基于广义储能特性的电站三阶段中长期发电优化策略

2022-06-17孙鹏赵圆媛司大军梁书豪王远

云南电力技术 2022年2期

孙鹏，赵圆媛，司大军，梁书豪，王远

（1.云南电网有限责任公司电网规划建设研究中心，云南昆明 650011； 2.华中科技大学电气与电子工程学院，湖北武汉 430074）

0 前言

近年来，新能源接入电网的渗透率不断升高，其在中长期尺度的供给差异加剧了电力系统季节性电量的不平衡[1-3]。而水电属于电力系统广义储能资源，具备良好的季节性调节能力，通过挖掘其广义储能特性，进行电站的中长期发电量优化，有助于协调电力系统源荷平衡，平抑季节性负荷波动，实现高比例新能源的有效消纳[4]。

目前，针对水电站中长期发电优化的研究主要集中在优化模型的求解算法上，如文献[5-7]通过提出新的动态规划算法，来降低优化模型的求解维度，或将复杂的非线性优化问题转化为标准二次规划问题，提高计算的规模和效率。另一方面，部分文献开展了对广义储能的研究，文献[8]研究了广义储能对风电功率波动的平抑作用，文献[9]建立了广义储能与火电协同优化的调峰模型，分析广义储能的调峰特性。但上述研究均未考虑水电的广义储能特性，以及如何充分利用水电站的季节性调节能力平抑系统负荷。

本文针对电力系统中存在季节性负荷波动的情况，提出了一种基于广义储能特性的水电站群三阶段中长期发电优化模型，在考虑水电站发电经济性的前提下，实现平抑系统负荷电量不均衡的目标。通过算例分析，验证了本文所提方法的有效性。

1 水电站广义储能特性

广义储能特性是指电源侧可调节部分具备的类似于储能的调节特性，该部分能够通过优化发电计划，实现发电出力与系统负荷相适应，从年、季、月、周、日等多时间尺度实现对系统负荷变化的跟踪响应。

对于多年、年、季调节能力水电站或梯级水电站群而言，可通过考虑对其水库进行跨月份的水利资源优化调度，或季节性检修计划优化，来跟踪系统负荷电量需求的差异性，实现最小化系统负荷电量季节性不均衡的目标，以充分发挥水电站的广义储能特性。

其广义储能特性模型可描述为：表示时段t考虑广义储能特性后的优化水电

式中：表示时段t的原始水电出力；出力；ΔPt-表示时段t应削减的水电出力；表示时段t应增加的水电出力；Ω-表示水电出力削减时段的集合；Ω+表示水电出力增加时段的集合；ΩT表示总优化周期。

2 水电站群三阶段中长期发电优化模型

为了充分发挥水电站的广义储能效益，提升水电站参与系统电力电量平衡时平抑系统负荷不均衡的能力，本文提出了一种基于广义储能特性的水电站群三阶段中长期发电优化模型，在考虑水电站经济效益的前提下，兼顾考虑水电站平抑负荷波动、促进系统新能源消纳的效益。

水电站群三阶段中长期发电优化的基本思路如图1所示，包含水电站群月度电量的初阶优化、进阶优化以及逐日电量优化三个阶段。

图1 水电站群三阶段发电优化基本思路

水电站群月度电量的初阶优化主要考虑水电站群的运行效益，以水电站群优化周期内的总发电量最大、总发电效益最大或总调峰电量最大为目标函数，考虑水电站间水库调度与发电运行优化之间的联系，以及水电站的各时段出力、发电流量等约束条件，用最优化方法对水库的径流过程和水电机组出力进行调节计算来制定电站的月度电量优化方案，从而实现优化周期内水电站群的综合经济效益最大化。

月度电量进阶优化模型在初阶优化模型的基础上，进一步考虑广义储能平抑系统净负荷波动的特性，以系统优化周期内的月度净负荷电量方差最小为优化目标。传统电力系统净负荷的定义为系统总负荷与风光联合出力之差，在本文中，为了表征水电站的调节能力，将目标函数中的净负荷定义为系统总负荷与风电、光伏出力以及全系统水电站出力之差。通过对水电站月度电量的初阶优化数据进行再优化，使得优化结果能够兼顾考虑电站运行的经济效益以及广义储能平抑系统季节性净负荷电量不均衡的作用。

逐日电量优化模型考虑水电群的短期广义储能调节能力，以水电站群月度发电量为边界条件，以月度逐日净负荷电量方差最小为优化目标，对水电群的各月逐日发电量进行优化，从而实现平抑系统日间用电量不均衡的目标，促进可再生能源消纳任务在日间的合理优化。

2.1 月度电量初阶优化模型

2.1.1 目标函数

1）总发电量最大

已知各水电站水库在优化周期内的预测入流过程，若以水电站群总发电量最大为优化准则，则目标函数为：

式中：E表示水电站群的总发电量；NH为水电站总数量；TM为优化周期总月份数；Pi,j第i个电站在月份j的平均出力；kpi为第i个水电站出力系数；Hi,j、Qi,j分别为第i个电站在月份j的平均发电水头、发电引用流量；Δtj为时段长度，即月份j的小时数。

2）总发电效益最大

若以水电站群总发电效益最大为优化准则，则目标函数为：

式中：Eeco表示水电站群的总发电效益；Ci,j为第i个电站在月份j的电价系数。

3）总调峰电量最大

若以优化周期内总调峰电量最大为优化准则，则目标函数为：

式中：Ep表示优化周期内水电站群的总调峰电量；EL,j为电力系统在月份j内的总负荷电量。

2.1.2 约束条件

1）蓄水位约束

式中：Wi,j表示第i个水电站在月份j的水位；We为正常蓄水位；Wn为死水位。

2）发电流量约束

式中：Qi,j表示第i个水电站在月份j的发电流量；分别表示第i个水电站在月份j的最小发电流量限制和最大发电流量限制。

3）水头约束

式中：Hi,j表示第i个水电站在月份j的水头；分别表示第i个水电站在月份j允许的水头上、下限。

4）出力约束

式中：Pi,j表示第i个水电站在月份j的出力；分别表示第i个水电站在月份j内出力的最小限值和最大限值。

5）初、末水位约束

式中：Wi,0、Wi,T分别表示第i个水电站的初、末水位；Wi,Begin、Wi,End分别表示第i个水电站的初、末水位限制。

6）水量平衡约束

式中：Vi,j、Vi,j+1分别为第i个电站在月份j和月份j+1的月初库容；Q+i,j、Q-i,j分别为第i个电站在月份j的入库流量和出库流量。

7）水位变幅约束

式中：ΔWi,j表示第i个电站在月份j的水位波动幅度；分别表示第i个电站在月份j的水位上下波动幅度限制，一般为该电站的水位日变幅乘以月份天数。

2.2 月度电量进阶优化模型

在对水电站群进行月度电量的进阶优化时，一般选择具有良好的广义储能调节特性的水电站进行优化，而其余水电站维持初阶优化的结果。同时，由于水电站在丰、枯水期的广义储能调节能力存在显著差异，在对水电站进行月度电量进阶优化时，需要对丰水期、枯水期分别进行处理，因此其目标函数为：

式中：Ds表示水文期s内的月度净负荷电量方差；D（...）表示方差函数；EL,j为电力系统在月份j内的总负荷电量；EN,j表示电力系统并网光伏、风电在月份j内的总发电量；Ω*表示具备良好广义储能调节特性的水电站集合；Ω0表示其余水电站集合；表示第i个电站在月份j的初阶优化出力结果；Ωs表示水文期s下的月份集合，水文期s包含丰、枯水期，丰水期月份数为4月～9月，枯水期月份数为10月～来年3月。

2.2.2 约束条件

进阶优化模型的各类约束条件与初阶优化模型在形式上保持一致，但是部分约束条件（式）需要结合初阶优化的结果对其约束边界值进行调整。

1）蓄水位约束

2）发电流量约束

3）出力约束

历史上最初有记录的中日交往记载是东汉班固的《汉书·地理志》。作于推古三十年，现存于中宫寺的《天寿国绣帐》是可确定的最早受中国影响的作品，其上云纹、凤凰形象及花卉的赋色手法都明显带有汉代绘画特征。自此以后中国的文化理念、思想观念、生活习惯及审美情趣对日本产生了巨大的影响，有些甚至构成日本根底性的文化传统。

2.3 逐日电量优化模型

2.3.1 目标函数

逐日电量优化模型以水电站群月度逐日净负荷电量方差最小为优化目标，其目标函数为：

式中：Dj表示月份j的逐日净负荷电量方差；Ωj表示月份j的天数集合；EL,j,d表示电力系统在月份j第d天的总负荷电量；EN,j,d表示电力系统并网光伏、风电在月份j第d天的总发电量；Pi,j,d表示第i个水电站在月份j第d天的平均出力；表示第i个水电站在月份j第d天的初阶优化出力结果；Δtd为时段长度，即日内小时数。

2.3.2 约束条件

逐日电量优化模型的约束条件与2.1.2节类似，在此不作赘述。此外，由于逐日电量优化是在月度电量进阶优化基础上进行的，因此，还需要额外考虑水电站月发电电量守恒约束，具体形式如下：

式中：Ei,j表示第i个水电站月份j的总发电量。

3 算例分析

以澜沧江中下游梯级水电群为例，进行基于广义储能特性的水电站群中长期发电优化算例分析。该梯级水电群由上游至下游依次包括小湾、漫湾、大朝山、糯扎渡、景洪等5座水电站，其中小湾和糯扎渡水电站具有多年调节水库，具备良好的调节性能。

3.1 月度发电量优化结果分析

基于提出的水电站群三阶段中长期发电优化模型，对澜沧江中下游梯级水电群进行中长期发电优化。月度发电量优化结果如图2所示。

图2 澜沧江水电站群优化前后月度发电量对比图

云南省夏季为丰水期、冬季为枯水期，负荷高峰一般出现在年末（11月、12月），对比优化后发电量与原始净负荷可知，其通过优化增加了水电站冬季的发电流量，提升水电站在负荷高峰期的发电水平，通过优化减少了水电站夏季的发电流量，降低水电站在负荷低谷期的发电水平，从而使得水电发电量与系统负荷特性相匹配。根据上述优化结果可以看出，梯级水电站中长期协同发电优化能够在枯水期内优化调配水力资源，实现跨年的水文调节，充分发挥了梯级水电群的广义储能调节能力。

3.2 净负荷波动情况分析

基于水电站群月度发电量优化结果，对系统净负荷波动情况进行分析，如图3是优化前后系统月净负荷电量对比图，表1是优化前后系统月平均净负荷标准差对比表。

表1 优化前后系统月平均净负荷标准差对比

图3 优化前后系统月净负荷电量对比

从图3中可以看出，经过梯级水电站群中长期发电量优化之后，系统净负荷曲线变得更加平缓，这一点在表1中得到了更为量化的反映，由表可知，在丰水期，优化后的系统净负荷标准差降低了12.9%，在枯水期，优化后的系统净负荷标准差降低了29.8%。结果表明，本文所提中长期电量优化方法能够有效平抑系统季节性负荷波动。

3.3 逐日发电量优化结果分析

基于月度电量优化分配结果，进行月内逐日发电量的优化计算，针对丰水期、枯水期各选择一个月进行分析，丰水期选择8月份进行分析，结果如图4所示，枯水期选择12月份进行分析，结果如图5所示。

图4 8月份逐日电量优化结果

图5 12月份逐日电量优化结果

由图可知，优化后的逐日电量分配曲线更加平缓，其中枯水期优化效果较为明显，优化后曲线波动程度显著降低，这是由于枯水期发电量小，负荷需求大，发电量能够得到充分利用，其对负荷特性变化的跟踪程度更高。优化效果具体量化数据如表2所示，在丰水期，优化后的系统水电出力标准差降低了1.4%，在枯水期，优化后的系统水电出力标准差降低了17.7%。根据上述优化结果可以看出，梯级水电站中长期协同发电优化能够在月内优化调配水力资源，平抑系统日间用电量不均衡。