高耗能企业参与电网内风电消纳的机会约束模型研究

李战明，季金

（兰州理工大学，甘肃 兰州 730050）

风能资源是一种清洁的可再生能源，风力发电是目前新能源发电技术中最成熟、最具规模化开发条件和商业化发展前景的发电方式之一[1]。随着环境和能源问题的日益突出，人们的目光开始聚集在清洁、可持续发展的风力发电上，特别是在2011年日本发生严重核泄漏事故后，人们开始反思能源利用的安全问题，风能的开发与利用步伐不断加快。积极开发利用风电，能够增加我国能源供应、调整能源结构、减少环境污染、应对气候变化、实现可持续发展。

自然风具有随机性、间歇性、波动性、季节性等特点，因此风力发电不具备常规能源的调频、调峰等能力。大规模的风电并网，在没有足够的调峰装置下将会给电网系统带来巨大的安全隐患。我国风电资源主要集中在东北、华北、西北地区，远离负荷中心。局限于目前的网架建设加上风电机组具有电压敏感性及电压越限自动脱网特性[2]。大范围内的消纳风电受到限制。我国的电源结构以火力发电和水力发电为主，核能和其他新能源发电占的比例相对较小。从发电的角度来看，风力发电仅提供电量而不提供与之匹配的装机容量。随着风机装机容量的进一步提升，电网系统无法提供足够的调峰装置，不得不采用弃风来保障系统的安全。特别是在冬季，火电机组的供热期、水电机组的枯水期、风电机组的大发期相互叠加在一起，导致调峰更加困难，风电消纳受到严重制约[3]。提高风电就地消纳规模、减轻电网调峰压力，探索新的调峰模式刻不容缓。

抽水蓄能电站与风电场配合可大大降低风电出力的随机性对电网运行的负面影响，经济和社会效益显著。水库主要担负抗洪防汛的任务，从发电的角度来看，水电只提供容量，而不提供等量的电量。风电有电量，却没有与装机量匹配的容量。因此抽水蓄电和风电场配合，能够起到很好的作用。文献[4]研究了风力发电、火力发电、抽水蓄能这三种发电方式在不同季节、电力需求、风电穿透率所组成的多场景下优化运行对系统成本的改善。文献[5]以电力市场环境下风电-抽水蓄能整体经济效益最优为目标，建立了双层优化模型，比较了风力发电和一定容量的抽水蓄能电站联合运行与两者分别单独运行的经济效益。文献[6]从水电和风电日运行优化模式进行了研究，得出了抽水蓄能与风电场配合能够使二者经济利益最大化且显著增大消纳规模。结合我国国情，我国电源结构以燃煤发电机组为主，其中燃煤火电机组占比达到74.43%。由于燃煤火电机组启、停时间长，费用高，不能满足大范围、快速波动的风电调峰需求。水电机组有良好的调峰能力，但在风电比重较大的的华北和东北地区，水电的占比非常小，还有部分径流式水电不具备调峰能力。因此，抽水蓄电的发展在我国有很大的局限性[7]。

高耗能企业生产随市场波动很大，电力成本在生产成本中占的比例较大。降低电力成本有利于企业在行业竞争中处于有利位置。企业的日负荷具有一定的可调性，通过改变生产流程和加工工艺将一定时段内的高电价负荷转移到低电价时段，充分发挥用户侧的调峰积极性。本文通过研究风电场和高耗能企业的联合运行模式，提出了一种新的价格机制，使高耗能企业主动在风电大发期间多用电，风电低谷和负荷高峰时段少用电。这样有效地减小电网负荷峰谷差，提高了电网调峰能力与风电就地消纳能力，电网侧和用户侧共同受益。文献[8]以株洲冶炼集团为例，说明了峰谷电价在指导高耗能企业参与电网内削峰填谷的可行性。

1 风电出力模型

由于风速的不确定性，风电的出力也随风速的波动而波动。角度风对水平负载也有较大影响[9]。研究表明，大多数地区的平均风速的概率分布密度函数遵循Weibull分布[10]：

式（1）中，v（m/s）为实时风速；c为尺度系数，量纲和速度相同，表示风电场平均风速的大小；k（无量纲）为形状系数，表示曲线的峰值情况。

用下列函数表示风电出力Pw与风速v之间的关系：

式（2）中，Pr为风机额定出力；v1为启动风速；v2为切除风速；vr为额定风速。

2 价格模型

2.1 价格与风电出力之间的关系

定义风电价格与风电出力之间存在以下关系：

图1 风电出力与风电价格之间的关系Fig. 1 The relationship between the price and the output of wind power

用如下关系式表示：

式（3）中，yi为i时段风电价格；xi为风电i时段出力；A，B，M，N均为常数；Dmin、Dmax表示高耗能企业小时段内生产的最小用电量和最大用电量。

2.2 风电价格与企业收益之间的关系

高耗能企业生产中的负荷有些是不可中断的，比如钛合金冶炼就属于24 h连续工作，一旦停炉，炉料容易冷却结块。而有些属于可以调控的柔性负荷，比如拥有很多粉碎机的工厂可以让粉碎机在电力价格较低的时候组织生产。因此，将企业的负荷定义为不可中断的负荷和可以调控的柔性负荷。企业可以通过改变生产方式和流程增加企业可控的柔性负荷，增大在调峰中的作用。如株洲冶炼集团通过对供电系统的改造和生产方式的转变使企业的可控柔性负荷增加，在参与风电消纳过程中取得良好效果。

定义企业中的不可中断负荷为Dmin，可控柔性负荷大小为Dmax-Dmin，企业通过价格机制的引导，调节各个时段的可控柔性负荷的大小来取得参与风电消纳的收益TRi：

式（4）中，Di为企业i时段风电使用量；TRi为i时段企业使用风电所节约的成本；Y为市场电价；yi为i时段风电的价格。该式表示i时段企业负荷超出风电出力的部分价格为市场电价。则企业在一天中所获得收益TR：

3 机会约束模型

由于风电出力具有不确定性，因此在解决企业收益最大化的问题时，需要考虑风电出力期望值在一定的范围内波动的置信度。可以采用机会约束规划进行描述，机会约束规划是由Charnes和Cooper提出的第二类随机规划[11]。其显著特点是随机约束条件至少以一定的置信水平成立，为决策者在可控的风险下做出有利决策。其表达式为

式（6）中，J为目标函数；x为决策向量；ξ为随机参数向量；Pr[]表示机会约束函数G成立的概率；α为置信水平。

3.1 目标函数

企业在一天内所获得的最大收益为目标函数：

3.2 决策变量

风电价格由该时段的风电出力所决定，企业在该时段所取得的收益由使用风电Di决定。

3.3 约束条件

1）功率平衡约束：

式

（8）中，di为i时刻企业负荷；xi－di表示风电出力与高耗能企业联合运行的等效出力；ω为电网期望等效负荷波动峰值；α为置信水平。等效负荷值为正表示风电向电网供电，等效负荷值为负表示电网向企业供电。

2）企业日负荷约束：

式（9）中，DR为企业日计划生产负荷。

3）企业小时负荷约束：

4）风电价格波动范围：

5）电网负荷峰谷对风电价格的影响：

式（12）中，Hi为电网i时段的负荷；A1表示电网的高峰负荷；A2表示电网的低谷负荷。

4 求解过程

基于上述模型在机会约束条件下的检验：

1）输入风电场的风机参数，装机容量、启动和切除风速、额定风速、额定功率等。

2）利用Matlab中Wblrnd随机发生器产生服从Weibull函数分布的风速序（v1，v2，v3，…，vn），并用式（2）计算出对应的风电出力。

3）置n=0，计算机会约束条件下的等效负荷，若等效负荷小于电网要求的波动幅值，则n=n+1。重复a、b步骤m次。

4）计算n/m，若n/m≥α，则表示机会约束成立。

粒子群算法步骤如下：

a. 参数和初始值的设置，由风电出力和电网峰谷电价约束计算各时段的风电价格。

b. 随机生成企业负荷粒子。

c. 根据企业日负荷和小时负荷约束检验粒子，不满足条件则重复步骤b，满足则进入步骤d。

d. 计算粒子适应度即企业收益TR，保存最优粒子。

e.更新粒子，重复步骤c，d。直到满足终止条件。

5 算列分析

以某实际电网数据为例，调度周期为24 h。

图2 某区域电网日负荷数据Fig. 2 Daily load data of a regional power grid

以某高耗能企业为例，该企业不可中断负荷为1 MW，可控柔性负荷为3 MW。图3为其日常生产负荷图。

图3 某企业日负荷数据Fig. 3 Daily load data of an enterprise

其中风电机组装机容量为6 MW，风机的额定容量Pr=600 kW，vr=14 m/s，v1=3 m/s，v2=25 m/s。根据风速分布特性，取k=2.13、c=10，市场电价Y=560元/MW，M=560，N=350，Dmax=4 MW，Dmin=1 MW，A=-70，B=630，DR=60 MW，ω=5，置信度α=0.98。随机模拟次数m=10 000次，粒子数100，迭代次数10 000次。

6 结果分析

采用上述数据和公式，使用matlab软件仿真，通过多目寻优，可以得到风电消纳前后的风电波动和电网负荷变化对比图。

图4 蓝色表示消纳前风电出力，红色表示等效出力Fig. 4 The Blue color represents the wind power output before the consumption measures are taken，while the red color for the one after.

图5 蓝色表示消纳前的电网负荷，红色表示消纳后的电网负荷Fig. 5 The Blue color represents the load of the power grid before the consumption measures are taken，while the red color for the one after.

现阶段风电限制入网的主要原因是风电出力的剧烈波动导致电网系统的调峰困难，从图4可以看出，经过高耗能企业消纳后，风电出力的波动有了明显的减弱，这样缓解了系统的调峰压力，有利于一定规模风电的并网，减少弃风量，解决现阶段风电发展的难题。但是从风电长远的发展角度来看。具有一定规模的快速调峰装置是大规模风电并网安全运行的保证。

通过图4和图5可以看出，风电出力的反调峰性和波动性明显，如果不加以限制而大规模的并网将会使电网系统的调峰更加困难，且带来不稳定性。由风电出力和电网负荷峰谷差确定的风电价格可以使企业根据风电价格调整生产，从而使接入电网的风电在[-2，2]MW之间波动，与消纳前风电在[0，6]MW之间波动比较，能够很好地减轻电网的调峰压力。在电网负荷高峰期间，企业参与风电消纳后，电网负荷的低谷时段的用电量有了显著增加，高峰时段的负荷也有了一定的降低。系统峰谷差由158.3 MW降到152.7 MW，减少量为5.9 MW。从整体上降低了电网系统的峰谷差，维护了电网系统的安全稳定运行。

高耗能企业通过风电价格调整原有生产方式和流程，避开电网负荷高峰时段。对削减峰谷差有很大作用。从而维护电网系统的安全稳定运行。高耗能企业参与风电消纳，通过使用较低价格的风电为企业节约大量的电力成本，这样企业在行业的竞争中处于有利位置。用户侧主动参与调峰能缓解目前电网系统调峰不足的压力。

7 结论

风电出力的随机波动性给电网调峰带来了巨大的难题，平缓风电出力的波动使其平稳的接入电网，能够增大风电渗透率减小弃风量，还能够减少常规机组的备用调峰容量，节约大量的成本。高耗能企业根据风电价格的波动调整企业生产，大多数用户需要对供电系统（进线与主变压器增容等）、生产工艺进行适当的技术改造以提高调峰的技术水平。增大企业能效管理水平，降低生产成本，使电网侧与用户侧共同受益。功率平衡的约束能够使得消纳后的风电在电网系统允许的置信水平内波动，机会约束模型可以让决策者在可控的风险里做出有利选择。

不同的高耗能企业生产的要求各不相同，因此对不同的企业生产负荷特性需要特定的研究。 企业参与风电消纳的成本还需要收集详细的资料，风电出力预测、价格互动平台、企业参与程度、负荷峰谷差等，也需要进一步研究。但是不可否认高耗能企业参与风电消纳是解决大量弃风的有效方法之一。

目前对风电发展影响最大的依然是电价问题，由于火电的价格只反映了煤炭的开发、运输成本，而没有反映资源稀缺程度、环境的损害、替代资源的开发、生态环境的修复成本等。导致资源的粗放式开发，能源的低效、过度利用。这方面涉及到国家能源发展战略目标，本文暂不讨论。但是从发展的长远角度来看，清洁、可再生的风电资源具有良好的发展前景。

[1] 朱凌志，陈宁，韩华玲. 风电消纳关键问题及应对措施分析[J]. 电力系统自动化，2011，35（22）: 29-34.ZHU Lingzhi，CHEN Ning，HAN Hualing. Key problems and solutions of wind power accommodation[J]. Power Systems，2011，35（22）: 29-34（in Chinese）.

[2] 李琳，罗剑波，李晓虎，等. 大规模风电集中接入弱电网后的无功电压紧急控制初探[J]. 电网与清洁能源，2013（1）: 64-69.LI Lin，LUO Jianbo，LI Xiaohu，et al. A primary analysis on reactive power and voltage emergency control for largescaled wind power centralized connected into weak grid[J].Power Grid And Clean Energy，2013（1）：64-69（in Chinese）.

[3] 刘德伟，黄越辉，王伟胜，等. 考虑调峰和电网输送约束的省级系统风电消纳能力分析[J]. 电力系统自动化，2011，35（22）: 77-81.LIU Dewei，HUANG Yuehui，WANG Weisheng，et al.Analysis on provincial system available capability of accommodating wind power considering peak load dispatch and transmission constraints[J]. Power Systems，2011，35（22）: 77-81（in Chinese）.

[4] PEREZ-DIAZ，JUANI，PEREA，ALEJANDRO；WILHELMI，JOSE R.Optimal short-term operation and sizing of pumpedstorage power plants in systems with high penetration of wind energy[C]// Proceedings of the 7th International Conference on European Energy Market（EEM），Spain，2010: 23-25.

[5] GARCIA-GONZALEZ J，DE LA MUELA，R M R，SANTOS，L M，GONZALEZ，A M. Stochastic joint optimization of wind generation and pumped—storage units in an electricity market[J]. IEEE Trans on Power Systems，2008，23（2）: 460-468.

[6] 胡泽春，丁华杰，孔涛. 风电-抽水蓄能联合日运行优化调度模型[J]. 电力系统自动化，2012，36（2）: 36-41.HU Zechun，DING Huajie，KONG Tao. A joint daily operational optimization model for wind power and pumpedstorage plant[J]. Power Systems，2012，36（2）: 36-41（in Chinese）.

[7] 刘德伟，黄越辉. 西班牙风电高比例消纳研究及启示[J].中国能源，2011，33（3）：25-33.LIU Dewei，HUANG Yuehui. Research on high penetration of wind power in spain and its revelation[J]. Chinese Energy，2011，33（3）: 25- 33（in Chinese）.

[8] 易文，刘志祥. 大工业用户运用峰谷电价参与电网削峰填谷的实践[J]. 电力需求侧管理，2003，18（6）: 25-28.YI Wen，LIU Zhixiang. Large industrial users to participate in the grid load shifting TOU practice[J].Power Demand Side Management，2003，18（6）: 25-28（in Chinese）.

[9] 张瑚，李健，徐维毅，等. 角度风对转角塔水平荷载的影响[J]. 电网与清洁能源，2013（7）: 12-15.ZHANG Hu，LI Jian，XU Weiyi，et al. Effect of wind angle on the horizontal load for tension tower[J]. Power Grid and Clean Energy，2013（7）：12-15（in Chinese）.

[10] HERTZER J，YU D C，BHATTARAI K. An economic dispatch model incorporating wind power[J]. IEEE Trans on Energy Conversion，2008，23（2）: 603-611.

[11] CHARNES A. Management models and industrial applications of linear programming[M]. Cooper W. New York:Wiley，1961，53-58.