基于雙層規劃模型的光熱電站與新能源聯合規劃

吳源昊， 趙承漢， 李碩， 解大

(1.上海交通大學 電子信息與電氣工程學院，上海 200240； 2.上海電機學院 電氣學院，上海 201306)

0 引 言

當光熱電站作為靈活可控的機組來彌補風電和光伏的波動性出力時，能源間勢必具有很強的耦合性[1]。光熱電站與新能源電站的聯合規劃，對制定系統運行控制策略以及實現系統經濟運行具有重要意義。

目前研究主要為考慮風電和風光打捆等形式的新能源電站并網的電源規劃[2-3]。文獻[4]進行了風光沼分布式電源規劃。文獻[5]考慮風光聯合消納對電源進行規劃。而將光熱電站納入待規劃電源可以很好地彌補新能源出力的缺陷，改善火電機組的出力特性。此外采用雙層規劃能更有效地解決兩個相互作用和具有不同時間尺度的優化問題，可以更好地實現投資和運行兩方面的優化。

本文首先介紹雙層規劃模型機理，然后對含風-光-火-光熱的多能系統進行雙層模型規劃，通過算例仿真將雙層模型與單層模型進行對比，證明了雙層模型的先進性。最后對比四種不同電源配置規劃方案的方案結果，證明了將光熱電站加入待規劃電源后經濟性、實用性更優。

1 雙層規劃模型原理

本文建立上層規劃層和下層運行層的雙層模型。上層規劃層模型中，以系統年綜合成本作為上層目標函數Fup，以待規劃電源的資源容量節點約束和電源接入節點約束作上層函數約束條件g(x)，解得最優的電源接入節點位置和容量；同時建立下層運行層模型，下層目標函數Flow為單個場景下的運行成本，根據上層計算得出的電源位置、容量以及該電源的運行條件作約束條件h(x,y)，求解各電源的出力值，并把計算結果反饋至上層，更新規劃層的決策依據，其一般表達式如式(1)所示。

(1)

綜上所述，本文的規劃思路如圖1所示。

圖1 規劃思路圖

2 含風-光-火-光熱的多能協同雙層規劃

2.1 上層(規劃層)模型

2.1.1 目標函數

上層模型的目標函數為：

minFup=C1+C2

(2)

式中：Fup為系統年綜合成本；C1為投資成本；C2為運行成本。

2.1.2 約束條件

約束條件如式(3)～式(5)所示。式(3)為風電和光伏的裝機容量約束，式(4)為火電機組裝機容量約束，式(5)為光熱機組裝機容量約束。

(3)

(4)

(5)

2.2 下層(運行層)模型

下層運行層模型是優化運行模型，可以采用場景內運行成本最小作為調度策略進行建模。下層模型的目標函數如式(6)所示。

minFlow=fo=Cop+Cfuel+Chj

(6)

式中：Flow為最低運行成本；Fo為運行成本；Cop為運維成本；Cfuel為火電機組燃料成本；Chj為火電機組啟停成本。此外，下層模型需滿足的約束有波動新能源約束、光熱電站約束和火電約束等。

2.3 多能協同規劃模型求解

雙層規劃模型屬于混合整數非線性模型，為了提高運算效率，可以針對上下層模型采用不同的智能算法進行求解。上層模型屬于混合整數非線性模型，采用遺傳算法(GA)進行求解；下層模型屬于非線性規劃模型，采用風驅動優化算法(WDO)進行求解。

本文雙層規劃模型求解流程如圖2所示。

圖2 模型求解流程圖

圖2中：k為本文選取的風光典型場景數；n為當前選擇的場景序號。初始化種群，染色體數目為P，其中當前場景下計算的受風驅動的染色體序號為m。

2.4 模型評價指標

為了評價模型及規劃方案的優劣，提出以下兩個量化指標：

(1) 波動性新能源消納率。引入新能源消納率的概念對波動性新能源的消納效果進行評價，設τ為波動性新能源消納率，則其值滿足如下關系：

(7)

(2) 火電機組調峰比例。定義火電機組調峰比例κ作為評價指標能夠體現出光熱電站調峰對系統火電機組調峰壓力的改善效果，光熱電站響應越靈活，κ越小，系統中火電機組出力越平穩。

(8)

3 算例仿真及分析

光熱電站本身具有儲熱系統，能夠實現全天24 h持續出力，在本文作為穩定性電源考慮。

3.1 算例系統介紹

所選迪拜某地區的實際電力系統結構圖如圖3所示。

圖3 實際算例系統

系統共含有23個節點。該地區地廣人稀，根據風光資源分布情況以及各類待選電源的投資成本，設定風電接入節點為20、21、22，光伏接入節點為13、14、15、16，火電接入節點為9、10，光熱電站接入節點為1，外送節點為6。

3.2 算例仿真

3.2.1 雙層模型先進性驗證

為驗證提出的雙層規劃模型的先進性，設置單層典型規劃模型作為對比算例。單層規劃模型設置如下：

(1)以系統總成本最小為目標函數，決策變量為各接入節點的電源容量，約束條件考慮網絡約束與待安裝電源的容量約束，與雙層規劃模型相比未考慮各場景的經濟最優運行策略。

(2)與雙層模型相同，均采用場景分析理論描述風光不確定性出力，年度總費用為各場景下并行優化運行總費用的期望值，最終的優化結果如表1所示，其中電源規劃結果用“接入節點(接入數量)”的形式表示。

表1 不同模型的電源規劃結果

由表1可知：單層模型的規劃結果中新能源機組占比69.3%，其中波動性新能源裝機占總裝機容量的64.9%；而雙層模型的規劃結果中新能源機組占比82.5%，其中波動性新能源裝機占總裝機容量的73.7%。因此雙層模型有效提高了新能源裝機滲透率，降低了火電機組的裝機比例，裝機結構更加清潔化。

如表2所示:與單層模型相比，雙層模型年綜合費用下降了3.26億元，年運行費用下降了5.36億元，火電機組的啟停成本與燃料成本分別下降了70.9%%和63.2%。說明雙層模型的規劃結果在運行過程中減小了火電機組的調峰壓力并降低了火電機組的出力，提高了系統的清潔性。

表2 不同模型規劃結果的經濟性運行結果

3.2.2 規劃方案優化驗證

本節根據待規劃電源的種類提出如表3所示的兩種規劃方案。

表3 兩種方案下的電源規劃結果

方案一：待規劃電源為風電、光伏和火電。

方案二：待規劃電源為風電、光伏、火電和光熱電站。

由規劃結果對比可知，在均采用雙層規劃模型的前提下，考慮光熱電站作為待規劃電源時，波動性新能源的總裝機容量提高了13.5%，在更大容量配置風電和光伏裝機的前提下，棄風棄光的現象能夠得到緩解。

在算例系統中夏季典型日出力場景下，按照雙層模型的下層優化運行方式進行對比分析，此時系統的出力運行曲線如圖4和圖5所示。

圖4 方案一夏季典型日出力曲線

圖5 方案二夏季典型日出力曲線

由圖4和圖5可知，根據下層模型的經濟性優化運行策略，方案一即不含有光熱電站的規劃方案，在實際運行中的波動性新能源消納率τ=60%，火電機組調峰比例κ=70%；方案二即含有光熱電站的規劃方案，在實際運行中的波動性新能源消納率τ=69%，火電機組調峰比例κ=45%。方案一的運行結果中，外送時段主要在0∶00—6∶00，此時風電出力占比最高，達到全天高峰，但是棄風現象明顯，本地消納以火電為主；而方案二基本實現全天24 h外送，其中0∶00—6∶00和19∶00—23∶00由于光熱電站的快速響應，減小了火電機組爬坡和棄風量，本地消納以清潔能源為主，全天24 h外送電量明顯大于方案一。

綜上所述，在規劃階段考慮光熱電站作為待規劃電源能夠有效地提高波動性新能源的消納量，同時減小火電機組出力，提高系統清潔能源比例。

4 結束語

本文提出了考慮光熱電站和波動性新能源作為待規劃電源的電源雙層規劃模型，并從規劃和運行的角度求解規劃方案實現經濟最優，主要研究結論如下：

(1)雙層模型與單層模型相比，其下層考慮了各場景實際運行成本最小作為運行策略，在運算過程中通過上下層的迭代獲得最終的規劃方案，結果能夠滿足上層規劃和下層運行不同時間尺度的經濟性最優。

(2)仿真結果表明，在規劃階段考慮光熱電站作為待規劃電源能夠有效地提高風電和光伏的消納，同時減小火電機組出力，提高系統清潔能源比例，減少火電機組爬坡，減輕火電機組調峰壓力。