含电转气的电力系统模糊控制多阶段优化调度方法

张南阳， 熊国江， 陈锦龙， 姚 刚

（1.贵州大学电气工程学院，贵阳 550025；2.贵州电网有限责任公司电力调度控制中心，贵阳 550002）

0 引 言

能源的充分利用一直以来都是全人类共同关注的课题，清洁可再生能源由于它的环境友好性和经济性，得到人类的特别青睐［1］。据有关数据显示，我国弃水、弃风、弃光量合计超过三峡电站全年的发电量［2］，电力系统运行的灵活性不足是造成弃风、弃光的首要因素［3］。随着能源转型的深入，各种新型能源利用形式逐渐出现，其中储能技术是提升电力系统灵活性、经济性和安全性的重要手段［4］。文献［5］中通过风-光-储多能建模，表明增加储能形式在提高电力系统的灵活性和经济性上具有很好的效果。相较于传统能源系统，将电力和其他能源耦合组成能源系统，具有更好的灵活性，可有效提高能源的利用率［6］。燃气是一种可行的储能形式，通过电转气（Power to Gas，P2G）设备可在电力系统中起到调峰作用。P2G是一种将电能转化为氢气或天然气的技术，是将燃气系统和电力系统联系起来的关键技术。文献［7］中对P2G技术的经济性潜力做了评估，指出此项技术在电力系统未来发展中有巨大的潜力。

近年来，随着P2G技术的进步，电力-燃气之间的单向耦合转化为双向耦合，燃气系统将在电网中发挥重要的作用［8］。文献［9-10］中利用不同的电-气耦合模型，在电能不足的情况下，燃气轮机将天然气转化成电能；相反，在电能过剩的情况下，P2G技术又将电能转化成天然气，提高可再生能源的消纳利用。文献［11］中建立了燃气-蒸汽联合循环机组的热电联合调度模型，其结果表明，联合机组较常规机组虽然增加了成本，但有利于电网消纳风电，并未计及燃气系统的不确定性。文献［12］中以小水电站作为投资主体，构建小水电站内P2G和储能设备的优化配置模型，文中只计及P2G的建设投资和运行费用，并未考虑燃气管网压力对P2G设备运行的影响。文献［7］中在考虑P2G设备运行成本和分段弃风成本的基础上构建了多能源优化运行模型，仿真表明，P2G设备可以提高电力系统灵活性，有利于风电消纳，但文中并未考虑管网的影响。文献［13］中针对电力和燃气负荷的不确定性，提出一种完全集成的随机调度模型，综合电力系统和燃气系统在随机调度与确定性调度中的优势作用，但未对燃气管网的不确定性做出分析。

综上，通过构建电-气耦合系统，可以提高新能源的消纳水平和电力系统的灵活性，已有文献研究取得了较好的成果。大多研究并未计及燃气系统的不确定性对燃气轮机和P2G出力的影响，例如燃气管道压力等对出力的影响。在考虑利用P2G设备参与电力系统调峰时，文献一般利用常规机组出力与负荷之间的偏差值计划P2G设备出力，如文献［7，10-12］，但鲜有文献考虑偏差变化率，而偏差变化率在一定程度上反映了调度时刻之间的相互影响对燃气轮机和P2G设备出力的影响。

为提高电力系统运行的灵活性，实现可再生能源全部利用，本文基于“分级调度、分步调整、多能互补”的思想，提出一种含P2G电力系统模糊控制日前和日内多阶段优化调度方法。在日前阶段，将风电、光伏和传统负荷归一处理后视为一种广义负荷，建立日前调度机组组合最优出力模型，并采用粒子群算法进行求解；在日内阶段，在日前机组组合的基础上，综合考虑日内1h负荷预测结果、常规机组出力与预测负荷之间的偏差、偏差变化率以及燃气管网压力，设计多变量模糊控制方法来确定燃气轮机和P2G的出力，以修正日前阶段调度计划的偏差。如若该偏差不能完全通过燃气轮机和P2G进行修正，则通过经济调度来微调火电机组出力。算例仿真结果表明了该方法的有效性。

1 多时间尺度数学模型

采用多时间尺度协调调度模型，旨在有效优化可再生能源的全部消纳，同时缓解风电-光伏功率的随机性和波动性对电力调度和安全运行造成的影响。多时间协调调度模型利用火电机组、燃气机组和P2G设备的互补来保持系统供需功率平衡。火电机组功率调节速度较慢而调节容量大，制定日前调度计划时主要对火电机组优化以承担基础负荷。燃气轮机较火电机组具有良好的功率调节速率，燃气轮机可以在很短的时间内从空载达到满负荷运行状态［14］，可在日内1 h调度中发挥重要作用，用于校正日前调度偏差。

本文调度计划制定流程如图1所示，在日前调度中根据日前24 h负荷预测和前一阶段机组的运行情况，制定下一调度周期火电机组的机组组合状况和出力计划，需要指出的是，在此阶段得到的机组组合在进行日内调度计划时一般不能改变，除非受自然灾害影响的情况下，为保证供电可靠，调度员可根据实际情况做出应急处置，调整调度计划开机未开机组。日内1 h调度计划在日内1 h负荷预测和日前24 h发电计划的基础上，结合火电机组出力与日内1 h负荷预测之间的偏差、偏差变化率、燃气储存设备的压力等变量，通过多变量模糊控制策略确定燃气系统的出力（燃气轮机或P2G出力，P2G出力在数值上表示为负值）。当日前24 h负荷预测结果偏差过大，燃气系统无法完全修正该偏差时，通过经济调度对火电机组出力进行微调，实现偏差的完全修正。

图1 调度模型流程图

1.1 日前24 h模型

日前24 h调度计划的主要任务是优化火电机组组合出力，在满足基本负荷要求的情况下，以发电机组启停和运行的经济性为目标，即总的费用最小化，根据日前24 h广义负荷预测确定火电机组的出力计划。目标函数：

约束条件：

功率平衡约束

式中，PL.t、PW.t、PP.t分别为t时段的传统负荷、风电和光伏出力预测。机组有功出力约束

式中，PG.i.min、PG.i.max分别为火电机组的最小和最大出力。

备用容量约束

式中，PR.t为第t个调度周期内的备用容量。在本文中设定PR.t为t时刻PL.t的5%。

机组爬坡能力约束

式中，Pd.i，Pu.i分别为向下和向上的爬坡率。

机组启停约束

1.2 日内1 h模型

日内1 h调度在日前24 h调度计划的基础上，根据日内1 h广义负荷预测、日前24 h火电机组出力计划、两者之间的偏差、偏差率以及燃气储存设备的压力，通过多变量模糊控制法对燃气轮机和P2G设备进行出力配置。在计划燃气系统的出力时，综合考虑上述不同变量因素和负荷的波动，可能会导致燃气系统不能完全消化偏差，此时就需要在不改变机组组合的情况下，对火电机组出力做出经济性微调。

日内在计划燃气系统的出力时，主要是为了修正日前24 h调度计划和日内1 h负荷预测之间的偏差。针对燃气系统出力计划约束条件有：

燃气出力的整体性约束

燃气系统出力约束

式中：Pgas.t为时段t燃气轮机的出力；P为燃气轮机的出力上限；PP2G.t为时段t内P2G设备的出力；P为P2G设备的出力上限。

火电机组经济性微调目标函数：

式中，ΔPG.i.t为t时刻火电发电机i的微调量，Ui.t与日前24 h计划中保持一致。

微调阶段不同于日前24 h，约束条件如下：

燃气系统费用模型：

式中：ηgas为燃气轮机的能量转化效率；P为燃气轮机在t时段输入的天然气能量；ηP2G为P2G设备的能量转化效率；PP2G.t为P2G设备在t时段输入的电能；P为P2G设备在t时段输出的天然气能量；w为单位能量的天然气价格；ct为一天之内的分时电价。本文中P2G用电费用按电力系统的收益计算。上述各系数值参见文献［15］。

2 多变量模糊控制策略

模糊系统原理简单，设计方便，适用于解决不确定性和多影响因素的综合性复杂应用问题［16］。模糊控制策略是模拟人脑对非线性，非精准性的逻辑信息处理方法，给出一个非常关键的概念用来表达实际问题的模糊性，即隶属概念［17］。

针对燃气系统和电力系统各自的特点，设计多变量模糊控制策略将两者联系起来。利用燃气轮机和P2G设备调节维持电力系统的稳定时，需结合燃气管道压力p的情况，压力值不同，意味着燃气系统不同的输出模式；其结构如图2所示。将日前计划机组出力与日内1 h负荷预测之间的偏差E、偏差变化率dE／dt、燃气管道的压力值p作为输入变量，通过模糊策略到燃气系统的输出功率Pg，调节电力系统的供需平衡，保证电力系统的稳定性。

图2 燃气系统出力控制结构图

2.1 变量模糊化

对多输入变量的模糊化，采用隶属度值的方法：为实现对燃气系统出力的控制，对火电机组出力与日内1 h负荷预测之间的偏差E和偏差变化率dE/dt在区间划分的基础上进行量化，偏差E和偏差变化率dE/dt的输入范围是［－n，n］，模糊量化为（负大，负中，负小，零，正小，正中，正大）｛NB，NM，NS，ZO，PS，PM，PB｝。燃气系统输出功率范围为［－u，u］，模糊量化为（负大，负中，负小，零，正小，正中，正大）｛NB，NM，NS，ZO，PS，PM，PB｝。负荷偏差隶属度函数关系如图3所示，偏差变化率和燃气系统输出功率隶属度图与其相似，只是论域不同，偏差变化率论域设置为［－20，20］，燃气系统输出功率论域设置为［－120，120］。燃气管道压力（P）变化范围为［0，4.0］，模糊量化为（低，中，高）｛L，M，H｝。燃气管道的压力范围参照中国现行《城镇燃气设计规范（GB50028-2006）》中第6.1.6条规定划分，其隶属度函数关系如图4所示。

2.2 模糊规则

采用模糊控制燃气系统的出力大小，用来调节实际负荷与机组出力之间的偏差，保证电力系统的稳定。控制规则如下：

当燃气管道压力处于中间值，这里按最大隶属度计算（即0.5＜P（p.u.）＜1.8）时，假如偏差E为正，其变化率为正且变化较快时，控制燃气轮机机组的输出功率增大，使负荷与机组出力偏差尽快恢复到正常范围内；假如偏差E为负，其变化率为负且变化较快时，控制P2G设备的输出功率增大，使得负荷与机组出力偏差尽快恢复到正常范围内。

当燃气压力处于低压状态（即p（p.u.）＜0.5）时，如燃气轮机仍在发电状态，此时应适当调小发电功率输出，以免影响城市燃气的供应，当燃气压力小于0.2（p.u.）时，燃气系统将不会有电能输出。当燃气系统处于吸收电能状态时，则以最大速率吸收电能。

当燃气压力处于高压状态（即p（p.u.）＞1.8）时，如燃气系统仍然处于吸收电能而产生燃气，这时候减少燃气系统的电能吸收，避免燃气管道压力过高；当燃气管道压力大于3（p.u.）时，停止吸收电能。当燃气系统处于发出电能时，尽量以较大功率释放电量。

模糊规则总共有7×7×3条，具体规则见表1～3。解模糊模时本文采用Matlab仿真软件中自带模块中给出的重心法。在规则观测窗口拖动游标红线或变动输入量x，y的数值，可以看到输出量z发生相应的变化，给出对应的输出值。

表1 P=L模糊控制规则表

表2 P=M模糊控制规则表

表3 P=H模糊控制规则表

3 算例分析

采用改进的10机39节点测试系统进行试验，如图5所示，机组信息详见文献［18］；其中在节点9设置P2G设备最大吸收功率为120 MW，在节点4设置容量为120 MW的燃气轮机，节点16、23位置为光伏电站和风电场。对于模型的优化求解，采用粒子群算法求解。

图5 改进39节点电力系统测试系统

采用预测值均为无特殊变量的经典日预测。图6中反映出风、光存在天然的出力互补性，可有效缓解间歇单一可再生能源的出力波动和风电出力反调峰。为使得风-光可再生能源全部消纳，同时减少求解过程中的计算量，将风-光-传统负荷视为一种广义负荷进行优化。图7给出了广义负荷的预测值。

图6 风、光出力预测

图7 广义负荷预测

在仿真分析中燃气压力设置情况：22：00～5：00压力隶属度为L；5：00～18：00为M；18：00～22：00为H。仿真软件：Matlab R2016a；仿真环境：i5-4200M CPU＠2.50 GHz 2.50 GHz。仿真分析分两种情形：

情形1 不考虑燃气轮机和P2G出力对电力系统的调节，只针对火电机组出力进行优化。

如图8所示为日前24 h调度计划运行结果最优的机组组合出力情况，由图8可见，机组1全天候处于稳定运行状态，机组3、4开机满负荷运行后和逐渐停机之前出力较为稳定，以此承担基本负荷；其他机组都有跟随负荷变化的趋势，适应不同的负荷变化范围以保证电力系统的稳定，符合机组实际运行情况。

图8 最优情况下火电机组组合出力

在未考虑燃气轮机和P2G设备时，由图9可见，在时刻19：00、20：00日内1 h负荷预测与日前24 h调度计划的偏差较大，超过已开机组的备用容量，在没有其他发电或储能设施的情况下，为保证供电可靠和电力系统的安全运行，此时需要开启其他机组供电，如图9所示，在19：00时刻，在机组约束条件下，需开启10号机组增加出力。

图9 情形1下19：00时刻机组出力变化

情形2 考虑燃气轮机和P2G设备与电力系统耦合情况。

在日前24 h计划中，针对火电机组组合的制定，与情形1相似，这里不再赘述。

如图10所示为情形2的燃气系统出力情况，在燃气压力设置条件下，负荷高峰时期，燃气轮机与火电机组一起满足负荷的供电需求；负荷低谷时期，由P2G设备吸收由清洁能源提供的电能，在减少能源的大幅度浪费的同时，还可以为电力系统带来额外的收益。

图10 燃气系统出力

在不改变机组组合的情况下，为与燃气系统一同消化日前计划的偏差，对火电机组出力做出微调，表4为日内1 h时间尺度下情形2的火电机组经济性微调情况表。在19：00，20：00时刻偏差较大，在情形1中需开启其他机组，而在情形2中，只需要火电机组的出力微调以平衡前一阶段的误差即可，由表4可见，对火电机组的出力调整相比其他时间段较大，但不至于开启其他机组。在不影响对负荷的电力供应下，为使异质可再生能源全部消纳，23：00时刻P2G出力上升较快，在24：00时刻P2G设备基本达到满负荷运行，此时对火电机组做出微调以完全消纳新能源出力。

表4 日内1 h计划中火电机组经济微调情况表MW

在燃气轮机和P2G设备参与和火电机组经济性微调后，完全消纳广义负荷的波动性，机组出力可以随负荷变化而做出相应变化。图11所示为情形2中日内1 h调度计划后各方出力与传统负荷之间的匹配情况，优化之后，可再生新能源、火电、燃气轮机和P2G设备相互配合出力基本可以达到对传统负荷准确跟踪；同时新能源出力被全部消纳，提高发电经济性。随着负荷预测技术的大幅提高，短期负荷预测相对误差可以达到1%左右［19］。经过日前和日内的调度优化，基本可以实现实时运行中机组出力对负荷变化的深度跟踪，保证电力系统的经济安全运行。

图11 日内1 h调度计划后机组出力情况

对情形1和情形2的发电费用对比见表5。燃气轮机的发电运行费用较高，P2G作为用电设备，可以为电力系统提供额外的经济收益，使得在综合费用方面情形2更具优势，综合而言，通过燃气轮机和P2G设备调节后发电费用有所降低，经济性会更好一点。同时将多余的风、光等可再生新能源转化为燃气系统中的燃气能源，保证了清洁可再生能源的全部消纳。

表5 有无燃气系统调节经济性对比

4 结 语

（1）根据“分级调度，分步调整，多能互补”的思想，建立含电转气的多阶段优化调度模型，将风-光-传统负荷归为广义负荷，确保清洁能源的全部消纳。

（2）设计基于多变量模糊控制法的燃气轮机和P2G设备的出力确定方法，不需大量数学关系的演算，原理简单、易于理解。

（3）采用燃气轮机和P2G设备辅助火电机组参与调节系统供电，可有效修正调度计划的偏差，避免频繁开停火电机组，且能提供系统运行的经济性。