節能發電調度模型與算法研究

李 虹 賈 玲

（陜西省地方電力（集團）公司，西安 710061）

電力調度方式對實現資源的優化配置具有重要作用，傳統的電力調度都是基于機組容量平均分配發電小時數，這種方法造成高效低污染的大機組發電不充分，小機組高耗能的小機組發電較多的情況，造成了資源的浪費和環境的破壞[1-7]。為實現節能減排，引導電源結構向高效率、低污染的方向發展，國家發改委提出了《節能發電調度辦法》的紅頭文件，要求各電力企業實行節能發電調度[8]。

節能調度室一項復雜的系統性工程，節能調度的施行對我國電力系統安全穩定運行具有重要影響，一方面隨著特高壓電網的建設，對節能調度提出了更高的要求，另一方面機組發電和機組組合的不確定也對節能發電調度提出了嚴峻的考驗。因此，開展節能發電調度的研究是一項迫切需要解決的問題。

隨著以太陽能發電、風力發電為主的可再生能源技術的發展，可再生能源的裝機容量在電網裝機中比例越大越大，同時由于可再生能源的隨機性和不可控性，其大規模的并網對電力系統的安全穩定提出了嚴重挑戰，新能源的環保經濟效益和運行的挑戰性成為矛盾。

針對上述情況，本文構建包含可再生能源的節能調度模型，該模型考慮可再生能源機組的名義購電成本，以總發電能耗最小為目標函數。在此基礎上，通過粒子群算法進行求解。最后，以ΙEEE3014算例進行研究，仿真結果驗證了節能發電模型和算法的有效性和可行性。

1 節能發電調度模型

1.1 目標函數

基于環境效益因素的非可再生能源機組的名義購電成本可定義如下[9]

式中，CG是常規機組的名義購電成本；CGS為燃料總成本；ηEPi為環保效益懲罰成本系數；CEC為排放物控制總成本；CGT為菲可再生能源機組的購電成本。

考慮可再生能源間歇性和隨機性的可再生能源名義購電成本購定義如下[9]

式中，CR為可再生能源機組的名義購電成本；CRT為可再生能源機組的購電成本；CRPi為備用容量懲罰成本。

CRPi主要體現可再生能源的經濟性和資源價值，在考慮環境效益的同時體現其給系統造成的損失，其定義如下

式中，ρRPi為可再生能源并網備用容量懲罰成本系數；Pwja為可再生能源發電機組j計劃發電量；Pwj為可再生能源發電機組j實際發電量。

新能源機組的出力不確定性導致了非可再生能源機組在其出力、發電的成本費用和可用旋轉備用也具有不確定性。因此構建以購電成本的期望目標函數的調度模型，模型中不確定的約束條件可以以概率的形式表示，節能發電調度模型如式（4）所示。

式中，T為周期小時數；N、M分別為非可在生能源機組和可再生能源機組臺數；CGi和CRi分別為非可在生能源機組和可再生能源機組；Uit（Kit）為1 時表示機組正常運行，為0 是表示機組停機。

1.2 約束條件

1）功率平衡約束條件，即可再生能源機組和非可再生能源機組在時刻t的出力與系統的負荷處于平衡。

式中，PGit和PWit分別為非可再生能源機組和可再生能源機組在t時刻的出力；PDt為t時刻系統的負荷。

2）機組出力約束條件，即非可再生能源機組與可再生能源機組的出力在其出力范圍內。

3）系統的旋轉備用約束條件?？紤]可再生能源后，系統的備用容量也是一個確定性的問題，這里通過概率的形式來體現不確定性[9]

式中，SRa和SRd分別為時段t時系統的上、下旋轉備用要求，θ1和θ2是置信水平。

4）火電機組的爬坡速度約束條件如式（8）所示。

式中，SdGi和SuGi是時段t時火電機組l 的有功出力；θ3是置信水平。

2 粒子群算法

粒子群算法收鳥群覓食行為的啟發而產生的一種現代智能算法，廣泛用于各種復雜優化問題的求解過程中，粒子群算法的基本步驟如下[10-12]：

1）初始化設置粒子群的大小、慣性時間常數、加速洗漱。迭代次數。種群初始位置和初始速度。

2）計算每個粒子的適應值。

3）確定粒子的個體極值和當前的全局極值，同時更新每個粒子的位置和飛行速度。

4）如未達到預先設定的停止準則（通常設置為最大迭代次數），則返回步驟2），若達到則停止計算。

在原始粒子群算法中，如果粒子的飛行超出了解空間，用一個常量Vmax限制粒子的最大飛行速度，只要粒子速度的絕對值在任一維上超出Vmax，都將其值置為Vmax或者-Vmax。

粒子群算法的流程框圖如圖1所示。

圖1 粒子群算法流程圖

3 算例結果與分析

算例系統是一個標準的ΙEEE14 節點系統，系統結構如圖2所示，圖中母線8 是發力發電機組,系統參數如文獻所示。

圖2 算例系統結構圖

在仿真計算中，設定系統的選擇備用容量為總負荷的3%，除風電機組外，其余非可再生能源機組的煤耗設為300g/kW·h 時，設定選擇備用容量的置信水平為0.95，機組爬坡的置信水平為0.9，機組成本系數為0.2 萬/100MW，風速曲線如圖3所示。

圖3 母線8 風電機組的風速曲線

采用本文提出的粒子群算法對節能發電調度模型進行求解，仿真計算中粒子群算法的相關參數設定見表1。

表1 粒子群參數設置

在表1所示的參數的情況下，采用粒子群算法對節能發電調度模型和常規調度模型進行求解，計算結果見表2。

表2 計算結果比較

從表2的結果分析可知，節能發電調度模式比常規的經濟調度模式在發電煤耗量，污染物排放量、均具有明顯的優勢，其中節能發電調度模式在發電煤耗量方向減少將近300 噸，在污染排放量方面減排1.23 噸；但是發電燃料成本和購電成本確相應的偏高，其中發電燃料成本節能發電調度比經濟掉多30 萬，購電成本節能發電調度比經濟調度高10 萬。具體原因如下：

1）發電成本的偏高主要是因為節能發電調度使用大容量的機組進行發電，盡量使大容量機組多發滿發。這類大機組的發電成本費用相對于小機組較高，而經濟調度模式有限調度發電成本角度的火電機組，因此造成節能發電調度的發電成本比經濟調度的高。

2）購電成本偏高的主要原因在于節能發電調度方式下，有限考慮風電等清潔機組。風電機組的上網電價價高，而經濟調度模式首先考慮以水電為主的成本較低的機組，因此造成了節能發電調度的購電成本比經濟調度的成本高。

4 結論

節能發電調度是遏制氣候變暖，降低污染物排放的一項重要具體措施。本文提出考慮可再生能源，以總發電能耗最小為目標函數的節能發電調度模型。采用粒子群算法對節能調度模型進行求解。以ΙEEE14 節點為算例進行進行研究，研究結果表明，節能發電調度在煤耗量和污染物排放量方面比經濟調度模式具有明顯的優勢，但是在發電成本和購電成本方面，節能調度模式比經濟調度模式稍高。

[1] 尚金成.節能發電調度的經濟補償機制研究(一):基于行政手段的經濟補償機制設計與分析[J].電力系統自動化,2009,33(2):44-48.

[2] 曾鳴,史連軍,董軍,等.與市場機制相協調的節能發電調度相關問題研究[J].電力技術經濟,2007,19(5):1-5.

[3] 趙靜.電力行業節能淺析[J].電力技術經濟,2007,19(3): 39-42.

[4] 嚴宇,馬珂.改進發電調度方式,實施節能、環保、經濟調度的探討[J].中國電力,2007,40(6):6-9.

[5] 尚金成,張兆峰.區域共同電力市場交易機理與交易模型的研究[J].電力系統自動化,2005,29(4):6-13.

[6] 趙風云.對新型節能發電調度方式的探討[J].電業政策研究,2007,(3):23-24.

[7] 白建化,張風營.發電調度:電力降耗突破口[J].中國電力企業管理,2007,(2):22-23.

[8] 國務院辦公廳.關于轉發發展改革委等部門節能發電調度辦法（試行）的通知[Z].2007.

[9] 鄢帆.電網企業節能發電調度模型及其運作體系研究[D].華北電力大學,2011.

[10] YOSHΙDA H ,KAWATA K,FUKUYAMA Y,et al.A particle swarm optimization for reactive power and voltage control considering voltage stability [A].Proceedings of the Ιnternational Conference on Ι ntelligent System Application to Power System [C].Rio de Janeiro,Brazil,1999.117-121.

[11] KENNEDY J,EBERHART R C.A discrete binary version of the particle swarm algorithm [A].Proceedings of the World Multiconference on Systemics.Cybernetics and Ιnformatics [C].Piscataway,NJ: ΙEEE Service Center,1997.4104- 4109.

[12] FAN H Y,SHΙ Y H.Study of Vmax of the Particle Swarm Optimization Algorithm[ R] .Proceedings of the Workshop on PSO.Ιndianapolis :Purdue School of Engineering and Technology ,ΙNPUΙ ,2001.