DOI：10.19912/j.0254-0096.tynxb.2021-0868 文章編號(hào)：0254-0096（2023）01-0493-07

摘 要：針對(duì)高比例可再生能源并網(wǎng)，提出含風(fēng)、光、火、蓄的高比例新能源電力系統(tǒng)多目標(biāo)日前優(yōu)化調(diào)度模型。該模型考慮在火電機(jī)組深度調(diào)峰及頻繁爬坡等新工況下的火電機(jī)組運(yùn)行成本、污染物懲罰成本以及可再生能源棄電成本，以系統(tǒng)運(yùn)行成本最低、風(fēng)光出力最大以及凈負(fù)荷波動(dòng)最小為優(yōu)化目標(biāo)，采用NSGA-Ⅱ算法進(jìn)行優(yōu)化求解。通過(guò)對(duì)某典型日不同調(diào)度場(chǎng)景進(jìn)行仿真計(jì)算，結(jié)果表明所建立的系統(tǒng)運(yùn)行總成本計(jì)算模型能夠兼顧該系統(tǒng)的經(jīng)濟(jì)、環(huán)保與消納，所提出的多目標(biāo)優(yōu)化調(diào)度策略能夠促進(jìn)高比例可再生能源的消納，緩解火電機(jī)組的調(diào)峰壓力，降低系統(tǒng)運(yùn)行總成本，指導(dǎo)電力系統(tǒng)火電靈活性改造，保證電力系統(tǒng)安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行。

關(guān)鍵詞：可再生能源；電力系統(tǒng)；調(diào)度優(yōu)化；多目標(biāo)；深度調(diào)峰

中圖分類(lèi)號(hào)：TM715 " " " 文獻(xiàn)標(biāo)志碼：A

0 引 言

2021年是“十四五”開(kāi)局之年，也是中國(guó)風(fēng)電和光伏發(fā)電平價(jià)上網(wǎng)的第一年，努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和、新能源發(fā)電總裝機(jī)容量達(dá)到12億kW以上等已成為中國(guó)能源革命的新目標(biāo)［1］。未來(lái)幾年，中國(guó)風(fēng)電、光電等新能源裝機(jī)容量將持續(xù)擴(kuò)大，發(fā)電量也將不斷攀升，高比例新能源并網(wǎng)給中國(guó)新能源消納帶來(lái)了嚴(yán)峻挑戰(zhàn)［2-3］。與此同時(shí)，可再生能源出力的隨機(jī)性、間歇性和波動(dòng)性等特點(diǎn)給電網(wǎng)的安全穩(wěn)定運(yùn)行帶來(lái)一系列挑戰(zhàn)［4］。

文獻(xiàn)［5］基于電網(wǎng)功率平衡及儲(chǔ)納運(yùn)行機(jī)制，分別建立抽水蓄能電站日前調(diào)度模型和實(shí)時(shí)調(diào)度模型，驗(yàn)證了利用抽水蓄能進(jìn)行優(yōu)化調(diào)度的可行性；文獻(xiàn)［6］建立了風(fēng)-光-水-火-蓄優(yōu)化調(diào)度模型，以系統(tǒng)運(yùn)行成本最低為優(yōu)化目標(biāo)，對(duì)春夏秋冬4個(gè)典型日進(jìn)行了仿真計(jì)算；文獻(xiàn)［7］考慮常規(guī)火電機(jī)組低負(fù)荷運(yùn)行工況和爬坡成本，建立了“風(fēng)、光、火、蓄、儲(chǔ)”多能互補(bǔ)優(yōu)化調(diào)度模型，以系統(tǒng)總運(yùn)行成本最低為優(yōu)化目標(biāo)，運(yùn)用動(dòng)態(tài)慣性權(quán)值粒子群算法進(jìn)行求解；文獻(xiàn)［8］建立了風(fēng)-光-蓄-火聯(lián)合運(yùn)行系統(tǒng)兩階段優(yōu)化調(diào)度模型，分別采用混合整數(shù)規(guī)劃方法和粒子群算法求解，以改進(jìn)IEEE-30節(jié)點(diǎn)算例系統(tǒng)進(jìn)行了仿真；文獻(xiàn)［9］分別構(gòu)建了抽水蓄能-水電機(jī)組多目標(biāo)優(yōu)化調(diào)度模型和火電機(jī)組多目標(biāo)優(yōu)化模型，采用模糊優(yōu)化算法對(duì)多目標(biāo)問(wèn)題進(jìn)行了求解。

但上述文獻(xiàn)所建立的聯(lián)合優(yōu)化調(diào)度模型并未綜合考慮系統(tǒng)運(yùn)行的經(jīng)濟(jì)性、波動(dòng)性以及風(fēng)光出力，僅考慮了其中的一個(gè)或者兩個(gè)目標(biāo)，且所運(yùn)用的多目標(biāo)處理方法本質(zhì)上還是單目標(biāo)求解。其次，隨著高比例可再生能源的并網(wǎng)，火電機(jī)組出現(xiàn)了深度調(diào)峰、頻繁爬坡等運(yùn)行新工況，加上污染物懲罰、棄電懲罰等相關(guān)政策的變化，傳統(tǒng)的系統(tǒng)運(yùn)行成本模型不再適用，須建立更加完善的系統(tǒng)運(yùn)行總成本計(jì)算模型。本文建立含風(fēng)、光、火、蓄的高比例可再生能源電力系統(tǒng)多目標(biāo)日前優(yōu)化調(diào)度模型，綜合考慮了傳統(tǒng)的燃煤成本、火電機(jī)組低負(fù)荷運(yùn)行工況成本和爬坡成本；構(gòu)建基于轉(zhuǎn)化率的污染物懲罰成本計(jì)算模型和棄電懲罰成本計(jì)算模型。采用NSGA-Ⅱ算法，以系統(tǒng)運(yùn)行成本最低、風(fēng)光出力最大及凈負(fù)荷波動(dòng)最小為目標(biāo)進(jìn)行多目標(biāo)優(yōu)化求解，得到Pareto最優(yōu)解集。通過(guò)算例分析表明，本文所建立的多目標(biāo)優(yōu)化模型能更好地均衡系統(tǒng)凈負(fù)荷方差、棄電率和運(yùn)行成本之間的關(guān)系，減輕火電機(jī)組的調(diào)峰壓力，提高了可再生能源的消納率，保證系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。

1 日前優(yōu)化調(diào)度模型

1.1 目標(biāo)函數(shù)

1.1.1 風(fēng)-光聯(lián)合出力最大

式中：[f1]——風(fēng)-光聯(lián)合出力，MW；[t]——運(yùn)行時(shí)段，[t]=1，2，…，T；[T]——調(diào)度周期；[pwt、ppvt]——[t]時(shí)刻風(fēng)電、光電的實(shí)際出力，MW。

1.1.2 凈負(fù)荷波動(dòng)最小

式中：[f2]——凈負(fù)荷方差，MW2；[pglt]——[t]時(shí)刻凈負(fù)荷值，MW；[pglav]——凈負(fù)荷值的平均值，MW；[plt]——[t]時(shí)刻負(fù)荷值，MW；[pPHt]——[t]時(shí)刻抽水蓄能電站的實(shí)際出力，MW。

1.1.3 系統(tǒng)運(yùn)行成本最低

式中：[f3]——系統(tǒng)運(yùn)行成本，元；[zt1]——火電機(jī)組運(yùn)行成本，元；[zt2]——棄電懲罰成本，元。

1.1.3.1 火電機(jī)組運(yùn)行成本

式中：[zt11]——燃煤成本，元；[zt12]——爬坡成本，元；[zt13]——污染物懲罰成本，元。

1）燃煤成本

本文引入負(fù)荷的三次方函數(shù)來(lái)衡量低負(fù)荷工況下火電機(jī)組的燃煤成本。燃煤成本計(jì)算函數(shù)［7］為：

式中：[Ng]——火電機(jī)組總數(shù)量，臺(tái)；[ai、bi、ci]——第[i]臺(tái)火電機(jī)組的煤耗系數(shù)；[pgit]——火電機(jī)組[i]在[t]時(shí)刻的輸出功率，MW；[pgimax]——第[i]臺(tái)機(jī)組的最大輸出功率，MW；[pi、qi、mi、ni]——第[i]臺(tái)機(jī)組的低負(fù)荷工況成本因子；[α]——低負(fù)荷工況邊界限定；[w]——煤價(jià)，元/t。

2）爬坡成本

火電機(jī)組在頻繁爬坡過(guò)程中煤耗也會(huì)有所增加，此處用機(jī)組爬坡速率的線(xiàn)性函數(shù)來(lái)衡量機(jī)組的爬坡成本。爬坡成本計(jì)算函數(shù)［7］為：

式中：[σi]——第[i]臺(tái)機(jī)組的爬坡成本因子。

3） 污染物懲罰成本

污染物懲罰成本［10-11］主要由[SO2、NOx]以及粉塵（TSP）排放成本組成。

式中：[QSO2，i、QNOx，i、QTSP，i]——[SO2、NOx]以及粉塵排放成本，元。

①[SO2]排放成本

[SO2]排放量主要由燃煤的含硫量以及燃燒過(guò)程中[SO2]的轉(zhuǎn)化率決定的。[SO2]排放成本計(jì)算函數(shù)為：

式中：[q1]——[SO2]排放收費(fèi)標(biāo)準(zhǔn)，元/kg；[3216]——[SO2]和[S]的分子量之比；[Mi]——第[i]臺(tái)機(jī)組的燃煤消耗量，kg；[Sar]——燃煤收到基含硫量；[KSO2]——燃燒過(guò)程中[SO2]的轉(zhuǎn)化率；[ηSO2]——脫硫裝置的脫硫效率。

②[NOx]排放成本

煤燃燒過(guò)程中排放的氣體氮氧化物主要為[NO]和[NO2]，一般將燃煤中的氮元素轉(zhuǎn)換成[NOx]的轉(zhuǎn)化比例稱(chēng)為[NOx]轉(zhuǎn)化率。[NOx]排放成本計(jì)算函數(shù)為：

式中：[q2]——[NOx]排放收費(fèi)標(biāo)準(zhǔn)，元/kg；[30.814]——[NOx]和N的分子量之比；[Nar]——燃煤收到基含氮量；[m]——燃料中氮生成的[NOx]占全部[NOx]排放量的比例；[KNOx]——燃燒過(guò)程中[NOx]的轉(zhuǎn)化率；[ηN]——脫硝裝置的脫硝效率。

③粉塵排放成本

一般地，鍋爐固體未完全燃燒熱損失數(shù)值小且獲取難度大，因此采用近似法來(lái)計(jì)算粉塵排放量。粉塵排放成本計(jì)算函數(shù)如下：

式中：[q3]——粉塵排放收費(fèi)標(biāo)準(zhǔn)，元/kg；[μ]——粉塵排放系數(shù)；[ηc]——除塵效率。

其中，第[i]臺(tái)機(jī)組的燃煤消耗量[Mi]均按一般工況下計(jì)算：

1.1.3.2 棄電懲罰成本

棄電成本為棄風(fēng)、棄光成本之和，即：

式中：[pwt，f]、[ppvt，f]——[t]時(shí)段風(fēng)電場(chǎng)、光伏電站的預(yù)測(cè)出力，MW；[ζw]、[ζpv]——棄風(fēng)、棄光電量的懲罰費(fèi)用，元/MWh。

1.2 約束條件

1.2.1 火電機(jī)組約束

1） 火電機(jī)組出力約束

式中：[pgmin，i]——第[i]臺(tái)火電機(jī)組最小出力，MW；[pgmax，t]——第[i]臺(tái)火電機(jī)組最大出力，MW。

2） 爬坡速率約束

式中：[Rdownit]——機(jī)組[i]在[t]時(shí)段內(nèi)向下爬坡速率限值，MW/h；[Rupit]——機(jī)組[i]在[t]時(shí)段內(nèi)向上爬坡速率限值，MW/h。

1.2.2 風(fēng)電機(jī)組出力約束

風(fēng)電上網(wǎng)功率≤風(fēng)電場(chǎng)最大預(yù)測(cè)出力，即：

1.2.3 光伏出力約束

光伏上網(wǎng)功率≤光伏電站最大預(yù)測(cè)出力，即：

1.2.4 抽水蓄能電站約束條件

1） 抽水蓄能電站出力約束

式中：[pPHmax]——抽水蓄能電站最大功率值，MW。

2） 水庫(kù)能量平衡約束

式中：[ηG]——抽水蓄能轉(zhuǎn)換效率，[ηG]取75%，水庫(kù)單日總能量保持平衡，即其發(fā)電量等于抽水量的75%；[TG]——抽水蓄能電站發(fā)電工況運(yùn)行時(shí)段；若[pPHtlt;0]，則表示抽水蓄能電站處于抽水狀態(tài)，若[pPHtgt;0]，則表示電站處于發(fā)電狀態(tài)。

1.2.5 系統(tǒng)功率平衡約束

式中：[pDt]——[t]時(shí)段的負(fù)荷值。

2 算例分析

本文選取風(fēng)-光-火-蓄聯(lián)合發(fā)電系統(tǒng)進(jìn)行日前優(yōu)化調(diào)度，配置系統(tǒng)總裝機(jī)容量為1000 MW的火電機(jī)組、總裝機(jī)容量為200 MW的抽水蓄能電站、總裝機(jī)容量為300 MW的光電廠、總裝機(jī)容量為400 MW的風(fēng)電場(chǎng)。

2.1 典型日負(fù)荷及可再生能源出力預(yù)測(cè)

圖1為典型日負(fù)荷及可再生能源出力預(yù)測(cè)曲線(xiàn)。本文選取的時(shí)間尺度為分鐘級(jí)，每15分鐘取一個(gè)點(diǎn)，共96個(gè)點(diǎn)。

2.2 優(yōu)化調(diào)度結(jié)果分析

采用4種調(diào)度情景驗(yàn)證所提模型的有效性。情景1：不考慮抽水蓄能電站，風(fēng)、光全額消納，火電機(jī)組進(jìn)行調(diào)峰。情景2：不考慮抽水蓄能電站，風(fēng)、光聯(lián)合互補(bǔ)運(yùn)行進(jìn)行多目標(biāo)優(yōu)化，火電機(jī)組進(jìn)行調(diào)峰。情景3：考慮抽水蓄能電站，風(fēng)、光、蓄聯(lián)合互補(bǔ)運(yùn)行進(jìn)行多目標(biāo)優(yōu)化，火電機(jī)組進(jìn)行調(diào)峰。情景4：考慮抽水蓄能電站，兼顧系統(tǒng)凈負(fù)荷波動(dòng)的風(fēng)、光、蓄聯(lián)合互補(bǔ)運(yùn)行多目標(biāo)優(yōu)化，火電機(jī)組進(jìn)行調(diào)峰。

對(duì)上述4種調(diào)度情景進(jìn)行優(yōu)化，4種調(diào)度情景下的出力曲線(xiàn)和優(yōu)化結(jié)果如圖2和表1所示。對(duì)比情景1和情景2，在不考慮抽水蓄能電站、風(fēng)光全額消納時(shí)，凈負(fù)荷有很大波動(dòng)，火電機(jī)組出力頻繁調(diào)節(jié)，調(diào)峰波動(dòng)性較大，而在考慮風(fēng)光互補(bǔ)特性聯(lián)合處理時(shí)，凈負(fù)荷波動(dòng)大大減小，特別在8：00—16：00 時(shí)段內(nèi)，凈負(fù)荷幾乎沒(méi)有波動(dòng)，火電機(jī)組平穩(wěn)運(yùn)行，但出現(xiàn)了一定程度的棄風(fēng)棄光；而對(duì)比情景2和情景3可見(jiàn)，抽水蓄能的加入使得風(fēng)光消納量大大提升，凈負(fù)荷波動(dòng)也有所減小；對(duì)比情景3和情景4可見(jiàn)，兼顧凈負(fù)荷波動(dòng)性的風(fēng)、光、儲(chǔ)聯(lián)合互補(bǔ)運(yùn)行不僅使凈負(fù)荷的波動(dòng)性趨于平穩(wěn)，且可再生能源被大量消納，極大發(fā)揮了多種能源間的互補(bǔ)特性，使得火電機(jī)組的調(diào)峰壓力大大緩解。

由表1可知，對(duì)于情景1和情景2，當(dāng)風(fēng)、光全額消納時(shí)，由于其出力的隨機(jī)性和波動(dòng)性，系統(tǒng)的凈負(fù)荷波動(dòng)方差為6258.49 MW2，凈負(fù)荷峰谷差為308.79 MW，火電機(jī)組出力波動(dòng)性極大，機(jī)組運(yùn)行壽命受到嚴(yán)重影響；當(dāng)考慮風(fēng)光互補(bǔ)特性并以火電機(jī)組運(yùn)行成本最低和風(fēng)光出力最大為目標(biāo)進(jìn)行多目標(biāo)優(yōu)化時(shí)，系統(tǒng)的凈負(fù)荷波動(dòng)方差減少為1341.94 MW2，峰谷差減少為131.60 MW，火電機(jī)組出力波動(dòng)有所減小，爬坡成本也減少了0.98萬(wàn)元，但棄電率為10.45%，出現(xiàn)了大量棄風(fēng)棄光現(xiàn)象，導(dǎo)致火電機(jī)組煤耗量增加，系統(tǒng)運(yùn)行成本增多。由此可見(jiàn)，考慮風(fēng)光之間的互補(bǔ)特性能夠降低可再生能源的隨機(jī)性給系統(tǒng)帶來(lái)的影響，減輕火電機(jī)組的調(diào)峰壓力，但棄電現(xiàn)象嚴(yán)重。

而對(duì)比情景2和情景3的優(yōu)化結(jié)果，加入抽水蓄能后，由于其調(diào)節(jié)作用，系統(tǒng)的凈負(fù)荷波動(dòng)方差和峰谷差大大減小，極大減少了火電機(jī)組出力的波動(dòng)性，棄電率僅為2.03%，可再生能源的消納有了很大提升，同時(shí)火電機(jī)組煤耗量減少，爬坡成本也有所減少，導(dǎo)致系統(tǒng)的運(yùn)行成本減少了10.63萬(wàn)元。對(duì)情景4進(jìn)行分析可知，在考慮凈負(fù)荷波動(dòng)性之后，系統(tǒng)的凈負(fù)荷波動(dòng)方差和凈負(fù)荷峰谷差相比情景2減少了96.48%和81.82%，平抑凈負(fù)荷波動(dòng)性效果顯著，但為了平抑凈負(fù)荷波動(dòng)性，系統(tǒng)棄電率相比情景3增加了0.85%，系統(tǒng)運(yùn)行成本也有所增加。

通過(guò)上述分析可知，加入抽水蓄能電站，兼顧系統(tǒng)凈負(fù)荷波動(dòng)的含風(fēng)、光、火、蓄的高比例新能源電力系統(tǒng)多目標(biāo)優(yōu)化調(diào)度，不僅能很好地平抑凈負(fù)荷曲線(xiàn)的波動(dòng)，而且能極大提高可再生能源的消納率，有效降低系統(tǒng)運(yùn)行成本。

為了分析不同優(yōu)化目標(biāo)對(duì)優(yōu)化結(jié)果的影響，本文設(shè)定3種不同的優(yōu)化目標(biāo)，Ⅰ表示以?xún)糌?fù)荷波動(dòng)最小為目標(biāo)函數(shù)；Ⅱ表示以風(fēng)光出力最大和系統(tǒng)運(yùn)行成本最低為目標(biāo)函數(shù)；Ⅲ表示以風(fēng)光出力最大、系統(tǒng)運(yùn)行成本最低及凈負(fù)荷波動(dòng)最小為目標(biāo)函數(shù)，仿真結(jié)果如表2所示。

與只考慮凈負(fù)荷波動(dòng)最小的單目標(biāo)優(yōu)化相比，采用本文的優(yōu)化模型后，系統(tǒng)的棄電率減少了5.62%，系統(tǒng)運(yùn)行成本也減少了8.93萬(wàn)元；相較于考慮系統(tǒng)運(yùn)行成本最低和風(fēng)光出力最大的多目標(biāo)優(yōu)化而言，本文的模型凈負(fù)荷波動(dòng)方差減小了792.36 MW2，凈負(fù)荷峰谷差減小了97.67 MW2，且棄電率和系統(tǒng)運(yùn)行成本僅有較小程度的增加。由此可知，兼顧系統(tǒng)運(yùn)行成本最小、風(fēng)光出力最大及凈負(fù)荷波動(dòng)最小的多目標(biāo)優(yōu)化模型能很好地均衡系統(tǒng)凈負(fù)荷方差、棄電率和運(yùn)行成本之間的關(guān)系，使得電網(wǎng)能在大量消納可再生能源的基礎(chǔ)上，有效減小凈負(fù)荷波動(dòng)，緩解火電機(jī)組調(diào)峰壓力，提高系統(tǒng)運(yùn)行靈活性，同時(shí)還能保證系統(tǒng)經(jīng)濟(jì)運(yùn)行。

利用NSGA-Ⅱ算法循環(huán)迭代400次，得到系統(tǒng)運(yùn)行成本最小、風(fēng)光出力最大及凈負(fù)荷波動(dòng)最小三重目標(biāo)Pareto最優(yōu)前沿分布，如圖3所示。3個(gè)目標(biāo)之間存在一定的矛盾關(guān)系，當(dāng)系統(tǒng)運(yùn)行成本最小及風(fēng)光出力最大時(shí)，凈負(fù)荷波動(dòng)相對(duì)增大；而當(dāng)凈負(fù)荷波動(dòng)最小時(shí)，系統(tǒng)運(yùn)行成本相對(duì)增加，風(fēng)光出力也相對(duì)減少，需要綜合考慮多方面因素在3者之間折中選擇。

分析表3可知，相比傳統(tǒng)的線(xiàn)性加權(quán)算法，NSGA-Ⅱ算法顯然能更好地均衡系統(tǒng)凈負(fù)荷方差、棄電率和運(yùn)行成本之間的關(guān)系，得到更好的優(yōu)化結(jié)果，極大地縮短求解時(shí)間。

為了提高可再生能源的消納率，電力系統(tǒng)調(diào)度會(huì)要求部分有調(diào)節(jié)能力的火電機(jī)組低于其最小技術(shù)出力（通常為額定功率的45%～50%）運(yùn)行，此時(shí)火電機(jī)組在進(jìn)行深度調(diào)峰。本文選取調(diào)峰深度分別為30%、40%、50%這3種場(chǎng)景進(jìn)行仿真計(jì)算，得到的仿真結(jié)果如表4所示。

隨著調(diào)峰深度的擴(kuò)大，系統(tǒng)棄電率明顯降低，當(dāng)調(diào)峰深度從30%加深至50%時(shí)，系統(tǒng)棄電率大幅下降，降低了51.6%，且當(dāng)調(diào)峰深度分別為30%和40%時(shí)，火電機(jī)組出力增加，導(dǎo)致火電機(jī)組煤耗量增加，系統(tǒng)運(yùn)行成本增多，棄風(fēng)棄光現(xiàn)象嚴(yán)重。因此，火電機(jī)組深度調(diào)峰有利于促進(jìn)可再生能源的消納。

3 火電機(jī)組深度調(diào)峰分析

高比例可再生能源并網(wǎng)，必然對(duì)電網(wǎng)調(diào)峰調(diào)頻等造成一定的沖擊，危害電力系統(tǒng)運(yùn)行的穩(wěn)定性和安全性［12-13］，且傳統(tǒng)火電和可再生能源發(fā)展之間的矛盾日益凸顯，中國(guó)現(xiàn)役火電機(jī)組須提高運(yùn)行靈活性以及深度調(diào)峰能力［14］，以保證電網(wǎng)安全穩(wěn)定運(yùn)行。

3.1 中國(guó)電源結(jié)構(gòu)的變化

目前，火電仍是中國(guó)電源結(jié)構(gòu)的主要組成部分，如表5所示。從2014年到2020年，中國(guó)發(fā)電裝機(jī)總?cè)萘吭鲩L(zhǎng)了8.3億kW。電源結(jié)構(gòu)也在逐漸調(diào)整，2014年，火電占總裝機(jī)容量的67%，而風(fēng)電及太陽(yáng)能等可再生能源只占不到10%；2016年，火電裝機(jī)容量占總裝機(jī)容量的64%，占比略有下降，可再生能源占比則提升為14%，增幅明顯。特別是2019年，風(fēng)電和太陽(yáng)能裝機(jī)容量均已突破2億kW。2020年，可再生能源占比達(dá)到24%。由此可見(jiàn)，隨著中國(guó)發(fā)電裝機(jī)容量的不斷擴(kuò)大，中國(guó)的電源結(jié)構(gòu)也發(fā)生了改變，可再生能源占比不斷提高，為滿(mǎn)足電源結(jié)構(gòu)變化的需要，提升可再生能源的利用率，要求電網(wǎng)中大容量火電機(jī)組普遍參與電網(wǎng)調(diào)峰。中國(guó)大部分火電機(jī)組長(zhǎng)期運(yùn)行在65%～75%的負(fù)荷下，不僅不能提供足夠的調(diào)峰深度，而且深度調(diào)峰時(shí)會(huì)對(duì)機(jī)組安全性、環(huán)保性和經(jīng)濟(jì)性造成很大影響。因此，電源結(jié)構(gòu)的改變給中國(guó)火電機(jī)組深度調(diào)峰及靈活性運(yùn)行帶來(lái)了嚴(yán)峻挑戰(zhàn)。

3.2 儲(chǔ)能系統(tǒng)與聯(lián)合調(diào)峰運(yùn)行

合理運(yùn)用儲(chǔ)能是緩解火電機(jī)組調(diào)峰壓力的一個(gè)重要手段，主要的儲(chǔ)能系統(tǒng)有抽水蓄能電站、燃料電池等［15］。除此之外，利用多種能源的互補(bǔ)特性，考慮風(fēng)電、光電、火電以及儲(chǔ)能之間的聯(lián)合調(diào)峰運(yùn)行，實(shí)現(xiàn)削峰填谷，也是緩解火電機(jī)組調(diào)峰壓力、提升火電機(jī)組靈活性的有效方式之一［16-19］。

4 結(jié) 論

本文建立了更加符合實(shí)際運(yùn)行工況的火電機(jī)組運(yùn)行成本計(jì)算模型，構(gòu)建了更加完善的棄電懲罰成本計(jì)算模型和污染物懲罰成本計(jì)算模型；在此基礎(chǔ)上，建立了計(jì)及火電機(jī)組深度調(diào)峰的含風(fēng)、光、火、蓄的高比例新能源電力系統(tǒng)多目標(biāo)日前優(yōu)化調(diào)度模型，以系統(tǒng)運(yùn)行成本最小、風(fēng)光出力最大及凈負(fù)荷波動(dòng)最小為目標(biāo)，采用NSGA-II算法進(jìn)行多目標(biāo)優(yōu)化求解，得到如下結(jié)論：

1） 考慮風(fēng)、光、火、蓄聯(lián)合互補(bǔ)運(yùn)行后，系統(tǒng)對(duì)可再生能源的消納能力有了很大提升，由于抽水蓄能的調(diào)節(jié)作用，大大減少了棄風(fēng)棄光電量，減小了火電機(jī)組出力，降低了火電機(jī)組爬坡成本和運(yùn)行成本，提高了系統(tǒng)經(jīng)濟(jì)性，平抑了負(fù)荷波動(dòng)以及風(fēng)電光電出力的隨機(jī)性和不確定性帶來(lái)的波動(dòng)，同時(shí)還能使系統(tǒng)出力能很好地跟蹤負(fù)荷曲線(xiàn)。

2） 爬坡成本和低負(fù)荷運(yùn)行成本的引入、基于轉(zhuǎn)化率計(jì)算的各類(lèi)污染物懲罰成本以及棄風(fēng)棄光懲罰成本的引入，使得本文建立的系統(tǒng)運(yùn)行成本模型更加完善、更加符合實(shí)際運(yùn)行工況，能更真實(shí)地反映高比例可再生能源并網(wǎng)時(shí)系統(tǒng)的運(yùn)行成本。

3） 當(dāng)僅考慮一個(gè)或者兩個(gè)目標(biāo)時(shí)，只能保證系統(tǒng)經(jīng)濟(jì)穩(wěn)定運(yùn)行的某一方面，而本文建立的考慮系統(tǒng)運(yùn)行成本最小、風(fēng)光出力最大及凈負(fù)荷波動(dòng)最小的多目標(biāo)優(yōu)化模型能更好地均衡系統(tǒng)凈負(fù)荷方差、棄電率和運(yùn)行成本之間的關(guān)系，使得可再生能源被大量消納的同時(shí)，減輕了火電機(jī)組的調(diào)峰壓力，還兼顧了系統(tǒng)的運(yùn)行成本，從而保證電力系統(tǒng)安全、穩(wěn)定、經(jīng)濟(jì)運(yùn)行。

4） 本文使用的NSGA-Ⅱ算法大大降低了算法的復(fù)雜程度，提高了運(yùn)行速度，縮短了求解時(shí)間，求得更優(yōu)解，在含有多約束、多目標(biāo)的多能互補(bǔ)系統(tǒng)優(yōu)化調(diào)度中有很好的適應(yīng)性。

［參考文獻(xiàn)］

［1］ 《中國(guó)能源》編輯部. 為力爭(zhēng)二氧化碳排放2030年前達(dá)到峰值， 努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和而奮斗！［J］. 中國(guó)能源， 2020， 42（10）： 1.

\"China Energy\" Editorial Department. Strive to achieve the peak of carbon dioxide emissions before 2030， and strive to achieve carbon neutrality by 2060?。跩］. China energy， 2020， 42（10）： 1.

［2］ 劉吉臻. 大規(guī)模新能源安全高效利用基礎(chǔ)問(wèn)題［J］. 中國(guó)電機(jī)工程學(xué)報(bào)， 2013， 33（16）： 1-8.

LIU J Z. Basic issues of safe and efficient utilization of large-scale" "new" "energy［J］." Proceedings" of" theCSEE， 2013， 33 （16）： 1-8.

［3］ 劉吉臻. 新能源電力系統(tǒng)建模與控制［M］. 北京： 科學(xué)出版社， 2015： 4-50.

LIU J Z. New energy power system modeling and control［M］. Beijing： Science Press， 2015： 4-50.

［4］ 林俐， 鄒蘭青， 周鵬， 等. 規(guī)模風(fēng)電并網(wǎng)條件下火電機(jī)組深度調(diào)峰的多角度經(jīng)濟(jì)性分析［J］. 電力系統(tǒng)自動(dòng)化， 2017， 41（7）： 21-27.

LIN L， ZOU L Q， ZHOU P， et al. Multi-angle angle economic analysis of deep peak shaving of thermal power units under the" condition" of" large-scale" wind" power" grid connection［J］. Automation of electric power systems， 2017， 41（7）： 21-27.

［5］ 郭志忠， 葉瑞麗， 劉瑞葉， 等. 含抽水蓄能電站的可再生能源電網(wǎng)優(yōu)化調(diào)度策略［J］. 電力自動(dòng)化設(shè)備， 2018， 38（3）： 7-15.

GUO Z Z， YE R L， LIN R Y， et al. Optimal dispatching strategy of renewable energy grid with pumped storage power station［J］. Electric power automation equipment， 2018， 38（3）： 7-15.

［6］ 張國(guó)斌， 陳玥， 張佳輝， 等. 風(fēng)-光-水-火-抽蓄聯(lián)合發(fā)電系統(tǒng)日前優(yōu)化調(diào)度研究［J］. 太陽(yáng)能學(xué)報(bào)， 2020， 41（8）： 79-85.

ZHANG G B， CHEN Y， ZHANG J H， et al. Research on optimization" of" day-ahead" dispatching" of" wind" power-photovoltaic-hydropower-thermal" power-pumped" storage" combined" power" generation" system［J］." Acta" "energiae solaris sinica， 2020， 41（8）： 79-85.

［7］ 安磊， 王綿斌， 齊霞， 等. “風(fēng)、光、火、蓄、儲(chǔ)”多能源互補(bǔ)優(yōu)化調(diào)度方法研究［J］. 可再生能源， 2018， 36（10）： 1492-1498.

AN L， WANG M B， QI X， et al. Research on multi energy complementary optimal dispatching method of“wind， light， fire， storage and storage”［J］. Renewable energy， 2018， 36（10）： 1492-1498.

［8］ 王明松. 風(fēng)-光-蓄-火聯(lián)合發(fā)電系統(tǒng)的兩階段優(yōu)化調(diào)度策略［J］. 電網(wǎng)與清潔能源， 2020， 36（5）： 75-82.

WANG M S. Two-stage optimal dispatch strategy for wind-light-storage-fire" combined" power" generation" system［J］. Power system and clean energy， 2020， 36（5）： 75-82.

［9］ 王京景， 吳旭， 王正風(fēng)， 等. 基于多目標(biāo)模糊優(yōu)化的抽蓄水火電聯(lián)合調(diào)峰方法［J］. 電氣技術(shù)， 2019， 20（11）： 33-38， 45.

WANG J J， WU X， WANG Z F， et al. Joint peak shaving method of pumped storage thermal power based on multi-objective" "fuzzy" "optimization［J］." Electrical" "technology， 2019， 20 （11）： 33-38， 45.

［10］ 寧志， 叢星亮， 陳永龍. 300 MW和1000 MW燃煤機(jī)組能耗和污染物排放特性［J］. 電站輔機(jī)， 2019， 40（1）： 28-33.

NING Z， CONG X L， CHEN Y L. Energy consumption and pollutant emission characteristics of 300 MW and 1000 MW coal-fired units［J］. Auxiliary equipment for power station， 2019， 40（1）： 28-33.

［11］ 閆順林， 谷兵， 艾書(shū)劍， 等. 火電廠發(fā)電污染成本核算及敏感度分析［J］. 電力科學(xué)與工程， 2016， 32（7）： 62-67.

YAN S L， GU B， AI S J， et al. Cost accounting and sensitivity analysis of power generation pollution in thermal power plants［J］. Electric power science and engineering， 2016， 32（7）： 62-67.

［12］ ZHANG Y Q， ZHOU Q， ZHAO L， et al. The key technology for optimal scheduling and control of wind-photovoltaic-storage" multi-energy" complementary" system［C］//2020 IEEE Sustainable Power and Energy Conference （iSPEC）， Chengdu， China， 2020.

［13］ 郭蘇， 何意， 蔣川， 等. 風(fēng)電-光伏-儲(chǔ)熱聯(lián)合發(fā)電系統(tǒng)的多目標(biāo)容量?jī)?yōu)化［J］. 太陽(yáng)能學(xué)報(bào)， 2020， 41（11）： 359-368.

GUO S， HE Y， JIANG C， et al. Multi-objective capacity optimization of wind-photovoltaic heat-storage combined power generation system［J］. Acta energiae solaris sinica， 2020， 41（11）： 359-368.

［14］ 葉澤， 李湘旗， 姜飛， 等. 考慮最優(yōu)棄能率的風(fēng)光火儲(chǔ)聯(lián)合系統(tǒng)分層優(yōu)化經(jīng)濟(jì)調(diào)度［J］. 電網(wǎng)技術(shù)， 2021， 45（6）： 2270-2280.

YE Z， LI X Q， JIANG F， et al. Hierarchical optimal economic dispatching of wind-solar-fire-storage combined system considering optimal energy rejection rate［J］. Power system technology， 2021， 45（6）： 2270-2280.

［15］ AN Y， ZHAO Z H H， WANG S K， et al. Coordinative optimization" " " " " "of" " " " "hydro-photovoltaic-wind-battery complementary power stations［J］. CSEE journal of power and energy systems， 2020， 6（2）： 410-418.

［16］ 王開(kāi)艷， 羅先覺(jué)， 賈嶸， 等. 充分發(fā)揮多能互補(bǔ)作用的風(fēng)蓄水火協(xié)調(diào)短期優(yōu)化調(diào)度方法［J］. 電網(wǎng)技術(shù)， 2020， 44（10）： 3631-3641.

WANG K Y， LUO X J， JIA R， et al. Short term optimal dispatching method for wind storage， water and fire coordination by giving full play to the complementary role of multiple energies［J］. Power system technology， 2020， 44 （10）： 3631-3641.

［17］ GOU J， WANG X， SU Y C， et al. Research on optimal dispatching method of power systems with high proportion of clean energy based on multi-energy complementarity［C］//Fourth International Conference on Energy Engineering and Environmental Protection， Xiamen， China， 2020.

［18］ 羅毅， 張若含. 風(fēng)-光-水聯(lián)合發(fā)電系統(tǒng)優(yōu)化調(diào)度研究［J］. 太陽(yáng)能學(xué)報(bào)， 2015， 36（10）： 2492-2498.

LUO Y， ZHANG R H. Research on optimal dispatching of wind-light-water" combined" power" generation" system［J］.Acta energiae solaris sinica， 2015， 36（10）： 2492-2498.

［19］ 李鐵， 李正文， 楊俊友， 等. 計(jì)及調(diào)峰主動(dòng)性的風(fēng)光水火儲(chǔ)多能系統(tǒng)互補(bǔ)協(xié)調(diào)優(yōu)化調(diào)度［J］. 電網(wǎng)技術(shù)， 2020， 44（10）： 3622-3630.

LI T， LI Z W， YANG J Y， et al. Complementary coordinated optimal dispatching of wind， water and fire storage" multi-energy" system" considering" peak" shaving initiative［J］. Power" system" technology，" 2020，" 44（10）： 3622-3630.

RESEARCH ON DAY-AHEAD OPTIMAL DISPATCHING OF

HIGH-PROPORTION RENEWABLE ENERGY POWER SYSTEM CONSIDERING DEEP PEAK LOAD REGULATION OF THERMAL POWER

Wang Jiahui1，2，Niu Yuguang1，2，Chen Yue1，2，Li Xiongwei3

（1. School of Control and Computer Engineering， North China Electric Power University， Beijing 102206， China；

2. State Key Laboratory for Alternate Electric Power System with Renewable Energy Source， Beijing 102206， China；

3. National Energy Group New Energy Technology Research Institute Co.， Ltd.， Beijing 102206， China）

Abstract：Aiming at the grid connection of a high-proportion" renewable energy， this paper proposes a multi-objective day-ahead optimal dispatch model for a high-proportion new energy power system including wind power， photovoltaic， thermal power and pumped storage. This model considers the operating costs of thermal power units， pollutants penalties and renewable energy curtailment under new operating conditions such as deep peak shaving and frequent ramps of thermal power units. This model takes the lowest system operating costs， the largest wind power and photovoltaic output and the smallest net load fluctuations as the optimization goals， and uses the NSGA-Ⅱ algorithm to optimize the solution. Through the simulation calculation of different scheduling scenarios on a typical day， the results show that the calculation model of the total operating costs of the system established in this paper can take into account the economy， environmental protection and consumption of the system. The multi-objective optimization scheduling strategy proposed in this paper can promote the consumption of high proportion of renewable energy， alleviate the peak shaving pressure of thermal power units， reduce the total costs of system operation， guide the thermal power flexibility transformation of power system， and ensure the safe， stable and economic operation of power system.

Keywords：renewable energy； power systems； dispatching optimization； multiple targets； deep peak shaving