风电并网系统的区间动态经济调度方法研究

宗晓英，张志鹏，黄大为

(东北电力大学电气工程学院，吉林吉林132012)

随着化石能源的日益减少和环境污染的加剧，传统常规机组燃料燃烧所引起的环境污染问题已经引起了大家的广泛关注。由于风能等新能源具有可再生、环保等特点，越来越受到人们的重视。其中风力发电是发展最快、装机容量最大的新能源，因此风电成为缓解化石能源枯竭和环境污染的必然选择，由于受外界环境的影响较大，风力发电的不确定性给大规模风电并网的电力系统调度带来一系列新的问题［1－3］。

关于含有风电的电力系统调度目前主要存在两大问题:一是如何提高风电出力预测的精确度;二是减少发电成本，协调风电出力与煤耗量之间的关系。文献［4］引入新的衡量电网安全的电网安全条件风险价值(CVaR)指标，在不同置信水平下得到不同的条件风险调度方案。文献［5］首先通过人工神经网络对风向、风速进行了预测，然后根据功率曲线得到风电出力预测。提出了一种基于预测误差的非参数置信区间估计方法，建立了预测误差概率模型，并在该模型的基础上得到了风电功率的预测值。文献［6］引入风速预测误差的概率密度函数来处理风电预测存在的误差，在目标函数中加入了误差惩罚因子，并考虑了旋转备用约束，建立了含风电场的动态预测模型。文献［7］对于风电出力的不确定性采用区间估计的方法，给出了有效备用响应能力与区间满足度约束的定义，但文中只局限于考虑单时段的调度。文献［8］以区间数的形式对风电出力不确定性进行刻画和建模，采用双线性规划模型得到区间优化的两个精确的上下边界，基于空间分支定界法找到该模型的可行解也呈现区间形式。文献［9］提出了一种考虑系统有功调节能力的风电功率场景选取方法，将风电出力按场景划分，并对场景的选取进行修正，考虑了多个时段内的调度，建立了动态经济调度模型。文献［10］把风功率视作负的负荷对含有风电的系统进行调度，采用区间估计的方法对风电出力的不确定性进行刻画，并考虑了多时段下的动态经济调度。传统的电力系统调度方法已日臻完善，针对含有风电出力的电力系统动态经济调度的研究逐渐成为热点。因此提高风功率预测的精度，减少发电成本是所有含风电机组的电力系统调度的主要研究问题。

本文在分析负荷和风电预测的不确定性对含风电机组的电力系统经济调度影响的基础上，提出用三元区间数来刻画负荷预测和风电预测的不确定性，并建立基于三元区间数的电力系统动态经济调度模型，针对净负荷的三元区间对电力系统调度的经济性的影响进行深入研究。

1 负荷与风电功率的不确定性模型

负荷和风电功率的不确定性是影响电力系统调度准确性的最大影响因素，如何恰当的刻画这些不确定量是提高电力系统调度准确性的关键因素，风速的变化可能不只服从一种概率分布［7］，本文假设风电功率的变化服从正态分布，为了准确的描述风电功率的变化，采用三元区间数［11］的概念来刻画负荷预测和风功率预测的不确定性。

我们将负荷预测的三元区间定义为［Ll，Lm，Lu］，风电预测的三元区间定义为［Wl，Wm，Wu］。风力发电功率与系统负荷在很多方面有很强的正相关性，因此把风力发电作为一个“负”的负荷，于是在风电接入研究中用净负荷当作系统的总的负荷值［10］。净负荷就是负荷预测值与风电预测值的代数和，此时风力发电出力当作负的负荷。根据三元区间数的算术运算法则［12］可求得净负荷区间:

式中:Du为预测的净负荷三元区间数的上限;Dl为预测的净负荷三元区间数的下限;Dm为预测的净负荷三元区间数的中间值。

负荷预测和风电功率预测是在一定的区间内上下波动，因此我们给定一个置信度α:那么负荷预测和风电功率预测的区间属于那些包含三元区间数中间值Dm的区间的可信程度为1－α，如图1。则:净负荷预测区间的置信度满足

图1 净负荷预测区间满足的置信度

2 区间动态经济调度的数学模型

如图2，我们假设系统在t1时刻运行在A点，由于净负荷的不确定性影响，系统内的某一机组可能在t2时刻运行在B点，这时机组的发电出力需要在Δt的时间内向上调节ΔPup;机组也可能运行在C点，这时机组的发电出力需要在Δt的时间内向下调节ΔPdown。在预测负荷的三元区间内机组总是能够快速反应，保证了系统安全稳定运行，避免了因过负荷而导致的切机切负荷事件。

图2 三元区间动态经济调度方式

2.1 目标函数

本文的主要研究对象是如何合理的安排常规机组的出力，以达到期望发电成本最小的目的。在三北地区，夜间用电低谷时期，往往是风力大发时期，这时风电机组出力较多，相应的常规机组出力可以减小，体现在常规机组出力的权重下降;而在白天用电高峰期，风速减小，风电出力远不如夜间，此时需增加常规机组出力权重以满足负荷变化的需求。因此目标函数如下:

2.2 约束条件

(1)系统的供需平衡约束:

(2)常规机组的出力上下限约束:

式中:Rdi为常规机组i运行时的最大爬坡速率;Δt为同一负荷水平下机组爬坡速率的反应时间与不同负荷水平下机组爬坡速率的反应时间。公式(10－12)表示在同一负荷水平下，即常规机组分别处于净负荷预测的中间值、上限、下限三种情况下机组要满足爬坡速率的约束;式(13－14)表示在不同的负荷水平下，即净负荷在三元区间数内变化时，机组的爬坡速率要满足的约束。

(4)线路上的最大流动功率约束:

输电元件ij上允许流过的有功潮流分量Pij也是约束电力系统调度的一个因素，本文采用直流潮流这一近似计算来计算线路上实际流过的功率，并按照给定的裕度系数来确定线路上允许的最大流动功率Pmaxij，并将Pmaxij作为已知条件应用到常规机组出力上下限的约束中。

式中:δi为节点i的相角;Xij为线路i－j的电抗;Kij为线路上允许流过的功率的裕度系数;Pij线路上实际流过的功率线路上允许流过的功率的最大值。

2.3 模型求解策略

3 算例分析

3.1 仿真参数

以IEEE－30节点系统为例，节点1为平衡节点，6台常规机组。假设负荷和风电功率服从N(35，152)的正态分布［8］，相应的取α=0.05，Δt=1 h，T=6 h，Kij=2。风电功率预测的三元区间数为［0.056，0.35，0.644］，负荷预测的三元区间数为［2.559，3，3.441］，净负荷预测的三元区间数为［2.503，2.65，2.797］。发电机的参数见表1，权重系数的取值见表2。

表1 系统发电机参数

以上功率基准值均为SB=100 MVA。

权重的物理意义是表述常规机组在净负荷预测的三元区间数下的出力可能性的大小。当风电出力较大时，常规机组的出力需要下调，给风电提供上网空间，常规机组出力由A调节到C的可能性增大(如图2)，因此常规机组出力运行在净负荷预测三元区间数的下限的可能性增大，故β的值偏大。权重的取值考虑了风电的出力特性，基于上述理论，按照逐一验证的方法，我们选取了以上三组权重系数。

表2 权重β的取值

3.2 仿真结果及分析

不同权重系数下，各机组的出力分配见图3。

图3 不同权重下三元区间数动态经济调度

表3给出了动态经济调度在不同权重下的期望成本，可以看出考虑了权重系数的调度方案期望成本较小。

通过图表数据可以发现，在不同调度方式下，部分机组的出力是不变的，而有些机组出力变化较大。机组1，2，3在不同的权重和净负荷下的出力变化很小，这些机组的经济性较差，可以考虑不参与含有风电的经济调度，只承担一些波动较小的基础负荷;机组4，5，6的爬坡能力强，机组出力变化较大，可以承担波动较大的负荷。同时考虑风电出力的时间特性，在调度过程中增加权重系数可以减少发电费用。通过对仿真数据的总结分析将不同出力特性的机组进行分群，根据每个机组的出力特性安排机组的启停和运行时间，以达到减少发电费用的目的。

表3 不同权重下三元区间数动态经济调度的期望成本

4 结语

针对风电功率不确定性对电网有功优化调度的影响，建立了区间动态经济调度模型。通过算例分析表明:由本文方法得到的区间动态经济调度方案能确保在净负荷预测的三元区间数内满足风电和负荷的随机变化，具有较好的适应性;所得调度方案杜绝出现当系统承受高负荷时因无法及时反应而切机切负荷等极端情况，保证了供电可靠性，同时也确保机组安全平稳的运行。

［1］杨明，朱思萌，韩学山，等.风电场输出功率的多时段联合概率密度预测［J］.电力系统自动化，2013，10(7):23－28.

［2］高凯，朱加明，葛延峰，等.联网风电场集群运行特性分析［J］.东北电力大学学报，2014，34(4):11－16.

［3］杨茂，贾云彭，钱为，等.基于动态权重的风电功率组合预测方法研究［J］.东北电力大学学报，2013，33(1/2):131－136.

［4］周任军，姚龙华，童小娇，等.采用条件风险方法的含风电系统安全经济调度［J］.中国电机工程学报，2012，36(1):56－63.

［5］范高锋，王伟胜，刘纯，等.基于人工神经网络的风电功率预测［J］.中国电机工程学报，2008，34(5):118－123.

［6］周玮，孙辉，顾宏，马千，等.计及风险备用约束的含风电场电力系统动态经济调度［J］.中国电机工程学报，2012，22(01):47－55.

［7］王士柏，韩学山，杨明.计及机组备用响应能力的电力系统区间经济调度［J］.中国电机工程学报，2013，21(70):99－108.

［8］丁涛，郭庆来，柏瑞，等.考虑风电不确定性的区间经济调度模型及空间分支定界法［J］.中国电机工程学报，2014，22(3):3707－3714.

［9］黄大为，张伟，韩学山.一种考虑系统有功调节能力的风电功率场景选取方法［J］.电力系统保护与控制，2013，34(1):33－39.

［10］Kwok W.Cheung，Senior Member，Ricardo Rios－Zalapa.Smart Dispatch for Large Grid Operations with Integrated Renewable Resources［J］.IEEE Transactions on Energy Conversion，2011.

［11］胡启洲，张卫华.一种基于三元区间数的多指标决策法［J］.统计与决策，2007，24(1):26－28.

［12］黄华，宋艳萍，德娜·吐热汗.三元区间数线性规划及其解法［J］.数学的实践与认识，2011，19(5):134－141.