計及風電預測誤差的柔性負荷日內調度模型

雷旭，馬鵬飛，宋智帥，李衛東

（1.神華寶日希勒能源有限公司，內蒙古自治區 呼倫貝爾市 021000；2.呼倫貝爾職業技術學院，內蒙古自治區 呼倫貝爾市 021000；3.國網冀北電力有限公司承德供電公司，河北省 承德市 067000）

0 引言

近年來，風電并網規模逐漸增大，風電消納比例逐步提高，但風電出力的隨機性對電網穩定性的影響也愈加明顯[1]。風電的反調峰特性使得風電大發期與用電高峰期產生了明顯的沖突，用戶參與電網調度已是促進風電消納的重要手段[2-3]。因此，研究計及風電預測誤差的柔性負荷日內調度模型具有重要意義。

當前研究人員對含風電功率不確定性的調度問題展開了大量的研究，文獻[4-5]引入模糊理論，使確定性的系統約束變為基于可信性理論的模糊機會約束，構建了考慮源-荷不確定性優化調度模型。文獻[6-7]針對風電功率呈現出的高階不確定性，提出了考慮風電概率分布不確定性綜合能源系統優化調度模型。文獻[8-11]通過分析各頻段功率波動置信概率，構建了考慮風電波動不確定性的兩階段魯棒分頻優化模型。文獻[12]將模型分為預優化和實時優化2個階段，采用場景描述風電不確定性并通過調節可控串聯補償器(thyristor controlled series compensation，TCSC)參數來控制網絡中功率的分布。文獻[13]通過對風電場歷史出力數據的統計分析獲得風功率預測誤差的分布特性，并考慮了風功率預測誤差對次日風電場運行經濟性的影響。文獻[14]利用區間優化理論方法，將含有風電出力不確定的線性區間優化模型轉化為2個確定性的優化模型。文獻[15-17]采用高斯混合模型對風電功率預測誤差的概率密度分布進行擬合，在此基礎上建立了考慮風電不確定性的電力系統調度模型。文獻[18]基于風電預測誤差隨時間尺度變化的規律，提出了一種基于偏差預控的負荷調度模式。

以上文獻針對風電不確定性的調度模型進行了大量且全面的研究，但對于利用柔性負荷彌補風電預測誤差、提升電力系統穩定性的調度模型研究較少。由于風電預測存在誤差，僅依據日前調度計劃進行調度會出現電力系統功率不平衡、日前調度計劃不合理等問題。本文建立以棄風最小為目標的調度模型，通過儲能負荷及可中斷的工業高載能負荷的快速響應，彌補日前調度計劃的不足，提升系統穩定性。

1 可控柔性負荷建模

電網負荷主要包含剛性負荷、柔性負荷兩大類。其中剛性負荷是指必須滿足的負荷，且不接受電網的調控，但是用戶可依據分時電價提前安排工作時間。柔性負荷指用電量可在指定區間內變化或在不同時段間轉移的負荷，包含可調節負荷、可轉移負荷、儲能、分布式電源等。本文所提的日內調度策略僅針對儲能負荷和可中斷的工業高載能負荷。

1.1 儲能負荷

儲能裝置按照存儲方式主要分為電磁儲能、電化學儲能、物理儲能和相變儲能4種類型[19-20]。儲能裝置在電力系統中的主要作用是輔助新能源消納、削峰填谷、提高供電可靠性等，此外，具有作為事故備用、改善配電網負荷特性及功率控制、改善電能質量等附加功能。

儲能電池在使用過程根據自身能量狀態和運行約束條件，按照儲能系統控制策略進行充放電操作，其能量存儲狀態一直處于動態變化之中。為了能夠對儲能系統的能量變化情況進行定量描述和計算，本文建立儲能系統的簡化線性模型，充放電后儲能系統存儲的能量計算公式為

式中：Ees表示儲能系統充放電后的儲能系統容量；Ees0表示儲能系統充放電前的初始系統容量；表示t時刻儲能系統的實際充電功率；ηc表示儲能系統的充電效率；表示t時刻儲能系統的實際放電功率；ηd表示儲能系統的放電效率；δc和δd表示儲能系統的充放電狀態，儲能系統處于充電狀態時，δc=1，δd=0，儲能系統處于放電狀態時，δc=0，δd=1，儲能系統處于停止充放電狀態時δc和δd均為0；Δt表示儲能系統進行充放電操作的單位時間間隔。

荷電常數是儲能系統運行過程中的重要參數，儲能系統充放電后的荷電常數計算公式為

式中：SOC表示儲能系統充放電后的荷電狀態；EesN表示儲能系統的額定容量。

1.2 工業高載能負荷

工業用戶是中國電能消耗的主要用戶，其電能消費占總電能消費比重超過70%。其中，以鋼鐵、煤炭、石油和化工為代表的重點高耗能企業的用電量占總工業用電比重超過60%[21]。因此，對工業用戶開展需求響應項目，能夠充分挖掘工業用戶的節能潛力，提高電能利用效率。工業用戶用電負荷量相對較大，用電負荷分布比較規律，且用電時段可調整，這使得工業用戶能夠很好地參與電力需求響應。對工業用戶來說，能夠通過調整和削減用電負荷，參與價格型需求響應和激勵型需求響應。工業用戶參與價格型需求響應時，主要是根據實時電價高低調整生產計劃，選擇在夜間低谷電價時段進行生產。工業用戶參與激勵型需求響應時，會核算需求響應收益和節約的用電成本是否高于正常生產產品所得收益，當前者高于后者時，工業用戶會參與價格型需求響應。依照用電習慣，可將工業高載能負荷分為可中斷型負荷和可平移負荷。本文僅考慮可中斷負荷。

可中斷負荷是指用戶與電網簽訂合約參與調度，從而獲取經濟補償。可中斷負荷主要為工業生產中對用電質量不高的負荷，以減小負荷需求的方式改善用戶的需求電量，減小峰谷差。相比發電機出力，其響應速度快、中斷容量大，也不必受發電機爬坡約束限制。可中斷負荷典型模型如圖1所示。與工廠簽訂合同主要確認以下內容：1）合同有效時間；2）用戶參與中斷的最大容量；3）補償費用。

圖1中：ρ為可中斷負荷的比例；rup為中斷重新開啟的啟動斜率；tcut為中斷開始的時間；ton為重新上電的時間；Pr為額定功率。

圖1 可中斷負荷Fig.1 Interruptible load

2 日內調度模型

2.1 源-荷系統模型

根據不同時間尺度將調度方式分為日前調度和日內調度。日前調度提前一天向電力系統各個單元下達未來24 h的調度指令，采樣時間為1 h，側重于電力系統源-荷系統長期的協調配合及經濟運行，本文所考慮的源-荷系統如圖2所示。日內調度在日前計劃的基礎上按照日內出現的不同情況調整各單元的出力，采樣時間為15min，側重于電力系統的可靠性。

圖2 源-荷系統模型Fig.2 Model of source-load system

2.2 風電預測誤差

風電功率預測誤差的概率分布特性可以表征風電功率預測值的不確定程度[22]。也有文獻提出先假設風速服從Weibull分布或正態分布，再經過功率-風速特性曲線間接得到相應的預測功率的概率密度函數。其中，正態分布假設應用最為廣泛，故本文也采用此類假設。因此，風電功率預測誤差的概率密度函數可以表示為

式中：δ表示風電功率預測誤差的標準差；ω表示風電功率實際值；μ表示風電預測出力。

2.3 調度模型

風電不確定性會影響電力系統穩定性，帶來棄風限電的風險，日內調度的目的是通過對儲能系統和工業高載能負荷的調控，彌補由于風電預測誤差造成的日前計劃的缺陷，同時利用儲能系統和工業高載能負荷的快速響應特性消納風電。因此，模型目標函數為日內棄風電量最小，表示為

式中：EΔwind表示調度周期內棄風電量；表示t時刻風電機組的日內實際出力；表示日前計劃中t時刻風電機組的并網功率；表示t時刻儲能系統調節量；表示t時刻工業高載能負荷調節量；T表示優化周期內總采樣時間數。

2.4 約束條件

1）儲能系統充放電功率以及荷電狀態約束

考慮儲能系統壽命的問題，為避免儲能充放電功率過大以及過充過放的問題，儲能系統的充放電功率調節量應限定在指定范圍內，且調整后儲能系統的充放電功率應不超過額定功率，荷電狀態也應限定在指定范圍內：

2）工業高載能負荷約束

考慮到用戶經濟性，可調控柔性負荷須限定在指定范圍內：

3）功率平衡約束

為保證用電設備的正常運行，對柔性負荷與儲能系統的調控需滿足電網的功率平衡，即

3 算例分析

為驗證本文所提儲能負荷和工業高載能負荷的日內調度策略對于提高電力系統穩定性、提升風電消納比例的有效性，利用遺傳算法對本文所提的日內調度模型進行優化求解。

3.1 參數設置

本算例考慮了火電機組、風電機組、儲能系統和柔性負荷，其相關參數和日前負荷預測、日前風電預測均取自文獻[23]，并基于文獻[23]所提日前調度模型進行優化求解，得到日前調度計劃如表1所示。本文假設日前負荷預測為精準值，而日前風電預測存在誤差，其預測誤差服從正態分布。日前負荷預測、日前與日內風電預測見圖3。利用MATLAB中遺傳算法工具箱進行優化時其種群大小等相關參數均取默認值。

圖3 風電及負荷預測Fig.3 Prediction of wind power and load demand

表1 日前調度計劃Tab.1 Day-ahead dispatch plan MW

3.2 仿真結果分析

基于以上參數設置以及風電、負荷預測，利用遺傳算法進行優化，得到儲能系統以及工業高載能負荷日內調度量后，將儲能系統功率以及工業高載能負荷調節量與日前調度計劃進行對比，結果分別如圖4、5所示。

通過觀察圖4、5中曲線可知，與日前的調度結果相比，經過日內調度后儲能系統功率曲線和工業高載能負荷調節量波動性有所增加，尤其處于風電出力預測誤差較大時段，曲線波動幅度較大，但調節量均在儲能系統和柔性負荷可調量約束范圍內以保證用戶舒適度以及商業用戶正常生產。由于儲能電池造價較高，可考慮主要通過利用工業高載能負荷彌補風電預測誤差，而儲能電池起輔助作用，通過這一方式可有效彌補風電預測誤差，有效提升風電消納比例。

日前計劃風電消納比例為79.15%，通過日內對柔性負荷的調度，風電消納比例達到80.98%，提升了1.83%。圖6為日前計劃與日內實際風電消納情況，可以觀察到，如果按照日前計劃進行調度，就會存在日前調度計劃高于日內風機實際出力的不合理指令；若其他機組均按照日前計劃出力，則會出現電網功率不平衡等一系列問題，嚴重威脅電力系統的穩定性。而通過日內對儲能系統和可調柔性負荷的調控，能有效彌補日前計劃的風電出力預測誤差，且有助于大幅度提升電力系統穩定性。

4 結論

為提升電力系統穩定性及電力系統對風電的快速響應能力，提出了計及風電預測誤差的柔性負荷調度策略，并通過算例分析得出以下結論：

1）通過對儲能系統和工業高載能負荷的日內調度，有利于提高電力系統對風電的快速響應能力，提升電力系統穩定性。

2）可短時調節的儲能系統和工業高載能負荷有利于彌補風電預測誤差，提升風電消納比例。

3）隨著經濟發展，負荷種類隨之增多，包含多類負荷的調度策略將會成為下一步研究的重點內容。