風電的短期機組組合策略研究綜述

殷建煒 劉三明 王致杰

【關鍵詞】機組組合 風能 不確定性

1 技術背景

隨著能源問題在全球經濟的大背景下日益凸顯，人們意識到能源是人類生存和整個社會發展的重要物質基礎。但是現如今，傳統能源（煤、石油）已經不能滿足經濟以及可持續發展大背景下的的需求，因此為了解決能源缺乏以及環境惡化等問題，各國正在積極探索和鼓勵可再生能源的發展。到目前為止，我國部分地區的風電并網比例已經超過了20%（內蒙古東部電網裝機比例超過30%）。在未來的幾年內，根據我國對于新能源發電計劃的政策扶持，我國的風電總裝機容量將迅速且持續的增長。

1.1 技術含義

機組組合作為調度階段措施之一，是電力系統規劃以及運行的重要研究課題，其主要任務是在以日、周、年為周期的時間段內，以已有的負荷預測為基準，同時以總成本最低為目標來安排各個時間段內各機組的啟停計劃和出力的大小。機組組合問題對于電力系統的可靠性、安全性、經濟性都具有十分重要的意義。在機組組合計劃階段，需要考慮多種系統約束和單機約束，其中包括：功率平衡、備用需求、網絡安全約束、機組出力上下限、機組爬坡率限制等，同時還需能保證整體電網的安全以及可靠性，使其策略合理可行。良好的組合策略可以有效的降低能源消耗，提高發電機組的運行效率和可靠性，并延長機組的使用壽命，其所產生的直接和間接的經濟效益巨大。

1.2 目標函數

機組組合的最終優化結果是要在各種約束條件下，是電力系統的調度運行成本（能源耗量）可以達到最小。其目標函數可以表述為：

其中C為調度成本；T為整體時間周期；N為機組總數；Uti表示i號機組在t時刻的啟停狀態（Uti=1表示機組啟動，Uti=0表示機組停機），Pti表示i號常規機組在t時刻的出力，Uti和Pti均為整體系統中的決策變量；fi（Pti）表示i號機組在出力為Pti是的運行成本。

通常情況下影響上式優化結果的約束條件有以下幾項：

1 機組有功功率平衡：

Pt表示t時刻下電力系統的有功總負荷；

2 機組有功出力約束：

，分別表示i號機組有功出力的最大與最小值；

3 機組爬坡約束：

其中，分別表示i號機組有功出力的上升與下降速率的最大值；

4 機組旋轉備用約束

其中表示i號機組t時刻出力的最大值，表示t時刻的旋轉備用容量。

在以往傳統的火電機組組合中，發電機組為可調節機組且輸出較為穩定。因此負荷預測可以通過各種技術方法得到并且結果可以滿足各項指標要求，故機組組合問題的研究成果相對較為完善成熟。但近年來，我國經濟飛速發展，電網規模逐步擴大，要考慮更多復雜約束，包括：網絡安全、環境保護等；同時，雖然風能有無污染、可再生、裝機規模靈活的優點，但由于風能具有很大隨機性、波動性、間歇性的缺點，難以準確預測各周期的負荷。使得機組組合問題變得更加復雜化，因而對現有中長期及短期機組組合策略的制定提出了新的挑戰和難題。

1.3 技術關鍵

由于風力發電的部分缺點是具有隨機性、波動性、間歇性，并且精準預測風電功率難度較大。因此大規模風電并網對于電力系統的影響，包括制定發電計劃和機組組合策略等一系列關鍵措施都帶來了很多障礙。為解決大規模風電并網對于機組組合問題的各種不利影響，必須在傳統的機組組合數學模型以及解決方法基礎之上繼續探索，對風電并網以后的機組組合情況進行改進與創新，可以從以下幾個角度考慮改進的方法：

（1）由于風電的不確定性較大，所以需要在較為準確預測風電功率的基礎上，通過仿真實驗建立可以真實描述風功率隨機波動的數學模型，為系統調度規劃以及機組組合策略制定提供理論基礎；

（2）考慮到風功率波動在原有機組組合基礎上增加了部分約束條件，所以整體系統的運行費用C也會相應提高。因此需要在大規模風電并網所產生的額外成本與風電并網對于常規能源所造成的環境污染的改善，這二者之間找到最優方案，取得環境與經濟效益的共贏。

（3）由于目前風功率預測與實際值存在較大誤差，所以需要在傳統旋轉備用基礎上增設下旋轉備用，比如：

表示t時刻出力的最小值，表示t時刻的下旋轉備用容量

目的是防止當系統負荷較低時，風功率的激增導致風機強制脫網所帶來的危害。因此需要增加額外的下旋轉備用來保證電力系統的穩定性和可靠性。這也是目前研究含風電機組組合的難題之一。

2 國內外研究現狀

機組組合優化問題一直是國內外電力系統研究中的熱點。多年來，研究學者對機組組合的模型及求解方法進行了各種各樣的探索，所提出的數學模型對于待解決問題都各有側重，也可以滿足不同系統的運行要求。機組組合問題從數學角度來講，屬于一個高維、非凸、離散、非線性的混合整數規劃問題，含有大量的離散變量和連續變量。從理論角度，很難在一定時間內找出全局最優解。可由于解決此問題所能帶來的直接和間接的巨大經濟效益，因此也激勵著國內外電力研究學者對此問題進行深入的探究，目前為止解決方法含有；數學規劃法、人工智能優化法等。

隨著風電并網造成不確定性的增加，近年來國內外對風速及風電功率預測也開展了大量的研究。但是由于目前尚未掌握先進的技術手段，所以中、短期風電預測結果誤差還是遠遠大于負荷預測。在含大規模風電并網的電力系統中，由于風能的隨機性、波動性、間歇性的缺點，造成風電出力及波動的不確定性一直是制定機組組合策略環節所面對的最為復雜和關鍵的問題。到目前為止，大量的研究學者在含風電系統短期機組組合問題上開展研究，希望可以解決風電功率預測過程中的不確定因素，提升風電并網的所帶來的經濟效益，達到所需的調度成本最低的目標，目前己取得了一定的研究成果，但是仍然需要進一步的探索。

隨著風電在電力系統中的比重越來越大，在制定機組組合策略時如果忽略上、下旋轉備用的響應過程，則電網對于風功率的消納很可能受到機組出力變化的影響，嚴重情況下可能發生失負荷事故。同時由于風力發電波動可能幅度較大、持續時間較長，所以需要電力系統具備波動出現時的響應能力。通常情況下考慮風電的機組組合模型認為在風電功率預測中，各場景之間是相互獨立的，系統在出現波動后可以短時間內恢復到基準狀態，這種情況對于波動較小時是可以接受的。但當系統受到較大波動干擾時，事先制定的策略在波動之后將失去效果。因此對于風力發電的高幅度持續性波動，系統應有應對連續高幅波動的響應能力。所以在制定機組組合策略時，需要考慮到風功率的波動特性，使得系統可以在擾動下平穩運行。

3 主要研究方法

目前為止，為了應對風電所帶來的波動和高不確定性因素。通常情況下采用的方法有三種，分別為：直接預留備用容量、建立隨機規劃模型和建立模糊規劃模型。

3.1 直接預留備用容量

在大規模風電并網后，為了保證電力系統能夠安全可靠的運行，需要在原有的旋轉備用容量的基礎上，增加一定額度的備用，來應對風能的波動和不確定性。這是最基礎、最直接的解決方法，但是這種方法忽略了不同類型的風電機組的不確定性之間存在著疊加效果，因此預留的總旋轉備用容量與電力系統真正所需要的備用容量存在著難以忽略的誤差。因此最佳旋轉備用容量的選取需要考慮包括風電功率預測誤差在內的多種不確定性因素。目前為止，含大規模風電并網的電力系統最優旋轉備用容量的確定方法主要分為兩類：

（1）在風電預測誤差的概率分布基礎上，建立失負荷率或電量不足概率等系統可靠性指標與所需的旋轉備用容量之間的關系。在一定的可靠性指要求下，通過解析方法求取最優旋轉備用容量。但是這類方法涉及大量數學分析且求解困難，基本上無法找到全局最優解。

（2）建立以運行成本最小為目標的數學模型，分時段求解該數學模型在不同時間段里最優旋轉備用容量。該類方法實際上是通過權衡電力系統可靠性與目標調度成本后得到較為經濟的旋轉備用容量。

但這種方法前提是要求各時間段的供電可靠率都保持不變，但是對于系統可靠性的評估通常情況下都是以較長時間的整體水平為評估目標，所以該方法最終的優化結果受到一定程度的限制。

直接預留旋轉備用容量的方法直觀且實用，因而多為調度現場所接受。但由于對風電不確定性因素的考慮不能達到一定的精度，可能無法與其他機組的開停機方式建立聯系，故得到的機組組合策略不是最優的方案。近幾年出現的隨機機組組合模型可以更加準確地描述出風電不確定性，因而受到國內外研究學者的高度關注，也逐漸被國內外部分電網所采用。

3.2 隨機規劃

隨機規劃是對含有隨機變量的優化問題建模的有效的工具，它與直接預留備用容量這一類確定性規劃的區別是在系數中引入隨機變量。相比較確定性規劃，隨機規劃所包含的隨機變量更適合描述實際問題。因此廣泛應用于管理科學、運籌學、經濟學、電氣、最優控制等領域。含大規模風電并網的隨機機組組合模型大致分為基于風電場景的期望值模型及機會約束規劃模型兩大類。

（1）基于場景法組合模型通常假設風電功率預測誤差概率分布已知，按照該分布采用蒙特卡洛模擬方法等生成出大量可能產生的場景，采用場景縮減技術將模擬出的場景進行刪減，在縮減到可接受程度的場景數目后，再進行優化。

而關于風電功率場景的模擬，方法主要分為兩類：一、首先模擬產生風速場景，然后根據已有的風電功率與風速之間關系得到風電功率場景；二、按照風電功率或風電功率預測誤差的概率分布，直接產生可能出現的風電功率場景。

場景法可以在一定程度上適應風電的隨機特性，但是場景法的計算量巨大，而且無法確保包含所有可能場景，因此機組組合的決策結果的風險難以估計。

（2）機會約束規劃針對約束條件中含有的隨機變量，規定要在隨機變量實現之前做出組合決策。同時還需要考慮潛在的不利狀況發生時所做決策可能不滿足約束條件，因此采用一種措施：準許所做決策在一定程度上不滿足約束條件，但是該決策應至少使約束條件在一定置信水平下成立。機會約束規劃問題可以等價位確定性數學規劃問題，但對于一些復雜的規劃問題，則需要利用一些智能算法來求解，比如遺傳算法，模擬植物生長算法等等。

機會約束規劃模型通常將電力系統供電可靠性要求表示為發電充裕度的機會約束，建立規劃模型，然后將機會約束規劃轉化為一系列線性規劃問題，或者將機會約束擬合為分段線性約束然后求解。但是因為這類方法需要結合隨機模擬，而且利用大數定理得到的結論是抽樣值而非解析值，無法保證結論的可靠性。

3.3 模糊規劃

在模糊規劃中，為了解決含大規模風電并網的機組組合建模問題，可以通過建立目標函數與風電出力的隸屬度函數來進行模糊化處理。通過構建隸屬度函數來表達風電功率的不確定性和決策者對調度周期內總耗量成本的滿意程度。用隸屬度函數來表達決策者的滿意程度，將原問題等價為求取滿意度指標最大值問題。針對模型，采取其他的智能算法求解該優化問題的最優解。該方法能根據決策者的意愿找出既能滿足一定風險，又可以實現一定經濟效益的規劃模型，使最終的決策結果可以兼顧系統運行的可靠性和經濟性。

4 總結

本文陳述了含風電的短期機組組合的理論意義，也介紹了目前為止應用廣泛的制定機組組合策略隨機規劃方法以及關鍵技術。目前，對于包含不確定性的隨機機組組合研究逐漸深入，理論體系也愈加成熟。但是在制定機組組合策略時，對于存在的隨機影響因素仍然有大量的研究要做。而且需要對解決大規模風電并網所帶來的不確定性問題制定一系列相應的規范。因此，對于含風電的機組組合問題，仍然需要無數研究學者的努力探索。

參考文獻

[1]江興穩，周建中，王浩，張勇傳.電力系統動態環境經濟調度建模與求解[J].電網技術，2013（02）.

[2]康重慶，夏清，徐瑋，著.電力系統不確定性分析[M].科學出版社，2011.

[3]周瑋，孫輝，顧宏，陳曉東.含風電場的電力系統經濟調度研究綜述[J].電力系統保護與控制，2011（24）.

[4]代永強，王聯國，施秋紅，宋磊.改進的混合蛙跳算法性能分析及其在電力系統經濟調度中的應用[J].電力系統保護與控制，2012（10）.