含風電場的電力系統經濟調度的分析

劉申+陳凱+于溪龍

摘 要：根據風電隨機波動的特點可以將含風電場的電力系統進行合理調整，從而有效解決系統內部的經濟調度問題。文章對當前我國風電并網對于電力系統經濟調度的影響著手，在此基礎上分析了含風電場系統經濟調度模型的建立方法、備用問題與風險管理以及其他相關經濟調度模型等，同時也分析了含風電場的電力系統經濟調度問題求解方法，旨在為關注這一領域的人士提供一些參考意見。

關鍵詞：含風電場；經濟調度；風險管理；遺傳算法

中圖分類號：TM73 文獻標志碼：A 文章編號：2095-2945（2017）34-0130-02

引言

隨著我國國民經濟的發展以及科學技術水平的提高，各界對我國風力發電領域中的經濟調度問題的關注程度越來越高。電力系統中關于經濟調度問題的研究，其本質是研究滿足運行極限約束與系統能量平衡的前提下，以最優經濟性為目標進行優化調度的問題。當前國內外學者對含風電場中經濟調度問題研究已經取得了諸多成果，但如何對含風電場風力預測水平和經濟調度能力進行提高，仍需要進一步探索。

1 風電并網對于電力系統的經濟調度影響

風電并網通過將大量的風能資源并入到我國電力系統當中，建立起含風電場實現了我國電力事業的優化發展。在電力系統中，經濟調度的任務主要用于滿足一定電能質量與安全的前提下，全面提升電場運行的經濟效率，即通過合理利用現有資源和設備，以最少的運行費用與燃料消耗量實現用戶用電滿意度和可靠性的最大化。以風電作為主要代表的新能源開發與應用，將傳統電力系統的基本形態進行了調整，同時電力系統中的控制方式、運行特性和結構形態環節都發生了深刻的變革。新型能源系統對于電網的調度水平提出了全新的要求，該系統下要求電網內部的系統經濟調度模型的約束調價和目標函數都需要依托于含風電場中風電的不確定性及其所造成的影響，從而大大增加了模型計算的復雜程度。

傳統電場中關于經濟調度的關鍵在于負荷預測的準確性以及電源的可靠程度等，其中的難點為負荷預測環節。區別于傳統電場，含風電場的電力系統經濟調度由于風速的不可控性和風速的隨機性等因素的影響，會導致預測的風電出力同實際出力之間存在一定的誤差，因此需要將傳統的負荷預測進行優化，使其適應新型含風電場中的電力系統經濟調度和風力預測要求，從而有效抑制風電處理的波動性與隨機性。

2 含風電場的電力系統經濟調度建模分析

2.1 建模方法

含風電場中，將風力資源系統有效地并入到電網系統當中，因此電力系統的調度人員也面臨著全新的挑戰。電力系統調度人員不僅需要確定風電機組的出力計劃，同時還需要兼顧分配控制常規機組的輸出功率。因此，需要留有足夠的備用容量，以彌補在經濟調度過程中可能出現的發電量不足或盈余現象。例如，我國某地區的含風電場主要通過將有效的優化算法運用到旋轉備用需求、運行成本計算和風電穿透的功率水平之中。同時，該地區的含風電場還在優化模型過程中考慮道了由于風電的不確定和隨機性所引起附加旋轉的備用電量儲備問題。并且在所選附加設備的需求用量設置化解，按照系統發電總量的百分比進行參考數值的設置，從而確保了旋轉備用電量的充足與穩定，使當地含風電場保持正常運作[1]。

2.2 電力系統經濟調度備用問題與風險管理

從長期發展的角度來看，雖然當前我國含風電場的相關技術和設備還未能達到全面完善，但隨著科學技術的進步，經過專業技術人員的優化和設計，必將邁向更高的臺階。但當前我國在風力預測環節中的技術還未能達到西方發達國家的先進水準，并且對于測得結果的誤差和不確定性無法有效排除，直接導致了含風電場系統會產生不必要的風險。針對此種情況，我國某地區的含風電場所采取的措施為采取相應的手段，將系統風險分析的能力進行提升。同時，該地區含風電場還將風險指標的限定值納入到備用容量的管理之中，從而確保系統的安全性與可靠性。

2.3 其他相關經濟調度模型

近幾年，國內外相關領域的學者也已經在傳統電場的經濟調度模式的基礎上，對新型含風電場中的電力系統經濟調度問題展開了全面且深入的研究。并且，從不同側重點以及不同的關注角度出發，提出了許多新型且適用于含風電場的電力系統中經濟調度模型與求解方法。不僅如此，由于經濟發展對環境造成的負面影響，使社會各界對于環境污染以及環境保護等領域的關注程度逐漸提高。電力系統中對于環境造成的污染主要為不可再生能源轉化為電能過程中，對于生態環境所造成的污染問題。所以，相關領域的專家和學者對此提出了新的研究方法與評估模型，用以評估和預測大規模含風電場的系統經濟調度對于環境所造成的影響。并且利用IEEE30的節點系統模擬與仿真結果可以得出，在考慮風電備用成本問題與環境因素的影響下，含風電場的經濟調度結果將更加趨向合理化。

3 含風電場的電力系統經濟調度問題求解方法

3.1 不確定性求解方法

不確定性求解方法主要通過對風速以及風電功率的隨機概率優化模型進行計算，通常情況下可以采取兩種方式進行求解。例如，我國某地區的含風電場所采用的基于多場景的調度方式，對電力系統中的經濟調度問題關于正態分布隨機模式環節問題進行解決。即首先將概率分布對于風能樣本或風速進行抽樣，從而形成較多具有離散規律的運行場景，在將各個場景逐一進行尋優，在理論上得到確定性的優化模型。此外，該地區含風電場還利用隨機規劃模型，將基于隨機模擬中的粒子群進行求解，從而達到約束和規劃電場中的經濟調度問題[2]。

3.2 確定性求解方法

3.2.1 遺傳算法

最早提出遺傳算法為1975年，在美國密歇根州立大學的J.Holland教授，根據遺傳學機理中的生物進化過程以及模擬達爾文的生物進化論當中的自然選擇所建立的計算模型。遺傳算法廣泛應用于Matlab工具箱中關于面向電力市場中的含風電場電力系統經濟調度優化算法與模擬仿真。例如，我國某地區的含風電場電力系統經濟調度工程技術人員在遺傳算法的基礎上進一步提出了量子遺傳算法，并且對于閥點效應在含風電場中電力系統經濟調度問題方面的應用進行了解決。量子遺傳算法依靠量子計算過程中的更新策略以及遺傳算法中的交叉算子，優化了算法在全局中的搜索能力[3]。endprint

3.2.2 進化規劃算法

進化規劃算法為上個世紀六十年代，科學家L.J.Fogel在人工智能研究領域首次提出的有限狀態機進化模型。該模型可以通過將均勻分布的規律進行變異，并且從中選取出適合的個體進行搜索。在含風電場的電力系統經濟調度過程中應用進化算法可以有效解決包絡光滑與非光滑函數形式在內的各種函數形式的目標函數，從而有效解決電力系統中關于經濟調度所產生的問題，利用這一算法可以實現較高的計算效率同時獲得較高質量的問題的解。

3.2.3 模擬退火算法

模擬退火算法是通過在一種模擬固體物理退貨的過程中實現熱平衡問題而實現的隨機搜索技術。模擬退火技術具有初始值與本身算法無關的特點，同時還具有算法迭代的特點，即初始解與最優解狀態無關的特點。因為模擬退火是一種并行以及漸趨收斂的計算方式，所以原則上已經被證明可以用于實現全局最優解的計算。例如，我國某地區的含風電場的電力系統中，在經濟調度環節就應用了模擬退火算法，并且將風電結合，實現了電力系統的調度問題求解。同時，該地區含風電場還對模擬退火算法利用約束滿足技術進行優化，提高其運算速率。

3.2.4 粒子群算法

除了上述幾種算法之外，粒子群算法是近幾年新生的人工智能優化算法之一。粒子群算法最初是仿生學技術中，通過模仿鳥群的集體行為而衍生出來的智能優化算法。例如，我國某地區的含風電場利用粒子群算法進行多約束、非凸、非線性、高維數以及大規模的電力系統控制和運行中的系統優化問題。通過將基本粒子群算法中加入下降搜索算子，有效提升了迭代環節中粒子的計算精度與收斂速度，從而優化了含風電場電力系統經濟調度的分析能力。

4 結束語

綜上所述，在進行大規模含風電場的電力系統經濟調度問題研究過程中，需要依靠數學求解以及優化模型的方法。通過模型可以得出當大量風能資源并入到電場系統后，容易造成的風險系統與備用管理問題。此外，根據不同的優化目標，需要結合不同的環境因素以及市場因素，綜合考量含風電場中的經濟調度問題，進而提升我國含風電場的電力系統中經濟調度性能，促進我國經濟社會的繁榮與發展。

參考文獻：

[1]高云龍，閆鵬.充分發揮火電系統深度變負荷能力的風火電動態經濟調度[J].中國電機工程學報，2017，37（09）：2491-2500.

[2]楊鳳惠，張向鋒，陳舒婷.基于協同進化多目標優化算法的含風電場的電力系統經濟調度研究[J].電力學報，2015，30（04）：349-355.

[3]龍軍，莫群芳，曾建.基于隨機規劃的含風電場的電力系統節能優化調度策略[J].電網技術，2011，35（09）：133-138.

[4]強浩洋.淺析電力系統調度運行存在的問題與解決措施[J].科技創新與應用，2014（35）：199.endprint