第28卷㊀第3期2023年6月㊀哈尔滨理工大学学报JOURNAL OF HARBIN UNIVERSITY OF SCIENCE AND TECHNOLOGY㊀Vol.28No.3Jun.2023㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀电网弹性备用参与下的机组组合优化决策研究周㊀毅1,㊀李一晨2,㊀傅幼书3,㊀秦康平1,㊀朱㊀文1,㊀范栋琦1(1.国家电网有限公司华东分部,上海200120;2.南京邮电大学自动化学院㊁人工智能学院,南京210023;3.国电南瑞科技股份有限公司,南京211106)摘㊀要:电网结构的日益复杂使得电网应对各种事故的能力亟待提高,合理的增加电网备用容量有助于降低电网运行风险㊂首先考虑极端情况下电网中存在备用不足的风险,将新能源调频㊁直流调制以及可中断负荷归为电网弹性备用,对其备用潜力进行量化建模㊂其次,以系统运行总费用最小为目标函数建立计及弹性备用的机组组合优化模型,在Lingo 环境下编写优化算法程序,对多种备用资源进行优化㊂最后,在IEEE-39节点系统中进行算例分析㊂结果表明,所建模型在保证系统安全的情况下,对日前机组计划进行了重新分配,可以实现资源最优分配,有效缓解常规备用压力,保证系统稳定运行㊂关键词:弹性备用;备用量化;优化决策;机组组合DOI :10.15938/j.jhust.2023.03.007中图分类号:TM712文献标志码:A文章编号:1007-2683(2023)03-0056-11Study on Optimal Decision of Unit Commitment withFlexible Reserve Participation in Power GridZHOU Yi 1,㊀LI Yichen 2,㊀FU Youshu 3,㊀QIN Kangping 1,㊀ZHU Wen 1,㊀FAN Dongqi 1(1.East China Branch of State Grid Corporation of China,Shanghai 200120,China;2.College of Automation &College of Artificial Intelligence,Nanjing University of Posts and Telecommunications,Nanjing 210023,China;3.NARI Technology Development Co.,Ltd.,Nanjing 211106,China)Abstract :The increasing complexity of the grid structure makes the gridᶄs ability to respond to various accidents urgently need tobe improved,and a reasonable increase in grid reserve capacity can help reduce grid operation risks.Under extreme conditions of the power grid,the risk of insufficient reserve is considered in this article.New energy frequency modulation,DC modulation andinterruptible load are classified as grid flexible reserve,and the reserve potential is quantified.Secondly,a unit combination model considering the flexible reserve is established with the objective function of minimizing the total operating cost of the system,and the optimization algorithm program is written in the Lingo environment to optimize a variety of reserve resources.Finally,an example isanalyzed in IEEE 39-bus system.The results show that the built model redistributes the day-ahead unit plan under the condition of ensuring the safety of the system,which can realize the optimal allocation of resources,effectively alleviate the pressure of conventional reserve,and ensure the stable operation of the system.Keywords :flexible reserve;standby quantitative;optimization decision;unit commitment㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀收稿日期:2021-11-30基金项目:国家自然科学基金(62073173);江苏省自然科学基金(BK20191376).作者简介:李一晨(1996 ),男,硕士;傅幼书(1990 ),男,硕士.通信作者:周㊀毅(1982 ),男,正高级工程师,E-mail:3523788837@.0㊀引㊀言随着新能源占比的不断提高,以及特高压交直流输电工程规模的不断扩大,电网结构变得日益复杂㊂目前,依据国内外当前新能源发展态势,我国的风电装机容量已成为世界首位㊂然而,由于风电出力的间歇性㊁不确定性㊁不可预测性,大规模的新能源并网给电力系统的稳定运行带来挑战[1]㊂以西北电网为例,2019年各类型电网总装机容量达到35.7%,风电和光伏成为第二㊁第三大电源[2]㊂因此如何保证电网安全稳定运行成了一项重要挑战㊂一方面,可再生能源的大规模应用,其出力的波动性㊁间歇性㊁不可控性增大了电网峰谷差和电网调控的不确定性[3-4],导致电网快速响应备用容量需求增大㊂另一方面,在特高压交直流电网建设过渡期,电网强直弱交特征突出,送㊁受端系统转动惯量减小,一旦发生直流闭锁故障将产生巨大有功缺额,落点区域可用的旋转备用容量难以满足大功率缺失下的控制需求㊂若电网备用不足,则以上各种因素都会对电网稳定带来影响,特别是在负荷高峰时期,一旦线路发生故障,大电源退出,系统就会因供电不足发生连锁反应,轻则影响电能质量,重则破坏电力稳定性㊂因此,为保障电网安全稳定运行,需对电力系统的备用容量安排做出合理安排[5]㊂目前备用大多是从系统发电机组获取,发电侧备用主要是火电机组(燃气㊁燃煤机组)㊁水电机组以及抽水蓄能机组等常规机组㊂然而随着新能源大量接入电网以及大规模直流输电的快速发展,新能源出力的随机不确定性以及大功率缺额事故使电网形态日益复杂化㊂在电网严重故障时,仅仅是将新能源机组切除㊁直流调制以及可中断负荷紧急切除作为紧急控制手段[6-7]㊂相关学者在高占比新能源电力系统的备用优化方面开展了一系列研究㊂文[8]基于风速预测得到风电出力的概率密度函数,并在调度问题中以机会约束的形式约束备用总量㊂考虑到中期风电过程的可用程度及适用范围,文[9]提出考虑置信水平的风电等效机组划分方法,进而实现中期-日前嵌套式机组组合优化㊂文[10]通过模拟大规模风电渗透调度模型,对风电合理纳入备用减少常规机组开机方式展开研究㊂文[11]提出了备用需求动态评估模型,将无效向上/向下备用容量㊁切负荷量和弃风量期望作为评价指标,实现动态评估不同调度时段下受系统不确定性影响的备用需求㊂基于上述研究,针对负荷预测㊁新能源预测误差分析,提出了兼顾电网安全和新能源消纳的柔性备用机制[12]㊂文[13-15]研究表明:新能源机组调频㊁直流调制以及可中断负荷具备灵活的有功功率平衡控制能力,可以达到与常规发电机组相近的响应速率,但鲜有研究将各种资源整合量化,并探讨其备用能力,使得调度人员无法合理有效的利用这些资源㊂备用容量的确定离不开机组组合[16],机组组合问题可以针对24小时不同时段的负荷变化来确定机组最优出力方式[17]㊂考虑采用机组组合优化的方法来合理利用这些资源,所获得经济效益有时比单纯经济调度所获得的经济效益更好㊂本文针对电网运行新形势下运行备用不足的问题,考虑新能源机组㊁直流调制以及可中断负荷的功率调节的能力,将其视为电网弹性备用,并对其调节原理做了分析㊂接着,对弹性备用的备用能力做了量化处理,同时以经济性为目标,建立了计及弹性备用的机组组合优化模型,在兼顾系统可靠性的同时使系统运行成本最低,并通过IEEE-39节点系统对模型进行了验证㊂1㊀电力系统运行备用1.1㊀电力系统常规备用备用是指在电力系统运行中的备用容量㊂备用使电网能经受设备随机停运㊁负荷波动等扰动,能尽快地建立发电与负荷的平衡,保证频率在规定的范围内,不发生连锁事故甚至大面积停电㊂按GB/T 38969_2020‘电力系统技术导则“定义,备用分为运行备用和检修备用,其中运行备用按用处可分为负荷备用和事故备用㊂需说明的是,本文所研究备用均为运行备用㊂现有备用体系中的备用多来自电源侧发电机组,来源单一,且配置及调度优化过程中缺乏风险决策㊁风险管控的经验与手段[18]㊂传统的电力系统备用容量的确定一般都基于最大单机容量与年最大负荷的百分数相加来确定,一般以区域电网全网容量的3%~5%为基础,结合区域电网实际运行方式及地区负荷变化特点进行调整㊂运行备用容量按各个电网公司要求进行配置,南方电网要求全网负荷备用不低于全网最大统调负荷的2%,全网事故备用为全网最大统调负荷的8%~12%;国家电网要求负荷备用容量应按全网最大发电负荷的2%~5%配置,事故备用容量应按不小于本区域电网内运行的最大单机容量与跨区重要输电通道的最大受电功率之和㊂75第3期周㊀毅等:电网弹性备用参与下的机组组合优化决策研究1.2㊀电力系统弹性备用新能源机组调频㊁直流调制以及可中断负荷具备灵活的有功功率平衡控制能力,可以达到与常规发电机组相近的响应速率,具有为系统提供备用服务的潜力㊂本文考虑新能源调频㊁直流调制及可中断负荷功率调节能力,将其视为系统弹性备用,并纳入系统运行备用,且本文提及的弹性备用作为常规运行备用的补充,可以作为负荷备用和事故备用使用㊂以下将对弹性备用调节机理做简单分析㊂1)风电机组参与调频新能源参与电网有功调控方式主要有新能源机组自身控制和新能源集群管理㊂目前参与并网的风电机组主要是变速恒频风电机组,在风电机组控制层面,风电机组参与电网有功调节主要体现在频率控制方面㊂国内外最新发布的一些电网导则均明确提出并网风电场需要提供和常规发电厂一样的旋转备用㊁惯性响应以及一次调频等附属功能[19]㊂风电参与调频的控制方法主要包括虚拟惯性控制[20]和有功减载控制[21],其中有功减载又包括转子超速控制和浆距角控制[22]㊂文[23]基于风电机组的虚拟惯性和一次调频特性,提出追踪最大功率点轨迹的减载运行方案,为风电厂预留调频所需备用容量㊂2)直流功率调制直流功率调制(DC power modulation,DCM)是指在直流输电控制系统中加入附加直流调制器,当交流系统发生扰动时,从交流系统中提取反映系统异常的信号来调节直流输电线路的输送功率,使之快速吸收或补偿其所连交流系统的功率过剩或缺额部分,起紧急支援和阻尼振荡的作用,从而改善系统运行性能㊂其本质就是通过直流线路来共同分担交流联络线上的功率波动[24-25]㊂3)可中断负荷可中断负荷(interruptible load,IL)资源主要是指一些具备灵活响应能力的负荷,当系统发生功率缺额时,通过在允许的时间内切除部分负荷来减少系统功率缺额[26]㊂按照赔偿方式,可以将可中断负荷分为低价可中断负荷以及高赔偿可中断负荷㊂美国的电力市场已经将可中断负荷作为应急资源参与到紧急需求响应计划中[27]㊂文[28]阐述了世界各个国家的电力市场的可中断负荷参与电力系统运行备用的情况,均表明可中断负荷可以作为紧急备用资源参与系统调频㊂上述研究表明风电机组㊁直流功率支援㊁可中断负荷作为电网弹性备用,均有提供电网备用的潜力,并参与系统调频㊂但面对不同事故场景,不同资源备用潜力尚需进一步量化分析㊂本文针对大规模有功缺失场景,对电网弹性备用能力做具体量化,旨在为调度人员提供指导㊂2㊀弹性备用量化建模2.1㊀风电机组备用能力量化变速风电机组通过超速与变桨距协调配合的主动减载策略使其具备一次调频能力,即不让风机在最大功率点运行㊂风速对风机的输出功率起着决定性作用,由于风速在相邻时间内具有关联性与稳定性,且风电场风速数据具有按时间排序和离散性,同时由于时间序列同时蕴含着数据顺序大小[29],所以可以采用时间序列分析法来预测风速㊂风电机组减载比d%反映了预留备用容量的大小:d%=P opt-P rP optˑ100%(1)其中P opt为机组减载前的有功功率;P r为机组减载后的有功功率㊂参考常规调频机组静态调差系数的定义,风机组减载比还可表示为d%=Δf0f n R aˑ100%(2)式中:Δf0为电网频率允许的最大偏差;f n为电网额定频率;R a为风电机组一次调频静态调差系数㊂风电机组机械输出功率为P m=12ρπR2ν3C P(λ,β)(3)其中:ρ为空气密度;R为风机叶片半径;ν为风速;C P(λ,β)为风能利用系数;λ为叶尖速比;β为桨距角㊂通过减载控制后,量化单个风机α留有的备用容量Wα为:W a=0νa,tɤνin或νa,tȡνout 12ρπR2v3a,t C P,max d%νin<νa,t<νnP wn d%νnɤνa,t<νoutìîíïïïï(4)其中:C P,max为最佳叶尖速比;P wn为机组额定功率;νa,t为风机α在t时刻的预测风速;νin为切入风速;νout为切出风速;νn为额定风速㊂由于风机的预测风速与实际测得风速有偏差,会导致预测功率因此发生偏差,因此,通过对大量历史数据的分析得到合适的校正因子B,同时假设不同风速下都使用相同的85哈㊀尔㊀滨㊀理㊀工㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第28卷㊀减载比d%,最后得到风机所能提供的总备用容量W :W =B ðGa =1W a(5)其中G 为风电场提供备用的风机总数㊂2.2㊀直流调制备用能力量化当交流系统发生有功缺失时,直流系统可通过加大馈入功率来减少交流系统有功缺额,在直流进行功率支援时,其实际支援的功率ΔP d 为ΔP d =P ᶄd -P d 0=K (t 2-t 1)(6)其中:P ᶄd 为直流调制后直流线路的功率;P d 0为直流不调制时的馈入功率;K 为直流调制速率;t 1为调制开始的时刻;t 2为调制结束时刻㊂直流系统具有3s 的1.5倍和2h 的1.1倍的过负荷能力,具有为电力系统提供备用的潜力,首先计算单条直流线路在t 时段的备用能力Dn :Dn =1.5P dN -P d 00ɤT ɤ3s 1.1P dN -P d 03s <T ɤ2h{(7)式中:P dN 为直流线路额定功率;T 为响应时间㊂再计算全网直流系统可以提供的功率D :D =ðHn =1(1.5P n dN -P n d 0)0ɤT ɤ3s ðHn =1(1.1P n dN -P n d 0)3s <T ɤ2hìîíïïïï(8)式中:P n dN 为第n 条线路的额定功率;P nd 0为第n 条线路的初始实际运行功率;H 为可以提供功率支援的线路数量㊂2.3㊀可中断负荷备用能力量化结合理论研究和工程实际,目前空调和热水器可作为理想的可中断负荷㊂同时考虑到空调与热水器的参与调控会对用户产生影响,因此本文加入舒适度因素㊂其t 时段可提供的备用能力L 为L =ðMj =1P j AC ,t S j AC ,t +ðNk =1P k WH ,t S kWH ,t(9)S j AC ,t =0T j AC ,t <T AC ,min 或T j AC ,t >T AC ,max 1T AC ,min ɤTjAC ,tɤT AC ,max{(10)Sk WH ,t=0T k WH ,t <T PS 1T k WH ,t >T PS{(11)式中:P j AC ,t 为第j 台空调t 时刻的响应功率;M 为空调的数量;S j AC ,t 为第j 台空调t 时刻的状态;P k WH ,t 为第k 台热水器t 时刻的响应功率;N 为热水器台数;S k WH ,t 为第k 台热水器t 时刻状态;T jAC ,t 为第j 台空调t 时刻室温;T AC ,min 为人体舒适室温下限;T AC ,max 为人体舒适室温上限;T k WH ,t 为第k 台热水器t 时刻水温;T PS 为预置人体合适水温㊂当空调所在室温为人体体感温度舒适区域内时,空调可以通过状态启停参与响应;若室温在人体体感舒适温度之外,则不参与响应㊂给热水器提供一个预置的人体舒适的预置水温,当热水器温度达到预置温度,则参与响应,否则不参与响应㊂2.4㊀新能源-直流-可中断负荷协同的备用能力将直流调制提供的备用容量与可中断负荷所能提供的备用容量以及风电机组通过减载运行提供的备用容量相加,得到弹性备用容量S :S =W +D +L (12)在发生功率缺失的不同时间段内,弹性备用所能提供的备用容量是不同的㊂本文以直流系统短时与长期过载能力的时间节点来做时间划分:S =W +ðHi =1(1.5P i dN -P i d 0)+L 0<T b <3sW +ðH i =1(1.1P i dN -P i d 0)+L 3sɤT b ɤ2hW +L T b >2h ìîíïïïïï(13)其中:T b 为故障发生的起始时间㊂可以看到,在0到3s 内,弹性备用容量为直流系统1.5倍过负荷所提供的备用能力加上可中断负荷提供的备用能力,再加上风电机组提供的备用;在3s 到2h 内,弹性备用容量为直流系统1.1倍过负荷所提供的备用能力加上可中断负荷提供的备用能力,再加上风电机组提供的备用;超过2h,直流系统不参与备用,弹性备用容量为可中断负荷提供的备用能力加上风电机组提供的备用㊂3㊀计及弹性备用参与的机组组合优化模型在完成弹性备用量化建模的基础上,本节将以经济性为目标,建立计及弹性备用的机组组合优化模型㊂备用成本包括弃风成本㊁直流功率调制出力成本㊁可中断负荷出力成本,以及常规机组运行成本㊂在保证系统安全的情况下,对日前机组计划进行重新分配㊂3.1㊀目标函数综合考虑系统发电成本㊁发电侧正负旋转备用㊁弃风成本㊁可中断负荷成本和直流调制成本,以系统总运行成本C min 最小为目标函数,表达式如下:C min =F G +F SR +F wc +F z +F IL (14)式中:F G 为常规机组运行成本;F SR 为常规机组提供的旋转备用成本;F wc 为弃风惩罚成本;F z 为直流调制成本;F IL 可中断负荷成本㊂95第3期周㊀毅等:电网弹性备用参与下的机组组合优化决策研究常规机组运行成本F G可表示为F G=ðT t=1ðNG i u i,t(a i P2Gi,t+b i P Gi,t+c i)+ðT t=1ðN G i=1u i,t(1-u i,t-1)SC iìîíïïïï(15)式中:T为总优化时间;N G为常规机组总数;P Gi,t为常规机组i在t时段的出力;a i,b i,c i为常规机组i 电量报价曲线系数;u i,t=0/1为常规机组处于停机开机状态;SC i为开机成本㊂常规机组提供的旋转备用成本F SR可表示为F SR=ðT t=1ðN G i=1(C+Gi R+Gi,t+C-Gi R-Gi,t)u i,t(16)式中:C+Gi和C-Gi分别为常规机组i提供的单位正负旋转备用报价;R+Gi,t为常规机组i在t时段提供的正旋转备用;R-Gi,t为常规机组i在t时段提供的负旋转备用㊂弃风惩罚成本F wc可表示为F wc=ðT t=1C wc P yc wc,t d(17)式中:C wc为弃风单位惩罚成本;P yc wc,t为t时段风电预测出力㊂为简化分析,假设风电场内所有风机控制性能相同且可以用单一风机等值风电场,同时忽略风电场内风速差异㊂由于风电出力上限受自然因素限制,其提供正旋转备用可信度不高[30-31],风电减载运行作为正备用的可靠性还需进一步验证,因此本文只考虑少量弃风作为负备用㊂直流调制成本F z可表示为F z=C z|P z0-P z,t|(18)式中:P z0为直流不调制时馈入功率;P z,t为t时刻直流输入功率;C z为直流调制成本系数㊂可中断负荷成本F IL可表示为F IL=ðT t=1C IL,t P IL,t(19)式中:C IL,t为t时段削减负荷所对应的代价系数;P IL,t 为t时段所对应的负荷削减量㊂综上有:min{ðT t=1ðN G i u i,t(a i P2Gi,t+b i P Gi,t+c i)+ðT t=1ðN G i=1u i,t(1-u i,t-1)SC i+ðT t=1ðN G i=1(C+Gi R+Gi,t+C-Gi R-Gi,t)u i,t+ðT t=1C wc P yc wc,t d+C z|P z0-P z,t|+ðT t=1C IL,t P IL,t}(20) 3.2㊀约束条件约束条件主要包括功率平衡约束㊁常规机组发电容量约束㊁常规机组爬坡㊁滑坡约束㊁常规机组最小持续运行时间和最小持续停机时间约束㊁常规机组旋转备用容量约束㊁风力发电约束㊁直流调制约束,以及可中断负荷备用约束㊂1)有功平衡约束ðN G i=1P Gi,t+P w,t+P z,t=P load,t-P IL,t(21)式中P load为系统总负荷㊂2)常规机组发电容量约束P min Gi,tɤP Gi,tɤP max Gi,t(22)式中:P min Gi,t为第i台电机组出力下限;P max Gi,t为第i台电机组出力上限㊂3)常规机组爬坡㊁滑坡约束P Gi,t-P Gi,t-1ɤR up GiP Gi,t-1-P Gi,tɤR down Gi}(23)式中:R up Gi和R down Gi为机组i单位时间爬坡功率和下降功率限值㊂4)常规机组最小持续运行时间和最小持续停机时间约束T on i,tȡT on i,minT off i,tȡT off i,min}(24)式中:T on i,t为常规机组运行时间;T off i,t为常规机组停机时间;T on i,min为常规机组最小持续运行时间;T off i,min为最小持续停机时间㊂5)常规机组旋转备用容量约束0ɤR+Gi,tɤmin{u Gi,t P Gi,max-P Gi,t,u Gi,t r up GiΔt R} 0ɤR-Gi,tɤmin{P Gi,t-u Gi,t P Gi,min,u Gi,t r down GiΔt R}}(25)式中Δt R为旋转备用响应时间㊂6)风力发电约束P min wc,tɤP wc,tɤP max wc,t(26)式中:P min wc,t为风电出力最小值;P max wc,t为风电出力最大值㊂7)直流调制约束㊂为简化模型,本文仅考虑直流长期调制㊂P d,minɤP d,tɤP d,max(27)式中:最小调制功率P d,min=0.9P d0;最大调制功率P d,max=1.1P d0㊂8)可中断负荷备用约束0ɤP IL,tɤP IL,max(28)式中P IL,max为可中断负荷最大可中断量㊂3.3㊀模型求解计及弹性备用参与的机组组合优化决策模型包括:目标函数㊁等式约束条件㊁不等式约束条件㊁上下限约束条件以及求解变量㊂机组组合优化是一个高维数㊁离散㊁非线性混合整数优化优化问题㊂对此问题,众多学者提出了多种求解方法,如遗传算法[32]㊁拉格朗日松弛法[33]㊁人工鱼群算法[34]㊁混合粒子群06哈㊀尔㊀滨㊀理㊀工㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第28卷㊀算法[35]等㊂尽管这些算法在理论上可以找到最优解,但是编程复杂,且不适用于所有问题㊂Lingo 软件可以针对所输入的优化模型的类别自动选取相应的求解程序,且编程简单,易于修改,故本文借助Lingo 对模型进行求解,主要包含以下步骤:1)输入发电机组㊁负荷㊁风电㊁直流及其他相关参数;2)定义机组组合优化模型目标函数中的独立变量,包括各时段机组启停状态㊁有功出力㊁旋转备用预留容量㊁直流馈入量;3)列写约束条件并根据约束条件写出目标函数;4)建立混合整数非线性规划机组组合模型;5)调用Lingo 求解模型㊂图1为机组组合优化模型求解流程图㊂图1㊀优化模型求解流程Fig.1㊀Optimization model solving process4㊀算例分析4.1㊀仿真系统为了验证本文所提模型的优越性和有效性,以IEEE-39节点系统为例进行仿真分析,系统结构如图2所示㊂在18号节点处接入的50MW 的直流,在12号节点接入风电场㊂设该风电场24时段的风功率预测值和可中断负荷预测值如图3所示㊂负荷参数㊁IEEE-39节点的10台机组参数参照文[36]㊂根据仿真系统,采用对比分析:方案1: 新能源-直流-可中断负荷 不参与系统日前机组组合调度,仅对常规10台发电机组做出优化,即采用常规机组组合模型㊂方案2: 新能源-直流-可中断负荷 参与日前机组组合调度,但是不计入备用,仅由常规机组提供正负备用㊂方案3: 新能源-直流-可中断负荷 参与日前机组组合调度,同时与常规机组一起组成系统正负备用㊂图2㊀IEEE-39节点系统结构Fig.2㊀IEEE-39node systemstructure图3㊀风功率预测和可中断负荷预测数据Fig.3㊀Wind power forecast and interruptibleload forecast data16第3期周㊀毅等:电网弹性备用参与下的机组组合优化决策研究参照文[36],设模型中发电侧提供的正旋转备用成本系数为20/MWh,发电侧提供的负旋转备用成本系数为11/MWh,弃风惩罚系数为35/MWh,直流调制成本系数为11/MWh,可中断负荷成本系数为100/MWh㊂4.2㊀仿真结果对比分析根据方案1㊁方案2和方案3的优化求解结果,分析系统的总成本,如表1所示㊂表1㊀方案1㊁方案2㊁方案3成本对比Tab.1㊀Cost comparison of plan 1,plan 2,plan 3方案发电侧成本/弹性侧成本/系统总成本/1584209058420925120657705720353510823773570796㊀㊀由表1可知,方案2比方案1总成本节省12174㊂由于方案2从 新能源-直流-可中断负荷 角度考虑了弃风㊁直流调制㊁可中断负荷参与系统优化,从而有效减少常规机组出力,减少发电侧出力成本,部分成本由弹性侧承担㊂方案3与方案2相比,发电侧成本较少,弹性侧成本略有增加,但是总成本减少㊂这是由于将弃风纳入系统负备用,直流调制和可中断负荷纳入系统正备用,从而减少常规备用压力,关闭部分处于开机状态但是不发电机组,减少机组开机成本,从而大幅减少总成本㊂图4㊀常规机组开机台数Fig.4㊀Number of conventional units started图4是3种方案下发电机开机台数的对比㊂由图4可见,方案2中大多数时段发电机的开机台数与方案1无区别,结合表2说明 新能源-直流-可中断负荷 融入系统后,可以有效减少常规机组的发电成本,但是,由于没有纳入系统备用,所以对机组启停无太大影响㊂方案3下10㊁11㊁12㊁13㊁14㊁20㊁21时段的发电机开机台数小于方案1㊁方案2,说明在负荷高峰期,可中断负荷的加入,可以有效减少传统机组配置的备用容量,从而减少增开的机组台数,减少因机组频繁启停带来的经济损失和环境污染㊂图5㊁6㊁7为方案1㊁2㊁3的不同机组㊁资源出力情况㊂图5㊀方案1机组组合优化结果Fig.5㊀Plan 1Unit Commitment OptimizationResults图6㊀方案2机组组合优化结果Fig.6㊀Plan 2Unit Commitment OptimizationResults图7㊀方案3机组组合优化结果Fig.7㊀Plan 3Unit Commitment Optimization Results26哈㊀尔㊀滨㊀理㊀工㊀大㊀学㊀学㊀报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀第28卷㊀对比方案1㊁2㊁3,在负荷低谷时段,机组出力情况大致相同㊂在负荷高峰期,相较于方案1,方案2和3中的常规机组出力减少,直流调制和可中断负荷代替部分高费用机组出力,从而减少发电成本㊂例如,在11点时,5号发电机组出力明显降低,直流调制与可中断负荷参与系统调峰,维持系统功率平衡㊂对比方案2㊁3,方案3比方案2多考虑了 新能源-直流-可中断负荷 纳入系统备用㊂在系统用电低谷时段机组多未满发,备用预留在机组上较多㊂12点时,处于负荷高峰,在方案2中,1㊁2㊁3㊁4号机组满发,8㊁9㊁10号机组处于出力下限,此时备用由5㊁6㊁8㊁9㊁10号机组承担㊂由于传统方法 新能源-直流-可中断负荷 侧不提供备用,因此需要多开机组保证备用容量,这就相当于以一定的经济代价换取系统安全,使得不少机组处于弱开机方式,同时5号高效能机组不能满发,带来资源浪费和环境污染;在方案3中,1㊁2㊁3㊁4㊁5号机组满发,同时关闭了8㊁9㊁10号弱开机机组,此时备用容量主要由6号机组㊁直流调制以及可中断负荷来承担,从而有效减少开机成本和资源浪费㊂需要提及的是,由于系统负备用充足,且弃风惩罚较高,因此一般情况下,弃风作为负备用时并不出力㊂本文所提模型目的是在确保系统可靠性的前提下,实现系统经济最优,通过以上方案1㊁2㊁3的运行成本㊁开机台数㊁机组出力的对比分析可知,方案3,即本文所提的计及弹性备用的机组组合模型,在满足系统同等可靠性要求的前提下,可以有效降低系统发电成本,减少机组频繁启停带来的环境污染,实现经济性更优㊂在电网发生大功率有功缺额事故时,备用不足将使系统频率大幅跌落情况,为考察优化后的机组备用组合出力对电网频率稳定性的影响,加入弹性备用有助系统频率的稳定恢复㊂假设某时刻发生发电机组掉机故障,基于IEEE-39节点系统,利用PSD-BPA软件模拟备用资源参与系统有功缺失扰动下的频率恢复过程,仿真结果如图8所示㊂由图8可见,加入弹性备用后,对比不考虑弹性备用的情况,系统频率跌落的最小值减小,稳态频率值上升㊂这是由于风机采用了主动减载控制策略为参与发电机组的一次调频留了备用容量,因此当系统发生功率缺额时,风电机组在频率动态过程转速降低,释放了动能,对系统起到了显著的惯性支持;直流参与备用后,由于与交流系统共同分担了功率缺额,所以直流系统会向交流系统增加有功功率的支持,防止交流系统频率的大幅度跌落;通过可中断负荷参与系统备用调频,使得动态过程中系统频率跌落显著下降,同时提升了最终的稳态值㊂图8㊀弹性备用方式下的频率恢复效果图Fig.8㊀The frequency recovery effect diagram underthe flexible reserve mode综上,相较于只考虑常规备用,计及弹性备用下的系统频率恢复效果更好,在系统一次调频过程中(10s后),明显改善了频率恢复特性㊂5㊀结㊀论本文从电网运行新形势背景出发,考虑当前电网中存在备用不足的风险,提出通过直流功率支援㊁风电减载控制以及可中断负荷组成电网弹性备用,在发生有功缺失事故时参与电网调频㊂对弹性备用潜力进行量化,建立弹性备用量化模型㊂建立计及 新能源-直流-可中断负荷 参与下的系统优化模型,并对模型求解,得出的结论为:1)考虑 新能源-直流-可中断负荷 参与日前机组组合调度,但是不计入备用,相较于常规机组组合模型可以有效减少系统发电成本,同时可以消纳部分风电㊂2)考虑 新能源-直流-可中断负荷 作为弹性备用纳入系统备用,并参与日前调度安排,可以有效减少系统发电成本;有效减少传统机组配置的备用容量,从而减少增开的机组台数,减少因机组频繁启停带来的经济损失和环境污染㊂3)本文提出的计及弹性备用参与日前机组组合优化模型,可以在电力系统发生故障时灵活调用各种备用资源,有效减少系统因备用不足而产生的风险,对保障电网安全稳定运行具有重要的学术研究36第3期周㊀毅等:电网弹性备用参与下的机组组合优化决策研究。
