含大用戶直購(gòu)電的風(fēng)火儲(chǔ)聯(lián)合環(huán)境經(jīng)濟(jì)調(diào)度

李 慧，于德鰲，范新橋，劉思嘉

(北京信息科技大學(xué)自動(dòng)化學(xué)院，北京 100192)

中國(guó)堅(jiān)持走生態(tài)優(yōu)先、綠色低碳的發(fā)展道路，力爭(zhēng)在2030年前實(shí)現(xiàn)碳達(dá)峰、2060年前實(shí)現(xiàn)碳中和。為此，供電公司實(shí)施碳排放權(quán)交易機(jī)制，鼓勵(lì)發(fā)電企業(yè)積極響應(yīng)節(jié)能減排政策[1]。另外，國(guó)家大力開發(fā)風(fēng)電等清潔能源，有效地緩解電力工業(yè)碳排放污染。然而，大規(guī)模風(fēng)電的接入影響了電力系統(tǒng)安全穩(wěn)定運(yùn)行，促使儲(chǔ)能設(shè)備在新能源發(fā)電領(lǐng)域有著廣闊的應(yīng)用前景。正是國(guó)家這些政策及法律條文的頒布，以及風(fēng)電并網(wǎng)容量的增加、儲(chǔ)能新技術(shù)的應(yīng)用，給電力系統(tǒng)調(diào)度提出了新的要求。同時(shí)，大用戶直購(gòu)電作為電力市場(chǎng)改革的重要措施[2]，其引入對(duì)發(fā)電調(diào)度也帶來了新的挑戰(zhàn)。所以，有必要研究大用戶直購(gòu)電參與的風(fēng)儲(chǔ)火聯(lián)合系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度(environmental economic dispatch，EED)問題，這對(duì)環(huán)境保護(hù)及經(jīng)濟(jì)可持續(xù)發(fā)展具有深遠(yuǎn)意義。

近年來，學(xué)者們從不同角度對(duì)電力系統(tǒng)的經(jīng)濟(jì)調(diào)度模型展開研究，比如引入大用戶直購(gòu)電、碳權(quán)交易、儲(chǔ)能系統(tǒng)和考慮多目標(biāo)優(yōu)化等。文獻(xiàn)[3]提出了含大用戶直購(gòu)電的火電機(jī)組動(dòng)態(tài)EED模型，采用改進(jìn)約束處理的多目標(biāo)細(xì)菌群體趨藥性優(yōu)化算法進(jìn)行求解；文獻(xiàn)[4]以最大化發(fā)電系統(tǒng)運(yùn)行期望效益為目標(biāo)，建立了包含大用戶直購(gòu)電的風(fēng)電效益權(quán)衡模型和風(fēng)電優(yōu)先調(diào)度模型，用于分析大用戶直購(gòu)電交易模式對(duì)系統(tǒng)調(diào)度帶來的影響；文獻(xiàn)[5]建立了含大用戶直購(gòu)電的電力系統(tǒng)風(fēng)電消納模型，在系統(tǒng)運(yùn)行總利潤(rùn)目標(biāo)中引入直購(gòu)電合同消減的懲罰項(xiàng)，以保證風(fēng)電出力的消納；文獻(xiàn)[6]建立了考慮風(fēng)電不確定性和大用戶直購(gòu)電的電力系統(tǒng)調(diào)度模型，以發(fā)電企業(yè)收益最高為目標(biāo)，采用改進(jìn)粒子群算法對(duì)模型進(jìn)行求解；文獻(xiàn)[7]引入碳權(quán)購(gòu)買裕度，建立了考慮碳排放交易與風(fēng)荷預(yù)測(cè)誤差的多目標(biāo)EED模型；文獻(xiàn)[8]建立了含風(fēng)光儲(chǔ)微網(wǎng)的大用戶短期交易決策模型，實(shí)現(xiàn)了日前市場(chǎng)和平衡市場(chǎng)購(gòu)電成本最小化和售電收益最大化；文獻(xiàn)[9]提出一種儲(chǔ)能輔助火電機(jī)組深度調(diào)峰的分層優(yōu)化調(diào)度方案，利用儲(chǔ)能降低負(fù)荷峰谷差，提高風(fēng)電消納空間；文獻(xiàn)[10]將燃料費(fèi)用和污染排放作為優(yōu)化目標(biāo)，并計(jì)及閥點(diǎn)效應(yīng)、網(wǎng)絡(luò)損耗和各種等式及不等式約束，構(gòu)建了含風(fēng)電場(chǎng)的多目標(biāo)動(dòng)態(tài)EED問題，采用基于分解的多目標(biāo)進(jìn)化算法進(jìn)行求解。

然而，現(xiàn)有文獻(xiàn)在電力系統(tǒng)EED 問題的建模過程中沒有綜合考慮到風(fēng)電系統(tǒng)、大用戶直購(gòu)電、儲(chǔ)能系統(tǒng)以及環(huán)境保護(hù)等多個(gè)因素的影響。基于此背景，本文構(gòu)建適用于風(fēng)火儲(chǔ)聯(lián)合系統(tǒng)的環(huán)境經(jīng)濟(jì)調(diào)度模型，兼顧環(huán)境保護(hù)、經(jīng)濟(jì)效益和清潔能源利用最大化等諸多因素，以火電廠與大用戶簽訂雙邊合同交易的形式，在優(yōu)化調(diào)度目標(biāo)函數(shù)中考慮備用成本、儲(chǔ)能充放電綜合成本、大用戶直購(gòu)電收益等因素，在約束條件中考慮系統(tǒng)備用容量約束、儲(chǔ)能系統(tǒng)相關(guān)約束、大用戶合同電量約束等因素，采用改進(jìn)的混沌自適應(yīng)螢火蟲算法對(duì)所提的優(yōu)化調(diào)度模型進(jìn)行求解。算例結(jié)果表明，大用戶的參與能顯著降低系統(tǒng)總成本；而儲(chǔ)能系統(tǒng)的參與能顯著降低火電成本和棄風(fēng)率、提高風(fēng)電并網(wǎng)電量，但增加了備用成本。

1 考慮大用戶直購(gòu)電的風(fēng)火儲(chǔ)聯(lián)合環(huán)境經(jīng)濟(jì)調(diào)度模型

本文將環(huán)境保護(hù)、清潔能源利用、大用戶等諸多因素進(jìn)行量化，分別以碳排放權(quán)交易成本、風(fēng)力發(fā)電成本、儲(chǔ)能充放電綜合成本、大用戶直購(gòu)電收益等體現(xiàn)在目標(biāo)函數(shù)中。以系統(tǒng)總成本最小為優(yōu)化目標(biāo)，在考慮功率平衡約束、火電機(jī)組啟停約束、備用容量約束、大用戶合同電量約束、儲(chǔ)能充放電約束等情況下，分配系統(tǒng)中各火電機(jī)組出力、風(fēng)電場(chǎng)出力及儲(chǔ)能系統(tǒng)出力等，滿足電網(wǎng)負(fù)荷需求。由于大用戶對(duì)電能質(zhì)量的要求較高，因此所構(gòu)建模型中只考慮火電廠參與大用戶直購(gòu)電，大用戶與火電廠采取就近原則簽署供電合同。

1.1 目標(biāo)函數(shù)

在大用戶直購(gòu)電參與的風(fēng)火儲(chǔ)聯(lián)合系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度模型中，以系統(tǒng)總成本最小為目標(biāo)，其目標(biāo)函數(shù)為

C=min(Cf+Cce+Cw+Cpr+

Cnr+Cbess-Clu)

(1)

式中C為系統(tǒng)總成本，元；Cf為火力發(fā)電燃料成本，元；Cce為碳排放權(quán)交易成本，元；Cw為風(fēng)力發(fā)電成本，元；Cpr、Cnr分別為正、負(fù)備用成本，元；Cbess為儲(chǔ)能充放電綜合成本，元；Clu為大用戶直購(gòu)電收益，元。

因篇幅所限，火力發(fā)電燃料成本及碳排放權(quán)交易成本的表達(dá)式參見文獻(xiàn)[11]。本文主要介紹風(fēng)力發(fā)電成本、備用成本、儲(chǔ)能充放電綜合成本和大用戶直購(gòu)電收益的計(jì)算方法。

1)風(fēng)力發(fā)電成本。風(fēng)電場(chǎng)除了初始投資和后期維護(hù)成本以外，并不產(chǎn)生額外成本。在獲取風(fēng)電場(chǎng)使用壽命及年均發(fā)電量后，可折算出該風(fēng)電場(chǎng)的發(fā)電成本，即

(2)

式中Iw為風(fēng)電場(chǎng)初始投資成本，元；Mw為風(fēng)電場(chǎng)后期維護(hù)成本，元；Lwy為風(fēng)電場(chǎng)使用壽命，a；Wwy為風(fēng)電場(chǎng)年均發(fā)電量，MW·h；Wwt為風(fēng)電場(chǎng)在t時(shí)段的并網(wǎng)電量，MW·h；T為調(diào)度運(yùn)行時(shí)間，h。

2)備用成本。調(diào)度模型中采用儲(chǔ)能系統(tǒng)配合火電機(jī)組旋轉(zhuǎn)備用的方式提供備用，當(dāng)旋轉(zhuǎn)備用無法滿足需求時(shí)，儲(chǔ)能系統(tǒng)則參與備用。因此，備用成本包含旋轉(zhuǎn)備用成本與儲(chǔ)能備用成本2部分，每部分又分為正備用和負(fù)備用。正、負(fù)備用總成本為

(3)

正備用是為了應(yīng)對(duì)負(fù)荷突然增加或?qū)嶋H風(fēng)電出力小于預(yù)測(cè)值的情況，負(fù)備用是為了應(yīng)對(duì)負(fù)荷突然減少或?qū)嶋H風(fēng)電出力大于預(yù)測(cè)值的情況。式(3)中正的旋轉(zhuǎn)備用容量與儲(chǔ)能備用容量之和為正備用總?cè)萘?，可由風(fēng)電場(chǎng)和火電機(jī)組獲得；負(fù)的旋轉(zhuǎn)備用容量與儲(chǔ)能備用容量之和為負(fù)備用總?cè)萘?，可由風(fēng)電場(chǎng)獲得。正、負(fù)備用總?cè)萘勘磉_(dá)式為

(4)

式中ppr、pnr分別為正、負(fù)備用總?cè)萘?，MW；βw為風(fēng)電場(chǎng)的發(fā)電備用系數(shù)(取現(xiàn)階段風(fēng)功率預(yù)測(cè)誤差最大值)；βc為火電機(jī)組的發(fā)電備用系數(shù)(取現(xiàn)階段負(fù)荷預(yù)測(cè)誤差最大值)；pwt為t時(shí)段風(fēng)電場(chǎng)發(fā)電功率，MW；pit為t時(shí)段第i臺(tái)火電機(jī)組發(fā)電功率，MW；N為火力發(fā)電機(jī)組臺(tái)數(shù)。

3)儲(chǔ)能充放電綜合成本。本文采用鋰電池儲(chǔ)能系統(tǒng)，儲(chǔ)能充放電綜合成本除了初始投資與后期維護(hù)成本外，還要考慮儲(chǔ)能電池更換成本，其表達(dá)式為

(5)

其中

(6)

式(5)、(6)中Ibess為儲(chǔ)能系統(tǒng)初始投資年均成本，元；Mbess為儲(chǔ)能系統(tǒng)維護(hù)年均成本，元；Gbess為儲(chǔ)能電池更換年均成本，元；pbey為儲(chǔ)能系統(tǒng)年均充放電總功率，MW；pbesst為t時(shí)段儲(chǔ)能系統(tǒng)充放電功率，MW，若儲(chǔ)能系統(tǒng)處于充電時(shí)其值為負(fù)，若儲(chǔ)能系統(tǒng)處于放電時(shí)其值為正；γp為單位功率成本，元；pbess為儲(chǔ)能系統(tǒng)額定功率，MW；γE為單位容量成本，元；Ebess為儲(chǔ)能系統(tǒng)額定容量，MV·A；Ybess為儲(chǔ)能系統(tǒng)使用壽命，a；γom為單位容量年運(yùn)行維護(hù)費(fèi)用，元；εbess為電池更換率。

4)大用戶直購(gòu)電收益。本文考慮大用戶與火電廠簽訂雙邊合同交易，其直購(gòu)電收益是指在一定調(diào)度運(yùn)行時(shí)間內(nèi)，各時(shí)段大用戶合同電量與直購(gòu)電價(jià)乘積的總和，其表達(dá)式為

(7)

1.2 約束條件

1)系統(tǒng)功率平衡約束。為保證負(fù)荷需求與發(fā)電出力之間的實(shí)時(shí)平衡，系統(tǒng)中任意t時(shí)刻電力的供需應(yīng)滿足等式約束，即

(8)

式中plt為t時(shí)段負(fù)荷需求，MW；l為線損率。

2)機(jī)組最小啟停時(shí)間約束。機(jī)組最小啟停時(shí)間約束為

(9)

3)系統(tǒng)備用容量約束。為了應(yīng)對(duì)風(fēng)電出力的突然減少和風(fēng)電場(chǎng)的強(qiáng)迫停運(yùn)給系統(tǒng)帶來的失負(fù)荷風(fēng)險(xiǎn)以及風(fēng)電出力突然增加導(dǎo)致系統(tǒng)頻率過高風(fēng)險(xiǎn)，本文模型綜合考慮了風(fēng)電及儲(chǔ)能系統(tǒng)對(duì)系統(tǒng)的正負(fù)備用容量約束。

系統(tǒng)正備用約束表示為

(10)

其中

(11)

系統(tǒng)負(fù)備用約束表示為

(12)

其中

(13)

4)大用戶合同電量約束。因大用戶直購(gòu)電量只考慮由火電廠提供，任意t時(shí)刻第i臺(tái)火電機(jī)組出力應(yīng)不小于其大用戶直購(gòu)電量，即

(14)

5)儲(chǔ)能系統(tǒng)充放電功率上下限約束。儲(chǔ)能系統(tǒng)的實(shí)時(shí)輸出功率受儲(chǔ)能系統(tǒng)的最大充放電額定功率約束，需滿足：

管理會(huì)計(jì)是從傳統(tǒng)會(huì)計(jì)中分離出來與財(cái)務(wù)會(huì)計(jì)并列的、著重為企業(yè)改善經(jīng)營(yíng)管理、提高經(jīng)濟(jì)效益服務(wù)的一個(gè)會(huì)計(jì)分支。管理會(huì)計(jì)主要服務(wù)于企業(yè)內(nèi)部經(jīng)營(yíng)管理，通過對(duì)財(cái)務(wù)會(huì)計(jì)資料、統(tǒng)計(jì)資料及其他業(yè)務(wù)資料在內(nèi)的各種數(shù)據(jù)進(jìn)行加工，向企業(yè)內(nèi)部管理者提供有用的經(jīng)營(yíng)信息以幫助他們正確確定經(jīng)營(yíng)目標(biāo)，進(jìn)行經(jīng)營(yíng)決策，對(duì)企業(yè)經(jīng)營(yíng)活動(dòng)實(shí)施控制，使企業(yè)的經(jīng)營(yíng)活動(dòng)處于最優(yōu)狀態(tài)。

(15)

6)儲(chǔ)能系統(tǒng)荷電狀態(tài)約束。儲(chǔ)能系統(tǒng)荷電狀態(tài)是t時(shí)段的剩余容量與額定容量的之比，應(yīng)該滿足以下約束：

(16)

式中Eini為儲(chǔ)能系統(tǒng)的能量初值，MW·h；δ為儲(chǔ)能系統(tǒng)充放電效率。

7)儲(chǔ)能系統(tǒng)調(diào)度周期始末狀態(tài)約束。為保證儲(chǔ)能系統(tǒng)可持續(xù)利用，儲(chǔ)能系統(tǒng)調(diào)度周期始末的荷電狀態(tài)相等，即

(17)

因篇幅所限，機(jī)組出力上下限約束、機(jī)組爬坡速率約束、風(fēng)電場(chǎng)出力約束等計(jì)算公式詳見文獻(xiàn)[11]。

2 基于混沌自適應(yīng)螢火蟲算法的EED模型求解

當(dāng)風(fēng)電系統(tǒng)、大用戶直購(gòu)電、儲(chǔ)能系統(tǒng)及生態(tài)環(huán)境等多因素參與到電力系統(tǒng)經(jīng)濟(jì)調(diào)度后，系統(tǒng)調(diào)度模型具有耦合性高、約束性強(qiáng)、求解難度大等特點(diǎn)。本文在螢火蟲算法(glowworm swarm optimization, GSO)[12]基礎(chǔ)上，引入混沌映射優(yōu)化螢火蟲算法初始種群，采用自適應(yīng)的步長(zhǎng)調(diào)整因子，提出一種混沌自適應(yīng)螢火蟲算法用于所提EED模型的優(yōu)化求解問題。

2.1 混沌自適應(yīng)GSO算法

1)改進(jìn)的混沌Tent映射?；煦鐑?yōu)化是利用混沌變量的遍歷性、隨機(jī)性、有界性和普適性等尋優(yōu)搜索特性，將優(yōu)化解線性轉(zhuǎn)化到優(yōu)化空間。引入混沌映射可以增強(qiáng)螢火蟲初始種群的多樣性和隨機(jī)性，有利于實(shí)現(xiàn)搜索域?qū)饪臻g的全覆蓋。但是，傳統(tǒng)Tent映射[13]在迭代過程中存在不穩(wěn)定周期點(diǎn)，例如{0.25,0.5,0.75}或xn+1=xn+m，m={0,1,2,3,4}，這些都將會(huì)迭代至不動(dòng)點(diǎn){0}。為了避免Tent映射迭代落入小周期循環(huán)的問題，本文引入隨機(jī)函數(shù)，對(duì)序列進(jìn)行小范圍擾動(dòng)，使Tent映射的迭代跳出小周期點(diǎn)或不動(dòng)點(diǎn)，重新進(jìn)入混沌狀態(tài)，其改進(jìn)后的Tent映射函數(shù)表達(dá)式為

(18)

2)自適應(yīng)步長(zhǎng)。在同一次迭代過程中，每個(gè)螢火蟲距離其鄰域內(nèi)最大熒光素個(gè)體的距離都不同，若采用相同的步長(zhǎng)，既不利于距離最大熒光素個(gè)體較遠(yuǎn)的螢火蟲快速向其收斂，也會(huì)導(dǎo)致較近的螢火蟲個(gè)體出現(xiàn)超進(jìn)化溢出解集約束空間的情況，無法在全解集內(nèi)搜索到最優(yōu)解。為了解決此類問題，本文引入自適應(yīng)的步長(zhǎng)判斷機(jī)制，使螢火蟲個(gè)體在解集約束空間內(nèi)合理進(jìn)化，即

(19)

式中si,k為第i只螢火蟲第k次迭代步長(zhǎng)；xi(k)為第i只螢火蟲第k次迭代位置；xmax(k)為第k次迭代最大熒光素個(gè)體位置；sk為第k次迭代步長(zhǎng)；smax與smin分別為固定步長(zhǎng)的最大值和最小值；scg為步長(zhǎng)調(diào)節(jié)因子；xim(k)為第i只螢火蟲第k次迭代其鄰域內(nèi)最大熒光素個(gè)體位置；scgt為第k次迭代步長(zhǎng)擾動(dòng)因子，通常取值范圍為[1,2]。

3)覓食行為。為了提升螢火蟲算法的局部尋優(yōu)搜索能力，本文采用魚群算法的覓食行為尋找最高熒光素值個(gè)體的位置。若螢火蟲i的鄰域Ni(k)為空集，則引入覓食行為，使螢火蟲i在小范圍隨機(jī)移動(dòng)N次，第j次覓食后的個(gè)體位置表達(dá)式為

(20)

(21)

如果N次覓食后的熒光素值始終小于覓食前的熒光素值，則認(rèn)為覓食前位置已是熒光素最高值位置，螢火蟲位置不移動(dòng)。

2.2 基于混沌自適應(yīng)GSO的EED問題求解步驟

采用混沌自適應(yīng)GSO算法求解大用戶直購(gòu)電參與的風(fēng)火儲(chǔ)聯(lián)合系統(tǒng)EED問題的步驟如下。

1)初始化螢火蟲種群和參數(shù)。將調(diào)度周期內(nèi)火電機(jī)組、風(fēng)電場(chǎng)、儲(chǔ)能系統(tǒng)等各自出力作為螢火蟲個(gè)體，采用式(18)Tent映射生成0到1之間的數(shù)據(jù)序列，根據(jù)螢火蟲個(gè)體的取值范圍及約束條件，將數(shù)據(jù)序列轉(zhuǎn)化為螢火蟲個(gè)體形成初始螢火蟲種群，并對(duì)步長(zhǎng)、熒光素值、動(dòng)態(tài)決策域等參數(shù)進(jìn)行初始化。

2)更新螢火蟲的熒光素值。以熒光素值反映螢火蟲個(gè)體接近目標(biāo)解的程度，其值越大，表示越接近目標(biāo)。以系統(tǒng)總成本為目標(biāo)函數(shù)確定每次迭代過程中每個(gè)螢火蟲的熒光素值。

3)確定螢火蟲的個(gè)體鄰域。在動(dòng)態(tài)決策域內(nèi)，選擇熒光素高于自身的螢火蟲個(gè)體組成鄰域。

4)確定螢火蟲移動(dòng)方向。計(jì)算每個(gè)螢火蟲在其鄰域內(nèi)向其它螢火蟲移動(dòng)的概率，將概率值最大的那個(gè)螢火蟲作為移動(dòng)目標(biāo)。

5)判斷鄰域是否為空。如果鄰域?yàn)榭?，引入覓食行為，由?20)和(21)確定最高熒光素值個(gè)體的位置；否則，螢火蟲個(gè)體在滿足解集約束條件下向步驟4選中的熒光素值更大的個(gè)體移動(dòng)位置，以此實(shí)現(xiàn)尋優(yōu)。

6)更新每個(gè)螢火蟲的動(dòng)態(tài)決策域半徑，并利用式(19)引入自適應(yīng)的步長(zhǎng)判斷機(jī)制，更新螢火蟲個(gè)體步長(zhǎng)，使螢火蟲個(gè)體在解集約束空間內(nèi)合理進(jìn)化。

7)判斷是否達(dá)到精度要求或超過迭代次數(shù)的限值，若是，則執(zhí)行步驟8；否則，返回至步驟2。

8)程序結(jié)束，輸出最優(yōu)的系統(tǒng)總成本以及對(duì)應(yīng)的各部分出力。

3 算例分析

3.1 基本數(shù)據(jù)和參數(shù)

本文采用IEEE 39節(jié)點(diǎn)系統(tǒng)進(jìn)行仿真分析，該系統(tǒng)由10臺(tái)火電機(jī)組、1個(gè)風(fēng)電場(chǎng)和1套集中式電池儲(chǔ)能系統(tǒng)組成，系統(tǒng)拓?fù)淙鐖D1所示。

圖1 IEEE 39系統(tǒng)拓?fù)銯igure 1 The topology of the IEEE 39 system

表1 系統(tǒng)各項(xiàng)成本值Table 1 Cost values of the system

表2 分時(shí)電價(jià)與電量Table 2 Time-of-use price and electricity quantity

3.2 混沌自適應(yīng)GSO算法性能對(duì)比

為了驗(yàn)證本文提出的混沌自適應(yīng)GSO算法的有效性，以系統(tǒng)總成本最小為目標(biāo)函數(shù)，采用24個(gè)調(diào)度時(shí)段的負(fù)荷及風(fēng)電預(yù)測(cè)數(shù)據(jù)進(jìn)行仿真計(jì)算，與傳統(tǒng)GSO算法進(jìn)行對(duì)比，2種GSO算法性能對(duì)比如表3所示?；煦缱赃m應(yīng)GSO算法的參數(shù)設(shè)置為：螢火蟲個(gè)數(shù)為150，熒光素l0=2±0.5隨機(jī)分配，最大步長(zhǎng)smax=40，最小步長(zhǎng)smin=0.01，步長(zhǎng)調(diào)節(jié)因子scg=-4，步長(zhǎng)擾動(dòng)因子scgt=1.3，動(dòng)態(tài)決策域r0=200±10隨機(jī)分配，領(lǐng)域閾值nt=15，熒光素消失率ρ=0.3，熒光素更新率γ=500 000，動(dòng)態(tài)決策域更新率ε=0.08，螢火蟲感知域rs=210，最大迭代次數(shù)kmax=1 500。

由表3可知，70%以上的時(shí)段混沌自適應(yīng)GSO算法比傳統(tǒng)GSO算法在總成本、迭代次數(shù)和運(yùn)行時(shí)間上均占優(yōu)勢(shì)。雖然個(gè)別時(shí)段上前者比后者的總成本偏高，但是在迭代次數(shù)和運(yùn)行時(shí)間上，前者遠(yuǎn)遠(yuǎn)優(yōu)于后者。由此說明，混沌自適應(yīng)GSO算法引入混沌映射與自適應(yīng)步長(zhǎng)機(jī)制后，在求解多約束尋優(yōu)問題中，具有適應(yīng)性強(qiáng)、全局搜索能力強(qiáng)、收斂速度快、尋優(yōu)穩(wěn)定性高等優(yōu)點(diǎn)。

表3 2種GSO算法各項(xiàng)指標(biāo)對(duì)比Table 3 Index comparison of two GSO methods

3.3 不同場(chǎng)景下的調(diào)度對(duì)比分析

為了驗(yàn)證含大用戶直購(gòu)電的風(fēng)火儲(chǔ)聯(lián)合系統(tǒng)調(diào)度模型的有效性，分析大用戶、儲(chǔ)能系統(tǒng)的參與對(duì)風(fēng)火聯(lián)合系統(tǒng)調(diào)度在環(huán)境和經(jīng)濟(jì)效益方面的影響，設(shè)計(jì)4種場(chǎng)景進(jìn)行對(duì)比分析：場(chǎng)景1為風(fēng)火聯(lián)合系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度；場(chǎng)景2為大用戶直購(gòu)電參與的風(fēng)火聯(lián)合系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度；場(chǎng)景3為風(fēng)火儲(chǔ)聯(lián)合系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度；場(chǎng)景4為大用戶直購(gòu)電參與的風(fēng)火儲(chǔ)聯(lián)合系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度。

在24 h內(nèi)調(diào)度的系統(tǒng)總成本曲線如圖2所示，4種場(chǎng)景下各種指標(biāo)的對(duì)比結(jié)果如表4所示。

由表4及圖2的分析結(jié)果可知。

表4 4種場(chǎng)景下系統(tǒng)調(diào)度仿真結(jié)果Table 4 Dispatch simulation results in four scenarios

1)對(duì)比場(chǎng)景2和場(chǎng)景1。風(fēng)火聯(lián)合系統(tǒng)中加入大用戶直購(gòu)電后，系統(tǒng)總成本降低了27.8萬元，火電成本降低了5.1萬元，碳排放權(quán)交易成本降低了1.1萬元，棄風(fēng)率降低了3.6%，風(fēng)電滲透率升高了0.9%，風(fēng)電并網(wǎng)電量增加了232 WM·h。但是，風(fēng)電并網(wǎng)電量的增多及大用戶負(fù)荷的加入使得備用成本增加了1.5萬元。

2)對(duì)比場(chǎng)景3和場(chǎng)景1。風(fēng)火聯(lián)合系統(tǒng)中加入儲(chǔ)能系統(tǒng)后，系統(tǒng)總成本降低了3.8萬元，火電成本降低了31.3萬元，碳排放權(quán)交易成本降低了3.8萬元，棄風(fēng)率降低了12.4%，風(fēng)電滲透率升高了3.1%，風(fēng)電并網(wǎng)電量增加了787.8 WM·h。但是，備用成本增加了3.5萬元。

3)對(duì)比場(chǎng)景4和場(chǎng)景2。大用戶直購(gòu)電參與的風(fēng)火聯(lián)合系統(tǒng)中加入儲(chǔ)能系統(tǒng)后，系統(tǒng)總成本降低了20.4萬元，火電成本降低了28.0萬元，碳排放權(quán)交易成本降低了5.2萬元，棄風(fēng)率降低了10.5%，風(fēng)電滲透率升高了2.6%，風(fēng)電并網(wǎng)電量增加了670.4 WM·h，備用成本僅增加了2.5萬元。

4)對(duì)比場(chǎng)景4和場(chǎng)景3。風(fēng)火儲(chǔ)聯(lián)合系統(tǒng)中加入大用戶直購(gòu)電后，系統(tǒng)總成本降低了43.6萬元，火電成本降低了1.8萬元，碳排放權(quán)交易成本降低了2.5萬元，儲(chǔ)能成本降低了8.6萬元，棄風(fēng)率降低了1.7%，風(fēng)電滲透率升高了0.4%，風(fēng)電并網(wǎng)電量增加了114.6 WM·h，備用成本僅增加了0.5萬元。

由上述分析得出，大用戶的參與對(duì)降低系統(tǒng)總成本影響最大，儲(chǔ)能系統(tǒng)的參與對(duì)降低火電成本、棄風(fēng)率以及提高風(fēng)電并網(wǎng)電量效果最顯著，但又導(dǎo)致了備用成本相對(duì)增加。

4 結(jié)語(yǔ)

針對(duì)大用戶直購(gòu)電、儲(chǔ)能系統(tǒng)、風(fēng)電出力、碳排放權(quán)交易等多因素相互影響的電力系統(tǒng)環(huán)境經(jīng)濟(jì)調(diào)度問題，采用混沌自適應(yīng)GSO算法對(duì)所提模型進(jìn)行求解。算例分析表明：

1)混沌自適應(yīng)GSO算法求解精度高、速度快，引入Tent映射使初始種群在值域空間內(nèi)分布范圍更廣、更均勻，引入自適應(yīng)步長(zhǎng)使算法擁有更好的迭代進(jìn)化性能，提高了局部搜索能力；

2)大用戶與火電廠簽署合同電量，雖然在一定程度上增加了旋轉(zhuǎn)備用的成本，但其合同電價(jià)的收益降低了系統(tǒng)運(yùn)行總成本；

3)儲(chǔ)能系統(tǒng)的引入提升了系統(tǒng)總體備用容量，提升了系統(tǒng)供電可靠性，雖在一定程度上增加了儲(chǔ)能成本，但其快充快放能力提高了風(fēng)電消納能力，降低火電成本、碳排放權(quán)交易成本以及棄風(fēng)率等。

因此，大用戶直購(gòu)電和儲(chǔ)能系統(tǒng)的參與對(duì)于提升含風(fēng)電系統(tǒng)調(diào)度的環(huán)境及經(jīng)濟(jì)指標(biāo)具有積極地影響。