張懷鵬，劉軍福，雍少華，周偉昌，陳雨

（國網(wǎng)寧夏電力有限公司中衛(wèi)供電公司，寧夏 中衛(wèi) 642123）

0 引言

隨著能源短缺和環(huán)境污染問題的日益嚴重，加快發(fā)展新能源，構建新型電力系統(tǒng)已成為電網(wǎng)未來發(fā)展的主要方向[1]。與常規(guī)能源相比，以風電和光伏發(fā)電為代表的新能源具有發(fā)電輸出波動性強、隨機性大的特點，這就要求電網(wǎng)有足夠的調(diào)節(jié)能力以適應新能源的不確定性特點。傳統(tǒng)電力系統(tǒng)中，新能源占比較低，可以通過常規(guī)電源與新能源的協(xié)調(diào)互動實現(xiàn)對新能源的充分吸收。文獻[2]在傳統(tǒng)能源與新能源相互作用模型的基礎上，提出一種以新能源消納為目標的新能源穩(wěn)健調(diào)度方法，然而，隨著新能源規(guī)模的不斷增加，僅靠常規(guī)電網(wǎng)本身的調(diào)節(jié)能力很難滿足新能源消納的要求，因此，迫切需要更充分地調(diào)用電網(wǎng)的各種可調(diào)資源，提高新能源的消納能力。文獻[3]對儲能裝置的運行特性進行了研究，提出了儲能與新能源互相協(xié)調(diào)的優(yōu)化調(diào)度模型。文獻[4]基于虛擬電廠的運行特性模型，提出了一種參與需求側(cè)響應的電網(wǎng)優(yōu)化調(diào)度方法。文獻[5]根據(jù)需求側(cè)響應與新能源的互補特性，提出了一種新能源的優(yōu)化調(diào)度方法。

與傳統(tǒng)電力系統(tǒng)不同，隨著儲能系統(tǒng)(energy storage system,ESS)的廣泛使用和需求響應(demand response,DR)技術的發(fā)展，系統(tǒng)調(diào)度資源可以更加豐富，從而可以抑制風力發(fā)電和光伏發(fā)電的出力波動。因此，為了提高新型電力系統(tǒng)中風電和光伏的消納能力，降低系統(tǒng)運行成本，需要研究以DR 負荷、ESS、火電機組以及風電光伏等新能源為調(diào)度資源的優(yōu)化調(diào)度策略。目前國內(nèi)外研究人員對于DR 負荷和ESS 參與電力系統(tǒng)優(yōu)化調(diào)度方面做了大量的工作[6-7]。文獻[8]提出了一種考慮使用基于電價的DR 負荷調(diào)度來提高風電消納量的優(yōu)化調(diào)度策略。文獻[9]研究了空調(diào)負荷的需求響應,提出一種新式調(diào)度方法，即空調(diào)負荷參與配電網(wǎng)光伏消納。文獻[10]提出了一種基于改進coloredpower 算法的加權系數(shù)排隊算法,實現(xiàn)對新能源的優(yōu)化利用與控制。文獻[11]研究了一種提出基于恢復力約束的分布式儲能優(yōu)化規(guī)劃策略。

上述研究方法中考慮的調(diào)度資源均不超過兩個，很少有人考慮DR 負荷、ESS、火電機組、光伏和風電之間的協(xié)調(diào)和相互作用。在優(yōu)化過程中，沒有考慮DR 負荷調(diào)度成本、風電和光伏并網(wǎng)成本。本文將基于電價的DR 負荷、ESS、火電機組、光伏和風電作為整個系統(tǒng)的調(diào)度資源，綜合考慮基于電價的DR 負荷調(diào)度成本、儲能成本、火電機組運行成本、風電和光伏棄風棄光成本，提出一種基于源-荷-儲協(xié)調(diào)的電力系統(tǒng)優(yōu)化調(diào)度模型，并提出一種兩階段優(yōu)化方法進行求解。通過仿真和算例分析，驗證優(yōu)化調(diào)度策略的優(yōu)越性和算法的有效性。

1 優(yōu)化調(diào)度模型

1.1 目標函數(shù)

優(yōu)化調(diào)度模型以系統(tǒng)運行成本最小為優(yōu)化目標，其中包括火電機組的運行成本、風電和光伏發(fā)電的棄風棄光成本以及基于電價的DR 負荷調(diào)度成本。

1）火電機組運行成本[12]。

式中：F1是火電機組運行成本；T是總調(diào)度周期數(shù)；NG是系統(tǒng)包含的火電機組數(shù)量；fi是第i臺火電機組的運行成本；PGi是第i臺火電機組的發(fā)電功率；Si是第i臺機組的啟動成本；Ui表示火電機組啟停機，1為開機，0為停機；ai，bi，ci為火電機組的成本參數(shù)。

2）風電和光伏發(fā)電的削減成本。

由于風力和光伏發(fā)電的隨機性、波動性特點，會導致其發(fā)電量不穩(wěn)定，如果系統(tǒng)不能提供足夠的負旋轉(zhuǎn)備用，系統(tǒng)消納能力不足，可能會削減風電和光伏發(fā)電量。因此，為提高系統(tǒng)對風電光伏的消納能力，應考慮風電和光伏發(fā)電的削減成本，其定義如下：

式中：λ 表示風電和光伏棄風棄光成本懲罰系數(shù)；PˉWS,fore表示光伏、風電最大預測發(fā)電；表示系統(tǒng)最大可接受光伏、風電發(fā)電功率；Ps為儲能充放電功率，Ps＞0 表示放電狀態(tài)；PGi，min表示第i臺火電機組最小出力；PL表示系統(tǒng)負荷功率；Δq(t)表示t時段通過電價調(diào)控實現(xiàn)用戶用電變化量；Δt為調(diào)度周期。

3）基于電價的DR負荷調(diào)度成本。

式中：Δp(t)表示t時段的電價變化量；qo(t)表示未采用基于電價的DR 負荷調(diào)度時t時段用戶耗電量；po(t)表示未采用基于電價的DR負荷調(diào)度時t時段電價。

綜上所述，基于源-荷-儲協(xié)調(diào)的優(yōu)化調(diào)度模型的目標函數(shù)可表示為

1.2 約束條件

基于源-荷-儲協(xié)調(diào)的優(yōu)化調(diào)度模型的約束可以分為5 個方面：系統(tǒng)約束、火電機組約束、風力發(fā)電和光伏最大出力約束、基于電價的DR 負荷約束和ESS出力約束。

系統(tǒng)約束包括功率平衡約束和旋轉(zhuǎn)儲備約束，可以表示為

式中：PGi,max和PS,disc,max分別表示第i臺火電機組最大出力和儲能最大放電功率；l為負荷備用系數(shù)，通常取0.1；P-WS,fore表示光伏和風電最小預測發(fā)電功率。

火電機組的約束包括機組發(fā)電功率約束、爬坡約束和最小啟/停機時間約束。約束表示如下：

式中：rui和rdi分別表示第i臺火電機組的最大功率上升速率和最大功率下降速率；和分別表示第i臺火電機組在時刻t的啟/停時間；和分別表示第i臺火電機組最小啟/停時間。

風電和光伏最大出力約束可表示為

如果風電和光伏的最大可接受出力小于最大預測出力，則系統(tǒng)可能發(fā)生棄風、棄光現(xiàn)象。

本文采用的基于電價的DR 負荷調(diào)度模型中通過價格彈性矩陣模型[13]來反映電價變化與負荷之間的關系。為簡化電價模型計算，本文假定互彈性系數(shù)為零，如果新電價過多地迫使用戶改變原有的用電行為，用戶會對調(diào)度部門產(chǎn)生不滿。因此，還需要考慮用戶滿意度約束，可以描述如下：

式中：Sw表示用戶滿意度，Sw,min表示用戶滿意度下限。

除了滿意度約束外，基于電價的DR 負荷調(diào)度模型的約束還包括電價約束，具體表示如下：

式中：Pmin和Pmax分別表示電價的上下限；p(t)表示采用調(diào)度模型后t時刻的電價。

為了使ESS 能夠可持續(xù)高效的利用，必須實現(xiàn)充放電能量平衡，由此本文引入了充放電平衡約束。此外，還需要滿足最大充放電功率約束和荷電狀態(tài)約束，則描述ESS的約束可表示為

式中：PS,c,max表示儲能最大充電功率；CSOC(t)表示t時刻的儲能荷電狀態(tài)；CSOC-max和CSOC-min分別表示荷電狀態(tài)最大值和最小值。

2 優(yōu)化調(diào)度模型的求解

基于源-荷-儲協(xié)調(diào)的優(yōu)化調(diào)度模型中優(yōu)化目標可以分為四個部分：火電機組啟動成本最小，風電和光伏棄風棄光成本最小，基于價格的DR調(diào)度成本最小和燃料消耗成本最小。第一部分相對獨立于其他三個部分，可以單獨進行優(yōu)化，同時第一部分也是整個優(yōu)化過程的基礎，因此需要先對其進行優(yōu)化。本文將優(yōu)化問題分為兩個階段進行求解：第一階段采用離散二進制粒子群算法優(yōu)化火電機組啟動成本和風電和光伏棄風棄光成本；在第一階段優(yōu)化結果的基礎上，第二階段采用雙層連續(xù)粒子群算法對其余部分進行優(yōu)化。

2.1 第一階段的優(yōu)化

第一階段的優(yōu)化目標為使火電機組的啟動成本和風電場和光伏發(fā)電的棄電成本之和最小?；痣姍C組的啟/停狀態(tài)是優(yōu)化第一階段的決策變量。由于決策變量為整數(shù)變量，可以采用離散二進制粒子群算法求解第一階段的優(yōu)化問題。

在電力系統(tǒng)中，當火電機組不能提供足夠的負轉(zhuǎn)備用來應對風電和光伏發(fā)電功率的上升時，ESS 不得不安排在充電狀態(tài)，并降低電價以消耗更多的風電和光伏發(fā)電功率。在上文提出的優(yōu)化調(diào)度模型中，ESS和基于電價的DR負荷是最佳方法，使風電和光伏充分消納。因此，第一階段的優(yōu)化是使ESS 的充電功率較大，并設定較低的電價，以保證風電和光伏的消納。

由于基于電價的DR 負荷調(diào)度在增加電力負荷時具有正的調(diào)度成本，因此，ESS具有更高的調(diào)度優(yōu)先級，在系統(tǒng)棄風棄光時ESS 的充電功率為

基于電價的DR 負荷調(diào)度模型消耗過多的風電和光伏發(fā)電功率可表示為

式中：Δq(t)表示采用調(diào)度模型后t時刻的用戶耗電變化量。

綜上，風電和光伏棄風棄光量可表示為

式中：ΔPWS(t)是系統(tǒng)棄風棄光量。

2.2 第二階段的優(yōu)化

第二階段的優(yōu)化目標是使基于電價的DR 負荷調(diào)度成本和燃料消耗成本之和最小。決策變量為機組出力、電價和ESS 充放電功率。該階段采用雙層連續(xù)粒子群優(yōu)化算法進行求解。

外層算法可用于確定ESS的充放電功率和電價，粒子的位置矢量的公式可以定義如下：

式中：x(t)為1× 2T的矩陣，表示粒子位置矢量，矩陣中的元素分別表示每個時刻電價變化量和儲能充放電功率，其中在第一節(jié)段的優(yōu)化中已確定部分元素為固定值。

針對用戶滿意度這一約束，采用修正法進行處理。具體過程如下：(1)找出電價對約束影響最大的時段。(2)通過調(diào)整時段電價來減少對約束的影響。(3)重復上述過程，直到滿足約束。具體修正公式表示為

式中：μ表示修正步長，其值不超過電價最大變化量。

針對荷電狀態(tài)和最大充放電約束，可用修正公式表示：

內(nèi)層優(yōu)化問題是一個常規(guī)的負荷經(jīng)濟調(diào)度問題。目前已有較多算法能夠解決這一問題，具體算法詳見文獻[14-15]，本文不再贅述。在內(nèi)層優(yōu)化完成后，外層算法根據(jù)內(nèi)層優(yōu)化結果更新粒子的位置和速度，當達到最大迭代次數(shù)時，循環(huán)結束，最優(yōu)解輸出。

3 算例分析

通過測試包含10 個火電機組的系統(tǒng)[16]來評估所提出的方法的性能，將風電場、光伏發(fā)電廠和集中式ESS 添加到該系統(tǒng)中，假設系統(tǒng)已經(jīng)采用了實時價格政策。系統(tǒng)中火電機組的運行數(shù)據(jù)詳見文獻[16]。設置整個調(diào)度時間為24 h，每個時段為1 h；風電和光伏棄風棄光成本設置為300 元/MW。表1所示為未采用基于電價的DR 負荷調(diào)度的系統(tǒng)負荷數(shù)據(jù)[9]，表2和表3分別為基于電價的DR負荷調(diào)度模型和ESS的調(diào)度參數(shù)。離散二進制粒子群算法的種群個數(shù)和最大迭代次數(shù)分別為50 和100；雙層連續(xù)粒子群優(yōu)化算法的內(nèi)外側(cè)種群個數(shù)均為30，最大迭代次數(shù)均為50。

表1 24 h系統(tǒng)負荷

表2 基于電價的DR負荷調(diào)度模型

表3 ESS的調(diào)度參數(shù)

針對不同風電光伏發(fā)電預測精度對成本的影響進行分析。圖1顯示了風電和光伏發(fā)電的預測精度和輸出范圍，圖1中的紅色區(qū)域表示預測精度較高的發(fā)電功率范圍，圖1中的藍色區(qū)域表示預測精度較低的發(fā)電功率范圍。

圖1 光伏和風力發(fā)電的預測出力范圍

表4給出了當系統(tǒng)調(diào)度資源僅有火電機組時，不同預測精度下的系統(tǒng)運行成本、風電光伏棄風棄光成本以及能量損失。

表4 基于電價的DR負荷調(diào)度模型

可以看出，較高的預測精度使啟動成本、燃料成本、棄風棄光成本和能耗損失均有所降低。如果預測輸出足夠準確，則上、下預測誤差系數(shù)都更接近于1。因此，系統(tǒng)需要較少的正旋轉(zhuǎn)備用，可以提供更多的負旋轉(zhuǎn)備用，從而減少風電和光伏的棄風棄光量，降低系統(tǒng)的燃料消耗，提高運行經(jīng)濟性。

設定三種案例來分析不同的調(diào)度資源參與優(yōu)化調(diào)度的效果：案例1，系統(tǒng)調(diào)度資源僅包括火電機組；案例2，系統(tǒng)調(diào)度資源包括火電機組和ESS；案例3，假設預測精度較低，系統(tǒng)調(diào)度資源包括火電機組、ESS和基于電價的DR負荷調(diào)度。表5顯示每種情況下的系統(tǒng)運行成本。

表5 不同案例的運行成本

如表5所示，案例2 的運行經(jīng)濟性比案例1高，案例3的運行經(jīng)濟性最高。因此，采用所提出的調(diào)度策略可以提高系統(tǒng)的運行經(jīng)濟性。

圖2顯示了風電和光伏發(fā)電在每種情況下的棄風棄光量。

圖2 風電和光伏棄風棄光量

在圖2中，案例2 的能量損失比案例1 小，案例3 的能量損失進一步減少，除第一周期和第二周期外，不會發(fā)生風電和光伏發(fā)電棄風棄光現(xiàn)象。由于ESS 和基于電價的DR 負荷調(diào)度模型的作用，風電和光伏發(fā)電的消納能力都有所提高。

結合表1、圖1和圖2可以看出，當系統(tǒng)負荷較低、風力發(fā)電和光伏發(fā)電功率較高時，風電和光伏發(fā)電更容易發(fā)生棄風棄光現(xiàn)象。該系統(tǒng)的低負荷期通常在夜間，而風力發(fā)電和光伏發(fā)電的出力高峰期分別在夜間和中午。因此，在該系統(tǒng)中，光伏發(fā)電很少發(fā)生棄光現(xiàn)象，但風電卻存在棄風問題。

表6為案例3 中出現(xiàn)棄風棄光時ESS 的充電量和基于電價的DR 負荷增加量。初始棄風棄光量是指在未采用ESS 和基于電價的DR 負荷調(diào)度的情況下風電和光伏的棄風棄光量。

表6 案例3中ESS的充電量和基于電價的DR負荷增加量

結合表6和圖2，可以看出案例3 采用基于源-負荷-儲能協(xié)調(diào)的優(yōu)化調(diào)度模型，在系統(tǒng)發(fā)生棄風棄光時，儲能優(yōu)先起作用，當儲能達到最大充電功率時，DR 負荷作用繼續(xù)消耗部分能量，提高系統(tǒng)對風電光伏的消納能力。

4 結論

1）風電和光伏出力的預測精度是影響電能損耗的重要因素之一，精度越高，能量損失越小，系統(tǒng)運行經(jīng)濟性越高。

2）所提基于源-荷-儲協(xié)調(diào)的優(yōu)化調(diào)度模型與傳統(tǒng)調(diào)度模型相比，更好地促進風電和光伏等新能源消納，提高系統(tǒng)運行經(jīng)濟性。