計(jì)及可再生能源與負(fù)荷互補(bǔ)特性的儲(chǔ)能隨機(jī)調(diào)度

陳國恩，宗鵬鵬，朱偉，張子仲，梁歡利，王丙文，陳中

(1.國網(wǎng)嘉興供電公司，浙江省嘉興市 314200；2. 東南大學(xué)電氣工程學(xué)院，南京市 210096；3. 國電南瑞科技股份有限公司，南京市 211106)

?

計(jì)及可再生能源與負(fù)荷互補(bǔ)特性的儲(chǔ)能隨機(jī)調(diào)度

陳國恩1，宗鵬鵬2，朱偉1，張子仲3，梁歡利2，王丙文3，陳中2

(1.國網(wǎng)嘉興供電公司，浙江省嘉興市 314200；2. 東南大學(xué)電氣工程學(xué)院，南京市 210096；3. 國電南瑞科技股份有限公司，南京市 211106)

在“風(fēng)光儲(chǔ)”并網(wǎng)系統(tǒng)中，需要考慮間歇性新能源的不確定性對(duì)電力系統(tǒng)的影響，基于此，構(gòu)建了計(jì)及風(fēng)電、光伏發(fā)電系統(tǒng)出力不確定性和負(fù)荷隨機(jī)性的常規(guī)電源和儲(chǔ)能裝置隨機(jī)優(yōu)化日前調(diào)度模型。模型考慮了儲(chǔ)能裝置充放電限制的約束條件，在假設(shè)風(fēng)速服從Weibull分布，光照服從Beta分布的條件下，推導(dǎo)出“風(fēng)光儲(chǔ)”并網(wǎng)系統(tǒng)等效負(fù)荷的平均方差表達(dá)式，并以此為目標(biāo)函數(shù)建立儲(chǔ)能裝置隨機(jī)優(yōu)化調(diào)度模型，衡量平抑常規(guī)機(jī)組波動(dòng)的能力。應(yīng)用雙鏈量子遺傳算法進(jìn)行求解，最后以IEEE30節(jié)點(diǎn)系統(tǒng)為例驗(yàn)證了所提出模型的可行性和有效性。

“風(fēng)光儲(chǔ)”；概率調(diào)度；平均方差；雙鏈量子遺傳算法

0 引 言

風(fēng)能和太陽能等間歇性能源并網(wǎng)容量的逐步增加，對(duì)電力系統(tǒng)穩(wěn)定運(yùn)行造成了越來越大的影響。“風(fēng)光儲(chǔ)”互補(bǔ)發(fā)電系統(tǒng)是一種可行的解決方案[1-2]。儲(chǔ)能系統(tǒng)的作用是平抑風(fēng)電出力的波動(dòng)[3-4]、平穩(wěn)輸出功率，增加電網(wǎng)對(duì)可再生能源吸收接納程度。通過儲(chǔ)能的優(yōu)化調(diào)度抑制系統(tǒng)功率波動(dòng)來滿足高滲透率間歇性能源并網(wǎng)要求，是未來電力系統(tǒng)重點(diǎn)研究方向。

目前國內(nèi)外對(duì)基于電網(wǎng)調(diào)度的儲(chǔ)能容量配置及效益已經(jīng)有一定的研究[5-13]。文獻(xiàn)[8-10]利用衡量“風(fēng)光儲(chǔ)”系統(tǒng)可靠性的指標(biāo)來確定儲(chǔ)能容量；針對(duì)利用儲(chǔ)能裝置抑制功率波動(dòng)問題，文獻(xiàn)[11]通過引入儲(chǔ)能系統(tǒng)降低了風(fēng)電波動(dòng)性對(duì)機(jī)組組合問題的不利影響；文獻(xiàn)[12-13]以入網(wǎng)電動(dòng)汽車為可調(diào)負(fù)荷，研究了電力系統(tǒng)最優(yōu)組合問題，為“風(fēng)光儲(chǔ)”并網(wǎng)系統(tǒng)運(yùn)行調(diào)度提供參考。文獻(xiàn)[14]在風(fēng)電機(jī)組和光伏發(fā)電隨機(jī)性基礎(chǔ)上，發(fā)展了以平抑可再生能源出力波動(dòng)為目標(biāo)的電力系統(tǒng)隨機(jī)協(xié)同優(yōu)化調(diào)度模型，但忽略了負(fù)荷波動(dòng)對(duì)調(diào)度策略的影響。

目前的研究工作主要考慮通過儲(chǔ)能抑制可再生能源波動(dòng)，目標(biāo)函數(shù)多為可再生能源波動(dòng)性最小，以保證常規(guī)電源的出力調(diào)度計(jì)劃受到的影響最小。但在風(fēng)電和光伏的波動(dòng)過程中，自身具有隨機(jī)互補(bǔ)性，并且和負(fù)荷波動(dòng)也存在系統(tǒng)互補(bǔ)性，只考慮常規(guī)電源調(diào)度計(jì)劃影響最小并不一定是最優(yōu)計(jì)劃。目前的研究較少考慮負(fù)荷波動(dòng)性，因?yàn)樵谛履茉礉B透率不高的情況下，新能源功率波動(dòng)比負(fù)荷的波動(dòng)要小的多，只需制定調(diào)度策略控制儲(chǔ)能裝置充放電功率使“風(fēng)光儲(chǔ)”功率波動(dòng)最小。隨著新能源滲透率的逐步增加，若不考慮負(fù)荷波動(dòng)對(duì)調(diào)度策略的影響會(huì)使調(diào)度結(jié)果偏離最優(yōu)解。因此在大規(guī)?！帮L(fēng)光儲(chǔ)”并網(wǎng)系統(tǒng)中，儲(chǔ)能調(diào)度策略需計(jì)及可再生能源自身互補(bǔ)性、可再生能源與負(fù)荷的系統(tǒng)互補(bǔ)特性，使系統(tǒng)運(yùn)行最優(yōu)。本文在充分考慮可再生能源與負(fù)荷的互補(bǔ)性以及“風(fēng)光”自身互補(bǔ)性的基礎(chǔ)上，通過儲(chǔ)能和常規(guī)能源的日前優(yōu)化協(xié)同調(diào)度，使常規(guī)電源運(yùn)行在較小的波動(dòng)范圍，避免頻繁調(diào)整出力造成爬坡?lián)p失，保證系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和安全性。

文獻(xiàn)[15]在假設(shè)風(fēng)電、光伏發(fā)電出力確定的條件下，基于改進(jìn)數(shù)學(xué)熵的衡量指標(biāo)，研究了運(yùn)行周期內(nèi)蓄電池充放電功率優(yōu)化問題。本文在文獻(xiàn)[15]的基礎(chǔ)上，計(jì)及風(fēng)電、光伏以及負(fù)荷的隨機(jī)波動(dòng)性，充分發(fā)揮可再生能源與負(fù)荷的互補(bǔ)特性，通過常規(guī)能源和和儲(chǔ)能的優(yōu)化協(xié)同調(diào)度，以最小化常規(guī)電源在一個(gè)調(diào)度周期內(nèi)的平均功率波動(dòng)為目標(biāo)，構(gòu)造優(yōu)化模型，并通過雙鏈量子遺傳算法求解，以獲取系統(tǒng)優(yōu)化運(yùn)行日前調(diào)度結(jié)果。首先根據(jù)風(fēng)電和光伏發(fā)電概率分布函數(shù)分別推導(dǎo)出風(fēng)電機(jī)組和光伏發(fā)電機(jī)組出力的期望、方差及二階原點(diǎn)矩的表達(dá)式，以常規(guī)機(jī)組出力平均方差最小為目標(biāo)，計(jì)及儲(chǔ)能裝置充放電功率、儲(chǔ)能容量等約束以及網(wǎng)絡(luò)安全約束，建立隨機(jī)優(yōu)化日前調(diào)度模型。采用雙鏈量子遺傳算法求解優(yōu)化模型，并在IEEE30節(jié)點(diǎn)系統(tǒng)中仿真驗(yàn)證日前優(yōu)化調(diào)度策略的可行性。

1 風(fēng)電和光伏發(fā)電出力概率分布

1.1 風(fēng)電機(jī)組出力概率分布

本文風(fēng)速模型采用Weibull[16]分布，概率密度函數(shù)為

(1)

(2)

風(fēng)力發(fā)電機(jī)組(WTG)的功率輸出取決于風(fēng)速，風(fēng)電機(jī)組的出力和風(fēng)速之間具有式(3)所示的非線性關(guān)系：

(3)

式中：vcr為切入風(fēng)速；vco為切除風(fēng)速；vR為額定風(fēng)速；PR為額定功率。當(dāng)風(fēng)速小于vcr或高于vco時(shí)，機(jī)組出力為0；當(dāng)風(fēng)速從vcr到vR逐漸增大時(shí)機(jī)組出力也隨之增大；當(dāng)達(dá)到和超過額定風(fēng)速時(shí)功率保持為額定功率PR不變。根據(jù)式(3)可得風(fēng)機(jī)在調(diào)度周期內(nèi)每時(shí)刻期望值、二階原點(diǎn)矩以及方差可表示為

(4)

(5)

(6)

1.2 光伏發(fā)電出力概率分布

太陽能電池輸出功率與光照強(qiáng)度密切相關(guān)，據(jù)統(tǒng)計(jì)，在一定時(shí)間段內(nèi)太陽光照強(qiáng)度可近似看成Beta分布[17]，其密度函數(shù)如式(7)所示：

(7)

式中：Ps為太陽能電池方陣輸出功率;Pmax為太陽能電池方陣最大輸出功率;α和β是Beta分布的形狀參數(shù)。

(8)

(9)

式中μ和σ為一定時(shí)段內(nèi)光照強(qiáng)度的平均值和方差。

根據(jù)式(7)～(9)可得光伏出力在調(diào)度周期內(nèi)各時(shí)刻期望值、二階原點(diǎn)矩以及方差：

(10)

(11)

(12)

2 隨機(jī)調(diào)度模型

文獻(xiàn)[12]提出的隨機(jī)調(diào)度模型計(jì)及了風(fēng)電和光伏發(fā)電的不確定性，但沒有考慮負(fù)荷的波動(dòng)性，而在新能源滲透率較高的系統(tǒng)中負(fù)荷波動(dòng)對(duì)電力系統(tǒng)運(yùn)行方式制定有著重要的影響。本文構(gòu)造的隨機(jī)調(diào)度模型能同時(shí)計(jì)及風(fēng)電、光伏發(fā)電的不確定性以及負(fù)荷的隨機(jī)波動(dòng)性，考慮三者之間的互補(bǔ)特性，合理安排儲(chǔ)能裝置充放電功率，通過儲(chǔ)能設(shè)備和常規(guī)能源的優(yōu)化調(diào)度，來平抑常規(guī)電源在一個(gè)調(diào)度周期內(nèi)的功率波動(dòng)。

2.1 目標(biāo)函數(shù)

本文定義等效負(fù)荷為系統(tǒng)負(fù)荷減去“風(fēng)光儲(chǔ)“出力后的負(fù)荷，是常規(guī)機(jī)組的輸出功率之和。以等效負(fù)荷在一個(gè)調(diào)度周期內(nèi)平均方差為目標(biāo)函數(shù)，通過控制儲(chǔ)能裝置每時(shí)刻充放電功率，使等效負(fù)荷波動(dòng)最小，并減小出力調(diào)整帶來的爬坡?lián)p失，保證系統(tǒng)運(yùn)行的經(jīng)濟(jì)性和安全性。

系統(tǒng)等效負(fù)荷在時(shí)段t內(nèi)出力為

P(t)=Pl(t)-[Pw(t)+Ps(t)+Pe(t)]

(13)

式中：Pl(t)為負(fù)荷功率;Pw(t)、Ps(t)分別為風(fēng)電、光伏發(fā)電功率；Pe(t)為儲(chǔ)能裝置充放電功率，充電時(shí)為負(fù)，放電時(shí)為正。系統(tǒng)等效負(fù)荷P(t)即為常規(guī)機(jī)組輸出功率。

設(shè)調(diào)度周期為T，在1個(gè)調(diào)度周期內(nèi)等效負(fù)荷功率平均值為

(14)

用等效負(fù)荷的平均方差最小作為目標(biāo)函數(shù)：

(15)

令Pl0(t)=Pl(t)-Pe(t)，則可以得到：

(16)

(17)

風(fēng)電機(jī)組和光伏發(fā)電在不同時(shí)段各自出力相互獨(dú)立，因此有：

(18)

(19)

將式(4)～(6)，(10)～(12)，(16)～(19)代入式(15)即可得到優(yōu)化目標(biāo)函數(shù)表達(dá)式。

目標(biāo)函數(shù)式(15)的數(shù)學(xué)意義是在假設(shè)風(fēng)電、光伏發(fā)電出力服從特定數(shù)學(xué)分布情況下，將負(fù)荷預(yù)測(cè)功率減去風(fēng)電、光伏發(fā)電功率得到等效負(fù)荷即常規(guī)機(jī)組的功率表達(dá)式，合理安排儲(chǔ)能裝置充放電功率，使常規(guī)機(jī)組平均方差最小，從概率的角度確保常規(guī)機(jī)組功率波動(dòng)最小。

2.2 約束條件

(1)儲(chǔ)能裝置容量約束。

EESmin≤EES(t)≤EESmax

(20)

式中：EES(t)為儲(chǔ)能裝置在t時(shí)刻末所存儲(chǔ)的電能；EESmin、EESmax分別為儲(chǔ)能裝置容量上下限。

(2)儲(chǔ)能裝置充放電功率上下限。

Pch≤Pbat(t)≤Pdis

(21)

式中：Pch、Pdis分別為儲(chǔ)能裝置最大充放電功率，其中Pch為負(fù)，Pdis為正，一般情況下，充電功率比放電功率小。

(3)儲(chǔ)能裝置能量平衡約束。

EES(t)=EES(t-1)-Pbat(t)Δt

(22)

式中EES(t)、EES(t-1)分別表示t和t-1時(shí)刻末儲(chǔ)能裝置能量狀態(tài)，兩者之差表示t時(shí)段內(nèi)能量的釋放或吸收，Pbat(t)在t時(shí)段內(nèi)保持不變。

(4)儲(chǔ)能裝置在周期內(nèi)始末能量不變。

EES(T)=EES(0)

(23)

式中：EES(0)表示初始儲(chǔ)能荷電狀態(tài)；EES(T)表示T時(shí)刻末荷電狀態(tài)。

(5)網(wǎng)絡(luò)安全約束。

網(wǎng)絡(luò)安全約束包括節(jié)點(diǎn)電壓約束、節(jié)點(diǎn)功率平衡約束和支路潮流約束：

Ui，min(t)≤Ui(t)≤Ui，max(t)

(24)

(25)

(26)

式中：PGi、QGi分別為節(jié)點(diǎn)i上發(fā)電機(jī)有功和無功出力；PDi、QDi分別為節(jié)點(diǎn)i的負(fù)荷有功功率和無功功率；Ui、Uj和θi、θj分別為節(jié)點(diǎn)i和j的電壓幅值和相角；Gij、Bij分別為節(jié)點(diǎn)導(dǎo)納矩陣第i行第j列元素實(shí)部與虛部；Pl為支路l有功潮流，支路l兩端節(jié)點(diǎn)分別為i和j。

3 雙鏈量子遺傳算法

本文建立的隨機(jī)調(diào)度模型應(yīng)用對(duì)象是“風(fēng)光儲(chǔ)”并網(wǎng)系統(tǒng)，發(fā)電機(jī)節(jié)點(diǎn)和“風(fēng)光儲(chǔ)”節(jié)點(diǎn)以及負(fù)荷節(jié)點(diǎn)數(shù)目較多，需要滿足96個(gè)點(diǎn)整體優(yōu)化的計(jì)算要求，并且考慮了隨機(jī)性特點(diǎn)，優(yōu)化計(jì)算量較大，需要更快更好的智能尋優(yōu)算法。量子遺傳算法采用概率操作過程進(jìn)行優(yōu)化，目前已有的多種量子遺傳算法，多采用基于量子位測(cè)量的二進(jìn)制編碼方式，其進(jìn)化方式是通過改變量子比特位來實(shí)現(xiàn)的。事實(shí)上，通過測(cè)量染色體上量子位的狀態(tài)來生成所需要的二進(jìn)制解，是一個(gè)概率操作過程，具有隨機(jī)性和盲目性。本文基于雙鏈量子遺傳算法(double chain quantum genetic algorithm， DCQGA)使用一種用于連續(xù)空間優(yōu)化的基于實(shí)數(shù)編碼和目標(biāo)函數(shù)梯度信息的方法[18]。該算法用量子位對(duì)染色體編碼，用量子位的概率幅描述可行解，用量子旋轉(zhuǎn)門更新量子比特的相位，同時(shí)該算法將量子比特的2個(gè)概率幅值都看作基因位，因此，每條染色體帶有2條基因鏈(即可行解)，這樣可使搜索加速。這些改進(jìn)措施使優(yōu)化效率得到明顯的提高。協(xié)同調(diào)度算法分為可行解量子位概率幅編碼、可行解量子相位更新以及可行解量子位非門變異3個(gè)步驟。

(1)量子位概率幅編碼。

在DCQGA中，將每一量子位概率幅值，看作上下并列的2個(gè)基因，每條染色體包含2條并列的基因鏈，每條基因鏈代表調(diào)度周期內(nèi)儲(chǔ)能裝置各時(shí)刻充放電功率的一組解。在DCQGA中，采用量子位的概率幅編碼。

(27)

式中tij=2π×rnd，rnd為(0，1)之間的隨機(jī)數(shù)，i=1，2，…，m，m是種群規(guī)模，j=1，2，…，n，n是量子位數(shù)，即調(diào)度控制變量個(gè)數(shù)，包括發(fā)電機(jī)數(shù)和儲(chǔ)能裝置數(shù)。每條染色體同時(shí)代表搜索空間中的2個(gè)優(yōu)化解，這樣避免了從二進(jìn)制到十進(jìn)制頻繁的解碼過程。因?yàn)槊看蔚?個(gè)解同步更新，故在種群規(guī)模不變的情況下，能增強(qiáng)對(duì)搜索空間的遍歷性，加速優(yōu)化過程。

(28)

(29)

(2)量子相位更新。

DCQGA用于更新量子比特相位的量子旋轉(zhuǎn)門為

(30)

更新過程即為

(31)

本文根據(jù)目標(biāo)函數(shù)在搜索點(diǎn)處的變化趨勢(shì)確定轉(zhuǎn)角Δθ的大小和方向。當(dāng)搜索點(diǎn)處目標(biāo)函數(shù)變化率較大時(shí)，適當(dāng)減小轉(zhuǎn)角步長，反之適當(dāng)加大轉(zhuǎn)角步長。這樣，可使各染色體依據(jù)自身的特性在搜索過程的平坦之處邁大步，而在搜索過程的陡峭之處邁小步，而不至于越過全局最優(yōu)解，利用梯度定義轉(zhuǎn)角步長函數(shù)為

(32)

其中

(33)

式中：Δθ0為迭代初值；θ0、θ1分別為當(dāng)前搜到的全局最優(yōu)解和局部最優(yōu)解的量子位幅角；)為評(píng)價(jià)函數(shù)f(x)在點(diǎn)處的梯度。本文“風(fēng)光儲(chǔ)”協(xié)調(diào)調(diào)度屬于離散優(yōu)化問題，由于f(x)不存在梯度，故不能像連續(xù)情形那樣，將梯度信息直接加入到轉(zhuǎn)角函數(shù)中，可以利用相鄰兩代的一階差分代替梯度，fjmax和fjmin分別定義為

(34)

，

(35)

，

(36)

(3)量子位非門變異。

采用量子非門實(shí)現(xiàn)染色體變異，首先依據(jù)變異概率隨機(jī)選擇一條染色體，即一個(gè)可行解，然后隨機(jī)選擇若干個(gè)量子位施加量子非門變換，使該量子位的2個(gè)概率幅互換。這樣可使2條基因鏈同時(shí)得到變異。這種變異實(shí)際上是對(duì)量子位幅角的一種旋轉(zhuǎn)：如設(shè)某一量子位幅角為t，則變異后的幅角為π/2-t，即幅角正向旋轉(zhuǎn)了π/2-2t。這種旋轉(zhuǎn)不與當(dāng)前最佳染色體比較，一律正向旋轉(zhuǎn)，有助于增加種群的多樣性，降低早熟收斂的概率。

雙鏈量子遺傳算法的風(fēng)光儲(chǔ)隨機(jī)優(yōu)化調(diào)度步驟如圖1所示。

圖1 雙鏈量子遺傳算法流程圖Fig.1 Flow chart of double chains quantum genetic algorithm

4 算例分析

用IEEE30節(jié)點(diǎn)系統(tǒng)驗(yàn)證上述模型的可行性與正確性。表1～3分別給出了光照強(qiáng)度變化情況，一天內(nèi)平均風(fēng)速變化情況以及負(fù)荷情況?！帮L(fēng)光儲(chǔ)”互補(bǔ)系統(tǒng)接入IEEE30節(jié)點(diǎn)系統(tǒng)3號(hào)節(jié)點(diǎn)，其中風(fēng)電容量為300 MW，光伏容量為200 MW，蓄電池容量為500 MW，最大充電功率設(shè)為150 MW，最大放電功率設(shè)為200 MW。算法收斂過程如圖2所示。

表1 光照強(qiáng)度相關(guān)參數(shù)

Table 1 Related parameters of solar irradiance

表2 1天中平均風(fēng)速Table 2 Average wind speed variation in a day

由圖2可知，DCQGA算法對(duì)染色體雙鏈同時(shí)編碼，比普通遺傳算法具有更快的收斂速度，能更快收斂到最優(yōu)解，迭代到300代時(shí)就已趨于穩(wěn)定。蓄電池最優(yōu)充放電功率如圖3所示。

表3 負(fù)荷情況

Table 3 Load demands

圖2 DCQGA算法收斂過程Fig.2 Convergence process of DCQGA method

圖3 蓄電池最優(yōu)充放電功率Fig.3 Optimal charging-discharging of battery

由圖3可知，在周期T的初始時(shí)刻和末時(shí)刻蓄電池荷電狀態(tài)相等，本文中均取0。且在1個(gè)周期內(nèi)蓄電池充電量與放電量相等，這樣保證了蓄電池在1個(gè)調(diào)度周期結(jié)束后既不吸收電能，也不釋放電能，在調(diào)度周期內(nèi)起到平抑功率波動(dòng)的作用。

為了研究蓄電池容量變化時(shí)等效負(fù)荷總體方差的變化情況，改變蓄電池容量觀察目標(biāo)函數(shù)值的變化如圖4所示。

圖4 目標(biāo)函數(shù)與蓄電池容量關(guān)系Fig.4 Relationship between battery capacity and objective function

由圖4可知，目標(biāo)函數(shù)隨蓄電池容量的增加呈遞減關(guān)系，這是因?yàn)樵黾有铍姵厝萘磕芨嗟奈招履茉?，平抑系統(tǒng)波動(dòng)能力更強(qiáng)。蓄電池容量在0～500 MW時(shí)，目標(biāo)函數(shù)近似為線性遞減，在此范圍內(nèi)，增加蓄電池容量可成倍減小目標(biāo)函數(shù)值；蓄電池容量在500～1 000 MW時(shí)，目標(biāo)函數(shù)雖然隨著蓄電池容量增加有所減小，但會(huì)增加成本且目標(biāo)函數(shù)減小的很少，當(dāng)容量達(dá)到800 MW時(shí)，目標(biāo)函數(shù)幾乎不再隨著蓄電池容量的增大而減小。這是因?yàn)楫?dāng)儲(chǔ)能容量大于500 MW時(shí)，在很多時(shí)刻都處于閑置狀態(tài)，利用率不高。因此儲(chǔ)能容量與抑制功率波動(dòng)存在非線性相關(guān)的關(guān)系，對(duì)于“風(fēng)光儲(chǔ)”系統(tǒng)儲(chǔ)能容量的設(shè)置，具有重要意義。因此本文蓄電池容量設(shè)為500 MW能兼顧經(jīng)濟(jì)性和實(shí)際的要求。

5 結(jié) 語

“風(fēng)光儲(chǔ)”并網(wǎng)系統(tǒng)的隨機(jī)性和滲透率的逐步增加給電力系統(tǒng)的安全經(jīng)濟(jì)運(yùn)行帶來新的挑戰(zhàn)，本文考慮風(fēng)電和光伏機(jī)組的隨機(jī)性以及負(fù)荷波動(dòng)對(duì)電力系統(tǒng)的影響，建立了風(fēng)光儲(chǔ)隨機(jī)互補(bǔ)調(diào)度模型。算例結(jié)果表明，所提出的模型和算法能有效平抑常規(guī)機(jī)組出力波動(dòng)，提高系統(tǒng)可靠性。另外，儲(chǔ)能容量與抑制功率波動(dòng)能力非線性相關(guān)。

[1]蔡國偉，孔令國，楊德友，等.大規(guī)模風(fēng)光互補(bǔ)發(fā)電系統(tǒng)建模與運(yùn)行特性研究[J].電網(wǎng)技術(shù)，2012，36(1)：65-71. Cai Guowei，Kong Linguo， Yang Deyou， et al.Research on modeling and operation characteristics analysis of large-scale wind &light complementary electricity-generation system[J].Power System Technology，2012，36(1)：65-71.

[2]李碧輝，申洪，湯涌.風(fēng)光儲(chǔ)聯(lián)合發(fā)電系統(tǒng)儲(chǔ)能容量對(duì)有功功率的影響及評(píng)價(jià)指標(biāo)[J].電網(wǎng)技術(shù)，2011， 35(4)： 123-128. Li Bihui， Shen Hong，Tang Yong. Impacts of energy storage capacity configuration of HPWS to active power characteristics and its relevant indices[J].Power System Technology， 2011， 35(4)： 123-128.

[3]丁明，徐寧舟，畢銳，等.負(fù)荷側(cè)新型電池儲(chǔ)能電站動(dòng)態(tài)功能的研究[J].電力自動(dòng)化設(shè)備，2011，31(5)：1-9. Ding Ming，Xu Ningzhou，Bi Rui.， et al. Dynamic model of new-type battery energy storage system at demand side[J]. Electric Power Automation Equipment，2011，31(5)：1-9.

[4]王振浩，劉金龍，李國慶，等. 基于超級(jí)電容器儲(chǔ)能的并網(wǎng)風(fēng)電場功率與電壓調(diào)節(jié)技術(shù)[J]. 電力自動(dòng)化設(shè)備，2011，31(3)：113-116. Wang Zhenhao，Liu Jinlong，Li Guoqing，et al. Power and voltage regulation of wind farm based on EDLC energy storage[J].Electric Power Automation Equipment，2011，31(3)：113-116.

[5]Teleke S，Baran M E，Huang A Q，et al. Control strategies for battery energy storage for wind farm dispatching [J]. IEEE Transaction on Energy Conversion，2009，24(3)：725-732.

[6]Teleke S，Bara N M E，Bhattacharya S，et al. Optimal control of battery energy storage for wind farm dispatching[J].IEEE Transaction on Power Systems，2010，25(3)：787-794.

[7]Teleke S，Baran M E，Bhattacharya S，et al. Rule-based control of battery energy storage for dispatching intermittent renewable sources[J]. IEEE Transaction on Sustainable Energy，2010，25(3)：117-124.

[8]栗文義，張保會(huì)，巴根，等.風(fēng)/柴/儲(chǔ)系統(tǒng)風(fēng)電容量充裕度評(píng)估[J].中國電機(jī)工程學(xué)報(bào)，2006，26(16)：62-67. Li Wenyi， Zhang Baohui， Ba Gen，et al.Capacity adequancy evaluation of wind-diesel-storage system[J]. Proceedings of the CSEE，2006，26(16)：62-67.

[9]Yang Hongxing，Zhou Wei，Lulin，et al.Optimal sizing method for stand-alone hybrid solar-wind system with LPSP technology by using genetic algorithm[J].Solar Energy，2008(82)：354-357.

[10]Zhou Wei，Yang Hongxing，F(xiàn)an Zhaohong.Battery behavior prediction and battery working states analysis of hybrid solar-wind power generation system[J].Renewable Energy，2008，33(6)：1413-1423.

[11]謝毓廣，江曉東.儲(chǔ)能系統(tǒng)對(duì)含風(fēng)電的機(jī)組組合問題影響分析[J].電力系統(tǒng)自動(dòng)化，2011，35(5)：1-24. Xie Yuguang，Jiang Xiaodong. Impact of energy storage system on the unit commitment problem with volatile wind power[J].Automation of Electric Power System，2011，35(5)：19-24.

[12]陸凌蓉，文福栓，薛禹勝，等.計(jì)及可入網(wǎng)電動(dòng)汽車的電力系統(tǒng)機(jī)組最優(yōu)組合[J].電力系統(tǒng)自動(dòng)化，2011，35(21)：16-20. Lu Lingrong， Wen Fushuan， Xue Yusheng，et al.Unit commitment in power systems with plug-in electric vehicles[J].Automation of Electric Power System.2011，35(21)：16-20.

[13]于大洋，宋曙光，張波，等.區(qū)域電網(wǎng)電動(dòng)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(dòng)化，2011，35(14)：24-29. Yu Dayang， Song Shuguang， Zhang Bo，et al.Synergistic dispatch of PEVs charging and wind power in Chinese regional power grids[J].Automation of Electric Power System，2011，35(14)：24-29.

[14]王貴斌，趙俊華，文福栓，等.配電系統(tǒng)中電動(dòng)汽車與可再生能源的隨機(jī)協(xié)同調(diào)度[J].電力系統(tǒng)自動(dòng)化，2012，36(19)：22-29. Wang Guihua， Zhao Junhua，Wen Fushuan，et al.Stochastic optimization dispatch of plug-in hybrid electric vehicles in coordination with renewable generation in distribution systems[J].Automation of Electric Power System，2012，36(19)：22-29.

[15]陳中，胡呂龍，丁楠.基于改進(jìn)熵的風(fēng)光儲(chǔ)互補(bǔ)并網(wǎng)系統(tǒng)優(yōu)化運(yùn)行[J].電力系統(tǒng)保護(hù)與控制，2013，41(21)：86-91. Chen Zhong，Hu Lvlong， Ding NanOptimized operation of wind-solar-battery hybrid power system based on improved entyopy[J].Power System Protection and Control，2013，41 (21)：86-91.

[16]黃杰鵬，李宇紅，倪維斗.并網(wǎng)風(fēng)電場可避免費(fèi)用的計(jì)算[J].電網(wǎng)技術(shù)，2006，30(16)：50-53. Huang Jiepeng， Li Yuhong， Ni Weidou.Avoidable cost of wind farm interconnected to power grid[J].Power System Technology， 2006， 30(16)： 50-53.

[17]劉東冉，陳樹勇，王浩懷，等.光伏發(fā)電系統(tǒng)模型綜述[J].電網(wǎng)技術(shù)，2011，35(8)：47-52. Liu Dongran，Chen Shuyong， Wang Haohuai，et al.A review on models for photovoltaic generation system[J].Power System Technology，2011，35(8)：47-52.

[18]Li P C，Li S Y.Phase matching in Grover’s algorithm[J].Physics Letters A，2007，366(1-2)：42-46.

(編輯：張小飛)

Stochastic Dispatching of Energy Storage Devices Considering Complementarity between Renewable Energy and Load

CHEN Guoen1, ZONG Pengpeng2, ZHU Wei1, ZHANG Zizhong3,LIANG Huanli2, WANG Bingwen3, CHEN Zhong2

(1.State Grid Jiaxing Power Supply Company, Jiaxing 314200, Zhejiang Province, China；2.School of Electrical Engineering, Southeast University, Nanjing 210096, China;3. NARI Technology Development Co., Ltd., Nanjing 210003, China)

The influence of the indeterminacy of intermittent new energy on power system should be considered in wind-solar-battery hybrid power system. Based on this, the stochastic scheduling model of energy storing device and thermal power station was developed with considering wind/photovoltaic power’s indeterminacy and load’s stochasitic. The constraint condition of energy storing device’s charge-discharge was considered in the model. Assuming that the wind speed followed the Weibull distribution and the solar irradiance followed the Beta distribution, the average variance expression of equivalent load in wind-solar-battery hybrid power system was derived, which was used as objective function to build the stochastic optimization dispatching model of energy storing device, and measure the fluctuation inhibition ability of thermal power. The double chains quantum genetic algorithm was employed to solve this optimization problem. Finally, the efficiency and feasibility of the model were demonstrated by IEEE30 bus system.

wind-solar-battery hybrid power system; schedule by probability mode; average variance; double chains quantum genetic algorithm

國家電網(wǎng)公司科技項(xiàng)目(多能互補(bǔ)小型化分布式電源應(yīng)用模式與并網(wǎng)關(guān)鍵技術(shù))。

TM 73

A

1000-7229(2015)06-0027-07

10.3969/j.issn.1000-7229.2015.06.005

2015-04-20

2015-05-10

陳國恩(1978)，男，工程師，長期從事電力調(diào)度自動(dòng)化方面的工作；

宗鵬鵬(1992)，男，碩士，主要研究方向?yàn)殡娏ο到y(tǒng)配電網(wǎng)規(guī)劃；

朱偉(1978)，男，高級(jí)工程師，長期從事電力調(diào)度自動(dòng)化管理方面的工作；

張子仲(1969)，男，高級(jí)工程師，主要從事配電自動(dòng)化和電力信息交互總線技術(shù)研究與開發(fā)；

梁歡利(1989)，女，碩士，主要研究方向?yàn)殡娏ο到y(tǒng)自動(dòng)化；

王丙文(1977)，男，工程師，長期從事電力調(diào)度自動(dòng)化管理方面的工作；

陳中(1975)，男，研究員，主要研究方向?yàn)殡娏ο到y(tǒng)穩(wěn)定與控制，新能源的開發(fā)和應(yīng)用。