消纳大规模风电的电力系统源荷协同调度

禤培正，雷佳，华栋，钟一鸣

(1.华南理工大学 电力学院，广东 广州 510641；2.大连海事大学，辽宁 大连 116026)



消纳大规模风电的电力系统源荷协同调度

禤培正1，雷佳1，华栋1，钟一鸣2

(1.华南理工大学 电力学院，广东 广州 510641；2.大连海事大学，辽宁 大连 116026)

大规模风电接入电网将给传统调度体系带来新的挑战，充分利用负荷侧的可调度资源能缓解电网的调度压力。为了使发电侧和用电侧均参与电网的经济调度，对可中断负荷和可转移负荷进行建模，建立了含多种可控负荷的源荷协同调度模型；采用极限场景法处理风电的波动场景并调用CPLEX求解器进行计算。算例结果表明：源荷协同调度方式能使峰谷差下降389MW，并提高电网的风电接纳能力，使最大能接纳的风电渗透率由11%上升至21%。

源荷协同调度；风电接纳能力；可中断负荷；可转移负荷

目前，发展新能源已成为全球研究的热点，以风电为代表的新能源具有间歇性及随机性的特点，这加剧了电网调度的调峰问题和备用需求的优化问题[1-2]。在传统的电源侧经济调度中，通常采用常规机组预留旋转备用的方式来消纳风电的出力波动，但常规机组的调节能力有限，可能无法满足大规模风电并网条件下的调峰要求[3-5]。用户侧参与调度控制将是未来电力系统调度的有效补充方式。

负荷种类多样，有一部分负荷用电时间是灵活的，如加热、制冷、电动汽车等，这种负荷统称为可控负荷。可控负荷参与电网调度能缓解系统的调峰压力，提高接纳间歇性新能源的能力[6-8]。目前，负荷侧参与调度的相关研究多集中在电力市场环境下的可中断负荷模型，可中断负荷管理是电力市场环境下需求侧管理的重要组成部分，与电力系统的安全经济运行密切相关[9]。文献[9]考虑了停电持续时间和停电总次数约束，以购买费用最小为目标函数求解出最优的可中断负荷购买方案。文献[10]针对实施可中断负荷管理过程中存在的问题，对可中断负荷管理中的用户响应进行分析，建立了用户响应模型。文献[11]在分时电价的环境下，建立了微网中分布式电源与需求侧负荷优化管理的协调运行模型。文献[12-13]在含风电场的经济调度模型中考虑了价格型需求响应，以提高系统的风电消纳能力。上述文献建立的模型大部分只考虑可中断负荷，缺乏定量分析可控负荷对提升风电接纳能力的作用。文章[14]综合考虑源荷协调对风电消纳和系统运行的影响并建立了源荷协调多目标优化模型，但仍采用传统的备用整定法来处理风电的随机性。本文考虑了多种可控负荷，通过分析可中断负荷和可转移负荷的运行特性建立了一种消纳大规模风电的源荷协同调度模型，并采用极限场景法处理风电的波动场景，所述方法在某地区电网中进行了算例验证。

1　含风电的安全约束机组组合模型

某电网包含G台火电机组数，W个风电场，调度周期为T。其中，g=1，2，…，G；w=1，2，…，W；t=1，2，…，T。含风电的安全约束机组组合(security-constrainedunitcommitment，SCUC)模型如下。

1.1目标函数

采用预测场景下的运行成本作为目标函数，如式(1)所示。

(1)

式中：F(g,t)和Su(g,t)分别为发电成本和启动成本，其中发电成本采用式(2)的二次函数。

F(g,t)=(agp2(g,t)+bgp(g,t)+cg)I(g,t).(2)

其中，p(g,t)、I(g,t)分别为火电机组g在时段t的输出功率和启停状态变量，系数ag、bg、cg通过实际运行或实验获得。启动成本由式(3)计算所得，其中Su,g为机组g的启动费用。

(3)

1.2约束方程

各约束方程分别如下:

(4)

(5)

(6)

(7)

(8)

(9)

(10)

2　源荷协同调度模型

一般来说，负荷D(t)包括不变负荷Dnc(t)和可控负荷Dc(t)两部分，为方便讨论，本文将可控负荷分为可中断负荷D1(t)和可转移负荷D2(t)两种。其中，可中断负荷是指用户负荷中心可以中断的部分，典型的可中断负荷有电动汽车等。通过采用合理的中断策略能降低电网的调峰压力，提高接纳新能源的能力。可转移负荷是指用户负荷中心可以转移的部分。在调度周期内，将高峰时段的部分负荷转移到低谷时段，可起到削峰填谷的作用，提高常规机组的运行效率。

在上述建立的SCUC模型的基础上考虑C1个可中断负荷与C2个可转移负荷，则功率平衡方程为

(11)

(12)

(13)

(14)

用户按照合同规定中断和转移负荷，电力公司给予用户一定的经济补偿。调整后的目标函数如式(16)所示，其中用户的补偿费用与中断电量及转移电量成正比，λ为单位中断电量的补偿费用，μ为单位转移电量的补偿费用。

3　风电场的鲁棒求解

3.1场景描述

采用场景法描述风电出力的不确定性。对于包含W个风电场的电网，在某调度时段各风电场可能出现的一组出力集合记为场景si，即

(17)

式中：p′max(w)、p′min(w)构成了风电场w的置信区间，是一定置信概率下的波动范围。

所有风电场的出力均为预测值时称之为预测场景，否则为误差场景。风电出力在波动范围内是连续随机的，误差场景有无穷多个。假设时段t发生场景si，若仍采用预测场景下的发电计划，将产生功率缺额，故应适当调整常规机组的出力保证场景si下满足功率平衡。如果能在调整时间约束内完成机组的出力调整，则认为该发电计划能适应场景si。

3.2场景识别

为保证调度的安全性，发电计划需适应所有可能出现的误差场景，由于误差场景个数太多，需要从中刷选出有效的场景。如果场景中每个风电场的出力都处于置信区间的上限或下限，则称之为极限场景[15-16]。文献[17]证明了只要模型的解能适应极限场景，则必然能适应置信区间内所有的误差场景。换言之，极限场景集在应对风电的波动区间时具有完全的代表性。以两个风电场为例，极限场景集的选取方法如图1所示。

图1　极限场景的选择方法

最极端的情况是，鲁棒调度涵盖了所有可能性(极限场景取为风电的零出力和最大出力)，但存在过于保守、对目标函数牺牲过大的风险。因此，通常通过给定一个小于1的置信概率来获取风电的波动范围，即极限场景集。该极限场景集忽略了某些小概率的极端波动情况，使调度方案能适应绝大部分的风电波动并能得到相对较优的发电成本。

风电的出力波动主要对电网调度造成两方面的影响，一是弃风和切负荷损失，这体现在式(11)描述的功率平衡约束；二是线路潮流越限，这体现在式(10)描述的线路潮流约束。为保证调度的安全性，需保证式(10)和式(11)在风电波动区间内均满足要求。

4　算例分析

采用某地区电网进行测算，包含15台火电机组和5个风电场，风电、负荷的预测数据和机组参数分别见表1和表2。根据文献[9]所给的可控负荷参数，本文考虑2个可中断负荷和3个可转移负荷，见表3。

表1负荷及风电的预测出力MW

时段负荷风电出力时段负荷风电出力128202501336923772270525414352039632614233153216409425422111632864305247022517367045062446219183920455726222561939504288281830620370240593074330213434396103410342223170385113665363232980363123704370242920340

表2火电机组参数

机组编号负荷上限/MW负荷下限/MW向上爬坡率/(MW·min-1)向下爬坡率/(MW·min-1)1400250332400250333300160334300160335290150336290150337290150338290150339200602210200602211130702212130702213130702214120302215803022

表3　可控负荷的参数

源荷协同调度模型是多场景、高维度的混合整数规划问题。对模型的成本函数进行分段线性化后，调用成熟的求解器CPLEX.12.1进行求解，测试环境为内存4 GB、主频2.6 Hz 的个人计算机。可控负荷参与调度，出力曲线如图2所示。

图2　可控负荷变化曲线

显然，源荷协同调度方式有利于降低电网的调峰压力，削峰填谷，提高机组运行效率。本例中，源荷协同调度方式将负荷峰谷差由1 504MW降低至1 115MW，如图3所示。

图3　调整前后负荷曲线

对传统电源侧调度和源荷协同调度进行对比，结果见表4。源荷协同调度通过合理中断和转移可控负荷，减少火电机组开机台数，从而降低了发电成本。即使考虑补偿给用户的额外费用，该调度方式仍较传统调度方式具有经济优势。

表4两种方法对比

方法火电开机台数发电成本/万元补偿费用/万元总费用/万元电源侧调度14876.76110876.7611源荷协同调度10809.923453.8863.7234

在含大规模风电的电力系统中，调度计划能否有效跟随风电的出力至关重要。当风电出力波动时，电网出现有功不平衡，要求在调整时间tc内完成机组出力的调整，使电网恢复功率平衡。火电机组的出力调整受到上下限及爬坡率的双重限制，调整时间内机组的下调容量d(t)和上调容量u(t)分别根据式(18)和式(19)计算。

(18)

(19)

以风电出力发生向下波动为例，为维持有功平衡要求常规机组向上调整出力。火电机组各时段的上调容量如图4所示。在负荷高峰时段(t=17～19 h)，由于火电机组出力接近上限值，向上调节容量不足，当风电出力向下波动较大时，单靠电源侧的调整可能无法维持有功平衡，从而影响电网运行的可靠性。当考虑可中断负荷和可转移负荷的调节作用时，将极大地提高电网的调节能力。此时，电网能适应风电绝大部分的出力波动。

图4　火电及可控负荷能提供的上调容量对比

随着风电渗透率的增加，风电的出力波动也将增大，当渗透率足够大时，电网将无法维持有功平衡，需采用切负荷和弃风措施。此时，认为调度计划无法接纳这种情况下的风电波动。在本文算例中，4种调度方案的风电接纳能力见表5。可见，采用源荷协同调度方式能够有效提高电网对风电的接纳能力。

表54种方法的风电接纳能力

方法最大能接纳的风电渗透率/%传统的电源侧调度11考虑可中断负荷的源荷协同调度13考虑可转移负荷的源荷协同调度19同时考虑两种可控负荷的源荷协同调度21

5　结论与展望

大规模风电并网后对电网的调峰和风电的消纳水平提出了更高的要求，通过合理控制负荷侧的可调度资源能够有效缓解调度的压力。本文综合考虑可中断负荷和可转移负荷两种类型的可控负荷，在传统SCUC模型的基础上建立了源荷协同调度模型并调用CPLEX求解器进行求解。算例表明，源荷协同调度方式通过合理地中断和转移可控负荷，起到了削峰填谷的作用，降低了发电成本并提高了风电消纳水平。

[1]刘思捷，蔡秋娜.大规模风电接入对电力系统有功调度的影响分析[J]. 广东电力，2013，26(1)：33-37.

LIU Sijie,CAI Qiuna. Influence Analysis on Active Power Dispatch by Introduction of Large Wind Power [J]. Guangdong Electric Power, 2013, 26(1):33-37.

[2]丁宇，陈永华，李雪明，等.大规模风电并网控制技术现状与展望[J]. 广东电力，2011， 24(5)：24-38.

DING Yu, CHEN Yonghua, LI Xueming, et al. Status Quo and Prospect on Control Technique for Large-scale Synchronization of Wind Power[J]. Guangdong Electric Power, 2011, 24(5):24-38.

[3]CHEN C L, LEE T Y, JAN R W. Optimal Wind-thermal Coordination Dispatch in Isolated Power Systems with Large Integration of Wind Capacity[J]. Energy Conversion and Management,2006(47): 3456-3472.

[4]AIDAN T, PETER M, ELEANOR D, et al. Unit Commitment for Systems with Significant Wind Penetration[J]. IEEE Transactions on Power Systems, 2009, 24(2):592-601.

[5]CEM S, MOHAMMAD S, ISMET E. Allocation of Hourly Reserve Versus Demand Response for Security-constrained Scheduling of Stochastic Wind Energy[J]. IEEE Transactions on Sustainable Energy, 2013, 4(1): 219-228.

[6]王锡凡，肖云鹏，王秀丽.新形势下电力系统供需互动问题研究及分析[J]. 中国电机工程学报，2014，34(29)：5018-5028.

WANG Xifan, XIAO Yunpeng, WANG Xiuli. Study and Analysis on Supply-demand Interaction of Power Systems Under New Circumstances[J]. Proceedings of the CSEE, 2014, 34(29): 5018-5028.

[7]CALLAWAY D S, HISKENS I A. Achieving Controllability of Electric Loads[J]. Proceedings of the IEEE, 2011, 99(1):184-199.

[8]姚建国，杨胜春，王珂，等.智能电网“源-网-荷”互动运行控制概念及研究框架[J]. 电力系统自动化，2012，36(2)：1-6.

YAO Jianguo, YANG Shengchun, WANG Ke, et al. Concept and Research Framework of Smart Grid Source-grid-load Interactive Operation and Control[J]. Automation of Electric Power System, 2012, 36(2):1-6.

[9]王建学，王锡凡，王秀丽.电力市场可中断负荷合同模型研究[J]. 中国电机工程学报，2005，25(9)：11-16.

WANG Jianxue, WANG Xifan, WANG Xiuli. Study on Model of Interruptible Load Contract in Power Market[J]. Proceedings of the CSEE, 2005,25(9) : 11-16.

[10]钟清，任震，朱然.可中断负荷管理及其用户响应问题研究[J]. 广东电力，2005，18(3)：13-16.

ZHONG Qing, REN Zhen, ZHU Ran. Customer Response Analysis of Interruptible Load Management[J]. Guangdong Electric Power, 2005,18(3) : 13-16.

[11]吴雄，王秀丽，崔强.考虑需求侧管理的微网经济优化运行[J]. 西安交通大学学报，2013，47(6)：90-96.

WU Xiong,WANG Xiuli,CUI Qiang.Ptimal Operation of Microgrid Considering Demand Side Management[J]. Journal of Xi’an Jiaotong University,2013,47(6):90-96.

[12]ZHONG H, XIE L, XIA Q. Coupon Incentive-based Demand Response, Theory and Case Study[J]. IEEE Transactions on Power System,2013 28(2):1266-1276.

[13]杨楠，王波，刘涤尘，等.计及大规模风电和柔性负荷的电力系统供需侧联合随机调度方法[J]. 中国电机工程学报，2013，33(26)：63-69.

YANG Nan, WANG Bo, LIU Dichen, et al. An Integrated Supply-demand Stochastic Optimization Method Considering Large-scale Wind Power and Flexible Load[J]. Proceedings of the CSEE, 2013,33(26): 63-69.

[14]刘文颖，文晶，谢昶，等.考虑风电消纳的电力系统源荷协调多目标优化方法[J]. 中国电机工程学报，2015，35(5)：1079-1088.

LIU Wenying, WEN Jing, XIE Chang， et al. Multi-objective OptimalMethod Considering Wind Power Accommodation Based on Source-load Coordination[J]. Proceedings of the CSEE, 2015, 35(5):1079-1088.

[15]乔嘉赓， 徐飞，鲁宗相，等. 基于相关机会规划的风电并网容量优化分析[J]. 电力系统自动化，2008，32(10)：84-88.

QIAO Jiageng，XU Fei，LU Zongxiang，et al. Optimization Analysis Model of Grid-connected Wind Capacity Based on Dependent Chance Programming[J].Automation of Electric Power Systems，2008，32(10)：84-88.

[16]陈海焱， 陈金富，段献忠. 含风电场电力系统经济调度的模糊建模及优化算法[J]. 电力系统自动化，2006，30(2)：22-26.

CHEN Haiyan，CHEN Jinfu，DUAN Xianzhong. Fuzzy Modeling and Optimization Algorithm on Dynamic Economic Dispatch in Wind Power Integrated System[J]. Automation of Electric Power Systems，2006，30(2)：22-26.

[16]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)：1-5.

YE Rong, CHEN Haoyong, WANG Gang，et al. A Mixed Integer Programming Method for Security-constrained Unit Commitment with Multiple Wind Farms [J]. Automation of Electric Power Systems, 2010, 34(5):1-5.

(编辑查黎)

Source-load Coordination Dispatching for Power System Considering Large-scaleWindPowerAccommodation

XUAN Peizheng1, LEI Jia1, HUA Dong1, ZHONG Yiming2

(1.SchoolofElectricPower,SouthChinaUniversityofTechnology，Guangzhou，Guangdong510641，China; 2.DalianMaritimeUniversity,Dalian,Liaoning116026,China)

Large-scalewindpowerintegrationintothepowergridmaybringnewchallengestotraditionaldispatchingsystemandfullutilizationofload-sideschedulableresourcescanremitdispatchingpressureofthepowergrid.Inordertomakebothgenerationsideandusersideparticipateineconomicdispatchingforthepowergrid,thispapersetsupmodelsforinterruptibleloadandtransferableloadaswellasthesource-loadcoordinationdispatchingmodelincludingmultiplecontrollableload.ItusesextremescenariomethodtodisposefluctuationscenarioofwindpowerandCPLEXsolverforcalculation.Theresultsindicatethatthemodeofsource-loadcoordinationdispatchingcanmakethepeakvalleydifferencedecrease389MWandimprovewindpoweracceptancecapacityofthepowergrid,ofwhichthemaximumacceptablewindpowerpermeabilityrisesfrom11%to21%.

source-loadcoordinationdispatching;windpoweracceptancecapacity;interruptibleload;transferableload

2016-02-03

2016-06-07

国家高技术研究发展计划(863计划)资助项目(2015AA050201)

10.3969/j.issn.1007-290X.2016.08.003

TM71

A

1007-290X(2016)08-0011-06

禤培正(1990)，男，广东肇庆人。在读硕士研究生，研究方向为电力系统优化调度。

雷佳(1992)，女，湖南永州人。在读硕士研究生，研究方向为电力系统优化调度。

华栋(1976)，女，上海人。讲师，工学博士，研究方向为电力市场、新能源并网和智能电网技术。