大規(guī)模風電入網(wǎng)下的風氣火電力系統(tǒng)聯(lián)合優(yōu)化調度

牛林華，龔慶武，黃炳翔，劉 棟

（武漢大學 電氣工程學院，湖北 武漢 430072）

0 引言

國民經(jīng)濟的高速發(fā)展和產業(yè)結構的調整使得市場用電負荷和峰谷差迅速增長。伴隨著國家節(jié)能發(fā)電調度模式的推廣，實行“上大壓小”政策，越來越多小火電機組將關閉，系統(tǒng)調峰能力進一步削弱。與此同時國家正大力推廣風電等清潔能源并網(wǎng)發(fā)電。但風電出力具有間歇性、波動性和隨機性的特點，且具有明顯的反調峰特性[1]，而且由于風電機組不具有常規(guī)發(fā)電機組擁有的快速調峰調頻能力，大規(guī)模風電接入電網(wǎng)不僅將進一步加大用電負荷峰谷差，甚至將威脅到電力系統(tǒng)安全穩(wěn)定運行。負荷峰谷差增加到一定程度時，將導致火電機組頻繁啟?；蛘哌\行在深度調峰狀態(tài)，直接影響到機組運行經(jīng)濟性。因此，在大規(guī)模風電并網(wǎng)的形勢下，改善系統(tǒng)能源結構，建立多源相濟協(xié)調調度機制，降低風電接入對電網(wǎng)產生的不利影響，提高對風電接納能力具有十分重要的現(xiàn)實意義。

風電并網(wǎng)最大障礙在于風電出力隨機波動性[2]，需要采取相應的措施來應對其對電力系統(tǒng)優(yōu)化運行帶來的一系列問題。文獻[3]根據(jù)影響風電出力因素，提出了選擇風電場發(fā)電功率相似日方法，設計了基于相似日和Chebyshev神經(jīng)網(wǎng)絡的風電功率短期預測模型，具有較高的預測精度。文獻[4]針對風電和火電聯(lián)合調度，建立含風電的系統(tǒng)動態(tài)經(jīng)濟調度模型，通過提高系統(tǒng)旋轉備用需求來應對風電對系統(tǒng)調度影響。文獻[5]建立了一種考慮系統(tǒng)運行可靠性和經(jīng)濟性，更符合實際運行的優(yōu)化調度模型。文獻[6]基于對風電出力隨機性分析構建了含風電場環(huán)境經(jīng)濟調度隨機優(yōu)化模型。文獻[7]針對風電場隨機性，在風速預測的基礎上，應用隨機規(guī)劃理論建立含風電場電力系統(tǒng)動態(tài)經(jīng)濟調度模型。文獻[8]建立含風電場電力系統(tǒng)動態(tài)經(jīng)濟調度的模糊模型，以適應風電輸出功率隨機不確定性，但隸屬度函數(shù)的確定引入了一定的人為因素。文獻[9]考慮到風、水、火電的自然出力特性，以充分利用清潔能源、降低系統(tǒng)運行成本、減小火電機組出力波動為目標，建立風水火電力系統(tǒng)協(xié)調調度的優(yōu)化模型，所采用的風水火電協(xié)調運行機制在保證火電機組運行效率和穩(wěn)定前提下可有效提高系統(tǒng)對風電消納能力。文獻[10]針對風電出力特性，建立了基于隨機規(guī)劃理論經(jīng)抽水蓄能平抑后以風電功率波動最小和火電運行成本最低為目標的風蓄聯(lián)合運行的電力系統(tǒng)動態(tài)經(jīng)濟調度。

目前，含風電場的電力系統(tǒng)調度多集中在：從理論上精確描述和應對風電隨機性帶來影響；建立多源相濟協(xié)調調度機制，調整系統(tǒng)電源結構，利用抽水蓄能、水電、燃機電站等可以增加調峰電源容量。由于抽水蓄能、水電受制于地理位置、水力資源、建設投資等因素，因此，大城市使用燃氣輪機作為調峰電源，在世界上已經(jīng)形成了共識。鑒于未來“西部大開發(fā)”戰(zhàn)略“西氣東輸”工程全面實施，本文將在已有研究基礎上，研究大規(guī)模風電接入下風氣火聯(lián)合優(yōu)化運行。

考慮到燃氣機組與常規(guī)燃煤火電機組相比具有啟停快速、運行靈活、熱效率高、污染物排放低的優(yōu)點，建立綜合考慮機組能耗成本、污染物排放環(huán)境成本、火電機組平穩(wěn)運行為目標的風氣火聯(lián)合優(yōu)化動態(tài)經(jīng)濟調度模型。采用啟發(fā)式搜索確定發(fā)電機組調度臺數(shù)，避免火電機組頻繁啟停及系統(tǒng)容量冗余，保證火電機組運行效率。提出了一種改進的混合粒子群算法，通過10機測試系統(tǒng)驗證了該算法的優(yōu)越性。以含10臺火電機組的電力系統(tǒng)為例進行仿真計算，驗證所提模型和算法的可行性和有效性，為實際風氣火聯(lián)合優(yōu)化運行提供了有效指導和合理的科學依據(jù)。

1 風氣火電聯(lián)合多目標優(yōu)化調度建模

1.1 目標函數(shù)

為了實現(xiàn)系統(tǒng)經(jīng)濟、高效、環(huán)保運行，本文構造了多目標優(yōu)化模型。依據(jù)《可再生能源法》中要求實行風電優(yōu)先、全額上網(wǎng)政策，風電將不再作為調度中的優(yōu)化變量。

a.系統(tǒng)總能源成本主要體現(xiàn)在各機組燃料費用上，其經(jīng)濟性目標函數(shù)可以表示為：

其中，T為調度期時段數(shù)；NC和NG分別為火電機組和燃氣機組臺數(shù)；uit為機組i在t時段的開停機狀態(tài)；Ccoal、Cgas分別為單位煤價（元 /t）和單位氣價（元 /m3）；ai、bi、ci和 dj、ej、 fj分別為火電機組煤耗和燃氣機組氣耗曲線系數(shù)，一般由實測數(shù)據(jù)利用最小二乘法擬合獲得。

b.為使得火電機組出力盡可能平穩(wěn)，本文以最小化火電機組相鄰時段出力波動為目標。

c.相對于風電和水電等清潔能源，燃煤機組在發(fā)電過程中排放大量硫氧化物、氮氧化物及大量懸浮顆粒物（TSP）等污染物帶來嚴重環(huán)境污染，對人體健康、農作物和建筑物等都產生了不同程度的影響，造成巨大經(jīng)濟損失。天然氣發(fā)電具有顯著的環(huán)境效益，但從天然氣發(fā)電成本可知，在目前市場環(huán)境下，毫無優(yōu)勢可言，導致燃氣電廠受到燃煤電廠的嚴峻挑戰(zhàn)。目前已有諸如文獻[11-13]已就天然氣發(fā)電環(huán)境效益貨幣化進行研究，評估天然氣發(fā)電相對煤電環(huán)境價值。環(huán)境成本貨幣化將使得評估各種發(fā)電方案的環(huán)境成本成為可能。

發(fā)電廠的環(huán)境成本C可用式（3）計算。

其中，Vei為第i項污染物的環(huán)境成本單元（元/kg）；n為污染物總數(shù)；Qi為第i項污染物的單位電量排放量（kg/MW）。

所以為了減少污染物排放和體現(xiàn)燃氣發(fā)電在環(huán)保方面優(yōu)勢，兼顧社會效益，本文從經(jīng)濟角度要求整個發(fā)電過程對環(huán)境損害最小，即環(huán)境成本最低為目標。

其中，CCi、CGi分別為火電機組和燃氣機組單位發(fā)電量的環(huán)境成本（元/（kW·h））。

1.2 約束條件

a.功率平衡約束。

其中，NW為風電場個數(shù)；PWkt為風電場k在t時段機組出力；PLt為t時段的系統(tǒng)總負荷需求量。

b.系統(tǒng)旋轉備用約束。

其中，PCmaxi為火電機組i的最大出力；PmaxGj為燃氣輪機j的最大出力；Ru、Rw分別為負荷波動對備用需求系數(shù)和風電波動對備用需求系數(shù)，分別取5%和15%。

c.機組出力上下限約束。

其中，PminCi、PGmini分別為火電機組和燃氣機組出力下限。

d.火電機組爬坡速率約束。

其中，riup、ridown分別為火電機組i每分鐘出力的最大上升、下降速率；Δt為時段持續(xù)時間，本文取1 h。

e.日天然氣供應量約束。

由于我國天然氣行業(yè)尚處于發(fā)展初期階段，基礎建設不足導致合同氣量常不能足額供給，故本文將設置燃氣電廠日供給氣量上限值。

其中，Qt為t時段天然氣流量；Qmax為燃氣發(fā)電廠天然氣日最大供應量。

2 啟發(fā)式搜索確定全天機組組合

含風、氣、火等多電源的混合系統(tǒng)聯(lián)合優(yōu)化調度是一個復雜的非線性、多變量、多約束問題。隨著風電、燃氣發(fā)電的大規(guī)模入網(wǎng)，必然導致原系統(tǒng)中容量冗余，本文為了減小問題解搜索空間，采用啟發(fā)式搜索方法來確定參與聯(lián)合優(yōu)化調度的發(fā)電機組。

燃氣發(fā)電機組目前在電網(wǎng)中運行的方式主要有3種。

方式1：連續(xù)運行。從燃氣發(fā)電廠角度，希望在氣源充足情況下，能夠24 h連續(xù)運行，提高機組年利用小時數(shù)，降低運行成本。

方式2：兩班制運行。目前大多數(shù)燃氣發(fā)電機組采用兩班制運行方式，即晝開夜停。

方式3：跟蹤負荷運行。從整個電網(wǎng)角度，希望燃氣電廠能夠利用燃氣輪機啟停速度快、運行靈活等優(yōu)點來實時跟蹤負荷運行，平抑負荷波動。

根據(jù)國家2007年發(fā)布的《節(jié)能發(fā)電調度辦法（試行）》中同類機組在能耗相同時，按污染物排放量遞增順序上網(wǎng)，實現(xiàn)全網(wǎng)節(jié)能減排的要求，首先建立機組排序表?；痣姍C組的優(yōu)先投入順序指標：機組排序表根據(jù)μi由低到高排序[14]，μi相同時，

按機組污染物排放量（即環(huán)境成本）由低到高排序。在方式1和方式2情況下，本文利用式（11）計算火電機組預分配負荷：

得到各時段火電機組預分配負荷后，確定火電機組調度數(shù)目的啟發(fā)式搜索步驟如下。

a.根據(jù)前面所述，建立機組排序表，保證具有良好節(jié)能效益機組優(yōu)先發(fā)電。

b.剔除檢修機組和處于停機狀態(tài)未達到最小停機時間的機組。

c.根據(jù)機組優(yōu)先順序，逐漸累加各機組最大出力，直到t時段預分配負荷滿足：

其中，m為參與調度的火電機組臺數(shù)。

d.t=t+1，如果t小于總時段數(shù)T，轉入步驟b，確定t時段機組調度臺數(shù)；反之停止，得到全天機組啟停狀態(tài)。

在方式3運行情況下，燃氣輪機出力實時跟蹤負荷，盡量減少火電機組頻繁啟停，保證火電機組高效運行。首先確定全天谷荷時，結合排序表，確定火電機組開機數(shù)。在確定谷荷處開機數(shù)之后，便可從谷荷處依次往其左右相鄰的2個時段考慮，當負荷增加時，超過所需火電機組開機容量，則優(yōu)先啟用燃氣輪機，直到滿足該時段負荷和備用需求。當負荷降低時，火電機組開機容量出現(xiàn)冗余，優(yōu)先停運燃氣輪機（若停運1臺后不滿足備用約束，則停運火電機組），直到達到所需最低開機容量。

通過以上啟發(fā)式搜索方法確定全天機組組合，使得其具有良好節(jié)能效益機組優(yōu)先發(fā)電。

3 風氣火電聯(lián)合優(yōu)化調度的求解算法

3.1 改進粒子群優(yōu)化算法

粒子群優(yōu)化（PSO）算法是通過群體間相互競爭與合作來指導優(yōu)化搜索的一種隨機尋優(yōu)算法，具有易于實現(xiàn)、概念簡單、收斂速度快等優(yōu)點，目前已經(jīng)在電力系統(tǒng)經(jīng)濟調度領域得到廣泛應用[15-17]?；玖Ｗ尤豪檬剑?3）和（14）分別更新各粒子的速度與位置：

其中，vi，j（t）和 xi，j（t）為粒子 i在第 t次迭代中第 j維的速度和位置；ω為慣性權因子；c1和c2為學習因子，c1=c2=1.496；r1和 r2為介于 0～1之間均勻分布的隨機數(shù)；pi，j（t）為粒子 i第 t次迭代中第 j維的個體極值；pg，j（t）為粒子群體第 t次迭代中全局極值的第j維。

傳統(tǒng)粒子群優(yōu)化算法中，每個粒子總是追隨種群中最優(yōu)粒子，使得粒子極可能陷入局部極小點而無法逃離。本文種群初始化采用具有遍歷特性的混沌機制，同時受差分進化算法變異策略DE/best/1的啟發(fā)，利用該變異策略較強的局部搜索能力和快速收斂速度[18]，引入一種結合DE算法的局部搜索策略，每次迭代結束后在最優(yōu)值附近采用該局部搜索策略進行一定次數(shù)局部搜索。

混沌方法初始化種群步驟為：隨機產生一個n維每個分量數(shù)值在0～1之間的向量 z1=（z11，z12，…，z1n），根據(jù)式 z（i+1）j=μzij（1-zij）（j=1，2，…，n；μ 為 Logstic混沌映射控制參量），將得到的各個分量載波到優(yōu)化變量的取值范圍；分別為粒子i第j維上限值和下限值。

局部搜索策略步驟如下。

a.利用DE/best/1變異策略產生中間個體vi。

其中，r1、r2互不相等；F為縮放因子。

b.交叉操作。目的是得到候選個體ui。交叉操作可以增加個體向量多樣性。

其中，rand（0，1）為介于 0～1 之間均勻分布隨機數(shù)；CR為交叉因子可控制變異個體向量代替當前個體分量值的概率。

c.選擇操作。對交叉后的候選個體進行適應度評估，根據(jù)評估后適應度值決定是否選擇新個體。

其中，f（x）為適應度函數(shù)。

3.2 改進粒子群優(yōu)化算法主要參數(shù)

a.慣性權重w。

其中，t和tmax分別為當前迭代次數(shù)和最大迭代次數(shù)。本文取 wmax=0.9，wmin=0.4。

b.DE控制參數(shù)自適應調整策略。

DE算法中縮放因子F和交叉概率CR在進化過程中是定值，這2個控制參數(shù)對算法的性能影響很大。對于不同優(yōu)化問題，最佳控制參數(shù)的選擇不同。為此，本文算法采用自適應調整策略來解決該問題。

本文 λ、CRmax、CRmin、Fmax、Fmin分別取 30、0.1、0.4、0.3、0.1[18]。

3.3 算例分析

為驗證上述算法有效性，本文采用文獻[19]的經(jīng)典10機算例。以考慮帶閥點效應的機組燃料費用最低為目標，采用傳統(tǒng)的24時段日調度模型。設種群規(guī)模為40，最大迭代次數(shù)為2500，運算20次，采用本文所提算法計算結果如圖1和表1所示。為了證明本文算法對解決動態(tài)經(jīng)濟調度（DED）問題有效性，表1中也列出其他相關文獻計算結果。

圖1 PSO、DE和本文所提算法計算結果Fig.1 Calculative results of PSO，DE and proposed algorithm

表1 不同算法性能比較Table 1 Comparison of performance amongdifferent algorithms

通過與其他已有算法計算結果相比可看出，本文所提算法得出更優(yōu)結果，有效解決了傳統(tǒng)粒子群優(yōu)化算法易陷入局部最優(yōu)的缺陷，局部搜索策略引入增強全局搜索能力，因此本文采用上述所提算法來求解風氣火多源相濟聯(lián)合優(yōu)化調度模型。

4 算例結果與分析

以某地區(qū)風電、燃氣發(fā)電、火電聯(lián)合調度為例。其中配有容量為200、100、100 MW的風電場和3臺GE 9E系列燃氣-蒸汽聯(lián)合循環(huán)機組，容量為180 MW（燃機120 MW+汽機60 MW）以及10臺火電機組，總裝機容量1795 MW。燃煤價格取650元/t，天然氣價格取1.6元/m3，日最大供氣量Qmax為2.4×106m3。 本文首先采用啟發(fā)式搜索確定全天火電機組的機組組合，在確定各時段被調度機組基礎上，采用改進粒子群優(yōu)化算法對各機組出力進行優(yōu)化，并對模型中多重目標函數(shù)采用加權系數(shù)法將多目標轉化為單目標。

圖2為各時段負荷預測值和風電出力預測值。

圖2 負荷和風電功率預測值Fig.2 Predicted loads and wind powers

從圖2可以看出，風電出力具有明顯隨機波動性及反調峰特性，接入風電后電網(wǎng)峰谷差高達777 MW。本文根據(jù)燃氣電站3種常見的運行方式，選取典型日作為調度周期，實現(xiàn)風電全額上網(wǎng)。

4.1 優(yōu)化調度結果

方式1是燃氣電廠希望在氣源充足情況下能夠全天不停機運行并能夠使出力保持在經(jīng)濟出力（額定容量60%以上），剩余容量可作為調峰熱備用。方式1的風氣火電聯(lián)合優(yōu)化調度結果如圖3所示。

圖3 方式1的風氣火出力Fig.3 Outputs of wind-gas-coal power generation system in mode 1

從圖3中可以看出：火電機組出力波動依然明顯，峰谷差為561 MW，約占最大輸出功率43%。說明在燃氣機組連續(xù)運行情況下，燃氣機組雖然具有一定調峰容量，但是火電機組調節(jié)仍然比較頻繁。

當日最大供氣量降為80%Qmax時，即天然氣供氣量不足時，調度結果如圖4所示。

從圖4中可以看出，相較于天然氣供應充足情況，此時火電機組出力波動明顯加劇，基本不具備調節(jié)能力，峰谷差高達698.2 MW，約占最大輸出功率48%，此時火電機組出力調節(jié)頻繁。

圖4 方式1下氣源不足時的風氣火出力Fig.4 Outputs of wind-gas-coal power generation system in mode 1 when natural gas is not sufficient

方式2是目前大多數(shù)燃氣電廠所采用的運行方式，本文設定燃氣機組開機運行時間為07∶00—23∶00。方式2風氣火聯(lián)合優(yōu)化調度結果見圖5。

圖5 方式2下的風氣火出力Fig.5 Outputs of wind-gas-coal power generation system in mode 2

從圖5中可看出，火電機組全天出力波動相較于方式1有所減小，火電出力峰谷差為338MW，約占最大輸出功率26%，比方式1降低約17%，燃氣機組發(fā)揮了一定的調節(jié)作用，一定程度上彌補了風電出力隨機波動，保證火電機組出力相對平穩(wěn)。

方式3利用燃氣機組快速啟停優(yōu)點，達到跟蹤風電和負荷波動、彌補風電隨機波動和負荷峰谷差的目的。通過燃氣機組快速啟停，燃氣機組調峰深度高達100%。圖6為方式3下風氣火聯(lián)合優(yōu)化調度結果。

圖6 方式3下的風氣火出力Fig.6 Outputs of wind-gas-coal power generation system in mode 3

由圖6可以看出，方式3下的燃氣機組有效彌補了風電隨機波動和負荷峰谷差，使得火電機組出力更加平穩(wěn)?；痣姵隽Ψ骞炔顬?37 MW，約占最大輸出功率的18%，比方式2降低約8%。由于篇幅有限，本文僅給出方式3下，一天24時段調度結果，如表2所示，其中，PG1—PG3表示3臺燃氣機組出力；PC1—PC10表示10臺火電機組出力。從調度結果可以看出，部分燃氣機組需要啟、停2次，說明燃氣機組盡最大努力發(fā)揮其快速啟停優(yōu)勢，來彌補風電和負荷的波動，避免火電機組頻繁調節(jié)。

4.2 不同運行方式經(jīng)濟性分析

為了便于分析經(jīng)濟性對運行方式選擇影響，本文給出了3種方式下一些經(jīng)濟性數(shù)據(jù)，如表3所示。

表3 不同運行方式下經(jīng)濟性比較Table 3 Economical comparison under different operation mode

由表3可以看出，在氣耗成本方面，雖然方式2、方式3在氣耗成本上略低于方式1（這是因為在夜間負荷低谷時，燃氣機組長期處于或接近于最低出力），在考慮啟停成本之后，單位發(fā)電成本卻高于方式1；與此同時，在氣源不足的情況下，如果燃氣電廠連續(xù)運行，氣耗成本將急劇上升，高達379.7元/MW，比氣源充足情況下的氣耗成本高了16.6元/MW，可以看出燃氣電站更愿意在氣源充足的情況下連續(xù)運行，降低自身運行成本。從用氣量也可以看出當供氣量嚴重不足時，燃氣電站需要改變自身運行方式。

從全網(wǎng)發(fā)電成本方面看，在能源成本方面，方式3明顯低于方式1、方式2，這是因為目前市場上氣電成本遠高于火電成本；環(huán)境成本方面，可見隨著用氣量增加，環(huán)境成本逐漸降低，體現(xiàn)了天然氣作為清潔能源的優(yōu)勢；而在總成本方面，方式3明顯低于方式1、方式2，可看出不論從經(jīng)濟角度還是調峰角度，電網(wǎng)公司更希望燃氣電廠工作于方式3。

5 結論

a.在風電大規(guī)模入網(wǎng)背景下，本文針對3種常見的燃氣電站運行方式，以能源成本最低、污染物排放最低、火電機組高效平穩(wěn)運行為目標，建立風氣火聯(lián)合優(yōu)化調度模型。

b.提出一種改進的粒子群優(yōu)化算法，有效改善了傳統(tǒng)粒子群優(yōu)化算法易陷入局部最優(yōu)的缺點，提高了全局搜索能力。

c.本文模型和算法求得的3種方式下的調度策略表明，燃氣機組具有彌補風電隨機波動及負荷峰谷差作用，可使得火電機組出力波動變緩，提高了火電機組運行平穩(wěn)性，同時比較了3種方式下運行調峰效果及經(jīng)濟性對比，為大規(guī)模風電接入后，風氣火多源相濟聯(lián)合協(xié)調運行提供借鑒。

本文旨在從調峰效果及經(jīng)濟性方面對燃氣電站3種運行方式進行對比分析，雖然天然氣發(fā)電技術可以實現(xiàn)能源多元化，有利于改善我國的電力布局和能源結構，促進節(jié)能減排，但從本文可看出氣電成本過高已然成為發(fā)揮其調峰能力掣肘，因此后續(xù)工作為如何制定合理完善調峰補償機制，充分發(fā)揮燃氣電站調峰優(yōu)勢。