考虑日前小时电价的含风电电力系统调度模型研究

何星晔，王 磊，张珺珲

（东南大学 电气工程学院，南京 210096）

考虑日前小时电价的含风电电力系统调度模型研究

何星晔，王 磊，张珺珲

（东南大学 电气工程学院，南京 210096）

为提高含大规模风电电力系统运行的灵活性，降低风电波动性对系统的影响和提高系统的风电接纳能力，在含风电电力系统调度中引入日前小时电价。基于考虑日前小时电价的风电最大接纳模式，建立了相应的数学模型和求解方法，以此为基础分析了引入日前小时电价模型在不同风电渗透率场景下对火电机组承担负荷、系统接纳风电能力和系统运行经济性的影响。算例分析表明，在含风电电力系统中引入日前小时电价能够缓解风电接入对电力系统的影响，提高系统的风电接纳能力与运行的经济性。

日前小时电价；需求响应；风电；机组组合；经济调度；风电接纳能力

风力发电作为可再生能源中最具经济发展前景的发电方式，具有节约电力系统运行成本、无污染等优点，近年来在世界各国得到了迅速发展。然而，由于风电受到各种自然因素的影响而具有间歇性、波动性和不可控性，这给电力系统的规划与运行增添了困难和不确定因素［1—3］，部分地区风电发展与系统安全运行的矛盾逐步显现，弃风现象不断出现。因此，如何缓解与消除风电接入电网所产生的冲击以及风电的消纳成为目前风电发展所必须解决的两大难题。

目前，针对促进风电消纳的调度策略主要集中于各类可调资源参与含风电电力系统的调度方式，典型的可调资源主要包括储能系统、水电等［4—7］。随着需求响应和智能电网的发展，原本被视作刚性的负荷逐步呈现出一定的弹性，负荷侧资源可以同发电侧资源一样，参与到电力系统的运行中［8］，合理利用负荷弹性，优化配置电能资源，同样可以扩大新能源的接入，缓解大规模新能源接入对系统安全调度运行的冲击。

国内已有用负荷侧资源参与系统调度方式的研究，例如：提出可中断负荷参与备用市场［9］和阻塞管理［10］等。文献［11］研究了风电、火电、需求响应3种（虚拟）发电形式，建立了计及需求响应的基于发电成本和碳排放的多目标安全约束机组组合模型。文献［12］考虑融入用电激励、可中断负荷、电价响应等用电调度方式，建立了含风电系统的发用电一体化调度模型。这些成果中对所调度负荷侧资源的种类和特性并没有进行详细的建模，如：具体的激励手段、响应时间等，也没有考虑调度负荷后对用户和供电公司的影响。

本文在目前已有研究的基础上，为提高系统运行的灵活性、降低大规模风电接入系统所带来的不利影响，引入日前小时电价，建立负荷模型，研究其参与含风电系统经济调度问题。最后，通过10机系统的算例，详细分析了引入日前小时电价对含风电电力系统调度的影响。

1 基于日前小时电价的负荷建模

1.1 日前小时电价

日前小时电价也被称为日前实时电价［13］或者准实时电价［14］，日前小时电价就是电力公司提前1天确定并通知用户第2天24 h每小时的电价，用户可根据其负荷特性，计划和安排其响应措施。尼亚加纳电力公司是早期采用日前实时电价的典范［13］。

日前小时电价较分时电价更加灵活，同时可以弥补由于电价的细化程度不足导致的电力需求曲线与供应曲线之间的偏差。较传统的实时电价，日前小时电价在当前的需求响应发展状况下更具有可操作性。

1.2 负荷建模

负荷可分为固定分量和可调分量。对于固定分量，调度机构像传统的刚性负荷一样无条件满足其需求；而可调分量（即小时响应负荷等）表征着负荷的可调节能力，需对其进行一系列的成本及物理特性分析再进行建模。

用户负荷的可调分量需求-价格曲线如图1所示。

图1 用户的需求-价格曲线图

引入日前小时电价前，假设同时期的单一销售电价为rsingle_se1l，t时刻小时响应用户的需求功率恒为P0,j,t；引入日前小时电价后，图1中假设t时刻的电价rt低于单一销售电价，则此时小时响应用户的实际需求功率增大到Pact,j,t。

此时小时响应负荷用户j的实际用电需求与销售电价的关系满足函数关系

约束条件：

•最大、最小负荷需求约束

式中：Pact,j,t为用户j在t时刻的实际负荷需求；Pmin,j,t和Pmax,j,t分别为用户j的最小和最大用电需求。

•用户用电需求调整速率约束

式中：rup,j和rdown,j为小时响应负荷用户j在单位时间内用电需求的最大调整速率；Δt为调度时间间隔。该约束保证了用户安排用电的有序性，使得在制定日前小时电价时不至于出现用户在短时间内无法响应电价变化的情况。

•用户日生产计划平衡约束

本文中主要针对可转移负荷，用户根据日前小时电价改变用电方式不应该影响其生产计划，即调度所得的小时响应负荷的实际负荷需求总量应与在单一电价下该用户的负荷需求总量相同。

2 含风电系统的调度模型

2.1 目标函数

日前调度模型中，以调度成本最小为目标函数，调度成本包括火电机组的运行总成本和弃风成本，模型采用弃风量最小，即尽可能接纳风电的调度方式。

式中：CG为火电机组发电成本，包括运行成本和启停成本；Cgw为弃风成本。其分别表示为

式中：T为研究的全部时段；Ng表示火电机组数量；Pi,t表示t时段第i台火电机组的有功出力；ai、bi、ci为其发电成本参数；Si,t表示t时段第i台火电机组的启停成本；β为弃风成本系数，在弃风最小模型中一般取一个较大的数作为弃风的惩罚项，使系统尽可能地接纳风电；Pgw,t为t时段的弃风量。

2.2 火电机组技术约束

火电机组容量约束

式中：Ui,t为火电机组i在t时段的运行状态变量，Ui,t=0表示停机，Ui,t=1表示运行；Pi,min和Pi,max分别为机组i的最小和最大出力。

最小启停时间约束

式中：Ti,on和Ti,off分别为机组i的最小连续运行和停机时间；Ti,t-1,on和Ti,t-1,off分别表示机组i到上一时段的累计开机时间和累计关机时间。

爬坡约束

式中：rup,i和rdown,i分别为火电机组i的上、下爬坡率。

2.3 小时响应负荷用户约束

小时响应负荷用户的约束见式（2）—（4）。

2.4 系统约束

•功率平衡约束

•正旋转备用约束

•负旋转备用约束

式中：Rup,i,t和Rdown,i,t分别表示t时段火电机组i所提供的正旋转备用容量和负旋转备用容量；RLu,t和RLd,t为未纳入风电时系统所需的正、负旋转备用容量；Rwu,t和Rwd,t为由于风电接入而增加的正、负旋转备用容量。式（12）—（14）以及式（15）—（17）分别保证了各时段火电机组提供的正、负旋转备用能够满足系统正、负旋转备用需求。

2.5 用户效益约束

用户效益为用户转移用电所节约的电费，同时也是电网公司的售电损失。为保证电网公司的利益损失不至于过大，同时又可以调动用户参与的积极性，应保持用户侧的效益维持在一定的范围内。

式中：Cmin和Cmax分别为调度周期内用户侧的效益的最小和最大限值。

其中，用户转移用电所节约的电费Cs为

上述调度模型的目标函数为非线性方程，属于非线性混合整数规划问题，需要将模型中的非线性方程线性化转换为线性混合整数规划问题。鉴于此，本文参照文献［15］的方法，对模型的目标函数及约束条件进行线性化处理，将其转换成线性混合整数的形式，在Matlab中调用CPLEX对模型进行求解。

3 算例分析

3.1 仿真参数

本文采用10机测试系统进行仿真计算,日前24 h 96点的负荷和风电出力预测曲线如图2与图3所示。后续分析中将增加风电接入量水平，均以此风电预测值Pw为基准成倍数增加。其中风电接入水平Pw～6Pw所对应的风电穿透率分别为4.7%、9.5%、14.3%、19.0%、23.8%和28.8%。

图2 日前96时点负荷出力预测曲线

图3 日前96时点风电出力预测曲线

本文中假设该地区的单一销售电价rsingle_sell=0.617元/kWh，β=10元/kW，各小时响应负荷用户占总负荷的αj%，即有

为简化计算，本文中假设各个小时响应负荷通过负荷整合商整合为3个小时响应负荷用户，整合在一起的用户均具有相同的特性，包括负荷调整速度、需求-价格函数等，并且认为在用户侧智能控制系统的支持下，用户的响应严格遵循其需求-价格函数。

表1 用户信息

3.2 计算结果与分析

3.2.1 考虑日前小时电价调度仿真结果

以αj%=2%（j=1、2、3）风电接入水平3Pw为例，调度周期内用户侧效益的最小和最大限值Cmin和Cmax分别设置为0.25·αj万元和1·αj万元。

通过求解调度模型，可以得到该地区日前各个小时的电价安排（如图4实线所示）以及调度前后等效负荷的变化情况（如图5所示）。本文中等效负荷是指全部由火电机组承担的负荷，亦即将风电看作是负的负荷，而等效负荷即为调度后用户的实际负荷减去风电的出力。

图4 日前小时电价安排

图5 调度前后等效负荷比较

对比图4、图5中的小时电价与等效负荷，可以发现两者具有类似的峰谷形状，即在负荷高峰期小时电价较高，此时用户需求降低；相反地，在负荷低谷期小时电价较低，激励用户用电，从而起到了很好的削峰填谷的作用，缓解了风电的反调峰特性对系统带来的调峰压力。

根据表1中各用户的负荷需求-价格公式，可计算得到各用户的实际负荷需求，如图6所示。

图6 调度后用户负荷需求情况

从图6可以发现，由于用户1的需求-价格弹性较低，其需求变化相对于其他2个用户要小；而对于用户3，其负荷调整速率及其需求-价格弹性都比较高，因此用户3的需求调整的幅度较用户1和用户2都要大。

引入日前小时电价前后火电机组的启停计划，如图7和图8所示，实线代表开机。比较图7、图8可以发现，机组组合的变化主要集中于3号和5号机组，引入日前小时电价后，调度周期内减少了3号机组35～53时点和71～78时点的开机，减少了5号机组1～12时点的开机，避免了火电机组一天内的频繁开机，同时也在一定程度上减少了火电机组的运行成本。

图7 火电机组启停计划

图8 考虑日前小时电价时火电机组启停计划

在优化得到的日前小时电价安排下，用户1、2、3的收益分别为1万、1.5万、2万元。引入日前小时电价前调度的总成本为1 455.6万元，调度后的总成本为1 451.0万元，总成本降低了4.6万元。

3.2.2 不同风电接入水平下2种调度方式的比较

（1）等效负荷

文中，αj=0即为不考虑日前小时电价的场景。考虑日前小时电价前后，不同风电接入水平下等效负荷的峰谷差、波动性数据见表2，其中波动性以等效负荷均方差来衡量。

表2 2种调度方式等效负荷峰谷差和波动性比较

由表2可以看出，在相同的风电接入水平下引入日前小时电价后，等效负荷的峰谷差和波动性明显减小。

（2）弃风情况

不同风电接入水平下2种调度方式的弃风情况如表3所示。

表3 2种调度方式弃风总量比较MW

在引入日前小时电价后，在5Pw与6Pw时弃风量也有大幅度的下降，同样说明在引入日前小时电价后，通过优化调度负荷侧资源，能够降低等效负荷的波动性，提高了系统接纳风电的能力。

（3）经济性

2种调度方式能耗成本比较如表4所示。

表4 2种调度方式能耗成本比较万元

从表4的能耗成本数据可以发现，在Pw～4Pw4种风电接入水平下，引入日前小时电价可以降低能耗成本，但成本的降低都在5万元以内；在5Pw和6Pw2种风电接入水平下，由于引入日前小时电价后使得弃风量减少，提高了系统接纳风电的能力，使得火电机组承担的负荷减小，从而进一步降低了能耗成本，分别较引入日前小时电价之前节约了11万元与13.1万元。

3.2.3 用户效益限值对调度的影响分析

以各用户占总负荷的比例为αj%=3%（j=1、2、3）、风电接入水平6Pw为例，适当增大用户效益限值后的调度结果见表5。由于3个用户的效益限值一致，因此在表中仅给出了一个效益限值。虽然设置了同样的负荷比例，但受到各个用户特性的限制，又由于同一地区的电价一致，调度后各个用户实际的效益是成比例的，其比例为2∶3∶4，即各种场景下用户3的效益都是最高的。

表5 不同用户效益限值下调度结果比较

在用户效益限值从1.5万元增加至3万元的过程中，用户3均能够达到其效益限值上限并使调度结果最优，此时等效负荷的各项指标得到明显改善，系统的弃风量减少了，经济性也得到了提高。但当Cmax继续增至3×3.5万元时，用户3的效益为9.8万元，即达不到最大的效益限值，再增大限值，各项指标也得不到显著改善。因此调度部门在设置效益限值时，应综合考虑用户的特性以及整个系统的调度收益，以防出现付出大收益小的情况。

4 结束语

本文将负荷分为固定分量和可调分量2个部分，在含风电电力系统中引入日前小时电价，引导用户改变用电方式，使需求侧的可调资源参与含风电电力系统的日前调度，缓解风电接入对系统的影响，提高系统接纳风电的能力，通过算例验证了其有效性，同时还对用户效益限值对调度的影响进行了分析，建议调度部门在设置效益限值时，应综合考虑用户的特性以及整个系统的调度收益。

但本文中对用户负荷的建模还不够完善，今后将进一步针对实际用户进行建模分析。另外，本文仅针对电价调节手段对含风电电力系统的作用与影响进行了分析，发电侧可调资源与负荷侧可调资源的协调配合还有待进一步深入研究。

：

［1］田春筝，李琼林，宋晓凯.风电场建模及其对接入电网稳定性的影响分析［J］.电力系统保护与控制，2009，37（19）：46-50.

［2］孙元章，吴俊，李国杰.风力发电对电力系统的影响［J］.电网技术，2007，31（20）：55-62.

［3］黄学良，刘志仁，祝瑞金，等.大容量变速恒频风电机组接入对电网运行的影响分析［J］.电工技术学报，2010,25（4）：142-149.

［4］尚志娟，周晖，王天华.带有储能装置的风电与水电互补系统的研究［J］.电力系统保护与控制，2012，40（2）：99-105.

［5］Pérez⁃Díaz J I,Perea A,Wilhelmi J R.Optimal short⁃term operation and sizing of pumped⁃storage power plants in systems with high penetration of wind energy［C］//Proceedings of the 7th International Conference on the European Energy Market，Madrid，Spain,June 23-25，2010.

［6］张坤，吴建东，毛承雄，等.基于模糊算法的风电储能系统的优化控制［J］.电工技术学报，2012,27（10）：235-241.

［7］刘世林，孙海顺，顾明磊，等.一种新型风力发电机与飞轮储能联合系统的并网运行控制［J］.电工技术学报，2012,27（4）,248-254.

［8］Pedro Fraia,Zita Val,Joao Soares,et al.Demand Response Management in Power Systems Using a Particle Swarm Optimization Approach［J］.IEEE Intelligent System,2013,28（4）：43-51.

［9］葛炬，张粒子.可中断负荷参与的备用市场帕累托优化模型［J］.电力系统自动化，2006，30（9）：34-37.

［10］李海英，李渝曾，张少华.可中断负荷参与输电阻塞管理的模型与算法［J］.电力系统自动化，2006，30（10）：17-21.

［11］刘晓，艾欣，彭谦.计及需求响应的含风电场电力系统发电与碳排放权联合优化调度［J］.电网技术，2012，36（1）：213-218.

［12］王卿然，谢国辉，张粒子.含风电系统的发用电一体化调度模型［J］.电力系统自动化，2011，35（5）：15-18.

［13］王冬容.价格型需求侧响应在美国的应用［J］.电力需求侧管理，2010,12（4）：74-77.

［14］殷树刚，苗文静，拜克明.准实时电价策略探析［J］.电力需求侧管理，2011，13（1）：20-23.

［15］Carrión M,Arroyo J M.A computationally efficient mixed⁃integer linear formulation for the thermal unit commitment problem［J］.IEEE Trans on Power Systems,2006,21（3）：1 371-1 378.

Dispatch model of wind integrated power systems considering day⁃ahead hourly varying price

HE Xing⁃ye,WANG Lei,ZHANG Jun⁃hui
（Southeast University,Nanjing 210096,China）

In order to achieve the higher system flexibility,reduce the impact of volatility of wind power and improve the inte⁃gration capacity of wind power,day⁃head hourly varying price is in⁃corporated into the dispatch of wind integrated power systems.This paper proposes the corresponding mathematical model and solu⁃tions based on the scheduling model for maximum wind power ac⁃cess considering day⁃ahead hourly varying price.Then it analyzes the effects of day⁃ahead hourly varying price on the generating ca⁃pacity of the thermal power units and the wind integration capacity of power system,as well as its effect on the system operational economy under different scenarios of wind power penetration.Case studies show that through the incorporating of day⁃ahead hourly varying price,the impact of wind power on power systems is re⁃duced;the wind integration capacity of power system is increased,and the system operational economy can be improved.

day⁃ahead hourly varying price；demand re⁃sponse；wind power；unit commitment；economic dispatch；wind power integration capacity

TM715；F407.61

B

2013-08-05；修回日期：2013-10-17

国家高技术研究发展计划（863计划）资助项目（2011AA05A105）

何星晔（1989），男，江苏常州人，硕士研究生，主要研究方向为风电接入电网的调度运行，系统优化运行；王磊（1963），女，山西原平人，副教授，主要研究方向为信息技术在电力系统中的应用、电力系统优化运行；张珺珲（1992），男，江苏南京人，本科，主要工作为电力系统分析。

1009-1831（2014）01-0015-06