考慮風(fēng)光荷預(yù)測(cè)誤差的電力系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度

盛四清，張 立

（華北電力大學(xué)電氣與電子工程學(xué)院，保定 071003）

考慮風(fēng)光荷預(yù)測(cè)誤差的電力系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度

盛四清，張 立

（華北電力大學(xué)電氣與電子工程學(xué)院，保定 071003）

針對(duì)風(fēng)力發(fā)電、光伏發(fā)電和負(fù)荷的不確定性問(wèn)題，引入預(yù)測(cè)誤差的不確定性。基于不確定規(guī)劃理論，提出了一種考慮風(fēng)光荷預(yù)測(cè)誤差的電力系統(tǒng)經(jīng)濟(jì)優(yōu)化調(diào)度模型。首先分析了風(fēng)電、光伏以及負(fù)荷預(yù)測(cè)誤差的不同概率分布特性，由于其出力特性各不相同，分別采用模糊隨機(jī)變量和隨機(jī)變量處理。在此基礎(chǔ)上，綜合考慮環(huán)境污染成本和風(fēng)光荷出力成本等目標(biāo)，并采用基于層次分析法的模糊綜合多目標(biāo)處理策略進(jìn)行處理。根據(jù)所建模型，提出了基于混合模擬的進(jìn)化算法進(jìn)行求解，算例結(jié)果分析表明了所建模型的合理性和有效性。

不確定性；預(yù)測(cè)誤差；風(fēng)光互補(bǔ)；經(jīng)濟(jì)調(diào)度

Abstract:To deal with the uncertainties of wind power，solar energy and load，the uncertainties of prediction error is introduced，and an optimal model of economic dispatch of power system based on uncertain programming theory is pro?posed，in which the prediction error of wind power，solar energy and load is considered.Firstly，different probabilistic distribution characteristics of wind power，solar energy and load are analyzed.Because of their different characteristics，fuzzy variable and random variable are employed respectively.On the basis of the above analysis，environmental pollut?ant cost and the output cost of wind power，solar energy and load are comprehensively considered，and a multi-objec?tive processing strategy of fuzzy comprehensive evaluation based on analytic hierarchy process is applied.A mixed simu?lation evolutionary algorithm is applied to solve the model based on economic dispatch.The results show the rationality and effectiveness of the proposed model.

Key words:uncertainties；prediction error；wind-solar complementarity；economic dispatch

風(fēng)電和光伏具有清潔無(wú)污染和成本低廉等優(yōu)勢(shì)，目前已成為可再生能源領(lǐng)域最具發(fā)展前景的能源形式。隨著風(fēng)電和光伏并網(wǎng)規(guī)模的不斷加大，其在帶來(lái)多方面效益的同時(shí)，也給系統(tǒng)帶來(lái)了很多不利影響。由于風(fēng)能和太陽(yáng)能具有很強(qiáng)的間歇性和波動(dòng)性，其不確定性給系統(tǒng)的安全穩(wěn)定運(yùn)行帶來(lái)威脅[1-3]。另外，負(fù)荷預(yù)測(cè)的誤差也會(huì)給調(diào)度運(yùn)行帶來(lái)一定的影響。因此，研究風(fēng)電、光伏以及負(fù)荷的不確定性對(duì)電力系統(tǒng)的影響具有非常重要的意義。

在影響調(diào)度運(yùn)行的這些不確定性中，風(fēng)電、光伏和負(fù)荷預(yù)測(cè)誤差的不確定性對(duì)調(diào)度運(yùn)行的影響較大，所以怎樣描述并量化這些不確定性是提高調(diào)度可靠性的關(guān)鍵所在。許多學(xué)者已經(jīng)對(duì)此問(wèn)題進(jìn)行了有效的研究。文獻(xiàn)[4]引入α超分位數(shù)的數(shù)學(xué)方法，對(duì)碳排放權(quán)價(jià)格的波動(dòng)性進(jìn)行了處理，但該方法側(cè)重于對(duì)單種不確定性的處理，如果要量化多種不確定性則有一定難度。文獻(xiàn)[5]引入可信性理論，提出從模糊數(shù)學(xué)的角度出發(fā)考慮風(fēng)電出力的不確定影響，用梯形模糊數(shù)來(lái)表示風(fēng)電出力，建立了基于可信性理論的含規(guī)模化風(fēng)電的電力系統(tǒng)機(jī)組組合數(shù)學(xué)模型，通過(guò)可信度對(duì)約束條件進(jìn)行評(píng)價(jià)，但是在處理隸屬度函數(shù)時(shí)具有較大的主觀性。文獻(xiàn)[6]將風(fēng)電出力、光伏出力、負(fù)荷均用模糊參數(shù)表示，建立了含大規(guī)模間歇式電源的模糊機(jī)會(huì)約束機(jī)組組合模型，算例分析中對(duì)比了三角形模糊數(shù)和梯形模糊數(shù)的不同優(yōu)化效果，指出合理的模糊參數(shù)隸屬度函數(shù)對(duì)優(yōu)化結(jié)果的影響，然而忽略風(fēng)電負(fù)荷的不同特性，采用統(tǒng)一化處理的建模辦法略顯簡(jiǎn)單。目前，上述文獻(xiàn)所建模型均是針對(duì)預(yù)測(cè)誤差的不確定性問(wèn)題的研究，面對(duì)系統(tǒng)中普遍存在的多重不確定因素沒(méi)有考慮全面，需要進(jìn)一步研究。

綜上所述，本文針對(duì)風(fēng)電、光伏和負(fù)荷的不確定性，建立了預(yù)測(cè)誤差的概率分布模型，在此基礎(chǔ)上引入不確定規(guī)劃理論[7]，根據(jù)風(fēng)電、光伏和負(fù)荷預(yù)測(cè)誤差的不同特性，采用不同類(lèi)型的變量建模，建立了同時(shí)含有模糊變量和隨機(jī)變量的混合機(jī)會(huì)約束優(yōu)化調(diào)度模型。在目標(biāo)函數(shù)引入環(huán)境污染成本和風(fēng)光荷出力成本函數(shù)，考慮節(jié)能減排和預(yù)測(cè)誤差對(duì)總發(fā)電成本的影響，并采用基于層次分析法AHP（analytic hierarchy process）的模糊綜合多目標(biāo)處理策略，使用混合模擬的進(jìn)化算法進(jìn)行模型求解。

1 風(fēng)光荷誤差分布描述

1.1 風(fēng)功率預(yù)測(cè)誤差分布

目前，對(duì)風(fēng)功率預(yù)測(cè)的研究分為兩類(lèi)，一類(lèi)是直接預(yù)測(cè)風(fēng)功率，另一類(lèi)是先預(yù)測(cè)風(fēng)速再計(jì)算風(fēng)功率。然而，風(fēng)電預(yù)測(cè)的結(jié)果仍然存在不確定性，誤差可能達(dá)到20%～40%[8]。風(fēng)功率預(yù)測(cè)誤差受多種因素的影響，由統(tǒng)計(jì)結(jié)果可以發(fā)現(xiàn)，在不同的風(fēng)速段預(yù)測(cè)誤差水平有著較大差別[9]。由于現(xiàn)在還沒(méi)有一種準(zhǔn)確的分布形式來(lái)描述風(fēng)功率預(yù)測(cè)誤差，有學(xué)者[10]提出用正態(tài)分布來(lái)表示，雖然風(fēng)速預(yù)測(cè)誤差服從該分布，但是風(fēng)功率預(yù)測(cè)誤差不服從該分布。本文引入模糊隨機(jī)變量來(lái)描述風(fēng)功率預(yù)測(cè)誤差，模糊隨機(jī)變量[11]兼具模糊性和隨機(jī)性。第t時(shí)刻風(fēng)功率誤差表達(dá)式為

1.2 光伏功率測(cè)誤差分布

光伏陣列的輸出功率主要由光照強(qiáng)度決定[12]，光照強(qiáng)度的預(yù)測(cè)誤差可以表示為均值是0且標(biāo)準(zhǔn)差是σk的正態(tài)分布變量。光伏輸出功率ppv一般可以表示為

式中：η為光電轉(zhuǎn)換效率；A為光伏陣列總面積；r為光照強(qiáng)度。

由于光伏輸出功率隨光照強(qiáng)度線(xiàn)性變化，根據(jù)正態(tài)分布性質(zhì)得出，光伏輸出功率預(yù)測(cè)誤差仍然是1個(gè)正態(tài)分布變量，表示為，概率密度函數(shù)為

1.3 負(fù)荷預(yù)測(cè)誤差分布

負(fù)荷預(yù)測(cè)結(jié)果多被看成1個(gè)隨機(jī)變量，其誤差的隨機(jī)性常用正態(tài)分布來(lái)描述[13]，在實(shí)際中也被廣泛使用，第t時(shí)刻的分布誤差記為，概率密度函數(shù)為

2 多種預(yù)測(cè)誤差作用下系統(tǒng)調(diào)度模型

2.1 目標(biāo)函數(shù)

1）火電經(jīng)濟(jì)成本

火電經(jīng)濟(jì)成本可以表示為

式中：N為火電機(jī)組臺(tái)數(shù)；T為研究周期的時(shí)段數(shù)，本文中為24 h；pit為機(jī)組i第t時(shí)刻的出力；f(pit)為機(jī)組i第t時(shí)刻的運(yùn)行費(fèi)用；Sit為機(jī)組i第t時(shí)刻的開(kāi)機(jī)成本；uit為機(jī)組i第t時(shí)刻的開(kāi)停機(jī)狀態(tài)，uit=1時(shí)為開(kāi)機(jī)狀態(tài)，uit=0時(shí)為停機(jī)狀態(tài)。

運(yùn)行費(fèi)用可以表示為

式中，ai、bi、ci分別為機(jī)組i的耗量特性系數(shù)。

2）環(huán)境污染成本

環(huán)境污染成本可以表示為

式中：F2為環(huán)境污染成本；fg(pit)為第i臺(tái)機(jī)組污染氣體的排放量；Cg為環(huán)境污染的成本價(jià)格。

污染氣體排放量可以表示為

式中，αi、βi、γi、ζi、λi為機(jī)組i的排污特性系數(shù)。

3）風(fēng)光荷成本

風(fēng)光荷成本可以表示為

其中

式中：λ1、λ2為風(fēng)電與光伏的發(fā)電單價(jià)；κ為負(fù)荷預(yù)測(cè)誤差的成本價(jià)格；為第t時(shí)刻風(fēng)電和光伏的輸出功率實(shí)際值；pw,t、ppv,t為第t時(shí)刻風(fēng)電和光伏的預(yù)測(cè)功率值。

2.2 約束條件

在風(fēng)電預(yù)測(cè)值、光伏預(yù)測(cè)值、負(fù)荷預(yù)測(cè)值均給定的情況下，系統(tǒng)的功率平衡約束條件可以表示為

式中，pl,t表示第t時(shí)刻負(fù)荷的預(yù)測(cè)值。

從電力系統(tǒng)實(shí)際調(diào)度運(yùn)行的情況看，一般是對(duì)預(yù)測(cè)值進(jìn)行負(fù)荷分配，而對(duì)預(yù)測(cè)誤差預(yù)留旋轉(zhuǎn)備用的，因此旋轉(zhuǎn)備用約束條件可以表示為

式中，pi,max表示機(jī)組i的最大技術(shù)出力。

對(duì)預(yù)測(cè)誤差做進(jìn)一步處理得

其中

因此原來(lái)確定的不等式化解為一個(gè)同時(shí)包含模糊變量和隨機(jī)變量的不確定的不等式，借鑒文獻(xiàn)[7]處理多重不確定因素的方法，引入模糊和隨機(jī)兩個(gè)置信水平，則旋轉(zhuǎn)備用約束條件為

式中：α為對(duì)應(yīng)隨機(jī)變量的置信水平；β為對(duì)應(yīng)模糊變量的置信水平。

火電機(jī)組的出力上、下限約束為

火電機(jī)組的爬坡約束為

式中，Ui和Di分別為機(jī)組i的上升和下降速率。

火電機(jī)組出力的最小開(kāi)停機(jī)時(shí)間約束為

風(fēng)電場(chǎng)出力上、下限約束為

光伏電站出力上、下限約束為

3 模型求解

3.1 基于AHP的模糊綜合多目標(biāo)處理策略

模糊綜合處理方法就是基于模糊數(shù)學(xué)使用模糊運(yùn)算法則，對(duì)模糊對(duì)象進(jìn)行量化綜合，進(jìn)而對(duì)結(jié)果進(jìn)行定性分析[14]。AHP是對(duì)非定量事件進(jìn)行定量分析的一種簡(jiǎn)便、實(shí)用且靈活的多目標(biāo)決策方法。該方法可以很大程度降低不確定因素的影響，簡(jiǎn)化系統(tǒng)分析與計(jì)算工作，而且有助于決策者保持其思維和決策過(guò)程原則的一致性[15]。將兩者結(jié)合對(duì)多目標(biāo)問(wèn)題進(jìn)行處理，能得到更優(yōu)化的結(jié)果。具體步驟如下。

步驟1 建立因素集。

步驟2 應(yīng)用AHP建立目標(biāo)分配權(quán)重集。

（1）構(gòu)建判斷矩陣A。判斷矩陣中各元素表示與某種因素有關(guān)的另一種因素之間進(jìn)行兩兩比較的相對(duì)重要性，使用1～9比率比較兩兩因素哪個(gè)更重要并賦予1～9中的某個(gè)數(shù)值，得到判斷矩陣A。

（2）判斷矩陣一致性檢驗(yàn)。若各元素之間滿(mǎn)足aij＞0、aii=1、aij=1/aji、aij=aik/ajk，則滿(mǎn)足一致性，否則對(duì)各元素進(jìn)行調(diào)整。

（3）求解特征向量。解特征方程AW=λmaxW，λmax為最大特征根，W為對(duì)應(yīng)最大特征值的歸一化的特征向量。W中各元素為最優(yōu)化目標(biāo)的權(quán)重系數(shù)。

步驟3 建立目標(biāo)函數(shù)矩陣。

設(shè)種群規(guī)模為pop，分別求得各個(gè)染色體對(duì)應(yīng)3個(gè)目標(biāo)函數(shù)的函數(shù)值，得到目標(biāo)函數(shù)值矩陣為

式中，F(xiàn)的每列為單個(gè)染色體對(duì)應(yīng)3個(gè)目標(biāo)函數(shù)的函數(shù)值，每行為全部染色體對(duì)應(yīng)某一目標(biāo)函數(shù)的函數(shù)值。

步驟4 求解模糊綜合滿(mǎn)意度。

將權(quán)重系數(shù)矩陣W與目標(biāo)函數(shù)矩陣F進(jìn)行合成，得到各目標(biāo)函數(shù)的模糊層次結(jié)果向量S為

對(duì)S進(jìn)行歸一化處理得S′為

多目標(biāo)優(yōu)化問(wèn)題求解就是找到1個(gè)滿(mǎn)意度最高的染色體，即

式中，Smax對(duì)應(yīng)的染色體即為要求的最優(yōu)解。

3.2 基于混合模擬的進(jìn)化算法

由于模型中出現(xiàn)了模糊變量和隨機(jī)變量同時(shí)存在的混合機(jī)會(huì)約束條件，不能采用簡(jiǎn)單的模糊模擬或者隨機(jī)模擬求解，這里參考文獻(xiàn)[16]對(duì)于模糊隨機(jī)約束條件的處理方法，編制基于混合模擬的進(jìn)化算法進(jìn)行求解?？紤]到實(shí)際火電機(jī)組運(yùn)行時(shí)，部分機(jī)組帶基荷連續(xù)24 h開(kāi)機(jī)的現(xiàn)狀，可將這些機(jī)組設(shè)為常開(kāi)機(jī)組，減輕隨機(jī)搜索的負(fù)擔(dān)。由于各個(gè)機(jī)組的運(yùn)行效率不同，為了保證高效率機(jī)組能夠優(yōu)先開(kāi)啟運(yùn)行，對(duì)各臺(tái)機(jī)組的運(yùn)行效率進(jìn)行評(píng)價(jià)，計(jì)算公式為

算法的具體求解過(guò)程如下。

步驟1 設(shè)置系統(tǒng)各項(xiàng)參數(shù)，初始化種群。

步驟2 檢驗(yàn)旋轉(zhuǎn)備用約束。采用混合模擬檢驗(yàn)策略逐一判定各個(gè)染色體是否滿(mǎn)足旋轉(zhuǎn)備用約束。若滿(mǎn)足，則按照機(jī)組停機(jī)優(yōu)先順序?qū)θ哂鄼C(jī)組進(jìn)行停機(jī)處理，直到不能減少任意臺(tái)機(jī)組而仍然滿(mǎn)足旋轉(zhuǎn)備用約束條件為止；否則，按照機(jī)組開(kāi)機(jī)優(yōu)先順序逐個(gè)開(kāi)啟停機(jī)機(jī)組使其滿(mǎn)足旋轉(zhuǎn)備用要求。滿(mǎn)足旋轉(zhuǎn)備用約束后進(jìn)入步驟3。

步驟3 檢驗(yàn)開(kāi)停機(jī)時(shí)間約束。根據(jù)機(jī)組最小開(kāi)停機(jī)時(shí)間判定各個(gè)染色體是否滿(mǎn)足最小開(kāi)停機(jī)時(shí)間約束。若滿(mǎn)足條件，則進(jìn)入步驟4；否則，對(duì)染色體進(jìn)行修正，經(jīng)修正后的染色體需重新進(jìn)行旋轉(zhuǎn)備用的檢驗(yàn)，返回步驟2。

步驟4 計(jì)算各個(gè)染色體的適應(yīng)度函數(shù)值并更新最優(yōu)解。

步驟5 利用進(jìn)化操作對(duì)種群進(jìn)行更新，對(duì)新產(chǎn)生的染色體重復(fù)步驟2～步驟4。

步驟6 判斷是否已經(jīng)達(dá)到終止條件，若達(dá)到，則結(jié)束操作，否則返回步驟5。

4 算例分析

4.1 基本數(shù)據(jù)與參數(shù)

為了驗(yàn)證模型的可行性和有效性，現(xiàn)對(duì)10臺(tái)火電機(jī)組和1個(gè)等值的風(fēng)電場(chǎng)組成的系統(tǒng)進(jìn)行優(yōu)化分析。調(diào)度決策周期取為24 h。10臺(tái)火電機(jī)組的參數(shù)以及負(fù)荷預(yù)測(cè)值見(jiàn)文獻(xiàn)[17]，風(fēng)電及光伏預(yù)測(cè)值參見(jiàn)文獻(xiàn)[18]。

采用Matlab編制基于模糊隨機(jī)混合模擬的進(jìn)化算法程序?qū)δＰ瓦M(jìn)行求解。設(shè)最大迭代次數(shù)為500，初始產(chǎn)生50個(gè)染色體，擇優(yōu)挑選20個(gè)進(jìn)行迭代計(jì)算。為了減少模擬計(jì)算的誤差，所求結(jié)果為重復(fù)30次后取平均值。

4.2 優(yōu)化結(jié)果分析

根據(jù)本文給出的機(jī)組評(píng)價(jià)指標(biāo)，計(jì)算得到所選10臺(tái)火電機(jī)組的開(kāi)機(jī)優(yōu)先順序如表1所示。

表1 開(kāi)機(jī)優(yōu)先順序Tab.1 Priority orders of start up units

根據(jù)本文所建模型，當(dāng)隨機(jī)置信水平為0.96，模糊置信水平為0.30時(shí)，機(jī)組出力調(diào)度結(jié)果如表2所示。根據(jù)表2中數(shù)據(jù)可以看出，各個(gè)火電機(jī)組按表1開(kāi)機(jī)順序啟動(dòng)。

風(fēng)光互補(bǔ)運(yùn)行方式表示既有風(fēng)電又有光伏的情況，由于兩者在時(shí)間分布和峰谷分布方面具有天然的互補(bǔ)性，所以可將兩者聯(lián)合運(yùn)行。在上述置信水平下，對(duì)比無(wú)光無(wú)風(fēng)和風(fēng)光互補(bǔ)時(shí)各目標(biāo)函數(shù)的變化，如表3所示。由表3數(shù)據(jù)可知，風(fēng)光互補(bǔ)運(yùn)行方式下雖然增加了風(fēng)光荷成本，但是機(jī)組成本和環(huán)境成本都有一定程度的減少，這兩項(xiàng)成本分別減少了10 410$和4 080$，只占各自總量的很少部分，但在調(diào)度過(guò)程中隨著時(shí)間的延續(xù)，累計(jì)總量還是很可觀的。風(fēng)光互補(bǔ)運(yùn)行方式在經(jīng)濟(jì)性和節(jié)能減排方面都有較大優(yōu)勢(shì)，但由于風(fēng)光的間歇性和波動(dòng)性，旋轉(zhuǎn)備用容量增加較多，對(duì)整個(gè)電網(wǎng)的可靠性要求增加。所以調(diào)度員可以在不同的運(yùn)行方式下，考慮隨機(jī)因素的影響，制定相應(yīng)的調(diào)度策略。

表2 機(jī)組出力調(diào)度結(jié)果Tab.2 Dispatch results of unit output

表3 不同運(yùn)行方式下的優(yōu)化結(jié)果Tab.3 Optimized results of different modes

文獻(xiàn)[11]中所述的模糊滿(mǎn)意度法，即直接對(duì)目標(biāo)矩陣進(jìn)行歸一化處理，再求最優(yōu)滿(mǎn)意度，采用該方法和本文方法所得優(yōu)化結(jié)果見(jiàn)表4。由表4可知，模糊滿(mǎn)意度法所得結(jié)果雖然減少了風(fēng)光荷成本，但卻增加了機(jī)組成本和環(huán)境成本，此時(shí)發(fā)電總成本仍比本文所用方法高?；贏HP的模糊綜合方法能夠綜合考慮各種目標(biāo)因素的影響，在對(duì)多目標(biāo)問(wèn)題進(jìn)行處理時(shí)得到更為理想的優(yōu)化結(jié)果。

表4 不同多目標(biāo)處理方法得出的優(yōu)化結(jié)果Tab.4 Optimized results of multi-objective methods

在不同的隨機(jī)和模糊置信水平下，優(yōu)化調(diào)度結(jié)果如表5所示。由表5可知，共設(shè)定5種情況，分別在相同的模糊置信水平下對(duì)比不同的隨機(jī)置信水平，以及在相同的隨機(jī)置信水平下對(duì)比不同的模糊置信水平。根據(jù)調(diào)度結(jié)果，隨機(jī)置信水平越高，系統(tǒng)的旋轉(zhuǎn)備用越充足，總的發(fā)電成本也越高。隨機(jī)置信水平反映了系統(tǒng)能量供給的可靠性，隨機(jī)置信水平高的調(diào)度方案，運(yùn)行所需的火電機(jī)組容量較大，此時(shí)旋轉(zhuǎn)備用容量充足，保證較高的系統(tǒng)運(yùn)行可靠性。

表5 不同置信水平下的優(yōu)化結(jié)果對(duì)比Tab.5 Optimized results of different confidence-levels

現(xiàn)有文獻(xiàn)中僅考慮風(fēng)電和光伏的不確定因素，對(duì)負(fù)荷采用固定比例預(yù)留旋轉(zhuǎn)備用的方法。相比之下，本文隨機(jī)置信水平的設(shè)定優(yōu)勢(shì)明顯，調(diào)度決策人員可以根據(jù)系統(tǒng)的實(shí)際情況設(shè)定不同的隨機(jī)置信指標(biāo)，在成本與可靠性之間進(jìn)行權(quán)衡。

當(dāng)保證隨機(jī)置信水平不變，隨著模糊置信水平的提高，發(fā)電總成本不斷降低，旋轉(zhuǎn)備用容量也減少。模糊置信水平反映了風(fēng)電預(yù)測(cè)誤差的可信度，當(dāng)模糊置信水平較低時(shí)，風(fēng)電預(yù)測(cè)誤差可信度較低，需要多開(kāi)火電機(jī)組以應(yīng)對(duì)風(fēng)電功率的缺失，此時(shí)發(fā)電總成本較高；當(dāng)模糊置信水平較高時(shí)，風(fēng)電預(yù)測(cè)誤差可信度相對(duì)較高，此時(shí)在運(yùn)行的火電機(jī)組臺(tái)數(shù)少，發(fā)電總成本也較低。

風(fēng)電預(yù)測(cè)誤差服從模糊隨機(jī)分布，對(duì)于不同的風(fēng)電場(chǎng)，可根據(jù)大量預(yù)測(cè)數(shù)據(jù)對(duì)模糊置信水平進(jìn)行合理取值，使調(diào)度人員進(jìn)一步減輕風(fēng)電預(yù)測(cè)誤差對(duì)調(diào)度運(yùn)行帶來(lái)的影響。

綜上，本文所建模型能夠通過(guò)不同置信水平的設(shè)定來(lái)反映調(diào)度決策者的意愿，調(diào)度人員在調(diào)度優(yōu)化的過(guò)程中，可以根據(jù)系統(tǒng)的實(shí)際情況設(shè)定合理的置信水平以實(shí)現(xiàn)經(jīng)濟(jì)性和可靠性的協(xié)調(diào)統(tǒng)一。

5 結(jié)語(yǔ)

本文針對(duì)風(fēng)電、光伏和負(fù)荷的不確定性，建立了考慮風(fēng)光荷預(yù)測(cè)誤差的基于不確定規(guī)劃的經(jīng)濟(jì)優(yōu)化調(diào)度模型，其中對(duì)風(fēng)光荷預(yù)測(cè)誤差進(jìn)行區(qū)別建模，采用不同類(lèi)型的預(yù)測(cè)誤差分別代替其出力的不確定性，以保證充足的旋轉(zhuǎn)備用。算例表明，所建模型能夠在風(fēng)光荷預(yù)測(cè)誤差不確定的情況下，綜合考慮環(huán)境污染成本和風(fēng)光荷出力成本的情況下達(dá)到最優(yōu)；系統(tǒng)預(yù)留的旋轉(zhuǎn)備用容量要合理，以避免備用不足和備用預(yù)留過(guò)多的浪費(fèi)；調(diào)度決策人員可以根據(jù)系統(tǒng)的實(shí)際情況設(shè)定不同的隨機(jī)和模糊置信指標(biāo)，在成本與可靠性之間進(jìn)行權(quán)衡，達(dá)到最好的綜合效益。

[1]孫元章，吳俊，李國(guó)杰，等（Sun Yuanzhang，Wu Jun，Li Guojie，et al）.基于風(fēng)速預(yù)測(cè)和隨機(jī)規(guī)劃的含風(fēng)電場(chǎng)電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度（Dynamic economic dispatch con?sidering 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），2009，29（4）：41-47．

[2]王進(jìn)，劉嬌，陳加飛，等（Wang Jin，Liu Jiao，Chen Jiafei，et al）.計(jì)及風(fēng)電不確定性的配電網(wǎng)無(wú)功模糊優(yōu)化（Re?search on reactive power fuzzy optimization of distribution network with wind turbines）[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)（Proceedings of the CSU-EPSA），2015，27（6）：8-13.

[3]陳謙，谷凡超，金宇清，等（Chen Qian，Gu Fanchao，Jin Yuqing，et al）.含大型風(fēng)電場(chǎng)的電力系統(tǒng)節(jié)能發(fā)電調(diào)度技術(shù)（Energy-saving generation dispatch of power system in?cluding large-scale wind farms）[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)（Proceedings of the CSU-EPSA），2014，26（6）：14-19.

[4]劉陽(yáng)升，周任軍，李星朗，等（Liu Yangsheng，Zhou Ren?jun，Li Xinglang，et al）.碳排放權(quán)交易下碳捕集機(jī)組的廠內(nèi)優(yōu)化運(yùn)行（Inside-plant optimal operation of carbon capture unit under carbon emission right trade）[J].電網(wǎng)技術(shù)（Power System Technology），2013，37（2）：295-300.

[5]孫翠英（Sun Cuiying）.基于可信性理論含規(guī)?；L(fēng)電的機(jī)組組合問(wèn)題研究（Credibility Theory Based Research on Unit Commitment with Large Scale Wind Farm）[D].北京：華北電力大學(xué)電氣與電子工程學(xué)院（Beijing：School of Electrical and Electronic Engineering，North China Electric Power University），2011．

[6]熊虎，向鐵元，陳紅坤，等（Xiong Hu，Xiang Tieyuan，Chen Hongkun，et al）.含大規(guī)模間歇式電源的模糊機(jī)會(huì)約束機(jī)組組合研究（Research of fuzzy chance con?strained unit commitment containing large-scale intermit?tent power）[J].中國(guó)電機(jī)工程學(xué)報(bào)（Proceedings of the CSEE），2013，33（13）：36-44．

[7]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．

[8]南曉強(qiáng)，李群湛（Nan Xiaoqiang，Li Qunzhan）.考慮風(fēng)功率預(yù)測(cè)誤差分布的儲(chǔ)能功率與容量配置法（Energy storage power and capacity allocation based on wind pow?er forecasting error distribution）[J].電力自動(dòng)化設(shè)備（Electric Power Automation Equipment），2013，33（11）：117-122．

[9]徐曼，喬穎，魯宗相（Xu Man，Qiao Ying，Lu Zongxiang）.短期風(fēng)電功率預(yù)測(cè)誤差綜合評(píng)價(jià)方法（A comprehen? sive error evaluation method for short-term wind power prediction）[J].電力系統(tǒng)自動(dòng)化（Automation of Electric Power Systems），2011，35（12）：20-26．

[10]Bouffard F，Galiana F D.Stochastic security for opera?tions planning with significant wind power generation[J].IEEE Trans on Power Systems，2008，23（2）：306-316.

[11]吳杰康，唐力（Wu Jiekang，Tang Li）.含不確定性負(fù)荷的水火電力系統(tǒng)隨機(jī)優(yōu)化調(diào)度（Stochastic optimization scheduling method for hydrothermal power systems with stochastic loads）[J].中國(guó)電機(jī)工程學(xué)報(bào)（Proceedings of the CSEE），2012，32（28）：36-43．

[12]Wang M Q，Gooi H B.Spinning reserve estimation in microgrids[J].IEEE Trans on Power Systems，2011，26（3）：1164-1174．

[13]Doherty R，Malley O'M.A new approach to quantify re?serve demand in systems with significant installed wind capacity[J].IEEE Trans on Power Systems，2005，20（2）：587-595.

[14]葉珍（Ye Zhen）.基于AHP的模糊綜合評(píng)價(jià)方法研究及應(yīng)用（Study and Application of Fuzzy Comprehensive Evaluation Based on AHP）[D].廣州：華南理工大學(xué)自動(dòng)化科學(xué)與工程學(xué)院（Guangzhou：College of Automation Science and Engineering，South China University of Tech?nology），2010.

[15]孔峰，劉鴻雁（Kong Feng，Liu Hongyan）.AHP綜合排序算法分析及其改進(jìn)（Analysis and improvement on final ranking of AHP algorithm）[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)（Journal of Harbin Institute of Technology），2009，41（4）：260-263．

[16]丁曉東（Ding Xiaodong）.不確定系統(tǒng)優(yōu)化理論與應(yīng)用研究（A Study on Optimal Theory and Its Application for Uncertain Systems）[D].上海：東華大學(xué)信息科學(xué)與技術(shù)學(xué)院（Shanghai：College of Information Science and Technology，Donghua University），2002．

[17]Ting T O，Rao M V C，Loo C K.A novel approach for unit commitment problem via an effective hybrid particle swarm optimization[J].IEEE Trans on Power Systems，2006，21（1）：411-418．

[18]姜欣，陳紅坤，熊虎，等（Jiang Xin，Chen Hongkun，Xiong Hu，et al）.基于預(yù)測(cè)誤差不確定性的規(guī)?；g歇式電源機(jī)組組合研究（A prediction error uncertainty based day-ahead unit commitment of large-scale intermittent pow?er generation）[J].電網(wǎng)技術(shù)（Power System Technology），2014，38（9）：2455-2460．

Economic Dispatch of Power System Considering the Prediction Error of Wind Power，Solar Energy and Load

SHENG Siqing，ZHANG Li
（School of Electrical and Electronic Engineering，North China Electric Power University，Baoding 071003，China）

TM73

A

1003-8930（2017）09-0080-06

10.3969/j.issn.1003-8930.2017.09.014

2015-07-29；

2016-06-12

國(guó)家自然科學(xué)基金資助項(xiàng)目（51277075）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金資助項(xiàng)目（12MS110）

盛四清（1965—），男，博士，教授，研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行、分析與控制。Email：hdsqsheng@163.com

張 立（1990—），男，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行、分析與控制。Email：jsuzhl@163.com