考虑备用和安全约束的电力系统智能调度

崔艳林，蔡新雷，林 旭，黄红伟，薛艳军

(1.广东电网电力调度控制中心，广东 广州 510080；2.北京清大科越股份有限公司，北京 100102)

0 引言

电力系统智能调度是利用大数据、信息通信手段实现的物理信息系统的集合。智能调度能够有效提升电力系统调度计划、检修计划和市场交易等方面的智能化水平，相较于传统人工调度具有较高的准确性和自动化水平。电力系统智能调度需要针对网络运行情况以及安全约束作出相应调整，因此，本文根据备用和安全约束的条件对模型进行了细化。

针对电力系统智能调度，主要研究集中在系统设计以及技术方面。文献[1]提出了基于自适应代理模型的变电系统智能调度控制方法；文献[2]对某地电网智能调度系统进行了设计；文献[3]设计了基于云计算的电网智能调度平台；文献[4]说明了智能调度系统信息综合可视化方法；文献[5]分析了适应智能调度的继电保护故障信息系统高级应用。目前，备用和安全约束在经济调度模型中应用较成熟，但对于智能调度背景下的应用仍有待进一步研究。

本文提出了一种考虑备用和安全约束的智能调度模型。首先分析了含有安全约束和备用的智能调度系统构架，分析了具体模块的相应功能。针对智能调度关键技术，分析了多级安全校核、基于大数据的实时数据分析与采集、调控一体化实时预警和新能源市场交易校核等内容的流程和方法。结合备用以及安全约束提出了含有相关约束条件的调度模型。

1 考虑备用和安全约束的智能调度系统构架

智能调度系统构架与智能调度的功能密切相关。考虑备用以及安全约束的智能调度系统构架如图1所示。系统体系基于IEC 61970标准。该规约能够有效提升调度数据系统与其他数据系统的端口互联互通以及数据运算处理等性能。

图1 系统构架

a.该系统通过数据获取、数据分析、数据展示和数据应用等环节，体现电力系统智能调度各方面内容。系统能够通过SCADA/EMS/DMS等系统对电力调度基础数据、电网仿真数据和设备运行数据进行收集和处理，通过加装的存储模块可以实现多结构多元化异构数据的存储。

b.该系统能够实现电力系统稳态和暂态分析。可以识别系统的运行状态、评估系统运行模式。通过离线或在线数据对系统的状态进行初步计算，得到决策序列，并可实现对相应系统调度结果的监视和评估。

c.智能调度中智能决策模块是体现智能化特点的主要内容。智能决策区分于传统调度的人工决策，能够实现对电网在线和离线快速控制分析，包括新能源机组出力预测、网络安全稳定约束校核、二次设备控制和保护装置操作等，从而获得大电网全局描述变量，对电网进行实时、超时间尺度校正控制。电力系统调度与控制在电网体系中为多目标博弈行为，博弈双方可根据系统运行方式以及发展特点进行调整，通过智能决策手段进行模拟和分析，从而确保电力系统决策智能化。

d.智能调度体系需要大量量测和计量仪表，通过对这类数据进行滚动优化，形成仿真数据、支持调度命令，因此，在系统底层配置的大量传感器以及量测单元是实现智能调度的关键。通过这类数据处理系统以及生成的数据库，可实现对相应数据的历史状态查询以及未来状态预测。

e.人工智能调度接口，包括与人工调度交互的对话接口。

2 智能调度关键技术

2.1 多级安全校核

电力系统智能调度与机组检修、计划停电等内容密切相关，另外智能调度还与大电网多区间潮流断面校核有关。因此，需要针对电力系统智能调度运行方式以及系统特点，进行多维度以及多时间尺度的计划校核。形成年度、月度、日前、日内、备用以及安全约束的电网校核。经过多级校核可以实现综合时间尺度内电网优化运行以及稳定运行。多级安全校核的时序如图2所示。在整个时间范围内需要对机组的状态以及运行检修计划进行依次校核。

图2 多级安全校核时序

2.2 基于大数据的实时数据采集与监控

从基础数据来源分，调控一体化数据分为实时数据和管理数据。具体来说，调控一体化下，数据体系结构主要由实时运行数据、静态管理数据、综合历史数据和数据逻辑链条4个部分组成，如图3所示。数据与数据之间通过逻辑链条互相支撑，实现将实时动态数据与综合历史数据相结合、实时动态数据与静态管理数据相关联、静态管理数据与综合历史数据相比对的闭环数据结构。

图3 智能调度数据结构

智能调度实时数据管理以及数据监控是实现智能调度的主要基础。通过对数据的监视和采集，能够进一步利用大数据技术、云计算技术和边缘计算技术等对数据进行进一步分析和处理，从而获得相应的时间和空间维度的关联性，有助于提升对数据的预警、运算评估以及展示决策。

2.3 调控一体化实时预警

智能调度不仅关系到调度本身，而且还会辅助电力系统一体化控制。在调控一体化背景下，电力系统运行状态的实时监测与预警是智能调度中的主要特色。尤其是在当前特高压电网交直流互联电网结构下，电网特性日益复杂，电网运行状态难以利用传统人工监视实现全覆盖，且跨区电网交易、省间交易联系日益密切。因此，在设备运行管理、网络结构调整等方面的一体化控制十分有必要，而在一体化运行中的实时预警是智能调度的主要功能。

实时预警是建立于大数据实时数据采集与分析的基础之上，在电力系统运行发生事故或异常之前，对数据的成熟分析可以有效预警，从而引导人工操作对系统的安全分析进行实时查看和紧急分析。对于可能引起大电网停电等事故的状态，则予以进一步跟踪，提醒调控人员采取紧急措施以及应急预案。针对实施告警所利用的关系数据库，以及实时数据库的操作流程如图4所示。

图4 调控一体化流程

智能调度的统一数据访问层实现对各类告警信息的判断和处理。在数据的处理过程中需要对相应的告警规则进行定义和管理。通过各类层次聚类算法以及告警后台管理实现数据结果的分析和实时预测。通过统一数据访问层实现数据的多接口交互。

在调度自动化系统中，实现一体化的实时预警的主要核心技术点，包括系统数据的分流处理、脚本驱动的告警规则定义与执行、基于电网运行历史数据挖掘的运行状态预测告警、告警结果精细化的展示和多样化的辅助决策分析。

2.4 新能源市场交易校核

在新能源渗透率不断提升的背景下，智能调度衍生出可优化市场能源结构、新能源调度出力安排以及新能源市场交易等内容。通过设定的新能源调控数据，实现对新能源在区域间的出力以及区域内的交易。由于新能源市场有助于全网调峰，因此，智能调度系统可针对新能源市场的运行状况，进行相应的交易校核以及调峰出力校核。

新能源场站进行现货交易电力购买时，在断面分配功率，先将断面总目标功率减去断面下场站购买电力的总和，再将剩余指标按比例分配给所有参与断面调节的场站(包括有购买电力的场站)，分配完后，有购买电力的场站目标值再叠加上购买电力。保证在进行断面分配功率时，该场站优先分配到购买电力。分配流程如图5所示。

图5 智能调度新能源交易校核分配流程

3 考虑备用和安全约束的调度计划优化模型

3.1 备用及安全约束

电力系统中的备用分为正备用和负备用。正备用(USR)是指由于电力系统中短期负荷波动而导致的发电短期调整增加的热备用或冷备用；负备用(DSR)是指由于负荷波动而导致的发电量减少储存的备用[6]。由于电力系统需要保持实时平衡，当计划发电量低于实际耗电量时，需要投入正备用；反之，则需要投入负备用。建立电力系统备用容量对于电力系统优化调度具有十分重要的意义。备用不仅是保持机组以及负荷之间平衡的重要渠道，而且是获得电力系统智能调度的成本优化重要手段。

当电力系统中含有分布式电源等新能源机组时，这类机组的预测出力变化与实际出力具有差值，当计划出力远大于实际出力时，需要电力系统提供相应的备用容量。正旋转备用用来表征这类波动较大的新能源机组出力的变化；负旋转备用用于表征这类新能源机组出力可增量变小时所需的系统额外备用。

安全约束主要是指传输线路的输送容量，针对输电线路的输送容量在调度优化过程中的限制作用，提出相应的安全约束。线路潮流与线路发热密切相关，因此，安全稳定约束也称之为热极限约束。当输电线路有功功率超出限制时，线路发热量增加，对设备的安全运行造成影响。因此，在电力系统智能调度中，需要优先保障线路运行的安全性和经济性，从而需要考虑线路潮流安全约束。

3.2 目标函数

安全约束调度计划的目标函数为传统机组与新能源机组发电成本最低，表达式为

(1)

Pi为机组i的有功出力；C1为传统机组发电费用；C2为新能源机组发电费用。

3.3 约束条件

a.功率平衡约束。

海风锋的识别,首先要判断海陆风,即发现沿海有来自海上的风。这需要满足两个条件:较稳定的高压控制形势,以及明显的海陆热力差异中有偏冷的海风。显然只有在温暖季节这两条件可同时满足。依据江苏沿海测风塔数据时间序列,对2009年夏季(6—8月)时段进行海陆风识别,考虑江苏海岸线的走向特点,将其分为江苏苏北、苏中、苏南三段,建立三条海岸基准线(图1中的直线段),其中苏北岸段面向海州湾,苏中和苏南岸段则面向开阔黄海。再定义垂直于各段海岸线,包括垂线左右50°范围的向岸风为海风,反之为陆风(图2)。进一步地从所选的海陆风日中提取海风锋天气过程,共选出14个海风锋个例(表2)。

要求系统各个时段发电和用电之间保持功率平衡，即

(2)

Dt为t时段的系统负荷需求。

b.机组出力约束。

(3)

c.机组爬坡约束。

机组在运行开启过程需要满足爬坡约束，即

RDi≤Pi,t-Pi,t-1≤RUi

(4)

RDi为下爬坡约束；RUi为上爬坡约束。

d.线路潮流安全约束。

(5)

e.备用约束。

(6)

(7)

URi、DRi为各个机组i所提供的正、负旋转备用；δ+为机组出力误差对正旋转备用的需求;δ-为机组出力误差对负旋转备用的需求。

4 案例分析

4.1 案例说明

选择9节点模型验证本文考虑备用和安全约束调度模型。具体接线如图6所示。

图6 9节点系统

3台机组数据如表1所示。其中，机组的发电成本考虑为二次函数。

表1 系统机组数据

其中，典型日负荷曲线如图7所示。

图7 负荷曲线

可再生能源机组接入节点为10，参数为：风电场由100台双馈异步风力发电机组成，单个风机的额定功率为1.5 MW，风电成本系数为165 万/pu，切入风速vci=4 m/s，额定风速vr=10 m/s，切出风速vco=20 m/s。δ+取20，δ-取40。风机出力曲线如图8所示。

图8 风机出力曲线

从图8可以看出，风机出力在日内呈现较明显波动。

4.2 结果分析

利用本文的模型进行仿真，得到典型日机组调度出力曲线如图9所示。

图9 机组出力结果

可以看出，机组2在夜间时出力增加最多，机组3的出力在日内较为平滑，波动最小。

对比2种情景下的总成本，得到结果如表2。

表2 成本对比

针对上述2种情景，传统机组和风力发电成本在含有备用和安全约束条件与否下的结果有所差异。由于备用和安全约束限制了一定机组的发电能力，因此，传统机组在含有备用和安全约束时出力有所下降、成本降低，但同时，考虑到风机出力的不确定性，含有备用和安全约束条件下风力发电成本有所上升，总的求解时间较长。而不含有备用安全约束的条件会导致求解时间降低，但这种运行工况有可能会导致机组出力不满足系统安全运行约束，造成与实际调度不符的现象。

5 结束语

本文提出了考虑备用和安全约束的电力系统智能调度模型，并分析了相应的关键技术。通过仿真分析可以知道，考虑备用以及安全约束的电力系统智能调度能够有效提升系统安全稳定性。从机组出力角度来说，传统机组在安全约束和备用条件下的出力有所下降，风力机组等可再生能源机组的出力有所上升，传统机组的成本进一步下降。相比不含费用和安全运输的情况，总体发电成本有所下降，同时线路的安全稳定约束能够达到要求。