考虑风电爬坡事件的鲁棒机组组合_艾小猛

Wind power has the characteristics of volatility and uncertainty due to its large ramp
events and difficulty of accurate prediction, which brings new challenges to power system operation. To cope with ramp event, this paper proposes an exact linearization unit commitment model with constraints of wind power ramp event. Wind power is described by its predicted values as well as the upper and lower limits of its interval prediction to solve the inaccurate prediction. Thus, this stochastic problem can be converted into a deterministic problem by linear robust optimization theory. Case studies are carried out based on a 10-machine 39-bus system with wind farms integration. Simulations show that, the constraints of large wind power ramp event should be considered to guarantee the security of power system, although the constraints of small wind power ramp event have no effect on unit commitment. In addition, since it is linear mixed integer programming, the proposed unit commitment model can be used in practical large-scale systems. Keywords： Ramp event, prediction error, unit commitment, robust optimization, wind power
机组最大、最小出力约束为
p( j, k ) ≤ p( j, k ) ≤ p ( j, k ) Pj v( j , k ) ≤ p ( j , k ) p ( j , k ) ≤ Pj v( j , k )
p ( w, k ) ≤ p ( w, k ) ≤ p ( w, k )
p( j, k ) + p(w, k ) ≥ D(k )(1 + L%)
运行点。 由于风力发电本身不消耗燃料，本文的目标为 最小化系统常规机组的运行成本，其成本包括机组 的发电成本、起动成本和停机成本三部分。
min
p u d c ( j, k ) + c ( j, k ) + c ( j, k )
（ 1）
k∈K j∈J
式中， c p ( j , k ) 为火电机组 j 在 k 时段的发电成本；
（ 2）
式中，p ( j , k ) 为火电机组 j 在 k 时段的出力；a j 、b j 和 c j 为火电机组 j 发电成本函数的二次项系数。取
a j = 0.003 93 、 b j = 1.851 8 、 c j = 40 ； 火 电 机 组 j
的最小出力 Pj = 30 MW ，最大出力 Pj = 100 MW ，依 据文献[12]所提的方法对式（ 2 ）进行精确线性化， 结果如图 1 所示。
2015 年 12 月 第 30 卷第 24 期
电 工 技 术 学 报
TRANSACTIONS OF CHINA ELECTROTECHNICAL SOCIETY
Vol.30 Dec.
No. 24 2015
考虑风电爬坡事件的鲁棒机组组合
艾小猛
1
韩杏宁
1
文劲宇
1
姚
伟
1
罗卫华
武汉
2
（ 1. 强电磁工程与新技术国家重点实验室（华中科技大学） 2. 辽宁省电力有限公司 摘要 沈阳 110006）
（ 3）
1
1.1
考虑风电爬坡事件的机组组合模型
目标函数 日前机组组合的主要目标是在一定的负荷水平
式中， hc j 和 cc j 分别为火电机组 j 的热起动和冷起 动费用；t off ( j , k ) 为火电机组 j 第 k 个时段连续停机 的时段数； DT j 为机组 j 的最小停机时间；t cold 为机 j 组 j 的冷起动时间。其精确线性化表示同样参考文 献 [12]。
j∈J w∈W
（ 12） （ 13）
p( j, k ) + p(w, k ) ≤ D(k )
j∈J w∈W
（ 6）
∀j ∈ J , ∀k ∈ K （ 7 ）
式中， L% 为系统负荷的旋转备用率，取为 10%。 1.2.5 最小言
随着我国风电大规模集中式发展，区域风电功
率呈现出很强的波动性和不确定性。其中强波动性 主要表现为区域风电出力由于受到大面积的气象事 件（如边界层运动、锋面运动、风暴等）影响，可 能会出现快速大幅度的爬坡 [1] ，如： 2008 年 6 月纽 约上州因风暴致使 250MW 风电场在 8min 内全部停 机，而在我国已规划开发的 8 个规模在千万 kW 以
p( j, k ) + pmaxPro (w, k ) = D(k )
j∈J w∈W
（ 11 ） 式中， RD j 为机组 j 的向下爬坡速率。 1.2.4 系统正 /负旋转备用约束 对于系统正 /负旋转备用约束， 此处风电的出力 作为一随机变量考虑，其可通过鲁棒优化理论在鲁 棒性和经济性之间进行灵活权衡，分别表示为
Robust Unit Commitment Considering Wind Power Ramp Events
Ai Xiaomeng1 Han Xingning 1 Wen Jinyu 1 Yao Wei1 Wuhan Luo Weihua 2 430074 110006 China China） （ 1. State Key Laboratory of Advanced Electromagnetic Engineering and Technology Huazhong University of Science and Technology 2. Liaoning Electric Power Supply Co. Ltd. Abstract Shenyang
c u ( j , k ) 为火电机组 j 在 k 时段起动成本；c d ( j , k ) 为
火电机组 j 在 k 时段停机成本，本文假设停机成本 为 0 ；K 为时段指标集；J 为火电机组指标集；成本
c p ( j , k ) 可表示为
c p ( j, k ) = a j p 2 ( j, k ) + b j p( j, k ) + c j
430074
风电功率具有强波动性和不确定性，其强波动性主要表现为较大的爬坡事件，而其强
不确定性则表现为风电功率难以精确预测，两者都给电力系统运行带来了新的挑战。针对爬坡事 件，建立了考虑风电爬坡事件约束的精确线性化的机组组合模型；针对风电功率难以精确预测， 考虑用其预测值以及区间预测上、下限来描述风电场出力，从而通过线性鲁棒优化理论将该随机 问题转化为一确定性问题后进行求解。以含风电的 10 机 39 节点系统为例进行算例分析，结果表 明，对于一般的风电爬坡事件，爬坡事件约束是不起作用的，但对于风电波动速率较大的情况， 考虑爬坡事件更能保证系统安全。由于所建模型为一线性混整规划模型，故可实现大规模求解并 用于实际系统。 关键词： 爬坡事件 中图分类号： TM614 预测误差 机组组合 鲁棒优化 风电功率
图1 Fig.1
发电成本精确线性化
Piecewise linear production cost
由于二次项系数 a j 很小，从图中可看出仅需少 量的分段线性化便可精确逼近发电成本函数。起动 成本 c u ( j , k ) 表示为
hc j c u ( j, k ) = cc j t off ( j , k ) ≤ DT j + t cold ∀j ∈ J j t off ( j , k ) ＞DT j + t cold j ∀k ∈ K
式中，pmaxPro ( w, k ) 为风电机组 w 在 k 时段的最大概 率出力，由于风电出力难以获得精确的概率模型， 此处风电的最大概率出力取为其预测值 [13] ；D(k ) 为
W 为风电机组指标集。 系统在 k 时段的总负荷需求；
1.2.2 机组最大、最小出力约束
∀j ∈ J , ∀k ∈ K （ 5 ）
国家自然科学基金（ 50937002 ）和国家高技术研究发展计划（ 863 计划）（ 2011AA05A112 ）资助项目。
第 30 卷第 24 期
艾小猛 等
考虑风电爬坡事件的鲁棒机组组合
189
上的风电基地中，酒泉、江苏近海的风电场分布高 度集中，出力同时率都在 90%以上，易受大面积气 象事件影响而出现大幅度快速出力爬坡；不确定性 则主要指风电功率预测困难，目前的预测准确度仍 然较低， 两者都给电力系统运行带来了严峻的挑战。 日前机组组合是电力系统运行调度的重要环节之 一，如何在日前机组组合中考虑风电功率上述的两 个特点是含风电电力系统运行调度所面临的一个重 要问题。 目前，含风电的机组组合的研究主要集中在如 何处理风电的不确定性上，总体来说，这些方法分 为两类：一类是首先按风电的预测值确定机组的开 机方式后，利用抽水蓄能或增加备用的方式来调节 风电不确定性所造成的不平衡功率 [2] ；另一类则是 把风电出力作为随机变量，建立随机机组组合模型 并进行求解，根据描述随机变量方式和约束条件的 场景法 [4]、 不同， 提出了许多方法， 如： 区间预测 [3] 、 模糊规划 [5] 和机会约束 [6] 等。对于风电的强波动性 的研究则主要集中在风电爬坡事件的统计特性分析[7] 和风电爬坡事件的预测 [8] 研究上，而如何把这一预 测信息用于含风电的机组组合却少有文献报道。 最近十多年，鲁棒优化理论得到了较大发展， 并被成功地应用于电力系统，包括输电网规划 [9] 、 最小切负荷 [10] 和机组组合 [11] 等。文献 [11] 采用两阶 段鲁棒优化方法求解抽水蓄能与风电联合运行系统 的机组组合问题， 其模型能处理由于风电预测误差 而引起的风电出力不确定性， 也能考虑风电爬坡事 件的波动范围，但没有考虑风电爬坡事件的波动 速率。 本文建立了考虑风电爬坡事件约束的精确线性 化的机组组合模型，该模型能把风电爬坡事件预测 信息用于机组组合，如果出现风电快速大幅爬坡时 以便能提前起停常规机组；针对风电功率难以精确 预测，本文采用其预测值以及区间预测上、下限来 描述，并通过线性鲁棒优化理论将该随机问题转化 为确定性问题进行求解。仿真算例表明，对于风电 波动速率较大的情况，考虑爬坡事件更能保证系统 安全。此外，由于该模型为线性混整规划模型，故 可实现大规模求解并用于实际系统。