含风电场的电力系统经济调度的分析

刘申+陈凯+于溪龙

摘 要：根据风电随机波动的特点可以将含风电场的电力系统进行合理调整，从而有效解决系统内部的经济调度问题。文章对当前我国风电并网对于电力系统经济调度的影响着手，在此基础上分析了含风电场系统经济调度模型的建立方法、备用问题与风险管理以及其他相关经济调度模型等，同时也分析了含风电场的电力系统经济调度问题求解方法，旨在为关注这一领域的人士提供一些参考意见。

关键词：含风电场；经济调度；风险管理；遗传算法

中图分类号：TM73 文献标志码：A 文章编号：2095-2945（2017）34-0130-02

引言

随着我国国民经济的发展以及科学技术水平的提高，各界对我国风力发电领域中的经济调度问题的关注程度越来越高。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。当前国内外学者对含风电场中经济调度问题研究已经取得了诸多成果，但如何对含风电场风力预测水平和经济调度能力进行提高，仍需要进一步探索。

1 风电并网对于电力系统的经济调度影响

风电并网通过将大量的风能资源并入到我国电力系统当中，建立起含风电场实现了我国电力事业的优化发展。在电力系统中，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，从而大大增加了模型计算的复杂程度。

传统电场中关于经济调度的关键在于负荷预测的准确性以及电源的可靠程度等，其中的难点为负荷预测环节。区别于传统电场，含风电场的电力系统经济调度由于风速的不可控性和风速的随机性等因素的影响，会导致预测的风电出力同实际出力之间存在一定的误差，因此需要将传统的负荷预测进行优化，使其适应新型含风电场中的电力系统经济调度和风力预测要求，从而有效抑制风电处理的波动性与随机性。

2 含风电场的电力系统经济调度建模分析

2.1 建模方法

含风电场中，将风力资源系统有效地并入到电网系统当中，因此电力系统的调度人员也面临着全新的挑战。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，该地区的含風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引起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，使当地含风电场保持正常运作[1]。

2.2 电力系统经济调度备用问题与风险管理

从长期发展的角度来看，虽然当前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。同时，该地区含风电场还将风险指标的限定值纳入到备用容量的管理之中，从而确保系统的安全性与可靠性。

2.3 其他相关经济调度模型

近几年，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。不仅如此，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。

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，通常情况下可以采取两种方式进行求解。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[2]。

3.2 确定性求解方法

3.2.1 遗传算法

最早提出遗传算法为1975年，在美国密歇根州立大学的J.Holland教授，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]。endprint

3.2.2 进化规划算法

进化规划算法为上个世纪六十年代，科学家L.J.Fogel在人工智能研究领域首次提出的有限状态机进化模型。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。

3.2.3 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。同时，该地区含风电场还对模拟退火算法利用约束满足技术进行优化，提高其运算速率。

3.2.4 粒子群算法

除了上述几种算法之外，粒子群算法是近几年新生的人工智能优化算法之一。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 结束语

综上所述，在进行大规模含风电场的电力系统经济调度问题研究过程中，需要依靠数学求解以及优化模型的方法。通过模型可以得出当大量风能资源并入到电场系统后，容易造成的风险系统与备用管理问题。此外，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。

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]楊凤惠，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]龙军，莫群芳，曾建.基于随机规划的含风电场的电力系统节能优化调度策略[J].电网技术，2011，35（09）：133-138.

[4]强浩洋.浅析电力系统调度运行存在的问题与解决措施[J].科技创新与应用，2014（35）：199.endprint