分布式光伏-抽蓄系統(tǒng)聯(lián)合優(yōu)化運行策略

趙書強，王子巍，李志偉，吳博，趙蓬飛

（河北省分布式儲能與微網(wǎng)重點實驗室（華北電力大學），河北 保定 071003）

0 引言

近年來，以光伏為代表的可再生能源發(fā)展迅速，一定程度上緩解了我國的能源壓力，但是隨著目前可再生能源裝機規(guī)模持續(xù)擴大以及高比例可再生能源并網(wǎng)，中國可再生能源消納面臨嚴峻局面［1-3］。

由于光伏出力受到太陽光輻射強度、溫度等氣象因素的影響［4-5］，所帶來的出力難預測性為系統(tǒng)的調(diào)度帶來困難，而光伏的反調(diào)峰特性也為系統(tǒng)消納帶來了困難。光伏出力預測誤差難以避免且不容忽視，預測誤差分布的準確性描述有利于電力系統(tǒng)的優(yōu)化調(diào)度和穩(wěn)定運行［6］，并且在此背景下為保證系統(tǒng)安全穩(wěn)定運行，電力系統(tǒng)需要配置一定容量的儲能，目前最具商業(yè)應用價值的大規(guī)模儲能技術(shù)是抽水蓄能［7］。

目前國內(nèi)外僅有少量文獻針對分布式光伏與分布式抽水蓄能電站的聯(lián)合運行進行研究，大部分研究僅針對傳統(tǒng)的集中式光伏與抽蓄，但分布式儲能的發(fā)展已成趨勢，分布式抽水蓄能電站具有調(diào)度靈活、建設(shè)周期短、初期投資小等特點，并且由于其分布式布置的特點，對于水庫的建設(shè)容量要求更低，部分地區(qū)可通過對小型水電改造因地制宜進行分布式抽蓄電站的統(tǒng)籌規(guī)劃，很好地推動了大規(guī)模新能源的消納和分布式儲能的發(fā)展，與之相配合的新能源也以分布式能源為主，本文以分布式光伏為主體，研究二者的聯(lián)合優(yōu)化調(diào)度，但是目前對于抽水蓄能電站的模型建立過于粗糙，僅考慮到其出力上下限的約束，并未涉及其水力效率、水頭以及水庫水位問題，部分文獻是基于普通水電站對抽水蓄能電站進行描述［8-9］，認為其發(fā)電工況等同于水電機組，抽水工況下的功率隨流量變化而變化［10-12］，但事實上目前最常見的抽蓄電站為可逆式（兩機式）抽水蓄能電站，其水泵與水輪機合為一體，抽水時為滿載恒功率抽水［13-14］；目前部分研究對于光伏預測誤差的描述過于理想，文獻［15］統(tǒng)計得到光伏預測誤差期望為0，根據(jù)其分布曲線形狀，認為預測誤差服從正態(tài)分布；文獻［16］認為系統(tǒng)預測誤差服從正態(tài)分布，并引入概率性功率平衡概念提出了一種含機會約束條件的基于相關(guān)機會目標規(guī)劃的主動配電網(wǎng)優(yōu)化調(diào)度模型。但事實上，預測誤差只有在天氣較為晴朗且光照強度與光伏出力為線性關(guān)系時才會較好地服從正態(tài)分布［17］，當天氣情況發(fā)生變化，例如陰天或雨雪天氣，光伏預測誤差的概率分布會出現(xiàn)多峰以及偏移等問題，正態(tài)分布的擬合則無法滿足精確度要求。

新能源與儲能相結(jié)合可以促進大規(guī)模新能源的消納，充分利用不同能源之間的互補性，提高電力系統(tǒng)運行的靈活性［18］。文獻［19］介紹了新能源與儲能所組成聯(lián)合系統(tǒng)的可調(diào)度性，建立了風光儲聯(lián)合系統(tǒng)模型，采用新型混合智能算法實現(xiàn)了聯(lián)合系統(tǒng)出力對于計劃出力曲線的跟蹤。

現(xiàn)有關(guān)于分布式光伏-抽蓄聯(lián)合系統(tǒng)的研究模型過于粗糙，調(diào)度模式延續(xù)傳統(tǒng)模式，無法充分發(fā)揮分布式抽蓄與光伏的互補能力，提升光伏消納能力［20］?；诖耍疚膶Ψ植际焦夥统樗钅芙M成的聯(lián)合系統(tǒng)的運行策略進行研究，在提升抽蓄、光伏出力模型精確性的基礎(chǔ)上建立不同于傳統(tǒng)調(diào)度模式的分布式調(diào)度。首先，相比過于理想化的正態(tài)分布模型，建立了擬合精度更高、適用于誤差環(huán)境更加復雜的光伏出力預測誤差模型，該模型能夠良好地應對預測誤差概率分布出現(xiàn)偏移和突變等問題，并且對于不同的預測誤差模型的擬合精度進行對比分析。然后，建立了符合實際運行狀態(tài)以及實際工程運行條件的精確抽水蓄能電站模型，不再以粗糙的出力（抽水）功率上下限作為模型約束，而是充分考慮水庫水位限制、工況轉(zhuǎn)換時間、同步機定功率抽水以及分布式抽蓄爬坡能力等實際問題所帶來的影響，并將其應用于運行策略研究中。在此基礎(chǔ)上，以分布式光伏-抽蓄聯(lián)合系統(tǒng)出力匹配電網(wǎng)調(diào)度曲線和減少棄光電量為目標，建立聯(lián)合系統(tǒng)優(yōu)化調(diào)度模型，采用確定性轉(zhuǎn)化的方法對不確定變量進行處理，提出了新的不同于傳統(tǒng)集中式抽蓄的調(diào)度模式。最后通過算例分析驗證本文模型與策略的有效性。

1 分布式光伏與抽水蓄能出力模型

1.1 光伏發(fā)電出力模型

分布式光伏出力模型采用確定性預測值和不確定性預測誤差來表示［21］。因為預測值是確定性的，所以對系統(tǒng)不確定性的描述主要體現(xiàn)在對預測誤差的描述。

1.1.1 預測誤差分布的概率模型

基于日前光伏出力預測誤差的分布特性，預測誤差模型需要具備形狀靈活和峰度多樣的特點。目前多數(shù)文獻認為光伏出力預測誤差服從正態(tài)分布，但過于理想和粗略，并不能很好地擬合預測誤差的多峰和偏移等問題，所以本文采用更為精準的通用型高斯混合模型（general Guass mixed model，GGMM）擬合預測誤差的概率分布［22］，其概率密度函數(shù)如式（2）所示。

式中：n為分布函數(shù)數(shù)量；ak為加權(quán)系數(shù)，ak≥0，但是權(quán)重之和不局限于1，是由取值區(qū)間和各高斯分 量參數(shù)共同決定的；θk=；θ={θ1，θ2，···，θk，···，θn}；φ(x|θk)為高斯分布 密度函數(shù)，表達式為：

其累計分布函數(shù)為：

為驗證所采用擬合方法的有效性和適用性，通過算例進行計算分析。采用我國某地區(qū)分布式光伏實際出力與光伏預測出力歷史數(shù)據(jù)對其預測誤差進行擬合，并對不同擬合方法進行分析對比，驗證本文所提方法的可行性和優(yōu)越性。算例針對該地區(qū)6個月的光伏出力進行分析，分布式光伏的總裝機容量較小，分布點較多，此驗證容量僅為25 MW。預測誤差擬合效果對比如圖1所示。

本文采用絕對平均誤差（mean absolute error，MAE）以及均方根誤差（root mean square error，RMSE）兩種評價指標評估擬合精度，采用相同預測誤差數(shù)據(jù)進行擬合對比，與傳統(tǒng)的t（t locationscale）分布、正態(tài)分布進行對比分析，對比結(jié)果如表1所示。

表1 預測誤差擬合精度（MAE、RMSE）比較Tab.1 Comparison of prediction error fitting accuracies（MAE and RMSE）

從圖1 以及表1 評價指標數(shù)據(jù)可以看出，本文采用三項混合高斯函數(shù)（GGMM3）擬合光伏預測誤差的精度明顯優(yōu)于其他兩種傳統(tǒng)方法，驗證了模型的適用性和優(yōu)越性。

1.2 抽水蓄能機組模型

目前常見的抽水蓄能電站大部分采用可逆式水泵水輪機機組，也稱為兩機式抽水蓄能，該類型抽蓄機組相較其他形式機組具有結(jié)構(gòu)簡單、造價低廉等優(yōu)點，其發(fā)電工況由水輪機流量控制發(fā)電功率，但抽水工況為同步機恒定功率抽水，t時刻分布式抽水蓄能電站i的發(fā)電和抽水功率如式（5）所示。

一般抽水蓄能電站的揚程和水頭相等，計算值采用最大水頭（揚程）與最小水頭（揚程）的均值，則有以下關(guān)系。

式中：ri，max為最大水頭（揚程），是上水庫最高水位與下水庫死水位之差；ri，max為最小水頭（揚程），是上水庫死水位與下水庫最高水位之差。

2 調(diào)度模型

根據(jù)日前區(qū)域用電調(diào)度曲線和光伏發(fā)電功率，設(shè)置一天24 h為調(diào)度控制的調(diào)度周期，以15 min為時間單位對一天中的96 個時段進行優(yōu)化調(diào)度，搭建調(diào)度模型。

2.1 目標函數(shù)

分布式抽水蓄能電站可以在發(fā)電和抽水兩種狀態(tài)之間靈活轉(zhuǎn)換，從而可以實現(xiàn)抽蓄與光伏電站組成的聯(lián)合系統(tǒng)出力滿足調(diào)度需求的同時提高光伏消納能力，對于匹配調(diào)度曲線這一目標，傳統(tǒng)模型中采用差值絕對值作為匹配度目標函數(shù)，但總體效果欠佳；本文采用優(yōu)化效率更高的歐氏距離作為匹配程度的度量，歐氏距離是一種距離計算公式，在優(yōu)化問題中相比于差值絕對值有更好的效果，來源于歐幾里幾何中的兩點間的距離公式。在二維平面上歐氏距離定義為：

式中x1、x2、y1、y2分別為二維平面上兩點的xy軸坐標。

對于兩個n維向量間的歐氏距離表示為：

式中：x1k、x2k為向量的坐標；n為維數(shù)。

聯(lián)合調(diào)度模型的總體目標同時均衡滿足調(diào)度要求和提高光伏消納兩個目標，選取棄光電量作為光伏消納的度量建立目標函數(shù)如下。

為了使聯(lián)合系統(tǒng)出力能夠同時兼顧上述兩個優(yōu)化目標，其優(yōu)化過程是通過調(diào)整抽水蓄能電站的抽水、發(fā)電運行時段和運行狀態(tài)實現(xiàn)的，使出力計劃與調(diào)度要求的匹配程度最高，即二者歐氏距離最小且一個調(diào)度周期內(nèi)棄光電量最小?？傮w目標函數(shù)如下。

式中：Nlak為系統(tǒng)抽水蓄能電站總數(shù)量；Pref，t為調(diào)度曲線t時刻的功率；為光伏電站i在t時刻出力；為光伏電站i的預測功率；Nv為總的光伏電站數(shù)量。

2.1.1 棄光功率的計算

在每個調(diào)度時段棄光功率的計算有以下兩種情況，具體如式（11）—（12）所示。

式（11）中為低光伏滲透率的情況，多出現(xiàn)在光伏出力較少的季節(jié)以及陰雨天氣，此時光伏出力未超出系統(tǒng)消納能力，各時段棄光功率均為0；式（12）為光伏滲透率提高或由于儲能的運行策略導致的光伏出力無法完全消納，則在部分時間段出現(xiàn)棄光功率。

2.1.2 多目標轉(zhuǎn)化

對于多目標的處理采用目標規(guī)劃的方法，考慮優(yōu)先級和最優(yōu)目標值，其多目標模型可以轉(zhuǎn)化為：

式中：P1、P2分別為目標函數(shù)F1、F2的優(yōu)先級；b1、b2分別為目標函數(shù)F1、F2分別作為單一目標的最優(yōu)值；Fi，t(x，ξ)為轉(zhuǎn)化后的綜合目標函數(shù)；分別為目標函數(shù)的正負偏差；F1、F2均為min函數(shù)，故采用。首先以單一目標進行優(yōu)化，分別得出b1和b2的值，然后再將b1和b2加權(quán)帶入，將多目標轉(zhuǎn)化為未達到目標最優(yōu)值的偏差量總和最小的單目標優(yōu)化模型。其中目標函數(shù)優(yōu)先級P1、P2可根據(jù)調(diào)度需求以及目標權(quán)重進行合理設(shè)置。

2.2 約束條件

1）抽水蓄能機組功率上下限約束

2）抽水蓄能電站和機組運行約束

同一機組發(fā)電與抽水狀態(tài)單一性約束為：

以場站為調(diào)度單元制定調(diào)度策略時，同一抽蓄電站種的各個機組抽水與發(fā)電狀態(tài)是一致的，則同一電站不同機組發(fā)電與抽水狀態(tài)一致性約束如式（16）所示。

3）抽水蓄能電站上下水庫水位約束

（1）上水庫水位約束

（2）下水庫水位約束

4）調(diào)度周期內(nèi)流量平衡約束

本文調(diào)度周期為1 d，為保證下一個調(diào)度周期起始時刻有充足的水庫庫容滿足下一個周期的調(diào)度需求，應使得一個周期內(nèi)抽水蓄能電站的抽水流量與發(fā)電流量總量相等，則有以下約束。

5）抽水蓄能機組處于發(fā)電狀態(tài)時最小啟停時間約束

6）抽水蓄能機組發(fā)電工況爬坡約束

7）抽水-發(fā)電工況轉(zhuǎn)換時間約束

目前抽水蓄能機組的啟動以變頻啟動和同步啟動（背靠背）兩種方式為主，機組由發(fā)電（抽水）工況到靜止，再由靜止至全抽水（發(fā)電）均需要一定的時間，則有以下約束。

式中：t+k為t時刻后下一個工況開始的時刻；Ti，j，change為工況轉(zhuǎn)換最小過渡時間，其中包含了可逆式水力機組的啟動和停機所需時間。

3 模型求解

由于本文調(diào)度模型中含有不確定性變量，模型難以直接求解。為了消除不確定性變量，本文對調(diào)度模型進行確定性轉(zhuǎn)化。

目標函數(shù)中分布式光伏出力預測誤差為不確定性變量，其他量為確定性變量。由前文可得，該誤差較好地服從于通用混合高斯分布，并且根據(jù)歷史數(shù)據(jù)可擬合其調(diào)度周期內(nèi)96 個時間段各項高斯分布函數(shù)的加權(quán)系數(shù)ak以及θk，可求得96個時間段各個光伏電站出力預測誤差的期望值代入其中，以實現(xiàn)目標函數(shù)的確定性轉(zhuǎn)化。

式（10）中目標函數(shù)可轉(zhuǎn)化為：

式中E（·）為求取t時刻預測誤差所服從分布函數(shù)的期望值，目標函數(shù)F2，t中棄光功率的計算也采取同樣的處理，式（11）—（12）可轉(zhuǎn)化為：

經(jīng)過以上處理，可采用YALMIP 調(diào)用商用求解器CPLEX優(yōu)化求解。

4 算例仿真

4.1 算例說明

為了驗證本文所提優(yōu)化策略的可行性和有效性，通過算例進行驗證。算例含有3 座分布式光伏電站、2 座分布式抽水蓄能電站。其中，分布式光伏電站總裝機容量為25 MW，分布式抽水蓄能總裝機容量為24 MW，每座抽水蓄能電站擁有兩臺容量為6 MW 的可逆式水泵水輪機。調(diào)度曲線為國內(nèi)某省24 h負荷曲線等比例縮小，作為針對此聯(lián)合系統(tǒng)的調(diào)度要求。目標函數(shù)優(yōu)先級設(shè)定為P1=0.6、P2=0.4，算例參數(shù)詳見附表A1。

4.2 結(jié)果分析

4.2.1 優(yōu)化模型對比分析

首先對比分析以下兩種模型的優(yōu)化效果。

模型A：用差值絕對值作為匹配度的度量，其對應目標函數(shù)則為：

本文采用高比例光伏接入的算例模型，圖2 為各分布式光伏電站出力情況與調(diào)度曲線各時刻功率需求，可以看出調(diào)度曲線具有“雙峰雙谷”特點，而光伏出力具有明顯的反調(diào)峰性質(zhì)，采用傳統(tǒng)的集中式大型抽蓄電站的模式進行調(diào)度，即抽蓄定時抽發(fā)、“一抽一發(fā)”或“一抽兩發(fā)”的調(diào)度模式顯然不能很好地滿足調(diào)度曲線的要求，更無法消納大量接入的光伏出力。

圖2 分布式光伏電站出力Fig.2 Output of distributed photovoltaic power station

首先以抽水蓄能場站為調(diào)度單元進行以上兩種模型的對比，即同一抽蓄電站內(nèi)各機組工況一致。

圖3 為模型A 以差值絕對值作為目標函數(shù)的匹配結(jié)果，從圖3 可知，由于傳統(tǒng)差值絕對值模型的粗糙度較大，出現(xiàn)了出力分配不均衡“顧此失彼”的現(xiàn)象，在第二個負荷高峰時段過后出現(xiàn)了大幅的出力缺口，造成優(yōu)化結(jié)果較差，聯(lián)合系統(tǒng)出力與調(diào)度曲線匹配程度欠佳。

圖3 模型A聯(lián)合出力與調(diào)度曲線匹配結(jié)果Fig.3 Joint efforts and scheduling curve matching results of model A

相比模型A，模型B 采用多維歐式距離為目標函數(shù)，圖4 為模型B 的優(yōu)化結(jié)果，明顯解決了模型A 中出現(xiàn)的出力分配不均現(xiàn)象，使得在大部分時段聯(lián)合出力的趨勢與調(diào)度曲線相似，穩(wěn)定在調(diào)度曲線以下固定的距離，出力更為平滑。并且此模型下所得運行策略棄光電量也相應減少。

圖4 模型B聯(lián)合出力與調(diào)度曲線匹配結(jié)果Fig.4 Joint output and scheduling curve matching results of model B

通過表2 數(shù)據(jù)可以進一步看出本文提出的優(yōu)化模型無論是在滿足調(diào)度需求方面還是在消納新能源出力方面都有更好的優(yōu)化效果，驗證了本文所搭建模型的有效性和優(yōu)越性。其中以棄光功率百分比作為光伏消納的度量，以光伏-抽蓄聯(lián)合出力與調(diào)度曲線的絕對平均誤差作為二者匹配度的度量。

表2 兩種模型匹配調(diào)度曲線效果及消納能力比較Tab.2 Comparison of scheduling curve matching effect and absorbing ability between two models

4.2.2 抽水蓄能調(diào)度模式優(yōu)化對比分析

在優(yōu)化效果更好的模型B 的基礎(chǔ)上，本文將對以下兩種調(diào)度模式的優(yōu)化結(jié)果進行分析。

模式1：以抽水蓄能各場站為調(diào)度單元進行策略優(yōu)化；

模式2：以抽水蓄能各機組為調(diào)度單元進行策略優(yōu)化。

在調(diào)度模式1 下，各個抽水蓄能電站的發(fā)電、抽水工況具有內(nèi)部一致性，且電站的整體爬坡能力較好，圖4 所示為模式1 以抽水蓄能各場站為調(diào)度單元進行策略優(yōu)化的結(jié)果，可以看出有以下問題。首先，在負荷低谷處，由于光伏出力在一段時間內(nèi)保持較高的出力水平，使得部分抽水蓄能電站提前進入抽水模式進行水量儲備，導致出現(xiàn)明顯的出力缺口，并且由于工況轉(zhuǎn)換靈活度不足，出現(xiàn)一部分光伏出力無法完全消納，造成大量棄光；其次，由于沒有充足的水力儲備，導致在第一個負荷高峰前以及第二個負荷高峰過后，功率需求處于平滑階段仍無法完全滿足調(diào)度曲線的要求，使得整體聯(lián)合出力均低于調(diào)度需求。根據(jù)圖5 和圖6 具體抽水蓄能電站出力情況以及工況轉(zhuǎn)換情況可以更直觀地分析出現(xiàn)上述情況的原因。

圖5 模式1抽蓄電站出力情況Fig.5 Output of pumping storage power station of mode 1

圖6 模式1抽蓄電站工況轉(zhuǎn)換情況Fig.6 Conversion condition of pumping and storage power station of mode 1

根據(jù)以上結(jié)果可以看出兩座分布式抽水蓄能電站在工況轉(zhuǎn)換靈活性上的不足，無法充分發(fā)揮抽水蓄能電站的調(diào)節(jié)能力。未來光伏發(fā)電并網(wǎng)規(guī)模將不斷擴大，為了更好地滿足調(diào)度需求、提高系統(tǒng)的光伏消納能力，本文提出了第二種調(diào)度模式——以抽水蓄能各機組為調(diào)度單元進行策略優(yōu)化，充分發(fā)揮抽水蓄能的消納能力，在原有水庫建設(shè)和水力設(shè)備的基礎(chǔ)上，不局限于同一電站單一工況的約束，其調(diào)度結(jié)果如圖7所示。

圖7 模式2聯(lián)合出力與調(diào)度曲線匹配結(jié)果Fig.7 Matching results of mode 2 combined output and scheduling curve

由圖7可知，在第二種模式下光伏-抽蓄聯(lián)合抽蓄與調(diào)度曲線變化基本一致，能夠很好地匹配調(diào)度需求，減少了由于光伏反調(diào)峰性質(zhì)和抽蓄工況轉(zhuǎn)換帶來的棄光電量。各抽蓄電站各機組單獨制定發(fā)電、抽水計劃，雖然單機組爬坡能力相比場站整體較弱，但其調(diào)度靈活性可以完全彌補此問題。通過圖8與圖9可以看出，與模式1相比，模式2下總體出力更加平滑、抽水階梯更加合理，但在個別時段有些許短時的供電差額，在正午時段（11：00—14：30）用電低谷期尤為明顯。進一步分析抽水蓄能電站出力交替情況以及抽蓄出力曲線可以發(fā)現(xiàn)，在抽蓄單獨出力時段即光伏發(fā)電功率較小，主要依靠抽水蓄能工作在發(fā)電工況向負荷供電，此差額并未出現(xiàn)，而光伏大發(fā)之后個別差額出現(xiàn)，那么可以得出差額的產(chǎn)生是光伏出力的波動性以及實際運行中的抽水蓄能機組爬坡能力受限導致的。

圖8 模式2抽水蓄能電站出力Fig.8 Output of pumping storage power station of mode 2

圖9 模式2抽蓄電站各機組工況轉(zhuǎn)換情況Fig.9 Working condition conversion of each unit in pumping and storage power station of mode 2

為進一步驗證調(diào)度模式2 的優(yōu)越性，在抽水蓄能電站總體容量不變的基礎(chǔ)上，進一步增加分布散度即將整體容量分布配置于更多的小容量機組，并單獨進行調(diào)度策略優(yōu)化，結(jié)果如圖10所示。

圖10 模式2下6機組聯(lián)合出力與調(diào)度曲線匹配結(jié)果Fig.10 Matching results of combined output and scheduling curves of six units under mode 2

由圖10 可以看出，在將機組數(shù)量進一步增加、單機組容量以及爬坡能力進一步減小之后，其匹配調(diào)度曲線效果仍大幅度優(yōu)于調(diào)度模式1，僅略優(yōu)于四機組分布調(diào)度模式，但是增加機組分布數(shù)量會增加抽水蓄能電站的整體建設(shè)投資，在實際應用中可根據(jù)建設(shè)需求靈活配置。

4.2.3 水庫水位變化情況

當以機組為調(diào)度單元進行運行策略優(yōu)化時，在光伏出力逐漸達到峰值時間段內(nèi)，各機組按階梯規(guī)律依次進入定功率抽水狀態(tài)，使得同步機組定功率抽水造成過渡性差的問題得到解決，進一步細化了機組發(fā)電與抽水兩種工況的工作區(qū)間，分布式機組共用上下水庫，那么調(diào)度模式的變化帶來的水庫水位變化也成為影響抽水蓄能優(yōu)化的關(guān)鍵因素，兩種模式對于上下水庫水位的影響如圖11—12所示。

圖11 模式1抽蓄電站水庫水位變化量Fig.11 Variation of reservoir water level of pumping and storage power station of model 1

圖12 模式2抽蓄電站水庫水位變化量Fig.12 Variations of reservoir water level of pumping and storage power station of model 2

圖11—12 表明，在兩種模式下各抽水蓄能電站的上下水庫調(diào)度周期終止時刻的水位變化量均回到初始0 刻度，均滿足一個周期內(nèi)抽水水量與發(fā)電水量相等的要求，且未超出水庫水位變化量約束，為下一周期的調(diào)度做好水量儲備。

為進一步直觀驗證所提調(diào)度策略的有效性，將兩種模式下的調(diào)度結(jié)果進行對比，數(shù)據(jù)如表3所示。

表3 兩種模式匹配調(diào)度曲線效果及消納能力比較Tab.3 Comparison of matching scheduling curve effect and absorbing ability between the two modes

通過表格數(shù)據(jù)可以進一步看出模式2 無論在滿足調(diào)度方面還是在消納新能源出力方面都具有更強的能力和效果，并且兩種調(diào)度模式的上下水庫水位變化量相差無幾，說明模式1 下原有的水庫建設(shè)以及進/出水口的水力結(jié)構(gòu)設(shè)計即可滿足本文提出的模式2的需求。

4.2.4 目標函數(shù)優(yōu)先級的選擇

本文在處理多目標模型時采用了目標規(guī)劃的方法，對于目標函數(shù)的優(yōu)先級P1、P2可以根據(jù)調(diào)度要求以及分布式光伏電站裝機容量靈活選擇，不同目標函數(shù)優(yōu)先級下，調(diào)度結(jié)果如表4所示。圖13為不同優(yōu)先級下絕對平均誤差和棄光電量優(yōu)化結(jié)果，隨著優(yōu)先級減低，絕對平均誤差和棄光電量百分比均不斷增加，當棄光電量優(yōu)先級小于0.4 時，棄光電量百分比陡然增加。在實際應用中，調(diào)度員可通過設(shè)置合適的優(yōu)先級，均衡聯(lián)合系統(tǒng)對于調(diào)度曲線的匹配程度與光伏的消納。

表4 不同目標函數(shù)優(yōu)先級下調(diào)度結(jié)果比較Tab.4 Comparison of scheduling results with different objective function priorities

圖13 不同優(yōu)先級下絕對平均誤差和棄光電量百分比Fig.13 Mean absolute errors and percentages of discarded light at different priority levels

5 結(jié)論

為了提高系統(tǒng)對于新能源的消納能力，本文考慮光伏出力不確定性的影響，建立了符合實際運行狀態(tài)的分布式光伏-抽水蓄能聯(lián)合優(yōu)化調(diào)度模型。并對不同調(diào)度模型以及調(diào)度模式進行了對比。通過研究得到了以下結(jié)論。

1）分布式光伏電站與分布式抽水蓄能電站組成聯(lián)合系統(tǒng)，利用抽水蓄能電站的靈活性，通過優(yōu)化其運行策略，可以有效應對光伏發(fā)電的不確定性和反調(diào)峰特性，使聯(lián)合系統(tǒng)出力更好地匹配電網(wǎng)調(diào)度曲線。

2）采用分布式抽水蓄能電站與光伏電站組成聯(lián)合系統(tǒng)，通過優(yōu)化抽蓄電站的運行策略，可有效緩解光伏出力反調(diào)峰性質(zhì)對系統(tǒng)帶來的消納壓力，提升系統(tǒng)光伏消納能力。

3）以分布式抽水蓄能機組為調(diào)度單元進行聯(lián)合優(yōu)化，可能會犧牲電站整體的爬坡能力，但無論從提升調(diào)度曲線匹配程度還是提高聯(lián)合系統(tǒng)光伏消納能力而言，相比傳統(tǒng)按場站為單元優(yōu)化調(diào)度都有著更好的效果。

附錄

表A1 抽水蓄能電站參數(shù)Tab.A1 Parameters of pumped storage power station