張江華　黃云峰　奚培鋒

摘 要：本文通過(guò)考慮風(fēng)電輸出功率的預(yù)測(cè)誤差具有不確定性的特點(diǎn)，采用重要性采樣場(chǎng)景生成方法，探討含風(fēng)電的區(qū)域綜合能源系統(tǒng)運(yùn)行優(yōu)化，并通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了所提出方法的有效性。結(jié)果表明，本文提出的方法具有更好的經(jīng)濟(jì)性、穩(wěn)定性和可靠性。

關(guān)鍵詞：區(qū)域綜合能源系統(tǒng);運(yùn)行優(yōu)化;場(chǎng)景分析;風(fēng)力發(fā)電

中圖分類號(hào)：M614;TM732 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5168（2019）35-0148-03

Study on Operation Optimization of Regional Comprehensive

Energy System with Wind Power

ZHANG Jianghua1 HUANG Yunfeng1 XI Peifeng2

（1.School of Automation Engineering， Shanghai University of Electric Power，Shanghai 200090;2.Shanghai Smart Grid Demand Response Key Laboratory，Shanghai 200063）

Abstract： In this paper， by considering the uncertainty of the prediction error of wind power output， the importance sampling scenario generation method was adopted to explore the operation optimization of regional integrated energy system with wind power， and the effectiveness of the proposed method was verified by simulation experiments. The results show that the proposed method has better economy， stability and reliability.

Keywords： regional integrated energy systems;operation optimization;scenario analysis;wind power generation

在含有大規(guī)模風(fēng)電的區(qū)域綜合能源系統(tǒng)中，雖然對(duì)風(fēng)電功率的預(yù)測(cè)做了大量研究工作，但風(fēng)功率預(yù)測(cè)誤差的存在，使風(fēng)電的不確定性對(duì)區(qū)域綜合能源系統(tǒng)運(yùn)行優(yōu)化有著重要影響[1]。實(shí)際上，風(fēng)力發(fā)電本身具有不確定性和較強(qiáng)的波動(dòng)性特點(diǎn)，其影響不可忽略。而用蒙特卡洛模擬法模擬風(fēng)力發(fā)電需要利用大量的樣本空間，大大降低了運(yùn)算速度。

由于場(chǎng)景分析法能明確體現(xiàn)風(fēng)電不確定性的概率特征，并可向上建立隨機(jī)規(guī)劃模型，因而成為隨機(jī)機(jī)組組合問(wèn)題處理風(fēng)電不確定性的主要方法之一[2]。場(chǎng)景分析方法在描述帶有不確定性分布式可再生能源的區(qū)域綜合能源優(yōu)化運(yùn)行問(wèn)題時(shí)，能將其不確定性轉(zhuǎn)化為確定性的混合正式非線性問(wèn)題。

本文在現(xiàn)有的含熱電聯(lián)產(chǎn)的區(qū)域綜合能源系統(tǒng)運(yùn)行分析模型基礎(chǔ)上，進(jìn)一步考慮風(fēng)電輸出功率的預(yù)測(cè)誤差具有不確定性的特點(diǎn)，采用重要性采樣場(chǎng)景生成方法，并與基于概率的場(chǎng)景分析方法進(jìn)行比較分析。

1 區(qū)域綜合能源系統(tǒng)的隨機(jī)運(yùn)行優(yōu)化模型

1.1 目標(biāo)函數(shù)

區(qū)域能源系統(tǒng)運(yùn)行優(yōu)化問(wèn)題的目標(biāo)函數(shù)為區(qū)域能源系統(tǒng)運(yùn)行成本最小。其中，運(yùn)行成本為系統(tǒng)機(jī)組發(fā)電、啟停成本及產(chǎn)蒸汽成本。目標(biāo)函數(shù)可表示為：

[minE（F）=minE[t∈T（i∈ZCft，i+i∈ZCOMt，i+Et，i+Ot，i）]=s∈Nsλst∈T（i∈Zcfs，t，ifs，t，i+i∈ZcOMs，t，izs，t，i+bs，te+s，t-pe，s，te-s，t+psteams，tgsteams，t）]（1）

式中，[E（F）]表示總的系統(tǒng)運(yùn)行成本的期望值;[t]為調(diào)度周期[T]的一個(gè)時(shí)間段;[Z]為系統(tǒng)中的機(jī)組集合;[Cft，i]為[t]時(shí)間段內(nèi)機(jī)組[i]的燃料成本;[COMt，i]為[t]時(shí)間段內(nèi)機(jī)組[i]的運(yùn)行操作成本;[Et，i]為[t]時(shí)間段內(nèi)機(jī)組[i]對(duì)大電網(wǎng)的出口而產(chǎn)生的收益;[Ot，i]為[t]時(shí)間段內(nèi)機(jī)組[i]對(duì)熱網(wǎng)出口蒸汽而產(chǎn)生的收益;[Ns]為情景數(shù)量;[λs]為情景[s]下對(duì)應(yīng)的概率;[cfs，t，i]為機(jī)組運(yùn)行需要的燃料價(jià)格;[fs，t，i]為機(jī)組運(yùn)行所需要的燃料;[zs，t，i]機(jī)組啟停狀態(tài);[bs，t]為系統(tǒng)向大電網(wǎng)購(gòu)買電的價(jià)格;[e+s，t]為系統(tǒng)向大電網(wǎng)購(gòu)買的電量;[pe，s，t]為系統(tǒng)向大電網(wǎng)售賣電的價(jià)格;[e-s，t]為系統(tǒng)向大電網(wǎng)售賣的電量;[psteams，t]為系統(tǒng)售賣蒸汽的價(jià)格;[gsteams，t]為系統(tǒng)售賣的蒸汽量。

1.2 約束條件

①系統(tǒng)電力平衡約束為：

[t∈T[i∈Z（egeni，t，s-econi，t，s）+e+t，s-e-t，s]=t∈TDet]? ? ? ? ? ? （2）

式中，[egeni，t，s]為系統(tǒng)機(jī)組的產(chǎn)電量;[econi，t，s]為系統(tǒng)自身用電量;[Det]為[t]時(shí)間段的系統(tǒng)電負(fù)荷量。

②系統(tǒng)熱平衡約束為：

[t∈T（wt，s+αwt-1，s+i∈Zhgeni，t，s）=t∈TDht]? ? ? ? ? ? ? （3）

式中，[hgeni，t，s]為機(jī)組蒸汽產(chǎn)量;[wt，s]為t時(shí)間段內(nèi)蒸汽儲(chǔ)量;[α]為蒸汽熱損;[Dht]為[t]時(shí)間段的系統(tǒng)熱負(fù)荷量。

③機(jī)組啟停約束為：

[Δzi，t，s≥zi，t，s-zi，t-1，sΔzi，t，s≤1-zi，t-1，sΔzi，t，s≤zi，t-1，st∈TΔzi，t，s≤Ni，s]? ? ? ? ? ? ? ? ? ? ?（4）

式中，[Δzi，t，s]為機(jī)組啟停的變化量;[zi，t，s]為機(jī)組啟停狀態(tài)，為二進(jìn)制變量;[Ni，s]為系統(tǒng)允許最大機(jī)組開(kāi)啟量。

④儲(chǔ)能設(shè)備約束為：

[Wmint，s≤wt，s≤Wmaxt，sΔwmint，s≤wt，s-wt-1，s≤Δwmaxt，s]? ? ? ? ? （5）

式中，[Wmint，s]、[Wmaxt，s]為儲(chǔ)能設(shè)備的最小、最大儲(chǔ)蓄量;[Δwmint，s]、[Δwmaxt，s]為儲(chǔ)能設(shè)備在[t]時(shí)間段內(nèi)儲(chǔ)能變換的最小、最大量。

2 重要性場(chǎng)景分析方法

重要性場(chǎng)景分析方法是一種基于風(fēng)力發(fā)電預(yù)測(cè)場(chǎng)景經(jīng)濟(jì)分配問(wèn)題運(yùn)營(yíng)成本的概率重要性抽樣方法。Bruninx K等[3]提出了一種基于重要性抽樣的情景算法，通過(guò)將其與一個(gè)具有大量場(chǎng)景的隨機(jī)公式進(jìn)行比較，發(fā)現(xiàn)使用重要性場(chǎng)景方法，可以把隨機(jī)機(jī)組組合轉(zhuǎn)化為確定性機(jī)組。主要過(guò)程如下：

給定場(chǎng)景集合[ΩS={ω1，ω2，…，ωM}]和場(chǎng)景概率分布[p]，并給定場(chǎng)景重要性度量[q]，其表示對(duì)目標(biāo)函數(shù)[C]權(quán)重的無(wú)偏估計(jì)。理想情況下，[q]代表場(chǎng)景調(diào)度結(jié)果對(duì)預(yù)期值的影響，即

[q*（ω）=p（ω）C（ω）EpC]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （6）

式中，[Ep]表示場(chǎng)景概率分布[p]的期望。由于[EpC]是最終的計(jì)算量，因此場(chǎng)景重要性度量[q*（ω）]采用通過(guò)少量場(chǎng)景的結(jié)果計(jì)算近似估計(jì)度量[q]的方法。假設(shè)場(chǎng)景集合為[ΩS]，原始測(cè)量[p]為均勻分布在[ΩS]上，所以[p（ω）=M-1]，其中[ω∈ΩS]。當(dāng)每個(gè)場(chǎng)景相對(duì)于確定性問(wèn)題的目標(biāo)函數(shù)為[CD（?）]時(shí)，得到的等式為：

[C=i=1M（CD（ωi）M）]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （7）

式中，[C]為提供準(zhǔn)確估計(jì)的預(yù)期成本。

由式（6）和（7）可得：

[q（ωi）=CD（ωi）（MC）]? ? ? ? ?   ? ? ? ? ? ? ? ? ?（8）

重要性場(chǎng)景分析是一種解決由風(fēng)電功率預(yù)測(cè)誤差的不確定性引起的綜合能源系統(tǒng)運(yùn)行優(yōu)化問(wèn)題的有效方法，將模型中的不確定性問(wèn)題變成多個(gè)確定性問(wèn)題的集合，從而方便建立模型，優(yōu)化計(jì)算方法。

3 算例分析

3.1 算例系統(tǒng)構(gòu)成

綜合能源系統(tǒng)結(jié)構(gòu)如圖1所示。

圖1 綜合能源系統(tǒng)結(jié)構(gòu)

3.2 場(chǎng)景設(shè)計(jì)

假設(shè)光伏發(fā)電的預(yù)測(cè)輸出數(shù)據(jù)已知，根據(jù)“預(yù)測(cè)箱”方法產(chǎn)生1 000個(gè)光電場(chǎng)。然后估計(jì)每個(gè)場(chǎng)景對(duì)應(yīng)的含光電問(wèn)題目標(biāo)函數(shù)值，用重要性采樣方法對(duì)場(chǎng)景樣本進(jìn)行選擇，通過(guò)后項(xiàng)場(chǎng)景縮減對(duì)1 000個(gè)光電場(chǎng)景進(jìn)行消減，消減至10個(gè)場(chǎng)景，再將10個(gè)場(chǎng)景的風(fēng)電輸出功率，通過(guò)綜合能源系統(tǒng)一般化模型求解機(jī)組的啟停時(shí)序，將結(jié)果作為日內(nèi)經(jīng)濟(jì)調(diào)度的輸入，可得到各個(gè)機(jī)組的運(yùn)行方案及運(yùn)行成本。表1為24h內(nèi)各個(gè)機(jī)組的啟停狀態(tài)運(yùn)行方案。

將優(yōu)化方案運(yùn)用到當(dāng)日實(shí)際風(fēng)電輸出場(chǎng)景中，可以得到如表2所示的結(jié)果。

由表2可知，根據(jù)重要場(chǎng)景分析方法及代理模型優(yōu)化計(jì)算后得到的優(yōu)化方案適用于實(shí)際風(fēng)電量。整體收益與期望最大收益相比變化不大，說(shuō)明該運(yùn)行方案可作為當(dāng)前調(diào)度方案。該方案在兩種場(chǎng)景下具體機(jī)組的產(chǎn)出如圖2和圖3所示。

表1 日內(nèi)調(diào)度各機(jī)組運(yùn)行方案

注：1表示開(kāi)啟，·表示該時(shí)間段機(jī)組關(guān)閉。

表2 預(yù)測(cè)風(fēng)電與實(shí)際風(fēng)電優(yōu)化方案對(duì)比

由圖2和圖3可知，各個(gè)時(shí)刻，各機(jī)組無(wú)論是產(chǎn)電量或者產(chǎn)蒸汽量，都較為接近，最大程度上滿足了負(fù)荷需求，同時(shí)又提高了綜合系統(tǒng)運(yùn)行的經(jīng)濟(jì)效益。

4 結(jié)語(yǔ)

本文采用場(chǎng)景分析法來(lái)刻畫風(fēng)電的不確定性，并提出用重要性采樣方法對(duì)場(chǎng)景進(jìn)行分析。與傳統(tǒng)的場(chǎng)景生成方法相比，該方法在不降低準(zhǔn)確性的條件下，計(jì)算成本較低。隨后，以上海某園區(qū)的含風(fēng)電綜合能源系統(tǒng)為研究對(duì)象，驗(yàn)證了模型的可行性和計(jì)算方法的有效性。結(jié)果亦表明，通過(guò)優(yōu)化模型得到的運(yùn)行方案在不同風(fēng)電輸出的場(chǎng)景下靈活調(diào)整，提高了綜合系統(tǒng)經(jīng)濟(jì)性，同時(shí)也降低了風(fēng)電輸出波動(dòng)性給電網(wǎng)帶來(lái)的影響，具有較好的穩(wěn)定性和可靠性。

圖2 優(yōu)化方案在預(yù)測(cè)與實(shí)際中1號(hào)聯(lián)合機(jī)組產(chǎn)電量對(duì)比

圖3 優(yōu)化方案在預(yù)測(cè)與實(shí)際中1號(hào)微燃機(jī)產(chǎn)蒸汽對(duì)比

參考文獻(xiàn)：

[1] Louka P， Galanis G， Siebert N， et al. Improvements in wind speed forecasts for wind power prediction purposes using Kalman filtering[J]. Journal of Wind Engineering & Industrial Aerodynamics，2008（12）：2348-2362.

[2] Zhang Z， Sun Y， Li G， et al. A solution of economic dispatch problem considering wind power uncertainty[J]. Automation of Electric Power Systems，2011（22）：125-130.

[3]Bruninx K， Delarue E. Scenario reduction techniques and solution stability for stochastic unit commitment problems[C]//Energy Conference.IEEE，2016.