基于需求响应的风电-抽水蓄能系统调度模型

基于需求响应的风电-抽水蓄能系统调度模型
周正威;郝亚群;张雪映
【摘要】针对大规模风电并网影响电网稳定运行的问题,基于日前用户侧电力负荷预测和实时电价预测,文中提出了一种电网吸纳风能的新模型.以最小化风电—抽水蓄能联合系统发电成本为目标,在目标求解过程中确定最佳自弹性系数和互弹性系数,运用基于实时电价的需求价格来弹性引导电力用户以实现负荷转移.考虑到用户侧电价弹性限制的约束,该方法采用遗传优化算法编程求解.仿真结果表明,需求侧资源主动参与优化调度可降低负荷峰谷差,利于系统稳定运行,并且可以减少发电成本,提高联合系统经济性.
【期刊名称】《电子科技》
【年(卷),期】2019(032)004
【总页数】5页(P77-80,84)
【关键词】需求侧响应;实时电价;风力发电;抽水蓄能;联合运行;风电消纳
【作者】周正威;郝亚群;张雪映
【作者单位】三峡大学电站运行与控制湖北省重点实验室,湖北宜昌 443002;三峡大学电站运行与控制湖北省重点实验室,湖北宜昌 443002;三峡大学电站运行与控制湖北省重点实验室,湖北宜昌 443002
【正文语种】中文
【中图分类】TP9;TM73
风能是可再生能源，利用其发电在减少燃料消耗的同时也减少了对环境的污染。

但是风能发电存在许多问题，例如上升的风电穿透率会影响电网安全[1]。

风电并网存在间歇性、波动性、反调峰等特性，由此产生的电压波动和频率波动等问题会对系统稳定运行及电能质量产生不利影响[2]。

因此，研究风电并网后的优化调度对于解决上述问题具有重要的意义。

随着电网容量和规模的不断扩大，对优质调峰电源的比重需求有所增加，例如现阶段成熟先进的抽水蓄能技术。

抽水蓄能电站启停迅速，运行方式切换灵活，可弥补风电反调峰特性，提高了电网运行经济性[3-4]。

文献[5]采用细菌觅食优化算法改善风电场并网运行后网络损耗大和收敛性差的问题，优化了风电场无功分布。

文献[6]基于分时电价，验证了抽水蓄能电站可参与电网削峰填谷，降低了发电费用，取得良好的经济效益。

文献[7]在传统风电-抽水蓄能电站系统中，考虑了电能质量模型，在抑制风电功率波动的同时为电网提供了优质电能。

文献[8]以系统综合效益和储能容量为出发点，考虑运行约束、投资成本及经济效益，建立了求取综合效益的数学模型。

文献[9]为保证电网的安全性和稳定性，以联合出力波动方差最小为目标，实现最佳经济运行。

然而，上述研究较少从电力市场角度来考虑风电渗透率对系统安全性、经济性的影响。

本文基于需求价格弹性的实时电价，实现了需求侧资源主动参与系统调度，确定了最佳自弹性系数和互弹性系数完成负荷转移，达到了风电穿透率约束下使联合系统发电成本最小的目的并获得了最佳经济效益。

1 电力用户需求价格弹性模型
需求侧响应包括基于电价的价格型响应和基于合同的激励型响应，需要借助智能控制技术、信息通信技术、高级测量技术等手段才能更好地实现。

在日平均发电出力偏差方面，实时电价具有很大的应用前景，其伴随发电侧的售电电价波动而上下波
动，是最贴合社会实际的动态电价[10]。

各时刻电价差异波动会调节用户的用电行为，进而影响用户的负荷需求，并最终影响系统消纳风电能力[11]，其计算公式如下
ε=Δd/d0Δp/p0
(1)
式中，ε为需求价格弹性系数；Δd为需求量负荷的变化；d0为初始负荷；Δp为
电价的变化；p0为初始电价。

根据式(1)，推导出第i时刻对第j时刻的需求价格弹性
εi,j=Δd(i)/d(i)Δp(j)/p(j)
(2)
从时间层次分析，电力用户对实时电价的响应分为以下两种：
(1)单时刻响应。

电力用户对某一时刻电价产生响应，从而增大或减少该时刻负荷。

此类负荷的工作状态只能是运行或停止，仅在自身时刻具有敏感性，故此负荷不能转移到其它时刻。

此自弹性系数为负；
(2)多时刻响应。

电力用户对电价的响应范围从某一时刻扩大到该时刻前后数时刻。

在此较长时间段内用户可依据需求调整用电负荷，在多时刻具有敏感性，可以一定程度上削减峰时刻的负荷，降低用户购电费用，优化了电力资源配置。

此互弹性系数为正。

社会生活中，需求响应的负荷转移多为多时刻响应，本文假设需求响应的互弹性仅存在某时刻及某时刻前后各3小时，则对一天内24时刻电价响应行为建模如下
Δd1d1Δd2d2⋮Δd24d24=EΔp1p1Δp2p2⋮Δp24p24
(3)
E=ε1,1ε1,2…ε1,24ε2,1ε2,2…ε2,24⋮⋮⋮ε24,1ε24,2…ε24,24
(4)
式中，E为电量电价弹性矩阵。

根据式(3)及式(4)得出含自弹性和互弹性的需求响应模型为
d(i)=∑24j=1εi,j·d0(i)[p(j)-p0(j)]p0(j)+d0(i)
(5)
式(5)表明电力用户的需求变化主要依赖于需求价格弹性系数、电力价格。

2 风电-抽水蓄能优化运行模型
联合系统结构如图1所示，风力发电厂既与抽水蓄能机组相连，又与电网相连。

此处，设并入电网的风电功率不超过系统负荷的20%[12]。

实线表示传输电能的导线，虚线表示实现信号传输的链路。

本文不考虑电网的输电瓶颈，即风力发电厂和抽水蓄能机组联合系统的输出功率为风力发电厂输出功率和抽水蓄能机组输出功率之和。

图1风电-抽水蓄能系统结构图Figure 1.Diagram of wind power and pumped storage system
2.1 目标函数
本文以风电-抽水蓄能机组联合系统发电成本最小为目标函数，发电成本包括常规机组发电成本和抽水蓄能机组启停单价成本，如下所示
min∑Tt=1∑Mi=1[(ai··Pi,t+c i)+ui,t(1-ui,t-1)Si]+∑T式中，T表示24时刻；M表示火电机组数量；ai、bi、ci表示火电机组运行成本的二次拟合系数；Pi,t表示火电机组出力；ui,t表示火电机组启停状态；1表示运行，0表示停运；Csu、Csd 表示水泵启/停成本；、表示t时刻启/停水泵机组台数。

2.2 约束条件
2.2.1 等式约束
功率平衡约束
∑M式中，Pw,t表示t时刻风电并网功率；表示抽水蓄能电站t时刻发电功率；pt
表示抽水蓄能电站t时刻向上抽水功率；Dt表示t时刻用户侧负荷。

相邻时间段内水库库容变化约束
,,Ht)
(8)
,,Ht)
(9)
式中，Ht为t时刻水库的水头；fu和fd分别表示向上抽水、向下放水流量函数；式(10)表示相邻时刻间抽水机组台数的变化关系。

2.2.2 不等式约束
抽水蓄能电站库容约束
≤≤
≤≤
μminβ≤μmax
(13)
式中，和、、分别表示上下水库的最小和最大库容；、分别表示上下水库的实际库容；、分别表示上下水库的初始库容；μmin、μmax表示每天首末时刻最小和最大变动库容。

抽水水泵数量约束
≤N
(14)
式中，表示t时刻工作水泵数量；N表示抽水蓄能电站总数目。

抽水功率约束
≤pt≤
式中，pmax和pmin分别表示单台水泵抽水功率上下限。

抽水与发电约束
pt·式(16)表明任一时刻，抽水蓄能机组启动和关闭的台数至少有一个为0，即抽水工况和发电工况不同时进行。

风电并网功率约束
Pw,t-Di·β≤0
(17)
式中，β表示每时刻下并入电网的风电占系统负荷比例，取20%。

需求价格弹性系数约束
≤εi,j≤
式中，、分别表示价格弹性系数的最小值、最大值[13]。

3 算例分析
3.1 算例系统介绍
本文研究时刻选定为日，将每日划分为24时刻，求取在风电输出已知情况下的风电-抽水蓄能联合系统最优运行策略，使联合系统获得最小发电成本以实现最大经济效益。

联合系统含有1个风电场和2台火电机组，常规火电机组参数参见文献[14]。

风电场装机容量为120 MW，风电功率预测曲线[15]如图2所示。

风电场连接了2台抽水蓄能电站，功率均为15 MW，其启停费用为20 元/MW。

在抽水蓄能电站上下水库初始库存水量充足时，其综合转换效率为75%。

实时电价曲线[16]如图3所示，采用遗传优化算法对算例按以下两种方式进行仿真对比分析：(1)常规模式下风电-抽水蓄能联合系统；(2)基于实时电价下，考虑需求价格弹性的风电-抽水蓄能联合系统。

图2风电功率预测曲线Figure 2.Forecasting power profiles of wind power
图3实时电价曲线Figure 3.Curve of real-time pricing
3.2 算例优化结果
根据仿真优化确定最佳自弹性系数和互弹性系数并得到电量电价弹性矩阵。

再以实时电价引导电力用户做出响应，主动改变之前用电习惯，使高电价时刻负荷减少，低电价时刻负荷增加，实现负荷的削峰填谷，使当日负荷波动更加平稳。

其负荷变化如图4所示，峰时负荷和谷时负荷变化显著，降低了峰谷负荷差值。

图4不同方式下的负荷曲线 Figure 4.Load profiles of different ways
两种方式下风电消纳情况如图5所示，风电场所发电能一部分并入联合系统电网，一部分用于抽水蓄能机组向上抽水蓄能。

当弃风现象出现时，风电出力大，而用电负荷相对较小，抽水蓄能电站向上抽水进行蓄能，将多余的风能以水能形式存入上水库，即图5中水泵储存功率。

当风电出力小，而用电负荷大时，抽水蓄能电站
向下释放水能进行发电。

图5中可看到方式1和方式2下抽水蓄能机组水泵抽水
功率变化。

方式2采取了基于实时电价的需求价格弹性后，使谷时刻负荷水平提高，在一定程度上降低了风电反负荷特性给电力调度带来的难题。

图5电网及抽水蓄能机组消纳风电Figure 5.Wind power consumption of power grid and pumped hydro storage
方式1和方式2的优化结果如表1所示，方式2下的常规机组运行成本、抽水蓄
能机组启停成本比方式1均有所减少，使得系统总运行成本大大降低。

图5可以
看出，得益于需求侧资源主动参与协调配合风电并网运行，其下降主要体现在常规机组运行成本的降低。

本文所提调度模型使常规机组工作处于更高的经济水平、系统节能减排水平也有所提高，降低能源消耗同时也减少了温室气体与污染气体的排放。

表1不同方式下的优化结果Table 1.Optimization results of different ways模
式总运行成本/元常规机组运行成本/元抽水蓄能机启停成本/元14 565 2164 558 9166 30024 402 3234 396 4635 860
4 结束语
本文通过需求响应使需求侧资源参与优化调度，证明了基于实时电价的需求侧资源与抽水蓄能电站的联合协作有助于优化需求侧负荷的分布。

利用电力用户对实时电价的响应降低了用户侧负荷峰谷差，使谷时刻风电消纳能力有所提高，减少联合系统发电成本，提高了风电-抽水蓄能联合系统的经济性。

参考文献
【相关文献】
[1] 郭威.含高渗透率风电的电力系统的电压稳定性研究[D].北京:华北电力大学,2014.
Guo Wei.Thesis for the master degree research on voltage stability of power system containing high penetration of wind power[D].Beijing:North China Electric Power University,2014.
[2] 于芃,周玮,孙辉,等.用于风电功率平抑的混合储能系统及其控制系统设计[J].中国电机工程学报,2011,31(17):127-133.
Yu Peng,Zhou Wei,Sun Hui,et al.Hybrid energystorage system and control system design for wind power balancing[J].Proceedings of the CSEE,2011,31(17):127-133.
[3] Pe X,Rez-Di X,Az J I,et al.Optimal short-term operation and sizing of pumped storage power plants in systems with high penetration of wind energy[C].Madrid: Proceedings of the 7th International Conference on the European Energy Market(EEM),2010.
[4] 徐飞,陈磊,金和平,等.抽水蓄能电站与风电的联合优化运行建模及应用分析[J].电力系统自动化,2013,37(1):149-154.
Xu Fei,Chen Lei,Jin Heping,et al.Modeling and application analysis of optimal joint operation of pumped storage power station and wind power[J].Automation of electric power system,2013,37(1):149-154.
[5] 徐飞飞,简献忠.基于细菌觅食算法的含风电场电网无功优化[J].电子科技,2015,28(6):5-8.
Xu Feifei,Jian Xianzhong.Wind farm reactive power optimization by bacteria foraging algorithm[J].Electronic Science and Technology,2015,28(6):5-8.
[6] 袁桂丽,陈少梁,刘颖,等.基于分时电价的虚拟电厂经济性优化调度[J].电网技术,2016,40(3):826-832.
Yuan Guili,Chen Shaoliang,Liu Ying,et al.Econo-mic optimal dispatch of virtual power plant
based on time-of-use power price[J].Power System Technology,2016,40(3):826-832. [7] 王乐,周章,尉志勇,等.风电-抽水蓄能联合系统的优化运行研究[J].电网与清洁能
源,2014,30(2):70-75.
Wang Le,Zhou Zhang,Wei Zhiyong,et al. Research on optimal operation of hybrid wind power and pumped hydro storage system[J].Power System and Clean
Enery,2014,30(2):70-75.
[8] 肖白,丛晶,高晓峰,等.风电-抽水蓄能联合系统综合效益评价方法[J].电网技术,2014,38(2):400-404.
Xiao Bai,Cong Jing,Gao Xiaofeng,et al.A method to evaluate comprehensive benefits of hybrid wind power-pumped storage system[J].Power System Technology,2014,38(2):400-404.
[9] 盛四清,孙晓霞.风电-抽水蓄能联合运行优化模型[J].电力系统及其自动化学
报,2016,28(11):100-103.
Sheng Siqing,Sun Xiaoxia.Operational optimization model for combined operation of wind power andpumped-storage plant[J].Proceedings of the CSU-EPSA,2016,28(11):100-103.
[10] 黄海新,邓丽,文峰,等.基于实时电价的用户用电响应行为研究[J].电力建设,2016,37(2):63-68. Huang Haixin,Deng Li,Wen Feng,et al.Customer response behavior based on real-time pricing[J]. Electric Power Construction,2016,37(2):63-68.
[11] 沈风,唐建勋,吴琼.智能电网环境下负荷响应对系统消纳风电能力影响的研究[J].电测与仪
表,2016,53(11):88-94.
Shen Feng,Tang Jianxun,Wu Qiong.Research on the effect of load response on system consumption capability of wind power in smart grid[J].Electrical Measurement & Instrumentation,2016,53(11):88-94.
[12] 韩小琪,宋璇坤,李冰寒,等.风电出力变化对系统调频的影响[J].中国电力,2010,43(6):26-29. Han Xiaoqi,Song Xuankun,Li Binghan,et al.Study of impact of wind power variable output on frequency regulation[J]. Electric Power,2010,43(6):26-29.
[13] 何永秀,李欣民.基于市场供需均衡的实时电价机制研究[J].华北电力大学学报:社会科学
版,2016(5):48-54.
He Yongxiu,Li Xinmin.The study of real-time pricing mechanism based on the balance ofmarket supply and demand[J].Journal of North China Electric Power University:Social Science,2016(5):48-54.
[14] 宋艺航,谭忠富,李欢欢,等.促进风电消纳的发电侧、储能及需求侧联合优化模型[J].电网技术,2014,38(3):610-615.
Song Yihang,Tan Zhongfu,Li Huanhuan,et al.An optimization model combining generation side and energy storage system with demand side to promote accommodation of wind power[J].Power System Technology,2014,38(3):610-615.
[15] 陈海焱,陈金富,段献忠.含风电场电力系统经济调度的模糊建模及优化算法[J].电力系统自动化,2006(2):22-26.
Chen Haiyan,Chen Jinfu,Duan Xianzhong,et al.Fuzzy modeling and optimization algorithm on dynamic economic dispatch in wind power integrated system[J].Automation of Electric Power System,2006(2):22-26.
[16] Kirschen D S,Strbac G,Cumperayot P,et al. Factoring the Elasticity of Demand in Electricity Prices[J].IEEE Transactions on Power Systems,2000,15(2):312-617.。