CN109636000B - 面向光伏消纳的水-火-光联合优化调度方法 - Google Patents

Abstract

本发明公开了一种面向光伏消纳的水‑火‑光联合优化调度方法，具体按照建立基于水火光联调模式的目标函数，按照水火光系统属性，建立约束条件；整合所述目标函数和约束条件得到适应度函数；基于所述适应度函数计算得到水电功率、光伏功率和火电功率。本发明能够使得水电充分发挥自身的调峰潜力消纳光伏，同时也有效的利用了火电的调峰能力，充分发挥水火系统的调峰潜力，提高光伏的消纳量，实现水火光多源系统的协调运行。

Description

面向光伏消纳的水-火-光联合优化调度方法

技术领域

本发明属于电气信息技术领域，涉及一种面向光伏消纳的水-火-光联合优化调度方法。

背景技术

随着全球变暖问题的日益严峻和化石能源的过度消耗，可再生能源受到广泛关注。截止2016年底，中国光伏发电累积装机7742万千瓦，全年发电量662亿千瓦时，占总发电量的1％。在光伏快速发展的同时，光伏大规模接入也为电网调度带来许多困难。受天气、云层和温度等因素影响，光伏出力过程具有随机性、间歇性和波动性的特点，由此所造成的不确定性与反调峰特性为电力系统带来了严峻的安全问题。

采取水电和火电与光伏补偿调节的方法是目前消纳光伏的有效途径之一。(关于筹建青海大规模光伏发电与水电结合的国家综合能源基地的建议[J].中国科学院院刊,2011,26(01):71-74.)

水电出力变化范围大、调整灵活，具有快速响应负荷变化能力。光伏恰好相反，不可调度性使得光伏的入网极其困难，亟需灵活电源作为补偿，两者在调节性能方面具有较好的互补性。除此之外，水电、光伏在时间上也具有互相补偿的特点，水电受径流丰增枯减影响，具有明显的季节性特征，在枯水期，水电出力小，而光伏转换效率受温度影响较高，出力较大，与水电出力可形成互补(刘娟楠,王守国,王敏.水光互补系统对龙羊峡水电站综合运用影响分析[J].电网与清洁能源,2015,31(09):83-87.Bhandari B，Lee Kyung-Tae，LeeC S，et al.A novel offgrid hybrid power system comprised of solarphotovoltaic，wind，and hydro energy sources[J].Applied Energy，2014，133：236—242.)。

火电受自身发电特性限制，尽管调峰能力较差，但仍有一定的补偿调节能力，因此在保证电网安全可靠经济运行的前提下，利用火电补偿光伏出力，是避免用大量弃光的主要途径之一。(陈钦磊,郭春林,于鹏,张明智,李红军.光伏、火电打捆经串补送出系统的次同步振荡研究[J].现代电力,2016,33(05):59-67.李媛,张志强,郑超,任建文,李晓珺,吕盼,宋新甫.考虑光伏电站高渗透接入的火电机组一次调频参数优化[J].电力建设,2017,38(03):115-122.)。

目前大多数研究以水光补偿或火光补偿的模式为主，但随着光伏装机的日益增加，单一的补偿模式不足以充分消纳光伏，且目前对于多源的电力补偿研究还不深入，如何更好协调水火光系统仍是光伏大规模入网的重点和难点。

发明内容

本发明的目的是提供一种面向光伏消纳的水-火-光联合优化调度方法，能够充分发挥水火系统的调峰潜力，提高光伏的消纳量，实现水火光多源系统的协调运行。

本发明所采用的技术方案是，面向光伏消纳的水-火-光联合优化调度方法，具体按照下述步骤进行：

步骤1，建立基于水火光联调模式的目标函数，按照水火光系统属性，建立约束条件；

步骤2，整合目标函数和约束条件得到适应度函数；

步骤3，基于适应度函数计算得到水电功率、光伏功率和火电功率。

本发明的特点还在于：

步骤1中的目标函数包括光伏消纳目标函数和火电波动目标函数；

光伏消纳目标函数根据电力系统消纳的光伏理论出力值与光伏优化出力值的差值建立：

火电波动目标函数采用火电方差概化火电出力波动建立：

其中，T为电力系统的调峰时段数，N_Pb,t为第t个时段光伏理论出力，N_Pf,t第t个时段光伏优化出力值，N_h,t为第t个时段火电出力值。

步骤1中约束条件包括电力约束条件和水力约束条件，其中电力约束条件包括电力平衡约束、火电出力约束、光伏出力约束和水电出力约束；水力约束条件包括发电水量约束、水量平衡约束、下泄流量约束和库容约束；

电力平衡约束为：

其中，N_hk,t为水电站k在第t个时段的发电量，N_F,t为第t个时段的负荷值；火电出力约束为：

其中，

为火电在第t个时间段允许的最小出力限制，

为火电在第t个时间段允许的最大出力限制；

光伏出力约束为：

其中，

为光伏在第t个时间段允许的最小优化出力限制，

为光伏在第t个时间段允许的最大优化出力限制；

水电出力约束为：

其中，

为水电站k允许的最小出力限制，

为水电站k允许的最大出力限制；N_hk,t为水电站k的出力；

发电水量约束为：

其中，Δt为时间差，c为梯级水库群发电水量约束；

水量平衡约束为：

V(k,t+1)＝V(k,t)+(I(k,t)-Q(k,t)+q(k,t-τ))Δt (8)

其中，V(k,t+1)为水电站k在第t+1时刻的库容，V(k,t)为水电站k在t时刻的库容，I(k,t)为水电站k在第t时刻的入流，Q(k,t)为水电站k在第t时刻的出力，q(k,t-τ)为滞留时间为τ的区间入流，Δt为时间间隔；

所述下泄流量约束为：

其中，

为水电站k在第t个时段的最小下泄流量，

为水电站k在第t个时段的最大下泄流量，Q_hk,t为水电站k在第t个时段的下泄流量；

库容约束为：

其中，

为第k个水电站的库容的最小约束，

为第k个水电站的库容的最大约束，V_hk,t为水电站k在第t时段的库容。

步骤2具体按照下述步骤进行：

步骤2.1，个体结构和初始化，采用下泄流量和光伏优化出力值作为决策变量，得到决策变量初始化矩阵：

步骤2.2，计算系统基本约束：

A，根据发电水量约束和下泄流量约束，得到各水电站的下泄流量为：

其中，C_n表示发电水量；

B，结合水位库容、库容流量曲线，基于水量平衡约束得到末库容；

C，根据光伏的预测信息，将光伏的理论发电能力作为光伏序列的上限，将零确定为光伏序列下限，得到光伏的优化出力：

D，通过电力平衡约束计算火电出力的过程：

步骤2.3，根据各水电站的下泄流量、末库容和光伏、优化出力和火电出力的过程与系统要求的合理区间比较，判断计算系统待惩罚约束：

a，计算库容的待惩罚出力约束：

b，计算水电的待惩罚出力约束：

c，计算火电的待惩罚出力约束：

步骤2.4，根据目标函数和库容的待惩罚出力约束、水电的待惩罚出力约束、火电的待惩罚出力约束，采用外点罚函数法得到适应度函数：

其中，k₁和k₂为两目标函数的协调系数，μ_i为无穷大数。

步骤3中使用双种群算法求解适应度函数，得到水电功率、光伏功率和火电功率。

本发明的有益效果是

本发明主要针对含有水火光多源混合系统，基于各电源的互补特性，提出水火光联调模式，通过研究水火光之间的协调关系，采取灵活调节水电容量，适当降低火电电量的方式，能够使得水电充分发挥自身的调峰潜力消纳光伏，同时也有效的利用了火电的调峰能力，充分发挥水火系统的调峰潜力，提高光伏的消纳量，实现水火光多源系统的协调运行。

附图说明

图1是本发明面向光伏消纳的水-火-光联合优化调度方法中多电源电量互补过程图；

图2是本发明面向光伏消纳的水-火-光联合优化调度方法中多电源出力互补过程图；

图3是本发明面向光伏消纳的水-火-光联合优化调度方法中双种群算法的计算流程图；

图4本发明面向光伏消纳的水-火-光联合优化调度方法中防凌期典型日各电源优化前后出力过程图；

图5本发明面向光伏消纳的水-火-光联合优化调度方法中春灌期典型日各电源优化前后出力过程图；

图6本发明面向光伏消纳的水-火-光联合优化调度方法中防汛期典型日各电源优化前后出力过程图；

图7本发明面向光伏消纳的水-火-光联合优化调度方法中秋浇期典型日各电源优化前后出力过程图。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

面向光伏消纳的水-火-光联合优化调度方法，具体按照下述步骤进行：

步骤1，建立基于水火光联调模式的目标函数，其中目标函数包括光伏消纳目标函数和火电波动目标函数；

光伏消纳目标函数根据电力系统消纳的光伏理论出力值与光伏优化出力值的差值建立：

火电波动目标函数采用火电方差概化火电出力波动建立：

式中，T为电力系统的调峰时段数，N_Pb,t为第t个时段光伏理论出力，N_Pf,t第t个时段光伏优化出力值，N_h,t为第t个时段火电出力值。

按照水火光系统属性，建立约束条件；

约束条件包括电力约束条件和水力约束条件，其中电力约束条件包括电力平衡约束、火电出力约束、光伏出力约束和水电出力约束；水力约束条件包括发电水量约束、水量平衡约束、下泄流量约束和库容约束；

电力平衡约束为：

其中，N_hk,t为水电站k在第t个时段的发电量，N_F,t为第t个时段的负荷值；

火电出力约束为：

式中，

为火电在第t个时间段允许的最小出力限制，

为火电在第t个时间段允许的最大出力限制；

光伏出力约束为：

式中，

为光伏在第t个时间段允许的最小优化出力限制，

为光伏在第t个时间段允许的最大优化出力限制；

水电出力约束为：

式中，

为水电站k允许的最小出力限制，

为水电站k允许的最大出力限制；N_hk,t为水电站k的出力；

发电水量约束为：

式中，Δt为时间差，c为梯级水库群发电水量约束；

水量平衡约束为：

V(k,t+1)＝V(k,t)+(I(k,t)-Q(k,t)+q(k,t-τ))Δt (8)

式中，V(k,t+1)为水电站k在第t+1时刻的库容，V(k,t)为水电站k在t时刻的库容，I(k,t)为水电站k在第t时刻的入流，Q(k,t)为水电站k在第t时刻的出力，q(k,t-τ)为滞留时间为τ的区间入流，Δt为时间间隔；

下泄流量约束为：

式中，

为水电站k在第t个时段的最小下泄流量，

为水电站k在第t个时段的最大下泄流量，Q_hk,t为水电站k在第t个时段的下泄流量；

库容约束为：

式中，

为第k个水电站的库容的最小约束，

为第k个水电站的库容的最大约束，V_hk,t为水电站k在第t时段的库容。

步骤2，整合所述目标函数和约束条件得到适应度函数，具体按照下述步骤进行：

步骤2.1，个体结构和初始化，采用下泄流量和光伏优化出力值作为决策变量，得到决策变量初始化矩阵：

步骤2.2，计算系统基本约束：

A，根据所述发电水量约束和下泄流量约束，得到各水电站的下泄流量为：

其中，C_n表示发电水量；

B，结合水位库容、库容流量曲线，基于水量平衡约束得到末库容；

C，根据光伏的预测信息，将光伏的理论发电能力作为光伏序列的上限，将零确定为光伏序列下限，得到光伏的优化出力：

D，通过电力平衡约束计算火电出力的过程：

步骤2.3，根据所述各水电站的下泄流量、末库容和光伏、优化出力和火电出力的过程与系统要求的合理区间比较，判断计算系统待惩罚约束：

a，计算库容的待惩罚出力约束：

b，计算水电的待惩罚出力约束：

c，计算火电的待惩罚出力约束：

步骤2.4，根据目标函数和库容的待惩罚出力约束、水电的待惩罚出力约束、火电的待惩罚出力约束，采用外点罚函数法得到适应度函数：

其中，k₁，k₂两目标函数的协调系数；μ_i为无穷大数。

步骤3，使用双种群算法求解适应度函数得到水电功率、光伏功率和火电功率，具体按照下述步骤进行：

步骤3.1，参数的输入：输入某日光伏理论预测过程；各水电站的发电水量、初始水位、区间入流、水电站的出力系数；系统的负荷需求；输入算法的参数，如种群规模M、最大迭代次数，变异率和交叉率。

步骤3.2，初始化探测种群和开发种群输入：分别生成两组种群，每组种群包含M个决策矩阵(个体)。根据式(11)确定决策变量个数(N+1)T。作为一个决策矩阵，对于前NT个变量采用公式(12)初始化流量值，后T个变量采用公式(13)初始化光伏出力值。

步骤3.3，适应度值计算：计算种群中各决策矩阵的适应度值。根据水量平衡公式，通过初始化的流量值、各水电站初始水位、区间入刘以及各水电站的水力联系，计算水电出力值；将初始化的光伏出力值和计算得到水电出力值代入(14)式计算火电出力值；将上式出力值以及计算过程中的中间变量代入适应度函数(18)式，计算适应度值。对M决策矩阵的适应度值进行比较，标记处两组种群中各自的精英决策矩阵。

步骤3.4，执行精英策略。对种群X₁和X₂中，除精英决策矩阵以外的决策矩阵，进行选择、交叉和变异遗传操作，计算各决策矩阵的适应度值，将适应度差的决策矩阵(个体)用精英决策矩阵(个体)替代。

步骤3.5，最优决策矩阵(个体)的识别。分别评价种群X₁和X₂中决策矩阵的适应度值，并对种群内各决策矩阵的适应度值进行比较，记录当前代中，适应度最优的决策矩阵(个体)的位置和适应度值。

步骤3.6，判断是否采用移民操作。判断进化代数是否等于迁移代数，若不满足，返回Step2，继续进行迭代遗传操作，否则进行移民操作。

步骤3.7，移民操作。将种群X₁和X₂的最优决策矩阵取出，再从每个种群中随机选取num决策矩阵，将这两个种群中num+1个决策矩阵(个体)进行互换，完成相互之间的信息交流，弥补各自种群进化的缺陷。

步骤3.8，终止判断。返回③，重新计算种群X₁和X₂中各决策矩阵的适应度值，记录各自种群中的最优决策矩阵(个体)。然后，判断当前代数是否满足终止条件，若不满足，则继续迭代计算，若满足，终止操作，输出最优解。

本发明面向光伏消纳的水-火-光联合优化调度方法，主要针对需要火电参与补偿调节的情况进行分析，如图1所示，在补偿光伏出力时，水电的可调容量或电量不足时，就需要水火联调补偿光伏出力。本文中梯级水电站调度采取“以水定电”方式，考虑火电参与补偿，在保证安全经济的前提下，火电要为光伏消纳腾出尽可能大的消纳空间，同时要求火电平稳，则水电除了要承担一部分来自消纳光伏的波动外，还要承担火电为消纳光伏所带来的波动。如图2所示，如若水电可平抑火电为消纳光伏所带来的波动，则火电不承担消纳光伏所带来的调峰任务，否则，火电则需要承担相应的调峰任务。通过这种方式，可以使得水电充分发挥自身的调峰潜力消纳光伏，同时也有效的利用了火电的调峰能力。

步骤1中，将电力系统消纳的光伏出力值(优化出力值)与光伏理论出力值的差值的最小值作为主要目标之一，采用水火光联调模式，为了达到水电充分发挥调节容量、火电节省电量的目的，采取火电波动，即减少火电调峰带来的爬坡煤耗，为火电机组安全运行提供保障，因此，采用火电方差概化火电出力波动作为另一个目标。

实施例

选择黄河上游青海境内调节性能较好的5座水电站，联合火电、光伏，进行互补联合调节。选择2015年作为调度计算的典型年，按照光伏出力大、弃光较多的原则分别选取2月7日、5月23日、7月23日和10月20日作为防凌期、春灌期、汛期和秋浇期的典型日，以1h为一个调度时段，建立光伏消纳量最大模型，进行调度计算。该省总装机18432MW，水电总装机11442MW，火电总装机2382MW，光伏总装机4289MW。

根据具体的计算步骤，可以得到不同典型日各电源的上网过程，具体的计算结果如表1所示。

表1不同调度期典型日优化前后发电量对比

从表1可看出，在防凌期典型日、春灌期典型日、汛期典型日和秋浇期典型日，光伏的并网电量分别增加了9.8％、12.3％、5.6％和9.0％。水电与火电的发电量与实际相比均有减少，但减少程度不同，水电略微减少，火电较优化前减少较多。这主要是由于在以水定电的调节方式下，水电的水量已定，流量分配变化仅带来了水位的略微变化，因而水电电量变化不大。由此可见，光伏消纳的增量主要取决于火电为光伏消纳腾出的消纳空间。

从图4防凌期典型日可以看出，水电和火电为配合光伏上网，其出力过程与光伏出力过程相反，在光伏出力减小时段，水电、火电加大出力，在光伏出力加大时段，水电、火电降低出力。该日光伏出力在12:00、13:00和14:00均处于峰值，约3050～3100MW，水电出力最低已降至1000MW(应急下备用容量)仍无法完全消纳光伏，因此由火电补偿消纳，火电最低降至1155MW，调峰深度达到26％，增加光伏的消纳量1747.4MW。可以证明，当水电发挥了现有的最大调峰能力向下调峰，调峰容量仍然不足，无法完全消纳光伏时，由火电补偿消纳，此时光伏的消纳量取决于火电的向下调峰能力。

由图5可见，在春灌期典型日，水电为配合光伏上网，其出力过程与光伏出力过程相反，在光伏出力减小时段，水电加大出力，在光伏出力加大时段，水电降低出力。与优化前相比，优化后水电出力，最低降至1030MW，最高达到4853MW，火电出力过程平稳，且整体向下平移13％，未发生向下调峰。这说明在春灌期典型日，受到春灌期下泄水量约束，水电在优化前仍然具有较大的调峰潜力，因此优化后，水电承担了由光伏增加所带来的系统调峰，火电并未进行调峰，从而保证了火电的平稳运行。

由图6可见，在汛期典型日，各电源为配合光伏出力，在光伏出力高峰期，水电出力明显降低；在光伏出力低谷期，水电增加出力，以此补偿光伏的波动性。由优化前后对比可见，优化后水电出力最大为6358MW，最小为2288MW，火电出力已低至568MW，基本无向下调峰能力。这主要是由于汛期典型日来水较多，为了防止弃水，水电多位于基荷运行，调峰受限，进而导致火电受电力电量平衡约束，在系统中承担电量较小，限制了火电的调峰能力，因此，水火电无法更多帮助电网消纳光伏。

由图7可见，在秋浇期典型日，优化后黄河上游梯级水电站最小出力降至1000MW(应急备用下限)，最大达到4705MW，水电以无法向下调峰。在光伏出力高峰期，水电联合火电向下调峰，火电调峰深度与优化前相比略微增加，由表1可见，通过水火电联合，光伏消纳量与优化前相比，增加了9％，此时光伏的消纳量取决于火电的向下调峰能力。

通过对2015年四个调度期4个典型日各电源的实际出力过程分析可知：水电联合配合光伏调峰运行，在白天光伏出力较大时段，降低水电出力，由于不同调度期的调度要求及来水情况不同，为了不产生弃水同时消纳更多的光伏，水电在此时段达到了各时期水电站确定的最小出力值，同时，在水电可调容量及补偿电量不足时，考虑火电参与补偿光伏消纳，为光伏消纳提供更多的空间。

Claims (2)

1.面向光伏消纳的水-火-光联合优化调度方法，其特征在于，具体按照下述步骤进行：

步骤1，建立基于水火光联调模式的目标函数，按照水火光系统属性，建立约束条件；

步骤2，整合所述目标函数和约束条件得到适应度函数；

步骤3，基于所述适应度函数计算得到水电功率、光伏功率和火电功率；

步骤1中所述目标函数包括光伏消纳目标函数和火电波动目标函数；

所述光伏消纳目标函数根据电力系统消纳的光伏理论出力值与光伏优化出力值的差值建立：

所述火电波动目标函数采用火电方差概化火电出力波动建立：

其中，T为电力系统的调峰时段数，N_Pb,t为第t个时段光伏理论出力，N_Pf,t为第t个时段光伏优化出力值，N_h,t为第t个时段火电出力值；

步骤1中所述约束条件包括电力约束条件和水力约束条件，其中电力约束条件包括电力平衡约束、火电出力约束、光伏出力约束和水电出力约束；水力约束条件包括发电水量约束、水量平衡约束、下泄流量约束和库容约束；

所述电力平衡约束为：

其中，N_hk,t为水电站k在第t个时段的发电量，N_F,t为第t个时段的负荷值；

所述火电出力约束为：

其中，

为火电在第t个时间段允许的最小出力限制，

为火电在第t个时间段允许的最大出力限制；

所述光伏出力约束为：

其中，

为光伏在第t个时间段允许的最小优化出力限制，

为光伏在第t个时间段允许的最大优化出力限制；

所述水电出力约束为：

其中，

为水电站k允许的最小出力限制，

为水电站k允许的最大出力限制；N_hk,t为水电站k的出力；

所述发电水量约束为：

其中，Δt为时间差，c为梯级水库群发电水量约束；

所述水量平衡约束为：

V(k,t+1)＝V(k,t)+(I(k,t)-Q(k,t)+q(k,t-τ))Δt (8)

其中，V(k,t+1)为水电站k在第t+1时刻的库容，V(k,t)为水电站k在t时刻的库容，I(k,t)为水电站k在第t时刻的入流，Q(k,t)为水电站k在第t时刻的出力，q(k,t-τ)为滞留时间为τ的区间入流，Δt为时间间隔；

所述下泄流量约束为：

其中，

为水电站k在第t个时段的最小下泄流量，

为水电站k在第t个时段的最大下泄流量，Q_hk,t为水电站k在第t个时段的下泄流量；

所述库容约束为：

其中，

为第k个水电站的库容的最小约束，

为第k个水电站的库容的最大约束，V_hk,t为水电站k在第t时段的库容；

步骤2具体按照下述步骤进行：

步骤2.1，个体结构和初始化，采用下泄流量和光伏优化出力值作为决策变量，得到决策变量初始化矩阵：

步骤2.2，计算系统基本约束：

A，根据所述发电水量约束和下泄流量约束，得到各水电站的下泄流量为：

其中，C_n表示发电水量；

B，结合水位库容、库容流量曲线，基于水量平衡约束得到末库容；

C，根据光伏的预测信息，将光伏的理论发电能力作为光伏序列的上限，将零确定为光伏序列下限，得到光伏的优化出力：

D，通过电力平衡约束计算火电出力的过程：

步骤2.3，根据所述各水电站的下泄流量、末库容和光伏、优化出力和火电出力的过程与系统要求的合理区间比较，判断计算系统待惩罚约束：

a，计算库容的待惩罚出力约束：

b，计算水电的待惩罚出力约束：

c，计算火电的待惩罚出力约束：

步骤2.4，根据目标函数和库容的待惩罚出力约束、水电的待惩罚出力约束、火电的待惩罚出力约束，采用外点罚函数法得到适应度函数：

其中，k₁和k₂为两目标函数的协调系数，μ_i为无穷大数。

2.根据权利要求1所述的面向光伏消纳的水-火-光联合优化调度方法，其特征在于，步骤3中使用双种群算法求解适应度函数，得到水电功率、光伏功率和火电功率。

Images