基于短期機組組合的含風電場滾動優化調度研究

栗 然，李永彬，黨 磊

(華北電力大學 新能源電力系統國家重點實驗室，河北 保定 071003)

?

基于短期機組組合的含風電場滾動優化調度研究

栗 然，李永彬，黨 磊

(華北電力大學 新能源電力系統國家重點實驗室，河北 保定 071003)

大規模風電并網為電力系統有功調度帶來很大的不確定性，考慮到超短期風電功率預測相較日前預測精度更高，滾動調度成為解決這一問題的有效途徑。在保證電力系統安全可靠運行的前提下，為了進一步提高電力系統運行的經濟性，給出了一種基于短期機組組合的滾動調度策略并建立了優化模型，該調度策略通過實時經濟調度實現日前與日內發電計劃的協調。算例驗證表明，與傳統意義上只改變機組出力的滾動調度相比，短期機組組合滾動調度策略通過優化靈活啟停機組的啟停過程，進一步提高了滾動調度模型的經濟性和環保性，因此對電力系統的有功調度具有一定參考意義。

風功率預測；滾動調度；短期機組組合(STUC)；發電計劃

0 引 言

風能作為一種新能源，因其具有可再生、污染小等諸多優點而備受親賴。截至2015年6月底，全國風電累計并網容量達到105 53萬kW[1]。然而，在大規模風電并網帶來經濟效益和環境效益的同時，電力系統的有功調度也面臨著挑戰。

大規模風電接入電網后，風能的波動性和隨機性使得電力系統有功調度存在很大的不確定性[2]，已有大量文獻對含風電場的電力系統有功調度進行了研究。文獻[3]考慮了風電波動性，在動態經濟調度模型中把風電看作隨機變量，引入了概率約束條件；文獻[4]在分析含風電場電力系統動態經濟調度時，加入了風險備用約束；文獻[5]分別以隨機模糊變量、區間形式描述風電功率和負荷預測的不確定性，建立了多目標優化調度模型；文獻[6]從需求側響應的角度出發，提出了利用需求側響應資源的特性以提高電力系統的風電消納能力；文獻[7]利用儲能系統減小風電功率的波動，從而提高風電調度的入網規模，并對儲能系統的經濟性做出評價。

近幾年，隨著風電超短期預測技術的不斷提高[8]，滾動調度成為降低風電不確定性的一種重要途徑。文獻[9]提出了運用滾動發電計劃作為日前發電計劃與實時調度計劃的銜接，實現電力系統有功調度的多時間尺度協調；文獻[10]針對在線滾動調度策略，給出了優化模型并用拉格朗日對偶松弛法求解；文獻[11]研究了日前節能發電調度計劃與實時控制的協調方式，對4種協調方式的特點進行了分析；文獻[12]為了減小預測信息的不確定性，將控制工業中的模型預測控制理論用于超短期調度；文獻[13]分析了風儲聯合發電系統的協調調度方法，在考慮日前計劃的基礎上，提出了一種多時間尺度的滾動協調調度方法。

但是，上述文獻中所涉及到的滾動調度均是在日前發電計劃的基礎上，調整機組的出力，鮮有文獻研究修正機組啟停后的效果。本文認為，在保證電力系統安全可靠運行的前提下，針對具有靈活啟停特性的機組，利用超短期風電功率預測，合理修正日前發電計劃中機組的啟停過程，能夠為電力系統帶來更大的經濟和環境效益。

所以，本文給出一種基于短期機組組合[14]的滾動調度策略，即在日內以15 min為一個采樣點，先進行1 h的實時經濟調度，然后以5h為滾動周期修正靈活啟停機組的啟停過程。采用10機96時段系統算例對短期機組組合調度策略進行了分析，驗證了短期機組組合(STUC)能夠提高電網運行的經濟和環境效益。

1 短期機組組合滾動調度策略

圖1 風電功率曲線Fig.1 Wind power curves

從圖1可以看出，由于風能本身具有隨機性、波動性的特點，使得日前預測風電功率與實測風電功率偏差較大，與日前預測風電功率相比，超短期預測風電功率精度較高。因此，依據超短期預測風電功率對日前機組的發電計劃進行修正，制定日內滾動發電計劃更具有實用性。

系統預留的備用容量取決于風電功率的預測精度。日前預測精度低，系統所需預留備用容量大，相比而言，超短期風電功率預測精度高，系統所需預留的備用容量小。因此，基于超短期預測風電功率數據的日內滾動發電計劃減少了系統所需的備用容量，機組將留有更多的容量空間來平衡系統負荷。而傳統意義上的滾動調度只是對日前機組的出力進行修正，并不調整機組的啟停，這在一定程度上提高了系統的風電接納能力和經濟性。但是，如果能夠利用超短期預測風電功率修正機組的啟停，系統的經濟性將會得到進一步的提高。

針對上述問題，本文采用以下日內滾動調度策略：日內前1 h，以15 min為一個采樣點，根據風電功率超短期預測，進行實時經濟調度，優化機組的出力；日內的剩余時段，以15 min為一個采樣點滾動優化未來5 h的機組組合。該調度策略的示意圖見圖2。

圖2 短期機組組合滾動調度策略Fig.2 Short-term unit commitment rolling dispatch strategy

實時經濟調度通過實時上報的超短期風電功率預測，以15 min為周期調整日前調度決策的機組出力，使各機組運行在最優經濟點附近，優化機組的運行費用。而在日內的剩余時段，為了進一步提高系統的經濟性，采用短期機組組合滾動修正各機組的啟停過程。與小容量機組相比，大容量機組的經濟性能更加優越[13]，因此，在保證系統安全可靠運行的前提下，適當增加大容量機組的出力，盡量避免小容量機組的啟停，能夠提高系統的經濟和環境效益。

2 短期機組組合模型

2.1 目標函數

火電機組的運行成本包括燃料成本和啟停成本，滾動調度的目標函數可以表示為

為了對比不同調度策略下調度計劃的效果，本文從經濟效益和環境效益兩個方面對調度結果進行比較。其中，經濟效益包括機組的啟停成本和燃料成本，環境效益包括CO2和SO2的排放量，其計算公式如下：

式中：αsi,βsi,γsi為機組i的SO2排放函數系數，αci,βci,γci為機組i的CO2排放函數系數。

2.2 約束條件

(1) 功率平衡約束

(2) 火電機組爬坡約束

(3) 火電機組出力約束

式中：pi,min和pi,max分別為第i臺機組的最小和最大出力。

(4) 火電機組開、關機時間約束

(5) 旋轉備用約束

3 短期機組組合模型的求解策略

圖3 短期機組組合滾動調度流程圖Fig.3 Short-term unit commitment rolling dispatch process chart

圖3顯示的是短期機組組合滾動調度的整個流程，通過日前風電功率預測和負荷預測確定日前發電計劃，根據實時運行狀態、超短期預測風電功率，制定滾動調度模塊中的實時經濟調度和短期機組組合，從而實現發電計劃的精確調整。實時經濟調度和短期機組組合滾動調度都屬于電力系統動態經濟調度，本文按照機組的比耗量進行排序，得到機組開關機的最優順序表，各機組按照優先順序表依次啟停，而機組出力以發電成本最小化為目標，考慮約束(5)～(9)，利用PSO算法整定機組出力計劃。短期機組組合的修正策略如下：

假設日內當前時刻為t0(t0≥1 h)，短期機組組合制定[t0,t0+5]內的發電計劃。

步驟1：根據實時上報的超短期風電功率預測值，在日內進行1 h的實時經濟調度，修正各機組出力，使其運行在最優經濟點附近；

步驟2：更新[t0,t0+5]區間內的超短期風電功率，并修改相應的系統備用容量；

步驟3：結合日前發電計劃中機組的啟停過程，判斷各臺機組的日前開機時刻是否包含在滾動周期[t0，t0+5]內。若包含，則根據刷新的風電功率和系統備用容量數據，以機組的燃料費用和啟停費用最小為目標函數制定該滾動周期內的發電計劃，若不包含，則不修正日前發電計劃；

步驟4：如果新制定的發電計劃改變機組的啟停過程，那么在未來的幾個滾動周期內判斷改變啟停計劃的機組是否滿足最小開關機時間約束；如果滿足約束，則允許該次修正，若不滿足約束，放棄該次修正；

步驟5：重復執行步驟2～4，直至更新完日內所有時刻的發電計劃。

4 算例分析

為驗證本文所用方法的可行性，以文獻[15]中10機96時段系統為例進行分析，10臺機組的參數參考文獻[16]。系統中風電接入總容量為199 MW，風電功率曲線、負荷曲線見文獻[13]，負荷在文獻[13]的基礎上擴大至3倍。

由于風電功率的預測精度隨時間推移而減小[17]，本文假設風電預測誤差不超過20%，并且預測誤差隨時間線性增大[18]。

4.1 不同調度策略下調度結果對比

本文對以下兩種調度策略進行對比分析：(1)短期機組組合滾動調度策略下的日內發電計劃；(2)實時滾動調度策略下的日內發電計劃。圖4為根據風電功率預測值，制定的日前96時段發電計劃，即機組啟停和出力的變化。

圖4 日前發電計劃(場景1)Fig.4 Power generation plan of day-ahead(Scenario 1)

圖5 短期機組組合下[21，40]時段發電計劃(場景2)Fig.5 Power generation schedule of time [21，40] within rolling short-term unit commitment(Scenario 2)

圖5是在短期機組組合滾動調度策略下制定的[21，40]時段發電計劃，可以看出在這個區間內3號機組的啟停過程相較日前發生變化，3號機組延時開機。這是由于6號機組的第一個開機時段為[62，73]，7號機組的開機時段是[65，76]，8、9號機組的機時段為[85，88]，10號機組的開機時段是[86，89]，這些時段均不在短期機組組合修正的區間范圍之內，所以機組的啟停過程不變。

圖6是在短期機組組合滾動調度策略下制定的[45，64]時段發電計劃。由圖6可看出，短期機組組合在[45，64]時段內對6號機組的啟停過程進行了修正，7號機組的啟停過程不變。由于8-10號機組的開機時段均不在短期機組組合修正的范圍內，所以這3臺機組的啟停過程并未發生變化。

圖6 短期機組組合下[45，64]時段發電計劃(場景3)Fig.6 Power generation schedule of time [45，64] within rolling short-term unit commitment(Scenario 3)

圖7 短期機組組合下[77，96]時段發電計劃(場景4)Fig.7 Power generation schedule of time [77，96] within rolling short-term unit commitment(Scenario 4)

圖7是制定的[77，96]時段發電計劃。由圖4、圖7可看出，短期機組組合下的日內發電計劃在日前發電計劃的基礎上進行了調整和修正。其中，6號機組延時開機并減少一次啟停，7號機組延時開機，8-10號機組不再開機。這是由于超短期風功率預測使得風電預測的精度大大提高，因此，系統中各機組預留的備用容量減少，大容量機組可以增發功率平衡負荷，避免了小容量機組不必要的啟停。圖8為實時滾動調度下的日內發電計劃。

圖8 實時滾動調度下日內發電計劃(場景5)Fig.8 Power generation schedule within real-time rolling dispatch(Scenario 5)

對比圖4和圖8可以看出，實時滾動調度[13]只是修正日前機組的出力，而不改變日前機組的啟停過程。

4.2 不同場景下經濟和環境效益對比

表1對場景1，4，5的經濟和環境效益進行了比較分析，經濟效益包括機組啟停成本和燃料成本，環境效益考慮了機組的CO2排放量、SO2排放量。

表1 不同調度策略的經濟和環境效益對比

Tab.1 Comparison of economic and environmental benefits between different scheduling strategies

場景機組啟停成本/S|機組燃料成本/S|CO2排放量Ec/kgSO2排放量Es/kg日前發電計劃(場景1)231046536012485070163短期機組組合(場景4)196046249012499869357實時滾動調度(場景5)231046307012319069902

由表1中機組啟停成本可知，場景5與場景1的啟停成本相同，而場景4可以減少啟停成本S| 350。場景5相較場景1的機組燃料成本減少了S| 2 290，場景4與場景1相比燃料成本減少了S| 2 870。場景4、5相較場景1中SO2排放量分別減少了806 kg、261 kg。相比場景1，場景5的CO2排放量減少1 660 kg，而場景4的CO2排放量增加了148 kg。

5 結 論

為了提高電力系統運行的經濟性和環保性，本文給出了一種基于短期機組組合的滾動調度策略，建立了短期機組組合模型，在10機96時段系統中進行了仿真驗證，得出以下結論：

(1) 在保證電力系統安全可靠運行的前提下，文中采用的短期機組組合滾動調度策略能夠減少機組的啟停成本和燃料成本；而傳統的實時滾動調度不改變機組的啟停成本，只能減少燃料成本。兩者相比而言，短期機組組合滾動調度策略具有更好的經濟性。

(2) 與日前發電計劃相比，傳統的實時滾動調度和短期機組組合滾動調度均能不同程度的減少CO2、SO2的排放量，短期機組組合滾動調度策略對提升電力系統運行的環境效益有非常明顯的作用。

[1] 國家能源局. 2015年上半年全國風電并網運行情況[EB/OL]. (2015-07-27).

[2] 張國強, 張伯明, 吳文傳. 考慮風電接入的協調滾動發電計劃[J]. 電力系統自動化，2011, 35(19): 18-22.

[3] 張海峰, 高峰, 吳江, 等. 含風電的電力系統動態經濟調度模型[J]. 電網技術, 2013, 37(5): 1298-1303.

[4] 周瑋, 孫輝, 顧宏, 等. 計及風險備用約束的含風電場電力系統動態經濟調度[J]. 中國電機工程學報, 2012, 32(1): 47-55.

[5] 馬瑞, 康仁, 姜飛, 等. 考慮風電隨機模糊不確定性的電力系統多目標優化調度計劃研究[J]. 電力系統保護與控制, 2013, 41(1): 150-156.

[6] 艾欣, 劉曉. 基于需求響應的風電消納機會約束模型研究[J]. 華北電力大學學報, 2011, 38(3): 17-22.

[7] 雷濤, 鞠立偉, 彭道鑫, 等. 計及碳排放權交易的風電儲能協同調度優化模型[J]. 華北電力大學學報, 2015, 42(3): 97-104.

[8] 江岳文, 溫步瀛. 結合風電功率超短期預測值偏差的實時市場調度[J]. 電力自動化設備, 2015, 35(3): 12-17.

[9] 張伯明, 吳文傳, 鄭太一, 等. 消納大規模風電的多時間尺度協調的有功調度系統設計[J]. 電力系統自動化, 2011, 35(1): 1-6.

[10] 沈偉, 吳文傳, 張伯明, 等. 消納大規模風電的在線滾動調度策略與模型[J]. 電力系統自動化, 2011, 35(22): 136-140.

[11] 王楠, 張粒子, 劉寶成, 等. 日前節能發電調度計劃與實時控制的協調方式[J]. 電力系統自動化, 2012, 36(17): 45-49+55.

[12] 楊冬鋒, 周蘇荃, 魏劍嘯, 等. 基于MPC的超短期優化調度策略研究[J]. 電力系統保護與控制, 2015, 43(11): 21-26.

[13] 黃楊, 胡偉, 閔勇, 等. 考慮日前計劃的風儲聯合系統多目標協調調度[J]. 中國電機工程學報, 2014, 34(28): 4743-4751.

[14] MAKAROW Y V, ETINGOV P V, MA J, et al. Incorporating uncertainty of wind power generation forecast into power system operation，dispatch，and unit commitment procedures[J]. IEEE Transactions on Sustainable Energy, 2011, 2(4): 433-442.

[15] 張曉花, 趙晉泉, 陳星鶯. 節能減排多目標機組組合問題的模糊建模及優化[J]. 中國電機工程學報, 2010, 30(22): 71-76.

[16] ONGSAKUL W, PETCHARAKS N. Unit commitment by enhanced adaptive lagrangian relaxation[J]. IEEE Transactions on Power Systems, 2004, 19(1): 620-628.

[17] 梅生偉, 郭文濤, 王瑩瑩, 等. 一類電力系統魯棒優化問題的博弈模型及應用實例[J]. 中國電機工程學報, 2013, 33(19): 47-56.

[18] CASTRONUOVO E D, LOPES J A P. On the optimization of the daily operation of a wind-hydro power plant[J]. IEEE Transactions on Power Systems, 2004, 19(3): 1599-1606.

Research on Rolling Optimization Dispatch with Wind Farms Based on Short-term Unit Commitment

LI Ran, LI Yongbin, DANG Lei

(State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources，North China Electric Power University, Baoding 071003, China)

Large scale wind power integration brings great uncertainty to the active power dispatch of power system, taking precision of ultra short term wind power forecast into consideration, rolling dispatch is an effective way to solve this problem. On the basis of ensuring the safety and reliability of power system, in order to further improve the economic performance of power system, a kind of short-term unit commitment (STUC) rolling dispatch strategy was proposed in this paper and optimization model of STUC was established. With real-time economic dispatch, this dispatch strategy can coordinate the day-ahead and within-day generation plan. The numerical examples demonstrate that compared with the traditional rolling dispatch, which only changes the output of the unit, the short-term unit rolling dispatch strategy optimizes the flexible start-stop unit thus it can improve the economic performance and environmental protection performance of the rolling dispatch model, so it is of reference value for the active power dispatch of power system.

wind power forecast; rolling dispatch; short-term unit commitment (STUC); generation plan

10.3969/j.ISSN.1007-2691.2016.05.08

2015-11-20.

TM614

A

1007-2691(2016)05-0049-06

栗然(1965-)，女，教授，主要研究方向為新能源與并網技術，電力系統分析、運行與控制；李永彬 (1990-)，男，碩士研究生，主要研究方向為新能源與并網技術、電力系統分析、運行與控制；黨磊 (1991-)，男，碩士研究生，主要研究方向為新能源與并網技術、電力系統分析、運行與控制。