張世翔　邵慧壯

(上海電力學院　上海 200090)

?

含風電的電力系統(tǒng)低碳經(jīng)濟調(diào)度*

張世翔邵慧壯

(上海電力學院上海 200090)

摘要含風電場的電力系統(tǒng)調(diào)度是一個多目標優(yōu)化問題。運用機會約束方法，建立了包括低碳化和發(fā)電成本兩個目標函數(shù)的調(diào)度模型，在充分考慮環(huán)境保護效益的同時，提出了風險成本的概念，使得發(fā)電成本更切合工程實際。在改進自適應遺傳算法的基礎上，引入了pareto最優(yōu)解集方法，充分發(fā)揮了遺傳算法的全局搜索能力和pareto求解多目標問題的潛力。通過實際調(diào)度案例驗證了所提算法的合理性。

關鍵詞機會約束低碳經(jīng)濟調(diào)度pareto最優(yōu)解集遺傳算法

0引言

電力行業(yè)是一個高能耗高污染行業(yè)，節(jié)能減排一直是電力行業(yè)主攻的方向。隨著新能源技術的發(fā)展，風力發(fā)電以其無消耗、無污染的優(yōu)勢正在占據(jù)越來越多的市場份額。風力發(fā)電可以很好地緩解電力行業(yè)高污染的現(xiàn)狀，使得二氧化碳的排放大大減少，促進電力行業(yè)的低碳發(fā)展[1]。風能作為一種自然資源，受氣象條件影響較大，具有很大的不確定性，因此含風電的電力系統(tǒng)調(diào)度成為研究難點。本文通過建立包含低碳化和發(fā)電成本的調(diào)度模型，在機會約束條件下，充分應用pareto最優(yōu)解集和遺傳算法的結合，對實際含風電系統(tǒng)的調(diào)度進行了仿真和驗證。

1低碳經(jīng)濟調(diào)度模型

在兼顧系統(tǒng)經(jīng)濟性的同時，考慮調(diào)度的低碳效益，分別用發(fā)電成本和碳排放量兩個目標函數(shù)表示。由于風電的并網(wǎng)給系統(tǒng)帶來了很多不確定性因素，傳統(tǒng)的等式約束條件就失去了意義。機會約束方法可以根據(jù)設定的置信度水平很好地解決含有不確定性因素的問題，使得問題的求解在給定的置信度水平下具有實際意義[2]。

1.1目標函數(shù)

1.1.1碳排放最少

火電機組在運行過程中消耗大量化石能源，會排放很多污染物，如二氧化硫、氮氧化物、二氧化碳等，本次研究只考慮低碳效益，故只考慮二氧化碳。風機在運行過程中不消耗一次能源，可以看作零排放，即

(1)

式中，δi為第i臺火電機組的碳排放系數(shù)，t/(MW·h)。1.1.2發(fā)電成本最小

(1)對于傳統(tǒng)火力發(fā)電機組而言，發(fā)電成本主要是燃料成本，表示方式如下：

(2)

式中ai，bi，ci分別為火電機組的發(fā)電成本系數(shù)，PGit為第i臺機組在時間t時刻的出力，MW。

(2)對于風機而言，其發(fā)電成本近似與發(fā)電量成線性關系，同時考慮到風機的不確定因素會給系統(tǒng)帶來沖擊，本次研究還考慮了其給系統(tǒng)帶來的風險成本，通過旋轉(zhuǎn)備用費用來表示。綜合表示如下：

(3)

式中，Cw為風機發(fā)電成本系數(shù)，萬元/(MW·h)；Cs為旋轉(zhuǎn)備用系數(shù)，萬元/(MW·h)；Ejt為第j臺風機在t時刻出力的可靠性；Pwjt為第i臺風機在t時刻的預測出力，MW。

(3)綜合考慮火電機組和風機的發(fā)電成本以及發(fā)電風險成本，含風電系統(tǒng)總的發(fā)電成本為

F=FG+FW

(4)

1.2約束條件

(1)系統(tǒng)功率平衡約束：

(5)

(2)系統(tǒng)的正負旋轉(zhuǎn)備用約束：

(6)

(7)

(3)火電機組有功功率約束：

PGi,min≤PGit≤PGi,max

(8)

1.3多目標求解方法

1.3.1自適應遺傳算法

遺傳算法是一種模擬自然界生物進化過程的傳統(tǒng)算法，具有很好的全局搜索能力，通過選擇、交叉、變異3個典型算子探尋最優(yōu)解。傳統(tǒng)的交叉、變異算子對于最優(yōu)解的搜索能力有很大的局限性，交叉、變異概率的人為設定會影響收斂速度或者導致局部最優(yōu)解的產(chǎn)生。本次研究采用線性自適應遺傳算法，可以在一定程度上提高收斂速度并保證解的全局最優(yōu)性。線性自適應遺傳算法主要基于個體適應度在種群最大適應度和平均適應度之間的變化，對交叉概率和變異概率進行調(diào)整，具體如下[3-4]：

(9)

(10)

其中，fmax為種群最大適應度，favg為種群平均適應度，f1表示交叉兩個體較大的適應度，f為變異個體適應度。

1.3.2pareto最優(yōu)解集

傳統(tǒng)的多目標求解問題通常是通過加權的形式，將多目標問題的求解轉(zhuǎn)化為單目標問題，而pareto最優(yōu)解可以向決策者提供一個多目標的最優(yōu)解集，各個目標并沒有賦予權重，集合中的解都是最優(yōu)解，決策者可以根據(jù)各個目標的側(cè)重選擇合適的最優(yōu)解。本次研究的pareto最優(yōu)解通過并列選擇法實現(xiàn)。該方法的基本思想是：首先將各子目標均勻地劃分給各個子種群，在各子種群中選擇出相應子目標適應度較高的個體，然后將選擇出來的個體組成新的種群，對該種群進行選擇、交叉、變異操作，生成下一代。如此不斷進行“分割—并列選擇—合并”，最終可求出多目標優(yōu)化問題的pareto最優(yōu)解[5-6]。

2算例分析

本文研究以IEEE30節(jié)點的6機系統(tǒng)為例驗證算法的合理性，其中第4臺和第6臺機組為燃氣機組，在節(jié)點16裝入容量為90 MW的風電場，以某天24 h的經(jīng)濟調(diào)度為研究對象，1 h為一個時間段。風電場在各時段的出力預測可信度為0.85，風電場的發(fā)電成本價格為 0.05 萬元/(MW·h)，旋轉(zhuǎn)備用容量價格為0.02萬元/(MW·h)，系統(tǒng)的正負旋轉(zhuǎn)備用取系統(tǒng)負荷的5%，置信水平β0，β1，β2都取0.95，初始種群為100，遺傳代數(shù)為50。

本次調(diào)度研究的目標函數(shù)有2個，分別是發(fā)電成本最小和碳排放最少。調(diào)度時間是1 d，1 h為一個調(diào)度點，調(diào)度對象包括6臺火電機組和一個風電場。我國《可再生能源法》規(guī)定在安全約束下，風力發(fā)電全額上網(wǎng)，考慮到風力發(fā)電的不確定性，本次調(diào)度研究優(yōu)先考慮風電上網(wǎng)，即風電全額上網(wǎng)。調(diào)度中的發(fā)電成本和碳排放量是相互沖突的兩個目標函數(shù)，不可能同時達到最優(yōu)，本次研究通過多目標優(yōu)化的pareto遺傳算法進行調(diào)度。

2.1只考慮發(fā)電成本

以發(fā)電成本作為調(diào)度目標函數(shù)，通過遺傳算法優(yōu)化可得火電機組出力如表1所示。在各個時段火電機組出力的分配以最小發(fā)電成本為目標，在機組允許條件下，優(yōu)先調(diào)度發(fā)電成本較低的機組，如果不能滿足負荷要求，再調(diào)度發(fā)電成本稍高的機組，直至滿足負荷需求。

表1　發(fā)電成本最小時火電機組出力

2.2只考慮碳排放量

以碳排放量作為調(diào)度目標函數(shù)，通過遺傳算法優(yōu)化可得火電機組出力如表2所示。在調(diào)度過程中，優(yōu)先考慮碳排放系數(shù)較小的機組，直至滿足負荷需求。通過對比可以看出，機組出力相對于以發(fā)電成本為目標函數(shù)時有很大差別。

表2　碳排放最少時的火電機組出力

2.3多目標下的pareto最優(yōu)解

充分考慮發(fā)電成本和碳排放量作為協(xié)同調(diào)度目標函數(shù)，通過pareto遺傳算法優(yōu)化可得多目標下的pareto最優(yōu)解，如圖1所示。

圖1　pareto最優(yōu)解

2.4置信度水平對優(yōu)化結果的影響

機會約束是解決不確定問題的一種典型方法，它引入了一定的風險因素，避免了傳統(tǒng)保守觀念帶來的更大投入、更多浪費。不同的置信度水平對于調(diào)度的影響是很大的。一般來說，風險越大，成本越低，效益越高，合理的置信度水平設置可以帶來最優(yōu)化的成本和效益。本次調(diào)度研究分別針對3種置信度水平進行對比分析(見表3)，可以看出，在一定范圍內(nèi)，置信水平越低，風險越大，但發(fā)電成本越小，碳排放量越少。

表3　不同置信水平對調(diào)度目標的影響

3結語

本文建立了包括低碳化和發(fā)電成本兩個目標函數(shù)的調(diào)度模型，在充分考慮環(huán)境效益的同時，提出了風險成本的概念，使得發(fā)電成本更切合工程實際。在改進自適應遺傳算法的基礎上，引入了pareto最優(yōu)解集的方法，充分發(fā)揮了遺傳算法的全局搜索能力和pareto最優(yōu)方法的多目標求解能力。通過實際調(diào)度案例驗證了所提算法的合理性。本研究對于含風電系統(tǒng)的優(yōu)化調(diào)度問題具有一定參考意義。

參考文獻

[1]康重慶，陳啟鑫，夏清．低碳電力技術的研究展望[J]．電網(wǎng)技術，2009，33(2)：1-7．

[2]沈洲，楊偉，仲海波，等．基于機會約束規(guī)劃和隨機模擬技術的含風電場電力系統(tǒng)多目標優(yōu)化調(diào)度[J]．電網(wǎng)技術，2013，28(1)：44-53．

[3]牟錦輝，蘇三買．約束優(yōu)化問題的混合遺傳算法研究[J]．計算機仿真，2009(8)：184-187．

[4]鄺航宇，金晶，蘇勇．自適應遺傳算法交叉變異算子的改進[J]．計算機仿真，2006(12)：93-99．

[5]王曉鵬．多目標優(yōu)化設計中的Pareto遺傳算法[J]．計算機仿真，2003(12)：1558-1561．

[6]雷英杰．Matlab遺傳算法工具箱及應用[M]．西安：西安電子科技大學出版社，2005．

Low Carbon Economic Dispatch of Wind Power System

ZHANG ShixiangSHAO Huizhuang

(ShanghaiUniversityofElectricPowerShanghai200090)

AbstractThe scheduling system with wind farms is a multi-objective optimization problem. This paper takes use of the chance-constrained method , builds a scheduling model including low-carbon and costs, takes full account of environmental benefits and raises the concept of risk cost, making the result more in line with the actual cost .Then, based on the improvement of adaptive genetic algorithm, the pareto optimal method is introduced, giving full use of the global search ability and potential pareto genetic algorithm for solving multi-objective problems. Finally, an actual scheduling case is used to verify the rationality of the proposed algorithm.

Key Wordschance-constrainedlow-carboneconomic dispatchpareto optimal solutiongenetic algorithm

*基金項目：上海市教委科研創(chuàng)新重點項目(14ZS146)，上海市哲學社會科學規(guī)劃課題(2013BGL016)，上海高校內(nèi)涵建設085工程項目“面向智能電網(wǎng)的能源電力專業(yè)與學科群建設”，上海高校人文社會科學重點研究基地建設項目(WKJD15004)，中國工程院咨詢研究重點項目(2016-XZ-29)。

作者簡介張世翔，男，1979年生，博士后，教授，上海電力學院科研處副處長，學科建設辦公室副主任，碩士研究生導師。邵慧壯，男，1989年生，河南濮陽人，上海電力學院電力工程經(jīng)濟與管理專業(yè)碩士研究生。

(收稿日期：2015-06-30)