考慮環境成本和需求響應的風電并網優化

李星雨，邱曉燕，史光耀 (四川大學 電氣信息學院，成都 610065)

0 引 言

隨著化石能源的逐漸枯竭和環境污染的加劇，對于可再生能源的開發和需求日益強烈。但是由于風電并網容量日益增大，單純考慮供應側以滿足電力系統的安全、可靠、經濟、高效運行越來越困難。需求側響應(Demand Response，DR)是電網通過激勵型電價和對用戶負荷的控制，以此改變用戶原有的消費模式，通過需求側響應引導用戶用電行為與可再生能源出力更貼近，因此考慮需求側響應不僅可以提高可再生能源的接納能力和利用效率，同時在節約發電成本，提高電能質量，滿足需求側用戶主動參與電網運行方面有著良好的作用。

作為發電主力，傳統的火力發電機組所造成環境污染和破壞不容忽視。文獻[1]在微電網優化配置中考慮了環境成本，證明清潔能源具有更好的經濟效益和發展前景；文獻[2]建立了環境成本和風電并網的經濟調度模型；文獻[3]在電網規劃中，綜合考慮了發電的環境成本和需求側管理(demand side management，DSM)項目，達到減少系統裝機容量以及能源消耗的目的。

風電是一種清潔資源，具有廣闊的發展前景。但由于風電不穩定的發電特性，使得大規模風電并網對于電力系統的運行調度造成很大的沖擊。需求側響應在大規模風電并網系統中，對于提高風電消納，緩和風電波動作用明顯。文獻[4]分析了主動配電網中儲能和柔性負荷對于提高風電消納、降低網損的作用，構建了以可再生能源利用率最大、網絡損耗最小和用戶滿意度最高為目標的主動配電網優化調度模型；文獻[5]考慮了實施可中斷負荷時，由于用戶消費行為和客觀條件等因素造成的響應不確定性對于系統優化調度的影響；文獻[6]綜合考慮了源荷協調的作用，以風電消納電量最大和系統運行成本最小為目標，建立源荷協調多目標優化模型；文獻[7]在微網資源規劃模型中引入了需求側響應，對比不同控制策略，需求比例下需求響應對微網經濟規劃的影響；文獻[8]在光儲并網型微電網中，分析了需求側響應對微電網經濟效益和儲能配置的影響。

現有的研究取得了一定的成果，但是在考慮需求響應時很少考慮到環境成本。本文綜合考慮大規模風電并網情況下的需求響應和環境成本，從整個電網運行周期的經濟性出發，考慮大規模風電并網對于系統穩定性的影響以及當前某些地區嚴重的棄風現狀，通過建立需求側響應模型并求解，以此分析需求側響應和環境成本對于電網運行經濟性的影響，并提高可再生能源的接納能力。

1 風電、需求響應及環境成本數學模型

1.1 風電輸出功率模型

功率輸出功率模型采用風電出力預測和風電預測偏差之和的模式。其功率輸出為：

PWT=ΔPWT+PWT.f

(1)

式中PWT為風電在t時段的輸出功率；ΔPWT為風電預測偏差值；PWT.f為風電在t時段的預測出力。

風電的預測偏差服從正態分布：

(2)

式中WWT為風電裝機容量。

1.2 需求側響應模型

本文建立如下所示的可轉移負荷模型如下[10]。

(3)

式中NSL為可轉移負荷種類數；NSLn為運行時間超過一個時段的課轉移負荷種類數；hm為可轉移負荷持續供電時間最大值；Ii(t) 為t時段的第i類負荷轉入量；Oi(t) 為t時段的第i類負荷轉出量；Pi.k為第l時段第i類可轉移負荷的功率；其中，0≤k≤NSL。

1.3 環境成本模型

發電廠的環境成本由環境投入成本和環境損失成本兩部分組成，其數學模型為：

C=Ci+Cl

(4)

式中C為環境總成本；Ci為環境污染預防成本；Cl為環境污染損失成本。

環境污染預防成本是指電廠從事環境保護活動而支付的成本，由環保設備投資和運行、維護費用組成。設備投資采用年等值成本的計算方式，其年等值成本為：

(5)

式中V為設備初始投資費用；i為設備投資利率；n為設備使用年限。

則環境污染預防成本為：

(6)

式中Q為環保設備的年運行、維修費用；Y為機組年發電量。

環境污染損失成本是電廠排放發電殘余污染物所造成的環境污染，可以分為電廠排放污染物所需繳納的污染費用以及排放污染物對環境造成的污染損失。

(7)

式中pi為第i中污染物的環境價值標準；qi為第i種污染物的政府收費標準；Ei為第i種污染物的排放量風力發電是利用風力帶動風機轉動發電，污染排放量為零。對于傳統火力發電，根據目前的發電現狀可以得到其污染排放標量如表1所示[11]。

表1 火力發電污染物排放

2 目標函數及約束條件

2.1 目標函數

目標函數為一個完整調度周期的運行成本最低：

(8)

2.2 約束條件

(1)系統運行功率平衡約束。

PWT(t)+Pg(t)-Pload(t)=0

(9)

式中PWT(t)為風電場有功出力；Pg(t)為常規發電機組有功出力；Pload(t)為負荷有功功率。

(2)機組爬坡約束[13]。

(10)

(3)可轉移負荷量約束。

SLload≤SLmax

(11)

式中SLload為當前時段的負荷轉移量；SLmax為當前時段的可轉移負荷總量。

(4)風電出力約束條件。

(12)

3 改進粒子群優化算法

3.1 標準粒子群算法

粒子群算法是一種進化算法，具有實現容易、精度高、收斂快等優點，初始化為一群隨機粒子，迭代時每個粒子通過跟蹤個體最優解和集群最優解來搜尋最優解。但是粒子群算法具有容易陷入局部最優的缺點。粒子速度和位置的更新方式如下：

(13)

3.2 慣性權重改進策略

在粒子群算法的所有參數中，慣性權重作為其中非常重要的參數，對于算法的全局和局部搜索能力、收斂速度以及算法的精度都有一定的影響。在算法初期，應該增大算法的搜索空間以加強全局搜索，因此可以增大慣性權重；而在后期，應當加強算法的局部搜索能力以加快收斂速度、提高收斂精度，故可以適當減小慣性權重。

為此研究人員提出了很多慣性權重改進措施，例如：線性遞減權重、隨機慣性權重、非線性遞減權重和動態變化權重等，其中線性遞減權重應用最普遍。線性遞減權重粒子群優化算法被廣泛應用于工程問題優化，在計算前期有較大的權重值，增強全局搜索能力，隨著搜索的進行，權重值越來越小，從而提高局部搜索能力，該算法雖然提高了收斂速度，但卻不容易跳出局部極值。

本文提出一種新的慣性權重改進策略，當粒子陷入早熟時，增大算法的慣性權重以跳出局部最優，當粒子比較分散時，適當減小慣性權重以進行局部的精確搜索。因此可以得到慣性權重系數公式為：

(14)

(15)

式中fAvg為種群目前的平均適應度；f為歸一化定標因子，起限制δ2大小的作用。

根據上述改進策略可以得到改進后的粒子群優化算法流程圖如圖2所示。

圖2 改進后的粒子群算法流程圖

4 算例分析

4.1 算例參數

算例采用PJM5-bus系統，并在節點1處接入風電場。該配電網包含五個常規發電機組和一個風力發電廠。負荷位于節點2,3,4處，其符合比例為3:3:4，配電網的系統結構圖和參數如圖3所示。模型運用粒子群優化算法進行求解。

系統負荷預測曲線和風電場的預測出力曲線如圖4所示，系統最高負荷1 420 MW，發生在16時，最低符合790 MW，發生在5時。系統的棄風懲罰成本為50 $/MW·h，負荷高峰時間段的可轉移負荷量為150 MW，其參數如表3所示。各負荷節點的可轉移負荷量和轉移負荷的容量如表2所示，轉移負荷的響應成本如圖4所示。

圖3 PJM5-bus 系統

圖4 負荷預測曲線和風電出力曲線

負荷節點節點2節點3節點4轉移負荷量/MW454560容量成本($/MW)101010

表3 轉移負荷響應成本

4.2 仿真結果

4.2.1 不考慮需求響應

在沒有需求側響應參與時，由于風電波動性較大，為了保證系統的穩定性，會出現一定程度的棄風現象。經計算得出需求側不參與優化調度的成本如表4所示。

表4 優化前系統運行各項成本

由表4可以看出，在沒有需求側響應參與的情況下，系統存在相當大的棄風成本，其棄風率16.81%，風電沒有得到充分的利用，風電的滲透率為25.72%。發電的環境成本占總成本的12.05%，整個系統的運行會造成較大的環境污染。

4.2.2 考慮需求響應

在考慮需求側響應的情況下，經計算得到系統的各項成本如表5所示。

表5 優化后系統運行各項成本

由表5可以看出，在考慮需求響應后系統的棄風懲罰成本為零，棄風率為0%，風電滲透率為30.91%，環境成本占總成本的11.89%。

4.2.3 結果分析

通過對比需求響應是否參與系統運行可以得到如表6所示的仿真結果。

表6 優化后系統運行各項成本

可以看出，考慮需求響應后系統總成本下降5.788%。融入需求側響應后，系統的棄風率為0%，說明系統可以完全消納風電場出力，風電滲透率為30.91%。優化前后環境成本下降6.99%，環境成本占總成本的11.89%，環境成本占有總成本比例依舊很大，這是因為在當前的電力系統中，傳統發電技術仍然占據主要地位，整個系統的環境成本依然居高不下。隨著風、光電等清潔能源發電技術的成熟以及人們對環保重視程度的增強，清潔能源將比傳統能源更具有競爭優勢。考慮需求側響應前后的負荷曲線如圖5所示。

由圖5可知，考慮需求側響應后，負荷曲線峰谷差有了明顯的降低，負荷曲線更加平緩，這是因為在夜間負荷低峰時段風電場出力較高，風電難以完全消納，通過負荷轉移增加此時段負荷，這也間接起到了“削峰填谷”的效果。

圖5 優化前后負荷曲線

5 結束語

在大規模風電并網的背景下，本文建立了考慮需求側響應和環境成本的配電網優化配置模型，針對風電波動性的特點，通過需求響應來達到消納風電，平抑負荷波動的作用，并將環境成本作為經濟運行中重要的一個環節，以此實現對環境污染最小的目的。通過粒子群優化算法求解證明計及環境成本和需求響應可以有效降低棄風率和提高經濟效益。

已有的研究雖然充分考慮到需求響應對于電網優化運行的作用，但并沒有把環境成本作為系統模型中一個重要的因素去分析其作用。本文也存在一些研究上的不足：首先，由于儲能裝置的成本過高，容量限制較大，沒有考慮儲能裝置在大規模風電并網中的作用；其次，當前的光伏發電依然停留在小容量、分布式并網階段，風光互補優勢沒有得到體現。在今后的研究中，可以將此作為研究的重點加以考慮。