計及爬坡場景覆蓋的高比例新能源電網(wǎng)平衡策略研究

亢麗君 王蓓蓓 薛必克 馮樹海

計及爬坡場景覆蓋的高比例新能源電網(wǎng)平衡策略研究

亢麗君1王蓓蓓1薛必克2馮樹海2

（1. 東南大學電氣工程學院 南京 210096 2. 中國電力科學研究院有限公司 南京 210003）

隨著高比例新能源接入電網(wǎng)，系統(tǒng)在安全、可靠性等方面面臨著新的挑戰(zhàn)，通過改進日內(nèi)平衡資源配置方案增加系統(tǒng)調(diào)度的運行靈活性的相關研究受到廣泛關注。該文在日前既有調(diào)度方案的基礎上，在日內(nèi)2h尺度確定快機開停機及各類靈活性資源的出力、靈活性預留結(jié)果，并關注靈活性預留的可調(diào)度性，建立場景覆蓋指數(shù)以評價該備用配置方案在實時時間尺度系統(tǒng)可響應量?；诖藰嫿ㄓ嫾叭諆?nèi)爬坡場景覆蓋的高比例新能源電網(wǎng)日內(nèi)平衡策略。算例結(jié)果說明該文提出的日內(nèi)平衡策略由于更精確地計及了機組爬坡特性，而使得系統(tǒng)靈活性資源的預留具備可量測性，提高了系統(tǒng)的靈活性水平，減少了棄風/切負荷事件的發(fā)生概率。

靈活性 源荷互動 日內(nèi)優(yōu)化 高比例新能源

0 引言

隨著新能源大規(guī)模接入電網(wǎng)，電網(wǎng)的不確定性逐漸從負荷單側(cè)轉(zhuǎn)變?yōu)樵?、荷雙向不確定性。傳統(tǒng)調(diào)度模型在優(yōu)化目標函數(shù)中考慮棄風、切負荷最小[1-2]，其結(jié)果可能是系統(tǒng)為應對不確定性不計代價地預留盡可能多的靈活性資源，這種粗放式的調(diào)度模式不僅帶來昂貴的運行成本[3]，且隨著更多新能源裝機和燃煤機組的退役，可調(diào)度的靈活性電源日益減少，使得該方法難以為繼[4]。因此系統(tǒng)調(diào)度應該具備對于靈活性資源提供運營所需靈活性大小的度量能力，從而實現(xiàn)靈活性資源調(diào)度的精打細算。另一方面，需求側(cè)資源的快速發(fā)展使得系統(tǒng)靈活性資源變得更加多樣化[5-6]。在此背景下，研究面向源荷互動的優(yōu)化調(diào)度策略，以實現(xiàn)系統(tǒng)稀缺的靈活性資源用在刀刃上[7-8]。

近年來眾多學者在優(yōu)化調(diào)度模型中考慮靈活性需求，增加系統(tǒng)運行靈活性。部分學者應用確定性模型[9]，在模型中添加靈活性需求最小值約束，從而滿足一定范圍內(nèi)的系統(tǒng)不確定性[10]，美國加州電力市場（California Independent System Operator, CAISO）和美國中西部電力市場（Midcontinent Independent System Operator, MISO）已將該調(diào)度模型應用于實際中[11-12]。文獻[13]提出時段耦合的多時間段調(diào)度方法，在調(diào)用靈活性資源之前先進行容量預留。文獻[14]通過考慮更加嚴格的靈活性資源爬坡約束，有效地提高了系統(tǒng)的運行靈活性。有些學者以靈活性評價指標為約束，確保調(diào)度結(jié)果滿足靈活性需求，文獻[15]從靈活性供需平衡的角度提出了電源靈活性裕度指標及其定量計算方法。文獻[16]以配電網(wǎng)為背景，建立考慮靈活性指標約束的多目標優(yōu)化問題。文獻[17]提出靈活性不足率指標評估孤島型微電網(wǎng)的運行靈活性。除了確定型模型外，部分學者通過隨機規(guī)劃將不確定性考慮到靈活性調(diào)度的問題中，文獻[18]建立最小機組運行成本和靈活性需求之間的聯(lián)系，從而解決滿足給定失負荷概率風險值約束的經(jīng)濟調(diào)度問題。此外，魯棒優(yōu)化模型計及極端場景下的新能源不確定性場景，對新能源消納具有積極作用，在靈活性優(yōu)化調(diào)度中也被廣泛使用[19-20]。文獻[21]計及靈活性資源可傳輸性，提出了可傳輸?shù)聂敯綮`活性產(chǎn)品。文獻[22]提出利用分布魯棒優(yōu)化方法并計及風險建立了兩階段靈活性優(yōu)化調(diào)度模型。

綜上所述，目前眾多學者對增加系統(tǒng)運行靈活性調(diào)度策略進行了一定的研究，主要關注靈活性容量預留上，較少關注靈活性資源的爬坡響應特性，即在實際調(diào)度時其可調(diào)度性。常規(guī)備用配置模型僅考慮單時段不確定性的影響[23-24]；CAISO在其調(diào)度模型中關注了爬坡響應特性，添加了時段間的爬坡約束[12]。文獻[14]在日前進行備用配置時，考慮了機組備用爬坡的極端場景，爬坡約束更為嚴格，優(yōu)化調(diào)度結(jié)果能夠應對不確定性置信區(qū)間內(nèi)的任一出力結(jié)果，但是其應用在日內(nèi)及實時時間尺度的魯棒性較強，成本較高。

以上方法主要基于修改靈活性備用配置的爬坡約束，增加系統(tǒng)響應靈活性需求的能力，但是沒有著眼于研究爬坡約束嚴格程度與系統(tǒng)靈活性可調(diào)度性之間的聯(lián)系，同時缺乏量化靈活性備用可調(diào)度性大小的評價指標。針對這一問題，本文提出場景覆蓋指數(shù)評價指標，計算系統(tǒng)基于已知靈活性備用配置結(jié)果的可覆蓋的不確定性場景集與目標覆蓋場景集的比值，即可應對的隨機場景比例，準確描繪靈活性備用配置結(jié)果的可調(diào)度性大小。進一步建立計及場景覆蓋指數(shù)與需求側(cè)參與的日內(nèi)靈活性資源平衡策略研究，該調(diào)度策略能夠根據(jù)決策者的風險偏好進行相應的優(yōu)化調(diào)度策略調(diào)整?；谒憷接懥遂`活性資源可響應特性與系統(tǒng)優(yōu)化調(diào)度策略及結(jié)果之間的聯(lián)系。

1 備用預留的爬坡場景覆蓋

1.1 靈活性資源的可調(diào)度性

在高比例新能源電網(wǎng)調(diào)度過程中，由于新能源及負荷具有預測偏差，通常會根據(jù)當前調(diào)度時刻的預測不確定性為后一時間段進行一定的靈活性預留。本文主要著眼于日內(nèi)2h前的備用預留和實時實際調(diào)度的時間尺度。圖1a中實線即為各時刻日內(nèi)2h前所預留的靈活性資源，實線所圍成的黑色區(qū)域構成預留靈活性資源目標所覆蓋的不確定性場景集。

在實際調(diào)度中，各靈活性資源的優(yōu)化調(diào)度需考慮時段間爬坡耦合約束的影響，即靈活性資源是否具有足夠的爬坡能力提供相應的靈活性備用。圖1b中的A0、C0點和A1、C1點分別為系統(tǒng)在日內(nèi)2h前調(diào)度時在0、1時刻所預留的向上、向下靈活性備用量，B0、B1點為系統(tǒng)在日內(nèi)2h前在0、1時刻預測凈負荷。靈活性資源可調(diào)度性考慮的是在實際調(diào)度中，如果0時刻靈活性資源調(diào)用了向下靈活性備用，系統(tǒng)總出力在圖1b中C0點，是否具有足夠的爬坡能力使得1時刻系統(tǒng)可以調(diào)用預留的全部向上備用，從而系統(tǒng)總出力可以在A1點。實際上，若0時刻系統(tǒng)總出力在C0點，則由C0點到A1′點恰好構成系統(tǒng)的爬坡極端場景（白色箭頭），即所有機組按自身最大爬坡速率爬坡，在1時刻系統(tǒng)僅能達到A1′點。因此由于機組爬坡能力不足，即使系統(tǒng)在日內(nèi)預調(diào)度預留了備用，系統(tǒng)也無法實時調(diào)用備用應對系統(tǒng)不確定性，從而得到系統(tǒng)預留靈活性資源受制于爬坡速率實際可覆蓋的場景集如圖1b中灰色區(qū)域所示。

圖1 靈活性資源可調(diào)度性示意圖

假定系統(tǒng)在日內(nèi)2h根據(jù)不確定性進行容量預留，決定日內(nèi)開停機計劃，在實時調(diào)度時僅能通過調(diào)用備用改變出力，不能開啟新的機組。如日內(nèi)2h前預測0、1時刻凈負荷分別為60MW、90MW，凈負荷預測不確定性設置為凈負荷的10%，0與1時刻間隔為15min，而凈負荷在0與1時刻的實際值為55MW、95MW。機組A、B的爬坡速率均為2MW/min，出力成本分別為10$/MW、20$/MW，備用預留成本設置為出力成本的一半，以總成本最小化為優(yōu)化目標，優(yōu)化結(jié)果如圖2所示，其中0時刻在日內(nèi)2h前預調(diào)度和實時調(diào)度結(jié)果均為已知量。

在日內(nèi)2h前預調(diào)度中，由于機組A運行成本較低，1時刻僅需開啟機組A即可完成能量與備用的出清。面對預測與實際凈負荷的偏差，在實時調(diào)度時，機組A在時刻0調(diào)用5MW（60MW-55MW=5MW）向下備用，在1時刻調(diào)用5MW（95MW-90MW=5MW）的向上備用。但受機組爬坡速率限制，機組A在日內(nèi)2h出清時，0、1時刻的出力分別為60MW、90MW，兩時刻間的主能量爬坡已經(jīng)達到機組A的向上爬坡極限。若機組A在0時刻調(diào)用向下備用，則其已經(jīng)沒有爬坡余量可調(diào)用1時刻的向上備用（15MW×2MW= 30MW，小于95MW-55MW=40MW的實際爬坡需求）。因此最終系統(tǒng)在時刻1產(chǎn)生10MW切負荷。

圖2 不計靈活性資源可調(diào)度性調(diào)度結(jié)果

若在日內(nèi)2h前預調(diào)度中考慮靈活性資源的可調(diào)度性，在備用配置時添加機組在任一出力下能夠調(diào)用下一時刻任意備用的爬坡約束限制，即需滿足備用調(diào)用的的極端場景。優(yōu)化結(jié)果如圖3所示。此時為滿足靈活性資源可調(diào)度性的約束，系統(tǒng)啟動機組B以提供額外的靈活性。最終實時調(diào)度結(jié)果如圖3所示，機組B在1時刻調(diào)用5MW向上備用，不會導致任何的棄風、切負荷現(xiàn)象。計及靈活性資源的可調(diào)度性后，系統(tǒng)在考慮相同容量備用預留時，需要開啟更多的機組以提供機組爬坡能力，付出更高的運行成本，但是在某些極端場景下靈活性資源更高的可調(diào)度性為系統(tǒng)的安全可靠提供了有力的保障。因此當系統(tǒng)預見到未來場景的凈負荷偏移時，應提前考慮容量預留和爬坡能力實現(xiàn)兩個方面，從而避免在可預見的情況下由于缺乏必要的靈活性調(diào)控手段，切風/負荷等事件的發(fā)生。

圖3 計及靈活性資源可調(diào)度性調(diào)度結(jié)果

1.2 爬坡場景覆蓋指數(shù)的定義

本文著力于分析靈活性資源的可調(diào)度性能力，并提出對評價指標進行量化。時刻某個靈活性資源的可調(diào)度性主要受制于自身的爬坡速率，這些資源的可調(diào)度性進而構成系統(tǒng)內(nèi)的可響應靈活性需求。本文用各時刻系統(tǒng)所能實際應對的不確定性場景集描繪可調(diào)度性，后文簡稱為靈活性資源可覆蓋場景集。本文借鑒文獻[25]中結(jié)合魯棒思想、在極端場景描繪靈活性的方法，提出場景覆蓋指數(shù)，描繪系統(tǒng)在不同備用配置方案下時間段內(nèi)響應靈活性需求的能力，其定義為：爬坡場景覆蓋指數(shù)（Scenario Coverage Index, SCI）為實時系統(tǒng)在備用調(diào)用極端場景下的可覆蓋場景與日內(nèi)2h預留向上/下靈活性容量目標覆蓋場景的比值。

這里的備用調(diào)用極端場景指的是考慮了實時凈負荷出力劇烈波動，所有機組在時刻間均以最大爬坡速率爬坡調(diào)用備用的極端場景，即在前一時刻調(diào)用了向上/向下備用后，緊接著以最大速率爬坡并在下一時刻調(diào)用向下/向上備用。在該調(diào)度場景下，待評價的備用配置方案所能實際覆蓋的最大不確定性場景集是衡量不同備用配置方案可響應靈活性需求大小的標準。

爬坡場景覆蓋指數(shù)示意圖如圖4所示，SCI即灰色區(qū)域面積相對于黑色區(qū)域面積的占比。實時在備用調(diào)用極端場景下的可覆蓋場景是以各時刻機組可調(diào)度上/下限（Real Time unit Scheduling Responsive Upper/Lower Limit, RT SRU/SRL）（點劃線）為邊界所得到的包絡面。日內(nèi)2h預留向上/下靈活性容量目標覆蓋場景為以系統(tǒng)各時刻預留靈活性資源所期望覆蓋的場景，對應到圖4為以日內(nèi)2h預留向上/下靈活性容量上限（2h Flexible Reserve Up/Down Capacity, 2h FRU/FRD）（實線）為邊界所得到的包絡面，即黑色區(qū)域的面積。當系統(tǒng)靈活性資源足夠充裕且靈活性資源配置合理時，上述兩個覆蓋場景相同，場景覆蓋指數(shù)為1。

圖4 爬坡場景覆蓋指數(shù)示意圖

場景覆蓋指數(shù)評價指標的計算是基于已知的靈活性資源出力水平與靈活性資源預留情況進行的，屬于事后評價。通過預調(diào)度，計算當前備用配置結(jié)果相較于目標覆蓋場景的SCI，得到當前調(diào)度結(jié)果可響應的極限場景。該評價指標可適用于不同的時間尺度，能較好地描繪各時間尺度下靈活性可調(diào)度特性之間的聯(lián)系，即前一時間段備用預留與后一時間段調(diào)度之間的關系，前一時間段一般指日前或日內(nèi)，在本文中側(cè)重日內(nèi)2h前預留和實時調(diào)度之間的關系度量。

2 計及日內(nèi)場景覆蓋指數(shù)的面向源荷互動靈活性調(diào)度模型

2.1節(jié)的日內(nèi)調(diào)度模型是基于日前優(yōu)化調(diào)度結(jié)果進行的。日前優(yōu)化以運行成本最小化為優(yōu)化目標得到傳統(tǒng)慢機組（后文簡稱慢機）出力及各靈活性資源的靈活性備用出力。在日內(nèi)調(diào)度階段，基于已知日前優(yōu)化調(diào)度結(jié)果、日內(nèi)靈活性需求，確定慢機出力調(diào)整量，快速啟動機組（后文簡稱為快機）啟停、出力，激勵型需求響應（Incentive-based Demand Response, IDR）的出力和各類靈活性資源的靈活性備用出力。在日內(nèi)2h前，每15min完成一次滾動優(yōu)化調(diào)度，優(yōu)化時間尺度為2h。本文所建立的SCI指標主要描繪在已知系統(tǒng)不確定性，系統(tǒng)調(diào)度結(jié)果的可調(diào)度性，因此將靈活性需求作為已知量進行出力。2.2節(jié)為場景覆蓋指數(shù)的計算模型，場景覆蓋指數(shù)計算是基于2.1節(jié)的日內(nèi)靈活性調(diào)度模型的結(jié)果，即已知的機組出力及靈活性備用配置結(jié)果。其調(diào)度框架如圖5所示。

圖5 計及場景覆蓋指數(shù)與需求側(cè)參與的靈活性資源調(diào)度框架

2.1 日內(nèi)靈活性資源調(diào)度模型

本文所考慮的新能源主要為風電，但模型同樣適用于具有不確定性的各類新能源。距離實際運行時間越近，日內(nèi)凈負荷預測誤差更小，優(yōu)化間隔更短，在該時間尺度考慮靈活性爬坡將更加有效，目前MISO[26]等調(diào)度機構對靈活性爬坡的考慮也主要在日內(nèi)時間尺度，且日內(nèi)對于系統(tǒng)調(diào)度結(jié)果的可靠性要求更高，因此日內(nèi)優(yōu)化調(diào)度結(jié)果較運行成本應更加看重結(jié)果的靈活性。綜上所述，本文在日內(nèi)建立考慮SCI的靈活性調(diào)度模型，并選取典型日內(nèi)優(yōu)化間隔2h進行分析。

本文的日內(nèi)靈活性資源調(diào)度是基于日前優(yōu)化調(diào)度結(jié)果進行的，因此目標函數(shù)為調(diào)整成本最小，模型中日前優(yōu)化結(jié)果均為已知量。而模型的約束條件主要包括系統(tǒng)功率平衡約束、日前靈活性備用的調(diào)用約束、日內(nèi)靈活性配置約束及場景覆蓋指數(shù)約束。

2.1.1 目標函數(shù)

目標函數(shù)為靈活性資源的運行總費用最小，包括日前所預留靈活性備用的調(diào)用成本，快機的運行成本及啟動成本，IDR的運行成本，日內(nèi)靈活性備用配置成本及日內(nèi)棄風、切負荷、靈活性不足的懲罰成本最小。

2.1.2 約束條件

1）系統(tǒng)功率平衡約束

2）日前慢機機組、IDR靈活性資源調(diào)用約束

3）慢機、快機運行約束

主要包括機組出力約束、爬坡約束、啟停約束，在此不再贅述。

4）靈活性資源配置平衡約束

5）傳統(tǒng)慢機靈活性備用配置約束

6）IDR靈活性備用配置約束

7）快機靈活性備用配置約束

2.2 場景覆蓋指數(shù)計算模型

場景覆蓋指數(shù)是基于已知機組出力水平與靈活性備用資源分配結(jié)果進行計算所得，屬于事后評價。對于單時段的場景覆蓋指數(shù)可以直接計算所得，而對于整個時間段內(nèi)場景覆蓋指數(shù)，由于無法知曉后一時段的機組具體出力，無法計算機組的可調(diào)度上、下限，因此對時間段的系統(tǒng)場景覆蓋指數(shù)用常規(guī)方法難以計算。因此本文以時間段內(nèi)備用配置方案的可覆蓋場景所構成包絡面的最大值與目標覆蓋場景包絡面的面積的比值作為場景覆蓋指數(shù)。

綜上所述，本文建立SCI計算模型的思想是，基于魯棒的理念，以在備用調(diào)用極端場景下備用配置方案可覆蓋場景與目標覆蓋面積比值的最大值，作為調(diào)度結(jié)果可調(diào)度性的評價標準，因此SCI最大為計算模型的優(yōu)化目標。由于本文所考慮的靈活性調(diào)度模型為確定型模型，目標覆蓋場景的面積本質(zhì)上為常數(shù)，因此所需要考慮的SCI最大主要考慮的是各時刻系統(tǒng)SRU/SRL的總和最大。為與常規(guī)魯棒優(yōu)化模型目標模型保持一致，本文目標函數(shù)的數(shù)學模型為1-SCI最小。需要注意的是，這里備用調(diào)用極端場景具體體現(xiàn)為式（25）對靈活性資源可調(diào)用出力的嚴格的爬坡約束，各時段靈活性資源調(diào)用向上、向下靈活性備用需滿足爬坡速率的限制。其他約束條件包括：某一時刻系統(tǒng)SRU/SRL等于該時刻系統(tǒng)所有靈活性資源的可調(diào)用備用量，其受制于靈活性資源自身的爬坡速率及時段間的該資源的向上、下靈活性備用出力。此外，某一靈活性資源的在時刻可調(diào)用出力的上限為系統(tǒng)日內(nèi)2h預調(diào)度根據(jù)靈活性需求所分配的備用預留結(jié)果，因此各靈活性資源的可調(diào)用備用量應小于備用出力上限。

綜上所述，本文建立以系統(tǒng)場景覆蓋指數(shù)SCI最大為優(yōu)化目標，滿足可響應能力限制、靈活性資源備用出力上限等約束條件的評價模型。該模型可以評價各時間尺度調(diào)度結(jié)果在后一時間尺度下的指標，本文著力于衡量日內(nèi)2h前預留在實時調(diào)度的可調(diào)度性，其數(shù)學模型如下。

2.2.1 目標函數(shù)

式中，CCS為實時靈活性資源實際可覆蓋面積，即系統(tǒng)RT SRU/SRL構成的包絡面面積；TCS為日內(nèi)2h 靈活性資源預留目標覆蓋面積，即系統(tǒng)2h FRU/FRD所構成的包絡面面積。

2.2.2 約束條件

式中，ramp為靈活性資源的爬坡速率；P,t為時刻靈活性資源可調(diào)用的出力。

2.2.3 運行模擬模型

基于上述日內(nèi)2h前優(yōu)化調(diào)度模型結(jié)果，本文利用實時運行模擬模型檢驗日內(nèi)2h優(yōu)化調(diào)度靈活性備用配置的可行性。假設風電、負荷預測誤差均滿足正態(tài)分布，依據(jù)一天內(nèi)各時段凈負荷的預測值與預測誤差，采用蒙特卡洛算法生成若干種實時實際風電、負荷出力場景，得到凈負荷場景集合為

式中，NLf()為第次抽樣凈負荷場景，其中包括了2h、8h的凈負荷實際出力；M為抽樣總次數(shù)。

針對蒙特卡洛模擬第次抽樣狀態(tài)，根據(jù)已得的日內(nèi)2h優(yōu)化調(diào)度，備用配置結(jié)果，計算系統(tǒng)棄風、切負荷，即系統(tǒng)上、下爬坡能力不足。以風電出力場景下上、下爬坡不足期望作為系統(tǒng)響應靈活性需求能力的評估結(jié)果，該值可以反映系統(tǒng)響應靈活性需求的平均能力[27]。

3 模型求解方法

圖6 上、下爬坡場景示意圖

本文在靈活性資源調(diào)度模型增加考慮兩個帶有爬坡耦合系數(shù)的爬坡約束，粒子群的粒子維數(shù)被轉(zhuǎn)換為上、下兩個爬坡耦合系數(shù)變量，通過優(yōu)化爬坡耦合系數(shù)，影響靈活性資源備用配置結(jié)果的SCI大小，從而降低粒子群尋優(yōu)復雜度。并進一步將優(yōu)化耦合系數(shù)轉(zhuǎn)換為離散變量，降低粒子群的尋優(yōu)空間。上、下爬坡約束的嚴格程度與備用可調(diào)度性之間存在正相關的關系，隨著二維變量上、下爬坡耦合系數(shù)的增加，系統(tǒng)備用的可調(diào)度性將增加。模型的凸性較好，容易找到全局最優(yōu)解。模型求解方法由粒子群求解轉(zhuǎn)換為粒子群優(yōu)化爬坡耦合系數(shù)，CPLEX軟件包求解帶爬坡耦合系數(shù)的靈活性資源調(diào)度模型。模型轉(zhuǎn)換及求解思路如圖7所示。

增加的爬坡約束為

圖7 模型轉(zhuǎn)換及求解示意圖

圖8 模型求解流程

在得到日內(nèi)2h前優(yōu)化調(diào)度結(jié)果后，將已得調(diào)度結(jié)果及靈活性備用配置結(jié)果輸入到運行檢驗模型中，計算當前調(diào)度結(jié)果的上、下爬坡不足量。

4 算例分析

本文采用改進的6節(jié)點機組作為測試系統(tǒng)對所提出的調(diào)度模型進行驗證，系統(tǒng)包括3臺慢機、3臺快機和1個風電場，快機和慢機的主要區(qū)分依據(jù)為最小開停機時間和爬坡速率。

由于日前、日內(nèi)調(diào)度階段風電、負荷曲線的預測誤差依次遞減，其預測誤差滿足正態(tài)分布。假設日內(nèi)預測誤差概率分布的方差為日前預測誤差0.5倍，日前日內(nèi)各時刻需應對的靈活性需求設置為凈負荷不確定性概率分布95%置信度對應的出力偏差。日前機組出力結(jié)果如圖9所示。

圖9 日前機組出力結(jié)果

設計以下三種調(diào)度情景：情景1——調(diào)度策略僅考慮日內(nèi)2h預留向上/下靈活性容量，未計及SCI；情景2——調(diào)度策略不僅考慮日內(nèi)2h預留向上/下靈活性容量，而且SCI＞0.8；情景3——在情景2的基礎上，增加需求響應作為靈活性資源。通過情景1和情景2的對比分析計及SCI對調(diào)度結(jié)果的影響，通過情景2和情景3的對比分析日內(nèi)IDR作為靈活性資源參與調(diào)度，對于提供相同SCI下調(diào)度成本的影響。

為了驗證在不同風電情形和基礎負荷下調(diào)度模型的效果，在一天中三個不同時段（早間、午間及晚間），分析以上三種情景預留靈活性備用的異同。由于風電具有反調(diào)峰特性，因此早間時段和晚間時段的風電出力大，不確定性高，靈活性需求高，而午間時段的風電出力較小，不確定小。除此之外，由于用戶的用電特性，午間時段和晚間時段基礎負荷高。三個時段風電出力占比分別為28%、8%、18%，風電、負荷出力如圖10所示。雖然本文算例僅選取了一天中三個時段進行分析，但通過滾動優(yōu)化可以得到一天的靈活性調(diào)度結(jié)果。

圖10 日內(nèi)風電、負荷出力結(jié)果

4.1 日內(nèi)2h備用預留結(jié)果

4.1.1 SCI約束對系統(tǒng)調(diào)度結(jié)果影響分析

在日內(nèi)2h前進行機組調(diào)度和備用預留，情景1和情景2下SCI計算結(jié)果和運行成本見表1，這里運行成本指的是運行總費用中減去備用配置成本外，系統(tǒng)其他靈活性資源的運行成本。從表1中不同時段情景1的SCI計算結(jié)果，可以得到如下結(jié)論：①備用預留的可調(diào)度性與新能源出力占比密切相關。在未計及SCI時，高風電出力占比的晚間時段SCI最小，僅為0.35。午間時段與晚間時段雖然負荷水平幾乎一樣，但由于午間風電出力占比小，此時的SCI為0.79，遠遠大于晚間時段。這說明在高新能源出力占比下，由于需要預留更多備用，而從成本出發(fā)往往會選擇配置給最低廉的機組。當備用配置集中在某一機組時，將導致預留備用的可調(diào)度性降低。②備用的可調(diào)度性還與系統(tǒng)中靈活性資源的多寡有聯(lián)系。雖然早間時段的新能源出力占比也很高，但由于其負荷出力較小，使得火電機組有更多的調(diào)節(jié)裕度能夠提供備用，從而在一定程度上保障了備用的可調(diào)度性。

表1 情景1和情景2調(diào)度結(jié)果

計及SCI后，情景2的SCI為0.8，其靈活性可覆蓋場景大大增加。但隨之增加的是運行成本及靈活性備用配置成本，靈活性備用配置成本增加是為了提高預留靈活性備用實際運行時的可調(diào)度性，從而覆蓋更多的不確定性場景，僅依靠成本低廉但爬坡慢的慢機提供靈活性備用，無法滿足相應的靈活性需求，各靈活性資源日內(nèi)備用出力總量見表2，其中快機提供的靈活性備用出力總量大幅增加。以晚間時段為例，進一步改變SCI限值大小，得到調(diào)度結(jié)果見表3，也呈現(xiàn)了同樣的成本變化趨勢。這也說明越嚴格的可調(diào)度性要求，將帶來越多的額外成本。

表2 各靈活性資源日內(nèi)備用出力總量

情景1和情景2日內(nèi)快機出力如圖11所示。由于情景2的SCImin要求而必須開啟成本較高的快機靈活性調(diào)節(jié)資源，從圖11的情景2日內(nèi)快機出力結(jié)果與情景1的對比可以看到，在風電不確定性較高的早間時段和晚間時段，快機為提供向下靈活性備用出力均提高了出力水平，其中晚間時段基礎負荷較高，慢機出力接近其最大出力，因此需要調(diào)用更多的快機?？鞕C出力增加的同時也帶來了系統(tǒng)運行成本的增加（早間時段從情景1的1.10千元增加到情景2的1.14千元，晚間時段從0.3千元增加到1.37千元，分別增加了3.6%和356%）。但在午間時段中，由于此時風電不確定性較低，靈活性需求較小，因此SCI對其影響不大。

表3 晚間時段不同SCImin下調(diào)度結(jié)果

圖11 情景1和情景2日內(nèi)快機出力

以晚間時段時刻1和時刻2詳細說明SCI限值為靈活性備用預留帶來的影響，系統(tǒng)內(nèi)所有機組出力結(jié)果如圖12所示。

圖12 晚間時段時刻1、2機組出力及備用配置結(jié)果

在情景1中由于未計及SCI，主要由慢機1提供了備用，而在情景2中，受制于慢機的爬坡速率有限，原由慢機所提供的所有向上備用轉(zhuǎn)而由快機提供，從而慢機可有充分的爬坡裕度提供相應的向下備用，實現(xiàn)靈活性資源的可調(diào)度性。以上情景1中日前2h備用預留結(jié)果使得靈活性資源可調(diào)度性較低，反映靈活性備用可覆蓋場景在情景1和2下的對比如圖13所示。

圖13 晚間時段中各情景可覆蓋場景對比

4.1.2 IDR資源參與靈活性備用提供對系統(tǒng)調(diào)度成本影響分析

在情景3下對3個時段進行仿真，情景3日內(nèi)快機出力如圖14所示，各時段運行費用見表4，與表1中情景2運行費用對比，在同樣的SCImin下，情景3的運行總費用下降，這主要是由于IDR作為價格低廉、靈活性高的備用資源，參與系統(tǒng)調(diào)度使得原有的快機自身出力及備用出力下降，快機備用出力絕大部分降為0（圖14），轉(zhuǎn)而通過IDR預留備用，靈活性備用總量見表5，大大減少了靈活性備用配置成本。

圖14 情景3日內(nèi)快機出力

表4 情景3調(diào)度結(jié)果

表5 情景3下各靈活性資源日內(nèi)備用出力總量 （單位：MW）

此外，由于快機提供備用減少，從圖14中可以看出快機在晨間及晚間時段高靈活性需求期間的出力也大幅降低，系統(tǒng)運行成本也隨之降低。

而相較于快機僅能夠提供向上備用出力，或增加自身出力從而提供向下靈活性資源，IDR能夠較好地提供向下的靈活性，因此在早間時段的情景2中，向下靈活性不足容量為0.61MW，但在情景3向下靈活性不足容量降為0。另外在晚間時段中，情景3較情景2的慢機出力及靈活性備用出力總量也略有增加（從49.04MW增加到56.89MW），其結(jié)果是系統(tǒng)運行成本進一步降低，這說明IDR能夠作為一種與慢機互補的靈活性資源使得發(fā)電機能夠充分發(fā)揮其提供靈活性資源的能力。晚間時段情景3可覆蓋場景如圖13所示，情景3較情景2可覆蓋場景面積相同，由IDR備用構成可覆蓋場景如深藍色區(qū)域所示。

4.2 實時運行模擬結(jié)果

基于4.1節(jié)中的日內(nèi)2h前各情景下靈活性資源的備用預留結(jié)果及出力水平，考慮風電的不確定性，采用蒙特卡洛算法生成500種風電、負荷實時可能出力場景，計算系統(tǒng)棄風、切負荷，即系統(tǒng)上、下爬坡能力不足，以體現(xiàn)本文模型的優(yōu)勢。由于在早間時段中存在向下靈活性不足量，而SCI約束對午間時段影響不大，因此在本節(jié)中主要考慮晚間時段下的運行模擬結(jié)果。本節(jié)增加考慮極端情景4，在該情景中不計及需求響應，靈活性資源在備用預留時考慮了備用調(diào)用的極端場景，爬坡耦合系數(shù)為1，靈活性資源充裕的情況下，SCI為1。4種情景下運行模擬計算結(jié)果見表6。

對比情景1、2和4的運行模擬計算結(jié)果，在日內(nèi)2h前計及SCI后，棄風、切負荷平均值均大幅減少，且隨著SCImin的增加，棄風、切負荷減少的越多。這說明靈活性資源預留的可調(diào)度性將影響最終實時的調(diào)度結(jié)果，且SCI能較好地度量可調(diào)度性。在日內(nèi)2h前備用預留調(diào)度模型計及SCI能夠?qū)崿F(xiàn)靈活性資源的良好配置，使得預留相同數(shù)量備用，計及SCI后的調(diào)度結(jié)果棄風和切負荷值均下降，達到了好鋼用在刀刃上的效果。因此場景覆蓋指數(shù)作為一種較好的評價手段能夠為系統(tǒng)調(diào)度人員在調(diào)度時提供相應的參考依據(jù)。

表6 不同情景下運行模擬計算結(jié)果

對比情景2、3的運行模擬計算結(jié)果（見表6），情景2中運行模擬結(jié)果中棄風、切負荷的平均值均略高于情景3中的結(jié)果，但差別不大。這主要是由于IDR作為一種能較好提供向下靈活性能力的資源，可有效緩解系統(tǒng)中向下爬坡能力不足的情況。因此在相同SCImin下，IDR靈活性更強，爬坡不足量均下降。

綜合比較情景1、2、4運行模擬成本、備用配置成本及爬坡不足懲罰成本，其結(jié)果見表7。情景1中運行成本較高，這是由于其未考慮SCI限制（SCI僅為0.35，參見表1）使得靈活性爬坡備用預留不足，導致靈活性缺乏，引起較高的棄風和切負荷（參見表6），從而使整體運行成本增加；情景2中加入了SCI限制，SCI達到0.8，雖然增加了備用的配置成本（從情景1的0.89千元升高到情景2的3.18千元），但帶來的好處是棄風和切負荷均有明顯下降（參見表6），因此其運行模擬成本大大降低；而情景4較情景2結(jié)果對比，SCI由0.8變?yōu)?，爬坡不足量略有下降，但是其備用配置成本卻大幅增加，相當于靈活性爬坡備用配置過高。當棄風、切負荷單位懲罰費用為100元時，情景2各項成本之和最低（見表7）。因此在靈活性資源調(diào)度時所設置的SCImin并不是越高越好，過于保守的調(diào)度結(jié)果反而可能會導致總成本增加。

表7 各情景下各項成本對比

5 結(jié)論

本文提出了場景覆蓋指數(shù)的靈活性評價指標，并建立了計及場景覆蓋指數(shù)的高比例新能源靈活性資源優(yōu)化調(diào)度模型，在模型中考慮了需求響應、發(fā)電機組等靈活性資源?；趫鼍案采w指數(shù)評價指標，分析了靈活性資源可調(diào)度性對調(diào)度結(jié)果的影響。算例結(jié)果表明：

1）在調(diào)度模型中考慮場景覆蓋指數(shù)約束可以實現(xiàn)靈活性備用的合理配置，增強系統(tǒng)靈活性資源的可調(diào)度性。而在靈活性資源調(diào)度方面，考慮源荷互動等需求響應措施能夠進一步在系統(tǒng)運行的經(jīng)濟性與靈活性方面達到雙贏。

2）根據(jù)運行模擬結(jié)果，當SCImin限值設置越高時，靈活性備用可覆蓋場景增多，降低了爬坡不足懲罰成本。但為實現(xiàn)更高的場景覆蓋指數(shù)必付出更高的備用配置成本反而有可能造成整體經(jīng)濟性下降。

綜合考慮兩方面要求，調(diào)度人員可以根據(jù)系統(tǒng)實際風險需求，在靈活性調(diào)度中設置合適的SCI限值并采用本文的模型進行靈活性爬坡備用的優(yōu)化設置。

系統(tǒng)最終的棄風量不僅與備用的可調(diào)度性有關，還與備用的預留量密切相關。本文將靈活性需求作為已知量進行處理，未考慮靈活性需求量對系統(tǒng)調(diào)度優(yōu)化的影響。隨著新能源接入系統(tǒng)比例的增加，系統(tǒng)靈活性需求也將逐漸增加，有必要結(jié)合備用預留量及其可響應量，對系統(tǒng)平衡策略進行研究，今后將對此做更進一步的深入探討。

[1] 婁素華, 胡斌, 吳耀武, 等. 碳交易環(huán)境下含大規(guī)模光伏電源的電力系統(tǒng)優(yōu)化調(diào)度[J]. 電力系統(tǒng)自動化, 2014, 38(17): 91-97.

Lou Suhua, Hu Bin, Wu Yaowu, et al. Optimal dispatch of power system integrated with large scale photovoltaic generation under carbon trading environment[J]. Automation of Electric Power Systems, 2014, 38(17): 91-97.

[2] 白順明, 陳磊, 姜飛, 等. 考慮風電最大化消納的電力系統(tǒng)多目標優(yōu)化[J]. 電氣技術, 2020, 21(1): 7-11.

Bai Shunming, Chen Lei, Jiang Fei, et al. Multi-objective optimal model for power system considering wind power maximum accommodation[J]. Electrical Engineering, 2020, 21(1): 7-11.

[3] 魯宗相, 李海波, 喬穎. 高比例可再生能源并網(wǎng)的電力系統(tǒng)靈活性評價與平衡機理[J]. 中國電機工程學報, 2017, 37(1): 9-19.

Lu Zongxiang, Li HaiBo, Qiao Ying. Flexibility evaluation and supply/demand balance principle of power system with high-penetration renewable electricity[J]. Proceedings of the CSEE, 2017, 37(1): 9-19.

[4] California Independent System Operator. What the duck curve tells us about managing a green grid[EB/OL].(2016-11-11)[2021-01-30].https://www. caiso.com/documents/flexibleresourceshelprenewables_fastfacts.pdf..

[5] 麻秀范, 王戈, 朱思嘉, 等. 計及風電消納與發(fā)電集團利益的日前協(xié)調(diào)優(yōu)化調(diào)度[J]. 電工技術學報, 2021, 36(3): 579-587.

Ma Xiufan, Wang Ge, Zhu Sijia, et al. Coordinated day-ahead optimal dispatch considering wind power consumption and the benefits of power generation group[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 579-587.

[6] 陳瑜瑋, 王彬, 潘昭光, 等. 計及用戶靈活性和熱慣性的多能園區(qū)優(yōu)化調(diào)度：研發(fā)及應用[J]. 電力系統(tǒng)自動化, 2020, 44(23): 29-37.

Chen Yuwei, Wang Bin, Pan Zhaoguang, et al. Optimal dispatch for multi-energy park considering flexibility and thermal inertia of research, development and application[J]. Automation of Electric Power Systems, 2020, 44(23): 29-37.

[7] Wang B, Hobbs B F. A flexible ramping product: can it help real-time dispatch markets approach the stochastic dispatch ideal?[J]. Electric Power Systems Research, 2014, 109: 128-140.

[8] 邊曉燕, 孫明琦, 董璐, 等. 計及靈活性聚合功率的源-荷分布式協(xié)調(diào)調(diào)度[J]. 電力系統(tǒng)自動化, 2021, 45(17): 89-98.

Bian Xiaoyan, Sun Mingqi, Dong Lu, et al. Distributed source-load coordinated dispatching considering flexible aggregated power[J]. Automation of Electric Power Systems, 2021, 45(17): 89-98.

[9] Ruiz P A, Philbrick C R, Zak E, et al. Uncertainty management in the unit commitment problem[J]. IEEE Transactions on Power Systems, 2009, 24(2): 642-651.

[10] 王雪純, 陳紅坤, 陳磊. 提升區(qū)域綜合能源系統(tǒng)運行靈活性的多主體互動決策模型[J]. 電工技術學報, 2021, 36(11): 2207-2219.

Wang Xuechun, Chen Hongkun, Chen Lei. Multi-player interactive decision-making model for operational flexibility improvement of regional integrated energy system[J]. Transactions of China Electrotechnical Society, 2021, 36(11): 2207-2219.

[11] Navid N, Rosenwald G. Ramp capability product design for MISO markets[R]. Market Development and Analysis，MISO, 2013.

[12] California Independent System Operator. Flexible ramping product: revised draft final proposal[R]. California: CAISO, 2015.

[13] Ela E, O'Malley M. Scheduling and pricing for expected ramp capability in real-time power markets[J]. IEEE Transactions on Power Systems, 2016, 31(3): 1681-1691.

[14] 汪超群, 韋化, 吳思緣. 計及風電不確定性的隨機安全約束機組組合[J]. 電網(wǎng)技術, 2017, 41(5): 1419-1427.

Wang Chaoqun, Wei Hua, Wu Siyuan. Stochastic-security-constrained unit commitment considering uncertainty of wind power[J]. Power System Technology, 2017, 41(5): 1419-1427.

[15] 蘇承國, 申建建, 王沛霖, 等. 基于電源靈活性裕度的含風電電力系統(tǒng)多源協(xié)調(diào)調(diào)度方法[J]. 電力系統(tǒng)自動化, 2018, 42(17): 111-122.

Su Chengguo, Shen Jianjian, Wang Peilin, et al. Coordinated dispatching method for wind-turbine-integrated power system with multi-type power sources based on power flexibility margin[J]. Automation of Electric Power Systems, 2018, 42(17): 111-122.

[16] 王洪坤, 王守相, 潘志新, 等. 含高滲透分布式電源配電網(wǎng)靈活性提升優(yōu)化調(diào)度方法[J]. 電力系統(tǒng)自動化, 2018, 42(15): 86-93.

Wang Hongkun, Wang Shouxiang, Pan Zhixin, et al. Optimized dispatching method for flexibility improvement of distribution network with high-penetration distributed generation[J]. Automation of Electric Power Systems, 2018, 42(15): 86-93.

[17] 楊龍杰, 李華強, 余雪瑩, 等. 計及靈活性的孤島型微電網(wǎng)多目標日前優(yōu)化調(diào)度方法[J]. 電網(wǎng)技術, 2018, 42(5): 1432-1440.

Yang Longjie, Li Huaqiang, Yu Xueying, et al. Multi-objective day-ahead optimal scheduling of isolated microgrid considering flexibility[J]. Power System Technology, 2018, 42(5): 1432-1440.

[18] Wu Chenyu, Hug G, Soummya K. Risk-limiting economic dispatch for electricity markets with flexible ramping products[J]. IEEE Transactions on Power Systems, 2015, 3(31): 1990-2003.

[19] 葛曉琳, 郝廣東, 夏澍, 等. 高比例風電系統(tǒng)的優(yōu)化調(diào)度方法[J]. 電網(wǎng)技術, 2019, 43(2): 390-399.

Ge Xiaolin, Hao Guangdong, Xia Shu, et al. An optimal system scheduling method with high proportion of wind power[J]. Power System Technology, 2019, 43(2): 390-399.

[20] 周博, 艾小猛, 方家琨, 等. 計及超分辨率風電出力不確定性的連續(xù)時間魯棒機組組合[J]. 電工技術學報, 2021, 36(7): 1456-1467.

Zhou Bo, Ai Xiaomeng, Fang Jiakun et al. Continuous-time modeling based robust unit commitment considering beyond-the-resolution wind power uncertainty[J]. Transactions of China Electrotechnical Society, 2021, 36(7): 1456-1467.

[21] Ye Hongxing, Li Zuyi. Deliverable robust ramping products in real-time markets[J]. IEEE Transactions on Power Systems, 2018, 33(1): 5-18.

[22] 馬洪艷, 贠靖洋, 嚴正. 基于分布魯棒優(yōu)化的靈活爬坡備用調(diào)度方法[J]. 中國電機工程學報, 2020, 40(19): 6121-6132.

Ma Hongyan, Yun Jingyang, Yan Zheng. Distributionally robust optimization based dispatch methodology of flexible ramping products[J]. Proceedings of the CSEE, 2020, 40(19): 6121-6132.

[23] Ye Hongxing, Ge Yinyin, Shahidehpour M, et al. Uncertainty marginal price, transmission reserve, and day-ahead market clearing with robust unit commitment[J]. IEEE Transactions on Power Systems. 2017, 32(3): 1782-1795.

[24] 王蓓蓓, 唐楠, 方鑫, 等. 大規(guī)模風電接入系統(tǒng)多時間尺度備用容量滾動修訂模型[J]. 中國電機工程學報, 2017, 37(6): 1645-1657.

Wang Beibei, Tang Nan, Fang Xin, et al. A multi time scales reserve rolling revision model of power system with large scale wind power[J]. Proceedings of the CSEE, 2017, 37(6): 1645-1657.

[25] 吳界辰, 艾欣, 胡俊杰. 需求側(cè)資源靈活性刻畫及其在日前優(yōu)化調(diào)度中的應用[J]. 電工技術學報, 2020, 35(9): 1973-1984.

Wu Jiechen, Ai Xin, Hu Junjie. Methods for characterizing flexibilities from demand-side resources and their applications in the day-ahead optimal scheduling[J]. Transactions of China Electrotechnical Society, 2020, 35(9): 1973-1984.

[26] Subcommittee M. Ramp capability product design for MISO markets[R]. MISO, 2016.

[27] 王蓓蓓, 劉小聰, 李揚. 面向大容量風電接入考慮用戶側(cè)互動的系統(tǒng)日前調(diào)度和運行模擬研究[J]. 中國電機工程學報, 2013, 33(22): 35-44.

Wang Beibei, Liu Xiaocong, Li Yang. Day-ahead generation scheduling and operation simulation considering demand response in large-capacity wind power integrated systems[J]. Proceedings of the CSEE, 2013, 33(22): 35-44.

[28] 劉興宇, 溫步瀛, 江岳文. 基于條件風險價值的含風電電力系統(tǒng)旋轉(zhuǎn)備用效益研究[J]. 電工技術學報, 2017, 32(9): 169-178.

Liu Xingyu, Wen Buying, Jiang Yuewen. Study on the benefit from spinning reserve in wind power integrated power system based on conditional value at risk[J]. Transactions of China Electrotechnical Society, 2017, 32(9): 169-178.

Research on the Balance Strategy for Power Grid with High Proportion Renewable Energy Considering the Ramping Scenario Coverage

Kang Lijun1Wang Beibei1Xue Bike2Feng Shuhai2

（1. School of Electrical Engineering Southeast University Nanjing 210096 China 2. China Electric Power Research Institute Nanjing 210003 China）

As a high proportion of renewable energy is connected to the power grid, the system is faced with new challenges in terms of security and reliability, and the related research on improving the intraday balanced resource allocation scheme to increase the operational flexibility of system has attracted extensive attention. Based on the existing day-ahead scheduling results, this paper focuses on the schedulability of flexibility reserve results for the intra-day 2h scale, which determines the fast-start unit startup and shutdown schedule and output and flexibility reserve results of various flexible resources, the scenario coverage index is established to evaluate the schedulability of flexible resource scheduling results at real time scale. Furthermore, a high proportion renewable energy intra-day balance scheduling model with intra-day climbing scenario coverage is constructed. The results of case study illustrate the intra-day balance strategy proposed in this paper makes the reservation of flexibility resources measurable, improves the flexibility of the system, and reduces the probability of wind curtailment/load shedding issues because it takes into account the unit's climbing characteristics more accurately.

Flexibility, source-load interaction, intra-day scheduling, high proportion of renewable energy

10.19595/j.cnki.1000-6753.tces.210815

TM73

國網(wǎng)公司科技項目資助（支持發(fā)電負荷雙側(cè)報價的省級日前電力現(xiàn)貨市場優(yōu)化出清技術研究與開發(fā)）。

2021-06-07

2021-11-04

亢麗君 女，1998年生，碩士研究生，研究方向為電力系統(tǒng)靈活性、需求側(cè)管理。E-mail：kanglj_seu@qq.com

王蓓蓓 女，1979 年生，副教授，博士生導師，研究方向為智能用電、需求側(cè)管理與需求響應，電力系統(tǒng)運行與控制，電力市場。E-mail：wangbeibei@seu.edu.cn（通信作者）

（編輯 赫蕾）