多備用資源聯(lián)合發(fā)電系統(tǒng)的兩階段魯棒優(yōu)化調(diào)度

趙為光, 劉振羽, 曹美萱, 鐘懿文, 梁 桐

(黑龍江科技大學(xué) 電氣與控制工程學(xué)院, 哈爾濱 150022)

0 引 言

《國(guó)務(wù)院關(guān)于印發(fā)2030年前碳達(dá)峰行動(dòng)方案的通知》提出“構(gòu)建新能源占比逐漸提高的新型電力系統(tǒng)是當(dāng)前新能源發(fā)電發(fā)展的重點(diǎn)方向”[1]。由于可再生能源發(fā)電的隨機(jī)性和波動(dòng)性會(huì)對(duì)電網(wǎng)的安全造成擾動(dòng),因此,研究多種可再生能源發(fā)電的有效組合的聯(lián)合發(fā)電形式,同時(shí)結(jié)合儲(chǔ)能系統(tǒng)的能量時(shí)移特性,實(shí)現(xiàn)能量的互補(bǔ)平衡可再生能源的波動(dòng)影響,并解決可再生能源不確定性導(dǎo)致的機(jī)組組合與備用問題,是新能源電力系統(tǒng)領(lǐng)域的熱點(diǎn)問題。

光熱(CSP)電站中儲(chǔ)熱裝置(TES)可以存儲(chǔ)多余光熱,具有一定的能量時(shí)移特性。因此存在與多種系統(tǒng)耦合的可能性。Li等[2]將熱電聯(lián)供裝置與CSP機(jī)組中的儲(chǔ)熱裝置相結(jié)合,并將改進(jìn)后的光熱機(jī)組并入綜合能源網(wǎng)中進(jìn)行優(yōu)化。崔楊等[3-4]通過電加熱的方式將CSP機(jī)組的儲(chǔ)熱系統(tǒng)與風(fēng)光發(fā)電系統(tǒng)耦合起來,增加了風(fēng)光可再生能源并網(wǎng)消納能力。除了CSP發(fā)電外,氫能正逐步成為全球能源轉(zhuǎn)型發(fā)展的重要載體之,我國(guó)是世界上最大的制氫國(guó),在清潔低碳的氫能供給上具有巨大潛力[5]。Huang等[6]使用了兩階段優(yōu)化的方法對(duì)微網(wǎng)中的電-氫系統(tǒng)運(yùn)行進(jìn)行了優(yōu)化。曹蕃等[7]將電轉(zhuǎn)氫裝置與風(fēng)光消納結(jié)合起來。在此基礎(chǔ)上,蔡欽欽等[8-9]將燃料電池模型引入到氫消納體系中并收集氫消納體系運(yùn)行的余熱至微網(wǎng)中的儲(chǔ)熱系統(tǒng),為風(fēng)光消納結(jié)構(gòu)的創(chuàng)新提供了新思路。

隨著新能源發(fā)電的裝機(jī)容量在發(fā)電系統(tǒng)中的占比逐漸上升,僅靠傳統(tǒng)火電機(jī)組提供備用資源顯得不足。因此使用新能源機(jī)組參與提供備用資源可有效緩解上述問題[10]。筆者設(shè)計(jì)風(fēng)-光-光熱并考慮綠氫資源的聯(lián)合發(fā)電系統(tǒng),建立系統(tǒng)模型,利用光熱發(fā)電單元拓展火力發(fā)電機(jī)組的備用資源,改善備用資源及系統(tǒng)調(diào)度的靈活性。通過三層兩階段優(yōu)化算法建立系統(tǒng)調(diào)度模型:第一階段外層模型解決日前調(diào)度主問題;第二階段中利用中間層模型描述可再生能源系統(tǒng)的不確定性。運(yùn)用內(nèi)層模型建立日內(nèi)備用資源調(diào)整費(fèi)用的最小目標(biāo),從而實(shí)現(xiàn)可再生能源不確定性導(dǎo)致的日內(nèi)階段備用資源的調(diào)整費(fèi)用最小,最后通過算例分析驗(yàn)證聯(lián)合發(fā)電系統(tǒng)的并網(wǎng)消納水平和三層兩階段魯棒優(yōu)化的多備用資源調(diào)度方式的經(jīng)濟(jì)性和靈活性。

1 風(fēng)-光-光熱-綠氫聯(lián)合發(fā)電系統(tǒng)

1.1 聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu)

文中提出一種改進(jìn)的風(fēng)-光-光熱-綠氫(W-PV-CSP-GH)聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu),如圖1所示。系統(tǒng)電源由CSP發(fā)電單元,光伏發(fā)電單元和風(fēng)力發(fā)電單元共同組成,將電解產(chǎn)氫裝置、儲(chǔ)氫裝置(HES)及氫燃料電池視為綠氫(GH)單元。聯(lián)合發(fā)電系統(tǒng)通過電解制氫、氫發(fā)電、氫儲(chǔ)能及CSP電站系統(tǒng)中熱儲(chǔ)能的綜合調(diào)度,實(shí)現(xiàn)對(duì)風(fēng)、光可再生能源的有效消納,降低碳排放水平。同時(shí)由于系統(tǒng)可為CSP單元提供靈活多樣的熱量來源,保障了光熱發(fā)電出力的穩(wěn)定性,使光熱發(fā)電可作為有效的備用發(fā)電資源。

圖1 W-PV-CSP-GH聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu)Fig. 1 Structure of W-PV-CSP-GH combined power generation system

1.2 W-PV-CSP-GH系統(tǒng)建模

1.2.1 CSP單元模型

由能量流圖可知,TES不僅可以向CSP機(jī)組供熱,還可以回收儲(chǔ)存來自于自身單元和綠氫單元產(chǎn)生的熱量,TES的充放能狀態(tài)表示為

(1)

式中:PI,t、PO,t——t時(shí)刻儲(chǔ)熱裝置的充、放熱功率;

Qf,t——t時(shí)刻燃料電池產(chǎn)生的熱量;

Pc,t——t時(shí)刻CSP機(jī)組提供的熱量;

Pd,t——t時(shí)刻儲(chǔ)熱裝置放出的熱量;

ηI、ηO——充、放熱效率。

TES不僅受能量平衡的限制,對(duì)于儲(chǔ)能的初、末狀態(tài)和容量狀態(tài)的關(guān)系為

(2)

式中:Et——儲(chǔ)熱系統(tǒng)在t時(shí)所儲(chǔ)存的能量;

Emax——儲(chǔ)熱系統(tǒng)儲(chǔ)能上限,1 000 MW·h;

Emin——儲(chǔ)熱系統(tǒng)儲(chǔ)能下限,100 MW·h。

1.2.2 W-PV單元模型

風(fēng)光發(fā)電的出力分為入網(wǎng)的風(fēng)光出力、棄風(fēng)棄光,以及被氫能系統(tǒng)消納的部分,電能流向模型為

(3)

式中:W1,t、V1,t——被系統(tǒng)利用的風(fēng)光機(jī)組出力;

W2,t、V2,t——t時(shí)刻棄風(fēng)棄光量;

W3,t、V3,t——t時(shí)刻入網(wǎng)的風(fēng)光出力;

W4,t、V4,t——t時(shí)刻綠氫消納的風(fēng)光出力。

1.2.3 GH單元模型

電解制氫模型為

(4)

式中:Pe,t、Pe,max——t時(shí)刻電轉(zhuǎn)氫裝置電功率;

Pe,max——電轉(zhuǎn)氫裝置最大功率,大小為10 MW;

Qh1,t——電轉(zhuǎn)氫裝置產(chǎn)生的液氫的能量;

ηe——電轉(zhuǎn)氫裝置效率,大小為75%。

HES模型約束同TES類似,模型見文獻(xiàn)[8]。

燃料電池的模型為

(5)

式中:Pf,t、Pf,max——燃料電池發(fā)電功率;

Pf,max——燃料電池出力最大值,大小為5 MW;

ηf——燃料電池的效率;

Qm,t——燃料電池的耗氫功率。

1.2.4 聯(lián)合運(yùn)行耦合機(jī)理

受周期性和隨機(jī)波動(dòng)性制約,可再生能源發(fā)電具有反調(diào)峰特性。聯(lián)合發(fā)電系統(tǒng)采用TES和HES,可有效對(duì)多余的風(fēng)光資源進(jìn)行能量時(shí)移。系統(tǒng)在光能充足時(shí),利用CSP發(fā)電同時(shí)將多余的光熱資源以熱能形式存儲(chǔ),通過GH單元消納多余電能制氫儲(chǔ)氫,并回收制氫過程余熱資源為CSP所用。在光能較弱時(shí),CSP利用TES能量發(fā)電,同時(shí)儲(chǔ)氫裝置為燃料電池供氫發(fā)電,進(jìn)一步提高電能供應(yīng)量,在此階段燃料電池余熱也可助力CSP發(fā)電。由于系統(tǒng)采用W-PV互補(bǔ)結(jié)構(gòu),當(dāng)風(fēng)力發(fā)電出現(xiàn)異常時(shí),上述調(diào)節(jié)過程同樣適用。

在建立W-PV-CSP-GH系統(tǒng)模型基礎(chǔ)上,通過合理設(shè)計(jì)目標(biāo)函數(shù)和尋優(yōu)方法,提高系統(tǒng)的運(yùn)行經(jīng)濟(jì)性,增加清潔可再生能源的發(fā)電量是文中的重要研究?jī)?nèi)容。

2 聯(lián)合發(fā)電系統(tǒng)多備用資源模型

聯(lián)合發(fā)電系統(tǒng)中具有多樣的儲(chǔ)能方式和靈活的多種異質(zhì)能量流之間的能量轉(zhuǎn)換過程,增強(qiáng)了系統(tǒng)能量時(shí)移性能,提高了CSP單元供電的穩(wěn)定性,使CSP單元具備提供多備用資源的可能性[11-12]。因此,文中在火電機(jī)組備用的基礎(chǔ)上,利用聯(lián)合發(fā)電系統(tǒng)中的CSP機(jī)組補(bǔ)充傳統(tǒng)火電機(jī)組備用資源,提高系統(tǒng)運(yùn)行經(jīng)濟(jì)性和靈活性。

為有效應(yīng)對(duì)可再生資源預(yù)測(cè)誤差導(dǎo)致的魯棒問題,降低調(diào)用備用資源成本,筆者采用三層兩階段優(yōu)化方法,分為日前和日內(nèi)調(diào)度,CSP備用資源日前調(diào)度模型為

(6)

式中:P0,t——CSP機(jī)組日前階段出力;

Pmax、Pmin——CSP機(jī)組日前階段出力最大、最小值,大小分別為100和10 MW;

Xt、Yt——日前調(diào)度階段CSP機(jī)組提供的上下備用值;

Xt,max、Yt,max——CSP機(jī)組提供上下備用的最大值。

日內(nèi)調(diào)度模型為

(7)

式中:PS,t——經(jīng)日內(nèi)階段調(diào)整后的CSP機(jī)組出力;

ΔXt、ΔYt——日內(nèi)階段CSP機(jī)組調(diào)整的上下備用調(diào)整量;

XS,t、YS,t——日內(nèi)階段調(diào)整后CSP機(jī)組所提供的上下備用容量。

3 兩階段多備用資源魯棒優(yōu)化模型

為了改善風(fēng)光出力的波動(dòng)性對(duì)機(jī)組出力和備用調(diào)度的影響,文中通過使用三層兩階段的優(yōu)化方法對(duì)聯(lián)合發(fā)電系統(tǒng)進(jìn)行建模優(yōu)化。第一階段以系統(tǒng)運(yùn)行經(jīng)濟(jì)最優(yōu)為目標(biāo)先進(jìn)行日前預(yù)調(diào)度;第二階段為日內(nèi)調(diào)整階段,考慮風(fēng)光出力的不確定集尋找最惡劣的運(yùn)行工況,綜合調(diào)整聯(lián)合發(fā)電系統(tǒng)備用資源,獲得最優(yōu)備用調(diào)整費(fèi)用,保證系統(tǒng)安全運(yùn)行,提高可再生能源消納能力。

3.1 目標(biāo)函數(shù)

文中優(yōu)化調(diào)度建模結(jié)構(gòu)采用min+max-min結(jié)構(gòu),第一階段外層min結(jié)構(gòu)制定日前調(diào)度策略;第二階段中,max中間層描述不確定集問題,min內(nèi)層結(jié)構(gòu)制定具體日內(nèi)調(diào)整計(jì)劃。采用三層兩階段方法進(jìn)行尋優(yōu),系統(tǒng)總運(yùn)行成本為

(8)

3.1.1 日前調(diào)度階段目標(biāo)

聯(lián)合發(fā)電系統(tǒng)運(yùn)行成本為

C1=C11+C12+C13+C14,

(9)

式中:C11——火電機(jī)組運(yùn)行成本;

C12——新能源機(jī)組運(yùn)行成本;

C13——調(diào)度多資源備用成本;

C14——棄風(fēng)棄光成本。

火電機(jī)組運(yùn)行成本為

(10)

式中:Z——火電機(jī)組數(shù)量;

T——調(diào)度時(shí)間;

ai、bi、ci——成本系數(shù);

G0i,t——t時(shí)刻火電機(jī)組i日前階段機(jī)組出力;

Ui——第i個(gè)火電機(jī)組的啟停成本;

mi,t、ni,t——火電機(jī)組開停機(jī)變量。

新能源機(jī)組運(yùn)行成本為

(11)

式中:kw——風(fēng)力發(fā)電成本系數(shù);

kg——光伏發(fā)電成本系數(shù);

kf——燃料電池發(fā)電成本系數(shù);

ks——CSP機(jī)組發(fā)電成本系數(shù)。

多資源備用成本C13,由火電機(jī)組備用成本和光熱機(jī)組備用成本構(gòu)成。

(12)

式中:Mi,t、Ni,t——火電機(jī)組所提供的上下備用;

CG,i——火電機(jī)組備用成本;

CC——CSP機(jī)組備用成本。

棄風(fēng)棄光懲罰成本為

(13)

式中,KF、KG——棄風(fēng)棄光懲罰系數(shù)。

3.1.2 日內(nèi)調(diào)整階段目標(biāo)函數(shù)

日內(nèi)階段為雙層優(yōu)化問題,中間層max目標(biāo)為在給定的不確定集中尋找到最惡劣的運(yùn)行工況,內(nèi)層min目標(biāo)在max層中尋得的最惡劣情況下,最小化機(jī)組備用調(diào)整費(fèi)用。

(14)

式中:DG,i——火電機(jī)組i備用日內(nèi)調(diào)整經(jīng)濟(jì)系數(shù);

DC——CSP機(jī)組的備用日內(nèi)調(diào)整經(jīng)濟(jì)系數(shù);

ΔMi,t、ΔNi,t——t時(shí)刻火電機(jī)組i上、下備用的調(diào)整量。

3.2 約束條件

3.2.1 外層日前調(diào)度約束

火電機(jī)組出力及備用相關(guān)約束為

(15)

式中:Ii,t——火電機(jī)組狀態(tài)變量;

Gi,max——火電機(jī)組出力最大值;

Gi,min——火電機(jī)組出力最小值。

CSP機(jī)組出力及備用相關(guān)約束見文中式(6)。聯(lián)合發(fā)電系統(tǒng)相關(guān)約束見文中式(1)～(5)。

系統(tǒng)功率平衡約束為

(16)

式中,Lt——系統(tǒng)在t時(shí)刻的總負(fù)荷。

日前階段系統(tǒng)備用容量約束為

(17)

式中:R1t,min——日前調(diào)度階段系統(tǒng)所需的上備用最小值;

R0t,min——日前調(diào)度階段系統(tǒng)所需的下備用最小值。

3.2.2 中間層不確定集約束

風(fēng)光出力的不確定性對(duì)系統(tǒng)安全造成影響,而三層兩階段魯棒建模及優(yōu)化可以充分地考慮不確定性并以集合的形式進(jìn)行描述,從而在保證系統(tǒng)安全運(yùn)行的同時(shí),根據(jù)實(shí)際情況調(diào)整不確定集的參數(shù)達(dá)到經(jīng)濟(jì)性與安全性的平衡。

風(fēng)光出力最嚴(yán)重的場(chǎng)景一定是發(fā)生在出力波動(dòng)的最大值或最小值的情況[13],可采用描述不確定場(chǎng)景的線性約束為

(18)

式中:Wt,min、Wt,max——t時(shí)刻風(fēng)電最小、最大值;

Vt,min、Vt,max——t時(shí)刻光伏最小、最大值;

Wt、Vt——t時(shí)刻風(fēng)電、光伏出力預(yù)測(cè)值。

3.2.3 內(nèi)層日內(nèi)調(diào)整約束

日內(nèi)階段火電機(jī)組出力與備用容量調(diào)整約束為

(19)

式中:GSi,t——日內(nèi)階段調(diào)整后火電機(jī)組出力;

ΔMi,t、ΔNi,t——日內(nèi)階段火電上、下備用調(diào)整量;

MSi,t、NSi,t——日內(nèi)階段火電機(jī)組調(diào)整后所提供的上、下備用容量。

日內(nèi)階段CSP機(jī)組出力與備用容量調(diào)整約束,在文中式(7)中已列出,在此不作贅述。

日內(nèi)階段系統(tǒng)功率平衡約束為

(20)

日內(nèi)階段備用容量約束為

(21)

式中,S1t,min、S0t,min——日內(nèi)調(diào)整階段系統(tǒng)所需上、下備用的最小值。

4 模型的求解

文中建立的模型為三層兩階段魯棒優(yōu)化模型,外層問題解決日前調(diào)度問題,形式上為最小化問題,內(nèi)層問題為日內(nèi)調(diào)整,形式上為max-min問題,整個(gè)優(yōu)化模型為混合整數(shù)線性優(yōu)化模型(MILP),而且內(nèi)層約束中并沒有0-1型變量,因此,文中利用C&CG算法尋優(yōu)。根據(jù)C&CG算法求解方法可知,三層兩階段模型求解過程共分為兩個(gè)部分,首先求解第一階段外層主問題,確定模型下界;隨后在第二階段對(duì)最惡劣的情況進(jìn)行尋優(yōu),確定模型上界,并將求出的最惡劣情況(即中間層變量) 代入外層主問題進(jìn)行迭代計(jì)算,直至模型的上界與下界的差值收斂至允許區(qū)間,得到最優(yōu)解[14]。計(jì)算流程如圖2所示。

圖2 C&CG算法程序流程Fig. 2 C&CG algorithm program flow

(1)設(shè)置初始迭代次數(shù)為0,并設(shè)置初始上界αUB、下界αLB和收斂判據(jù)e。

(2)對(duì)外層主問題式(9)進(jìn)行求解,輸出已優(yōu)化的外層變量,并將求出的外層主問題的函數(shù)值更新上界。

(3)求解內(nèi)層問題式(14)進(jìn)行求解,輸出求解出的內(nèi)層變量,并求出內(nèi)層函數(shù)值更新下界。

(4)判斷模型是否收斂,若符合條件則迭代結(jié)束,輸出結(jié)果,如果不符合條件則將解出的內(nèi)層變量重新代入至外層主問題,繼續(xù)重復(fù)如上過程,直至符合收斂條件。

5 算例分析

5.1 場(chǎng)景設(shè)計(jì)

6節(jié)點(diǎn)系統(tǒng)結(jié)構(gòu)簡(jiǎn)單,符合小系統(tǒng)分布式新能源機(jī)組的特點(diǎn),因此,文中采用IEEE-6節(jié)點(diǎn)進(jìn)行算例分析,其結(jié)構(gòu)如圖3所示。

圖3 IEEE 6節(jié)點(diǎn)系統(tǒng)結(jié)構(gòu)示意Fig. 3 IEEE 6-node system structure

G1～G3為火電機(jī)組,W和PV分別為風(fēng)電光伏機(jī)組,CSP為光熱機(jī)組,F為氫燃料電池機(jī)組?？紤]熱能傳輸?shù)木嚯x限制,將互相耦合的CSP單元和綠氫單元的燃料電池接入4號(hào)節(jié)點(diǎn)。算例中的聯(lián)合發(fā)電系統(tǒng)火電機(jī)組及其它各單元參數(shù)如表1和2所示。典型日負(fù)荷及風(fēng)光出力預(yù)測(cè)功率[15-16]如圖4所示。

表1 火電機(jī)組運(yùn)行參數(shù)Table 1 Operation parameters of thermal power unit

圖4 負(fù)荷及風(fēng)光出力預(yù)測(cè)曲線Fig. 4 Prediction index curve of load and wind power

根據(jù)系統(tǒng)各種組合情況,設(shè)計(jì)三種運(yùn)行場(chǎng)景。

場(chǎng)景1:采用W-PV-CSP-H聯(lián)合發(fā)電系統(tǒng)的多備用資源魯棒優(yōu)化模型。

場(chǎng)景2:未采用聯(lián)合發(fā)電運(yùn)行方式的多備用資源魯棒優(yōu)化模型。

場(chǎng)景3:未采用聯(lián)合發(fā)電方式且僅采用火電機(jī)組提供備用的魯棒優(yōu)化模型。

文中的算例在Matlab R2020b軟件環(huán)境下采用Gurobi商業(yè)優(yōu)化求解器進(jìn)行計(jì)算求解。

5.2 算例結(jié)果分析

各場(chǎng)景運(yùn)行成本,見表2。采用W-PV-CSP-GH聯(lián)合運(yùn)行且備用資源方式為多資源備用時(shí),系統(tǒng)運(yùn)行總成本最小,且各指標(biāo)成本最小,證明了聯(lián)合發(fā)電運(yùn)行方式和多備用資源魯棒優(yōu)化方式對(duì)提高系統(tǒng)總體的經(jīng)濟(jì)性運(yùn)行是有效的。場(chǎng)景2、3由于未聯(lián)合運(yùn)行方式,棄風(fēng)棄光懲罰嚴(yán)重。綜上,僅有采用W-PV-CSP-GH聯(lián)合發(fā)電系統(tǒng)多備用資源場(chǎng)景1的各方面經(jīng)濟(jì)性最佳。

表2 場(chǎng)景運(yùn)行成本對(duì)比Table 2 Scenario operation cost comparison

比較分析圖4的風(fēng)光預(yù)測(cè)及負(fù)荷數(shù)據(jù)和圖5的優(yōu)化調(diào)度結(jié)果,當(dāng)0:00-07:00和12:00-16:00時(shí)段,風(fēng)電和光伏發(fā)電分別出現(xiàn)反調(diào)峰特性,負(fù)荷出現(xiàn)低谷而風(fēng)光出力出現(xiàn)高峰。結(jié)合圖5中的調(diào)度結(jié)果,使用聯(lián)合運(yùn)行方式運(yùn)行的場(chǎng)景1同場(chǎng)景2、3相比,棄風(fēng)棄光現(xiàn)象得到了有效解決,避免了風(fēng)光資源的浪費(fèi)。

圖5 各場(chǎng)景調(diào)度結(jié)果Fig. 5 Scheduling results of three scenarios

文中通過綠氫單元與其它發(fā)電單元聯(lián)合運(yùn)行來達(dá)到對(duì)風(fēng)光資源的消納,各場(chǎng)景下儲(chǔ)熱系統(tǒng)和儲(chǔ)氫系統(tǒng)的能量狀態(tài),如圖6所示。當(dāng)風(fēng)光出力“供大于求”時(shí),采用聯(lián)合運(yùn)行方式的場(chǎng)景1綠氫單元中的電轉(zhuǎn)氫裝置消納多余的風(fēng)光資源,當(dāng)風(fēng)光出力出現(xiàn)“求大于供”時(shí),此時(shí)儲(chǔ)氫系統(tǒng)向燃料電池供氫發(fā)電,再結(jié)合圖6b中的儲(chǔ)熱系統(tǒng)能量狀態(tài)圖,綠氫單元工作時(shí)的余熱被收集至儲(chǔ)熱系統(tǒng),驗(yàn)證了文中所提出W-PV-CSP-GH系統(tǒng)各單元耦合運(yùn)行。以上結(jié)果有效證明聯(lián)合發(fā)電系統(tǒng)消納風(fēng)光資源的能力。結(jié)合圖5可見,采用聯(lián)合運(yùn)行方式的場(chǎng)景1中,作為清潔能源的風(fēng)光發(fā)電入網(wǎng)比例最高,從而有效降低了發(fā)電系統(tǒng)的碳排放,實(shí)現(xiàn)了低碳運(yùn)行。

圖6 儲(chǔ)能系統(tǒng)狀態(tài)Fig. 6 Scheduling results of three scenarios

各模型的備用資源的優(yōu)化結(jié)果,如圖7所示。當(dāng)使用光熱機(jī)組提供備用資源的多備用資源協(xié)同優(yōu)化時(shí),光熱機(jī)組在5:00后逐漸替代火電機(jī)組的作用成為主要提供備用資源的機(jī)組,由于光熱機(jī)組調(diào)度備用資源的成本低,因此所產(chǎn)生的日前調(diào)度費(fèi)用和日內(nèi)調(diào)整費(fèi)用更少。由表2中各場(chǎng)景調(diào)度備用資源和日內(nèi)調(diào)整備用資源的成本,進(jìn)一步驗(yàn)證了其經(jīng)濟(jì)上的優(yōu)勢(shì)。

在提升系統(tǒng)運(yùn)行靈活性方面, 在05:00、12:00等風(fēng)光發(fā)電出現(xiàn)反調(diào)峰特性時(shí),結(jié)合圖8,此時(shí)采用多備用資源協(xié)同優(yōu)化的場(chǎng)景1、2已啟動(dòng)的火電機(jī)組的數(shù)量多于采用單一火電提供備用資源方式的場(chǎng)景3,此時(shí)光熱機(jī)組提供大量的備用資源,減輕了火電機(jī)組的壓力。而未采用多備用資源方式的場(chǎng)景3,由于單純依靠火電機(jī)組提供備用資源,為了追求經(jīng)濟(jì)優(yōu)化僅由一組經(jīng)濟(jì)性最優(yōu)的火電機(jī)組提供備用資源,導(dǎo)致開機(jī)的機(jī)組數(shù)量減少,當(dāng)遇到緊急情況時(shí),由于火電機(jī)組的啟機(jī)需要時(shí)間,因此,靈活性不如場(chǎng)景1和2。

圖8 火電機(jī)組運(yùn)行狀態(tài)Fig. 8 Operation state of thermal power unit

不確定集對(duì)模型的影響主要體現(xiàn)在經(jīng)濟(jì)性上,如圖9所示。

圖9 不確定性與總成本關(guān)系Fig. 9 Relationship between uncertainty and cost

隨著不確定集中風(fēng)光出力的波動(dòng)性逐漸增大時(shí),系統(tǒng)的總成本也在逐漸增加。隨著風(fēng)光出力的極值在其預(yù)測(cè)值的30%上(下)波動(dòng)時(shí),系統(tǒng)的總成本達(dá)到最大。若直接采用最惡劣環(huán)境下的風(fēng)光出力情況代入至單層優(yōu)化模型中,雖然可以保證系統(tǒng)在最惡劣條件下的穩(wěn)定運(yùn)行,但是會(huì)造成成本的增加,相比于單層的調(diào)度優(yōu)化模型,三層兩階段魯棒優(yōu)化在最惡劣的情況下盡可能的降低內(nèi)層的備用調(diào)整成本,比單層優(yōu)化模型的經(jīng)濟(jì)性更好。在實(shí)際調(diào)度中,可以根據(jù)實(shí)際情況調(diào)整不確定集中風(fēng)光的波動(dòng)程度,實(shí)現(xiàn)經(jīng)濟(jì)性和安全性的平衡。

6 結(jié) 論

(1)風(fēng)-光-光熱-綠氫聯(lián)合發(fā)電運(yùn)行方式能在風(fēng)光出力呈現(xiàn)反調(diào)峰特性時(shí)有效消納多余的風(fēng)光資源,并借助其氫、熱兩種儲(chǔ)能的能量時(shí)移特性將清潔能源按需求重新分配,降低了系統(tǒng)的碳排放量并提高了經(jīng)濟(jì)性。

(2)受備用機(jī)組數(shù)量及光熱機(jī)組調(diào)節(jié)速度影響,改進(jìn)的多備用資源方式提高系統(tǒng)的靈活性,有效降低了系統(tǒng)的備用成本。

(3)三層兩階段魯棒優(yōu)化模型在日前進(jìn)行預(yù)調(diào)度的基礎(chǔ)上,通過在中間層不確定集中的最惡劣情況下最小化日內(nèi)調(diào)整階段的成本,有效提高了系統(tǒng)的經(jīng)濟(jì)性。