新型电力系统背景下电源协同优化规划方法研究_黄彬彬.pdf

Electrical Automation电气自动化 2023 年第 45 卷 第 1 期电力系统及其自动化Power System Automation新型电力系统背景下电源协同优化规划方法研究黄彬彬1，谢敏1，林盛振1，何润泉1，程培军2(1 华南理工大学 电力学院，广东 广州510641;2 中国南方电网广东电网 广州供电局，广东 广州510013)摘要:考虑风能光能等新能源出力不确定特性，为实现电力系统经济、灵活运行以及节能减排环保特性的宗旨，引入分析目标级联法。设计以综合成本最优为优化目标，按机组安全经济调度运行、灵活辅助服务市场和清洁低碳环保要求，建立新型电力系统背景下的电源协同规划模型，并以 IEEE 118 节点系统对所提算法及模型予以验证。结果表明，所提算法及模型相较传统优化算法具有更好的寻优能力及计算速度。关键词:新能源;节能减排;分析目标级联法;新型电力系统;电源协同优化规划DOI:10 3969/j issn 1000 3886 2023 01 015 中图分类号 TM712 文献标志码 A 文章编号 1000 3886(2023)01 0054 05esearch on Collaborative Optimization Planning Method ofPower Supply Under the Background of New-type Power SystemHuang Binbin1，Xie Min1，Lin Shengzhen1，He unquan1，Cheng Peijun2(1 School of Electric Power Engineering，South China University of Technology，Guangzhou Guangdong 510641，China;2 China Southern Power Grid，Guangzhou Power Supply Bureau，Guangzhou Guangdong 510013，China)Abstract:Taking into account the uncertain characteristics of new energy output such as wind and photovoltaics，in order to achieve the purposeof economical，flexible operation of the power system and the characteristics of energy saving，emission reduction and environmentalprotection，the analysis target cascade method was introduced The design was taken with the optimal comprehensive cost as theoptimization goal，according to the requirements of safe and economic dispatching operation of units，flexible auxiliary service market，clean，low-carbon and environmental protection，a power supply collaborative planning model under the background of new powersystem was established，and the proposed algorithm and model were verified by IEEE 118 bus system The results show that theproposed algorithm and model have better optimization capabilities and calculation speed than traditional optimization algorithmsKeywords:new energy resources;environmental protection;analysis target cascade method;new power system;power supply cooperativeoptimization planning定稿日期:2021 10 25基金项目:广东省自然科学基金项目(2021A1515012245);中央高校基本科研业务费重大产学研合作扶持专项(x2dlD2201280)0引言为实现“碳达峰”“碳中和”的双碳目标，我国大力推动供给侧能源清洁替代，明确构建以新能源为主体的新型电力系统。而新能源可用功率预测的偏差所导致的电力系统安全性及可靠性风险加大和系统灵活运行需求日益严峻等问题，使得大规模新能源接入的电源规划需考虑更多不确定因素和协调方面的工作1。在目前已有的电源规划研究中，文献 2 3考虑新能源的出力概率特性，将反映经济效益的投资成本、网络损耗以及反映供电安全性的电压偏移度作为电源选址定容问题的主要研究目标。文献 4 则以电压稳定性、系统网损和电流裕度指标为考虑目标，基于多目标决策方法测算优化电源的选址定容方案，从而提高系统的安全稳定性和经济性。文献 5 6以上层的网架结构优化及下层的投资决策优化间的迭代寻找最优规划方案，以适应新能源的不确定性。在现有的研究内容中，大部分文献在描述某种影响因素时仅增加了简单的约束，且部分求解算法也存在结果局部最优等问题，当一个复杂模型中存在多种维度的因素时，无法得到平衡各方影响因素下的结果，且在约束条件过多的情况下测算缓慢，效果欠佳。本文以综合成本最优为优化目标，针对机组的安全经济调度运行、灵活辅助服务市场(如储能等)和清洁低碳要求三个角度，建立新型电力系统背景下的电源协同规划模型，并引入分析目标级联法(analytical target cascading，ATC)，基于并行子系统与系统级交互迭代实现规划方案的求解。1基于分析目标级联法的电源协同优化规划建模分析目标级联法是一种协调分解的设计优化算法，其将大规图 1ATC 基本原理模的复杂系统设计优化问题按照区域或者其他标准分解为层次式的优化结构。通过在上层系统级引入惩罚项以解决下层子系统之间耦合变量的偏差问题7。基本原理如图 1 所示。1 1系统级模型:电源投资决策在电源规划中，资45Electrical Automation电力系统及其自动化Power System Automation电气自动化 2023 年第 45 卷 第 1 期源配置、建设施工约束及政策支持对电源投资决策往往有着决定性的作用，故系统级的测算目标及约束从整体宏观的角度建立。1 1 1目标函数系统级优化目标为投资成本最低，目标函数如式(1)所示。min Ftotal=invii(1+i)ni(1+i)ni1Sfnewi(1)式中:Ftotal为 系 统 级 目 标 函 数;invi为 各 机 组 单 位 造 价;i(1+i)ni(1+i)ni1为电力工业部颁布的资金回收系数;i为资金回收率;ni为新建机组 i 的生产运行期;Sfnewi为规划年内新增机组容量。1 1 2约束条件(1)满足最大负荷约束:Ni=1(PGeni，max+Sfnewi)+Nwi=1(Sfwnewi+Pwgeni，max)+Nvi=1(Sfvnewi+Pvgeni，max)(1+)Loadmax(2)式中:i 为除风光外发电机编号;N 为常规发电机组个数，i=1，2，N;Nw为风电机组个数，i=1，2，Nw;Nv为光伏机组个数，i=1，2，Nv;PGeni，max、Pwgeni，max和 Pvgeni，max为传统机组、风电机组和光伏机组 i 的装机容量;Sfwnewi、Sfvnewi为风电机组与光伏机组新增容量;Loadmax为规划年内最大负荷;为系统预留的备用容量系数。(2)电源建设施工约束:0 Sfnew i Snew i，max(3)式中:Snew i，max为各电源规划年内投产上限。(3)新能源政策约束:Ni=(1Sfnew i+PGen i，)maxTi+Nwi=(1Sfwnew i+Pwgen，)maxTwi+Nvi=(1Sfvnew i+Pvgen，)maxTviNwi=(1Sfwnew i+Pwgen，)maxTwi+Nvi=(1Sfvnew i+Pvgen，)maxTvi+iNs，iN(swSfnew i+Pgen i，)maxT(4)式中:为新能源电力消纳保障机制下需完成指标;Twi及 Tvi为风光机组历史年利用小时数;Ns及 Nsw为水电与生物质能发电机组的编号集合。1 2子系统 1:发电机组经济调度在电源规划中，需对电网实际运行状态进行模拟，使投产电源满足安全生产调度约束，实现最优经济效益。1 2 1目标函数发电机组经济调度目标函数包含传统机组煤炭消耗成本和各机组运行成本，目标函数为:min Fp1=Tt=1Ni=1 a0，i+a1，iPgen1，i(t)+a2，iP2gen1，i(t)+b0，i+b1，iPgen1，i(t)+b2，iP2gen1，i(t)+Tt=1Ni=1 a0，i+a1，iPnew1，i(t)+a2，iP2new1，i(t)+b0，i+b1，iPnew1，i(t)+b2，iP2new1，i(t)+Tt=1Ni=1 CiPgen1，i(t)+CiPnew 1，i(t)+Nwi=1 CwindPw，i(t)+CwindPwnew，i(t)+Nvi=1 CvPv，i(t)+CvPv new，i(t)+1EENS(5)式中:Fp1为子系统 1 基本目标函数;t 为调度时段;T 为总调度周期，t=1，2，T;a0，i、a1，i和 a2，i为第 i 台常规机组的燃料消耗费用系数;PGen1，i(t)、Pnew 1，i(t)为子系统1 中机组 i 及新建机组 i 在时段t的有功发电功率;b0，i、b1，i和b2，i为第i台常规机组的污染排放费用系数;Ci、Cwind，i、Cv，i为常规、风光机组 i 的运行维护单位成本;Pw，i(t)、Pv，i(t)为风、光机组 i 在时段 t 的有功发电功率;Pwnew，i(t)及 Pvnew，i(t)为新建风、光机组 i 在时段 t 的有功发电功率;EENS(expected energy not served)为电量不足期望值;1为因电量不足而引起的单位经济损失。1 2 2约束条件(1)系统负荷平衡约束:Ni=1 Pgen1，i(t)+Pnew 1，i(t)+Nwi=1 Pw，i(t)+Pwnew，i(t)+Nvi=1 Pv，i(t)+Pvnew，i(t)=Load(t)(6)式中:Load(t)为时段 t 的系统负荷。(2)机组出力上下限约束:Pgen i，min Pgen1，i(t)Pgen i，max(7)0 Pnew 1，i(t)Sfgen，i(8)式中:Pgen i，max和 Pgen i，min分别为原常规机组 i 每时刻的最大、最小有功出力;Sfgen，i为系统级优化得到新建机组 i 的容量，作为子系统 1 中新建机组 i 每时刻出力最大上限值。(3)机组爬坡约束:Pgen1，i(t 1)Pgen1，i(t)rdiTrPgen1，i(t)Pgen1，i(t 1)ruiTr(9)Pnew 1，i(t 1)Pnew 1，i(t)rdiTrPnew 1，i(t)Pnew 1，i(t 1)ruiTr(10)式中:rui和 rdi分别为常规机组 i 的爬坡率和滑坡率;Tr为调度时段间隔。(4)系统备用容量约束:Ni=1Pgen i，max+Ni=1Sfgen，i+Nwi=1Pw，i(t)+Nvi=1Pv，i(t)(1+)Load(t)(11)式中:为系统备用容量系数。(5)线路有功及断面潮流约束:Pmn1(t)Pmn，max(12)klj=1Pk1，j(t)Pcut，max(k)(13)式中:Pmn1(t)为子系统 1 中线路 mn 在第 t 时段的有功功率;Pmn，max为传输线路mn的有功功率上限;kl为关键输电断面k所包含的线路条数;Pk1，j(t)为子系统 1 中关键输电断面 k 中第 j 条线路在第 t 时段传输的有功功率;Pcut，max(k)为关键输电断面 k 的有功潮流上限。(6)电量不足期望值约束:EENS EENSmax(14)55Electrical Automation电气自动化 2023 年第 45 卷 第 1 期电力系统及其自动化Power System Automation式中:EENSmax为规划系统中的可靠性要求。1 3子系统 2:灵活辅助市场缺额容量规划风能光能等新能源电力出力的随机波动性会导致电网中传统可控机组的频繁启停和深度调峰运行，会对电源规划方案带来重要影响。1 3 1目标函数灵活辅助市场缺额容量规划的目标函数如式(15)所示:min Fp2=Tt=12 Dup(t)+Ddown(t)(15)式中:Dup(t)和 Ddown(t)分别为系统在 t 时段向上及向下灵活辅助爬坡容量缺额，即该系统在给定响应时间内不能够满足系统净负荷变动而进行爬坡和滑坡的缺额容量8;2为灵活爬坡容量缺额惩罚费用。计算各运行时段系统的灵活性需求。Fup(t)=Load(t+1)Nwi=1 Pw，i(t+1)+Pwnew，i(t+1)Nvi=1(Pv，i(t+1)+Pvnew，i(t+1)Load(t)Nwi=1 Pw，i(t)+Pwnew，i(t)Nvi=1 Pv，i(t)+Pvnew，i(t)+w1%Nwi=1 Pw，i(t+1)+Pwnew，i(t+1)+w2%Nvi=1 Pv，i(t+1)+Pvnew，i(t+1)Fdown(t)=Load(t)Nwi=1 Pw，i(t)+Pwnew，i(t)Nvi=1 Pv，i(t)+Pvnew，i(t)Load(t+1)Nwi=1 Pw，i(t+1)+Pwnew，i(t+1)Nvi=1 Pv，i(t+1)+Pvnew，i(t+1)+w1%Nwi=1 Pw，i(t+1)+Pwnew，i(t+1)+w2%Nvi=1 Pv，i(t+1)+Pvnew，i(t+1)(16)式中:Fup(t)和 Fdown(t)分别为系统在 t 时段向上及向下的灵活性需求;w1%和 w2%为风电、光电预测误差。计算系统灵活容量缺额:Dup(t)=Fup(t)Ni=1 Pgen i，max+Sfgen，i Pgen2，i(t)Pnew2，i(t)up，gen i(t)up，new i(t)Ddown(t)=Fdown(t)Ni=1 Pgen2，i(t)+Pnew 2，i(t)Pgen i，min down，gen i(t)down，new i(t)(17)式中:up，gen i(t)及 down，gen i(t)分别为原机组 i 在 t 时段所提供的上调及下调旋转备用容量;up，new i(t)及down，new i(t)为新建机组i在 t 时段所提供的上调及下调旋转备用容量。当某时段的向上或向下灵活性容量需求大于 0 时，说明此时段系统灵活性不足，需要在该时段引入灵活爬坡产品9。1 3 2约束条件(1)灵活爬坡需求约束(由于系统存在线路阻塞，考虑灵活性需求乘以上浮系数):up Fup(t)Dup(t)+Ni=1 Pgen i，max+Sfgen，iPgen2，i(t)Pnew 2，i(t)up，gen i(t)up，new i(t)down Fdown(t)Ddown(t)+Ni=1 Pgen2，i(t)+Pnew 2，i(t)Pgen i，min down，gen i(t)down，new i(t)(18)式中:up和 down分别为上调及下调灵活爬坡容量的上浮系数。(2)灵活爬坡上下限约束:Pgen i，min+down，gen i(t)Pgen2，i(t)Pgen i，max up，gen i(t)(19)down，new i(t)Pnew 2，i(t)Sfgen，i up，new i(t)(20)其余常规约束同子系统 1。1 4子系统 3:碳排放优化规划根据我国碳排放配额分配实施方案的相关细则，配额实行部分免费发放和部分有偿发放，在该背景下建立碳排放优化模型。1 4 1目标函数碳排放优化规划系统下的目标函数为系统的碳配额购买成本:min Fp3=CtpriceNi=1maxTt=1CCO2，iPgen3，i(t)gen，i+Ni=1maxTt=1CCO2，iPnew 3，i(t)new，i(21)式中:Ctprice为碳配额购买费用;CCO2，i为机组 i 的单位碳排放量;gen，i及 new，i为控排火电传统及新建机组获得的免费配额。1 4 2约束条件除基本网络与机组特性约束外，所有控排机组所购碳配额原则上应不超过该年度控制的配额有偿发放总量。Ni=1maxTt=1CCO2，iPgen3，i(t)gen，i+Ni=1maxTt=1CCO2，iPnew3，i(t)new，i(22)式中:为该年度控制的配额有偿发放总量。本文中各控排机组免费配额 i及新建控排机组免费配额new i的设定由机组碳排放系数及该类型机组年利用小时数决定，以一天为时间尺度的配额计算如下所示。i=CCO2TiPgen i，maxTN(23)new i=CCO2TiSfgen，iTN(24)式中:Ti为控排机组 i 的年利用小时数;TN为研究年份天数;为碳配额年度下降系数。65Electrical Automation电力系统及其自动化Power System Automation电气自动化 2023 年第 45 卷 第 1 期2电源协同优化规划模型的求解方法2 1迭代过程中目标函数更新当每个系统在优化自身设计变量的同时，需要不同的系统优化得到的发电机出力 Pgen s，i(t)和系统级电源规划优化所得到的新增容量 Sfnew i之间的协调，因此在目标函数引入拉格朗日罚函数，则子系统的目标函数可以表示为:min Fps+Ni=1vs，tTt=1Pgen s，i(t)Sfnew iTi/365+Ni=1ws，tTt=1Pgen s，i(t)Sfnew iTi/3652，s=1，2，3，4(25)式中:Fps为子系统 s 的目标函数;vs，t、ws，t为 t 时刻各子系统变量拉格朗日罚函数乘子。系统级的目标函数同样包含拉格朗日罚函数部分:min Ftotal+Ni=1Ss=1s，tSfnew iTi/365 Tt=1Pgen s，i(t)+Ni=1Ss=1s，tSfnew iTi/365 Tt=1Pgen s，i(t)2(26)式中:s，t、s，t为t时刻子系统s设计变量的拉格朗日罚函数乘子;Tt=1Pgen s，i(t)为t时刻各子系统优化自身利益后得到的设计变量。2 2乘子更新原则与收敛条件罚函数的一次项、二次项乘子 s，t和 s，t的更新原则为:(k)s，t=(k)s，t+2(k1)s，t(k1)s，t P(k1)s(t)P(k1)G，s(t)(27)(k)s，t=(k1)s，t(28)式中:k 为迭代次数;为常数，取值一般为 1 3;s，t和 s，t的初值一般取较小的常数10。在本文模型中，收敛判据如下所示:pr=P(k)gen s，i(t)P(k)gen s，i(t)1(29)pf=F(k)total+Ss=1F(k)psF(k1)total+Ss=1F(k1)psF(k)total+Ss=1F(k)ps 2(30)式中:1和 2为收敛精度。当式(29)和式(30)同时满足时，系统即达到了收敛。2 3电源协同优化规划流程求解流程如图 2 所示。3算例分析对 IEEE 118 节点系统仿真测算。规划水平年该系统典型日负荷曲线如图 3 所示，原系统接入机组数据如表 1 所示。常规电源及可再生电源单位造价具体参数如表 2 所示。设置系统备用容量系数为 0 1，风光预测误差 25%，上调、下调备用需求系数为7%和5%，灵活爬坡上浮系数为1 1。有偿碳配额总量为控排机组全部碳配额总量的 5%。碳配额购买按政策保留价取为 25 84 元/t。电力系统可靠性标准为 99 9%。投资机组资金回收率为 10%，新能源电力消纳比例为 28 5%。电量期望不足惩罚费用与灵活爬坡容量缺额惩罚费用分别为运行费用的10 倍与 30 倍。收敛精度为 0 000 1。电源优化规划结果如表 3 所示。图 2基于 ATC 的电源协同优化规划流程图图 3IEEE 118 节点系统负荷曲线表 1IEEE 118 节点系统机组数据机组类型台数/台总装机容量/MW接入节点编号煤电机组342 9104、6、8 等气电机组92 72010、12、25 等风电机组370080、87 等水电机组1075030、38、100 等光伏机组160114表 2各机组单位造价表单位:元/kW机组类型单位造价机组类型单位造价风电机组8 000煤电机组3 600光伏机组4 000气电机组2 800核电机组16 000生物质能机组9 265水电机组20 00075Electrical Automation电气自动化 2023 年第 45 卷 第 1 期电力系统及其自动化Power System Automation表 3IEEE 118 节点系统新建电源容量前后对比表单位:MW机组类型原有容量新增后容量机组类型原有容量新增后容量煤电机组2 9104 614风电机组7501 333气电机组2 7204 112光伏机组60200水电机组7001 208所有机组7 14011 467针对不同类型电源选取典型机组，其优化后的典型日出力结果如图 4 所示，系统向上及向下灵活辅助缺额如图 5 所示。图 4规划水平年典型日代表性机组经济调度结果图 5规划水平年典型日灵活容量缺额由图 4 可知，常规机组的出力曲线波动与负荷曲线基本一致，而新能源中风电与光伏机组由于其特殊的昼夜变化模式，出力曲线与其本身出力特表 4电源协同优化规划模型测算结果测算内容测算结果投资成本/万元2 690142煤耗成本/万元6 873525电量不足期望惩罚成本/万元2192灵活容量缺额成本/万元741864碳配额购置成本/万元61026总成本/万元10 368 749迭代次数/次4性相关。图 5 中的向上及向下容量缺额说明由于新能源出力的局限在电力不同需求时段系统需要支付更多灵活辅助服务的费用。模型迭代及折算成年费用后的成本结果如表 4 所示。根据模型测算的迭代次数可知，本文所提的基于 ATC 的电源协同优化规划模型具有较好的收敛性。为进一步验证本文所提算法的进步性，将本文所提算法下建立的模型与传统集中式算法进行对照分析，结果对比如表 5 所示。由表 5 可知，当模型的收敛精度要求变高时，模型的寻优能力也会相应提高，且略优于传统集中式模型下得到的最优解。此算例验证了本文所提的 ATC 算法在求解电源协同规划问题时的有效性，测算结果符合实际调度需要，对比传统集中式模型的计算结果，本文模型具有良好的寻优能力及计算速度。表 5ATC 算法与传统优化算法的结果对比测算内容ATC 算法=0001=0000 1=0000 01传统集中式求解算法总成本/万元10 38226410 36874910 36874910 442 865计算时长/s2933843843254结束语新型电力系统建设背景下，本文提出基于分析目标级联法的电源协同优化规划模型，综合考虑系统经济调度、灵活辅助服务市场和清洁低碳环保要求，通过三个子系统并行计算，系统级投资决策与子系统级运行模拟之间变量的迭代耦合，交互优化，求解得到最优成本及最优电源布局结构，并以 IEEE 118 节点系统算例验证模型的有效性，为新型电力系统背景下电力系统优化规划提供新的思路。参考文献:1 文云峰，杨伟峰，汪荣华，等 构建 100%可再生能源电力系统述评与展望 J 中国电机工程学报，2020，40(6):1843 18562 屈高强，李荣，董晓晶，等 基于随机机会约束规划的有源配电网多目标规划 J 电力建设，2015，36(11):10 163 栗然，马慧卓，祝晋尧，等 分布式电源接入配电网多目标优化规划J 电力自动化设备，2014，34(1):6 134 孙顺祥，李晓明，刘振盛，等 计及电压稳定性评估的配电网 DG 选址定容的研究 J 电力系统保护与控制，2019，47(3):88 945 温俊强，曾博，张建华 市场环境下考虑各利益主体博弈的分布式电源双层规划方法 J 电力系统自动化，2015，39(15):61 676 GAO Y，HU X，YANG W，et al Multi-objective bilevel coordinatedplanning of distributed generation and distribution network frame basedon multiscenario technique considering timing characteristicsJ IEEETransactions on Sustainable Energy(S1949 3029)，2017，8(4):1415 14297 MICHELENA N，PAK H，PAPALAMBOS P YConvergenceproperties of analytical target cascadingJ Aiaa Journal(S0001 1452)，2002，41(5):897 9058 胡嘉骅，文福拴，马莉，等 电力系统运行灵活性与灵活调节产品J 电力建设，2019，40(4):70 809 刘英琪，谢敏，韦薇，等 高比例风电接入的电力系统灵活性评估与优化J 电力建设，2019，40(9):1 10 10 曾智基，杨苹，陈燿圣，等 基于目标级联法的微网群多主体分布式优化调度 J 华北电力大学学报(自然科学版)，2019，46(2):25 33【作者简介】黄彬彬(1997)，女，通信作者，硕士研究生，主要研究方向为电力系统优化规划。谢敏(1978)，女，博士，副教授，主要研究方向为电力系统优化、运行和控制。林盛振(1997)，男，硕士研究生，主要研究方向为电力系统优化规划。何润泉(1999)，男，硕士研究生，主要研究方向为电力系统优化、运行和控制。程培军(1994)，男，硕士，研究方向为电力系统优化运行与控制85