田錄林 ，張盛煒 ，田 琦 ，巨思遠(yuǎn) ，張沛文

(1.西安理工大學(xué) 水利水電學(xué)院，陜西 西安 710048; 2.工商銀行西安高新支行，陜西 西安 710075)

0 引 言

太陽(yáng)能光熱發(fā)電技術(shù)(Concentrating Solar Power,CSP)是與光伏發(fā)電不同的一種太陽(yáng)能發(fā)電技術(shù)。它將太陽(yáng)光照反射至集熱器，再通過(guò)換熱裝置得到高壓過(guò)熱蒸汽來(lái)驅(qū)動(dòng)汽輪機(jī)發(fā)電。為解決太陽(yáng)能的不穩(wěn)定與間歇性問(wèn)題，光熱電站通常配備儲(chǔ)熱裝置以保證給電網(wǎng)供電的穩(wěn)定。近年來(lái)，光熱發(fā)電迅速發(fā)展。國(guó)家能源局規(guī)劃到2020年, 國(guó)內(nèi)光熱發(fā)電裝機(jī)目標(biāo)為300萬(wàn)kW[1]?？紤]到未來(lái)光熱電站的規(guī)模以及其良好的調(diào)節(jié)能力，將光熱電站與其他可再生能源發(fā)電一并建立聯(lián)合系統(tǒng)，不僅能平滑電能，而且也能促進(jìn)可再生能源并網(wǎng)，減少棄風(fēng)，增加效益。

在光熱發(fā)電與其他能源發(fā)電聯(lián)合調(diào)度研究方面很多學(xué)者做出了貢獻(xiàn)。文獻(xiàn)[2]提出了含光熱電站的電網(wǎng)調(diào)度模型，并進(jìn)行了算例分析。文獻(xiàn)[3]分別從原理、運(yùn)行、優(yōu)化規(guī)劃、效益分析等角度對(duì)光熱電站的并網(wǎng)運(yùn)行進(jìn)行了分析。以上兩篇文獻(xiàn)側(cè)重點(diǎn)都在光熱電站的建模與分析部分，并沒(méi)有完善的分析其與其他能源構(gòu)成聯(lián)合系統(tǒng)時(shí)的調(diào)度策略。文獻(xiàn)[4]建立了光熱電站的數(shù)學(xué)模型，分析了其經(jīng)濟(jì)價(jià)值，但未考慮備用等因素，因此無(wú)法應(yīng)用于包含光熱電站的電網(wǎng)調(diào)度。在含有光熱電站的電力系統(tǒng)優(yōu)化調(diào)度中，文獻(xiàn)[5]提出了光熱電站-風(fēng)電聯(lián)合系統(tǒng)的自調(diào)度模型，研究對(duì)比了CPLEX求解器和遺傳算法在求解該問(wèn)題時(shí)的優(yōu)劣。文獻(xiàn)[6]建立了光熱電站與燃?xì)廨啺l(fā)電機(jī)的復(fù)合發(fā)電系統(tǒng)，有效地提高了光熱電站的可靠性與效率。以上文獻(xiàn)只研究光熱電站與另單一能源聯(lián)合優(yōu)化調(diào)度問(wèn)題，但未涉及光熱發(fā)電與其他多種能源一起建立聯(lián)合系統(tǒng)的優(yōu)化調(diào)度問(wèn)題。此外，在風(fēng)電并網(wǎng)消納方面也有很多專(zhuān)家學(xué)者進(jìn)行了研究。文獻(xiàn)[7]利用抽水蓄能電站的儲(chǔ)能特點(diǎn)，建立了抽水蓄能與風(fēng)電的聯(lián)合調(diào)度模型并進(jìn)行了模擬，驗(yàn)證其模型的有效性。但抽水蓄能電站儲(chǔ)能時(shí)的損耗較大，且其對(duì)建設(shè)地點(diǎn)的地形要求較高。文獻(xiàn)[8]建立了風(fēng)電優(yōu)先上網(wǎng)的風(fēng)水火電力系統(tǒng)聯(lián)合調(diào)度模型，以水電和火電共同調(diào)節(jié)以最大化平抑風(fēng)電的波動(dòng)。但其結(jié)果中火電出力波動(dòng)較大，對(duì)火電站的運(yùn)行有一定的影響。文獻(xiàn)[9]建立了風(fēng)光儲(chǔ)電力系統(tǒng)聯(lián)合調(diào)度模型，使用電池儲(chǔ)能對(duì)風(fēng)電和光伏電站的出力進(jìn)行削峰填谷，以最大限度接納新能源。但目前大規(guī)模的電池儲(chǔ)能還存在技術(shù)瓶頸，實(shí)現(xiàn)起來(lái)難度較大。

綜上，目前國(guó)內(nèi)外對(duì)太陽(yáng)能發(fā)電技術(shù)的研究多以光伏發(fā)電為主，在風(fēng)電并網(wǎng)方面也多采用傳統(tǒng)能源來(lái)進(jìn)行調(diào)節(jié)。因此本文創(chuàng)新的使用光熱電站與水電站共同對(duì)風(fēng)電的波動(dòng)進(jìn)行調(diào)整。建立水電站，風(fēng)電場(chǎng)和光熱電站的多種清潔能源聯(lián)合電力系統(tǒng)，利用光熱電站的儲(chǔ)能功能來(lái)平滑風(fēng)電的隨機(jī)性。以最大經(jīng)濟(jì)價(jià)值和最小化棄風(fēng)量為目標(biāo)函數(shù)，采用含駐留粒子的改進(jìn)粒子群算法[10]進(jìn)行優(yōu)化，仿真算例驗(yàn)證了本文調(diào)度策略的有效行和可行性。

1 風(fēng)-光熱-水電聯(lián)合優(yōu)化調(diào)度模型

1.1 目標(biāo)函數(shù)

要實(shí)現(xiàn)風(fēng)、光熱、水電聯(lián)合調(diào)度系統(tǒng)經(jīng)濟(jì)、減少棄風(fēng)的目標(biāo)，建立目標(biāo)函數(shù)如下：

(1)

(2)

式中，T為日調(diào)度總時(shí)段數(shù)，取24；N為水電站數(shù)量；cwind、cCSP、chydro分別為風(fēng)電、光熱以及水電站的上網(wǎng)電價(jià)；Ptwind、PtCSP分別為風(fēng)電場(chǎng)和光熱電站在t時(shí)段的輸出功率；Pithydro為水電站i在t時(shí)刻的輸出功率;Ptwind*為風(fēng)電場(chǎng)在t時(shí)刻的預(yù)測(cè)功率。式(1)表示聯(lián)合系統(tǒng)的效益最大化，不計(jì)建設(shè)投資和維護(hù)成本。式(2)表示最小化棄風(fēng)量，以保證最大限度的接納風(fēng)電。

1.2 約束條件

(1)系統(tǒng)功率平衡約束

(3)

(2)系統(tǒng)備用約束

(4)

(3)電站功率約束

(5)

(4)水電轉(zhuǎn)換關(guān)系

(6)

式中，A為水電轉(zhuǎn)換常數(shù)，通常取9.81；ηi為水電站i的效率；hit為水庫(kù)i在t時(shí)段的水頭高度。Qit為水電站i在t時(shí)刻的流量。

(5)日流量積分約束

可調(diào)節(jié)水電站需要根據(jù)調(diào)度部門(mén)的要求確定發(fā)電的用水量，故將調(diào)度部門(mén)的要求設(shè)為日流量積分約束的上下限。

(7)

式中，Qmini、Qmaxi分別為水電站i在調(diào)度日的最小和最大分配用水量。

(6)光熱電站約束

a.儲(chǔ)熱裝置的儲(chǔ)能約束為：

(8)

式中，Emin為儲(chǔ)熱裝置最小安全存儲(chǔ)量；ρFLH為儲(chǔ)熱裝置滿(mǎn)負(fù)荷小時(shí)數(shù)；ηe為發(fā)電機(jī)熱轉(zhuǎn)電效率。

b.儲(chǔ)熱裝置的充放電功率約束為：

(9)

c.儲(chǔ)熱裝置充放電功率相互關(guān)系約束：

(10)

d.光熱電站內(nèi)部功率關(guān)系約束：

(11)

2 風(fēng)-光熱-水電聯(lián)合優(yōu)化調(diào)度算法

對(duì)本文提出的模型中的多目標(biāo)函數(shù)采用統(tǒng)一目標(biāo)法中的加權(quán)系數(shù)法進(jìn)行處理，權(quán)重按照對(duì)兩個(gè)目標(biāo)函數(shù)的重視度不同分別取0.4和0.6。采用外點(diǎn)罰函數(shù)法處理約束條件，將其融入到目標(biāo)函數(shù)中。處理后原本復(fù)雜的多目標(biāo)混合約束問(wèn)題就轉(zhuǎn)化為一系列無(wú)約束規(guī)劃問(wèn)題。模型中需要優(yōu)化計(jì)算的參數(shù)為每個(gè)電站在每個(gè)時(shí)段中的功率出力。在算法方面使用一種含駐留粒子的粒子群算法，因其引入“駐留粒子”輔助尋優(yōu)，彌補(bǔ)了基本粒子群算法在局部小區(qū)域內(nèi)尋優(yōu)能力不足的問(wèn)題，同時(shí)也提升了整個(gè)粒子群的多樣性。該算法十分適用于在固定范圍內(nèi)尋優(yōu)的電力系統(tǒng)優(yōu)化調(diào)度問(wèn)題。

2.1 含駐留粒子的改進(jìn)粒子群優(yōu)化算法

粒子群算法(Particle Swarm Optimization，PSO)具有易于實(shí)現(xiàn)，對(duì)目標(biāo)函數(shù)要求不嚴(yán)等特點(diǎn)，是目前廣泛應(yīng)用的一種智能優(yōu)化算法[12]。在尋優(yōu)過(guò)程中，粒子的聚集效應(yīng)會(huì)使尋優(yōu)陷入局部最優(yōu)解，影響尋優(yōu)精度。為了解決這個(gè)問(wèn)題，本文采用含駐留粒子的粒子群算法[9](Containing Resident Particles PSO,CRPSO)。CRPSO是在基礎(chǔ)粒子群算法尋優(yōu)時(shí)，利用每個(gè)gbest更新時(shí)產(chǎn)生一定量的駐留粒子進(jìn)行輔助尋優(yōu)，以提高粒子種群的多樣性，防止算法過(guò)早陷入局部最優(yōu)值。

在CRPSO中，為防止尋優(yōu)得到新的全局最優(yōu)點(diǎn)(gbest)附近產(chǎn)生新的駐留粒子數(shù)過(guò)多而導(dǎo)致算速下降，設(shè)置駐留粒子裕度b,其和主粒子群規(guī)模N的乘積Bbest=bN為駐留粒子數(shù)目的最大值。

2.2 迭代公式

設(shè)置算法搜索空間維數(shù)為D，主粒子群規(guī)模為N，則第i個(gè)主粒子位置以及其飛行速度可以表示為：

(12)

第i個(gè)粒子的個(gè)體最優(yōu)值記為：

pbest=(pi1,pi2,…,piD),i=1,2,…,N

(13)

整個(gè)粒子群的歷史最優(yōu)值記為：

gbest=(pg1,pg2,…,pgD),i=1,2,…,N

(14)

則第i個(gè)粒子的速度和位置更新公式為：

Vi=ωVi+c1r1(pbest-Xi)+c2r2(gbest-Xi)

(15)

Xi=Xi+Vi

(16)

式中，ω為慣性因子；c1、c2為學(xué)習(xí)因子，也稱(chēng)加速因子；r1、r2為[0,1]的均勻隨機(jī)數(shù)。

駐留粒子初始化公式為：

R=gbset+c3r3

(17)

第j個(gè)駐留粒子以及其位置更新公式即“蠕動(dòng)公式”可表示為：

(18)

式中，c3、c4為搜索范圍大小的(0～0.1)倍，c3略大于c4、r3、r4為D維中每維在(-1,1)內(nèi)的隨機(jī)數(shù)。

2.3 算法流程

CRPSO算法流程如圖1所示。

圖1 CRPSO算法流程

3 算例驗(yàn)證分析

為驗(yàn)證本文所提多目標(biāo)優(yōu)化調(diào)度模型的合理性及所使用算法的可行性，設(shè)置算例用MATLB軟件進(jìn)行程序編寫(xiě)及算例驗(yàn)證。分別計(jì)算不加入含光熱電站和加入光熱電站時(shí)算例中每個(gè)電站在每時(shí)段的出力作為對(duì)比，并對(duì)結(jié)果進(jìn)行分析以驗(yàn)證加入光熱電站是否能夠有效地改善系統(tǒng)接納風(fēng)電的能力。

3.1 算例參數(shù)

在算例中配以裝機(jī)容量分別為350、300 MW的水電站和360 MW的風(fēng)電場(chǎng)以及一個(gè)光熱電站，構(gòu)成含風(fēng)、光熱、水電的聯(lián)合調(diào)度系統(tǒng)。以小時(shí)為調(diào)度周期，將1 d分為24個(gè)時(shí)段。其中CSP電站以及水電站的參數(shù)如表1、表2所示。

表1 CSP電站參數(shù)

表2 水電站參數(shù)

查閱相關(guān)資料與國(guó)家政策文件，設(shè)置不同能源的上網(wǎng)電價(jià)如表3所示。

表3 不同能源電力上網(wǎng)電價(jià)

圖2是典型的日負(fù)荷預(yù)測(cè)值，圖3是風(fēng)電、光熱電站的功率預(yù)測(cè)值，風(fēng)電功率預(yù)測(cè)的最大值為354 MW，約占總裝機(jī)容量的98.3%；最小值為28 MW，約占總裝機(jī)容量的7.8%；峰谷差為326 MW，占裝機(jī)容量的90%?？梢?jiàn)風(fēng)電出力隨機(jī)波動(dòng)峰谷差很大，且相對(duì)于負(fù)荷具有反調(diào)峰特性。

圖2 負(fù)荷預(yù)測(cè)值

圖3 風(fēng)電和光熱功率預(yù)測(cè)圖

3.2 算例驗(yàn)證分析

在CRPSO算法中，設(shè)置種群規(guī)模為100，最大迭代次數(shù)為500，運(yùn)算20次。計(jì)算不加入光熱電站時(shí)，風(fēng)電與水電的輸出功率如圖4所示。加入光熱電站時(shí)，風(fēng)、光熱、水電力系統(tǒng)聯(lián)合調(diào)度結(jié)果如圖5所示。

圖4 風(fēng)、水電出力

圖5 風(fēng)、光熱、水電出力

由圖4可以看出風(fēng)電波動(dòng)強(qiáng)烈，最小值為26 MW，約占總裝機(jī)容量的7.2%；最大值為289 MW，約占總裝機(jī)容量的80.2%；峰谷差為263 MW，占總裝機(jī)容量的73%。水電廠(chǎng)出力的峰谷差為239 MW，占總裝機(jī)容量的36.7%。可見(jiàn)僅靠水電不斷調(diào)整來(lái)彌補(bǔ)風(fēng)電波動(dòng)以及負(fù)荷的峰谷差會(huì)對(duì)水電廠(chǎng)造成很大的壓力，這對(duì)電廠(chǎng)以及系統(tǒng)都會(huì)造成影響。由圖5可以看出，加入可以?xún)?chǔ)能的光熱電站后，風(fēng)電場(chǎng)出力的峰谷差為199 MW，約占總裝機(jī)容量的55.2%；水電的峰谷差為185 MW，占總裝機(jī)容量的28.4%。風(fēng)電場(chǎng)出力更加平穩(wěn)，棄風(fēng)量明顯減少；水電的出力波動(dòng)也有效的減少，整個(gè)系統(tǒng)應(yīng)對(duì)風(fēng)電波動(dòng)以及負(fù)荷峰谷差的能力顯著增強(qiáng)。由表4可知，加入CSP電站后，整個(gè)系統(tǒng)經(jīng)濟(jì)效益每天增加23.7804萬(wàn)元，經(jīng)濟(jì)效益得到明顯提高。

表4 有無(wú)CSP電站經(jīng)濟(jì)效益對(duì)比

綜上分析可知，本文提出的風(fēng)-光熱-水電力系統(tǒng)優(yōu)化調(diào)度模型以及含駐留粒子的粒子群算法應(yīng)用于電力系統(tǒng)中時(shí)，可以有效地彌補(bǔ)風(fēng)電的隨機(jī)波動(dòng)，在使電力系統(tǒng)接納風(fēng)電的能力顯著增強(qiáng)的同時(shí)可以盡量減少水電站出力波動(dòng)。同時(shí)還能有效地提升系統(tǒng)的經(jīng)濟(jì)效益。

4 結(jié) 論

為了最大限度利用清潔能源風(fēng)能和太陽(yáng)能，本文利用光熱電站的儲(chǔ)能功能來(lái)平擬風(fēng)電的隨機(jī)波動(dòng)性，建立了風(fēng)-光熱-水電系統(tǒng)優(yōu)化調(diào)度模型，采用含駐留粒子的粒子群算法對(duì)調(diào)度模型參數(shù)進(jìn)行優(yōu)化，仿真驗(yàn)證結(jié)果表明：本文所提出的風(fēng)-光熱-水電系統(tǒng)優(yōu)化調(diào)度方案可以有效地平擬風(fēng)電峰谷差，在保證電力系統(tǒng)安全穩(wěn)定運(yùn)行的前提下最大限度地提高了電力系統(tǒng)接納風(fēng)電的能力，同時(shí)減少了水電站出力波動(dòng)，有效提高了電力系統(tǒng)整體的經(jīng)濟(jì)效益。