計及風(fēng)電不確定性的環(huán)境經(jīng)濟調(diào)度研究

范振亞,李亮亮,韓宛辰,蔣海龍, 劉偉東

(1.華北電力大學(xué) 電氣與電子工程學(xué)院,河北 保定 071003;2.中國電力工程顧問集團東北電力設(shè)計院有限公司,長春 130021;3.內(nèi)蒙古電力(集團)有限責(zé)任公司呼和浩特供電局,呼和浩特 010050)

計及風(fēng)電不確定性的環(huán)境經(jīng)濟調(diào)度研究

范振亞1,李亮亮1,韓宛辰2,蔣海龍3, 劉偉東1

(1.華北電力大學(xué) 電氣與電子工程學(xué)院,河北 保定 071003;2.中國電力工程顧問集團東北電力設(shè)計院有限公司,長春 130021;3.內(nèi)蒙古電力(集團)有限責(zé)任公司呼和浩特供電局,呼和浩特 010050)

針對風(fēng)電不確定性給電網(wǎng)帶來的有功功率優(yōu)化分配方面的調(diào)度問題,筆者根據(jù)機會約束規(guī)劃理論,建立了包含經(jīng)濟目標(biāo)及污染物排放量目標(biāo)的環(huán)境經(jīng)濟調(diào)度模型。該模型綜合考慮了環(huán)境影響及風(fēng)電不確定性對系統(tǒng)經(jīng)濟成本的影響,將風(fēng)電不確定性引起的備用容量懲罰成本及棄風(fēng)引起的棄風(fēng)成本引入到經(jīng)濟目標(biāo)函數(shù)中,通過基于動態(tài)交換和密度距離的粒子群算法對模型進行求最優(yōu)解。算例分析結(jié)果表明,該模型下火電機組的出力變化趨勢與負荷的變化趨勢相同,能較好地處理 風(fēng)電的不確定性問題,很好地控制污染物的排放量。

環(huán)境經(jīng)濟調(diào)度;機會約束;風(fēng)電運行價值;環(huán)境成本

目前,風(fēng)電的不確定性和波動性影響了電力系統(tǒng)的安全穩(wěn)定運行[1-8],所以含風(fēng)電場的電力系統(tǒng)優(yōu)化調(diào)度成為當(dāng)前調(diào)度的研究重點。文獻[9-11]將火電機組的排污特性引入環(huán)境污染懲罰項,提出了火電機組名義環(huán)境補償成本及風(fēng)電棄風(fēng)成本;文獻[11-15]研究了風(fēng)電場電力系統(tǒng)調(diào)度的影響因素,建立了火電和風(fēng)電的運行成本模型,提出風(fēng)電場備用容量補償成本,并基于Monte-Carlo模擬的方法處理機會約束條件。但上述這些研究都有一定的局限性,沒有全面考慮環(huán)境影響及風(fēng)電不確定性對系統(tǒng)經(jīng)濟成本的影響。本文基于機會約束規(guī)劃建立多目標(biāo)環(huán)境經(jīng)濟調(diào)度模型,在經(jīng)濟目標(biāo)函數(shù)中考慮了傳統(tǒng)火電機組的運行成本和風(fēng)電的廣義運行成本的影響,在目標(biāo)函數(shù)中考慮了3種污染物的排放量限制,用基于動態(tài)交換和密度距離的多目標(biāo)粒子群算法群求解非支配集,最后得到最優(yōu)解。

1 建立含風(fēng)電場的電力系統(tǒng)環(huán)境經(jīng)濟調(diào)度模型

1.1 建立經(jīng)濟目標(biāo)函數(shù)模型

本文的經(jīng)濟目標(biāo)函數(shù)包括兩部分,分別為火電機組運行成本和風(fēng)電機組運行成本。

1) 火電機組需要考慮煤耗成本及啟停費用,故運行成本函數(shù)為

(1)

式中:T為日調(diào)度總時段數(shù),取24;Nt為火電機組總臺數(shù);uit為第i臺火電機組在t時刻的啟停狀態(tài),uit=1時表示該機組為運行狀態(tài),uit=0時表示該機為停運狀態(tài);ai、bi、ci為第i臺火電機組煤耗量成本系數(shù);PGit為第i臺火電機組在t時刻的輸出功率;Sit為第i臺火電機組t時刻的啟停費用。

2) 風(fēng)電場的運行成本包括3部分:正常運營成本、旋轉(zhuǎn)備用容量懲罰成本和棄風(fēng)成本。

第j個風(fēng)電場在t時刻的運營成本為

FSjt=KSjtPWSjt

(2)

式中:KSjt為第j個風(fēng)電場出力在時刻t的運營價格;PWSjt為第j個風(fēng)電場在時刻t的計劃調(diào)度出力。

第j個風(fēng)電場在t時刻的旋轉(zhuǎn)備用容量補償成本為

FFjt=KFjt(1-Ejt)PWSjt

(3)

式中:KFjt為第j個風(fēng)電場在t時刻的備用容量價格;Ejt為第j個風(fēng)電場預(yù)測出力在t時刻的可信度。

第j個風(fēng)電場在t時刻的棄風(fēng)成本為

(4)

式中:PWFjt為第j個風(fēng)電場t時刻的預(yù)測出力;

KNjt為第j個風(fēng)電場t時刻的棄風(fēng)容量價格。

風(fēng)電場總運行成本為

(5)

式中Nw為風(fēng)電場總數(shù)。

根據(jù)以上分析,經(jīng)濟目標(biāo)函數(shù)的建立采取機會規(guī)劃的形式為

(6)

1.2 建立污染物排放量目標(biāo)函數(shù)模型

常規(guī)火電機組運行過程中會產(chǎn)生大量污染環(huán)境的氣體,其中主要以碳化物(如CO2)、硫化物(如SO2)、氮化物(如NO1、NO2等)為主[16]。各種污染物的排放量不同,且環(huán)保部門對各污染物排放量的要求及處理方法也不同。在此以一定的權(quán)重系數(shù)考慮污染物的排放量:

(7)

式中:f2為污染物排放量目標(biāo)函數(shù);aico2、bico2、cico2為第i臺火電機組CO2排放量系數(shù);aiso2、biso2、ciso2為第i臺火電機組SO2排放量系數(shù);qiNOx、biNOx、ciNOx為第i臺火電機組氮化物排放量系數(shù);ei、di、hi為第i臺火電機組CO2、SO2、氮化物排放量的權(quán)重系數(shù);α2為置信水平。

1.3 建立約束條件模型

功率平衡約束為

(8)

式中:Plt為系統(tǒng)t時刻的負荷值。

機組出力約束為

PGmini≤PGit≤PGmaxi

(9)

機組爬坡率約束為

-Rdi≤PGit-PGi(t-1)≤Rui

(10)

式中:Rdi、Rui為第i臺機組正、負爬坡率約束值。

正旋轉(zhuǎn)備用容量約束為

(11)

PGmaxit=min{PGmaxi，PGi(t-1)+Rui}

(12)

負旋轉(zhuǎn)備用容量約束為

(13)

PGminit=max{PGmini，PGi(t-1)-RWSjt}

(14)

式中:PGmaxi、PGmini為第i臺火電機組的最大、最小出力;PGmaxit、PGminit為第i臺火電機組在t時刻的最大、最小出力;Rui、Rdi為第i臺機組正、負爬坡率約束值;Khup為系統(tǒng)負荷的正波動系數(shù);KWjup、KWjdown為第j個風(fēng)電的正、負旋轉(zhuǎn)備用系數(shù);β1、β2為事先給定的置信水平。

機組啟停時間約束為

(15)

2 基于隨機模擬方法的多目標(biāo)粒子群算法

2.1 基于隨機模擬方法處理約束條件

對于式Pr{gi(x，ξ)≤0；i=1，2，…，p}≥α所示的一般形式的機會約束,可以使用隨機模擬技術(shù)來檢驗其是否成立。

具體步驟如下:

1) 設(shè)置M=0。

2) 根據(jù)隨機向量ξ的概率分布函數(shù),產(chǎn)生隨機變量ξj。

3) 若gi(x，ξj)≤0；i=1，2，…，p;則M=M+1。

4) 把2)和3)重復(fù)N次。

5) 若M/N≥α成立,則模擬成功,否則放棄原有抽樣,重新模擬。

2.2 基于隨機模擬方法處理目標(biāo)函數(shù)

具體步驟如下:

1) 根據(jù)隨機向量ξ的概率分布函數(shù),產(chǎn)生N個獨立的隨機變量設(shè)置ξ1、ξ2…ξN。

2) 將ξ1、ξ2…ξN代入f(x，ξ)，進行計算,得到目標(biāo)值序列{f1，f2，…fN}。

3) 設(shè)置M為βN的整數(shù)部分。

2.3 多目標(biāo)粒子群算法

對于本文多目標(biāo)優(yōu)化問題,利用改進的粒子群算法求解。首先應(yīng)用基于動態(tài)交換和密度距離的多目標(biāo)粒子群算法群求解非支配集,然后在非支配集中尋找最優(yōu)粒子時,利用文獻[17]提出的模糊滿意度法求出最優(yōu)粒子,即模型的最優(yōu)解。

動態(tài)交換過程是指利用適應(yīng)度支配的概念將粒子群分成支配集和非支配集,每次僅更新支配集粒子的速度和位置,將支配集中的優(yōu)秀粒子和非支配集中的粒子交換,保證非支配集中的粒子靠近Proteto前沿,具體的動態(tài)交換的過程參考文獻[18]。

為了避免粒子群算法過早的陷入局部最優(yōu),增強算法的尋優(yōu)能力,選取非支配集中密度距離最大的粒子作為速度更新中的全局最優(yōu)解,密度距離[18]可以表示為

(16)

在非支配集中尋找最優(yōu)的粒子作為模型的解,假設(shè)非支配集中粒子的數(shù)量為n,模型中有兩個目標(biāo)函數(shù),則可以得到優(yōu)化問題的目標(biāo)特征矩陣為

(17)

式中fij為非支配集中的粒子j對應(yīng)的目標(biāo)函數(shù)i的值。

目標(biāo)函數(shù)特征矩陣做歸一化處理,從而得到矩陣U:

(18)

而

(19)

式中:uij為第j個粒子對應(yīng)的第i個目標(biāo)函數(shù)的歸一化值,值越大,相應(yīng)的目標(biāo)函數(shù)值越小,解的性能越好,i=1，2；j=1，2，…，n。

設(shè)權(quán)系數(shù)轉(zhuǎn)換矩陣為

(20)

非支配集中的粒子的滿意度指標(biāo)為

D=SU=[D2D2…Dn]

(21)

求解,式(21)最大的粒子即為多目標(biāo)問題的最優(yōu)解。

3 算例分析

3.1 風(fēng)電場和火電機組參數(shù)

本文對某區(qū)域電網(wǎng)進行算例分析,該區(qū)域包括10臺火電機組[19]和3個風(fēng)電場[8],決策周期取24 h。各時段預(yù)測出力可信度取0.85,營運價格為550元/MW,旋轉(zhuǎn)備用容量懲罰價格為115元/MW。取1號風(fēng)電場棄風(fēng)容量價格為500元/MW,取2、3號風(fēng)電場棄風(fēng)容量價格為550元/MW。系統(tǒng)在各時段(1h)的負荷值如表1所示。

3.2 算例結(jié)果分析

按表1參數(shù)進行計算,機會約束置信度都取0.95,可得3個風(fēng)電場的調(diào)度出力,如表2所示?；痣姍C組各時段(1h)調(diào)度出力結(jié)果如表3所示。

表1 系統(tǒng)在各時段的負荷

從表3可以看出,本文調(diào)度模型下火電機組的出力變化趨勢與負荷的變化趨勢相同,證明了該模型的有效性。由于允許風(fēng)電場棄風(fēng)及火電機組啟停時間的約束,有效地限制了火電機組的啟停機,減少了機組啟停費用。傳統(tǒng)單目標(biāo)調(diào)度模型與本文多目標(biāo)調(diào)度模型的經(jīng)濟性及污染物排放量的數(shù)據(jù)比較如表4所示;不同置信水平下數(shù)據(jù)的比較如表5所示。

表2 電場在不同時段的調(diào)度出力結(jié)果

表3 火電機組在不同時段的調(diào)度出力結(jié)果

表4 不同調(diào)度方案的數(shù)據(jù)比較

從表4可以看出,本文的多目標(biāo)調(diào)度模型中考慮了污染物排放量限制,這使得在滿足系統(tǒng)負荷及約束條件的情況下經(jīng)濟性有所下降,但污染物的排放量得到很好地控制。

表5 不同置信水平的數(shù)據(jù)比較

從表5可以看出,隨著置信水平的提高,為了減小風(fēng)險而達到可信度水平,要不斷增加旋轉(zhuǎn)備用容量,提升經(jīng)濟成本。

4 結(jié) 論

1) 多目標(biāo)調(diào)度模型能夠很好地控制污染物的排放量,保證了系統(tǒng)經(jīng)濟性,降低了污染物排放量。

2) 置信水平的高低決定系統(tǒng)可靠性的大小。置信水平越高,可靠性越高,需要的旋轉(zhuǎn)備用容量越多,有利于現(xiàn)場調(diào)度。

[1] 孫元章,吳俊,李國杰,等.基于風(fēng)速預(yù)測和隨機規(guī)劃的含風(fēng)電場電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度[J].中國電機工程學(xué)報,2009,29(4):41-47. SUN Yuanzhang, WU Jun, LI Guojie, et al. Dynamic economic dispatch considering wind power penetration based on wind speed forecasting and stochastic programming [J]. Proceedings of the CSEE, 2009,29(4):41-47. [2] 張粒子,周娜,王楠.大規(guī)模風(fēng)電接入電力系統(tǒng)調(diào)度模式的經(jīng)濟性比較[J].電力系統(tǒng)自動化,2011, 35(22):105-110. ZHANG Lizi, ZHOU Na, WANG Nan. Economic comparison for different generation scheduling with large scale wind power connected power system [J]. Automation of Electric Power Systems, 2011, 35(22):105-110.

[3] 王彩霞,喬穎,魯宗相.考慮風(fēng)電效益的風(fēng)火互濟系統(tǒng)旋轉(zhuǎn)備用確定方式[J].電力系統(tǒng)自動化,2012, 36(4):16-21. WANG Caixia, QIAO Ying, LU Zongxiang. A method for determination of spinning reverse in wind-thermal power systems considering wind power benefits [J]. Automation of Electric Power Systems, 2012, 36(4):16-21.

[4] 劉文穎,文晶,謝昶,等.基于源荷互動的含風(fēng)電場電力系統(tǒng)多目標(biāo)模糊優(yōu)化調(diào)度方法[J].電力自動化設(shè)備,2014,34 (10):56-64. LIU Wenying, WEN Jing, XIE Chang, et al. Multi-objective fuzzy optimal dispatch based on source-load interaction for power system with wind farm [J]. Power System Automation Equipments, 2014,34 (10):56-64.

[5] WENCHUAN W, JIANHUA CHEN, BOMING ZHANG,et al. A Robust Wind Power Optimization Method for Look-Ahead Power Dispatch[J]. IEEE Transactions on Sustainable Energy, 2014,5(2): 507-515.

[6] 王開艷, 羅先覺, 吳玲, 等. 清潔能源優(yōu)先的風(fēng)-水-火電力系統(tǒng)聯(lián)合優(yōu)化調(diào)度[J]. 中國電機工程學(xué)報, 2013, 33(13): 27-35. WANG Kaiyan, LUO Xianjue, WU Ling, et al. Optimal dispatch of wind-hydro-thermal power system with priority given to clean energy [J]. Proceedings of the CSEE, 2013, 33(13): 27-35.

[7] 蘇鵬,劉天琪,李興源. 含風(fēng)電的系統(tǒng)最優(yōu)旋轉(zhuǎn)備用的確定[J].電網(wǎng)技術(shù),2010,34(12):158-162. SU Peng, LIU Tianqi, LI Xingyuan. Determination of optimal spinning reserve of power grid containing wind [J]. Power System Technology, 2010,34(12):158-162.

[8] 劉德偉,郭劍波,黃越輝,等. 基于風(fēng)電功率概率預(yù)測和運行風(fēng)險約束的含風(fēng)電場電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度[J].中國電機工程學(xué)報,2013,33(16): 9-15. LIU Dewei, GUO Jianbo, HUANG Yuehui, et al. Dynamic economic dispatch of wind integrated power system based on wind power probabilistic forecasting and operation risk constraints [J]. Proceedings of the CSEE, 2013,33(16): 9-15.

[9] 胡慶有. 含大規(guī)模風(fēng)光互補電力的電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度研究[D]. 成都:西南交通大學(xué),2010. HU Qingyou. The Research on dynamic economic dispatch of power system containing large scale wind-photovoltaic power [D]. Chengdu: Southwest Jiaotong University, 2010.

[10] 袁鐵江,晁勤,吐爾遜.伊不拉音,等.大規(guī)模風(fēng)電并網(wǎng)電力系統(tǒng)動態(tài)清潔經(jīng)濟優(yōu)化調(diào)度的建模[J].中國電機工程學(xué)報, 2010, 30(31):7-13. YUAN Tiejiang, ZHAO Qin, TUERXUN Yibulayin, et al. Optimized economic and environment-friendly dispatching modeling for large-scale wind power integration [J]. Proceedings of the CSEE, 2010, 30(31):7-13.

[11] 周瑋,彭昱,孫輝,等.含風(fēng)電場的電力系統(tǒng)動態(tài)經(jīng)濟調(diào)度[J].中國電機工程學(xué)報,2009,29(25):13-18. ZHOU Wei, PENG Yu, SUN Hui, et al. Dynamic economic dispatch in wind power integrated system [J]. Proceedings of the CSEE, 2009,29(25):13-18.

[12] 袁鐵江,晁勤,吐爾遜.伊不拉音,等.電力市場環(huán)境下含風(fēng)電機組的環(huán)境經(jīng)濟調(diào)度模型及其仿真[J].電網(wǎng)技術(shù),2009,33(6): 67-71. YUAN Tiejiang, ZHAO Qin, TUERXUN Yibulayin, et al. An environmental/economic dispatch model for power grid containing wind power generation units and its simulation in electricity market environment [J]. Power System Technology, 2009,33(6): 67-71.

[13] 趙晉泉,唐潔,羅衛(wèi)華,等.一種含風(fēng)電電力系統(tǒng)的日前發(fā)電計劃和旋轉(zhuǎn)備用決策模型[J].電力自動化設(shè)備,2014,34(5): 21-27. ZHAO Jinquan, TANG Jie, LUO Weihua, et al. Day-ahead generation scheduling and spinning reserve decision-making model for power grid containing wind power [J]. Electric Power Automation Equipment, 2014,34(5): 21-27.

[14] 趙書強,王揚,徐巖. 基于風(fēng)電預(yù)測誤差隨機性的火儲聯(lián)合相關(guān)機會規(guī)劃調(diào)度[J].中國電機工程學(xué)報,2014,34(S1):9-16. ZHAO Shuqiang, WANG Yang, XU Yan. Dependent chance programming dispatching of integrated thermal power generation and energy storage system based on wind power forecasting error [J]. Proceedings of the CSEE, 2014,34(S1): 9-16.

[15] 姜欣,陳紅坤,熊虎,等. 基于預(yù)測誤差不確定性的規(guī)?；g歇式電源機組組合研究[J].電網(wǎng)技術(shù),2014,38(9):2455-2460. JIANG Xin, CHEN Hongkun, XIONG Hu, et al. A prediction error uncertainty based day-ahead unit commitment of large-scale intermittent power generation [J]. Power System Technology, 2014,38(9):2455-2460.

[16] 賈文昭,康重慶,李月,等.基于日前風(fēng)功率預(yù)測的風(fēng)電消納能力評估方法[J].電網(wǎng)技術(shù),2012,36(8):69-75. JIA Wenzhao, KANG Chongqing, LI Yue, et al. Evaluation on capability of wind power accommodation based on its day-ahead forecasting [J]. Power System Technology, 2012,36(8):69-75.

[17] 吳杰康, 唐力. 含不確定性負荷的水火電力系統(tǒng)隨機優(yōu)化調(diào)度[J]. 中國電機工程學(xué)報, 2012,32(28):36-43. WU Jiekang, TANG Li. Stochastic optimization scheduling method for hydrothermal power systems with stochastic loads [J]. Proceedings of the CSEE, 2012,32(28):36-43.

[18] 金欣磊.基于PSO的多目標(biāo)優(yōu)化算法研究及應(yīng)用[D].杭州:浙江大學(xué),2006. JIN Xinlei. Study and application of multi-objective optimization algorithm based on PSO [D]. Hangzhou: Zhejiang University, 2006.

[19] 盛四清, 孫曉霞. 考慮節(jié)能減排和不確定因素的含風(fēng)電場機組組合優(yōu)化[J]. 電力系統(tǒng)自動化, 2014, 38(17): 54-59. SHENG Siqing, SUN Xiaoxia. Unit commitment optimization containing wind farms considering energy saving, emission reduction and uncertainties [J]. Automation of Electric Power Systems, 2014, 38(17): 54-59.

(責(zé)任編輯 侯世春)

Research on environmental economic dispatch considering wind power uncertainty

FAN Zhenya1, LI Liangliang1, HAN Wanchen2, JIANG Hailong2, LIU Weidong1

(1. Electrical Engineering College of NCEPU, Baoding 071003, China; 2. China Power Engineering Consulting,Changchun 130021, China; 3. Hohhot Power Supply Bureau of Inner Mongolia Power (Group) Co., LTD., Hohhot 010050, China)

Aiming at the dispatching problems of active power distribution in power grid brought by wind power uncertainty, the author established environmental economic dispatch model considering the economic target and the target of pollution emission amount. The backup capacity penalty cost caused by wind power uncertainty and the wind curtailment cost were brought in the economic target function by the model, considering the impact of environment and wind power uncertainty on system economic cost, which was solved by particle swarm algorithm based on dynamic exchange and density distance to acquire the optimum solution. The example results show that the change trend of thermal power unit output and load are the same. It is proved that the model is able to contorl wind power uncertainty and pollution emission amount.

environmental economic dispatch; chance constrained; operation value of wind generation; environment cost

2015-05-20。

范振亞(1990—),男,在讀研究生,研究方向為新能源的運行與調(diào)度。

TM73

A

2095-6843(2015)06-0477-06