风电的短期机组组合策略研究综述

【关键词】机组组合 风能 不确定性

1 技术背景

随着能源问题在全球经济的大背景下日益凸显，人们意识到能源是人类生存和整个社会发展的重要物质基础。但是现如今，传统能源（煤、石油）已经不能满足经济以及可持续发展大背景下的的需求，因此为了解决能源缺乏以及环境恶化等问题，各国正在积极探索和鼓励可再生能源的发展。到目前为止，我国部分地区的风电并网比例已经超过了20%（内蒙古东部电网装机比例超过30%）。在未来的几年内，根据我国对于新能源发电计划的政策扶持，我国的风电总装机容量将迅速且持续的增长。

1.1 技术含义

机组组合作为调度阶段措施之一，是电力系统规划以及运行的重要研究课题，其主要任务是在以日、周、年为周期的时间段内，以已有的负荷预测为基准，同时以总成本最低为目标来安排各个时间段内各机组的启停计划和出力的大小。机组组合问题对于电力系统的可靠性、安全性、经济性都具有十分重要的意义。在机组组合计划阶段，需要考虑多种系统约束和单机约束，其中包括：功率平衡、备用需求、网络安全约束、机组出力上下限、机组爬坡率限制等，同时还需能保证整体电网的安全以及可靠性，使其策略合理可行。良好的组合策略可以有效的降低能源消耗，提高发电机组的运行效率和可靠性，并延长机组的使用寿命，其所产生的直接和间接的经济效益巨大。

1.2 目标函数

机组组合的最终优化结果是要在各种约束条件下，是电力系统的调度运行成本（能源耗量）可以达到最小。其目标函数可以表述为：

其中C为调度成本；T为整体时间周期；N为机组总数；Uti表示i号机组在t时刻的启停状态（Uti=1表示机组启动，Uti=0表示机组停机），Pti表示i号常规机组在t时刻的出力，Uti和Pti均为整体系统中的决策变量；fi（Pti）表示i号机组在出力为Pti是的运行成本。

通常情况下影响上式优化结果的约束条件有以下几项：

1 机组有功功率平衡：

Pt表示t时刻下电力系统的有功总负荷；

2 机组有功出力约束：

，分别表示i号机组有功出力的最大与最小值；

3 机组爬坡约束：

其中，分别表示i号机组有功出力的上升与下降速率的最大值；

4 机组旋转备用约束

其中表示i号机组t时刻出力的最大值，表示t时刻的旋转备用容量。

在以往传统的火电机组组合中，发电机组为可调节机组且输出较为稳定。因此负荷预测可以通过各种技术方法得到并且结果可以满足各项指标要求，故机组组合问题的研究成果相对较为完善成熟。但近年来，我国经济飞速发展，电网规模逐步扩大，要考虑更多复杂约束，包括：网络安全、环境保护等；同时，虽然风能有无污染、可再生、装机规模灵活的优点，但由于风能具有很大随机性、波动性、间歇性的缺点，难以准确预测各周期的负荷。使得机组组合问题变得更加复杂化，因而对现有中长期及短期机组组合策略的制定提出了新的挑战和难题。

1.3 技术关键

由于风力发电的部分缺点是具有随机性、波动性、间歇性，并且精准预测风电功率难度较大。因此大规模风电并网对于电力系统的影响，包括制定发电计划和机组组合策略等一系列关键措施都带来了很多障碍。为解决大规模风电并网对于机组组合问题的各种不利影响，必须在传统的机组组合数学模型以及解决方法基础之上继续探索，对风电并网以后的机组组合情况进行改进与创新，可以从以下几个角度考虑改进的方法：

（1）由于风电的不确定性较大，所以需要在较为准确预测风电功率的基础上，通过仿真实验建立可以真实描述风功率随机波动的数学模型，为系统调度规划以及机组组合策略制定提供理论基础；

（2）考虑到风功率波动在原有机组组合基础上增加了部分约束条件，所以整体系统的运行费用C也会相应提高。因此需要在大规模风电并网所产生的额外成本与风电并网对于常规能源所造成的环境污染的改善，这二者之间找到最优方案，取得环境与经济效益的共赢。

（3）由于目前风功率预测与实际值存在较大误差，所以需要在传统旋转备用基础上增设下旋转备用，比如：

表示t时刻出力的最小值，表示t时刻的下旋转备用容量

目的是防止当系统负荷较低时，风功率的激增导致风机强制脱网所带来的危害。因此需要增加额外的下旋转备用来保证电力系统的稳定性和可靠性。这也是目前研究含风电机组组合的难题之一。

2 国内外研究现状

机组组合优化问题一直是国内外电力系统研究中的热点。多年来，研究学者对机组组合的模型及求解方法进行了各种各样的探索，所提出的数学模型对于待解决问题都各有侧重，也可以满足不同系统的运行要求。机组组合问题从数学角度来讲，属于一个高维、非凸、离散、非线性的混合整数规划问题，含有大量的离散变量和连续变量。从理论角度，很难在一定时间内找出全局最优解。可由于解决此问题所能带来的直接和间接的巨大经济效益，因此也激励着国内外电力研究学者对此问题进行深入的探究，目前为止解决方法含有；数学规划法、人工智能优化法等。

随着风电并网造成不确定性的增加，近年来国内外对风速及风电功率预测也开展了大量的研究。但是由于目前尚未掌握先进的技术手段，所以中、短期风电预测结果误差还是远远大于负荷预测。在含大规模风电并网的电力系统中，由于风能的随机性、波动性、间歇性的缺点，造成风电出力及波动的不确定性一直是制定机组组合策略环节所面对的最为复杂和关键的问题。到目前为止，大量的研究学者在含风电系统短期机组组合问题上开展研究，希望可以解决风电功率预测过程中的不确定因素，提升风电并网的所带来的经济效益，达到所需的调度成本最低的目标，目前己取得了一定的研究成果，但是仍然需要进一步的探索。

随着风电在电力系统中的比重越来越大，在制定机组组合策略时如果忽略上、下旋转备用的响应过程，则电网对于风功率的消纳很可能受到机组出力变化的影响，严重情况下可能发生失负荷事故。同时由于风力发电波动可能幅度较大、持续时间较长，所以需要电力系统具备波动出现时的响应能力。通常情况下考虑风电的机组组合模型认为在风电功率预测中，各场景之间是相互独立的，系统在出现波动后可以短时间内恢复到基准状态，这种情况对于波动较小时是可以接受的。但当系统受到较大波动干扰时，事先制定的策略在波动之后将失去效果。因此对于风力发电的高幅度持续性波动，系统应有应对连续高幅波动的响应能力。所以在制定机组组合策略时，需要考虑到风功率的波动特性，使得系统可以在扰动下平稳运行。

3 主要研究方法

目前为止，为了应对风电所带来的波动和高不确定性因素。通常情况下采用的方法有三种，分别为：直接预留备用容量、建立随机规划模型和建立模糊规划模型。

3.1 直接预留备用容量

在大规模风电并网后，为了保证电力系统能够安全可靠的运行，需要在原有的旋转备用容量的基础上，增加一定额度的备用，来应对风能的波动和不确定性。这是最基础、最直接的解决方法，但是这种方法忽略了不同类型的风电机组的不确定性之间存在着叠加效果，因此预留的总旋转备用容量与电力系统真正所需要的备用容量存在着难以忽略的误差。因此最佳旋转备用容量的选取需要考虑包括风电功率预测误差在内的多种不确定性因素。目前为止，含大规模风电并网的电力系统最优旋转备用容量的确定方法主要分为两类：

（1）在风电预测误差的概率分布基础上，建立失负荷率或电量不足概率等系统可靠性指标与所需的旋转备用容量之间的关系。在一定的可靠性指要求下，通过解析方法求取最优旋转备用容量。但是这类方法涉及大量数学分析且求解困难，基本上无法找到全局最优解。

（2）建立以运行成本最小为目标的数学模型，分时段求解该数学模型在不同时间段里最优旋转备用容量。该类方法实际上是通过权衡电力系统可靠性与目标调度成本后得到较为经济的旋转备用容量。

但这种方法前提是要求各时间段的供电可靠率都保持不变，但是对于系统可靠性的评估通常情况下都是以较长时间的整体水平为评估目标，所以该方法最终的优化结果受到一定程度的限制。

直接预留旋转备用容量的方法直观且实用，因而多为调度现场所接受。但由于对风电不确定性因素的考虑不能达到一定的精度，可能无法与其他机组的开停机方式建立联系，故得到的机组组合策略不是最优的方案。近几年出现的随机机组组合模型可以更加准确地描述出风电不确定性，因而受到国内外研究学者的高度关注，也逐渐被国内外部分电网所采用。

3.2 随机规划

随机规划是对含有随机变量的优化问题建模的有效的工具，它与直接预留备用容量这一类确定性规划的区别是在系数中引入随机变量。相比较确定性规划，随机规划所包含的随机变量更适合描述实际问题。因此广泛应用于管理科学、运筹学、经济学、电气、最优控制等领域。含大规模风电并网的随机机组组合模型大致分为基于风电场景的期望值模型及机会约束规划模型两大类。

（1）基于场景法组合模型通常假设风电功率预测误差概率分布已知，按照该分布采用蒙特卡洛模拟方法等生成出大量可能产生的场景，采用场景缩减技术将模拟出的场景进行删减，在缩减到可接受程度的场景数目后，再进行优化。

而关于风电功率场景的模拟，方法主要分为两类：一、首先模拟产生风速场景，然后根据已有的风电功率与风速之间关系得到风电功率场景；二、按照风电功率或风电功率预测误差的概率分布，直接产生可能出现的风电功率场景。

场景法可以在一定程度上适应风电的随机特性，但是场景法的计算量巨大，而且无法确保包含所有可能场景，因此机组组合的决策结果的风险难以估计。

（2）机会约束规划针对约束条件中含有的随机变量，规定要在随机变量实现之前做出组合决策。同时还需要考虑潜在的不利状况发生时所做决策可能不满足约束条件，因此采用一种措施：准许所做决策在一定程度上不满足约束条件，但是该决策应至少使约束条件在一定置信水平下成立。机会约束规划问题可以等价位确定性数学规划问题，但对于一些复杂的规划问题，则需要利用一些智能算法来求解，比如遗传算法，模拟植物生长算法等等。

机会约束规划模型通常将电力系统供电可靠性要求表示为发电充裕度的机会约束，建立规划模型，然后将机会约束规划转化为一系列线性规划问题，或者将机会约束拟合为分段线性约束然后求解。但是因为这类方法需要结合随机模拟，而且利用大数定理得到的结论是抽样值而非解析值，无法保证结论的可靠性。

3.3 模糊规划

在模糊规划中，为了解决含大规模风电并网的机组组合建模问题，可以通过建立目标函数与风电出力的隶属度函数来进行模糊化处理。通过构建隶属度函数来表达风电功率的不确定性和决策者对调度周期内总耗量成本的满意程度。用隶属度函数来表达决策者的满意程度，将原问题等价为求取满意度指标最大值问题。针对模型，采取其他的智能算法求解该优化问题的最优解。该方法能根据决策者的意愿找出既能满足一定风险，又可以实现一定经济效益的规划模型，使最终的决策结果可以兼顾系统运行的可靠性和经济性。

4 总结

本文陈述了含风电的短期机组组合的理论意义，也介绍了目前为止应用广泛的制定机组组合策略随机规划方法以及关键技术。目前，对于包含不确定性的随机机组组合研究逐渐深入，理论体系也愈加成熟。但是在制定机组组合策略时，对于存在的随机影响因素仍然有大量的研究要做。而且需要对解决大规模风电并网所带来的不确定性问题制定一系列相应的规范。因此，对于含风电的机组组合问题，仍然需要无数研究学者的努力探索。

参考文献

[1]江兴稳，周建中，王浩，张勇传.电力系统动态环境经济调度建模与求解[J].电网技术，2013（02）.

[2]康重庆，夏清，徐玮，著.电力系统不确定性分析[M].科学出版社，2011.

[3]周玮，孙辉，顾宏，陈晓东.含风电场的电力系统经济调度研究综述[J].电力系统保护与控制，2011（24）.

[4]代永强，王联国，施秋红，宋磊.改进的混合蛙跳算法性能分析及其在电力系统经济调度中的应用[J].电力系统保护与控制，2012（10）.

推荐访问:组合 机组 综述 风电 策略