適應光伏并網的電力優化調度方法

劉傳新

【摘 ?要】隨著人們的生活質量在不斷的提高，對于用電的需求在不斷的加大，光伏出力具有隨機性和波動性，大規模光伏并網將對電力系統帶來較大的沖擊，研究適應光伏并網的電力優化調度方法具有重要的實際意義。本文分析了光伏的典型出力特性，構建了光伏消納優化調度模型，并采用內點法求解，最后以IEEE30節點系統為例分析了光伏消納優化調度方法的應用效果。

【關鍵詞】光伏并網;電力生產;優化調度;光伏消納

引言

由于能源危機、環境惡化等問題，諸多國家正在加快太陽能、風能的開發與利用，太陽能光伏（photovoltaic，PV）發電和太陽能光熱（concentratingsolar power，CSP）發電已經成為當前太陽能發電技術路線的主流。光伏發電間歇性、波動性和隨機性的特點，給電力系統的安全、穩定、可靠運行帶來了諸多問題，加劇了大規模并網情況下電力系統的調峰壓力，對系統的調峰平衡帶來負面影響。因此，諸多文獻對于含光伏并網的系統調度模型做了研究。將碳交易機制引入電力系統經濟調度中，構建了考慮大規模光伏電源接入和CO2排放經濟價值的優化調度模型。以最小化經濟成本和電網供電方差為目標，建立了含光伏和蓄能的冷熱電聯供系統調峰調蓄優化調度數學模型，最大程度實現區域電網的削峰填谷。為了提高分布式光伏在配電網中的滲透率，平抑其并網功率波動，提出一種包括配電系統實時調度和儲能電站站內功率分配雙層結構的儲能電站實時調度方法。

1概述

1.1光伏出力特性

光伏電站初始投資包括光伏組件、并網逆變器、配電設備及電纜、電站建設安裝等成本，其中光伏組件投資成本占初始投資的50%～60%。光伏電池組件效率的提升、制造工藝的進步以及原材料價格下降等因素都會導致光伏發電成本的下降。目前，組件生產成本已顯著下降，為光伏發電成本的降低起到推動作用。但光伏出力的波動也較大，對系統造成較大的影響。系統發電效率影響因素包括光伏電池組本身的轉化效率、系統使用效率和并入系統電網前的中間損失等，其中，光伏電池組本身的轉化效率起著基礎性的作用，而決定光伏電池組轉換效率的是太陽能電池的光電轉換效率。光伏電站出力受太陽能資源的影響，具有規律性和波動性。

1.2光伏電站運行機理

當前，中國的并網光伏發電呈現著“分散開發、低壓就地接入”與“大規模集中開發、中高壓接入”的兩種主要發展趨勢，建設大型并網光伏電站是集中利用太陽能的重要方式。相比離網光伏發電系統，大型并網光伏電站可以略去蓄電池儲能環節，基于最大功率點跟蹤技術（MPPT）實現系統效率的提升;相比小型并網光伏發電系統，大型并網光伏電站可以集中利用太陽能，通過采用逆變器并聯、集中管理和運行控制技術，可在不同運行場景下充分利用太陽能的時間特性和儲能技術，對電力系統起到削峰、無功補償的作用。

2光伏并網的電力優化調度方法

2.1第一階段優化

大型光伏光熱聯合發電基地并網運行后，由于光熱電站配備了大容量的儲熱裝置以及具備快速爬坡能力的汽輪機組，該系統對于電網而言具備了調節電網峰谷差、改善負荷曲線、增強電力系統靈活運行的作用。因此，在第一階段優化過程中，以削減系統負荷峰谷差為目標，應用粒子群優化算法，建立光伏光熱電站的調峰的優化調度模型，為第二階段的機組組合和經濟負荷分配提供等效負荷數據。

2.2第二階段優化

第二階段的火電機組優化調度在第一階段優化后的等效負荷的基礎上進行。優化目標是在調度周期內和一定約束條件下，合理安排機組啟停和經濟負荷分配，使得總發電成本最低。

2.3求解方法

遺傳算法是一種建立在自然選擇原理和自然遺傳機制上的迭代式自適應概率性搜索方法。它模擬自然界中生物進化的發展規律，在人工系統中實現特定目標的優化。目前遺傳算法發展迅速，已被廣泛應用于解決各種問題，例如，系統優化、機器學習、工程控制、模式識別、人工智能、故障診斷以及計算機技術等領域，取得了良好的效果。遺傳算法的基本思路是，利用數字編碼模擬由遺傳算子作用這些編碼構成的群體的進化過程。遺傳算法求解過程類似于生物進化，通過作用于染色體上的基因，尋找好的染色體來求解優化問題。遺傳算法通過選擇操作，有組織地，隨機地交換信息來重新組合那些適應性好的個體，同時也在某些個體結構中嘗試用新的基因去替代原有的基因來生成新的個體。遺傳算法相比傳統算法最大優勢在于對優化模型的數學形式要求較低，不要求連續可導，甚至目標函數可以分段。在本文所提模型中，需調用外界仿真軟件獲得系統暫態穩定分析結果，因此傳統經典算法無法處理這一問題。

2.4儲能工作策略

儲能工作策略包括經濟性最佳策略和可靠性最佳策略。1）經濟性最佳策略：儲能發揮削峰填谷的作用，充分利用峰谷價差，實現經濟效益最大化。即儲能只在低谷電價時段和光伏發電多余時充電，在高峰時段放電。2）可靠性最佳策略：儲能發揮平抑光伏發電波動性和減少高峰從電網購電的作用，最大化消納光伏發電，以便于最大限度地保證電網的安全平穩運行。即儲能只在光伏發電多余時充電，在電網電力自給不足時放電。

3光伏消納優化調度模型

近年來，中國太陽能電池與組件規模迅速擴大，光伏電池制造技術進步不斷加快，產品質量位居世界前列。當前新能源已經成為我國重要的電力來源，目前已經有13個省區新能源電量的比重超過了10%。光伏能否獲得持續發展、大規模發展的關鍵因素，在于能否盡早平價上網，產生與其他類型電力相競爭的市場化競爭力。而決定發電成本的關鍵因素是光伏發電系統的價格和發電效率，首先需要解決的問題是大規模光伏并網之后，系統如何實現優化調度的問題。為此，本文構建了光伏消納優化調度模型，該模型由目標函數和約束條件構成。光伏消納優化調度模型的目標函數為光伏功率消納最大： 式中，ΔPi為第i個光伏電站的光伏消納功率;N為系統中并網的光伏電站數目;Δt為光伏消納周期的時間間隔，一般取15min為一個時段。光伏消納優化調度模型的約束條件主要包括系統的功率平衡約束，節點電壓和支路潮流約束，系統中常規火電機組出力約束等。由于光伏電站的裝機容量有上限值，故存在光伏出力最大值約束，一般取為額定容量。除此之外，由于光伏出力的波動性和不確定性，系統必需設置一定的備用容量，以使得光伏出力波動較大時系統仍能滿足功率平衡約束。系統的旋轉備用容量約束為： 式中，HG，i，t為系統中第i臺機組在時段t的啟停狀態，PmaxG，i為第i臺機組的額定容量，α和β分別為系統的上下旋轉備用容量的需求系數，Sdt為系統中負荷的備用容量需求系數，Ppv，t為在時段t的光伏出力數值。式為系統的上旋轉備用容量約束，表示當系統的光伏出力不足時，系統中的常規機組應能增大出力，滿足系統的負荷需求。式為系統的下旋轉備用容量約束，表示當系統的光伏出力過大時，系統中的常規機組應能降低出力，以使系統仍能保證功率平衡，維持系統穩定運行。上述光伏消納優化調度模型可采用常規的內點法迭代優化計算，該方法具有計算結果準確，收斂可靠的優點，在數據優化模型的求解中得到了廣泛的采用。內點法計算優化模型的原理是迭代計算，當計算誤差在允許范圍內時，可認為已經找到了一個最優解點，之后再繼續尋找下一個時段的下一個最優解點，直到完成系統中所有時段的優化計算。將系統中全天的光伏消納功率總加，結果即為系統中全天的光伏消納電量。

結語

目前國家一直鼓勵光伏發電項目靠近電力負荷建設，接入中低壓配電網實現電力就近消納。各類配電網企業將為分布式光伏發電接入電網運行提供服務，優先消納分布式光伏發電量，建設分布式發電并網運行技術支撐系統并組織分布式電力交易。此外，太陽能光伏市場應用將呈現寬領域、多樣化的趨勢，適應各種需求的光伏產品將不斷問世，除了大型并網光伏電站外，與建筑相結合的光伏發電系統、小型光伏系統、離網光伏系統等也將快速興起，因此光伏并網后的優化調度方法將發揮更加重要的作用。

參考文獻：

[1]原亞寧，李琳，周博文.基于機會約束規劃的分布式家庭并網光伏系統優化調度模型[J].智慧電力，2018（1）：7-13.

[2]段紹輝，汪偉，劉中勝，等.含光伏的冷熱電聯供微網系統優化調度方案[J].電力系統及其自動化學報，2013，25（4）：150-155

（作者單位：國網山西省電力公司大同供電公司）