計及用戶側響應的含風電電力系統清潔經濟調度

傅利，周步祥，王小紅，羅歡，張樂，葉宗斌

（1.四川大學電氣信息學院，成都610065；2.國網泉州供電公司，泉州362000）

計及用戶側響應的含風電電力系統清潔經濟調度

傅利1，周步祥1，王小紅1，羅歡1，張樂1，葉宗斌2

（1.四川大學電氣信息學院，成都610065；2.國網泉州供電公司，泉州362000）

由于風電功率波動性大，直接接入電網會給電網安全運行帶來很大的風險。為了提高風電并網后系統運行的靈活性，將用戶側響應和系統的旋轉備用融入到含風電的電力系統調度計劃中。基于準實時電價建立了負荷模型，將柔性負荷作為系統的備用調峰，并考慮了火電機組的排污特性，建立了相應的模型。首先用優先順序法確定各個時段機組的狀態組合，再采用改進的細菌群體趨藥性算法對模型進行優化求解。最后，通過一個含風電場的10機系統對模型進行仿真，結果表明所建立的模型具有一定的合理性。

風電調度；準實時電價；柔性負荷；旋轉備用；改進的細菌群體趨藥算法

風能是一種清潔、可再生能源，在國內外都得到了一定的發展。但是由于風電具有隨機性、波動性、間歇性等特點，很難準確地估計出風電的出力，因此限制了風電的廣泛應用。風電直接并入電網會給電力系統的安全運行帶來影響，要解決此問題，將會導致棄風量很大，不能有效地利用清潔能源。因此，如何解決風電并網的問題和有效利用風電成為當今的兩大難題[1-3]。

文獻[4]將風電出力懲罰成本計及到經濟調度模型中，在目標函數中引入懲罰成本，使優化結果兼顧了風能的利用率和總成本。文獻[5]基于極限場景集建立了日前機組組合模型，建立了潮流裕度指標，并評估了該模型的安全性。文獻[6]將用電激勵、可中斷負荷和電價響應融入到用電調度中，建立了發用電一體化的調度模型，但是考慮電價響應時，未建立相應的負荷模型。

本文引入準實時電價，建立了負荷模型，在此基礎上，在考慮柔性負荷和系統旋轉備用的情況下，兼顧環境保護建立了含風電場經濟調度模型，并應用本文的改進細菌群體趨藥性算法對模型進行求解，最后，通過一個含風電場的10機系統對所建立的模型進行仿真，以驗證模型的合理性。

1 準實時電價下的負荷建模

1.1 準實時電價

準實時電價是供電公司根據第2天24 h的負荷預測和供應電的預測結果，提前1天制定第2天24 h的電價并發布電價信息，用戶根據最新的電價信息計劃和安排用電情況。

由于分時電價是按峰、谷、平時段劃分，時段劃分比較長，缺乏靈活性，很難做到精細化的調整，會出現價格策略的引導與實際情況相背離的情況，要解決此問題就對峰谷時段的劃分準確度比較高，而我國對峰谷電價的劃分還缺乏相應的研究。為了能夠更好地達到移峰填谷的效果，本文引入了準實時電價，較分時電價更加靈活，同時可以彌補由于電價的細化程度不足導致的電力需求曲線與供應曲線之間的偏差。

1.2 基于準實時電價的負荷建模

為了更加準確地描述基于準實時電價的負荷模型，本文引入電網負荷率，根據電網負荷率可以確定短周期內負荷的大致變化趨勢，制定準實時電價。電網負荷率定義為

式中：η（t）為t段的電網負荷率；L（t）為t段的負荷預測值；L為日的總負荷量，MW。

應用上述電網負荷率的概念可以大致判定負荷的趨勢。

若Δη（t）＞1，則t段負荷處于上升趨勢；若Δη（t）＜1，則t段負荷處于下降趨勢。本文提出根據電網負荷率建立準實時電價模型，定義為

式中：ρ（t）為基于基準電價的準實時電價；α＞0，α、β、γ調整以制定最佳的準實時電價。

本文采用文獻[7]中的電力需求價格函數來確定負荷曲線，即電力需求是指數形式的需求曲線，具體的表達式為

式中：y為電力用戶的需求量；x為電價；b為需求價格彈性系數，其值為負數；a為待估計參數。

針對上述電力需求價格函數，利用最小二乘估計求解出參數a、b回歸模型，求解出準實時電價下的負荷曲線。

2 計及用戶側互動的風電并網電力系統清潔經濟調度建模

2．1 目標函數

本文除了考慮準實時電價對風電并網的影響，還考慮柔性負荷對電網調峰的影響。柔性負荷包括可中斷負荷、激勵負荷兩種。可中斷負荷是負荷峰時段或風功率谷時段，和用戶達成協議，供電公司向用戶支付一定的補償費用，可以中斷的負荷，即減少了負荷的需求量，相當于增加了系統的備用容量。激勵負荷是在風功率峰時段，用獎金的形式或降低電價的方法激勵用戶增加用電需求，從而可以減少棄風。柔性負荷具有響應快，經濟性高等特點，可以根據用戶的意愿改變用電需求，本文將柔性負荷融入到含風電的電力系統調度模型中，為解決風電并網問題提供一種可行的新方法。

基于上述柔性負荷的分析，可中斷負荷的補償成本函數為

式中：ρj為用戶減負荷的補償成本；為負荷用戶的狀態，=1為用戶j的負荷被中斷，=0為用戶j的負荷未被中斷，為t時刻被中斷的容量。

激勵負荷的激勵成本函數為

式中：ρk為用戶k訂合同時單位激勵負荷的激勵成本為用戶的增減狀態，=1為增加用戶的負荷，=0為不增加用戶k負荷；為在t時刻增加的容量。

風力本身是清潔能源，但是風電并網后風電的預測出力與實際出力存在一定的偏差，為了能夠盡量減少棄風量，系統為風電預留了一定的旋轉備用容量，本文考慮將風電預測功率的可信度融入到風電旋轉備用補償容量中，系統在時段t內的風電旋轉備用容量補償成本為

隨著能源危機及環境污染的加劇，世界各國不斷加強對污染排放物的控制。因此，本文將火電機組的排污特性以環境補償成本的形式表示，在時段t內火電機組的環境補償成本[8]為

式中：pe為時段t內火電機組單位環境補償價格；為機組i在時段t內的排放物的質量，可表示為

式中：ai、bi、ci、di為火電機組i的排污特性系數；為機組i在時段t內的輸出功率。

火電機組的啟停成本[9]為

式中：αi、βi、χi、δi、εi為發電機組i的燃料系數為火電機組i的最小輸出功率。

基于上述分析，系統的總運行成本為

式中，T為系統調度的總周期數。

2.2 約束條件

1）系統有功功率平衡等式約束

式中，Lt為實行分時電價后時段t內的擬合負荷。

2）柔性負荷約束

3）系統旋轉備用約束

4）火電機組輸出功率約束條件

式中，Pi為火電機組i的輸出功率。

5）火電機組的爬坡率約束[11]

6）最小啟停時間約束

3 改進的細菌群體趨藥性算法

3．1 細菌群體趨藥性算法的改進

細菌群體趨藥性算法BCC（bacterial colony chemotaxisalgorithm）的基本原理見文獻[12-14]，傳統的算法細菌的移動表現出趨同性，容易陷入局部最優解。本文在原有的基礎上做如下幾個改進。

1）移動速度上的改進

BCC算法中細菌的移動速度是一個常數，這樣容易使細菌陷入局部最優，從而使算法收斂于局部最優解。本文提出時變加速度思想，速度更新公式為

式中：c1和c2為加速度；ω為慣性權因子；xpBi為細菌自身的最佳位置；xgB為菌群的最佳位置；r1和r2為服從均勻分布于[0，1]間的隨機數。c1和c2為

式中：c1f、c2f、c1i、c2i為常數，本文取c1f、c2i為2.5，c2f、c1i為0.5。

2）微分進化算子的引入

在細菌群體趨藥性算法中引入微分進化算子，增加了細菌種群的多樣性，從而避免了陷入局部最優，提高了全局搜索的能力。改進方法是細菌在移動下一步之前，利用式（24）計算出一個新的位置，由于新位置的產生與感知范圍無關，所以新位置的隨機性比較強，降低了細菌群體的聚集度，提高了算法逃離局部最優的能力。

3.2 模型求解

根據實際問題的需要，在求解優化問題時，受限于機組啟停約束，本文針對機組啟停狀態的決策問題采用優先順序法[15]來確定機組的啟停狀態，在尋優機組的最優組合狀態時，首先構成機組的優先投入順序表，隨負荷需求動態地決策機組的啟停狀態，以獲得機組狀態組合的初始可行解，在滿足機組運行的約束條件的基礎上，通過對初始可行解進行修正和局部尋優，從而得到機組的組合狀態。

得到機組組合狀態后，本文應用上述所提出的改進細菌群體趨藥性算法對本文的模型進行優化調度，具體流程如下所述。

（1）參數初始化：設置細菌個數N，維度n，精度參數ε，迭代次數t，縮放因子F等，確定準實時電價和其電價下所對應的負荷曲線。

（2）初始化細菌群體的位置：為了使機組出力滿足上述約束條件，對細菌群體的位置進行初始化，其初始化公式為

（3）在滿足上述的各種約束條件下，選擇較合理的調度方案。并計算每個細菌的適應度。

（4）細菌位置的更新：根據上述所引入的差分進化算法在確定第i個細菌t+1代的待選位置以及計算相應的適應度值。

（5）記錄并更新當前細菌的最優位置。

（6）判斷算法是否達到迭代次數或滿足收斂條件，則記錄最優結果，迭代結束，否則重復上述步驟。

4 算例分析

以某個地區的風電和火電機組為例來驗證本文所提出的模型和算法的正確性。該地區配有容量為800 MW的風電場，10臺火電機組，其具體參數參照文獻[16]。激勵負荷的電價為0.5元/（kW·h），可中斷負荷的補償電價為1元/（kW·h）。風電預測出力的可信度為0.85，火電機組的環境補償成本為40元/t。準實時電價模型的參數a、b、c分別為1、50、0.5。電力需求響應模型的參數設置為待估計參數a為1 450，電力需求價格彈性系數b為-0.3.細菌個數設置為100，最大迭代次數為200。圖1為日前24 h的負荷預測曲線，圖2為風電功率預測曲線。

圖1 負荷預測曲線Fig.1Curve of load prediction

圖2 風電功率曲線Fig.2Curve of wind power prediction

通過求解本文所提出的基于電網負荷率的準實時電價模型可以求解出的電價如圖3所示。

圖3 準實時電價Fig.3Curve of quasi-real-time price

為了進一步說明準實時電價的實施具有移峰填谷的作用，圖4給出了準實時電價前后負荷曲線的對比，從圖中可以看出實行準實時電價后，負荷曲線相對比較平滑，與實時電價圖相比較，在電價比較低時，負荷需求較原來的負荷需求有所增加，電價比較高時，負荷需求較原來的負荷需求相對比較低。

圖4 準實時電價前后的負荷曲線對比Fig.4Comparispon of load curve with and without quasi-real-time price

圖5為考慮用戶側響應和未考慮用戶側響應的機組啟動臺數的對比，從圖中可以看出，考慮用戶側響應后機組啟動臺數曲線相對平穩，這是因為融入準實時電價的影響后，負荷曲線相對比較平穩，減少了機組的頻繁啟停。

圖5 考慮用戶側響應和不考慮用戶側響應的機組啟動臺數對比Fig.5Comparispon of number of units in operation with and without demand response

應用本文的改進細菌群體趨藥性算法求解本文模型，得出火電機組出力情況如圖6所示。從圖中可以看出，機組7和機組9由于安裝了污染物治理裝置，具有優良的排污特性，即在相同出力的情況下排污量較小，因此在各個時段的出力基本上都達到了機組的最大出力。

圖6 火電機組的各個時段出力圖Fig.6Output power of thermal units within each period

圖7給出了改進細菌群體趨藥性算法與傳統的細菌群體趨藥性算法的總成本收斂情況的比較圖，從圖中可以看出，本文算法的收斂速度明顯優于傳統的細菌群體趨藥性算法。

表1給出了在不考慮和考慮風電備用情況下有無融入用戶側互動的成本，從表中可以得出以下結論。

（1）考慮旋轉備用后，系統需要增加一定的備用容量以應對風電的隨機波動，從而增加了發電機組的成本和啟停成本。

圖7 改進BCC與BCC算法的成本收斂曲線Fig.7Cost optimization curve of improved BCC and BCC algorithm

表1 不同情況下的成本對比Tab.1Comparison of cost with different cases萬元

（2）融入用戶側互動后，一方面是實施準實時電價后起到移峰填谷的作用，另一方面是柔性負荷作為備用需求，有效地降低了因滿足不了風電的波動性而被迫啟停火電機組的臺數，從而使得機組的發電成本和啟停成本較無融入用戶側互動時降低了。

考慮準實時電價的基礎上，將柔性負荷融入到調度體系中，能夠使電力系統運行更加高效，是因為柔性負荷也具有削峰填谷的效果，同時兼顧系統的備用容量，更多地接納風電，有效減小棄風的風險。

在本文模型中，一方面考慮了用戶側互動，改變了負荷曲線的形狀，減少了機組的頻繁啟停，從而減少了發電成本和啟停成本；另一方面在系統經濟運行的條件下，排污特性優異的機組調度權大，較好地兼顧了環境保護。

5 結語

本文所建立的模型綜合考慮了用戶側和發電側，在用戶側中引入了準實時電價和柔性負荷，引導用戶調整其用電方式，在準實時電價的基礎上，建立了相應的負荷模型。發電側考慮了系統的旋轉備用，有效地降低了風電并入電網所帶來的影響。同時，還兼顧了環境保護的問題，以對環境補償的名義對排放污染物進行量化。最后，結合算例應用本文的改進細菌群體趨藥性算法對模型進行求解，結果表明本文所建立的模型提高了系統的經濟性。

參考文獻：

[1]邱威，張建華，劉念，等（Qiu Wei，Zhang Jianhua，Liu Nian，et al）.含大型風電場的環境經濟調度模型與解法（Model and solution for environmental/economic dispatch considering large-scale wind power penetration）[J].中國電機工程學報（Proceedings of the CSEE），2011，31（19）：8-16.

[2]王開艷，羅先覺，吳玲，等（Wang Kaiyan，Luo Xianjue，Wu Ling，et al）.清潔能源優先的風-水-火電力系統聯合優化調度（Optimal dispatch of wind-hydro-thermal power system with priority given to clean energy）[J].中國電機工程學報（Proceedings of the CSEE），2013，33（13）：27-35.

[3]周瑋，孫輝，顧宏，等（Zhou Wei，Sun Hui，Gu Hong，et al）.計及風險備用約束的含風電場電力系統動態經濟調度（Dynamic economic dispatch of wind integrated power systems based on risk reserve constraints）[J].中國電機工程學報（Proceedings of the CSEE），2012，32（1）：47-55.

[4]董曉天，嚴正，馮冬涵，等（Dong Xiaotian，Yan Zheng，Feng Donghan，et al）.計及風電出力懲罰成本的電力系統經濟調度（Power system economic dispatch considering penalty cost of wind farm output）[J].電網技術（Power System Technology），2012，36（8）：76-80.

[5]高紅均，劉俊勇，魏震波，等（Gao Hongjun，Liu Junyong，Wei Zhenbo，et al）.基于極限場景集的風電機組安全調度決策模型（A security-constrained dispatching model for wind generation units based on extreme scenario set optimization）[J].電網技術（Power System Technology），2013，37（6）：1590-1595.

[6]王卿然，謝國輝，張粒子（Wang Qingran，Xie Guohui，Zhang Lizi）.含風電系統的發用電一體化調度模型（An integrated generation-consumption dispatch model with wind power）[J].電力系統自動化（Automation of Electric Power Systems），2011，35（5）：15-18，30.

[7]何永秀，王怡，黃文杰，等（He Yongxiu，Wang Yi，Huang Wenjie，et al）.電力需求價格彈性與系統最優備用的關系（Electricity price elasticity and optimal system reserve）[J].電力需求側管理（Power Demand Side Management），2003，5（5）：20-23.

[8]袁鐵江，晁勤，吐爾遜·伊不拉音，等（Yuan Tiejiang，Chao Qin，Tuerxun·Yibulayin，et al）．電力市場環境下含風電機組的環境經濟調度模型及其仿真（An environmental/economic dispatch model for power grid containing wind power generation units and its simulation in electricity market environment）[J]．電網技術（Power System Technology），2009，33（6）：67-71．

[9]盧錦玲，苗雨陽，張成相，等（Lu Jinling，Miao Yuyang，Zhang Chengxiang，et al）.基于改進多目標粒子群算法的含風電場電力系統優化調度（Power system optimal dispatch considering wind farms based on improved multiobjective particle swarm algorithm）[J].電力系統保護與控制（Power System Protection and Control），2013，41（17）：25-31.

[10]劉靜，羅先覺（Liu Jing，Luo Xianjue）.處理梯級水電站復雜約束的短期水火電系統環境經濟優化調度（Shorttermoptimalenvironmentaleconomichydrothermal scheduling based on handling complicated constraints of multi-chain cascaded hydropower station）[J].中國電機工程學報（Proceedings of the CSEE），2012，32（14）：27-35.

[11]張步涵，邵劍，吳小珊，等（Zhang Buhan，Shao Jian，Wu Xiaoshan，et al）.基于場景樹和機會約束規劃的含風電場電力系統機組組合（Unit commitment with wind farms using scenario tree and chance-constrained programming）[J].電力系統保護與控制（Power System Protection and Control），2013，41（1）：127-135.

[12]陳繼明，王元元，高艷亮（Chen Jiming，Wang Yuanyuan，Gao Yanliang）.基于改進細菌群體趨藥性算法的配電網無功優化（Reactive power optimization of distribution network based on improved bacterial colony chemotaxis algorithm）[J].電力系統保護與控制（Power System Protection and Control），2012，40（14）：97-102.

[13]李學福，胡高峰，馮光（Li Xuefu，Hu Gaofeng，Feng Guang）.基于細菌群體趨藥性算法的配電網無功補償優化（Reactive power compensation of distribution network based on bacterial colony chemotaxis algorithm）[J].電力系統及其自動化學報（Proceedings of the CSU-EPSA），2013，25（1）：130-135.

[14]李秀卿，孫守鑫，張超，等（Li Xiuqing，Sun Shouxin，Zhang Chao，et al）.基于改進細菌群體趨藥性算法的無功優化（Reactive power optimization based on the improved bacterial colony chemotaxis algorithm）[J].電力系統保護與控制（Power System Protection and Control），2011，39（8）：56-59.

[15]李茜，劉天琪，李興源（Li Qian，Liu Tianqi，Li Xingyuan）.大規模風電接入的電力系統優化調度新方法（A new optimized dispatch method for power grid connected with large-scale wind farms）[J].電網技術（Power System Technology），2013，37（3）：733-739.

[16]袁鐵江，晁勤，吐爾遜·伊不拉音，等（Yuan Tiejiang，Chao Qin，Tuerxun·Yibulayin，et al）.大規模風電并網電力系統動態清潔經濟優化調度的建模（Optimized economic and environment-friendly dispatching modeling for large-scale wind power integration）[J].中國電機工程學報（Proceedings of the CSEE），2011，30（31）：7-13.

Environment-friendly and Economic Dispatching with Wind Farms Integration and Demand Response

FU Li1，ZHOU Bu-xiang1，WANG Xiao-hong1，LUO Huan1，ZHANG Le1，YE Zong-bin2
（1.School of Electrical Engineering and Information，Sichuan University，Chengdu 610065，China；2.Quan Zhou Power Supply company，Quanzhou 362000，China）

Because the wind power is fluctuation，and it can bring about great risk to the safety of power grid if it directly connects to the power grid.In order to improve the flexibility of power grid operation，this paper consider the system spinning reserve and demand response into the wind power system dispatch plan.The load model is constructed based on the real-time price.This paper establishes the power system dispatch model according to flexible peak load regulation and the thermal power unit's pollution discharge characteristics.Firstly，the priority method is utilized to determine the units'state of each time.Secondly，the improved bacterial colony chemotaxis algorithm is used to solve the model.Finally，the system which contains wind farm and 10 thermal units verifies the model and the simulation results indicate that the proposed schedule has certain rationality.

wind power dispatch；quasi-real-time price；flexible load；spinning reserve；improved bacterial colony chemotaxis algorithm

TM734

A

1003-8930（2014）12-0074-06

傅利（1989—），女，碩士研究生，主要從事調度自動化及計算機信息處理方面的研究工作。Email：1004133369@qq. com

2014-04-30；

2014-06-25

周步祥（1965—），男，博士，教授，主要從事電力系統自動化、計算機應用等方面的研究工作。Email：hiway_scu@126. com

王小紅（1988—），男，碩士研究生，主要從事調度自動化及計算機信息處理方面的研究工作。Email：554983430@qq. com