考慮可調度空間約束的廣義源儲系統最優數學模型

余虎，胡劍宇，潘力強，方紹鳳，李娟，王昱

(1. 中國能源建設集團湖南省電力設計院有限公司，湖南 長沙 410007；2.國網湖南省電力有限公司，湖南 長沙 410004)

0 引 言

在新能源高滲透率系統中，由于傳統電源的調節能力不足，電力系統運行中產生了較為嚴重的棄風棄光現象[1-2]。儲能技術作為目前提高風電等新能源利用率的一種重要參與方式，成為現有研究的重點[3]。

儲能技術不但可以抑制新能源出力的波動性并且補償其預測誤差，而且使得大規模新能源能夠接入電網，它在電力系統中的應用越來越廣泛。儲能參與電力系統調度的方式主要分為兩種：一是降低新能源出力波動，使得電源側的總電源出力保持平穩[4]，文獻[5-6]建立了由BESS和ACLs構成的虛擬儲能系統;二是可以將新能源作為一種可調度資源，參與電力系統的削峰填谷等[7]。文獻[8]提出了將飛輪儲能裝置應用于含新能源的電力系統中。文獻[9]針對風儲一體化系統優化調度，提出了一種儲能充放電的最優控制策略。

基于以上的研究內容，提出廣義儲能系統，即利用一定規模、先進而經濟的儲能系統，制定靈活、互動性強的運行策略，將新能源分散的電能平移集中至高峰負荷時段，使其緊密跟蹤電網負荷變動，從而達到減少火電裝機，降低系統運行成本，減少棄水、棄新能源的目的。而隨著廣義儲能系統優化模型的復雜程度越來越大，如何針對現有傳統電力系統優化模型進行改進成為亟需解決的問題。

針對傳統電力系統優化模型中傳統火電機組出力約束使得模型求解范圍過大、求解速度慢等問題，首先提出了一種凈負荷增量指標，可有效縮減機組出力變量的可行域范圍；然后建立考慮可調度空間約束的廣義源儲系統優化調度模型，有效降低系統的運行成本，并減少棄水、棄新能源；最后在模型求解過程中運用標準粒子群與模擬退火算法相結合的混合粒子群算法對最優調度數學模型進行求解，在確保求解精度的同時大大減少了計算量，且不易陷入局部最優。

1 考慮凈負荷邊際量的可調度范圍約束

1.1 凈負荷邊際量標幺值指標

根據功率平衡原理，傳統火電機組在下一時刻的總出力應等于總負荷與水電、新能源出力的差值，即凈負荷值。因此，針對凈負荷可能存在的偏差情況，首先提出凈負荷邊際量標幺值，然后提出一種考慮凈負荷邊際量標幺值的傳統火電機組可調度范圍約束。

定義凈負荷邊際量標幺值η如式(1)所示。

(1)

1.2 可調度范圍約束

首先根據傳統火電機組在t-1及t時段的出力情況預測凈負荷值確定總調度出力空間，然后根據η確定機組的約束范圍，最后取該約束范圍與機組固有出力范圍的公共部分作為機組可調度范圍約束。

傳統火電機組的可調度范圍如下所示。

(2)

(3)

2 廣義儲能系統的數學模型

2.1 廣義儲能系統概念及框架

廣義源儲系統是一種時空分散和多種型式的儲能的新能源構筑的統一調度聯動系統，如圖1所示。

圖1 廣義源儲系統示意圖

2.2 儲能系統的約束條件

儲能系統通過夜間低谷時段儲電和白天峰時段放電，可以有效將低谷時段剩余的風電平移至高峰負荷時段，采用一種集中控制策略對儲能裝置進行調控[10]。本文主要將儲能引入發電側，借助儲能控制器跟蹤蓄電池充放電行為，具體為：

(4)

(5)

Qmin≤Qt≤Qmax

(6)

(7)

3 含可調度空間約束的廣義源儲系統優化調度模型

3.1 目標函數

以系統運行成本最小為目標，廣義源儲系統優化調度模型的目標函數如式(8)所示。

(8)

3.2 約束條件

(1) 機組出力可調度范圍約束

(9)

(2) 功率平衡約束

(10)

(3)火電機組運行約束

PGimin≤PGi≤PGimax

(11)

(12)

(13)

式中：PGimax、PGimin分別為各傳統火電機組的最大、小發出功率；URi、DRi分別為機組的上、下爬坡速率。

(4)風電機組運行約束

0≤PWj≤PWjmax

(14)

式中：PWjmax為風電機組的最大出力。

3.3 模型求解

根據某省實際運行數據，考慮僅在電網電力出現盈余、虧缺的時候才啟用儲能，具體求解流程如圖2所示。

圖2 模型求解流程圖

步驟1：根據電力系統的實際運行參數，建立廣義源儲系統最優調度數學模型。

步驟2：根據負荷、水電、新能源預測結果，計算調度周期內的電力盈、虧情況，確定儲能充、放電時間段。

(15)

式中：α為備用系數；一個調度周期內若不考慮啟停調峰，則認為開機容量不變。

(16)

進一步根據儲能充、放電情況修正負荷，則可預測各時間段火電機組的總出力為：

(17)

步驟3：根據負荷預測與上一時段機組出力信息以及儲能充、放電情況，確定當前時段各機組的調度范圍。

步驟4：采用改進的粒子群優化算法進行當前時段求解，用于混合粒子群優化算法尋優目標函數如下：

(18)

式中：ξ為成本功率轉換系數，用于平衡運行成本和功率平衡方程在目標函數中的作用。

步驟5：判斷個機組出力是否滿足約束條件，若滿足進入步驟7，否則進入步驟6調整相關機組的調度空間，并返回步驟4。

步驟6：對相關機組的調度空間進行調整，一般將原調度空間擴大1.2倍即可滿足要求。

步驟7：判斷調度空間內所有時段是否求解完畢，若求解完畢進入步驟8，否則返回步驟3。

步驟8：輸出各機組出力曲線、運行總成、儲能運行情況和棄新能源等信息，流程結束。

4 算例分析

4.1 算例及參數

選取含新能源、儲能設備的某省級電網為研究對象，其中傳統火電機裝機總容量為17 845 MW，水電裝機容量為15 880 MW，新能源總裝機500 MW，儲能配置額定容量為100 MW/300 MWh。設置機組的最大、最小出力分別為50%PG、110%PG，機組爬坡率設置為30%額定功率/h，機組旋轉備用量為總裝機容量的10%，同時忽略啟動和關停機組的時間。

4.2 火電總出力預測

負荷、水電以及新能源出力預測結果如圖3所示。圖3縱坐標右側為新能源出力，左側為負荷和水電出力。

圖3 各功率曲線預測出力

由式(20)～式(24)可得各時段電力最小盈余以及修正負荷如圖4所示。圖4縱坐標右側為最小電力盈余，左側為負荷和修正負荷。

由圖4可知:電力盈余時段為2 ∶00—6 ∶00，依據儲能配置容量可考慮在3 ∶00—5 ∶00儲能進行充電；17 ∶00—20 ∶00時段為負荷較大時段，則可考慮在18 ∶00—20 ∶00儲能進行放電。

圖4 各時段電力最小盈余及修正負荷

進一步可得各時間段火電機組的總出力預測曲線如圖5所示。

圖5 各時間段火電機組總出力預測曲線

4.3 求解與結果分析

基于不考慮儲能時的各時段火電機組總出力預測曲線，結合凈負荷邊際量標幺值，得到各臺機組的可調度范圍約束。進一步分別通過采用標準粒子群算法與混合粒子群算法進行求解。以上算法中初始種群規模數取40，初始溫度取150 ℃，退火機制取0.25，衰減因子取0.75。

由表1可知，通過考慮凈負荷邊際量的可調度范圍約束，縮小了粒子變量的可調度執行域和范圍，從而大大提高了求解速度?；旌狭Ｗ尤核惴ㄅc標準粒子算法相比，迭代次數有所提高，但能有效跳出局部最優搜索到更優解。

表1 對比改進模型優化結果

若配置儲能，可有效減少棄水、棄風，計算結果如表2所示。

表2 配置儲能對比結果

由上述仿真結果可知，配置儲能后可減少2臺300 MW火電開機，火電機組日發電總成本降低了1 735 tce，平均煤也有所降低，且避免了棄水，減少棄風1.7×106kWh，大大降低了系統運行的總成本。

5 結束語

(1) 通過對傳統優化調度模型的挖掘，提出了凈負荷邊際量指標，利用該指標和火電機組在上一時段的出力狀態確定的可調度范圍約束，可以有效減少搜索空間，提高求解效率。

(2) 引入混合粒子群算法對模型進行求解，在確保求解精度的同時大大減少了計算量，且能有效跳出局部最優搜索到更優解。

(3) 提出了含可調度空間約束的廣義源儲系統優化調度模型及其求解流程，能有效降低系統運行總成本，減少棄水、棄新能源。

儲能最優配置方法以及如果平衡各電源之間的利益是下一步重點研究工作。