水风光混合能源短期互补协调调度策略研究

2021-12-14朱燕梅马光文陈仕军黄炜斌

水力发电 2021年9期

谢航，朱燕梅，马光文，陈仕军，2，黄炜斌

(1.四川大学水力学与山区河流开发保护国家重点实验室，四川成都 610065；2.四川大学商学院，四川成都 610065)

0 引言

随着不可再生能源的日益衰竭，水能、风能、太阳能等可再生能源成为各国关注的重点[1-2]。高比例可再生能源发电并网构成了多种能源发电的电力系统新体系[3]。但是风电、光伏等主要新能源发电受到风速、太阳辐射等气象环境因素的影响，二者发电出力的不稳定性较强，大量接入电网会造成安全隐患。为提高风光电源电网消纳的比例，降低新能源直接并网对电网带来的风险，需要寻求能够有效调节的补偿措施。

国内外大量研究表明利用清洁能源之间互补特性形成的混合运行系统，能够有效平抑风电与光伏发电产生的波动，研究主要集中在多种能源混合互补机理[4-5]、互补效果评价[6-7]、互补调度模型[8-11]以及多能混合发电系统运行策略。在多能混合系统运行策略方面，文献[12]提出含水风光气储的日前联合调度策略，以不同频率下的风光出力为基础，决定各类补偿电站的调度计划；文献[13]提出含水风光火日前联合调度策略，通过三层调度模型制定出力计划，文献[14]构建多时间尺度互补调度模型制定各类电站出力计划。上述文献对异质能源互补发电后水电运行调度计划做了一定的探讨，但分析不够详细深入。

综上，本文提出了有关梯级水电的水风光短期互补协调调度策略，该策略充分利用水风光3种电源之间的互补特性，定义平稳性指标和源荷匹配指标为互补性评估指标，以协调控制出力波动和对负荷的追踪度与平滑效果；同时，从源源互补和源荷匹配角度出发构建调度模型，采用改进花粉算法与逐步优化算法优化求解模型。源源互补调度时，梯级水电日内调度计划重点关注总出力波动，以达到环保效益和经济效益的最优；源荷匹配调度时，则更侧重总出力对电网负荷变化的良好追踪，进而控制剩余负荷波动，使得电网其他电源能够承担基荷任务。

1 互补特性分析

1.1 水风光混合能源互补特性分析

由于研究短期调度策略，故以水、风、光3种异质能源自身发电运行特点为基础，对水风光之间的短期互补特性进行分析，互补特性包括自然互补特性和技术互补特性，具体关系如图1所示。

图1 水风光互补特性关系示意

作为自然资源，风力发电和光伏发电受限于昼夜、天气条件等自然因素，二者的日内出力变化明显。风电出力总体呈现随机和波动性的特点，一般夜晚出力较大而白天较小；而光伏受到太阳辐照的影响，主要集中在白天发电，到夜间光伏出力为0，所以间歇性特点突出，随机性和波动性也相比风电更大。可见，风、光日内出力变化趋势具有一定的自然互补特性，但风、光出力基本呈现随机、波动与间歇性的特点，发电质量较差。

技术互补特性方面，主要是短期运行过程中，水电利用自身调蓄性能与风电、光伏发电之间形成良好的互补，具体分为容量互补和电量互补。容量互补是指梯级水电通过有日、周以上调节性能的水库，对接入水电站的风光发电出力进行实时补偿，平抑风光出力的随机、波动和间歇性，从而提高风光发电的电能质量。电量互补是指光伏接入水电站后，水电站可以在光伏电站承担电网负荷的时段，减少出力或降低低负荷运行时间，让更多的水能留在水库，这部分额外储蓄的水量则可以分配到电网负荷高峰时段进行调峰发电，使得水电的调峰电量和调峰效益均得到提升。可见，容量互补指的是电源之间出力互补，而电量互补与电网需求负荷有关，相应的梯级水电出力过程也不同。

综上所述，在短期运行时，水、风、光3种能源之间存在良好的出力互补特性，合理安排梯级水电与风电、光伏的运行调度方式，将会有较大的综合效益。

1.2 互补性评估指标

为充分发挥梯级水电与风电、光伏发电之间调节互补特性，故从容量互补和电量互补，即源源互补和源荷匹配两方面综合考虑，分别定义平稳性指标Ns和源荷匹配指标为互补性评估指标。Ns是评价考察时间尺度内的混合能源系统发电出力波动程度，Ns越小既表明总出力波动越小，具体计算公式为

(1)

式中，ND，t为第t时刻混合能源系统的总出力；ND，av是混合能源系统总出力平均值；T为日内计算总时段数(以小时为计算时段，T=24)。源荷匹配指标则包括追踪系数δc和波动系数δG，δc控制出力对电网负荷的贴合程度，δc越接近1说明优化后总出力对电网负荷的追踪能力越强；δG则控制互补后剩余负荷曲线的平滑程度，δG越接近0说明平滑负荷曲线的效果越好，计算公式为

(2)

(3)

式中，PL，t为t时刻的电网负荷；PL，av为消纳混合能源电力的负荷均值；RG，t为第t时段的剩余负荷；RG，av为剩余符合均值。

2 水风光短期互补协调调度模型

2.1 调度模型构建

水风光互补协调系统集水力发电、风力发电、光伏发电为一体，既是一个整体，各部分又是独立的发电系统，在保证水风光互补发电系统并网安全性的同时，需要兼顾水、风、光各发电系统自身的利益，所以梯级水电短期调度应该遵循的调度原则为：①不发生弃水；②保证系统和电站安全运行；③对风光出力进行补偿调节。依据调度原则，本研究从源源互补和源荷匹配两个角度构造调度模型。

2.1.1 源源互补调度

源源互补调度是指梯级水电在保证系统和电站安全运行的前提下，尽可能配合风光发电，减少风光出力波动，同时兼顾发电量。所以构建同时考虑发电量与出力波动双目标函数调度模型，其中，出力波动以Ns最小为目标函数。

目标函数Ⅰ

(4)

(5)

式中，j=h，w，s分别表示水电站、风电场、光伏电站；nj为第j类电站数目；t为时段变量；i为电站变量；Nj，it为第j类电站第i个电站第t时段的发电出力，kW；Qh，it为第i个水电站第t时段用于发电的流量，m3/s；δh，i为第i个水电站耗水率，m3/(kW·h)；k=3 600；mt是第t时段的小时数。

目标函数Ⅱ

minF2=minNs

(6)

2.1.2 源荷匹配调度

源荷匹配调度是将负荷需求考虑到水风光等能源互补调度中，让总出力曲线与负荷曲线尽量切合，故以源荷匹配指标为目标函数，即δc和δG，计算公式如下

(7)

式中，α1和α2分别为δc和δG的权重系数。

2.1.3 约束条件

2.1.3.1 等式约束

水量平衡约束

(8)

式中，Vi，t、Vi，t+1分别表示第i个水电站第t时段始、末水库蓄水量，m3；Ri，t为第i个水电站水库在第t时段入库流量，m3/s；Qri，t是第i个水电站t时刻水库下泄流量，m3/s；Qi，t为第i个水电站t时刻的发电流量，m3/s；Si，t为第i个水电站在第t时段的弃水流量，m3/s；Δt为计算的时间长短，s。

水电站间水量联系约束

Ri，t=Qri-1，t-ΔTi-1+Ii，t

(9)

式中，Qri-1，t-ΔTi-1为第i-1个水电站t-ΔTi-1时刻的下泄流量，m3/s；ΔTi-1为第i-1个水电站水库至第i个水电站的水库的水流滞时相应时段数目；Ii，t为第t时刻第i-1个水电站水库至第i个水电站水库的平均区间入库流量，m3/s。

2.1.3.2 不等式约束

水库蓄水位约束

(10)

水电站下泄流量约束

(11)

电站的出力约束

(12)

水电站振动区约束

(13)

2.2 求解方略

2.2.1 模型求解算法

2.2.1.1 花粉算法

花粉算法(Flower Pollination Algorithm，FPA)算法是由Yang Xinshe提出的一种启发式的群智能优化算法，适用于多目标求解。FPA算法是通过全局授粉和局部授粉算子完成多目标等复杂问题的求解，其核心在于Levy飞行搜索策略，即每个花粉配子的携带者满足Levy飞行则进行全局授粉，反之则进行局部授粉，二者之间依靠转移概率p实现转换与作用。依靠此策略遍历每个花粉配子，不断迭代更新，直到满足优化停止条件得到最优值。从数学方面对算法描述如下：

若Rand

(14)

(15)

若Rand≥p则局部授粉

(16)

2.2.1.2 逐步优化算法

逐步优化算法(Progress Optimality Algorithm， POA)是由加拿大学者于1975年首先提出，目前该算法已经过多次优化，并且应用于水风光短期调度[15]。

2.2.2 模型求解过程

水风光混合能源短期互补协调调度模型是由独立的两个模型组成，为简化计算，先后求解源源互补和源荷匹配调度模型。在源源互补调度，电网给出风光日内出力预测曲线以及需求负荷预测曲线后，系统确定水风光电源的容量，同时输入风光日内出力预测曲线，接下来以式(4)和式(6)为目标函数，在梯级水电站之间寻求一种既能让互补后总出力平稳输入电网，又使得发电效益最大的发电分配方案；在源荷匹配调度，为降低求解的复杂度，系统以FPA算法优化后各水电站的最优运行状态轨迹作为POA寻优的梯级水库群初始调度线，并输入负荷预测曲线，然后以式(7)为目标，优化出力曲线并相应的调整梯级水电蓄放策略，使得电网需求负荷与水风光总出力过程高度一致。具体算法流程见图2。

图2 算法流程

3 案例分析

本文以日尺度为调度周期，小时为计算时段，以西南电网流域X内典型水风光站为研究对象，开展水风光日内互补调度策略研究。流域X内已投产水电站包含2个梯级共4个水电站：F电站(45 MW)、G电站(54 MW)、H电站(60 MW)和I电站(36 MW)。其中G、H、I电站同属于一个梯级，有较强的水力电力联系，G、H电站均具有日调节能力，电站I是一个径流式电站；F电站则隶属于另外一条支流，与G、H、I电站只有电力联系，没有水力联系。选取1个光伏电站S(40 MW)和1个风电场W(60 MW)。由于篇幅限制，仅对流域X丰水期某典型日进行仿真分析，选用2018年丰水期7月的典型日24 h负荷需求曲线，与相应的24 h风光出力曲线作为调度模型输入预测曲线，分别可见图3和图4。

图3 典型日风电和光伏电站出力曲线

图4 典型日负荷曲线

应用FPA算法对源源调度模型进行优化，得到的结果如图5所示。从目标Ⅰ来看，水风光互补优化后，该典型日的总发电量为273.78万kW·h，水力发电量为210.64万kW·h，占总发电量的76.94%(F、I、G、H电站分别占26.28%、14.01%、16.24%、20.41%)，F、G、H水电站均未有弃水；光伏和风电发电量分别为26.89万kW·h和36.25万kW·h，分别占总电量的9.82%和13.24%。从目标Ⅱ来看，优化后的出力过程曲线趋于直线，说明充分发挥了梯级水电的调节能力，对风光出力过程实现“削峰填谷”，让风光发电出力的波动得到明显改善。

图5 源源互补优化结果

进一步对梯级水电平抑风光出力波动效果进行统计，Ns计算结果如表1所示，表中单独运行是指各类电源单独运行后出力简单叠加后的结果统计。见表1可知，水风光三个电站单独运行结果与风电、光伏发电的Ns值比较一致，均大于10 MW，其中，风电波动>光伏波动>风光波动>水风光单独运行波动，说明仅是出力的简单叠加也有利于平抑波动，并从侧面验证了水风光各电源出力的互补性。水风光互补运行后的Ns值仅为0.15 MW，是三者单独运行的1.2%，表明水电站群通过水库的联合调度运营，对风光出力波动的平抑具有显著的作用。

表1 出力波动统计指标计算结果

梯级水电平抑接入的风光日内出力波动必然会影响自身运行过程。互补后，梯级水电的发电出力与风光总出力曲线呈现出“峰对谷”此消彼长的特点，如图6所示，在1～8、10～12、22～24时段，风光总出力随时间逐步增大，梯级水电出力则相应降低；8～10、12～22时段，风光总出力随时间逐步降低，梯级水电则增大出力运行。说明在以发电量和出力波动为目标的水风光短期互补运行过程中，水电的调度策略是与风光总出力的变化趋势相逆，即在风光总出力随时间逐步增大时，梯级水电逐步降低出力；在风光总出力随时间逐步降低时，梯级水库则加大发电流量，以达到增加发电出力的目的。

图6 源源互补后梯级水电和风光出力过程

源荷匹配调度则以源荷匹配度指标为目标函数，采用POA算法进行求解，权重系数α1∶α2=2∶3时源荷一致性最好，其优化调度结果如图7所示，图7a为电源总出力与总负荷、剩余负荷变化趋势对比，图7b为各个时段梯级水电出力和风电、光伏发电出力的占比。从图7a可以看出，水风光总出力曲线与原日内负荷曲线变化趋势较为一致，二者的相关系数高达0.99，剩余负荷曲线也比较平稳。对比白天和夜间，在夜间无光伏发电时段的源荷一致性较高，原因是白天风光同时发电出力，水电机组会更频繁的调节变化自身发电出力，以实时补偿风光出力，若风光出力出现“突增陡降”，水电机组受限于自身的调节能力导致无法及时追踪负荷的变化，影响电源出力与负荷的匹配程度。图7a中最大出力出现在白天下午5∶00(第18个时段)，比负荷曲线最高峰提前4个时段；最小出力则与负荷最低谷同样出现在凌晨(夜间无光伏阶段)5∶00(第6个时段)。

图7 源荷匹配优化结果

进一步分析电源总出力与负荷的吻合程度，首先，统计了负荷曲线波动系数δG，经过水风光电源组互补调节后，δG值由原来的22.71 MW降到1.6 MW，表明源荷匹配调度时，梯级水电通过联合调蓄能够使得水风光总出力与负荷相匹配，从而使剩余负荷平稳。然后，对梯级水电与负荷的追踪系数δc进行计算，发现δc值高达0.92，同时图8显示以第10个时段为界，负荷曲线表现出前半段较低，后半段较高的趋势，为了适应负荷的变化，梯级水电的出力过程也保持了相同的变化趋势，可知梯级水电出力过程与负荷过程保持了高度的相似性，其在跟踪负荷方面占据重要地位。

图8 源荷匹配后梯级水电和总负荷过程

综上所述，在源荷匹配的水风光短期互补协调调度过程中，梯级水电的调度策略需要考虑两方面，一方面梯级水电要追踪负荷的变化，与负荷变化趋势保持高度一致，另一方面梯级水电需要通过水库的联合调节消除风光总出力的锯齿状波动，以最终实现剩余负荷波动最小化。因此，梯级水电的调度策略是：首先依据负荷的峰谷变化趋势进行自我调节，在需求负荷高峰时，加大出力，低谷时降低出力运行；其次结合风光总出力的波动情况，进行适当的调整，在风光出力增大过程中，适当降低水电发电流量，在风光出力降低过程中，适当增大发电流量运行，以消除风光锯齿状的波动。