盧志剛， 隋玉珊， 何守龍,2， 王薈敬， 孫 瑜

(1. 燕山大學(xué)河北省電力電子節(jié)能與傳動(dòng)控制重點(diǎn)實(shí)驗(yàn)室， 河北 秦皇島 066004； 2. 國網(wǎng)冀北三河市供電有限公司， 河北 三河 065200; 3. 國網(wǎng)冀北電力有限公司發(fā)展策劃部， 北京 100053)

基于場(chǎng)景分析的含風(fēng)電系統(tǒng)經(jīng)濟(jì)爬坡調(diào)度

盧志剛1， 隋玉珊1， 何守龍1,2， 王薈敬1， 孫 瑜3

(1. 燕山大學(xué)河北省電力電子節(jié)能與傳動(dòng)控制重點(diǎn)實(shí)驗(yàn)室， 河北 秦皇島 066004； 2. 國網(wǎng)冀北三河市供電有限公司， 河北 三河 065200; 3. 國網(wǎng)冀北電力有限公司發(fā)展策劃部， 北京 100053)

隨著風(fēng)電大規(guī)模并網(wǎng)，考慮風(fēng)電不確定性及其對(duì)系統(tǒng)安全影響的電力系統(tǒng)調(diào)度成為目前研究的重點(diǎn)。本文定義了爬坡冗余度指標(biāo)，該指標(biāo)將風(fēng)電不確定性以及風(fēng)電曲線變化趨勢(shì)對(duì)調(diào)度的影響計(jì)及到調(diào)度模型中，從而提高調(diào)度解對(duì)風(fēng)電出力不確定性的前瞻爬坡響應(yīng)能力。采用場(chǎng)景分析法來刻畫風(fēng)電的不確定性，并提出采用最近鄰聚類的方法對(duì)場(chǎng)景進(jìn)行削減，保證削減后場(chǎng)景的多樣性和計(jì)算結(jié)果的精確性。最后，本文構(gòu)建了以經(jīng)濟(jì)和爬坡冗余度為目標(biāo)的調(diào)度模型，并通過IEEE-30節(jié)點(diǎn)系統(tǒng)驗(yàn)證了本文所提方法的有效性。

經(jīng)濟(jì)調(diào)度； 風(fēng)電不確定； 爬坡冗余度； 場(chǎng)景分析； 最近鄰聚類

1 引言

2007年中國政府宣布了新能源的中長期計(jì)劃，預(yù)計(jì)在2020年風(fēng)電裝機(jī)容量達(dá)到30GW，而這一目標(biāo)早在2010年就已實(shí)現(xiàn)。截止2011年年底，全國風(fēng)電并網(wǎng)容量已達(dá)到45GW，居世界第一位。國家能源局統(tǒng)計(jì)數(shù)據(jù)顯示，截至2014年年底，全國風(fēng)電并網(wǎng)裝機(jī)容量實(shí)現(xiàn)96GW，再創(chuàng)歷史新高。

風(fēng)電的大規(guī)模快速發(fā)展給我國電力系統(tǒng)調(diào)度帶來了新的挑戰(zhàn)，雖然學(xué)者們已經(jīng)對(duì)風(fēng)電功率預(yù)測(cè)做了大量的相關(guān)研究工作[1，2]，但仍難以獲得準(zhǔn)確的預(yù)測(cè)結(jié)果，風(fēng)電出力的不確定性還將長期存在。風(fēng)電出力的不確定性以及風(fēng)電并網(wǎng)過程中的突然脫網(wǎng)等其他因素會(huì)給運(yùn)行帶來嚴(yán)重的風(fēng)險(xiǎn)，如何在電力系統(tǒng)調(diào)度中考慮風(fēng)電出力的不確定性在今后的工作中顯得尤為重要。

文獻(xiàn)[3]通過定義實(shí)時(shí)電力不足期望(Real-time EDNS，REDNS)以衡量系統(tǒng)實(shí)時(shí)響應(yīng)風(fēng)險(xiǎn)水平，在此基礎(chǔ)上提出了實(shí)時(shí)響應(yīng)風(fēng)險(xiǎn)水平約束，并將該約束納入調(diào)度當(dāng)中；文獻(xiàn)[4-6]將模糊理論引入含風(fēng)電的系統(tǒng)調(diào)度模型中，但是隸屬度函數(shù)的應(yīng)用又引入了一定的人為因素；文獻(xiàn)[7]將風(fēng)電預(yù)測(cè)誤差以場(chǎng)景的形式進(jìn)行考慮，利用場(chǎng)景的多樣性來刻畫風(fēng)電預(yù)測(cè)誤差的多樣性；文獻(xiàn)[8]以在一次負(fù)荷升降中最后一臺(tái)完成負(fù)荷分配機(jī)組的完成時(shí)間作為優(yōu)化目標(biāo)，縮短了系統(tǒng)爬坡所需時(shí)間。在含風(fēng)電系統(tǒng)中，風(fēng)電出力變化速率較快，出力不確定性較大，但是以上文獻(xiàn)都沒有考慮風(fēng)電不確定性對(duì)系統(tǒng)爬坡能力提出的新要求，沒有討論爬坡出力的優(yōu)化配置，使系統(tǒng)在不同時(shí)段都擁有足夠大的爬坡響應(yīng)速率來應(yīng)對(duì)風(fēng)電出力的不確定性。

本文采用場(chǎng)景分析的方法考慮風(fēng)電出力的不確定性，采用最近鄰聚類的方法對(duì)生成的場(chǎng)景進(jìn)行削減，避免傳統(tǒng)費(fèi)時(shí)的啟發(fā)式尋優(yōu)縮減方法。由于風(fēng)電的不確定性會(huì)給系統(tǒng)增加額外的爬坡風(fēng)險(xiǎn)，本文定義了爬坡冗余度指標(biāo)。該指標(biāo)的優(yōu)化考慮了風(fēng)電不確定性給系統(tǒng)帶來的額外爬坡要求，提高了系統(tǒng)對(duì)風(fēng)電出力不確定性的前瞻能力，可以為系統(tǒng)留出更大的爬坡響應(yīng)速率，保證系統(tǒng)經(jīng)濟(jì)安全運(yùn)行。

2 風(fēng)電不確定性描述

2.1 場(chǎng)景生成

在實(shí)際情況中，由于風(fēng)電預(yù)測(cè)誤差等種種原因，使得風(fēng)電出力存在較大的不確定性。由于風(fēng)電輸出功率及其對(duì)應(yīng)決策在時(shí)間上具有關(guān)聯(lián)性，本文采用場(chǎng)景分析方法來刻畫風(fēng)電出力的不確定性[9]，一個(gè)場(chǎng)景中某個(gè)時(shí)刻的風(fēng)電表達(dá)式為：

(1)

場(chǎng)景生成步驟如下。

(1)將風(fēng)電的正態(tài)分布概率密度函數(shù)離散化為以0為均值的七個(gè)區(qū)間，每個(gè)區(qū)間的寬度為風(fēng)電預(yù)測(cè)誤差標(biāo)準(zhǔn)差σ，每個(gè)區(qū)間對(duì)應(yīng)的概率為αl,t(l=1,2,…,7)，如圖1所示。

圖1 正態(tài)分布函數(shù)離散化示意圖Fig.1 Normal distribution function discretization

(2)將每個(gè)區(qū)間的概率標(biāo)準(zhǔn)化，使各個(gè)區(qū)間的概率和為1，如圖2所示。

圖2 標(biāo)準(zhǔn)化的預(yù)測(cè)誤差區(qū)間累計(jì)概率分布
Fig.2 Normalization of cumulative probability distribution of prediction error range

(3)在標(biāo)準(zhǔn)化概率區(qū)間內(nèi)，通過輪盤賭機(jī)制來獲取每個(gè)時(shí)刻的預(yù)測(cè)誤差值及其概率。每個(gè)場(chǎng)景由一系列二進(jìn)制數(shù)組成，每個(gè)二進(jìn)制數(shù)代表選中的風(fēng)電預(yù)測(cè)誤差及其概率值，選中的區(qū)間Wl,s,t為1，否則為0。式(2)為場(chǎng)景s的表達(dá)方式：

(2)

(4)計(jì)算各個(gè)場(chǎng)景的標(biāo)準(zhǔn)化概率Pr(s)，如式(3)所示：

(3)

2.2 場(chǎng)景削減

通常情況下，為了刻畫風(fēng)電預(yù)測(cè)誤差的多樣性，需要生成數(shù)量龐大的場(chǎng)景，若是每個(gè)場(chǎng)景都進(jìn)行計(jì)算會(huì)相當(dāng)費(fèi)時(shí)且也沒有必要。因此在保證一定的計(jì)算速度和計(jì)算精度的前提下，需要對(duì)場(chǎng)景進(jìn)行削減[9]。目前常用的啟發(fā)式同步回代縮減方法[10]在場(chǎng)景數(shù)較多的情況下會(huì)相當(dāng)費(fèi)時(shí)。為此本文提出采用最近鄰聚類的方法對(duì)場(chǎng)景進(jìn)行聚類削減，該方法不需要啟發(fā)式的尋優(yōu)，速度快且能保證縮減后場(chǎng)景的多樣性。最近鄰聚類具有簡(jiǎn)便易行的優(yōu)點(diǎn)，具體聚類步驟如下。

(3)步驟3。令k=k+1，返回步驟2。

3 爬坡冗余度

一般文獻(xiàn)在電力系統(tǒng)調(diào)度中只是將爬坡約束作為約束條件，并沒有考慮在滿足爬坡條件的同時(shí)使系統(tǒng)在各個(gè)時(shí)刻擁有足夠高的爬坡響應(yīng)速率，為此本文定義爬坡冗余度指標(biāo)，具體如下。

定義：系統(tǒng)火電機(jī)組單位時(shí)間內(nèi)可調(diào)容量與等效負(fù)荷變化量的比值稱為系統(tǒng)爬坡冗余度。

該指標(biāo)并不能改變系統(tǒng)中各機(jī)組單位時(shí)間內(nèi)可調(diào)容量，但是考慮到不同機(jī)組在容量、爬坡速率方面有很大差異，在不同時(shí)刻之間通過合理分配各機(jī)組之間爬坡出力使系統(tǒng)擁有最大的爬坡冗余度，來響應(yīng)負(fù)荷或者是風(fēng)電變化。

(1)系統(tǒng)可用爬坡容量

單臺(tái)機(jī)組可用爬坡容量為：

(4)

(5)

(6)

(7)

式中，Cramp1,t,i為機(jī)組i的可用爬坡容量；I為0,1變量，可由負(fù)荷預(yù)測(cè)曲線得到，I=1時(shí)表示負(fù)荷上升期，I=0表示負(fù)荷下降期；Pl,t+1和Pl,t分別為t+1和t時(shí)刻的負(fù)荷；Ps,t,i為場(chǎng)景s下t時(shí)刻第i臺(tái)機(jī)組的出力；Pmax,i和Pmin,i分別為i臺(tái)機(jī)組的最大和最小出力； ΔPdown,i和ΔPup,i分別為機(jī)組i的最大下爬坡出力和最大上爬坡出力；Cup,t,i和Cdown,t,i分別為系統(tǒng)上爬坡、下爬坡冗余容量。

(2)等效負(fù)荷需求爬坡容量

負(fù)荷爬坡需求容量Cl,t為：

(8)

風(fēng)電場(chǎng)景爬坡需求容量Cw,t為：

(9)

式中，Iw表示風(fēng)電場(chǎng)景曲線上下爬坡標(biāo)志，風(fēng)電功率上升時(shí)為1，反之為0；Pw,s,t+1和Pw,s,t為場(chǎng)景s下t+1和t時(shí)刻的風(fēng)電出力。

考慮負(fù)荷變化和風(fēng)電不確定的等效負(fù)荷爬坡容量需求Cramp2,t為：

(10)

當(dāng)系統(tǒng)中的負(fù)荷處于下降期而風(fēng)電處于上升期時(shí)系統(tǒng)需要擁有較大的下爬坡容量；反之當(dāng)系統(tǒng)中負(fù)荷處于上升期而風(fēng)電處于下降期時(shí)，系統(tǒng)需要有較大的上爬坡容量。

(3)爬坡冗余度

系統(tǒng)擁有的爬坡冗余度Kramp,t為：

(11)

式中，N為機(jī)組臺(tái)數(shù)。

式(11)表示系統(tǒng)擁有的爬坡容量對(duì)負(fù)荷和風(fēng)電不確定變化量的響應(yīng)能力，該值越大則對(duì)于風(fēng)電不確定性擁有較大的安全裕度，表示系統(tǒng)能夠更大限度承受由于風(fēng)電出力不確定導(dǎo)致的機(jī)組爬坡變化。

4 經(jīng)濟(jì)爬坡調(diào)度模型

4.1 目標(biāo)函數(shù)

min(F1,F2)

(12)

(13)

(14)

式中，F(xiàn)1為經(jīng)濟(jì)成本目標(biāo)；F2為爬坡冗余度目標(biāo)；Fgen為火電機(jī)組的發(fā)電成本；Fw為風(fēng)電預(yù)測(cè)誤差懲罰成本。

本文的經(jīng)濟(jì)成本由兩部分組成，即火電機(jī)組的發(fā)電成本Fgen和風(fēng)電預(yù)測(cè)誤差懲罰成本Fw，發(fā)電機(jī)組的經(jīng)濟(jì)成本由二次函數(shù)表示：

(15)

式中，ai、bi和ci為常規(guī)機(jī)組i的發(fā)電成本系數(shù)。

風(fēng)電預(yù)測(cè)懲罰誤差成本分為高估成本和低估成本兩種情況，表示為：

(16)

式中，Cover和Cunder分別為高估和低估風(fēng)電的懲罰成本系數(shù)。

本文的爬坡冗余度目標(biāo)F2如式(14)所示，取爬坡冗余度Kramp,t的倒數(shù)作為爬坡冗余度指標(biāo)，所以F2值越小，表示爬坡冗余度越大，系統(tǒng)響應(yīng)風(fēng)電不確定性的能力也就越強(qiáng)。

4.2 約束條件

(1)功率平衡約束

(17)

式中，Pload,t為t時(shí)刻負(fù)荷值。

(2)機(jī)組出力上下限約束

(18)

(3)旋轉(zhuǎn)備用約束

(19)

(20)

式中，η1和η2為旋轉(zhuǎn)備用系數(shù)。

(4)機(jī)組爬坡約束

(21)

式中，ΔPs,t,i為場(chǎng)景s下機(jī)組i在t時(shí)刻出力與上一時(shí)刻出力差值。

5 算例仿真

5.1 算例描述

本文基于IEEE-30節(jié)點(diǎn)6機(jī)系統(tǒng)進(jìn)行算例仿真，算例生成200個(gè)風(fēng)電預(yù)測(cè)場(chǎng)景，采用最近鄰聚類法縮減到35個(gè)場(chǎng)景進(jìn)行求解。所用負(fù)荷及風(fēng)電預(yù)測(cè)數(shù)據(jù)如圖3所示，6機(jī)系統(tǒng)參數(shù)配置見表1。

圖3 負(fù)荷及風(fēng)電預(yù)測(cè)數(shù)據(jù)Fig.3 Forecast data of load and wind power

編號(hào)a/(S|/(MW2·h))b/(S|/(MW·h))c/(S|/h)Pmax(pu)Pmin(pu)ΔPup,i/(pu/h)ΔPdown,i/(pu/h)1102001001.500.050.30.32101501201.500.050.60.2320180401.500.050.30.4410100601.500.050.50.6520180401.500.050.30.26101501001.500.050.30.4

本文采用多目標(biāo)細(xì)菌群體群藥性算法(MOBCC)[11]進(jìn)行求解。

5.2 算例分析

(1)聚類有效性分析

圖4為200個(gè)場(chǎng)景經(jīng)過最近鄰聚類削減到35個(gè)場(chǎng)景后各個(gè)時(shí)刻的功率分布，圖中橫坐標(biāo)為各個(gè)時(shí)刻功率分布，縱坐標(biāo)為場(chǎng)景數(shù)?？梢钥闯觯?個(gè)時(shí)刻功率分布都基本服從以各自時(shí)刻預(yù)測(cè)值為均值的正態(tài)分布，說明采用最近鄰聚類的方法能夠較好地保證場(chǎng)景多樣性。從而避免了常用的啟發(fā)式同步回代縮減方法尋優(yōu)的過程，節(jié)省了縮減時(shí)間。

圖4 六時(shí)刻風(fēng)電功率分布圖Fig.4 Power distribution of six times

(2)調(diào)度結(jié)果展示

Pareto解集分布如圖5所示。可以看出，成本F1較小時(shí)，爬坡冗余度1/F2較小，主要原因是，能耗較低的機(jī)組出力較大，剩余的爬坡容量較小，導(dǎo)致系統(tǒng)整體的爬坡容量下降，相對(duì)于系統(tǒng)需要的爬坡容量百分比降低，因此，爬坡冗余度較小。相反，在成本F1較大時(shí)，由于能耗較高的機(jī)組和能耗較低的機(jī)組出力較為均勻，各機(jī)組都有寬裕的爬坡容量，系統(tǒng)整體的爬坡容量能夠較好地滿足負(fù)荷及風(fēng)電變化需求，因此爬坡冗余度1/F2較高。在Pareto解集的最后一段幾乎為水平的直線，表明所有機(jī)組都擁有額定的爬坡能力，此時(shí)系統(tǒng)擁有最大的爬坡冗余度9.72。最后本文通過TOPSIS原則選出來的最優(yōu)解成本為S|825.85，爬坡冗余度為9.42。表2為35場(chǎng)景計(jì)算的各機(jī)組出力的期望值。

圖5 Pareto解集分布Fig.5 Pareto distribution

時(shí)刻P1P2P3P4P5P6成本/S|KrampT10.36030.34780.33190.61360.38870.4449832.846.6442T20.31660.61740.09150.65240.36940.1422731.982.5878T30.50980.85330.13701.02170.53720.32821021.948.3623T40.44280.92600.40470.96980.53770.47801138.222.9264T50.40840.80570.12850.96980.51320.2314936.016.6482T60.43270.90800.39110.82290.50680.46211081.266.2237

注:表中機(jī)組出力為以100MW為基準(zhǔn)值的標(biāo)幺值。

(3)調(diào)度結(jié)果對(duì)比分析

為了說明本文所提模型的優(yōu)越性，首先不考慮風(fēng)電不確定性，即直接采用圖3的負(fù)荷和風(fēng)電預(yù)測(cè)值，利用本文所建立的經(jīng)濟(jì)爬坡調(diào)度模型(Economic Ramp Dispatch, ERD)和文獻(xiàn)[11]的經(jīng)濟(jì)環(huán)境調(diào)度模型(Economic Emission Dispatch, EED)進(jìn)行求解對(duì)比(不考慮其中的碳捕集裝置)，求解結(jié)果如表3和表4所示。

表3 EED模型調(diào)度結(jié)果

注:表中機(jī)組出力為以100MW為基準(zhǔn)值的標(biāo)幺值。

表4 ERD調(diào)度結(jié)果

注:表中機(jī)組出力為以100MW為基準(zhǔn)值的標(biāo)幺值。

從結(jié)果對(duì)比可以看出，本文所用方法較EED模型成本較高，主要原因在于爬坡的最優(yōu)分配與成本最低相矛盾，本文考慮風(fēng)電的不確定性，為了預(yù)留足夠大的爬坡冗余度，性能好、爬坡速率快的機(jī)組未能充分發(fā)揮高效運(yùn)行能力，導(dǎo)致?lián)碛休^大冗余度的時(shí)候成本升高。但是EED模型的爬坡冗余度指標(biāo)明顯小于本文方法所獲得解的爬坡冗余度，也就是說本文所獲得的解具有較大的爬坡容量，可以有更大的余地來應(yīng)對(duì)風(fēng)電出力的不確定性，進(jìn)一步可以說采用本文的方法，可以在滿足一定爬坡冗余度的情況下接納更多的風(fēng)電。

具體到各機(jī)組出力分析如下。

(1)由表3可以看出，機(jī)組1、2、3具有較低的能耗，在1～6時(shí)刻均具有較大出力，保證了系統(tǒng)運(yùn)行的經(jīng)濟(jì)性，但是這些機(jī)組所擁有的上爬坡能力較低。機(jī)組4、5、6能耗較大，只具有較低的出力，正是由于這些出力較低的機(jī)組，使系統(tǒng)擁有了目前的上爬坡冗余度，他們會(huì)承擔(dān)起響應(yīng)負(fù)荷和風(fēng)電不確定性所需要的爬坡容量。

(2)由表4可以看出，本文方法各機(jī)組出力EED模型所求結(jié)果有較大差異，其中機(jī)組2和機(jī)組4由于擁有較大的上下爬坡能力，處于中間位置，保證這兩臺(tái)機(jī)組在需要的時(shí)候可以快速上下調(diào)節(jié)。另外和EED模型相比，該組解的整體出力較為均衡，所有機(jī)組均有一定的上下調(diào)節(jié)能力。這也是該組解擁有較大的爬坡冗余度的原因。

6 結(jié)論

本文采用場(chǎng)景分析的方法刻畫風(fēng)電不確定性，提出了采用聚類的方法對(duì)場(chǎng)景進(jìn)行削減，不但可以避免傳統(tǒng)啟發(fā)式尋優(yōu)縮減方法的耗時(shí)缺點(diǎn)，而且可以有效保持場(chǎng)景的多樣性。在調(diào)度模型的建立中引入了爬坡冗余度的概念，采用本文建立的調(diào)度模型求解，不僅能保證各機(jī)組運(yùn)行的經(jīng)濟(jì)性和爬坡約束，更重要的是可以合理配置各機(jī)組的爬坡出力，盡量擴(kuò)大系統(tǒng)的爬坡冗余度，提高系統(tǒng)對(duì)負(fù)荷和風(fēng)電變化的響應(yīng)能力，有利于系統(tǒng)的安全運(yùn)行。

從調(diào)度結(jié)果的比較和分析中，有如下的結(jié)論：

(1)風(fēng)電變化趨勢(shì)與負(fù)荷變化趨勢(shì)一致時(shí)系統(tǒng)可以較為靈活地運(yùn)行，保證系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。風(fēng)電出力變化趨勢(shì)與負(fù)荷相反時(shí)，會(huì)加大系統(tǒng)爬坡風(fēng)險(xiǎn)，單純火電機(jī)組的調(diào)節(jié)存在較大困難，應(yīng)該利用儲(chǔ)能等調(diào)節(jié)手段來改變風(fēng)電出力趨勢(shì)，或者是增加可以快速調(diào)節(jié)的燃?xì)廨啓C(jī)機(jī)組，使系統(tǒng)擁有較高的經(jīng)濟(jì)性和對(duì)風(fēng)電變化的快速響應(yīng)能力。

(2)在缺少快速調(diào)節(jié)的電源時(shí)，可以依據(jù)實(shí)際情況對(duì)爬坡冗余度指標(biāo)的要求，合理制定棄風(fēng)或切負(fù)荷策略，從而達(dá)到電網(wǎng)的安全經(jīng)濟(jì)運(yùn)行。

[ 1] 羅文，王莉娜(Luo Wen，Wang Lina)．風(fēng)場(chǎng)短期風(fēng)速預(yù)測(cè)研究 (Short-term wind speed forecasting for wind farm) [J]．電工技術(shù)學(xué)報(bào) (Transactions of China Electrotechnical Society)，2011，26(7): 68-73．

[ 2] 馮雙磊，王偉勝，劉純, 等 (Feng Shuanglei，Wang Weisheng，Liu Chun，et al.)．風(fēng)電場(chǎng)功率預(yù)測(cè)物理方法研究 (Study on the physical approach to wind power prediction) [J]．中國電機(jī)工程學(xué)報(bào) (Proceedings of the CSEE)，2010，30(2):1-6．

[ 3] 賀建波，胡志堅(jiān)，仉夢(mèng)林, 等 (He Jianbo，Hu Zhijian，Zhang Menglin，et al.)．考慮系統(tǒng)實(shí)時(shí)響應(yīng)風(fēng)險(xiǎn)水平約束的風(fēng)-火-水電力系統(tǒng)協(xié)調(diào)優(yōu)化調(diào)度 (Coordinated optimal dispatching of wind-thermal-hydro power system considering constraint of real-time expected demand not supplied) [J]．電網(wǎng)技術(shù) (Power System Technology)，2014，38(7): 1898-1906．

[ 4] Wang L，Singh C．Balancing risk and cost in fuzzy economic dispatch including wind power penetration based on particle swarm optimization [J]．Electric Power Systems Research，2008，78: 1361-1368．

[ 5] 艾欣，劉曉 (Ai Xin，Liu Xiao)．基于可信性理論的含風(fēng)電場(chǎng)電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度 (Dynamic economic dispatch for wind farms integrated power system based on credibility theory) [J]．中國電機(jī)工程學(xué)報(bào) (Proceedings of the CSEE)，2011，31(Suppl.): 12-18．

[ 6] Miranda V，Hang P S．Economic dispatch model with fuzzy wind constraints and attitudes of dispatchers [J]．IEEE Transactions on Power Systems，2005，20(4): 2143-2145．

[ 7] 雷宇，楊明，韓學(xué)山 (Lei Yu，Yang Ming，Han Xueshan)．基于場(chǎng)景分析的含風(fēng)電系統(tǒng)機(jī)組組合的兩階段隨機(jī)優(yōu)化 (A two-stage stochastic optimization of unit commitment considering wind power based on scenario analysis) [J]． 電力系統(tǒng)保護(hù)與控制 (Power System Protection and Control)，2012，40(23): 58-67.

[ 8] 王洋(Wang Yang)．火電廠負(fù)荷優(yōu)化分配方法的研究(Research on the methods of power plant load dispatch) [D]．北京:華北電力大學(xué) (Beijing: North China Electric Power University)， 2011．

[ 9] Jamshid Aghaei, Tahe Niknam, Rasoul Azizipanah-Abarghooee，et al. Scenario-based dynamic economic emission dispatch considering load and wind power uncertainties [J]. International Journal of Electrical power and Energy Systems，2013，47: 351-367.

[10] Dupacova J，Growe-Kuska，Romisch W．Scenario reduction in stochastic programming: an approach using probability metrics [J]．Math Program, 2003，95(3): 493-511．

[11] Lu Z，F(xiàn)eng T，Li X．Low-carbon emission/economic power dispatch using the multi-objective bacterial colony chemotaxis optimization algorithm considering carbon capture power plant [J]．International Journal of Electrical Power & Energy Systems，2013，53: 106-112．

Economic/unit ramp dispatching for power grid integrated with wind power based on scenario analysis

LU Zhi-gang1， SUI Yu-shan1， HE Shou-long1,2， WANG Hui-jing1， SUN Yu3

(1. Key Lab of Power Electronics for Energy Conservation and Motor Drive of Hebei Province, Yanshan University, Qinhuangdao 066004, China; 2. State Grid Jibei Sanhe Power Supply Company Limited, Sanhe 065200, China; 3. Development & Planning Department of State Grid Jibei Electric Power Company, Beijing 100053, China)

With large-scale wind power integration, power system dispatching is facing a new challenge as wind power is intermittent and uncertain. Dispatching strategies of power system with wind power are putting more attention on uncertainty and its effects on system security. In order to make sure that the system has enough ability of responsiveness to wind power uncertainty, this article defines the unit ramp redundancy index, which takes the uncertainty of wind power and the changing trend of wind power curve into consideration, and put the index as one of the objectives of dispatch. This article adopts the method of scenario analysis to describe the uncertainty of wind power, and employs nearest neighbor clustering method to cut the multiple scene that generated, ensuring the diversity of the remaining scenarios and the accuracy of the dispatch results. Finally, this paper constructs the economic and unit ramp redundancy dispatch model and verifies the effectiveness of the proposed method by IEEE-30 nodes system.

economic dispatch; wind power uncertainty; unit ramp redundancy; scenario analysis; nearest neighbor clustering

2015-01-12

國家自然科學(xué)基金資助項(xiàng)目(61374098)

盧志剛(1963-)， 男， 河北籍， 教授， 博士生導(dǎo)師， 研究方向電力系統(tǒng)經(jīng)濟(jì)運(yùn)行分析與控制; 隋玉珊(1991-)， 女， 黑龍江籍， 碩士研究生， 研究方向?yàn)殡娏ο到y(tǒng)經(jīng)濟(jì)調(diào)度。

TM73

A

1003-3076(2016)02-0038-06