含風電電力系統的月度機組組合模型

季 峰， 蔡興國

(哈爾濱工業大學 電氣工程及自動化學院， 哈爾濱 150001)

含風電電力系統的月度機組組合模型

季 峰， 蔡興國

(哈爾濱工業大學 電氣工程及自動化學院， 哈爾濱 150001)

為在更長的時間尺度上統籌協調各類發電資源，建立含風電電力系統的月度機組組合模型. 分析了保證中長期電量交易順利進行的均衡調度和節約能源、減少污染物排放的節能發電調度，建立協調電力市場和節能發電的月度機組組合模型. 該模型綜合考慮了中國“一機一價”和“標桿電價”的上網電價機制，以允許機組間均衡電量進行轉移的差別電量為基礎，以節能發電優先序列表作為電量轉移順序，利用風電功率相關性分析結果模擬生成考慮尾部相關性和秩相關性的風電功率可能場景，并依據火電機組熱啟動和溫態啟動的特點選取模型的計算粒度. 算例結果表明：該模型可以在降低機組啟停次數的情況下，協調含風電系統的整體購電成本和總煤耗.

調度模型； 風電功率； 機組組合； 中長期調度; 相關性

隨著中國電力工業技術的發展和電力、環境政策法規的逐漸實施，現階段中國電力生產過程中的各類發電資源日益增多，并且諸如電能交易合同、污染物排放指標、煤耗指標等發電資源多以中長期考核控制目標的形式給定. 受各類中長期發電資源限制時，電力系統多周期的分層調度機制是將中長期發電資源的預期控制目標逐漸轉換為發電機組具體出力的有效方法[1].現階段中國電力系統的運行特點決定了其發電計劃的編制是一個包括月度計劃、日前計劃、日內滾動計劃的分層決策過程. 近年來，隨著風電并網容量的快速增加，相關研究者對含風電電力系統的日前調度和日內滾動調度進行了大量的研究，但月度計劃作為分層決策過程中的重要一環以往的相關研究大多未考慮風電的影響.

月度計劃可以在更長的時間尺度內統籌協調各類中長期發電資源，確定各個發電機組的運行狀態從而為日前計劃提供決策依據，文獻[2]綜合考慮了月度發電計劃和機組檢修計劃，指出合理制定發電計劃和檢修計劃對于提高風電的接納能力和系統中期運行的可靠性和經濟性有重要意義，文獻[3]從月度機組組合和短期機組組合協調的思路創建了含風電的月度機組組合，但上述有關含風電月度機組組合的研究在建模時對于中國現階段的背景約束考慮較少. 現階段中國中長期機組組合主要受電力市場和節能發電調度的雙重背景約束，為此本章在電力市場均衡電量和機組節能能耗序位表的基礎上，允許均衡發電量由高耗能機組向低能耗機組轉移，并在考慮中國現階段上網電價機制和火電機組啟停運行特性的前提下，提出了協調電力市場和節能發電調度的含風電電力系統中長期機組組合模型.

1 風電功率不確定性的建模

1.1 風電功率的模擬方法

風電功率的各類預測技術僅限于短期功率預測，因此在中長期的時間尺度上無法采用預測值來獲得各個調度時段的風電功率，只能借助隨機抽樣的方法建模風電功率的不確定性，其一般模擬過程如框圖1所示.

圖1 風電功率模擬方法框圖

有研究表明風速符合不同形式的韋伯分布，而實測的風電功率則不滿足常見的概率分布形式，因此基于概率分布特性的抽樣模擬方法大多采用風速的概率分布來推導風電功率的模擬場景序列. 瑞利分布適用于絕大部分的風速統計特性[4]，計算公式為

因此本文采用式(1)所示的概率分布來表示風速的統計特性. 對式(1)的反函數，在[0,1]內進行隨機抽樣后代入風速-功率特性曲線便可以生成如圖2所示的風電功率樣本點.

(a)風速抽樣模擬 (b)風電功率抽樣模擬

1.2 生成風電功率時間序列

通過對風速概率分布的隨機抽樣可以獲得某個靜態時段的風電功率樣本點，但在具體的調度應用場合需要模擬風電功率的時間序列. 如圖3所示在已知各靜態時段的風電功率樣本點后，通過橫向和縱向兩個方向的擴展生成風電功率時間序列[5].

理論上通過枚舉方法可以構造出描述所有可能場景的風電功率序列，但在實際的構造過程中風電功率時間序列的數目隨著縱向樣本點的數目和橫向擴展時段的數目呈指數形式迅速增加，因此數量龐大的樣本點和過于精細的時段劃分均不利于模擬生成風電功率序列，需要進行一定程度的削減.

(a)縱向擴展 (b)橫向擴展

圖3 風電功率時間序列構造示意

Fig.3 Construction schematic of wind power time series

盡管有各類風電功率場景削減技術，但對于中長期時間的尺度的調度規劃問題，基于聚類思想的削減更為實用[6]. 縱向削減方面，首先利用聚類方法將隨機抽樣獲得的靜態風電功率樣本點，簡化為幾類具有一定發生概率的代表性樣本片段[7]. 對于圖2所示的風電功率樣本點可以按照可能出力大小將其出力分為0～20%，20%～50%，50%～80%，80%～100% 4類代表樣本片段，其示意圖和概率如圖4所示，圖中p1、p2、p3、p4為各段代表樣本片段可能發生的概率. 此時依據圖3所示的風電功率序列構造示意圖，利用隨機抽樣的方法對各調度時段可能出現的樣本片段按照其發生的概率進行抽樣，便可生成描述風電功率的可能場景. 而對于一定地理區域內相距較近的多個風電場，依據風電功率間的相關系數進行抽樣，可以得到考慮相關性的多組風電功率序列[8].

圖4 風電功率的樣本片段

2 協調電力市場和節能發電的月度機組組合模型

2.1 調度模式分析

中長期機組組合作為分層調度決策的重要內容，其核心是安排未來月份的電力、電量平衡，以系統的發電成本或能耗為目標優化機組的中長期出力，獲得發電機組的中長期啟停方案，進而為日前發電計劃的制定提供決策依據. 現階段中國的月度機組組合主要受電力市場[9]和節能發電調度[10]等背景環境的限制.

1)均衡調度模式. 電力市場的核心問題是電能交易，因此電力市場環境下的中長期機組組合以電能交易合同的執行情況為主要目標. 在中國初期電力市場環境下電網公司多以一定區域內發電機組具有相近的負荷率水平來確定機組的長期發電電量并以此電量為基礎與各發電公司簽訂長期購電合同[11]. 在具體的電力生產過程中，電網公司為履行購電合同，保證各發電公司長期購電合同公平有效的執行，大多采用三公原則為基礎的均衡調度模式來平衡各發電公司的利益. 在初期電力市場環境下，均衡調度模式保證了各發電機組具有近似的利用小時數，相對公平地維護了各發電機組上網發電的權益. 但均衡調度模式并未對高污染、高排放的小機組和低污染、低排放的高效機組加以區別對待，此模式下各發電公司更關注其中長期購電合同的完成情況，而對某一天的具體出力計劃并不特別關注. 對于生產相同的電量，高耗能機組和低耗能機組消耗的能源和排放的污染物有著較為明顯的差別，因此單純的均衡調度模式難以適應中國節能減排的整體要求.

2)節能調度模式.2007年為提高電力工業能源使用效率，節約能源，減少環境污染，國務院出臺的《節能發電調度辦法(試行)》要求電網采用節能發電調度模式. 節能發電調度模式要求優先調度可再生能源發電，對傳統火電機組按照能耗水平編制機組發電序位表，并以此序位表作為節能發電調度的主要依據. 圖5為均衡調度模式和節能調度模式的對比示意圖. 依據節能調度辦法嚴格按照發電序位表依次加載或退出發電機組，可以保證系統消耗的能耗最小化，但與均衡調度模式相比，某些排在序位表末尾的高耗能火電機組的發電量會減少，有些機組甚至沒有開機發電的機會，即節能調度模式下電網中長期發電計劃從基于三公原則逐漸轉變為基于差別電量原則. 因此從機組中長期發電量的角度考慮，節能調度模式可以理解為均衡調度模式下高耗能機組向低耗能機組轉移其原有均衡發電量而形成的調度模式[12].

2.2 協調電力市場和節能調度的機組組合

在實際調度中，低能耗機組大多是擴建、新建或技改的大容量機組，高能耗機組則以具有一定服役時間的中小型機組為主. 而且如表1所示為中國某省火電上網電價，其中“標桿電價”為0.485 2元/kWh. 在中國上網電價“一機一價”和“標桿電價”并行的背景下，運行多年且完成折舊的老機組，已經沒有了還本付息的壓力，其上網電價往往低于現行的“標桿電價”，而“標桿電價”實行以前新建、尚未完成折舊(一般取20 a以下[13])依然具有還本付息壓力的機組，其上網電價往往又高于現行的“標桿電價”. 因此從電網公司購電成本的角度考慮，節能調度模式下高耗能機組向低耗能機組轉移其原有均衡發電量時存在著一定的優化空間.

圖5 均衡調度模式和節能調度模式對比框圖

發電機組編號裝機容量/MW上網電價/(元/kWh)1號6000.49122號3000.48523號3500.48524號2000.4562

隨著風能、太陽能等無調節能力的大規模可再生能源接入電力系統，系統的波動性顯著增加. 目前對于中國大部分以火電機組為主的發電結構，需要依靠火電機組來調節可再生能源的波動性. 如果單純從調節可再生能源波動性的角度考慮，電力系統采用大開機計劃有利于增加系統可調節的備用容量，能夠更有效的平抑系統的波動性，但過大的開機計劃又有違現行的節能發電調度方法. 因此在初級電力市場和節能發電調度的雙重背景約束下，為了合理優化含風電電力系統的中長期發電計劃，本文采用如圖6所示的綜合調度模式.

圖6 綜合調度模式示意

該綜合調度模式以各機組的均衡發電電量為基礎，首先依據節能發電調度的要求將系統內所有參與調度的機組按照能耗水平高低生成發電序位表，并以機組i作為分界機組將序位表中的機組分為發電量受讓方和發電量轉讓方兩類. 其次在考慮風電接入和機組不同上網電價的前提下，優化轉讓方向受讓方轉移的電量，進而確定各個機組的差別發電量和開停機狀態.

2.2.1 月度機組組合的計算粒度

日前發電計劃大多選用1h或15min的計算粒度，理論上通過擴展計算時段數月度機組組合模型可以選用與短期調度模型相同的計算粒度，但相對于日發電計劃月度機組組合是一個較長周期的計劃，若采用如此精細化的計算粒度，一方面會嚴重制約計算效率和計算性能，另一方面在長周期計劃里面采用精細化的計算粒度，對于實際生產缺乏指導意義[14]. 同時在中長期時間尺度上，風電等可再生能源無法通過預測方法有效獲得，只能通過隨機模擬的方式來近似描述，過于精細化的計算粒度將給場景模擬和場景削減帶來嚴峻的挑戰.

中國的月度發電計劃主要是在給定計劃月份總發電量的基礎上優化各機組的月度電能計劃和某日電能分解值，并最終確定機組的組合方案[15]. 中國大部分的火電機組最初是按照帶基本負荷兼具調峰運行能力設計的，其啟停過程復雜、費用高昂，且機組的啟停次數受機組使用壽命的嚴格約束，如表2所示為某汽輪發電機組采購技術協議中對給定次數下計算壽命消耗不大于75%的規定.

表2 某汽輪發電機組計算壽命與啟停次數有關規定

從表2中可以看出，火電機組的4類啟停次數與機組的計算壽命之間存在著明顯的關系，因此在考慮月度機組組合時不但要考慮火電機組的啟停費用，同時需要考慮機組的啟停次數. 從火電機組的運行特性考慮，理論上和實際應用中，一天之內火電機組不宜兩次啟停，否則得到的組合方案是不經濟的，因此采用日作為月度機組組合的優化時段較為適合[14]. 但由于熱態啟動的停機時間要求小于10 h，如果選用日作為計算時段，則機組在某日停機后又必須在當日開機，無法有效分辨機組的熱態啟動，為此本文綜合考慮負荷峰谷平的特點和熱態啟停時間小于10 h的要求在月度機組組合中考慮采用8 h間隔的計算時段. 采用8 h的計算時段可以基本上保證機組在第t個時段熱態停機后，在第t+1個時段進行熱態開機，并且月度機組組合的計算時段擴展為90個與選用15min為間隔的日前發電計劃具有相似的計算規模.

2.2.2 月度機組組合模型

1) 目標函數.節能發電調度模式下為了追求系統整體能耗的最小化，對于以火電機組為主的系統一般按照機組平均煤耗水平高低生成發電序位表安排發電，因此為了符合節能發電調度辦法，本文在月度機組組合的目標函數中計及下式所示的機組煤耗水平.

式中：N為參與調度機組的數目；T為計算時段數；ωi為機組i的平均標準煤煤耗，g/kWh；si,t為機組i在t時段的開停機標識變量，開機狀態si,t=1，停機狀態si,t=0；wi,t為機組i在t時段的發電電量，kWh；ui為機組i的轉讓電量標識變量，ui=1為機組i為電量出讓方，ui=0則為機組i為電量受讓方；ri,t為機組i在第t個調度時段的出讓電量；zi,t為機組i在第t個調度時段的受讓電量.

同時在中國現行上網電價機制下，各類發電機組的上網電價尚未完全統一，不同能耗水平的部分機組間存在著上網電價差，因此本文在月度機組組合的目標函數中計及下式所示的電網公司購電成本.

式中μi為機組i的上網電價，元/kWh.

月度機組組合會形成機組的啟停方案，而火電機組的啟停費用高昂、啟停次數受其設計使用壽命嚴格限制，因此在目標函數中需要合理考慮機組的啟停費用并對機組的啟停次數進行合理優化. 在4類啟動狀態中冷態啟動次數較為有限一般用于機組的計劃檢修、臨時檢修和事故停機等情況，極熱態啟動不僅啟動次數較為有限而且會對機組造成較為嚴重的影響，因此本文在月度機組組合模型中重點考慮熱態啟動和溫態啟動兩類啟動狀態.

式中SChot為機組總的熱態啟動費用，SCwarm為機組總的溫態啟動費用，且有

(6)

對于上述月度機組組合目標函數中的各分量，F2、F3的量綱為元，而F1的量綱為g. 為了統一目標函數中各分量的量綱，將分量F1乘以煤炭價格轉變成與F2、F3相同的量綱，此時月度機組組合的目標函數可以表示為

式中γ為煤炭價格，元/g.

2)約束條件. 系統的發電電量平衡約束為

式中wi為機組i的均衡發電電量；w為計劃月份總發電電量，其中wi表示為

并且在某個調度時段內機組的發電電量和機組的輸出功率存在有

其中Pi,t為火電機組i在t時段的輸出功率；ΔT為調度時間間隔.

系統的出力平衡約束為

火電機組的出力上下限約束為

火電機組的爬坡約束為

式中：si,t和si,t+1要求等于1，RUi為機組i在調度時段內的爬上能力，RDi為機組i在調度時段內的爬下能力.

系統最小備用容量約束為

式中Rs為系統的備用容量，Rw為風電的備用容量.

溫態啟動時機組的啟停時間約束：

機組的啟停次數限制表示為

2.2.3 模型的求解

如上所述含風電的月度機組組合模型，受風電功率不確定性的影響，屬于不確定規劃范疇，為了考慮風電功率的隨機模擬場景本文采用隨機期望值模型來處理模型中的不確定性[16]. 此時第2部分中生成的各調度時段風電功率模擬場景及其期望值可以表示為如圖7所示.

確定中、大型機組的機組啟停時，需要考慮啟動耗量和各類技術限制，混合整數規劃方法是目前解決解決這類復雜問題的較常用的方法，為此本文在MATLAB環境下利用Yalmip建模該模型并調用Cplex進行求解.

圖7 風電功率模擬場景與期望值

2.2.4 算例分析

本文采用IEEE 118節點系統進行算例分析，其中共有186條輸電線路，54臺火電機組，91個節點負荷. 系統中輸電斷面15—33，19—34，38—30，23—24的傳輸容量為200 MW. 測試系統中共有54臺火電機組，依據機組優先順序排序后，1～27臺機組作為電量受讓方，28～54臺機組作為電量出讓方. 在節點13、14、16、17、61、62分別接入有一個風電場，其中13、14、16、17接入的風電場屬于同一區域具有相關性的風電場，61、62接入的風電場屬于另一區域具有相關性的風電場，利用2.1節介紹的風電功率建模方法得到風電場13、14、16、17的出力情況如圖8所示，風電場61、62的出力情況如圖9所示.

圖8 風電場13～17的輸出功率

圖9 風電場61，62的輸出功率

測試系統預測負荷的平均值為4 047 MW，最大值為5 577 MW，具有循環特征的預測負荷如圖10所示.

圖10 118節點測試系統的預測負荷

在MATLAB環境下利用Yalmip建模該調度模型并調用Cplex求解器進行求解. 在英特爾酷睿雙核2.0 GHz，2G內存的計算機上計算時間為182.6 s，此時目標函數值最優為831 002 000元，計算得到該模型目標函數的計算收斂過程如圖11所示.

圖11 模型目標函數的收斂過程

為了對比分析不同調度模式的結果，本文將協調調度模式與合同電量執行偏差最小為目標函數，追求各個發電機組合同執行電量均衡性的均衡模式[14,17]和追求系統發電煤耗最小的節能發電模式[10,18]進行對比分析.

同時為了分析不同情形下模型算法的魯棒性，改變風電場數據后得到，協調電力市場和節能發電調度模型與均衡調度模式和節能發電調度模式的結果比較情況見表3.

表3 不同調度模式下的結果比較

從表3可以看出，綜合考慮電力市場發電電量和節能調度要求的協調調度模型在降低機組開停機數目的情形下，可以較為有效協調系統的購電成本和總體煤耗，且在不同的風電出力情形下模型算法具有一定的魯棒性.

3 結 論

1) 依據風電功率相關性分析結果模擬生成考慮尾部相關性和秩相關性的風電功率可能場景.

2)依據模擬抽樣的方法和聚類思想生成計及尾部相關特性的風電功率模擬場景.

3)建立了協調“一機一價”、“標桿電價”的電價機制和節能發電優先序位表的月度機組組合模型.

4)118節點算例表明建立的機組組合模型以在降低機組啟停次數的情況下，協調含風電系統的整體購電成本和總煤耗.

[1] VEMURI S, RANJIT A B, KUMAR D F, et al. Hackett fuel resource scheduling, part I:overview of an energy management problem[J]. IEEE Transaction on Power Apparatus and Systems, 1984, 103(7): 1542-1548.

[2] 周明，夏澍，李琰. 含風電的電力系統月度機組組合和檢修計劃聯合優化調度[J]. 中國電機工程學報,2015，35(7): 1586-1595. DOI:10.13334/j.0258-8013.

ZHOU Ming, XIA Shu, LI Yan. A joint optimization approach on monthly unit commitment and maintenance scheduling for wind power integrated power systems[J]. Proceedings of the CSEE, 2015，35(7): 1586-1595. DOI：10.13334/j.0258-8013.

[3] 張娜. 面向風電高不確定性的多周期機組組合研究[D]. 大連：大連理工大學，2014.

ZHANG Na. Multi-cycle unit commitment coping with high wind power uncertainty[D]. Dalian: Dalian University of Technology, 2014.[4] ATWA Y M, EL-SAADANY E F, SALAMA M M A,et al. Optimal renewable resources mix for distribution system energy loss minimization[J]. IEEE Transactions on Power Systems,2010, 25(1): 360-370. DOI:10.1109/TPWRS.2009.2030276.

[5] 黎靜華，孫海順，文勁宇，等. 生成風電功率時間序列場景的雙向優化技術[J]. 中國電機工程學報，2014,34(16)：2544-2551. DOI: 10.13334/j.0258-8013.

LI Jinghua, SUN Haishun, WEN Jingyu, et al. A two-dimensional optimal technology for constructing wind power time series scenarios[J]. Proceedings of the CSEE, 2014,34(16)：2544-2551. DOI: 10.13334/j.0258-8013.

[6] SHUKLA A, SINGH S. Clustering based unit commitment with wind power uncertainty[J]. Energy Conversion and Management, 2016,211:89-102.DOI:10.1016/J.enconman.2015.12.40.

[7] SUMAILI J, KEKO H, MIRANDA V. Clustering-based wind power scenario reduction technique[C]//17th Power System Computation Conference. Stockholm: Power System Computation Conference, 2011.

[8] 季峰，蔡興國，王?。诨旌螩opula函數的風電功率相關性分析[J].電力系統自動化，2014，38(2)：1-6．DOI:10．7500 /AEPS201208067.JI Feng, CAI Xingguo, WANG Jun. Wind power correlation analysis based on hybrid copula[J]. Automation of Electric Power Systems, 2014,38(2):1-6. DOI:10.7500 /AEPS201208067.

[9] 張利.電力市場中的機組組合理論研究[D]. 濟南:山東大學，2006．ZHANG Li. Studies on unit commitment in electricity market[D]. Jinan:Shandong University, 2006.

[10]夏清，陳雨果，陳亮. 考慮月度機組組合的節能發電調度模式與方法[J]．電網技術，2011(6)：27-33．DOI:10.13335/j.1000-3673.pst.2011.06.010.

XIA Qing, CHEN Yuguo, CHEN Liang. Establishment of mode and method for energy-conservation monthly unit commitment considering dispatching[J]. Power System Technology, 2011(6)：27-33．DOI:10.13335/j.1000-3673.pst.2011.06.010.

[11]王良緣，劉文彬，方日升，等．基于多目標分組的中長期發購電計劃編制方法及應用[J]．電網技術，2011(6)：167-170．DOI:10.13335/j.1000-3673.pst.2011.06.033.

WANG Liangyuan, LIU Wenbin, FANG Risheng, et al. A multi-objective clustering-based method to draft medium and long-term schedules for power generation and purchase and its application[J].Power System Technology,2011(6)：167-170．DOI:10.13335/j.1000-3673.pst.2011.06.033.

[12]章美丹，謝俊，黃民翔，等．基于差別電量的中長期發電調度分步模型[J]．電力系統自動化，2012(16)：42-46．DOI: 10.3969/j.issn. 1000-1026. 2012.16.008.

ZHANG Meidan, XIE Jun, HUANG Minxiang, et al. A two-stage medium and long term power dispatch model based on electricity quantities with differences[J]. Automation of Electic Power Systems, 2012(16)：42-46．DOI: 10.3969/j.issn. 1000-1026. 2012.16.008.[13]陳育英．火電企業固定資產折舊年限探析[J]．財會通訊，2011,36(25)：67-68．

[14]李莉莉，管益斌，耿建，等．月度安全約束機組組合建模及求解[J]．電力系統自動化，2011，35(12)：27-31．

LI Lili, GUAN Yibin, GENG Jian, et al. Modeling and solving for monthly security constrained unit commitment problem[J]. Automation of Electic Power Systems, 2011，35(12)：27-31．

[15]張慧琦，常永吉，唐大勇，等．節能發電調度模式下火力發電單元的月度電能計劃編制方法[J]．電力系統保護與控制，2011,39(4)：84-89．

ZHANG Huiqi, CHANG Yongji, TANG Dayong, et al. A monthly electric energy plan making method of thermal power generation unit in energy-saving generation dispatching mode[J]. Power System Protection and Control, 2011,39(4)：84-89．

[16]劉寶碇，趙瑞清，王綱．不確定規劃及應用[M]．北京：清華大學出版社，2003．

LIU Baoding, ZHAO Ruiqing, WANG Gang. Uncertain programming with applications[M]. Beijing:Tsinghua University Press, 2003.[17]王崗，李莉莉，丁恰. 江蘇電網中長期機組組合問題研究[J]. 江蘇電機工程，2012,31(2)：1-4.

WANG Gang, LI lili, DING Qia. Study on medium and long-term unit commitment for jiangsu power grid[J]. Jiangsu Electircal Engineering, 2012,31(2)：1-4.

[18]黎燦兵，呂素，曹一家，等. 面向節能發電調度的日前機組組合優化方法[J]. 中國電機工程學報，2012,32(16)：70-76. DOI:10.13334/j.0258-8013.pcsee.2012.16.010.

LI Canbing, Lü Su, CAO Yijia, et al. A new method for day-ahead unit commitment based on energy-saving generation dispatching[J]. Proceedings of the CSEE, 2012,32(16)：70-76. DOI:10.13334/j.0258-8013.pcsee.2012.16.010.

(編輯 魏希柱)

Monthly unit commitment model of power system with integrated wind power

JI Feng, CAI Xingguo

(School of Electrical Engineering and Automation, Harbin Institute of Technology, Harbin 150001, China)

In order to coordinate the generator resources in longer time scales, a monthly unit commitment model of power system with integrated wind power is created. The balanced dispatch mode which can ensure medium-long electric quantity executed smoothly and the energy-saving dispatch mode which can save energy, reduce pollution has been analyzed first, then a unit commitment model coordinating electricity market and energy-saving has been build. In the model, the “pay as bell” and “benchmark price” electricity pricing mechanism has been considered. The model is based on the differential electric quantity which transfers from balanced energy, loaded generators by using the energy-saving priority list, simulated wind power scenarios considering tail-dependence and rank correlation from the previous wind power correlation analysis, and chooses the calculation resolution by thermal generator hot start & warm start characteristic. The calculated example indicates that the model can coordinate the electricity purchase cost and coal consumption under reducing the start-off times of thermal generators.

dispatch model; wind power; unit commitment; medium and long dispatch; correlation

10.11918/j.issn.0367-6234.2017.03.006

2016-03-20

季 峰(1984—)，男，博士研究生； 蔡興國(1945—)，男，教授，博士生導師

季 峰，jifeng_sy@163.com

TM73

A

0367-6234(2017)03-0040-07