考慮風電消納的源-荷協同優化調度策略

李衛東，賀鴻鵬

考慮風電消納的源-荷協同優化調度策略

李衛東1，賀鴻鵬2

（1．沈陽工業大學電氣工程學院，遼寧省 沈陽市 110870；2．國網內蒙古東部電力有限公司，內蒙古自治區 呼和浩特市 010020）

為提升風電消納比例，提出一種基于遺傳算法的源-荷協同調度策略。旨在通過負荷側需求響應與源側發電機組共同參與電網優化調度，緩解由于風電反調峰特性導致的大規模棄風問題。在電力用戶自愿參與電網調度的基礎上，分析激勵型需求響應參與電網調度對風電消納的影響機理，以系統總成本最低為目標建立源-荷協同優化調度模型，在保證系統安全、可靠的前提下，采用遺傳算法對模型進行求解。利用Matlab對算例進行仿真計算，與僅考慮源側優化的調度策略相比，風電消納比例提高了27.56%，總調度成本降低了4798元，驗證了所提策略對于提升風電消納的有效性。

風電消納；源-荷協同調度；需求響應；調度模型；遺傳算法

0 引言

風電作為可再生能源因具有成本低、環保、可持續性等諸多優點，近年來獲得了快速發展。但由于其出力具有隨機性、間歇性以及反調峰特性，風電并網給電網調度帶來一定挑戰[1-3]。據統計，2018年1—9月，全國風電發電量為2 676億kW·h，其中棄風電量為222億kW·h[4]，棄風問題依然嚴峻。

為提升風電消納比例，國內外學者對電網優化調度策略進行了深入研究。文獻[5]針對電力系統因調節能力不足而造成棄風等問題，構建了多源并存的電力系統風–火–水–儲–氣聯合優化調度模型，并給出了模型的求解方法，其結果驗證了所提模型對促進風電消納的作用。文獻[6]從解耦熱電耦合約束、提升電力系統調節能力角度出發，提出了基于含儲熱的熱電聯產機組與電鍋爐的棄風消納協調調度模型，結果表明電鍋爐供熱在極限消納棄風時具有最佳經濟性。文獻[7]為解耦傳統的“以熱定電”約束，提高系統風電消納能力，針對風電-電儲能-蓄熱式電鍋爐的聯合系統，充分地考慮了電儲能裝置對功率和能量的時間遷移能力以及電、熱系統互補的物理特性，并引入了棄風成本參數，建立了以實現最低運行成本為目標的綜合調度模型。文獻[8]在考慮風電出力不確定性的基礎上提出了一種風電場與含儲熱的熱電聯產聯合運行的調度模式。文獻[9]通過在供熱側配置儲熱、在供電側配置抽水蓄能，與常規機組共同參與電網優化調度，形成了電熱聯合系統多源協調運行的調度模式，并以風電消納電量最大和系統運行成本最小為目標建立了電熱聯合系統多源協調優化模型。文獻[10]在發電側引入了儲能系統，在電網側采用魯棒優化的方法來描述風電出力的不確定性，提出了一種考慮儲能參與的含高比例風電互聯電力系統分散式調度模型，并對風電采取了區域內消納和跨區域外送2種消納方式，通過算例驗證了模型的有效性。

上述研究成果突出了協同調度方式在風電消納中起到的重要作用。本文提出一種源–荷協同調度策略，首先分析了需求響應對風電消納的影響機理，并依據電力輔助服務市場相關政策建立了需求響應調度模型，即參與電網調度的用戶會收到一定的補償。然后基于源-荷系統模型建立了以總成本為最低的目標函數，并充分考慮電網功率平衡等約束條件。最后利用Matlab進行仿真計算，驗證所提策略的有效性。

1 激勵型需求響應

需求響應是指電力用戶根據市場的不同激勵機制改變原有的用電習慣，按照用戶參與調度的響應形式對需求響應進行劃分，可分為基于價格的需求響應和基于激勵的需求響應[11]。本文只考慮基于激勵的需求響應。

隨著電力用戶種類的增長，日間負荷需求與夜間風力大發形成明顯沖突，其中具有快速投切、高自動化且僅在日間工作的高耗能工業負荷加劇了該沖突的影響。因此，國家發改委提出電力輔助服務市場相關政策，鼓勵用戶參與電網調峰并給與一定補償。在日間負荷高峰期，參與需求側響應的電力工廠用戶減少投產機組或停止生產，以降低電網調峰壓力，為保證用戶生產利益，工廠用戶可在夜間風電大發期間進行生產。此做法既能保證用戶生產利益，又有利于提升風電消納比例，圖1為需求響應參與電網調度提升風電消納比例的示意圖。由圖1可知，若用戶自愿參與電網調度，可將11:00—15:00的負荷轉移至風電功率較大的00:00—04:00，為風電提供消納空間。由此可見，若用戶參與需求響應可增加負荷調節靈活性，是避免系統發生大規模棄風的重要手段。

圖1 需求響應參與風電消納示意圖

激勵型需求響應調度模型建立如下：

為保證工廠的生產效益，對激勵型需求響應約束如下：

2 源-荷調度模型及約束條件

2.1 源-荷調度模型

2.1.1 火電機組

火電機組作為可控電源，可以通過合理的調度跟蹤電網負荷的變化。此時，發電成本主要為燃料成本：

式中：1表示火電機組燃煤成本；表示火電機組總數；a、b和c表示燃料成本系數；P表示火電機組在時刻的功率。

2.1.2 熱電聯產機組

熱電聯產機組的出力包括熱出力和電出力，運行過程中要同時滿足熱力平衡與電力平衡，因此在運行過程中不允許停機。本文只考慮熱電聯產機組的電出力，但在計算其燃煤成本過程中，需將熱出力轉換為電出力進行計算[12]，計算公式如下：

式中：ZS,j,t表示折算后的電功率；CHP,j,t和CHP,j,t分別表示熱電機組在時刻的電功率和熱功率；v,j為抽汽式熱電機組的熱電比。此時的發電成本主要為燃料成本，計算公式如下：

式中：2表示熱電聯產機組燃煤成本；表示熱電聯產機組總數；m、m、m表示熱電聯產機組燃料成本系數。

2.1.3 棄風成本

為促進風電消納，需對棄風功率進行懲罰，懲罰成本計算公式為

2.1.4 激勵型需求響應

激勵型需求響應主要為依據電力輔助服務市場政策的補償成本，計算公式如下：

式中4為參與需求響應給予用戶的補償成本。

綜上，建立以總成本最低為目標的目標函數

2.2 系統約束

2.2.1 功率平衡約束

在忽略網絡傳輸損耗的基礎上，各發電機組的輸出電功率之和與經過需求響應之后的負荷相等，即

2.2.2 常規機組約束

1）源側機組約束。

由于火電機組存在最小運行方式，其出力應被限制在機組出力上下限之間：

式中max,i和min,i分別表示火電機組出力的上下限。

熱電聯產機組電出力的上下限：

式中max,CHPj和min,CHPj分別表示熱電聯產機組電出力的上下限。

2）荷側約束。

需求響應約束條件如公式(2)和(3)所示，在此不再重復說明。

3 模型求解

本文采用遺傳算法(genetic algorithm，GA)求解所提出的調度模型。遺傳算法是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。其主要特點是直接對結構對象進行操作，沒有求導和函數連續性的限定；采用概率化的尋優方法，不需要確定的規則就能自動獲取和指導優化的搜索空間，自適應地調整搜索方向[13]。具體求解流程見圖2。

4 算例分析

圖2 模型求解流程圖

在本算例中假設風電預測值以及負荷預測值為精準值，二者預測值如圖3所示。

表1 火電機組與熱電聯產機組的技術參數

圖3 風電及負荷預測值

將上述參數輸入調度模型中，將熱電聯產機組功率、火電機組功率、棄風功率以及需求響應功率作為優化對象，在保證系統安全、可靠的前提下，經遺傳算法優化后得到各項費用如表2所示，風電消納對比如圖4所示。

表2 不同調度策略的系統運行費用

圖4 風電消納對比

由表2和圖4可知，負荷側需求響應能夠有效降低棄風成本并促進風電消納。僅對源側機組進行優化的調度策略的風電消納比例為63.37%，而本文所提調度策略的風電消納比例為90.93%，消納比例提高了27.56%。

圖5為2種調度策略負荷需求對比，可以看出，將負荷功率進行優化后，在夜間00:00—04:00風電大發期間，其負荷需求有所提高，有利于為消納風電提供空間；而在風電較少期間，負荷需求有所降低，減小電網調峰壓力。圖6為2種調度策略熱電聯產機組和火電機組出力對比圖，可見在夜間00:00—04:00風電大發期間，本文所提的源-荷協同調度策略中火電機組和熱電聯產機組的有功出力較低，進一步為風電消納提供空間。

圖5 負荷需求對比

圖6 熱電聯產及火電出力對比

5 結論

針對提升風電消納，提出了一種基于遺傳算法的源-荷協同調度策略，建立了以總成本最低為目標的函數，對源–荷系統的功率進行優化。結果表明：與只對源側機組進行優化的調度策略相比，所提調度策略風電消納比例提高了27.56%，總調度成本降低了4798元。由此可得出如下結論：

1）源–荷協同調度策略對促進風電消納、降低系統調度成本有積極作用。

2）需求側響應能緩解由于風電的反調峰特性而導致的棄風問題，是提升風電消納的有效手段。

[1] 薛靜瑋，吳曉升，葉榮，等．大規模風電接入輸電網的源網聯合規劃[J]．電網與清潔能源，2019，35(3)：68-74．

[2] 傅旭，趙娟，張更賀，等．風電場接入對送端電網暫態特性的影響研究[J]．分布式能源，2019，4(1)：17-21．

[3] 金尚婷，吳杰康，覃煒梅，等．考慮風電消納的配電網多目標無功協同優化[J]．廣東電力，2019，32(1)：52-59．

[4] 國家能源局．2018年前三季度風電并網運行情況[EB/OL]．(2018-10-30)[2018-12-15].http://www.nea.gov.cn/2018-10/30/c_137569222.htm．

[5] 甘偉，艾小猛，方家琨．風–火–水–儲–氣聯合優化調度策略[J]．電工技術學報，2017，32(S1)：11-20．

[6] 崔楊，陳志，嚴干貴．基于含儲熱熱電聯產機組與電鍋爐的棄風消納協調調度模型[J]．中國電機工程學報，2016，36(15)：4072-4081．

[7] 王振浩，楊璐，田春光．考慮風電消納的風電-電儲能-蓄熱式電鍋爐聯合系統能量優化[J]．中國電機工程學報，2017，37(S1)：137-143．

[8] 戴遠航，陳磊，閔勇．風電場與含儲熱的熱電聯產聯合運行的優化調度[J]．中國電機工程學報，2017，37(12)：3470-3479．

[9] 李守東，董海鷹，張蕊萍．考慮風電消納的電熱聯合系統多源協調優化運行[J]．太陽能學報，2018，39(8)：2217-2225．

[10] 任建文，許英強，董圣孝．考慮儲能參與的含高比例風電互聯電力系統分散式調度模型[J]．電網技術，2018，42(4)：1079-1086．

[11] 肖斐，艾芊．基于模型預測控制的微電網多時間尺度需求響應資源優化調度[J]．電力自動化設備，2018，38(5)：184-190．

[12] 崔楊，陳志，嚴干貴．基于含儲熱熱電聯產機組與電鍋爐的棄風消納協調調度模型[J]．中國電機工程學報，2016，36(15)：4072-4081．

[13] 許瑋，袁弘，車長明．含電動汽車柔性負荷響應的優化調度策略研究[J]．電測與儀表，2018，55(14)：8-12．

[14] 崔楊，楊志文，仲悟之，等．降低硫硝排放的含儲熱熱電聯產機組與風電聯合調度策略[J]．電網技術，2018，42(4)：1063-1070．

[15] 丁明，劉新宇，解蛟龍．面向提高風電接納能力的多區域熱–電聯合調度模型[J]．中國電機工程學報，2017，37(14)：4079-4088．

Source-load Cooperative Optimization Dispatch Strategy Considering Wind Power Accommodation

LI Weidong1, HE Hongpeng2

(1. School of Electrical Engineering, Shenyang University of Technology, Shenyang 110870, Liaoning Province, China; 2. State Grid East Inner Mongolia Electric Power Supply Co., Ltd., Hohhot 010020, Inner Mongolia Autonomous Region, China)

In order to improve the proportion of wind power accommodation, a source-load cooperative dispatch strategy based on genetic algorithm was proposed. The purpose of this dispatch strategy is to alleviate the problem of large-scale wind power curtailment, which is caused by the anti-peak regulation characteristics of wind power. Based on the voluntary participation of users in grid dispatching, the influence mechanism of excitation-type demand response participating in power grid dispatching on wind power consumption was analyzed. The source-load coordination optimization model was established with the goal of minimizing the total cost of the system. On the premise of ensuring the safety and reliability of the system, genetic algorithm was adopted to solve the model, Matlab was used to carry out simulation calculation on the

wind power accommodation; source-load cooperative dispatch; demand response; dispatch model; genetic algorithm (GA)

10.12096/j.2096-4528.pgt.18266

TM 614

遼寧省自然科學基金計劃重點項目(20170520292)。

Project Supported by Key Project of Natural Science Foundation of Liaoning Province (20170520292).calculation example in this paper. The results show that the proportion of wind power increase by 27.56%, andthe total dispatch cost decrease by 4798 RMB, whichverify the effectiveness of the proposed strategy.

2019-09-02。

(責任編輯 辛培裕)