考慮電源靈活性和互補性的多能源電力系統(tǒng)日前優(yōu)化調(diào)度

肖白, 張博

(東北電力大學(xué)電氣工程學(xué)院, 吉林 吉林 132012)

0 引言

含高比例可再生能源的多能源電力系統(tǒng)已成為未來電力系統(tǒng)發(fā)展趨勢, 隨著可再生能源的海量接入, 其發(fā)電的間歇性、 波動性給電力系統(tǒng)的優(yōu)化運行帶來的影響日益加劇[1]。 因此, 如何充分利用可再生能源電源與常規(guī)電源協(xié)調(diào)運行[2], 在保證火電平穩(wěn)運行的同時兼顧經(jīng)濟效益和環(huán)境保護, 已經(jīng)成為電力系統(tǒng)優(yōu)化調(diào)度的熱點問題。

在多能源電力系統(tǒng)的協(xié)調(diào)調(diào)度問題中, 對電源特性進行準(zhǔn)確分析尤為重要。 近年來, 已有文獻(xiàn)分別從電源靈活性、 互補性的角度對多能源電力系統(tǒng)的優(yōu)化運行問題進行討論。

在電力系統(tǒng)電源靈活性方面, 文獻(xiàn)[3] 以碳中和目標(biāo)為邊界, 綜合考慮了多類靈活性資源的約束, 從時間和空間尺度統(tǒng)籌優(yōu)化發(fā)電資源, 但缺少對系統(tǒng)不確定性、 波動性的綜合考量和建模。 文獻(xiàn)[4] 提出多時間尺度靈活性供給—需求平衡方法和靈活性量化指標(biāo), 并建立了系統(tǒng)靈活性裕度的概率模型, 實現(xiàn)對系統(tǒng)在多時間尺度下靈活性的量化評估, 充分挖掘了源網(wǎng)荷儲各環(huán)節(jié)的靈活性資源。文獻(xiàn)[5] 綜合考慮多能源電力系統(tǒng)的電源運行特性和靈活性, 提出了一種基于生成虛擬凈負(fù)荷的多能源電力系統(tǒng)日前優(yōu)化調(diào)度方法, 并考慮了系統(tǒng)不確定因素, 但未將各種電源的運行特性與系統(tǒng)靈活性的關(guān)系聯(lián)系起來。 文獻(xiàn)[6] 基于盲數(shù)理論, 結(jié)合多種能源的柔性資源發(fā)電特點, 建立了復(fù)雜電源柔性裕度的定量模型, 然而只側(cè)重分析量化了單類靈活性電源的靈活調(diào)節(jié)能力, 缺乏對系統(tǒng)整體靈活性的評價。 文獻(xiàn)[7] 提出了一種靈活性電池儲備模型, 可以對靈活性資源進行評估, 挖掘含風(fēng)電靈活性資源間的協(xié)調(diào)調(diào)控潛能, 但模型包含的電源種類過少, 難以全面評估系統(tǒng)的靈活性。

在電力系統(tǒng)電源互補性方面, 文獻(xiàn)[8] 提出一種風(fēng)光水火電廠互聯(lián)的電力系統(tǒng)協(xié)調(diào)調(diào)度模型,通過增加新能源發(fā)電量并減小火電輸出來緩解新能源的并網(wǎng)問題。 文獻(xiàn)[9] 提出了一種“分段—順序—反饋” 的多目標(biāo)優(yōu)化策略, 對各電源調(diào)度出力進行優(yōu)化, 減少了棄風(fēng)、 棄水。 文獻(xiàn)[10] 針對高比例清潔能源的并網(wǎng), 為實現(xiàn)清潔能源消納量最大, 提出了一種基于多時間尺度的生產(chǎn)模擬方法。 抽水蓄能和儲能電站在應(yīng)對風(fēng)光波動方面也發(fā)揮了重要效能[11－13]。 文獻(xiàn)[14] 將風(fēng)蓄聯(lián)合系統(tǒng)作為調(diào)峰電源來實現(xiàn)移峰錯谷, 更大限度地接納風(fēng)電, 利用了不同種能源之間的發(fā)電特性進行聯(lián)合調(diào)度。 文獻(xiàn)[15] 將火用的概念引入風(fēng)光水多能源資源的同質(zhì)化表征, 將火用分析和火用理論應(yīng)用于多能互補發(fā)電系統(tǒng)中。 隨著電力工業(yè)的發(fā)展, 如今多種能源協(xié)同調(diào)度的模型中電源結(jié)構(gòu)越來越復(fù)雜,電源種類的增加也提高了協(xié)調(diào)各類電源的難度, 在協(xié)調(diào)棄風(fēng)棄光與火電平穩(wěn)運行之間的矛盾、 負(fù)荷跟蹤和清潔能源消納等方面仍存在進一步優(yōu)化的空間。

相比于傳統(tǒng)的求解方法, 在模型求解方面啟發(fā)式優(yōu)化算法和機器學(xué)習(xí)等方法具有對數(shù)學(xué)模型依賴性低、 可以處理非線性優(yōu)化問題和普適性強等特點, 因此越來越多的文獻(xiàn)采用此類方法, 例如灰狼優(yōu)化算法、 改進的粒子群[16－17]等均用來求解電力系統(tǒng)中的調(diào)度問題, 但隨著系統(tǒng)中數(shù)據(jù)維數(shù)的增加, 對智能算法求解速度和準(zhǔn)確性也提出了更高要求。

針對以上問題, 本文綜合考慮并利用多能源電力系統(tǒng)電源的靈活性和互補性, 從日前調(diào)度層面構(gòu)建兼顧系統(tǒng)運行經(jīng)濟性、 平穩(wěn)性和清潔性的多能源電力系統(tǒng)協(xié)調(diào)分層日前優(yōu)化調(diào)度模型, 并采用改進的人工蜂群算法對模型進行求解, 算例驗證了所提模型的可行性。

1 多能源電力系統(tǒng)靈活性和互補性分析

多能源電力系統(tǒng)包含多種出力特性各異的電源, 如風(fēng)電、 光電、 水電、 火電等。 負(fù)荷波動帶來的不確定性和電源種類的增多, 對電力系統(tǒng)運行提出了更高要求, 為增加對可再生能源的消納能力,有必要對多能源電力系統(tǒng)的靈活性和互補性進行分析。

1.1 多能源電力系統(tǒng)靈活性

多能源電力系統(tǒng)靈活性是指電力系統(tǒng)通過優(yōu)化調(diào)配各類可用資源, 以一定的成本適應(yīng)發(fā)電、 負(fù)荷隨機變化的能力, 電力系統(tǒng)中的靈活性資源從電力系統(tǒng)結(jié)構(gòu)方面分析可分為源、 網(wǎng)、 荷、 儲四個方面[6]。 其中電源側(cè)是靈活性的本源, 包括可再生能源、 非可再生能源等, 具有不同的發(fā)電特性, 也就具有不同的靈活調(diào)節(jié)能力。 電網(wǎng)側(cè)是電力系統(tǒng)靈活性的樞紐, 可以為節(jié)點靈活性資源提供傳輸通道, 與其配合達(dá)到提升系統(tǒng)靈活性的目的。 負(fù)荷側(cè)主要包括各類需求響應(yīng)資源、 電動汽車等, 類型多且分布廣, 也能夠為系統(tǒng)提供一定的靈活性。 儲能系統(tǒng)能夠及時對負(fù)荷變化做出響應(yīng), 起到平抑波動的作用。

1.2 多能源電力系統(tǒng)互補性

多能源電力系統(tǒng)的互補性主要體現(xiàn)在電源側(cè),風(fēng)力發(fā)電和光伏發(fā)電在時間或空間上都有一定的互補性。 水力發(fā)電具有良好的調(diào)節(jié)性能, 可以與風(fēng)光的不確定性形成互補, 提高風(fēng)光消納能力。 火電、氣電等常規(guī)電源的調(diào)控能力幾乎不受自然因素約束, 具有較強的控制能力。 儲能系統(tǒng)憑借靈活的上下調(diào)節(jié)能力, 可以輔助火電機組進行調(diào)峰。

2 考慮電源靈活性和互補性分層調(diào)度模型的建立

2.1 研究框架

風(fēng)、 光、 水、 氣、 火、 儲多能源電力系統(tǒng)的協(xié)調(diào)與調(diào)度是一個復(fù)雜的非線性問題, 本文采用分層調(diào)度策略, 如圖1 所示, 將調(diào)度模型分為可再生能源調(diào)度層、 水電調(diào)度層、 氣電調(diào)度層、 儲能系統(tǒng)調(diào)度層和火電調(diào)度層。 各調(diào)度層通過更新凈負(fù)荷和靈活性裕度連接。 利用風(fēng)電、 光伏和水電之間的互補, 減少系統(tǒng)凈負(fù)荷的波動, 間接提高系統(tǒng)的靈活性, 再發(fā)揮氣電和儲能系統(tǒng)的調(diào)節(jié)能力, 平抑剩余負(fù)荷波動。

2.2 電源靈活性供需模型

參與并網(wǎng)所有發(fā)電單元各個時段可調(diào)出力之和即為系統(tǒng)在該時段能夠提供的靈活性, 稱為電源靈活性供給, 在空間上可以分為向上靈活性供給和向下靈活性供給。

式中,和分別為系統(tǒng)在t時段的上、 下調(diào)靈活性供給量；、、、、、分別為火電機組g、 氣電機組r、 水電機組h在t時段的上、 下調(diào)靈活性；、、分別為火電機組g、 氣電機組r、 水電機組h在t時段的出力；Pth,g,max、Pth,g,min、Pmt,r,max、Pmt,r,min、Phy,h,max、Phy,h,min分別為火電機組g、 氣電機組r、水電機組h出力的上下限；、、、、、分別為火電機組g、 氣電機組r、水電機組h的上下爬坡；NG、NR、NH分別為火電機組、 氣電機組、 水電機組的個數(shù)。

多能源電力系統(tǒng)對靈活性的需求主要來自可再生能源的不確定性、 負(fù)荷的波動性和預(yù)測誤差, 分為系統(tǒng)的上調(diào)靈活性需求和下調(diào)靈活性需求。

式中,、為系統(tǒng)在t時段的上下靈活性需求量；qu、qd分別為因光伏功率預(yù)測誤差引起的上下調(diào)靈活性系數(shù)；wu、wd分別為因風(fēng)電功率預(yù)測誤差引起的上下調(diào)靈活性系數(shù)；eu、ed分別為因系統(tǒng)負(fù)荷預(yù)測誤差引起的上下調(diào)靈活性系數(shù)。Pwd,t＋1、Ppv,t＋1、Pl,t＋1分別為在t＋1 時間段風(fēng)電、 光伏、 負(fù)荷功率的預(yù)測值；Pl,t為t時間段負(fù)荷功率的預(yù)測值；ΔPl為t＋1 時段負(fù)荷與t時段負(fù)荷預(yù)測功率的差值。

最后, 評估總體靈活性余量。 靈活性供給和靈活性需求的差值為電力系統(tǒng)電源靈活性裕度, 分為上調(diào)靈活性裕度和下調(diào)靈活性裕度。

2.3 電源互補性需求模型

從電源輸出與系統(tǒng)負(fù)荷的關(guān)系出發(fā), 并基于多能源電力系統(tǒng)的互補機理, 從提高可再生能源適應(yīng)性和消納能力的角度, 引入電源互補需求的數(shù)學(xué)模型。

式中,ri,t為t時段分析對象i的功率變化率, 在本文中分析對象為電源或負(fù)荷；Pi,t是t時段電源或負(fù)荷的功率；Pi,t－1是t －1 時段電源或負(fù)荷的功率；Δt為時間間隔。

負(fù)荷功率相對變化率和電源輸出功率相對變化率的計算方法:

式中,δs,t、δl,t分別是電源和負(fù)荷在t時段的輸出功率相對變化率；rs,t和rl,t分別為電源和負(fù)荷的功率變化率；PSC是電源的裝機容量；Pl,max,T是分析時段T內(nèi)負(fù)荷的最大值；T為時段數(shù), 日前調(diào)度取24。

通過負(fù)荷和電源功率相對變化率可以得到電源和負(fù)荷的互補需求指標(biāo), 電源和負(fù)荷的互補需求指標(biāo)Dsl越小, 電源和負(fù)荷在單位時間尺度上的變化趨勢越接近, 兩者的匹配性越好。

3 優(yōu)化調(diào)度模型的建立

3.1 目標(biāo)函數(shù)

為激勵電源充分發(fā)揮多元化作用, 實現(xiàn)系統(tǒng)運行的經(jīng)濟性、 對環(huán)境的友好性和火電出力的平穩(wěn)性, 構(gòu)建以總運行成本最低、 污染氣體排放量最小和火電出力方差最小的多目標(biāo)函數(shù), 并根據(jù)文獻(xiàn)[18] 的方法確定各目標(biāo)的權(quán)系數(shù)。

1) 系統(tǒng)總運行成本最低

式中,f1為總運行成本；CTH為火電機組燃煤成本；CMT為燃?xì)鈾C組燃?xì)獬杀?；CS為儲能系統(tǒng)運行成本；uth,g,t、umt,r,t分別為火電機組g、 燃?xì)鈾C組r在t時段的運行狀態(tài)變量；ag、bg、cg為火電機組g的燃煤費用系數(shù)；ar、br、cr為燃?xì)鈾C組r的燃?xì)赓M用系數(shù)；cs為儲能系統(tǒng)的成本系數(shù)；Ps,c,t、Ps,d,t分別為儲能系統(tǒng)在t時段的充、 放電功率。

2) 污染物排放總量最小

式中,f2為污染物排放總量；ap、bp、cp、ξp、λp為火電機組g的污染物排放系數(shù)[19]。

3) 火電出力方差f3最小

3.2 約束條件

1) 系統(tǒng)功率平衡約束

式中,Ps,t為儲能系統(tǒng)在t時段的功率；Ppv,v,t為光伏電站v在t時段的功率；Pwd,w,t為風(fēng)電場w在t時段的功率；NV、NW分別為光伏電站、 風(fēng)電場的個數(shù)。

2) 燃?xì)鈾C組約束

式中,Pmt,r,t－1和Pmt,r,t分別為燃?xì)鈾C組r在t －1 時段和t時段的功率。

3) 柔性約束

4) 火電機組約束

式中,Pth,g,t－1和Pth,g,t分別為火電機組g在t －1 時段和t時段的功率。

5) 儲能約束

式中,Pcs,t和Pds,t為儲能的充、 放電功率；Pcs,max和Pds,max分別為儲能充、 放電功率的最大值；Pcs,min和Pds,min分別為儲能充、 放電功率的最小值；Soc,min和Soc,max分別儲能荷電狀態(tài)的最小值、 最大值；Soc,t為t時段的荷電狀態(tài)。

6) 水電站約束

式中,Wmax和Wmin分別為水庫調(diào)度部門根據(jù)防洪、灌溉等綜合利用后當(dāng)日的最大和最小發(fā)電水量；ηhy是水力發(fā)電的轉(zhuǎn)換效率；hh,t是水力發(fā)電站h在t時段的水頭高度；Qhy,h,t為第NH個水電機組在t時段內(nèi)的發(fā)電引用流量。

4 多能源電力系統(tǒng)協(xié)調(diào)調(diào)度策略及求解方法

4.1 可再生能源調(diào)度層

為滿足多能源電力系統(tǒng)的互補需求, 考慮到多種能源的互補特性, 在系統(tǒng)優(yōu)化運行中, 將幾個互補后能很好跟蹤負(fù)荷波動的可再生電源聚合為一種電源, 稱為可再生能源互補電源(renewable energy complemetary power sources, RECPS)。 本層的優(yōu)化運行策略基于多能源電力系統(tǒng)的互補性, 風(fēng)電和光伏發(fā)電優(yōu)先接受, 根據(jù)前文的互補性需求模型, 將風(fēng)電、 光伏和部分水電可調(diào)聚合為RECPS, 當(dāng)互補需求指標(biāo)達(dá)到最優(yōu)時, 得到風(fēng)電、 光伏和部分可調(diào)水電的綜合比例。

式中,δRECPS,t為可再生能源互補電源的輸出功率相對變化率, 在此部分的互補電源包括風(fēng)電、 光伏和部分可調(diào)水電。

4.2 水電調(diào)度層

為進一步平抑凈負(fù)荷波動, 水電調(diào)度層以水電調(diào)峰后剩余負(fù)荷峰谷差ΔPvl最小為目標(biāo)。

式中,Psl,t為總負(fù)荷扣除可再生能源調(diào)度層出力后在t時段的凈負(fù)荷；PRECPS,t為滿足互補需求最優(yōu)的聚合后風(fēng)電、 光電和參與聚合水電的出力和。

4.3 氣電調(diào)度層

以水電調(diào)度層的剩余凈負(fù)荷方差最小為優(yōu)化目標(biāo), 先確定各時刻的燃?xì)鈾C組的總出力, 再求解各機組出力。

式中,為扣除風(fēng)電、 光電、 水電在t時段的凈負(fù)荷；為水電調(diào)度層中的水電輸出功率。

4.4 儲能系統(tǒng)調(diào)度層

儲能具有快速吞吐跟隨的負(fù)荷波動的能力, 可用于削峰填谷。 對于儲能系統(tǒng)調(diào)度層, 采取和氣電調(diào)度層同樣的策略, 以上一層傳遞剩余凈負(fù)荷的方差最小為本層的優(yōu)化目標(biāo)。

4.5 火電調(diào)度層

火電機組的啟停時間較長, 很難完成日內(nèi)啟停狀態(tài)轉(zhuǎn)換, 為保證機組運行效率, 提升計算效率,將系統(tǒng)優(yōu)化調(diào)度分為兩階段。 第一階段采用優(yōu)先順序法確定火電機組運行狀態(tài), 第二階段再使用改進的人工蜂群算法對各機組出力進行求解。

4.6 求解方法

人工蜂群算法[20]可以求解有關(guān)約束優(yōu)化問題,但標(biāo)準(zhǔn)的人工蜂群算法位置更新采用單一的搜索方程, 很難平衡種群的多樣性和收斂性, 易導(dǎo)致算法陷入局部最優(yōu)。 因此對人工蜂群算法進行改進, 提出一種改進的人工蜂群算法 (improve dynamic artificial bee colony algorithm, IDABC), 采用動態(tài)概率和最優(yōu)引導(dǎo)策略, 使位置更新參數(shù)隨迭代次數(shù)變化而變化, 增加收斂性和收斂精度。

式中,r1≠r2≠r3≠i；i∈ {1, 2, …,S} ,S為食物源的個數(shù)；j∈ {1, 2, …,D} ,D為問題的維數(shù)；φij、φij、λ和α為相關(guān)控制參數(shù)；xij、xr1,j、xr2,j、xr3,j為食物源參數(shù)；xopt,j是此次迭代過程中具有最優(yōu)適應(yīng)度的個體；vij為更新后食物源的位置；maxN是最大迭代次數(shù)；n是當(dāng)前迭代次數(shù)。

5 算例分析

5.1 算例數(shù)據(jù)及參數(shù)設(shè)置

通過算例分析驗證模型的可行性, 包括火電裝機容量為2 760 MW； 風(fēng)電裝機容量為2 000 MW；光伏裝機容量為5 800 MW； 水電裝機容量為6 000 MW； 氣電裝機容量為320 MW, 儲能系統(tǒng)400 MW·h； 風(fēng)光出力、 負(fù)荷功率等參數(shù)見參考文獻(xiàn)[5], 調(diào)度周期為24 h, 以1 h 為一個調(diào)度時段進行調(diào)度。 改進人工蜂群算法迭代次數(shù)為500 次,蜂群數(shù)量為50。

5.2 算例結(jié)果分析

為驗證所提優(yōu)化調(diào)度模型和算法的有效性, 設(shè)定兩種方案進行對比仿真。 方案1: 多能源電力系統(tǒng)協(xié)調(diào)分層優(yōu)化調(diào)度方法, 即本文的方法, 對各電源進行分層優(yōu)化, 并考慮靈活性供需約束和互補需求指標(biāo), 實現(xiàn)系統(tǒng)的多目標(biāo)協(xié)調(diào)優(yōu)化調(diào)度。 方案2: 多能源電力系統(tǒng)聯(lián)合調(diào)度方法, 將系統(tǒng)中的幾種電源進行聯(lián)合優(yōu)化, 根據(jù)各時刻系統(tǒng)的成本制約關(guān)系及運行約束優(yōu)化各電源的出力。

圖2 為風(fēng)光水火氣分層協(xié)調(diào)優(yōu)化調(diào)度結(jié)果, 儲能出力如圖3 所示。 由圖可知, 在互補需求指標(biāo)的作用下, 可再生能源互補電源的出力曲線和負(fù)荷曲線變化趨勢相似, 能夠很好地跟蹤負(fù)荷的變化。 從圖4 可以看出, 所提的分層協(xié)調(diào)調(diào)度方法提高了電力系統(tǒng)接受風(fēng)電和光伏的能力, 調(diào)度日內(nèi)水電輸出功率總和為101 421.35 MW·h, 相比常規(guī)方法水電利用率提高了2.45%。 火電機組日內(nèi)總輸出功率降低了4 247.42 MW·h, 減少了系統(tǒng)煤耗和硝硫碳等污染物的排放。

圖2 風(fēng)光水火氣優(yōu)化調(diào)度結(jié)果

圖3 儲能出力優(yōu)化調(diào)度結(jié)果

圖4 兩種方案下各電源總輸出功率對比

由圖5 可知, 在方案2 中, 系統(tǒng)在負(fù)荷高峰時存在多數(shù)靈活性剩余, 而在負(fù)荷低谷階段存在靈活性不足的情況, 可能無法快速響應(yīng)負(fù)荷變化和風(fēng)光功率預(yù)測偏差。 在方案1 中, 分層優(yōu)化調(diào)度時考慮了系統(tǒng)上、 下調(diào)靈活性裕度, 充分利用了水電、 氣電、 儲能靈活性資源的調(diào)節(jié)作用, 使多能互補系統(tǒng)在各個時間段都能滿足上調(diào)靈活性和下調(diào)靈活性裕度需求。

圖5 系統(tǒng)上、 下調(diào)靈活性裕度

從表1 中可以看出, 與常規(guī)聯(lián)合調(diào)度方法相比, 本文所提方法在調(diào)度周期內(nèi)火電機組每時段的平均出力由1 772.08 MW 降為1 597.10 MW, 可再生能源滲透率由74.92%提高到了77.41%, 污染物減排率達(dá)到了8.3%, 降低了火電機組調(diào)峰成本, 并帶來了一定的環(huán)境收益。

表1 兩種調(diào)度方案的指標(biāo)對比

為驗證改進人工蜂群算法的有效性, 對兩種方案用不同算法求解多次并取平均值。 由圖6 和表2可知, IDABC 算法的最優(yōu)解優(yōu)于其他兩種, 具有更高的收斂精度, 并且IDABC 算法尋優(yōu)達(dá)到最優(yōu)解與所需要的迭代次數(shù)更少, 收斂速度上比PSO、ABC 算法快。

表2 兩種方案的不同求解方法結(jié)果對比 萬元

圖6 不同算法對比迭代曲線

6 結(jié)論

針對風(fēng)、 光等可再生能源大規(guī)模并網(wǎng)帶來的問題和現(xiàn)有多能互補協(xié)調(diào)調(diào)度的不足, 提出一種考慮電源靈活性和互補性的多能源電力系統(tǒng)日前優(yōu)化調(diào)度方法。 主要結(jié)論如下:

1) 在調(diào)度模型中引入合適的電源靈活性供需模型, 能夠?qū)崿F(xiàn)對多能源電力系統(tǒng)有限靈活性資源的優(yōu)化利用, 降低系統(tǒng)備用的冗余度。

2) 使用分層優(yōu)化策略, 能夠利用不同電源間的相濟互補改善電源的運行狀況, 在滿足火電經(jīng)濟平穩(wěn)運行的同時, 提高對可再生能源的消納, 降低污染物排放量。

3) 對人工蜂群算法的改進, 在對模型求解的過程中避免了陷入局部最優(yōu), 提高了收斂精度。