李衛(wèi)東，賀鴻鵬

考慮風(fēng)電消納的源-荷協(xié)同優(yōu)化調(diào)度策略

李衛(wèi)東1，賀鴻鵬2

（1．沈陽工業(yè)大學(xué)電氣工程學(xué)院，遼寧省 沈陽市 110870；2．國網(wǎng)內(nèi)蒙古東部電力有限公司，內(nèi)蒙古自治區(qū) 呼和浩特市 010020）

為提升風(fēng)電消納比例，提出一種基于遺傳算法的源-荷協(xié)同調(diào)度策略。旨在通過負(fù)荷側(cè)需求響應(yīng)與源側(cè)發(fā)電機(jī)組共同參與電網(wǎng)優(yōu)化調(diào)度，緩解由于風(fēng)電反調(diào)峰特性導(dǎo)致的大規(guī)模棄風(fēng)問題。在電力用戶自愿參與電網(wǎng)調(diào)度的基礎(chǔ)上，分析激勵型需求響應(yīng)參與電網(wǎng)調(diào)度對風(fēng)電消納的影響機(jī)理，以系統(tǒng)總成本最低為目標(biāo)建立源-荷協(xié)同優(yōu)化調(diào)度模型，在保證系統(tǒng)安全、可靠的前提下，采用遺傳算法對模型進(jìn)行求解。利用Matlab對算例進(jìn)行仿真計算，與僅考慮源側(cè)優(yōu)化的調(diào)度策略相比，風(fēng)電消納比例提高了27.56%，總調(diào)度成本降低了4798元，驗證了所提策略對于提升風(fēng)電消納的有效性。

風(fēng)電消納；源-荷協(xié)同調(diào)度；需求響應(yīng)；調(diào)度模型；遺傳算法

0 引言

風(fēng)電作為可再生能源因具有成本低、環(huán)保、可持續(xù)性等諸多優(yōu)點(diǎn)，近年來獲得了快速發(fā)展。但由于其出力具有隨機(jī)性、間歇性以及反調(diào)峰特性，風(fēng)電并網(wǎng)給電網(wǎng)調(diào)度帶來一定挑戰(zhàn)[1-3]。據(jù)統(tǒng)計，2018年1—9月，全國風(fēng)電發(fā)電量為2 676億kW·h，其中棄風(fēng)電量為222億kW·h[4]，棄風(fēng)問題依然嚴(yán)峻。

為提升風(fēng)電消納比例，國內(nèi)外學(xué)者對電網(wǎng)優(yōu)化調(diào)度策略進(jìn)行了深入研究。文獻(xiàn)[5]針對電力系統(tǒng)因調(diào)節(jié)能力不足而造成棄風(fēng)等問題，構(gòu)建了多源并存的電力系統(tǒng)風(fēng)–火–水–儲–氣聯(lián)合優(yōu)化調(diào)度模型，并給出了模型的求解方法，其結(jié)果驗證了所提模型對促進(jìn)風(fēng)電消納的作用。文獻(xiàn)[6]從解耦熱電耦合約束、提升電力系統(tǒng)調(diào)節(jié)能力角度出發(fā)，提出了基于含儲熱的熱電聯(lián)產(chǎn)機(jī)組與電鍋爐的棄風(fēng)消納協(xié)調(diào)調(diào)度模型，結(jié)果表明電鍋爐供熱在極限消納棄風(fēng)時具有最佳經(jīng)濟(jì)性。文獻(xiàn)[7]為解耦傳統(tǒng)的“以熱定電”約束，提高系統(tǒng)風(fēng)電消納能力，針對風(fēng)電-電儲能-蓄熱式電鍋爐的聯(lián)合系統(tǒng)，充分地考慮了電儲能裝置對功率和能量的時間遷移能力以及電、熱系統(tǒng)互補(bǔ)的物理特性，并引入了棄風(fēng)成本參數(shù)，建立了以實(shí)現(xiàn)最低運(yùn)行成本為目標(biāo)的綜合調(diào)度模型。文獻(xiàn)[8]在考慮風(fēng)電出力不確定性的基礎(chǔ)上提出了一種風(fēng)電場與含儲熱的熱電聯(lián)產(chǎn)聯(lián)合運(yùn)行的調(diào)度模式。文獻(xiàn)[9]通過在供熱側(cè)配置儲熱、在供電側(cè)配置抽水蓄能，與常規(guī)機(jī)組共同參與電網(wǎng)優(yōu)化調(diào)度，形成了電熱聯(lián)合系統(tǒng)多源協(xié)調(diào)運(yùn)行的調(diào)度模式，并以風(fēng)電消納電量最大和系統(tǒng)運(yùn)行成本最小為目標(biāo)建立了電熱聯(lián)合系統(tǒng)多源協(xié)調(diào)優(yōu)化模型。文獻(xiàn)[10]在發(fā)電側(cè)引入了儲能系統(tǒng)，在電網(wǎng)側(cè)采用魯棒優(yōu)化的方法來描述風(fēng)電出力的不確定性，提出了一種考慮儲能參與的含高比例風(fēng)電互聯(lián)電力系統(tǒng)分散式調(diào)度模型，并對風(fēng)電采取了區(qū)域內(nèi)消納和跨區(qū)域外送2種消納方式，通過算例驗證了模型的有效性。

上述研究成果突出了協(xié)同調(diào)度方式在風(fēng)電消納中起到的重要作用。本文提出一種源–荷協(xié)同調(diào)度策略，首先分析了需求響應(yīng)對風(fēng)電消納的影響機(jī)理，并依據(jù)電力輔助服務(wù)市場相關(guān)政策建立了需求響應(yīng)調(diào)度模型，即參與電網(wǎng)調(diào)度的用戶會收到一定的補(bǔ)償。然后基于源-荷系統(tǒng)模型建立了以總成本為最低的目標(biāo)函數(shù)，并充分考慮電網(wǎng)功率平衡等約束條件。最后利用Matlab進(jìn)行仿真計算，驗證所提策略的有效性。

1 激勵型需求響應(yīng)

需求響應(yīng)是指電力用戶根據(jù)市場的不同激勵機(jī)制改變原有的用電習(xí)慣，按照用戶參與調(diào)度的響應(yīng)形式對需求響應(yīng)進(jìn)行劃分，可分為基于價格的需求響應(yīng)和基于激勵的需求響應(yīng)[11]。本文只考慮基于激勵的需求響應(yīng)。

隨著電力用戶種類的增長，日間負(fù)荷需求與夜間風(fēng)力大發(fā)形成明顯沖突，其中具有快速投切、高自動化且僅在日間工作的高耗能工業(yè)負(fù)荷加劇了該沖突的影響。因此，國家發(fā)改委提出電力輔助服務(wù)市場相關(guān)政策，鼓勵用戶參與電網(wǎng)調(diào)峰并給與一定補(bǔ)償。在日間負(fù)荷高峰期，參與需求側(cè)響應(yīng)的電力工廠用戶減少投產(chǎn)機(jī)組或停止生產(chǎn)，以降低電網(wǎng)調(diào)峰壓力，為保證用戶生產(chǎn)利益，工廠用戶可在夜間風(fēng)電大發(fā)期間進(jìn)行生產(chǎn)。此做法既能保證用戶生產(chǎn)利益，又有利于提升風(fēng)電消納比例，圖1為需求響應(yīng)參與電網(wǎng)調(diào)度提升風(fēng)電消納比例的示意圖。由圖1可知，若用戶自愿參與電網(wǎng)調(diào)度，可將11:00—15:00的負(fù)荷轉(zhuǎn)移至風(fēng)電功率較大的00:00—04:00，為風(fēng)電提供消納空間。由此可見，若用戶參與需求響應(yīng)可增加負(fù)荷調(diào)節(jié)靈活性，是避免系統(tǒng)發(fā)生大規(guī)模棄風(fēng)的重要手段。

圖1 需求響應(yīng)參與風(fēng)電消納示意圖

激勵型需求響應(yīng)調(diào)度模型建立如下：

為保證工廠的生產(chǎn)效益，對激勵型需求響應(yīng)約束如下：

2 源-荷調(diào)度模型及約束條件

2.1 源-荷調(diào)度模型

2.1.1 火電機(jī)組

火電機(jī)組作為可控電源，可以通過合理的調(diào)度跟蹤電網(wǎng)負(fù)荷的變化。此時，發(fā)電成本主要為燃料成本：

式中：1表示火電機(jī)組燃煤成本；表示火電機(jī)組總數(shù)；a、b和c表示燃料成本系數(shù)；P表示火電機(jī)組在時刻的功率。

2.1.2 熱電聯(lián)產(chǎn)機(jī)組

熱電聯(lián)產(chǎn)機(jī)組的出力包括熱出力和電出力，運(yùn)行過程中要同時滿足熱力平衡與電力平衡，因此在運(yùn)行過程中不允許停機(jī)。本文只考慮熱電聯(lián)產(chǎn)機(jī)組的電出力，但在計算其燃煤成本過程中，需將熱出力轉(zhuǎn)換為電出力進(jìn)行計算[12]，計算公式如下：

式中：ZS,j,t表示折算后的電功率；CHP,j,t和CHP,j,t分別表示熱電機(jī)組在時刻的電功率和熱功率；v,j為抽汽式熱電機(jī)組的熱電比。此時的發(fā)電成本主要為燃料成本，計算公式如下：

式中：2表示熱電聯(lián)產(chǎn)機(jī)組燃煤成本；表示熱電聯(lián)產(chǎn)機(jī)組總數(shù)；m、m、m表示熱電聯(lián)產(chǎn)機(jī)組燃料成本系數(shù)。

2.1.3 棄風(fēng)成本

為促進(jìn)風(fēng)電消納，需對棄風(fēng)功率進(jìn)行懲罰，懲罰成本計算公式為

2.1.4 激勵型需求響應(yīng)

激勵型需求響應(yīng)主要為依據(jù)電力輔助服務(wù)市場政策的補(bǔ)償成本，計算公式如下：

式中4為參與需求響應(yīng)給予用戶的補(bǔ)償成本。

綜上，建立以總成本最低為目標(biāo)的目標(biāo)函數(shù)

2.2 系統(tǒng)約束

2.2.1 功率平衡約束

在忽略網(wǎng)絡(luò)傳輸損耗的基礎(chǔ)上，各發(fā)電機(jī)組的輸出電功率之和與經(jīng)過需求響應(yīng)之后的負(fù)荷相等，即

2.2.2 常規(guī)機(jī)組約束

1）源側(cè)機(jī)組約束。

由于火電機(jī)組存在最小運(yùn)行方式，其出力應(yīng)被限制在機(jī)組出力上下限之間：

式中max,i和min,i分別表示火電機(jī)組出力的上下限。

熱電聯(lián)產(chǎn)機(jī)組電出力的上下限：

式中max,CHPj和min,CHPj分別表示熱電聯(lián)產(chǎn)機(jī)組電出力的上下限。

2）荷側(cè)約束。

需求響應(yīng)約束條件如公式(2)和(3)所示，在此不再重復(fù)說明。

3 模型求解

本文采用遺傳算法(genetic algorithm，GA)求解所提出的調(diào)度模型。遺傳算法是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過程的計算模型，是一種通過模擬自然進(jìn)化過程搜索最優(yōu)解的方法。其主要特點(diǎn)是直接對結(jié)構(gòu)對象進(jìn)行操作，沒有求導(dǎo)和函數(shù)連續(xù)性的限定；采用概率化的尋優(yōu)方法，不需要確定的規(guī)則就能自動獲取和指導(dǎo)優(yōu)化的搜索空間，自適應(yīng)地調(diào)整搜索方向[13]。具體求解流程見圖2。

4 算例分析

圖2 模型求解流程圖

在本算例中假設(shè)風(fēng)電預(yù)測值以及負(fù)荷預(yù)測值為精準(zhǔn)值，二者預(yù)測值如圖3所示。

表1 火電機(jī)組與熱電聯(lián)產(chǎn)機(jī)組的技術(shù)參數(shù)

圖3 風(fēng)電及負(fù)荷預(yù)測值

將上述參數(shù)輸入調(diào)度模型中，將熱電聯(lián)產(chǎn)機(jī)組功率、火電機(jī)組功率、棄風(fēng)功率以及需求響應(yīng)功率作為優(yōu)化對象，在保證系統(tǒng)安全、可靠的前提下，經(jīng)遺傳算法優(yōu)化后得到各項費(fèi)用如表2所示，風(fēng)電消納對比如圖4所示。

表2 不同調(diào)度策略的系統(tǒng)運(yùn)行費(fèi)用

圖4 風(fēng)電消納對比

由表2和圖4可知，負(fù)荷側(cè)需求響應(yīng)能夠有效降低棄風(fēng)成本并促進(jìn)風(fēng)電消納。僅對源側(cè)機(jī)組進(jìn)行優(yōu)化的調(diào)度策略的風(fēng)電消納比例為63.37%，而本文所提調(diào)度策略的風(fēng)電消納比例為90.93%，消納比例提高了27.56%。

圖5為2種調(diào)度策略負(fù)荷需求對比，可以看出，將負(fù)荷功率進(jìn)行優(yōu)化后，在夜間00:00—04:00風(fēng)電大發(fā)期間，其負(fù)荷需求有所提高，有利于為消納風(fēng)電提供空間；而在風(fēng)電較少期間，負(fù)荷需求有所降低，減小電網(wǎng)調(diào)峰壓力。圖6為2種調(diào)度策略熱電聯(lián)產(chǎn)機(jī)組和火電機(jī)組出力對比圖，可見在夜間00:00—04:00風(fēng)電大發(fā)期間，本文所提的源-荷協(xié)同調(diào)度策略中火電機(jī)組和熱電聯(lián)產(chǎn)機(jī)組的有功出力較低，進(jìn)一步為風(fēng)電消納提供空間。

圖5 負(fù)荷需求對比

圖6 熱電聯(lián)產(chǎn)及火電出力對比

5 結(jié)論

針對提升風(fēng)電消納，提出了一種基于遺傳算法的源-荷協(xié)同調(diào)度策略，建立了以總成本最低為目標(biāo)的函數(shù)，對源–荷系統(tǒng)的功率進(jìn)行優(yōu)化。結(jié)果表明：與只對源側(cè)機(jī)組進(jìn)行優(yōu)化的調(diào)度策略相比，所提調(diào)度策略風(fēng)電消納比例提高了27.56%，總調(diào)度成本降低了4798元。由此可得出如下結(jié)論：

1）源–荷協(xié)同調(diào)度策略對促進(jìn)風(fēng)電消納、降低系統(tǒng)調(diào)度成本有積極作用。

2）需求側(cè)響應(yīng)能緩解由于風(fēng)電的反調(diào)峰特性而導(dǎo)致的棄風(fēng)問題，是提升風(fēng)電消納的有效手段。

[1] 薛靜瑋，吳曉升，葉榮，等．大規(guī)模風(fēng)電接入輸電網(wǎng)的源網(wǎng)聯(lián)合規(guī)劃[J]．電網(wǎng)與清潔能源，2019，35(3)：68-74．

[2] 傅旭，趙娟，張更賀，等．風(fēng)電場接入對送端電網(wǎng)暫態(tài)特性的影響研究[J]．分布式能源，2019，4(1)：17-21．

[3] 金尚婷，吳杰康，覃煒梅，等．考慮風(fēng)電消納的配電網(wǎng)多目標(biāo)無功協(xié)同優(yōu)化[J]．廣東電力，2019，32(1)：52-59．

[4] 國家能源局．2018年前三季度風(fēng)電并網(wǎng)運(yùn)行情況[EB/OL]．(2018-10-30)[2018-12-15].http://www.nea.gov.cn/2018-10/30/c_137569222.htm．

[5] 甘偉，艾小猛，方家琨．風(fēng)–火–水–儲–氣聯(lián)合優(yōu)化調(diào)度策略[J]．電工技術(shù)學(xué)報，2017，32(S1)：11-20．

[6] 崔楊，陳志，嚴(yán)干貴．基于含儲熱熱電聯(lián)產(chǎn)機(jī)組與電鍋爐的棄風(fēng)消納協(xié)調(diào)調(diào)度模型[J]．中國電機(jī)工程學(xué)報，2016，36(15)：4072-4081．

[7] 王振浩，楊璐，田春光．考慮風(fēng)電消納的風(fēng)電-電儲能-蓄熱式電鍋爐聯(lián)合系統(tǒng)能量優(yōu)化[J]．中國電機(jī)工程學(xué)報，2017，37(S1)：137-143．

[8] 戴遠(yuǎn)航，陳磊，閔勇．風(fēng)電場與含儲熱的熱電聯(lián)產(chǎn)聯(lián)合運(yùn)行的優(yōu)化調(diào)度[J]．中國電機(jī)工程學(xué)報，2017，37(12)：3470-3479．

[9] 李守東，董海鷹，張蕊萍．考慮風(fēng)電消納的電熱聯(lián)合系統(tǒng)多源協(xié)調(diào)優(yōu)化運(yùn)行[J]．太陽能學(xué)報，2018，39(8)：2217-2225．

[10] 任建文，許英強(qiáng)，董圣孝．考慮儲能參與的含高比例風(fēng)電互聯(lián)電力系統(tǒng)分散式調(diào)度模型[J]．電網(wǎng)技術(shù)，2018，42(4)：1079-1086．

[11] 肖斐，艾芊．基于模型預(yù)測控制的微電網(wǎng)多時間尺度需求響應(yīng)資源優(yōu)化調(diào)度[J]．電力自動化設(shè)備，2018，38(5)：184-190．

[12] 崔楊，陳志，嚴(yán)干貴．基于含儲熱熱電聯(lián)產(chǎn)機(jī)組與電鍋爐的棄風(fēng)消納協(xié)調(diào)調(diào)度模型[J]．中國電機(jī)工程學(xué)報，2016，36(15)：4072-4081．

[13] 許瑋，袁弘，車長明．含電動汽車柔性負(fù)荷響應(yīng)的優(yōu)化調(diào)度策略研究[J]．電測與儀表，2018，55(14)：8-12．

[14] 崔楊，楊志文，仲悟之，等．降低硫硝排放的含儲熱熱電聯(lián)產(chǎn)機(jī)組與風(fēng)電聯(lián)合調(diào)度策略[J]．電網(wǎng)技術(shù)，2018，42(4)：1063-1070．

[15] 丁明，劉新宇，解蛟龍．面向提高風(fēng)電接納能力的多區(qū)域熱–電聯(lián)合調(diào)度模型[J]．中國電機(jī)工程學(xué)報，2017，37(14)：4079-4088．

Source-load Cooperative Optimization Dispatch Strategy Considering Wind Power Accommodation

LI Weidong1, HE Hongpeng2

(1. School of Electrical Engineering, Shenyang University of Technology, Shenyang 110870, Liaoning Province, China; 2. State Grid East Inner Mongolia Electric Power Supply Co., Ltd., Hohhot 010020, Inner Mongolia Autonomous Region, China)

In order to improve the proportion of wind power accommodation, a source-load cooperative dispatch strategy based on genetic algorithm was proposed. The purpose of this dispatch strategy is to alleviate the problem of large-scale wind power curtailment, which is caused by the anti-peak regulation characteristics of wind power. Based on the voluntary participation of users in grid dispatching, the influence mechanism of excitation-type demand response participating in power grid dispatching on wind power consumption was analyzed. The source-load coordination optimization model was established with the goal of minimizing the total cost of the system. On the premise of ensuring the safety and reliability of the system, genetic algorithm was adopted to solve the model, Matlab was used to carry out simulation calculation on the

wind power accommodation; source-load cooperative dispatch; demand response; dispatch model; genetic algorithm (GA)

10.12096/j.2096-4528.pgt.18266

TM 614

遼寧省自然科學(xué)基金計劃重點(diǎn)項目(20170520292)。

Project Supported by Key Project of Natural Science Foundation of Liaoning Province (20170520292).calculation example in this paper. The results show that the proportion of wind power increase by 27.56%, andthe total dispatch cost decrease by 4798 RMB, whichverify the effectiveness of the proposed strategy.

2019-09-02。

(責(zé)任編輯 辛培裕)