考虑净负荷峰谷的电源电网协调规划研究

杨卓，刘祥瑞，周娜，张茂林

（1.云南电网有限责任公司，云南 昆明 650011；2.昆明电力交易中心有限责任公司，云南 昆明 650011）

0 前言

风电作为可再生能源的一种，有其固有的优势。它不但取之不尽用之不竭，还可以减少污染和温室气体排放量。因此，风电穿透率逐年上升，倍受关注。但其不稳定、不可精确预测的特性又不能等同于常规能源对待，所以在对电源和电网进行规划时应对风电的随机性、波动性、间歇性等特性有所考虑，才能保证电力系统安全稳定运行。

目前有很多研究成果在进行电源规划和电网规划的同时考虑了风电的不确定性，文献[1]提出了多种电源规划模型，包括传统的确定性规划模型和考虑风电随机性的规划模型，考虑风电随机性的机会约束规划模型以及满足风电利用指标的规划模型，同时把低碳要素引入到模型中。文献[2]综合考虑了风电接入后电网建设的可靠性及经济性，以可靠性成本效益作为规划目标进行电网规划。其目标函数包含了线路建设成本、维护成本以及用户停电损失这3项费用。文献[3]在建模过程中结合置信水平，分析了负荷和风电出力预测误差对备用的影响，建立了备用与风电出力之间的量化关系。

电源规划与电网规划虽然是密不可分的整体，但很多研究只是针对其中某一个方面，即电源规划或电网规划，如文献[4]，重点分析了电力市场化改革对电网规划的挑战，并提出了应对策略。但是其分析的重点是电网规划，将电源规划的不确定性看成是影响电网规划的一个因素，忽视了电源规划与电网规划的统一性，且也没有深入分析两者之间的关系。但文献[5-6]综合考虑了这两者之间的协调规划，使其更有参考价值和意义，其中：文献[5]在确定调节机组配置基础的电源规划的基础上，将调节机组选址问题与电网规划问题相结合，建立了针对风电并网问题的电源电网协调规划模型。文献[6]在电力系统规划阶段考虑了传统电源、可灵活调节电源、风电容量的合理配置，在电力系统规划阶段考虑规划期内的系统调度运行问题。

目前，负荷峰谷差已经被用于分析大规模风电对系统调峰的影响，文献[7]基于风电与负荷预测误差的统计分布，讨论了风电出力对系统峰谷差的影响机理，并引入评价指标体系，深入研究了大规模风电基地接入后系统等效负荷峰谷差的变化及分布规律调度。文献[8]利用数理统计和概率分析的方法对大规模风电接入对福建电网负荷峰谷差的影响大小及影响的概率分布规律进行研究。

本文在前述研究成果的基础上，建立了考虑多种电源，包括风电、普通燃煤发电、燃气发电的多阶段电源电网协调规划数学模型，其中，考虑典型日中负荷波动与风电波动叠加后的系统净负荷的高峰和低谷，在每个典型日内分别把风电出力最大且负荷最小和风电出力最小且负荷最大作为两个关键场景[9]，并采用一个简化机组组合模型模拟典型日内调度运行阶段各类电源间的互补特性。

1 场景选取和净负荷高峰和低谷

风速分布可预测性差，波动性较大。而风电机组的输出功率会随着风速的变化而改变，因此造成了风电出力的不确定性反调峰特性。鉴于这种特性，在源网协调规划模型中考虑风电接入时就必须计及其对于规划结果产生的影响。针对风电的不确定性，需要模拟产生大量的场景进行模拟。通常情况下场景应足够大以精确表示所有负荷和风电出力组合，所有场景均贯穿于所考虑电力系统的各个节点。但是对于电力系统长期多阶段规划问题来说，如若场景数过多则可能导致计算量过大而产生无解。

事实上，风电接入后，电力系统调度运行的关键是确保安全渡过等效净负荷的高峰和低谷时段，本文中定义等效净负荷如。

式中：N表示净负荷；D表示实际负荷值；Pw表示风电实际出力值。这也就要求电力系统具备足够的调峰能力。因此，采用净负荷高峰和低谷研究大规模电力系统多阶段规划问题能够显著减小场景数目，更好地实现模型精度和计算效率之间的平衡。

本文根据风速和负荷的历史数据，利用K-Means聚类方法，在MATLAB中调用该算法，抽样得到数个典型日的负荷和风速曲线来描述每个节点的负荷和风速水平，并认为这些典型日的负荷和风速曲线代表规划期每年日负荷和风速曲线形状。根据风电机组的出力特性，得到风电输出功率曲线。其中，规划期每年的日负荷按照一定比例增长，日风电输出功率曲线，进而得到规划期每年典型日净负荷高峰和低谷。净负荷高峰为N曲线上的最大值，净负荷低谷为N曲线上的最小值。

综上，通过典型符合日内的负荷和风电持续曲线对负荷和风电进行建模，这样就得到了一个如文中提出的适用于解决电源电网协调规划问题的途径。

2 电网协调规划模型

本电源电网协调规划的目标为：在满足系统安全运行约束的前提下，根据净负荷高峰和低谷，考虑典型日内不同种机组的日运行状态组合，即运行/停运，对不同种类发电机组和线路的投建时间和地点进行规划，使规划期内整个系统总成本的现值最小。出于简化，本文中灵活调整电源仅考虑燃气机组，普通常规电源仅考虑燃煤机组。

2.1 目标函数

本多阶段电源电网协调规划模型的目标函数如所示。其中DF为罚函数，其作用在于确保典型日内某时间点的峰值和谷值均为实际情况下的峰谷，无数值意义。

式中，TPC为规划期内火电机组（包括燃煤机组和燃气机组）运行成本，包括现有的以及新建的火电机组；WPC为新建机组投资成本，新机组的投资成本取决于其容量和位置；TLC为线路投资成本；GEC为火电机组碳排放成本；SW为风电机组发电补贴。假设所有的现有机组都为火电机组。τ=1/(1+R)PR-y表示折现率；Ti,y表示整个规划期的第y年的发电时长；A表示总场景数目；Pi,u,t,y表示整个规划期的第y年t典型日场景u中i机组的出力；pbi,y表示第y年i机组的边际发电成本；R表示折现率；PR表示投资期总年数；Si表示i机组发电补贴；cwi表示机组单位容量价格；swi表示投资补贴；Xi,y表示i机组投建容量；ck,y表示二进制变量，若在整个规划期的第y年第k条线路决定投建，则此值为1，否则为0；tlk,y表示第y年线路k的建设成本；ωy表示第y年的市场碳交易价格；gcy表示火电机组单位电量的碳排放强度；为整个规划期的第y年t典型日v时刻的净负荷峰值；为整个规划期的第y年t典型日v时刻的净负荷谷值；ΩY表示规划期集合；ΩTG表示燃气机组集合；ΩCG表示燃煤机组集合；ΩWG表示风电机组集合；ΩU表示总场景集合，针对每个典型日ΩU={0,1,2}，其中：0为期望场景，1为典型日净负荷低谷场景，此场景下风电出力为峰，负荷为谷，2为为净负荷高峰场景，此场景下风电出力为谷，负荷为峰；ΩG+表示候选发电机组集合；ΩK+表示候选线路集合；ΩT表示典型日集合。

2.2 约束条件

1）功率平衡约束

2）直流潮流等式约束

3）机组出力约束

4）线路容量约束

5）净负荷约束

由于规划期内风电机组可能会在某一年投建，这时净负荷就应该把新建风电机组出力考虑在内。本约束保证了任何条件下所得到的净负荷峰值和谷值均为真实的。

6）新建机组及线路约束

7）碳排放约束

8）投资费用约束

9）机组运行/停运约束

在规划阶段考虑典型日内系统的运行问题，利用每日逐时段的机组组合对系统的日内运行问题进行较为精确的阐述，从而进一步证明了灵活调节电源即燃气发电机组对负荷及风电波动性的灵活调节作用。考虑到燃气机组和常规燃煤机组均不适合频繁启停，本文将只考虑典型日内净负荷高峰、低谷和预测值三个时段下的机组组合问题。相对灵活的燃气机组可以在这三个时段自由改变运行状态。而燃煤机组在一日内的运行状态最多只能变化一次，式表示不会出现燃煤机组在低谷时运行，而在高峰时停运的矛盾情况；式表示在一天之内能够频繁启停的燃煤机组的数目占总燃煤机组数目的比例不能超过一定的比例；表示候选机组只有投建后方可选择运行/停运状态。

10）相位角约束

式中：n为节点编号；k为线路编号；KGn,i表示节点-发电机关联矩阵，表示节点和机组的联系；、表示风电出力波动上下限；ei,y表示二进制变量，若在整个规划期的第y年i发电机决定投建，则此值为1，否则为0；KLk,n表示支路-节点关联矩阵；fk,u,t,y表示在整个规划期的第y年t典型日场景u中线路k的潮流；Bk表示线路k的电纳；θk,u,t,y表示在整个规划期的第y年t典型日场景u中节点n处相位角；M表示一个足够大的正数；Zi,u,t,y表示机组i在第y年t典型日u场景下的组合状态，若为0，表示机组停运；若为1，表示机组正常运行；Pmax,i、Pmin,i表示发电量上下限；EXi表示已建机组容量；Lmax,i、Lmin,i表示线路容量上下限；hi,l,y表示二进制变量，若在整个规划期的第y年第l级投建容量被选中为i级发电单元的建设量，则此值为1，否则为0；ρi,l,y表示在整个规划期的第y年第l级发电单元的备选投建容量；ΨL i,y表示l级备选容量集合；tkc表示线路投资上限；gci表示机组投资上限；λ表示可状态转移的燃煤机组比例；TN表示已建总燃煤机组数。ΩWG+表示候选风力发电机组集合；ΩWG0表示已建风力发电机组集合；ΩCG+表示候选燃煤机组集合；ΩTG+表示候选燃气轮机组集合；ΩN表示节点集合。

3 算例分析

本文所建立的考虑风电和负荷波动性的电源电网协调规划模型是一个多阶段性、混合整数线性规划问题。本文利用GAMS软件平台实现编程，调用CPLEX求解器对模型进行求解。

3.1 算例数据

算例系统以IEEE30节点系统[10]为基础，测试系统网络如图1所示。电源侧由6个现有燃煤机组以及2个候选燃煤机组、3个候选燃气机和3个候选风电机组组成。候选机组和线路用虚线表示，具体参数见表1和表2。其他系统参数见文献[9]。负荷年增长率为3.8%。ωy第一年取值为80元/t，年增长率为0.9%；燃煤机组和燃气机组的gcy分别为0.90 t/(MW·h)和0.42 t/(MW·h)，年增长率为0.8%；。

表1 候选机组参数

表2 候选线路参数

图1 测试系统网络

在MATLAB中，把风速与负荷的数据分别作为横纵坐标，调用K-Means聚类算法把数据聚类成几条不同的曲线从而得到典型日不同时刻的负荷与风速峰谷值。本文抽样出5个典型日和12个典型时刻。根据风功率与风速的关系进而得到风电出力与负荷的峰谷值。净负荷即为两者的叠加值。

3.2 算例分析

为了验证上述模型有效性，本文对4个算例进行讨论。算例1为考虑了净负荷高峰和低谷的源网协调规划；算例2为不考虑净负荷高峰和低谷的源网协调规划；算例3除了风电补贴变高以外，其余均与算例1相同；算例4使（22）约束变紧，即赋予dr一个更高的值。

4个算例的优化结果，如表3、4、5所示。

表3 规划成本（106元）

表4 电源规划结果

表5 电网规划结果

考虑净负荷高峰和低谷时，需要更多的可灵活调节电源来平衡负荷和风电的波动性以保证系统运行的安全。WT1始建于规划期初，期间扩容至85MW，此时燃气机组GU1开始投建以平衡风电机组的波动性；当网络中风电穿透率持续走高时，燃气机组GU3也开始投建以保障整个电力系统的功率平衡。从算例1的机组组合状态中可以看出：当电网中风电出力较高而负荷较小（场景一）时，需要大量的燃气机组停运来保证系统功率平衡。机组CU4在规划期的第1-20时段内停运；机组CU5在第1-13时段内停运；机组CU6分别在规划期的1-12、14-19这两个时段内停运；燃气机组GU1在规划期的第16-20时段内停运；燃气机组GU2在规划期的第20时段内停运以满足功率平衡，同时保障了资源的合理利用。在期望场景（场景三）中若风电穿透率较高也会出现这种情况，如燃气机组CU1在规划期的第16-20时段内停运；机组CU4在规划期的第1-20时段内停运。风电出力较小而负荷较大时（场景二）燃气机组则可以全部投入以满足负荷需求。

算例2由于不必考虑风电的波动性，无需投建燃气机组，机组建设成本相对较低。把算例2的规划结果电源和电网投建方案作为算例1已知量，只对机组出力进行优化，并观察总成本的变化：实际总成本较算例1增加5.8%，主要原因为：在现实情况下没有考虑净负荷高峰和低谷的优化结果会让更多的灵活可调节电源投入同时弃风也导致风电补贴减少。由此可见实际中的考虑净负荷高峰和低谷的模型优于没有考虑净负荷高峰和低谷的模型。

建设风电场其一次性投资大，固定成本高，因此年化的成本比火电机组略高一些。若要提高风电穿透率，可通过提高补贴来实现，算例3中补贴大小和风电出力的关系如图2所示。图中所示补贴为第一年补贴之后的每一年补贴按1%递增。

图2 不同补贴下风电出力对比

若对火电机组碳排放量进行约束，即保证规划期末年的碳排放总量相比于规划期初减少相应的比例。这样以来，会对源网协调结果有较大的影响。虽然增大节能减排比例可以提升风电补贴，减少碳排放成本。但是若dr提高幅度太高，则会导致无解。这是因为当风电大规模接入电网时，给电网带来了一定的威胁，这需要灵活可调节机组来平衡风电的波动性以保证电力系统的稳定运行。因此，风电穿透率应保持在合理的范围内，不宜过大。

4 结束语

本文利用典型日净负荷高峰和低谷，建立考虑风电、燃气发电和燃煤发电的动态电源电网协调规划数学模型，得到以下结论：

1）采用典型日高峰和低谷的源网协调规划方法比没有考虑高峰和低谷的方法更为经济和强健。

2）所建立的模型体现了可灵活调节电源对风电大规模接入的调峰作用，规划结果表明可灵活调节的电源投资与风电的扩容互相匹配。

3）不能一味追求高风电穿透率，在风电穿透率和节能减排之间有一个平衡。

4）通过调整风电补贴，可以控制风电各时段的投入情况。