考虑多区间划分不确定性的氢电耦合系统鲁棒优化调度.pdf

66ElectricalAutomationNewEnergyPowerControlTechnology新能源发电控制技术电气自动化2 0 2 3年第45卷第4期虑多区间划分不确定性的氢电耦合系统鲁棒优化调倪子华，程昆，蔡宏达（浙江大学电气工程学院，浙江杭州310 0 0 7）摘要：因风电的发电特性常存在波动性和随机性强等缺点，规模化的风电应用仍受到较大限制。氢能和风电等可再生能源的耦合利用不但可以平抑可再生能源波动，而且可以提高风电消纳水平。为此，提出一种基于多区间划分不确定性的氢电耦合系统日前优化调度模型。首先，建立了以风电制氢为核心的系统模型；其次根据风电预测误差概率分布建立不确定集，并对不确定集进行多区间划分，从而建立两阶段鲁棒优化调度模型；然后通过列和约束算法将目标函数分解成主问题和子问题进行迭代求解；最后，通过算例仿真验证了所提方法的优势。关键词：氢电耦合系统；不确定集；鲁棒优化；列和约束算法D0I:10.3969/j.issn.1000-3886.2023.04.021中图分类号TM374文献标志码】A文章编号】10 0 0-38 8 6（2 0 2 3)0 4-0 0 6 6-0 4Robust Optimal Scheduling of Hydrogen-electricity CouplingSystem Considering Uncertainty of Multi-interval DivisionNi Zihua,Chen Kun,Cai Hongda(College of Electrical Engineering,Zhejiang University,Hangzhou Zhejiang 310007,China)Abstract:Due to the strong volatility and randomness of wind power generation characteristics,large-scale wind power applications are stillgreatly limited.The coupled utilization of renewable energy such as hydrogen energy and wind power can not only stabilize thefluctuation of renewable energy,but also improve the level of wind power consumption.To this end,a day-ahead optimal schedulingmodel for hydrogen-electric coupling system based on multi-interval partition uncertainty was proposed.Firstly,a system model withwind power hydrogen production as the core system model was established;secondly,the uncertainty set was established according tothe probability distribution of wind power prediction error,and the uncertainty set was divided into multiple intervals,so as toconstruct a two-stage robust optimal scheduling model;then the objective function was divided into the main problem and subproblems by column and constraint algorithm for iterative solution;finally,the advantages of the method proposed were verified bynumerical example simulation.Keywords:hydrogen electricity coupled system;uncertainty set;robust optimization;column and constraint algorithm0引言氢能微网可以有效平抑可再生能源波动、提高消纳水平及推进能源清洁化替代，是实现能源转型的重要方向1-2。但风电存在波动性和随机性强等缺点，这会导致系统调度出现不可行性。因此需要在优化调度时，对不确定性进行分析。目前，对于不确定性的处理方法，主要有随机优化3和鲁棒优化4。相比于随机优化，鲁棒优化不需要设定不确定集的概率分布函数，且其能满足所有集合的约束，具有很好的韧性。文献5给出了一种两阶段鲁棒优化的典型结构，并求解得出最坏场景下的系统运行策略，但极端场景发生概率较低，仅仅追求极端情况下系统运行成本最低，求得的解相对保守。但鲁棒优化由于忽略了数据概率信息，其调度结果往往过于保守。文献6 结合核密度估计和自回归滑动平均模型，建立风电功率的概率分布模型，用于解决机组长期运行与短期调度协同优化问题本文提出了基于多区间划分不确定性的氢电耦合系统调度模型。首先，对氢能交互转换的关键设备进行建模；然后采用高斯模型对风电误差进行聚类分析，建立风电预测误差不确定集，并对不确定集进行多区间划分，构建氢电耦合系统的鲁棒优化模定稿日期：2 0 2 2-0 4-0 7基金项目：国网浙江省电力有限公司科技项目（SGTYHT/19-JS-217)型；最后采用列和约束生成算法7 对模型进行求解1系统模型建立本文研究基于多区间划分不确定性的氢电耦合系统，日前优化调度模型主要由风机、制氢设备、燃料电池、储氢罐和蓄电池组成。系统内所有设备皆为可控设备，通过调节系统内各设备的出力，来实现系统运行成本最小。1.1目标函数调度模型以经济成本C最低为目标函数，其包含与主网的交互成本C。、制氢设备的启动成本Csu、运行成本Cop和弃风惩罚成本CcUR：C=Z(C.+Csu+Cop+CcuR)=IEN(1)式中：Pbuy为t时段内主电网购电单价；qbuy为t时段内主电网购买电量;Csu、Co p 为制氢设备的启动成本系数和运行成本系数;8(t)为t时段制氢设备的运行状态系数;PcuR.，为t时段下弃风功率；CcuR为弃风成本系数；N，为一个时间调度周期。1.2氢电耦合设备模型和约束条件1）制氢设备模型建立及约束8 式（2）为制氢设备制取的氢气与消耗的电量之间的转换Electrical Automation67NewEnergyPowerControl Technology新能源发电控制技术电气自动化2 0 2 3年第45卷第4期函数。式中：FPHPpH分别为电制氢设备产生的氢气量和消耗的电量；m、I 分别为电制氢设备的效率和电转氢的转换系数。式（3）为制氢设备制备氢气容量限制FFminFplHFteN,(3)minmax式中：Fmax、Fmi n 分别为制氢设备制取的最大氢气数量和最小氢气数量；N，为制氢设备的数量。2）燃料电池模型及约束9式（4）为燃料电池消耗的氢气与产生的电量之间的转换函数。pfuelfuel.Ffuel(4)式中：Ffel、p l r e l 分别为燃料电池产消耗氢气量和产生的电量;nfuel为氢气产电的效率。式（5）为燃料电池发电功率限制pfuelpfuelelPfuelteNh(5)minmax式中:Plhel、Pf u e l分别为燃料电池的最大发电功率和最小发电功min率；N，为燃料电池的数量。3）电量平衡约束和氢气平衡约束式（6）为系统的电量平衡。NNhPIbuyDisellpEs,chi，t+pEs.disi，tPPl+pfueli-x=0(6)-1式中：P:chPts.dis分别为蓄电池的充电功率和放电功率；x为负荷功率。式（7）为系统的氢气平衡NHsNHsNtNhFHs.chFiHs.dis=0(7)+Pfielit，2=1i=1i=1Fi,t分别为储氢罐的充气功率和放气功率；NHs为储氢罐的数量。2鲁棒优化调度模型及求解2.1鲁棒优化模型经典鲁棒优化模型的基本要求是系统出力需要能够抵御最极端场景下的扰动，其优化模型为10，min,cx+maxwewminaxe(x,t.m)6TAxD(x)dG(x)=0(8)S.t.D(x+x)d(G(x+x)=0式中：c、b T 分别为与x、A x 相关的成本系数;d为常数列向量；x为决策变量，是确定性约束下系统中设备出力;D、G 分别为对应约束下变量的系数矩本文采用的是椭球形式的不确定集来与所提的算法进行比较。WW=ws+wa;wa:w(9)式中：wa,wa分别为发电负荷实际出力和预测出力；wa.为发电负荷预测偏差；2 为不确定度，用以刻画不确定参数扰动范围。FpHXPpIH(2)在经典鲁棒优化中，其最优场景产生的策略往往是处于发电负荷出力为最大预测偏差，如图1所示，其发生概率是非常微小的。为此，本文对不确定集进行多区间划分。其基本思想是系统发电负荷出力根据实际概率基本落在预测偏差较小的地方，只有少部分落在较大偏差值处，从而来提高调度策略的实用性，如图2 所示。2.2多区间划分不确定性鲁棒优化模型a.Wo.图1经典鲁棒优化策略示意图C.W+Wa.Wa.1图2多区间划分不确定性鲁棒优化策略示意图本文首先通过高斯分布对风电预测误差历史数据进行模拟，得到对应分布函数及区间如图3所示，将预测偏差区间分为K个区间，并将不确定性M按照比例和偏差大小分到各个区间。WWa,-Wa.ta.W.122NW图3风电预测误差概率函数K20kP(10)Kk+1.k=1Pa式中：M为第k个区间所分配的不确定性;p为预测误差在该区间的概率。因此，可以得到改进后的不确定集：KWa+二WW8士01K0k+1(11)Nk+k-k,8+8NKNKk+&a.1t=1k=i=1k=1式中：w、w s 分别为在第k个区间发电出力的最大上下限；s*，s-分别为第k个区间发电负荷出力预测偏差的控制系数。2.3求解算法本文采用列和约束生成算法进行求解，将原问题分解为主问题和子问题，主问题是在已知恶劣概率分布下求解满足约束条件68ElectricalAutomationNew Energy PowerControl Technology新能源发电控制技术电气自动化2 0 2 3年第45卷第4期的最优解，其中x为第m次迭代的最优解。minCx+m(12)6xTm子问题是在主问题给定第一阶段变量x的情况下，寻找实时运行下的最恶劣场景，并返回到主问题供下一次迭代使用，其子问题为：=max,wminAxe(x,w)6TAx(13)式中：x为主问题得到的出力解，x为出力变化量。根据对偶理论，将内层min函数转换为max函数，可得到等效的子问题式（14），并得到其上界maxEU.入s.t.D入+GTb(14)L入0,0式中：入，分别为各约束条件的对偶变量。将式（12）、式（13）反复迭代，直到上界值与下界值之差达到所需精度8 时，停止迭代，返回最优解。一3算例分析3.1原始数据说明本文选取西北某风电场风电出力某年的历史预测数据及实际出力数据。风电出力预测曲线如图4所示。电负荷和氢负荷的预测曲线如图5所示。2.001.751.50MW/率f1.251.000.750.500.2501:004:008:0012:0016:0020:0024:00时刻图4风电功率预测曲线10002.0一电负荷氢负荷8001.6MV率6001.24000.82000.4001:004:008:0012:0016:0020:0024:00时刻图5电负荷和氢负荷预测曲线3.2算例优化结果如图6 所示，在1:0 0 6：0 0 和2 3：0 0 2 4:0 0 时，风力高于电力负荷，此时系统存在剩余电量，开始对蓄电池等进行充电，制氢设备电解水制氢；同时市场分时电价较低，从外网购部分电量进行补充充电，直到储氢系统电量达到额定容量。在7:0 0 一9:0 0,此时分时电价低于燃料电池发电成本，故优先从外网购电满足功率缺额。在9：0 0 一13：0 0，分时电价升高，发电成本低于购电电价，但由于爬坡功率限制，且此时氢负荷需求也较高，因此仍需继续从外网购电满足功率缺额。13:0 0 17：0 0 和2 0：0 0 2 3：0 0，分时电价高于发电成本，因此系统将优先考虑自已发电，此时氢气生产过剩，燃料电池将开始工作，消耗氢气并发电以弥补电力缺口。450O400交互功率燃料电池功率350解氢功率奔凤功率300M率25020015010050041:004:008:0012:0016:0020:0024:00时刻图6模型功率优化结果为了验证本文所提模型的有效性，与经典鲁棒优化模型的优化策略进行了对比分析。由图7 和图8 可知，本文所提的模型考虑了保证不确定性条件下发电负荷功率的实际分布，使系统在用电高峰的时间段，可以购买更少量的电力并减少电制氢设备的启动次数来减少调度成本。由图9可得，本文所提的调度策略不但可以减少系统的调度成本，还可以减少系统的弃风电量，促进了风电消纳。由表1说明了本文所提的优化方法成本低于经典鲁棒优化，其主要成本降低来自于购电成本的降低和弃风惩罚成本的降低。500经典鲁棒优化弃风电量400多区间划分鲁棒优化弃风电量M率30020010001:004:008:0012:0016:0020:0024:00时刻图7弃风电量优化结果120经典鲁棒优化联络线功率100多区间划分鲁棒优化联络线功率M率806040201:004:008:0012:0016:0020:0024:00时刻图8交互功率优化结果ElectricalAutomation69上接第6 5页）0004000000000000000000000000400000400000000000000000000000000400004000000000000000000000000000000000400000000000000000040NewEnergyPowerControlTechnology电气自动化2 0 2 3年第45卷第4期新能源发电控制技术70经典鲁棒优化设备启动量60多区间划分鲁棒优化设备启动量50MV率40302010+01:004:008:0012:0016:0020:0024:00时刻图9设备启动量优化结果表1不同优化方案的系统运行成本单位：元成本经典鲁棒优化改进鲁棒优化差值总成本1 273.41 156.7116.7购电成本919.3847.571.8启停成本67.848.319.5设备运行成本144.8153.2-8.4弃风成本141.5107.733.84结束语本文基于改进的鲁棒优化模型，构建了考虑不确定性的氢电耦合系统鲁棒优化。在考虑风电出力不确定性的条件下，对系统的能量调度进行优化，并探讨了氢气在综合能源系统中所具有的经济性和环保性，及其所具有的广阔的应用场景。最后通过算例验证了所提模型的可行性。通过分析可以发现，相较于经典鲁棒优化，本文所提出改进两阶段鲁棒优化得到的调度方案在不影响180一机组1一机组2-*一机组3-一机组4一机组5160140MY/率1201008060400:004:008:0012:0016:0020:0024:00时刻图9光伏光热一抽蓄联合运行时火电机组最优调度5结束语本文针对光伏出力波动大的问题，提出了光伏一光热一抽蓄联合并网优化调度模型，主要研究结论如下。（1）利用光热电站的储热特性与抽水蓄能的抽蓄特性同时对光伏出力进行时空平移，大大增加了光伏一光热一抽蓄联合出力与原始负荷曲线的匹配程度，使其成为稳定可调度电源，进而提升火电机组出力稳定性（2）引人了分时电价，在解决光伏出力与原始负荷匹配程度低的基础上，通过峰时高价放能、平谷时段低价储能来增加多源鲁棒性的情况下，降低了方案的保守性，更符合实际工程应用参考文献：【1邵乔乐，张程翔，贺军，微电网系统综合能源示范工程综述J浙江电力，2 0 2 0,39(5)：55-6 0.【2】陈国平，董昱，梁志峰.能源转型中的中国特色新能源高质量发展分析与思考J.中国电机工程学报，2 0 17，37（2 0）：58 8 1-58 92.【3张思德，胡伟，卫志农，等基于机会约束规划的电气互联综合能源系统随机最优潮流J.电力自动化设备，2 0 18，38（9）：12 1-128.【4吴宇，张彼德，袁国森，等计及电动汽车和风光资源不确定性的微电网优化配置J.电测与仪表，2 0 16，53（16）：39-44.【5邹云阳，杨莉，李佳勇，等冷热电气多能互补的微能源网鲁棒优化调度J.电力系统自动化，2 0 19，43（14）：6 5-7 2.【6 刘斌，刘锋，王程，等考虑风电场灵活性及出力不确定性的机组组合J.电网技术，2 0 15，39（3）：7 30-7 36.【7 刘一欣，郭力，王成山微电网两阶段鲁棒优化经济调度方法J.中国电机工程学报，2 0 18，38（14）：40 13-40 2 2.【8 蔡国伟，陈冲，孔令国，等.风电/光伏/制氢/超级电容器并网系统建模与控制J电网技术，2 0 16，40（10）：2 98 2-2 990.【9易伟，徐建源，吴冠男，等利用风电制氢储能系统提高东北某区域电网弃风消纳能力J.电力电容器与无功补偿，2 0 18，39（4）：190 197.【10 郭尊，李庚银，周明，等.考虑网络约束和源荷不确定性的区域综合能源系统两阶段鲁棒优化调度J电网技术，2 0 19，43（9）：30 90-3100.【作者简介】倪子华（1996 一），男，浙江人，硕士研究生，专业：电气工程。程昆（1996 一），男，湖北人，硕士研究生，专业：电气工程。蔡宏达（1992 一），男，浙江人，讲师，专业：电气工程。联合并网系统的经济效益参考文献：【1宁超，张峰，唐一柱，等计及光伏电源的配电网规划研究J中国设备工程，2 0 2 1（2 1）：2 0 2-2 0 3.2 辛培裕太阳能发电技术的综合评价及应用前景研究D北京：华北电力大学，2 0 15.【3李涛，胡维昊，李坚，等.基于深度强化学习算法的光伏抽蓄互补系统智能调度J。电工技术学报，2 0 2 0，35（13）：2 7 57-2 7 6 8.【4潘丽，杜尔顺，王剑晓，等，风力发电与光热发电联合运行经济效益研究J综合智慧能源，2 0 2 2，44（1）：2 6-30.【5沈琛云，王明俭，李晓明。基于风光蓄火联合发电系统的多目标优化调度J.电网与清洁能源，2 0 19，35（11）：7 4-8 2.【6 王涛光热和抽蓄对电力系统提升可再生能源消纳能力的研究D.吉林：东北电力大学，2 0 2 0.7 邓俊，韦化，黎静华，等。一种含四类0-1变量的机组组合混合整数线性规划模型J中国电机工程学报，2 0 15，35（11）：2 7 7 0-2778.【作者简介】杨巧玲（197 8 一），女，甘肃人，博士，副教授，主要研究方向为可再生能源发电与智能电网。张晓雨（1997 一），男，河南人，硕士研究生，主要研究方向为大规模新能源并网优化调度。胡方彬（1997 一），男，河南人，硕士研究生，主要研究方向为可再生能源并网。杨振斌（1993一），男，甘肃人，硕士研究生，主要研究方向为可再生能源并网。张博砚（1998 一），男，山西人，硕士研究生，主要研究方向为大规模新能源规划。