測等問題，后續(xù)可進行相關(guān)研究。