基于分布鲁棒的梯级水光蓄系统日前-实时两阶段调度方法

周修宁， 蒋传文， 王旭， 王胜， 鲜喜敏

(1.上海交通大学，上海 200240；2.中电建水电开发集团有限公司，四川 成都 610041)

0 引 言

随着新能源渗透率的不断提高，电网的安全稳定性正受到其出力的不确定性和波动性带来的挑战[1]。水电和光伏出力具有互补特性，水电和光伏协同调度能有效平抑光伏波动,水光蓄系统引入抽水蓄能来进一步增强系统的调节性能,提高光伏消纳能力[2-3]。

当前已有较多对水光互补系统短期调度的研究。文献[4]建立短期调度模型，其模型中水电站为独立电站，并没有考虑到梯级水电的水滞约束等条件。文献[5]将调度模型化简为非线性二次规划问题,其模型复杂，求解较慢。梯级水光蓄系统调度既需要考虑光伏电力的随机性，也需要面对梯级水电非线性特性对模型求解的复杂性和计算速率带来的不利影响，而对两者的综合考虑是目前的研究所欠缺的。为克服上述研究中的缺陷，本文提出了基于分布鲁棒的梯级水光蓄发电系统日前-实时两阶段调度方法，以提高水光蓄发电系统的整体经济效益。

1 梯级水光蓄系统日前-实时调度模型

梯级水光蓄电站短时间调度采用日前调度和实时调度两阶段调度结合的方式进行出力调度。

第一阶段将光伏预测值视作真实值，确定初步调度计划。在此阶段光伏优先并网，水电站以及抽蓄配合完成电量供需的平衡。由于光伏预测存在误差，在实时调度阶段，梯级水光蓄系统根据机组运行状况和日前预调度情况调整各机组出力，以维持实时电量平衡。为了统筹水光蓄系统消纳光伏的能力和自身调度经济效益，将弃光和切负荷量量化为惩罚成本加入第二阶段目标函数。

1.1 日前调度模型

1.1.1 日前调度目标函数

日前调度阶段的目标函数为各机组发电成本，如式(1)所示。

(1)

1.1.2 日前调度约束条件

(1) 电量平衡约束如式(2)所示。

(2)

(2) 水电机组约束如式(3)、式(4)所示。

(3)

Vi,t+1=Vi,t+3 600[Ii,t-Qi,t-Si,t+Qi-1,t-τi+Si-1,t-τi]Δt

(4)

式中:ηi为电站i水能转化效率系数;Qi,t为电站i在t时刻的发电流量，m3/s；Hi,t为电站i在t时刻的水头，m；Vi,t为i级电站在t时刻的水库库容，m3；Ii,t为区间自然来水流量，m3/s；Si,t为电站i在t时刻的弃水流量，m3/s；τi为第i-1级水电站和第i级水电站之间的来水时滞。

(3) 抽蓄容量平衡约束如式(5)所示。

(5)

式中:η为水能储存效率。式(5)表明在短期调度周期中抽蓄储水量始末保持一致。

1.2 实时调度模型

1.2.1 实时调度目标函数

第二阶段调度是实时调度阶段，第二阶段的目标函数如下：

(6)

1.2.2 实时调度约束条件

(1) 再调整功率平衡如式(7)所示。

(7)

(2) 机组实时出力约束如式(8)～式(10)所示。

(8)

(9)

(10)

2 双层模型求解

基于分布鲁棒优化理论，采用场景聚类的方式从N个历史场景中得到Ns个聚类场景和对应聚类概率分布ps0。利用1-范数和∞-范数约束聚类概率与真实概率误差范围，得到基于范数约束的总目标函数如下。

(11)

式中:y为第一阶段决策变量；a为对应的成本系数；b为实时调度阶段成本系数；zs为场景s下第二阶段决策变量；Ns为光伏聚类场景数；ps为场景s发生的概率；ψ为场景的真实概率分布情况，由1-范数θ1和∞-范数θ∞共同约束。

根据文献[6],θ1和θ∞可分别表示为：

(12)

(13)

式中:α1和α∞分别为1-范数和∞-范数约束的置信度。

由以上公式得出真实概率分布约束情况，如式(14)所示。

(14)

3 算例分析

3.1 算例参数

算例梯级水电机组群为同一径流下的三级梯级水电站，其机组参数见表1。抽蓄容量为5 MW，光伏容量为100 MW。第一阶段水电、光伏和抽蓄成本每MWh单价为2、0.1、1美元，第二阶段水电、抽蓄调整成本为4、1美元，弃光、弃水惩罚成本设为50美元。本文采用K-means聚类方法对光伏电站一年的出力进行聚类，得到两个典型场景，出现概率分别为0.54和0.46。设置范数置信度α1和α∞均为0.9。

表1 算例梯级水电站参数

3.2 优化结果分析

第一阶段调度情况如图1所示。在夜间时刻，梯级水电站是主要发电源，受到径流的影响，各机组出力变化较大，总出力满足负荷需求，在光伏出力逐渐提高的同时逐渐降低出力。在光伏出力高峰期，光伏出力优先并网，第一级梯水电站由于库容约束继续以小功率模式运行。抽蓄电站在光伏高峰期以抽水储能方式运行，降低弃光成本，并在光伏低出力时刻转化为排水发电状态，减小系统运行成本。

由聚类得到两种典型场景，其中场景1为强光环境场景，场景2为弱光环境场景。第二阶段实时出力调整情况如图2所示。

图1 日前调度阶段出力示意图

图2 典型场景下实时调度阶段出力

在场景1的7∶00—8∶00，由于光伏实际出力比预测出力更大，抽水储能电站由原来的满出力运行调整为满功率抽水状态，减低弃光风险。在10∶00—13∶00，由于光伏出力小于预测出力，各电站提高功率，以弥补光伏出力减小带来的缺口，使系统无需切负荷操作，维护了系统的稳定性。在场景2中，光伏实际出力基本小于预测出力，水电机组在日间时刻增大自己的出力以满足负荷需求。抽蓄根据来水流量和实际光伏出力情况小范围调整出力，减少系统运行成本。

3.3 抽蓄储能分析

为了分析抽蓄容量对系统调度优化的影响，分别设置不同抽蓄容量，保持系统其他机组容量不变，得到优化结果如表2所示。

表2 不同抽蓄容量优化结果比较

随着抽蓄容量的增加，系统运行成本降低，验证了抽蓄机组优化调节综合系统出力的作用。当抽蓄容量增加到20 MW时，由抽蓄容量上升带来降低运行成本的作用减小，说明系统抽蓄容量的配置应该与综合系统其他类型电源容量以及负荷水平相适应。

4 结束语

基于分布鲁棒的水光蓄综合发电系统优化调度模型，针对实际互补发电系统给出了满足系统安全运行约束的日前和实时两阶段调度方案，有效地平衡了系统运行的经济性和鲁棒性。抽蓄电站作为综合电站的储能设备，其容量的设置应与系统各机组容量相适应，需统筹机组投资和运行成本净现值。本文中梯级水光蓄系统优化调度模型并没有考虑电价以及市场因素，未来引入市场条件后的梯级水光蓄系统运行是接下来的研究重点。