含风电场的电力系统经济调度研究

含风电场的电力系统经济调度研究

苏捷

福州大学电气工程与自动化学院 福建 福州 350108

摘要：随着能源安全及环境问题日益严峻，加快发展新能源成为国际社会的共识。电力系统中关于经济调度问题的研究，其本质是研究满足运行极限约束与系统能量平衡的前提下，以最优经济性为目标进行优化调度的问题。如何对含风电场风力预测水平和经济调度能力进行提高，需要进一步探索。基于此，本文就对含风电场的电力系统经济调度相关内容进行分析，可供参阅。

关键词：含风电场；电力系统；经济调度

1风电并网对于电力系统的经济调度影响

在电力系统当中，经济调度的任务主要用于满足一定电能质量与安全的前提下，全面提升电场运行的经济效率，即通过合理利用现有资源和设备，以最少的运行费用与燃料消耗量实现用户用电满意度和可靠性的最大化。以风电作为主要代表的新能源开发与应用，将传统电力系统的基本形态进行了调整，同时电力系统中的控制方式、运行特性和结构形态环节都发生了深刻的变革。新型能源系统对于电网的调度水平提出了全新的要求，该系统下要求电网内部的系统经济调度模型的约束调价和目标函数都需要依托于含风电场中风电的不确定性及其所造成的影响，从而增加了模型计算的复杂程度。传统经济调度立足于电源的可靠性和负荷预测的准确性，其难点主要在于负荷预测。由于风速的随机性和不可控性，风电预测出力与实际出力往往存在较大误差，远不及负荷预测的精度。国内外研究者已经对风功率预测做了大量的研究工作，但是风电功率预测水平尚不能满足电力系统经济调度的要求。风电并网增加了系统调节的难度，常规电源不仅要跟踪负荷变化，还要平抑风电出力的随机波动。

2含风电场的电力系统经济调度建模

2.1建模方法

电力系统调度人员不仅需要确定风电机组的出力计划，同时还需要兼顾分配控制常规机组的输出功率。因此，需要留有足够的备用容量，以弥补在经济调度过程中可能出现的发电量不足或盈余现象。例如，我国某地区的含风电场主要通过将有效的优化算法运用到旋转备用需求、运行成本计算和风电穿透的功率水平之中。同时，该地区的含风电场还在优化模型过程中考虑道了由于风电的不确定和随机性所弓胞附加旋转的备用电量储备问题。并且在所选附加设备的需求用量设置化解，按照系统发电总量的百分比进行参考数值的设置，从而确保了旋转备用电量的充足与稳定。

2.2其他相关经济调度模型

国内外相关领域的学者也已经在传统电场的经济调度模式的基础上，对新型含风电场中的电力系统经济调度问题展开了全面且深入的研究。并且，从不同侧重点以及不同的关注角度出发，提出了许多新型且适用于含风电场的电力系统中经济调度模型与求解方法。而且，由于经济发展对环境造成的负面影响，使社会各界对于环境污染以及环境保护等领域的关注程度逐渐提高。电力系统中对于环境造成的污染主要为不可再生能源转化为电能过程中，对于生态环境所造成的污染问题。所以，相关领域的专家和学者对此提出了新的研究方法与评估模型，用以评估和预测大规模含风电场的系统经济调度对于环境所造成的影响。并且利用IEEE30的节点系统模拟与仿真结果可以得出，在考虑风电备用成本问题与环境因素的影响下，含风电场的经济调度结果将更加趋向合理化。

2.3电力系统经济调度备用问题与风险管理

当前虽然我国含风电场的相关技术和设备还未能达到全面完善，但随着科学技术的进步，经过专业技术人员的优化和设计，必将迈向更高的台阶。但当前我国在风力预测环节中的技术还未能达到西方发达国家的先进水准，并且对于测得结果的误差和不确定性无法有效排除，直接导致了含风电场系统会产生不必要的风险。针对此种情况，我国某地区的含风电场所采取的措施为采取相应的手段，将系统风险分析的能力进行提升。

3含风电场的电力系统经济调度问题求解方法

3.1不确定性求解方法

不确定性求解方法主要通过对风速以及风电功率的随机概率优化模型进行计算。例如，我国某地区的含风电场所采用的基于多场景的调度方式，对电力系统中的经济调度问题关于正态分布随机模式环节问题进行解决。即首先将概率分布对于风能样本或风速进行抽样，从而形成较多具有离散规律的运行场景，在将各个场景逐一进行寻优，在理论上得到确定性的优化模型。此外，该地区含风电场还利用随机规划模型，将基于随机模拟中的粒子群进行求解，从而达到约束和规划电场中的经济调度问题。

3.2确定性求解方法

3.2.1遗传算法

根据遗传学机理中的生物进化过程以及模拟达尔文的生物进化论当中的自然选择所建立的计算模型。遗传算法广泛应用于Matlab工具箱中关于面向电力市场中的含风电场电力系统经济调度优化算法与模拟仿真。例如，我国某地区的含风电场电力系统经济调度工程技术人员在遗传算法的基础上进一步提出了量子遗传算法，并且对于阀点效应在含风电场中电力系统经济调度问题方面的应用进行了解决。量子遗传算法依靠量子计算过程中的更新策略以及遗传算法中的交叉算子，优化了算法在全局中的搜索能力。

3.2.2模拟退火算法

模拟退火算法是通过在一种模拟固体物理退货的过程中实现热平衡问题而实现的随机搜索技术。模拟退火技术具有初始值与本身算法无关的特点，同时还具有算法迭代的特点，即初始解与最优解状态无关的特点。因为模拟退火是一种并行以及渐趋收敛的计算方式，所以原则上已经被证明可以用于实现全局最优解的计算。例如，我国某地区的含风电场的电力系统中，在经济调度环节就应用了模拟退火算法，并且将风电结合，实现了电力系统的调度问题求解。

3.2.3进化规划算法

该模型可以通过将均匀分布的规律进行变异，并且从中选取出适合的个体进行搜索。在含风电场的电力系统经济调度过程中应用进化算法可以有效解决包络光滑与非光滑函数形式在内的各种函数形式的目标函数，从而有效解决电力系统中关于经济调度所产生的问题，利用这一算法可以实现较高的计算效率同时获得较高质量的问题的解。

3.2.4粒子群算法

粒子群算法最初是仿生学技术中，通过模仿鸟群的集体行为而衍生出来的智能优化算法。例如，我国某地区的含风电场利用粒子群算法进行多约束、非凸、非线性、高维数以及大规模的电力系统控制和运行中的系统优化问题。通过将基本粒子群算法中加入下降搜索算子，有效提升了迭代环节中粒子的计算精度与收敛速度，从而优化了含风电场电力系统经济调度的分析能力。

4结语

总之，根据不同的优化目标，需要结合不同的环境因素以及市场因素，综合考量含风电场中的经济调度问题，进而提升我国含风电场的电力系统中经济调度性能，促进我国经济社会的繁荣与发展。今后还需从以下几个方面进行深入研究：加强风电机组与常规机组联合经济调度的研究，尤其是建立合理的风电不确定性模型，为提高能源利用效率，减少碳排放，实现多能互补联合经济调度提供理论基础；在构建含风电场的电力系统经济调度模型时，将环境效益合理纳入风电成本中，以提升风电的竞争力。

参考文献

[1]高云龙，闫鹏.充分发挥火电系统深度变负荷能力的风火电动态经济调

度[J].中国电机工程学报，2017，37（09）：2491-2500.

[2]杨凤惠，张向锋，陈舒婷.基于协同进化多目标优化算法的含风电场的电力系统经济调度研究[J].电力学报，2015，30（04）：349-355.

[3]胡函武.含风电场的电力系统动态经济调度研究[D].广东:广东工业大学,2016.

作者介绍：

苏捷（1995—），男，硕士研究生，助理工程师，研究方向为电力系统经济调度（Email:fzusuj@163.com）