胡 劍，林耀瑋，閻發(fā)友，烏 睿，譚 穎，熊小伏

考慮光熱電站接入的電力系統(tǒng)雙層雙時間尺度優(yōu)化調(diào)度

胡 劍1,2，林耀瑋1，閻發(fā)友1，烏 睿3，譚 穎2，熊小伏2

(1.西南大學工程技術(shù)學院，重慶 400715; 2.重慶大學，重慶 400044;3.國家電網(wǎng)重慶市電力公司市區(qū)供電分公司，重慶 400015)

為提升含太陽能光熱電站電力系統(tǒng)調(diào)度控制的跟蹤能力和抗擾性能，降低風電和負荷功率等不確定因素對控制效果的影響，基于模型預(yù)測控制的優(yōu)化思想，提出一種包含長時間尺度滾動優(yōu)化層和短時間尺度動態(tài)調(diào)整層的優(yōu)化調(diào)度方法。上層以含光熱電站系統(tǒng)的運行經(jīng)濟性最優(yōu)為目標，通過多步滾動求解制定長時間尺度調(diào)度計劃。下層以跟蹤和修正上層調(diào)度計劃為目標，并在短時間尺度滾動優(yōu)化平滑功率波動的基礎(chǔ)上，引入光熱電站的儲熱調(diào)整，進一步應(yīng)對風電和負荷短時間尺度的功率波動?；诟倪MIEEE39 節(jié)點系統(tǒng)進行算例分析。結(jié)果表明：通過雙層環(huán)節(jié)協(xié)調(diào)配合，所提調(diào)度方法能夠有效抑制風電和負荷的短時功率波動，實現(xiàn)系統(tǒng)經(jīng)濟運行。

光熱電站；模型預(yù)測；優(yōu)化調(diào)度；雙層控制；雙時間尺度

0 引言

近年來，全球經(jīng)濟和工業(yè)水平的迅猛發(fā)展，促使能源需求急劇增長，以風能、太陽能為代表的可再生能源發(fā)電技術(shù)取得了廣泛關(guān)注和飛速發(fā)展，預(yù)計2060年我國風電和光伏發(fā)電裝機容量占比將達到80%，發(fā)電量占比之和將超過70%[1]。然而，未來高比例風電、光伏等新能源并網(wǎng)將給新型電力系統(tǒng)帶來諸多挑戰(zhàn)，其隨機、波動、間歇等特點產(chǎn)生安全消納等問題[2]。為解決上述問題，新型太陽能光熱發(fā)電技術(shù)受到了廣泛關(guān)注[3-6]。光熱電站(Concentrating Solar Power Plant, CSPP)借助先進集熱和儲熱裝置，將采集的太陽光照輻射熱量，一部分熱量直接進行發(fā)電，另一部分熱量靈活儲存，實現(xiàn)長時間穩(wěn)定出力，解決傳統(tǒng)光伏發(fā)電“晝發(fā)夜?！钡葐栴}[7]。我國光熱發(fā)電建設(shè)正在快速推進，現(xiàn)階段規(guī)模最大、可全天不間斷發(fā)電的百兆瓦級熔鹽塔式光熱電站在甘肅省敦煌市建成[8-9]，預(yù)計到2030年我國光熱發(fā)電容量將達到22 GW，到2050年將超過180 GW。光熱發(fā)電未來有望成為我國主要清潔能源發(fā)電技術(shù)之一。

光熱發(fā)電輸出穩(wěn)定、可控性強，可以作為電網(wǎng)調(diào)控資源應(yīng)對風電波動性，實現(xiàn)提高消納水平等功能。針對光熱發(fā)電參與風電、光伏及供熱等多能源系統(tǒng)的協(xié)調(diào)優(yōu)化研究，目前已有一定進展[10-19]。文獻[14]以機組的出力最優(yōu)為目標，建立光熱發(fā)電-風電聯(lián)合系統(tǒng)的優(yōu)化數(shù)學模型。文獻[15]提出了一種光熱-風電系統(tǒng)多目標優(yōu)化調(diào)度模型，實現(xiàn)了光熱-風電聯(lián)合系統(tǒng)整體的輸出功率偏差最小和運營成本最大。文獻[16]分析了光熱電站的內(nèi)部特征，提出促進風電消納的光熱-風電系統(tǒng)聯(lián)合調(diào)度策略。文獻[17]構(gòu)建了一種含光熱電站的虛擬電廠雙階優(yōu)化運行方案，實現(xiàn)了虛擬電廠取得更高經(jīng)濟效益的同時抑制風電波動性。文獻[18]在風-光-光熱多源聯(lián)合調(diào)度系統(tǒng)中引入價格型需求響應(yīng)，以期降低系統(tǒng)的調(diào)度成本，提高風光的消納水平。

然而，現(xiàn)有的含光熱電站接入的電力系統(tǒng)調(diào)度模型多為日前調(diào)度模型，少部分學者開展了日內(nèi)協(xié)調(diào)等研究[16]。同時，調(diào)度方案多利用風電、光照功率及負荷的預(yù)測確定值進行決策，較少綜合考慮參量不確定性對調(diào)度計劃和系統(tǒng)運行的影響，該類方法本質(zhì)上為確定型的開環(huán)控制模型，忽略了系統(tǒng)功率預(yù)測誤差等其他不確定因素所導致的控制偏差在相鄰控制時段間的傳遞，最終影響系統(tǒng)控制效果，使得調(diào)度人員決策時面臨運行風險。如何有效減小風電、光照功率及負荷不確定性的影響，制定更為合理的優(yōu)化調(diào)度策略，還有待進一步完善。

模型預(yù)測控制(Model Predictive Control, MPC)方法能夠基于模型預(yù)測的結(jié)果，在滾動優(yōu)化的同時，通過狀態(tài)量反饋校正環(huán)節(jié)形成閉環(huán)控制，具有抗干擾能力強、魯棒性好等優(yōu)點，已廣泛應(yīng)用于輸電網(wǎng)、配電網(wǎng)和微電網(wǎng)等各類電網(wǎng)的優(yōu)化調(diào)度[20-23]。

鑒于此，本文提出一種考慮光熱電站接入的電力系統(tǒng)雙層雙時間尺度優(yōu)化調(diào)度策略。首先分析含光熱電站電力系統(tǒng)的能量轉(zhuǎn)換特性及運行機理，并考慮日內(nèi)系統(tǒng)負荷、光照強度、風電出力等參量不確定性，搭建包含滾動優(yōu)化和實時動態(tài)調(diào)整雙層環(huán)節(jié)的協(xié)調(diào)調(diào)度框架；然后結(jié)合光熱電站內(nèi)部的功率平衡方程和相關(guān)約束，構(gòu)建含光熱電站參與的聯(lián)合發(fā)電系統(tǒng)的預(yù)測模型，并在此基礎(chǔ)上給出雙時間尺度(小時級和分鐘級)調(diào)度策略詳細流程；最后，通過改進的IEEE39節(jié)點系統(tǒng)算例驗證了所提策略的有效性和適用性。

1 含光熱電站的電力系統(tǒng)運行機理

1.1 含光熱電站系統(tǒng)結(jié)構(gòu)

含光熱發(fā)電站的電力系統(tǒng)基本結(jié)構(gòu)[23]如圖1所示。目前主流的光熱電站主要由光場(Solar Field, SF)、儲熱系統(tǒng)(Thermal Energy Storage System, TESS)和功率轉(zhuǎn)換系統(tǒng)(Power Block, PB)三部分構(gòu)成，通過傳熱工質(zhì)(Heat Transfer Fluid, HTF)實現(xiàn)能量在各部分之間的傳遞。光場通過大規(guī)模定日鏡陣列將直射太陽光輻射能量匯集吸收到集熱裝置，太陽能轉(zhuǎn)換為熱能傳遞到傳熱工質(zhì)，傳熱工質(zhì)中一部分熱能輸送到PB系統(tǒng)，用以加熱水蒸氣驅(qū)動汽輪機發(fā)電，實現(xiàn)熱-電轉(zhuǎn)換，另一部分熱能儲存至TESS中，在需要熱量供應(yīng)時，根據(jù)調(diào)度要求釋放熱量進行發(fā)電。

通過儲熱環(huán)節(jié)的雙向能量傳遞，光熱電站具備了良好的可控性和調(diào)度能力，提高風電消納量。但受其爬坡能力以及儲熱容量的約束，光熱電站在大規(guī)模發(fā)電系統(tǒng)中不能單獨承擔調(diào)節(jié)任務(wù)以及供給負荷的需求，因此通常需采用常規(guī)火電機組配合調(diào)節(jié)。

圖1 含光熱電站的電力系統(tǒng)結(jié)構(gòu)

1.2 含光熱電站系統(tǒng)運行特性

含光熱發(fā)電站電力系統(tǒng)中需要保持常規(guī)火電、風電、光熱電站及負荷側(cè)功率平衡，可統(tǒng)一描述為

基于內(nèi)部熔融鹽等高效傳熱工質(zhì)，光熱電站能量在集熱系統(tǒng)、儲熱系統(tǒng)及功率轉(zhuǎn)換發(fā)電系統(tǒng)各部分流動，如圖2所示。

圖2 光熱電站能量流

光熱電站內(nèi)部的功率平衡，可統(tǒng)一描述為

光熱電站中儲熱系統(tǒng)的工作狀態(tài)與儲熱容量、儲/放熱功率和當前的儲熱水平有關(guān)，能量方程可表示為

光熱電站中儲熱系統(tǒng)存在調(diào)控能力以及儲熱容量的約束，可表示為

光熱電站的功率轉(zhuǎn)換系統(tǒng)PB類似于火電機組，傳熱工質(zhì)流入PB系統(tǒng)中，產(chǎn)生高溫、高壓蒸汽推動汽輪機做功，實現(xiàn)熱-電能量轉(zhuǎn)換。因此同樣也存在出力上下限、爬坡能力上下限和最小開停機時間的約束，可表示為

與光熱電站配合調(diào)節(jié)的常規(guī)火電機組存在出力上下限制約束、爬坡能力上限約束、最小開停機時間約束和旋轉(zhuǎn)備用約束，可表示為

2 基于MPC的含光熱電站電力系統(tǒng)雙層雙時間尺度優(yōu)化調(diào)度框架

2.1 MPC基本原理

傳統(tǒng)的確定性調(diào)度模型中，調(diào)度周期內(nèi)風電出力、光照強度、負荷需求量被視為確定的，以此進行協(xié)調(diào)優(yōu)化，而在實際系統(tǒng)中上述參量具有不確定性和波動性，為此應(yīng)用MPC方法建立計及波動變化特性的調(diào)度模型。

圖3 MPC基本原理

2.2 基于MPC的滾動優(yōu)化

在滾動優(yōu)化階段，調(diào)度中心首先根據(jù)歷史信息、最新天氣信息等，更新預(yù)測域內(nèi)風電功率、光照強度和負荷需求的數(shù)據(jù)，然后基于系統(tǒng)的狀態(tài)信息和預(yù)測域內(nèi)風電功率、光照強度和負荷需求的預(yù)測值，生成預(yù)測域內(nèi)系統(tǒng)的長時間尺度調(diào)度計劃，包括常規(guī)機組的啟停狀態(tài)和出力、光熱機組的啟停狀態(tài)和出力、儲熱系統(tǒng)的儲/放熱狀態(tài)和功率等，但只有第一個時間間隔內(nèi)的調(diào)度計劃被實際執(zhí)行。基于MPC的日間滾動優(yōu)化原理如圖4所示，和分別表示滾動優(yōu)化內(nèi)控制域和預(yù)測域變量參數(shù)。

圖4 基于MPC的滾動優(yōu)化示意圖

2.3 基于MPC的實時動態(tài)調(diào)整

圖5 實時動態(tài)調(diào)整示意圖

3 光熱電站接入的電力系統(tǒng)雙層雙時間尺度優(yōu)化調(diào)度模型

3.1 光熱電站的電力系統(tǒng)預(yù)測模型

其中，

式中，相關(guān)參數(shù)已在第1節(jié)予以解釋。

3.2 滾動優(yōu)化調(diào)度模型

滾動優(yōu)化調(diào)度約束條件包括：系統(tǒng)功率平衡約束、常規(guī)機組和光熱電站機組運行約束、光熱電站內(nèi)部功率平衡約束、儲熱系統(tǒng)運行約束等。但不同于確定型調(diào)度模型中利用風電功率、光照強度和負荷需求的日前預(yù)測值只離線求解一次模型得到日前調(diào)度計劃，滾動優(yōu)化調(diào)度模型中的風電功率、光照強度和負荷需求的預(yù)測值隨著預(yù)測域的前移壓縮不斷滾動更新，模型不斷在線求解，直至執(zhí)行完調(diào)度周期內(nèi)的調(diào)度計劃。

因此，滾動優(yōu)化調(diào)度模型的目標函數(shù)為

滾動優(yōu)化模型的緊湊形式可改寫為

3.3 實時動態(tài)調(diào)整模型

實時動態(tài)調(diào)整優(yōu)化模型涉及的約束條件可表示為

3.4 光熱電站接入的電力系統(tǒng)雙層雙時間尺度優(yōu)化調(diào)度整體流程

綜上分析，基于MPC的日內(nèi)長時間尺度滾動優(yōu)化與實時短時間尺度動態(tài)調(diào)整相結(jié)合的協(xié)調(diào)優(yōu)化調(diào)度控制流程如圖6所示。在動態(tài)調(diào)整的每個時段開始前，對系統(tǒng)狀態(tài)進行實時更新，獲取風電功率、光照強度和負荷需求的實時信息，然后進行短尺度的優(yōu)化調(diào)度，直至所有時段執(zhí)行完畢，采集最新的系統(tǒng)狀態(tài)信息傳遞給滾動優(yōu)化層，進行長時間尺度的經(jīng)濟調(diào)度，不斷向前滾動計算求解。

圖6 雙層雙時間尺度優(yōu)化調(diào)度流程圖

4 算例分析

4.1 算例概述

圖7所示，基于改進的IEEE39節(jié)點系統(tǒng)驗證所提調(diào)度策略的正確性和有效性[24]，系統(tǒng)包含10臺火電機組、一個100 MW光熱電站和一個400 MW風電場，火電機組的總裝機容量為1 662 MW，儲熱系統(tǒng)初始儲熱容量為200 MW。負荷需求、風電功率和光照強度的日前24 h預(yù)測、滾動預(yù)測和實時曲線，如圖8所示。

圖7 改進的IEEE39節(jié)點系統(tǒng)接線圖

通過以下不同調(diào)度模型的對比分析證明了所提調(diào)度策略的合理性。

1) 傳統(tǒng)日前調(diào)度：視日前氣象及負荷預(yù)測信息為確定值，單次優(yōu)化后制定日前調(diào)度計劃。

2) 單一時間尺度調(diào)度：滾動預(yù)測氣象及負荷預(yù)測信息，但只進行滾動優(yōu)化調(diào)度，不進行實時動態(tài)調(diào)整，驗證滾動優(yōu)化調(diào)度模型的有效性。

4.2 算例結(jié)果分析

傳統(tǒng)日前調(diào)度各機組出力計劃如圖9所示。通過模型預(yù)測改善，滾動優(yōu)化調(diào)度模型得到的具體機組出力相對于日前調(diào)度機組出力計劃的增量差如圖10所示。

相對于日前調(diào)度，由于風電功率、光照強度和負荷需求的滾動預(yù)測相對于日前預(yù)測誤差降低，并且滾動優(yōu)化是隨著調(diào)度時段的推進不斷滾動計算求解，滾動優(yōu)化調(diào)度結(jié)果相對于日前調(diào)度結(jié)果有明顯的差別。

圖11為包含動態(tài)調(diào)整的滾動調(diào)度模型優(yōu)化得到的常規(guī)機組和光熱電站共96個時段的出力計劃，圖12為不同機組在對應(yīng)時刻的啟停狀態(tài)，動態(tài)調(diào)整主要是儲熱系統(tǒng)參與靈活調(diào)節(jié)，以避免大范圍短時間過多機組啟停頻繁而增加成本。

圖9 確定性日前調(diào)度模型優(yōu)化得到的常規(guī)機組和光熱電站機組出力計劃

圖10 滾動優(yōu)化調(diào)度模型得到的機組出力相對于日前調(diào)度機組出力計劃的增量差

圖11 包含動態(tài)調(diào)整的滾動調(diào)度模型優(yōu)化得到的常規(guī)機組和光熱電站的出力計劃

各調(diào)度模型的控制成本結(jié)果對比如表1所示。從表1中結(jié)果對比可發(fā)現(xiàn)，較日前調(diào)度而言，滾動優(yōu)化調(diào)度在同等約束條件下，減少了機組的啟停，降低了調(diào)度控制成本，調(diào)度計劃更加合理，因此，包含動態(tài)調(diào)整的雙層雙時間尺度優(yōu)化調(diào)度效果更優(yōu)。

表1 調(diào)度模型結(jié)果對比

圖12 不同機組的啟停情況

如圖13所示，在算例其他條件不變的情況下，若提升光熱電站規(guī)模(如儲熱容量從200 MW調(diào)整至400 MW)，雙層雙時間尺度優(yōu)化調(diào)度控制成本將會持續(xù)降低，本優(yōu)化策略的經(jīng)濟效果將進一步提升。

圖13 策略經(jīng)濟效益分析

綜上對比，所提策略能夠在調(diào)度決策中有預(yù)見性地利用光熱電站協(xié)調(diào)風電、光伏及負荷之間的功率平衡，提高整體系統(tǒng)運行經(jīng)濟性；同時，基于MPC的含光熱電站電力系統(tǒng)雙層雙時間尺度模型，通過滾動優(yōu)化的方式保證了調(diào)度決策的可靠性，降低了調(diào)度決策中出現(xiàn)嚴重過控、欠控等偏差風險，保證了系統(tǒng)運行的安全性。

5 結(jié)論

光熱電站因其出力靈活可控，成為提升電力供應(yīng)可靠性和穩(wěn)定性的有效手段之一。為此，本文結(jié)合MPC方法建立了含光熱電站參與的電力系統(tǒng)優(yōu)化調(diào)度預(yù)測模型，并在此基礎(chǔ)上，提出了一種包含日內(nèi)滾動優(yōu)化和實時動態(tài)調(diào)整兩個環(huán)節(jié)的雙時間尺度優(yōu)化調(diào)度策略，在滾動優(yōu)化的同時，實現(xiàn)對優(yōu)化目標的實時跟蹤，經(jīng)過研究，得出如下結(jié)論。

1) 風電功率、光照強度和負荷需求的滾動預(yù)測相對于日前預(yù)測誤差降低，并且滾動優(yōu)化是隨著調(diào)度時段的推進不斷滾動計算求解，滾動優(yōu)化調(diào)度結(jié)果相對于日前調(diào)度結(jié)果有明顯的差別。相對日前調(diào)度而言，本文的滾動優(yōu)化調(diào)度在同等約束條件下，減少了機組的啟停，降低了調(diào)度控制成本，調(diào)度計劃更為合理。

2) 長時間尺度的滾動優(yōu)化和短時間尺度的實時動態(tài)調(diào)整相協(xié)調(diào)，在滾動優(yōu)化的同時，通過狀態(tài)量實時信息反饋校正環(huán)節(jié)形成閉環(huán)控制，進一步提高系統(tǒng)經(jīng)濟性的同時，降低調(diào)度決策中出現(xiàn)嚴重過控、欠控等偏差風險，保證了系統(tǒng)運行的安全可靠。制定的調(diào)度策略可為大規(guī)模光熱電站接入電網(wǎng)電力系統(tǒng)的優(yōu)化調(diào)度和協(xié)調(diào)運行提供參考。

[1] LI H, ESEYE A T, ZHANG J, et al. Optimal energy management for industrial microgrids with high-penetration renewables[J]. Protection and Control of Modern Power Systems, 2017, 2(2): 122-135.

[2] 萬燦, 宋永華. 新能源電力系統(tǒng)概率預(yù)測理論與方法及其應(yīng)用[J]. 電力系統(tǒng)自動化, 2021, 45(1): 2-16.

WAN Can, SONG Yonghua. Theories, methodologies and applications of probabilistic forecasting for power systems with renewable energy sources[J]. Automation of Electric Power Systems, 2021, 45(1): 2-16.

[3] HE Yaling, QIU Yu, WANG Kun, et al. Perspective of concentrating solar power[J]. Energy, 2020, 198.

[4] BRAVO R, ORTIZ C, CHACARTEGUI R, et al. Hybrid solar power plant with thermochemical energy storage: a multi-objective operational optimization[J]. Energy Conversion and Management, 2020, 205.

[5] DU Ershun, ZHANG Ning, HODGE B, et al. The role of concentrating solar power toward high renewable energy penetrated power systems[J]. IEEE Transactions on Power Systems, 2018, 33(6): 6630-6641.

[6] AMERICANO M, NARASIMHAN A, GUILLEN D, et al. Generalized distributed state space model of a CSP plant for simulation and control applications: single-phase flow validation[J]. Renewable Energy, 2020, 153(1): 36-48.

[7] 邵成成, 馮陳佳, 李丁, 等. 光熱發(fā)電機組聚合模型及其在電力系統(tǒng)運行模擬中的應(yīng)用[J]. 中國電機工程學報, 2020, 40(11): 3507-3515.

SHAO Chengcheng, FENG Chenjia, LI Ding, et al. Clustered CSP model and its application in power system operation simulation[J]. Proceedings of the CSEE, 2020, 40(11): 3507-3515.

[8] LI Baiyi, ZHANG Jixiong, GHOREISHI-MADISEH S A, et al. Energy performance of seasonal thermal energy storage in underground backfilled stops of coal mines[J]. Journal of Cleaner Production, 2020, 275.

[9] 孫銳. 促進光熱發(fā)電健康發(fā)展助力能源轉(zhuǎn)型穩(wěn)步實施[N]. 中國能源報, 2020-09-14(025).

SUN Rui. Promote the healthy development of CSP and help the steady implementation of energy transition[N]. China Energy News, 2020-09-14(025).

[10] 楊宏基, 周明, 武昭原, 等. 含光熱電站的電-熱能源系統(tǒng)優(yōu)化運行機制[J]. 電網(wǎng)技術(shù), 2022, 46(1): 175-185.

YANG Hongji, ZHOU Ming, WU Zhaoyuan, et al. Optimal operation of electro-thermal energy systems with concentrated solar power plant[J]. Power System Technology, 2022, 46(1): 175-185.

[11] 崔楊, 鄧貴波, 王錚, 等. 計及碳交易的光熱電站與風電系統(tǒng)低碳經(jīng)濟調(diào)度策略[J]. 電力自動化設(shè)備,2021, 41(9): 232-239.

CUI Yang, DENG Guibo, WANG Zheng, et al. Low-carbon economic scheduling strategy for power system with concentrated solar power plant and wind power considering carbon trading[J]. Electric Power Automation Equipment, 2021, 41(9): 232-239.

[12] 崔楊, 張家瑞, 仲悟之, 等. 計及電熱轉(zhuǎn)換的含儲熱光熱電站與風電系統(tǒng)優(yōu)化調(diào)度[J]. 中國電機工程學報, 2020, 40(20): 6482-6493.

CUI Yang, ZHANG Jiarui, ZHONG Wuzhi, et al. Optimal scheduling of solar thermal power station with thermal storage and wind power system considering electrothermal conversion[J]. Proceedings of the CSEE, 2020, 40(20): 6482-6493.

[13] CHEN R, SUN H, GUO Q, et al. Reducing generation uncertainty by integrating CSP with wind power: an adaptive robust optimization-based analysis[J]. IEEE Transactions on Sustainable Energy, 2015, 6(2): 583-594.

[14]崔楊, 楊志文, 仲悟之, 等. 基于成本最優(yōu)的含儲熱光熱電站與火電機組聯(lián)合出力日前調(diào)度[J]. 電力自動化設(shè)備,2019, 39(2): 71-77.

CUI Yang, YANG Zhiwen, ZHONG Wuzhi, et al. Day-ahead dispatch for output of combined CSP with thermal storage system and thermal power units based on minimized operation cost[J]. Electric Power Automation Equipment, 2019, 39(2): 71-77.

[15] 宋汶秦, 呂金歷, 趙玲霞, 等. 光熱-風電聯(lián)合運行的電力系統(tǒng)經(jīng)濟調(diào)度策略研究[J]. 電力系統(tǒng)保護與控制, 2020, 48(5): 95-102.

SONG Wenqin, Lü Jinli, ZHAO Lingxia, et al. Study on the economic dispatch strategy of power system with combined operation of concentrated solar power and wind farm[J]. Power System Protection and Control, 2020, 48(5): 95-102.

[16] 崔楊, 楊志文, 張節(jié)潭, 等. 計及綜合成本的風電-光伏-光熱聯(lián)合出力調(diào)度策略[J]. 高電壓技術(shù), 2019, 45(1): 269-275.

CUI Yang, YANG Zhiwen, ZHANG Jietan, et al. Scheduling strategy of wind power-photovoltaic power- concentrating solar power considering comprehensive costs[J]. High Voltage Engineering, 2019, 45(1): 269-275.

[17] 彭院院, 周任軍, 李斌, 等. 計及光熱發(fā)電特性的光-風-火虛擬電廠雙階段優(yōu)化調(diào)度[J]. 電力系統(tǒng)及其自動化學報, 2020, 32(4): 22-28.

PENG Yuanyuan, ZHOU Renjun, LI Bin, et al. Two-stage optimal dispatching for solar-wind-thermal virtual power plant considering characteristic of concentrating solar power[J]. Proceedings of the CSU-EPSA, 2020, 32(4): 22-28.

[18] 劉文穎, 文晶, 謝昶, 等. 考慮風電消納的電力系統(tǒng)源荷協(xié)調(diào)多目標優(yōu)化方法[J]. 中國電機工程學報, 2015, 35(5): 1079-1088.

LIU Wenying, WEN Jing, XIE Chang, et al. Multi-objective optimal method considering wind power accommodation based on source-load coordination[J]. Proceedings of the CSEE, 2015, 35(5): 1079-1088.

[19] 張宏, 董海鷹, 陳釗, 等. 基于模型預(yù)測控制的光熱-光伏系統(tǒng)多時間尺度無功優(yōu)化控制策略研究[J]. 電力系統(tǒng)保護與控制, 2020, 48(9): 135-142.

ZHANG Hong, DONG Haiying, CHEN Zhao, et al. Multi-time scale reactive power optimal control strategy of a CSP-PV system based on model predictive control[J]. Power System Protection and Control, 2020, 48(9): 135-142.

[20] 杜祥偉, 沈艷霞, 李靜. 基于模型預(yù)測控制的直流微網(wǎng)混合儲能能量管理策略[J]. 電力系統(tǒng)保護與控制, 2020, 48(16): 69-75.

DU Xiangwei, SHEN Yanxia, LI Jing. Energy management strategy of DC microgrid hybrid energy storage based on model predictive control[J]. Power System Protection and Control, 2020, 48(16): 69-75.

[21] 路朋, 葉林, 湯涌, 等. 基于模型預(yù)測控制的風電集群多時間尺度有功功率優(yōu)化調(diào)度策略研究[J]. 中國電機工程學報, 2019, 39(22): 6572-6583.

LU Peng, YE Lin, TANG Yong, et al. Multi-time scale active power optimal dispatch in wind power cluster based on model predictive control[J]. Proceedings of the CSEE, 2019, 39(22): 6572-6583.

[22] 任佳依, 顧偉, 王勇, 等. 基于模型預(yù)測控制的主動配電網(wǎng)多時間尺度有功無功協(xié)調(diào)調(diào)度[J]. 中國電機工程學報, 2018, 38(5): 1397-1407.

REN Jiayi, GU Wei, WANG Yong, et al. Multi-time scale active and reactive power coordinated optimal dispatch in active distribution network based on model predictive control[J]. Proceedings of the CSEE, 2018, 38(5): 1397-1407.

[23] 葉鶴林, 劉松, 胡劍, 等. 基于IGDT的含光熱電站電力系統(tǒng)多源聯(lián)合調(diào)度策略[J]. 電力系統(tǒng)保護與控制, 2021, 49(23): 35-43.

YE Helin, LIU Song, HU Jian, et al. Multi-source joint dispatching strategy for a power system with concentrating solar power plants based on IGDT[J]. Power System Protection and Control, 2021, 49(23): 35-43.

Two-layer double-time scale optimal dispatch for a power system considering concentrating solar power plant penetration

HU Jian1, 2, LIN Yaowei1, YAN Fayou1, WU Rui3, TAN Ying2, XIONG Xiaofu2

(1. College of Engineering and Technology, Southwest University, Chongqing 400715, China; 2. Chongqing University, Chongqing 400044, China; 3. Urban Power Supply Branch, State Grid Chongqing Electric Power Company, Chongqing 400015, China)

To enhance the tracking ability and anti-disturbance performance of the dispatching control of a power system with a concentrating solar power plant, and reduce the impact of uncertain factors such as wind and load power on the control effect, an optimal dispatch method that contains long-time scale receding horizon optimization layer and short-time scale dynamic adjustment layers is proposed. This is based on the optimization idea of model predictive control. In this model, the upper layer takes the optimal operating economy of the concentrating solar power plant system as the objective, and the dispatch plan in long time-scale is formulated by a multi-step receding horizon solution. While the lower layer takes the tracing and correcting scheduling plan in the upper layer as the objective, and the thermal energy storage system is introduced to further deal with the power fluctuations of wind power and load demand over a short-time scale. This is based on smoothing power fluctuation by receding horizon optimization on a short-time scale. An example based on the improved IEEE 39 bus system is analyzed. The results show that the proposed method can effectively suppress the short-time power fluctuation of wind and load and realize the economical operation of the system through the coordination of two layers.

concentrating solar power plant; model prediction; optimal dispatch; two-layer control; double-time scale

10.19783/j.cnki.pspc.226204

國家自然科學基金項目資助(51907164)；重慶市自然科學基金面上項目資助(cstc2020jcyj-msxmX0590)；重慶市教委科學技術(shù)研究項目資助(KJQN202100221)

This work is supported by the National Natural Science Foundation of China (No. 51907164).

2021-08-25；

2021-12-05

胡 劍(1992—)，男，通信作者，博士(后)，講師，研究方向為多能源系統(tǒng)保護及控制；E-mail: exphujian@foxmail.com

林耀瑋(2001—)，男，碩士研究生，研究方向為電力系統(tǒng)自動化調(diào)度與控制；

閻發(fā)友(1987—)，男，博士，講師，研究方向為新型電力電子化系統(tǒng)控制。

(編輯 許 威)