风光水互补系统发电效益-稳定性多目标优化调度

张振东，唐海华，覃 晖，罗 斌，周 超，黄瓅瑤

(1.长江勘测规划设计研究有限责任公司，湖北 武汉 430010；2.长江水利委员会 互联网+智慧水利重点实验室，湖北 武汉 430010；3.华中科技大学 水电与土木工程学院，湖北 武汉 430074)

1 研究背景

随着传统化石能源的日益枯竭以及使用化石燃料带来的环境问题日趋严重，风电、光电和水电等可再生清洁能源受到了世界各国的重视[1-2]。风电与光电虽然不会造成环境污染，但是也存在相应的问题。风电出力与光电出力受自然环境因素影响，具有显著的不确定性、随机性和间歇性特征，导致能源开发效率不高[3-5]，并且存在接入电网困难、难以控制的问题，降低了电能质量和可靠性[6-8]。考虑多能源系统互补运行[9-10]是解决上述难题的有效方法之一。

多能源互补系统优化调度是一种根据资源条件与电站发电特性将各子系统出力打包输出到电网以满足终端用电需求的调度模式[11-13]。典型多能源混合系统有风-光互补[14]、水-风互补[15-16]、水-光互补[17-18]和风-光-水互补[19-21]等综合能源系统。近几年，我国大力支持多能源互补系统的建设与研究，已在雅砻江、金沙江和黄河上游等地积极开始了示范性基地建设[22-23]。在风光互补系统中，鲁娅楠[24]对风电、光电出力和电力负荷进行了预测，并基于此研究了风电与光电在智能电网中的协同调度，阐明了风光互补运行相比于各电源独立发电的优势。Angarita等[25]通过构建最大化风电与水电期望效益揭示了水电能源在水风互补系统中的重要性。在水光互补系统中，Beluco等[26]通过对理想电源可用性函数进行计算模拟验证了光伏发电与水力发电短期互补性可以提升供电稳定性的结论。在风光水互补系统中，Zhang等[27]采用copula函数捕捉风电与光电的时空特征，开展了风光水混合系统的协同优化调度研究，研究成果对复杂多能源系统互补运行具有重要指导意义。Han等[28]通过测试独立系统发电和联合系统发电出力波动性的区别提出了风光水混合能源系统的互补评价方法，为电网调度和联合电站供电规划提供了参考。Xu等[29]将抽水蓄能电站整合到风光水混合系统中分析了系统的稳定性，研究结果验证了抽水蓄能电站在稳态和故障情景下集成到混合能源系统中的可行性。Wang等[30]以短期波动最小和总发电量最大构建了风光水多能互补系统多目标优化调度模型，实验验证了短期风光水出力波动与发电量的矛盾关系。Ming等[37]以水电与光电发电量期望最大构建了优化调度模型，在模型中考虑了电力负荷的不确定性，并提出了一个三层嵌套框架来求解该模型。Hu等[38]提出了改进生成对抗网络来表征风电和太阳能发电的不确定性，并进一步完成了风光水混合系统的短期优化调度。Yang等[39]分别以系统总发电量最大和系统出力可靠性最高为目标构建了两个水光互补系统优化调度模型，以隐随机调度方式获取了水库长期调度规则，为混合系统不确定性优化调度提供指导。

综上所述，风光水多能互补系统研究在分析风光水清洁能源互补特性与探究不同目标函数之间竞争博弈关系等方面还需进一步加强。本文在雅砻江流域风光水互补系统示范基地上开展研究，构建经济效益与发电稳定性互补调度模型，分析风光水互补特性与调度方案结果，解析效益与稳定性的竞争博弈关系。

2 研究区域与数据

本研究在雅砻江流域风光水互补先期试点示范基地上进行，其拓扑结构如图1所示。示范基地位于四川省盐源县，青藏高原东南缘，雅砻江中下游西岸，川、滇两省交界处。盐源县经纬度介于北纬27°06′—28°16′、东经100°42′—102°03′之间，全县幅员面积8398.6 km2。幅员内地形地貌以山高、坡陡、谷深、盆地居中为总特征。海拔集中在2500～3000 m之间，最高海拔4393 m，最低海拔1200 m。盐源县风资源密集区主要分布在县城周围海拔较高的山地上，年平均风速在6～8 m/s之间。盐源县年平均太阳辐射量约6100 MJ/m2，属于日照高值区，多年平均日照时数约2570 h。

图1 雅砻江流域风光水互补先期示范基地

根据雅砻江流域风光水互补基地规划研究分析，且考虑到盐源县资源量较为丰富，规划风光项目经济指标较好，重点选取盐源县场址作为推荐的先期示范项目。选取盐源县沃底、大河、阿萨和白乌4个风电场以及扎拉山光电场作为先期接入风光电站。

为了表述方便，沃底、大河、阿萨和白乌四个风电场分别用符号W1、W2、W3和W4表示；扎拉山光电场和官地水电站分别用符号S1和H1表示。采用研究区域内2011年的数据开展研究。雅砻江流域风光水互补示范基地电站基本信息如表1所示。数据来源于《雅砻江风光水互补示范基地先期试点项目建议书》(1)雅砻江流域风光水互补清洁能源示范基地规划课题组，《雅砻江风光水互补示范基地先期试点项目建议书》.2016.和美国太阳能辐射数据库(https：//maps.nrel.gov/nsrdb-viewer)。W1—W4风电场的年平均风速分别为6.20、8.10、7.01和6.04 m/s；S1光电场的年平均和最大太阳辐射强度分别为659和897 W/m2；H1水电站的年最小、平均和最大径流分别为365、1122和6751 m3/s。W1～W4、S1和H1电站的规划规模或装机容量分别为9.15万、6万、8万、9.9万、70万和240万kW。官地水库死水位和正常蓄水位分别是1328和1330 m，总库容7.6亿m3，调节库容0.284亿m3，具有周调节性能。

表1 雅砻江流域风光水互补示范基地电站基本信息

3 研究方法

3.1 风光水多能互补系统出力计算方法

(1)风电出力计算方法。风力发电是将风能转化为电能的技术。风速是风电出力的主要影响因素之一，其计算公式[31]如下：

(1)

式中：Nw为风电出力，W；ρ为空气密度，kg/m3；Aw为涡轮机叶片扫掠面积；Cp为风能利用系数，理想的风能利用系数最大值为0.593，高性能螺旋桨式风电机Cp一般为0.45，阻力型风电机Cp只有0.15左右；v为风速，m/s。

(2)光伏发电出力计算方法。光伏发电是将太阳能转化为电能的技术。太阳辐射强度是光电出力的主要影响因素之一，其计算公式[32]如下：

Ns=nr[1-β(Tc-Tcref)]AsG

(2)

式中：Ns为光电出力，W；nr和β分别为参考组件效率和温度系数；Tc和Tcref分别为单元有效温度和单元参考温度，℃；As为光伏发电板面积，m2；G为太阳辐射强度，W/m2。

(3)水电出力计算方法。水力发电是将水的动能转化为电能的技术。径流是水电出力的主要影响因素之一，其计算公式[33]如下：

Nh=KQgH

(3)

式中：Nh为水电出力，W；K为综合出力系数；Qg为发电流量，m3/s；H为水头，m，且H=Zu-Zd-Hl；Zu、Zd和Hl分别是水库上、下游水位、水头损失。

3.2 风光水互补系统效益-稳定性目标函数风光水多能互补系统需要考虑发电效益与总出力平稳性等多方面因素。因此，本研究以互补系统总发电量最大、互补发电系统出力过程变异系数最小为目标构建风光水多能互补系统效益-稳定性多目标优化调度模型。

(1)互补系统总发电量最大。互补系统总发电量由风电、光电和水电三部分构成。互补系统总发电量最大目标计算公式如下：

(4)

(5)

式中：E(N)为互补系统总发电量；N=[N1，N2，…，NT]为互补系统出力过程；Nt为第t个时段的总出力；Nw，i，t为第i个风电场在第t个时段的出力；Ns，j，t为第j个光电场在第t个时段的出力；Nh，k，t为第k个水电站在第t个时段的出力；Mw、Ms和Mh分别为互补系统内风电场、光电场和水电站数目；T和Δt分别为调度期总时段数和单个时段小时数。

(2)互补系统总出力最平稳。本研究以风光水多能互补发电系统出力过程变异系数最小为目标量化出力平稳性，出力变异系数越小，其平稳性越高，计算公式如下所示：

(6)

3.3 风光水互补系统优化调度模型约束条件风光水多能互补系统优化调度模型从水电、风电和光电三个方面解析调度约束条件，具体如下：

(1)水库水位约束

(7)

(2)水库下泄流量约束

(8)

(3)水库出力约束

(9)

(4)水量平衡方程

Vk，t+1=Vk，t+(Ik，t-Qk，t-Evk，t)·Δt

(10)

式中：Vk，t和Vk，t+1分别为第k个水库在第t个时段的初末库容；Ik，t、Qk，t和Evk，t分别为第k个水库在第t个时段的入库流量、出库流量和蒸发损失；Δt为时段时长。

(5)切入切出风速约束

(11)

(6)光伏发电板容量约束

(12)

3.4 多目标优化调度模型求解算法本研究采用基于R支配的改进飞蛾扑火多目标优化算法(Improved Multi-objective Moth-flame Optimization Algorithm based on R-domination，R-IMOMFO[34])求解风光水多目标优化调度模型，本研究模型属于低维多目标优化调度问题，将R-IMOMFO算法调度结果与快速非支配排序遗传算法(Non-Dominated Sorted Genetic Algorithm-II，NSGA-II[35])进行对比。2种算法的原理、特点和适用条件如下：

(1)R-IMOMFO通过R支配(方案集与参考点分布的位置关系)来区分方案集的优劣程度，由于参考点是均匀分布的一组点集，因此通过该算法获取的调度方案集分布性更好；改进飞蛾扑火优化算法克服了算法早熟的缺点，优化结果不易陷入局部最优，调度方案集的收敛性也更好；该算法既适用于低维多目标优化问题又适用于高维多目标优化问题。

(2)NSGA-II通过拥挤距离来筛选同一层方案的优劣程度，当目标维度较高时，该算法的分布性较差；因此该算法较适合于低维多目标优化问题。

4 结果分析与讨论

4.1 风光水多能源系统资源互补特性初步分析风电、光电和水电出力的主要影响因素分别是风速、太阳辐射强度和径流[36]。根据同一研究区域内风、光和水资源的时间分布规律，可以分析得出水电出力与风电、光电出力在年内或日内不同时间尺度上均有一定的互补性。一般而言，在年内时间尺度上，夏季光照充足、太阳辐射强度大，汛期来水丰富、入库径流多，但风速较小；冬季太阳辐射强度小，枯水期入库径流少，但是风速较大。在日内时间尺度上，日间太阳辐射强度大，风速较小；夜间无光但风速较大。

以雅砻江流域风光水试验基地为例，绘制沃底、大河、阿萨、白乌四个风电场的平均风速和扎拉山光电场的平均太阳辐射强度变化曲线，如图2所示，左图按年内各月平均统计，右图按日内各小时统计。年内时间尺度上，1月至4月属于强风弱光枯水期，风电出力与光电、水电出力互补；6月至10月属于弱风强光丰水期，光电、水电出力与风电出力互补。日内时间尺度上，19点至次日7点属于强风无光时段，9点至15点属于弱风强光时段，光电与风电出力互补。同时，水电能源具有强大的调节能力，在这些时段中，均可参与互补运行。

图2 风光水多能源互补特性分析

4.2 不同多目标进化算法对比同时采用R-IMOMFO[34]和NSGA-II[35]2种多目标优化算法对风光水互补系统效益-稳定性多目标优化调度模型进行求解。在2011年7月8日(弱风强光丰水期)上完成案例研究。2个多目标进化算法在效益-稳定性多目标优化调度问题上的Pareto前沿如图3所示，结果分析如下：

图3 风光水多目标优化调度模型Pareto前沿(R-IMOMFO和NSGA-II)

R-IMOMFO算法与NSGA-II算法对比，在互补系统总发电量目标维度上，前者目标范围是[0.6010，0.6225]亿kWh，后者目标范围是[0.6107，0.6219]亿kWh；在互补系统出力过程变异系数目标维度上，前者目标范围是[0.0351，0.0734]，后者目标范围是[0.0482，0.0724]；总体来看，R-IMOMFO算法比NSGA-II算法收敛性更好，在目标维度上的范围跨度也更优，分布性也是前者优于后者。在效益-稳定性多目标优化调度问题上，发电量与变异系数目标之间关系为：总发电量越大，变异系数越大，出力过程平稳性越差。

4.3 不同典型方案对比为了充分分析风光水多能互补系统效益-稳定性多目标优化调度模型调度过程，采用R-IMOMFO算法求解结果进行分析，如表2所示，并选取典型方案1、25和50对比分析。R-IMOMFO算法在互补系统总发电量目标维度上的范围是[0.6010，0.6225]亿kWh；在互补系统出力过程变异系数目标维度上的范围是[0.0351，0.0734]。典型方案25在两个目标维度上的目标值分别为0.6141亿kWh和0.0510，是在两个目标维度上均较优的折中方案。

表2 R-IMOMFO算法求解风光水互补系统效益-稳定性多目标优化调度模型方案集

风光水多能互补系统效益-稳定性多目标优化调度模型典型方案水位过程对比图和出力过程对比图分别如图4和图5所示，关于多目标结果的分析如下：

图4 典型方案水位过程对比图

图5 典型方案出力过程对比图

(1)方案1至方案50，互补系统总发电量逐渐增加，变异系数逐渐变大，出力过程平稳性逐渐变差。

(2)各典型方案水位过程和出力过程差别主要集中在时段11至时段21。方案1是发电量最小、出力过程最平稳的方案，其在时段11至时段16上的平均水位是3个典型方案中最低的，在时段17至时段21上的平均水位是3个典型方案中最高的，从而使得方案1在时段11至时段16的发电量比其他典型方案小，在时段17至时段21的发电量比其他典型方案大，进一步使得整个出力过程更平稳。典型方案50是发电量最大、出力过程最不平稳的方案，其在时段11至时段16和时段17至时段21上的平均水位与方案1正好相反。方案25在时段11至时段16和时段17至时段21上的平均水位均位于方案1与方案50的上游水位中间，所以方案25是两个目标维度上均折中的方案。

(3)多目标优化调度结果中，无论在何种典型方案上，时段10至时段15的出力都是整个过程的关键时段。发电量是否能达到最大取决于这些时段出力线能否向上更凸出，出力过程能否达到最平稳取决于这些时段出力线能否向下更贴近出力均值线，而各方案两个目标的变化过程也在这些时段出力线的上下波动中体现。

从典型方案的出力过程图中进一步分析，可得出以下关于出力互补的结果：(1)时段16—时段18是风电出力最高的时段，此时光伏出力呈现减少趋势，验证了风电出力与光电出力在日内的互补特性；(2)仅仅依靠风电与光电自身的互补特性难以在所有时段较好平抑出力波动，通过水电能源的调节可较好平抑出力波动，但是在雅砻江流域风光水先期示范基地上难以完美平抑出力波动；现阶段规划光电规模为70万kW，先期接入水电装机容量为240万kW，可以考虑后期接入更大装机容量、调节能力更强的水电能源。

5 结论

风光水互补系统的发电效益和稳定性对大力开发风电、光电和水电混合能源有重要意义。本研究以雅砻江流域风光水互补先期试点示范基地作为研究对象，以发电量最大和出力过程变异系数最小为目标建立发电效益-稳定性多目标优化调度模型，并采用R-IMOMFO优化算法进行求解，得出以下实验结论：(1)互补系统在日内时间尺度上的互补关系为从夜间到日间再到夜间，光电出力从零逐渐增大再变为零，风电出力从大变小再变大，存在日内互补关系，水电能源依靠调节能力可有效互补平抑风电和光电出力。(2)R-IMOMFO优化算法在求解风光水发电效益-稳定性多目标优化调度模型问题上优于NSGA-II算法。(3)在风光水互补系统效益-稳定性多目标优化调度结果中，目标之间的关系为：总发电量越大，变异系数越大，出力过程平稳性越差。(4)为进一步平抑风光出力，雅砻江流域风光水互补示范基地可考虑接入更大装机容量、调节能力更强的水电能源。