楊麗君,李健強(qiáng),李學(xué)平,閆鵬達(dá)
(河北省電力電子節(jié)能與傳動(dòng)控制重點(diǎn)實(shí)驗(yàn)室,燕山大學(xué),河北秦皇島066004)
考慮需求響應(yīng)的含風(fēng)電電力系統(tǒng)日前經(jīng)濟(jì)調(diào)度
楊麗君,李健強(qiáng),李學(xué)平,閆鵬達(dá)
(河北省電力電子節(jié)能與傳動(dòng)控制重點(diǎn)實(shí)驗(yàn)室,燕山大學(xué),河北秦皇島066004)
風(fēng)力發(fā)電電網(wǎng)穿透率的不斷上升,為電力系統(tǒng)調(diào)度帶來(lái)了巨大的困難和挑戰(zhàn)。為此,本文通過(guò)需求響應(yīng)將需求側(cè)資源作為供應(yīng)側(cè)電能的可替代資源加以利用。首先,將需求響應(yīng)分為兩種形式,并分別進(jìn)行建模;其次,通過(guò)峰谷分時(shí)電價(jià)優(yōu)化負(fù)荷曲線,考慮需求響應(yīng)提供虛擬出力和虛擬備用的雙重功能,采用基于場(chǎng)景概率的兩階段隨機(jī)模型,建立含風(fēng)電電力系統(tǒng)的供需側(cè)聯(lián)合調(diào)度模型;最后,將優(yōu)先順序法與細(xì)菌群體趨藥性算法相結(jié)合,對(duì)所提模型進(jìn)行求解,以經(jīng)典的6機(jī)系統(tǒng)和1個(gè)風(fēng)電場(chǎng)為例進(jìn)行仿真研究,驗(yàn)證了所提調(diào)度模型的可行性以及優(yōu)越性。
場(chǎng)景概率;兩階段隨機(jī)模型;需求響應(yīng);細(xì)菌群體趨藥性;優(yōu)先順序法
近年來(lái),風(fēng)電發(fā)展勢(shì)頭迅猛,它將成為實(shí)現(xiàn)我國(guó)“十二五”和2020年非化石能源發(fā)展目標(biāo)的最重要的可再生能源之一。然而,風(fēng)電具有的隨機(jī)性和波動(dòng)性等特點(diǎn)給電網(wǎng)調(diào)度部門(mén)帶來(lái)極大挑戰(zhàn)[1]。一方面大規(guī)模風(fēng)電并網(wǎng)使電力系統(tǒng)面臨供需失衡的窘困局面;另一方面電力系統(tǒng)發(fā)電側(cè)備用資源匱乏。為保障電力系統(tǒng)經(jīng)濟(jì)高效運(yùn)行,提高風(fēng)能利用率,需要調(diào)動(dòng)更多形式的備用發(fā)電容量資源參與含大型風(fēng)電場(chǎng)的電力系統(tǒng)經(jīng)濟(jì)調(diào)度。
需求響應(yīng)(Demand Response,DR)是市場(chǎng)通過(guò)價(jià)格信號(hào)或激勵(lì)手段,利用需求彈性引導(dǎo)電力用戶(hù)做出響應(yīng),改變其電力消費(fèi)模式以降低各方成本的供需互動(dòng)形式[2],可替代一部分傳統(tǒng)的發(fā)電資源,不僅可以緩解電力系統(tǒng)供需失衡的現(xiàn)狀,還能為解決風(fēng)電的不確定性提供一條新途徑。文獻(xiàn)[3]通過(guò)引入電價(jià)響應(yīng)建立了一種將發(fā)電側(cè)資源和用戶(hù)側(cè)資源共同協(xié)調(diào)優(yōu)化配合風(fēng)電并網(wǎng)的含風(fēng)電電力系統(tǒng)優(yōu)化調(diào)度模型,證明了電價(jià)響應(yīng)能夠提高含風(fēng)電電力系統(tǒng)運(yùn)行的經(jīng)濟(jì)性;文獻(xiàn)[4,5]從風(fēng)險(xiǎn)管理的角度,針對(duì)發(fā)電側(cè)備用與可中斷負(fù)荷的經(jīng)濟(jì)互補(bǔ)性,提出其協(xié)調(diào)模型和優(yōu)化算法,驗(yàn)證了發(fā)電側(cè)備用與可中斷負(fù)荷協(xié)調(diào)配置比單獨(dú)配置的經(jīng)濟(jì)性要高的多;文獻(xiàn)[6,7]建立了含風(fēng)電系統(tǒng)的供需側(cè)聯(lián)合調(diào)度模型,分析表明柔性負(fù)荷提高了風(fēng)能利用率和系統(tǒng)運(yùn)行經(jīng)濟(jì)性。
需求響應(yīng)在智能電網(wǎng)中現(xiàn)已廣泛應(yīng)用,并起到越來(lái)越重要的作用。因此研究需求響應(yīng)建模及其參與機(jī)組組合優(yōu)化調(diào)度很有必要[6]。國(guó)內(nèi)已有學(xué)者研究考慮需求響應(yīng)的機(jī)組組合問(wèn)題。文獻(xiàn)[8]考慮融入用電激勵(lì)、可中斷負(fù)荷、電價(jià)響應(yīng)等用電調(diào)度方式,建立了含風(fēng)電系統(tǒng)的發(fā)用電一體化調(diào)度模型;文獻(xiàn)[9]以基于消費(fèi)者心理學(xué)的分時(shí)電價(jià)用戶(hù)響應(yīng)原理預(yù)測(cè)的負(fù)荷曲線為基礎(chǔ),考慮可中斷負(fù)荷與發(fā)電機(jī)側(cè)備用的協(xié)調(diào)優(yōu)化,建立了智能電網(wǎng)環(huán)境下計(jì)及用戶(hù)側(cè)互動(dòng)的調(diào)度模型;文獻(xiàn)[10]將文獻(xiàn)[9]中的模型引入到含風(fēng)電的電力系統(tǒng)調(diào)度中,將分時(shí)電價(jià)與可中斷負(fù)荷這兩種需求響應(yīng)措施融入到同一模型中,用于應(yīng)對(duì)風(fēng)電的間歇性與波動(dòng)性;這些模型僅通過(guò)可中斷負(fù)荷優(yōu)化機(jī)側(cè)備用,并通過(guò)分時(shí)電價(jià)優(yōu)化負(fù)荷曲線,均沒(méi)有考慮需求響應(yīng)提供虛擬出力的情況。
鑒于現(xiàn)有研究的不足之處,本文通過(guò)分時(shí)電價(jià)優(yōu)化負(fù)荷曲線,并將需求響應(yīng)作為虛擬機(jī)組,考慮其提供虛擬出力和虛擬備用的雙重功能,建立了基于場(chǎng)景概率的含風(fēng)電電力系統(tǒng)供需側(cè)聯(lián)合調(diào)度模型。算例結(jié)果表明,融入需求響應(yīng)后,電力系統(tǒng)運(yùn)行更加經(jīng)濟(jì)、高效,并且降低了風(fēng)能不確定性對(duì)電力系統(tǒng)的影響,提高了電力系統(tǒng)對(duì)風(fēng)電的消納能力。
需求響應(yīng)主要分為基于價(jià)格的需求響應(yīng)(Price-Sensitive Demand Respond,PSDR)和基于激勵(lì)的需求響應(yīng)(Incentive-Based Demand Respond,IBDR)兩種形式[3]。PSDR指用戶(hù)根據(jù)電價(jià)變化量,做出轉(zhuǎn)移或削減負(fù)荷的行為,達(dá)到減少電費(fèi)的目的;IBDR指以經(jīng)濟(jì)激勵(lì)來(lái)?yè)Q取用戶(hù)負(fù)荷中斷權(quán)的方式。兩類(lèi)需求響應(yīng)可以協(xié)調(diào)優(yōu)化,實(shí)現(xiàn)互補(bǔ)。
2.1 基于價(jià)格的需求響應(yīng)
2.1.1 彈性系數(shù)
按照經(jīng)濟(jì)學(xué)定義,電量電價(jià)彈性ε指電價(jià)的相對(duì)變動(dòng)引起電能需求的相對(duì)變動(dòng)[11]。如式(1)所示:
式中,Δd和Δp分別為原始電量d0和原始電價(jià)p0的相對(duì)增量。
一般地,用戶(hù)對(duì)電價(jià)的響應(yīng)可分為單時(shí)段響應(yīng)與多時(shí)段響應(yīng)。較單時(shí)段響應(yīng)而言,多時(shí)段響應(yīng)更加符合實(shí)際情況,所以本文對(duì)多時(shí)段響應(yīng)行為建模。在多時(shí)段響應(yīng)的行為模型中,彈性系數(shù)分為自彈性系數(shù)和交叉彈性系數(shù),分別用于表示用戶(hù)對(duì)當(dāng)前時(shí)段電價(jià)的響應(yīng)和對(duì)其他時(shí)段電價(jià)的響應(yīng)。根據(jù)式(1)中的定義,自彈性系數(shù)εii和交叉彈性系數(shù)εij分別如式(2)和式(3)所示:
式中,下標(biāo)i和j分別表示第i和第j時(shí)段。
2.1.2 用戶(hù)的電價(jià)響應(yīng)行為建模
對(duì)于24時(shí)段的用戶(hù)對(duì)電價(jià)響應(yīng)行為建模如式(4)所示:
式中,E為電量電價(jià)彈性矩陣。
用戶(hù)用電量對(duì)電價(jià)響應(yīng)后,表示為:
式中,dt為用戶(hù)響應(yīng)分時(shí)電價(jià)后時(shí)段t的總負(fù)荷。
2.2 基于激勵(lì)的需求響應(yīng)
目前,由于需求響應(yīng)對(duì)負(fù)荷調(diào)節(jié)能力的挖掘還不夠深入,用戶(hù)對(duì)電力系統(tǒng)的響應(yīng)程度還不夠高。但發(fā)達(dá)國(guó)家已出現(xiàn)一種新型的需求響應(yīng)提供商——負(fù)荷聚合商[12](Load Aggregator,LA),LA是需求響應(yīng)資源的整合者,通過(guò)專(zhuān)業(yè)技術(shù)評(píng)估用戶(hù)的需求響應(yīng)潛力,整合分散的需求響應(yīng)資源來(lái)參與電力系統(tǒng)運(yùn)營(yíng)。
本文將LA看做是一個(gè)虛擬電廠(Virtual Power Plant,VPP),提供可調(diào)度的發(fā)電容量和輔助服務(wù)。IBDR旨在激勵(lì)LA參與投標(biāo),表達(dá)他們?cè)谀骋粌r(jià)格下愿意削減的負(fù)荷值。將需求側(cè)投標(biāo)直接整合到日前市場(chǎng)的優(yōu)化和計(jì)劃程序中,即各地LA投一個(gè)包含價(jià)格和削減負(fù)荷值的組合標(biāo),如果調(diào)度部門(mén)接受了某個(gè)LA的投標(biāo)(與供電側(cè)同等對(duì)待),那么該LA次日就必須按要求削減相應(yīng)的負(fù)荷。
LA的投標(biāo)中削減負(fù)荷量mk與價(jià)格qk的關(guān)系如圖1所示。建立IBDR模型如下:
式中,DRt為所有中標(biāo)LA在時(shí)段t削減的負(fù)荷總量;K表示圖1中離散點(diǎn)的個(gè)數(shù);ykt為狀態(tài)變量,表示點(diǎn)k在t時(shí)刻是否削減負(fù)荷,ykt=0表示削減,ykt=1表示未削減。
圖1 負(fù)荷聚合商的投標(biāo)Fig.1 LA’s bidding
本文認(rèn)為風(fēng)電出力預(yù)測(cè)值的偏差量服從均值為0的正態(tài)分布,其標(biāo)準(zhǔn)差為σw。
3.1 場(chǎng)景生成
本文將連續(xù)的概率分布函數(shù)離散為7段,每段的寬度為預(yù)測(cè)誤差的標(biāo)準(zhǔn)差,如圖2所示。
圖2 預(yù)測(cè)誤差概率密度分布Fig.2 Distribution of probability density for forecast errors
每個(gè)場(chǎng)景都有與之對(duì)應(yīng)的概率,對(duì)于每個(gè)場(chǎng)景下隨機(jī)變量的表達(dá)式為:
式中,t=1,2,…,T,s=1,2,…,NS,其中T和NS分別為時(shí)段總數(shù)和場(chǎng)景總數(shù);Pw,t,s為場(chǎng)景s下時(shí)段t內(nèi)的風(fēng)電場(chǎng)有功出力;為時(shí)段t內(nèi)的風(fēng)電場(chǎng)預(yù)測(cè)出力;ΔPw,t,s為場(chǎng)景s下時(shí)段t內(nèi)風(fēng)電出力預(yù)測(cè)誤差。
本文場(chǎng)景的產(chǎn)生過(guò)程由輪盤(pán)賭和拉丁超立方隨機(jī)抽樣的方法實(shí)現(xiàn)。每個(gè)標(biāo)準(zhǔn)差區(qū)間σ都有與之對(duì)應(yīng)的發(fā)生概率αl,t,將每個(gè)區(qū)間與累計(jì)的概率相聯(lián)系,采用輪盤(pán)賭的方法來(lái)確定每個(gè)時(shí)段的場(chǎng)景。通過(guò)拉丁超立方隨機(jī)抽樣的方法生成一個(gè)介于0和1的數(shù),當(dāng)此數(shù)小于或等于某個(gè)區(qū)間的累計(jì)概率時(shí),則該區(qū)間被選中,如圖3所示。
圖3 預(yù)測(cè)誤差累積概率Fig.3 Accumulated probabilities of forecast error intervals
每個(gè)場(chǎng)景包含一組二進(jìn)制向量參數(shù)(0或1),由此表示預(yù)測(cè)誤差發(fā)生的概率區(qū)間是否被選中。假設(shè)場(chǎng)景s的狀態(tài)集為ρ(s),其表達(dá)式為:
各場(chǎng)景的標(biāo)準(zhǔn)化概率由式(10)計(jì)算得到:
式中,αw,t表示場(chǎng)景s下時(shí)段t內(nèi)的第w個(gè)風(fēng)電場(chǎng)的有功出力預(yù)測(cè)誤差區(qū)間。
3.2 目標(biāo)函數(shù)
為簡(jiǎn)化模型,并使本文模型更加嚴(yán)謹(jǐn),假設(shè)如下。
(1)主要研究風(fēng)電波動(dòng)性對(duì)電力系統(tǒng)調(diào)度的影響,未考慮發(fā)電機(jī)組的強(qiáng)迫停運(yùn)率、負(fù)荷的預(yù)測(cè)誤差、需求響應(yīng)的不確定性等因素。
(2)機(jī)組運(yùn)行時(shí)與提供備用時(shí)的成本函數(shù)一致。
(3)風(fēng)電場(chǎng)歸電網(wǎng)所有,即忽略風(fēng)電場(chǎng)發(fā)電費(fèi)用,但為響應(yīng)國(guó)家相關(guān)政策,盡可能多地消納風(fēng)電,因此在目標(biāo)函數(shù)中加入棄風(fēng)成本。
目標(biāo)函數(shù)為式(11)的最小值,F(xiàn)c表示電力系統(tǒng)運(yùn)行成本。
式中,T、N、NS分別為電力系統(tǒng)調(diào)度期間的時(shí)段總數(shù)、機(jī)組總數(shù)、場(chǎng)景總數(shù);分別為機(jī)組 i的正、負(fù)旋轉(zhuǎn)備用容量成本系數(shù);分別為電力公司購(gòu)買(mǎi)的正、負(fù)旋轉(zhuǎn)備用容量;分別為IBDR提供的虛擬出力成本、虛擬備用容量成本、虛擬備用電量成本;ρs為場(chǎng)景s的發(fā)生概率; ξsp為棄風(fēng)成本系數(shù);SPts為場(chǎng)景s下,風(fēng)電場(chǎng)在時(shí)段t棄風(fēng)量;Fit表示未考慮風(fēng)電出力波動(dòng)性時(shí)常規(guī)機(jī)組的運(yùn)行成本,F(xiàn)it=CSUit+Uitf(Pit),CSUit為常規(guī)機(jī)組i在時(shí)段t的啟停費(fèi)用,Uit為常規(guī)機(jī)組i在t時(shí)段的運(yùn)行狀態(tài),Uit=0表示發(fā)電機(jī)組處于停機(jī)狀態(tài),Uit=1表示發(fā)電機(jī)組處于開(kāi)機(jī)狀態(tài),Pit為常規(guī)機(jī)組i在時(shí)段t的計(jì)劃出力,f(x)為常規(guī)機(jī)組燃料費(fèi)用成本函數(shù),f(x)=(aix2+bix+ci);Fits表示場(chǎng)景s下,為應(yīng)對(duì)風(fēng)電波動(dòng),電力系統(tǒng)常規(guī)機(jī)組作出調(diào)整量所需成本,F(xiàn)its=CCSUits+Uitsf(Rits),CCSUits表示場(chǎng)景s下,基于第一階段的機(jī)組啟停情況,機(jī)組i在時(shí)段t調(diào)整啟停狀態(tài)所需的費(fèi)用,Rits表示場(chǎng)景s下,為應(yīng)對(duì)風(fēng)電波動(dòng),機(jī)組i在時(shí)段t的出力調(diào)整量。
式(11)中第一行表示調(diào)度模型的第一階段,反映未考慮風(fēng)電出力波動(dòng)性時(shí)電力系統(tǒng)的運(yùn)行成本,與場(chǎng)景概率無(wú)關(guān),其決策變量包括常規(guī)機(jī)組運(yùn)行出力及啟停情況,IBDR提供的虛擬出力和風(fēng)電計(jì)劃出力;第二行表示調(diào)度模型的第二階段,考慮風(fēng)電出力的波動(dòng)性,與場(chǎng)景概率有關(guān),反映電力系統(tǒng)實(shí)際運(yùn)行情況,其決策變量包括機(jī)側(cè)正、負(fù)旋轉(zhuǎn)備用電量,IBDR提供的虛擬備用電量,常規(guī)機(jī)組出力及啟停情況的調(diào)整量。
3.3 第一階段約束條件
(1)功率平衡約束
式中,Pwt為風(fēng)電場(chǎng)在時(shí)段t的計(jì)劃出力;Lt為時(shí)段t的總負(fù)荷;η為用戶(hù)中參與分時(shí)電價(jià)的比例;dt為分時(shí)電價(jià)實(shí)施后用戶(hù)的用電量;表示在時(shí)段t IBDR提供的虛擬出力。
(2)常規(guī)機(jī)組的出力約束
式中,Pimin和Pimax為機(jī)組i的最小、最大出力。
(3)常規(guī)機(jī)組爬坡速率約束
式中,Pi,t-1為機(jī)組i在時(shí)段t-1的有功出力;分別為第i臺(tái)常規(guī)機(jī)組有功出力上升速率和下降速率;T60為1個(gè)運(yùn)行時(shí)段,即60min。
(4)最小啟停時(shí)間約束
式中,Ti,t-1為機(jī)組 i在時(shí)段 t-1的總持續(xù)時(shí)間; Ti,on和Ti,off分別為機(jī)組i的最小運(yùn)行時(shí)間和最小停機(jī)時(shí)間。
(5)常規(guī)機(jī)組啟停成本
式中,λit為機(jī)組i在時(shí)段t的啟停成本。
(6)IBDR成本
(7)風(fēng)電場(chǎng)出力約束
式中,Pwmin和Pwmax為風(fēng)電場(chǎng)的最小、最大出力。
(8)備用約束
3.4 第二階段約束條件
(1)功率平衡約束
式中,Pits為場(chǎng)景s下,機(jī)組i在時(shí)段t的實(shí)際出力; PWts為場(chǎng)景s下時(shí)段t的風(fēng)電有功出力;PLts為場(chǎng)景s下時(shí)段t的凈負(fù)荷。
(2)常規(guī)機(jī)組出力約束
(3)常規(guī)機(jī)組爬坡速率約束
(4)最小啟停時(shí)間約束
(5)IBDR成本
式中,zkts表示場(chǎng)景s下,離散點(diǎn)k在t時(shí)刻是否削減負(fù)荷,zkts=0表示削減,zkts=1表示未削減。
(6)棄風(fēng)約束
3.5 第一階段與第二階段聯(lián)合約束
(1)機(jī)組出力協(xié)調(diào)
(2)備用約束
(3)常規(guī)機(jī)組啟停成本
式中,CSUits表示場(chǎng)景s下,機(jī)組i在時(shí)段t的啟停狀態(tài)所需的費(fèi)用。
由于所提模型的決策變量較多,為提高算法求解速度,此處采用優(yōu)先順序法與細(xì)菌群體趨藥性[13]算法相配合的方法進(jìn)行求解,圖4為日前調(diào)度計(jì)劃模型求解流程圖,下面簡(jiǎn)述其流程。
圖4 日前調(diào)度計(jì)劃模型求解流程圖Fig.4 Calculation flow chart of day-ahead generation scheduling model
(1)首先輸入峰、平、谷時(shí)段電價(jià)及峰谷時(shí)段劃分,并根據(jù)電量電價(jià)彈性矩陣計(jì)算出分時(shí)電價(jià)實(shí)施后的負(fù)荷曲線。
(2)生成所有的場(chǎng)景,并通過(guò)同步回代縮減法[14]對(duì)場(chǎng)景的規(guī)模進(jìn)行削減,直到達(dá)到給定精度。
(3)將N個(gè)細(xì)菌進(jìn)行初始化,生成風(fēng)電計(jì)劃出力矩陣,步驟(1)所得負(fù)荷曲線減去風(fēng)電計(jì)劃出力矩陣,可得凈負(fù)荷矩陣。
(4)將DR當(dāng)做虛擬機(jī)組參與機(jī)組組合計(jì)算,為減少計(jì)算量且能在較短時(shí)間內(nèi)得到最優(yōu)方案,采用優(yōu)先順序法確定機(jī)組組合方案,包含機(jī)組啟停矩陣和負(fù)荷分配矩陣。
(5)更新細(xì)菌的極值位置以及全局極值位置。
(6)更新每個(gè)細(xì)菌的速度和位置,引入啟發(fā)式搜索原則[11],校驗(yàn)生成的解是否滿(mǎn)足最小運(yùn)行和停機(jī)時(shí)間的要求,如果不滿(mǎn)足則重新生成細(xì)菌的速度繼而更新其位置,直到滿(mǎn)足約束條件。
(7)重復(fù)步驟(3)~步驟(6),直到達(dá)到精度要求或最大迭代次數(shù)。
5.1 算例數(shù)據(jù)
針對(duì)某含風(fēng)電場(chǎng)的區(qū)域電網(wǎng),時(shí)間周期為1天,分為24個(gè)時(shí)段。該區(qū)域電網(wǎng)包括6臺(tái)火電機(jī)組和一個(gè)風(fēng)電場(chǎng)?;痣姍C(jī)組參數(shù)來(lái)自文獻(xiàn)[15],如表1所示。風(fēng)電出力預(yù)測(cè)曲線如圖5所示,各機(jī)組的經(jīng)濟(jì)特性曲線如圖6所示。負(fù)荷聚合商報(bào)價(jià)表如表2所示。電量電價(jià)彈性系數(shù)的取值來(lái)自文獻(xiàn)[16],假設(shè)每個(gè)時(shí)段的負(fù)荷變換都只受該時(shí)段前、后三個(gè)小時(shí)的互彈性系數(shù)影響,自彈性系數(shù)?。?.2,互彈性系數(shù)取0.033,以保證分時(shí)電價(jià)實(shí)施前后負(fù)荷總量大致不變;當(dāng)實(shí)際應(yīng)用時(shí)還需經(jīng)過(guò)調(diào)研得到符合當(dāng)?shù)刎?fù)荷特性的彈性系數(shù),然后開(kāi)展后續(xù)研究。峰、平、谷時(shí)段電價(jià)及峰谷時(shí)段劃分如表3所示。
表1 火電機(jī)組參數(shù)Tab.1 Data of thermal generator單位:pu
表2 負(fù)荷聚合商報(bào)價(jià)表Tab.2 LA’s offers
圖5 風(fēng)電預(yù)測(cè)曲線Fig.5 Forecasted value of wind power
圖6 各機(jī)組經(jīng)濟(jì)特性曲線Fig.6 Cost curves of generating units
表3 分時(shí)電價(jià)方案Tab.3 TOU program
5.2 仿真分析
為方便說(shuō)明融入需求響應(yīng)前、后對(duì)調(diào)度計(jì)劃的影響,本文分為兩種模式,模式1為只考慮發(fā)電側(cè)資源的傳統(tǒng)模式;模式2考慮DR,假設(shè)總負(fù)荷的60%參與分時(shí)電價(jià)策略的實(shí)行,即本文所提調(diào)度模型。
5.2.1 成本分析
分時(shí)電價(jià)實(shí)施前、后的負(fù)荷曲線如圖7所示,可見(jiàn),分時(shí)電價(jià)的實(shí)施有削峰填谷的作用,也就改變了電力系統(tǒng)的調(diào)度計(jì)劃。例如,由圖6可以看出,機(jī)組1的經(jīng)濟(jì)性最差,因此要想達(dá)到運(yùn)行成本最小的目標(biāo),應(yīng)盡量使機(jī)組1少出力甚至不出力。兩種模式下常規(guī)機(jī)組的有功出力情況如圖7所示。由圖8可知,在時(shí)刻11和時(shí)刻21,模式2較模式1的常規(guī)機(jī)組出力大幅度減小,這是由于需求響應(yīng)的引入一方面具有削峰填谷的效果,另一方面使得風(fēng)電的消納能力有所提高,具體如圖9所示。以時(shí)刻21為例進(jìn)行具體分析,模式1中常規(guī)機(jī)組出力為442MW,說(shuō)明機(jī)組1已開(kāi)啟,導(dǎo)致發(fā)電成本增加,經(jīng)濟(jì)性差;而模式2中此時(shí)刻的常規(guī)機(jī)組出力僅為411MW,不需要開(kāi)啟機(jī)組1,顯得更加靈活、經(jīng)濟(jì)。
圖7 分時(shí)電價(jià)前后負(fù)荷曲線對(duì)比Fig.7 Load curves comparison:with vs.without TOU
圖8 引入DR前后常規(guī)機(jī)組出力對(duì)比Fig.8 Output of generating units before and after DR implementation
圖9 需求響應(yīng)前后風(fēng)電計(jì)劃出力對(duì)比Fig.9 Wind power with and without DR
模式1、模式2的優(yōu)化結(jié)果如表4所示,由表4可知,模式2中的總備用成本略高于模式1,但模式2的燃料費(fèi)用和棄風(fēng)成本都有所減少,其總運(yùn)行成本較模式1降低了3.04%,即本文所提調(diào)度模型可以使常規(guī)機(jī)組工作于更高的經(jīng)濟(jì)水平,并大大減少棄風(fēng)量,降低了風(fēng)能不確定性的影響,提高了可再生能源的利用率。從長(zhǎng)遠(yuǎn)來(lái)看,將需求響應(yīng)引入到含風(fēng)電電力系統(tǒng)調(diào)度帶來(lái)的經(jīng)濟(jì)效益會(huì)更明顯。
表4 不同模式下的成本對(duì)比Tab.4 Costs comparison of different models(單位:S|)
5.2.2 風(fēng)電消納能力分析
由圖9可知,模式2與模式1相比,風(fēng)電計(jì)劃出力有所提高,下面分析其原因,模式1由于旋轉(zhuǎn)備用容量有限且價(jià)格較高,導(dǎo)致其消納風(fēng)電能力非常有限。而模式2風(fēng)電消納能力有所增強(qiáng),這是由于一方面分時(shí)電價(jià)的實(shí)施,使負(fù)荷曲線低谷時(shí)段用電量增加,所以模式2在低谷時(shí)段能夠消納更多的風(fēng)能;另一方面需求響應(yīng)提供備用,使備用價(jià)格降低,所以提高了模式2的風(fēng)電計(jì)劃出力。
本文通過(guò)需求響應(yīng)將需求側(cè)資源作為供應(yīng)側(cè)電能的可替代資源加以利用,參與主能量市場(chǎng)和輔助服務(wù)市場(chǎng),建立了基于場(chǎng)景概率的含風(fēng)電電力系統(tǒng)供需側(cè)聯(lián)合調(diào)度模型,最后,通過(guò)算例驗(yàn)證了所提調(diào)度模型的可行性及優(yōu)越性,證明了需求響應(yīng)在含風(fēng)電電力系統(tǒng)調(diào)度中可實(shí)現(xiàn)削峰填谷、減少棄風(fēng)、提高機(jī)組運(yùn)行經(jīng)濟(jì)水平等積極作用。
[1]薛禹勝,羅運(yùn)虎,李碧君,等(Xue Yusheng,Luo Yunhu,Li Bijun,et al.).關(guān)于可中斷負(fù)荷參與系統(tǒng)備用的評(píng)述(A review of interruptible load participating in system reserve)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems),2007,31(10):1-6.
[2]王錫凡,肖云鵬,王秀麗(Wang Xifan,Xiao Yunpeng,Wang Xiuli).新形勢(shì)下電力系統(tǒng)供需互動(dòng)問(wèn)題研究及分析(Study and analysis on supply-demand interaction of power systems under new circumstances)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2014,34(29): 5019-5028.
[3]別朝紅,胡國(guó)偉,謝海鵬,等(Bie Zhaohong,Hu Guowei,Xie Haipeng,et al.).考慮需求響應(yīng)的含風(fēng)電電力系統(tǒng)的優(yōu)化調(diào)度(Optimal dispatch for wind power integrated systems considering demand response)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems), 2014,38(13):115-120.
[4]羅運(yùn)虎,吳旭文,潘雙來(lái),等(Luo Yunhu,Wu Xuwen,Pan Shuanglai,et al.).需求側(cè)兩種可中斷負(fù)荷與發(fā)電側(cè)備用容量的協(xié)調(diào)(Coordination of two kinds of interruptible loads of demand side and reserve capacity of generation side)[J].山東大學(xué)學(xué)報(bào):工學(xué)版(Journal of Shangdong University:Engimeering Science),2007,37(6):66-70.
[5]羅運(yùn)虎,薛禹勝,Dong Z Y,等(Luo Yunhu,Xue Yusheng,Dong Z Y,et al.).低電價(jià)與高賠償2種可中斷負(fù)荷的協(xié)調(diào)(Coordination of low price interruptible load and high compensation interruptible load)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems),2007,31(11):17-21.
[6]楊楠,王波,劉滌塵,等(Yang Nan,Wang Bo,Liu Dichen,et al.).計(jì)及大規(guī)模風(fēng)電和柔性負(fù)荷的電力系統(tǒng)供需側(cè)聯(lián)合隨機(jī)調(diào)度方法(Dynamic economic dispatch considering wind power penetration based on wind speed forecasting and stochastic programming)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2013,33(16):63-69.
[7]王卿然,謝國(guó)輝,張粒子(Wang Qingran,Xie Guohui,Zhang Lizi).含風(fēng)電系統(tǒng)的發(fā)用電一體化調(diào)度模型(An integrated generation-consumption dispatch model with wind power)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems),2011,35(5):15-18.
[8]牛文娟,李揚(yáng),王蓓蓓(Niu Wenjuan,Li Yang,Wang Beibei).考慮不確定性的需求響應(yīng)虛擬電廠建模(Demand response based virtual power plant modeling considering uncertainty)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2014,34(22):3630-3637.
[9]劉小聰,王蓓蓓,李揚(yáng),等(Liu Xiaocong,Wang Beibei,Li Yang,et al.).智能電網(wǎng)下計(jì)及用戶(hù)側(cè)互動(dòng)的發(fā)電日前調(diào)度計(jì)劃模型(Day-ahead generation scheduling model considering demand side interaction under smart grid paradigm)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2013,33(1):30-39.
[10]王蓓蓓,劉小聰,李揚(yáng)(Wang Beibei,Liu Xiaocong,Li Yang).面向大容量風(fēng)電接入考慮用戶(hù)側(cè)互動(dòng)的系統(tǒng)日前調(diào)度和運(yùn)行模擬研究(Day-ahead generation scheduling and operation simulation considering demand response in large-capacity wind power integrated systems)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE),2013,33(22):35-44.
[11]秦禎芳,岳順民,余貽鑫,等(Qin Zhenfang,Yue Shunmin,Yu Yixin,et al.).零售端電力市場(chǎng)中的電量電價(jià)彈性矩陣(Price elasticity matrix of demand in current retail power market)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems),2004,38(5): 16-19.
[12]Paterakis N G,Erdinc O,Bakirtzis A G.Load following reserves procurement considering flexible demand-side resources under high wind power penetration[J].IEEE Transactions on Power Systems,2014,1-14.
[13]李威武,王慧,鄒志君,等(Li Weiwu,Wang Hui,Zou Zhijun,et al.).基于細(xì)菌群體趨藥性的函數(shù)優(yōu)化方法(Function optimization method based on bacterial colony chemotaxi)[J].電路與系統(tǒng)學(xué)報(bào)(Journal of Circuits and Systems),2005,10(1):58-63.
[14]張曉輝,閆珂珂,盧志剛,等(Zhang Xiaohui,Yan Keke,Lu Zhigang,et al.).基于場(chǎng)景概率的含風(fēng)電系統(tǒng)多目標(biāo)低碳經(jīng)濟(jì)調(diào)度(Scenario probability based multi-objective optimized low-carbon economic dispatching for power grid integrated with wind farms)[J].電網(wǎng)技術(shù)(Power System Technology),2014,38(7):1835-1841.
[15]Vahidinasab V,Jadid S.Joint economic and emission dispatch in energy markets:a multiobjective mathematical programming approach[J].Energy,2010,35(3): 1497-1504.
[16]Kirschen D S,Strbac G,Camperayot P,et al.Factoring the elasticity of demand in electricity prices[J].IEEE Transactions on Power Systems,2000,15(2):612-617.
Day-ahead dispatching for wind power integrated system considering demand response
YANG Li-jun,LI Jian-qiang,LI Xue-ping,YAN Peng-da
(Key Lab of Power Electronics for Energy Conservation and Motor Drive of Hebei Province,Yanshan University,Qinhuangdao 066004,China)
The increasing wind power penetration poses significant problems and challenge for the dispatch of electric power systems.Therefore,this paper uses demand response(DR)to utilize the resources of demand side as an alternative of power supply.Firstly,two forms of demand response model are established.Secondly,the DR can participate in unit commitment optimization model,a two-stage stochastic programming is applied to the model,and a scenario based supply-demand stochastic dispatching for wind power integrated system includes price-fixing is formulated.Finally,a tool combines priority list method with the Bacterial Colony Chemotaxis optimization is employed to solve this problem.Case studies are carried out on a system which consists 6 thermal generators and a large wind farm.The simulation results demonstrate the feasibility and effectiveness of the proposed model.
scenario probability;two-stage stochastic model;demand response;Bacterial Colony Chemotaxis optimization;priority list method
TM73
:A
:1003-3076(2015)11-0029-08
2015-06-06
國(guó)家自然科學(xué)基金(61473246)、河北省自然科學(xué)基金(E2014203254)資助項(xiàng)目
楊麗君(1972-),女,吉林籍,教授,博士,研究方向?yàn)殡娏ο到y(tǒng)恢復(fù)、調(diào)度優(yōu)化;
李健強(qiáng)(1991-),男,河北籍,碩士研究生,研究方向?yàn)殡娏ο到y(tǒng)優(yōu)化調(diào)度與經(jīng)濟(jì)運(yùn)行。