基于Pareto解的风电-水电联合运行研究

2017-09-03李志伟刘庆花黄双成

水力发电 2017年5期

关键词：水电风电场时段

李志伟,刘庆花,黄双成,张虎

(河南应用技术职业学院,河南郑州450042)

基于Pareto解的风电-水电联合运行研究

李志伟,刘庆花,黄双成,张虎

(河南应用技术职业学院,河南郑州450042)

以风电场运行效益和输出电能质量为优化目标,建立风电-水电联合供电优化运行模型,利用改进的多目标克隆选择算法进行仿真求解,得到均匀分布的Pareto解集。结果表明联合优化模型可以为风电场在不同目标与要求下的灵活运行提供参考调度值,同时有效削弱风电的随机性和不稳定性,有利于风电并网。

抽水蓄能；多目标优化；Pareto；联合运行；风力发电

0 引言

风电作为清洁能源因其波动性大,入网对电力系统的稳定运行造成一定的冲击,制约了风电的进一步发展[1-2]。目前学者研究最多的是把风电与储能系统结合,将风能在“时空”上进行分离,根据不同时段的电网电价与负荷要求入网[3]。抽水蓄能具有事故率低,调峰能力强,快速启动等优点,技术上和经济上适合于大规模储能[4]。

文献[5]分析了偏远海岛风电-抽水蓄能-柴油发电联合运行的技术和经济可行性。文献[6-9]建立以经济效益、电能质量为目标函数的联合优化运行模型,采用了不同的方法对模型进行求解,得出联合优化模型不但提高了风电场的运行效益,同时也平滑了风电场的功率输出。目前大多文献优化得到的是一组极值,很少分析两个目标之间的过渡值,不能为风电场根据不同要求灵活入网提供参考调度值。

本文以风电场运行效益和入网电能质量作为目标函数,建立风电-水电联合优化运行模型。采用改进的多目标克隆选择优化算法对模型进行仿真求解,得到均匀分布的Pareto解集,这样就为风电场根据不同的电网要求灵活并网提供充足的参考参数。

1 联合运行优化系统模型

1.1 目标函数

优化模型包含经济效益目标和电能质量目标2个优化目标。

(1)联合系统效益目标。联合优化系统经济效益F1由3部分组成，风电场发电直接入网效益CPW、抽水蓄能电站发电入网收益CPh和抽水成本CPPP。即

(1)

式中，n为时段数24；Ci为i时段的上网电价；Cpi为i时段抽水电价；Pwi为i时段风力发电机组直接入网的功率；Phi为i时段水力发电功率；Ppi为i时段水泵抽水功率；

(2)联合系统电能质量。风电场的输出功率波动较大，采用每个时段联合运行系统入网总功率方差的倒数表示风电场输出的电能质量，即目标F2。

(2)

1.2 约束条件

(1)联合系统入网总功率约束

Pmin≤Pi≤Pmax

(3)

式中，Pmin为联合系统入网总功率最小值；Pmax为联合系统入网总功率最大值。

(2)i时段风电场捕获的风能受风电场装机容量的限制

Pgmin≤Pwi+Ppi+PDLi≤Pgmax

(4)

式中，Pgmin、Pgmax分别为风电场装机容量的下限与上限；PDLi为i时段风电场弃能。

(3)i时段水电机组发电功率的限制

(5)

式中，Phi为i时段水电机组发电功率；Phmin和Phmax分别为水电机组发电功率下限和上限；ηh为水电机组发电效率；Ei为第i时段抽水蓄能电站能量储存值；Emin为抽水蓄能电站储能下限；Δt为时段长度。

(4)抽水功率受到的约束。水泵机组抽水功率受到抽水效率、水泵机组装机功率和水库储能大小约束，即

(6)

式中，Ppmin、Ppmax为水泵机组抽水功率下限与上限；ηp为水泵抽水效率；Emax为抽水蓄能电站储能上限。

(5)抽水蓄能电站储能约束。

0≤Ei≤Emax

(7)

构建风电-抽水蓄能电站联合优化运行模型还要参考下列约束条件

PDL≥0

(8)

(9)

Pvi=Pwi+Ppi+PDLi

(10)

(11)

式中，PDL为风电场弃能；Pvi为i时段风电场捕获风能。

2 改进的多目标克隆选择算法

建立联合优化运行模型后，采用改进的多目标克隆选择算法求解分析优化模型，步骤如下：

(1)根据给定的Pvi曲线(见图1),电网的功率限制约束和水泵自身功率约束条件确定水泵每个时段Ppi的取值范围，并产生Ppi的初始种群。

(2)根据上步确定的每个时段水泵功率Ppi以及式(4)、(5)和式(8)确定相应的各时段风电机组入网功率Pwi的取值范围，并产生Pwi的初始种群。

(3)根据前两步确定的Ppi、Pwi及式(4)、(6)和式(9)确定各个时段水电机组上网功率Ppi的取值范围，并产生Ppi的初始种群。

(4)设置相应的优化参数：初始种群规模N=150；外部记忆库Bmk中保留的Pareto解的最大个数nmax2取50；算法运行200代；每代被选取进行下一代进化操作的最大个体数nmax1取25，每一个克隆扩增为原来的4倍。

图1 风电场捕获风能功率

3 优化模型求解分析

假定抽水蓄能电站上水库初始储能E0=0，风电场入网的功率限制为：4 MW≤Pi≤9 MW，其他参数设置：C0≤i≤7=560元/MW·h，C8≤i≤21=1 200元/MW·h，C22≤i≤24=560元/MW·h，Cpi=0.25Ci，Pgmax=15 MW，Phmax=Ppmax=4 MW，Emax=28 MW·h，ηh=0.9，ηp=0.8。

用一个均值为9 MW，方差为5.4 MW的高斯模型去近似模拟风电场风电机组捕获的风能，如图1所示。经过计算得知仅有风电机组时风电场运行效益为147 720元，风电场输出功率方差为6。

按照上述的算法实现步骤，在MATLAB仿真软件中编写代码程序，对数学模型进行求解仿真，算法经过100代优化得到pareto解集如图2所示。

图2 pareto解集

由图2 Pareto解集可以看出联合系统输出功率方差的倒数(入网电能质量)随着效益的增大而减小，从左到右效益越来越大，而电能质量逐渐减小。系统的效益从145 560元到153 236元，而输出功率的方差从3.71到4.91,均小于风电场仅有风电入网功率的方差6。

在MATLAB工作空间中分别调取经济效益最大、风电质量最高与两者兼顾(中间解)三个典型解对应各时段的Pi、Ph、Pp调度值，如表1，表中出现的出力单位为MW·h。

分析表1可以看出：

(1)在低上网电价时段中,“过剩”风能带动水泵抽水,储存能量；在上网电价比较高的时段,水电机组启动协同风电机组联合向电网供电,既能发挥调峰作用,又能提高风电场的运行效益。

(2)配建抽水蓄能电站之后,联合运行系统入网功率比风电场单独运行的入网功率平滑了很多,大大提高了入网的电能质量。

(3)可以得到在三种不同的目标要求下水泵、水电机组在一天24时段的优化调度值,可以为联合运行调度中心提供参考值。

表1 三种目标状态下各参数值比较 MW

注：工况一为运行效益最大,效益153 236元,方差4.91；工况二为效益电能质量折中,效益150 217元,方差4.17；工况三为电能质量最高,效益145 560元,方差3.71。

4 结语

为提高风电场的效益及入网的电能质量,本文建立了风电-抽水蓄能联合运行模型,采用改进的多目标克隆选择算法对模型进行求解,得到Pareto解集。并对3个典型解进行了详细分析,结果表明联合优化模型可以为风电场在不同目标与要求下的灵活运行提供参考调度值。

[1]孙春顺, 王耀南, 李欣然. 水电—风电系统联合运行研究[J]. 太阳能学报, 2009, 30(2)： 232- 236．

[2]袁小明, 程时杰, 文劲宇. 储能技术在解决大规模风电并网问题中的应用前景分析[J]. 电力系统自动化, 2013, 37(1)： 14- 18．

[3]徐玉琴, 邹伟华, 张丽. 基于Multi-Agent遗传算法风电-抽水蓄能联合优化运行[J]. 可再生能源, 2013, 31(12)： 35- 39．[4]祝瑞金, 邴焕帅, 王建军. 考虑调峰效益和电量效益的风蓄联合运行优化模型及算法[J]. 华东电力, 2012, 40(4)： 564- 567．

[5]KALDELLIS J K, KAVADIAS K A. Optimal wind-hydro so1ution for Aegean sea islands’ electricity-demand fulfillment[J]. Applied Energy, 2001, 70(4): 333- 354．

[6]王乐, 周章, 尉志勇. 风电一抽水蓄能联合系统的优化运行研究[J]. 电网与清洁能源, 2014, 30(2): 70- 75．

[7]潘文霞, 范永威, 杨威. 风-水电联合优化运行分析[J]. 太阳能学报, 2008, 29(1)： 80- 83．

[8]刘淼淼, 郭琰, 陈江涛. 风电-抽水蓄能机组联合调度研究[J]. 工矿自动化, 2013(5)： 70- 75．

[9]王晓兰, 李志伟. 风电-抽水蓄能电站联合运行的多目标优化[J]. 兰州理工大学学报, 2011, 37(5)： 78- 82．

(责任编辑高瑜)

Research of Wind-Hydro Power Combined Operation Based on Pareto Solutions

LI Zhiwei, LIU Qinghua, HUANG Shuangcheng, ZHANG Hu
(Henan Vocational College of Applied Technology, Zhengzhou 450042, Henan, China)

Taking operation benefit and output power quality of wind farm as optimization objectives, the optimization operation model of wind-hydro power supply is established, and the simulation and analysis are carried out by using improved multi-objective clonal selection algorithm to get uniform distributed Pareto solution set. The results show that the joint optimization model can provide reference value for the flexible scheduling operation of wind farms under different objectives and requirements, which can effectively alleviate the randomness and instability of wind power and is beneficial to the grid connection of wind power．

pumped storage; multi objective optimization; Pareto; combined operation; wind power