含风电和储能的电力系统安全约束机组组合问题研究

2016-01-16刘建平,王旭斌,吴岩等

现代电力 2015年5期

关键词：储能风电

文献标志码：A

刘建平1，王旭斌2，吴岩1，王忠为1，张洪力1，刘文1

(1．中电投蒙东能源集团有限责任公司，内蒙古通辽028011；

2．华北电力大学电气与电子工程学院，北京102206)

Research on Security-Constrained Unit Commitment of Power Systems with Wind Farm and Energy StorageLIU Jianping1，WANG Xubin2，WU Yan1，WANG Zhongwei1，ZHANG Hongli1，LIU Wen1

(1. CPI Mengdong Energy Group Co.,Ltd, Tongliao 028011，China; 2. School of Electrical & Electronic Engineering，

North China Electric Power University， Beijing 102206，China)

摘要：针对含风电的电力系统安全约束机组组合问题，利用储能的快速双向调节能力改善风电出力的波动性和不确定性，提高系统运行的经济性。机组组合模型中考虑风电、负荷预测误差对机组组合的影响，并引入基于可信理论的旋转备用机会约束条件，可避免造成备用的过度配置。另外，通过考虑合理弃风提高消纳风电能力和降低系统运行成本，分析了储能参数以及接入系统方式对机组组合模型中系统运行成本和风电弃风量的影响。最后，采用新英格兰10机系统验证了所提模型的有效性。

关键词：机组组合；风电；储能；预测误差；机会约束；弃风

文章编号：1007-2322(2015)05-0048-08

中图分类号：TM372

收稿日期：2015-01-31

作者简介：

Abstract：As to such issue as security-constrained unit commitment (SCUC) of power systems with wind farm, the volatility and uncertainty of wind power output are improved by means of the fast two-way regulation capacity of energy storage, then operation cost is also reduced. Taking the impact of prediction error of wind power and demand on SCUC into account, the over allocation of reserve can be avoided by introducing the chance constrained formulation of spinning reserve based on trusted theory. In addition, reasonable curtailment can be applied to enhance the accommodation capability of wind power and reduce operation cost. The impact of energy storage parameters and its grid-connected approach on system operation cost and wind curtailment in SCUC are also analyzed in this paper. In the end, 10-machine New England power system is used to validate the proposed model.

Keywords：unit commitment；wind power；energy storage；forecast error；chance constraint；wind curtailment

0引言

鉴于全球低碳经济和可持续发展的需求，包含风电、太阳能、储能等的新能源发电技术越来越受到重视。随着大电网中风电渗透率的不断增加，分析风电对电力系统机组组合和经济调度的影响已显得尤为重要。机组组合是电力系统运行调度的重要任务之一，包括在一定负荷水平下制定可调火电机组单元的开停机、出力计划[1]。机组组合模型一般以系统总运行成本最小为目标函数，满足的约束条件有系统功率平衡、备用容量约束、机组出力限制、机组开停机时间约束、网络安全约束等[2]。

在安全约束机组组合问题中引入风电机组可减少火电机组的运行成本，提高系统运行的经济性。随着大规模风电并入大电网，风电参与电网经济调度必将会对系统的运行调度带来一定的风险[3]。由于风电功率难于预测和控制，文献[4]通过对服从威尔布分布的风速进行随机抽样，由风速-功率曲线确定风机出力，但该方法误差较大。此外，通常需要一定的备用容量应对风电的不确定性，但该方案在不考虑弃风条件下，往往会造成备用的过度配置，从而影响系统的经济运行成本。风电功率预测值在安全约束机组组合问题中主要有两种处理方法，一种是通过增加系统备用容量考虑风电出力的不确定性[5]，并给定风电功率预测值；另一种方法是多场景技术[6]，通过考虑多种场景下的风电出力计及风电的不确定性，但该方法所需计算时间较长[7-8]。

机组组合的主要目标是最优选择在线可调度的火电机组并安排某一时间段内各发电机组的出力满足负荷需求、旋转备用需求、机组出力限制以及网络安全等约束条件。文献[9]基于大量文献对该问题所涉及的问题进行了详细描述。传统的机组组合和经济调度问题主要涉及两个不确定因素：发电机组停运和负荷预测误差。类似文献[10,11]，本文假定火电机组在处理日前机组组合和经济调度问题是稳定的，本文主要集中处理预测误差。针对风电接入系统后对系统调峰问题的影响，文献[12]通过考虑合理弃风适当放弃部分风电发电容量，提高系统运行经济性。文献[13]通过比较风电最大接纳调度模式与风电经济调度模式，分析了储能装置对系统消纳风电能力的影响以及经济弃风产生的原因。

因储能系统具有快速的双向调节特性，含有一定容量的风电场可保证具备一定的调峰能力，提高电网消纳风电能力和系统运行的经济性。通过控制储能的充放电为确定系统机组组合方案提供一定的灵活性。本文针对含有风电和储能的电力系统中安全约束机组组合问题提出一种新型确定方法，所提组合模型中考虑了风电与负荷预测误差、储能参数及其接入系统方式、弃风等因素。最后，结合新英格兰10机系统对线性化后的安全约束机组组合模型进行了分析和验证。

1模型预测误差的不确定性

由于电力负荷波动呈现较为明显且相对固定的周、日波动特性，基于目前的各种预测技术下，负荷预测已经可以达到很高的精确度[14]。目前国内外对负荷预测的研究主要集中在短期负荷预测上。小时时间间隔的负荷预测值由两部分构成：

(1)

式中：PDf,t为负荷t时刻的预测值；PDm,t为负荷t时刻的期望值；eD,t为负荷t时刻的预测误差。

预测误差通常认为服从正态分布，其标准差为σD,t，文中σD,t为负荷期望值PDm,t的5%。

对于风电预测，目前有众多针对不同预测时间长度(6 h、12 h和24 h等)和不同预测模型(物理方法、统计方法和时间序列法等)的风电预测技术[15]。一般来说，风电预测误差认为服从正态分布，本文用风功率期望值和预测误差来表示风功率预测：

(2)

式中：Wf,t为风功率t时刻的预测值；Wm,t为风功率t时刻的期望值；eW,t为风功率t时刻的预测误差。

风功率预测误差服从零均值，标准差为σW,t的正态分布。对于预测长度为24 h的小时时间间隔的风电功率预测，如下式所示：

(3)

式中：IW为风电装机容量。

考虑到负荷预测和风功率预测之间没有相关性，电网净功率需求定义为

(4)

式中：Pnetf,t为电网净负荷功率在t时刻的预测值；Pnetm,t为电网净负荷功率在t时刻的期望值；enet,t为电网净负荷功率在t时刻的预测误差。

对于机组组合和经济调度问题中预测误差的处理，主要有多种场景技术和利用旋转备用两种方法，但前一种方法存在场景多、计算量大等问题。因此本文采用后一种方法来应对风电和负荷预测误差：

(5)

式中：Rest为系统t时刻所需的旋转备用容量；ε为置信度系数(如ε=3时表示置信度为99.74%[16])。

2考虑储能的安全约束机组组合模型

2.1目标函数

(6)

式中：F为调度周期内的系统运行总成本；ui,t为火电机组开停状态，ui,t为1表示机组处于开机状态，0表示处于停机状态；Pi,t为机组i在t时刻的出力；Fi,t为机组i在t时刻的运行成本函数；Ig为火电机组的台数；目标函数表达式表示火电机组运行成本、开机费用STi,t；风机的运行成本设为零。

火电机组的运行成本函数可表示为

(7)

图1　火电机组出力分段线性化原理图

式中：ai、bi、ci分别为火电机组的成本系数。为便于后面的求解，对火电机组的运行成本函数进行线性化：Fi0为火电机组i运行成本函数分段线性化系数；δim,t为火电机组i运行成本分段线性化函数第m段的长度；Dik为火电机组i运行成本分段线性化函数出力第m段的上限。

火电机组i的开机启动成本的混合整数规划表达式仅与状态变量ui,t(0/1)有关，对其进行线性化：

(8)

(9)

式中：KCiq为火电机组i线性化成本函数第q段；NSi为火电机组i启动开机成本函数的分段数。

图2　火电机组启动成本分段线性化原理图

2.2约束条件

① 系统功率平衡约束

(10)

式中：Wg为并入系统的风机台数；Wi,t为风机i在t时刻的调度功率；PD,t为系统在t时刻的总负荷。

② 机组出力约束

(11)

式中：Pmax,i、Pmin,i分别为机组i的出力上、下限。考虑弃风时对于风电调度功率约束有0≤Wi,t≤Wfi,t，其中Wfi,t为风电功率在t时刻的预测值。

③ 旋转备用约束

(12)

(13)

④ 最小开停机时间约束

火电机组最小开机时间的线性化约束条件为

(14)

式中：Ton,i为火电机组i的最小开机时间；Ini为火电机组i的初始必须开机时间，Ini=min[T,(Ton,i-Ton,i0)ui0]；Ton,i0、ui0分别为火电机组i初始已开机时间和状态。

同样地，火电机组最小停机时间约束为

(15)

式中：Toff,i为火电机组i的最小停机时间；Idi为火电机组i的初始必须停机时间，Idi=min[T,(Toff,i-Toff,i0)(1-ui0)]；Toff,i0为火电机组i初始已停机时间。

⑤ 爬坡约束

(16)

式中：RUPi、RDNi分别为火电机组i的爬坡、滑坡速度限值。

⑥ 储能约束

(17)

式中：Ech,t、Eds,t分别为储能充电、放电能量；α、β分别为储能的充、放电效率系数。

储能在t时刻末的储存能量Et可表示为

(18)

式中：Eini为储能初始阶段储存的能量；dt为调度周期。

储能充、放电功率限制为

(19)

式中:CHt为储能t时刻的充电状态，值为1时表示充电，0表示不进行充电；CHt为储能t时刻的放电状态，值为1时表示放电，0表示不进行放电；Pchmax,t、Pdsmax,t分别为储能在t时刻的充、放电功率最大值。

能量储存限制：

(20)

式中：Emin,t、Emax,t分别为储能在t时刻储存能量的最小、最大值。

为保证储能的充、放电不在同一时刻进行，储能充、放电状态约束：

CHt+DSt≤1

(21)

⑦ 网络安全约束

对于系统的网络安全约束，本文采用忽略网络损耗的直流潮流约束进行处理。此外，直流潮流因其具有线性表达和快速性被广泛用于电力系统机组组合和经济调度等场合[17]。直流潮流模型中，线路容量约束通常表示为如下：

(22)

文中机组组合问题用如下约束保证系统的网络安全：

(23)

(24)

式中：Peg,t为母线e上火电机组在t时刻的出力；Le,t为母线e上负荷在t时刻的需求；Pew,t为母线e上风电场在t时刻的出力；Pech,t、Peds,t分别为母线e上储能在t时刻的充、放电功率；Xef为连接节点e、f线路的阻抗；Pmax,ef为连接节点e、f线路的最大传输容量。

安全约束机组组合是一类非线性混合整数规划问题，可采用Benders分解算法将该问题分解为主问题和子问题进行求解，子问题主要是对主问题的求解结果利用网络安全约束条件进行校核，如图3所示。主问题包括除网络安全约束条件外的其他约束条件和目标函数，一般可采用动态规划、拉格朗日松弛算法、混合整数规划(mixed-integer programming，MIP)、智能算法等进行求解，本文主要利用Matlab和GAMS[18]平台调用CPLEX求解器实现。

图3　安全约束机组组合模型

3算例分析

本文采用图4所示修改后的新英格兰10机系统，验证所提出的机组组合模型的可行性。系统包含10台发电机、39个节点、19个负荷和46条线路。发电机参数如表1所示，表2为负荷以及风电预测功率，各节点负荷占总负荷的比例如表3所示。

3.1无储能时机组组合问题分析

图5和图6所示分别为不考虑储能时的火电机组开停机状态和火电机组有功出力，此时系统运行总成本为＄422 251.31。

表1　发电机参数

图4　新英格兰10机系统

时刻/h风电预测功率/MW负荷/MW时刻/h风电预测功率/MW负荷/MW1190930133901400230083014340130033307501532012004360710161201050535080017101000637098018401100744011501950120084601200202014009350130021513001025014002225011001142014502335095012380150024240880

表3　节点负荷及其所占比例

图5　无储能时的火电机组开停机状态

图6　无储能时的火电机组出力变化

3.2含储能时机组组合问题分析

图7　含储能时的火电机组开停机状态

图8　含储能时的火电机组出力变化

图7和图8所示分别为考虑储能参与时的火电机组开停机状态和火电机组有功出力。相比图1可以看出，无储能参与出力分配时一些容量较小的火电机组需要进行启停调峰；而在储能参与系统出力分配时，参与开停机动作的火电机组数量较少，此时，系统运行总成本为＄412 819.31，相比不考虑储能参与时的总运行费用明显下降，说明储能的参与可以有效提高系统运行经济性。

由图9可知，相比有、无储能参与时的火电机组出力变化曲线，考虑储能后可起到削峰填谷的作用。在t=3~5或15、16时刻负荷或机组出力处于低谷时，储能通过充电抬升系统负荷，而当t=9~12或20、21时刻负荷或机组出力处于峰值时储能进行放电，降低系统负荷。图10所示为储能在整个周期内的储存能量变化曲线。

图9　有无储能时火电机组出力变化和储能充放电功率

图10　储能储存能量变化

3.3储能参数变化对系统运行总成本的影响

由表4可知，当储能参数变化，即储能容量上限和充放电功率限制增加时，系统运行总成本逐渐减小。由3.2节可知考虑储能后可起到削峰填谷的作用，而随着储能容量和充放电功率的增加使其更多地参与机组组合，可进一步进行峰谷调节降低总运行费用，提高系统运行的经济性。

表4　储能参数对总成本的影响

3.4考虑弃风时储能对机组组合的影响

由图11和12所示，当系统中含有储能时可明显降低风电的弃风量，提高系统消纳风电的能力。图13所示为有无储能时系统运行总成本的变化曲线，在考虑风电弃风条件下，系统无、有储能时总运行成本分别为＄326 929.57、＄310 658.92，可知储能接入后提高了系统运行的经济性。

图11　无储能时风电出力变化

图12　含储能时风电出力变化

图13　系统运行总成本

3.5储能接入方式对机组组合的影响

本文通过考虑储能接入系统的方式进一步分析储能对机组组合问题的影响。主要考虑3种接入方式，即储能靠近风电侧接入、靠近负荷侧接入以及以分散方式接入系统，分散接入时考虑两个储能系统，分别靠近风电侧和负荷侧接入系统，且其容量减半。

3.5.1储能接入方式对风电弃风量的影响

图14中对比不同储能接入系统方式下的风电弃风量变化可知，当没有储能接入时，因无法减弱风电波动则此场景下弃风量较大；当储能靠近风电侧接入系统时，由于储能和风电接入系统位置相同，受网络潮流约束限制，当风电功率发生较大波动时位于附近的储能更易于平抑风电波动，则风电弃风量的减少更为明显；当储能在负荷侧接入时，因储能未在风电侧接入且受网络约束作用，不能有效平抑风电波动则其弃风量较大；而当储能以分散方式接入系统时，由于此时各储能系统容量已减半，在网络约束作用下其风电弃风相比靠近风电侧接入方式弃风量较大。

图14　不同储能接入方式下风电弃风量变化

3.5.2储能接入方式对系统运行成本的影响

由表5所示，当储能以分散方式分别在靠近风电侧和负荷侧接入系统时，系统运行成本相比其他接入方式有明显降低，更能提高系统运行经济性。

表5　不同储能接入方式下的系统运行总成本　＄

3.6风电和负荷预测误差对机组组合的影响

表6所示为不同负荷和风电功率预测误差下系统运行总成本、机组开机成本、运行成本以及备用容量的变化。随着负荷和风电功率预测标准差的增大，需要更多的机组启动或增加出力，使系统对备用的要求提高，则系统运行总成本也随之逐渐增加。

表6　风电与负荷预测误差对机组组合的影响

4结论

本文将储能系统引入含风电的电力系统安全约束机组组合问题，有效改善风电的不确定性，降低系统运行成本。考虑了风电、负荷预测误差对机组组合模型的影响，随着其预测标准差的增大，需更多的机组启动或增加出力，使系统对备用的要求提高，则系统运行总成本也随之增加。比较分析有无储能时火电机组组合状态、系统运行成本的变化，结果表明储能的引入不仅提高了系统的经济性，而且起到削峰填谷的作用，减弱了由风电随机波动性产生的影响。此外，在考虑弃风条件下，分析了储能参数变化以及储能接入系统方式(靠近风电侧、负荷侧和分散接入方式)对机组组合模型的影响，表明随着储能更多地参与可进一步进行峰谷调节降低系统总运行费用，且当储能以分散方式接入系统时，风电弃风量更小，系统运行成本相比其他接入方式有明显降低，有效提高了系统运行经济性。

致谢：本文在编写过程中得到了中国科学研究院电工研究所刘怡博士的大力支持和帮助，在此致谢！

参考文献

[1]王彩霞，鲁宗相．风电功率预测信息在日前机组组合中的应用[J]．电力系统自动化，2011，35(7)，13-18．

[2]夏清，钟海旺，康重庆．安全约束机组组合理论与应用的发展和展望[J]．中国电机工程学报，2013，33(16)：94-103．

[3]严干贵，刘嘉，崔杨，等．利用储能提高风电调度入网规模的经济性评价[J]．中国电机工程学报，2013，33(22)：45-52．

[4]Hetzer，Yu D C．An economic dispatch model incorporating wind power[J]．IEEE Transactions on Energy Conversion，2008，23(2)：603-611．

[5]袁越，吴博文，李振杰，等．基于多场景概率的含大型风电场的输电网柔性规划[J]．电力自动化设备，2009，29(10)：20-25．

[6]孙闻，房大中．考虑系统可靠性和经济性的机组组合方法[J]．电网技术，2008，32(6)：47-51．

[7]Tuohy A，Meibom P，Denny E，et al．Unit commitment for systems with significant wind penetration[J]．IEEE Transaction on Power Systems，2009，24(2)：592-601．

[8]Bath R，Brand H，Meibom P，et al．A stochastic unit-commitment model for the evaluation of the impacts of the integration large amounts of wind power

[C]//Proceedings of the 9th International Conference on Probabilistic Methods Applied to Power Systems，June 11-15，2006，Stockholm，Sweden：8p．

[9]Padhy N P．Unit commitment-a bibliographical survey [J]．IEEE Transactions on Power Systems，2004，19(2)：1196-1205．

[10]Castronuovo E D，Lopes J P．On the optimization of the daily operation of a wind-hydro power plant[J]．IEEE Transactions on Power Systems，2004，19(3)：1599-1606．

[11]Lamiri M，Xie X，Dolgui A，et al．A stochastic model for operating room planning with elective and emergency demand for surgery[J]．European Journal of Operational Research，2008，185(3)：1026-1037．

[12]刘新东，方科，陈焕远，等．利用合理弃风提高大规模风电消纳能力的理论研究[J]．电力系统保护与控制，2012，40(6)：35-39．

[13]李丰，张粒子，舒隽，等．含风电与储能系统的调峰与经济弃风问题研究[J]．华东电力，2012，40(10)：1695-1700．

[14]廖旎焕，胡智宏，马莹莹，等．电力系统短期负荷预测方法综述[J]．电力系统保护与控制，2011，39(1)：147-152．

[15]王丽婕，廖晓钟，高阳，等．风电场发电功率的建模和预测研究综述[J]．电力系统保护与控制，2009，37(13)：31-37．

[16]Strbac G，Shakoor A，Black M，et al．Impact of wind generation on the operation and development of the UK electricity systems[J]．Electric Power Systems Research，2007，77(9)：1214-1227．

[17]叶荣，陈皓勇，王钢，等．多风电场并网时安全约束机组组合的混合整数规划解法[J]．电力系统自动化，2010，34(5)：29-33．

[18]Mccarl B A，Meeraus A，Van Der Eijk P，et al．McCarl GAMSuser guide[J]．GAMS Development Corporation，2013．