含风电场经济调度中备用配置的研究

2014-06-01牟春晓李鹏波杨佳俊贾欢徐建政

电工电能新技术 2014年11期

关键词：电功率等值风电场

牟春晓，李鹏波，杨佳俊，贾欢，徐建政

(1．山东大学电气工程学院，山东济南250061; 2．山东省电力公司菏泽供电公司，山东菏泽274000)

含风电场经济调度中备用配置的研究

牟春晓1，李鹏波1，杨佳俊1，贾欢2，徐建政1

(1．山东大学电气工程学院，山东济南250061; 2．山东省电力公司菏泽供电公司，山东菏泽274000)

风电与负荷的不确定性给电力系统的经济调度带来了困难，如何处理风险，综合考虑经济发电与旋转备用计划是经济调度中需要解决的问题。风电场出力预测主要影响系统的负荷运行备用容量，因此要通过配置备用来应付系统中的不确定性因素。本文通过备用的效益与成本在目标函数中的相互牵制，自动为系统配置合适的备用，并引入{0，1}变量将非线性约束转化为由一组线性约束条件来表达，转化后的数学模型为标准的二次混合整数规划问题，算例分析表明本文模型的有效性和实用性。

随机因素;旋转备用;成本效益;机组组合;二次整数规划

1 引言

世界各国都在大力开发风能资源，风能作为一种新的可再生能源，其发电不需要消耗燃料，可以节省燃料成本。但风能具有随机性的特点，它和系统中原有的随机因素叠加在一起，使系统运行中不确定性因素增多，给电力系统的安全经济运行带来了新的挑战［1，2］。用传统方法解决含风电的动态经济调度问题需要知道每个优化时段的风电场出力数据，国内外已开展预测风电场发电出力的工作［3，4］。为了考虑风电的随机性和间歇性特点，文献［5-7］在风速预测的基础上，应用机会约束规划技术表示风电场出力的随机性和预测误差，用随机规划理论建立了考虑机组启停的含风电场经济调度模型，以概率的形式描述相关约束条件，并使用基于随机模拟的智能算法求解随机规划模型。文献［8，9］应用模糊理论建立含风电场的经济调度模型，综合考虑了经济效益与风电加入给系统带来的风险，通过定义隶属度函数将确定性问题模糊化，采用最大满意度指标法将问题转化为非线性规划问题，带有一定的人为因素。

风电并网后系统运行的可靠性及调度方案鲁棒性的本质就是在原有的备用配置基础上额外安排一定容量的备用来应对风电的间歇性波动。文献［10］在常规机组组合优化模型的基础上引入了正、负旋转备用约束，以应对风电功率预测误差给系统调度带来的影响，但是该文采用按照确定性的备用配置方法，即使系统的备用容量必须大于或等于负荷与风电功率的某一百分比的组合，同时模型中没有考虑机组启停安排会使系统经济性变差;文献［11］考虑了旋转备用和风电场爬坡约束，但模型也没有考虑机组启停安排会使系统经济性变差;文献［12］应用基于随机模拟的机会约束规划方法构建了考虑负荷预测误差、风电出力偏差以及机组故障停运等不确定随机因素的备用获取模型，旋转备用约束通过给定的置信水平给出，该方法可确保系统始终保持在某一置信水平并达到该置信水平下的经济性最优，但无法回答该置信水平应该如何设定及是否合理，另外由于模型采用了基于随机模拟的遗传算法，使问题的求解速度离实际应用可能会有一定距离。

本文利用正、负备用应对风电及负荷的波动性，当实际的风电与负荷的等效负荷比预测的等效负荷大时则正备用响应，反之则负备用响应;本文没有相应的备用约束，而是通过备用的成本效益分析方法在机组组合中自动配置合理的备用容量。备用的效益表达即为通过配置备用减少用户的停电损失和切风电功率的损失，备用的成本体现在由于配置备用使机组偏离经济运行点而使运行成本增加，同时电力市场环境下，发电商不可能免费提供备用，必须考虑机组备用容量的机会成本。将上调(下调)备用不足造成的停电(切风电)损失与系统的运行成本及上调、下调备用容量成本作为机组组合的目标函数，通过备用的效益与成本在目标函数中的相互牵制，自动为系统配置合适的备用。

2 机组组合模型

2.1 目标函数

影响机组组合问题的因素主要有运行能耗、启停损耗，本文在考虑以上基本因素的基础上加上备用成本、电量不足以及切风电功率的价值损失共同组成目标函数:

2.2 约束条件

预测等值负荷条件下发电与等值负荷平衡约束:

式中，Dt(pre)为时段t的负荷预测值;Wt(pre)为时段t的风电功率预测值。

机组最小运行和最小停运时间约束:

由于式(9)与式(10)的约束条件表达形式无法用常规的优化算法求解，因此要进行适当变换以便求解。

3 机组组合模型求解

3.1 模型简化

若随机数发生器产生的第j个样本的等值负荷比期望等值负荷大，即Δ≥0，这时若上调备用容量充足时，不会导致失负荷;反之则会失负荷。为表征等值负荷比预想期望等值负荷大的情形下，由于上调备用不足引起失负荷，引入{0，1}变量(up)，表示如下:

式(12)是由{0，1}变量与连续变量乘积形式表示的方程，可以等效转化成用一系列线性不等式约束进行表示:

若随机数发生器产生的第j个样本的等值负荷比期望等值负荷小，即Δ≤0，这时若下调备用容量充足时，不会导致切风电功率;反之则会切风电功率。为表征等值负荷比预想的期望等值负荷小的情形下，由于下调备用不足引起切风电功率，引入{0，1}变量(dn)，表示如下:

综上，整个求解模型的目标函数为式(1)，约束条件由式(2)～式(7)、式(11)、式(13)～式(17)、式(19)～式(22)组成，目标函数为二次形式，约束条件为线性形式的二次混合整数规划问题，可以应用现成的优化工具求解。

3.2 模型求解流程

模型的求解流程如下:

(1)输入机组成本特性、参数、负荷与风电功率的预测功率以及预测误差所服从的概率分布的参数;

(2)应用随机数发生器产生M个等值负荷样本，并根据该样本下各个时段等值负荷与期望等值负荷的大小关系，判断在该样本条件下是上调备用或是下调备用进行响应，并在程序中根据其写出目标函数和相应的约束条件;

(3)写入其他常规机组组合的约束条件;

(4)应用MIP软件进行求解。

4 算例仿真分析

用C++编写调用MIP商业软件程序进行求解。本文机组的耗量特性、机组技术参数以及负荷和风电功率的期望值采用文献［12］的数据，不考虑机组的阀点效应。

假设备用容量价格为5S|/MW，切风电或负荷的价值损失为5000S|/(MW·h)，负荷预测误差σ1= 0.02，风电功率预测误差σ2=0.10，仿真结果见表1～4。表中只显示了变化的相关参数，未显示参数按基准条件所述。基准条件下的机组启停状态、机组调度出力值、机组上调备用及机组下调备用结果见附录。

表1 预测误差方差对系统经济运行的影响Tab．1Influence of variance of forcast error on system economic operation

从表1中可以看出，预测误差变大时，系统要应付的不确定因素增大，因此机组的运行点经济性会变差，机组的备用量增加，切负荷或风电的概率变大，因此期望的价值损失也增大。

表2 备用价格对系统经济运行的影响Tab．2Influence of reserve price on system economic operation

从表2中可以看出，随着备用价格的增加，按照经济性最优的前提下配置备用时，系统购买的备用容量会减少(当然备用成本增加)，同时机组的运行点经济性有所增强，但是由于备用容量减少会导致系统可靠性变差从而使期望价值损失增加，总体上系统的成本呈增加趋势。

表3 切负荷或风电的单位损失价值对系统经济运行的影响Tab．3Influence of cutting load or unit loss value of wind power on system economic operation

从表3中可以看出，随着单位损失价值的升高，系统为了提高可靠性会多配置备用容量从而使备用成本增加，由于对备用的要求提高，机组的运行经济点变差使运行成本增加，但换来的是可靠性水平的提高。

表4 负荷与风电功率预测值Tab．4Load and wind power forecast value (单位:MW)

从表5中可看出，由于预测误差的增大，风电接入后的价值打了折扣，这主要是由于预测误差大，系统必然要配置更多的备用，从而导致机组非经济点运行和备用成本的增加，同时由于预测精度差，发生切负荷或风电的概率增加，从而导致期望损失价值增加;同时从表5可以看出在预测误差较小的情况下，一般来说在风电功率比例不是很高时，随着风电功率的增加，系统的总成本会减少;在预测误差较大时，系统要配置更多的备用、机组运行于非经济运行点以及期望损失价值都会增加，这样在一定程度上“侵蚀”了风电带来的经济效益，此时较好的方式就是在超过此临界值时采取储能的策略，在风电出力较少时释放能量，降低系统运行成本。

表5 不同风电水平下，风电预测误差对系统接入风电的经济性的影响Tab．5Economic influence of wind power prediction error on wind power system under different wind power levels

5 结论

本文应用成本效益分析的方法，通过备用的效益与成本在目标函数中的相互牵制，为含风电的电力系统自动配置经济合理的备用，无需人为指定系统必须满足的备用容量约束或可靠性的置信水平。模型中考虑了负荷预测误差、风电出力偏差等随机因素，揭示了备用对系统运行经济性的影响，以及备用的效益与成本之间相互牵制最终达到经济性最优的平衡关系。另外，本文建立的模型是直接能够用传统数学优化模型求解的，计算速度较许多机会约束规划方法快。本文算例表明风电、负荷等随机因素对系统的经济性和可靠性产生很大影响;风电及负荷预测精度的提高能够为系统带来很大的经济效益;无论预测精度如何提高，风电预测误差都始终存在，因此风电接入的价值不是一个单调递增的函数，存在经济上最优的风电接入功率。本文在研究备用配置对系统经济性影响方面有一定的指导意义。

［1］雷亚洲(Lei Yazhou)．与风电并网相关的研究课题(Studies on wind farm integration into power system)［J］．电力系统自动化(Automation of Electric Power System)，2003，27(8):84-89．

［2］田春筝，李琼林，宋晓凯(Tian Chunzheng，Li Qionglin，Song Xiaokai)．风电场建模及其对接入电网稳定性的影响分析(Modeling and analysis of the stability for the power system considering the integration of the wind farms)［J］．电力系统保护与控制(Power System Protection and Control)，2009，37(19):46-51．

［3］杨秀媛，肖洋，陈树勇(Yang Xiuyuan，Xiao Yang，Chen Shuyong)．风电场风速和发电功率预测研究(Wind speed and generated power forecasting in wind farm)［J］．中国电机工程学报(Proceedings of the CSEE)，2005，25(11):1-5．

［4］杨洪，古世甫，崔明东，等(Yang Hong，Gu Shifu，Cui Mingdong，et al．)．基于遗传优化的最小二乘支持向量机风电场风速短期预测(Forecast of short-term wind speed in wind farms based on GA optimized LSSVM)［J］．电力系统保护与控制(Power System Protection and Control)，2011，39(11):44-48．

［5］江岳文，陈冲，温步瀛(Jiang Yuewen，Chen Chong，Wen Buying)．含风电场的电力系统机组组合问题随机模拟粒子群算法(Particle swarm research of stochastic simulation for unit commitment in wind farms integrated power system)［J］．电工技术学报(Transactions of China Electrotechnical Society)，2009，24(6):129-137．

［6］孙元章，吴俊，李国杰，等(Sun Yuanzhang，Wu Jun，Li Guojie，et al．)．基于风速预测和随机规划的含风电场电力系统动态经济调度(Dynamic economic dispatch considering wind power penetration based on wind speed forecasting and stochastic programing)［J］．中国电机工程学报(Proceedings of the CSEE)，2009，29(4): 41-47．

［7］雷宇，杨明，韩学山(Lei Yu，Yang Ming，Han Xueshan)．基于场景分析的含风电系统机组组合的两阶段随机优化(A two-stage stochastic optimization of unit commitment considering two power based on scenario analysis)［J］．电力系统保护与控制(Power System Protection and Control)，2012，40(23):58-67．

［8］Vladimiro Miranda，Pun Sio Hang．Economic dispatch model with fuzzy wind constraints and attitudes of dispatchers［J］．IEEE Transactions on Power Systems，2005，20(4):2143-2145．

［9］Liang R H，Liao Jianhao．A fuzzy-optimization approach for generation scheduling with wind and solar energy systems［J］．IEEE Transactions on Power Systems，2007，22(4):1665-1674．

［10］周玮，彭昱，孙辉(Zhou Wei，Peng Yu，Sun Hui)．含风电场的电力系统动态经济调度(Dynamic economic dispatch in wind power integrated system)［J］．中国电机工程学报(Proceedings of the CSEE)，2009，29 (25):13-18．

［11］夏澍，周明，李庚银(Xia Shu，Zhou Ming，Li Gengyin)．含大规模风电场的电力系统动态经济调度(Dynamic economic dispatch of power system containing largescale wind farm)［J］．电力系统保护与控制(Power System Protction and Control)，2011，39(13):71-77．

［12］葛炬，王飞，张粒子(Ge Ju，Wang Fei，Zhang Lizi)．含风电场电力系统旋转备用获取模型(Spinning reserve model in the wind power integrated power system)［J］．电力系统自动化(Automation of Electric Power System)，2010，34(6):32-36．

附录基准条件下的机组组合结果

在负荷与风电功率1预测值的条件下，假设备用容量价格为5S|/MW，切风电或负荷的赔偿价格为5000S|/MW，σ1=0.02，σ2=0.10，得到的机组启停状态、机组调度出力值、机组上调备用容量、机组下调备用容量如附表1～附表4所示，附表2～表4中的单位均为MW。

(，cont．on p.80)(，cont．from p.55)

Study of reserve configuration of economic dispatch in wind farm integrated system

MOU Chun-xiao1，LI Peng-bo1，YANG Jia-jun1，JIA Huan2，XU Jian-zheng1
(1．Shandong University，Jinan 250061，China; 2．Heze Power Company，Shandong Electric Power Group Corporation，Heze 274000，China)

The uncertainty of wind power and load forecast brought difficulties to power economic dispatch，and the problem need to be solved was how to deal with risk，economic generation and spinning reserve plan．The solution which is economic and reliable is difficult to be attained by traditional ways．Load operating reserve capacity of the system is mainly impacted by wind power prediction，so that the backup should be configured to cope with the uncertainty of the system factors．Through the mutual check of the spare benefit and cost in the objective function，suitable spare could be automatically configured for the system，and{0，1}variable was introduced in the nonlinear constraints，so it could be transformed to a group of linear constrains to express，and the transformation of the mathematical model was a standard secondary mixed integer programming problem．The example results show the effectiveness and practicability．

stochastic factor;spinning reserve;cost benefit;unit commitment;quadratic integer programming