徐 超，張 宇，于 偉，劉富田，周 強

(國家電投集團電站運營技術(北京)有限公司，北京 102200)

人類社會在不斷發(fā)展的過程中，能源始終扮演著重要作用，如今，全球經(jīng)濟發(fā)生了巨大變化，人們加大了對煤炭、石油等不可再生能源的需求[1]。人類大量使用化石能源，導致生態(tài)環(huán)境的惡化速度越來越快，亟需改進當前能源的網(wǎng)絡結(jié)構。提高新能源發(fā)電的利用效率，可以降低電力系統(tǒng)的能耗，達到低碳運行、節(jié)能減排的目的，還可以解決生態(tài)環(huán)境面臨的困境，因此，新能源供電系統(tǒng)受到了社會各界的關注[2]。使用新能源供電不需要鋪設輸電線路，具有電能傳輸損耗低、運行靈活的優(yōu)點，可以有效提高電能供應的可靠性，緩解當前供電方式無法滿足偏遠地區(qū)的供電情況。新能源技術的廣泛應用，加大了對可再生能源的應用研究，降低發(fā)電成本的同時，改變了原始能源的網(wǎng)絡結(jié)構[3]。新能源技術在當下正處于準商業(yè)化階段，今后一定會成為一種主流的供電模式。

在國內(nèi)的研究中，有關學者考慮到供電出力調(diào)度的能量不平衡問題，基于離散時間平均模型提出了一種調(diào)度模型，利用積分約束的形式，將儲能技術與需求側(cè)的響應結(jié)合，以最小棄風量為目標，建立了優(yōu)化調(diào)度模型，并將其轉(zhuǎn)化為具有非線性約束的規(guī)劃問題，通過模型求解實現(xiàn)了調(diào)度。

算例結(jié)果顯示，該優(yōu)化調(diào)度模型能夠消納電力系統(tǒng)中的風電負荷，根據(jù)非線性約束的規(guī)劃求解，得到優(yōu)化調(diào)度的最優(yōu)解，但是調(diào)度難度較大[4]。在凈負荷調(diào)度方面，基于樣本熵，針對新能源電力系統(tǒng)提出了一種凈負荷調(diào)度策略，利用樣本熵的方式采集了凈負荷樣本，完成電力系統(tǒng)凈負荷時間序列復雜度的評估，根據(jù)發(fā)電機組的組成，劃分了凈負荷調(diào)度的時段，進一步減少了爬坡功率，以十機組為算例，驗證了該凈負荷調(diào)度策略在電力系統(tǒng)中應用的合理性，但是經(jīng)濟性較差[5]。

在國外的研究中，有關學者提出了一個機械模型來描述不同車輛使用的能量水平，為了確定車輛調(diào)度方案，以乘客等待時間和車輛能耗最小為目標，建立了快速公交多目標節(jié)能調(diào)度優(yōu)化模型。結(jié)果表明，所設計的算法對求解快速公交調(diào)度優(yōu)化模型是有效的，采用合適的調(diào)度方案可以減少能耗和乘客等待時間，但是經(jīng)濟性較差[6]。

基于以上研究背景，本文利用協(xié)同調(diào)峰的方式，設計了新能源供電出力調(diào)度模型，從而提高新能源供電出力調(diào)度的經(jīng)濟性。

1 新能源供電出力調(diào)度模型設計

1.1 基于協(xié)同調(diào)峰制定新能源供電出力調(diào)度計劃

新能源供電系統(tǒng)的安全性和穩(wěn)定性離不開供電出力的調(diào)度手段，復雜的網(wǎng)絡架構會降低新能源供電系統(tǒng)的調(diào)峰能力，因此采用協(xié)同調(diào)峰的方式，制定新能源供電系統(tǒng)的出力調(diào)度計劃。接入大量的新能源發(fā)電會降低供電系統(tǒng)的穩(wěn)定性，如果投入大量的備用機組又會出現(xiàn)資源浪費的現(xiàn)象。通過協(xié)同調(diào)峰，規(guī)劃居民的用電時段，適當調(diào)節(jié)用電高峰，根據(jù)不同的時間尺度，制定出力調(diào)度計劃，具體安排如圖1所示。

圖1 新能源供電出力調(diào)度計劃安排Fig.1 Schedule of new energy power supply output

根據(jù)圖1的計劃安排情況，得到了新能源供電出力調(diào)度計劃的制定步驟為：①對于新能源供電機組系統(tǒng)而言，通過制定重要機組的檢修計劃，減小系統(tǒng)的供電壓力，盡量避免供電設備故障對出力調(diào)度的影響；②在新能源供電系統(tǒng)中，根據(jù)各機組的運行時段，制定調(diào)峰計劃，采用協(xié)同調(diào)峰的方式[7]，降低新能源供電系統(tǒng)的運營成本，進一步促進新能源的消耗；③分析供電設備的備用需求，根據(jù)供電出力的預測結(jié)果，制定備用投入計劃，降低基礎供電設備的投入成本；④結(jié)合供電系統(tǒng)各部分的出力調(diào)度計劃，并考慮到居民用電負荷的需求[8]，達到供需平衡，這樣不僅可以提高負荷用電的滿意度，還可以保證新能源供電系統(tǒng)的安全運行，節(jié)約供電成本的同時提高了供電可靠性。

以上根據(jù)新能源供電出力調(diào)度計劃安排，利用協(xié)同調(diào)峰的方式，制定了新能源供電出力調(diào)度計劃。

1.2 配置新能源供電系統(tǒng)的儲能容量

為了避免儲能容量計算的復雜度，引入非參數(shù)估計的方法[9]，得到功率差額數(shù)據(jù)的估計值，對概率密度函數(shù)進行了擬合處理[10]，結(jié)合式(1)對新能源供電系統(tǒng)的儲能容量進行配置，即：

(1)

式中，K(·)為非參數(shù)核函數(shù)；N為新能源供電功率的采樣數(shù)；Dk為新能源供電功率的采樣帶寬；P-Pi為功率差額。

在調(diào)度置信度水平γz下，采用迭代計算的方式[11]，計算了系統(tǒng)的最小儲能容量，具體計算步驟如下：①對新能源供電儲能系統(tǒng)的額定功率Pe和儲能容量Ee進行初始化處理[12]；②計算新能源供電出力可調(diào)度性置信度水平γs；③當γs<γz時，可以適當增加儲能容量Ee，返回到②，當γs滿足供電出力的調(diào)度要求時，在額定功率Pe下，確定最小儲能容量；④增加新能源供電儲能系統(tǒng)的額定功率Pe，返回到①，直到Pe大于最大功率差額。

當完成新能源供電儲能系統(tǒng)額定功率Pe和儲能容量Ee的約束之后，利用投資成本目標函數(shù)[13]，計算最優(yōu)的儲能配置結(jié)果，選擇等年值計算公式作為目標函數(shù)，修改新能源供電系統(tǒng)充放電次數(shù)和深度因素[14]，修改公式為：

(2)

式中，Ged為新能源供電系統(tǒng)的儲能額定功率配置值；Tlife為新能源供電系統(tǒng)的使用壽命；Eed為配置的儲能容量；λ為額定功率與容量之間投資費用的比值；Cs為儲能裝置在分期償還容量中的投資成本；Ct為蓄電池裝置在分期償還容量中的投資成本，計算公式為：

(3)

其中，CR為儲能容量的投資成本，Cw為維護成本。

根據(jù)式(4)的計算結(jié)果，建立其與放電深度之間的函數(shù)關系[15]，在不同放電深度下，計算出蓄電池的循環(huán)壽命，經(jīng)過M次充放電之后，通過推算蓄電池的壽命損耗[16]，得到蓄電池的使用壽命，公式為：

(4)

式中，Scyc，H(i)為蓄電池放電深度為H(i)時蓄電池的循環(huán)壽命。

為了計算出新能源供電系統(tǒng)的儲能容量配置值，擬合處理了儲能額定功率和最小容量，得到擬合曲線表達式，利用粒子群算法得到儲能配置的目標函數(shù)最優(yōu)值，得到新能源供電系統(tǒng)中蓄電池的使用壽命，完成新能源供電系統(tǒng)的儲能容量配置。

1.3 構建新能源供電出力調(diào)度模型

為了應對新能源供電出力場景，構建了新能源供電出力調(diào)度模型，將系統(tǒng)最小運營成本作為目標函數(shù)[17]，模型表達式為：

(5)

利用改進粒子群算法對式(6)的模型進行求解[18]，基于隨機解更新最優(yōu)解，最后得到一個新能源供電出力調(diào)度的最優(yōu)解?？紤]到改進粒子群算法在收斂時會發(fā)生早熟，為了提高算法的多樣性，本文結(jié)合柯西變異改進了粒子群算法，通過收斂數(shù)量對種群樣本的多樣性進行檢查，令div(y)為樣本的多樣性值，計算公式為：

(6)

式中，SQ為種群檔案集的大??；kx，y，G為平均值變量；uy為上限閾值；ly為下限閾值。根據(jù)柯西變異過程[19]，假設每一組粒子都對應著一個調(diào)度方案，將粒子作為新能源供電系統(tǒng)的輸入模型，根據(jù)約束條件生成一個可行解，修正不符合約束條件的粒子，得到目標函數(shù)的計算結(jié)果，經(jīng)過多次迭代[20]，輸出新能源供電出力的調(diào)度結(jié)果。新能源供電出力調(diào)度模型的實現(xiàn)流程如圖2所示。

圖2 新能源供電出力調(diào)度模型實現(xiàn)流程Fig.2 Flow chart of realization of new energy power supply output dispatching model

綜上所述，以供電系統(tǒng)的最小運營成本為目標函數(shù)，構建了新能源供電出力調(diào)度模型，利用柯西變異算法改進了粒子群算法，實現(xiàn)了新能源供電出力調(diào)度。

2 算例分析

為了驗證文中設計的計及協(xié)同調(diào)峰的新能源供電出力調(diào)度模型的有效性，以MATLAB仿真軟件作為實驗平臺進行算例分析。在新能源供電系統(tǒng)中調(diào)度模型的數(shù)據(jù)選取包括2臺光伏發(fā)電機、2臺風力發(fā)電機、1臺儲能系統(tǒng)和1臺火電機組?？紤]2種凈負荷調(diào)度，參數(shù)見表1。

表1 凈負荷調(diào)度參數(shù)Tab.1 Net load dispatching parameters

新能源供電系統(tǒng)的峰值和谷值負荷及風電特性曲線如圖3所示。根據(jù)圖3曲線，設計了4種運行情況，對新能源供電系統(tǒng)凈負荷調(diào)度的調(diào)峰作用進行調(diào)度計算。

圖3 新能源供電系統(tǒng)的峰值和谷值負荷及風電特性曲線Fig.3 Peak and valley load and wind power characteristic curve of new energy power supply system

情況1：選用圖3中谷值負荷曲線負荷時，不參考風電。情況2：選用圖3中峰值負荷曲線負荷時，不參考風電。情況3：選用圖3中谷值負荷曲線負荷時，假設風電波動范圍預測值約為32%，參考圖3中風電特性曲線。情況4：與情況3相似，但要選用圖3中峰值負荷曲線負荷。

在情況1中負荷的峰谷差為310 MW，負荷率為93.5%，負荷曲線較為平緩，新能源供電系統(tǒng)的調(diào)峰壓力較小，調(diào)度結(jié)果如圖4所示。

圖4 情況1時新能源供電系統(tǒng)出力曲線Fig.4 Output curve of new energy power supply system in case 1

根據(jù)圖4可知，快速調(diào)節(jié)機組包含水電機組與氣電機組，機組之間負荷與變化趨勢保持一致，可以保證新能源供電系統(tǒng)在負荷曲線陡坡發(fā)生變化時，具備足夠的調(diào)峰能力。圖4中凈負荷曲線變化不大，新能源供電系統(tǒng)的調(diào)峰需求可通過電源側(cè)調(diào)度來滿足，若凈負荷附加成本高，則不參與調(diào)度。

在情況2中負荷的峰谷差為550 MW，負荷率達到87.9%，負荷曲線變化較大，新能源供電系統(tǒng)易產(chǎn)生較大壓力。調(diào)度結(jié)果如圖5和圖6所示。

圖5 情況2時新能源供電系統(tǒng)出力曲線Fig.5 Output curve of new energy power supply system in case 2

根據(jù)圖5和圖6可知，在峰荷時段(10～14時段)凈負荷調(diào)度峰值變化明顯，新能源供電系統(tǒng)的調(diào)峰能力增強。負荷曲線在負荷調(diào)度策略中變化較小，由此可知，該方法可以對峰谷差和峰荷起到削弱的作用。在情況3中，風電出力特性近似為逆調(diào)峰。調(diào)度結(jié)果如圖7和圖8所示。

圖6 情況2時凈負荷調(diào)度的調(diào)峰效果Fig.6 Peak shaving effect of net load dispatching in case 2

圖7 情況3時新能源供電系統(tǒng)出力曲線Fig.7 Output curve of new energy power supply system in case 3

圖8 情況3時凈負荷調(diào)度出力曲線Fig.8 Net load dispatching output curve in case 3

從圖7和圖8中可以看出，接入風電使電源側(cè)的調(diào)度難度增加，凈負荷調(diào)度參與了調(diào)度。當負荷曲線越低時，風電出力越大，為了平衡功率，常規(guī)機組工作處于較低位置，下降幅度有限。在風電不穩(wěn)定，出力波動偏高時，極易發(fā)生棄風現(xiàn)象。為此需要提高新能源供電系統(tǒng)的功率下調(diào)能力，保持凈負荷調(diào)度出力的穩(wěn)定程度。為了避免由于新能源供電系統(tǒng)的功率不足，產(chǎn)生風電向下波動趨勢，當負荷位于最高值時，可使用速度較快、成本較高的凈負荷調(diào)度作為備用風電，使新能源供電系統(tǒng)調(diào)節(jié)壓力降低，接納新能源的能力提高。

在情況4中，因為新能源供電系統(tǒng)本身存在非常大的負荷峰谷差，計及協(xié)同調(diào)峰特性的風電曲線也對其提出更高要求，所以程序無法給出有效的調(diào)度方案。因此，即使新能源可以通過凈負荷調(diào)度在一定程度上緩解供電壓力，但仍不能滿足情況4的調(diào)峰要求。

在對計算規(guī)模的適應性進行檢驗的過程中，針對各種規(guī)模的電力系統(tǒng)采取了調(diào)度計算。在計算中發(fā)現(xiàn)，發(fā)電機的數(shù)量可以直接影響極限場景的數(shù)量，在考慮不同規(guī)模的調(diào)度模型時可首先考慮發(fā)電機的數(shù)量，計算結(jié)果見表2。

表2 新能源供電出力調(diào)度模型的適應性分析Tab.2 Adaptability analysis of new energy power supply output dispatching model

由表2可知，迭代次數(shù)的變化并不隨著規(guī)模的增大而增大，雖然計算時間在一定程度上增加了，但指數(shù)并未上升，增幅也在可控范圍內(nèi)。

選擇典型的日負荷作為用戶的需求，將需求響應之間前平時段的電價設置為0.45元/KWh，需求響應后，峰時段和谷時段以平時段為基本標準，電價設置為120%和50%，不同時段的電價劃分結(jié)果見表3。

表3 需求響應的電價劃分Tab.3 Electricity price division of demand response

根據(jù)需求響應的電價劃分結(jié)果，得到需求響應前后用戶需求變化如圖9所示。

圖9 價格型需求響應前后的負荷變化Fig.9 Load change chart before and after price demand response

從圖9中可以看出，實線為經(jīng)過價格激勵后的發(fā)電功率，與需求響應前的發(fā)電功率相比，具有更加穩(wěn)定的荷載，降低了新能源供電系統(tǒng)出力調(diào)度的難度。在電價信號的激勵響應下，新能源供電系統(tǒng)的峰值負荷越來越少，而谷值負荷卻越來越多，說明在新能源供電系統(tǒng)中電價需求響應可以起到削峰填谷的作用。

為了提高文中模型在新能源供電出力調(diào)度中的效果，根據(jù)章節(jié)2.1中價格型需求響應前后的負荷變化情況，將火電機組的起停時間設置為1 h，以24 h為調(diào)度周期，對計及協(xié)同調(diào)峰的新能源供電出力調(diào)度模型進行求解，得到調(diào)度結(jié)果如圖10所示。

圖10 優(yōu)化調(diào)度結(jié)果Fig.10 Optimal scheduling results

根據(jù)圖10的結(jié)果可以看出，從新能源供電系統(tǒng)的輸出功率方面出發(fā)，如果風電機組和光伏發(fā)電系統(tǒng)的發(fā)電功率之和無法滿足新能源供電系統(tǒng)的凈負荷時，儲能系統(tǒng)和火電機組就會根據(jù)優(yōu)先性原則向新能源供電系統(tǒng)提供電能。當新能源供電系統(tǒng)的凈負荷比較大時，火電機組就會承擔更大的補充發(fā)電，儲能系統(tǒng)會根據(jù)調(diào)度周期內(nèi)的需求，對自身的充電功率和放電功率進行調(diào)節(jié)；當新能源供電系統(tǒng)的凈負荷比較小、且儲能系統(tǒng)可以滿足新能源供電系統(tǒng)在這一時段的負載需求時，火電機組就會處于停機狀態(tài)，當火電機組再一次啟動之后，儲能系統(tǒng)就會根據(jù)調(diào)度周期內(nèi)的需求，進行充電和放電操作。從調(diào)度難度的方面出發(fā)，需求響應之后，火電機組和儲能系統(tǒng)的輸出功率比較穩(wěn)定，有效降低了調(diào)度的難度。

根據(jù)圖5的結(jié)果，得到新能源供電出力的運營優(yōu)化調(diào)度結(jié)果見表4。

表4 運營優(yōu)化調(diào)度結(jié)果Tab.4 Operation optimization scheduling results

從表4的結(jié)果可以看出，當電價統(tǒng)一時，新能源供電系統(tǒng)的負荷處于集中狀態(tài)，而且通過增大峰谷差值會影響新能源供電系統(tǒng)運行的經(jīng)濟性和穩(wěn)定性。通過歸納總結(jié)用戶需求時段的分布，在峰谷分時下制定電價，引導用戶的用電行為，從而平抑用戶需求的波動性，起到了新能源供電系統(tǒng)的削峰填谷作用。新能源供電系統(tǒng)凈負荷在變化的同時，火電機組的輸出量越來越高，這樣就降低了啟停次數(shù)，從而提高了新能源供電系統(tǒng)運營的經(jīng)濟性。

3 結(jié)語

本文設計了計及協(xié)同調(diào)峰的新能源供電出力調(diào)度模型，算例結(jié)果顯示，該模型在降低調(diào)度難度的同時，提高了新能源供電系統(tǒng)運營的經(jīng)濟性。但是本文的研究還存在很多不足，在今后的研究中，希望可以在新能源不確定性環(huán)境中考慮需求響應度量，擴大調(diào)度模型的應用范圍。