面向光伏消納的“大機(jī)小網(wǎng)”系統(tǒng)兩階段優(yōu)化調(diào)度

莫若慧，余加喜，賈 浩，范亞洲，余 洋

（1.海南電網(wǎng)電力調(diào)度控制中心，海南 海口 570203；2.華北電力大學(xué) 河北省分布式儲能與微網(wǎng)重點實驗室，河 北 保 定 071003）

0 引言

海南電網(wǎng)負(fù)荷用電規(guī)模較小，其發(fā)電機(jī)組數(shù)目有限，且機(jī)組單機(jī)容量較大，屬于典型的“大機(jī)小網(wǎng)”結(jié)構(gòu)。根據(jù)規(guī)劃，未來海南電網(wǎng)光伏出力將達(dá)到15%以上[1]，由于光伏出力的隨機(jī)性和波動性，“大機(jī)小網(wǎng)”結(jié)構(gòu)下的海南電網(wǎng)將面臨更加嚴(yán)重的功率不平衡問題[2]。

為應(yīng)對光伏接入后“大機(jī)小網(wǎng)”的功率不平衡問題，海南電網(wǎng)陸續(xù)投入數(shù)座海蓄機(jī)組，形成了火電、光伏和海蓄機(jī)組的聯(lián)合運行系統(tǒng)。針對類似聯(lián)合運行系統(tǒng)的調(diào)度方法，文獻(xiàn)[3]提出一種火電-風(fēng)電-海蓄聯(lián)合調(diào)度方案，利用抽水蓄能作為風(fēng)電的優(yōu)先備用，以平衡風(fēng)電預(yù)測不確定性誤差。文獻(xiàn)[4]將可中斷負(fù)荷與可轉(zhuǎn)移負(fù)荷作為可調(diào)度出力，進(jìn)行了火電-光伏-海蓄-需求響應(yīng)聯(lián)合安全經(jīng)濟(jì)調(diào)度研究，結(jié)果表明需求側(cè)負(fù)荷可提高系統(tǒng)運行經(jīng)濟(jì)性。文獻(xiàn)[5]，[6]采用多級調(diào)度方案，以棄風(fēng)最小為目標(biāo)建立模型，分析了日前優(yōu)化調(diào)度與滾動優(yōu)化模型間的關(guān)系。多級調(diào)度是在多個時間尺度下完成調(diào)度方案的協(xié)調(diào)優(yōu)化，可統(tǒng)一考慮日前、日內(nèi)甚至更小時間尺度下的調(diào)度優(yōu)化組合[7]。針對多級優(yōu)化調(diào)度問題，文獻(xiàn)[8]，[9]進(jìn)一步利用模 型 預(yù) 測 控 制（Model Predictive Control，MPC）進(jìn)行滾動優(yōu)化，將火電與風(fēng)電的有功出力作為狀態(tài)量，建立了火-風(fēng)機(jī)組的多級滾動優(yōu)化調(diào)度模型，該方法相比單時段優(yōu)化更具優(yōu)越性。文獻(xiàn)[10]基于 隨 機(jī)SMPC（Stochastic MPC，SMPC）提 出 了 考 慮負(fù)荷響應(yīng)的電網(wǎng)聯(lián)合調(diào)度方法，在風(fēng)電不確定性較大時，需求響應(yīng)能為系統(tǒng)運行帶來更大的靈活性，降低系統(tǒng)運行成本。

多級調(diào)度可根據(jù)更高頻率的光伏功率預(yù)測結(jié)果來實現(xiàn)更準(zhǔn)確的優(yōu)化調(diào)度[11]，不過當(dāng)前多級調(diào)度研究大多針對間歇式電源接入的互聯(lián)大電網(wǎng)，鮮見討論“大機(jī)小網(wǎng)”下火電-光伏-海蓄-需求響應(yīng)多系統(tǒng)聯(lián)合運行的優(yōu)化調(diào)度問題。為此，本文在考慮需求響應(yīng)和海蓄機(jī)組運行特點的基礎(chǔ)上，提出了規(guī)?；夥尤搿按髾C(jī)小網(wǎng)”的兩階段優(yōu)化調(diào)度方法，該方法通過在日前調(diào)度中引入光伏未消納量損失成本，提高了光伏消納量；考慮負(fù)荷需求響應(yīng)，建立考慮分時電價的時序負(fù)荷模型與需求響應(yīng)成本模型，實現(xiàn)“削峰填谷”和多目標(biāo)經(jīng)濟(jì)運行；同時，由于光伏出力預(yù)測存在誤差，將SMPC作為日內(nèi)滾動優(yōu)化的基本框架，引入海蓄機(jī)組來平衡預(yù)測誤差，實現(xiàn)電力系統(tǒng)優(yōu)化調(diào)度的經(jīng)濟(jì)性。經(jīng)過海南電網(wǎng)實際算例驗證表明，本文提出的調(diào)度方法是有效的。

1 研究框架

1.1 需求響應(yīng)模型

本文主要考慮分時電價響應(yīng)機(jī)制：當(dāng)負(fù)荷水平較高而光照不足時，將制定相對較高的電價，以引導(dǎo)用戶避開該用電時段，有效降低負(fù)荷尖峰；反之，通過制定有吸引力的電價，鼓勵用戶將其它時段的用電需求轉(zhuǎn)移至該時段，有效提高光伏消納量。通過分時電價需求側(cè)響應(yīng)機(jī)制，“大機(jī)小網(wǎng)”系統(tǒng)可靠性低的問題將得到一定程度地改善。本文引入分時電價需求響應(yīng)模型[12]：

式中：ΔPL，t為引入需求響應(yīng)后的負(fù)荷變化量；為系統(tǒng)需求響應(yīng)前的負(fù)荷值；-ξ為分時電價需求響應(yīng)系數(shù)；qt為t時段的電價；Dmax，Dmin分別為用電量最大值和最小值。

在分時電價需求響應(yīng)機(jī)制中，電價峰谷差會影響用戶響應(yīng)程度，進(jìn)而影響對負(fù)荷曲線“削峰填谷”的效果。若電價峰谷差較小，則響應(yīng)程度過低，難以有效平滑負(fù)荷曲線；若電價峰谷差較大，則響應(yīng)過度，甚至可能出現(xiàn)“峰谷倒置”現(xiàn)象[13]，特別是“大機(jī)小網(wǎng)”系統(tǒng)，故對其進(jìn)行約束：

1.2 兩階段優(yōu)化調(diào)度框架

本文整體流程和兩階段優(yōu)化調(diào)度框架如圖1所示。

圖1 本文流程與兩階段優(yōu)化調(diào)度框架Fig.1 Research flow and two-stage optimal scheduling framework

在日前優(yōu)化調(diào)度階段，以1 h為調(diào)度間隔，采用多種目標(biāo)加權(quán)成本方案，綜合考慮了火電運行成本、光伏未消納量和負(fù)荷需求響應(yīng)補(bǔ)償成本。其中：火電運行成本考慮了火電機(jī)組的運行費用和啟停費用；光伏未消納量利用光伏日前單點預(yù)測值來考慮；負(fù)荷需求側(cè)響應(yīng)補(bǔ)償成本通過分時電價需求響應(yīng)模型來描述，同時加入了其它相關(guān)約束條件。由此，形成了將火電運行成本、光伏未消納量和需求響應(yīng)成本加權(quán)，以規(guī)劃周期（24 h）綜合指標(biāo)最優(yōu)為目標(biāo)函數(shù)的日前調(diào)度方案。在日內(nèi)滾動優(yōu)化調(diào)度階段，以15 min為間隔、4 h為周期進(jìn)行滾動優(yōu)化調(diào)度。日內(nèi)調(diào)度以4 h內(nèi)海蓄機(jī)組跟蹤日前最優(yōu)調(diào)度結(jié)果為目標(biāo)，在約束中加入海蓄機(jī)組啟停速率約束，利用SMPC作為實現(xiàn)手段，具體過程：①預(yù)測場景集確定，先由預(yù)測模型得到優(yōu)化周期內(nèi)光伏出力的預(yù)測值，再對預(yù)測誤差的概率密度函數(shù)進(jìn)行抽樣得到場景集；②滾動優(yōu)化，以Δt為周期進(jìn)行滾動優(yōu)化，即每Δt進(jìn)行一次新的優(yōu)化修正日前計劃值，在每次優(yōu)化中考慮了預(yù)測時域內(nèi)更新后的光伏預(yù)測值；③反饋校正，在約束條件下求取整個控制時域內(nèi)的控制變量值，并下發(fā)控制時域內(nèi)第一個Δt內(nèi)的控制變量，以求得修正后的調(diào)度值，然后在下個周期重復(fù)該過程，并對各機(jī)組出力值進(jìn)行實時采樣，利用采樣實際值進(jìn)行反饋校正，不斷滾動循環(huán)。

2 光伏不確定性分析

本文基于光伏預(yù)測功率數(shù)據(jù)，借助場景分析法完成光伏場景的模擬。設(shè)t時刻光伏電站實際出力為PPV，它由光伏預(yù)測功率和預(yù)測誤差兩部分構(gòu)成，其表達(dá)式為

研究表明，光伏出力的相對預(yù)測誤差隨預(yù)測時間長度的增加而變大，本文中假設(shè)光伏出力預(yù)測誤差線性增長[14]，即在預(yù)測時段內(nèi)，光伏出力相對預(yù)測誤差 ξ（t）從第1個時段的20%逐漸增加到最后一個時段的80%。則光伏出力隨機(jī)模型為

式（5）為光伏實際出力滿足以其預(yù)測值upv（t）為期望、σpvt為標(biāo)準(zhǔn)差的正態(tài)分布。所有正態(tài)分布均滿足3σ原則。根據(jù)式（5）可得到標(biāo)準(zhǔn)差正態(tài)分布、相對預(yù)測誤差和期望值之間的關(guān)系。

采用Monte Carlo方法生成若干組光伏預(yù)測的隨機(jī)場景，每種場景都包含未來T時段內(nèi)的光伏預(yù)測值，由此構(gòu)成初始場景集。由于初始場景集合較大，采用文獻(xiàn)[15]場集削減策略對初始場景進(jìn)行削減，以保證削減后的光伏場景與初始場景的相似度在要求范圍內(nèi)。

3 考慮需求響應(yīng)的日前優(yōu)化調(diào)度模型

3.1 目標(biāo)函數(shù)

本文構(gòu)建的日前模型中，期望電網(wǎng)通過合理的調(diào)度方案盡量消納光伏，同時還考慮到系統(tǒng)引入需求響應(yīng)機(jī)制后產(chǎn)生的系統(tǒng)成本和相關(guān)收益。本文日前調(diào)度選取了火電運行成本、光伏未消納量和負(fù)荷需求響應(yīng)成本3個調(diào)度指標(biāo)，通過賦予這3個指標(biāo)合理權(quán)重，將它們加權(quán)求和得到總目標(biāo)，從而制定日前火電機(jī)組和光伏的發(fā)電計劃安排。其目標(biāo)函數(shù)分別為

式中：f1為火電機(jī)組發(fā)電煤耗量；T為優(yōu)化周期；N1為 火 電 機(jī) 組 數(shù)；αi，βi和 ηi為 機(jī) 組 燃 料 成 本 系 數(shù)；PGi，t為機(jī)組的發(fā)電量；CGi,t為機(jī)組的啟停成本；ui，t為機(jī)組在t時刻的啟停狀態(tài)，0代表停機(jī)狀態(tài)，1代表啟動狀態(tài)；f2為光伏發(fā)電未消納量；N2為光伏電站數(shù)；Pfpvj，t為光伏電站在t時的日前發(fā)電預(yù)測值；f3為系統(tǒng)負(fù)荷響應(yīng)成本；Ppvj，t為光伏在t時的實際發(fā)電值；a，b為需求與電價的線性系數(shù)；ΔPL，t為系統(tǒng)在引入需求響應(yīng)后負(fù)荷的變化量；P0L，t為系統(tǒng)需求響應(yīng)前的負(fù)荷值；λ1，λ2和λ3為對應(yīng)的權(quán)重系數(shù)，本文權(quán)重系數(shù)的選取以λ1為基準(zhǔn)，即λ1=1，λ2取國家標(biāo)準(zhǔn)煤耗量0.320 t/（MW·h），為將系統(tǒng)負(fù)荷響應(yīng)成本折算為等價煤耗量，假定λ3為煤炭價格的倒數(shù)，取為0.002 t/元。

3.2 約束條件

①功率平衡約束、火電機(jī)組特性約束請見參考 文 獻(xiàn)[16]。

②旋轉(zhuǎn)備用約束式中：PL，t為t時刻系統(tǒng)引入需求響應(yīng)后的總負(fù)荷；P，P分別為機(jī)組有功出力的上下限；PGupi，PGdowni分別為機(jī)組的上、下爬坡速率；L+，L-，P+，P-分別為負(fù)荷和光伏出力的正、負(fù)旋轉(zhuǎn)備用系數(shù)。

③需求響應(yīng)約束

需求響應(yīng)通過改變用戶用電時段，達(dá)到“削峰填谷”的目的，在調(diào)度模型中可視為虛擬發(fā)電機(jī)組。與常規(guī)發(fā)電機(jī)組類似，某時刻負(fù)荷的最大可削減量約束和爬坡約束分別為

整個調(diào)度周期的負(fù)荷削減量上限約束為

4 基于SMPC的日內(nèi)滾動優(yōu)化

MPC的核心是滾動進(jìn)行有限時域的在線優(yōu)化，通過某一性能指標(biāo)最優(yōu)，確定未來的控制變量。本文在傳統(tǒng)MPC的基礎(chǔ)上，考慮預(yù)測誤差，采用SMPC提高系統(tǒng)應(yīng)對光伏不確定性的能力[10]。通過SMPC將預(yù)測誤差的概率密度函數(shù)進(jìn)行多場景的選取，即基于光伏預(yù)測的概率函數(shù)進(jìn)行抽樣，得到能夠體現(xiàn)預(yù)測誤差分布特性的樣本集，并通過前文所述方法進(jìn)行場景削減，最終得到光伏出力的樣本序列。

4.1 目標(biāo)函數(shù)

對于日內(nèi)滾動優(yōu)化問題，選取火電機(jī)組出力、光伏消納量、海蓄機(jī)組出力構(gòu)成的向量x（k）=[PG（k），Ppv（k），Plg（k）]T為 狀 態(tài) 變 量，以 火 電 機(jī) 組 和 海蓄 機(jī) 組 出 力 增 量 構(gòu) 成 的 向 量u（k）=[ΔPG（k），0，ΔPlg（k）]T為控制變 量，以光伏超 短期預(yù) 測功 率 增量 構(gòu) 成 的 向 量r（k）=[0，0，ΔPpv（k）]T為 擾 動 輸 入，則狀態(tài)空間模型為

在模型表達(dá)式中，默認(rèn)海蓄機(jī)組運行在發(fā)電狀態(tài)時Plg為正值，抽水狀態(tài)時Plg為負(fù)值?；诠夥唐陬A(yù)測數(shù)據(jù)，對式（15）反復(fù)迭代向前預(yù)測p步，便可得到預(yù)測輸出向量Yf為

跟蹤控制目標(biāo)向量Pf由日前調(diào)度中火電機(jī)組出力與光伏預(yù)測誤差構(gòu)成，具體表達(dá)式為

晉東南旱地春玉米土壤封閉除草劑減量施用效果………………………… 常海霞，杜艷偉，牛 卓，宋艷芳，李嬌嬌，王建梅（90）

由于滾動優(yōu)化中時間尺度較小而不改變機(jī)組的啟停狀態(tài)，故以火電機(jī)組、海蓄機(jī)組的預(yù)測出力與日前調(diào)度計劃值之間的誤差最小為目標(biāo)，目標(biāo)函數(shù)為

式 中：J為 目 標(biāo) 函 數(shù) 的 取 值；W=diag[WGk+1，Wpvk+1，…，WGk+p，Wpvk+p]為 跟 蹤 誤 差 權(quán) 重 系 數(shù) 矩 陣；Q為控制量的權(quán)重系數(shù)矩陣。

4.2 約束條件

在滾動優(yōu)化中，海蓄機(jī)組能夠快速啟停，且不需要消耗額外費用，故用其來平衡日前預(yù)測誤差，在日內(nèi)優(yōu)化模型加入海蓄機(jī)組相關(guān)的約束。

（1）系統(tǒng)功率平衡方程

式 中：N3為 海 蓄 機(jī) 組 臺 數(shù)；Plg，t為 第l臺 海 蓄 機(jī) 組在t時刻的發(fā)電功率；Plp，t為海蓄機(jī)組在t時刻的抽水功率。

（2）機(jī)組出力上下限約束

日前調(diào)度里，只有火電和光伏參與運行，但是在日內(nèi)調(diào)度中，對于“大機(jī)小網(wǎng)”系統(tǒng)，必須保證在光伏極限出力的情況下火電與海蓄機(jī)組仍具有足夠的調(diào)節(jié)能力，故需要對二者出力進(jìn)行相應(yīng)約束，它們的上、下限約束分別為

海蓄機(jī)組啟停速率約束、發(fā)電-抽水功率約束、發(fā)電功率-水流量平衡及運行工況約束見文獻(xiàn)[16]，[17]。

5 算例分析

選取海南某區(qū)域電網(wǎng)進(jìn)行實際算例分析，包括火電機(jī)組1臺，出力上限為220 MW，下限為120 MW，爬坡速率為10 MW/min，煤耗系數(shù)為0.000 4，0.320 0，3.000 0；光 伏 電 站1個，出 力 上 限為50 MW；海蓄機(jī)組1臺，最大發(fā)電功率為60 MW，抽水功率上限為50 MW。

5.1 光伏數(shù)據(jù)

根據(jù)前文的光伏預(yù)測場景模擬與削減方法生成光伏預(yù)測數(shù)據(jù)。預(yù)測時段為7：00-18：00，以15 min為間隔，借助Matlab軟件得到10種典型場景，如圖2所示。

圖2 典型光伏出力場景Fig.2 Typical scenarios of photovolataic output

本文分別選取發(fā)生概率最大的場景2和光伏波動性最大的場景9，作為光伏日前預(yù)測結(jié)果和超短期預(yù)測結(jié)果。日前光伏預(yù)測數(shù)據(jù)以1 h為間隔，故將場景2中每小時內(nèi)的預(yù)測數(shù)據(jù)平均值作為間隔1 h的光伏預(yù)測值，光伏出力預(yù)測結(jié)果如圖3所示。

圖3 光伏出力預(yù)測曲線Fig.3 Photovoltaic output forecast curves

5.2 日前優(yōu)化調(diào)度

針對日前優(yōu)化調(diào)度，設(shè)置了3種調(diào)度方案來分析不同運行方案對優(yōu)化結(jié)果的影響，如表1所示。方案一：僅考慮火電運行成本與啟停速率約束；方案二：考慮火電運行與啟停速率和光伏未消納量；方案三：在方案二的基礎(chǔ)上進(jìn)一步引入需求響應(yīng)。

表1 3種方案下運行優(yōu)化結(jié)果Table 1 The optimized results of operating cost among different schemes

由表1可知，相較于方案一，方案二和方案三的等價煤耗量分別降低了1.45%和3.16%。

分析光伏未消納量對日前調(diào)度優(yōu)化結(jié)果的影響，如圖4所示。

圖4 3種方案下日前優(yōu)化調(diào)度結(jié)果比較Fig.4 Comparative of day-ahead optimization scheduling results for three schemes

由 圖4可 以 看 出：在9：00-17：00，方 案一中的光伏出力未被完全消納；而在方案二和方案三中，由于目標(biāo)函數(shù)引入了光伏未消納量的損失成本，光伏消納量明顯增加，且未出現(xiàn)棄光現(xiàn)象，計算可知光伏消納量提高了10.4%。

圖5進(jìn)一步給出了引入分時電價需求響應(yīng)模型對典型日負(fù)荷曲線的影響結(jié)果。

圖5 引入需求側(cè)響應(yīng)前后的日負(fù)荷曲線Fig.5 Daily load curves before and after demand response

可見，通過分時電價確實可以引導(dǎo)用戶側(cè)的負(fù)荷需求，實現(xiàn)了部分負(fù)荷從負(fù)荷高峰向負(fù)荷低谷的轉(zhuǎn)移，從而在一定程度上平滑用電負(fù)荷曲線。以上結(jié)果說明，本文提出的日前調(diào)度方案可提高光伏消納量，并實現(xiàn)系統(tǒng)運行成本的最優(yōu)。

5.3 日內(nèi)優(yōu)化調(diào)度

為考察本文日內(nèi)優(yōu)化調(diào)度方法的優(yōu)越性，選取圖2中日內(nèi)光伏發(fā)電波動劇烈的典型場景，圖6為日前與日內(nèi)優(yōu)化調(diào)度結(jié)果的對比。

圖6 日前、日內(nèi)兩階段優(yōu)化調(diào)度結(jié)果展示Fig.6 Results of two-stage optimal dispatch

由圖6可知，SMPC下海蓄機(jī)組通過快速地抽水蓄能與發(fā)電，有效平衡了光伏預(yù)測誤差帶來的波動，說明SMPC能夠解決光伏隨機(jī)波動帶來的“大機(jī)小網(wǎng)”功率不平衡問題，并且即使在光伏出力波動劇烈時仍能保證良好的跟蹤效果。

6 結(jié)論

為解決大規(guī)模光伏接入“大機(jī)小網(wǎng)”系統(tǒng)的功率不平衡問題，本文提出了日前與日內(nèi)調(diào)度相結(jié)合的兩階段火電-光伏-海蓄-需求響應(yīng)的聯(lián)合系統(tǒng)運行優(yōu)化調(diào)度方法。該方法在日前調(diào)度階段通過考慮光伏未消納量損失成本，有效改善了棄光現(xiàn)象，通過引入需求側(cè)響應(yīng)機(jī)制使負(fù)荷曲線更加平滑，提高了“大機(jī)小網(wǎng)”系統(tǒng)運行經(jīng)濟(jì)性。在日內(nèi)調(diào)度階段采取了隨機(jī)模型預(yù)測控制框架，并考慮了光伏預(yù)測的多場景預(yù)測誤差，通過引入海蓄機(jī)組的靈活調(diào)節(jié)能力，保證了光伏波動劇烈時良好的跟蹤效果。