基于多學(xué)科協(xié)同理論的可再生能源消納責(zé)任權(quán)重測算方法

陳荃，吳科成，曲毅，何春庚，黃彬彬，謝敏

(1．廣東電網(wǎng)有限責(zé)任公司，廣州市 510699；2．華南理工大學(xué)電力學(xué)院，廣州市 510640)

0 引 言

為貫徹深入推進(jìn)能源生產(chǎn)、消費(fèi)革命和電力體制改革總體要求，充分調(diào)動各方利用可再生能源的積極性，2018年3月、2018年9月、2018年11月，國家能源局形成了三版《關(guān)于實行可再生能源電力配額制的通知》(征求意見稿)。2019年5月，國家發(fā)展改革委、國家能源局聯(lián)合提出建立健全可再生能源電力消納保障機(jī)制，核心是確定各省級區(qū)域的可再生能源電量在電力消費(fèi)中的占比目標(biāo)，即“可再生能源電力消納責(zé)任權(quán)重”。2020年2月29日，國家發(fā)改委辦公廳、國家能源局綜合司要求各省要按照國家明確的消納責(zé)任權(quán)重，對行政區(qū)域內(nèi)承擔(dān)消納責(zé)任的各市場主體，明確其最低可再生能源電力消納責(zé)任權(quán)重，并按責(zé)任權(quán)重進(jìn)行考核。

可再生能源電力消納保障機(jī)制在2020年初正式生效并進(jìn)入考核階段，由國家能源部門確定各省(自治區(qū)、直轄市)可再生能源電力占全社會用電量的比重指標(biāo)，各省級能源主管部門牽頭承擔(dān)落實責(zé)任，制定本省級區(qū)域的可再生能源電力消納實施方案，并將方案報省級人民政府批準(zhǔn)后實施。由國家下發(fā)的可再生能源消納責(zé)任權(quán)重(以下簡稱權(quán)重)主要根據(jù)各地區(qū)可再生能源裝機(jī)占比、利用小時數(shù)與歷史可再生能源發(fā)電量等因素確定，并未從可再生能源在當(dāng)?shù)氐膶嶋H建設(shè)和在電網(wǎng)中的運(yùn)行情況等角度進(jìn)行更為細(xì)致和準(zhǔn)確的統(tǒng)籌考慮以及進(jìn)行權(quán)重值的優(yōu)化。大規(guī)模具有隨機(jī)性與波動性特征的可再生能源并網(wǎng)消納對現(xiàn)有的電力系統(tǒng)調(diào)節(jié)能力、火電機(jī)組深度調(diào)峰以及靈活爬坡提出了更高的要求[1]。如果權(quán)重指標(biāo)的設(shè)定未考慮上述因素，不僅會提高電網(wǎng)運(yùn)行成本，而且會增加新的能源消耗和碳排放，從而造成可再生能源消納的負(fù)擔(dān)。所以必須從全局出發(fā)，綜合考慮地區(qū)能源稟賦差異、可再生能源投運(yùn)對當(dāng)?shù)仉娋W(wǎng)系統(tǒng)所提出的靈活性、經(jīng)濟(jì)性需求，以及對全網(wǎng)碳排放帶來的影響等多種因素，系統(tǒng)、科學(xué)、優(yōu)化地設(shè)定權(quán)重指標(biāo)。通過更為細(xì)致和準(zhǔn)確的權(quán)重指標(biāo)計算，更為高效地挖掘地區(qū)電網(wǎng)可再生能源消納的能力和潛力，發(fā)覺該地區(qū)可再生能源消納的瓶頸，為后續(xù)電網(wǎng)規(guī)劃方案、運(yùn)行策略提供改進(jìn)措施，真正落實可再生能源電力消納，實現(xiàn)節(jié)能減排以及能源低碳轉(zhuǎn)型的發(fā)展目標(biāo)。

與我國可再生能源消納責(zé)任權(quán)重相對應(yīng)的是國外可再生能源配額，配額總量目標(biāo)的確定方法各不相同[2]，例如，英國按照各地區(qū)經(jīng)濟(jì)發(fā)展水平設(shè)定不同配額指標(biāo)[3]，日本根據(jù)各地網(wǎng)架堅強(qiáng)情況，通過在配額指標(biāo)前乘網(wǎng)架堅強(qiáng)系數(shù)分配不同指標(biāo)[4]，意大利則對不同發(fā)電企業(yè)設(shè)定相同的配額指標(biāo)[5]。配額總量優(yōu)化方面，文獻(xiàn)[6]通過評估政策和社會發(fā)展，探索到2020年荷蘭可再生電力生產(chǎn)的可行性部署，就經(jīng)濟(jì)效益、生態(tài)可持續(xù)性和生態(tài)穩(wěn)定性，分析不同因素對配額目標(biāo)的影響，指出配額目標(biāo)能否實現(xiàn)。文獻(xiàn)[7]提出了一種混合整數(shù)線性規(guī)劃模型，建立發(fā)電成本最低的優(yōu)化模型，在滿足特定的CO2排放目標(biāo)下對國家發(fā)電方案進(jìn)行優(yōu)化規(guī)劃。文獻(xiàn)[8]通過考慮電價、發(fā)電成本、發(fā)電量、碳排放量等影響因素，研究在提高可再生能源利用及減少碳排放量的目標(biāo)下，可再生能源配額制相對可再生能源生產(chǎn)稅抵政策更具有效益。

目前，國內(nèi)學(xué)者針對可再生能源電力消納保障機(jī)制頒布的指標(biāo)測算大多從設(shè)立多個場景以及多重目標(biāo)來進(jìn)行統(tǒng)籌優(yōu)化。文獻(xiàn)[9]結(jié)合可再生能源消納責(zé)任權(quán)重政策的中長期目標(biāo)，在設(shè)置不同場景可再生能源權(quán)重目標(biāo)的前提下，考慮了電力傳輸技術(shù)的投資成本、運(yùn)營維護(hù)成本等各類成本的學(xué)習(xí)效應(yīng)，建立了電力行業(yè)多區(qū)域優(yōu)化模型，比較并分析了多場景下可再生能源消納目標(biāo)的最優(yōu)技術(shù)演進(jìn)路徑，進(jìn)而根據(jù)各類機(jī)組裝機(jī)的演進(jìn)路徑計算可再生能源發(fā)電比例，該文獻(xiàn)雖然充分探討和研究了電力傳輸技術(shù)下配額制政策的中長期影響，但缺乏對實際電力系統(tǒng)運(yùn)行的模擬，并沒有對可再生能源并網(wǎng)所產(chǎn)生的波動風(fēng)險進(jìn)行描述和討論。而文獻(xiàn)[10-11]均采用多重目標(biāo)規(guī)劃模型進(jìn)行定量分析，針對電力消費(fèi)量、非化石能源消耗、CO2排放建立子目標(biāo)函數(shù)，測算在不同場景下的可再生能源消納目標(biāo)值，其中，文獻(xiàn)[10]側(cè)重于GDP、能源消費(fèi)量、CO2排放量及電力消費(fèi)等參數(shù)的預(yù)測及確定，文獻(xiàn)[11]則在考慮非化石能源消費(fèi)結(jié)構(gòu)和電力消費(fèi)的前提下，將可再生能源配額比例分為固定比例和浮動比例，并按照各省市區(qū)的可再生能源資源稟賦狀況確定浮動比例大小，權(quán)重指標(biāo)的設(shè)定更具有靈活性，但針對電網(wǎng)的實際運(yùn)行考慮較為粗略，僅采用調(diào)整率一個指標(biāo)進(jìn)行描述。文獻(xiàn)[12]基于雙目標(biāo)節(jié)能調(diào)度模型的可再生能源消納保障機(jī)制福利效果分析方法，建立了在煤耗最小化的前提下成本最小的雙目標(biāo)節(jié)能調(diào)度模型，分析比較不同比例下機(jī)組運(yùn)行所需的各類成本，得到當(dāng)可再生能源比例從10%增大到20%時單位降耗成本最低的結(jié)論。文獻(xiàn)[13]則利用可再生能源發(fā)電的裝機(jī)容量和單位投資成本數(shù)據(jù)，在最低單位機(jī)組投資成本下的場景得到可再生能源發(fā)電的學(xué)習(xí)曲線模型，通過對GDP、總裝機(jī)容量、小水電成本等參數(shù)進(jìn)行擬合與預(yù)測，來測算可再生能源消納目標(biāo)值。

綜上所述，目前國內(nèi)外研究均有從多個角度對再生能源的消納目標(biāo)值進(jìn)行建模，但大多是基于宏觀角度對未來的數(shù)據(jù)進(jìn)行擬合與預(yù)測，并未考慮實際可再生能源并網(wǎng)后對電網(wǎng)產(chǎn)生的沖擊和影響，其工程應(yīng)用仍有待完善。本文引入多學(xué)科協(xié)同優(yōu)化理論，設(shè)置電網(wǎng)運(yùn)行綜合成本最優(yōu)的系統(tǒng)目標(biāo)函數(shù)，從安全約束最優(yōu)經(jīng)濟(jì)調(diào)度、靈活輔助市場提供缺額容量以及不同發(fā)電企業(yè)碳配額購買限制的角度建立3個并行子學(xué)科，分別體現(xiàn)可再生能源電力消納的經(jīng)濟(jì)性、對電網(wǎng)安全可靠性影響以及碳排環(huán)保效益3個方面的社會意義；通過系統(tǒng)級目標(biāo)與子學(xué)科目標(biāo)互相迭代收斂的方式實現(xiàn)最優(yōu)成本的測算，從而計算出適合該地區(qū)的可再生能源消納權(quán)重指標(biāo)。本文所提的可再生能源消納權(quán)重最優(yōu)值測算方法針對可再生能源在當(dāng)?shù)氐膶嶋H建設(shè)和在電網(wǎng)中的運(yùn)行情況等角度進(jìn)行更為細(xì)致和準(zhǔn)確的統(tǒng)籌考慮，并從經(jīng)濟(jì)、安全以及環(huán)保等多角度進(jìn)行權(quán)重值的優(yōu)化。該測算理論已在某實際省級電力系統(tǒng)獲得工程應(yīng)用。

1 多學(xué)科協(xié)同優(yōu)化理論

本文所采用的多學(xué)科協(xié)同優(yōu)化理論(multidisciplinary collaborative optimization, MCO)是一種二級多學(xué)科設(shè)計優(yōu)化算法(multidisciplinary design optimization，MDO)，該算法由美國國家航空航天局(National Aeronautics and Space Administration，NASA)高級研究院的Sobieszczanki-Sobieski提出，該方法克服了傳統(tǒng)設(shè)計優(yōu)化問題容易忽略各個子系統(tǒng)之間內(nèi)在聯(lián)系的問題，并最初在當(dāng)時的航空優(yōu)化領(lǐng)域獲得工程應(yīng)用[14]。MCO理論的核心思想是將原來復(fù)雜的設(shè)計優(yōu)化問題按照學(xué)科或者其他標(biāo)準(zhǔn)分解為層次式的二級優(yōu)化結(jié)構(gòu)：頂層，即系統(tǒng)級優(yōu)化問題；底層，即子學(xué)科優(yōu)化問題。該理論具有良好的學(xué)科自治性和并行計算能力，目前已在減速器、衛(wèi)星、潛艇、船舶以及飛行器[15-19]等復(fù)雜系統(tǒng)的整體設(shè)計和優(yōu)化方面得到了廣泛的應(yīng)用。在MCO理論中，首先根據(jù)系統(tǒng)級優(yōu)化問題傳下來的設(shè)計變量目標(biāo)對各子學(xué)科優(yōu)化問題進(jìn)行求解，然后將各子學(xué)科優(yōu)化問題的優(yōu)化結(jié)果返回到系統(tǒng)級，系統(tǒng)級優(yōu)化問題根據(jù)這些優(yōu)化結(jié)果形成一致性等式約束以解決各個子學(xué)科之間耦合變量的偏差問題，繼而通過頂層和底層問題的不斷迭代，最終求出系統(tǒng)級優(yōu)化問題的最優(yōu)解。其數(shù)學(xué)模型可以表達(dá)如下。

系統(tǒng)級優(yōu)化模型為：

minF

(1)

(2)

子學(xué)科i優(yōu)化模型為：

(3)

s.t.ci(xi)≤0

(4)

MCO算法框架如圖1所示?？梢?，在MCO算法中，系統(tǒng)級用以解決各個子學(xué)科之間耦合變量的偏差問題，子學(xué)科級則用以實現(xiàn)復(fù)雜設(shè)計優(yōu)化問題的解耦及各個部分的優(yōu)化工作，最后通過兩級之間設(shè)計變量反復(fù)迭代直至收斂的方式得到最優(yōu)解。文獻(xiàn)[20]對MCO問題的收斂性進(jìn)行了論證。

圖1 多學(xué)科協(xié)同優(yōu)化算法概念Fig.1 The concept map of multidisciplinary collaborative optimization

MCO對比其他優(yōu)化算法具有以下優(yōu)點：

1)多學(xué)科協(xié)同算法可以將復(fù)雜的設(shè)計優(yōu)化問題分解為簡單的子學(xué)科問題，從而降低大型設(shè)計優(yōu)化模型的求解維度以及計算難度和計算時間，尤其適用于求解大規(guī)模復(fù)雜優(yōu)化問題；

2)當(dāng)設(shè)計優(yōu)化模型中探討的問題被分解為子學(xué)科問題后，可以更為獨立、自由地分析討論各子學(xué)科問題的模型建立，并將各個領(lǐng)域中已經(jīng)成熟的優(yōu)化技術(shù)移植到子學(xué)科模型中，不僅體現(xiàn)了優(yōu)化求解的繼承性，也提高了優(yōu)化計算的效率；

3)多學(xué)科的各個子學(xué)科問題可以用來表示具有特定設(shè)計的工程與特定的實際物理部件，具備模塊化設(shè)計的優(yōu)勢，便于組織管理。

2 可再生能源消納責(zé)任權(quán)重指標(biāo)測算模型

如上所述，多學(xué)科理論對于含多種類型的大規(guī)模復(fù)雜優(yōu)化問題尤為適合?？稍偕茉聪{責(zé)任權(quán)重測算問題涉及系統(tǒng)運(yùn)行、規(guī)劃、碳排放等多個領(lǐng)域，且須考慮經(jīng)濟(jì)性、靈活可靠性性、環(huán)保生態(tài)特性等多種類復(fù)雜約束，適合采用多學(xué)科協(xié)同優(yōu)化理論進(jìn)行求解。

風(fēng)光等可再生能源電力具有清潔、零燃料成本的巨大優(yōu)勢，但其出力的隨機(jī)波動性會導(dǎo)致電網(wǎng)中燃煤、燃?xì)獾瓤煽貦C(jī)組的頻繁啟停和深度調(diào)峰運(yùn)行，從而可能造成系統(tǒng)燃料費(fèi)用額外增加、系統(tǒng)靈活性下降、碳排放量升高等負(fù)面影響，當(dāng)可再生能源滲透率較高時，這些方面的影響將不容忽視，也將成為規(guī)劃可再生能源電力消納的重要因素。因此，有必要從提高系統(tǒng)運(yùn)行經(jīng)濟(jì)性和靈活可靠性，降低碳排放提高環(huán)保效益等多個角度，建立可再生能源電力消納最優(yōu)權(quán)重測算模型。本文選取電力系統(tǒng)總?cè)剂腺M(fèi)用、可再生能源并網(wǎng)后導(dǎo)致的系統(tǒng)靈活輔助爬坡容量缺額，以及碳配額購置成本3項指標(biāo)作為可再生能源消納責(zé)任最優(yōu)權(quán)重的優(yōu)化目標(biāo)。本文提出如下的可再生能源電力消納權(quán)重指標(biāo)的多學(xué)科協(xié)同優(yōu)化模型。

2.1 系統(tǒng)級權(quán)重計算模型

系統(tǒng)級優(yōu)化目標(biāo)即為測算模型各個子學(xué)科所涉及領(lǐng)域的總成本最小，根據(jù)計算模型的搭建及子學(xué)科問題的選取，總成本應(yīng)包括子學(xué)科1中的傳統(tǒng)機(jī)組煤炭消耗成本和各機(jī)組運(yùn)行成本，子學(xué)科2中將靈活爬坡缺額容量乘以懲罰系數(shù)視作的因可再生能源并網(wǎng)造成靈活爬坡容量缺額應(yīng)付出的成本，子學(xué)科3中目前實施的碳配額分配方案下系統(tǒng)須付出的碳配額購買成本，目標(biāo)函數(shù)如式(6)所示。式(7)為各個子學(xué)科迭代收斂的一致性約束。

(6)

(7)

2.2 子學(xué)科1: 安全約束最優(yōu)經(jīng)濟(jì)調(diào)度

安全約束最優(yōu)經(jīng)濟(jì)調(diào)度的子學(xué)科目標(biāo)函數(shù)為靠近系統(tǒng)分配下來的設(shè)計變量的最小平方和。

(8)

1)系統(tǒng)負(fù)荷平衡約束。對于每個t時段，負(fù)荷平衡約束可以描述為：

(9)

式中：PLoad(t)為t時段的系統(tǒng)負(fù)荷。

2)機(jī)組出力上下限約束。機(jī)組的出力應(yīng)該處于其最大/最小出力范圍之內(nèi)，其約束條件可以描述為：

(10)

式中：PGi,max和PGi,min分別表示常規(guī)機(jī)組i的最大有功出力和最小有功出力。

3)機(jī)組爬坡約束。機(jī)組上爬坡或下爬坡時，均應(yīng)滿足爬坡速率要求。爬坡約束可描述為：

(11)

式中：rui和rdi分別表示常規(guī)機(jī)組i的爬坡率和滑坡率；Tr為時間段。

4)系統(tǒng)備用容量約束。在確保系統(tǒng)功率平衡的前提下，為了防止系統(tǒng)負(fù)荷預(yù)測偏差以及各種實際運(yùn)行事故帶來的系統(tǒng)供需不平衡波動，一般整個系統(tǒng)需要留有一定的容量備用。

(12)

式中：γ表示系統(tǒng)備用容量系數(shù)，為系統(tǒng)備用容量要求。

5)線路有功潮流約束。線路潮流約束可以描述為：

|Pmn(t)|≤Pmn,max

(13)

式中：Pmn(t)表示節(jié)點m到節(jié)點n的傳輸線路在t時段的有功功率；Pmn,max表示節(jié)點m到節(jié)點n的傳輸線路的有功功率上限。

6)斷面潮流約束?？紤]關(guān)鍵斷面的潮流約束，該約束可以描述為：

(14)

式中：kline表示關(guān)鍵輸電斷面k所包含的線路條數(shù)；Pk,j(t)表示關(guān)鍵輸電斷面k中第j條線路在t時段傳輸?shù)挠泄β?；Pcut,max(k)表示關(guān)鍵輸電斷面k的有功潮流上限。

2.3 子學(xué)科2：靈活輔助市場缺額容量測算

為滿足系統(tǒng)凈負(fù)荷變動而進(jìn)行爬坡和滑坡的能力，傳統(tǒng)機(jī)組須提供靈活爬坡輔助服務(wù)。系統(tǒng)爬坡和滑坡能力要求如圖2所示。點A代表t0時刻調(diào)度凈負(fù)荷，點B代表t1時刻的凈負(fù)荷，點A至點B為凈負(fù)荷在此時段的波動性?？紤]到間歇性可再生能源發(fā)電出力固有的不確定性，在預(yù)測凈負(fù)荷時，需要預(yù)留一定裕度，點C和點D分別為t1時刻的調(diào)度點對應(yīng)的凈負(fù)荷波動上下限，則點A至點C、D為系統(tǒng)的向上爬坡與向下滑坡能力[21]。

圖2 系統(tǒng)爬坡和滑坡能力要求Fig.2 Requirements on system capability for climbing and landslide

以此建立靈活輔助市場缺額容量規(guī)劃的子學(xué)科目標(biāo)函數(shù)為：

(15)

對系統(tǒng)級分配的設(shè)計變量目標(biāo)進(jìn)行靈活爬坡容量校驗，首先計算各運(yùn)行時段系統(tǒng)的靈活性需求：

(16)

式中：FRU(t)和FRD(t)分別表示系統(tǒng)在t時段向上、向下靈活性需求；w1%和w2%分別為風(fēng)電預(yù)測誤差與光電預(yù)測誤差。

然后計算系統(tǒng)是否存在靈活容量缺額：

(17)

式中：RUGi(t)和RDGi(t)分別為機(jī)組i在t時段所提供的上調(diào)、下調(diào)旋轉(zhuǎn)備用容量。當(dāng)某時段向上/向下靈活性容量需求大于0時，說明此時段系統(tǒng)靈活性不足，需要在該時段引入靈活爬坡產(chǎn)品[22]。

在模型所對應(yīng)的時段中加入以下3個靈活爬坡約束：

1)靈活爬坡需求約束。該時段系統(tǒng)所有常規(guī)機(jī)組所能提供的靈活爬坡容量總和應(yīng)大于系統(tǒng)在該時段的靈活性需求乘以上浮系數(shù)，這是因為受線路阻塞的影響，在實際運(yùn)行中所預(yù)留的爬坡容量不一定能夠交付：

(18)

式中：SRUi(t)和SRDi(t)分別為常規(guī)機(jī)組i在t時段所能提供的靈活爬坡容量；ηU和ηD分別為上調(diào)、下調(diào)靈活爬坡容量上浮系數(shù)，該值的設(shè)置根據(jù)靈活爬坡容量歷史交付率計算。

2)靈活爬坡上下限約束。對靈活爬坡的容量設(shè)置上下限，約束為：

(19)

3)靈活爬坡速率約束。靈活爬坡與滑坡速率存在約束：

(20)

1.1對象 選擇2013年某焦化廠接噪工人1126例作為研究對象,男性866人、女性260人,研究對象年齡為18~60歲,平均27歲,作業(yè)工齡1~45年,平均工齡2年,將他們分為吸煙組(566)和不吸煙組(對照組)(560人),均通過問卷調(diào)查排除耳毒性藥物、傳染病、外傷、各種中耳性疾病,遺傳因素等非職業(yè)性致聾因素。

2.4 子學(xué)科3：碳配額購置測算

碳配額購置規(guī)劃的子學(xué)科目標(biāo)函數(shù)為：

(21)

根據(jù)某省2019年度碳排放配額分配實施方案的相關(guān)細(xì)則，碳配額發(fā)放先按前一年度產(chǎn)量計算及發(fā)放預(yù)配額，再根據(jù)經(jīng)核查核定的當(dāng)年實際產(chǎn)量計算及發(fā)放最終核定配額。配額實行部分免費(fèi)發(fā)放和部分有償發(fā)放，其中，電力企業(yè)的免費(fèi)配額比例設(shè)為95%。

子學(xué)科3中除子學(xué)科1列出的基本網(wǎng)絡(luò)與機(jī)組特性約束以外，根據(jù)碳配額發(fā)放的相關(guān)規(guī)定增加煤/氣電的碳配額約束：

(22)

控排機(jī)組在配額注冊登記系統(tǒng)獲得免費(fèi)配額后，可視需要購買有償配額，原則上應(yīng)不超過該年度控制的配額有償發(fā)放總量β。

本文中αi的設(shè)定由不同控排機(jī)組的機(jī)組碳排放系數(shù)及該類型機(jī)組年利用小時數(shù)決定，其中機(jī)組碳排放系數(shù)設(shè)定參照電力行業(yè)歷年基準(zhǔn)值。

αi=μiTi/365

(23)

式中：μi為機(jī)組碳排放系數(shù)；Ti為不同類型機(jī)組的年利用小時數(shù)。

2.5 可再生能源消納權(quán)重的計算

在規(guī)定時段內(nèi)，如1 a，將上述系統(tǒng)級與子學(xué)科級間反復(fù)迭代直至滿足收斂條件的結(jié)果進(jìn)行統(tǒng)計，可再生能源機(jī)組的電量占所有機(jī)組總電量的比重即為所求可再生能源消納權(quán)重值，非水可再生能源機(jī)組的電量占所有機(jī)組總電量的比重為所求非水可再生能源消納權(quán)重值。計算公式為：

(24)

(25)

2.6 計算流程

圖3 可再生能源消納責(zé)任權(quán)重計算流程Fig.3 Flow chart of model calculation for optimal index of renewable energy

3 算例分析

3.1 IEEE 118節(jié)點系統(tǒng)算例

對IEEE 118節(jié)點系統(tǒng)進(jìn)行多學(xué)科模型測算分析。IEEE 118系統(tǒng)24 h的總用電量為116 574.08 MW·h，各時刻的負(fù)荷出力曲線如圖4所示。該系統(tǒng)共接入57臺發(fā)電機(jī)組，包括34臺煤電機(jī)組，裝機(jī)容量為2 910 MW；9臺氣電機(jī)組，裝機(jī)容量為2 720 MW；3臺水電機(jī)組，裝機(jī)容量為700 MW；10個風(fēng)電場，裝機(jī)容量為750 MW；1臺光伏機(jī)組，裝機(jī)容量為60 MW。節(jié)點4、6、8等節(jié)點處接入煤電機(jī)組；10、12、25等節(jié)點處接入氣電機(jī)組，80、87等節(jié)點處接入水電機(jī)組；30和38、100、103、104、105、107、110、111和112節(jié)點分別接入風(fēng)電場；光伏場接入節(jié)點114。部分風(fēng)電場與光伏場預(yù)測出力如圖5所示。

設(shè)置風(fēng)電與光伏預(yù)測誤差為25%，上調(diào)備用需求系數(shù)為7%，下調(diào)備用需求系數(shù)為5%，靈活爬坡上浮系數(shù)為1.1，收斂精度為0.001。有償碳配額總量按照控排機(jī)組全部碳配額總量的5%給定。碳配額購買按政策保留價取為25.84元/t。變量初始值為各類機(jī)組出力上下限的平均值。

圖4 IEEE 118節(jié)點測試系統(tǒng)負(fù)荷曲線Fig.4 Load curve of IEEE 118-node test system

圖5 典型日部分風(fēng)電場及光伏場預(yù)測出力Fig.5 Forecast output of typical daily part of wind farm and photovoltaic field

基于多學(xué)科優(yōu)化協(xié)同理論對可再生能源消納責(zé)任權(quán)重模型進(jìn)行測算，選取具有代表性的水電、氣電、煤電機(jī)組，其24 h的出力結(jié)果如圖6所示。

圖6 典型機(jī)組出力結(jié)果Fig.6 The results of typical unit outputs

由圖6可得，典型煤電機(jī)組、燃?xì)鈾C(jī)組以及水電機(jī)組的出力曲線根據(jù)負(fù)荷需求的變化，調(diào)節(jié)自身出力，各類機(jī)組在滿足機(jī)組出力限制以及系統(tǒng)運(yùn)行需求的前提下，滿足了系統(tǒng)的經(jīng)濟(jì)性需求。統(tǒng)計各機(jī)組24 h內(nèi)電量總和的比重如表1所示。

表1 各機(jī)組總電量的比重表Table 1 Percentage of total electricity of each unit

從各機(jī)組總電量的結(jié)果可以得到以24 h作為時間長度下的該118節(jié)點系統(tǒng)的可再生能源權(quán)重指標(biāo)及非水可再生能源權(quán)重指標(biāo)分別為22.36%與9.03%。成本及模型計算迭代次數(shù)如表2所示。

表2 多學(xué)科優(yōu)化計算結(jié)果Table 2 Results of multidisciplinary optimization

模型在迭代3次后得到收斂，收斂精度在0.001以內(nèi)。說明模型具有良好的收斂性。

1)可再生能源滲透率的敏感性分析。

為進(jìn)一步分析可再生能源并網(wǎng)對權(quán)重指標(biāo)測算結(jié)果的影響，以風(fēng)電場作為可再生能源機(jī)組代表，通過改變風(fēng)電場數(shù)量更改可再生能源滲透率，對最終可再生能源消納權(quán)重指標(biāo)的變化進(jìn)行比較分析，表3為不同可再生能源滲透率下的權(quán)重指標(biāo)結(jié)果，其中可再生能源滲透率為可再生能源裝機(jī)容量占所有機(jī)組總裝機(jī)容量的占比，原IEEE 118節(jié)點測試系統(tǒng)中的可再生能源滲透率為21.15%。

表3 不同滲透率下權(quán)重指標(biāo)結(jié)果Table 3 Results of weight index under different permeability

由表3可以看到，在可再生能源滲透率不斷提高的前提下，模型測算得到的可再生能源權(quán)重指標(biāo)的增加趨勢有所減緩，這是由于可再生能源的不確定性和變化性容易造成系統(tǒng)的靈活爬坡缺額，導(dǎo)致靈活爬坡缺額懲罰費(fèi)用不斷增加，所以即使增加風(fēng)機(jī)的并網(wǎng)，因為可再生能源的波動與不確定性以及傳統(tǒng)機(jī)組爬坡的局限性，仍需要可再生能源限電以滿足靈活爬坡需求，所以可再生能源權(quán)重指標(biāo)并不會隨著可再生能源滲透率的增加而不斷增長。

2)本文所提MCO算法與其他方法的對比分析。

為了驗證本文所提方法的尋優(yōu)能力，設(shè)置不同收斂精度，并將基于MCO算法的模型測算結(jié)果與傳統(tǒng)集中式優(yōu)化算法(即系統(tǒng)級與子學(xué)科模型構(gòu)成統(tǒng)一模型并集中求解)的尋優(yōu)結(jié)果進(jìn)行分析對比，優(yōu)化對比結(jié)果如表4所示。

表4 2種方法的優(yōu)化結(jié)果對比Table 4 Comparison of optimization results between the two methods

對比不同收斂精度下的基于MCO算法的模型與基于集中式優(yōu)化法的測算結(jié)果得到，當(dāng)收斂精度設(shè)置為0.000 1時，MCO算法模型測算得到的總成本為287.919萬元，且在繼續(xù)縮小收斂精度后不變，說明該結(jié)果為MCO算法模型下的最優(yōu)解，略優(yōu)于傳統(tǒng)集中式優(yōu)化法的最優(yōu)成本288.354萬元。

本文所采用的MCO算法本質(zhì)上為分布式優(yōu)化算法，其各個子學(xué)科是可以并行計算的。為了體現(xiàn)協(xié)同優(yōu)化算法在解決可并行性問題上能夠改善計算效率的優(yōu)勢，采用gams網(wǎng)格計算工具對本文模型進(jìn)行并行計算與串行計算的對比，得到收斂精度設(shè)置為0.001下的耗時結(jié)果，如表5所示。

表5 不同計算方法的耗時對比Table 5 Comparison of time consuming of different calculation methods

由表5可見，MCO算法下并行測算耗費(fèi)時間要遠(yuǎn)小于串行計算，略大于集中式優(yōu)化法。這說明，本文所采用的各子學(xué)科并行的MCO在改善計算效率上具有一定的優(yōu)勢。當(dāng)優(yōu)化問題的規(guī)模增大，對計算速度和處理能力有更高的要求時，并行計算的優(yōu)勢將會進(jìn)一步凸顯。

此算例驗證了基于MCO算法的可再生能源權(quán)重指標(biāo)測算模型的有效性，對系統(tǒng)的網(wǎng)架約束與機(jī)組特性約束進(jìn)行了充分考慮，符合實際調(diào)度的需要，同時通過調(diào)整傳統(tǒng)可調(diào)度機(jī)組的出力對風(fēng)電、光伏這類可再生能源因預(yù)測偏差導(dǎo)致的靈活容量缺額進(jìn)行補(bǔ)充，最后考慮碳配額實行背景下的控排約束，在合理設(shè)置收斂精度的前提下，測算得到權(quán)重指標(biāo)的同時給出了不同節(jié)點上機(jī)組的最優(yōu)調(diào)度結(jié)果，實現(xiàn)了最優(yōu)成本的目標(biāo)函數(shù)，具有良好的收斂性，同時，通過與傳統(tǒng)集中式優(yōu)化法測算結(jié)果的對比，驗證了該算法具有更好的尋優(yōu)能力，通過與串行計算的耗時對比，證明MCO的子學(xué)科采用并行計算模式在提高計算效率上的優(yōu)勢。

3.2 某省實際電網(wǎng)算例

為進(jìn)一步驗證本文所提模型及算法的實用性，以某省級電網(wǎng)為例，該系統(tǒng)共有368臺機(jī)組，總裝機(jī)容量為129 903 MW，其中核電機(jī)組14臺，燃煤機(jī)組134臺，燃?xì)鈾C(jī)組133臺；可再生能源中水電機(jī)組35臺，生物質(zhì)能機(jī)組50臺，風(fēng)電、光伏按日出力總量分別換算成1臺機(jī)組。因不同季節(jié)天氣差異較大，風(fēng)光以及水電出力也會存在明顯的波動，故選取春夏秋冬4個典型日，4個典型日對應(yīng)的負(fù)荷曲線如圖8所示。該年全社會用電量為7.776 1億MW·h。設(shè)置風(fēng)電、光伏預(yù)測誤差為25%，上調(diào)備用需求系數(shù)、下調(diào)備用需求系數(shù)以及靈活爬坡上浮系數(shù)等參數(shù)設(shè)置同節(jié)3.1節(jié)，收斂精度設(shè)置為0.000 01。外省送入電中61.94%為可再生能源發(fā)電量，0.947%為非水電量。

圖7 4個典型日下的總負(fù)荷曲線Fig.7 Total load curves for four typical days

采用本文所提的多學(xué)科優(yōu)化模型對各典型日仿真測算，并采用式(24)—(25)對2020年可再生能源消納責(zé)任權(quán)重指標(biāo)進(jìn)行測算。

基于上述測算條件對該省不同典型日內(nèi)各機(jī)組一天的出力結(jié)果進(jìn)行統(tǒng)計，并換算成4個季節(jié)各類型機(jī)組電量、比重及成本結(jié)果如表6所示。由4個季節(jié)成本結(jié)果得到該省全年綜合運(yùn)行總成本費(fèi)用為699.947 48億元。

表6 各類型機(jī)組電量、比重及成本Table 6 Electricity, percentage and cost of each type of unit in four seasons

可再生能源及非水可再生能源消納責(zé)任權(quán)重分別為28.28%和4.10%。該測算結(jié)果對比2020年國家下發(fā)值的總量28.5%、非水4.5%偏低。原因是本文采用的多學(xué)科理論考慮了可再生能源機(jī)組出力預(yù)測誤差、安全約束經(jīng)濟(jì)調(diào)度需求、靈活輔助服務(wù)市場缺額容量需求以及碳排放需求等多個因素，充分模擬了風(fēng)電、光伏這類隨機(jī)波動性電源接入電網(wǎng)，在提供清潔能源的同時也造成了燃?xì)?、燃煤等大量靈活可控機(jī)組因平衡風(fēng)光的隨機(jī)不平衡功率而形成的額外費(fèi)用，故計算所得的權(quán)重值相對能源局下發(fā)的值偏悲觀。

4 結(jié) 論

在加快構(gòu)建清潔低碳、安全高效的能源體系，促進(jìn)可再生能源開發(fā)利用，健全可再生能源電力消納保障機(jī)制的背景下，本文提出基于MCO理論的可再生能源消納責(zé)任權(quán)重計算方法，綜合考慮網(wǎng)架拓?fù)浣Y(jié)構(gòu)下的安全約束經(jīng)濟(jì)調(diào)度，靈活輔助服務(wù)市場缺額容量以及控排要求，通過設(shè)定最優(yōu)綜合成本的系統(tǒng)目標(biāo)進(jìn)行系統(tǒng)學(xué)科與子學(xué)科之間的循環(huán)迭代，滿足收斂精度后得到模型最優(yōu)解。

本文通過IEEE 118節(jié)點系統(tǒng)算例驗證了所提模型的有效性，證明其有良好的尋優(yōu)能力、計算效率與收斂效果。同時，在實際省級電網(wǎng)的電源結(jié)構(gòu)及網(wǎng)架拓?fù)浠A(chǔ)上，對4個典型日下該省應(yīng)消納的可再生能源責(zé)任權(quán)重進(jìn)行測算，得到可再生能源與非水可再生能源比例分別為28.28%與4.10%，分析說明因可再生能源的波動會給電網(wǎng)運(yùn)行帶來新的風(fēng)險，大量可再生能源并網(wǎng)也會導(dǎo)致傳統(tǒng)可控機(jī)組因平衡風(fēng)光的隨機(jī)不平衡功率而產(chǎn)生額外費(fèi)用。本文提出的模型從全局出發(fā)，綜合考慮了地區(qū)實際網(wǎng)架與運(yùn)行情況，在鼓勵綠色能源發(fā)展的同時也考慮到現(xiàn)階段可再生能源并網(wǎng)的困難性，為更加系統(tǒng)科學(xué)地設(shè)定可再生能源消納權(quán)重目標(biāo)值提供了新的思路。