基于偏差与调度经济性的风电接纳水平优化

严翠云

摘 要：风电的出力情况与预测是有着一定程度的差别的，而这种差别会给电力生产增加一定的成本。因此做好风电出力偏差和调度经济性的风电接纳水平优化工作重要而且必要，本文将会结合实际对此进行详细的分析和研究，希望能够有效地提升风电接纳水平。

关键词：风电出力偏差；调度经济性；风电接纳水平；优化策略

中图分类号：TM726 文献标识码：A

风能是一种清洁可再生的能源，利用风能进行发电是环保节能的需要，而且使用风能发电能够很大程度的节约资源，这是完全符合未来社会的发展需要的。但是在实际的工作当中风电出力的预测与实际会存在有一定的差别，这样的差别会直接影响电能的生产成本，因此这就需要做好风电出力偏差和调度经济性的风电接纳水平优化策略的研究工作。

一、风电出力偏差

什么是风电出力偏差，风力偏差就是风电的实际出力值和预估值之间的差， 而这种差值有高估与低估两种类型。根据统计，相对长时间的风速分布是符合韦氏分布的，所以，能够推导出各个时间段当中风电的预估值和未来这一时间段中的实际风电出力的期望值，风电功率概率密度函数是：

1.风电高估期望值

风电高估期望值其实就是说风电出力实际是不充足的，也就是说将来的某一时间中风电实际可以使用的出力是低于预测出力的。将风电在某刻出力预测值设置为Y forecast，所以风电高估时未来某刻的实际出力是0≦w﹤Y forecast，当风电高估期望值它的差值表达是（Y forecast-w）。

根据风电功率概率密度函数和高估偏差的表达式可以算出风电场在此时刻中风电高估偏差大小的期望值Eeh是：

2.风电低估期望值

风电低估期望值就是表示在风电出力时它实际出力是过度充足的，也就是说将来的某一时间中风电实际能够使用的出力是高于预测出力的。将风电在未来某个时刻中出力预测其值设定为Y forecast，所以风电低谷时在未来某个时刻中的实际出力值就应该是Y forecast﹤w≦w r，低估偏差值的表達式就应该是（w-Y forecast）。

根据风电功率概率密度函数和高估偏差的表达式能够得出风电场在这一时刻中风电低估偏差大小的期望值Eel是：

二、调度经济性的风电接纳水平优化模型

所谓调度经济性就是说在提升系统中的风电接纳水平的同时，尽可能地提高常规机组和风电场的经济效益，使风电系统在大的负荷下节能减排，保证常规机组运行成本最小的前提下允许有弃风量，但是一定要将其控制在最低程度。

现阶段，使用风力发电的电力运行系统都是将装机容量作为基础的风电预测值，这个结果仅供机组出力参考，不能够全面有效的评估电力系统的最佳风电接纳能力，因此把目前的风电预测出力水平当作基础，将优化变量也就是风电接纳水平倍数βw引入后评价风电接纳的最佳水平。βw作为当前风电预测值的倍数，可以是大于或小于一对。

在它大于一时，就表示能够适当的增加风电装机容量，这样可以有效提升风电出力水平。当预测值小于一时，那么就说明电力系统中有很大程度的弃风，应该要合理控制风电并网容量。因此βw能够描述系统能够接纳的最佳风电装机容量值。

由于常规机组的成本和风电场实际弃风以及偏差成本数量级相差了很多，优化变量除了常规机组和风电场出力，还会有风电的接纳水平倍数。那么就需要全方位的考虑常规机组和风电场运行的经济性，平衡好常规机组运行和风电并网的经济性，将常规机组、风电场出力和风电接纳水平系数当作优化变量，组成了常规机组运行成本最小、风电弃风及出力偏差成本最小的多目标优化调度模型：

这当中T是调度周期一天，所以T就是24h，Δ t是调度的时间间隔一个小时，所以Δt就应该是1h，n和m就是代表参与调度的常规火电机组数量和风电场数量，Ii，t代表的是在某种程度的负荷当中常规机组开停机的状态，Ii，t=0代表的就是停机，Ii，t=1代表的就是开机，Y G i，t是机组i在t时段的出力水平，ai、bi、ci是机组i的运行成本系数，Si，t是机组i在t时段的开机成本，Si，t=δi+σi（1-exp（-T0FFi，t/i）），δi、σi、i是机组i的运行成本系数，T0FFi，t是机组t时段中的累计停止时间，βw是电力系统对风电场w的风电接纳水平，Y w，t forecast是风电场w在t时刻当中的预测出力值，Y w，t forecast是电网在t时间段中对风电场w的实际调度接纳出力水平，C q w，t是风电场w在t时间段中的弃风惩罚成本系数，C Y w，t是风电场w在t时间段中的出力偏差成本系数，E eh w，t是风电场w在t时间段中的高估出力期望值，E el w，t是风电场w在t时间段中的低估出力期望值。

三、求解算法

智能算法的实际工程应用过程中，能够做到充分考虑多种情况中的各方面因素，所以受到了极为广泛的关注。多目标化和单目标化不一样，他们相互之间是有着制约作用的，这就需要在这些目标当中找出一个折中解。

粒子群算法是目前被广泛使用的，以此为基础使用Pareto解的定义来随粒子的优劣进行评价，根据解之间的关系得到Pareto最优解。多目标优化得到的解是最优解集，它最后是需要根据决策者的喜好来确定的。在电力系统多目标优化当中，一般是用模糊理论和隶属度函数对目标函数实现归一然后才能够确定最终解，然而隶属度函数法要求最优解集分布一定要均匀。以下根据多目标优化的理想点法，判断最优解集和理想点的欧式距离，以最短距离解为最终解。因为以上的目标函数是最小值优化，所以取理想点为0，那么含有两个目标函数的最优解的欧式距离是：

S=

其中：f1、f2是两个目标函数对应的函数值，S是目标函数值和理想点的欧式距离。

结语

综上所述，在电力系统中充分考虑风电出力偏差对辅助服务成本的直接影响，建立了综合考虑常规机组和风电场运行经济性的风电接纳水平优化模型。最终选用多目标优化模型来有效的提升风电接纳水平。

参考文献

[1]胡永洪.融合交互规划与经济性的风电接纳水平优化[J].电气开关，2016，54（4）：81-85.