計及需求側管理的風電光伏互補電網調度方法

段樹勛，張國棟

（山東中實易通集團有限公司，山東 濟南 250000）

0 引 言

風電光伏互補電網采用分布式發電方式，在運行過程中，風電、光伏電站聯合發電，為用戶提供電能。隨著分布式發電技術的不斷發展，以及社會對可再生能源關注的不斷提高和重視，風電光伏互補電網逐漸取代傳統形式電網，成為當前主流電網形式。但是，在電網運行過程中如何合理調控風電、光伏發電，使2 種電協調、互補，充分發揮出風電光伏互補電網的優勢，成為目前電力企業面臨的重要挑戰。科學、合理地調度不僅能夠提高清潔能源利用率，同時能促進電網節能減排，滿足用戶的用電需求，對提高風電光伏互補電網運行的穩定性和經濟性具有重要意義，因此對風電光伏互補電網調度非常有必要。但目前現行的調度方式沒有考慮需求側管理因素，在調度過程中并沒有從引導用戶峰谷時段用電行為角度出發，導致調度決策并不合理，進而導致電網供電水平比較低，能量消納率處于一個較低的水平，沒有達到預期的調度效果。傳統方法已經無法滿足實際需求，為此提出計及需求側管理的風電光伏互補電網調度方法。

1 設定調度原則和假設條件

根據風電光伏互補電網本身具有的特點，設定調度原則。在調度過程中，電網可以工作于互補、孤島2 種模式下，但是優先考慮在孤島模式下運行，如果風電光伏互補電網無法滿足孤島運行需求，即在風力發電或者光伏發電條件下發電量小于用戶用電量，電網自身不能實現能量平衡或者功率平衡時，切換到風電光伏并網運行模式，即互補運行模式[1,2]。在對電網調度前，為了保證調度決策符合電網自身特點以及運行規律，提出以下假設條件。

假設1：在運行過程中要最大限度地利用風能、光伏發電的電能，目標函數建立時不考慮棄光問題，并且假設風能、光伏出力能夠準確預測到。

假設2：作為電網運行調度問題，不考慮風電系統、光伏系統以及儲能系統發生故障而退出運行的情況，并且也不考慮從公用電網購電的情況。

假設3：在調度過程中電網負荷分布特性是已知的，電網負荷只考慮固定負荷和可轉移負荷2 種。

2 生成目標函數及約束條件

根據以上設定的調度原則和假設條件，以風電光伏互補電網運行總費用最小為目標，建立運行優化調度目標函數，用公式表示為

式中：minH為風電光伏互補電網運行總費用的最小值；T為單位時間間隔；t為電網運行調度的周期數；P(t)為調度周期內電網電能平均交易價格；M為電網可轉移負荷的種類數；Sb為風電光伏互補電網運行中第b類可轉移負荷的單位補償費用；t1為電網負荷轉移前運行時段；t2為電網負荷轉移后運行時段[3]。針對需求側管理，對于建立的目標函數設定約束條件，其中包含電網功率平衡約束、風電光伏出力約束以及儲能系統充放電功率約束，用公式表示為

式中：Y為積極需求側管理的電網運行約束條件；Pe為電網儲能系統的充放電交換功率；Pr為某一時段負荷的總負荷功率；Pc為風電光伏發電功率；Wmin為風電光伏互補電網的最小出力；W為某一時段的電網出力；Wmax為電網的最大出力；Smin為電網儲能系統荷電狀態的下限；Smax為電網儲能系統荷電狀態的上限。

3 最優調度策略求解

由于符合約束條件的目標函數解比較多，假設目標函數可能解的數量為n，解集為N，利用粒子群算法對目標函數求解，從解集中搜索到最優解，其計算流程如圖1 所示。

圖1 基于粒子群算法的求解流程

如圖1所示，假設解集中每個可能解為一個粒子，由n個粒子形成粒子群體，粒子群體在一個二維空間中對目標粒子搜索，根據實際情況對種群進行初始化，設定初始參數，其中包括種群數量、最大迭代次數、交叉率以及變異率[4]。種群在搜索過程中進行交叉、變異操作，更新粒子的位置與速度，用公式表示為

式中：vt+1為粒子種群交叉、變異操作后更新的速度；?為慣性權重；vt為上一時刻粒子種群搜索的速度；e為交叉率；g為變異率；v*為粒子種群初始化的速度；xt+1為粒子種群交叉、變異操作后更新的位置；xt為上一時刻的粒子種群位置[5]。通過交叉、變異后，生成新的種群，以此完成一次迭代計算。根據事先設定的最大迭代次數，檢驗當前的迭代情況是否滿足要求，如果沒有滿足迭代條件，則繼續對種群進行交叉、變異操作；如果滿足了迭代條件，則利用適用度函數計算種群中每個粒子個體的適應度值。適應度值可以反映出更新后粒子個體位置與目標位置之間的距離，適應度值越大，則表示粒子距離目標位置越近，輸出適應度值最大的粒子個體，其對應的解為目標函數最優解，即電網最優調度策略。

4 實驗論證

4.1 實驗準備與設計

完成需求側管理的風電光伏互補電網調度方法設計后，為實現對設計方法在實際應用中效果的檢驗，采用對比實驗的方式對設計方法的可靠性與可行性進行檢驗。以某風電光伏互補電網為實驗對象，該電網的光伏電源額定功率為120 kW，儲能系統荷電狀態的下限為0.25，上限為1.15，聯絡線路的最大功率約束為120 kW，蓄電池的額定容量為100 kW·h，額定充放電功率為45 kW。利用本文設計方法對該電網進行調度，為了使實驗數據和實驗結果具有一定的說明性與可靠性，選擇2 種傳統方法作為比較對象。2 種傳統方法分別為基于用戶滿意度的調度方法和基于人工智能技術的調度方法，以下分別用傳統方法1 與傳統方法2 表示。實驗中，令電網處于運行狀態，將電網風機最大出力設定為65.45 kW，光伏最大出力設定為45.36 kW。根據該電網的實際情況設定粒子群算法的參數：將粒子種群數量設定為200，交叉率設定為0.24，變異率設定為0.14，最大迭代次數設定為100。按照設計流程求出最優調度策略，并進行實施，評定具體調度效果。

4.2 實驗結果與討論

實驗以電網運行過程中風電光伏能源消納率作為3 種方法調度效果的評價指標，消納率可以反映出風能、太陽能用量占總發電量的比例，其值越高，則表示電網運行過程中發出的風能、太陽能使用程度以及資源利用率越高，電網的調度經濟效果越好，計算公式為

式中：YU為風電光伏互補電網的能源消納率；EN為風電光伏發電的使用電量；SD為風電光伏發電的總量。實驗以時間為變量，每隔10 h 統計一次風電光伏互補電網的能量消納率，具體數據如表1 所示。

表1 3 種方法應用下的電網消納率對比

從表1 中數據可以看出，3 種方法在能量消納率方面表現出明顯的差異。在設計方法應用下，風電光伏互補電網的消納率范圍為85.18%～87.58%，平均值為86.32%，說明發出的風能、光伏能源基本可以被使用；而2 種傳統方法應用下，風電光伏互補電網的消納率相對較低，傳統方法1 的消納率范圍為54.28%～56.42%，平均值為55.28%，比設計方法的消納率低將近32%，傳統方法2 的消納率范圍為52.41%～53.26%，平均值為52.61%，比設計方法的消納率低將近34%。本次實驗證明了，從電網能源消納表現來看，設計方法優于2 種傳統方法，能夠有效提升風電光伏互補電網的消納能力，具有良好的調度效果，相比較2 種傳統方法更適用于風電光伏互補電網的調度。

5 結 論

調度是風電光伏互補電網管理與調控中一個重要環節，通過協調調度使電網運行狀態優化。此次從需求側管理角度出發，參考相關文獻資料，提出了一個新的調度思路，有效增強了風電光伏互補電網消納能力，為計及需求側管理的風電光伏互補電網調度方法探究提供了參考依據，同時為實際調度操作提供了理論支撐，具有良好的現實意義。