計及需求響應電量約束的日前調度策略

陳培培， 包宇慶， 陳 剛，張金龍， 王 琦， 唐小波， 李天然

( 南京師范大學南瑞電氣與自動化學院, 江蘇 南京 210042)

0 引言

隨著社會經濟的迅速發展，資源、氣候問題日益突出，增加可再生能源的利用已成為各國實現可持續發展的重要技術措施[1]。風能作為一種可再生能源，具有可以大規模開發利用的優勢，將成為替代化石能源的重要能源之一。按照我國“可再生能源中長期發展規劃”要求，到2020年可再生能源的將占能量消耗總量的15%，全國風電總裝機容量將達到3×107kW[2]。然而由于風電日內波動幅度很大，反調峰特性明顯[3]，大規模風電接入使得電網面臨著嚴峻的新挑戰[4-5]。

需求響應(demand response，DR)通過技術和經濟手段相結合，合理調用需求側資源來響應電力系統運行狀態，提高電力系統穩定性。將DR納入電力系統調度計劃考慮范疇，具有削峰填谷[6]、滿足穩定性要求[7]、抑制新能源波動[8]等優點，具有重要意義。

目前，已有不少相關文獻研究風電并網調度模型。文獻[9—10]針對風電并網引起的不確定性因素，考慮正負旋轉備用，以經濟性最優為目標建立含風電場的調度模型；文獻[11]提出一種考慮風電預測誤差帶的調度優化模型；文獻[12]提出了在多時間尺度內解決風能在電力系統中經濟調度問題的隨機規劃框架。上述文獻對節約火電資源，提高風能的利用率具有一定積極意義，但都是從發電側角度考慮電網調度優化問題。文獻[8，13]結合需求側資源，針對發電成本最低問題，考慮分時電價和可中斷負荷模型，有效提高系統經濟性與風能利用率；文獻[14]進一步以棄風電量期望最小為優化目標，建立兼顧發電成本與風電接納水平的日前調度模型；文獻[7]在保證系統可靠性與經濟性的前提下，提出一種考慮短期隨機安全約束的機組組合日前調度模型；文獻[15]將備用容量作為機會約束條件，建立了融入DR并計及風險機會約束的日前調度模型。

將需求側資源作為發電調度的補充，對電力系統的穩定運行具有重要意義[16]，目前少有文獻研究考慮需求側可控負荷電量約束的調度模型。可控負荷主要有溫控負荷、電動汽車等，此類負荷有共同的特點，即具備一定的儲熱(冷)或者儲存電量的能力。這類電器設備類似于儲能設備，當電源突然切斷時，設備內部的熱(冷)量或者電量能夠維持一段時間且基本不會對用戶造成影響[18]。但由于其儲能量不可能無限增加或減少，為了保證電力系統穩定運行，在調度模型中有必要增加可控負荷電量約束條件。因此本文綜合考慮發電側與需求側資源，在傳統調度模型中加入DR電量約束條件，建立日前調度模型。

1 數學模型

1.1 目標函數

在負荷和風電預測數據的基礎上建立日前調度模型，以經濟性最優為目標，通過合理安排火電機組的出力，使發電總成本最低，其目標函數如下：

(1)

(2)

Ui,t=pfcsxi,t

(3)

Di,t=pfcdyi,t

(4)

式中：t為時段號；i為機組號；Nt為調度周期時段數；Np為機組數；Pi,t為第i臺火電機組在t時刻的輸出功率；F(Pi,t)為火電機組發電成本；pf為燃料價格；a，b，c為發電機組的能耗特性系數；Ui,t與Di,t分別為火電機組啟停成本；cs與cd分別為火電機組啟停價格；xi,t與yi,t分別為第i臺機組在t時刻的開啟與關閉動作；pzZt為轉移負荷的成本，pz為用戶增加或減少用電的激勵價格；Zt為需求響應在t時刻轉移的負荷，Zt為正表示t時刻的負荷轉移到其它時刻，Zt為負表示其他時刻的負荷轉移到t時刻；Qt為風電場的切風量，pqQt為風電場的切風成本。

1.2 約束條件

(1) 功率平衡條件：

(5)

式中：Wt為風電場在t時段的風電預測功率，τt為t時段系統總負荷。

(2) 機組啟停變量的約束：

(6)

式中：ui,t為第i臺機組在t時刻的狀態。

(3) 火電機組開關約束：

(7)

式中：xi,t為第i臺機組在t時刻的開啟動作；yi,t為第i臺機組在t時刻的關閉動作。

(4) 火電機組輸出功率上/下限約束：

(8)

式中：Pimax為第i臺機組出力下界；Pimin為第i臺機組出力上界。

(5) 火電機組爬坡速率約束：

-βi≤Pi,t-Pi,t-1≤αi

(9)

式中：αi為第i臺機組相鄰時段功率變化量上界，-βi為第i臺機組相鄰時段功率變化量下界。

(6) 潮流約束：

θref=0

(10)

節點功率平衡方程：

Pm+Qm-Mm=Im

(11)

式中：Pm是火電機組在節點m上的注入功率；Qm是風電場在節點m上的出力；Mm是節點m上的負荷；Im是節點m上的流入功率。

(7) 支路潮流約束：

(12)

(13)

式中：θm與θn為節點m與節點n的電壓相角；xl是節點m與節點n之間的支路l的電抗值。

(8) 可控負荷約束：

(14)

式中：Smax為調度周期內負荷的轉移引起的電量變化，Smax=0表示所削減的負荷全部轉移到其他時段，調度周期內用電量不發生變化。

(9) DR電量約束：

1.2.3 D 在進行人員培訓時，需要對所有的門診抽血人員進行相應的考核和培訓，加深其應用印象。同時在日常工作中，也應當做好相應的風險預防和風險應急處理機制，使工作人員在進行日常醫療活動時，能夠對風險進行預防，而在風險發生時也能夠對其進行及時處理，降低影響范圍。

可控負荷可等效為儲能設備。對于電動汽車，其能量可以等效為電量；而對于溫控負荷，其能量則可以等效為儲存的熱(冷)量，但是不論哪種，其具有的能量都不可能無限增加或減少。

換言之，可控負荷可轉移電量是有限制的，為避免影響電力系統安全運行，需要增加需求響應的電量約束條件。

(15)

0≤E≤Emax

(16)

式中：E為可控負荷的電量；E0為調度周期起始時刻可控負荷的電量；Emax為可控負荷所能夠轉移的最大電量。

2 仿真算例

算例選取6節點系統，如圖1所示，該系統含有3臺火電機組以及1臺風電機組。表1為火電機組相關數據[19]，表2為6節點系統預測負荷[7]以及風電的預測數據，采用適用于混合整數線性規劃的軟件YALMIP與ILOG CPLEX 12.5進行優化計算。

圖1 6節點系統單線圖Fig.1 One line diagram of 6-bus system

機組最大出力/MW最小出力/MW爬坡速率/(MW·h-1)能耗特性系數abcG12201005510010.000.050G2100105016240.660.001G320102017122.060.006

表2 6節點系統預測負荷與風電預測數據Tab.2 Forecasted load and wind power for 6-bus system

時段預測負荷數據/MW風電預測數據/MW時段預測負荷數據/MW風電預測數據/MW1262.79265.8513263.27229.092247.73280.0914365.40215.193238.01302.9315373.29185.954232.10318.5016383.69172.285232.59323.7617384.00161.296240.72314.2918370.11148.657260.09302.1519368.96145.628266.40301.3020356.03146.629280.22297.9021355.97160.4910310.44291.7922349.01176.3111342.92269.6723293.90191.7612354.15251.4324393.40216.86

為驗證本文提出方法的有效性，采用以下3種模型進行對比分析：

模型Ⅰ：不考慮DR；

模型Ⅱ：考慮DR，不考慮DR的電量約束；

模型Ⅲ：同時考慮DR和DR的電量約束。

針對上述3種情況分別進行負荷預測，如圖2所示。為了進一步說明電量約束條件的作用，本文比較了考慮與不考慮DR電量約束情況下的區別，此處假設可控負荷所能夠轉移的最大電量Emax為260 MW·h。

首先，為了得到調度周期起始時刻可控負荷的電量，假設式(15)中E0為0，代入調度后得到一天的可控負荷轉移量，再估算出電量的實際初始值，傳統方法中E0為30 MW·h，本文方法中E0為0 MW·h。

圖2為考慮不同約束條件下的負荷預測結果。由圖2可見，無論是否考慮DR電量約束，引入DR都可以優化負荷曲線，具有顯著的“削峰填谷”的效果。

圖2 不同情況下的預測負荷Fig.2 The forecasted load under different constrains

圖3為不同約束條件下24時段的可控負荷轉移量，考慮DR電量約束后，負荷轉移量有所削減。在用電低谷時段，轉移量為負，表示其他時段的負荷轉移到該時段，可等效為對負荷充電；在用電高峰時段，轉移量為正，表示該時段的負荷轉移到其它時段，可等效為負荷放電。

圖3 不同約束下的可控負荷轉移量Fig.3 Transferred quantity of controllable load under different constrains

轉移的電量與負荷充放電狀態如圖4所示。

圖4 不同約束下的負荷電量與充放電狀態Fig.4 Load electricity quantity and charge and discharge status under different constrains

傳統方法中，負荷在調度周期內最大電量為Emax為309.5 MW·h，負荷充放電狀態達119.04%，超出了需求側負荷所能夠增減的最大電量限值260 MW·h；而考慮DR電量約束后，負荷所能夠增減的電量被約束在最大電量變化范圍內，有效防止負荷電量越限，從而保證系統運行的安全可靠。

以上例證說明了引入DR電量約束條件的必要性，下面分別比較可控負荷所能夠增減的電量限值不同對優化結果的影響。引入電量的標幺值：

(17)

圖5 不同電量約束條件下的預測負荷Fig.5 The forecasted load with different electricity quantity constraint

成本類型模型Ⅰ模型Ⅱ模型ⅢE=1E=0.8E=0.5發電總成本/萬元12.45711.04911.65511.91312.354火電機組發電成本/萬元12.31810.82911.42911.69712.154啟停成本/元225225225225225切風成本/元1 165.0730.9995.51 099.51 255.5負荷轉移成本/元012381040832520

從表3中可看出：

(1) 需求側資源的引入降低了火電機組發電成本與風電機組的切風成本，使得發電總成本大大降低，提高了經濟性；

(2) 在考慮DR電量約束后，由于需求側可調度的負荷資源減少，負荷轉移成本隨之減少，但同時火電機組的發電成本與風電機組切風成本有所增加，最終的發電總成本也隨之增加；

3 結語

本文以經濟性最優為目標，綜合考慮發電側與需求側資源建立了計及需求響應電量約束的日前調度模型。模型中引入DR可以提高系統調度運行的經濟性，同時，在傳統約束條件中加入需求側可控負荷的電量約束條件對于保證系統安全穩定運行是必要的。通過仿真算例可以得到以下結論：

(1) 在日前調度模型中引入DR資源，可以有效降低發電成本，從而達到經濟性最優的目標；

(2) 在考慮DR資源的日前調度模型基礎上，本文模型增加了DR電量約束，雖然發電成本有所增加，但兼顧了需求側資源實際上能夠提供的最大電量值，可以有效防止可控負荷電量越限，提高系統運行的安全可靠性；

(3) DR電量限值不同，發電成本也將不同。更大的DR電量限值，意味著DR可以更多地參與到電力系統調度中，其發電成本也大大降低。

目前需求側資源眾多，能夠參與調度的資源卻很少，因此，發掘需求側資源的潛力，在未來的調度中提出新的約束條件，對提高電力系統運行的經濟性、穩定性具有重大意義。