基于異質(zhì)能源多時間尺度互補的動態(tài)經(jīng)濟調(diào)度策略

劉喬波，謝平平，歐陽金鑫，朱繼忠，熊小伏，禤培正

(1. 重慶大學 輸配電裝備及系統(tǒng)安全與新技術國家重點實驗室，重慶 400044；2. 南方電網(wǎng)科學研究院，廣東 廣州 510663)

0 引言

隨著環(huán)境問題和能源枯竭問題的日益加劇，風能和太陽能等可再生能源得到了極大的發(fā)展，所占能源比重大幅上升。然而，由于風能和太陽能具有間歇性、波動性、隨機性以及反調(diào)峰特性[1-3]，大規(guī)模新能源并網(wǎng)給電力系統(tǒng)的經(jīng)濟調(diào)度帶來了嚴重的挑戰(zhàn)[4-8]。

異質(zhì)能源是指能源種類和出力特性不同的能源。風光水火等異質(zhì)能源在出力時空特性以及調(diào)節(jié)能力上具有一定的互補性，且其互補特性的強弱與時間尺度有關[9]。充分利用異質(zhì)能源之間的互補特性形成混合系統(tǒng)聯(lián)合運行，可有效地緩解單一風力或光伏發(fā)電帶來的波動性和反調(diào)峰特性[10-13]。在混合系統(tǒng)短期調(diào)度方面，文獻[14]引入環(huán)境污染懲罰成本和備用容量懲罰成本，建立了含有風光互補電力的動態(tài)經(jīng)濟調(diào)度模型；文獻[15]將新能源和常規(guī)電源打捆調(diào)度，提出了計及風、光、水、火4種能源含三層調(diào)度模型的日前聯(lián)合調(diào)度方案；文獻[16]通過提取不同頻率下的風光出力分量，制定各類補償電站出力計劃，提出風光水氣儲聯(lián)合系統(tǒng)日前調(diào)度策略。然而，現(xiàn)有文獻多是針對單一日前時間尺度下互補調(diào)度策略的研究，鮮有研究日內(nèi)時間尺度的互補調(diào)度決策，由于日前風光預測存在較大偏差[17]，實際情況下互補系統(tǒng)的互補效果往往大打折扣，日前計劃確定的混合電源出力對實際負荷曲線的平滑效果也十分有限，從而導致調(diào)度壓力和發(fā)電費用的增加。

目前，國內(nèi)傳統(tǒng)短期調(diào)度主要采用日前調(diào)度計劃和自動發(fā)電控制(AGC)相結(jié)合的調(diào)度方式，時間尺度跨度大、調(diào)度模式較粗放，難以適應大規(guī)模新能源接入后的電網(wǎng)調(diào)度[17]，現(xiàn)有一些研究通過多時間尺度調(diào)度計劃的協(xié)調(diào)配合來提高電網(wǎng)對新能源的消納能力[18-19]。文獻[17]根據(jù)風電預測精度隨時間尺度逐級提高的特性，提出了多時間尺度協(xié)調(diào)的有功調(diào)度模式；文獻[20]將風電和負荷預測值用模糊參數(shù)表示，建立了多時間尺度下基于模糊機會約束的動態(tài)經(jīng)濟調(diào)度模型；文獻[21]建立了多時間尺度下協(xié)調(diào)機組組合的含并網(wǎng)風電電力系統(tǒng)旋轉(zhuǎn)備用預留容量的優(yōu)化模型。然而，上述文獻幾乎都只是針對含風電簡單混合系統(tǒng)的多時間尺度調(diào)度模型，極少考慮光伏，沒有利用能源間的互補特性，同時在棄風棄光約束的處理上也比較簡單。

基于上述分析，本文提出風光水火等多種異質(zhì)能源多時間尺度互補的動態(tài)經(jīng)濟調(diào)度策略。首先，利用異質(zhì)能源間的互補特性將風光水打捆成虛擬電源VP(Virtual Power)，并定義負荷跟蹤指標使VP出力能很好地追蹤負荷曲線。同時，建立含日前24 h計劃、日內(nèi)4 h滾動計劃以及實時15 min計劃在內(nèi)的多時間尺度互補協(xié)同調(diào)度模型，設置遞進修正的棄風棄光約束，使得前一尺度調(diào)度計劃中風光消納困難的時段在下一尺度調(diào)度計劃中具有更大的棄風棄光上調(diào)裕度。利用不斷更新的預測信息，考慮不同時間尺度下的互補特性，滾動修正水電、火電調(diào)度計劃和棄風棄光約束，從而保持VP對負荷的良好追蹤，有效地提升互補系統(tǒng)實際的互補和平抑效果，并逐級減輕火電調(diào)度壓力，最終達到兼顧系統(tǒng)調(diào)節(jié)效益、環(huán)保效益以及經(jīng)濟效益的目的。

1 互補特性分析

1.1 多種異質(zhì)能源互補特性分析

風光水火等多種異質(zhì)能源之間的互補特性包括出力時空特性和調(diào)節(jié)能力2個方面，具體關系如圖1所示。

圖1 多種異質(zhì)能源互補特性關系圖Fig.1 Complementary characteristics of various heterogeneous energies

風電和光伏出力具有天然的時空互補性。在時間上，風、光這2種能源在各種時間尺度上均具有良好的互補特性。從月時間尺度來看，冬季風能一般較強，太陽能較弱，而夏季風能較弱，太陽能較強，因此夏、冬這2季風光互補特性較好；從日時間尺度來看，晴天太陽能充足，風能較弱，而陰雨天則恰好相反；從小時時間尺度來看，白天光伏電站出力較大，風電機組出力較小，而夜間光伏電站出力為0，風電機組出力較大。在空間上，中國北部大陸和東部沿海廣域范圍內(nèi)分布的風能和太陽能具有良好的各時間尺度下的空間互補性，而且2種可再生能源分散的面積越大，日、小時級別時間尺度下的空間互補性就越強[9]。

風電和水電在時間上也呈現(xiàn)良好的互補特性。在我國內(nèi)陸如西北、華北和東北等地區(qū)，往往冬、春季風能豐富，水資源短缺，而夏、秋季則水資源豐富，風能貧乏，構(gòu)建風水互補系統(tǒng)可以在充分利用風電資源的同時提高水電的調(diào)峰能力[22]。

在調(diào)節(jié)能力方面，各異質(zhì)能源也形成良好互補。風電、光伏出力主要與環(huán)境溫度、太陽輻射以及天氣變化有關，故其呈現(xiàn)明顯的日循環(huán)和季循環(huán)特征，并具有較強的間歇性與波動性，可控性差。而水電和火電則具有較強的可控性，水電的調(diào)節(jié)庫容使其可在一定范圍內(nèi)自由調(diào)節(jié)，并不完全受自然降水、河道徑流的影響，而火電機組也能通過啟停調(diào)峰和壓出力調(diào)峰來應對風光波動。此外，在調(diào)解速率方面，水電和火電也具有互補性。調(diào)整指令發(fā)出后，水電機組通?？稍? s之內(nèi)快速響應，且調(diào)節(jié)速率快，可達每秒1%～2%Pe(Pe為額定功率)。而火電機組響應延遲久，調(diào)節(jié)方向不易改變，調(diào)節(jié)速率慢，僅為每分鐘1.5%～3%Pe[23]?；诖颂匦?，火電機組可用于承擔基荷；水電機組則可做快速調(diào)節(jié)機組，平抑風光波動。

綜上所述，利用多種異質(zhì)能源間的互補特性，將其配置為VP，并合理安排調(diào)度方式，將產(chǎn)生較大的綜合效益。

1.2 負荷跟蹤指標

從上述異質(zhì)能源互補特性的分析可知，風電和光伏出力具有良好的時空互補性，且水電可控性強、調(diào)節(jié)速率快，可以快速調(diào)節(jié)風光出力波動，故從出力時空特性和調(diào)節(jié)能力兩方面綜合考慮，將風、光、水這3種能源配置為VP，即風光水電站。為了評價VP出力對負荷曲線的跟蹤能力，定義負荷跟蹤指標Nr，Nr越小，表明VP出力曲線對負荷曲線的跟蹤和平滑效果越好。通過優(yōu)化，使VP出力曲線與負荷曲線的波動基本一致，達到削峰填谷的目的。經(jīng)VP平抑后的負荷曲線稱為優(yōu)化負荷曲線Pr，其值等于在負荷曲線上扣除VP的工作位置。

Nr=m1Dt+m2Ds+m3Dc

(1)

(2)

Pv.t=Pw.t+Pp.t+Ph.t

(3)

(4)

Pr.t=PL .t-Pv.t

(5)

(6)

由于風電和光伏出力的可控性差，除少數(shù)負荷在低谷時段需適當棄風棄光外，優(yōu)化VP出力幾乎等同于優(yōu)化水電出力。使VP與常規(guī)火電站一起參與系統(tǒng)調(diào)度，VP始終保持開機狀態(tài)，并且當負荷一定時，VP的出力保持不變。

2 滾動調(diào)度模型基本架構(gòu)

由于互補系統(tǒng)的互補效果以及VP對負荷的跟蹤能力隨時間步長的減少而提高，故本文設計了含日前24 h計劃、日內(nèi)4 h滾動計劃和實時15 min計劃在內(nèi)的3種時間尺度的調(diào)度計劃。

日前24 h計劃在每日24∶00制定一次，根據(jù)日前24 h共96個時段的風、光及負荷的短期預測值，利用多種異質(zhì)能源的互補特性，通過負荷跟蹤指標Nr安排水電機組出力，在此基礎上進一步安排火電機組的啟停機計劃和大致出力計劃。

日內(nèi)4 h滾動計劃每15 min滾動制定一次，在日前24 h計劃的基礎上，依據(jù)最新上報的未來4 h風、光及負荷超短期預測值，在保證VP對負荷良好追蹤的前提下，對[t+1，t+17]時段的發(fā)電計劃進行調(diào)整，同時為了避免反復地調(diào)整日內(nèi)滾動計劃，僅對[t+16，t+17]時段的水電、火電出力和機組組合狀態(tài)進行實際在線修正控制。

實時15 min計劃也是每15 min滾動制定一次，在日內(nèi)4 h滾動計劃確定的機組出力值的基礎上，依據(jù)最新的未來15 min實時預測值，對下一個調(diào)度時段(未來15 min)的機組出力值進行在線修正。

3種時間尺度的調(diào)度計劃如圖1所示。

圖2 各時間尺度調(diào)度計劃Fig.2 Dispatch plans with different time scales

3 各時間尺度調(diào)度模型及求解

3.1 日前24 h計劃

日前24 h計劃分為兩層，即VP優(yōu)化調(diào)度層和火電優(yōu)化調(diào)度層，每層需要遵循一個目標函數(shù)。第一層以負荷跟蹤指標Nr最小為目標函數(shù)，得到VP出力曲線和日前優(yōu)化負荷曲線Pr.24 h。然后，在Pr.24 h上安排常規(guī)火電的工作位置，以火電機組總發(fā)電成本最低為第二層的目標函數(shù)。

目標函數(shù)如下：

minNr=m1Dt+m2Ds+m3Dc

(7)

Ui.t(1-Ui.t-1)Si]

(8)

約束條件如下。

a. 功率平衡約束。

(9)

b. 機組有功出力約束。

(10)

其中，Pw.max為風電機組的出力上限；Pp.max為光伏電站的出力上限；Pmin.h和Ph.max分別為水電機組的出力下限和出力上限；Pmin.i和Pmax .i分別為火電機組i的出力下限和出力上限。

c. 機組爬坡能力約束。

(11)

其中，Ru.i、Rd.i分別為火電機組i的爬坡速率和滑坡速率。

d. 機組最小開停機時間約束。

(12)

e. 棄風、棄光約束。

(13)

f. 系統(tǒng)旋轉(zhuǎn)備用約束。

Rst=Rt.st+Rh.st≥αPw.t+βPp.t+γPL .t

(14)

其中，Rst為t時段系統(tǒng)所能增加的旋轉(zhuǎn)備用總?cè)萘?；Rt.st、Rh.st分別為t時段火電機組和水電機組所能增加的旋轉(zhuǎn)備用量；α為系統(tǒng)風電出力預測誤差對旋轉(zhuǎn)備用的需求；β為光伏出力預測誤差對旋轉(zhuǎn)備用的需求；γ為負荷預測誤差對旋轉(zhuǎn)備用的需求。

3.2 日內(nèi)4 h滾動計劃

對于當前時段t，依據(jù)最新未來4 h風、光及負荷超短期預測值，在保證VP追蹤能力的前提下，重新規(guī)劃[t+1，t+17]時段水電和火電機組出力及機組組合狀態(tài)。同時，為了避免日內(nèi)滾動計劃反復調(diào)節(jié)，僅對[t+16，t+17]時段進行實際調(diào)整。

日內(nèi)4 h滾動計劃仍包含VP優(yōu)化調(diào)度層和火電優(yōu)化調(diào)度層兩層計劃。但是，由于本時間尺度較小，周期較短，異質(zhì)能源互補性的全局性明顯次于日前24 h調(diào)度計劃，若繼續(xù)以[t+1，t+17]時段內(nèi)Nr最小值作為VP優(yōu)化調(diào)度層的目標函數(shù)，將會使求出的該時段的日內(nèi)4 h優(yōu)化負荷曲線Pr.4 h.T與該時段的日前24 h優(yōu)化負荷曲線Pr.24 h.T出現(xiàn)較大偏差，從而導致火電調(diào)度計劃的大幅變動?；诖?，VP優(yōu)化調(diào)度層直接以本時段的Pr.4 h.T與Pr.24 h.T相同為目標函數(shù)來修正水電出力，超出水電調(diào)節(jié)范圍的才更改Pr.4 h.T即調(diào)整火電出力計劃。

火電優(yōu)化調(diào)度層以本時段內(nèi)火電出力調(diào)整成本和啟停成本最低為目標函數(shù)?；痣姍C組組合狀態(tài)的微調(diào)主要是按照優(yōu)先順序法確定的機組開機優(yōu)先權(quán)來安排中小火電機組的快速啟停。

目標函數(shù)如下：

Pr.4 h .T=Pr.24 h .T

(15)

(16)

約束條件如下。

a. 棄風、棄光約束。

(17)

其中，Ww.24 h .T、Wp.24 h .T分別為日前計劃在[t+1，t+17]時段內(nèi)所確定的棄風、棄光容量；ΔWw.4 h .T、ΔWp.4 h .T分別為日內(nèi)滾動計劃在該時段內(nèi)所允許增加的棄風、棄光容量調(diào)整量；λ1、λ2為調(diào)整系數(shù)，按需求設置；C2、C2為常數(shù)。

由于日前計劃中棄風、棄光量越多的時段，實際調(diào)度中越容易出現(xiàn)較強的反調(diào)峰特性，風光消納越容易出現(xiàn)困難，通過這樣的修正，可以使得日前計劃中棄風、棄光量更大的時段，在日內(nèi)4 h滾動計劃中具有更大的棄風、棄光上調(diào)裕度，有效避免可能出現(xiàn)的風光消納困難的情況，從而優(yōu)化互補系統(tǒng)的實際互補和平抑效果，減少火電出力的波動，提升系統(tǒng)運行的經(jīng)濟性和安全性。

b. 機組最小開停機時間約束。

啟停時間小于4 h的機組才參與啟停，即：

(18)

其中，Tstart.i和Tstop.i分別為機組i的啟動、停止時間。

其余約束與日前24 h計劃類似。

3.3 實時15 min計劃

同樣地，實時15 min計劃通過令下一調(diào)度時段的實時15 min優(yōu)化負荷曲線的取值Pr.min .t與日內(nèi) 4 h 優(yōu)化負荷曲線的取值Pr.4 h .t相同來調(diào)整VP出力，同時，由于上一時間尺度下的超短期預測精度已經(jīng)較高，故本時間尺度下水電和火電出力的調(diào)整量較小，且機組組合狀態(tài)不發(fā)生調(diào)整。此時以火電機組實時調(diào)整成本最小為目標，且無機組啟停費用項。

目標函數(shù)如下：

Pr.min .t=Pr.4 h.t

(19)

(20)

棄風、棄光約束如下：

(21)

其中，Pr.min .t、Pr.4 h .t分別為t時段實時15 min和日內(nèi)4 h 優(yōu)化負荷曲線的值；Ww.4 h .t、Wp.4 h .t分別為日內(nèi)4 h滾動計劃在t時段所確定的棄風和棄光容量；ΔWw.min.t、ΔWp.min.t分別為實時15 min調(diào)度計劃在t時段所允許增加的棄風、棄光容量調(diào)整量；λ3、λ4為調(diào)整系數(shù)，按需求設置；C3、C4為常數(shù)。

由于ΔWw.min .t和ΔWp.min .t對應的是時間跨度為1個時間點(15 min)的棄風、棄光調(diào)整量，而ΔWw.4 h .T、ΔWp.4 h .T對應的是時間跨度為16個時間點(4 h)的棄風、棄光調(diào)整量，因此實時15 min計劃的C3、C4應比日內(nèi)4 h計劃的C2、C2的值小。一般可以按照時間跨度的比例確定C3、C4與C2、C2的取值比例，同時考慮到實時調(diào)度階段棄風、棄光的需求可能更為急迫，可以適當為C3、C4的取值保留一定的裕度。

其余約束與日前24 h計劃類似。

3.4 模型求解

動態(tài)經(jīng)濟調(diào)度模型的求解主要包括2個部分：VP優(yōu)化調(diào)度層的求解，火電機組滾動優(yōu)化調(diào)度層的求解。首先通過螢火蟲算法(FA)[25]完成日前24 h計劃的第一層優(yōu)化，即VP的優(yōu)化調(diào)度，求取使負荷跟蹤度Nr最小的水電機組的出力曲線，基本步驟如圖3所示。

圖3 算法流程圖Fig.3 Flowchart of algorithm

完成VP優(yōu)化調(diào)度層的求解后，再采用優(yōu)先順序法求取各機組的啟停機順序，然后通過粒子群優(yōu)化(PSO)算法的滾動計算求解得出多種時間尺度調(diào)度計劃下火電機組的機組組合狀態(tài)、工作位置、發(fā)電總費用等，具體流程如下。

a. 采用PSO算法對日前調(diào)度模型進行求解：首先隨機初始化火電機組所有時段啟停狀態(tài)的初代種群；評價每個粒子的適應度值式(8)，并得到當前個體最優(yōu)位置和適應度值；更新粒子速度、個體最優(yōu)位置和全局最優(yōu)位置；滿足迭代次數(shù)，則停止搜索，輸出日前調(diào)度計劃的機組組合狀態(tài)、工作位置和發(fā)電總費用，否則返回繼續(xù)搜索。

b. 將日前調(diào)度計劃求得的機組組合狀態(tài)和工作位置直接代入日內(nèi)滾動模型中作為輸入量，以式(16)作為適應度值函數(shù)，仍采用PSO算法求解得到快速啟停機組的機組狀態(tài)、各機組工作位置以及調(diào)整費用。

c. 將日內(nèi)滾動計劃求得的機組組合狀態(tài)和工作位置直接代入實時調(diào)度模型中作為輸入量，以式(20)作為適應度值函數(shù)，繼續(xù)采用PSO算法優(yōu)化求解得到所有機組的工作位置以及調(diào)整費用。

4 算例分析

圖4 負荷預測曲線Fig.4 Predictive curves of load

圖5 風電出力預測曲線Fig.5 Predictive curves of wind power

圖6 光伏出力預測曲線Fig.6 Predictive curves of photovoltaic power

以某地區(qū)為例，該地區(qū)共有26臺火電機組，機組參數(shù)見附錄中表A1，總裝機容量為3 105 MW；水電總裝機容量為1 500 MW，水電機組出力下限為50 MW， 上限為1 500 MW；風電總裝機容量為1 400 MW；光伏總裝機容量為800 MW。圖4 — 6分別為該地區(qū)電網(wǎng)某夏季典型日上報的各時間尺度下負荷、風電及光伏功率預測曲線。負荷跟蹤指標權(quán)重系數(shù)m1=4、m2=4、m3=1。允許的最大棄風率δ2=0.05[26]，棄風調(diào)整系數(shù)λ1=λ3=0.1，由于光伏出力的不確定性較風電出力的不確定性更小，且光伏僅在白天出力，為了更好地利用風、光出力的互補性，應盡可能多地消納光伏出力，因此，令最大棄光率和棄光調(diào)整量適當小于最大棄風率和棄風調(diào)整量，最大棄光率δ2=0.03，棄光調(diào)整系數(shù)λ2=λ4=0.06，常數(shù)項C1=10 MW·h，C2=6 MW·h，C3=1 MW·h，C4=0.6 MW·h。

4.1 優(yōu)化調(diào)度結(jié)果

首先，對一天24 h連續(xù)的日前-日內(nèi)-實時調(diào)度結(jié)果進行分析。

在日前24 h計劃中，首先以式(7)為目標函數(shù)求出使Nr最小的VP出力，負荷曲線扣除VP出力后進一步得到日前優(yōu)化負荷曲線Pr.24 h，即火電出力曲線；接著，在Pr.24 h的位置以式(8)為目標函數(shù)安排26臺火電機組的工作位置，完成日前24 h計劃的第二層優(yōu)化；然后，利用日內(nèi)4 h滾動調(diào)度和實時15 min 調(diào)度計劃對日前調(diào)度結(jié)果進行遞進修正，最終的調(diào)度結(jié)果如圖7所示。從圖中可以看出，通過多時段滾動修正，VP出力曲線可以很好地跟蹤負荷曲線，使得火電出力曲線在大部分時段非常平滑，只在30 —40時間點之間出現(xiàn)較明顯的凸起，主要原因是此時段為負荷高峰期，而風電和光伏出力較弱，水電出力上調(diào)至最大值仍無法填補功率缺額，故只能上調(diào)火電出力。

圖7 24 h連續(xù)的日前-日內(nèi)-實時調(diào)度結(jié)果Fig.7 Day-ahead，intra-day and real-time dispatch results in 24 h

圖8顯示了經(jīng)過遞進修正后的各時間尺度調(diào)度計劃下的棄風、棄光情況。88—96時間點為深夜負荷低谷期，光伏出力為0，但風電出力大幅增加，具有強烈的反調(diào)峰特性，超過了水電的調(diào)節(jié)極限，日前24 h計劃確定的棄風容量已達棄風約束上限。在日內(nèi)4 h滾動計劃和實時15 min計劃中，此時段的風電出力預測值進一步增大，通過式(17)和式(21)對棄風、棄光約束進行上調(diào)修正后，實際的棄風量較日前計劃略微增加，避免了風光消納困難的情況，減少了火電出力的波動，通過少量風電的犧牲換取了互補系統(tǒng)互補效果和平抑效果的提升。

圖8 不同時間尺度調(diào)度計劃下的棄風情況Fig.8 Wind curtailment of different time-scale dispatch plan

為進一步分析不同時間尺度計劃下火電機組的調(diào)節(jié)情況，選取第32個時間點進行具體分析。該時間點的風、光及負荷日內(nèi)4 h超短期預測值較日前24 h短期預測值的偏差量分別為-48.3%、-41.2%、6.9%，而實時15 min預測值相較于日內(nèi)4 h超短期預測值的偏差量分別為-14.3%、-12.5%、1.27%。

在日內(nèi)4 h滾動計劃中，為了填補較大的功率缺額，首先應調(diào)用優(yōu)先級更高的水電機組，上調(diào)水電機組出力至其上限后，剩余303 MW的功率缺額需通過火電機組填補，26臺火電機組的出力調(diào)整情況如表1所示。由于將日前24 h計劃中所有開機機組出力上調(diào)至其最大調(diào)節(jié)速率也無法填補功率缺額，故應按已求出的機組啟停順序表，新開經(jīng)濟性較好的13號快速啟停機組，同時，其余已開機機組均達到其調(diào)節(jié)極限。

表1 第32個時間點火電機組在各時間尺度下的出力及調(diào)整值Table 1 Output and adjustment power of thermal power units during 32nd period with different time scales

在實時15 min調(diào)度計劃中，由于功率缺額進一步增大，故需要繼續(xù)上調(diào)火電機組出力。由于此時預測偏差量較小，無需開啟新機組，只需上調(diào)已開啟機組出力即可。優(yōu)先將經(jīng)濟性最好的17、18號機組增出力至滿發(fā)，再增加19號機組出力至滿足功率缺額。實時15 min計劃調(diào)整量比日內(nèi)4 h滾動計劃的功率調(diào)整量小，符合實際情況。通過各時間尺度調(diào)度計劃的遞進協(xié)調(diào)，實現(xiàn)了預測偏差量的逐級消納，減輕了調(diào)度人員及AGC機組的調(diào)節(jié)負擔。

4.2 與其他互補調(diào)度模型的對比分析

為了分析本文所提互補調(diào)度模型的優(yōu)越性，將其與另外3種互補調(diào)度模型進行對比研究。

調(diào)度模型A：多時段風光全消納模型。采用本文所提多時間尺度滾動調(diào)度模型，但風光全消納。

調(diào)度模型B：日前調(diào)度風光全消納模型。僅采用本文所提日前24 h調(diào)度模型對各種能源進行配置，且風光全消納。

調(diào)度模型C：日前調(diào)度棄風棄光模型。僅采用本文所提日前24 h調(diào)度模型對各種能源進行配置，但適當棄風、棄光。

各種調(diào)度模式下VP對負荷曲線的追蹤情況以及火電機組出力曲線分別如圖9、圖10所示?？梢钥闯?，本文所提調(diào)度模型中VP對負荷的追蹤最好，相應的火電機組出力曲線也最平滑。同樣采用多時間尺度滾動調(diào)度模型的模型A與本文所提調(diào)度模型的曲線走勢基本一致，但由于未適當棄風、棄光，其火電機組出力曲線在第90個時間點之后出現(xiàn)明顯缺口。同時，由于未進行滾動修正，模型B和C中VP的追蹤情況很差，火電機組出力曲線波動劇烈，其中，未適當棄風、棄光的模型B最差。

圖9 各調(diào)度模型下VP出力情況Fig.9 Output power of VP in each dispatch model

圖10 各調(diào)度模型下火電出力曲線Fig.10 Output power of thermal power units in each dispatch model

圖11—13給出了4種調(diào)度模型下水電和火電的功率調(diào)整量，調(diào)整量是當前尺度調(diào)度計劃相對于前一尺度調(diào)度計劃而言的?？梢钥闯觯疚乃嵴{(diào)度模型的火電調(diào)整量最小，2種時間尺度的調(diào)度計劃中，水電機組均承擔了大部分的調(diào)節(jié)任務，且實時15 min計劃中水電、火電出力調(diào)整量要明顯小于日內(nèi)4 h滾動計劃中的調(diào)整量，實現(xiàn)了遞進調(diào)節(jié)。模型A與本文所提調(diào)度模型的調(diào)整量接近，但由于未適當棄風、棄光，深夜負荷低谷時段的火電調(diào)整量明顯增大。模型B和C中無多時間尺度遞進調(diào)節(jié)，沒有對日前計劃確定的水電出力進行修正，僅依靠AGC機組參與快速調(diào)節(jié)，故只有火電調(diào)整量，且調(diào)整量均很大。

圖11 本文所提調(diào)度模型下水電、火電功率調(diào)整情況Fig.11 Power adjustment of hydropower and thermal power units in proposed dispatch model

圖12 調(diào)度模型A下水電、火電功率調(diào)整情況Fig.12 Power adjustment of hydropower and thermal power units in dispatch model A

圖13 調(diào)度模型B、C下水電和火電功率調(diào)整情況Fig.13 Power adjustment of hydropower and thermal power units in dispatch model B and C

表2比較了本文所提調(diào)度模型與調(diào)度模型A、B、C的棄風、棄光量和發(fā)電費用?？梢钥闯觯疚乃嵴{(diào)度模型的發(fā)電費用最少，模型B的發(fā)電費用最多。盡管棄風容量非常接近，包含多時段滾動計劃的本文調(diào)度模型的發(fā)電費用明顯低于僅含日前調(diào)度的調(diào)度模型C。同時，對比本文調(diào)度模型和模型A可知，少量的棄風可以帶來發(fā)電費用的明顯降低，更有利于系統(tǒng)運行的經(jīng)濟性。

表2 各調(diào)度模型的棄風、棄光指標和發(fā)電總費用比較Table 2 Comparison of wind curtailment，solar curtailment and generation costs among four dispatch models

4.3 負荷跟蹤指標權(quán)重系數(shù)影響分析

為了分析權(quán)重系數(shù)對負荷跟蹤指標優(yōu)化結(jié)果的影響，選取不同負荷跟蹤指標權(quán)重系數(shù)的組合對Nr進行優(yōu)化，并求出相應的相對波動率Dt、負荷波動標準差Ds、負荷功率變化率Dc以及日前24 h調(diào)度計劃的發(fā)電費用Ccost和棄風容量(棄光容量均為0)等指標，如表3所示。

表3 不同負荷跟蹤指標權(quán)重系數(shù)組合下的優(yōu)化結(jié)果Table 3 Optimization results with different combination of load tracking index weight coefficients

可以看出，m1、m2、m3分別取4、4、1時，優(yōu)化結(jié)果最好。分析表3數(shù)據(jù)可知，單獨增加某一指標的權(quán)重，可適當減小該指標的優(yōu)化結(jié)果，但同時會略微惡化另2個指標的優(yōu)化結(jié)果。若同時增加2個指標的權(quán)重，則可適當減小該2個指標的值，優(yōu)化結(jié)果較單獨增加1個指標權(quán)重的結(jié)果更好。但權(quán)重系數(shù)也不是越大越好，不論是單獨增加1個還是同時增加2個指標的權(quán)重，當權(quán)重系數(shù)繼續(xù)增加到8時，優(yōu)化結(jié)果都反而不如為4時好。進一步分析可知Dt和Ds對發(fā)電費用的影響較大，這2個指標越小則發(fā)電費用越小，Dt對棄風容量的影響也較大，Dt越小，棄風容量越小。

同時也可以看出，權(quán)重系數(shù)的變化對優(yōu)化結(jié)果的影響較小。

5 結(jié)論

針對目前單一的互補系統(tǒng)日前調(diào)度模型難以保證互補系統(tǒng)實際的互補及平抑效果的問題，本文提出了基于異質(zhì)能源多時間尺度互補的動態(tài)經(jīng)濟調(diào)度策略，該策略具有如下特點。

a. 利用負荷跟蹤指標，VP可以很好地跟蹤負荷曲線的波動，從而有效地平抑火電機組出力曲線。

b. 通過設置遞進修正的棄風、棄光約束，使前一尺度調(diào)度計劃中棄風、棄光容量更多的時段在下一尺度調(diào)度計劃中具有更大的棄風、棄光上調(diào)裕度，有效地避免可能出現(xiàn)的風光消納困難的情況，緩解間歇性電源的反調(diào)峰特性，以少量的棄風、棄光換取VP互補效果和追蹤能力的最大化。

c. 通過日內(nèi)多時間尺度的互補調(diào)度計劃，滾動修正水電和火電出力，能夠保持VP對負荷的良好追蹤，從而保證互補系統(tǒng)實際的互補和平抑效果。同時，也實現(xiàn)了火電機組的遞進調(diào)節(jié)，有效地減輕了調(diào)度人員及AGC機組的調(diào)節(jié)負擔。

整個調(diào)度計劃將異質(zhì)能源互補發(fā)電與多時間尺度調(diào)度計劃有效地結(jié)合，實現(xiàn)了調(diào)節(jié)效益、環(huán)保效益和經(jīng)濟效益的最大化，為多種新能源并網(wǎng)問題提供了有價值的解決方案。

附錄見本刊網(wǎng)絡版(http:∥www.epae.cn)。

參考文獻：

[1] 肖創(chuàng)英，汪寧渤，陟晶，等. 甘肅酒泉風電出力特性分析[J]. 電力系統(tǒng)自動化，2010，34(17)：64-67.

XIAO Chuangying，WANG Ningbo，ZHI Jing，et al. Power characteristics of Jiuquan wind power base[J]. Automation of Electric Power Systems，2010，34(17)：64-67.

[2] 汪寧渤. 甘肅酒泉千萬千瓦風電基地面臨的挑戰(zhàn)與應對措施[J]. 電網(wǎng)與清潔能源，2009，30(7)：43-47.

WANG Ningbo. Challenges and countermeasures of Jiuquan 10 million kilowatts wind power base in Gansu[J]. Power System and Clean Energy，2009，30(7)：43-47.

[3] 溫步瀛，盧鵬銘. 考慮季節(jié)差異性的不同時間尺度含風電系統(tǒng)旋轉(zhuǎn)備用優(yōu)化研究[J]. 電工電能新技術，2015，34(7)：45-52.

WEN Buying，LU Pengming. Spinning reserve optimization of power system with grid connected wind power at different time scales considering seasonal difference[J]. Advanced Technology of Electrical Engineering and Energy，2015，34(7)：45-52.

[4] 李茜，劉天琪，何川，等. 含風電系統(tǒng)的有功和備用協(xié)調(diào)優(yōu)化方法[J]. 電力自動化設備，2016，36(7)：7-14.

LI Qian，LIU Tianqi，HE Chuan，et al. Coordinated optimization of active power and reserve capacity for power grid with wind farm[J]. Electric Power Automation Equipment，2016，36(7)：7-14.

[5] 劉立陽，孟紹良，吳軍基. 基于風電預測誤差區(qū)間的動態(tài)經(jīng)濟調(diào)度[J]. 電力自動化設備，2016，36(9)：87-92.

LIU Liyang，MENG Shaoliang，WU Junji. Dynamic economic dis-patch based on wind power forecast error interval[J]. Electric Power Automation Equipment，2016，36(9)：87-92.

[6] STURT A，STRBAC G. Efficient stochastic scheduling for simulation of wind-integrated power systems[J]. IEEE Transactions on Power Systems，2012，27(1)：323-334.

[7] SILVA A M L L D，SALES W S，MANSO L A D F，et al. Long-term probabilistic evaluation of operating reserve requirements with renewable sources[J]. IEEE Transactions on Power Systems，2010，25(1):106-116.

[8] DENNY E，O’MALLEY M. Wind generation，power system opera-tion，and emissions reduction[J]. IEEE Transactions on Power Systems，2006，21(1):341-347.

[9] 劉怡，肖立業(yè)，Haifeng WANG，等. 中國廣域范圍內(nèi)大規(guī)模太陽能和風能各時間尺度下的時空互補特性研究[J]. 中國電機工程學報，2013，33(25)：20-26.

LIU Yi，XIAO Liye，Haifeng WANG，et al. Temporospatial complementarities between China’s wide-area wind and solar energy at different time scales[J]. Proceedings of the CSEE，2013，33(25)：20-26.

[10] 牛林華，龔慶武，黃炳翔，等. 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(diào)度[J]. 電力自動化設備，2015，35(11)：52-58.

NIU Linhua，GONG Qingwu，HUANG Bingxiang，et al. Optimal dispatch of wind-gas-coal power generation system with large-scale wind farm[J]. Electric Power Automation Equipment，2015，35(11)：52-58.

[11] YANG H，LU L，ZHOU W. A novel optimization sizing model for hybrid solar-wind power generation system[J]. Solar Energy，2007，81(1)：76-84.

[12] KAABECHE A，BELHAMEL M，IBTIOUEN R. Sizing optimization of grid-independent hybrid photovoltaic/wind power generation system[J]. Energy，2011，36(2)：1214-1222.

[13] RASOUL A，TAHER N，ALIREZA R，et al. Probabilistic multi-objective wind-thermal economic emission dispatch based on point estimated method[J]. Energy，2012(37)：322-335.

[14] 林虹江，周步祥，胡慶有，等. 基于風光互補電力入網(wǎng)的電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度[J]. 可再生能源，2014，32(11)：1671-1677.

LIN Hongjiang，ZHOU Buxiang，HU Qingyou，et al. Dynamic economic dispatch of power system with wind-PV power connected to grid[J]. Renewable Energy Resources，2014，32(11)：1671-1677.

[15] 曾雪婷，劉天琪，李茜，等. 基于虛擬電源配置策略的風光水火多源互補短期優(yōu)化調(diào)度[J]. 電網(wǎng)技術，2016，40(5)：1379-1386.

ZENG Xueting，LIU Tianqi，LI Qian，et al. Short-term complemen-tary optimal dispatch model of multi-source hybrid power system based on virtual power configuration strategy[J]. Power System Technology，2016，40(5)：1379-1386.

[16] 馬靜，石建磊，李文泉，等. 基于功率多頻率尺度分析的風光水氣儲聯(lián)合系統(tǒng)日前調(diào)度策略[J]. 電網(wǎng)技術，2013，37(6)：1491-1498.

MA Jing，SHI Jianlei，LI Wenquan，et al. A day-ahead dispatching strategy for power pool composed of wind farms，photovoltaic generations，pumped-storage power stations，gas turbine power plants and energy storage[J]. Power System Technology，2013，37(6)：1491-1498.

[17] 張伯明，吳文傳，鄭太一，等. 消納大規(guī)模風電的多時間尺度協(xié)調(diào)的有功調(diào)度系統(tǒng)設計[J]. 電力系統(tǒng)自動化，2011，35(1)：1-6.

ZHANG Boming，WU Wenchuan，ZHENG Taiyi，et al. Design of a multi-time scale coordinated active power dispatching system for accommodating large scale wind power penetration[J]. Automation of Electric Power Systems，2011，35(1)：1-6.

[18] 王魁，張步涵，閆大威，等. 含大規(guī)模風電的電力系統(tǒng)多時間尺度滾動協(xié)調(diào)調(diào)度方法研究[J]. 電網(wǎng)技術，2014，38(9)：2434-2440.

WANG Kui，ZHANG Buhan，YAN Dawei，et al. A multi-time scale rolling coordination scheduling method for power grid integrated with large scale wind farm[J]. Power System Technology，2014，38(9)：2434-2440.

[19] 黃楊，胡偉，閔勇，等. 考慮日前計劃的風儲聯(lián)合系統(tǒng)多目標協(xié)調(diào)調(diào)度[J]. 中國電機工程學報，2014，34(28)：4743-4751.

HUANG Yang，HU Wei，MIN Yong，et al. Multi-objective coordinative dispatch for wind-storage combined systems considering day-ahead generation schedules[J]. Proceedings of the CSEE，2014，34(28)：4743-4751.

[20] 翟俊義，任建文，周明，等. 含風電電力系統(tǒng)的多時間尺度模糊機會約束動態(tài)經(jīng)濟調(diào)度模型[J]. 電網(wǎng)技術，2016，40(4)：1094-1099.

ZHAI Junyi，REN Jianwen，ZHOU Ming，et al. Multi-time scale fuzzy chance constrained dynamic economic dispatch model for power system with wind power[J]. Power System Technology，2016，40(4)：1094-1099.

[21] 盧鵬銘，溫步瀛，江岳文. 基于多時間尺度協(xié)調(diào)機組組合的含風電系統(tǒng)旋轉(zhuǎn)備用優(yōu)化研究[J]. 電力系統(tǒng)保護與控制，2015，43(5)：94-100.

LU Pengming，WEN Buying，JIANG Yuewen. Study on optimization of spinning reserve in wind power integrated power system based on multiple timescale and unit commitment coordination[J]. Power System Protection and Control，2015，43(5)：94-100.

[22] 翁莎莎，云天吉. 基于AGC的風力、水力互補發(fā)電系統(tǒng)的研究[J]. 新能源，2011，10(31)：53-55.

WENG Shasha，YUN Tianji. Research on wind and hydro power complementary generation system based on AGC[J]. New Energy，2011，10(31)：53-55.

[23] 宋兆星，駱意，李國勝. 發(fā)電機組類型對 AGC 運行性能的影響及對策[J]. 電網(wǎng)技術，2005，29(18)：17-21.

SONG Zhaoxing，LUO Yi，LI Guosheng. The influence and counter measure of generating unit’s type on AGC operation performance[J]. Power System Technology，2005，29(18)：17-21.

[24] 徐林，阮新波，張步涵，等. 風光蓄互補發(fā)電系統(tǒng)容量的改進優(yōu)化配置方法[J]. 中國電機工程學報，2012，32(25)：88-98.

XU Lin，RUAN Xinbo，ZHANG Buhan，et al. An improved optimal sizing method for wind-solar-battery hybrid power system[J]. Proceedings of the CSEE，2012，32(25)：88-98.

[25] 劉文學，梁軍，贠志皓，等. 考慮節(jié)能減排的多目標模糊機會約束動態(tài)經(jīng)濟調(diào)度[J]. 電工技術學報，2016，31(1)：62-70.

LIU Wenxue，LIANG Jun，YUN Zhihao，et al. Multi-objective fuzzy chance constrained dynamic economic dispatch considering energy saving and emission reduction[J]. Transactions of China Eletrotechnical Society，2016，31(1)：62-70.

[26] 董文略，王群，楊莉. 含風光水的虛擬電廠與配電公司協(xié)調(diào)調(diào)度模型[J]. 電力系統(tǒng)自動化，2015，39(9)：75-82.

DONG Wenlüe，WANG Qun，YANG Li. A coordinated dispatching model for a distribution utility and virtual power plants with wind/photovoltaic/hydro generators[J]. Automation of Electric Power System，2015，39(9)：75-82.