考虑可再生能源配额的风水火多能源电力系统年度调度模型.pdf

第 卷第 期运 筹 与 管 理 ，年 月 收稿日期：基金项目：国家社会科学基金资助项目（）；重庆市社会科学规划项目（）作者简介：陈道平（），通讯作者，男，重庆人，博士，教授，研究方向：技术创新管理；廖海凤（），女，湖北巴东人，硕士研究生，研究方向：技术创新管理；谭洪（），男，湖北巴东人，博士研究生，研究方向：电力系统运行优化与控制。考虑可再生能源配额的风水火多能源电力系统年度调度模型陈道平，廖海凤，谭 洪（重庆师范大学 经济与管理学院，重庆 ；重庆大学 输配电装备及系统安全与新技术国家重点实验室，重庆 ）摘要：通过分析配额制的实施对购电策略的影响，建立考虑可再生能源配额的风水火多能源电力系统的年度调度模型。为减小计算负担，将月度的负荷与风电用数个典型场景及其占比来表示。提出能够自动选择最佳聚类数的改进 算法，并应用于典型场景生成过程中。将同一天的负荷与风电的历史数据曲线拼接为一条功率曲线，并基于改进 算法进行聚类，得到考虑负荷与风电时序相关性的典型场景。仿真结果表明：（）所提典型场景生成方法对年度电量刻画的精度平均提高了 ，由其所生成典型场景的平均符合率提高了 ，所提方法具有更好的年度电量刻画效果和更高的平均场景符合率；（）当绿色证书的价格高于风电与火电价格差值时，实施配额制后能够提高风电的消纳量，这对绿色证书价格的确定具有重要参考价值。关键词：风水火多能源系统；可再生能源配额制；年度调度模型中图分类号：；文章标识码：文章编号：（）：，（，；，）：，“”，（）（），：；引言可再生能源的开发和利用不但是加强环境保护和应对气候变化的重要举措，也是促进经济转型和实现可持续发展的基本要求 。近年来，我国能源结构显著优化，可再生能源发电装机规模稳步扩大。国家能源局数据显示，截止 年底我国非化石能源发电装机容量已达到 亿 ，占总装机容量的 。同时，可再生能源出力的不确定性，也给系统运行调度带来挑战 。年，全国风电和光伏的弃电量分别为 亿 和 亿 。因此，有效描述可再生能源出力的不确定性，优化多能源电力系统的互补运行是当前电力系统的研究热点 。针对多能源电力系统的互补运行，从调度的时间尺度上可以分为短期优化调度和中长期优化调度。其 中，短 期 调 度 包 括 日 前 调 度 和 实 时 调度 ，中长期调度包括月度调度和年度调度 。短期调度中，调度时段数少且可再生能源出力的预测较为准确，常采用时序负荷曲线并基于随机规划方法进行建模。而对于中长期调度，由于调度时段数多且不能很好预测可再生能源的出力，因此其建模方法与短期调度相比存在差异。基于时序负荷曲线和可再生能源时序出力曲线的中长期调度模型，对于规模较大的系统而言计算负担很大，甚至可能产生“维数灾”问题。为了减轻计算负担，邵成成等 以持续负荷曲线为基础建立了中长期时间尺度的多能互补调度模型。该模型降低了计算复杂度，但是忽略了时段之间负荷的耦合关系。建立可 再 生 能 源 配 额 制（，）和可再生能源绿色电力证书（，）交易制度，是我国促进可再生能源发展及推动能源体制变革以实现非化石能源消费目标的重要途径。要求在地区电力建设中可再生能源发电需保持或占有一定的比例，使与配额比例相当的可再生能源电量可在各地区间交易。则是国家可再生能源信息管理中心发放的可用于交易的凭证，电网公司每调度或可再生能源发电商每生产 可再生能源电能可获得 个 。目前关于 的研究主要集中于 的实施效果和机制设计 。朱继忠等 提出了适合中国电力市场的基于固定电价制与 并行的均衡模型。和 对可再生能源以运 筹 与 管 理 年第 卷固定电价上网和实施 在促进成本降低和减少碳排放方面进行了对比分析。商波和黄涛珍 研究了实施 下的风电并网日前调度模型，但由于我国电力市场目前主要采用中长期合约的形式，因此有必要研究 对中长期调度的影响。本文将首先分析 的实施对调度模型的影响，在年度调度模型的优化目标中加入 交易成本并在约束条件中加入 约束，构建考虑可再生能源配额的多能源电力系统年度调度模型。接着在考虑负荷和风电相关性的情况下基于改进的 算法提出负荷 风电场景生成方法。最后通过实际算例验证场景生成方法的有效性，并进一步分析 实施对弃风率和购电成本的影响。风水火多能源电力系统年度调度模型 问题描述与假设 制度对风水火多能源电力系统年度调度模型的影响主要体现在以下 个方面。（）目标函数中需要考虑 的交易费用。在 制度下，具有相应的经济价值，电网公司需要同时参与电力市场和 交易市场。（）根据国家要求电网公司需要承担一定配额的可再生能源消纳责任，因此约束条件中增加 配额约束以确保满足配额要求。（）调度目标是购电费用与 交易费用之和最小，因此需要增加 的购买和销售决策变量。因此，的风水火多能源电力系统，其年度调度模型的优化目标为风电、水电和火电的购电成本，以及 的交易成本。约束条件除了包括传统的系统功率平衡约束、风电厂出力约束、火电机组运行约束以及水电机组运行约束以外，还包括 交易约束。同时，为了减小计算负担并考虑到负荷及风电的时序特性，在年度调度模型中需采用多个典型场景及其占比来表示月度的负荷和风电。需要注意的是，虽然风电和水电均为可再生能源，但 要求电网公司只有从风电厂购买的电能才能获得相应数量的 。此外，考虑到水库库容具有一定的调节能力，本文假设同一个月度的每个典型场景的日来水量相同，均采用月度平均日来水量表示。调度模型目标函数设 ，和 分别为月度、典型场景和日内时段的序号，分别为火电机组和水电机组的序号，和 分别为一年的总月数、第 月的场景数和一天内的总时段数，分别为火电机组和水电机组的台数，和 分别为购电成本、价格和发电功率，考虑可再生能源配额的风水火多能源电力系统年度调度模型的目标函数为：，（，）（），（），（），（）（）式（）式（）中，为第 月的天数，为第 月场景 的占比，和，分别为火电、水电、风电的购电成本，为 的交易成本，分别为火电、水电、风电的上网价格，为 的交易价格，为火电机组 在第 月场景 时段 的发电功率，为水电机组 在第 月场景 时段 的发电功率，为第月场景 时段 的风电发电功率，为 兑换的可再生能源电量，为正表示购买，为负表示出售。调度模型约束条件 系统功率平衡约束 ，（）式（）表示每个时段中火电、水电、风电的电功率之和等于系统的负荷功率，其中 ，为系统在第 月场景 时段 的电力负荷，。交易约束设规定的可再生能源配额比例为 ，则系统调度的风电的电量与 交易兑换的可再生能源电量之和需要不少于总调度电量的 。，（，）（）风电厂出力约束设第 月场景 时段 的风电厂的最大发电功率为，则风电上网功率不能超过风电厂在对应时段的最大发电功率。，（）火电与水电机组运行约束火电机组运行约束包括机组出力约束、机组爬坡约束、逻辑约束、最小启停约束等；水电机组运行约束包括机组出力约束、水量平衡约束、水库库容约束和水流量约束等。第 期陈道平，等：考虑可再生能源配额的风水火多能源电力系统年度调度模型 负荷 风电场景的生成方法 考虑负荷 风电相关性的场景分析电力负荷与风电出力都具有日周期性和季节性的特点。对于同一地区而言，负荷与风电出力由于同时受到天气、温度等因素的影响会表现出相关性，因此在典型场景生成过程中需要把历史数据中同一天的负荷与风电放到同一个单元进行聚类而不是各自聚类。设一天中的时序负荷与风电分别为 ，和 ，则聚类单元可以表示为：，（）式中，为样本序号，为样本数；为日内时段数，取 。改进 聚类算法传统 聚类算法有两个局限：一是聚类数 人为给定，这导致值的选择具有盲目性；二是初始聚类中心的随机选取，这对聚类结果有较大影响。因此，改进 算法主要基于这两个方面。（）最佳聚类数的确定最佳聚类数可根据聚类效果来确定，根据经验规则其为 ，槡 范围内的整数。聚类效果基于聚类有效性指标 （）进行评价，其定义为：（）（）式（）中，为各类之间的离差平方和，为每类内部的离差平方和。（）的大小反映聚类的效果，（）的值越大表明聚类的效果越好。当 值增大时，的值会增大，的值会减小，（）的值会在某个 值处达到最大，该 值就是最佳聚类数。（）最佳初始聚类中心的确定对于样本集 ，定义样本的密度参数 为：（，）（，）（）式（）中，为样本平均距离；为符号函数；为欧几里得距离函数。密度参数 反映了以 为中心，以平均距离 为半径的范围内样本的个数。当多个样本具有相同密度参数时，选择紧密程度大的样本作为聚类中心，因此引入凝聚度函数：（，）（，）（）（，）（，），（，），其他（）式（）中，凝聚度函数 （，）反映了以为中心，以 为半径范围内数据与 的远近，取值范围为（，），其值越小表示凝聚度越高。初始聚类中心候选集的生成步骤为：计算每个数据的密度参数并找出最大值所对应的数据；若 唯一，则将 添加至初始聚类中心候选集，若对应多个样本数据，则根据凝聚度参数选择凝聚度最小的数据添加至初始聚类中心候选集；将以 为中心、为半径范围内数据从样本集中删除；重复 到 的过程，直到找到 槡 个初始聚类中心。典型场景生成的流程通过对电力负荷与风电数据组成的单元进行聚类即可得到考虑负荷 风电相关性的典型场景。如图 所示为典型场景生成流程：首先根据样本数据生成最佳初始聚类中心候选集；然后依次增加的值并从初始聚类中心候选集中选择中心进行聚类；最后 根 据 聚 类 结 果 计 算 对 应 的 （）指 标。（）指标最大值对应的聚类数即为最佳聚类数，其聚类结果就是最佳的分类，各分类中心即为选择的典型场景。图 典型场景生成流程图 模型求解在 软件中编写了改进 算法的程序，并基于该算法将某地区电力负荷与风电的多年历史数据按月进行聚类，得到各月考虑负运 筹 与 管 理 年第 卷荷与风电相关性的典型场景。所建立的年度调度模型为混合整数线性规划模型，在 软件中编写该调度模型的程序，并基于 工具箱调用 求解器进行求解。所有仿真均在 ，内存的台式电脑上进行。实例分析 实例参数本文以某电网公司年度调度为例，验证所构建的多典型场景年度调度模型的合理性和有效性，并分析可再生能源配额制对弃风率和购电成本的影响。本算例中，电网公司要向 台火电机组、个水电站共 台水电机组、个风电厂购电。火电与水电机组参数见表 ，水库各月的平均入库流量见表 ，水库分段参数见表 ，各类电能的价格参数见表 。表 火电与水电机组参数机组编号火电机组出力上限出力下限最小开机时间 最小停机时间 上 下爬坡 启动爬坡 水电机组水电站出力上限出力下限 表 水库各月的日平均入库流量（单位：万）月份月月月月月月月月月 月 月 月水库 水库 表 水库分段参数（库容单位：亿，耗水率单位：）水电编号 水电编号 ：表中 表示分段号，表示库容，表示耗水率。表 各类电能的价格参数能源与项目名称价格（元 ）火电 水电 风电 负荷 风电多典型场景有效性验证（）典型场景生成结果根据该地区 年的电力负荷与风电的历史数据按月进行聚类，得到各月考虑负荷与风电相关性的典型场景。表 为聚类得到的各个月的典型场景数，除了月份、月份的场景数为 以外，其他月的场景数为 。以 月为例，负荷与风电的典型场景的功率时序如图 所示，场景 和场景 对应的概率分别为 和 。表 各月的典型场景数月份 场景图 第 个月负荷与风电的典型场景第 期陈道平，等：考虑可再生能源配额的风水火多能源电力系统年度调度模型（）典型场景的电量刻画效果利用多个典型场景及场景概率来代表月度负荷可以减小模型规模，但同时需要保证具有较好的电量刻画效果。利用 年的历史数据分析不同场景法对年度电量的平均刻画效果。全年平均 负 荷 和 风 电 分 别 为 和 。表 为不同场景法得到的年度电量对比。表 不同场景方法的年度电量刻画情况方法负荷（）误差（）风电（）误差（）方法 方法 方法 方法 单典型日法，用单个典型日时序与月度天数的乘积表示月度负荷。方法 不考虑负荷与风电相关性的多典型场景法，每个负荷场景对应所有的风电场景及其相应的概率。方法 考虑负荷与风电相关性的多典型场景法，即本文方法。根据表 中不同场景方法对年度电量的刻画情况可见，单典型日法得到的年度电量与实际电量差别较大，年度负荷电量与年度风电的误差均超过了 。方法 和方法 均为多典型场景，年度电量刻画误差较小，平均比单典型日精度提高 。（）场景符合率分析传统多典型场景（方法 ）选取时没有考虑同一地区负荷与风电的相关性，将负荷与风电分别进行聚类。该方法虽然有较好的电量刻画效果，但并不能反映实际的负荷与风电情况。采用该方法时，总场景数为负荷场景与风电场景的乘积，即所有负荷场景与风电场景的排列组合，而场景概率为所对应的负荷场景概率与风电场景概率之积。由于未考虑负荷与风电的相关性，其所表示的场景与实际场景并不相符。因此，定义年度平均场景符合率为：珋 ，（）式（）中，和 ，分别为第 月场景 的理论场景天数和实际场景天数。根据 年历史数据，得到不同场景方法的年度平均场景符合率如表 。表 不同方法的平均场景符合率方法场景符合天数（天）平均场景符合率（）方法 方法 方法 总天数（天）表 中，方法 为单典型日法，所有天都只能归为这一类场景，因此场景符合率为 。方法为多典型场景法，由于未考虑负荷与风电的相关性导致理论各场景的天数与实际各场景的天数差异较大，平均场景符合率仅为 。方法 考虑了负荷与风电的相关性，具有更高的平均场景符合率，比方法 提高了 ，更能真实地反映年度负荷及风电的实际情况。此外，方法 由于分别对负荷及风电的历史数据进行聚类，其场景数为负荷场景与风电场景的乘积，因而场景较多，增大了模型的规模和求解难度。对弃风及购电成本的影响（）对弃风的影响未实施 时，不同能源电量的调度情况与其上网价格直接相关。其中，水电的上网价格最低，火电的居中，风电的最高。因此，在满足各个约束的前提下，会优先调度水电，然后才会调度火电和风电。实施 后，电网公司在参与电力市场的同时还要参与 市场，调度风电后会获得与消纳电量相对应的证书，在满足配额要求后可以出售证书。因此，超过配额比例后消纳的风电的价格就等于风电上网价格减去 的交易价格，相当于降低了风电上网的价格，从而促进了电网公司对风电的消纳。图 和图 呈现了各月的电量组成情况。图 为未实施 时各月购电来源情况。各月电能来源主要为水电和火电，这是由于系统火电和水电的机组容量满足负荷需求，水电和火电的上网价格比风电的低，因此只需调度水电和火电。而水电上网价格最低，因此会优先调度，容量超出部分才调度火电。此时，系统风电的弃风率为 。图 未实施 各月购电来源图 为按可再生能源配额比 实施 后年度调度结果中各月的购电来源情况。交易价格为 元 ，实施 前后水电调度情况没有变化，而风电的消纳量大幅提高，火电调度量减少，年度弃风率为 。图 实施 各月购电来源运 筹 与 管 理 年第 卷 的交易价格直接影响风电的消纳，图 为 的价格变化对弃风率的影响情况。图 不同 价格下的弃风率图 中，当 的价格低于风电和火电价格差值（元 ）时，风电价格减去 价格高于火电价格，且系统火电和水电的机组容量满足负荷需求，因此只需调度水电和火电，弃风率为 。当 的价格高于 元 时，风电实际利用价格低于火电，因此弃风率为 ，即优先调度风电。（）对购电成本的影响 的实施过程中，不同的配额比例和不同的 交易价格必然会影响到电网公司的购电成本。因此，制定合适的配额比例和 的价格对 的实施尤为重要。图 为不同配额比例和不同 价格下的购电成本曲线图。图 不同配额比例和不同 价格下购电成本图 中，图例“”表示 的交易价格为 元 。实施 后，相同 价格下，购电成本随着配额比例增大而增大，即需要消纳的风电电量越多则购电成本就越大。相同配额比下，的价格越高，购电成本就越低。当 的价格高于 元 时，较小配额比对应的购电成本低于不实施 的购电成本；随着配额比的增大，购电成本会超过不实施 的购电成本。当 的价格为 元 时，无论配额比例为多少，购电成本均高于不实施 的购电成本。这是因为风电和火电价格差值为 元 ，当 价格低于该差值时，风电价格总是高于火电。结论本文首先分析了 的实施对调度模型的影响，在优化目标中加入 交易成本并在约束条件中加入 约束，构建了考虑 的风水火多能源系统年度调度模型；其次提出在多能源系统典型场景生成中将历史数据中每天的负荷与风电放到同一个单元，基于改进的 算法进行聚类获得了考虑负荷与风电相关性的多个典型场景；最后基于模型进行了算例分析，结果显示多典型场景对年度电量的刻画效果较单典型日更好，平均精度提高 ；考虑了负荷与风电的相关性的典型场景法更能真实地反映年度负荷及风电的实际情况，平均场景符合率提高 ；在多能源电力系统中，当 价格高于风电与火电价格差值时，实施 后能够提高风电的消纳量；实施 后，相同 价格下，购电成本随着配额比例增大而增大，相同配额比下，的价格越高，购电成本就越低。参考文献：，：朱万山，毛启静，陈珍珍减少弃风的集团内部风？火交易激励机制研究 运筹与管理，（）：，：，：王彬，孙勇，吴文传，等 协同电网安全性与经济性的新能源优先实时调度方法及应用 电力系统自动化，（）：邵成成，王雅楠，冯陈佳，等 考虑多能源电力特性的电力系统中长期生产模拟 中国电机工程学报 ，（）：朱继忠，冯禹清，谢平平，等 考虑可再生能源配额制的中国 电 力 市 场 均 衡 模 型 电 力 系 统 自 动 化，（）：，：商波，黄涛珍 可再生能源配额制下异质权力发电商的绿色生产决策研究 运筹与管理，（）：第 期陈道平，等：考虑可再生能源配额的风水火多能源电力系统年度调度模型