張江華　黃云峰　奚培鋒

摘 要：本文通過考慮風(fēng)電輸出功率的預(yù)測誤差具有不確定性的特點，采用重要性采樣場景生成方法，探討含風(fēng)電的區(qū)域綜合能源系統(tǒng)運行優(yōu)化，并通過仿真實驗驗證了所提出方法的有效性。結(jié)果表明，本文提出的方法具有更好的經(jīng)濟性、穩(wěn)定性和可靠性。

關(guān)鍵詞：區(qū)域綜合能源系統(tǒng);運行優(yōu)化;場景分析;風(fēng)力發(fā)電

中圖分類號：M614;TM732 文獻標(biāo)識碼：A 文章編號：1003-5168（2019）35-0148-03

Study on Operation Optimization of Regional Comprehensive

Energy System with Wind Power

ZHANG Jianghua1 HUANG Yunfeng1 XI Peifeng2

（1.School of Automation Engineering， Shanghai University of Electric Power，Shanghai 200090;2.Shanghai Smart Grid Demand Response Key Laboratory，Shanghai 200063）

Abstract： In this paper， by considering the uncertainty of the prediction error of wind power output， the importance sampling scenario generation method was adopted to explore the operation optimization of regional integrated energy system with wind power， and the effectiveness of the proposed method was verified by simulation experiments. The results show that the proposed method has better economy， stability and reliability.

Keywords： regional integrated energy systems;operation optimization;scenario analysis;wind power generation

在含有大規(guī)模風(fēng)電的區(qū)域綜合能源系統(tǒng)中，雖然對風(fēng)電功率的預(yù)測做了大量研究工作，但風(fēng)功率預(yù)測誤差的存在，使風(fēng)電的不確定性對區(qū)域綜合能源系統(tǒng)運行優(yōu)化有著重要影響[1]。實際上，風(fēng)力發(fā)電本身具有不確定性和較強的波動性特點，其影響不可忽略。而用蒙特卡洛模擬法模擬風(fēng)力發(fā)電需要利用大量的樣本空間，大大降低了運算速度。

由于場景分析法能明確體現(xiàn)風(fēng)電不確定性的概率特征，并可向上建立隨機規(guī)劃模型，因而成為隨機機組組合問題處理風(fēng)電不確定性的主要方法之一[2]。場景分析方法在描述帶有不確定性分布式可再生能源的區(qū)域綜合能源優(yōu)化運行問題時，能將其不確定性轉(zhuǎn)化為確定性的混合正式非線性問題。

本文在現(xiàn)有的含熱電聯(lián)產(chǎn)的區(qū)域綜合能源系統(tǒng)運行分析模型基礎(chǔ)上，進一步考慮風(fēng)電輸出功率的預(yù)測誤差具有不確定性的特點，采用重要性采樣場景生成方法，并與基于概率的場景分析方法進行比較分析。

1 區(qū)域綜合能源系統(tǒng)的隨機運行優(yōu)化模型

1.1 目標(biāo)函數(shù)

區(qū)域能源系統(tǒng)運行優(yōu)化問題的目標(biāo)函數(shù)為區(qū)域能源系統(tǒng)運行成本最小。其中，運行成本為系統(tǒng)機組發(fā)電、啟停成本及產(chǎn)蒸汽成本。目標(biāo)函數(shù)可表示為：

[minE（F）=minE[t∈T（i∈ZCft，i+i∈ZCOMt，i+Et，i+Ot，i）]=s∈Nsλst∈T（i∈Zcfs，t，ifs，t，i+i∈ZcOMs，t，izs，t，i+bs，te+s，t-pe，s，te-s，t+psteams，tgsteams，t）]（1）

式中，[E（F）]表示總的系統(tǒng)運行成本的期望值;[t]為調(diào)度周期[T]的一個時間段;[Z]為系統(tǒng)中的機組集合;[Cft，i]為[t]時間段內(nèi)機組[i]的燃料成本;[COMt，i]為[t]時間段內(nèi)機組[i]的運行操作成本;[Et，i]為[t]時間段內(nèi)機組[i]對大電網(wǎng)的出口而產(chǎn)生的收益;[Ot，i]為[t]時間段內(nèi)機組[i]對熱網(wǎng)出口蒸汽而產(chǎn)生的收益;[Ns]為情景數(shù)量;[λs]為情景[s]下對應(yīng)的概率;[cfs，t，i]為機組運行需要的燃料價格;[fs，t，i]為機組運行所需要的燃料;[zs，t，i]機組啟停狀態(tài);[bs，t]為系統(tǒng)向大電網(wǎng)購買電的價格;[e+s，t]為系統(tǒng)向大電網(wǎng)購買的電量;[pe，s，t]為系統(tǒng)向大電網(wǎng)售賣電的價格;[e-s，t]為系統(tǒng)向大電網(wǎng)售賣的電量;[psteams，t]為系統(tǒng)售賣蒸汽的價格;[gsteams，t]為系統(tǒng)售賣的蒸汽量。

1.2 約束條件

①系統(tǒng)電力平衡約束為：

[t∈T[i∈Z（egeni，t，s-econi，t，s）+e+t，s-e-t，s]=t∈TDet]? ? ? ? ? ? （2）

式中，[egeni，t，s]為系統(tǒng)機組的產(chǎn)電量;[econi，t，s]為系統(tǒng)自身用電量;[Det]為[t]時間段的系統(tǒng)電負荷量。

②系統(tǒng)熱平衡約束為：

[t∈T（wt，s+αwt-1，s+i∈Zhgeni，t，s）=t∈TDht]? ? ? ? ? ? ? （3）

式中，[hgeni，t，s]為機組蒸汽產(chǎn)量;[wt，s]為t時間段內(nèi)蒸汽儲量;[α]為蒸汽熱損;[Dht]為[t]時間段的系統(tǒng)熱負荷量。

③機組啟停約束為：

[Δzi，t，s≥zi，t，s-zi，t-1，sΔzi，t，s≤1-zi，t-1，sΔzi，t，s≤zi，t-1，st∈TΔzi，t，s≤Ni，s]? ? ? ? ? ? ? ? ? ? ?（4）

式中，[Δzi，t，s]為機組啟停的變化量;[zi，t，s]為機組啟停狀態(tài)，為二進制變量;[Ni，s]為系統(tǒng)允許最大機組開啟量。

④儲能設(shè)備約束為：

[Wmint，s≤wt，s≤Wmaxt，sΔwmint，s≤wt，s-wt-1，s≤Δwmaxt，s]? ? ? ? ? （5）

式中，[Wmint，s]、[Wmaxt，s]為儲能設(shè)備的最小、最大儲蓄量;[Δwmint，s]、[Δwmaxt，s]為儲能設(shè)備在[t]時間段內(nèi)儲能變換的最小、最大量。

2 重要性場景分析方法

重要性場景分析方法是一種基于風(fēng)力發(fā)電預(yù)測場景經(jīng)濟分配問題運營成本的概率重要性抽樣方法。Bruninx K等[3]提出了一種基于重要性抽樣的情景算法，通過將其與一個具有大量場景的隨機公式進行比較，發(fā)現(xiàn)使用重要性場景方法，可以把隨機機組組合轉(zhuǎn)化為確定性機組。主要過程如下：

給定場景集合[ΩS={ω1，ω2，…，ωM}]和場景概率分布[p]，并給定場景重要性度量[q]，其表示對目標(biāo)函數(shù)[C]權(quán)重的無偏估計。理想情況下，[q]代表場景調(diào)度結(jié)果對預(yù)期值的影響，即

[q*（ω）=p（ω）C（ω）EpC]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （6）

式中，[Ep]表示場景概率分布[p]的期望。由于[EpC]是最終的計算量，因此場景重要性度量[q*（ω）]采用通過少量場景的結(jié)果計算近似估計度量[q]的方法。假設(shè)場景集合為[ΩS]，原始測量[p]為均勻分布在[ΩS]上，所以[p（ω）=M-1]，其中[ω∈ΩS]。當(dāng)每個場景相對于確定性問題的目標(biāo)函數(shù)為[CD（?）]時，得到的等式為：

[C=i=1M（CD（ωi）M）]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （7）

式中，[C]為提供準(zhǔn)確估計的預(yù)期成本。

由式（6）和（7）可得：

[q（ωi）=CD（ωi）（MC）]? ? ? ? ?   ? ? ? ? ? ? ? ? ?（8）

重要性場景分析是一種解決由風(fēng)電功率預(yù)測誤差的不確定性引起的綜合能源系統(tǒng)運行優(yōu)化問題的有效方法，將模型中的不確定性問題變成多個確定性問題的集合，從而方便建立模型，優(yōu)化計算方法。

3 算例分析

3.1 算例系統(tǒng)構(gòu)成

綜合能源系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 綜合能源系統(tǒng)結(jié)構(gòu)

3.2 場景設(shè)計

假設(shè)光伏發(fā)電的預(yù)測輸出數(shù)據(jù)已知，根據(jù)“預(yù)測箱”方法產(chǎn)生1 000個光電場。然后估計每個場景對應(yīng)的含光電問題目標(biāo)函數(shù)值，用重要性采樣方法對場景樣本進行選擇，通過后項場景縮減對1 000個光電場景進行消減，消減至10個場景，再將10個場景的風(fēng)電輸出功率，通過綜合能源系統(tǒng)一般化模型求解機組的啟停時序，將結(jié)果作為日內(nèi)經(jīng)濟調(diào)度的輸入，可得到各個機組的運行方案及運行成本。表1為24h內(nèi)各個機組的啟停狀態(tài)運行方案。

將優(yōu)化方案運用到當(dāng)日實際風(fēng)電輸出場景中，可以得到如表2所示的結(jié)果。

由表2可知，根據(jù)重要場景分析方法及代理模型優(yōu)化計算后得到的優(yōu)化方案適用于實際風(fēng)電量。整體收益與期望最大收益相比變化不大，說明該運行方案可作為當(dāng)前調(diào)度方案。該方案在兩種場景下具體機組的產(chǎn)出如圖2和圖3所示。

表1 日內(nèi)調(diào)度各機組運行方案

注：1表示開啟，·表示該時間段機組關(guān)閉。

表2 預(yù)測風(fēng)電與實際風(fēng)電優(yōu)化方案對比

由圖2和圖3可知，各個時刻，各機組無論是產(chǎn)電量或者產(chǎn)蒸汽量，都較為接近，最大程度上滿足了負荷需求，同時又提高了綜合系統(tǒng)運行的經(jīng)濟效益。

4 結(jié)語

本文采用場景分析法來刻畫風(fēng)電的不確定性，并提出用重要性采樣方法對場景進行分析。與傳統(tǒng)的場景生成方法相比，該方法在不降低準(zhǔn)確性的條件下，計算成本較低。隨后，以上海某園區(qū)的含風(fēng)電綜合能源系統(tǒng)為研究對象，驗證了模型的可行性和計算方法的有效性。結(jié)果亦表明，通過優(yōu)化模型得到的運行方案在不同風(fēng)電輸出的場景下靈活調(diào)整，提高了綜合系統(tǒng)經(jīng)濟性，同時也降低了風(fēng)電輸出波動性給電網(wǎng)帶來的影響，具有較好的穩(wěn)定性和可靠性。

圖2 優(yōu)化方案在預(yù)測與實際中1號聯(lián)合機組產(chǎn)電量對比

圖3 優(yōu)化方案在預(yù)測與實際中1號微燃機產(chǎn)蒸汽對比

參考文獻：

[1] Louka P， Galanis G， Siebert N， et al. Improvements in wind speed forecasts for wind power prediction purposes using Kalman filtering[J]. Journal of Wind Engineering & Industrial Aerodynamics，2008（12）：2348-2362.

[2] Zhang Z， Sun Y， Li G， et al. A solution of economic dispatch problem considering wind power uncertainty[J]. Automation of Electric Power Systems，2011（22）：125-130.

[3]Bruninx K， Delarue E. Scenario reduction techniques and solution stability for stochastic unit commitment problems[C]//Energy Conference.IEEE，2016.