電力市場(chǎng)環(huán)境下含風(fēng)電電力系統(tǒng)旋轉(zhuǎn)備用優(yōu)化

汪泳濤，趙健

（1.國(guó)網(wǎng)河南省電力公司許昌供電公司，河南許昌 461000；2.天津理工大學(xué)，天津 300384）

電力市場(chǎng)環(huán)境下含風(fēng)電電力系統(tǒng)旋轉(zhuǎn)備用優(yōu)化

汪泳濤1，趙健2

（1.國(guó)網(wǎng)河南省電力公司許昌供電公司，河南許昌 461000；2.天津理工大學(xué)，天津 300384）

為保障電力系統(tǒng)運(yùn)行的穩(wěn)定性，必須對(duì)原有旋轉(zhuǎn)備用做出一定優(yōu)化。利用條件風(fēng)險(xiǎn)價(jià)值方法，在電力市場(chǎng)環(huán)境下構(gòu)建了含風(fēng)電電力系統(tǒng)的旋轉(zhuǎn)備用風(fēng)險(xiǎn)-成本模型，其包含了常規(guī)機(jī)組的運(yùn)行成本、排污成本、期望停電成本以及旋轉(zhuǎn)備用成本。在常規(guī)約束的基礎(chǔ)上，增加了系統(tǒng)上、下旋轉(zhuǎn)備用容量的機(jī)會(huì)約束描述。利用蒙特卡洛模擬風(fēng)電出力，在Matlab環(huán)境下利用Cplex對(duì)模型進(jìn)行求解。通過(guò)仿真算例分析了不同風(fēng)險(xiǎn)水平對(duì)系統(tǒng)上、下旋轉(zhuǎn)備用容量的影響，以及不同置信度下系統(tǒng)總的運(yùn)行成本和CVaR值，驗(yàn)證了該模型的正確性。

風(fēng)電；條件風(fēng)險(xiǎn)價(jià)值；旋轉(zhuǎn)備用；機(jī)會(huì)約束

隨著科技的不斷發(fā)展、人們環(huán)保意識(shí)的不斷增強(qiáng)，大量的可再生能源在能源供應(yīng)中越來(lái)越受到重視，如我國(guó)的“千萬(wàn)千瓦級(jí)的風(fēng)電基地”項(xiàng)目、歐盟的“屋頂光伏”等項(xiàng)目[1-3]。對(duì)此，國(guó)際能源署在2016年發(fā)布的《邁向可再生能源未來(lái)的路線圖》中預(yù)測(cè)了截止2030年，全球的可再生能源消費(fèi)占比將達(dá)到36%[4]。在所有的可再生能源中，風(fēng)能作為一種蘊(yùn)量豐富的可再生能源，且由于日趨成熟的風(fēng)力發(fā)電技術(shù)，受到人們的密切關(guān)注。

但是，由于風(fēng)能的隨機(jī)性和間歇性的固有缺陷，受制于現(xiàn)有的風(fēng)電出力預(yù)測(cè)方法的不足，大規(guī)模的風(fēng)電并網(wǎng)將會(huì)給電力系統(tǒng)的調(diào)峰、有功平衡等問(wèn)題帶來(lái)嚴(yán)峻的挑戰(zhàn)。因此，需要配置一定容量的旋轉(zhuǎn)備用以保障電力系統(tǒng)的安全穩(wěn)定運(yùn)行，而傳統(tǒng)確定性的旋轉(zhuǎn)備用容量求取方法已經(jīng)無(wú)法滿足含有風(fēng)電的電力系統(tǒng)運(yùn)行隨機(jī)性的特點(diǎn)。對(duì)此，國(guó)內(nèi)外大量的文獻(xiàn)進(jìn)行了相關(guān)的研究，如為了考慮負(fù)荷、光伏和風(fēng)電的預(yù)測(cè)誤差及常規(guī)機(jī)組的非計(jì)劃停運(yùn)概率，文獻(xiàn)[5]提出了考慮系統(tǒng)可靠性和經(jīng)濟(jì)性的最優(yōu)旋轉(zhuǎn)備用容量確定模型，通過(guò)對(duì)機(jī)組的出力和旋轉(zhuǎn)備用容量進(jìn)行聯(lián)合優(yōu)化，結(jié)合序列運(yùn)算理論，在保證系統(tǒng)可靠性的同時(shí)，實(shí)現(xiàn)了以最小的代價(jià)配置容量適當(dāng)?shù)男D(zhuǎn)備用。針對(duì)傳統(tǒng)的可靠性評(píng)估方法在優(yōu)化電力系統(tǒng)旋轉(zhuǎn)備用容量時(shí)無(wú)法反映決策者的主觀風(fēng)險(xiǎn)偏好和關(guān)注的損失范圍的問(wèn)題，文獻(xiàn)[6]通過(guò)引入條件可靠性的評(píng)估指標(biāo)，建立了條件成本收益的旋轉(zhuǎn)備用配置模型，使決策者能夠在關(guān)注的風(fēng)險(xiǎn)范圍內(nèi)優(yōu)化旋轉(zhuǎn)備用。而針對(duì)大規(guī)模風(fēng)電并網(wǎng)后，系統(tǒng)容量冗余度、靈活分配各時(shí)段可靠性權(quán)重和調(diào)度周期內(nèi)可靠性這三者間的協(xié)調(diào)問(wèn)題，文獻(xiàn)[7]提出了含機(jī)組發(fā)電成本、直接備用成本和期望停電成本的旋轉(zhuǎn)備用隨機(jī)規(guī)劃模型，以實(shí)現(xiàn)發(fā)電側(cè)和用戶的效益最大化。由于大規(guī)模風(fēng)電出力的不確定性，造成難以確定系統(tǒng)旋轉(zhuǎn)備用容量，文獻(xiàn)[8]在考慮風(fēng)電出力誤差和機(jī)組故障停運(yùn)的情況下，提出了系統(tǒng)的旋轉(zhuǎn)備用求取模型，通過(guò)蒙特卡洛方法模擬，分析了不同風(fēng)電滲透率下的系統(tǒng)旋轉(zhuǎn)備用容量，發(fā)現(xiàn)了風(fēng)電滲透率與電力系統(tǒng)旋轉(zhuǎn)備用的容量關(guān)聯(lián)關(guān)系。

通過(guò)這些文獻(xiàn)的分析，可以發(fā)現(xiàn)以往求取含風(fēng)電電力系統(tǒng)的旋轉(zhuǎn)備用時(shí)，通常只考慮了負(fù)荷、風(fēng)電等不確定性、系統(tǒng)可靠性等情況對(duì)系統(tǒng)旋轉(zhuǎn)備用容量的影響，但卻沒(méi)有考慮在不確定性條件下求取旋轉(zhuǎn)備用容量對(duì)電網(wǎng)收益風(fēng)險(xiǎn)的影響，且現(xiàn)階段關(guān)于求取旋轉(zhuǎn)備用容量時(shí)的風(fēng)險(xiǎn)評(píng)估還較少。對(duì)此，本文提出了電力市場(chǎng)環(huán)境下含風(fēng)電電力系統(tǒng)旋轉(zhuǎn)備用獲取模型，并通過(guò)風(fēng)險(xiǎn)管理方法量化分析了風(fēng)電出力不確定性對(duì)旋轉(zhuǎn)備用容量和對(duì)系統(tǒng)運(yùn)行成本風(fēng)險(xiǎn)的影響。通過(guò)算例驗(yàn)證了所提模型的正確性。

1 CVaR風(fēng)險(xiǎn)量化模型

目前，進(jìn)行風(fēng)險(xiǎn)評(píng)估時(shí)的方法主要有均值-方差、風(fēng)險(xiǎn)價(jià)值（value at risk，VaR）、條件風(fēng)險(xiǎn)價(jià)值（conditional value at risk，CVaR）等[9-11]。但是，由于均值-方差無(wú)法根據(jù)決策者的風(fēng)險(xiǎn)喜好來(lái)選擇組合，常常難以滿足“收益率服從正態(tài)”的假設(shè)。VaR由于其不可次加性及尾部風(fēng)險(xiǎn)問(wèn)題，在不同計(jì)算方法下難以得出正確結(jié)論。而CVaR指的是損失超過(guò)VaR的條件均值，反映了損失超過(guò)VaR臨界值時(shí)所可能遭受的平均潛在損失，更能體現(xiàn)潛在的風(fēng)險(xiǎn)價(jià)值。對(duì)此，文中提出了利用CVaR進(jìn)行風(fēng)險(xiǎn)量化。

假設(shè)x∈Rn為決策向量，其中x∈X?Rn，y∈Rm為隨機(jī)向量，y的連續(xù)概率分布函數(shù)為p（·）；f（x，y）為收益損失函數(shù)，且E（|f（x，y）|）＜+∞。在任意x∈X下，損失函數(shù)f（x，y）不超過(guò)閾值α的概率累積分布函數(shù)，可表示為

在風(fēng)險(xiǎn)水平β和固定值x下，VaR可定義為

則相應(yīng)的CVaR值可表示為

由于式（3）中VaR的解析式難以計(jì)算，通過(guò)引入函數(shù)Fβ（x，α）計(jì)算CVaR值，即：

式中：[f（x，y）-α]+為max{0，f（x，y）-α}，通過(guò)對(duì)y的歷史數(shù)據(jù)進(jìn)行蒙特卡洛模擬可獲得式（4）中的整數(shù)部分。假設(shè)Y1，Y2，…，YN為樣本數(shù)據(jù)，則Fβ（X，α）的估計(jì)值可表示為

由于文獻(xiàn)[12]中已經(jīng)證明了Fβ（x，α）為關(guān)于α的連續(xù)型凸函數(shù)，因此通過(guò)對(duì)Fβ（x，α）進(jìn)行最小化，則可計(jì)算出CVaR的值，即：

2 不確定性描述

在含有風(fēng)電的電力系統(tǒng)中，不確定性主要來(lái)源于2個(gè)方面：一是用戶負(fù)荷需求的不確定性；二是風(fēng)電出力的不確定性。

2.1 負(fù)荷不確定性描述

假設(shè)用戶的負(fù)荷預(yù)測(cè)誤差服從均值為0的正態(tài)分布，則負(fù)荷預(yù)測(cè)誤差的概率密度函數(shù)可以表示為

式中：Δpl，t為系統(tǒng)負(fù)荷在t時(shí)段的負(fù)荷預(yù)測(cè)誤差；σl，t為負(fù)荷預(yù)測(cè)誤差Δpl，t在t時(shí)段的標(biāo)準(zhǔn)差。

2.2 風(fēng)電出力不確定性描述

文獻(xiàn)[8，13]中利用中心極限定理證明了眾多地理位置分散的風(fēng)電場(chǎng)的總出力預(yù)測(cè)誤差可近似認(rèn)為是正態(tài)分布，則風(fēng)電出力的預(yù)測(cè)誤差的概率密度函數(shù)可表示為

式中：Δpw，t為風(fēng)電出力在t時(shí)段的負(fù)荷預(yù)測(cè)誤差；σw，t為風(fēng)電出力Δpw，t在t時(shí)段的標(biāo)準(zhǔn)差[14-15]。此外，σw，t隨著預(yù)測(cè)時(shí)間尺度的而增大，且大于負(fù)荷預(yù)測(cè)誤差σl，t。

假設(shè)負(fù)荷預(yù)測(cè)誤差與風(fēng)電出力誤差完全不相關(guān)，則實(shí)際系統(tǒng)誤差的標(biāo)準(zhǔn)差σN，t可以表示為

至此，含風(fēng)電的電力系統(tǒng)中的實(shí)際系統(tǒng)誤差Δpsys，t的概率密度函數(shù)為：

3 數(shù)學(xué)模型

3.1 系統(tǒng)整體成本函數(shù)

系統(tǒng)運(yùn)行時(shí)，不僅需要考慮火電機(jī)組的運(yùn)行成本，還需要考慮火電機(jī)組排污引起的環(huán)境損失成本，即排污成本。此外，常規(guī)機(jī)組所提供的旋轉(zhuǎn)備用成本、期望停電成本等都將納入整個(gè)系統(tǒng)的運(yùn)行成本，則可表示為

式中：F為系統(tǒng)整體成本；f（pi，t），g（pi，t）分別為火電機(jī)組的運(yùn)行和排污成本；h（rj，t）為旋轉(zhuǎn)備用成本；Ot為期望停電成本；而f（pi，t），g（pi，t），h（rj，t）和Ot的表達(dá)式為

式中：N為火電機(jī)組的數(shù)量；T為機(jī)組的運(yùn)行周期；ai，bi，ci分別為火電機(jī)組i的運(yùn)行成本系數(shù)；di，t為火電機(jī)組i在t時(shí)刻的狀態(tài)，當(dāng)di，t=0時(shí)，則表示機(jī)組i未被計(jì)劃運(yùn)行，如果機(jī)組i已被計(jì)劃運(yùn)行，則需要根據(jù)機(jī)組i的故障停運(yùn)率qi來(lái)確定di，t；Si，t為火電機(jī)組i在t時(shí)刻的啟動(dòng)成本；θi，t為火電機(jī)組i在t時(shí)段內(nèi)的環(huán)境補(bǔ)償成本，萬(wàn)元/t；λi，μi，κi，ζi，γi分別為火電機(jī)組i的排污系數(shù)；ωj，u，ωj，u分別為第j臺(tái)火電機(jī)組的上下旋轉(zhuǎn)備用；φ為單位失負(fù)荷價(jià)值。式（1）中Et表達(dá)式為

式中:Et為電量不足期望值（expected energy not supplied，EENS）；Δp為火電機(jī)組停運(yùn)后造成的出力缺口。

3.2 含風(fēng)電電力系統(tǒng)旋轉(zhuǎn)備用的風(fēng)險(xiǎn)-成本模型

由3.1小節(jié)可知，系統(tǒng)整體成本函數(shù)屬于成本型函數(shù)，旋轉(zhuǎn)備用容量與系統(tǒng)整體成本密切相關(guān)，且不同的旋轉(zhuǎn)備用容量還影響著含風(fēng)電的電力系統(tǒng)的系統(tǒng)功率平衡。此外，由于風(fēng)電出力的隨機(jī)性，使得獲取的系統(tǒng)旋轉(zhuǎn)備用容量能夠在一定的置信度下成立，對(duì)此本文根據(jù)第1節(jié)中所提出的CVaR風(fēng)險(xiǎn)測(cè)度方法建立了含風(fēng)電電力系統(tǒng)旋轉(zhuǎn)備用的風(fēng)險(xiǎn)-成本模型，將3.1小節(jié)中的系統(tǒng)整體成本定義為損失函數(shù)，即：

由此，在給定收益率e下，可以得出旋轉(zhuǎn)備用的風(fēng)險(xiǎn)-收益模型：

式中：pl，t，ρl，t，τ分別為用電負(fù)荷量、售電電價(jià)和負(fù)荷的持續(xù)時(shí)間。

3.3 其他約束條件

1）系統(tǒng)的功率平衡約束

2）火電機(jī)組出力約束

3）機(jī)組運(yùn)行時(shí)間約束

4）機(jī)組爬坡率約束

式中：ri，damp，ri，uamp分別為火電機(jī)組i的下爬坡率和上爬坡率。

5）旋轉(zhuǎn)備用約束。假設(shè)t時(shí)刻時(shí)風(fēng)電和負(fù)荷需求的預(yù)測(cè)范圍分別為則含風(fēng)電電力系統(tǒng)在t時(shí)刻時(shí)所需要的上、下旋轉(zhuǎn)備用容量可表示為

而系統(tǒng)在t時(shí)刻時(shí)的上、下旋轉(zhuǎn)備用約束可表示為

由于風(fēng)電出力的隨機(jī)性和不確定性，根據(jù)文獻(xiàn)[14]中所提出的機(jī)會(huì)約束方法，結(jié)合式（24）、式（25），由此可得出t時(shí)刻系統(tǒng)上、下旋轉(zhuǎn)備用容量的概率約束，即

式中：Pr為概率；δ1和δ2為置信度。

4 求解方法

4.1 機(jī)會(huì)約束的處理

在給定的置信度下，首先根據(jù)式（7）、式（8）中風(fēng)電出力和負(fù)荷的預(yù)測(cè)誤差及相關(guān)數(shù)據(jù)，根據(jù)隨機(jī)模擬生成相應(yīng)的風(fēng)電出力和負(fù)荷樣本，從而進(jìn)行隨機(jī)抽樣。其次將抽樣的樣本代入式（25）中，若約束成立，則N′=N+1；重復(fù)N次后，若N′/N≥β，則機(jī)會(huì)約束成立。

4.2 模型求解

本文中的目標(biāo)函數(shù)為含有隨機(jī)變量的非線性規(guī)劃模型，通過(guò)利用蒙特卡洛模擬對(duì)式（18）和式（19）進(jìn)行隨機(jī)取值，再通過(guò)引入輔助變量zk將其轉(zhuǎn)化為線性規(guī)劃模型，并在Matlab環(huán)境下利用Cplex進(jìn)行求解，具體求解流程如圖1所示。

圖1 模型計(jì)算流程圖Fig.1 Flowchart of the proposed method

5 算例分析

本文中的算例由16臺(tái)火電機(jī)組和1個(gè)風(fēng)電場(chǎng)組成，火電機(jī)組的參數(shù)和負(fù)荷預(yù)測(cè)數(shù)據(jù)見(jiàn)文獻(xiàn)[15]，負(fù)荷的預(yù)測(cè)誤差服從（0，50）的正態(tài)分布。在各單位時(shí)段t內(nèi)火電機(jī)組的環(huán)境補(bǔ)償價(jià)格θi，t為0.004萬(wàn)元/t，單位失負(fù)荷價(jià)值φ為3 000元/（MW·h）。風(fēng)電場(chǎng)的裝機(jī)容量為180 MW，風(fēng)電機(jī)組出力的預(yù)測(cè)誤差服從（0，75）的正態(tài)分布，風(fēng)機(jī)的切入風(fēng)速、額定風(fēng)速和切出風(fēng)速分別為3 m/s，12 m/s和25 m/s，風(fēng)電場(chǎng)的形狀參數(shù)為2，尺度參數(shù)為12，風(fēng)機(jī)出力與風(fēng)速的關(guān)系表達(dá)式見(jiàn)文獻(xiàn)[14]。各火電機(jī)組的初始狀態(tài)為di，t=1。系統(tǒng)在每個(gè)時(shí)段的期望收益率下限e為0.25。

5.1 不同風(fēng)險(xiǎn)水平下機(jī)組的旋轉(zhuǎn)備用容量

在給定系統(tǒng)的上、下旋轉(zhuǎn)備用的置信度δ1和δ2為0.9時(shí)，不同風(fēng)險(xiǎn)水平下的系統(tǒng)上、下旋轉(zhuǎn)備用容量的計(jì)算結(jié)果如圖2、圖3所示。

由圖2、圖3可知，同一上、下旋轉(zhuǎn)備用的置信度下，系統(tǒng)所需的上、下旋轉(zhuǎn)備用容量與風(fēng)險(xiǎn)水平密切相關(guān)，即風(fēng)險(xiǎn)水平越高，系統(tǒng)所需的上、下旋轉(zhuǎn)備用容量越小。這主要是由于風(fēng)電出力的波動(dòng)性，使得系統(tǒng)在高風(fēng)險(xiǎn)水平下（β=0.9）限制了風(fēng)電的接入，使得整個(gè)系統(tǒng)的不確定性發(fā)電量的比例減少，降低了系統(tǒng)需要上旋轉(zhuǎn)備用容量，而且高風(fēng)險(xiǎn)水平下，風(fēng)電出力的上升空間也極為有限，使得系統(tǒng)的下旋轉(zhuǎn)備用容量也隨之減少。從圖2和圖3中，也可以大致分析出風(fēng)力發(fā)電的時(shí)序特性，在3：00和7：00時(shí)，風(fēng)速較大，風(fēng)機(jī)注入電網(wǎng)的功率較大，而在9：00和21：00時(shí)，雖然此時(shí)的風(fēng)機(jī)仍有出力，但是9：00和21：00的負(fù)荷是日負(fù)荷曲線上的極值點(diǎn)，所以相比于3：00和7：00需要比較大的旋轉(zhuǎn)備用。

圖2 不同風(fēng)險(xiǎn)水平下的系統(tǒng)上旋轉(zhuǎn)備用容量曲線Fig.2 Curve of the up spinning reserve capacity at different risk levels

圖3 不同風(fēng)險(xiǎn)水平下的系統(tǒng)下旋轉(zhuǎn)備用容量曲線Fig.3 Curve of the down spinning reserve capacity at different risk levels

5.2 不同置信度下系統(tǒng)運(yùn)行成本和CVaR值

為了分析上、下旋轉(zhuǎn)備用的不同置信度對(duì)系統(tǒng)運(yùn)行成本和CVaR值的影響，根據(jù)式（17）—式（19），本文分別計(jì)算了在風(fēng)險(xiǎn)水平為0.85和0.9下，旋轉(zhuǎn)備用置信度δ1和δ2從0.8到0.99時(shí)，系統(tǒng)的運(yùn)行成本和CVaR值，如圖4、圖5所示。

由圖4、圖5可知，隨著系統(tǒng)的上、下旋轉(zhuǎn)備用容量的置信度逐漸增加，系統(tǒng)總的運(yùn)行成本呈逐漸降低的趨勢(shì)。這是由于在低置信度下，能夠更多的利用風(fēng)電資源，而相應(yīng)的減少了常規(guī)機(jī)組的出力，降低了機(jī)組的運(yùn)行成本和排污成本，使得系統(tǒng)總的運(yùn)行成本更低。但是，在高置信度下（δ=0.99），對(duì)系統(tǒng)運(yùn)行的要求更高，比低置信度需要更多的上、下旋轉(zhuǎn)備用容量，從而導(dǎo)致了系統(tǒng)總的運(yùn)行成本增加，系統(tǒng)運(yùn)行的經(jīng)濟(jì)性開(kāi)始變差。

圖4 0.85風(fēng)險(xiǎn)水平下的系統(tǒng)運(yùn)行成本和CVaR值Fig.4 System operation cost and CVaR value at 0.85 risk level

圖5 0.9風(fēng)險(xiǎn)水平下的系統(tǒng)運(yùn)行成本和CVaR值Fig.5 System operation cost and CVaR value at 0.9 risk level

對(duì)比圖4和圖5還可以發(fā)現(xiàn)，0.85風(fēng)險(xiǎn)水平下的系統(tǒng)運(yùn)行成本低于0.9風(fēng)險(xiǎn)水平下的系統(tǒng)運(yùn)行成本，而0.85風(fēng)險(xiǎn)水平下的CVaR值則高于0.9風(fēng)險(xiǎn)水平下的CVaR值。這反映了風(fēng)險(xiǎn)水平越高，系統(tǒng)必須相應(yīng)的增加旋轉(zhuǎn)備用成本、機(jī)組運(yùn)行成本等，說(shuō)明了旋轉(zhuǎn)備用的風(fēng)險(xiǎn)-成本模型能夠直觀的刻畫(huà)出系統(tǒng)旋轉(zhuǎn)備用容量和系統(tǒng)運(yùn)行成本之間的關(guān)聯(lián)關(guān)系。

6 結(jié)論

本文建立了電力市場(chǎng)環(huán)境下含風(fēng)電電力系統(tǒng)的旋轉(zhuǎn)備用風(fēng)險(xiǎn)-成本模型，綜合考慮了常規(guī)機(jī)組排污成本、停電損失成本、負(fù)荷預(yù)測(cè)誤差、風(fēng)電出力預(yù)測(cè)誤差、系統(tǒng)上、下旋轉(zhuǎn)備用容量不確定等因素，并在Matlab環(huán)境下利用Cplex對(duì)模型進(jìn)行求解，得到了以下結(jié)論：

1）不同的風(fēng)險(xiǎn)水平對(duì)應(yīng)得到了不同的系統(tǒng)上下旋轉(zhuǎn)備用容量，且風(fēng)險(xiǎn)水平越高，上、下旋轉(zhuǎn)備用越小，說(shuō)明了CVaR風(fēng)險(xiǎn)測(cè)度方法能夠量化風(fēng)電出力的不確定性對(duì)系統(tǒng)上下旋轉(zhuǎn)備用的影響。

2）分析了系統(tǒng)不同的上、下旋轉(zhuǎn)備用容量置信度與系統(tǒng)總的運(yùn)行成本和CVaR值的關(guān)系，這為系統(tǒng)運(yùn)行人員分析含風(fēng)電電力系統(tǒng)運(yùn)行的可靠性和經(jīng)濟(jì)性的平衡提高了決策支持。

[1]馬彥宏，汪寧渤，劉福潮，等.甘肅酒泉風(fēng)電基地風(fēng)電預(yù)測(cè)預(yù)報(bào)系統(tǒng)[J].電力系統(tǒng)自動(dòng)化，2009，33（16）：88-90.MA Yanhong，WANG Ningbo，LIU Fuchao，et al.A wind power forecast system for jiuquan wind power base in gansu province[J].Automation of Electric Power Systems，2009，33（16）：88-90（in Chinese）.

[2]孫文博，徐華利，付媛，等.應(yīng)用于大型風(fēng)電基地功率外送的多端直流輸電系統(tǒng)協(xié)調(diào)控制[J].電網(wǎng)技術(shù)，2013，37（6）：1596-1601.SUN Wenbo，XU Huali，F(xiàn)U Yuan，et al.Coordinated control of multi-terminal DC transmission system to send out power from large-scale wind farm[J].Power System Technology，2013，37（6）：1596-1601（in Chinese）.

[3]WANG J，SHAHIDEHPOUR M，LI Z.Security-constrained unit commitment with volatile wind power generation[J].IEEE Transactions on Power Systems，2008，23（3）：1319-1327.

[4]BHATTACHARYA M，PARAMATI S R，OZTURK I，et al.The effectofrenewable energy consumption on economic growth：Evidence from top 38 countries[J].Applied Energy，2016（162）：733-741.

[5]殷桂梁，張雪，操丹丹，等.考慮風(fēng)電和光伏發(fā)電影響的電力系統(tǒng)最優(yōu)旋轉(zhuǎn)備用容量確定[J].電網(wǎng)技術(shù)，2015，39（12）：3497-3504.YIN Guiliang，ZHANG Xue，CAO Dandan，et al.Determination of optimal spinning reserve capacity of power system considering wind and photovoltaic power affects[J].Power System Technology，2015，39（12）：3497-3504（in Chinese）.

[6]曲翀，王秀麗，姚力，等.基于條件成本收益分析的旋轉(zhuǎn)備用優(yōu)化配置[J].電力系統(tǒng)自動(dòng)化，2014，38（14）：62-69.QU Chong，WANG Xiuli，YAO Li，et al.Optimal configuration of spinning reserve based on conditional cost/benefit analysis[J].Automation of Electric Power Systems，2014，38（14）：62-69（in Chinese）.

[7]王雁凌，許傳龍，岳巍澎.時(shí)變可靠性約束下含風(fēng)電系統(tǒng)旋轉(zhuǎn)備用的隨機(jī)規(guī)劃模型[J].電網(wǎng)技術(shù)，2013，37（5）：1311-1316.WANGYanling， XU Chuanlong， YUEWeipeng.A stochastic programming model for spinning reserve of power grid containing wind farms under constraint of timevarying reliability[J].Power System Technology，2013，37（5）：1311-1316（in Chinese）.

[8]ORTEGA VAZQUEZ M A，KIRSCHEN D S.Estimating the spinning reserve requirements in systems with significant wind power generation penetration[J].IEEE Transactions on Power Systems，2009，24（1）：114-124.

[9]許云輝，李仲飛.基于收益序列相關(guān)的動(dòng)態(tài)投資組合選擇——?jiǎng)討B(tài)均值-方差模型[J].系統(tǒng)工程理論與實(shí)踐，2008，28（8）：123-131.XU Yunhui，LI Zhongfei.Dynamic portfolio selection based on serially correlated return-dynamic mean-variance formulation[J].System Engineering Theory and Practice，2008，28（8）：123-131（in Chinese）.

[10]HENDRICKS D.Evaluation of value-at-risk models using historical data（digest summary）[J].Economic Policy Review Federal Reserve Bank of New York，1996，2（1）：39-67.[11]XIA Y，LIU J.Optimal scheduling of virtual power plant with risk management[J].Journal of Power Technologies，2016，96（1）：49-56.

[12]ROCKAFELLAR R T，URYASEV S.Conditional valueat-risk for general loss distributions[J].Journal of Banking&Finance，2002，26（7）：1443-1471.

[13]TEWARI S，GEYER C J，MOHAN N.A statistical model for wind power forecast error and its application to the estimation of penalties in liberalized markets[J].IEEE Transactions on Power Systems，2011，26（4）：2031-2039.

[14]夏榆杭，劉俊勇，馮超，等.計(jì)及需求響應(yīng)的虛擬發(fā)電廠優(yōu)化調(diào)度模型[J].電網(wǎng)技術(shù)，2016，40（6）：1666-1674.XIA Yuhang，LIU Junyong，F(xiàn)ENG Chao，et al.Optimal scheduling model ofvirtualpowerplantconsidering demand response[J].Power System Technology，2016，40（6）：1666-1674（in Chinese）.

[15]張里，劉俊勇，劉友波，等.風(fēng)速相關(guān)性下的最優(yōu)旋轉(zhuǎn)備用容量[J].電網(wǎng)技術(shù)，2014，38（12）：3412-3417.ZHANG Li，LIU Junyong，LIU Youbo，et al.Optimal spinning reserve capacity of power grid considering wind speed correlation[J].Power System Technology，2014，38（12）：3412-3417（in Chinese）.

Optimal Spinning Reserve of Power System with Wind Power Penetrated Under Power Market Environment

WANG Yongtao1，ZHAO Jian2
（1.Xuchang Power Supply Company，State Grid Henan Electric Power Company，Xuchang 461000，Henan，China；2.Tianjin University of Technology，Tianjin 300384，China）

To ensure the stability ofpowersystem operation，optimization in the original spinning reserve should be made.In this paper，first of all，the risk-cost model of the electric power system reserve including the conventional unit operation cost，the pollution cost，expected outage cost and spinning reserve capacity cost is built in the environment of electricity market.And then，the chance constrain description of the up and down spinning reserve capacity is added based on conventional constraints.At last the Monte Carlo simulation method is used to generate the wind power output，and the model is solved by Cplex package in Matlab environment.The correctness ofthe proposed method is verified through simulation examples，which analyze the impacts on the up and down spinning reserve capacity of the system at different risk levels and the total operation cost and CVaR value at different confidence levels.

wind power;conditional value at risk;spinning reserve;chance constraint

1674-3814（2017）07-0123-06

TM715

A

國(guó)家自然科學(xué)基金（50877053）。

Project Supported by the National Natural Science Foundation of China（50877053）.

2017-02-10。

汪泳濤（1989—），男，碩士，工程師，研究方向?yàn)殡娋W(wǎng)經(jīng)濟(jì)運(yùn)行及新能源發(fā)電。

（編輯 董小兵）