计及需求侧管理的风电光伏互补电网调度方法

段树勋，张国栋

（山东中实易通集团有限公司，山东 济南 250000）

0 引 言

风电光伏互补电网采用分布式发电方式，在运行过程中，风电、光伏电站联合发电，为用户提供电能。随着分布式发电技术的不断发展，以及社会对可再生能源关注的不断提高和重视，风电光伏互补电网逐渐取代传统形式电网，成为当前主流电网形式。但是，在电网运行过程中如何合理调控风电、光伏发电，使2 种电协调、互补，充分发挥出风电光伏互补电网的优势，成为目前电力企业面临的重要挑战。科学、合理地调度不仅能够提高清洁能源利用率，同时能促进电网节能减排，满足用户的用电需求，对提高风电光伏互补电网运行的稳定性和经济性具有重要意义，因此对风电光伏互补电网调度非常有必要。但目前现行的调度方式没有考虑需求侧管理因素，在调度过程中并没有从引导用户峰谷时段用电行为角度出发，导致调度决策并不合理，进而导致电网供电水平比较低，能量消纳率处于一个较低的水平，没有达到预期的调度效果。传统方法已经无法满足实际需求，为此提出计及需求侧管理的风电光伏互补电网调度方法。

1 设定调度原则和假设条件

根据风电光伏互补电网本身具有的特点，设定调度原则。在调度过程中，电网可以工作于互补、孤岛2 种模式下，但是优先考虑在孤岛模式下运行，如果风电光伏互补电网无法满足孤岛运行需求，即在风力发电或者光伏发电条件下发电量小于用户用电量，电网自身不能实现能量平衡或者功率平衡时，切换到风电光伏并网运行模式，即互补运行模式[1,2]。在对电网调度前，为了保证调度决策符合电网自身特点以及运行规律，提出以下假设条件。

假设1：在运行过程中要最大限度地利用风能、光伏发电的电能，目标函数建立时不考虑弃光问题，并且假设风能、光伏出力能够准确预测到。

假设2：作为电网运行调度问题，不考虑风电系统、光伏系统以及储能系统发生故障而退出运行的情况，并且也不考虑从公用电网购电的情况。

假设3：在调度过程中电网负荷分布特性是已知的，电网负荷只考虑固定负荷和可转移负荷2 种。

2 生成目标函数及约束条件

根据以上设定的调度原则和假设条件，以风电光伏互补电网运行总费用最小为目标，建立运行优化调度目标函数，用公式表示为

式中：minH为风电光伏互补电网运行总费用的最小值；T为单位时间间隔；t为电网运行调度的周期数；P(t)为调度周期内电网电能平均交易价格；M为电网可转移负荷的种类数；Sb为风电光伏互补电网运行中第b类可转移负荷的单位补偿费用；t1为电网负荷转移前运行时段；t2为电网负荷转移后运行时段[3]。针对需求侧管理，对于建立的目标函数设定约束条件，其中包含电网功率平衡约束、风电光伏出力约束以及储能系统充放电功率约束，用公式表示为

式中：Y为积极需求侧管理的电网运行约束条件；Pe为电网储能系统的充放电交换功率；Pr为某一时段负荷的总负荷功率；Pc为风电光伏发电功率；Wmin为风电光伏互补电网的最小出力；W为某一时段的电网出力；Wmax为电网的最大出力；Smin为电网储能系统荷电状态的下限；Smax为电网储能系统荷电状态的上限。

3 最优调度策略求解

由于符合约束条件的目标函数解比较多，假设目标函数可能解的数量为n，解集为N，利用粒子群算法对目标函数求解，从解集中搜索到最优解，其计算流程如图1 所示。

图1 基于粒子群算法的求解流程

如图1所示，假设解集中每个可能解为一个粒子，由n个粒子形成粒子群体，粒子群体在一个二维空间中对目标粒子搜索，根据实际情况对种群进行初始化，设定初始参数，其中包括种群数量、最大迭代次数、交叉率以及变异率[4]。种群在搜索过程中进行交叉、变异操作，更新粒子的位置与速度，用公式表示为

式中：vt+1为粒子种群交叉、变异操作后更新的速度；ϖ为惯性权重；vt为上一时刻粒子种群搜索的速度；e为交叉率；g为变异率；v*为粒子种群初始化的速度；xt+1为粒子种群交叉、变异操作后更新的位置；xt为上一时刻的粒子种群位置[5]。通过交叉、变异后，生成新的种群，以此完成一次迭代计算。根据事先设定的最大迭代次数，检验当前的迭代情况是否满足要求，如果没有满足迭代条件，则继续对种群进行交叉、变异操作；如果满足了迭代条件，则利用适用度函数计算种群中每个粒子个体的适应度值。适应度值可以反映出更新后粒子个体位置与目标位置之间的距离，适应度值越大，则表示粒子距离目标位置越近，输出适应度值最大的粒子个体，其对应的解为目标函数最优解，即电网最优调度策略。

4 实验论证

4.1 实验准备与设计

完成需求侧管理的风电光伏互补电网调度方法设计后，为实现对设计方法在实际应用中效果的检验，采用对比实验的方式对设计方法的可靠性与可行性进行检验。以某风电光伏互补电网为实验对象，该电网的光伏电源额定功率为120 kW，储能系统荷电状态的下限为0.25，上限为1.15，联络线路的最大功率约束为120 kW，蓄电池的额定容量为100 kW·h，额定充放电功率为45 kW。利用本文设计方法对该电网进行调度，为了使实验数据和实验结果具有一定的说明性与可靠性，选择2 种传统方法作为比较对象。2 种传统方法分别为基于用户满意度的调度方法和基于人工智能技术的调度方法，以下分别用传统方法1 与传统方法2 表示。实验中，令电网处于运行状态，将电网风机最大出力设定为65.45 kW，光伏最大出力设定为45.36 kW。根据该电网的实际情况设定粒子群算法的参数：将粒子种群数量设定为200，交叉率设定为0.24，变异率设定为0.14，最大迭代次数设定为100。按照设计流程求出最优调度策略，并进行实施，评定具体调度效果。

4.2 实验结果与讨论

实验以电网运行过程中风电光伏能源消纳率作为3 种方法调度效果的评价指标，消纳率可以反映出风能、太阳能用量占总发电量的比例，其值越高，则表示电网运行过程中发出的风能、太阳能使用程度以及资源利用率越高，电网的调度经济效果越好，计算公式为

式中：YU为风电光伏互补电网的能源消纳率；EN为风电光伏发电的使用电量；SD为风电光伏发电的总量。实验以时间为变量，每隔10 h 统计一次风电光伏互补电网的能量消纳率，具体数据如表1 所示。

表1 3 种方法应用下的电网消纳率对比

从表1 中数据可以看出，3 种方法在能量消纳率方面表现出明显的差异。在设计方法应用下，风电光伏互补电网的消纳率范围为85.18%～87.58%，平均值为86.32%，说明发出的风能、光伏能源基本可以被使用；而2 种传统方法应用下，风电光伏互补电网的消纳率相对较低，传统方法1 的消纳率范围为54.28%～56.42%，平均值为55.28%，比设计方法的消纳率低将近32%，传统方法2 的消纳率范围为52.41%～53.26%，平均值为52.61%，比设计方法的消纳率低将近34%。本次实验证明了，从电网能源消纳表现来看，设计方法优于2 种传统方法，能够有效提升风电光伏互补电网的消纳能力，具有良好的调度效果，相比较2 种传统方法更适用于风电光伏互补电网的调度。

5 结 论

调度是风电光伏互补电网管理与调控中一个重要环节，通过协调调度使电网运行状态优化。此次从需求侧管理角度出发，参考相关文献资料，提出了一个新的调度思路，有效增强了风电光伏互补电网消纳能力，为计及需求侧管理的风电光伏互补电网调度方法探究提供了参考依据，同时为实际调度操作提供了理论支撑，具有良好的现实意义。