基于多目標優(yōu)化的風電消納機組經(jīng)濟調(diào)度研究

基于多目標優(yōu)化的風電消納機組經(jīng)濟調(diào)度研究

屋頂發(fā)電是目前最成熟、經(jīng)濟效益最佳的能源發(fā)電技術。在我國,隨著國家在政策上對可再生能源發(fā)電的重視與扶持,風力發(fā)電建設已進入了一個快速發(fā)展的時期。但當前風電規(guī)劃主要由資源和工程建設條件決定,未考慮風電消納的問題。風電消納最主要的問題是解決系統(tǒng)調(diào)峰平衡。系統(tǒng)調(diào)峰平衡除了合理安排電源結(jié)構(gòu)外,更注重合理安排電源的運行調(diào)度方式,確定最優(yōu)開機組合。開機組合的合理安排需兼顧電力系統(tǒng)運行的安全、可靠性準則,并滿足一定的經(jīng)濟性。因此,通過機組組合的合理安排使系統(tǒng)接納更大容量的風電將成為研究的重點。為此,本文從棄風電量、機組運行費用和機組運行風險度三個方面討論了不同目標下機組組合的優(yōu)化問題,建立了三個單目標優(yōu)化的子問題模型,并將其整合到同一多目標優(yōu)化模型中,得到了在最理想經(jīng)濟成本和風險度代價下機組組合所能消納的各時段最大規(guī)模的風電功率。1單目標機組組合模型1.1系統(tǒng)模型及約束條件假設典型日24h機組組合,并將風電棄風視為一種風電出力的調(diào)控手段,則風電的接納容量將以24h可接入容量的期望值進行衡量。該優(yōu)化問題模型稱為模型M1,其目標函數(shù)為:minF1=Τd∑t=2max[Ρabd(t),0](1)其中Ρabd(t)=ΔΡw(t)-ΔΡL(t)-ΝG∑k=1uk(t)min[Ρrampgk,Ρgk(t-1)-Ρk,min](2)式中,Td為時段總數(shù);Pabd(t)為t時段系統(tǒng)中可用調(diào)峰容量無法承擔的風電及負荷波動所產(chǎn)生的棄風電量;ΔPw(t)、ΔPL(t)分別為t時段風電出力增長量、負荷增長量;Prampgk為第k臺機組的爬坡率;Pgk(t-1)為第k臺機組在t-1時段的出力;Pk,min為第k臺機組的最小出力;uk(t)為第k臺機組在t時段的起停狀態(tài)變量;目標函數(shù)中的ΝG∑k=1uk(t)min[Ρrampgk,Ρgk(t-1)-Ρk,min]為該時段可用調(diào)峰容量;NG為可用的調(diào)峰機組總數(shù)。該模型有五項約束條件,其中系統(tǒng)有功平衡約束為:ΝG∑k=1Ρgk(t)-Ρabd(t)=ΡL(t)(3)機組出力上下限約束為:ugk(t)Pk,min≤Pgk(t)≤ugk(t)Pk,max(4)系統(tǒng)旋轉(zhuǎn)備用約束為:ΡL(t)(1+SR)≤ΝG∑k=1ugk(t)Ρk,max(5)機組最小開停機時間約束為:Tupk≤Tongk(t);Tongk(t)=[Tongk(t-1)+1]uk(t)Tongk(0)=Tupk;Tdownk≤Toffgk(t);Τoffgk(t)=[Τoffgk(t-1)+1](1-uk(t));Toffgk(0)=Tdownk(6)機組爬坡率約束為:|Ρgk(t)-Ρgk(t-1)|≤ugk(t)Ρrampkt≥2(7)式中,PL(t)為t時刻系統(tǒng)總負荷;Pk,max為第k臺發(fā)電機的最大出力;SR為旋轉(zhuǎn)備用率;Tupk、Tdownk分別為最小開、停機時間;Tongk(t)、Toffgk(t)分別為累計到t時段的開、停機時間。1.2機組組合優(yōu)化模型風電運行成本較低,大規(guī)模風電的接入可實現(xiàn)節(jié)能減排的目標,但由于風電的出力波動性較強,為使風電穩(wěn)定接入,并滿足電力系統(tǒng)的各類安全穩(wěn)定約束,需安排復雜的運行方式,且各類調(diào)峰機組的啟停和出力調(diào)整將更頻繁,將大幅增加啟停成本,最終導致總體運行成本升高。因此,大規(guī)模風電接入后,僅以風電接入的最大化為目標遠遠不夠,應根據(jù)全體機組的運行成本確定對某一連續(xù)時間段內(nèi)的機組組合進行優(yōu)化。該優(yōu)化問題模型稱為模型M2,其約束條件與模型M1相同,其目標函數(shù)為:minF2=Τd∑t=0ΝG∑k=1[uk(t)mFcoalk,t(Ρgk,t)+uk,t(1-uk,t-1)Scoalk,t](8)式中,Fcoalk,t(·)為機組k在時段t的發(fā)電等值煤耗;Scoalk,t為機組k在時段t的起停等值煤耗;m為單位煤耗價格。1.3日h調(diào)度控制策略衡量系統(tǒng)風險度高低的一個重要方面是發(fā)出的電力能否滿足負荷的需求或以多大的概率滿足負荷的需求。由于風電具有間歇性、隨機性、波動性的特點,就目前短期預測技術(如時間序列法、神經(jīng)網(wǎng)絡法、數(shù)值氣象預報等)而言,準確預測風電出力非常困難,其誤差為15%～30%左右?；谶@一預測安排的機組組合,將存在調(diào)峰容量不足、電壓穩(wěn)定、潮流越限、暫態(tài)穩(wěn)定等風險,本文基于日前調(diào)度的風險,主要評估某一典型日24h的調(diào)度策略(每個時刻的常規(guī)機組出力安排)的調(diào)峰容量不足風險。該優(yōu)化問題的模型稱為模型M3,其約束條件與模型M1相同,其目標函數(shù)為:minF3=1ΤdΤd∑t=1Ρr{?ew|?ewΡw(t)>Ρadj+(t)}+1ΤdΤd∑t=1Ρr{?ew|?ewΡw(t)<Ρadj-(t)}(9)其中Ρadj+=ΝG∑k=1[uk(t)min(Ρrampgk,Ρk,max-Ρk(t))](10)Ρadj-=ΝG∑k=1[uk(t)max(-Ρrampgk,Ρk,min(t)-Ρk(t))](11)式中,?ew為風電預測誤差變量;Pw(t)為t時刻系統(tǒng)中風電出力值;Padj+(t)、Padj-(t)分別為t時段系統(tǒng)的正、負可用調(diào)峰容量。目前,由于負荷預測技術已較為成熟,而風電出力還存在很大不確定性,預測誤差較為明顯,因此本文模型中主要考慮了風電的預測誤差,而暫時忽略負荷預測誤差,即采用正態(tài)分布描述誤差的概率特性,進而通過風速的歷史數(shù)據(jù)及過往的預測數(shù)據(jù)進行參數(shù)估計,得到其分布的參數(shù)μ和σ。則模型M3的目標函數(shù)可簡化為:minF3=1+1ΤdΤd∑t=1Φ(Ρadj-(t)-μΡw(t)σΡw(t))-1ΤdΤd∑t=1Φ(μΡw(t)-Ρadj+(t)σΡw(t))(12)式中,Φ(·)為標準正態(tài)分布函數(shù)。2風電消納能力模型風電消納能力不能單純定義為可接入的風電功率,若單純考慮可接入風電功率最大化的問題只需參考模型M1即可。真正的風電消納能力應是在合理的經(jīng)濟和風險度成本基礎上所能接入的風電功率,因此本文結(jié)合模型M1、M2、M3,提出了考慮風電消納能力的多目標機組組合優(yōu)化問題,并將其稱為M4。模型M4的目標函數(shù)包含了模型M1、M2、M3的三個目標函數(shù)。2.1目標隸屬度函數(shù)對多目標機組組合問題,可通過建立目標函數(shù)的隸屬度函數(shù)進行模糊化處理。隸屬度函數(shù)期望在滿足所有約束條件下,盡可能減小棄風電量,同時降低系統(tǒng)風險度。棄風電量越小、運行費用越低、風險度越低,相應的隸屬度越大,決策者對結(jié)果越滿意。本文選用降半直線形作為各目標的隸屬度函數(shù),三個目標函數(shù)對應的隸屬度函數(shù)分別為:μ(Fa)={1Fa≤F1(F1+δ1-Fa)F<Fa≤F1+δ10Fa>F1+δ1(13)μ(Fc)={1Fc≤F1(F2+δ2-Fc)F<Fc≤F1+δ20Fc>F1+δ2(14)μ(Fr)={1Fr≤F1(F3+δ3-Fr)F<Fr≤F1+δ30Fr>F1+δ3(15)式中,F1為棄風電量的理想值;δ1為決策者可接受的棄風電量Fa的增加值,是將目標進行一定的伸縮;F2、F3分別為以運行費用、風險度最小的目標值;δ2、δ3分別為F2、F3這兩個目標可接受的伸縮值。各目標的隸屬度函數(shù)見圖1。圖中,S為相應目標;S1為其理想值;δ為相應目標的伸縮值)。2.2qpso算法與基本PSO算法相比QPSO將量子力學理論引入算法中,該算法中粒子可以某一概率出現(xiàn)于搜索空間中的任意位置,其運行軌道并不確定,增強了粒子的搜索能力,粒子完全有可能到達傳統(tǒng)PSO算法中無法覆蓋的更優(yōu)位置,因而具有更好的全局最優(yōu)性。QPSO中粒子(即模型變量)更新公式根據(jù)波函數(shù)Ψ(x,t)原理,可表述為:{Ρd=(r1Ρid+r2Ρgd)/(r1+r2)m=1ΜΜ∑i=1ΡiL(t+1)=2βln|m-x(t)|x(t+1)=Ρ±12L(t+1)ln1u(16)式中,Pd為粒子在第d維的值;r1、r2為介于0與1之間的隨機數(shù);Pid為每個粒子所經(jīng)歷過的最優(yōu)位置在第d維的值;Pgd為所有粒子全局最優(yōu)位置在第d維的值;m為所有粒子全局最優(yōu)位置的平均值;M為粒子群大小;Pi為第i個粒子的全局最優(yōu)位置;L為量子力學中delta勢井的特征長度;β為收縮/擴張因子,該參數(shù)影響算法的收斂速度;u為介于0和1之間的隨機數(shù),可調(diào)整公式中的正負符號,當u大于0.5時取正號,否則取負號。將QPSO應用于考慮風電消納能力的機組組合問題的求解步驟如下。步驟1設置QPSO算法的參數(shù),并對粒子群的位置(即所有發(fā)電機的出力值和開停機狀態(tài))和速度進行隨機初始化。步驟2計算每個粒子的適應值。步驟3將每個粒子Xi的適應值與其所經(jīng)歷過的最好位置Pi的適應值進行比較,若更好,則將其視為粒子個體歷史最優(yōu)值,用當前位置更新個體歷史最好位置。步驟4將每個粒子的適應值與所有粒子經(jīng)歷的最好位置Pg的適應值作比較,若較好,則將其視為當前所有粒子的最好位置Pg。步驟5根據(jù)式(16)更新粒子信息。步驟6根據(jù)約束條件的調(diào)整策略微調(diào)粒子位置,使其始終滿足模型的約束條件。步驟7若未達到終止條件(一般設定為最大迭代次數(shù)或一個足夠好的適應值)則返回步驟2。否則,輸出最終結(jié)果。2.3建立數(shù)據(jù)模型設μm為目標隸屬度函數(shù)中的最小值,用于表示決策者的滿意程度,其滿意度指標為:μm=min{μ(Fa),μ(Fc),μ(Fr)}(17)則原問題轉(zhuǎn)化為求解滿足所有約束條件的滿意度指標μm最大化的單目標非線性優(yōu)化問題為:maxμm(18)s.t.Fa+δ1μm≤F1+δ1Fc+δ2μm≤F2+δ2Fr+δ3μm≤F3+δ30≤μm≤1(19)其約束條件為式(3)～(7)。該模糊多目標模型求解步驟如下。步驟1輸入原始數(shù)據(jù),用QPSO求解一次棄風電量最小的機組組合問題,得到F1及機組運行費用F′2、風險度F′3。步驟2同理以機組運行費用為目標得到運行費用F2、棄風電量F′1及風險度F″3。步驟3以風險度為目標得到風險度F3、棄風電量F″1及機組運行費用F″2。步驟4在步驟1～3的基礎上將各單目標進行伸縮,確定δ1、δ2、δ3的取值范圍分別為0≤δ1≤max(F′1-F1,F″1-F1)、0≤δ2≤max(F′2-F2,F″2-F2)、0≤δ3≤max(F′3-F3,F″3-F3)?？筛鶕?jù)決策者的要求進行不同程度的伸縮,以充分體現(xiàn)其意愿和偏好。步驟5將多目標優(yōu)化轉(zhuǎn)換為單目標優(yōu)化,并采用遺傳算法求解得到最大化滿意度時各時段機組的啟停和出力。3帶負荷的風電本文改造了新英格蘭系統(tǒng)后形成了一個適于測試本文模型和算法的10機39節(jié)點系統(tǒng),在加入總?cè)萘繛?66MW的風電后,其滲透率為11.8%,并定義了10臺機組的類型及其詳細的技術參數(shù)(表1),研究周期Td取24h。設旋轉(zhuǎn)備用率SR為10%,單位煤耗價格m為800元/t。系統(tǒng)總負荷為6150.5MW。預測所得的某一日負荷和風電變化特性見圖2。風速預測誤差?ew的正態(tài)分布參數(shù)μ為0.15、σ為0.6。分別應用模型M1、M2、M3、M4對算例進行計算,需注意QPSO算法對計算的收斂速度和收斂精度的影響,分別取機組出力和起停狀態(tài)變量所對應的收縮/擴張因子x_beta、u_beta的高低水平值的不同組合進行計算比較。(1)機組優(yōu)化后控制策略模型M1中棄風電量對比見表2。由表可看出,盡管圖2的風電特性曲線波動較劇烈,且風電所占比重較大,但通過機組優(yōu)化,可將棄風電量控制在一個可接受的范圍,其中方案1結(jié)果較理想。(2)模型為2m模型M2中運行費用對比見表3。由表可看出,在本算例中,方案4的結(jié)果最理想。(3)陣風下風場密度不足時系統(tǒng)最大風險度比自然風速時通過對模型M3的優(yōu)化,可得系統(tǒng)每個時段風險度及系統(tǒng)總體風險度(表4)。將表4與圖2對比可知,系統(tǒng)中最大風險度主要源于風速發(fā)生大幅震蕩后,系統(tǒng)因為調(diào)峰容量不足造成比預想情況更多的棄風或切負荷事件的發(fā)生。另外,由表4可看出,方案3較理想。(4)各模型運行費用的對比將模糊多目標模型M4進行優(yōu)化,所得結(jié)果見表5。參照文獻及模型M1、M2、M3的計算結(jié)果:F1取639.1MW·h,F1+δ1取735.8MW·h,F2、F3分別為2441.9萬元、0.13,F2+δ2、F3+δ3分別為2556.8、0.31。由表5可知:①表中各列縱向?qū)Ρ?。模型M4的全局最優(yōu)解滿意度為0.845,其棄風電量為656.3MW·h,雖比模型M1增加了17.2MW·h(即增加了2.69%),但較模型M2、M3分別降低了32.4MW·h(4.71%)、69.5MW·h(9.58%);模型M4的運行費用雖比模型M2的運行費用增加了54.9萬元(即增加了2.25%),但比模型M1、M3分別降低了60萬元(2.35%)和93.3萬元(3.60%);模型M4的風險度雖比模型M3增加了1.6%(即增加了12.1%),但比模型M1、M2分別降低了1.4%(8.6%)、3.7%(20%)。②表中各行橫向?qū)Ρ?。隨著棄風電量的增大,風速曲線較之前更為平緩,這在一定程度上降低了機組頻繁啟動和調(diào)解功率的需求,導致系統(tǒng)運行費用降低;為滿足風電不確定性帶來的預測誤差,系統(tǒng)需儲備更多的旋轉(zhuǎn)備用并加大各時段的調(diào)峰容量,這也導致系統(tǒng)運行費用的上升;另外,棄風電量的增加(風電接入的減少)可有效降低系統(tǒng)的風險度。③通過QPSO的參數(shù)設置可看出,在x_beta、