基于中長期交易電量校核的輸電通道選擇方法研究

江海龍 王海超 郝宇星 張偉時

摘 要：當前，我國社會經濟穩(wěn)步發(fā)展，電力需求不斷提升，電網日常運行期間會產生大量的中長期交易電量校核量。本研究以目前短期交易電量校核為基礎，分析其中存在的缺點，結合電力市場中長期交易校核需求，構建中長期電量校核模型，以探究輸電通道的有效選擇策略。研究結果表明，以貪婪算法為核心的輸電線路通道選擇策略具有顯著的效果，可以作為未來長期交易電量校核時輸電通道的首要選擇。

關鍵詞：電網;交易校核;貪婪算法;輸電通道;中長期交易;電力市場

中圖分類號：TM73;TP301.6文獻標識碼：A 文章編號：1003-5168（2021）03-0110-03

Research on Transmission Channel Selection Method Based on

Medium- and Long-Term Transaction Electricity Check

JIANG Hailong WANG Haichao HAO Yuxing ZHANG Weishi

（Anhui Power Exchange Center Co.， Ltd.，Hefei Anhui 230061）

Abstract： At present， China's social economy is developing steadily， and the demand for electricity continues to increase， during the daily operation of the power grid， a large amount of medium- and long-term transaction electricity verification is generated. Based on the current short-term transaction electricity check， This study analyzed its shortcomings， combined with the mid- and long-term transaction check requirements of the electricity market， and built a medium- and long-term electricity check model to explore effective transmission channel selection strategies. The research results show that the transmission line channel selection strategy based on the greedy algorithm has a significant effect， and can be used as the primary choice for the transmission channel in the future long-term transaction power verification.

Keywords： power grid;transaction verification;greedy algorithm;transmission channel;medium-and long-term transaction;power market

從目前的電網技術來看，新能源產出電量交易呈現增長趨勢，這種狀態(tài)將會造成電網發(fā)電、用電的失衡[2]。這是因為較大數量的用電直接交易將會增加電網企業(yè)的結算風險，這種交易方式還會減少電網內動態(tài)電量的空間。

從我國當前經濟發(fā)展的區(qū)域性來看，各地電量需求具有較大的差異，沿海地區(qū)用電需求量高出中部地區(qū)45%左右，高出西部地區(qū)85%左右。對此，我國采取電力外送和跨區(qū)交易的方式，以實現區(qū)域用電需求的平衡，但是這種方式將會增加電網運行中的不確定因素，尤其是電網安全、穩(wěn)定方面。對于電網而言，保障其運行的穩(wěn)定性和安全性是保障各區(qū)域正常用電的基礎，若要更好地體驗電網運行的安全性和靈活性，就必須做好電量交易的安全校核工作，特別是中長期電量交易過程中形成的交易電量核算[1-3]。

1 構建模型

在電力系統(tǒng)中，無論是傳統(tǒng)發(fā)電還是清潔能源發(fā)電，所產生的電力均會被接入內網中。在實時電量的校核過程中，人們可以對不同形式產生的電能進行統(tǒng)一校核計算。

校核時，以傳送的電量數值為自變量來進行各分區(qū)電量的校核。其中，電網系數負荷均衡的函數可以表示為：

[L（t）=j=1ki=1NGPi，j（t）]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（1）

式中，[NG]為電網中的發(fā)電機總量;[k]為電網中存在的分區(qū)數量;[Pi，j（t）]為分區(qū)[j]中的第[i]個發(fā)電機組在時段[t]的發(fā)電功率;[L（t）]為時段[t]電網中存在的總負荷值。

電網各個分區(qū)中所有機組產生的電能實為該分區(qū)的實際發(fā)電量，并經由輸電通道進行區(qū)域之間的連接互通。因此，在校核周期內，各分區(qū)電量平衡的目標函數可以表示為：

[ED，j=EG，j+k=1NBk，j?ET，k]? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（2）

式中，[EG，j]為[j]分區(qū)中的總發(fā)電電能;[Bk，j]為輸電通道[k]屬性之間存在的關系，若其數值為-1，則表示分區(qū)[j]將采用輸電通道[k]進行電量的傳輸，若數值為1，則表示分區(qū)[j]通道采用輸電通道[k]進行電量的接收;[ET，k]為輸電通道中傳輸所傳送的電量值;[ED，j]為分區(qū)[j]中產生的用電量。

為了保障電網運行的穩(wěn)定性，應進一步對各發(fā)電機組進行約束，其中發(fā)電機組的約束方式為：

[Pi，min≤Pi，t i=1，2，…，NG，t=1，2，…，NTPi，t≤Pi，max i=1，2，…，NG，t=1，2，…，NT]? ? ? ? （3）

式中，[Pi，t]為機組[i]在[t]時段中實際的發(fā)電功率;[Pi，min]為機組[i]運行中發(fā)電功率的最小值;[Pi，max]為機組[i]運行中發(fā)電功率的最大值。

區(qū)域內各發(fā)電機組功率升降速率的約束可以表示為：

[Pi，t-Pi，t-1≤ΔPG，i，t，up，max i=1，2，…，NG，t=1，2，…，NTPi，t-1-Pi，t≤ΔPG，i，t，dv，max i=1，2，…，NG，t=1，2，…，NT] （4）

式中，[ΔPG，i，t，up，max]為機組[i]在[t]時段中功率的最大提升值;[ΔPG，i，t，dw，max]為機組[i]在[t]時段中功率的最大降低值。

此外，在實施約束調整時，要根據實際具體需要和相關規(guī)范標準進行電力系統(tǒng)的經濟調度，比如，加強對機組負荷率、電力系統(tǒng)潮流、發(fā)電機組最小開機或停機時間以及輸電線路傳輸特性等條件的約束。

2 優(yōu)化輸電通道的選擇

機組電量具有上下限的約束要求，將會導致各個分區(qū)中發(fā)用電量的不均衡，所以要利用輸電通道對各分區(qū)內的電量進行輸送，以實現電量均衡的目的。由式（2）可知，為了實現發(fā)用電量的均衡，各分區(qū)進行電量傳輸時，采用多條傳輸通道向單一分區(qū)或是多個分區(qū)進行電量傳輸。在此過程中，人工方式不具有可控性，無法實現輸電通道的最佳選擇，特別是規(guī)模較大、較為繁雜的電網。不同輸電通道的電量分配方式示意圖如圖1所示。

圖1中，a、b、c、d和e分別代表五個分區(qū)，雖然這個五個分區(qū)構成的電網能夠使系統(tǒng)負荷形成平衡約束，但是a、b、c分區(qū)中各個發(fā)電設備的發(fā)電量均高于區(qū)域內的用電量，而d、e分區(qū)中各個發(fā)電設備的發(fā)電量均低于區(qū)域內的用電量。也就是說，各個單獨分區(qū)的發(fā)電量和用電量存在不均衡的情況，因此要采用輸電通道的方式進行分區(qū)的電量傳輸，通過采用構成分區(qū)聯(lián)合電網的形式均衡各個分區(qū)的發(fā)用電量。其中，分配方式一和分配方式二均可以實現不同分區(qū)中電量的均衡，卻具有兩種完全不同形式的電量輸送通道。分配方式一需要具備四條電力輸送通道，才能實現各個分區(qū)發(fā)用電量的均衡狀態(tài)，而分配方式二需要具有三條電力輸送通道，用于完成分區(qū)中發(fā)送電量的均衡狀態(tài)。

隨著電網電力需求的不斷提升，電網分區(qū)數量將不斷地增加，在這種狀況下，人們將無法再通過人工方式進行輸電通道的分配選擇，因此可以制定科學合理的方式實現輸電通道的優(yōu)化選擇。目前，在分區(qū)所構成的電網中，按照各分區(qū)電量盈虧情況，其可分為兩種類型，即分區(qū)中電量存在富余的輸送電量以及電量不足的需求電量。因此，最佳的輸電通道策略就是在不同電量盈虧分區(qū)之間采用最少的輸電通道，從而保證電網中各個分區(qū)發(fā)用電量處于均衡狀態(tài)。本研究針對這一問題將采用貪婪算法（Greedy Algorithm，GA）以及最優(yōu)子結構（Optimal Substructure）屬性進行求解。下面進行具體方法分析。

根據電網中各個分區(qū)的盈虧電量，將電網各個分區(qū)劃分為輸送電量分類和受電量分類;將電網中不同種類性質的分區(qū)按照盈虧電量的高低進行降序排列;將輸送電量分類中具有最大富余電量分區(qū)的電量傳輸至受電量分類中電量不足的分區(qū);當輸送電量分類中具有最大富余電量分區(qū)的電量高于受電量分類中電量不足分區(qū)的缺少電量時，輸送電量分區(qū)中具有最大富余電量分區(qū)的電量減去受電量分類中電量不足的分區(qū)缺電量后，將輸送電量分區(qū)中具有最大富余電量的分區(qū)按照當前剩余富余電量大小重新排入輸送電量類中，與此同時將得到電量補充的受電量分類中電量不足的分區(qū)從受電量分區(qū)中去除;當輸送電量分類中具有最大富余電量分區(qū)的電量低于受電量分類中電量不足分區(qū)的缺少電量時，應將受電量分類中電量不足分區(qū)的缺少電量減去輸送電量分類中具有最大富余電量分區(qū)的電量后，將受電量分類中電量不足分區(qū)按照剩余缺少電量排序到受電量分類中，并將電量輸送后的最大富余電量分區(qū)進行去除;根據上述方式循序進行各個分區(qū)電量的輸送設置。

3 驗證分析

3.1 實例驗證

本研究將首先采用實驗分析的方式驗證輸電通道選擇策略的合理性，實驗方法為：針對六個不同分區(qū)的發(fā)用電量進行驗證分析。六個不同分區(qū)的發(fā)用電量統(tǒng)計情況如表1所示

表1顯示，各個分區(qū)中，電量盈虧分類劃分為：c、e、f為輸送電量類，其中富余電量分別為41.9×104 MW·h、7.2×104 MW·h和5.0×104 MW·h;a、b、d為受電量類，各分區(qū)缺電量分別為49.7×104 MW·h、46.7×104 MW·h和22.9×104 MW·h。

下面采用本研究中輸電通道選擇策略進行分區(qū)電量的輸送，結果如表2所示。

本文結合GA算法選擇有效的輸電通道策略，其中各輸電通道中傳輸的電量如表3所示。

表3所排列的順序為策略運行過程中執(zhí)行的順序，由此可以發(fā)現，輸電過程以優(yōu)先傳輸至缺電量較大的分區(qū)作為主要原則。

3.2 仿真驗證

為了更加真實地了解本研究中采用的輸電通道策略的科學性、適用性，本文將進行仿真模擬驗證，主要方法為：模擬不同分區(qū)中發(fā)用電量不同的情況，并將GA算法同啟發(fā)式算法（Heuristic Algorithm）中能夠實現性能最優(yōu)的Min-Min遺傳算法進行結果比較，從而驗證GA算法的有效性[4]。

在實施仿真模擬實驗時，為了保證仿真驗證的真實性，將隨機設置10～50的整數作為十個分區(qū)的發(fā)電量，將設置的10個發(fā)電量參數的總和作為基準，從而得到各個分區(qū)的用電量。本研究仿真模擬驗證中，各分區(qū)發(fā)用電情況如表4所示。

根據表4中各區(qū)的發(fā)用電量，若套用GA算法，則可以得到采用輸電通道選擇策略的各區(qū)傳輸電量，如表5所示。

根據表4中各區(qū)的發(fā)用電量，若套用Min-Min遺傳算法，則可以得到輸電通道傳輸電量，如表6所示。

從表5、表6中的仿真模擬通道結果來看，采用本研究的GA算法時，輸電通道為8條，而采用Min-Min遺傳算法時，輸電通道為9條。由此可見，以貪婪算法為核心的輸電線路通道選擇策略具有顯著的效果，可作為未來長期交易電量校核時輸電通道的首要選擇。

4 結語

本研究以電網不同分區(qū)發(fā)用電量分配的中長期電量交易校核為對象，分析電網系統(tǒng)中各區(qū)負荷均衡的目標函數和各項約束條件。針對電網系統(tǒng)中各分區(qū)發(fā)用電量不均衡的情況，本文采用GA算法作為中輸電通道的選擇策略，并通過實例驗證、仿真驗證的形式評價輸電通道策略的科學性和適用性。結果顯示，以貪婪算法為核心的輸電線路通道選擇策略具有顯著的效果，可以作為未來長期交易電量校核時輸電通道的首要選擇。

參考文獻：

[1]程雄，唐應玲，申建建，等.電力市場環(huán)境下大規(guī)模水電站群月度交易電量分解與校核方法[J].中國電機工程學報，2020（8）：2514-2525.

[2]李利利，汪志成，王崗，等.基于安全約束機組組合的中長期電量安全校核兩階段優(yōu)化[J].電力系統(tǒng)自動化，2020（13）：166-173.

[3]黃國棟，楊軍峰，丁強，等.基于電量裕度的中長期電量安全校核方法[J].電力系統(tǒng)保護與控制，2020（2）：115-121.

[4]張傳成，許丹，戴賽，等.基于特征時段提取的月度發(fā)電計劃與安全校核模型[J].電網技術，2016（11）：3342-3347.