水电电量计划对省级电网风电接纳能力的影响

曹 融,陈晓光,刘冠群

(1.黑龙江省电力科学研究院,哈尔滨 150030; 2.国网上海市电力公司 浦东供电公司,上海 200122)

水电电量计划对省级电网风电接纳能力的影响

曹 融1,陈晓光1,刘冠群2

(1.黑龙江省电力科学研究院,哈尔滨 150030; 2.国网上海市电力公司 浦东供电公司,上海 200122)

为研究水电对风电接纳能力的影响,提出一种基于时序仿真的研究方法,综合考虑水电电量计划、地区风电出力、机组调峰能力以及全省电网送出能力等因素,对省级电网的电力平衡进行逐时段优化,建立了用于研究水电电量计划对风电接纳能力影响的数学模型,并采用商用软件CPLEX进行求解。以东北某省级电网为例,对比分析了不同水电电量计划对风电接纳能力的影响,其结果验证了本文所提时序仿真模型的合理性及理论分析的正确性。

水电电量计划;省级电网;时序仿真方法;风电接纳能力;CPLEX

水电具有很高的容量可信度及良好的调峰能力,是目前配合风电最理想的调峰调频电源[1-2]。水电调峰运行是指在非丰水季节尽可能利用各水电厂给定的用水量,用水电厂承担电力系统负荷曲线尖峰部分[3]。在风电大规模并网后,利用水电出力对风电出力进行调节,可提高风电的接纳能力,因此制定合理的水电电量计划至关重要。一般情况,水电发电量上限根据来水量及库容确定,可在编写年度计划时对水电发电量下限进行优化。

目前已有大量文献对含风电的电力电量平衡模型进行研究[4-6]。然而,受到建模复杂性以及计算时间等因素影响,多采用基于典型日的电力电量平衡的方法[4],但计算结果不够准确。文献[5]通过实际的负荷数据以及火电、水电、风电的出力等数据,建立了含风电场的电力系统经济环境联合调度模型,但没有考虑“三北”地区冬季安全运行调峰困难的问题,计算结果与实际存在一定差距。文献[6]建立了一种考虑风电并网的经济环境联合调度模型,仿真结果证明水电与风电火机组联合调度比单一的水电或火电调度效果更明显,然而,在计算模型中,水电只考虑了其作为上旋转备用的调峰作用,没有考虑其常规发电电量因素,以致水电参与调度后的结果和实际情况有偏差。为此,本文提出了一种基于时序仿真的研究方法,以最大化消纳风电为目标,综合考虑水电电量计划、地区负荷特性、地区风电出力特性、机组调峰特性以及全省电网出力等因素,建立了用于研究水电电量计划对风电接纳能力影响的数学模型,对全网的电力电量平衡进行逐时段优化。并以东北某省级电网为例,对比分析了不同水电电量计划对风电接纳能力的影响,验证了本文所提时序仿真模型的合理性及理论分析的正确性。

1 数学模型及求解方法

1.1 时序仿真方法

时序仿真法是指在给定负荷条件下,模拟各发电机组的运行状况,计算发电系统生产费用的一种时序仿真方法。其中短时间尺度的仿真模拟一般为几个到几十个小时,可以为不同水电电量计划下风电接纳能力提供真实的场景模拟,优化系统运行方式,为调度部门提供合理的发电计划(其中包括火电、水电和风电发电计划);长时间尺度的仿真模拟时间可以是数月或数年,可模拟不同的电网架构、装机规模等条件下风电消纳情况,为风电运行方式、产业发展规划及电网建设规划提供参考依据[7]。

为了更好地表征风电出力变化特性,研究改善系统风电接纳能力相关措施(主要是水电调峰),本文采用时序仿真法,根据地区实际的负荷以及地区风电预测出力序列值,模拟出各个发电机组运行状态以及发电机组处理序列值,然后将发电机组出力、地区负荷、地区风电出力以及地区水电出力作为一系列时间序列,随时间变化。以机组出力和系统中负荷之间的平衡关系作为平衡约束进行仿真,分析了水电电量计划对风电接纳能力的影响。

1.2 模型介绍

1.2.1 目标函数

为符合实际电力系统运行,采用时序生产模拟仿真的方法,建立了水电电量计划对风电接纳能力影响分析模型的目标函数,即

(1)

1.2.2 约束条件

1) 常规机组约束为

(2)

(3)

(4)

(5)

(6)

式(2)表示常规机组出力约束;式(3)表示常规机组爬坡率约束，根据“三北”地区供热期供热机组特性,本文考虑背压式供热机组和抽气式供热机组[8]；式(4)和式(5)分别表示背压机组和抽气组出力约束;式(6)表示机组最小启停机时间约束,反映了最小启机或停机的时间长度,不同类型的机组启停机时间参数不同，此约束的考虑,主要是由于受到机组的物理特性及机组启停机煤耗成本的制约,因此机组不能频繁的启停。

2) 系统约束为

将风力发电各时段的可信容量纳入常规机组开机容量计算范畴,以便减小开机容量,更好地接纳风能,提高新能源发电。

3) 系统风电出力约束为

4) 水电机组发电量约束为

TPi(t)+TPi(t+1)+…+TPi(t+k)≤Hydi，max-TPi(t)-TPi(t+1)-…-TPi(t+k)≤Hydi，min

式中:Hydi，max,Hydi,min分别为一定周期内水电机组发电量上限及下限;k由水电机组发电量约束周期参数决定。由于水电发电量上限根据来水量及库容确定,一般为定值,因此在编写年度计划时可对水电发电量下限进行优化。

1.3 模型求解

综合目标函数(1)和约束条件,得到了基于时序仿真的年度生产模拟仿真模型。该模型是一个典型的MIP问题,因此本文采用基于分支定界法来优化系统运行方式,提高风电接纳能力。

数学模型中优化变量分为连续优化变量与离散优化变量两类,是典型的大规模混合整数非线性规划问题,可采用CPLEX求解器对优化问题进行求解。因为CPLEX求解器是为能快速、最少用户干预地解决大型复杂问题而设计的,其采用分支定界算法,解决一系列的线性规划问题、子问题等,所以被广泛应用于科研及工程实际[11]。

2 算 例

以东北某实际省网为案例进行分析,该省电网供热期为10月25日至次年4月15日,该电网的旋转备用电量为600 MW。

该省电网火电机组装机信息如表 1所示，水电机组装机情况如表2所示。供热电机组占总装机容量的56.71%,非供热机组占总装机容量的19.49%,供热期供热电机组出力占装机容量的80%～90%。

表1 该省电网火电机组装机信息

该省年度负荷序列采用负荷预测结果,仿真时间步长为1 h,全年共8760个时间断面,全年最大负荷出现在329 h,最小负荷出现在第6002 h,年负荷曲线如图1所示。

表2 该省电网水电机组装机信息

图1 年度负荷出力序列

通过风电预测数据得到的归一化年度风电出力序列如图2所示。该省风电装机容量为4550 MW。该省网的外送联络线年度序列如图3所示。

图2 归一化年度风电出力序列

图3 该省外送联络线年度序列

由于本文求解的是大型复杂的省网电力系统模型,涉及到的变量众多,且包含机组启停优化,是一个MIP问题,可采用应用广泛且稳定性高的CPLEX求解器进行求解。

3 计算结果分析

研究了三组不同水电最小电量计划对风电接纳能力的影响,如表3所示。

表3 不同水电电量对风电接纳情况的统计

在表3案例1中,水电最小发电量为该年原计划电量,案例2和案例3分别将这两台水电机组的最小发电量设置为该年原计划电量的80%和50%。由此可知,水电最小电量计划设置越小,即水电机组运行越灵活时,风电限电率最低且利用小时数最高,所以应对案例3中的水库机组处理序列继续分析。

由于年度曲线过于密集,因此为展示该省两台水电机组的出力计划,将选取随机一周和一月的运行数据进行分析,如图4～图7所示。

图4 水电机组SK100随机一周发电序列

图5 水电机组SK600随机一击发电序列

图6 水电机组SK600随机一月发电序列

图7 水电机组SK100随机一月发电序列

由图4～7可以看出:

1) 水电具有良好的调峰能力,一般在负荷高峰时期,水电机组满出力运行平衡此期间负荷;在负荷低谷时期,水电机组往往降低出力,为系统接纳风电提供空间;在部分低谷时期,由于此时火电机组开机容量较小,因此水电机组仍会有功率输出来进行系统负荷平衡。

2) 采用本文所提出的方法,可以优化得出在自然工况允许的前提条件下,水电机组的最小发电计划,为水电年度运行方式的精确制定提供参考。

4 结 语

本文提出的用于研究水电电量计划对风电接纳能力影响的模型充分考虑了各种机组的出力特性,在水电年度发电量应满足实际水况的约束条件下,应尽量设置最小,使水电机组运行更加灵活,为风电预留出合理的电量空间,从而提高风电的接纳能力,减少“弃风”；同时,对实际的电力系统调度年运行方式的安排特别是水电机组电量计划的精确制定具有指导意义。

[1] 刘志富, 杨滨,赵旭, 等.黑龙江省电网如何提高吸纳风电能力的分析和建议[J]. 黑龙江电力,2010,32(3):172-175.

LIU Zhifu, YANG Bin, ZHAO Xu, et al. Analysis of and advice on how Heilongjiang grid enhances absorptive capability of wind power [J]. Heilongjiang Electric Power, 2010,32(3):172-175.

[2] 静铁岩, 吕泉, 郭琳, 等.水电—风电系统日间联合调峰运行策略[J]. 电力系统自动化,2011(22):97-104. JING Tieyan, Liü Quan, GUO Lin, et al. An inter-day combined operation strategy of hydro and wind power system for regulating peak load [J]. Automation of Electric Power Systems, 2011(22):97-104.

[3] 孙亮.大规模风电并网条件下提高电力系统调峰能力的研究[D].大连:大连理工大学 2010 SUN Liang. Research on enhancing power system peak regulating capacity under large-scale grid-connected wind power [D]. Dalian: Dalian University of Technology, 2010.

[4] 陈海焱, 陈金富, 段献忠. 含风电场电力系统经济调度的模糊建模及优化算法[J]. 电力系统自动化, 2006, 30(2):14-17. CHEN Haiyan, CHEN Jinfu, DUAN Xianzhong. Fuzzy modeling and optimization algorithm on dynamic economic dispatch in wind power integrated system [J]. Automation of Electric Power Systems, 2006, 30(2):14-17.

[5] 曹阳, 李鹏, 袁越, 等.基于时序仿真的新能源消纳能力分析及其低碳效益评估[J]. 电力系统自动化,2014，38(17):60-66. CAO Yang, LI Peng, YUAN Yue, et al. Analysis on accommodating capability of renewable energy and assessment on low-carbon benefits based on time sequence simulation [J]. Automation of Electric Power Systems, 2014，38(17):60-66.

[6] ZHAO Xiaoli, WU Longli, ZHANG Sufang, et al. Joint environmental and economic power dispatch considering wind power integration: Empirical analysis from Liaoning Province of China[J]. Renewable Energy, 2013, 52: 260-265.

[7] ELA E, O’MALLEY M. Studying the variability and uncertainty impacts of variable generation at multiple timescales[J]. IEEE Transactions on Power Systems, 2012, 27(3): 1324-1333.

[8] 杜继成. 基于线性规划的Balmorel模型及其在风电并网中的应用研究[D]. 北京: 中国电力科学研究院, 2011. DU Jicheng. Balmorel model based on linear programming and its application in wind power grid connection [D]. Beijing: China Electric Power Research Institute, 2011.

[9] 周松林, 茆美琴, 苏建徽. 风电功率短期预测及非参数区间估计[J]. 中国电机工程学报,2011, 31(25): 10-16. ZHOU Songlin, MAO Meiqin, SU Jianhui. Short-term forecasting of wind power and non-parametric confidence interval estimation [J]. Proceedings of the CSEE, 2011, 31(25): 10-16.

[10] 刘纯, 吕振华, 黄越辉, 等. 长时间尺度风电出力时间序列建模新方法研究[J]. 电力系统保护与控制, 2013, 41(1): 7-13. LIU Chun, Liü Zhenhua, HUANG Yuehui, et al. A new method to simulate wind power time series of large time scale [J]. Power System Protection and Control, 2013, 41(1): 7-13.

[11] 魏传江,王浩,谢新民,等.GAMS用户指南[M].北京:中国水利水电出版社，2009:1-32. WEI Chuanjiang, WANG Hao, XIE Xinmin, et al. GAMS user’s guide [M]. Beijing: China Water and Power Press, 2009:1-32.

(责任编辑 侯世春)

Impact of hydro units generating schedules on wind power accommodation capacity of provincial grid

Cao Rong1, CHEN Xiaoguang1, LIU Guanqun2

(1 Heilongjiang Electric Power Research Institute, Harbin 150030, China;2.Pudong Power Supply Company， State Grid Shanghai Municipal Electric Power Company, Shanghai 200122, China)

In order to study the impact of hydropower on wind power accommodation capacity, this paper proposed a sequence production simulation method considering hydropower plan, local wind power output, unit regulating capacity and transmission capacity of provincial grid, which optimized power balance of provincial grid period by period, established the mathematical model of the impact of hydropower plan on wind power accommodation capacity and solved it by CPLEX. Based on an actual provincial power grid in Northeast of China, the impacts of different generating schedules of hydro units on wind power accommodation were compared. Case study results show that the proposed formulation and corresponding algorithm is feasible.

hydropower plan; provincial grid; sequence production simulation method； wind power accommodation capacity; CPLEX

2015-05-14。

曹 融(1988—),女,硕士研究生,研究方向为电力系统及其自动化。

TM712

A

2095-6843(2015)06-0496-04