考慮時空互補特性的風光水火多能源基地聯合優化調度

夏新華， 高宗和， 李恒強， 徐 帆， 王 剛

(1. 國網浙江省電力公司經濟技術研究院，浙江 杭州 310008；2. 南瑞集團(國網電力科學研究院)，江蘇 南京 211106；3. 國網四川省電力公司檢修公司，四川 成都 610041)

·電網技術·

考慮時空互補特性的風光水火多能源基地聯合優化調度

夏新華1， 高宗和2， 李恒強3， 徐 帆2， 王 剛2

(1. 國網浙江省電力公司經濟技術研究院，浙江 杭州 310008；2. 南瑞集團(國網電力科學研究院)，江蘇 南京 211106；3. 國網四川省電力公司檢修公司，四川 成都 610041)

為促進風能、光能等新能源發電的消納，實現風光水火多能源基地聯合優化調度的調峰效益、經濟效益以及環保效益的最大化，本文在分析風、光、水、火多能源介質時空特性的基礎上，提出了一種以最小化火電機組運行成本、棄風量、棄光量、棄水量為優化目標的考慮風光水火時空互補特性的多能源基地聯合優化調度模型，為特高壓輸電背景下送端多能源基地聯合優化調度問題提供了一種參考方案。文中算例以時空差異特征顯著的新疆地區和東部某區域的多能源基地為研究對象，通過實際算例的計算分析，驗證了文中模型理論上能夠促進新能源發電的消納，降低火電機組的運行成本。

多能源基地; 時空互補特性; 新能源消納; 聯合調度; 混合整數規劃

0 引言

風能、太陽能、水能等清潔能源是當前世界上最具大規模商業化開發潛力的可再生能源。大規模開發利用風能、太陽能以及水力發電己經成為世界各國改善能源結構，解決能源和環境問題，保證國民經濟可持續發展的有效措施之一。近年來，隨著能源危機和環境污染問題的日益嚴重，風力發電、太陽能發電等清潔能源發電得到了大力的發展。但是風/光能等清潔能源不僅在時間分布上波動性大、季節特征明顯，而且在空間分布上，同樣呈現出分布不平衡的特點。因此這類電源的并網發電具有不可控性，會對電網的安全穩定運行產生沖擊[1，2]。

為解決具有隨機、間歇特性的新能源發電并網對電網運行產生的影響，文獻[2]通過提高風光預測的精確性、發展儲能技術以及利用不同能源形式之間的互補特性，合理配置風/光發電與常規能發電的容量比例來應對新能源發電的不可控特點。文獻[3]提出以光伏發電系統為基本電源，風力發電系統為補充電源的思想，給出了風光互補發電系統的整體模型，為各個子系統的協調和功率補償提供了良好的思路。文獻[4]利用太陽能和風能的互補性，有效減少系統輸出功率周期頻譜分量的幅值。文獻[5]通過分析巴西陸上/近海水力資源和風力資源的時間地域特性，研究不同區域風風、水水、風水的相關性和互補性，討論了巴西陸上水力、風力資源以及近海的風力資源之間的互補發電方式。文獻[6]在“風光水”微電網結構的基礎上，選取冬季典型日進行仿真研究。文獻[7]以最優潮流為理論指導，針對含風電、太陽能發電等新能源發電的電力系統調度，考慮不同電源出力特點，建立包含風、光、水、火電系統的多電源聯合優化調度模型。文獻[8]對塔城地區和新疆阿勒泰地區風、光、水、火出力特性進行分析，找出各電源出力特性規律，為有效提高區域電網清潔能源的消納能力，實現風光水火電力優化提供有效依據。

綜上所述，雖然風電、太陽能發電、水電、火電等發電方式在時間和空間上存在很大差異，但同時也具有互補的特點。通過分析風、光、水、火等不同能源基地輸出功率在不同區域、不同時間周期內的波動特點，掌握區域電網多基地輸出功率在各時間尺度下的波動規律，整合多種能源基地在不同地域范圍、不同時間周期內的互補特性，研究風、光、水、火等多基地運行控制方式，建立涵蓋風、光、水、火多種能源形式機組的時空互補模型，能夠有效解決資源互補、時空關聯的矛盾；實現多種資源的互補協同利用；增加可再生能源發電的投入，減少火電投入比重，一定程度上緩解日益加重的能源危機和環境污染問題。因此，如何在節能環保以及滿足不斷上升的負荷需求的前提下，制定合理的風、光、水、火等多能源形式的聯合調度策略，適當增大風電和太陽能發電量，降低火電輸出功率，借助水電的調節能力保證電力系統的功率平衡是電網發展亟需解決的問題。

1 風光水火時空互補特性分析

風力發電受自然條件的影響，功率輸出具有間歇性、隨機波動性等特點。在空間上表現為分布不平衡，我國風能資源豐富的地區主要分布在“三北”(華北、東北、西北)地區、東部沿海及附近島嶼，背離我國主要負荷中心區域。三北地區的新能源發電在空間上與我國主要負荷中心區域形成互補。時間上，風力資源在不同的時間尺度下，其隨機波動性不同：分鐘級時間尺度大幅波動概率較小，而小時級以上時間尺度則具有較大的波動性，且夜間風力常大于白天風力；此外，風電出力特性具有明顯的季節特性，總體呈現為冬春季大，秋季次之，夏季最小的特征[9，10]。

我國太陽能資源的可用量十分豐富，陸地表面每年接收的太陽能輻射約為1.47×108億千瓦時，相當于4.9萬億噸標準煤。我國太陽能空間分布為：太陽能輻射西部地區總體高于東部地區，北部地區高于南部地區。時間上，太陽能發電只能在白天進行，這與風力夜大晝小的自然特性具有很好的時間互補性；而且，由于時差因素，新疆的太陽能發電與我國中東部地區的太陽能發電在時間上具有很好的空間互補性，隨著特高壓直流外送的運行，這種互補性能夠得到更好的利用[11，12]。

我國水力資源蘊藏量豐富，約占世界水資源總量的六分之一，具有良好的開發前景。不過，由于我國的季風氣候特點，我國水力資源在時間和空間分布上極不均勻。在時間分布上，大多河流徑流分布不均，豐、枯季節流量相差較大，呈現為夏秋季多、冬春季少的特點，這與風電冬春季大、夏秋季小的自然特性在時間上具有很好的互補特性?？紤]風電、水電等清潔能源的時間互補特性，合理規劃各季度的電力調度計劃，有助于清潔能源的合理利用，提高清潔能源發電在全網中所占比例。在空間分布上，京廣鐵路以西的水力資源占全國的90%以上，其中西南地區最多，占全國的70%；其次為中南和西北地區，分別占10%及13%左右；華北、東北和華東地區所占比例很小。西南等地區豐富的水力資源與華東、華北等大負荷中心地區在空間上具有互補性，借助特高壓交直流輸電技術能夠實現大區域間的電力輸送，促進清潔能源發電的消納。2010年投運的向家壩—上?！?00 kV特高壓直流輸電工程，年輸送清潔電能320億 kW·h，最大輸送功率約占上海高峰負荷的三分之一，可節省原煤1500萬t，減排二氧化碳超過3000萬t，具有顯著的經濟效益和環境效益。

當前，火電機組依然是我國電力供應的主力?；鹆Πl電具有不受季節、氣候影響，發電可控性高，發電穩定等優點，不過由于大多機組為燃煤機組，存在能耗量多、污染大的問題。我國火電機組在總電力供應中所占比重大，承擔著基荷、調頻、調峰及備用任務。為使火電機組經濟運行，在電網調度中，通常希望火電承擔基本負荷，同時減少調頻和調峰任務[7]?？傮w來說，火電屬于穩定電源，對考慮時空互補特征的風光水等清潔能源發電調度起到支撐作用，能夠平抑新能源發電的隨機波動性對電網的沖擊，保障電力的安全供應和電力系統的穩定運行。

2 風光水火聯合優化調度模型

風光水火聯合優化調度是一個多目標、多變量、多約束的非線性混合整數規劃問題，對于大規模系統，其求解非常困難。鑒于此，文中對非線性條件進行線性化，在分析風光水火各能源形式的時空特性基礎上，考慮系統的負荷平衡約束及風光水火各發電機組運行的相關約束，建立以最小化火電機組運行成本、棄風量、棄光量、棄水量為優化目標的考慮時空互補特性的聯合優化調度模型，以期利用風、光、水、火不同能源形式之間的時空互補差異，提高風能、光能等可再生能源的發電量，減少聯合區域火電機組的運行成本。需要特別指出的是，該模型中對最小化棄風量、棄光量、棄水量的處理，是以最小化能源基地發電能力預測值與考慮系統消納能力后的各能源基地發電計劃值之間的偏差的方式表述在目標函數中。偏差越小，表示該能源基地實際發電與預測值越接近，清潔能源的棄量越小。

2.1 目標函數

考慮聯合區域風、光、水、火多能源形式的時空互補特性的聯合優化調度模型優化目標數學表示為：

(1)

需要特別說明的是，火電機組的運行成本是一個凸性的非線性二次函數[13]：

(2)

2.2 約束條件分析

模型的約束條件包括系統運行功率平衡相關約束、火電機組運行相關約束、水電機組運行相關約束、風電機組運行相關約束、光伏發電運行相關約束以及對火電機組耗能特性進行分段線性化而產生的相關定義約束等。

2.2.1 系統平衡相關約束

(1) 系統負荷平衡約束。為保證電力系統安全運行，首先需要保證系統運行的負荷平衡約束：

(3)

式中，pi,t為t時段火電機組i的出力值；Dt為t時段系統的基本負荷需求。

(2) 旋轉備用約束。在保證系統負荷平衡的基礎上，為盡量減弱負荷波動性和風/光電隨機波動性對負荷平衡的影響，要求運行機組具有一定的旋轉備用約束：

(4)

2.2.2 火電機組運行相關約束

(1) 火電機組出力約束。火電機組的運行需要滿足機組的出力上下限限制：

(5)

(2) 火電機組爬坡約束。相鄰調度時段內，機組出力的變化量具有一定的范圍約束，這與火電機組的物理性能有關，需要滿足：

(6)

(7)

(3) 火電機組最小啟、停時間約束。

(8)

(9)

2.2.3 水電機組運行約束

為方便討論，將水電站多臺機組等效為一臺，那么水電站需要滿足如下約束[15]。

(1) 水電機組出力約束。水電機組的運行需要滿足機組的出力上下限限制：

(10)

(2) 水-電轉換能力約束。

(11)

(3) 日流量限制約束。為保證上下游的水流安全，水電站的發電用水量需要在上級用水調度部門的安排下進行，需要滿足日流量限制約束：

(12)

2.2.4 風電機組運行約束

(13)

2.2.5 光伏發電運行約束

(14)

2.2.6 其他約束

在模型中，為方便求解并加快其收斂，常將火電機組非線性的耗能特性曲線線性化，如圖1所示。

圖1 火電機組燃料成本曲線分段線性化Fig.1 Piecewise linear fuel cost curve of thermal units

在模型中對火電機組非線性燃料成本函數進行分段線性化，可以通過以下幾個定義約束進行表述：

(17)

(18)

(19)

δl(i,t)≤Tl,i-Tl-1,i

(20)

(21)

δl(i,t)≥0

(22)

3 算例分析

3.1 CPLEX求解器

文中所建的混合整數線性規劃模型(MILP)采用CPLEX求解器進行求解。CPLEX求解器是由IBM領先開發的，基于分支切割法，能夠解決帶有成千上萬個變量和約束的問題，具有求解實際應用中大規模優化問題的能力，可用于求解線性規劃(LP)、混合整數規劃(MIP)、二次約束規劃(QP)以及混合整數二次約束規劃(MIQP)等問題[16，17]。

3.2 模型參數

以包含風電、光伏、水電、火電等多電源形式的A，B兩區域電網為例。設置兩區域均有10臺火電機組，機組參數參見文獻[18]中的IEEE標準10機測試系統；A區域水電站機組相關參數參考文獻[14]中情景2的數據，該情境下，水庫有豐富的可調度水量，機組具有一定的調節能力，可以不滿發；A區域配以裝機容量為1000 MW的風電基地和600 MW的光伏基地，B區域配以1500 MW的風電基地和1000 MW的光伏基地。模型調度時長采用傳統的24 h日調度。以夏季某典型日數據為例，兩區域的負荷需求曲線如圖2所示；兩區域風能利用系數和太陽能利用系數分別如圖3、圖4所示。

由A，B兩區的風能、太陽能利用系數預測值可以看出，B區域的太陽能利用時間相對A區域有一定的滯后性；若聯合考慮A，B兩區域的風能利用系數，能夠降低并網風電量的隨機波動性，降低風電的隨機波動性對電網的沖擊。

圖2 某典型日各時段的負荷需求曲線Fig.2 The curve of load demand at each time

圖3 某典型日風能利用系數Fig.3 The utilization coefficient of wind power at a typical day

圖4 某典型日太陽能利用系數Fig.4 The utilization coefficient of solar power at a typical day

基于兩區域風力發電和光伏發電所具有的時空互補特性，模型分別考慮2種情景下風電和光伏的發電量，以驗證考慮時空互補特性的風光水火多能源基地能夠促進風、光等新能源發電消納的特點。其中情景1為不考慮時空互補特性情況下A，B兩區域的調度情況；情景2為考慮時空互補特性情況下A，B兩區域的調度情況。

3.3 優化結果分析

根據風、光、水、火各機組相關參數及區域負荷預測值，在情景1和情景2下，應用文中所提的風光水火聯合優化調度模型，并采用CPLEX求解器對兩種情景模式下混合整數線性規劃模型(MILP)進行求解。

由求解結果可知，考慮時空互補特性的風光水火多能源基地聯合優化調度能夠增加風電和光伏發電的消納量，減少棄風量和棄光量?？紤]時空互補特性前后，A，B兩區域的風電基地出力情況分別如圖5、圖6所示。

圖5 考慮時空互補特性前后A區域風電出力情況Fig.5 The power output of A region before and after considering the time-space complementary characteristics

情景1不考慮時空互補特性情況下，A區域棄風量1445 MW，B區域棄風量2848 MW；情景2考慮時空互補特性情況下，A區域棄風量1195 MW，棄風量相對減少17.3%；B區域棄風量1680 MW，相對減少了41%。此外，情景1下，A區域無棄光，B區域棄光量440 MW；情景2下，A區域無棄光，B區域亦無棄光；相對于情景1不考慮時空互補特性，光伏發電量增加了440 MW。由此可見，考慮時空互補特性的風光水火聯合優化調度模型能夠顯著的提高風、光等新能源電力的消納量。

并且由圖7，圖8可以看出，情景2考慮時空互補特性后，火電機組的出力曲線相對情景1更加平穩，平緩了火電機組的出力波動；此外，在一定時間尺度范圍內，情景2中的風電出力較情景1更加平緩，說明考慮時空互補特性后，聯合優化調度模型能夠利用兩區域風能時空互補差異，綜合調度，平緩風功率隨機波動性對電網的沖擊，提高供電可靠性。

圖7 情景1風光水火電出力Fig.7 Outputs of wind-solar-hydro- thermal power in case 1

圖8 情景2風光水火電出力Fig.8 Outputs of wind-solar-hydro- thermal power in case 2

同時，考慮時空互補特性的多能源基地聯合優化調度，降低了火電機組的運行費用。情景1下，為滿足負荷需求及備用需求，A區域火電機組運行費用為338 535 元，B區域運行費用為186 594 元，兩區域總運行費用525 129 元；情景2下，同樣在保證負荷需求和備用需求的情況下，兩區域火電機組總運行費用為466 743 元，相對減少11.12%，如果將這部分減少的費用，折合到火電機組燃燒的標準煤以及釋放的SO2、CO2等氣體，那么采用情景2考慮時空互補特性的多能源基地聯合優化調度方式則具有可觀的經濟效益和環境效益。

綜上分析可知，考慮時空互補特性的風光水火多能源基地聯合優化調度，可以利用不同區域、不同時區之間的風、光能的自然差異，平抑風、光能發電的隨機波動性對電網的沖擊，減少聯合區域火電機組的運行成本，具有良好的經濟效益和環境效益。

4 結語

本文在分析風、光、水、火各種能源介質形式時空互補特性的基礎上，提出了考慮多能源基地的聯合優化調度混合整數線性規劃模型(MILP)。通過對算例的求解分析，驗證了該模型在保證系統負荷和備用需求的情況下，不僅能夠減少聯合區域的風、光能的棄量，增加其發電量，減少火電機組的運行成本；而且能夠利用風、光能的時空互補差異，平緩聯合區域風光能發電的波動性，減緩風電，光電的隨機波動性對電網的沖擊，對提高電網安全穩定運行具有重要意義。

[1] 秦旭東. 大規模風電接入江蘇電網調頻影響與對策研究[J]. 江蘇電機工程,2013,32(4):6-9. QIN Xudong.Influence and strategy study the frequency regulation of Jiangsu power grid with large-scale wind power integration[J]. Jiangsu Electrical Engineering,2013,32(4):6-9.

[2] WOYTE A,VAN V,BELMANS R,et al. Voltage fluctuations on distribution level introduced by photovoltaic systems[J]. IEEE Transactions on Energy Conversion,2006,21(1):202-209.

[3] NIKOLAOS S T,FRANCISCO J S,SANTOS A,et al.Optimal management of wind and solar energy resources[J]. Computers & Operations Research,2016, 66(66):284-291.

[4] 李勁彬,陳 雋. 風光互補可再生能源發電的綜合效益優化研究[J]. 電氣自動化,2013,35(5):24-26. LI Jinbin,CHENG Jun. Research on the optimization of comprehensive benefits of wind-solar hybrid renewable generation system[J]. Electrical Automation,2013,35(5):24-26.

[5] ALLAN R S,FELIPE M P,ARCILAN T A,et al.Complementarity of Brazil's hydro and off shore wind power[J]. Renewable and Sustainable Energy Reviews,2016, 56(12):413-427.

[6] 余志勇,萬術來,明志勇,等. “風光水”互補微電網的運行優化[J]. 電力建設,2014,35(6):50-56. YU Zhiyong,WAN Shulai,MING Zhiyong,et al.Optimal operation of complementary microgrid with hybrid wind solar hydro power[J]. Electric Power Construction,2014,35(6):50-56.

[7] 張婷雨. 風光水火短期聯合調度的動態模型建立及算法研究[D].西安:西安理工大學,2015. ZHANG Tingyu. Study on model and method for dynamic optimal power flow of wind-photovoltaic-hydro-thermal power joint operation[D].Xi’an:Xi’an University of Technology,2015.

[8] 周 專,常喜強,呂 盼,等. 新疆阿勒泰地區可再生能源發電的出力特性分析[J]. 電力與能源,2014,35(2):218-223. ZHOU Zhuan,CHANG Xiqiang,LYU Pan,et al. Analysis of renewable energy output characteristics of Altay region[J]. Energy Technology,2014,35(2):218-223.

[9] 肖創英,汪寧勃,陸 晶,等. 甘肅酒泉風電出力特性分析[J]. 電力系統自動化,2010,34(17):64-67. XIAO Chuangying,WANG Ningbo,LU Jing,et al. Power characteristics of Jiuquan wind power base[J]. Automation of Electric Power Systems,2010,34(17):64-67.

[10] 于大洋,韓學山,梁 軍,等. 基于NASA地球觀測數據庫的區域風電功率波動特性分析[J]. 電力系統自動化,2011,35(5):77-81. YU Dayang,HAN Xueshan,LIANG Jun,et al. Study on the profiling of China’s regional wind power fluctuation using GEOS-5 data assimilation system of National Aeronautics and Space Administration of America[J]. Automation of Electric Power Systems,2011,35(5):77-81.

[11] MARK Z J,MARK A D,GUILLAUME B,et al. A 100% wind, water, sunlight(WWS) all-sector energy plan for Washington State[J]. Renewable Energy,2016,86:75-88.

[12] 劉振亞.特高壓交直流電網[M].北京:中國電力出版社,2013. LIU Zhenya. Ultra high voltage AC-DC grid[M].Beijing:China Electric Power Press,2013.

[13] LYU J K,KIM M K,YOON Y T,et al. A new approach to security-constrained generation scheduling of large-scale power systems with a piecewise linear ramping model[J]. Electrical Power and Energy Systems,2012,34(1):121-131.

[14] 夏新華,高宗和,徐 帆,等. 改進的混合整數算法求解機組組合問題[J]. 電力學報,2016,31(3):202-210. XIA Xinhua,GAO Zonghe,XU Fan,et al.Unit commitment using an improved mixed integer programming[J]. Journal of Electric Power,2016,31(3):202-210.

[15] 王開艷,羅先覺,吳 玲,等. 清潔能源優先的風-水-火電力系統聯合優化調度[J]. 中國電機工程學報,2013,33(13):27-36. WANG Kaiyan,LUO Xianjue,WU Ling,et al. Optimal dispatch of wind-hydro-thermal power system with priority given to clean energy[J]. Proceedings of the CSEE,2013,33(13):27-36.

[16] The ILOG CPLEX Website.CPLEX optimizer[EB/OL].http:∥www-01.ibm.com/software/commerce/optimization/cplex-optimizer/index.html,[2016-07-20]:

[17] FRANGIONI A,GENTILE C. Tighter approximated MILP formulations for unit commitment problems[J]. IEEE Transactions on Power Systems,2009,24(1):105-113.

[18] GOVARDHAN M,ROY R. Economic analysis of unit commitment with distributed energy resources[J]. International Journal of Electrical Power and Energy System,2015,71:1-14.

(編輯方 晶)

Combined Optimization Dispatching of Multi-source Hybrid Power BasesConsidering the Time-space Complementary Characteristics

XIA Xinhua1, GAO Zonghe2, LI Hengqiang3, XU Fan2, WANG Gang2

(1. Power Economic Research Institute, State Grid Zhejiang Electric Power Company, Hangzhou 310008, China;2.NARI Group Corporation, Nanjing 211106, China;3. State Grid Sichuan Province Power Company Maintenance Branch, Chengdu 610041, China)

In order to promote the power generation absorption of new energy like wind/light energy, and realize the maximization of pitch peak benefit, economic benefit and environmental protection benefit of combined optimization dispatching of multi-source hybrid power bases, based on the analysis of time-space characteristics of multi-source hybrid power, we put forward a combined optimization dispatching model of multi-source hybrid power that takes the minimum of operating cost, wind curtailment volume, light curtailment volume and water curtailment volume of thermal power unit as the optimization goal, and provide a reference method for the sending system combined optimization dispatching of multi-source hybrid power bases under the background of ultra-high voltage power transmission. The example takes multi-source hybrid power bases in the Xinjiang region and in the eastern part of a region as study abject, which have significant temporal and spatial differences. Through the calculation and analysis of practical examples, the model is verified theoretically can promote the absorption of new energy and reduce the operation cost of thermal power units.

multi-source hybrid power bases；time-space complementary characteristics；renewable integration；combined dispatching；mixed-integer programming

夏新華

2017-04-09；

2017-05-28

國家電網公司科技項目(考慮多基地和直流外送的新能源消納調度決策分析和評價方法研究及應用)

TM734

：A

：2096-3203(2017)05-0059-07

夏新華(1991—)，男，河南信陽人，工程師，從事電力系統運行與優化研究工作(E-mail：120348863@qq.com)；

高宗和(1962—)，男，江蘇南京人，研究員級高級工程師，從事電力系統調度自動化研究工作；

李恒強(1992—)，男，甘肅定西人，工程師，從事電力需求側管理研究工作；

徐 帆(1984—)，男，河北廊坊人，高級工程師，從事電力系統運行與優化工作；

王 剛(1992—)，男，江蘇淮安人，工程師，從事電力系統及其自動化工作。