風(fēng)光儲協(xié)同調(diào)度的多時間尺度決策方法

朱海鵬 ，王澤眾 ，張新平 ，劉宗杰 ，雷 宇

（1.濟寧供電公司，山東 濟寧 272000；2.華北電力大學(xué)，北京 102206；3.山東大學(xué)電氣工程學(xué)院，山東 濟南 250061；4.山東省軍區(qū)，山東 濟南 250061）

0 引言

風(fēng)力發(fā)電、光伏發(fā)電等可再生能源發(fā)電方式的技術(shù)發(fā)展日益成熟，在發(fā)電容量中所占比例逐年升高[1]。但是風(fēng)能、太陽能等能源具有隨機性和間歇性的特點，尤其是風(fēng)力發(fā)電具有夜間發(fā)電多、白天發(fā)電較低的反調(diào)峰特性[2-3]，使得系統(tǒng)中由負荷、風(fēng)電功率、光伏發(fā)電功率組成的等效負荷曲線的峰谷差率較之原來的負荷曲線的峰谷差率有明顯增加，系統(tǒng)中火電機組面臨的調(diào)峰壓力加大，進而又制約了電網(wǎng)接納更多風(fēng)電、光伏等可再生發(fā)電能源的能力。

增加風(fēng)電、光伏等可再生發(fā)電能源消納能力是電網(wǎng)的一項長期任務(wù)，而未來電動汽車充電與風(fēng)電之間潛在的協(xié)同性為智能電網(wǎng)平臺上多資源的協(xié)調(diào)互補利用提供了一種可能。智能電網(wǎng)技術(shù)的發(fā)展，尤其是電動汽車充電基礎(chǔ)設(shè)施的建設(shè)，為在智能電網(wǎng)平臺上實現(xiàn)風(fēng)電、光伏發(fā)電與電動汽車儲能協(xié)調(diào)優(yōu)化利用提供了基礎(chǔ)。一系列電動汽車充電對電網(wǎng)影響的相關(guān)研究表明[4-7]：電動汽車低排放的優(yōu)勢只有在以低碳電力為主的區(qū)域才比較顯著，而在以燃煤發(fā)電為主的區(qū)域并不顯著；只有盡可能多地采用風(fēng)電、光伏發(fā)電等可再生能源為電動汽車充電，才能充分發(fā)揮電動汽車的減排效益；另外，若對電動汽車充電不加以引導(dǎo)，會增大電網(wǎng)的峰值負荷，迫使電網(wǎng)建設(shè)更多的調(diào)峰電源。因此有必要在電網(wǎng)調(diào)度中，將電動汽車充電與風(fēng)電、光伏發(fā)電等可再生能源相互融合，從而提高節(jié)能減排效益。

1 總體思路

文獻[8]建立電動汽車充電與風(fēng)電協(xié)同調(diào)度的模型，實現(xiàn)了電動汽車充電與風(fēng)電之間的協(xié)調(diào)互補，能夠有效提高電網(wǎng)接納風(fēng)電的能力。但由于受預(yù)測誤差的影響，特別是風(fēng)電和光伏發(fā)電等可再生能源的日前預(yù)測誤差較大，直接根據(jù)日前預(yù)測值所得的電動汽車充電站的充電計劃對負荷曲線的平滑作用會打較大折扣。由于預(yù)測精度與時間跨度成反比[9-11]，本文在文獻[8]的基礎(chǔ)上，建立了風(fēng)光儲多時間尺度調(diào)度模型。該模型由日前計劃、滾動計劃、實時調(diào)度三部分組成。

日前計劃。日前計劃以日前對負荷、風(fēng)電場風(fēng)功率及光伏電站輸出功率的預(yù)測為基礎(chǔ)，其以地區(qū)電網(wǎng)各個電動汽車換電站的電動汽車能源需求及充電能力為約束，以最小化由負荷、可再生能源及電動汽車換電站的充電功率組成的等效負荷的峰谷差為目標(biāo)，合理調(diào)度安排次日各個電動汽車換電站的充電計劃，從而達到降低常規(guī)機組調(diào)峰壓力，提高可再生能源接入水平的目的。

滾動計劃。滾動計劃以每小時不斷實時更新的當(dāng)日剩余時段負荷、風(fēng)電場風(fēng)功率及光伏電站輸出功率的預(yù)測值為基礎(chǔ)，充分利用最新的信息，實時對當(dāng)日剩余時段的電動汽車換電站充電計劃進行修正，逐步消減日前預(yù)測誤差對日前計劃的影響。

實時調(diào)度。實時調(diào)度的主要目標(biāo)是通過實時調(diào)度儲能電池動態(tài)修正滾動計劃，來消除滾動預(yù)測與超短期預(yù)測之間的功率差額，緩解火電等常規(guī)電源在該時段的功率實時平衡壓力。

圖1給出了風(fēng)光儲多時間尺度調(diào)度模型的系統(tǒng)框圖。

圖1 風(fēng)光儲多時間尺度調(diào)度模型的系統(tǒng)框圖

2 協(xié)同調(diào)度的多時間尺度模型

2.1 日前計劃

日前計劃是基于日前對負荷、風(fēng)電場風(fēng)功率及光伏電站輸出功率的預(yù)測，通過合理調(diào)度安排次日各個電動汽車換電站的充電計劃，既能夠滿足各個電動汽車換電站的電動汽車能源需求，又縮小等效負荷曲線的峰谷差率，從而降低常規(guī)機組的調(diào)峰壓力，提高可再生能源的接入水平。

目標(biāo)函數(shù)：

約束條件：

2.2 滾動計劃

根據(jù)已有相關(guān)研究，日前預(yù)報存在一定的預(yù)測偏差，特別是風(fēng)電及光伏等可再生能源的日前預(yù)測具有較大偏差，因此日前確定的電動汽車換電站充電計劃對于當(dāng)日實際發(fā)生的負荷、風(fēng)電及光伏電站功率曲線的平滑效果有所降低，此外電動汽車換電站的能源需求在當(dāng)日也有一定變化，因此需要不斷實時對當(dāng)日剩余時段的電動汽車換電站充電計劃進行滾動的修正。滾動計劃的實施依賴于對負荷、風(fēng)電、光伏電站功率的滾動預(yù)測，滾動預(yù)測能夠利用不斷更新的實時和實測數(shù)據(jù)，深入挖掘未來電網(wǎng)的運行情況，為滾動計劃的實施提供基礎(chǔ)依據(jù)。另外，滾動計劃的實施依賴于日前所作的充電計劃，即每次滾動計劃確定的電池充電功率只能在日前計劃確定的充電功率的一定范圍內(nèi)進行修正，這樣能夠間接考慮換電站操作人員的工作強度，使?jié)L動計劃具有現(xiàn)實的可行性。

綜上，滾動計劃是基于當(dāng)日不斷實時更新的負荷、風(fēng)電場風(fēng)功率及光伏電站輸出功率的預(yù)測值，通過合理可行的實時動態(tài)修正當(dāng)日剩余時段各個電動汽車換電站的充電計劃，既能夠滿足各個電動汽車換電站的電動汽車能源需求，又折中的考慮了實際等效負荷峰谷差的減小和實際執(zhí)行的充電功率盡量貼近日前計劃，顧及了操作人員的工作強度，確保滾動計劃具有可行性。

目標(biāo)函數(shù)：

約束條件：

每次滾動計劃確定的電池充電功率只能在日前計劃確定的充電功率的一定范圍內(nèi)進行修正，即，要折中的考慮實際等效負荷峰谷差的減小和實際執(zhí)行的充電功率盡量貼近日前計劃，顧及了操作人員的工作強度，確保滾動計劃具有可行性。

ΔPe（r）為日前計劃在滾動計劃中允許的修正值。

2.3 實時調(diào)度

實時調(diào)度的主要目標(biāo)是通過實時調(diào)度儲能電池動態(tài)修正滾動計劃，來消除滾動預(yù)測與超短期預(yù)測之間的功率差額，緩解火電等常規(guī)電源在該時段的功率實時平衡壓力。同時，實時調(diào)度確定的電池充電功率只能在最新制定的滾動計劃確定的充電功率的一定范圍內(nèi)進行修正，這是由于實時調(diào)度不具有前瞻功能，需要兼顧實時調(diào)度的目標(biāo)時段目標(biāo)與當(dāng)天剩余時段時間窗口內(nèi)的電量約束，因此需將實時調(diào)度目標(biāo)時段的充電電量或功率限定在滾動計劃確定的該時段充電電量或功率范圍內(nèi)。

目標(biāo)函數(shù)：

D、W、S及E分別為地區(qū)電網(wǎng)的負荷、風(fēng)電場、光伏電站、電動汽車換電站數(shù)目。超短期預(yù)測負荷 d 在時段 t的負荷需求為 Plt，d（o）；超短期預(yù)測某風(fēng)電場w在時段t的預(yù)測風(fēng)電輸出功率為Pwt，w（o）；超短期預(yù)測某光伏電站s在時段t的預(yù)測輸出功率為 Pst，s（o）；實時調(diào)度中電動汽車換電站 e 在時段 t的計劃充電功率為 Pev，t，e（o）。

約束條件：

實時調(diào)度確定的電池充電功率只能在最新制定的滾動計劃確定的充電功率的一定范圍內(nèi)進行修正，這是由于實時調(diào)度不具有前瞻功能，需要兼顧實時調(diào)度的目標(biāo)時段目標(biāo)與當(dāng)天剩余時段時間窗口內(nèi)的電量約束，所以將實時調(diào)度階段的充電電量或功率限定在滾動計劃確定的范圍內(nèi)。

ΔPe（o）為滾動計劃在實時調(diào)度中允許的修正值。

3 算例分析

本文以某地區(qū)電網(wǎng)負荷、風(fēng)電功率的日前預(yù)測數(shù)據(jù)、每小時實時更新的預(yù)測數(shù)據(jù)及提前15 min的超短期預(yù)測數(shù)據(jù)為基礎(chǔ)，并假設(shè)各個電動汽車換電站的電動汽車能源需求及充電能力約束如表1所示。

表1 電動汽車換電站的能源需求及充電能力約束

8 439.28 273.040 4 270.157 2 9 439.28 301.593 6 241.604 10 439.28 330.146 8 213.050 8 11 439.28 284.022 4 259.175 2 12 439.28 251.076 4 292.121 2 13 439.28 218.130 4 325.067 2 14 439.28 253.272 8 289.924 8 15 439.28 222.523 2 320.674 4 16 439.28 182.988 360.209 6 17 439.28 200.559 2 342.638 4 18 439.28 196.166 4 347.031 2 19 439.28 251.076 4 292.121 2 20 439.28 316.968 4 226.229 2 21 439.28 376.271 2 166.926 4 22 439.28 422.395 6 120.802 23 439.28 475.109 2 68.088 4 24 439.28 503.662 4 39.535 2

圖2 風(fēng)光儲多時間尺度調(diào)度模型的控制效果

圖2 為應(yīng)用本文模型仿真后的控制效果。從圖2可以看出，與自由充電模式相比，日前充電計劃已經(jīng)對負荷曲線產(chǎn)生了良好的平滑效果，但是由于日前風(fēng)電等可再生能源的預(yù)測誤差較大，對負荷曲線的平滑效果有所降低。而通過日前計劃、滾動計劃、實時調(diào)度的多時間尺度協(xié)同調(diào)度決策模型，實際控制效果與日前計劃相比有進一步的改善，從而達到逐級消減風(fēng)電、光伏等可再生能源預(yù)測誤差的影響，進一步改善等效負荷的負荷特性。

4 結(jié)論

本文建立了風(fēng)電、光伏、電動汽車的多時間尺度協(xié)同調(diào)度決策模型，通過優(yōu)化電動汽車充電策略，能夠明顯改善由負荷、風(fēng)電、光伏等組成的等效負荷峰谷差率，改善負荷特性，減輕常規(guī)火電機組調(diào)峰壓力，有利于消納風(fēng)電、光伏等新能源。日前計劃、滾動計劃、實時調(diào)度的多時間尺度協(xié)同調(diào)度決策模型的建立，能夠逐級消減風(fēng)電、光伏等新能源預(yù)測誤差的影響，進一步改善等效負荷的負荷特性。