CN115640982B

CN115640982B - 基于抽水蓄能优先调节的多能互补系统日前优化调度方法

Info

Publication number: CN115640982B
Application number: CN202211442469.1A
Authority: CN
Inventors: 杨威嘉; 李旭东; 赵志高; 王冉; 殷秀兴
Original assignee: Wuhan University WHU
Current assignee: Wuhan University WHU
Priority date: 2022-11-18
Filing date: 2022-11-18
Publication date: 2023-03-31
Anticipated expiration: 2042-11-18
Also published as: CN115640982A

Abstract

本发明属于电力系统优化运行技术领域，公开了基于抽水蓄能优先调节的多能互补系统日前优化调度方法，包括建立风‑光‑水‑火‑抽水蓄能多能互补系统的日前优化调度模型，将运行成本最小和碳排放量最低作为目标函数，多能互补系统中各能源调度的顺序依次为：风电与光伏、抽水蓄能、常规水电站、火电厂；基于各能源的基础数据，采用多目标混合粒子群算法对日前优化调度模型进行求解得到Pareto解集，基于隶属度函数选取一个最优折中解作为日前优化调度方案。本发明可降低多能互补系统的运行成本和碳排放量，释放常规水电和火电机组调节压力，能有效地应用于“水风光火储一体化系统”的运行管理中。

Description

基于抽水蓄能优先调节的多能互补系统日前优化调度方法

技术领域

本发明属于电力系统优化运行技术领域，更具体地，涉及一种基于抽水蓄能优先调节的多能互补系统日前优化调度方法。

背景技术

目前，火力发电在中国电力系统中仍占主要地位，若仅依靠电力系统中火电机组的灵活性对可再生能源进行调节，必将造成火电机组频繁启停，严重威胁电网运行的安全性与经济性，且不利于低碳减排工作。由于水电技术成熟、具有优质的调节能力，近年来已有水火联合调度的一些尝试，但水资源不确定性和有限性使水电不足以满足人们日益增长的调节需求。破解上述困境的一种方法是利用抽水蓄能电站灵活的存储特性，使能量能够从整个系统中重新分配。因此含有抽水蓄能的风-光-水-火-抽水蓄能多能互补系统协同优化调度研究备受关注。

归纳现有技术，我们发现风-光-水-火-抽水蓄能多能互补系统协同优化调度研究主要存在以下不足：1）研究对象方面：很多研究关注风-水-火、风-光-水-火等系统，针对风-光-水-火-抽蓄多能互补系统优化运行研究较少，不完全适用于我国能源发展现状和未来趋势；2）调度目标方面：虽然部分研究关注了风-光-水-火-抽蓄多能互补系统协同优化调度问题，但调度目标仍限于经济调度，考虑碳排放的研究较少；3）模型求解方面：目前对常规水电和抽水蓄能同时存在的多能互补调度问题研究较少，少量研究将抽水蓄能考虑为梯级水电站调度过程的一个分支，通过水力联系使两者形成整体；4）子系统特性分析方面：许多研究仅根据目标函数值来评判多能互补系统优劣、变化，对子系统运行、调节强度缺乏评价指标和定量分析。

发明内容

为克服上述现有技术存在的不足，本发明提供一种基于抽水蓄能优先调节的多能互补系统日前优化调度方法，能够降低风-光-水-火-抽水蓄能多能互补系统的运行成本和碳排放量，释放常规水电和火电机组调节压力。

本发明提供一种基于抽水蓄能优先调节的多能互补系统日前优化调度方法，包括以下步骤：

建立风-光-水-火-抽水蓄能多能互补系统的日前优化调度模型；所述日前优化调度模型包括目标函数和约束条件；将多能互补系统的运行成本最小和所述多能互补系统的碳排放量最低作为所述目标函数；所述多能互补系统中各能源调度的顺序依次为：风电与光伏、抽水蓄能、常规水电站、火电厂；

获取各能源的基础数据；

基于所述各能源的基础数据，采用多目标混合粒子群算法对所述日前优化调度模型进行求解，求解的过程中基于所述约束条件进行约束处理，得到Pareto解集；

基于隶属度函数，从所述Pareto解集中选取一个最优折中解，并作为日前优化调度方案。

优选的，所述目标函数包括第一目标函数和第二目标函数；

所述第一目标函数如下：

式中，

为第一目标函数，对应多能互补系统的运行成本；N为火电厂的火电机组的数量；T为时段数目；

为第j台火电机组在i时段的启停状态，

表示机组开启，

表示机组关闭；

为第j台火电机组在i-1时段的启停状态；

为第j台火电机组在 i时段的启动成本；

为第j台火电机组在i时段的出力；

、

、

分别为第j台火电机组的运行成本系数；

表示第j台火电机组的火电热启动成本；

表示第j台火电机组的火电冷启动成本；

为第j台火电机组的最小停机时长，

为第j台火电机组在i时段的累计停机时长，

为第j台火电机组的冷启动时长；

所述第二目标函数如下：

式中，

为第二目标函数，对应多能互补系统的碳排放量；

、

、

分别为第j 台火电机组的碳排放系数。

优选的，所述日前优化调度模型还包括评价指标，所述评价指标用于衡量所述多能互补系统的运行状况和调节强度。

优选的，所述评价指标包括：火电厂运行小时数、常规水电站调节里程和抽水蓄能电站启停次数。

优选的，所述常规水电站调节里程表示为：

式中，

为常规水电站调节里程，

为水电机组的额定功率，T为时段数目，为水电机组在i时刻的出力，

为水电机组在i+1时刻的出力。

优选的，所述各能源的基础数据包括风电出力、光伏出力、多能互补系统的负荷、常规水电站的水库入流量。

优选的，所述约束条件包括：所述多能互补系统的系统约束条件、新能源约束条件、水电站约束条件、火电厂约束条件和抽水蓄能电站约束条件；

所述多能互补系统的系统约束条件包括系统功率平衡约束和系统旋转备用约束；所述新能源约束条件包括风电出力约束和光伏出力约束；所述水电站约束条件包括水电站的出力约束、水库库容约束和水库流量约束；所述火电厂约束条件包括火电机组出力约束、爬坡速率约束和最小启停时间约束；所述抽水蓄能电站约束条件包括抽水蓄能电站的发电功率约束、抽水功率约束、工况约束和库容约束。

优选的，对所述日前优化调度模型进行求解时，将所述日前优化调度模型划分为四个子模型进行求解，所述四个子模型分别为风电与光伏子模型、抽水蓄能子模型、常规水电站子模型、火电厂子模型。

优选的，采用多目标混合粒子群算法对所述日前优化调度模型进行求解包括如下步骤：

步骤1、设定风电、光伏全额入网，计算所述多能互补系统除去新能源后的剩余负荷；

步骤2、建立所述多能互补系统的决策变量矩阵并设置参数；所述决策变量矩阵包括抽水蓄能的抽水功率变量和发电功率变量、常规水电站的流量变量、火电厂的机组运行状态变量；所述参数包括种群大小、迭代次数、学习因子、惯性权重；

步骤3、种群初始化；

步骤4、进行约束处理；

步骤5、将各参数超出约束值构建为惩罚函数，并添加至所述目标函数；

步骤6、计算所述目标函数的适应度值；

步骤7、根据所述适应度值确定非支配解，更新粒子速度和位置，并继续执行步骤4至步骤7，直至达到最大迭代次数时输出Pareto解集。

优选的，所述步骤4中进行约束处理包括如下子步骤：

步骤4.1、针对抽水蓄能的库容约束、抽水功率约束、发电功率约束进行处理；

步骤4.2、针对水电站的水库库容约束、出力约束进行处理；

步骤4.3、针对火电厂的爬坡速率约束、最小启停时间约束、出力约束进行处理；

步骤4.4、通过系统功率平衡约束将各个子模型进行耦合。

本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：

在本发明中，构建了风-光-水-火-抽水蓄能多能互补系统的日前优化调度模型，将多能互补系统的运行成本最小和碳排放量最低作为目标函数，多能互补系统中各能源调度的顺序依次为：风电与光伏、抽水蓄能、常规水电站、火电厂，即本发明提出的是一种在常规水电站和抽水蓄能同时存在的情况下抽水蓄能优先调节的调度策略，本发明在新能源外优先调节抽水蓄能，能够释放常规水电和火电机组调节压力，减少因机组频繁调节而造成的损耗，提高多能互补系统的经济性、降低碳排放量。本发明基于各能源的基础数据，采用多目标混合粒子群算法（MOHPSO）对日前优化调度模型进行求解，求解的过程中基于日前优化调度模型的约束条件进行约束处理得到Pareto解集；最后基于隶属度函数，从Pareto解集中选取一个最优折中解，并作为日前优化调度方案。此外，本发明还提出了将日前优化调度模型分解为4个子模型的求解方法，并引入了常规水电站调节里程等衡量子系统运行情况和调节强度的指标，有助于对子系统的运行、调节强度进行评价和分析。本发明提供的调度方法能有效地应用于“水风光火储一体化系统”和“综合能源基地”的运行管理中。

附图说明

图1为本发明实施例提供的一种基于抽水蓄能优先调节的多能互补系统日前优化调度方法的原理流程图；

图2为风电出力值、光伏出力值、多能互补系统剩余负荷；

图3为3个实验组（方案S1、方案S2、方案S3）的Pareto解集；

图4为方案S1求出的20组解归一化隶属度值；

图5为3个实验组对应的多能互补系统出力计划；

图6为3个实验组对应的常规水电站下泄流量；

图7为3个实验组对应的常规水电站水库库容；

图8为3个实验组对应的目标函数值和各子系统评价指标值；其中，图8中的(a)为系统运行成本，图8中的(b)为碳排放量，图8中的(c)为常规水电调节里程，图8中的(d)为火电机组运行时间。

具体实施方式

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

本实施例提供一种基于抽水蓄能优先调节的多能互补系统日前优化调度方法，参见图1，包括以下步骤：

步骤1：建立风-光-水-火-抽水蓄能多能互补系统的日前优化调度模型。

所述多能互补系统中各能源调度的顺序依次为：风电与光伏、抽水蓄能、常规水电站、火电厂，即本发明建立的是基于抽水蓄能优先调节的风-光-水-火-抽水蓄能多能互补系统日前优化调度模型。

本发明为响应节能发电调度政策并促进风电和太阳能发展，多能互补系统中各能源调度顺序依次为：不可调可再生能源（风电和光伏）、可调可再生能源（抽水蓄能电站与常规水电站）、可调不可再生能源（火电厂）。

所述日前优化调度模型包括目标函数和约束条件。

（1）目标函数。

将多能互补系统的运行成本最小和所述多能互补系统的碳排放量最低作为所述目标函数。

具体的，所述目标函数包括第一目标函数和第二目标函数。

所述第一目标函数如下：

式中，

为第j台火电机组在i时段的启停状态，

表示机组开启，

表示机组关闭；

为第j台火电机组在i-1时段的启停状态；

为第j台火电机组在i 时段的启动成本；

为第j台火电机组在i时段的出力；

、

、

分别为第j台火电机组的运行成本系数；

表示第j台火电机组的火电热启动成本；

表示第j台火电机组的火电冷启动成本；

为第j台火电机组的最小停机时长，

为第j台火电机组在i时段的累计停机时长，

为第j台火电机组的冷启动时长。

由于多能互补系统中可再生能源和常规水电、抽水蓄能均不消耗燃料，且常规水电站和抽蓄的成本主要为建设成本，简化起见，在短期调度时其运行成本可忽略，故多能互补系统运行成本主要为火电机组的燃煤成本和启停成本。

所述第二目标函数如下：

式中，

为第二目标函数，对应多能互补系统的碳排放量；

、

、

分别为第j台火电机组的碳排放系数。

可再生能源、常规水电和抽水蓄能均为清洁能源，多能互补系统的碳排放主要源于火电厂燃烧燃料。为减缓温室效应和实现碳中和目标，本发明考虑多能互补系统的碳排放量最低，即火电厂碳排放量最低。

（2）约束条件。

所述约束条件包括：所述多能互补系统的系统约束条件、新能源约束条件、水电站约束条件、火电厂约束条件和抽水蓄能电站约束条件。

（2.1）多能互补系统的系统约束条件，包括系统功率平衡约束和系统旋转备用约束。

由于电能不具有大量储存的特性，故多能互补系统应实现供电与负荷需求之间的平衡。不考虑系统网损，系统功率平衡方程为：

其中，i为时间尺度（h）；

为i时段风电场实际调度出力（MW）；

为i时刻光伏电站实际调度出力（MW）；

为i时段水电站出力（MW）；

为i时段火电厂出力（MW）；

为 i时段抽水蓄能电站出力（MW），

表示放水发电，

表示抽水储能；

为i时段多能互补系统的负荷值（MW）。

旋转备用可分为上旋转和下旋转，分别表示发电输出和最大/最小可调功率输出之间的差异。

其中，

为旋转备用容量（MW）；

、

分别为火电厂最小、最大出力（MW）。

（2.2）新能源约束条件，包括风电出力约束和光伏出力约束。

新能源（风电和光伏）的出力限制约束如下：

其中，

、

分别为风电场、光伏电站最大出力（MW）。

（2.3）水电站约束条件，包括水电站的出力约束、水库库容约束和水库流量约束。

即设置水电站出力限制和水量平衡约束。水电站出力与水轮机流量和水库库容呈非线性关系，可将其表示为二元二次多项式：

其中，

为i时段水库库容（10⁴m³）；

为i时段水电站下泄流量（10⁴m³）；

为水力发电系数，n取1~6。

水电站出力限制约束如下：

其中，

、

分别为i时段水电站最大、最小出力。

水电站水量平衡约束如下：

(a)水库库容约束：

其中，

、

分别为i时段水电站最大、最小库容（10⁴m³），

为i时段水库入流量（10⁴m³），

为i时段水库溢流量（10⁴m³），

、

分别为水电站初始、末库容（10⁴m³），

为水电站始末库容比例系数。

(b)水库流量约束：

其中，

、

分别为水电站最小、最大流量（10⁴m³）。

（2.4）火电厂约束条件，包括火电机组出力约束、爬坡速率约束和最小启停时间约束。

(a)火电机组出力限制约束：

其中，

、

分别为第j台火电机组出力最小、最大值（MW）。

(b)爬坡速率约束：

其中，

、

分别为第j台火电机组最大增、减出力速率（MW/h），

为时间间隔。

(c)最小启停时间约束：

其中，

为第j台机组最小运行时长（h），

为第j台机组至i时刻运行时长（h），

为第j台机组最小停机时长（h），

为第j台机组至i时刻停机时长（h）。

（2.5）抽水蓄能电站约束条件，包括抽水蓄能电站的发电功率约束、抽水功率约束、工况约束和库容约束。

将上水库库容转化为电能（MWh），下水库库容考虑为无穷大（∞），后文所提抽水蓄能水库均指上水库。

(a)放水发电功率约束（

）：

其中，

、

分别为抽水蓄能电站最大、最小发电功率（MW），

为i时段抽水蓄能电站上水库库容（MWh），

为时间间隔（h），

为抽水蓄能电站抽水储能效率，

为抽水蓄能电站放水发电效率，

、

分别为抽水蓄能电站在第i时段的抽水功率、发电功率（MW），

为抽水蓄能水库最大储能量（MWh）。

(b)抽水储能功率约束（

）：

其中，

、

为抽水蓄能电站最大、最小抽水功率（MW）。

(c)工况限制约束：

抽水蓄能有放水发电和抽水储能两种工况，两种工况不同时发生。

(d)库容限制约束：

对于日调节抽水蓄能电站，为保证抽水蓄能下一个调度周期的正常运行，抽水蓄能初始库容和末库容应保持在一定范围。

其中，γ为始末库容比例系数；

、

为抽水蓄能电站初始、末库容（MWh）。

优选的方案中，本发明提出的所述日前优化调度模型还包括评价指标，所述评价指标用于衡量所述多能互补系统的运行状况和调节强度。

所述评价指标包括：火电厂运行小时数、常规水电站调节里程和抽水蓄能电站启停次数。下面对各个评价指标进行说明。

(a)火电厂运行小时数（

）；

其中，TTO为火电厂运行小时数（h）。火电厂运行小时数越大意味着火电运行时间越长、机组损耗也越大，该指标越大意味着火电机组参与调节的时间就越多，就越不利。

(b)常规水电站调节里程（

）；

其中，

为常规水电站调节里程（MW²），

越大表示机组调节强度越大，对机组造成的磨损越大；

为水电机组的额定功率，T为时段数目，

为水电机组在i时刻的出力，

为水电机组在i+1时刻的出力。

(c)抽水蓄能电站启停次数（

）。

其中，

为抽水蓄能电站启停次数，抽水蓄能机组过于频繁启停会对抽水蓄能机组造成损害，也会增加水头损失，一般日调节抽水蓄能电站设计运行强度为2抽1发，即启停3次；

、

分别为抽水蓄能发电、抽水状态，1/0代表开/关。

、

的i为0表示一天（24h）中1:00的前一时刻，i为25表示一天中24:00的后一时刻。

步骤2：获取各能源的基础数据；基于所述各能源的基础数据，采用多目标混合粒子群算法对所述日前优化调度模型进行求解，求解的过程中基于所述约束条件进行约束处理，得到Pareto解集。

其中，所述各能源的基础数据包括风电出力、光伏出力、多能互补系统的负荷、常规水电站的水库入流量。

采用多目标混合粒子群算法对所述日前优化调度模型进行求解包括如下步骤：

Step 1：设定风电、光伏全额入网，计算所述多能互补系统除去新能源后的剩余负荷。

本发明提供的抽水蓄能优先调节模式是抽水蓄能优先参与调节净负荷（风光并网后的剩余负荷）、水电与火电后参与调节的运行模式。风电、光伏全额入网后多能互补系统剩余负荷为：

其中，

为风电、光伏全额入网后多能互补系统的剩余负荷，

为多能互补系统的负荷，

为风电场出力，

为光伏电站出力。

Step 2：建立所述多能互补系统的决策变量矩阵并设置参数；所述决策变量矩阵包括抽水蓄能的抽水功率变量和发电功率变量、常规水电站的流量变量、火电厂的机组运行状态变量（二进制型决策变量）；所述参数包括种群大小、迭代次数、学习因子、惯性权重等。

所述决策变量矩阵可表示为：

例如，

为抽水蓄能在时段3的功率（放水发电功率或抽水储能功率），

为水电站在时段3的下泻流量，

为第1台火电机组在时段3的启停状态。

Step 3：种群初始化。

Step 3.1：在约束范围内采用混沌算法原理生成初始种群；

Step 3.2：设置迭代计数器为n=1。

Step 4：进行约束处理。

Step 4.1：针对抽水蓄能的库容约束、抽水功率约束、发电功率约束进行处理。

设定抽水蓄能优先参与调节，并定义抽水蓄能调节后的剩余负荷为净负荷（分配给常规水电和火电机组的负荷），具体处理步骤为：

Step 4.1.1：根据约束条件中放水发电功率约束求解得到抽水蓄能库容E；

Step 4.1.2：根据约束条件中库容限制约束求解得出E的违反程度ΔE；

Step 4.1.3：若|ΔE|<δ，则无需处理，否则需回溯处理，具体为：

1）ΔE＜-δ，计算平均违反程度，并调整抽水储能和放水发电功率：

2）ΔE>δ，调整抽水储能和放水发电功率：

Step 4.1.4：根据约束条件中库容限制约束计算和检查E，返回至Step 4.1.2；

Step 4.1.5：输出净负荷值。

其中，

为除去抽水蓄能电站出力后多能互补系统的剩余负荷，

为抽水蓄能电站出力。

Step 4.2：针对水电站的水库库容约束、出力约束进行处理。

常规水电站约束处理方式与抽水蓄能电站相同，常规水电调节后的剩余负荷为：

其中，

为除去常规水电站出力后多能互补系统的剩余负荷，

为常规水电站出力。

Step 4.3：针对火电厂的爬坡速率约束、最小启停时间约束、出力约束进行处理。

Step 4.3.1：根据约束条件中爬坡速率约束和最小启停时间约束确定火电机组状态

；

Step 4.3.2：根据约束条件中出力限制约束和爬坡速率约束，与抽水蓄能约束处理方式相同，通过回溯处理迭代求解出负荷分配情况。

Step 4.4：通过系统功率平衡约束将各个子模型进行耦合。

即针对抽水蓄能、常规水电站和火电厂的复杂约束进行处理，并通过多能互补系统功率平衡约束将四个子系统进行耦合。

Step 5：将各参数超出约束值构建为惩罚函数，并添加至所述目标函数。

Step 6：计算所述目标函数的适应度值。

Step 7：根据所述适应度值确定非支配解，更新粒子速度和位置，并继续执行Step4至Step7，直至达到最大迭代次数时输出Pareto解集。

优选方案中，对所述日前优化调度模型进行求解时，可将所述日前优化调度模型划分为四个子模型进行求解，所述四个子模型分别为风电与光伏子模型、抽水蓄能子模型、常规水电站子模型、火电厂子模型。由于本发明所建模型是一个大规模、多维数、多时段、多约束非连续问题，因此根据各能源调度顺序将多能互补模型划分四个子模型能够降低多目标优化问题庞大的维数，简化求解的复杂性。

步骤3：基于隶属度函数，从所述Pareto解集中选取一个最优折中解，并作为日前优化调度方案。

由于多目标优化时，各个目标不能够同时达到最优解，所以使用MOHPSO算法得出的结果是一个Pareto解集，只能从Pareto最优解集中折中选取一个综合结果最好的值作为最优解。一般根据实际情况可以有侧重的选取，本发明参考模糊控制中的隶属度函数的概念，采用归一化隶属度的方法从Pareto最优解集中选取一个最优折中解，使得更有说服力。

Step 3.1：隶属度函数的取值范围为0~1，目标函数值越小则对应的隶属度越大，越符合选择要求，也符合MOHPSO算法的选择规律。本发明采用线性隶属度函数：

其中，

为第j个目标函数值，

，这里由于目标函数最值无法提前确定，故取计算出的最终的Pareto最优解集中各目标函数的最值作为对应范围。

Step 3.2：计算出每个非支配解的隶属度

以及归一化隶属度值

，计算式如下：

其中，m为非支配解的个数，z为目标函数的个数。

Step 3.3：计算后选取归一化隶属度值最大的解即为最优解。

综上，本发明提出一种基于抽水蓄能优先调节的多能互补系统日前优化调度方法，可以优化电源结构、缓解可再生能源对电网的冲击、提高多能互补系统的经济性、降低碳排放量、释放了常规水电和火电机组的调节压力、减少了因机组频繁调节而造成的损耗，为多能互补系统调度运行提供支撑。

为验证本发明的效果，下面以某能源基地（风电装机容量500MW，光伏装机容量300MW，水电装机容量300MW，火电总装机容量1662MW，抽水蓄能装机容量150MW）为多能互补模拟系统，定量分析抽水蓄能是否参与调节、抽蓄调节次序对多能互补系统运行的影响，下面设置3个实验组：无抽蓄参加-S1、抽蓄优先调节-S2（即本发明）和常规水电优先调节-S3的运行模式，并进行详细说明：

步骤（1）：设定风电、光伏全额入网。

风电出力值、光伏出力值、多能互补系统剩余负荷如图2所示，常规水电站24小时入流量如表1所示。

表1常规水电站24h入流量

步骤（2）：设置MOHPSO算法、抽水蓄能电站参数。

MOHPSO算法和抽水蓄能电站的参数分别如表2、表3所示。

表2 MOHPSO参数

表3抽水蓄能电站参数

步骤（3）：基于MOHPSO求解并输出Pareto最优解

基于本发明所建模型和求解方法，运用MOHPSO算法求解得出3个实验组的Pareto解集如图3所示，由该图可以直观看出抽水蓄能参与调度时可降低多能互补系统运行成本和碳排放量，抽蓄优先调节的运行模式优于常规水电优先调节的运行模式。

步骤（4）：最优解选取及结果分析

（1）最优解选取

以图3中S1的Pareto最优解选取方法求出20组解归一化隶属度值如图4所示，由于归一化隶属度值越大约优，故选择第3组为S1的相对最优解。根据图3确定出3种方案各自的相对最优解，各方案详细情况为：多能互补系统出力计划和运行细节分别如图5和表4所示，三个实验组中常规水电站下泄流量情况图6如所示，三个实验组中常规水电站水库库容情况如图7所示，三个实验组中目标函数值和各子系统评价指标值如图8所示，其中图8中的(a)为系统运行成本，图8中的(b)为碳排放量，图8中的(c)为常规水电调节里程，图8中的(d)为火电机组运行时间。

表4多能互补系统运行细节参数

（2）结果分析。

1）抽水蓄能是否参与调节。

本节针对S1（无抽蓄）和S2（抽蓄优先调节）2种运行模式进行分析。由图5分析可知，不同运行模式时火电机组的出力差别较大，为应对可再生能源的波动性和调峰需求，S1模式先后启动了全部火电机组，并且在21点负荷最高峰时10台机组均在出力；S2模式先后启动了1-7台机组，同样在21点7台机组全部出力，用于调峰需要，这一情况也可以从表4看出。表4包括3个实验组各时段多能互补系统中火电机组启停情况（1/0代表开/关）、启停成本和燃料成本，分析可知，火电机组1-3由于其优越的经济性和较低的碳排放量，在S1、S2中均保持开启状态以提供基荷。机组8-10因其效率低、污染大，非必要时段均保持关闭状态，但S1模式由于调峰需要在19：00-22：00时段开启了这3台低性能机组，而S2模式8-10号机组始终保持关闭状态。

由图5分析可知，抽水蓄能的抽水与发电工况与剩余负荷（除去风光）的波动情况高度相关，其主要在1：00-5：00的负荷低谷时段抽水储能，在18：00-22：00的负荷高峰时段放水发电，经抽水蓄能调节后的净负荷方差为10069、最大峰谷差为345MW，较多能互补系统未接入抽蓄时，分别下降了63.52%、45.15%，这充分体现出抽水蓄能的调峰填谷作用。由图8分析可知，抽水蓄能的加入导致多能互补系统运行成本降低11698$（启停成本和燃料成本分别降低470$和11228$）、碳排放量减少2524kg、常规水电调节里程减少25276MW²、火电机组运行时间减少12h。

2）抽蓄优先调节模式的优势：不同调节次序的对比。

由于常规水电和抽水蓄能均为可调可再生能源，两者调节顺序对多能互补系统的影响以及抽水蓄能的加入对常规水电站的影响有待研究，此节主要针对抽水蓄能不同调节顺序进行对比分析，即针对S2和S3模式进行分析。由图5分析可知，S2与S3模式下抽水蓄能出力情况相似，均为负荷低谷抽水、负荷高峰发电，启停次数均为3次（2抽1发）。结合图6、图7和表1可以看出，S3模式常规水电站下泄流量、水库库容变化与负荷变化和出力情况保持一致趋势，在1：00-6：00的负荷低谷时段由于剩余负荷（除去风光）呈逐渐增加趋势，常规水电站下泄流量也随之变化导致水库库容呈减小趋势；在18：00-22：00的负荷高峰时段常规水电站为响应调峰需求，下泄流量大于入流量，使得水库库容也呈现减小趋势。正是由于常规水电站调节（尤其是调峰）的需要，导致其调节强度较大，后期通过抽水蓄能一定的调节使剩余负荷（除去风光、常规水电、抽水蓄能出力）方差降至9271，最大峰谷差降至340MW。但S2模式由于抽水蓄能的调峰填谷作用使净负荷更平稳，使常规水电站不需要频繁改变出力以应对负荷波动，经抽蓄和常规水电调节后的剩余负荷（除去风光、常规水电、抽水蓄能出力）方差为8831，最大峰谷差为336MW。此时，常规水电站除调峰时段仍需响应外，其它时段出力较为平稳。常规水电站的出力波动情况和调节强度也可从图8的调节里程看出，S2模式调节里程为63643MW²，S3模式则为97689MW²。

通过对上述3种运行模式进行对比分析，可知本发明具有如下优点和效果：

（1）较常规水电优先调节模式，本发明所提出的调度模式通过优化电源结构使得多能互补系统经济性提高0.98%，碳排放量降低0.64%，子系统中的常规水电站调节里程和火电机组运行小时数分别降低34.85%和4.72%，而抽水蓄能均为2抽1发；

（2）本发明提出的抽水蓄能优先调节的多能互补运行模式可以优化电源结构、缓解可再生能源对电网的冲击、提高多能互补系统的经济性、降低碳排放量、释放了常规水电和火电机组的调节压力、减少了因机组频繁调节而造成的损耗；

（3）针对抽水蓄能与常规水电站无直接水力联系的多能互补系统优化调度求解问题，本发明通过将多能互补系统调度模型分解为4个子系统，并分部计算的求解方法可以降低多目标优化问题庞大的维数和规模，简化求解的复杂性。

最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。