一種需求響應(yīng)參與下風(fēng)電儲能系統(tǒng)調(diào)度方法的研究*

何 平 遲福建 趙志斌 劉 聰 李桂鑫 王 哲

（1.國網(wǎng)天津市電力公司 天津 300184）（2.華北電力大學(xué) 北京 102206）

1 引言

大規(guī)模風(fēng)力發(fā)電的集成需要得到發(fā)電側(cè)和用戶側(cè)的協(xié)作支持。在發(fā)電側(cè)，風(fēng)力資源的不確定性導(dǎo)致應(yīng)選擇高質(zhì)量的電力儲能系統(tǒng)以配合系統(tǒng)的發(fā)電調(diào)度［1～2］。在用戶側(cè)，通過合理的需求響應(yīng)以引導(dǎo)用電客戶盡量錯峰用電，優(yōu)化負(fù)載結(jié)構(gòu)［3］。風(fēng)電儲存系統(tǒng)的研究與需求響應(yīng)參與下的優(yōu)化調(diào)度相結(jié)合，有利于提高風(fēng)電的消納能力。對于風(fēng)電儲能系統(tǒng)問題的研究，結(jié)合需求響應(yīng)下的優(yōu)化調(diào)度，目前多數(shù)的學(xué)者主要聚焦于風(fēng)電不確定性預(yù)測、綜合調(diào)度模型的建立和模型求解算法的優(yōu)化［4～7］。綜上所述，本文以系統(tǒng)最低發(fā)電成本為主要目標(biāo)建立綜合優(yōu)化調(diào)度模型并對改模型進(jìn)行了求解。首先，將當(dāng)前風(fēng)電預(yù)測結(jié)果和超短期風(fēng)電預(yù)測結(jié)果作為變化變量及其效果，建立了日前和實時兩階段風(fēng)電儲能系統(tǒng)優(yōu)化調(diào)度模型，并采用優(yōu)化的粒子群算法進(jìn)行模型求解。最后基于多種應(yīng)用場景分析了所提調(diào)度策略對電網(wǎng)系統(tǒng)吸收風(fēng)電能力降低發(fā)電成本的改善效果。

2 兩階段調(diào)度優(yōu)化模型

2.1 日前調(diào)度模型

以火力機(jī)組最小燃煤成本為主要目標(biāo)，依據(jù)前一天的風(fēng)力預(yù)測值對整個系統(tǒng)的火力機(jī)組和風(fēng)能機(jī)組進(jìn)行綜合優(yōu)化調(diào)度［8］。調(diào)度目標(biāo)函數(shù)為

在式（1）中，E是當(dāng)前系統(tǒng)的調(diào)度模型的預(yù)期成本，I是火力發(fā)電機(jī)的組數(shù)。H是風(fēng)電場的數(shù)量。ph是風(fēng)電場h的輸出功率。Ci,t是火力機(jī)組的燃煤成本。是風(fēng)力機(jī)組的啟動和停止的成本；是儲能系統(tǒng)的并網(wǎng)成本。是實施用電需求響應(yīng)的系統(tǒng)成本。

在式（2）和式（3）中，αi、βi、γi是發(fā)電機(jī)組i的燃料成本系數(shù)；git是火力機(jī)組i的發(fā)電量；uit是火力發(fā)動機(jī)組的啟動和停止?fàn)顟B(tài)；Nit是發(fā)電機(jī)組啟動和停止的成本。

在式（4）中，a和b是線性函數(shù)的系數(shù)；ΔLt為實施需求響應(yīng)后用電縮減量；是實施需求響應(yīng)前的用電量。

儲能系統(tǒng)充放過程中其大功率變流元件必然會損耗一定功率。對t時刻儲能系統(tǒng)的功率損耗量的計算公式為

在式（5）中，Ns是能量存儲系統(tǒng)的數(shù)量；Bs,t是t時儲能系統(tǒng)的并網(wǎng)成本；和是儲能系統(tǒng)的電能轉(zhuǎn)換的功率。

上述數(shù)學(xué)模型在實際調(diào)度中需要滿足以下的約束條件。

1）負(fù)載平衡的約束。

式（6）中，W是風(fēng)力機(jī)組的總數(shù)；ψi是發(fā)電機(jī)組I的使用率；和是儲能系統(tǒng)充電和放電過程中的功率損耗率；ψi是在并網(wǎng)風(fēng)力場w的。

2）儲能系統(tǒng)的最大功率約束。儲能系統(tǒng)的主要約束條件包括電能存儲最大功率值的約束，充電放電周期的時間約束以及電池的能量存儲容量的約束等［9～10］。

3）風(fēng)電機(jī)組輸出的約束。風(fēng)電電機(jī)組對調(diào)度的參與主要受輸出約束、爬升約束和啟動和停止時間約束的影響［11～13］。

4）需求響應(yīng)的實施約束。需求響應(yīng)的實施是通過改變用戶的用電方式改變負(fù)載結(jié)構(gòu)［14］。需求需求下的負(fù)載減少幅值應(yīng)該依據(jù)用電客戶的不同具有相應(yīng)的上下限值。同時需求響應(yīng)的實施可能會導(dǎo)致負(fù)載曲線波動幅度的增加。

在式（7）中，vt是值為0～1的變量，當(dāng)vt=1時表示低壓負(fù)載減少；當(dāng)vt＜1時表示低壓負(fù)載沒有減少。表示在t時刻低壓負(fù)載減少的最大量。

在式（8）和式（9）中，LU和LD分別是需求響應(yīng)下用電量減少幅值的上下限值。主動配電網(wǎng)下需求響應(yīng)的實施需要與發(fā)電機(jī)組協(xié)作滿足其啟動和停止時間的約束，否則可能會導(dǎo)致負(fù)載曲線劇烈波動。

2.2 實時調(diào)度模型

在實時調(diào)度期間，根據(jù)風(fēng)電的前一小時預(yù)測結(jié)果用以下步驟校正儲能系統(tǒng)的運行模式并對前一天調(diào)度結(jié)果進(jìn)行校正需要以下兩個步驟。首先系統(tǒng)凈負(fù)荷的目標(biāo)是最小的；在前一小時的風(fēng)力機(jī)組最大出力與火力機(jī)組最小燃煤成本的目標(biāo)組合的基礎(chǔ)上，糾正風(fēng)力機(jī)組的出力，形成提前一小時的實時調(diào)度模型。

1）調(diào)整前一階段計算得出的儲能系統(tǒng)輸出功率。調(diào)整儲能系統(tǒng)的輸出的主要目標(biāo)是火力機(jī)組的最小燃煤成本。目標(biāo)函數(shù)為

2）風(fēng)電電機(jī)組輸出校正模型。

校正已經(jīng)啟動的消防電機(jī)組的運行輸出的模型以燃煤機(jī)組的最小的發(fā)電量為目標(biāo)，具體的計算模型如下：

校正后，風(fēng)電電機(jī)組的輸出需要滿足以下約束條件：

3 基于混沌粒子群優(yōu)化算法的模型求解

應(yīng)用粒子群優(yōu)化算法求解風(fēng)電和儲能兩個階段的調(diào)度優(yōu)化模型，首先是對系統(tǒng)的參數(shù)值進(jìn)行二進(jìn)制編碼，然后利用應(yīng)用粒子群優(yōu)化算法按照以下流程對模型進(jìn)行求解［15］。

1）為便于將二進(jìn)制粒子群優(yōu)化算法應(yīng)用于模型求解，第一步是更新粒子的位置和速度。

2）計算步驟1）所更新的粒子與最優(yōu)粒子群之間的距離。設(shè)ki為位于i位置處的任何粒子，kr作為最優(yōu)粒子的當(dāng)前位置，兩個粒子之間的距離為

如果di小于10-3閾值，則在粒子群中按照既定的規(guī)則進(jìn)行混沌搜索，并用搜索得出的新粒子取代ki粒子，形成新的粒子群。

3）判斷搜索完成后粒子群是否滿足各種約束條件，如果滿足條件則保持不變，如果不滿足條件則取限值。

4）計算完成搜索后的粒子群的參數(shù)值：全局最優(yōu)Fbest、全局最優(yōu)位置K和最佳粒子位置。轉(zhuǎn)至步驟5）。

5）判斷當(dāng)前迭代次數(shù)是否達(dá)到最大值，如果達(dá)到最大值，則輸出結(jié)果，否則迭代次數(shù)應(yīng)設(shè)置為，并轉(zhuǎn)到步驟1）。

算法流程如圖1所示。

圖1 粒子群優(yōu)化算法流程

4 應(yīng)用場景分析

4.1 應(yīng)用場景

為系統(tǒng)設(shè)置四種應(yīng)用場景，分析儲能系統(tǒng)和需求響應(yīng)對系統(tǒng)吸收風(fēng)能的能力的影響。

應(yīng)用場景1：該場景中沒有將風(fēng)電儲能系統(tǒng)和需求響應(yīng)引入電網(wǎng)調(diào)度程序中。

應(yīng)用場景2：該場景中引入儲能系統(tǒng)進(jìn)行電網(wǎng)調(diào)度。所引入的儲能系統(tǒng)容量為200MW，充放電最大功率為80MW，系統(tǒng)額定損耗為0.04MW。

應(yīng)用場景3：該場景中引入需求響應(yīng)的實施。需求響應(yīng)中用電量最大減少幅值設(shè)置為不超過原用電量的1/4，負(fù)載曲線上峰值和谷值之差不超過100MW。

應(yīng)用場景4：該場景可以同時引入需求響應(yīng)和風(fēng)電儲能系統(tǒng)。所引入風(fēng)電儲能系統(tǒng)和實施的需求響應(yīng)的參數(shù)與場景2和場景3相同。

4.2 應(yīng)用結(jié)果對比

四個場景下火力機(jī)組煤耗成本分別為1.1983kt、1.1901kt、1.0052kt和9.8326kt。四個場景中火力機(jī)組啟停耗煤成本分別為145.8t、128t、122t和95.4t。對上述四個應(yīng)用場景下系統(tǒng)發(fā)電成本進(jìn)行分析可以發(fā)現(xiàn)，綜合發(fā)電儲能系統(tǒng)和需求響應(yīng)的兩階段調(diào)度策略有效地降低了負(fù)載水平和火力機(jī)組的煤耗費用，具有顯著的經(jīng)濟(jì)效益。

圖2是四個場景中的系統(tǒng)負(fù)載需求曲線。對場景1和場景2下應(yīng)用數(shù)據(jù)進(jìn)行分析可以發(fā)現(xiàn)，儲能系統(tǒng)的引入可以將峰值負(fù)載需求轉(zhuǎn)移到低谷負(fù)載期，從而改變負(fù)載結(jié)構(gòu)，沒有減少總用電量。對場景3進(jìn)行分析可知，需求響應(yīng)的實施可以減少峰值負(fù)載時期的總體用電量，但不會將峰值期的負(fù)載轉(zhuǎn)移至低谷期。

圖2 四種場景下的負(fù)荷需求曲線

在單獨風(fēng)電并網(wǎng)的輸出以及能量存儲系統(tǒng)和需求響應(yīng)都被引入時（場景4），系統(tǒng)吸收風(fēng)能的能力最強(qiáng)，風(fēng)能的損失率從場景1中的12%降至場景4中5.06%。與場景2和場景3相比，可以發(fā)現(xiàn)優(yōu)化效果與風(fēng)電機(jī)組的輸出結(jié)構(gòu)相同，即單一引入需求響應(yīng)的場景中風(fēng)電并網(wǎng)輸出（場景3））將比單一引入能量存儲系統(tǒng)（場景2）的場景更好。圖3是四個場景中風(fēng)電并網(wǎng)的出力狀態(tài)。

圖3 四種場景下的并網(wǎng)風(fēng)電出力比較

場景4與場景2相比，儲能系統(tǒng)并網(wǎng)出力增大，導(dǎo)致火力機(jī)組的煤耗成本得到下降，這說明對風(fēng)電儲能系統(tǒng)的科學(xué)調(diào)度推動了系統(tǒng)綜合發(fā)電經(jīng)濟(jì)成本的下降。場景4和場景3相比，可以看出實施需求響應(yīng)可以使得負(fù)載曲線的波動更加平緩，為電網(wǎng)調(diào)度提供了更好的條件。表1是四個場景下儲能系統(tǒng)的運行結(jié)果。

表1 四個場景下系統(tǒng)運行優(yōu)化結(jié)果

綜上所述，在需求響應(yīng)下，引入儲能系統(tǒng)對風(fēng)電儲能兩級調(diào)度優(yōu)化，可有效降低系統(tǒng)發(fā)電能耗水平，環(huán)境效益和經(jīng)濟(jì)效益顯著。

5 結(jié)語

風(fēng)電出力與負(fù)荷需求時間的反向分布是導(dǎo)致風(fēng)電出力大量中斷的主要原因。為了加強(qiáng)風(fēng)電大規(guī)模并網(wǎng)，需要引入需求響應(yīng)和儲能系統(tǒng)并優(yōu)化需求側(cè)的負(fù)荷分配。本文將兩階段優(yōu)化模型的調(diào)度與混沌二元粒子群優(yōu)化算法相結(jié)合，建立了風(fēng)電儲能系統(tǒng)，應(yīng)用結(jié)果表明，兩階段風(fēng)電儲能調(diào)度優(yōu)化模型，通過對日前調(diào)度方法的修正，可以優(yōu)化風(fēng)電機(jī)組的出力結(jié)構(gòu)，降低系統(tǒng)發(fā)電成本，提高系統(tǒng)消納風(fēng)電的能力。在需求響應(yīng)和風(fēng)電儲能系統(tǒng)的協(xié)作下，所提調(diào)度模型可以優(yōu)化負(fù)荷結(jié)構(gòu)，降低火力機(jī)組的出力，從而提高系統(tǒng)的發(fā)電經(jīng)濟(jì)性。