节能发电调度模型与算法研究

李 虹 贾 玲

（陕西省地方电力（集团）公司，西安 710061）

电力调度方式对实现资源的优化配置具有重要作用，传统的电力调度都是基于机组容量平均分配发电小时数，这种方法造成高效低污染的大机组发电不充分，小机组高耗能的小机组发电较多的情况，造成了资源的浪费和环境的破坏[1-7]。为实现节能减排，引导电源结构向高效率、低污染的方向发展，国家发改委提出了《节能发电调度办法》的红头文件，要求各电力企业实行节能发电调度[8]。

节能调度室一项复杂的系统性工程，节能调度的施行对我国电力系统安全稳定运行具有重要影响，一方面随着特高压电网的建设，对节能调度提出了更高的要求，另一方面机组发电和机组组合的不确定也对节能发电调度提出了严峻的考验。因此，开展节能发电调度的研究是一项迫切需要解决的问题。

随着以太阳能发电、风力发电为主的可再生能源技术的发展，可再生能源的装机容量在电网装机中比例越大越大，同时由于可再生能源的随机性和不可控性，其大规模的并网对电力系统的安全稳定提出了严重挑战，新能源的环保经济效益和运行的挑战性成为矛盾。

针对上述情况，本文构建包含可再生能源的节能调度模型，该模型考虑可再生能源机组的名义购电成本，以总发电能耗最小为目标函数。在此基础上，通过粒子群算法进行求解。最后，以ΙEEE3014算例进行研究，仿真结果验证了节能发电模型和算法的有效性和可行性。

1 节能发电调度模型

1.1 目标函数

基于环境效益因素的非可再生能源机组的名义购电成本可定义如下[9]

式中，CG是常规机组的名义购电成本；CGS为燃料总成本；ηEPi为环保效益惩罚成本系数；CEC为排放物控制总成本；CGT为菲可再生能源机组的购电成本。

考虑可再生能源间歇性和随机性的可再生能源名义购电成本购定义如下[9]

式中，CR为可再生能源机组的名义购电成本；CRT为可再生能源机组的购电成本；CRPi为备用容量惩罚成本。

CRPi主要体现可再生能源的经济性和资源价值，在考虑环境效益的同时体现其给系统造成的损失，其定义如下

式中，ρRPi为可再生能源并网备用容量惩罚成本系数；Pwja为可再生能源发电机组j计划发电量；Pwj为可再生能源发电机组j实际发电量。

新能源机组的出力不确定性导致了非可再生能源机组在其出力、发电的成本费用和可用旋转备用也具有不确定性。因此构建以购电成本的期望目标函数的调度模型，模型中不确定的约束条件可以以概率的形式表示，节能发电调度模型如式（4）所示。

式中，T为周期小时数；N、M分别为非可在生能源机组和可再生能源机组台数；CGi和CRi分别为非可在生能源机组和可再生能源机组；Uit（Kit）为1 时表示机组正常运行，为0 是表示机组停机。

1.2 约束条件

1）功率平衡约束条件，即可再生能源机组和非可再生能源机组在时刻t的出力与系统的负荷处于平衡。

式中，PGit和PWit分别为非可再生能源机组和可再生能源机组在t时刻的出力；PDt为t时刻系统的负荷。

2）机组出力约束条件，即非可再生能源机组与可再生能源机组的出力在其出力范围内。

3）系统的旋转备用约束条件。考虑可再生能源后，系统的备用容量也是一个确定性的问题，这里通过概率的形式来体现不确定性[9]

式中，SRa和SRd分别为时段t时系统的上、下旋转备用要求，θ1和θ2是置信水平。

4）火电机组的爬坡速度约束条件如式（8）所示。

式中，SdGi和SuGi是时段t时火电机组l 的有功出力；θ3是置信水平。

2 粒子群算法

粒子群算法收鸟群觅食行为的启发而产生的一种现代智能算法，广泛用于各种复杂优化问题的求解过程中，粒子群算法的基本步骤如下[10-12]：

1）初始化设置粒子群的大小、惯性时间常数、加速洗漱。迭代次数。种群初始位置和初始速度。

2）计算每个粒子的适应值。

3）确定粒子的个体极值和当前的全局极值，同时更新每个粒子的位置和飞行速度。

4）如未达到预先设定的停止准则（通常设置为最大迭代次数），则返回步骤2），若达到则停止计算。

在原始粒子群算法中，如果粒子的飞行超出了解空间，用一个常量Vmax限制粒子的最大飞行速度，只要粒子速度的绝对值在任一维上超出Vmax，都将其值置为Vmax或者-Vmax。

粒子群算法的流程框图如图1所示。

图1 粒子群算法流程图

3 算例结果与分析

算例系统是一个标准的ΙEEE14 节点系统，系统结构如图2所示，图中母线8 是发力发电机组,系统参数如文献所示。

图2 算例系统结构图

在仿真计算中，设定系统的选择备用容量为总负荷的3%，除风电机组外，其余非可再生能源机组的煤耗设为300g/kW·h 时，设定选择备用容量的置信水平为0.95，机组爬坡的置信水平为0.9，机组成本系数为0.2 万/100MW，风速曲线如图3所示。

图3 母线8 风电机组的风速曲线

采用本文提出的粒子群算法对节能发电调度模型进行求解，仿真计算中粒子群算法的相关参数设定见表1。

表1 粒子群参数设置

在表1所示的参数的情况下，采用粒子群算法对节能发电调度模型和常规调度模型进行求解，计算结果见表2。

表2 计算结果比较

从表2的结果分析可知，节能发电调度模式比常规的经济调度模式在发电煤耗量，污染物排放量、均具有明显的优势，其中节能发电调度模式在发电煤耗量方向减少将近300 吨，在污染排放量方面减排1.23 吨；但是发电燃料成本和购电成本确相应的偏高，其中发电燃料成本节能发电调度比经济掉多30 万，购电成本节能发电调度比经济调度高10 万。具体原因如下：

1）发电成本的偏高主要是因为节能发电调度使用大容量的机组进行发电，尽量使大容量机组多发满发。这类大机组的发电成本费用相对于小机组较高，而经济调度模式有限调度发电成本角度的火电机组，因此造成节能发电调度的发电成本比经济调度的高。

2）购电成本偏高的主要原因在于节能发电调度方式下，有限考虑风电等清洁机组。风电机组的上网电价价高，而经济调度模式首先考虑以水电为主的成本较低的机组，因此造成了节能发电调度的购电成本比经济调度的成本高。

4 结论

节能发电调度是遏制气候变暖，降低污染物排放的一项重要具体措施。本文提出考虑可再生能源，以总发电能耗最小为目标函数的节能发电调度模型。采用粒子群算法对节能调度模型进行求解。以ΙEEE14 节点为算例进行进行研究，研究结果表明，节能发电调度在煤耗量和污染物排放量方面比经济调度模式具有明显的优势，但是在发电成本和购电成本方面，节能调度模式比经济调度模式稍高。

[1] 尚金成.节能发电调度的经济补偿机制研究(一):基于行政手段的经济补偿机制设计与分析[J].电力系统自动化,2009,33(2):44-48.

[2] 曾鸣,史连军,董军,等.与市场机制相协调的节能发电调度相关问题研究[J].电力技术经济,2007,19(5):1-5.

[3] 赵静.电力行业节能浅析[J].电力技术经济,2007,19(3): 39-42.

[4] 严宇,马珂.改进发电调度方式,实施节能、环保、经济调度的探讨[J].中国电力,2007,40(6):6-9.

[5] 尚金成,张兆峰.区域共同电力市场交易机理与交易模型的研究[J].电力系统自动化,2005,29(4):6-13.

[6] 赵风云.对新型节能发电调度方式的探讨[J].电业政策研究,2007,(3):23-24.

[7] 白建化,张风营.发电调度:电力降耗突破口[J].中国电力企业管理,2007,(2):22-23.

[8] 国务院办公厅.关于转发发展改革委等部门节能发电调度办法（试行）的通知[Z].2007.

[9] 鄢帆.电网企业节能发电调度模型及其运作体系研究[D].华北电力大学,2011.

[10] YOSHΙDA H ,KAWATA K,FUKUYAMA Y,et al.A particle swarm optimization for reactive power and voltage control considering voltage stability [A].Proceedings of the Ιnternational Conference on Ι ntelligent System Application to Power System [C].Rio de Janeiro,Brazil,1999.117-121.

[11] KENNEDY J,EBERHART R C.A discrete binary version of the particle swarm algorithm [A].Proceedings of the World Multiconference on Systemics.Cybernetics and Ιnformatics [C].Piscataway,NJ: ΙEEE Service Center,1997.4104- 4109.

[12] FAN H Y,SHΙ Y H.Study of Vmax of the Particle Swarm Optimization Algorithm[ R] .Proceedings of the Workshop on PSO.Ιndianapolis :Purdue School of Engineering and Technology ,ΙNPUΙ ,2001.