考慮多重不確定性因素的可靠性指標(biāo)計(jì)算與備用容量優(yōu)化

葉 倫, 歐陽旭, 姚建剛, 楊勝杰, 尹駿剛

(1.湖南大學(xué) 電氣與信息工程學(xué)院,長沙 410082; 2.湖南工商大學(xué) 計(jì)算機(jī)學(xué)院,長沙 410205)

大力發(fā)展風(fēng)電、光伏等可再生能源是應(yīng)對(duì)能源安全、環(huán)境污染,實(shí)現(xiàn)“碳達(dá)峰”“碳中和”目標(biāo)的重大需求[1-2].截至2021年底,我國風(fēng)電裝機(jī)328 GW,光伏發(fā)電裝機(jī)306 GW,二者已分別占全國總發(fā)電裝機(jī)容量的16.5%和12.9%.預(yù)計(jì)到2030年,我國風(fēng)電、太陽能發(fā)電總裝機(jī)容量將達(dá)到120 GW以上.風(fēng)電、光伏等可再生能源出力具有波動(dòng)性、間歇性和不確定性等特點(diǎn),大規(guī)?？稍偕茉床⒕W(wǎng)運(yùn)行需要電力系統(tǒng)安排額外的備用容量以確保系統(tǒng)的可靠性,對(duì)系統(tǒng)的靈活調(diào)節(jié)能力提出了新的要求.現(xiàn)行的電網(wǎng)運(yùn)行規(guī)則中一般采用確定性的方式確定系統(tǒng)的備用容量配置,如最大在線機(jī)組容量或者負(fù)荷的一定比例等,這種近似“一刀切”的確定性方式過于粗放,容易造成備用資源的浪費(fèi),已難以適應(yīng)高比例可再生能源的并網(wǎng)運(yùn)行需求.因此,需要綜合考慮各種不確定性因素,采用更合理的方式實(shí)現(xiàn)備用容量的優(yōu)化配置,提高電力系統(tǒng)的經(jīng)濟(jì)運(yùn)行效率.

目前,針對(duì)可再生能源并網(wǎng)系統(tǒng)備用容量的優(yōu)化問題,已有了廣泛的研究.文獻(xiàn)[3-4]中采用正態(tài)分布模型描述凈負(fù)荷的預(yù)測誤差,結(jié)合機(jī)組停運(yùn)容量概率表(Capacity Outage Probability Table,COPT)和凈負(fù)荷預(yù)測誤差評(píng)估系統(tǒng)電量不足期望值(Expected Energy Not Served,EENS),采用成本效益方法確定最優(yōu)旋轉(zhuǎn)備用容量.文獻(xiàn)[5]中提出一種概率性安全約束機(jī)組組合(Security-Constrained Unit Commitment,SCUC)模型,模型中考慮了機(jī)組故障、負(fù)荷和風(fēng)電出力的不確定性,建立了考慮常規(guī)機(jī)組運(yùn)行狀態(tài)的EENS計(jì)算方法.文獻(xiàn)[6]中考慮將需求側(cè)響應(yīng)和儲(chǔ)能作為備用資源,將EENS和失負(fù)荷概率(Loss of Load Probability,LOLP)作為系統(tǒng)的可靠性約束,計(jì)及可靠性約束進(jìn)行發(fā)電和備用協(xié)調(diào)優(yōu)化.然而,考慮機(jī)組故障和凈負(fù)荷預(yù)測誤差時(shí),可靠性指標(biāo)EENS和LOLP通常為非線性表達(dá)式,大幅增加了SCUC模型的復(fù)雜性.文獻(xiàn)[7]中在文獻(xiàn)[5]的基礎(chǔ)上改進(jìn)了可靠性指標(biāo)EENS的計(jì)算方法,優(yōu)化了EENS表達(dá)式中的0-1變量,大幅提高了SCUC的計(jì)算效率.文獻(xiàn)[8]中考慮機(jī)組故障、負(fù)荷的隨機(jī)波動(dòng)、風(fēng)電和光伏出力的不確定性,建立了可靠性約束的機(jī)組組合模型.

隨著可再生能源并網(wǎng)比例的增加,系統(tǒng)需要安排足夠的負(fù)備用容量以應(yīng)對(duì)可再生能源的波動(dòng)性和不確定性[9].文獻(xiàn)[10]中綜合考慮風(fēng)電預(yù)測誤差、負(fù)荷波動(dòng)及發(fā)電機(jī)非計(jì)劃停運(yùn)不確定性因素對(duì)旋轉(zhuǎn)備用的需求,將棄風(fēng)、可中斷負(fù)荷分別作為部分負(fù)、正旋轉(zhuǎn)備用融入發(fā)電日前調(diào)度計(jì)劃,建立了基于多場景的概率性日前機(jī)組組合優(yōu)化模型,同時(shí)優(yōu)化了正負(fù)備用容量.文獻(xiàn)[11]中將負(fù)荷和風(fēng)電預(yù)測誤差建模為等效的機(jī)組停運(yùn)容量,改進(jìn)了機(jī)組停運(yùn)容量概率表,建立了備用互濟(jì)的分散協(xié)調(diào)調(diào)度模型.文獻(xiàn)[12]中分析了負(fù)備用對(duì)電力系統(tǒng)運(yùn)行和可靠性的影響.文獻(xiàn)[13]中結(jié)合碳交易機(jī)制和風(fēng)電、火電的運(yùn)行特征,建立了碳交易環(huán)境下含風(fēng)電電力系統(tǒng)短期生產(chǎn)模擬模型.文獻(xiàn)[14]中構(gòu)建了基于光熱電站出力靈活調(diào)度的多源電力系統(tǒng)隨機(jī)機(jī)組組合優(yōu)化調(diào)度模型,該模型在各場景中考慮了風(fēng)電、光伏的棄電懲罰.文獻(xiàn)[15]中分析了風(fēng)電的調(diào)度模式,建立了考慮風(fēng)電降載的電力系統(tǒng)魯棒備用調(diào)度模型.然而,以上文獻(xiàn)研究大多考慮單一或幾種不確定性因素,未充分考慮風(fēng)電和光伏出力預(yù)測誤差、負(fù)荷預(yù)測誤差及發(fā)電機(jī)非計(jì)劃停運(yùn)等多重不確定性因素對(duì)系統(tǒng)可靠性的影響.同時(shí),采用場景分析法計(jì)算系統(tǒng)的EENS和棄風(fēng)、棄光量等指標(biāo)時(shí),通常需要采樣大量的場景以獲得較高的精度,進(jìn)而大幅增加備用優(yōu)化問題的求解難度.因此,需要對(duì)大量場景進(jìn)行合理地簡化,優(yōu)化系統(tǒng)可靠性指標(biāo)的計(jì)算方法,進(jìn)而提升備用優(yōu)化問題的求解速度.

基于以上研究現(xiàn)狀,本文構(gòu)建了基于多場景的源荷協(xié)調(diào)備用優(yōu)化模型.該模型綜合考慮了風(fēng)電和光伏出力預(yù)測誤差、負(fù)荷預(yù)測誤差及發(fā)電機(jī)非計(jì)劃停運(yùn)等多重不確定性因素對(duì)旋轉(zhuǎn)備用容量配置的影響,將可再生能源棄電、系統(tǒng)切負(fù)荷分別作為特殊的備用資源融入日前發(fā)電調(diào)度計(jì)劃.將該模型建立為混合整數(shù)線性規(guī)劃問題,并通過線性松弛的方式簡化了系統(tǒng)EENS和能源削減期望值(Expected Energy Curtailment,EEC)兩個(gè)可靠性指標(biāo)的計(jì)算方法,減少了與該指標(biāo)相關(guān)的不等式約束條件,提升了模型的計(jì)算性能.所提備用優(yōu)化模型兼顧了場景多樣性,使能源削減和負(fù)荷削減在應(yīng)對(duì)系統(tǒng)預(yù)測誤差很大的小概率、高風(fēng)險(xiǎn)場景下發(fā)揮重要作用,實(shí)現(xiàn)了多個(gè)場景集下的綜合成本最優(yōu)和系統(tǒng)正、負(fù)旋轉(zhuǎn)備用容量的優(yōu)化配置.算例表明,建立的可靠性指標(biāo)計(jì)算方法能夠加快SCUC模型的求解速度;最優(yōu)旋轉(zhuǎn)備用優(yōu)化模型能夠?qū)崿F(xiàn)系統(tǒng)日前旋轉(zhuǎn)備用容量的動(dòng)態(tài)配置,提升系統(tǒng)經(jīng)濟(jì)運(yùn)行水平.

1 電力系統(tǒng)不確定性因素建模

1.1 負(fù)荷不確定性模型

負(fù)荷是電力系統(tǒng)中主要的不確定性因素之一.雖然負(fù)荷需求是隨機(jī)變化的,但其具有較強(qiáng)的周期性和規(guī)律性,目前,在負(fù)荷預(yù)測的研究和應(yīng)用方面均已經(jīng)取得了比較高的預(yù)測準(zhǔn)確度.在日前輔助服務(wù)市場的相關(guān)應(yīng)用中,負(fù)荷預(yù)測誤差通常被認(rèn)為服從零均值的正態(tài)分布[3-4]:

(1)

(2)

1.2 風(fēng)電出力不確定性模型

受自然來風(fēng)等因素的影響,風(fēng)電出力呈波動(dòng)性和不確定性等特點(diǎn).對(duì)于風(fēng)電出力的預(yù)測誤差分布,目前尚沒有一個(gè)統(tǒng)一的模型來描述,常用的預(yù)測誤差分布模型包括正態(tài)分布[3]和貝塔分布[16].然而,在大規(guī)模風(fēng)電并網(wǎng)的電力系統(tǒng)中,由于風(fēng)電場在地理位置上的廣泛分布,根據(jù)中心極限定理,總的風(fēng)電出力預(yù)測誤差可以被認(rèn)為服從零均值的正態(tài)分布[5].文獻(xiàn)[3]中給出了日前市場中風(fēng)電出力預(yù)測誤差與預(yù)測值的關(guān)系式如下:

(3)

(4)

1.3 光伏出力不確定性模型

光伏發(fā)電與風(fēng)力發(fā)電類似,具有波動(dòng)性和不確定性的特點(diǎn).光伏出力受太陽輻射的影響還具有晝發(fā)夜停的特性,并且光伏大發(fā)與負(fù)荷高峰的時(shí)段具有一定的匹配度[14].光伏出力預(yù)測誤差可以用零均值的正態(tài)分布來描述,光伏出力預(yù)測誤差與預(yù)測值的關(guān)系式如下[14,17]:

(5)

(6)

1.4 凈負(fù)荷不確定性模型

系統(tǒng)凈負(fù)荷定義為系統(tǒng)負(fù)荷減去風(fēng)電和光伏的出力值,即需要由系統(tǒng)中的其他發(fā)電源進(jìn)行平衡的負(fù)荷值[5].假設(shè)負(fù)荷、風(fēng)電出力和光伏出力的預(yù)測誤差不相關(guān),則系統(tǒng)凈負(fù)荷預(yù)測誤差也服從均值為零的正態(tài)分布[8].系統(tǒng)凈負(fù)荷預(yù)測誤差與預(yù)測值的關(guān)系式如下:

(7)

(8)

1.5 發(fā)電機(jī)不確定性模型

常規(guī)機(jī)組的短期發(fā)電模型可以用兩狀態(tài)馬爾可夫模型來表示[18],如圖1所示.發(fā)電機(jī)的故障率和修復(fù)率分別用λ和μ表示,假設(shè)發(fā)電機(jī)平均無故障工作時(shí)間與平均修復(fù)時(shí)間均為指數(shù)分布,如果已知機(jī)組在t=0時(shí)刻是正常運(yùn)行狀態(tài),則在投運(yùn)前導(dǎo)時(shí)間(Lead Time)TL內(nèi)機(jī)組i不可用的概率Ui(TL)和處于可用狀態(tài)的概率Ai(TL)分別為[6]

(9)

圖1 發(fā)電機(jī)兩狀態(tài)模型

(10)

2 可靠性指標(biāo)建模

2.1 EENS

當(dāng)系統(tǒng)凈負(fù)荷的實(shí)際值大于預(yù)測值,且系統(tǒng)中可用的正旋轉(zhuǎn)備用容量不足時(shí),需要削減部分負(fù)荷以使系統(tǒng)的供需達(dá)到平衡.EENS衡量了負(fù)荷電量供應(yīng)不足的期望值,可在計(jì)算系統(tǒng)全部運(yùn)行場景下的切負(fù)荷量以及對(duì)應(yīng)場景概率的基礎(chǔ)上,通過概率加權(quán)得到.由于多機(jī)組同時(shí)發(fā)生故障的概率很低,且會(huì)增加計(jì)算負(fù)擔(dān),因此本文的研究中,只考慮單一機(jī)組的故障,然而,在規(guī)劃計(jì)算中應(yīng)考慮多機(jī)組故障事件.

系統(tǒng)中僅機(jī)組i發(fā)生故障而所有剩余發(fā)電機(jī)組均處于正常運(yùn)行狀態(tài)的概率為[19]

(11)

式中:ui,t為表示機(jī)組運(yùn)行狀態(tài)的0-1變量,1表示機(jī)組i在時(shí)段t處于開機(jī)狀態(tài);GC表示常規(guī)機(jī)組的集合.通過將式(11)中乘積展開中的高階項(xiàng)替換為上界,單一機(jī)組故障的概率可以進(jìn)一步近似為[5]

pi,t≈ui,tUi

(12)

(13)

(14)

NK值越大,計(jì)算結(jié)果的準(zhǔn)確性越高,但需要的計(jì)算資源也就更多.圖2顯示了凈負(fù)荷預(yù)測誤差正態(tài)分布的7分段示意圖.圖中:RAD為可用的負(fù)旋轉(zhuǎn)備用.

圖2 凈負(fù)荷預(yù)測誤差的7分段示意圖

將發(fā)電機(jī)組故障停運(yùn)和凈負(fù)荷預(yù)測誤差兩方面的不確定性結(jié)合,獲得系統(tǒng)全部場景下的功率不平衡量:

(15)

(16)

最后,將每個(gè)場景中負(fù)荷的削減量用相應(yīng)場景的概率加權(quán)并求和,即可得到系統(tǒng)在每個(gè)時(shí)段的電量不足期望值[5]:

(17)

(18)

(19)

2.2 EENS的線性化

2.2.1傳統(tǒng)方法 文獻(xiàn)[5]中基于大M法,通過引入一個(gè)0-1變量as,t,k,一個(gè)連續(xù)變量Ls,t,k和若干不等式約束,給出了式(18)的線性化表達(dá):

(25)

式(21)～(22)為0-1變量和連續(xù)變量乘積的線性變換;式(23)為0-1變量乘積的線性變換;式(24)～(25)表示凈負(fù)荷預(yù)測誤差的第k分段出現(xiàn)負(fù)荷削減時(shí),位于k右側(cè)的凈負(fù)荷預(yù)測誤差分段均會(huì)出現(xiàn)負(fù)荷削減.

2.2.2改進(jìn)方法

(1) 改進(jìn)方法1.文獻(xiàn)[7]中結(jié)合式(18)中不同變量之間的聯(lián)系,通過引入絕對(duì)值運(yùn)算,將式(18)改寫為如下表達(dá)式:

(26)

在最小化問題中,絕對(duì)值運(yùn)算可以進(jìn)行如下等價(jià)變換:

(27)

因此,式(26)可以進(jìn)一步改寫為如下表達(dá)式:

(28)

(29)

式中:rs,t,k為引入的輔助變量.

(2) 改進(jìn)方法2,即本文所提方法.在改進(jìn)方法1的基礎(chǔ)上,采用線性松弛的方式,對(duì)式(28)～(29)進(jìn)一步簡化:

(30)

(31)

式(30)～(31)減少了式(26)中的絕對(duì)值運(yùn)算,可以證明式(30)～(31)和式(28)～(29)是等效的.us,t為0-1變量,因此考慮以下兩種可能的條件:

(a)us,t=0.us,t=0表示與場景s對(duì)應(yīng)的機(jī)組處于停機(jī)狀態(tài),其出力Ps,t=0,在此條件下系統(tǒng)預(yù)測誤差為

(32)

結(jié)合以上分析可知,式(28)～(29)和式(30)～(31)在以上所有條件下均得到相同的優(yōu)化結(jié)果,因此,式(28)～(29)和式(30)～(31)是等效的.

2.3 EEC

(33)

當(dāng)系統(tǒng)出現(xiàn)功率盈余且可用的負(fù)旋轉(zhuǎn)備用不足時(shí),負(fù)旋轉(zhuǎn)備用不足容量計(jì)算:

(34)

(35)

(36)

3 安全約束機(jī)組組合

3.1 目標(biāo)函數(shù)

高比例風(fēng)電和光伏并網(wǎng)增加了系統(tǒng)備用容量需求.預(yù)留充足的備用容量可以有效應(yīng)對(duì)機(jī)組非計(jì)劃停運(yùn)和負(fù)荷、可再生能源隨機(jī)波動(dòng)造成的功率不平衡,減少系統(tǒng)失負(fù)荷和能源削減的風(fēng)險(xiǎn).但另一方面,過多的旋轉(zhuǎn)備用容量將增加系統(tǒng)的運(yùn)行成本,降低系統(tǒng)的經(jīng)濟(jì)效率.因此,本文將失負(fù)荷和能源削減納入目標(biāo)函數(shù),并采用失負(fù)荷價(jià)值(VOLL)和單位能源削減成本(VOAC)分別作為EENS和EEC指標(biāo)的懲罰參數(shù).基于成本效益分析,通過聯(lián)合優(yōu)化電量和備用服務(wù)市場,使系統(tǒng)的運(yùn)行成本和損失成本之間達(dá)到最優(yōu)均衡[5].目標(biāo)是在滿足系統(tǒng)約束和元件約束的前提下,使調(diào)度時(shí)段內(nèi)系統(tǒng)總期望成本(Expected Cost,EC)最小,EC由電能生產(chǎn)成本、啟動(dòng)成本、停機(jī)成本、正負(fù)旋轉(zhuǎn)備用成本、失負(fù)荷成本和能源削減成本等組成,表達(dá)式如下:

(37)

3.2 約束條件

SCUC問題需要滿足功率平衡約束、機(jī)組出力約束、正負(fù)旋轉(zhuǎn)備用約束、機(jī)組爬坡約束、機(jī)組最小起停時(shí)間約束、整數(shù)變量約束、潮流約束等.

(1) 系統(tǒng)功率平衡約束:

(38)

式中:Pw,t和Ppv,t分別表示風(fēng)電場w和光伏電站gpv在時(shí)段t的出力;Dj,t為節(jié)點(diǎn)j在時(shí)段t的負(fù)荷需求;GW、GPV和J分別表示風(fēng)電場、光伏電站和負(fù)荷節(jié)點(diǎn)的集合.

(2) 機(jī)組出力約束:

(39)

(40)

(3) 旋轉(zhuǎn)備用約束:

(41)

(42)

(43)

(44)

(4) 機(jī)組爬坡約束:

(45)

(46)

(5) 機(jī)組最小起停時(shí)間約束:

(47)

(48)

(6) 整數(shù)變量約束:

yi,t-zi,t=ui,t-ui,t-1

(49)

yi,t+zi,t≤1

(50)

(7) 潮流約束:

(51)

4 算例分析

4.1 算例參數(shù)設(shè)定

在改進(jìn)的IEEE-RTS系統(tǒng)中進(jìn)行算例分析,系統(tǒng)的詳細(xì)參數(shù)包括網(wǎng)絡(luò)拓?fù)鋱D、機(jī)組參數(shù)和平均故障時(shí)間、負(fù)荷分布等信息,見文獻(xiàn)[20].該系統(tǒng)由26個(gè)機(jī)組組成,未考慮水電機(jī)組,機(jī)組的燃料成本見文獻(xiàn)[19],每個(gè)機(jī)組提供正負(fù)備用的價(jià)格均為其最高電能生產(chǎn)邊際成本的10%[5].以1 h為一個(gè)調(diào)度時(shí)段,共24個(gè)調(diào)度時(shí)段.并網(wǎng)的兩個(gè)風(fēng)電場裝機(jī)容量均為150 MW,分別位于母線1和母線2上;并網(wǎng)的光伏電站一個(gè),裝機(jī)容量為300 MW,位于母線13上.系統(tǒng)負(fù)荷、風(fēng)電和光伏出力的預(yù)測曲線如圖3所示.負(fù)荷預(yù)測誤差的標(biāo)準(zhǔn)差為負(fù)荷預(yù)測值的3%[5],凈負(fù)荷預(yù)測誤差離散為如圖2所示的7個(gè)分段.VOLL和VOAE分別設(shè)置為 4 000 美元/(MW·h)和100美元/(MW·h).

圖3 系統(tǒng)負(fù)荷、風(fēng)電和光伏出力預(yù)測

所用計(jì)算機(jī)采用Windows 10專業(yè)版64位操作系統(tǒng),運(yùn)行環(huán)境為CPU AMD R5 3600,主頻 3.60 GHz,內(nèi)存16 GB.建立的SCUC模型為MILP問題,在GAMS 24.4環(huán)境下編程并通過Cplex求解器求解,求解精度設(shè)置為10-3.

4.2 算法表現(xiàn)分析

比較了采用文獻(xiàn)[5,7]和本文提出的3種可靠性指標(biāo)線性化方法求解SCUC的性能表現(xiàn),為方便對(duì)比,將這3種方法依次用I、II、III 表示.表1列出了采用這3種方法在求解精度為10-3和10-6(精確到個(gè)位數(shù)),以及不同凈負(fù)荷預(yù)測誤差分段數(shù)時(shí),SCUC的最優(yōu)計(jì)算結(jié)果和計(jì)算時(shí)間.表1顯示,隨著凈負(fù)荷預(yù)測誤差分段數(shù)NK的增加,3種方法的計(jì)算時(shí)間均有所增加,方法I計(jì)算時(shí)間的增加尤為明顯,在求解精度為10-6,NK為7時(shí),方法I的計(jì)算時(shí)間超過 1 000 s.其主要原因是,在方法I中,與NK相關(guān)的0-1變量有1 248×NK個(gè),計(jì)算這些0-1變量和相關(guān)的約束條件需要大量的運(yùn)算資源.而方法 II 和 III 不需要計(jì)算這些與NK相關(guān)的0-1變量,因此方法 II 和 III 相對(duì)于方法I的計(jì)算時(shí)間大幅縮短.結(jié)合2.2.2小節(jié)中的分析可知,方法 III 相對(duì)于方法 II 減少了與輔助變量相關(guān)的運(yùn)算量.算例中,方法 III 相對(duì)于方法 II 還減少了624×NK個(gè)不等式約束,因此方法 III 的計(jì)算時(shí)間相對(duì)于方法 II 進(jìn)一步減少.NK為7時(shí),方法 III 的計(jì)算時(shí)間僅為1.35 s,分別為方法I和方法 II 計(jì)算時(shí)間(94.21 s和4.68 s)的1.43%和28.85%,計(jì)算時(shí)間分別下降98.57%和71.15%,計(jì)算效率提升明顯.當(dāng)求解精度為10-6時(shí),方法 III 的計(jì)算時(shí)間仍明顯少于其他兩種方法的計(jì)算時(shí)間.對(duì)比表1中的結(jié)果可知,本文提出的可靠性指標(biāo)線性化方法在凈負(fù)荷誤差多場景和高精度求解要求下,對(duì)SCUC模型的求解有一定優(yōu)勢.

表1 3種方法求解SCUC的性能對(duì)比

由表1還可知,當(dāng)求解精度為10-6,NK分別為7和9兩種條件下期望成本EC的差值僅為432 美元,該差值僅占NK為9時(shí)期望成本的0.06%,這說明凈負(fù)荷預(yù)測誤差劃分為7個(gè)分段已能取得很高的計(jì)算準(zhǔn)確性.

4.3 旋轉(zhuǎn)備用容量配置方式的比較

不同的旋轉(zhuǎn)備用容量設(shè)置對(duì)系統(tǒng)的運(yùn)行成本和可靠性有很著大影響,對(duì)比分析了以下3種旋轉(zhuǎn)備用容量配置方式的運(yùn)行效果.

方式1采用傳統(tǒng)的N-1備用準(zhǔn)則,取最大在線機(jī)組容量(400 MW)作為系統(tǒng)正旋轉(zhuǎn)備用容量配置標(biāo)準(zhǔn).

方式2考慮負(fù)荷和可再生能源的預(yù)測偏差,采用“3.5σ”經(jīng)驗(yàn)方法[3],系統(tǒng)正、負(fù)旋轉(zhuǎn)備用容量配置標(biāo)準(zhǔn)為凈負(fù)荷預(yù)測誤差標(biāo)準(zhǔn)差的3.5倍.

方式3同時(shí)考慮機(jī)組故障、負(fù)荷和可再生能源的預(yù)測偏差,采用本章建立的SCUC確定最優(yōu)正、負(fù)旋轉(zhuǎn)備用容量配置.

由于傳統(tǒng)的N-1備用準(zhǔn)則僅給出了正旋轉(zhuǎn)備用容量配置標(biāo)準(zhǔn),方式1中負(fù)旋轉(zhuǎn)備用容量配置需求與方式2中的相同,設(shè)為凈負(fù)荷預(yù)測誤差標(biāo)準(zhǔn)差的3.5倍,因此,這兩種方式下負(fù)旋轉(zhuǎn)備用容量配置處于同一水平.

表2列出了3種備用容量配置方式下的期望成本及其組成成分.表中,方式1中預(yù)留的正旋轉(zhuǎn)備用容量最多,對(duì)應(yīng)的正旋轉(zhuǎn)備用成本也最多,但失負(fù)荷成本最少;方式2中預(yù)留的正旋轉(zhuǎn)備用容量最少,對(duì)應(yīng)的正旋轉(zhuǎn)備用成本也最少,但失負(fù)荷成本最多;方式1和2同樣預(yù)留了充裕的負(fù)旋轉(zhuǎn)備用容量,保證了可再生能源的消納,對(duì)應(yīng)的負(fù)旋轉(zhuǎn)備用成本也最多;方式3預(yù)留的正旋轉(zhuǎn)備用容量則處于方式1和2之間.雖然方式3中失負(fù)荷成本和可再生能源削減成本均不是3種方法中最小的,但其期望成本達(dá)到了最小,分別相對(duì)于方式1和2中的期望成本下降了2.07%和1.59%.這說明,在測試系統(tǒng)中,方式1中以最大在線機(jī)組的容量作為正旋轉(zhuǎn)備用容量配置標(biāo)準(zhǔn)是相對(duì)粗放且偏保守的;綜合考慮系統(tǒng)中的各種不確定性因素以及備用的成本因素,適當(dāng)?shù)慕档鸵欢ǖ膫溆萌萘颗渲糜欣陔娏ο到y(tǒng)實(shí)現(xiàn)更高的經(jīng)濟(jì)運(yùn)行效率.對(duì)比3種方法的啟停成本可知,允許小概率條件下削減部分負(fù)荷,可減少機(jī)組的頻繁啟停,進(jìn)而減少啟停成本.

表2 3種備用配置方式的成本對(duì)比

圖4展示了不同備用配置方式下的正旋轉(zhuǎn)備用容量配置結(jié)果.方式1中僅給出了當(dāng)前普遍關(guān)注的正旋轉(zhuǎn)備用容量配置需求,方式2、3中考慮到高比例可再生能源的消納需求,同時(shí)給出了系統(tǒng)運(yùn)行過程中的正、負(fù)旋轉(zhuǎn)備用容量需求.對(duì)比圖4中不同備用容量配置方式下的正旋轉(zhuǎn)備用容量曲線可知,方式1以最大在線機(jī)組容量400 MW作為系統(tǒng)正旋轉(zhuǎn)備用配置標(biāo)準(zhǔn),在不同時(shí)段內(nèi)均保持恒定,這種方式能夠有效應(yīng)對(duì)單一機(jī)組故障導(dǎo)致的功率缺額,但無法同時(shí)應(yīng)對(duì)不同時(shí)段負(fù)荷和可再生能出力的不確定性對(duì)系統(tǒng)備用容量的動(dòng)態(tài)需求.方式2以凈負(fù)荷預(yù)測誤差的3.5倍作為正、負(fù)旋轉(zhuǎn)備用的配置標(biāo)準(zhǔn),由于本文考慮的凈負(fù)荷預(yù)測誤差最大值為標(biāo)準(zhǔn)差的3倍,因此,這種方式能夠有效應(yīng)對(duì)負(fù)荷波動(dòng)和可再生能源出力的不確定性,但該方法無法兼顧機(jī)組故障對(duì)系統(tǒng)正旋轉(zhuǎn)備用的影響.方式3同時(shí)考慮到機(jī)組故障、負(fù)荷和可再生能源出力的不確定性,最優(yōu)正旋轉(zhuǎn)備用容量配置在不同時(shí)段根據(jù)系統(tǒng)運(yùn)行成本和損失成本的最佳均衡點(diǎn)動(dòng)態(tài)調(diào)整.圖5展示了不同方式下的失負(fù)荷期望值.對(duì)比圖4和5可知,預(yù)留的正備用容量越多時(shí),電量不足期望值EENS越小,系統(tǒng)的供電可靠性越高.

圖4 3種備用容量配置方式的正旋轉(zhuǎn)備用容量

圖5 3種備用容量配置方式的EENS

圖6和7分別展示了方式2和3中系統(tǒng)負(fù)旋轉(zhuǎn)備用容量配置和可再生能源削減期望值.對(duì)比圖6和7可知,預(yù)留的負(fù)旋轉(zhuǎn)備用容量越多,系統(tǒng)向下調(diào)節(jié)的能力越強(qiáng),能源削減的風(fēng)險(xiǎn)越低.由于方式1采用了方式2中的負(fù)旋轉(zhuǎn)備用容量配置方式,這兩種方式下負(fù)旋轉(zhuǎn)備用容量處于同一水平,所以圖6僅顯示了方式2中的負(fù)旋轉(zhuǎn)備用容量曲線.方式2以凈負(fù)荷預(yù)測誤差的3.5倍作為負(fù)旋轉(zhuǎn)備用的配置標(biāo)準(zhǔn),本文考慮的凈負(fù)荷預(yù)測誤差最大值為標(biāo)準(zhǔn)差的3倍,因此可以應(yīng)對(duì)所有場景對(duì)負(fù)旋轉(zhuǎn)備用的需求,確保可再生能源的全額消納,此時(shí)可再生能源削減期望為0.方式3基于成本效益分析,在系統(tǒng)最優(yōu)運(yùn)行成本和損失成本之間達(dá)到均衡時(shí),系統(tǒng)預(yù)留的負(fù)旋轉(zhuǎn)備用容量為凈負(fù)荷預(yù)測誤差標(biāo)準(zhǔn)差的2倍,因此在凈負(fù)荷預(yù)測偏差達(dá)到最大值(3倍標(biāo)準(zhǔn)差)時(shí),將會(huì)在以很小的概率(0.006)削減部分可再生能源出力以達(dá)到供需平衡.

圖6 方式2和3的負(fù)旋轉(zhuǎn)備用容量

圖7 方式2和3的EEC

綜上所述,本節(jié)建立的最優(yōu)旋轉(zhuǎn)備用配置方式有別于電網(wǎng)現(xiàn)行備用準(zhǔn)則及“3.5σ”經(jīng)驗(yàn)方法,能夠結(jié)合機(jī)組故障、負(fù)荷和可再生能源出力預(yù)測偏差等不確定性因素,實(shí)現(xiàn)系統(tǒng)日前旋轉(zhuǎn)備用容量的動(dòng)態(tài)配置.同時(shí),所提方法能夠提升系統(tǒng)經(jīng)濟(jì)運(yùn)行水平,促進(jìn)風(fēng)電和光伏安全、經(jīng)濟(jì)的消納.

5 結(jié)語

本文結(jié)合高比例可再生能源并網(wǎng)運(yùn)行對(duì)發(fā)電資源優(yōu)化配置的需求,研究了綜合考慮非計(jì)劃停運(yùn)障、負(fù)荷和可再生能源出力隨機(jī)波動(dòng)等多種不缺定性因素的備用容量優(yōu)化模型.該模型能夠在系統(tǒng)運(yùn)行成本和損失成本達(dá)到最優(yōu)均衡時(shí),同時(shí)實(shí)現(xiàn)正負(fù)備用容量的最優(yōu)配置.提出了可靠性指標(biāo)EENS和EEC的改進(jìn)計(jì)算方法,用于加快SCUC模型的求解速度.仿真結(jié)果表明,與其他兩種EENS線性化方法相比,提出的改進(jìn)方法能夠有效降低SCUC模型的求解時(shí)間,并且隨著預(yù)測誤差場景數(shù)的增加和求解精度的提高,計(jì)算優(yōu)勢更為明顯;建立的最優(yōu)旋轉(zhuǎn)備用配置方式有別于電網(wǎng)現(xiàn)行備用準(zhǔn)則及“3.5σ”經(jīng)驗(yàn)方法,能夠?qū)崿F(xiàn)系統(tǒng)日前旋轉(zhuǎn)備用容量的動(dòng)態(tài)配置,提升系統(tǒng)經(jīng)濟(jì)運(yùn)行水平.