考慮新能源功率品質分層和可平移負荷的配電網(wǎng)有功調(diào)度

羅明武，孫　鵬，周友斌，周鯤鵬，湯海霞，張　華

(1.國網(wǎng)湖北省電力公司隨州供電公司，湖北隨州　441300；2.國網(wǎng)湖北省電力公司電力科學研究院，湖北武漢　430000)

?

考慮新能源功率品質分層和可平移負荷的配電網(wǎng)有功調(diào)度

羅明武1，孫鵬1，周友斌1，周鯤鵬2，湯海霞1，張華1

(1.國網(wǎng)湖北省電力公司隨州供電公司，湖北隨州441300；2.國網(wǎng)湖北省電力公司電力科學研究院，湖北武漢430000)

針對含大規(guī)?？稍偕茉唇尤胂碌呐潆娋W(wǎng)有功調(diào)度問題，提出了簡易的可再生能源的功率品質分層方法及其調(diào)度策略，通過設置以電動汽車充電功率為例的可平移負荷，以含儲能電池、電動汽車租賃、以及發(fā)電成本的綜合運行管理成本、可平移負荷不滿意度以及棄風量為優(yōu)化目標，建立有功調(diào)度優(yōu)化模型。以污染物排放量作為輔助指標選擇最優(yōu)方案，所建模型能夠兼顧系統(tǒng)運行經(jīng)濟性、環(huán)境效益，以及錯峰充電的社會影響。通過NSGA-II求解該多目標優(yōu)化模型，通過算例仿真和對比驗證了所提模型的正確性和有效性，所提可再生能源功率分層方法簡單有效，可為實際配電網(wǎng)的調(diào)度運行提供參考和數(shù)據(jù)支撐。

功率品質分層；可平移負荷；有功調(diào)度；多目標優(yōu)化

0　引　言

我國能源發(fā)展戰(zhàn)略行動計劃(2014-2020年)提出[1]：按照輸出與就地消納利用并重、集中式與分布式發(fā)展并舉的原則，加快發(fā)展可再生能源。隨著風電等可再生能源以集中式或分布式接入，日益增加的接入規(guī)模使得可再生能源的消納能力和方式成為配電網(wǎng)有功調(diào)度中的首要難題[2]。

為保障電網(wǎng)的安全穩(wěn)定運行，調(diào)度機構在日前發(fā)電計劃中要預留更多備用[2-5]，而風電預測誤差較大，預留備用將導致頻繁爬坡、深度調(diào)峰等問題，極大增加了系統(tǒng)運行成本。文獻[6]在總結國內(nèi)外旋轉事故備用容量標準基礎上，給出了備用容量配置建議，所提方法具有較大參考價值。文獻[5]針對發(fā)輸電組合系統(tǒng)，提出計及旋轉備用的最優(yōu)負荷削減模型，考慮元件可靠性的靈敏度指標，分析了爬坡速率、線路容量以及故障率對旋轉備用優(yōu)化配置的影響，實現(xiàn)了系統(tǒng)可靠性和經(jīng)濟性的有效協(xié)調(diào)。

近年來，已有大量文獻針對可再生能源接入下的調(diào)度問題進行研究，文獻[3]從風電并網(wǎng)的能耗費用評估角度針對最優(yōu)風電接納規(guī)模展開研究，將風電預測曲線與最優(yōu)接納功率曲線相結合，從而獲取負荷實際的風電調(diào)度指令，所得結論可為電網(wǎng)調(diào)度部門提供參考。文獻[4]建立主動量與被動量等備用邊際效用約束下的經(jīng)濟調(diào)度模型，依據(jù)其不確定性的特性，分別設置備用，并以電量不足期望值為指標表達備用的效用，所建模型以尊重能量顯現(xiàn)價值的形式實現(xiàn)了兩類備用之間的最優(yōu)協(xié)調(diào)與匹配。文獻[7]在考慮風功率波動的調(diào)度框架與策略設計中，提出風功率品質分層的思想，分析了需求響應資源的時序響應特性，所建模型中考慮了分時電價及用戶移峰能力、負荷代理相應成本，數(shù)據(jù)分析表明該模型能夠很好地利用區(qū)域電網(wǎng)內(nèi)需求響應的合理配置來平衡風功率波動，體現(xiàn)了調(diào)度問題中需求響應資源的市場價值和作用。

文獻[7]數(shù)據(jù)指出，通過全面實施需求響應，美國2019年最理想情況下峰荷削減量可達峰荷20%。目前，日前風功率預測誤差一般為15%～20%[8]，精確預測風電出力曲線的任務十分復雜艱巨[2]，本文從實際城市配電網(wǎng)運行角度出發(fā)，考慮電動汽車的充電負荷可調(diào)控性，作為需求響應資源參與有功調(diào)度。在不對可再生能源預測誤差提出更高要求的前提下，對可再生能源功率品質進行分層調(diào)度，研究并探討可應用于工程實際的調(diào)度方法。

1　配電網(wǎng)有功調(diào)度模型

1.1目標函數(shù)

配電網(wǎng)有功調(diào)度模型選取系統(tǒng)總運行管理成本、棄風率、可平移負荷不滿意度作為優(yōu)化目標，將污染氣體排放量作為輔助決策目標。

1.1.1系統(tǒng)總運行管理成本

系統(tǒng)總運行管理成本CT，計算方式如下：

(1)

式中：CGen表示系統(tǒng)發(fā)電成本;CST表示儲能運行成本;CEV表示電動汽車電池的服務成本;CGrid表示系統(tǒng)內(nèi)發(fā)電量高于負荷時剩余功率的懲罰成本。

系統(tǒng)發(fā)電成本的一般數(shù)學模型如下：

(2)

式中：T為調(diào)度時段數(shù)，本文取為24 h；NG為系統(tǒng)內(nèi)火電機組數(shù)量;Pt,i為火電機組i在時段t的有功出力;Ft,i(Pt,i)為火電機組i的耗量特性，機組耗量的特性決定了燃煤機組的燃料成本，考慮閥點效應的火電機組耗量特性如下所示:

(3)

式中：ai,bi,ci,ei,fi為燃料費用系數(shù);Pmin,i為火電機組i有功出力下限。

[9]中儲能運行成本的設置，放電成本為運行成本與電量成本之差，充電成本為運行成本和電量成本之和，如下所示:

(4)

(5)

式中：CDis(t)、CCh(t)分別表示放電成本和充電成本;PDis(t)、PCh(t)分別表示t時刻放電、充電功率;CO表示運行成本;CP-Dis、CP-Ch分別表示放電、充電時的電量成本。

電動汽車電池提供輔助服務成本由電池租賃時間和租賃成本決定，如下所示:

(6)

式中：cev表示單位時間電池租賃成本;tu表示租賃時間(h)。

令Pnet(t)表示t時刻凈功率，凈功率大于零表示地區(qū)電網(wǎng)功率剩余，不需要聯(lián)絡線向配電網(wǎng)輸送功率，凈功率小于零表示該地區(qū)電網(wǎng)通過聯(lián)絡線向主網(wǎng)倒送功率，為避免優(yōu)化中發(fā)電量過?；虻顾凸β实陌l(fā)生，設置懲罰系數(shù)α1、α2。懲罰成本CGrid(t)由下計算：

(7)

懲罰成本的含義在于當發(fā)電量高于負荷或低于負荷時都在成本中計入懲罰量，從而約束模型的尋優(yōu)方向。

1.1.2可再生能源棄用量

大規(guī)?？稍偕茉床⒕W(wǎng)條件下，大量棄用意味著調(diào)度方式不足以實現(xiàn)可再生能源的接納和利用，棄用量PRes,t可表示為

(8)

1.1.3可平移負荷不滿意度

考慮電動汽車(Plugin Electric Vehicle，PEV)充電可提前或延遲的特點時，需確定啟動的最早、最遲時間以及持續(xù)時間，可平移負荷不滿意度為

(9)

式中：tset表示用戶允許的最早、最遲開始充電時間；tsta表示實際開始充電時間；tori表示不考慮延遲充電情況下，正常充電時間。

當實際啟動時間早于最佳啟動時間時，啟動時限取可平移負荷啟動時間下限tdn；當啟動時間遲于最佳啟動時間時，啟動時限取可平移負荷啟動時間上限tup，如下所示:

(10)

1.1.4污染氣體排放量

燃煤機組在閥點過程中不可避免地會排放出大量的污染物，如NO2，SO2等污染氣體，目前采用的污染氣體排放模型為

(11)

式中：αi,βi,γi,λi,δi為火電機組污染物排放系數(shù)。

在模型優(yōu)化過程中，以前3個目標函數(shù)作為優(yōu)化目標，在方案選擇中以污染氣體排放量作為衡量指標。

1.2約束條件

1.2.1功率平衡約束

(12)

1.2.2機組出力約束

(13)

式中：Pmin,t,i,Pmax,t,i分別為時段t第i臺火電機組有功出力下限、上限。

1.2.3火電機組爬坡約束

發(fā)電過程中，受限于鍋爐中蒸汽壓力的變化緩慢，火電機組前后時段內(nèi)的出力也將受到限制，即爬坡約束

(14)

式中：UG,i,DG,i分別為第i臺火電機組在相鄰時段允許出力的最大上升值和下降值，可獲得機組i在時段t有功出力的上下限為

(15)

1.2.4充電站初始狀態(tài)約束

假設每個充電站在24時段的第一個時段的電量均恒定，即每天的初始時段的電量保持一定，為充電站總電量的50%。

(16)

式中：St=1,j即為第j個充電站在第一時段的電量；Nc表示電動汽車數(shù)量；Pr,j表示第j個充電站包含的電動汽車占總電動汽車比例；Cmax表示每輛電動汽車最大電量百分比；C代表電動汽車電池容量。

1.2.5充電站可用電量約束

為滿足充電用戶的要求，充電站某一時段的電量應大于此時段充電負荷所需的電量，同時受制于PEV自身電池容量的限制，充電站某一時段的電量應小于可調(diào)度的PEV可能存儲的最大電能：

(17)

式中：Si,j表示第j個充電站i時段的電量；Dev(i)代表i時段電動汽車負荷所需的全部電量；Cmax表示每輛電動汽車最大電量百分比，文中取90%。

1.2.6充電站充放電功率約束

運營商k在某時段的充放電功率與此時段可調(diào)度的電動汽車總充放電功率有關：

(18)

式中：Pc,i為EVi允許充電的最大充電功率；Pdc,i為EVi允許充電的最大放電功率；Nc,k,t為運營商k在t時段可調(diào)度的EV數(shù)量。

其它常規(guī)約束不再贅述。

2　可再生能源功率品質分層

文獻[7]根據(jù)輸出功率是否恒定，波動是否劇烈將風功率分為3層，考慮到可再生能源出力預測的難度和實際運行中的時效性，本文按風電、光伏出力的功率波動性將功率品質分為2層，如圖1所示。

圖1　功率品質分層示意圖

圖1為24h可再生能源出力示意圖，取可再生能源出力的最低點Pmin作為分界線，其下方為穩(wěn)定出力層，上方為波動層。

穩(wěn)定出力層的功率可作為調(diào)度模型中的可靠電源，在優(yōu)化中可降低機組出力上限。波動層仍有一定比例的功率可以作為發(fā)電廠的有益補充，此時設置分層系數(shù)τ%，(1-τ%)這一部分比例的波動層功率作為隨機電源，在優(yōu)化中尋求與發(fā)電系統(tǒng)的最優(yōu)出力組合。

3　可平移負荷的選取與實現(xiàn)

負荷具備可調(diào)控性，改變了傳統(tǒng)負荷被動、剛性、靜止的特點[10]，負荷不再是電網(wǎng)負擔，而成為含潛在收益的新型資源，根據(jù)負荷類型的不同，分別受生活方式、天氣、工作性質等因素影響。從負荷的調(diào)控性上，目前存在多種分類方法，如分為基線負荷、爆發(fā)性負荷、常規(guī)負荷[11]，或可計劃、可檢測類負荷[12]。

本文引入可平移負荷，將其從傳統(tǒng)調(diào)度中剛性、靜止的不可控負荷中分離出來。文獻[13]將海水淡化類負荷定義為可時移負荷，文獻[14]針對具體的運行時間可調(diào)整的負荷進行建模，文獻[15]對可平移類負荷進行非定向建模，但以上文獻對可平移負荷的研究成果集中在微網(wǎng)優(yōu)化運行方面，本文定義啟停時間可變、運行持續(xù)時間確定、形狀大小不可變的負荷為可平移負荷。在配網(wǎng)層面，很難對具體的用戶負荷進行控制，本文以電動汽車充電負荷為例，研究可再生能源功率品質分層與可平移負荷共同作用下有功優(yōu)化調(diào)度的經(jīng)濟性和適用性。

在所建有功優(yōu)化調(diào)度模型中，可平移負荷的啟動時間作為決策變量之一。在最佳啟動時間的基礎上設置最早和最遲啟動時限，隨著多優(yōu)化目標尋優(yōu)過程的推進，尋找最佳啟動時間。由于改變最佳啟動時間帶來的不滿意度作為優(yōu)化目標之一，在有功調(diào)度過程中尋找經(jīng)濟性和適用性之間的協(xié)調(diào)和匹配。

4　NSGA-II與模型求解

本文所建多目標優(yōu)化調(diào)度模型是一個含多決策變量的非線性優(yōu)化問題，擬采用多目標非支配排序遺傳算法(NSGA-II)求解。NSGA-II是Kalyanmoy Deb等人于2002年在對NSGA算法改進的基礎上提出的，是目前認可度較高的多目標進化算法之一，更多細節(jié)請見文獻[16]。

基于NSGA-II的模型求解過程如圖2所示，主要步驟包括：

① 根據(jù)可再生能源日前預測結果，確定調(diào)度周期內(nèi)的功率分級點，讀取出力最小值，以此為依據(jù)將功率品質分為穩(wěn)定層和波動層；

② 根據(jù)實際情況，讀取功率品質分層系數(shù)；

③ NSGA-II求解過程，包括快速非支配排序、計算擁擠度距離、變異、交叉、選擇、判斷是否終止迭代等；

④ 獲取帕累托前沿，輸出結果，優(yōu)化過程結束。

圖2　模型求解流程圖

5　算例分析

5.1基本數(shù)據(jù)

有功調(diào)度模型中含兩組發(fā)電機組，儲能系統(tǒng)，以及可平移負荷(電動汽車充電功率)?？稍偕茉匆怨夥惋L電為主，如圖3所示，基礎負荷、可平移負荷(最佳啟動時間累計后)如圖4所示。

圖3　風光出力數(shù)據(jù)

圖4　負荷數(shù)據(jù)

所選可平移負荷根據(jù)持續(xù)時間等特點可分為9類，均為電動汽車充電負荷，詳細的平移時限數(shù)據(jù)見附表1。儲能系統(tǒng)數(shù)據(jù)、電池租賃成本數(shù)據(jù)來源于文獻[9]，基本數(shù)據(jù)如表1所示。

表1　儲能系統(tǒng)基本數(shù)據(jù)

5.2仿真結果對比分析

設定種群規(guī)模為400，最大迭代數(shù)為1 000代，由于不同的功率品質分層系數(shù)會導致不同的調(diào)度策略，在[0,1]按0.1步長對分層系數(shù)進行仿真(共11種場景)，所得20次平均值如圖5所示，其中棄用量為一個調(diào)度周期內(nèi)的累加值。

圖5　多場景優(yōu)化結果

由圖5可知，在第4、9兩種場景下，有功調(diào)度模型的運行管理成本和棄風量較高，分別對應分層系數(shù)為0.3和0.8。當分層系數(shù)取0.1時(第2種場景)多優(yōu)化目標運行結果最優(yōu)。以第2種場景為例，所得三維帕累托前沿如圖6所示。

圖6　帕累托前沿效果圖

以污染物排放量最小選擇較優(yōu)解，與極端解數(shù)據(jù)如附表2所示。該方案下儲能運行狀態(tài)和機組出力如圖7所示。

圖7　儲能系統(tǒng)運行狀態(tài)

圖8　發(fā)電機組出力

綜上可知，儲能系統(tǒng)運行狀態(tài)符合運行需求，發(fā)電機組出力穩(wěn)定，沒有大幅增減出力現(xiàn)象。

5.3功率品質分層效果分析

在同等條件下設置不含可再生能源功率品質分層的對照組，與分層系數(shù)取0.1時數(shù)據(jù)對比如表2所示(均為20組均值)。

表2　功率品質分層對比仿真結果

由表2可知，在功率不分層時，棄用量和污染物排放量會大幅增加，系統(tǒng)運行管理成本有小幅增加。當功率分層時，延遲充電不滿意度較高，但在不高于1的區(qū)間內(nèi)，其對系統(tǒng)經(jīng)濟性、環(huán)境效益、社會影響均不大。

圖9　功率品質分層結果

功率品質分層如圖9所示，當分層系數(shù)取0.8和0.3時，其運行成本和棄風量較高原因如下：

① 可再生能源出力的預測誤差大約為15%～20%，當80%的出力在調(diào)度過程中用于替代發(fā)電機組時，實際優(yōu)化過程中其出力無法滿足需求，缺額需發(fā)電機組填補；

② 可再生能源出力的高峰時段與負荷高峰時段不重合，當波動層功率無法作為發(fā)電機組的有益補充時(例如分層系數(shù)取0.3時)，由于儲能規(guī)模較小，功率缺額只能由發(fā)電機組填補。

5.4負荷平移效果分析

可平移負荷的原始啟動示意和優(yōu)化后啟動示意圖如圖10所示。電動汽車充電功率多出現(xiàn)在晚高峰時期，此時無論是商業(yè)用車或家庭用車均處于完成工作后的閑置狀態(tài)，容易形成集中充電高峰期。經(jīng)平移后可有效避免在高峰時段增加電網(wǎng)負擔，起到削峰填谷的作用，如圖所示，圖中每一種顏色對應一類可平移負荷。

圖10　可平移負荷示意圖

由圖11可知，可平移負荷在配電網(wǎng)有功調(diào)度中可發(fā)揮削峰填谷的負荷重塑作用，以電動汽車充電負荷為代表的可控類負荷在調(diào)度過程中可直接參與、具有較大潛力的需求側資源。

圖11　優(yōu)化前后負荷曲線示意圖

6　結　論

本文針對含大規(guī)?？稍偕茉唇尤胂碌呐潆娋W(wǎng)有功調(diào)度問題，基于可再生能源的功率品質分層和可平移負荷優(yōu)化，提出考慮系統(tǒng)運行經(jīng)濟性、錯峰充電的社會影響，以及環(huán)境效益的多目標優(yōu)化調(diào)度模型。該模型以含儲能電池、電動汽車電池租賃、以及發(fā)電成本的綜合運行管理成本、可平移負荷不滿意度以及棄用量為優(yōu)化目標，在獲得的多組方案中通過污染物排放量作為輔助指標進行最優(yōu)方案的選擇，通過算例仿真和對比驗證了所提模型的正確性和有效性，所提可再生能源功率分層方法簡單有效，可為實際配電網(wǎng)的調(diào)度運行提供參考和數(shù)據(jù)支撐。

參考文獻

[1]我國能源發(fā)展戰(zhàn)略行動計劃http://www.gov.cn/zhengce/content/2014-11/19/content_9222.htm.

[2]鐘海旺,夏清,張健等.激勵風電場提升功率預測精度的機制設計[J].電力系統(tǒng)自動化,2015,39(5): 47-53.

[3]崔楊,張超,穆鋼等.基于能耗費用評估的電網(wǎng)最優(yōu)風電接納功率分析[J].電網(wǎng)技術,2014,38(8): 2174-2179.

[4]王士柏,韓學山,楊明等.計及不確定性的等備用邊際效用約束的電力系統(tǒng)經(jīng)濟調(diào)度[J].中國電機工程學報,2015,35(5): 1143-1152.

[5]趙淵,何媛,蘆晶晶.旋轉備用對電網(wǎng)可靠性的影響及優(yōu)化配置研究[J].電力系統(tǒng)保護與控制,2014,42(8): 40-46.

[6]林勇,陳筱中,鄭秀波等.電力系統(tǒng)旋轉事故備用容量的配置研究[J].電力系統(tǒng)自動化,2014,38(19): 114-121.

[7]姚建國,楊勝春,王珂等.平衡風功率波動的需求響應調(diào)度框架與策略設計[J].電力系統(tǒng)自動化,2014,38(9): 85-92.

[8]劉永前,韓爽,胡永生.風電場出力短期預報研究綜述[J].現(xiàn)代電力,2008,24(5): 6-11.

[9]張明銳,陳潔,杜志超,等.考慮交互功率控制的微網(wǎng)經(jīng)濟運行[J].中國電機工程學報,2014,34(7): 1013-1023.

[10]艾欣,許佳佳.基于互動調(diào)度的微電網(wǎng)與配電網(wǎng)協(xié)調(diào)運行模式研究[J].電力系統(tǒng)保護與控制,2013(1):143-149.

[11]Costanzo G T，Guchuan Z，Anjos M F，et al.A system architecture for autonomous demand side load management in smart buildings[J].IEEE Transactions on Smart Grid.2012，3(4)：2157-2165.[12]Di Giorgio A，Pimpinella L，Quaresima A，et al.An event driven smart home controller enabling cost effective use of electric energy and automated demand side management[C]//Control & Automation (MED)，2011 19th Mediterranean Conference on.IEEE，2011：358-364.

[13]劉柏良,黃學良,李軍.計及可時移負荷的海島微網(wǎng)電源優(yōu)化配置[J].中國電機工程學報,2014,34(25): 4250-4258.

[14]符楊,蔣一鎏,李振坤等.計及可平移負荷的微網(wǎng)經(jīng)濟優(yōu)化調(diào)度[J].中國電機工程學報,2014,34(16): 2612-2620.

[15]何舜,鄭毅,蔡旭等.微網(wǎng)能源系統(tǒng)的滾動優(yōu)化管理[J].電網(wǎng)技術,2014,38(9): 2349-2355.

[16]Deb K,Pratap A,Agarwal S,et al.A fast and elitist multiobjective genetic algorithm: NSGA-II[J].IEEE Transactions on,Evolutionary Computation,2002,6(2): 182-197.

(責任編輯：林海文)

附錄A

An Active Power Scheduling of Distribution Network by Considering the Stratification of Power Quality for Renewable Energy and Shiftable Load

LUO Mingwu1,SUN Peng1,ZHOU Youbin1,ZHOU Kunpeng2,TANG Haixia1,ZHANG Hua1

(1.Suizhou Power Supply Company,State Grid Hubei Electric Power Corporation,Suizhou 441300,China;2.Hubei Electric Power Research Institute,Wuhan 430000,China)

In this paper,a simple method of stratification of power quality and its scheduling strategy for renewable energy are proposed for scheduling active power in distribution network with the access of large-scale renewable energy.Taking the setting of shiftable load,such as charging power of electric vehicle,as example,the active power scheduling optimization model is built with such objectives as comprehensive operation and management cost including storage battery,electric vehicle rental and power generating cost,dissatisfaction of shiftable load and abandoned wind power output.In this model,pollutant discharged quantity is set as an auxiliary index to select the optimal case,so operation economy,environmental benefit and social impact of staggering charging are comprehensively considered.On the base of the NSGA-II algorithm,the correctness and effectiveness of the proposed method is demonstrated by case simulation and comparison.The proposed power stratification method of renewable resources is simple and effective,which can provide the reference and data support to the actual dispatching operation of distribution network.

stratification of power quality; shiftable load; active power scheduling; multi-objective optimization

表A1　可平移負荷數(shù)據(jù)

表A2　第2種場景下的極端解和較優(yōu)解

1007-2322(2016)04-0001-07

A

TM731

國家電網(wǎng)公司科技項目(5215M0130467)

2015-07-14

羅明武(1963—)，男，碩士，高級工程師，研究方向為電力系統(tǒng)自動化，E-mail:279296559@qq.com；

孫鵬(1973—)，男，碩士，高級工程師，研究方向為電力系統(tǒng)繼電保護；

周友斌(1962—)，男，碩士，教授級高工，研究方向為電力系統(tǒng)自動化。