CN106385048A - 一种风光蓄一体化调度策略 - Google Patents

Abstract

本发明公开了一种风光蓄一体化调度策略，利用本方法可以实现提高间歇性能源的利用率和削峰填谷的效果，可以减少火电机组启停次数，减少开停机费用和旋转备用成本，还可以有效防止弃风和弃光现象。其技术方案是，所述方法针对风电单独入网带来的问题，将风电和光伏看成一个整体，一体化出力，然后再和抽水蓄能一起进行联合调度，建模引入风光蓄多种能源出力最大和广义负荷波动最小的多目标函数，并在火电经济成本中考虑机组启停费用。用改进的粒子群算法求解广义负荷波动曲线和机组调度出力。本发明用抽水蓄能这种灵活或调度电源来平抑风电和光伏出力的波动，解决了夜晚无光伏出力导致风电反调峰特性强的问题，减少弃风和弃光的可能性，平滑风光一体出力，实现削峰填谷；减少机组开停机次数，提高系统的经济效益，保证电网的可靠性。

Description

一种风光蓄一体化调度策略

技术领域

本发明涉及一种基于风光水火多能互补的一体化调度策略，实现了经济效益和可靠性最优的功能。

背景技术

近年来，自《可再生能源法》在我国实行后，光伏发电、风力发电、水力发电及生物质能发电等得到了高度关注，其中光伏发电和风力发电每年都在以40％以上的速度增长。单独的风电具有反调峰性和波动间歇性，但是出力成本比较低。单独的光伏发电出力成本较高，但是供电稳定性也相对较高。为了全额接纳风、光等间歇性能源入网，当其处于出力峰值时，会产生停运高效率机组而开启高效率机组的情况，这将增加系统的经济运行成本；另一方面，如果不完全接纳间歇性能源，则会产生弃光和弃风的情况，与《可再生能源法》相违背。所以如何综合利用风电与光伏已经成为急需解决的问题。

发明内容

本发明在现有调度策略的基础上，提供了一种基于风光水火多能互补的一体化调度策略。

为了解决上述技术问题，本发明是通过以下技术方案实现的：一种基于风光水火多能互补的一体化调度策略，所述方法针对风电单独入网带来的问题，将风电和光伏看成一个整体，一体化出力，然后再和抽水蓄能一起进行联合调度，建模引入风光蓄多种能源出力最大和广义负荷波动最小的多目标函数，并在火电经济成本中考虑机组启停费用。用改进的粒子群算法求解广义负荷波动曲线和机组调度出力。

与现有的技术相比，本发明的有益效果是：可以实现提高间歇性能源的利用率和削峰填谷的效果，可以减少火电机组启停次数，减少开停机费用和旋转备用成本，还可以有效防止弃风和弃光现象，适当的抽水蓄能电站装机容量对系统经济性和稳定性也会产生有利影响。

具体实施方式

本发明包括下列步骤：

(1)建立火电经济成本最低的目标函数F₁，广义负荷波动最小目标函数F₂，风光蓄联合出力最大目标函数F₃的模型。

(2)提出目标函数的约束条件，系统的功率平衡约束条件、系统的旋转备用约束、火电机组的出力上、下限约束、火电机组的爬坡约束、火电机组出力的最小开停机时间约束、风电场出力上下限约束、光伏电站出力上下限约束、抽水蓄能电站的库容变化量约束、库容约束、始末库容约束、抽水发电功率约束。

(3)用改进的粒子群算法求解多目标问题，最终得到最优机组调度结果、各项最优成本、最优化广义负荷曲线、最合适的抽水蓄能电站容量。

火电机组的经济成本最低的目标函数F₁：

$\min F_1=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}[a_i{p}_{\mathrm{it}}^2+b_i{p}_{\mathrm{it}}+c_i+S_{\mathrm{it}}{u}_{\mathrm{it}}(1-u_{i(t-1)})]---\left(1\right)$

式(1)中：N为火电机组台数；T为研究周期的时段数，本文中为24小时；p_it为机组i第t时刻的出力；a_i、b_i、c_i分别为机组i的耗量特性系数；S_it为机组i第t时刻的开机成本；u_it为机组i第t时刻的开停机状态，u_it＝1时为开机状态，u_it＝0时为停机状态。

广义负荷值p_glt可以表示为

p_glt＝p_lt-p_wt-p_vt-p_ht (2)

式(2)中p_lt为t时刻的负荷值，p_wt为t时刻风电的实际调度出力；p_vt为t时刻光伏发电的实际调度出力；p_ht为第t时刻抽水蓄能电站的出力，p_ht＞0时上水库发电，p_ht＜0时上水库蓄能。

广义负荷的平均值p_glt，av可以表示为

$p_{\mathrm{glt},\mathrm{av}}=\frac{1}{T}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{p}_{\mathrm{glt}}---\left(3\right)$

广义负荷波动最小的目标函数F₂：

$\min F_2=\frac{1}{T}\underset{t=1}{\overset{T}{\mathrm{\Σ}}}{(p_{\mathrm{glt}}-p_{\mathrm{glt},\mathrm{av}})}^2---\left(4\right)$

风光蓄联合出力最大的目标函数F₃：

$\max F_3=\underset{t=1}{\overset{T}{\mathrm{\Σ}}}(p_{\mathrm{wt}}+p_{\mathrm{vt}}+p_{\mathrm{ht}})---\left(5\right)$

目标函数的约束条件为：

系统功率平衡约束为

$\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{p}_{\mathrm{it}}+p_{\mathrm{wt}}+p_{\mathrm{vt}}+p_{\mathrm{ht}}=p_{\mathrm{lt}}---\left(6\right)$

火电机组的出力上、下限约束为

u_itp_imin≤p_it≤u_itp_imax (7)

火电机组的爬坡约束为

D_i≤p_it-p_i(t-1)≤U_i，u_itu_i(t-1)＝1 (8)

式中：U_i和D_i分别为机组i的上升速率和下降速率。

火电机组出力的最小开停机时间约束为

$\left\{\begin{array}{c}{T}_{\mathrm{it}}^{\mathrm{on}}\≥T_{i\min }^{\mathrm{on}}\\ T_{\mathrm{it}}^{\mathrm{off}}\≥T_{i\min }^{\mathrm{off}}\end{array}\right.---\left(9\right)$

式中：和分别为机组i的累计开、停机时间；和分别为机组i的最小开、关机时间。

风电场出力上下限约束

0≤p_wt≤p_wt，max (10)

式(10)中：p_wt，max为风电出力的最大值。

光伏电站出力上下限约束

0≤p_vt≤p_vt，max (11)

式(11)中：p_vt，max为风电出力的最大值。

抽水蓄能的库容变化量约束如下：

p_ht＞0时 $\left\{\begin{array}{c}{E}_{t+1}^u=E_t^u-p_{\mathrm{ht}}/{\mathrm{\η}}_1\\ E_{t+1}^d=E_t^d+p_{\mathrm{ht}}/{\mathrm{\η}}_1\end{array}\right.---\left(12\right)$

p_ht＜0时 $\left\{\begin{array}{c}{E}_{t+1}^u=E_t^u-p_{\mathrm{ht}}\·{\mathrm{\η}}_2\\ E_{t+1}^d=E_t^d+p_{\mathrm{ht}}\·{\mathrm{\η}}_2\end{array}\right.---\left(13\right)$

式(12)和(13)中：和分别为上、下水库t时刻的容量；η₁、η₂分别为抽水蓄能机组的发电和抽水效率。

库容约束为

$\left\{\begin{array}{c}{E}_{\min }^u\≤E_t^u\≤E_{\max }^u\\ E_{\min }^d\≤E_t^d\≤E_{\max }^d\end{array}\right.---\left(14\right)$

式(14)中：和分别为上水库的最大、最小容量；和分别为下水库的最大、最小容量。

抽水发电功率约束为

p_htmin≤p_ht≤p_htmax (15)

$\left\{\begin{array}{c}{p}_{\mathrm{ht}\min }=\max [-p_{\mathrm{wt}}^{\′},-p_{h\min }^{\′},-E_t^d/\left(\mathrm{\Δt}{\mathrm{\η}}_2\right)]\\ p_{\mathrm{ht}\max }=\min [p_{h\max }^{\′},E_t^u/\left(\mathrm{\Δt}{\mathrm{\η}}_1\right)]\end{array}\right.---\left(16\right)$

式(16)中：p′_hmin和p′_hmax分别为抽水蓄能机组抽水功率和发电功率的最大值。

始末库容约束为

$\left\{\begin{array}{c}{-\mathrm{\μE}}_{\max }^u\≤E_0^u-E_T^u\≤{\mathrm{\μE}}_{\max }^u\\ {-\mathrm{\μE}}_{\max }^d\≤E_0^d-E_T^d\≤{\mathrm{\μE}}_{\max }^d\end{array}\right.---\left(17\right)$

式(17)中：μ为24小时内上始末库容允许的最大系数。

系统旋转备用约束为：

$\left\{\begin{array}{c}\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{it}}(p_{i\max }-p_{\mathrm{it}})+(p_{\mathrm{wvt},\max }-p_{\mathrm{wvt}})+(p_{\mathrm{ht}\max }-p_{\mathrm{ht}})\≥R_{\mathrm{ut}}\\ \underset{i=1}{\overset{N}{\mathrm{\Σ}}}{u}_{\mathrm{it}}(p_{\mathrm{it}}-p_{i\min })+(p_{\mathrm{ht}}-p_{\mathrm{ht}\min })\≥R_{\mathrm{dt}}\end{array}\right.---\left(18\right)$

式(18)中：R_ut和R_dt分别为第t时刻系统对正旋转备用的需求和负旋转备用的需求，取为总负荷的5％；p_imax和p_imin分别为t时刻火电机组i最大、最小出力；p_wvt.max为t时刻风光互补出力的最大值；p_wvt为t时刻风光互补的出力值；p_htmax和p_htmin分别为t时刻抽水蓄能机组的最大、最小出力。

风光蓄联合调度策略求解步骤如下：

为了解决风电和光伏单独出力不稳定的问题，首先将两者互补，然后将抽水蓄能和风光联合，进行一体化出力，与火电机组一起调度，即采用多层决策的方法来调度各种能源的出力。

Step1：预测次日的光伏和风电出力

Step2：将风光进行互补出力，计算出一体化的出力值，制定抽水蓄能的调度计划，考虑各项约束条件，满足使风光蓄联合出力最大化的要求，达到平抑广义负荷的效果。

Step3：根据风电和光伏的入网情况，计算出广义负荷值，安排其他机组出力计划。

对火电机组进行优化调度，首先根据广义负荷曲线确定每台机组的开停机状态，机组根据综合评价指标确定开停机顺序，表达式如下：

$C_i=\frac{F_i\left(p_{i,\max }\right)}{p_{i,\max }}---\left(19\right)$

$F_i\left(p_{i,\max }\right)=a_i{p}_{i,\max }^2+b_i{p}_{i,\max }+c_i---\left(20\right)$

根据上述指标，在满足各项约束的条件下，逐一启停火电机组，使火电机组经济成本最小化，最终是调度收益最优。

采用改进粒子群算法求解，首先初始化一群随机粒子，进行迭代，每一次迭代中，离子通过两个最优解来更新自己：一个是整个群体的总的最优解，叫做全局最优解p_g，另一个是粒子本身的最优解，叫做个体极值p_b。

粒子更新公式为

v_i(n+1)＝wv_i(n)+c₁r₁[p_b-x_i(n)]+c₂r₂[p_g-x_i(n)] (21)

x_i(n+1)＝x_i(n)+v_i(n+1) (22)

式(21)和(22)中w是惯性权重；r₁、r₂为分布于[0，1]之间的随机数；n为当前迭代次数；c₁、c₂为学习因子，为常数；x_i、v_i为第i个粒子的位置和速度。

对惯性权重系数做如下改进：

$w=\left\{\begin{array}{cc}{w}_{\min }-\frac{(w_{\max }-w_{\min })*(f-f_{\min })}{f_{\mathrm{avg}}-f_{\min }},& f\≤f_{\mathrm{avg}}\\ w_{\max },& f>f_{\mathrm{avg}}\end{array}\right.---\left(23\right)$

式(23)中：w_max、w_min分别表示惯性权重系数的最大和最小值，f为目标函数，f_min为最小目标函数值，f_avg为目标函数平均值。

利用该方法得出的广义负荷曲线、机组出力调度结果和旋转备用均能满足较好的经济效益和可靠性要求。

Claims (1)

1.一种基于风光水火多能互补的一体化调度策略，可以实现提高间歇性能源的利用率和削峰填谷的效果，可以减少火电机组启停次数，减少开停机费用和旋转备用成本，还可以有效防止弃风和弃光现象，解决了夜晚无光伏出力导致风电反调峰特性强的问题，减少弃风和弃光的可能性，平滑风光一体出力。其特征是，所述方法针对风电单独入网带来的问题，将风电和光伏看成一个整体，一体化出力，然后再和抽水蓄能一起进行联合调度，建模引入风光蓄多种能源出力最大和广义负荷波动最小的多目标函数，并在火电经济成本中考虑机组启停费用。用改进的粒子群算法求解广义负荷波动曲线和机组调度出力，最终得到最优的广义负荷曲线、机组出力调度结果和旋转备用。