多能源電力系統(tǒng)互補短期優(yōu)化調度

彭道剛，楊夢雪，車 權，黃雨薇，趙慧榮，王丹豪

（1.上海電力大學自動化工程學院，上海 200090；2.國網重慶市電力公司，重慶 400014）

資源枯竭、環(huán)境污染、全球氣候變化等所帶來的現(xiàn)實環(huán)境難題促使建立在化石能源基礎上的能源發(fā)展管理方式正亟待轉型和調整?？稍偕鍧嵞茉慈绾斡行У亻_發(fā)利用已成為當今的研究重點，然而伴隨風力發(fā)電和光伏發(fā)電等可再生清潔能源的開發(fā)量和并網利用規(guī)模的增長，其并網后發(fā)電量更容易產生大范圍的波動，也會進一步增大全網負荷的峰谷差，以此引發(fā)電力調峰需求急劇增加。如何實現(xiàn)風電、光伏和水電等可再生能源發(fā)電與火電相結合，以期實現(xiàn)經濟效益最大化的同時兼顧環(huán)保效益是目前亟需研究的問題[1]。

文獻[2]以火電廠機組發(fā)電燃煤的使用成本和火電廠機組啟動和停機費用成本最小化為經濟性目標，能夠有效降低高耗能燃煤機組的發(fā)電燃料使用量，兼顧了環(huán)境效益和社會經濟效益。文獻[3]建立了以火電廠機組的功率波動最小、運行維護成本最低及梯級水電站棄水最少為目標的多目標節(jié)能優(yōu)化經濟調度的模型。文獻[4]建立了含風、光、水可再生能源與火電聯(lián)合發(fā)電的節(jié)能經濟調度模型，目標函數為煤耗量及污染溫室氣體的排放量最小。結合上述文獻，為實現(xiàn)將大規(guī)模風電和光伏等可再生清潔能源并入電網，本文綜合考慮火力發(fā)電經濟成本及排污成本，并且結合傳統(tǒng)能源進行多能源的非線性優(yōu)化調度和管理策略的設計和研究，在有效保障大規(guī)模電力有序運行和供應的同時能最大化消納網內的清潔能源。

本文提出了一種基于優(yōu)先順序法的改進多目標布谷鳥PL-IMOCS（priority list-improved multiobjective cuckoo search）算法，建立了以火電廠機組發(fā)電經濟成本和外購電經濟成本最小化為目標函數，綜合考慮火電廠機組的各種約束條件，提出含風光水火互補系統(tǒng)的火電日前優(yōu)化調度模型。利用西南某地區(qū)能源發(fā)展情況作為研究對象，采用PL-IMOCS算法對不同的優(yōu)化運行策略進行仿真分析。通過比較不同策略下的結果，選擇合適的運行策略，以使該地區(qū)的綜合效益達到最優(yōu)。

1 風光水火發(fā)電系統(tǒng)特性分析

1.1 風光水火互補系統(tǒng)的構成

由于風電和光伏發(fā)電兩者之間在時間和空間上具有一定的互補協(xié)調特性，而水力發(fā)電系統(tǒng)具有良好的調節(jié)性能，能夠有效地平抑風電和光伏在接入電力系統(tǒng)時所產生的波動性。火電作為承擔基荷的能源，常用于調峰調頻。將風電、光伏、水電及火電看成1個綜合發(fā)電系統(tǒng)，構成1個含風光水火互補的發(fā)電系統(tǒng)，并通過制定相應的風光水火互補系統(tǒng)調度策略使得各可再生清潔能源的發(fā)電更加平穩(wěn)可控。風光水火互補發(fā)電系統(tǒng)既可以直接供電給負載使用，也可并入電網進行統(tǒng)一調度供電[5]。風光水火互補發(fā)電系統(tǒng)的聯(lián)合運行示意如圖1所示。

圖1 風光水火互補系統(tǒng)聯(lián)合運行示意Fig.1 Schematic of joint operation of wind，solar，hydro and thermal complementary system

1.2 風光水火聯(lián)合發(fā)電系統(tǒng)

風電、光伏、水電和火電根據自身發(fā)電特性形成互補系統(tǒng)。由于火電機組依然是我國電力供應的主力，我國火電機組在總電力供應中所占比重大，為使火電機組經濟運行，在電網調度中，通常希望火電承擔基本負荷，同時減少調頻和調峰任務?？傮w來說，火電屬于穩(wěn)定電源，對考慮時空特征的風光水等清潔能源發(fā)電調度起到支撐作用，能夠平抑新能源發(fā)電的隨機波動性對電網的沖擊，保障電力的安全供應和電力系統(tǒng)的穩(wěn)定運行[6]。

2 風光水火日前調度模型

2.1 目標函數

1）火電廠機組發(fā)電經濟成本函數

火電廠機組經濟調度發(fā)電成本F包括火力發(fā)電經濟成本和環(huán)境排污成本兩個部分[7]，即

式中：T為1個調度周期內的總時段數；N1為火電廠機組的數量；f(PGi)為火電廠機組i發(fā)電所消耗的煤耗量成本；PGi為火電廠機組i輸出功率；Si為火電廠機組i啟動和停機成本；ki為火電廠機組i啟動和停機狀態(tài)，1為啟動，0為停機；ai、bi、ci為火電廠機組i發(fā)電時所產生的成本系數；HEP為產生的環(huán)境污染懲罰系數；EPi(PGi)為火電廠機組i的輸出功率為PGi時的排污量；αi、βi、γi為火電廠機組i單位出力排污系數。

2）外購電經濟成本函數

當發(fā)電量不能滿足用電需求負荷時，需要向外網購電，外購電成本E可表示為

式中：θt為t時段每度電的外購電價；Ht為t時段外購電的總電量。

3）系統(tǒng)目標函數

在周期T內電力系統(tǒng)中包含N1個火電廠機組，外購電量為H，電力系統(tǒng)調度時的目標函數可表示為

式中：C為整個電力系統(tǒng)總的發(fā)購電成本；Ft為火電廠機組在t時段總的發(fā)電成本（包括排污成本）；Et為t時段外購電成本。

2.2 約束條件

1）電力平衡約束

電力系統(tǒng)中，滿足電力平衡的條件如下：

式中：PL,t、PW,t、PH,t、PPV,t和PPC,t分別為t時段所需求的負荷、風電輸出功率、水電輸出功率、光伏輸出功率和外購電功率；為火電廠機組i在t時段的輸出功率。

2）火電廠機組出力約束

火電廠機組輸出功率的大小應按照各火電廠機組型號嚴格控制在發(fā)電的上限、下限內，即

式中，PGi_max、PGi_min分別為火電廠機組i的最大和最小輸出功率。

3）火電廠機組爬坡約束

在制定和安排火電廠機組的發(fā)電計劃時必須充分考慮各臺機組的發(fā)電特性以及爬坡約束，定火電廠機組上升和下降爬坡率相等，即

式中：δGi_up和δGi_down分別為火電廠機組i在單位時間內上升和下降的最大功率；δGi為火電廠機組i的爬坡率限值[8]。

4）旋轉備用容量約束

正旋轉備用容量滿足

負旋轉備用容量滿足

式中：lu%和ld%為需求負荷高于和低于預期的占比；pd1%和pu1%為風電輸出功率可能低于和高于預期輸出功率的占比；pd2%和pu2%為光伏發(fā)電輸出功率可能低于和高于預期輸出功率的占比；UGi和DGi分別為火電廠機組i向上增發(fā)和向下減發(fā)的發(fā)電量，MW/h[9]。

5）火電廠機組啟停時間約束

在進行調度時需要充分考慮各火電廠機組的啟停時間約束，即

3 基于優(yōu)先順序法的改進布谷鳥算法

3.1 優(yōu)先順序法

優(yōu)先順序法PL（priority list）是指根據火電廠機組經濟性的優(yōu)先順序進行排序，火電廠機組比耗量可表示為

式中：F（P）為火電廠機組燃料的消耗量；P為火電廠機組的輸出功率。

火電廠機組最小比耗量umin可表示為

將各火電廠機組的umin按照從小到大順序進行排列，優(yōu)先選取umin小的火電廠機組發(fā)電。

3.2 IMOCS算法

將動態(tài)發(fā)現(xiàn)概率和步長融入到算法中，利用遺傳算法NSGA-II（non-dominated sorting genetic algorithm-II）的非支配排序思想以及擁擠距離維護外部檔案集等方法加入到算法中，以此提出了一種改進的多目標布谷鳥IMOCS（improved multi-objective cuckoo search）算法。

3.2.1 IMOCS算法理想化的規(guī)則

針對多目標優(yōu)化問題，對IMOCS算法提出相應的假設，多目標的3個理想描述規(guī)則如圖2所示。

圖2 多目標布谷鳥算法的理想描述規(guī)則Fig.2 Ideal description rule for multi-objective cuckoo search algorithm

3.2.2 IMOCS算法

將動態(tài)概率pa和步長α兩個參數設置為變量，并將非支配排序策略以及外部檔案集的維護作為改進的方法融入到傳統(tǒng)布谷鳥算法中[10]。

1）動態(tài)發(fā)現(xiàn)概率和步長

將參數pa和α設置為隨迭代次數變化而發(fā)生改變的動態(tài)變量，以此加快收斂速度和收斂精度。具體公式如下：

式中：M為IMOCS算法的所有迭代次數；m為IMOCS算法中布谷鳥當前已經進化的代數；pa_min、pa_max為pa的相關控制參數；αmin、αmax為α的相關控制參數。

2）非支配排序策略以及外部檔案集的維護

將NSGA-II算法的非支配排序策略與傳統(tǒng)多目標布谷鳥算法相結合，會得到相應的非支配解并存入外部檔案集，最終通過計算擁擠距離來維護外部檔案集[11]。

3）IMOCS算法流程

IMOCS算法流程如圖3所示。

圖3 IMOCS算法流程Fig.3 Flow chart of IMOCS algorithm

3.3 基于優(yōu)先順序法的改進布谷鳥算法

以火電廠機組出力經濟成本函數和外購電經濟成本函數最小為目標，每個鳥窩位置都代表火電廠輸出功率，在初始化每個鳥窩位置時，利用PL法求得各火電廠機組的優(yōu)先發(fā)電順序后，優(yōu)先投入發(fā)電順序靠前的電廠。每個鳥窩包含N1個火電廠24個時段的輸出功率，其中給定火電廠輸出功率的上限、下限，在滿足電力平衡約束的條件下，還需要滿足爬坡約束以及火電廠機組啟停時間約束等約束條件。詳細的流程如圖4所示。

圖4 基于PL的IMOCS算法求解流程Fig.4 Flow chart of IMOCS algorithm based on PL

4 風光水火調度策略研究及算例分析

4.1 參數設置

對風光水火互補發(fā)電系統(tǒng)的火電日前調度模型進行優(yōu)化調度仿真[12]，采用IMOCS算法求解此模型，在Matlab2014a環(huán)境下，參數如表1所示。

表1 參數設置Tab.1 Parameter setting

4.2 優(yōu)化調度策略

1）策略1：基于互補系統(tǒng)波動性最小的火電日前調度

策略1目標函數為

式中：PRe,t為第t個調度周期的互補發(fā)電系統(tǒng)的出力；G1為風光水火互補發(fā)電系統(tǒng)出力的波動性；Pav為1個調度周期內互補發(fā)電系統(tǒng)出力的平均值；D1為總發(fā)購電成本以及波動性最小的目標函數；日前調度T取24。

2）策略2：基于互補系統(tǒng)跟蹤負荷曲線的火電日前調度

策略2目標函數為

式中：PLeq,t為第t個調度周期的等效的用電負荷值；PLeq,av為等效的用電負荷在1個調度周期內的平均值；G2為1個調度周期內等效負荷的波動性；D2為總發(fā)購電成本最小以及跟蹤負荷曲線最優(yōu)的目標函數。

4.3 仿真結果與分析

針對本文所提出的多能源電力系統(tǒng)互補短期調度模型、優(yōu)化算法求解和優(yōu)化調度策略，以某省級電網調度系統(tǒng)為研究對象驗證模型的實用性與有效性。該電網包含10個總裝機容量約為13 000 MW的火電廠、總裝機容量約為4 550 MW的水電站、總裝機容量約為170 MW的光伏電站和總裝機容量約為550 MW的風電場，以一次能源調度系統(tǒng)為例進行算例分析。對該電網未來某天的負荷、風電和光伏發(fā)電輸出功率分別進行了預測，預測時段為1 h，共24 h，得到負荷預測值、風電輸出功率預測值、光伏發(fā)電輸出功率預測值及根據該市負荷需求制定發(fā)電計劃時的外購電量如圖5所示。

圖5 多能源電力系統(tǒng)中各預測值Fig.5 Prediction values in multi-energy power system

1）基于互補系統(tǒng)波動性最小的火電日前調度

為了滿足互補系統(tǒng)波動性最小，在該種情況下水力發(fā)電的輸出功率如表2所示。

表2 基于互補系統(tǒng)波動性最小的水力發(fā)電輸出功率Tab.2 Output power value of hydropower based on minimum volatility of complementary system

火電廠機組次日24 h的發(fā)電計劃如圖6所示。從圖6調度結果可知，調度結果基本保持了與傳統(tǒng)經濟調度相同的特性，即火電廠機組的發(fā)電輸出功率與其實際承擔的等效負荷變化趨勢一致，且由于等效負荷的需求不同，各個火電廠機組啟動和關停的狀態(tài)也不一致?；パa系統(tǒng)波動性最小的經濟成本優(yōu)化過程如圖7所示。

圖6 基于波動性最小的火電日前調度計劃Fig.6 Day-ahead scheduling plan for thermal power based on minimum volatility

圖7 互補系統(tǒng)波動性最小經濟成本優(yōu)化過程Fig.7 Optimization of economic cost with the minimum volatility of complementary system

互補系統(tǒng)波動性最小的經濟成本優(yōu)化最優(yōu)解如表3所示。由圖7和表3可知，使用PL-IMOCS算法求解最低經濟成本為5 339 760￥，使用NSGA-II算法求解最低經濟成本為5 355 930￥。

表3 NSGA-II與PL-IMOCS算法結果比較Tab.3 Comparison of results between NSGA-II and PL-IMOCS algorithms

由以上結果可知，PL-IMOCS算法最優(yōu)解較優(yōu)于NSGA-II算法的最優(yōu)解，結果證明PL-IMOCS算法相比于傳統(tǒng)的NSGA-II算法在尋求最優(yōu)解上能夠有效提高準確性，使用PL-IMOCS模型求解風光水火互補系統(tǒng)波動性最小的火電日前調度模型，使火電廠的發(fā)電經濟成本及外購電成本減少的同時，更是保證了互補系統(tǒng)的波動性更小，能夠有效保證電力系統(tǒng)的穩(wěn)定運行。

2）基于互補系統(tǒng)跟蹤負荷曲線的火電日前調度

為了滿足互補系統(tǒng)跟蹤負荷曲線最優(yōu)，在該種情形下水力發(fā)電的輸出功率值如表4所示。

表4 基于互補系統(tǒng)跟蹤負荷曲線的水力發(fā)電輸出功率值Tab.4 Output power value of hydropower based on the load tracking curve of complementary system

基于風光水火互補系統(tǒng)的火電日前調度模型采用PL-IMOCS算法求解，火電廠機組次日24 h的發(fā)電計劃如圖8所示。

圖8 跟蹤負荷曲線最優(yōu)的火電日前調度計劃Fig.8 Day-ahead scheduling plan for thermal power based on load tracking curve

由圖8調度結果可知，由于水電具有較好的平抑風電與光伏發(fā)電并網所產生較大波動性的能力，當電力調度部門制定相關調度計劃時，風電和光伏發(fā)電依據預測的輸出功率滿發(fā)入網后，不僅沒有明顯波動，反而是依據風光水火互補發(fā)電系統(tǒng)的運行方式有效幫助火電廠機組進行削峰填谷，使得各臺火電廠機組輸出功率變得更加平穩(wěn)可靠?；パa系統(tǒng)跟蹤負荷曲線最優(yōu)的經濟成本優(yōu)化過程如圖9所示。

圖9 跟蹤負荷曲線最優(yōu)經濟成本優(yōu)化過程Fig.9 Economic cost optimization based on the optimal load tracking curve

互補系統(tǒng)跟蹤負荷曲線最優(yōu)的經濟成本優(yōu)化最優(yōu)解如表5所示。由圖9和表5可知，使用PLIMOCS算法求解最低經濟成本為5 425 630￥，使用NSGA-II算法求解最低經濟成本為5 443 570￥。

表5 NSGA-Ⅱ與PL-IMOCS算法結果比較Tab.5 Comparison of results between NSGA-Ⅱand PL-IMOCS algorithms

由以上結果可知，PL-IMOCS算法最優(yōu)解較優(yōu)于NSGA-II算法的最優(yōu)解，結果證明PL-IMOCS算法相比于傳統(tǒng)的NSGA-II算法在尋求最優(yōu)解的問題上效果更好。使用PL-IMOCS算法求解風光水火互補發(fā)電系統(tǒng)跟蹤負荷曲線的火電日前調度模型，使得火電廠的發(fā)電經濟成本及外購電成本得到明顯減少的同時，更有效保證了風光水火互補發(fā)電系統(tǒng)跟蹤負荷曲線最優(yōu)的性能。

5 結語

本文將風電、光伏、水電和火電組成互補系統(tǒng)，用水電這種靈活或調度電源來平抑風電和光伏出力的波動，解決了夜晚無光伏出力導致風電反調峰特性強的問題，減少棄風和棄光的可能性，平滑風光一體出力，實現(xiàn)削峰填谷。由于火電承擔主要基荷，將風光水電與火電結合進行聯(lián)合調度，在有效保障大規(guī)模電力有序運行和供應的同時，能最大化消納網內的清潔能源。以西南地區(qū)某市含風光水火的多能源為研究對象，提出了基于互補系統(tǒng)波動性最小的火電日前調度和基于互補系統(tǒng)跟蹤負荷曲線最優(yōu)的火電日前調度兩種運行策略。針對兩種策略采用不同的求解方法進行算例仿真分析，仿真結果表明，所提出的優(yōu)化調度算法在保證有效接納風電和光伏發(fā)電并保證全消納的基礎上，更有效地減少了火電的發(fā)電成本和外購電成本。在確定火電廠機組優(yōu)先啟停順序的情況下，減少機組開停機次數，提高系統(tǒng)的經濟效益，保證電網的可靠性，在滿足了經濟效益的同時，更保障了環(huán)保效益。