風(fēng)-光-火-蓄聯(lián)合系統(tǒng)兩階段優(yōu)化調(diào)度

DOI：10.19912/j.0254-0096.tynxb.2021-0945 文章編號：0254-0096（2023）01-0500-09

摘 要：由于間歇性能源出力具有不確定性，該文利用抽水蓄能容量大、響應(yīng)速度快的優(yōu)勢，建立風(fēng)-光-火-蓄兩階段動態(tài)調(diào)度模型。長時間尺度以總成本最低為目標(biāo)，綜合考量系統(tǒng)運行成本、SO2、NOX、PM排放量、棄風(fēng)棄光量懲罰，來優(yōu)化可控電源出力。短時間尺度以長時間尺度為基準(zhǔn)，基于模型預(yù)測控制原理滾動求解出力增量，使抽蓄機組有功出力偏差最小，以增強調(diào)度的平滑性。最后根據(jù)東北某地區(qū)抽蓄機組實際數(shù)據(jù)及改進的IEEE-30節(jié)點系統(tǒng)仿真驗證了該文所提模型的有效性，以此來降低系統(tǒng)的污染物排放水平，提升系統(tǒng)對風(fēng)電、光伏的消納能力。

關(guān)鍵詞：模型預(yù)測控制；調(diào)度算法；可再生能源；抽水蓄能電站；環(huán)境成本

中圖分類號：TM71 " " " " " " 文獻標(biāo)志碼：A

0 引 言

“十四五”是碳達峰的關(guān)鍵期、窗口期，中國將調(diào)整能源產(chǎn)業(yè)結(jié)構(gòu)持續(xù)向綠色低碳方向發(fā)展，推動構(gòu)建以新能源為主體的“清潔型”電力系統(tǒng)［1］。

伴隨碳控制目標(biāo)的明確，電力領(lǐng)域通過綜合考量經(jīng)濟和環(huán)境雙重因素作用下的調(diào)度策略來深入開展減污降碳行動。文獻［2-3］以火電機組運行成本、脫硫脫硝裝置建設(shè)成本、污染物排放成本為目標(biāo)構(gòu)建了風(fēng)-火聯(lián)合調(diào)度模型，驗證對于提升風(fēng)電并網(wǎng)空間并減少污染物排放的有效性；文獻［4］提出一種計及大氣污染物時空分布的多目標(biāo)調(diào)度策略，采用精細(xì)化策略來調(diào)節(jié)污染物排放；文獻［5］通過考慮碳捕獲電廠耦合模型下的綜合能源系統(tǒng)，提出經(jīng)濟、環(huán)保的高風(fēng)力發(fā)電滲透水平的調(diào)度模式，來提高系統(tǒng)消納新能源的能力。

另一方面針對新能源高比例并網(wǎng)下多源聯(lián)合發(fā)電系統(tǒng)的風(fēng)光消納，主要通過優(yōu)化能源結(jié)構(gòu)、增加儲能裝置來平抑風(fēng)光波動。文獻［6-7］以風(fēng)電、火電、抽水蓄能聯(lián)合運行的效益最大化為目標(biāo)，考慮不同季節(jié)下多場景的魯棒優(yōu)化策略，來降低系統(tǒng)運行成本減少風(fēng)電出力邊界偏差；文獻［8］基于光伏-儲能的協(xié)調(diào)互補機制下，動態(tài)調(diào)整最大功率跟蹤工作點來抑制光伏功率波動。此外對于風(fēng)電、光伏等新能源的調(diào)度策略方面；文獻［9］考慮可再生能源的超短期功率預(yù)測方式，建立以有功偏差最小、風(fēng)電消納最大化的日內(nèi)滾動優(yōu)化模型；文獻［10-11］基于逐級細(xì)化的思想，考慮系統(tǒng)運行成本建立計及儲能分布特性的源儲荷多時間尺度調(diào)度模型，在降低系統(tǒng)運行成本的同時提升風(fēng)光消納能力。

在電力系統(tǒng)調(diào)度優(yōu)化中模型預(yù)測控制應(yīng)用廣泛，與單時間斷面優(yōu)化不同，模型預(yù)測控制具有控制效果好、魯棒性強等優(yōu)點，可有效處理過程被控變量和操縱變量中的各種約束。文獻［12］為提升微電網(wǎng)跟蹤調(diào)度計劃的能力，基于模型預(yù)測控制方法建立日前-日內(nèi)多時間尺度滾動優(yōu)化模型，采用超級電容和電池儲能組成的混合儲能系統(tǒng)跟蹤調(diào)度計劃；文獻［13］基于模型預(yù)測控制理論，采用狀態(tài)空間描述變量之間的關(guān)系，對常規(guī)火電機組出力進行在線滾動優(yōu)化，以提高系統(tǒng)決策穩(wěn)定性；文獻［14］考慮風(fēng)光出力不確定性對區(qū)域綜合能源系統(tǒng)優(yōu)化的影響，結(jié)合模型預(yù)測控制理論，通過反饋校正和滾動優(yōu)化調(diào)整機組出力，實現(xiàn)多時間尺度的協(xié)調(diào)運行。

目前國內(nèi)外對于考慮污染物排放的環(huán)境成本下源側(cè)發(fā)電系統(tǒng)的研究較少，大部分都集中分析中小型風(fēng)-儲發(fā)電系統(tǒng)即微電網(wǎng)、園區(qū)綜合能源方面。以細(xì)化時間尺度為代表的傳統(tǒng)開環(huán)調(diào)度策略調(diào)度過程并未考慮實際系統(tǒng)對優(yōu)化控制過程的反饋校正，因此并不能滿足電網(wǎng)實際需求。儲能裝置和新能源技術(shù)規(guī)?；Y(jié)合是消納新能源、降低系統(tǒng)總體能耗的有效手段。抽水蓄能電站作為稀缺的清潔型調(diào)節(jié)資源，容量大、響應(yīng)速度快、調(diào)峰作用突出。本文在現(xiàn)有研究理論的基礎(chǔ)上，以模型預(yù)測控制為基礎(chǔ)建立計及環(huán)境成本下風(fēng)-光-火-蓄聯(lián)合系統(tǒng)兩階段動態(tài)優(yōu)化調(diào)度模型，在改進的IEEE-30節(jié)點系統(tǒng)上進行仿真，驗證所提模型在保障電網(wǎng)安全穩(wěn)定運行的同時具有顯著的環(huán)保效益。

1 優(yōu)化框架

隨著去碳化進程的加快，電力系統(tǒng)在降低電力污染物排放的同時需提升風(fēng)電、光伏消納比例。傳統(tǒng)火電機組由于受到污染物排放懲罰、容量及響應(yīng)時間的約束，無足夠能力來補償風(fēng)光波動和反向調(diào)峰。抽水蓄能電站容量大，能在負(fù)荷與電源之間迅速切換，適合調(diào)節(jié)峰值負(fù)荷波動以及快速變化的功率需求，這對電網(wǎng)的功率調(diào)節(jié)起著重要作用，有利于提高電網(wǎng)設(shè)備綜合利用率、增強電網(wǎng)運行“靈活性”。因此，本文采用抽水蓄能電站與火電廠及周圍的風(fēng)電場、光伏電站聯(lián)合運行來補償風(fēng)電、光伏、負(fù)荷的變化，以達到移峰、響應(yīng)風(fēng)電爬坡、減少新能源并網(wǎng)危害、穩(wěn)定火電機組出力的目的，助推電力系統(tǒng)實現(xiàn)“清潔化”，模型結(jié)構(gòu)如圖1所示。

調(diào)度結(jié)構(gòu)分為長、短2個時間尺度，長時間尺度調(diào)度階段以風(fēng)電、光伏和系統(tǒng)負(fù)荷長時間尺度預(yù)測數(shù)據(jù)為基礎(chǔ)，采用CPLEX求解火電機組和抽蓄機組出力，以8 h為一個調(diào)度周期，時間分辨率為1 h，制定未來2個時段有功功率調(diào)度計劃。

短時間尺度滾動流程如圖2所示，以可再生能源出力的超短期預(yù)測值為基準(zhǔn)，為了減少污染物排放，火電機組在長時間尺度中的出力優(yōu)化值作為已知量，基于模型預(yù)測控制原理對抽蓄機組出力進行滾動校正，以15 min為分辨率，滾動求取未來2 h的調(diào)度計劃值。隨著時間的推移，調(diào)度計劃對應(yīng)的時段不斷向前推移。

2 調(diào)度模型

2.1 長時間尺度調(diào)度

長時間尺度調(diào)度模型的目標(biāo)函數(shù)在系統(tǒng)總運行成本最小的基礎(chǔ)上，通過將棄風(fēng)棄光量、污染物排放量折算成懲罰成本，以多類目標(biāo)加權(quán)為總目標(biāo)的方法計入系統(tǒng)運行成本中，建立目標(biāo)函數(shù)。

機組運行成本：

式中：[F1]——火電機組與抽蓄機組的運行成本，其中火電機組運行成本為[F1]的第1項，抽蓄機組運行成本為[F1]的第2項；[T]——24 h；[NG]——火電機組總數(shù)；[Ug，i，t]——火電機組[i]在[t]時刻的運行狀態(tài)；[Cg，i，t]——火電機組[i]在[t]時刻的煤耗成本，表述為出力的二次函數(shù)[Cg，i，t=ag，iP2g，i，t+bg，iPg，i，t+cg，i]，其中[Pg，i，t]——火電機組[i]在[t]時刻的有功輸出，[ag，i]、[bg，i]、[cg，i]為火電機組[i]的燃料系數(shù)；[CUg，i]、[CDg，i]——火電機組[i]的啟停成本；[Cgenh，t]——抽水蓄能機組在[t]時刻的發(fā)電狀態(tài)成本；[Cpumh，t]——抽水蓄能機組在[t]時刻的抽水狀態(tài)成本。火電機組相關(guān)參數(shù)見附表1，抽蓄機組相關(guān)參數(shù)見附表2。

污染物排放成本：

式中：[F2]——排放SO2、NOX、煙氣灰塵的懲罰成本；[ESP]、[ENP]、[EYP]——SO2、NOX、煙氣灰塵的排放懲罰系數(shù)［15］；[GS]、[GN]、[GY]——SO2、NOX、煙氣煙塵的排放量。

污染物排放量的計算公式為：

式中：[σS]、[σN]、[σY]——煤炭含硫、氮、塵量；[B]——煤耗量；[ηS]、[ηN]、[ηY]——脫硫、脫銷、除塵效率。相關(guān)參數(shù)見附表3。

棄風(fēng)棄光懲罰成本：

式中：[Cws]、[Cvs]——棄風(fēng)棄光懲罰因子；[Pfw，t]、[Pw，t]——風(fēng)電機組在[t]時刻的預(yù)測值和實際發(fā)電值；[Pfv，t]、[Pv，t]——光伏機組在[t]時刻的預(yù)測值和實際發(fā)電值。

綜上，建立總成本最低的目標(biāo)函數(shù)為：

式中：[ρ1]、[ρ2]——權(quán)重系數(shù)。

火電機組爬坡約束：

式中：[RD、][RU]——火電機組爬坡上下限；[Pg，i，t-1]——火電機組[i]在[t-1]時刻的有功功率輸出。

火電機組功率上下限約束：

式中：[Pming，i]、[Pmaxg，i]——火電機組功率上下限。

火電機組開停時間約束：

式中：[Vong，i，t-1]——火電機組[i]在[t-1]時刻的連續(xù)開機時間；[Tmin_ong，i]——火電機組[i]最小連續(xù)開機時間；[Voffg，i，t-1]——火電機組[i]在[t-1]時刻的連續(xù)關(guān)機時間；[Tmin_offg，i]——火電機組[i]最小連續(xù)關(guān)機時間。

抽蓄機組出力約束：

式中：[Pmingen]、[Pmaxgen]——抽水蓄能機組i的最小和最大發(fā)電狀態(tài)出力限制；[Pminpum]、[Pmaxpum]——抽水蓄能機組[i]的最小和最大抽水狀態(tài)出力限制；[Pgent]、[Ppumt]——抽蓄機組在[t]時刻的發(fā)電與抽水功率。

抽蓄機組工況約束：

式中：[xh，t]、[yh，t]——抽蓄機組發(fā)電和抽水狀態(tài)。

水庫容量約束：

式中：[Wt]——抽水蓄能機組[t]時刻蓄水量；[Wmin]、[Wmax]——抽水蓄能機組最小庫容量與額定庫容量。

庫容平衡約束：

式中：[Wt+1]——抽水蓄能機組[t+1]時刻蓄水量；[ηpum]、[ηgen]——抽水和發(fā)電效率。

系統(tǒng)功率平衡約束：

式中：[PL，t]——[t]時刻的系統(tǒng)負(fù)荷。

系統(tǒng)旋轉(zhuǎn)備用約束：

式中：[RUt]、[RDt]——[t]時刻系統(tǒng)所需旋轉(zhuǎn)備用容量。

輸電線路的輸電能力約束：

式中：[Pg，t]——[t]時刻支路中火電機組總的有功功率；[Plmax]——支路最大傳輸功率限值。

2.2 短時間尺度調(diào)度

與一次下發(fā)調(diào)度計劃為主要策略的開環(huán)調(diào)度相比，短時間尺度優(yōu)化調(diào)度通過具備快速響應(yīng)的抽蓄機組并結(jié)合具有滾動優(yōu)化與反饋校正特性的模型預(yù)測控制原理來不斷修正機組出力，使得有功出力的修正偏差最小。

2.2.1 MPC算法

模型預(yù)測控制是一種有限時域閉環(huán)最優(yōu)控制算法，不局限于具體的模型形式，優(yōu)勢在于每一個時刻均考慮當(dāng)前系統(tǒng)實際狀態(tài)及實際量測值，通過把優(yōu)化模型極小化，得到系統(tǒng)有限時域的最優(yōu)控制變量，而在下一時刻重復(fù)整個優(yōu)化流程。

2.2.2 預(yù)測模型

預(yù)測模型的形式無具體規(guī)定，只要能反映系統(tǒng)未來有限時域內(nèi)抽蓄機組的有功出力狀態(tài)即可，其預(yù)測模型為：

式中：[y（k+i|k）]——[k]時刻預(yù)測未來[k+i]時刻抽水蓄能機組有功功率調(diào)節(jié)量；[y0（k）]——抽水蓄能機組出力變化量的初始值，由實際量測值得到；[Δu（k+t|k）]——[k]時刻預(yù)測未來[（k+t-1，k+t）]時段內(nèi)優(yōu)化的控制變量；[i]∈（1-[NP]），[NP]表示預(yù)測步長。

2.2.3 滾動優(yōu)化目標(biāo)

短時間尺度通過以抽蓄機組有功出力偏差為性能指標(biāo)來確定對系統(tǒng)未來行為的控制作用。

式中：[Y（k）]——[k]時刻抽蓄機組預(yù)測輸出值；[R（k）]——[k]時刻抽蓄機組有功出力參考值；[Qt]——權(quán)重系數(shù)矩陣。

抽蓄機組出力約束：

系統(tǒng)功率平衡約束：

式中：[PL，t′]、[Pw，t′]、[Pv，t′]——短時間尺度下負(fù)荷、風(fēng)電、光伏的實際出力。短時間尺度中火電機組出力由長時間尺度下，約束條件無需考慮，其他約束條件如抽蓄機組狀態(tài)約束、庫容約束等與長時間尺度類似，在此不重復(fù)贅述。

短時間尺度模型根據(jù)狀態(tài)空間方程將調(diào)度模型轉(zhuǎn)化成二次規(guī)劃模型后進行求解。[Δu（k+i|k）]為[k]時刻預(yù)測未來[k+i]時刻抽蓄機組構(gòu)成的優(yōu)化控制序列，將該控制變量序列中的第一個控制變量下發(fā)，求出下一時刻抽蓄機組的有功出力，重復(fù)上述過程，以確保整個滾動優(yōu)化過程具有更好的魯棒性。

2.2.4 反饋矯正

模型預(yù)測控制（MPC）滾動優(yōu)化流程如圖3所示。

將系統(tǒng)當(dāng)前時刻抽蓄機組有功出力值下發(fā)作為下一時刻滾動優(yōu)化的初始值，這有別于傳統(tǒng)意義下的開環(huán)全局優(yōu)化，作為閉環(huán)反饋能克服系統(tǒng)中風(fēng)電、光伏的不確定性，使新能源出力預(yù)測精度更高，即[y0（k+1）=yreal（k+1）]。

3 算例分析

3.1 算例簡介

為結(jié)合東北某地區(qū)抽蓄機組實際情況說明抽蓄機組對于調(diào)節(jié)峰值負(fù)荷波動、降低燃煤火電機組出力的優(yōu)越性，本文考慮在同一節(jié)點分別接入300、1400 MW這2種容量的抽蓄機組，同時選取吉林某風(fēng)場、光伏場站典型日場景下實測數(shù)據(jù)，采用改進的IEEE-30節(jié)點作為算例對本文所提調(diào)度策略進行驗證。接線圖如圖4所示。該系統(tǒng)中包括6臺常規(guī)火電機組，抽蓄電站接于節(jié)點1、2處，風(fēng)電場、光伏電站接于節(jié)點7、8處。

3.2 長時間尺度調(diào)度策略對比

圖5為風(fēng)電、光伏、負(fù)荷典型日預(yù)測數(shù)據(jù)，長時間尺度基于此數(shù)據(jù)中2個時段共8 h時長進行優(yōu)化。一天之內(nèi)08：00—19：00的風(fēng)功率相對較差，太陽能總輻射量較高，20：00—次日06：00的風(fēng)功率相對較好，而太陽能總輻射量較低，可見風(fēng)電、光伏2種能源在日內(nèi)具有良好的互補作用，在一定程度可有效緩解單一可再生能源的波動性。

為了驗證聯(lián)合系統(tǒng)接入不同容量抽蓄機組以及考慮燃煤火電污染物排放懲罰的不同運行工況，對于聯(lián)合系統(tǒng)長時間尺度本文采用3種調(diào)度模式。調(diào)度模式1、2均接入1400 MW容量抽蓄機組，調(diào)度模式1考慮氨氮化合物等污染物的排放，并將污染物排放的懲罰因子計入環(huán)境成本，調(diào)度模式2不考慮污染物的排放；調(diào)度模式3在節(jié)點接入300 MW容量抽蓄機組的情況下不考慮其污染物排放。

抽蓄機組作為綠色的儲能裝置暫不考慮其污染物排放，通過對比火電機組在3種調(diào)度模式下污染物排放量及風(fēng)電、光伏消納比例來驗證本文所提計及環(huán)境成本下長時間尺度調(diào)度對于降低污染物排放的有效性。圖6、圖7為長時間尺度調(diào)度計劃中火電機組、抽蓄機組在3種調(diào)度模式下的出力對比情況。

接入1400 MW容量抽蓄機組的模式2相較于接入300 MW容量抽蓄機組的模式3，儲能機組的調(diào)峰作用更強，火電機組出力顯著降低，因此本文在節(jié)點接入1400 MW容量抽蓄機組情況下對比2種模式火電機組的污染物排放情況，在考慮污染物排放懲罰的模式1下火電機組出力低于未考慮污染物排放的模式2，尤其在08：00—11：00、14：00—17：00用電高峰之間更加明顯。

圖8為3種調(diào)度模式下風(fēng)光消納量對比情況，模式3由于抽蓄機組容量較小風(fēng)光消納水平在3種模式中最低。模式1的風(fēng)光消納量高于模式2，可見火電機組將發(fā)電空間受讓

給風(fēng)電、光伏機組來促進新能源消納，而抽蓄機組在2種模式下相差不大。因此通過挖掘火電機組出力下調(diào)能力，可提升電網(wǎng)接納風(fēng)電、光伏水平。

圖9為2種模式下節(jié)點接入1400 MW容量抽蓄機組的污染物排放量對比情況。

同時結(jié)合表1的調(diào)度結(jié)果分析可見，由于計及環(huán)境成本下火電機組出力的降低，模式1下風(fēng)電、光伏的消納率分別為86%、93%，模式2下風(fēng)電、光伏的消納率分別為77%、87%，模式1下SO2、NOX、PM等污染物排放量相較于模式2分別減少了39.037、33.986、1121.523 t，而風(fēng)電、光伏的消納比例分別提升了9%、6%。可見所提模型對于促進風(fēng)光并網(wǎng)、降低污染物排放作用明顯。

3.3 短時間尺度調(diào)度策略對比

短時間尺度調(diào)度計劃下，本文考慮新能源機組出力抖動較大和出力相對平緩2種不同模式，在相同的新能源出力、算例參數(shù)和優(yōu)化目標(biāo)下，以接入1400 MW容量抽蓄機組且計及環(huán)境成本下的長時間尺度調(diào)度計劃為基礎(chǔ)，設(shè)置以下2種情境，情境1采用MPC進行優(yōu)化，[M]為控制步長，[NP]為預(yù)測步長，取[M]=[NP]=4，即采用2 h為一個調(diào)度周期，即每隔15 min滾動預(yù)測未來負(fù)荷、風(fēng)電及光伏出力；情境2采用單時間斷面的傳統(tǒng)開環(huán)控制策略，基于改進果蠅算法（LFOA）求解抽蓄機組出力計劃，設(shè)置種群數(shù)量為500個，迭代次數(shù)為3000次。

圖10為新能源出力相對平緩和抖動較大的模式下開環(huán)策略與基于MPC策略下抽蓄機組出力對比。如圖10a在出力平緩模式下，10：30—11：30之間2種策略的抽蓄機組出力相差不大。然而在圖10b出力抖動較大模式下受MPC策略滾動優(yōu)化的影響，平滑出力的優(yōu)勢更加明顯，能較好地適應(yīng)風(fēng)光波動，有助于提升新能源接入系統(tǒng)的可靠性。

3.4 平穩(wěn)性指標(biāo)

為進一步分析MPC調(diào)度策略下抽蓄機組波動情況，采用平穩(wěn)性指標(biāo)為［16］：

式中：[λmax]——抽蓄機組在發(fā)電和抽水連續(xù)集中出力狀態(tài)下最大有功出力值；[λmin]——抽蓄機組在發(fā)電和抽水連續(xù)集中出力下有功出力最小值；[λ]——抽蓄機組在同一優(yōu)化時段內(nèi)有功出力平均值。通過定量比較抽蓄機組在抽水和發(fā)電2種連續(xù)集中出力情況的平穩(wěn)性指標(biāo)，表2所示在新能源出力緩慢抖動模式下抽蓄機組出力的平穩(wěn)性指標(biāo)較開環(huán)策略低，說明了模型預(yù)測控制在平滑機組出力方面的有效性，尤其在出力突然抖動模式下效果更加明顯，因此在應(yīng)對風(fēng)光出力的波動性方面可較好地跟蹤計劃值。

3.5 調(diào)度計劃分析

為驗證本文所提調(diào)度計劃的有效性，長、短時間尺度與實時調(diào)度計劃曲線的對比情況如圖11所示。

長時間尺度下依靠傳統(tǒng)開環(huán)策略優(yōu)化火電機組、抽蓄機組出力，由于時間尺度較大，風(fēng)電、光伏、負(fù)荷出力預(yù)測精度較低，使得調(diào)度計劃與實時計劃相比偏差較大。由于時間尺度較小，短時間尺度利用抽蓄機組來快速爬坡及時響應(yīng)新能源出力的波動，基于模型預(yù)測控制原理實時反饋抽蓄機組出力來校正長時間尺度計劃的功率缺額，可看出短時間尺度計劃出力與實際計劃的差異規(guī)模較小，說明所建立的兩階段動態(tài)優(yōu)化模型在穩(wěn)定火電機組輸出前提下能有效削減峰值負(fù)荷、平抑風(fēng)光波動。

4 結(jié) 論

針對風(fēng)光并網(wǎng)造成的波動性及傳統(tǒng)火電機組的污染物排放問題，本文建立計及環(huán)境成本下風(fēng)-光-火-蓄聯(lián)合系統(tǒng)兩階段動態(tài)優(yōu)化模型，通過算例分析可得出以下結(jié)論：

1）長時間尺度策略中選用1400 MW容量的抽蓄機組及考慮污染物排放的懲罰模式下，充分發(fā)揮了抽蓄機組在移峰、響應(yīng)爬坡的優(yōu)勢?；痣姍C組自身出力顯著降低，進而在減少碳的排放的同時降低了以SO2、NOX、PM為代表的污染物排放量。對于調(diào)整能源結(jié)構(gòu)，加快能源低碳轉(zhuǎn)型作用明顯。

2）短時間尺度中模型預(yù)測控制策略在風(fēng)光出力抖動較大的模式下平抑風(fēng)光波動效果顯著，同時抽蓄機組連續(xù)集中出力情況下的平穩(wěn)性指標(biāo)說明了MPC在平滑有功出力的有效性，有助于減少抽水蓄能機組的機械損耗，延長抽蓄機組的使用壽命。

因此，本文所提方法在降低電力污染物排放的同時有效提高系統(tǒng)風(fēng)光消納能力，可在抽水蓄能機組大規(guī)模建設(shè)的背景下對于新能源高比例并網(wǎng)的電力系統(tǒng)調(diào)度優(yōu)化研究提供理論基礎(chǔ)。

［參考文獻］

［1］ 吳志力， 劉艷茹， 崔凱. “十四五” 能源轉(zhuǎn)型步伐加快配電網(wǎng)如何高質(zhì)量發(fā)展［N］. 國家電網(wǎng)報， 2021-03-09（008）.

WU Z L， LIU Y R， CUI K. How to accelerate the high-quality development of the distribution network during the 14th Five-Year Plan of energy transformation［N］. State grid news， 2021-03-09（008）.

［2］ 崔楊， 周海濤， 嚴(yán)干貴， 等. 考慮環(huán)境成本及網(wǎng)絡(luò)約束的風(fēng)-火聯(lián)合發(fā)電調(diào)度［J］. 電網(wǎng)技術(shù)， 2017， 41（11）： 3457-3462.

CUI Y， ZHOU H T， YAN G G， et al. Wind-fire combined power generation dispatch considering environmental costs and" network" "constraints［J］." Power" system" "technology， 2017， 41（11）： 3457-3462.

［3］ 張明理， 潘霄， 侯依昕， 等. 計及風(fēng)電消納的源-荷-儲環(huán)保經(jīng)濟型調(diào)度策略［J］. 可再生能源， 2019， 37（9）： 1295-1302.

ZHANG M" L，" PAN" X，" HOU" Y" X，" et" al. Source-load-storage environmental protection economic dispatch strategy considering wind power consumption［J］. Renewable energy， 2019， 37（9）： 1295-1302.

［4］ 張志義， 余濤， 李昊飛， 等. 考慮大氣污染物時空分布的多區(qū)域電力系統(tǒng)調(diào)度及其多目標(biāo)分布式優(yōu)化［J］. 電網(wǎng)技術(shù)， 2020， 44（3）： 1047-1058.

ZHANG Z Y， YU T， LI H F， et al. Multi-regional power system dispatch and multi-objective distributed optimization considering the temporal and spatial distribution of air pollutants［J］. Power system technology， 2020， 44（3）： 1047-1058.

［5］ ZHANG X P， ZHANG Y Z. Environment-friendly and economical scheduling optimization for integrated energy system" considering" power-to-gas" technology" and" carbon capture power plant［J］. Journal of cleaner production， 2020， 276（5）： 30-36.

［6］ 林俐， 岳曉宇， 許冰倩， 等. 計及抽水蓄能和火電深度調(diào)峰效益的抽蓄-火電聯(lián)合調(diào)峰調(diào)用順序及策略［J］. 電網(wǎng)技術(shù)， 2021， 45（1）： 20-32.

LIN L， YUE X Y， XU B Q， et al. Pumped storage-thermal power combined peak shaving sequence and strategy taking into account the benefits of pumped storage and thermal" "power" "deep" "peak" "shaving［J］." Power" "system technology， 2021， 45（1）： 20-32.

［7］ 張國斌， 陳玥， 張佳輝， 等. 風(fēng)-光-水-火-抽蓄聯(lián)合發(fā)電系統(tǒng)日前優(yōu)化調(diào)度研究［J］. 太陽能學(xué)報， 2020， 41（8）： 79-85.

ZHANG G B， CHEN Y， ZHANG J H， et al. Research on day-ahead" " optimal" " dispatching" " of" " wind" " power， photovoltaic， hydropower， thermal power， pumped Storage" "combined" "power" "generation" "system［J］." "Acta energia solaris sinica， 2020， 41（8）： 79-85.

［8］ 馬偉， 王瑋， 吳學(xué)智， 等. 光儲協(xié)調(diào)互補平抑功率波動策略及經(jīng)濟性分析［J］. 電網(wǎng)技術(shù)， 2018， 42（3）： 730-737.

MA" W，" WANG" W，" WU" X" Z，" et" al." Optical-storage coordinated and complementary strategies to suppress power" "fluctuations" "and" "economic" "analysis［J］." "Power system technology， 2018， 42（3）： 730-737.

［9］ 夏鵬， 劉文穎， 張堯翔， 等. 考慮風(fēng)電高階不確定性的分布式魯棒優(yōu)化調(diào)度模型［J］. 電工技術(shù)學(xué)報， 2020， 35（1）： 189-200.

XIA P， LIU W Y， ZHANG Y X， et al. Distributed robust optimal" scheduling" model" considering" the" high-order uncertainty" "of" "wind" "power［J］." Transactions" of" China Electrotechnical Society， 2020， 35（1）： 189-200.

［10］ 金力， 房鑫炎， 蔡振華， 等. 考慮特性分布的儲能電站接入的電網(wǎng)多時間尺度源儲荷協(xié)調(diào)調(diào)度策略［J］. 電網(wǎng)技術(shù)， 2020， 44（10）： 3641-3650.

JIN L， FANG X Y， CAI Z H， et al. Multi-time scale source storage and load coordinated dispatching strategy for power grids considering characteristic distribution of energy storage power stations［J］. Power system technology， 2020， 44（10）： 3641- 3650.

［11］ 江千軍， 王磊， 桂前進， 等. 考慮多時間尺度靈活性的含大規(guī)模風(fēng)電電力系統(tǒng)機組組合研究［J］. 智慧電力， 2021， 49（1）： 35-41， 70.

JIANG Q J， WANG L， GUI Q J， et al. Research on unit commitment of large-scale wind power system considering multi-time" scale" flexibility［J］." Smart" electric" power， 2021， 49（1）： 35-41， 70.

［12］ 吳巖， 王瑋， 吳學(xué)智， 等. 微電網(wǎng)跟蹤調(diào)度計劃雙層雙時間尺度實時控制策略［J］. 電力自動化設(shè)備， 2021， 41（1）： 120-134.

WU Y， WANG W， WU X Z， et al. Two-layer dual-time scale real-time control strategy for microgrid tracking and dispatching plan［J］. Electric power automation equipment， 2021， 41（1）： 120-134.

［13］ 劉立陽， 吳軍基， 孟紹良. 基于預(yù)測控制的含風(fēng)電滾動優(yōu)化調(diào)度［J］. 電工技術(shù)學(xué)報， 2017， 32（17）： 75-83.

LIU L Y， WU J J， MENG S L. Rolling optimal scheduling of wind power based on predictive control［J］. Transactions of China Electrotechnical Society， 2017， 32（17）： 75-83.

［14］ 肖浩， 裴瑋， 孔力. 基于模型預(yù)測控制的微電網(wǎng)多時間尺度協(xié)調(diào)優(yōu)化調(diào)度［J］. 電力系統(tǒng)自動化， 2016， 40（18）： 7-14， 55.

XIAO H， PEI W， KONG L. Multi-time scale coordinated optimal dispatch of microgrid based on model predictive control［J］. Automation of electric power systems， 2016， 40（18）： 7-14， 55.

［15］ 王磊， 周建平， 朱劉柱， 等. 基于分布式模型預(yù)測控制的綜合能源系統(tǒng)多時間尺度優(yōu)化調(diào)度［J］. 電力系統(tǒng)自動化， 2021， 45（13）： 57-65.

WANG L， ZHOU J P， ZHU L Z， et al. Multi-time scale optimal dispatch of integrated energy system based on distributed" model" predictive" control［J］." Automation" of electric power systems， 2021， 45（13）： 57-65.

［16］ 董雷， 陳卉， 蒲天驕， 等. 基于模型預(yù)測控制的主動配電網(wǎng)多時間尺度動態(tài)優(yōu)化調(diào)度［J］. 中國電機工程學(xué)報， 2016， 36（17）： 4609-4617.

DONG L， CHEN H， PU T J， et al. Active distribution network" multi-time" scale" dynamic" optimal" scheduling based on model predictive control［J］. Proceedings of the CSEE， 2016， 36（17）： 4609-4617.

TWO-STAGE OPTIMAL DISPATCHING OF WIND

POWER-PHOTOVOLTAIC-THERMAL POWER-PUMPED

STORAGE COMBINED SYSTEM

Luo Yuanxiang，Wang Yuhang，Liu Cheng，F(xiàn)an Lidong

（School of Electrical Engineering， Northeast Electric Power University， Jilin 132012， China）

Abstract：Grid-connection of wind power and photovoltaic is an effective means to reduce pollutant discharge from traditional coal-fired power plants. However， there is uncertainty in its intermittent energy output and the high-proportioned grid-connection results in challenges to the stable operation of electric power systems. In view of this， this paper utilizes the advantages of pumped storage in large capacity and fast response to establish a two-stage dynamic scheduling model of wind power， photovoltaic， thermal power and pumped storage. The long-time scale is aimed at minimizing total cost， so as to optimize controllable power output through considering the cost of system operation， emissions of SO2， NOX and PM， and punishment from wind and photovoltaic abandonment in an integrated way. With the long-time scale as the benchmark， the short-time scale is to continuously solve the output increment on the basis of the model predictive control principle and minimize the active output deviation of the pumped storage unit so as to enhance the smoothness of the scheduling. Finally， the actual data of pumped storage units in a region of northeast China and the improved IEEE-30 node system simulation are followed to verify the effectiveness of the model proposed herein， so as to bring down the pollutant-discharge level of the system and raise the capacity of the power system for consumption of wind power and photovoltaics.

Keywords：model predictive control； scheduling algorithms； renewable energy resources； pumped storage power plants； environmental cost

附 錄