于　東　孫　欣　高丙團　徐　勤

(1.江蘇大學(xué)電氣信息工程學(xué)院　鎮(zhèn)江　212013 2.東南大學(xué)電氣工程學(xué)院　南京　211100)

?

考慮風(fēng)電不確定出力的風(fēng)電并網(wǎng)協(xié)調(diào)優(yōu)化模型

于東1孫欣1高丙團2徐勤1

(1.江蘇大學(xué)電氣信息工程學(xué)院鎮(zhèn)江212013 2.東南大學(xué)電氣工程學(xué)院南京211100)

摘要針對風(fēng)電出力的隨機性和間歇性等特點，首先，提出了風(fēng)電預(yù)滲透率的概念，結(jié)合風(fēng)電預(yù)測精度，建立了風(fēng)電預(yù)測誤差計算模型。其次，考慮到誤差隨時間的遷移性，建立了風(fēng)電預(yù)測誤差增長模型，并建立了基于誤差增長的風(fēng)電不確定出力計算模型。在建立負荷可參與調(diào)度的權(quán)重區(qū)間模型以及引入可調(diào)度負荷與儲能系統(tǒng)的基礎(chǔ)上，建立了風(fēng)電成本模型和考慮可調(diào)度負荷與儲能系統(tǒng)風(fēng)電并網(wǎng)協(xié)調(diào)優(yōu)化調(diào)度模型。最后，以某地區(qū)電力系統(tǒng)為研究對象，采用Matlab對優(yōu)化模型進行仿真求解，結(jié)果表明，所用方法能夠有效降低棄風(fēng)率以及火電備用容量。

關(guān)鍵詞：風(fēng)電不確定出力誤差增長負荷效益棄風(fēng)率備用權(quán)重區(qū)間

0引言

風(fēng)電是全球最具規(guī)?；_發(fā)前景的可再生能源。目前風(fēng)電開發(fā)以大型風(fēng)電場并網(wǎng)運行為主。在國內(nèi)，風(fēng)電呈爆發(fā)式增長的同時，局部地區(qū)風(fēng)電出力受限和風(fēng)電機組大面積脫網(wǎng)事故時有發(fā)生，根據(jù)統(tǒng)計，截至2014年9月，全國累計并網(wǎng)容量8 497萬kW，同比增長22%。2014年1～9月，全國風(fēng)電上網(wǎng)電量1 060億kW·h，同比增長7.6%。2014年1～9月，風(fēng)電棄風(fēng)電量86億kW·h，同比下降28.3億kW·h，平均棄風(fēng)率7.5%，同比下降3.36%，情況雖有所好轉(zhuǎn)，但形勢依然很嚴(yán)峻。并網(wǎng)消納與安全運行已成為中國風(fēng)電發(fā)展的主要瓶頸，因此對于大規(guī)模風(fēng)電并網(wǎng)的電力系統(tǒng)經(jīng)濟調(diào)度的研究具有十分重要的意義。

當(dāng)前，國內(nèi)外對于大規(guī)模風(fēng)電并網(wǎng)運行經(jīng)濟調(diào)度的研究已經(jīng)取得了一定的進展[1-4]。由于風(fēng)電出力隨機性大和波動性強等特點，必然給大規(guī)模風(fēng)電并網(wǎng)經(jīng)濟調(diào)度帶來較大困難，因此許多學(xué)者對風(fēng)電出力預(yù)測進行了大量研究[5-7]，但仍難以獲得準(zhǔn)確的預(yù)測結(jié)果，風(fēng)電功率預(yù)測誤差還將長期存在。對于風(fēng)電預(yù)測誤差的處理，文獻[8]計及風(fēng)電出力的不確定性，提出了一種計算系統(tǒng)備用的概率方法。文獻[9]對大規(guī)模風(fēng)電并網(wǎng)后引起的備用需求進行了分析，提出了基于風(fēng)險的備用需求決策方法，建立了一個協(xié)調(diào)優(yōu)化模型來實現(xiàn)實時校正環(huán)節(jié)備用和滾動計劃環(huán)節(jié)快速備用的協(xié)調(diào)優(yōu)化分配。儲能系統(tǒng)(Energy Storage System，ESS)具有動態(tài)吸收能量并適時釋放的特點，可實現(xiàn)對功率和能量的時間遷移，能有效彌補風(fēng)電功率預(yù)測誤差不可避免的缺點[10]。文獻[11]給出了關(guān)于可信度的定義，建立了基于預(yù)測可信度的儲能成本模型以及儲能容量的概率模型。文獻[12]提出了一種基于電池ESS的風(fēng)電場優(yōu)化方案。

然而儲能成本過高，且效率相對較低，盲目地增加系統(tǒng)的儲能容量，同樣會降低系統(tǒng)的經(jīng)濟性。負荷特性與負荷水平是影響電網(wǎng)風(fēng)電消納能力的兩個重要因素。在國家大力建設(shè)智能電網(wǎng)的背景下，負荷開始發(fā)揮越來越重要的角色，其已不再是單一的用電方，而開始作為一種虛擬電廠[13]與電網(wǎng)進行互動。電網(wǎng)可通過評估負荷等級和與用戶達成相關(guān)協(xié)議等方式使一部分負荷融入發(fā)電計劃[14]。文獻[15]認(rèn)為未來智能電網(wǎng)需要容納較大比例的主動負荷，以雙向性、不確定性和可控性為特點。文獻[16]分析了柔性負荷參與電網(wǎng)互動后，峰時段用電量、平時段用電量及谷時段用電量的變化趨勢，電動汽車、可中斷負荷響應(yīng)電價或激勵機制的用電量變化以及對常規(guī)機組發(fā)電、新能源發(fā)電的影響。

本文在對基于誤差增長的風(fēng)電不確定出力(Wind Power Uncertainty，WPU)進行研究的基礎(chǔ)上，針對WPU所帶來的問題，建立了風(fēng)電成本模型；由于各類負荷在系統(tǒng)調(diào)度中所參與的角色不同，根據(jù)各類負荷能否參與調(diào)度的程度，綜合各類負荷的指標(biāo)，提出可調(diào)度負荷權(quán)重區(qū)間(Weight Interval of Schedulable Load，WISL)的概念，并建立了模型；結(jié)合ESS建立風(fēng)電并網(wǎng)協(xié)調(diào)優(yōu)化調(diào)度模型。仿真算例分別對比了4種含風(fēng)電的調(diào)度模式對電網(wǎng)相關(guān)參數(shù)的影響。

1風(fēng)電不確定出力模型

1.1風(fēng)電預(yù)滲透率模型

為定量預(yù)測某地區(qū)電力系統(tǒng)在t時段接納風(fēng)電的能力，本文提出風(fēng)電預(yù)滲透率的概念。風(fēng)電預(yù)滲透率定義為風(fēng)電的預(yù)測出力與系統(tǒng)負荷的比值，即

(1)

式中，PWF.jt為t時段風(fēng)電機組j的出力預(yù)測；PD.t為t時段系統(tǒng)總負荷；NW為t時段運行的風(fēng)電機組的數(shù)目；j為風(fēng)電機組的編號。

1.2風(fēng)電出力預(yù)測誤差模型

風(fēng)電出力預(yù)測誤差與風(fēng)電預(yù)滲透率和風(fēng)電出力預(yù)測精度息息相關(guān)，為了更加準(zhǔn)確地把握風(fēng)電預(yù)測誤差給系統(tǒng)帶來的影響，本文在計算風(fēng)電場出力預(yù)測誤差時取以下兩種計算方法的最大值。

et=max(PWF.jt(1-AW.jt),PWF.jtRWO.t)

(2)

式中，AW.jt為風(fēng)電出力預(yù)測精度。

1.3風(fēng)電預(yù)測誤差增長模型

首先，本文給出風(fēng)電預(yù)測穩(wěn)定性的定義：對于給定的風(fēng)電出力預(yù)測數(shù)據(jù)，其誤差在一定條件下能夠得到控制，不會對電網(wǎng)穩(wěn)定性產(chǎn)生較大影響，則稱風(fēng)電出力預(yù)測是穩(wěn)定的；否則，如果誤差得不到有效控制，對電網(wǎng)穩(wěn)定性帶來較大影響，則稱風(fēng)電出力預(yù)測是不穩(wěn)定的。

1)存在與t無關(guān)且大于0的常數(shù)A，使得

(3)

則稱誤差的增長是線性的。

2)存在大于1的常數(shù)B，使得

(4)

則稱誤差的增長是指數(shù)級的。

本文定義，預(yù)測誤差按線性增長的風(fēng)電出力預(yù)測是穩(wěn)定的，預(yù)測誤差按指數(shù)增長的風(fēng)電出力預(yù)測是不穩(wěn)定的。

(5)

(6)

1.4基于誤差增長的風(fēng)電不確定出力模型

由于風(fēng)電預(yù)測是穩(wěn)定的與風(fēng)電預(yù)測是不穩(wěn)定的兩種情況下，基于誤差增長的風(fēng)電不確定出力計算方法相同，本文在此只討論風(fēng)電出力預(yù)測為穩(wěn)定時的情況，風(fēng)電出力預(yù)測為不穩(wěn)定時的情況可類似求得。

若風(fēng)電出力預(yù)測是穩(wěn)定的，則基于誤差增長的WPU計算模型如式(7)所示，圖1為某一時刻風(fēng)電實際出力(PW.jt)、風(fēng)電預(yù)測出力以及WPU示意圖。

(7)

圖1　風(fēng)電出力變化與WPUFig.1　Wind power variability and WPU

2可調(diào)度負荷權(quán)重區(qū)間模型

負荷權(quán)重表示各類負荷在系統(tǒng)中可否參與調(diào)度的程度，由于各類負荷在系統(tǒng)調(diào)度中所參與的角色不同，所以可根據(jù)各類負荷能否參與調(diào)度的程度，并綜合各類負荷的指標(biāo)，基于區(qū)間數(shù)將負荷劃分為3種類型，見表1，本文涉及的可調(diào)度負荷(Schedulable Load，SL)調(diào)控主要任務(wù)是消納系統(tǒng)多余風(fēng)電。

表1　負荷類型與實例

由于系統(tǒng)中的各類負荷在各個時段能否參與調(diào)度的程度不同，所以將這些負荷劃分成不同區(qū)間的級別。因此在系統(tǒng)調(diào)度中，結(jié)合實際情況就可以得到各類負荷的級別，并將屬性級別的取值范圍作為各類負荷的初始權(quán)重區(qū)間，如r類負荷在t時段的初始權(quán)重區(qū)間為

(8)

利用模糊數(shù)學(xué)相關(guān)知識將式(8)進行模糊處理，令

(9)

式中，a、b為修正系數(shù)。

則各類負荷在t時段的權(quán)重區(qū)間數(shù)為

(10)

各類負荷可參與調(diào)度的權(quán)重區(qū)間數(shù)模型為

(11)

則本文定義各類負荷在t時段參與調(diào)度的權(quán)重為

(12)

結(jié)合式(16)得到各類負荷成本計算模型

ED.rt=k1(t)sr.tPD.rt+k2(t)(sr.tPD.rt)2

(13)

式中，k1(t)、k2(t)為函數(shù)系數(shù)；PD.rt為t時段r類負荷大小。

則t時段系統(tǒng)調(diào)用SL的成本模型為

(14)

式中，l為系統(tǒng)負荷類型數(shù)量。

3儲能系統(tǒng)模型

文獻[17]定義了ESS的當(dāng)前狀態(tài)(容量)為E(t)，如圖2所示，滿足

E(t)=E(t-1)+ψPE(t)Δt

(15)

Emin≤E(t)≤Emax

(16)

式中，ψ為ESS的充放電效率；Emin、Emax分別為ESS容量上下限；PE(t)為t時段ESS的輸出功率，其中PE(t)>0處于充電狀態(tài)，PE(t)<0處于放電狀態(tài)。

圖2　ESS充放電示意圖Fig.2　Charge and discharge of ESS

各時段的充放電功率PE(t)滿足

PE.min≤PE(t)≤PE.max

(17)

式中，PE.min、PE.max分別為單位時間內(nèi)ESS充放電功率上下限。

則t時段系統(tǒng)調(diào)用ESS成本模型為

CE(t)=kE(t)PE(t)

(18)

式中，kE(t)為ESS成本系數(shù)。

4系統(tǒng)成本模型

4.1風(fēng)電成本模型

風(fēng)電棄風(fēng)原因主要包括：①風(fēng)電機組增長過快，并網(wǎng)風(fēng)電容量遠超系統(tǒng)消納能力，則導(dǎo)致電網(wǎng)無法及時全額消納風(fēng)電量；②風(fēng)電的外送能力不足，當(dāng)本地?zé)o法全額消納風(fēng)電量時，若線路的傳輸能力不足，則將導(dǎo)致部分棄風(fēng)；③風(fēng)電預(yù)測誤差；④電網(wǎng)調(diào)度能力不足。

結(jié)合上述風(fēng)電棄風(fēng)原因，本文所建風(fēng)電成本模型包含ESS成本和SL成本。

PE(t)=(1-ζt)PWU.t

(19)

式中，ζt為權(quán)重系數(shù)。

4.2火電成本模型

火電成本的數(shù)學(xué)模型為

FG.it=aiPG.it

(20)

式中，ai為線性化成本函數(shù)系數(shù)；PG.it為t時段火電機組i的有功出力。

5優(yōu)化模型

5.1目標(biāo)和約束

目標(biāo)函數(shù)

(21)

式中，NG為t時段運行的火電機組的數(shù)目；T為調(diào)度時段。

約束條件：

1)功率平衡約束

(22)

2)機組輸出功率約束

(23)

3)爬坡速率約束

(24)

4)ESS約束

(25)

5.2模型分析

優(yōu)化模型中目標(biāo)函數(shù)包括風(fēng)電成本模型和火電成本模型，其中風(fēng)電成本模型是在WPU模型、WISL模型及ESS模型的基礎(chǔ)上建立的，表2為優(yōu)化模型考慮以上模型時的優(yōu)點和缺點分析對比。

表2　所建模型優(yōu)缺點分析

針對表2中WISL模型和ESS模型的優(yōu)點和缺點，本文將兩種模型進行結(jié)合，同時采用WISL和ESS來調(diào)節(jié)WPU，兩種模型可在一定程度上起到互補的作用。

6算例分析

6.1算例參數(shù)

本文中所建的優(yōu)化模型在Matlab軟件平臺上調(diào)用CPLEX進行仿真求解，使用的計算機主頻為2.5 GHz、內(nèi)存為4 GB。以具有8臺火電機組和2個大型風(fēng)電場的系統(tǒng)為研究對象，采用24 h計劃，但以15min為間隔(T=96)，火電機組參數(shù)如表3所示。

表3　火電機組參數(shù)

風(fēng)電場的出力預(yù)測數(shù)據(jù)如圖3所示，風(fēng)電場的出力預(yù)測精度為0.85。

圖3　風(fēng)電預(yù)測與負荷數(shù)據(jù)Fig.3　Data of wind power forecast and load

系統(tǒng)在調(diào)度周期內(nèi)各時段的負荷見圖3，其中固定負荷的比重為50%，A類SL的比重為30%，B類SL的比重為20%，修正系數(shù)a、b分別為0.5、1。SL的調(diào)控時段為6∶00～23∶00，各時段的WISL見表4，00∶00～05∶00時段的WISL為[1，1]。ESS成本系數(shù)取0.05萬元/MW，ESS相關(guān)參數(shù)見表5。

6.2仿真結(jié)果1：含風(fēng)電的調(diào)度模式分析

針對5.2節(jié)模型分析，通過模式Ⅰ～Ⅳ來驗證上述模型的優(yōu)缺點，如表6所示，本文所建優(yōu)化模型為模式Ⅳ，為了分析對比與其他調(diào)度模式的不同，本文又設(shè)定了模式Ⅰ～Ⅲ，為了更好地對比這4種模式，模式Ⅰ～Ⅲ的設(shè)定所需的參數(shù)均與模式Ⅳ相同，其目標(biāo)函數(shù)和約束條件的設(shè)定在模式Ⅳ的基礎(chǔ)上進行相應(yīng)地調(diào)整。

表4　WISL取值

表5　ESS參數(shù)

表6　不同模式的設(shè)定

表7為調(diào)度周期內(nèi)火電總成本Cg、風(fēng)電總成本Cw、棄風(fēng)率χw、實際誤差ea及預(yù)測誤差ef情況，其中風(fēng)電總成本包括ESS成本Cw.e和SL總成本Cw.d。由于模式Ⅰ中沒有考慮風(fēng)電預(yù)測誤差以及采用單一的火電調(diào)度方式，WPU無法得到ESS和SL來調(diào)節(jié)，因此棄風(fēng)率最高。模式Ⅱ中雖使用傳統(tǒng)的誤差計算方法并計其ESS，使用ESS來對WPU進行調(diào)節(jié)，但由于此風(fēng)電預(yù)測誤差方法計算出的誤差與實際誤差偏差較大，加上ESS成本及ESS充放電效率等原因，系統(tǒng)成本不但沒有降低，而且棄風(fēng)率依然偏高。模式Ⅲ中采用基于誤差增長的WPU模型，加上火-SL-儲聯(lián)合的調(diào)度方式，使得系統(tǒng)的棄風(fēng)情況明顯好轉(zhuǎn)，但在調(diào)度過程中對ESS的調(diào)用過多，沒能更好地發(fā)揮SL的優(yōu)勢。模式Ⅳ中，由于對SL進行區(qū)間權(quán)重的劃分，使得各類SL可以在不同時段處理WPU的問題上起到一定的互補作用，加上ESS后備作用，彌補了模式Ⅱ和模式Ⅲ中存在的不足，使得SL充分參與到對WPU的調(diào)節(jié)中，不但節(jié)省了系統(tǒng)成本，而且降低了系統(tǒng)棄風(fēng)率。

表7　模式Ⅰ～Ⅳ各類成本、棄風(fēng)及誤差情況

6.3仿真結(jié)果2：風(fēng)電調(diào)度模式對系統(tǒng)備用的影響

同樣以6.2節(jié)中4種調(diào)度模式為例進行分析。其中模式Ⅰ不考慮風(fēng)電預(yù)測誤差，此時系統(tǒng)的備用需求主要來自火電備用。模型Ⅱ中的備用需求主要由ESS提供，模式Ⅲ中的備用需求則主要由ESS和SL共同提供，模式Ⅳ中的備用需求同樣由ESS和SL共同提供。表8為4種調(diào)度模式下的備用需求情況，其中Rr為系統(tǒng)的備用需求，Dl為SL備用，Rg為火電備用，Er為儲能備用。

表8　4種調(diào)度模式下的系統(tǒng)備用需求

圖4～圖7分別為模式Ⅰ～Ⅳ的備用需求的分析。從圖中可以看出，模式Ⅰ在調(diào)度周期內(nèi)的系統(tǒng)的備用需求主要由火電機組承擔(dān)；模式Ⅱ的備用需求主要由ESS來完成，考慮到ESS的充放電效率以及當(dāng)ESS電能儲存滿額與無電能存儲情況，如時刻25、時刻26，ESS無電能存儲，此時的系統(tǒng)備用由火電備用承擔(dān)，而時刻36，ESS則處于電能存儲滿額的狀態(tài)；模式Ⅲ在調(diào)度周期內(nèi)的系統(tǒng)備用需求主要由ESS提供，僅有部分由SL提供；模式Ⅳ中的備用需求全部得到滿足，在不可調(diào)控時段由ESS提供備用，在ESS電能存儲滿額或是無電能存儲時由SL提供備用，起到了互補的作用。同時由于A類SL和B類SL的可調(diào)度性在大部分時段內(nèi)是對立的，因此兩類SL在調(diào)度周期內(nèi)也起到了一定的互補作用。

圖4　模式Ⅰ在調(diào)度周期內(nèi)系統(tǒng)備用需求分析Fig.4　Analysis of system reserve demand of modeⅠ in a simulation day

圖5　模式Ⅱ在調(diào)度周期內(nèi)系統(tǒng)備用需求分析Fig.5　Analysis of system reserve demand of mode Ⅱ in a simulation day

圖6　模式Ⅲ在調(diào)度周期內(nèi)系統(tǒng)備用需求分析Fig.6　Analysis of system reserve demand of mode Ⅲ in a simulation day

圖7　模式Ⅳ在調(diào)度周期內(nèi)系統(tǒng)備用需求分析Fig.7　Analysis of system reserve demand of mode Ⅳ in a simulation day

7結(jié)論

本文提出了一種基于WPU與WISL的風(fēng)電并網(wǎng)協(xié)調(diào)優(yōu)化方法。首先，對風(fēng)電預(yù)測誤差進行了相關(guān)研究，提出了風(fēng)電預(yù)滲透率的概念，結(jié)合風(fēng)電預(yù)測精度，建立了風(fēng)電預(yù)測誤差模型。其次，建立了風(fēng)電預(yù)測誤差增長模型，并建立了基于誤差增長的WPU模型；考慮到不同負荷的可調(diào)度能力，提出了WISL的概念，并建立了模型；在以上研究基礎(chǔ)上，建立了基于WPU和WISL的風(fēng)電并網(wǎng)協(xié)調(diào)優(yōu)化模型，為電網(wǎng)調(diào)度人員在解決風(fēng)電接入問題時提供具有明顯社會經(jīng)濟效益的優(yōu)化調(diào)度方案。得到如下結(jié)論：

1)本文建立的基于誤差增長的WPU模型計算出的WPU可較全面地反應(yīng)誤差信息，為后續(xù)調(diào)度提供更加準(zhǔn)確的數(shù)據(jù)。

2)提出的WISL可為不同級別負荷在不同時段的可調(diào)度性制定相應(yīng)的標(biāo)準(zhǔn)，避免了統(tǒng)一標(biāo)準(zhǔn)下的資源浪費，使SL能夠充分有效地參與到對WPU的調(diào)節(jié)中，從而減少對ESS的使用量，降低了棄風(fēng)率與系統(tǒng)的備用容量。

3)ESS的參與，可彌補極端情況下SL無法參與風(fēng)電調(diào)節(jié)的缺點，在對SL進行權(quán)重區(qū)間劃分的過程中承擔(dān)一定的后備作用。

為了簡明闡述，本文僅對WISL進行了簡單的劃分，依據(jù)本文所提方法，如何更加準(zhǔn)確地對每一類SL進行準(zhǔn)確地權(quán)重區(qū)間劃分，這將是后續(xù)研究的重點。

參考文獻

[1]Ortega-Vazquez M A，Kirschen D S.Estimating the spinning reserve requirements in systems with significant wind power generation penetration[J].IEEE Transactions on Power Systems，2009，24(1)：114-124.

[2]楊柳青，林舜江，劉明波，等.考慮風(fēng)電接入的大型電力系統(tǒng)多目標(biāo)動態(tài)優(yōu)化調(diào)度[J].電工技術(shù)學(xué)報，2014，29(10)：286-295.

Yang Liuqing，Lin Shunjiang，Liu Mingbo，et al.Multi-objective dynamic optimal dispatch for large-Scale power systems considering wind power penetration[J].Transactions of China Electrotechnical Society，2014，29(10)：286-295.

[3]Wang Caixia，Lu Zongxiang，Qiao Ying.A consideration of the wind power benefits in day-ahead scheduling of wind-coal intensive power systems[J].IEEE Transactions on Power Systems，2013，28(1)：236-245.

[4]夏澍，周明，李庚銀.含大規(guī)模風(fēng)電場的電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度[J].電力系統(tǒng)保護與控制，2011，39(13)：71-77.

Xia Shu，Zhou Ming，Li Gengyin.Dynamic economic dispatch of power system containing large-scale wind farm[J].Power System Protection and Control，2011，39(13)：71-77.

[5]Bludszuweit H，Domínguez-Navarro J A，Llombart A.Statistical analysis of wind power forecast error[J].IEEE Transactions on Power Systems，2008，23(3)：983-991.

[6]Amjady N，Keynia F，Zareipour H.Short-term wind power forecasting using ridgelet neural network[J].Electric Power Systems Research，2011，81(12)：2099-2107.

[7]丁華杰，宋永華，胡澤春，等.基于風(fēng)電場功率特性的日前風(fēng)電預(yù)測誤差概率分布研究[J].中國電機工程學(xué)報，2013，33(34)：136-144.

Ding Huajie，Song Yonghua，Hu Zechun，et al.Probability density function of day-ahead wind power forecast errors based on power curves of wind farms[J].Proceedings of the CSEE，2013，33(34)：136-144.

[8]Doherty R，O’Malley M.A new approach to quantify reserve demand in systems with significant installed wind capacity[J].IEEE Transactions on Power Systems，2005，20(2)：587-595.

[9]張國強，吳文傳，張伯明.考慮風(fēng)電接入的有功運行備用協(xié)調(diào)優(yōu)化[J].電力系統(tǒng)自動化，2011，35(12)：15-19.

Zhang Guoqiang，Wu Wenchuan，Zhang Boming.Optimization of operation reserve coordination considering wind power integration[J].Automation of Electric Power System，2011，35(12)：15-19.

[10]嚴(yán)干貴，劉嘉，崔楊，等.利用儲能提高風(fēng)電調(diào)度入網(wǎng)規(guī)模的經(jīng)濟性評價[J].中國電機工程學(xué)報，2013，33(22)：45-52.

Yan Gangui，Liu Jia，Cui Yang，et al.Economic evaluation of improving the wind power scheduling scale by energy storage system[J].Proceedings of the CSEE，2013，33(22)：45-52.

[11]南曉強，李群湛，趙元哲，等.計及風(fēng)電預(yù)測可信度的經(jīng)濟調(diào)度及輔助決策方法[J].電力系統(tǒng)自動化，2012，37(19)：61-67.

Nan Xiaoqiang，Li qunzhan，Zhao Yuanzhe，et al.An economic dispatch and decision making method based on credibility of wind power forecasting[J].Automation of Electric Power System，2012，37(19)：61-67.

[12]Luo F，Meng K，Zhao Y D，et al.Coordinated operational planning for wind farm with battery energy storage system[J].IEEE Transactions on Sustainabe Energy，2015，6(1)：253-262.

[13]王珂，姚建國，姚良忠，等.電力柔性負荷調(diào)度研究綜述[J].電力系統(tǒng)自動化，2014，38(20)：127-135.

Wang Ke，Yao Jianguo，Yao Liangzhong，et al.Survey of research on flexible loads scheduling technologies[J].Automation of Electric Power Systems，2014，38(20)：127-135.

[14]劉新東，方科，陳煥遠，等.利用合理棄風(fēng)提高大規(guī)模風(fēng)電消納能力的理論研究[J].電力系統(tǒng)保護與控制，2012，40(6)：35-39.

Liu Xindong，F(xiàn)ang Ke，Chen Huanyuan，et al.Research on rational wind power casing theory for large-scale wind power integration improvement[J].Power System Protection and Control，2012，40(6)：35-39.

[15]鞠平，秦川，黃樺，等.面向智能電網(wǎng)的建模研究展望[J].電力系統(tǒng)自動化，2012，36(11)：1-6.

Ju Ping，Qin Chuan，Huang Hua，et al.Survey of research trends of power system modeling geared to smart grid[J].Automation of Electric Power System，2012，36(11)：1-6.

[16]曾丹，姚建國，楊勝春，等.柔性負荷與電網(wǎng)互動的系統(tǒng)動力學(xué)仿真模型[J].中國電機工程學(xué)報，2014，34(25)：4227-4233.

Zeng Dan，Yao Jianguo，Yang Shengchun，et al.System dynamics simulation model of flexible load in interactive power grid[J].Proceedings of the CSEE，2014，34(25)：4227-4233.

[17]向月，劉俊勇，魏震波，等.考慮可再生能源出力不確定性的微電網(wǎng)能量優(yōu)化魯棒模型[J].中國電機工程學(xué)報，2014，34(19)：3063-3072.

Xiang Yue，Liu Junyong，Wei Zhenbo，et al.Robust model of microgrid energy optimization with uncertain renewable energy sources[J].Proceedings of the CSEE，2014，34(19)：3063-3072.

作者簡介

于東男，1989年生，碩士研究生，研究方向為電力系統(tǒng)優(yōu)化運行與風(fēng)電并網(wǎng)經(jīng)濟調(diào)度。

E-mail：yudong0126@163.com(通信作者)

孫欣女，1980年生，博士，副教授，研究方向為電力市場、經(jīng)濟調(diào)度和新能源發(fā)電。

E-mail：xin-sun05@mails.tsinghua.edu.cn

Coordinated Optimization Model for Wind Power Integration Considering Wind Power Uncertainty Output

Yu Dong1Sun Xin1Gao Bingtuan2Xu Qin1

(1.Department of Electrical EngineeringJiangsu UniversityZhenjiang212013China 2.Electrical EngineeringSoutheast UniversityNanjing211100China)

AbstractWind power has the features of uncertainty and intermittence.So firstly，the concept of the wind power pre-penetration rate is proposed.Combined with wind power forecast accuracy，the wind power forecast error is presented.Secondly，the model of wind power forecast error growth is established by considering the variability of wind power forecast error over time，and the model of wind power uncertainty (WPU) based on error growth is established.On the basis of the weight interval of schedulable load (WISL)，schedulable load (SL)，and energy storage system (ESS)，the wind cost model is established，and a coordinated optimization dispatch model for wind power integration considering load benefits is established.Finally，the Matlab is used to solve the optimization model.Taking the power system of a certain area as the research object，the results show that the given method can reduce the wind curtailment rate and thermal power reserve capacity.

Keywords：Wind power uncertainty output，error growth，load benefits，wind curtailment rate，reserve，weight interval

中圖分類號：TM732

國家自然科學(xué)基金(51007032)和江蘇省高校優(yōu)勢學(xué)科建設(shè)工程資助項目。

收稿日期2015-04-13改稿日期2015-07-06