计及需求响应的多区域电-气互联能源系统鲁棒调度方法

饶尧, 程元

(1.国网电力科学研究院武汉能效测评有限公司, 湖北, 武汉 430074;2.湖北瑞华科技工程管理有限公司, 湖北, 武汉 430074)

0 引言

自新能源开始在电力系统中占据一定地位,我国电力互联能源系统开始有意识地调整结构,特别是在能源危机的压力下,以风力发电为主导的新能源在能源系统中所占的比重逐渐提高,创造了巨大的经济价值[1]。但是风力发电本身具备极大的不确定性,难以成为稳定的能源,且电力客户自身的电力需求也无法被十分准确的预测,这样双重的不确定性对电力系统的调度造成了巨大的阻碍,导致调度成本极大。文献[2]在寻求了不确定性影响的可靠性分析后,得到了一个能源系统精细化建模的方法,在区域间的联络机会约束之内,将模型转化为二阶规划算法,并经过反复迭代求解,得到了一个较好的收敛特性与成本预测结果,该方法灵活性较强,可移植性较好。文献[3]加深了多区域电气负荷的耦合程度,利用需求相应的模型对节点间的电气平衡做出了价格的分析,并对节点区域的消费水平进行了综合性的估计。在使用不同的策略修订博弈演化过程的同时,推演用户的需求响应,对调度总成本做出预测。文献[4]在泛在电力物联网中建立了一个线性化的网络模型,针对调度鲁棒优化模型反复迭代,并提出了一个可以有效改善经济效益的区域热网损耗算法。

以往研究方法对能源互补的协调性作出了优化,有效地降低了单区域内系统调度成本,但是在多区域的协调规划中,没有作出有效的优化。为提高能源的调度效率,降低调度成本,对多区域电气互联能源系统的鲁棒调度方法进行优化设计。

1 计及需求响应的多区域电-气互联能源系统鲁棒调度方法设计

1.1 基于需求响应计算决策最优可行域

光伏或风力等电力系统的新能源无法准确预测其发电总量,此外,电网用户的用电需求具有一定的不确定性,因此,这种综合能源系统不仅给整个电力调度带来了巨大的挑战,而且增加了电力调度的成本。为了减少电力调度成本,需要准确评估风电出力,以减小误差,此时需要首先建立一个风电不确定的集合,其组成结构为

(1)

图1 风力发电可行域集合

如图1所示,灰色区域为弃风区域,通常为因风力过大导致电力系统受到损失的部分,切负荷区域则为实际的风力可接纳区域,二者相交,形成风力发电的可行域[5]。风力发电的可行域内,通常可以表示系统运行损失的负荷风险,在可行域外,则可以以分段序数为目标,实现可接纳能力的评估。

1.2 建立电-气互联能源系统调度模型

1.2.1 目标函数

在基于电-气互联能源系统的模型中,以经济性为核心目标,可以得到风电机组在二次函数模型中的成本函数。

(2)

式中,fcb表示燃气机组与风电机组在电-气互联能源模型中的成本,ai、bi、ci分别表示机组a、b、c的成本系数,ki表示i个燃气机组中天然气的输出总和[6-7]。计算天然气的存储总量时,需要分别计算气耗成本与存储成本:

(3)

式中,fhl与fcq分别表示天然气的消耗成本与存储成本,μj表示天然气本身的输出成本系数,ρj,p表示天然气输出的密度系数,Cn,k表示储气罐的存储系数,uk表示储气罐的消纳集合[8]。在未消纳的部分中,需要考虑风力发电等的影响,建立弃风惩罚的可再生限制,此时的惩罚成本为

(4)

式中,fcf表示在弃风作用下,电-气互联能源系统的整体惩罚成本,Cm,p与Cm,g分别表示风电机组中的出力上限与下限,Uh表示弃风作用下消纳作用的成本系数,Qi表示风电机组的储能集合[9-10]。因此,电-气互联能源系统调度模型的整体成本函数为风电机组的电力调度成本、气耗成本、存储成本的和减去消纳成本。

1.2.2 约束条件

约束条件分为风电网络的约束以及天然气网络的约束,在风电网络中,可以得到:

(5)

式中,Wmax,pj与Wmin,pj分别表示能源系统在风电网络中出力的最大值与最小值,Wpj表示该风电网络中系统出力,Whp表示网络损耗,Whp,max表示网损的最大值,uf与up分别表示某节点中电压矩阵的虚部与实部向量,αg表示节点的平衡负荷[11-13]。天然气网络的约束条件:

(6)

式中,fki与fkj分别表示天然气管道首端与尾端的存量回复值,Lmax,ij与Lmin,ij则表示天然气流量在传输过程中的压力最大值与最小值,Lij表示当前的传输压力,Smax,p与Smin,p分别表示储气罐容量的流出量最大值与最小值[14]。基于这2个约束条件,可以结合目标函数获得电-气互联能源系统调度模型。

1.3 设计多区域能源系统鲁棒调度控制算法

在解决多区域能源系统的调度控制成本问题时,需要对其进行多角度的联络更新,并依据收敛判据判断是否迭代结束,此时的算法流程如图2所示。

图2 算法流程

如图2所示,在优化多区域电-气互联能源系统的调度成本过程中,需要首先初始化电力网络、天然气网络以及能量耦合线路的参数,然后在外层稳态模型中,求解收敛迭代初始值,以此达到内层节点平衡优化的目标。此时的松弛变量需要通过更新的惩罚限制,平衡优化过程为

(7)

式中,Gi表示惩罚变量的平衡判定依据,当Gi大于0时,平衡优化成功,当Gi小于0时,平衡判定失败,Fz表示经过收敛的外层罚凹凸因子,pi和pj分别表示风电机组以及天然气机组的收敛容许度。通过平衡判定后,需要设置耦合变量,并在变量达到最大值时计算收敛精度,此时,即可得到多区域电-气互联能源系统调度成本的最优解。

鲁棒调度控制算法优化过程的伪代码如下:

1: Initialization phase:

2: Initialize the populationXof the balance optimization algorithm.

3: Initialize the parameters of the (i.e.,Gi,Fz,pi,pj, etc).

4: WHILE (The end condition is not met) do

5: Calculate the fitness function values.

6:Gi=Determine the best obtained solution according to the fitness values.

7: for (i=1,2,…,N) do

8: Update the mean value of the current solutionpi和pj.

9: Update theGi, Levy(Gi), etc.

10: ifGi≥0

3)*Githen

11: ifGi?0 then

12: ▷ Step 1: Expanded exploration

13: Update the current solution using Eq. (7).

14: if FitnessGi

16: if FitnessGi>Gi+1then

17: end if

18: end if

19: end if

20: else

21: end for

22: end while

23: return The best solution (Gibest ).

根据循环情况出现的频率可求出算法的时间复杂度,从最内层循环开始确定变量取值范围,确定变量每次取值的时间复杂度,记为f(n);循环相加f(n);重复加法即可计算出嵌套循环的时间复杂度。

2 算例分析

2.1 模型建立与参数设置

文中设计了一种计及需求响应的多区域电-气互联能源系统鲁棒性调度方法,在实验中与现有的“基于机会约束目标规划的调度优化模型”“基于演化博弈的区域调度模型”以及“考虑网络约束和源荷不确定性的调度方法”进行比较,测试本文方法的有效性与优越性。在仿真过程中,首先需要建立电-气互联综合能源系统如图3所示。

图3 电-气互联综合能源系统

在图3的能源系统中,节点G1、G2、G3分别表示燃气轮机,节点G4和节点G5则表示火电机组,节点Z表示电转气装置,节点1～节点6分别表示天然气系统中的6个供气源。电力系统中的节点A、B、C分别连接天然气系统中的节点1、2、3,电力系统之间共有7条连接线路,天然气系统间则有5条连接线路。设图3中的电-气互联综合能源系统为区域A,联合四个区域的电-气能源系统,分别设为区域A、区域B、区域C、区域D,得到多区域能源系统调度模型如图4所示。

图4 多区域能源系统调度模型

如图4所示,在两个区域间分别设置两条线路,分别为电力联络线以及联络管道,图3的A区域内也有相应的连接线路。

2.2 考虑需求响应的调度负荷仿真

综合图3与图4中的系统模型,根据往年历史数据,可以得到4个区域内电负荷、气负荷以及风力发电的预测功率如图5所示。

图5 风力发电、气负荷、电负荷预测值

如图5所示,风力发电的标幺值峰值为0.76,气负荷的峰值为0.6,电负荷标幺值的最大值为0.71。为方便管理,分别依据预测功率得到需求响应下,两区域、三区域、四区域电-气互联能源系统的出力情况,如图6所示。

(a) 两区域

在区域A与区域B的两区域联合能源系统调度中,5个节点的处理情况如图6(a)所示,在5:00以前,系统的总出力均小于200 MW;在5:00～16:00,系统出力呈先增加或减少的趋势,其峰值为320 MW;在17:00～23:00,系统出力骤然增加,然后逐渐减小至210 MW。在区域A、区域B、区域C的三区域联合能源系统效度中,0:00～3:00的系统出力小于600 MW,从4:00～13:00整体呈上升趋势,至13:00时到达顶峰950 MW,之后急速下降,至18:00以后,略微上升后有缓慢下降。在四个区域的联合能源系统调度中,功率变化坡度增加,其中的峰值为12:00时的2340 MW。由此可见,无论能源系统的区域面积,7:00～13:00与16:00～21:00均为出力的上升期,其他时间系统出力的低谷期。

2.3 不同调度方法成本比较

比较4种不同的调度方法,计算气在两区域、三区域、四区域中的调度成本,得到调度成本的比较结果如表1所示。

表1 不同方法调度成本 单位:万元

如表1所示,文中使用的调度方法在不同区域数量下均小于机会约束目标规划方法、演化博弈方法以及网络约束与源荷不确定性方法。这是因为本文方法基于需求响应计算决策最优可行域,建立电气互联能源系统调度模型,设计多区域能源系统鲁棒调度控制算法,进行内层节点平衡优化,从而对能源互补的协调性作出了优化,有效地降低了多区域内系统的调度成本。

3 总结

文中设计了一种结合需求响应的多区域电-气互联能源系统鲁棒调度方法,在满足多区域电-气网络相互独立的调度前提下,通过计算不同机组的系统出力,获取调度成本,并与其他方法进行比较,得到该方法成本为几种比较方法中的最小值。在该调度方法下,可以有效地降低调度成本,辅助能源网络获取自身效益的最大值。