考虑环境成本和需求响应的风电并网优化

李星雨，邱晓燕，史光耀 (四川大学 电气信息学院，成都 610065)

0 引 言

随着化石能源的逐渐枯竭和环境污染的加剧，对于可再生能源的开发和需求日益强烈。但是由于风电并网容量日益增大，单纯考虑供应侧以满足电力系统的安全、可靠、经济、高效运行越来越困难。需求侧响应(Demand Response，DR)是电网通过激励型电价和对用户负荷的控制，以此改变用户原有的消费模式，通过需求侧响应引导用户用电行为与可再生能源出力更贴近，因此考虑需求侧响应不仅可以提高可再生能源的接纳能力和利用效率，同时在节约发电成本，提高电能质量，满足需求侧用户主动参与电网运行方面有着良好的作用。

作为发电主力，传统的火力发电机组所造成环境污染和破坏不容忽视。文献[1]在微电网优化配置中考虑了环境成本，证明清洁能源具有更好的经济效益和发展前景；文献[2]建立了环境成本和风电并网的经济调度模型；文献[3]在电网规划中，综合考虑了发电的环境成本和需求侧管理(demand side management，DSM)项目，达到减少系统装机容量以及能源消耗的目的。

风电是一种清洁资源，具有广阔的发展前景。但由于风电不稳定的发电特性，使得大规模风电并网对于电力系统的运行调度造成很大的冲击。需求侧响应在大规模风电并网系统中，对于提高风电消纳，缓和风电波动作用明显。文献[4]分析了主动配电网中储能和柔性负荷对于提高风电消纳、降低网损的作用，构建了以可再生能源利用率最大、网络损耗最小和用户满意度最高为目标的主动配电网优化调度模型；文献[5]考虑了实施可中断负荷时，由于用户消费行为和客观条件等因素造成的响应不确定性对于系统优化调度的影响；文献[6]综合考虑了源荷协调的作用，以风电消纳电量最大和系统运行成本最小为目标，建立源荷协调多目标优化模型；文献[7]在微网资源规划模型中引入了需求侧响应，对比不同控制策略，需求比例下需求响应对微网经济规划的影响；文献[8]在光储并网型微电网中，分析了需求侧响应对微电网经济效益和储能配置的影响。

现有的研究取得了一定的成果，但是在考虑需求响应时很少考虑到环境成本。本文综合考虑大规模风电并网情况下的需求响应和环境成本，从整个电网运行周期的经济性出发，考虑大规模风电并网对于系统稳定性的影响以及当前某些地区严重的弃风现状，通过建立需求侧响应模型并求解，以此分析需求侧响应和环境成本对于电网运行经济性的影响，并提高可再生能源的接纳能力。

1 风电、需求响应及环境成本数学模型

1.1 风电输出功率模型

功率输出功率模型采用风电出力预测和风电预测偏差之和的模式。其功率输出为：

PWT=ΔPWT+PWT.f

(1)

式中PWT为风电在t时段的输出功率；ΔPWT为风电预测偏差值；PWT.f为风电在t时段的预测出力。

风电的预测偏差服从正态分布：

(2)

式中WWT为风电装机容量。

1.2 需求侧响应模型

本文建立如下所示的可转移负荷模型如下[10]。

(3)

式中NSL为可转移负荷种类数；NSLn为运行时间超过一个时段的课转移负荷种类数；hm为可转移负荷持续供电时间最大值；Ii(t) 为t时段的第i类负荷转入量；Oi(t) 为t时段的第i类负荷转出量；Pi.k为第l时段第i类可转移负荷的功率；其中，0≤k≤NSL。

1.3 环境成本模型

发电厂的环境成本由环境投入成本和环境损失成本两部分组成，其数学模型为：

C=Ci+Cl

(4)

式中C为环境总成本；Ci为环境污染预防成本；Cl为环境污染损失成本。

环境污染预防成本是指电厂从事环境保护活动而支付的成本，由环保设备投资和运行、维护费用组成。设备投资采用年等值成本的计算方式，其年等值成本为：

(5)

式中V为设备初始投资费用；i为设备投资利率；n为设备使用年限。

则环境污染预防成本为：

(6)

式中Q为环保设备的年运行、维修费用；Y为机组年发电量。

环境污染损失成本是电厂排放发电残余污染物所造成的环境污染，可以分为电厂排放污染物所需缴纳的污染费用以及排放污染物对环境造成的污染损失。

(7)

式中pi为第i中污染物的环境价值标准；qi为第i种污染物的政府收费标准；Ei为第i种污染物的排放量风力发电是利用风力带动风机转动发电，污染排放量为零。对于传统火力发电，根据目前的发电现状可以得到其污染排放标量如表1所示[11]。

表1 火力发电污染物排放

2 目标函数及约束条件

2.1 目标函数

目标函数为一个完整调度周期的运行成本最低：

(8)

2.2 约束条件

(1)系统运行功率平衡约束。

PWT(t)+Pg(t)-Pload(t)=0

(9)

式中PWT(t)为风电场有功出力；Pg(t)为常规发电机组有功出力；Pload(t)为负荷有功功率。

(2)机组爬坡约束[13]。

(10)

(3)可转移负荷量约束。

SLload≤SLmax

(11)

式中SLload为当前时段的负荷转移量；SLmax为当前时段的可转移负荷总量。

(4)风电出力约束条件。

(12)

3 改进粒子群优化算法

3.1 标准粒子群算法

粒子群算法是一种进化算法，具有实现容易、精度高、收敛快等优点，初始化为一群随机粒子，迭代时每个粒子通过跟踪个体最优解和集群最优解来搜寻最优解。但是粒子群算法具有容易陷入局部最优的缺点。粒子速度和位置的更新方式如下：

(13)

3.2 惯性权重改进策略

在粒子群算法的所有参数中，惯性权重作为其中非常重要的参数，对于算法的全局和局部搜索能力、收敛速度以及算法的精度都有一定的影响。在算法初期，应该增大算法的搜索空间以加强全局搜索，因此可以增大惯性权重；而在后期，应当加强算法的局部搜索能力以加快收敛速度、提高收敛精度，故可以适当减小惯性权重。

为此研究人员提出了很多惯性权重改进措施，例如：线性递减权重、随机惯性权重、非线性递减权重和动态变化权重等，其中线性递减权重应用最普遍。线性递减权重粒子群优化算法被广泛应用于工程问题优化，在计算前期有较大的权重值，增强全局搜索能力，随着搜索的进行，权重值越来越小，从而提高局部搜索能力，该算法虽然提高了收敛速度，但却不容易跳出局部极值。

本文提出一种新的惯性权重改进策略，当粒子陷入早熟时，增大算法的惯性权重以跳出局部最优，当粒子比较分散时，适当减小惯性权重以进行局部的精确搜索。因此可以得到惯性权重系数公式为：

(14)

(15)

式中fAvg为种群目前的平均适应度；f为归一化定标因子，起限制δ2大小的作用。

根据上述改进策略可以得到改进后的粒子群优化算法流程图如图2所示。

图2 改进后的粒子群算法流程图

4 算例分析

4.1 算例参数

算例采用PJM5-bus系统，并在节点1处接入风电场。该配电网包含五个常规发电机组和一个风力发电厂。负荷位于节点2,3,4处，其符合比例为3:3:4，配电网的系统结构图和参数如图3所示。模型运用粒子群优化算法进行求解。

系统负荷预测曲线和风电场的预测出力曲线如图4所示，系统最高负荷1 420 MW，发生在16时，最低符合790 MW，发生在5时。系统的弃风惩罚成本为50 $/MW·h，负荷高峰时间段的可转移负荷量为150 MW，其参数如表3所示。各负荷节点的可转移负荷量和转移负荷的容量如表2所示，转移负荷的响应成本如图4所示。

图3 PJM5-bus 系统

图4 负荷预测曲线和风电出力曲线

负荷节点节点2节点3节点4转移负荷量/MW454560容量成本($/MW)101010

表3 转移负荷响应成本

4.2 仿真结果

4.2.1 不考虑需求响应

在没有需求侧响应参与时，由于风电波动性较大，为了保证系统的稳定性，会出现一定程度的弃风现象。经计算得出需求侧不参与优化调度的成本如表4所示。

表4 优化前系统运行各项成本

由表4可以看出，在没有需求侧响应参与的情况下，系统存在相当大的弃风成本，其弃风率16.81%，风电没有得到充分的利用，风电的渗透率为25.72%。发电的环境成本占总成本的12.05%，整个系统的运行会造成较大的环境污染。

4.2.2 考虑需求响应

在考虑需求侧响应的情况下，经计算得到系统的各项成本如表5所示。

表5 优化后系统运行各项成本

由表5可以看出，在考虑需求响应后系统的弃风惩罚成本为零，弃风率为0%，风电渗透率为30.91%，环境成本占总成本的11.89%。

4.2.3 结果分析

通过对比需求响应是否参与系统运行可以得到如表6所示的仿真结果。

表6 优化后系统运行各项成本

可以看出，考虑需求响应后系统总成本下降5.788%。融入需求侧响应后，系统的弃风率为0%，说明系统可以完全消纳风电场出力，风电渗透率为30.91%。优化前后环境成本下降6.99%，环境成本占总成本的11.89%，环境成本占有总成本比例依旧很大，这是因为在当前的电力系统中，传统发电技术仍然占据主要地位，整个系统的环境成本依然居高不下。随着风、光电等清洁能源发电技术的成熟以及人们对环保重视程度的增强，清洁能源将比传统能源更具有竞争优势。考虑需求侧响应前后的负荷曲线如图5所示。

由图5可知，考虑需求侧响应后，负荷曲线峰谷差有了明显的降低，负荷曲线更加平缓，这是因为在夜间负荷低峰时段风电场出力较高，风电难以完全消纳，通过负荷转移增加此时段负荷，这也间接起到了“削峰填谷”的效果。

图5 优化前后负荷曲线

5 结束语

在大规模风电并网的背景下，本文建立了考虑需求侧响应和环境成本的配电网优化配置模型，针对风电波动性的特点，通过需求响应来达到消纳风电，平抑负荷波动的作用，并将环境成本作为经济运行中重要的一个环节，以此实现对环境污染最小的目的。通过粒子群优化算法求解证明计及环境成本和需求响应可以有效降低弃风率和提高经济效益。

已有的研究虽然充分考虑到需求响应对于电网优化运行的作用，但并没有把环境成本作为系统模型中一个重要的因素去分析其作用。本文也存在一些研究上的不足：首先，由于储能装置的成本过高，容量限制较大，没有考虑储能装置在大规模风电并网中的作用；其次，当前的光伏发电依然停留在小容量、分布式并网阶段，风光互补优势没有得到体现。在今后的研究中，可以将此作为研究的重点加以考虑。