考慮風(fēng)電并網(wǎng)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度

楊佳俊，龍淼，盧怡含，王林

（1.國網(wǎng)山東省電力公司萊蕪供電公司，山東萊蕪271100；2.山東電力工程咨詢院有限公司，濟(jì)南250013；3.國網(wǎng)山東昌邑市供電公司，山東昌邑261000；4.國網(wǎng)山東省電力公司濰坊供電公司，山東濰坊261000）

考慮風(fēng)電并網(wǎng)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度

楊佳俊1，龍淼2，盧怡含3，王林4

（1.國網(wǎng)山東省電力公司萊蕪供電公司，山東萊蕪271100；2.山東電力工程咨詢院有限公司，濟(jì)南250013；3.國網(wǎng)山東昌邑市供電公司，山東昌邑261000；4.國網(wǎng)山東省電力公司濰坊供電公司，山東濰坊261000）

風(fēng)電場輸出功率的不確定性使風(fēng)電并網(wǎng)后電力系統(tǒng)的調(diào)度決策面臨新的挑戰(zhàn)。對風(fēng)電場輸出功率進(jìn)行預(yù)測是消納大規(guī)模風(fēng)電的基礎(chǔ)工作，在此基礎(chǔ)上對預(yù)測誤差進(jìn)行統(tǒng)計分析和評估，并用于電網(wǎng)調(diào)度決策。根據(jù)對風(fēng)電功率不確定性的處理方法不同，將含風(fēng)電的電力系統(tǒng)調(diào)度模型分為確定性模型、模糊模型及不確定性模型。對風(fēng)電功率不同時間尺度、不同前瞻周期的預(yù)測誤差進(jìn)行統(tǒng)計學(xué)分析，從而研究不同時間尺度之間調(diào)度決策的滾動優(yōu)化機(jī)制，以及不同時間尺度調(diào)度決策進(jìn)行滾動優(yōu)化時調(diào)度與對應(yīng)時間尺度預(yù)測之間相互協(xié)調(diào)配合的問題。儲能、電動汽車等可調(diào)度資源能夠有效平衡和抑制風(fēng)電等可再生能源的間歇性和波動性，是實現(xiàn)消納大規(guī)模風(fēng)電、節(jié)能減排、保障電網(wǎng)安全穩(wěn)定的有效途徑。并對以大型火電為主體電源的電網(wǎng)接納風(fēng)電的成本效益進(jìn)行了討論。

電力系統(tǒng)；經(jīng)濟(jì)調(diào)度；調(diào)度模式；風(fēng)電并網(wǎng)；滾動調(diào)度優(yōu)化

0 引言

風(fēng)能是一種清潔的可再生能源，發(fā)電過程不需要燃料成本，與傳統(tǒng)發(fā)電形式相比具有更長遠(yuǎn)的環(huán)境和經(jīng)濟(jì)效益。

風(fēng)電場輸出功率具有隨機(jī)性、間歇性和不確定性，其大規(guī)模并網(wǎng)將影響電力實時平衡進(jìn)而威脅電網(wǎng)安全，給電網(wǎng)運(yùn)行調(diào)度與控制帶來新的挑戰(zhàn)［1-3］。目前，國內(nèi)外的專家學(xué)者已對風(fēng)電功率預(yù)測問題展開深入研究［4-8］，但預(yù)測精度在很大程度上仍然無法滿足工程實際的要求。因此，如何在風(fēng)電接入系統(tǒng)后維持系統(tǒng)的安全穩(wěn)定運(yùn)行，已成為電網(wǎng)運(yùn)行與控制領(lǐng)域研究的熱點問題［9］。

針對大規(guī)模風(fēng)電并網(wǎng)的調(diào)度主要包括提高風(fēng)電場輸出功率預(yù)測精度，風(fēng)電與常規(guī)機(jī)組協(xié)調(diào)配合，儲能和電動汽車等與風(fēng)電如何協(xié)調(diào)互補(bǔ)高效利用以及風(fēng)電的調(diào)度模式4個方面進(jìn)行。

1 風(fēng)電場輸出功率預(yù)測

根據(jù)預(yù)測對象分類，風(fēng)電功率預(yù)測可分為風(fēng)速和風(fēng)電場輸出功率預(yù)測，在預(yù)測風(fēng)速后再根據(jù)風(fēng)速—功率轉(zhuǎn)化曲線得到風(fēng)電場功率輸出。

風(fēng)電場輸出功率預(yù)測需要考慮的因素主要有風(fēng)速、風(fēng)向、氣溫、氣壓、濕度等，其中風(fēng)速的影響最大；在對距當(dāng)前時刻較近的時段進(jìn)行功率預(yù)測時，使用實時測量數(shù)據(jù)，會對預(yù)測起到較大改善，但會降低距當(dāng)前時刻較遠(yuǎn)時段的預(yù)測精度；輸入不同高度的數(shù)值天氣預(yù)報數(shù)據(jù)可以更準(zhǔn)確地描述風(fēng)電場的狀態(tài)，能夠提高預(yù)測精度。對預(yù)測誤差進(jìn)行評估和預(yù)測有助于更好地使用預(yù)測結(jié)果。

2 含風(fēng)電場的經(jīng)濟(jì)調(diào)度模型

由于風(fēng)電功率具有強(qiáng)烈的間歇性和隨機(jī)波動性，風(fēng)速及風(fēng)功率預(yù)測較負(fù)荷預(yù)測難度更大。大規(guī)模風(fēng)電接入后，為了保證系統(tǒng)的安全可靠運(yùn)行，在含風(fēng)電的電力系統(tǒng)調(diào)度中，需要考慮風(fēng)電的預(yù)測誤差。從對風(fēng)電場輸出功率不確定性的處理方法來看，當(dāng)前研究大致可以分為3大類，即確定性模型、模糊模型及隨機(jī)規(guī)劃模型。

2.1 確定性模型

為了保證風(fēng)電并網(wǎng)后系統(tǒng)能夠安全可靠運(yùn)行，必須預(yù)留備用容量以彌補(bǔ)調(diào)度過程中可能發(fā)生的風(fēng)電功率盈余或不足。確定性調(diào)度模型根據(jù)風(fēng)電預(yù)測誤差或風(fēng)電與負(fù)荷所構(gòu)成等效負(fù)荷預(yù)測誤差的概率分布，采用確定性方法配置備用容量應(yīng)對風(fēng)電場輸出功率的不確定性［10-14］。文獻(xiàn)［10-11］研究單時段含風(fēng)電的電力系統(tǒng)經(jīng)濟(jì)調(diào)度問題，在預(yù)先設(shè)置的置信水平下確定系統(tǒng)需要的二次備用容量，以此來應(yīng)對可能發(fā)生的風(fēng)電功率盈余或不足；文獻(xiàn)［12-13］構(gòu)建的動態(tài)經(jīng)濟(jì)調(diào)度模型中引入了正、負(fù)旋轉(zhuǎn)備用約束以應(yīng)對風(fēng)電功率預(yù)測誤差給系統(tǒng)調(diào)度帶來的影響，并在目標(biāo)函數(shù)中計及了常規(guī)火電機(jī)組的閥點效應(yīng)；文獻(xiàn)［14］在計及上下旋轉(zhuǎn)備用的基礎(chǔ)上，通過引入風(fēng)電場出力爬坡約束以應(yīng)對風(fēng)速波動性和隨機(jī)性對系統(tǒng)的影響。確定性模型通過配置備用來應(yīng)對風(fēng)電的隨機(jī)變化，能夠在一定程度上起到保障系統(tǒng)安全可靠運(yùn)行的作用，但無法回答備用容量如何設(shè)定才能折中考慮系統(tǒng)的經(jīng)濟(jì)性和可靠性，調(diào)度結(jié)果難免保守或冒進(jìn)。

2.2 模糊模型

研究含風(fēng)電的電力系統(tǒng)調(diào)度問題，關(guān)鍵在于如何應(yīng)對并處理不確定的風(fēng)電功率。目前通常采用兩類方法對風(fēng)電場輸出功率的不確定性進(jìn)行建模，其中之一就是模糊調(diào)度模型。

文獻(xiàn)［15］應(yīng)用模糊理論建立含風(fēng)電場的經(jīng)濟(jì)調(diào)度模型，通過構(gòu)建梯形隸屬度函數(shù)來表征風(fēng)電功率的不確定性和決策者對調(diào)度周期內(nèi)總耗量成本的滿意程度，用隸屬度函數(shù)來表達(dá)決策者的滿意程度，將原問題等價為求取滿意度指標(biāo)最大值問題，針對該模型，提出利用下降搜索思想，計算結(jié)果驗證了所提出模型及解法的可行性；文獻(xiàn)［16-17］所提出模型中，綜合考慮了系統(tǒng)運(yùn)行成本（認(rèn)為風(fēng)電滲透水平高會提高經(jīng)濟(jì)效益）與風(fēng)電接入給系統(tǒng)帶來的風(fēng)險（風(fēng)電滲透水平高會降低系統(tǒng)安全性），通過定義隸屬度函數(shù)來表征系統(tǒng)安全水平與風(fēng)電穿透率的關(guān)系以及調(diào)度人員對系統(tǒng)運(yùn)行成本的滿意度，采用最大化滿意度指標(biāo)法將問題轉(zhuǎn)化為非線性規(guī)劃問題，并采用智能算法求解該優(yōu)化問題，能根據(jù)決策者的意愿找出既滿足一定風(fēng)險、又實現(xiàn)一定經(jīng)濟(jì)效益的調(diào)度方案；文獻(xiàn)［18］提出了考慮風(fēng)電出力隨機(jī)性以最小成本與最小期望失負(fù)荷電量為目標(biāo)的多目標(biāo)機(jī)組組合問題，分別以最小成本和最小期望失負(fù)荷電量為目標(biāo)利用混合整數(shù)規(guī)劃形成各自的隸屬度函數(shù)，繼而將多目標(biāo)的優(yōu)化問題轉(zhuǎn)為為模糊決策問題，利用混合整數(shù)規(guī)劃求解。

隸屬度函數(shù)的定義反映了調(diào)度決策者的意愿，隸屬度函數(shù)中參數(shù)的確定具有明顯的主觀性。模糊是主觀的，是人們對某一事物認(rèn)識中出現(xiàn)的不確定性造成的。由于模糊調(diào)度模型主觀性過強(qiáng)，難以給出反應(yīng)客觀實際的調(diào)度決策方案。

2.3 隨機(jī)規(guī)劃模型

除了對不確定性風(fēng)電功率進(jìn)行模糊建模的方法外，還包括隨機(jī)規(guī)劃調(diào)度模型。隨機(jī)規(guī)劃模型主要分為隨機(jī)期望值模型、隨機(jī)機(jī)會約束規(guī)劃模型及隨機(jī)相關(guān)機(jī)會規(guī)劃模型［19］。

隨機(jī)期望值模型為了考慮風(fēng)電的隨機(jī)性和間歇性對電網(wǎng)的影響，首先根據(jù)預(yù)測誤差的概率分布，生成系統(tǒng)未來可能的運(yùn)行場景［20］，為了滿足計算速度要求，依據(jù)初始場景集合與場景縮減后保留的場景子集合之間的概率距離最小的場景縮減原理［21］，一般采用基于啟發(fā)式的同步回代縮減方法對初始場景集合進(jìn)行化簡［21-22］，最終將隨機(jī)期望值模型轉(zhuǎn)化為離散化的確定性等價模型進(jìn)行求解。文獻(xiàn)［23-25］根據(jù)風(fēng)電輸出功率預(yù)測值及其誤差概率分布生成一系列運(yùn)行場景，常規(guī)機(jī)組在所有場景下具有相同的啟停方案和不同的輸出功率，以最小化預(yù)測場景下的發(fā)電成本或所有場景下發(fā)電成本的加權(quán)平均值為目標(biāo)，同時要求預(yù)測場景下機(jī)組輸出功率和誤差場景下機(jī)組輸出功率間的過渡滿足爬坡速率約束，保證方法的可行性；文獻(xiàn)［26］通過引入發(fā)電機(jī)功率分布因子，并用基于極限場景集的場景法取代基于蒙特卡洛仿真的場景法，在計算時間和計算精度兩個方面得到了改善。

機(jī)會約束規(guī)劃問題可以轉(zhuǎn)化為等價的確定性數(shù)學(xué)規(guī)劃問題，但對于較復(fù)雜的機(jī)會約束規(guī)劃問題，則可以通過基于隨機(jī)模擬的智能算法來求解。文獻(xiàn)［27-28］應(yīng)用機(jī)會約束規(guī)劃理論構(gòu)建了考慮機(jī)組啟停的含風(fēng)電場電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度模型，該模型以概率的形式描述相關(guān)約束條件，在風(fēng)速預(yù)測的基礎(chǔ)上，應(yīng)用蒙特卡洛模擬方法采樣風(fēng)電場輸出功率來表示風(fēng)電的隨機(jī)性和預(yù)測誤差，所構(gòu)建的模型通過基于隨機(jī)模擬的智能算法來求解。

3 風(fēng)電并網(wǎng)下的滾動優(yōu)化消納機(jī)制

依據(jù)風(fēng)電預(yù)測精度隨時間尺度逐漸提高的特性，文獻(xiàn)［29-32］構(gòu)建了消納大規(guī)模風(fēng)電的多時間尺度協(xié)調(diào)的有功調(diào)度模式，該調(diào)度模式基于“多級協(xié)調(diào)、逐級細(xì)化”的思路，將上一級遺留的偏差由下一級來修正。根據(jù)負(fù)荷波動的特點和機(jī)組的控制特性，將控制分解為日前計劃、滾動計劃、實時調(diào)度和AGC（自動發(fā)電控制）4個階段，與上述4個階段中前3個階段配合的負(fù)荷預(yù)報分別為短期負(fù)荷預(yù)測、擴(kuò)展短期負(fù)荷預(yù)測和超短期預(yù)測。日前計劃可以確定次日的開停機(jī)情況，在日前計劃與實際負(fù)荷情況能夠基本匹配時，日前計劃確定的機(jī)組輸出功率即為計劃機(jī)組的有功輸出功率，而當(dāng)日前預(yù)測與實際負(fù)荷發(fā)生嚴(yán)重偏離時，擴(kuò)展短期負(fù)荷預(yù)測啟動，并由滾動計劃動態(tài)修正剩余時段計劃機(jī)組的有功輸出功率。實時調(diào)度通過調(diào)度緩沖機(jī)組來消除滾動計劃與超短期預(yù)測的功率偏差，改善運(yùn)行安全性，為AGC機(jī)組預(yù)留調(diào)節(jié)空間，保證AGC環(huán)節(jié)的正常運(yùn)行。文獻(xiàn)［33］也提出在調(diào)度計劃中考慮風(fēng)電場輸出功率及其預(yù)測誤差帶，根據(jù)最新的預(yù)測信息對之前制定的調(diào)度計劃進(jìn)行調(diào)整，以逐步提高剩余時段調(diào)度計劃的準(zhǔn)確性。

圖1給出了某實際風(fēng)電場輸出功率預(yù)測誤差與預(yù)測時間的關(guān)系。從圖中可以看出對于日前預(yù)測（即提前12～36 h的風(fēng)電場輸出功率預(yù)測）與提前1～6 h的預(yù)測相比，預(yù)測誤差要大得多。由于機(jī)組組合是電力系統(tǒng)經(jīng)濟(jì)調(diào)度的核心，其所節(jié)省的經(jīng)濟(jì)價值遠(yuǎn)大于負(fù)荷在機(jī)組之間的經(jīng)濟(jì)分配環(huán)節(jié)所節(jié)省的價值。沿著文獻(xiàn)［29-33］的思路，如果能夠加快執(zhí)行機(jī)組組合的頻率，在風(fēng)電大規(guī)模接入的條件下，將會極大的減少運(yùn)行備用，提高常規(guī)機(jī)組的負(fù)載率，改善系統(tǒng)經(jīng)濟(jì)性。

圖1 風(fēng)電場輸出功率預(yù)測誤差與預(yù)測時間的關(guān)系

但是機(jī)組組合滾動的頻率將受到機(jī)組啟停時間的制約，常規(guī)火電機(jī)組從停機(jī)（開機(jī)）狀態(tài)時，獲得開機(jī)（停機(jī)）命令，至其能夠開機(jī)（停機(jī)）需要一定的準(zhǔn)備時間。因此制定滾動的機(jī)組組合計劃需要與對應(yīng)時間尺度預(yù)測之間相互協(xié)調(diào)配合。

4 電動汽車與風(fēng)電互補(bǔ)協(xié)調(diào)利用

電動汽車、儲能等可調(diào)度資源能夠有效平衡和抑制風(fēng)電等可再生能源的間歇性和波動性，是實現(xiàn)消納大規(guī)模風(fēng)電，節(jié)能減排，保障電網(wǎng)安全穩(wěn)定的有效途徑。文獻(xiàn)［34］建立了一個計及有V2G功能的電動汽車的機(jī)組最優(yōu)組合模型并采用粒子群優(yōu)化算法求解，算例表明V2G能夠降低當(dāng)前電力系統(tǒng)對小型昂貴機(jī)組的依賴性，降低電力系統(tǒng)運(yùn)行成本和排放，同時提高電網(wǎng)的可靠性為電網(wǎng)提供備用支持。文獻(xiàn)［35］建立了計及電動汽車和風(fēng)電出力不確定性的隨機(jī)調(diào)度模型，指出通過優(yōu)化電動汽車充放電行為，可以緩解間歇性可再生能源發(fā)電給系統(tǒng)運(yùn)行帶來的安全風(fēng)險，提高系統(tǒng)接納清潔能源發(fā)電的能力。文獻(xiàn)［36］構(gòu)建了計及可入網(wǎng)電動汽車的電力系統(tǒng)機(jī)組最優(yōu)組合模型，該模型以發(fā)電機(jī)組的運(yùn)行成本和CO2排放成本之和最小化為目標(biāo)函數(shù)，把每時段內(nèi)充放電的電動汽車作為可優(yōu)化的調(diào)度變量，文獻(xiàn)［36］在文獻(xiàn)［37］的基礎(chǔ)上又計及了網(wǎng)絡(luò)安全約束及目標(biāo)函數(shù)中計及了車主的經(jīng)濟(jì)效益，指出采用適當(dāng)?shù)目刂品绞侥軌蚪档拖到y(tǒng)運(yùn)行成本，完全優(yōu)化充放電模式適合于目前比較推崇的集中換電模式。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)域效果不顯著（燃燒汽油排放轉(zhuǎn)化為發(fā)電環(huán)節(jié)排放），由此文獻(xiàn)［38］提出了電動汽車充電與風(fēng)電協(xié)同調(diào)度的模型，通過調(diào)度電動汽車充電以平滑電網(wǎng)等效負(fù)荷波動，提高電網(wǎng)接納風(fēng)電水平，文獻(xiàn)［39］則在此基礎(chǔ)上建立了多時間尺度的協(xié)同調(diào)度模型，能夠明顯改善由負(fù)荷、可再生能源等組成的等效負(fù)荷的波動，改善負(fù)荷特性，有利于電網(wǎng)消納風(fēng)電、光伏等可再生能源。

目前計及電動汽車的電力系統(tǒng)調(diào)度模型中，在電動汽車建模方面還顯得比較粗糙，無法有效計及電動汽車作為交通工具這一根本屬性的能源要求，多是將其作為一種儲能資源供電網(wǎng)使用，僅僅給出一個調(diào)度周期內(nèi)的電量需求，因此還有很多需要改進(jìn)之處；同時電動汽車作為一種分布式的資源，其數(shù)量多無論是在現(xiàn)實當(dāng)中無法通過硬件集中獲取其信息至調(diào)度中心或是由于決策變量過多使調(diào)度模型龐大無法計算兩個角度，都使我們不能在調(diào)度模型中對每個電動汽車進(jìn)行詳細(xì)建模（如將每個V2G電動汽車用抽水蓄能模擬），其調(diào)度模式也必然不同于以往的集中調(diào)度模式，這就必然需要進(jìn)行分層調(diào)度，需要積極探索如何將電動汽車的分散式資源進(jìn)行聚合，等值為一個大的柔性節(jié)點，供上級電網(wǎng)調(diào)度，同時等值過程要具有有效計及電動汽車作為交通工具對能源需求的要求的能力，即在一定時間內(nèi)電動汽車的能源需求體現(xiàn)的是充電（放電）功率對時間的積分過程，在充電（放電）的過程中，電池中剩余電量都是變化的，又會進(jìn)一步影響下一時段的充電（放電）能力。最后如何在計及電動汽車、儲能、風(fēng)電的機(jī)組組合模型中考慮各種資源的不確定性是有待研究的重要問題。

5 風(fēng)電并網(wǎng)下的調(diào)度模式探討

風(fēng)電并網(wǎng)發(fā)電對電力系統(tǒng)整體能耗與CO2排放具有正負(fù)兩方面影響：一方面風(fēng)電替代火電，可以減少CO2排放，降低燃料成本；另一方面，其他機(jī)組為消納風(fēng)電波動性要付出額外的燃料成本和CO2排放量，稱為風(fēng)電的負(fù)面效應(yīng)，在調(diào)節(jié)靈活性較高的電網(wǎng)中（如歐洲電網(wǎng)），風(fēng)電的負(fù)面效應(yīng)較小，可以忽略，但對于以大型煤電機(jī)組為主的中國北方電網(wǎng)，風(fēng)電負(fù)面效應(yīng)將顯著影響風(fēng)電利用的效益。風(fēng)電屬于間歇性電源，具有明顯的波動性和隨機(jī)性，其輸出功率不連續(xù)、不穩(wěn)定，預(yù)測精度差，在現(xiàn)實當(dāng)中多數(shù)風(fēng)電具有反調(diào)峰特性，使得電網(wǎng)等效負(fù)荷波動程度加劇，峰谷差更大，為了盡可能多地消納波動的風(fēng)電，火電需要付出較高的調(diào)節(jié)成本，如啟停次數(shù)增加，常規(guī)火電機(jī)組負(fù)載率降低、單位電量煤耗上升，同時由于系統(tǒng)等效負(fù)荷變化更加劇烈，常規(guī)機(jī)組輸出功率波動現(xiàn)象更加明顯，這將導(dǎo)致對燃?xì)廨啓C(jī)的頻繁調(diào)節(jié)，加速機(jī)械磨損，長期如此運(yùn)行會使機(jī)組發(fā)電效益降低。顯然，使機(jī)組運(yùn)行點偏離最佳運(yùn)行點來盡最大能力接納風(fēng)電是不明智的，此時多接納的風(fēng)電功率所獲得的效益會通過火電機(jī)組低效率運(yùn)行的形式所消耗。

文獻(xiàn)［40］指出當(dāng)電網(wǎng)接入一定規(guī)模的風(fēng)電時，調(diào)度將面臨常規(guī)發(fā)電機(jī)組單位電量煤耗量增加與風(fēng)電高效利用之間的矛盾問題，將風(fēng)電能夠為電網(wǎng)節(jié)約的煤耗量作為風(fēng)電價值的度量，從而確定風(fēng)電允許的波動范圍，使調(diào)度中的煤耗量與電網(wǎng)接納風(fēng)電的能力得到有效協(xié)調(diào)，所提出模型用遺傳算法求解，但所提出模型未考慮風(fēng)電接入后火電機(jī)組啟停的影響。隨著小火電機(jī)組的關(guān)停，以大容量、高參數(shù)為主的火電機(jī)組啟停能耗普遍較高，因此需要計及機(jī)組啟停狀態(tài)的變化，才能客觀準(zhǔn)確地評價風(fēng)電接入對電力系統(tǒng)能耗的影響。由此，文獻(xiàn)［41］分別建立了以棄風(fēng)量最小和能耗最小為目標(biāo)函數(shù)的機(jī)組組合模型，并提出多個評價調(diào)度方案經(jīng)濟(jì)性的指標(biāo)來對兩種調(diào)度模式進(jìn)行評判，得出能耗最小調(diào)度模式下電力系統(tǒng)運(yùn)行經(jīng)濟(jì)性更好的結(jié)論。文獻(xiàn)［42］針對風(fēng)火互濟(jì)系統(tǒng)日前發(fā)電計劃，通過引入CO2價格指標(biāo)，建立了風(fēng)火互濟(jì)系統(tǒng)運(yùn)行的綜合最優(yōu)模型，通過算例分析認(rèn)為優(yōu)先調(diào)度風(fēng)電但允許少量棄風(fēng)的調(diào)度模式將顯著提高中國風(fēng)火互濟(jì)系統(tǒng)整體效益，優(yōu)于全額接納風(fēng)電的模式，并深入探討了CO2價格、不同風(fēng)電接入水平對模型的影響，但文獻(xiàn)［41-42］沒有考慮風(fēng)電場輸出功率預(yù)測誤差問題。文獻(xiàn)［43］通過綜合考慮風(fēng)電的正負(fù)效益來確定風(fēng)火互濟(jì)系統(tǒng)的旋轉(zhuǎn)備用容量，同時考慮了風(fēng)電也具備提供備用的能力，在確定備用時應(yīng)予以考慮。

6 結(jié)語

消納大規(guī)模風(fēng)電的調(diào)度決策體系是一項十分復(fù)雜的系統(tǒng)工程。風(fēng)電場輸出功率預(yù)測是基礎(chǔ)，進(jìn)而統(tǒng)計出不同時間尺度的風(fēng)電功率預(yù)測誤差作為不同時間尺度調(diào)度決策的數(shù)據(jù)支撐，同時不同時間級的調(diào)度決策要考慮到預(yù)測系統(tǒng)能夠給予的條件，即要考慮不同時間尺度之間調(diào)度決策的滾動優(yōu)化機(jī)制，以及不同時間尺度調(diào)度決策進(jìn)行滾動優(yōu)化時調(diào)度與對應(yīng)時間尺度預(yù)測之間相互協(xié)調(diào)配合的問題。

電動汽車、儲能等可調(diào)度資源是實現(xiàn)消納大規(guī)模風(fēng)電，節(jié)能減排，保障電網(wǎng)安全穩(wěn)定的有效途徑，但還需在調(diào)度模型中如何對電動汽車進(jìn)行建模做細(xì)致工作。電動汽車作為一種分散式資源，需要考慮它的聚合問題，其聚合模型要能夠?qū)嶋H反映電動汽車在交通運(yùn)輸領(lǐng)域所需的電量需求。

風(fēng)電并網(wǎng)發(fā)電對電力系統(tǒng)有正負(fù)兩方面的影響，需要審慎考慮接納風(fēng)電的調(diào)度模式。

［1］李俊峰，施鵬飛，高虎.中國風(fēng)電發(fā)展報告2010［R］.?？冢汉Ｄ铣霭嫔纾?010.

［2］王芝茗，蘇安龍，魯順.基于電力平衡的遼寧電網(wǎng)接納風(fēng)電能力分析［J］.電力系統(tǒng)自動化，2010，34（3）：86-90.

［3］肖創(chuàng)英，汪寧渤，丁坤.甘肅酒泉風(fēng)電功率調(diào)節(jié)方式的研究［J］.中國電機(jī)工程學(xué)報，2010，30（10）：1-7.

［4］Hannele Holttinen.Handling of wind power forecast errors in the Nordic power market［C］.9th International Conference on Probabilistic Methods Applied to Power Systems KTH，Stockholm，Sweden-June 11-15，2006.

［5］楊秀媛，肖洋，陳樹勇.風(fēng)電場風(fēng)速和發(fā)電功率預(yù)測研究［J］.中國電機(jī)工程學(xué)報，2005，25（11）：1-5.

［6］范高鋒，王偉勝，劉純，等.基于人工神經(jīng)網(wǎng)絡(luò)的風(fēng)電功率預(yù)測［J］.中國電機(jī)工程學(xué)報，2008，28（34）：118-123.

［7］劉純，范高鋒，王偉勝，等.風(fēng)電場輸出功率的組合預(yù)測模型［J］.電網(wǎng)技術(shù)，2009，33（13）：74-79.

［8］張國強(qiáng)，張伯明.基于組合預(yù)測的風(fēng)電場風(fēng)速及風(fēng)電機(jī)功率預(yù)測［J］.電力系統(tǒng)自動化，2009，33（18）：92-95.

［9］韓學(xué)山，楊明，張利.價值調(diào)度推進(jìn)智能化電網(wǎng)發(fā)展的思考［J］.電力系統(tǒng)自動化，2010，34（2）：5-9，74.

［10］Restrepo J F，Galiana F D.Secondary Reserve Dispatch Accounting for Wind Power Randomness and Spillage［C］.IEEE Power Engineering Society General Meeting，2007：1-3.

［11］張國強(qiáng)，張伯明.考慮風(fēng)電接入后二次備用需求的優(yōu)化潮流算法［J］.電力系統(tǒng)自動化，2009，33（8）：25-28.

［12］周瑋，彭昱，孫輝，等.含風(fēng)電場的電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度［J］.中國電機(jī)工程學(xué)報，2009，29（25）：13-18.

［13］姜文，嚴(yán)正.基于一種改進(jìn)粒子群算法的含風(fēng)電場電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度［J］.電力系統(tǒng)保護(hù)與控制，2010，38（21）：173-178.

［14］夏澍，周明，李庚銀.含大規(guī)模風(fēng)電場的電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度［J］.電力系統(tǒng)保護(hù)與控制，2011，39（13）：71-77.

［15］陳海焱，陳金富，段獻(xiàn)忠.含風(fēng)電場電力系統(tǒng)經(jīng)濟(jì)調(diào)度的模糊建模及優(yōu)化算法［J］.電力系統(tǒng)自動化，2006，30（2）：22-26.

［16］Vladimiro Miranda，Pun Sio Hang.Economic Dispatch Model With Fuzzy Wind Constraints and Attitudes of Dispatchers［J］.IEEE Trans.on Power Systems，2005，20（4）：2 143-2 145.

［17］Lingfeng Wang，Chanan Singh.PSO-Based Multi-Criteria Economic Dispatch Considering Wind Power Penetration Subject to Dispatcher’s Attitude［J］.Power Symposium，2006：269-276.

［18］Bala Venkatesh，Peng YU，H.B.Gooi，Dechen Choling.Fuzzy MILP unit commitment incorporating wind generators.IEEE Trans.on Power Systems.2008，23（4）：1 738-1 746.

［19］劉寶碇，趙瑞清，王綱.不確定規(guī)劃及應(yīng)用［M］.北京：清華大學(xué)出版社，2003.

［20］Lennart Soder.Simulation of Wind Speed Forecast Errors for Operation Planning of Multi-Area Power Systems［C］.8th International Conference on Probabilistic Methods Applied to Power Systems，Iowa，USA-September 12-16，2004.

［21］ROMISCHW，HEITSCHH.Scenarioreductionalgorithmsin stochastic program.Computational Optimization and Applications，2003，24（2／3）：187-206.

［22］Nicole Growe-Kuska，Holger Heitsch and Werner Romisch.Scenario Reduction And Scenario Tree Construction for Power Management Problems.Proceedings of 2003 IEEE Bologna PowerTech Conference：Vol 3，June 23-26，2003，Bologna，Italy：1-7.

［23］Jianhui Wang，Mohammad Shahidehpour，Zuyi Li.Security Constrained Unit Commitment With Volatile Wind Power Generation［J］.IEEE Trans.on Power Systems，2008，23（3）：1 319-1 327.

［24］顏擁，文福拴，楊首暉.考慮風(fēng)電出力波動性的發(fā)電調(diào)度［J］.電力系統(tǒng)自動化，2010，34（6）：79-88.

［25］謝毓廣，江曉東.儲能系統(tǒng)對含風(fēng)電的機(jī)組組合問題影響分析［J］.電力系統(tǒng)自動化，2011，35（5）：19-24.

［26］葉榮，陳皓勇，王鋼，等.多風(fēng)電場并網(wǎng)時安全約束機(jī)組組合的混合整數(shù)規(guī)劃解法［J］.電力系統(tǒng)自動化，2010，34（5）：29-33，65.

［27］江岳文，陳沖，溫步瀛.含風(fēng)電場的電力系統(tǒng)機(jī)組組合問題隨機(jī)模擬粒子群算法［J］.電工技術(shù)學(xué)報，2009，24（6）：129-137.

［28］孫元章，吳俊，李國杰，等.基于風(fēng)速預(yù)測和隨機(jī)規(guī)劃的含風(fēng)電場電力系統(tǒng)動態(tài)經(jīng)濟(jì)調(diào)度［J］.中國電機(jī)工程學(xué)報，2009，29（4）：41-47.

［29］張伯明，吳文傳，鄭太一，等.消納大規(guī)模風(fēng)電的多時間尺度協(xié)調(diào)的有功調(diào)度系統(tǒng)設(shè)計［J］.電力系統(tǒng)自動化，2011，35（1）：1-6.

［30］張國強(qiáng)，吳文傳，張伯明.考慮風(fēng)電接入的有功運(yùn)行備用協(xié)調(diào)優(yōu)化［J］.電力系統(tǒng)自動化，2011，35（12）：15-19.

［31］張國強(qiáng)，張伯明，吳文傳.考慮風(fēng)電接入的協(xié)調(diào)滾動發(fā)電計劃［J］.電力系統(tǒng)自動化，2011，35（19）：18-22.

［32］沈偉，吳文傳，張伯明，等.消納大規(guī)模風(fēng)電的在線滾動調(diào)度策略與模型［J］.電力系統(tǒng)自動化，2011，35（22）：136-140.

［33］王洪濤，何成明，房光華，等.計及風(fēng)電預(yù)測誤差帶的調(diào)度計劃漸進(jìn)優(yōu)化模型［J］.電力系統(tǒng)自動化，2011，35（22）：131-135.

［34］Ahmed Yousuf Saber，Ganesh Kumar Venayagamoorthy.Intelligent unit commitment with vehicle-to-grid：A cost-emission optimization［J］.Journal of Power Sources，2010，195（3）：898-911.

［35］趙俊華，文福拴，薛禹勝，等.計及電動汽車和風(fēng)電出力不確定性的隨機(jī)經(jīng)濟(jì)調(diào)度［J］.電力系統(tǒng)自動化，2010，34（20）：22-29.

［36］陸凌蓉，文福拴，薛禹勝，等.計及可入網(wǎng)電動汽車的電力系統(tǒng)機(jī)組最優(yōu)組合［J］.電力系統(tǒng)自動化，2011，35（21）：16-20.

［37］蔡秋娜，文福拴，薛禹勝，等.基于SCUC的可入網(wǎng)混合電動汽車優(yōu)化調(diào)度方法［J］.電力系統(tǒng)自動化，2012，36（1）：38-46.

［38］于大洋，宋曙光，張波，等.區(qū)域電網(wǎng)電動汽車充電與風(fēng)電協(xié)同調(diào)度的分析［J］.電力系統(tǒng)自動化，2011，35（14）：24-29.

［39］Yu Lei，Xueshan Han，Dayang Yu.Multi-time Scale Decisionmaking Method of Synergistic Dispatch［C］.International Conference on IEEE PES Innovative Smart Grid Technologies Asia 2012，TJU，Tianjin，China-May 21-24，2012.

［40］李智，韓學(xué)山，楊明，等.計及接納風(fēng)電能力的電網(wǎng)調(diào)度模型［J］.電力系統(tǒng)自動化，2010，34（19）：15-19.

［41］張粒子，周娜，王楠.大規(guī)模風(fēng)電接入電力系統(tǒng)調(diào)度模式的經(jīng)濟(jì)性比較［J］.電力系統(tǒng)自動化，2011，35（22）：105-110.

［42］王彩霞，喬穎，魯宗相，等.低碳經(jīng)濟(jì)下風(fēng)火互濟(jì)系統(tǒng)日前發(fā)電計劃模式分析［J］.電力系統(tǒng)自動化，2011，35（22）：111-117.

［43］王彩霞，喬穎，魯宗相.考慮風(fēng)電效益的風(fēng)火互濟(jì)系統(tǒng)旋轉(zhuǎn)備用確定方式［J］.電力系統(tǒng)自動化，2012，36（4）：16-21.

Power System Economic Dispatch for Accommodating Wind Power Integration

YANG Jiajun1，LONG Miao2，LU Yihan3，WANG Lin4
（1.State Grid Laiwu Power Supply Company，Laiwu 271100，China；2.Shandong Electric Power Engineering Consulting Institute corp.，Ltd，Jinan 250061，China；3.State Grid Changyi Power Supply Company，Changyi 261000，China；4.State Grid Weifang Power Supply Company，Weifang 261000，China）

With the stochastic and intermittent characteristics of wind power output，large-scale wind power integration brings a significant challenge to the operation and dispatch of power system.Predicting wind power output is the basic work for accommodating large scale wind power penetration.On that basis，the statistical analysis and evaluation results of prediction error are used for the operation and dispatch of power system.According to different processing methods of the uncertainty of wind power，models of power system dispatch considering wind power integration are categorize into three type，namely，deterministic model，fuzzy model and uncertainty model.Prediction errors of wind power output in different time-scale and different foresight-period are put under statistical analysis，and thus the mechanism of rolling optimization of dispatch decisions in different time-scale is researched and furthermore the coordination of dispatch decisions in different time-scale and its corresponding prediction is studied.Controllable resources，such as stored energy，electric vehicle，can effectively neutralize and stabilize stochastic and intermittent characteristics of wind power output，providing a practical approach for accommodating large-scale wind power integration，energy conservation and emission reduction，and for the stability of power grid.The costeffectiveness of accommodating large scale wind power integration is discussed in the grid where large thermal power plants are the main power supply.

power system；economic dispatch；dispatching mode；wind power integration；rolling optimization dispatch

TM732；TM614

A

1007－9904（2015）04－0038－05

2014-12-01

楊佳?。?986），男，從事電力系統(tǒng)運(yùn)行與控制相關(guān)工作。