張鵬巖

【摘 要】介紹了潔凈能源發(fā)電并網系統(tǒng)優(yōu)化調度的國內外研究現(xiàn)狀及其相關關鍵技術問題，得出了一些總結性的結論。

【關鍵詞】潔凈能源發(fā)電；調度模型；解算算法

【中圖分類號】P754.1【文獻標識碼】A【文章編號】1672-5158（2013）07-0408-02

0 引言

隨著社會產業(yè)的發(fā)展的不斷提高，能源需求的不斷增長使得傳統(tǒng)能源如煤炭、石油、天然氣等資源日趨枯竭。目前，風電為代表的潔凈能源發(fā)電已受到人們格外青睞，同時，在這樣一種大背景下，太陽能發(fā)電也正在經歷著前所未有的應用和發(fā)展速度。

解決大規(guī)模潔凈能源發(fā)電并網系統(tǒng)調度問題對我國電力事業(yè)的發(fā)展意義深遠而重大。在世界范圍內發(fā)展大規(guī)模潔凈能源發(fā)電并網運行是改善電源布局和優(yōu)化電力結構的理想選擇，也是實現(xiàn)可持續(xù)電力供應的理想模式。因此，解決潔凈能源發(fā)電的調度問題對于實現(xiàn)大規(guī)模潔凈能源發(fā)電并網和經濟、合理運行具有決定性的作用。

1 國內外研究現(xiàn)狀

目前，在國外潔凈能源技術已經成熟，最近幾年，風電的發(fā)展在國內也已經達到了一定的水平，因此，國內外對風電并網系統(tǒng)調度問題的研究也已經取得了一定的成果并正在不斷完善。

國內外對系統(tǒng)優(yōu)化調度模型及其解算算法的研究起步較早，研究成果也相當豐富。文獻[1]提出了一種計及風電環(huán)境效益，風電備用容量成本和火電機組環(huán)境補償成本的基于最小購電成本最小為目標函數的調度模型，使用新型智能技術遺傳算法對調度模型進行解算，調度結果經濟合理、經濟。文獻[2]構建了一種包含分布式電源的電網調度模型，并開發(fā)了相應的求解算法。通過一個具體的算例研究了分布式電源對電力系統(tǒng)的線損以及各節(jié)點的邊際電價的影響，表明分布式電源能夠有效降低線損和阻塞，為用戶提供足夠的電力，保障供電可靠性。當風電、光伏發(fā)電等潔凈能源發(fā)電作為分布式電源接入電網時，該文所采用的調度模型具有重大參考價值。文獻[3]以風電場的短期風速預測為基礎，針對風力發(fā)電不同接入容量對電力系統(tǒng)穩(wěn)定性影響的不同，建立含有風電場的電力系統(tǒng)經濟調度模型，并使用了先進的優(yōu)化算法，調度結果較精確、可信。文獻[4]對水電調度模型進行了深入的研究論述，以發(fā)電量最大為目標建立了優(yōu)化的調度模型，提出了雙決策變量線性調度函數，并討論了雙決策線性函數建立的方法和決策規(guī)則的確定。文獻[5]基于機會約束規(guī)劃提出了一種新的水火電力系統(tǒng)短期優(yōu)化調度的不確定性模型。允許所形成的調度方案在某些比較極端的情況下不滿足約束條件，但這種情況發(fā)生的概率必須小于某一置信水平。兼顧日前交易和在此計劃下可能存在的實時交易的費用，實現(xiàn)系統(tǒng)的火電機組和用以實時平衡的功率調整的費用最小化，并針對該模型給出了基于粒子群算法和蒙特卡羅仿真的求解方法。文獻[6]提出用改進的直接搜索算法（DSM），即懲罰函數直接搜索算法PF-DSM求解系統(tǒng)調度問題。結果表明，改進后的直接搜索算法對調度模型的求解更有效。文獻[7]介紹了一種基于模擬退火的粒子群算法，并用其求解以水電站年發(fā)電量最大建立的優(yōu)化調度的數學模型，本文將模擬退火的思想應用到具有雜交和變異的粒子群算法當中，通過模擬退火的降溫過程來提高算法后期的進化速度和精度。最后，以普定水電站的優(yōu)化調度為例進行了計算，結果表明，該算法的性能較基本粒子群算法有了較大改善，且明顯優(yōu)于常規(guī)調度方法和動態(tài)規(guī)劃。文獻[8]采用模糊粒子群算法（FCPSO）求解多目標環(huán)境經濟調度問題。文獻[9]采用遺傳算法和模糊邏輯控制混合算法來求解環(huán)境經濟調度問題。文獻[10]分析了韶關地區(qū)小水電群聯(lián)合優(yōu)化調度的特點，結合實際建立了小水電群優(yōu)化調度的數學模型。通過對傳統(tǒng)優(yōu)化調度方法和遺傳算法的基本步驟進行研究和改進，提出了基于改進遺傳算法的模型求解方法，并對韶關電網系統(tǒng)中的兩個小水電站進行了聯(lián)合模擬求解，結果表明了該方法科學可行，對提高電網運行和提高水電能源的利用具有重要意義。文獻[11]中的環(huán)境經濟調度問題是一個多目標優(yōu)化模型——目標函數包括系統(tǒng)排放物最少和系統(tǒng)費用最少的同時維持發(fā)電機組無功出力在一個可以接受的水平。文獻[12]基于遺傳算法研究包含風力發(fā)電的電網的經濟調度方式，通過計算分析了應用風電所能帶來的化石性燃料的節(jié)省效益，并研究了傳統(tǒng)煤電水力發(fā)電機組可否有效彌補風電隨機性對電網運行所帶來的沖擊。該文在建立調度模型并考慮了新能源發(fā)電對電網造成的安全穩(wěn)定問題，所建模型合理，應用價值高。文獻[13]則專門分別研究了遺傳、進化算法等模擬生物進化的優(yōu)化問題，對解算調度問題的算法進行了詳細的論述，解決了調度模型的求解問題。文獻[14]提出并設計了一種基于混合神經網絡和遺傳算法的水電廠經濟調度系統(tǒng)，為反映機組復雜的非線性工作特性，建立了基于人工神經網絡方法的耗水量模型， 在此基礎上采用改進的遺傳算法對機組進行了優(yōu)化組合。結果表明： 數字仿真及其現(xiàn)場應用都取得了滿意的結果。文獻[15]對機組出力變化與分時電價波動之間的關系進行了研究，構建了一種新的水火電短期優(yōu)化調度模型，該模型以實現(xiàn)電力市場條件下最大發(fā)電收益為目標，同時綜合考慮了峰谷分時電價和環(huán)境保護成本對發(fā)電側經濟效益的影響，還考慮了梯級水電站群的蓄水量、下泄流量、機組出力等約束條件，由此得出機組的優(yōu)化調度方案。針對傳統(tǒng)優(yōu)化算法難以處理高維梯級水電站優(yōu)化調度多約束條件的缺陷，利用微分進化算法對此優(yōu)化模型進行求解，仿真計算結果證明了該模型的合理性和算法的有效性。文獻[16]在考慮環(huán)境保護和節(jié)約能源以及水電廠運行特點的基礎上，提出了一種以火電廠總運行費用、污染氣體排放量、水電廠棄水量為優(yōu)化目標的水火電站群多目標優(yōu)化調度模型。應用基于Agent的啟發(fā)式計算方法求解。計算表明，該模型有利于節(jié)能減排和環(huán)境保護，提高了水力資源的利用程度，提升了電力系統(tǒng)的綜合運行效益，為水火電力系統(tǒng)短期優(yōu)化調度提供了新的研究思路。文獻[17]針對風電場出力的隨機性，在風速預測的基礎上，應用隨機規(guī)劃理論建立了考慮機組組合的含風電場電力系統(tǒng)動態(tài)經濟調度模型。鑒于以上眾多原因，關于光伏發(fā)電并網運行調度方面的文獻很少，對光伏發(fā)電調度建模和仿真的研究則更為罕見。因此，可以預見，對光伏發(fā)電并網系統(tǒng)調度模型的研究將成為一種趨勢并在未來得到快速的發(fā)展，最終得到成熟的調度技術。

2 潔凈能源發(fā)電并網系統(tǒng)調度相關關鍵技術

以風、光能源發(fā)電為代表的潔凈能源發(fā)電具有隨機性及不可控的特點，這給調度帶來了困難。因此，必須解決與其相關的關鍵技術問題。

2.1 功率預測與控制

潔凈能源發(fā)電要參與系統(tǒng)的功率平衡，需做的工作，一是其輸出功率的預測，二是輸出功率的控制。以風電為例，對風電場輸出功率進行控制，有利于減小系統(tǒng)的備用容量，增強系統(tǒng)的可靠性和安全性。風電場綜合控制系統(tǒng)輸入信號有調度的指令、風速、并網點的有功功率、無功功率、電壓等，控制目標為保持風電場的有功、無功、電壓等在合理范圍內。丹麥Eltra電力公司規(guī)定了風電場參與功率控制的7種方法[20-22]。一般風電場輸出功率大于90%額定容量的概率小于10%，因此通過對風電場進行功率控制達到減少系統(tǒng)備用容量的作用，而不會損失太多的風電功率。風電功率預測的意義主要在以下幾個方面：用于經濟調度，根據風電場預測的出力曲線優(yōu)化常規(guī)機組的出力，達到降低運行成本的目的。增強系統(tǒng)的安全性和可靠性。掌握了風電出力變化規(guī)律就減少了不確定性，增強了系統(tǒng)的可控性。但適應實時調度要求的準確的風電場出力模型是制約含風電的環(huán)境經濟調度發(fā)展的瓶頸問題之一。文獻[21]-[24]從不同的角度介紹了國內外對這一問題的研究情況。風電功率預測的基本方法可分為基于數值天氣預報的物理預測模型（統(tǒng)計模型（神經網絡方法、模糊數學方法等））和時間序列模型（持續(xù)預測方法、卡爾曼濾波方法等）兩大類。文獻[26]指出由于風電具有隨機性， 目前尚無法較準確預側其出力， 因此含有風電的電力系統(tǒng)經濟調度不再是一個常規(guī)意義下的確定性問題。利用傳統(tǒng)的方法也難獲得既經濟又有較高可靠性的解。

2.2 系統(tǒng)備用容量的選擇

由于潔凈能源并網發(fā)電具有隨機性和間歇性的特點，為了保證系統(tǒng)的安全、穩(wěn)定、可靠的運行，必須以常規(guī)能源發(fā)電為系統(tǒng)預留一定的備用發(fā)電容量。以風電為例，保證風電功率的波動特性如果與電網負荷的波動特性一致，那么風電就有自然調峰的作用，反之，會使電網的調峰問題更加突出。在有些情況下，從長時期來看，風電與電網負荷變化規(guī)律一致，但這并不能排除在有些時段內，風電出力正好與負荷變化規(guī)律相反，使電網面臨嚴重的情況。這就需要合理安排系統(tǒng)的備用容量，保證電網的安全穩(wěn)定運行。但是，目前對于合理選擇備用容量沒有成熟的理論和方法。調度部門選擇的備用容量往往與實際需要的備用容量不太符合，這樣必然造成了電力浪費和經濟損失。因此，建立一種合理的備用容量選取方法必將成為一個意義重大的且具有很高經濟效益的突破點。

3 結束語

針對潔凈能源發(fā)電各自的特點，并根據電力實際運行需要，建立相應的調度模型，解決調度相關關鍵技術問題，并采用有效的數學解算方法，保證調度結果符合系統(tǒng)安全穩(wěn)定運行原則，是解決調度問題的關鍵。

隨著太陽能等潔凈能源的大力開發(fā)，潔凈能源發(fā)電并網調度技術必將不斷完善，最終實現(xiàn)潔凈能源在一定程度上取代傳統(tǒng)能源。

參考文獻

[1] 喻潔，季曉明，夏安.基于節(jié)能環(huán)保的水火電多目標調度策略[J].電力系統(tǒng)保護與控制，2009，37（1）：24-27.

[2] 王粵，肖進永，栗然.大規(guī)模風電場并網的經濟調度建模和決策算法[J].電能質量，2009，28（12）：50-54.

[3] 陳畢勝.梯級水電站長期優(yōu)化調度的研究與應用[D].武漢：華中科技大學，2004，5

[4] 朱建全，吳杰康.水火電力系統(tǒng)短期優(yōu)化調度的不確定性模型[J].電力系統(tǒng)自動化，2008，32（6）： 51-54.

[5] Chun-Lung Chen and Tsung-Ying Lee.Impact Analysis of Transmission Capacity Constraints on Wind Power Penetration and Production Cost in Generation Dispatch[C]，IEEE International Conference on Intelligent Systems Applications to Power Systems，2007，10：1-6.

[6] 申建建，程春田，廖勝利等.基于模擬退火的粒子群算法在水電站水庫優(yōu)化調度中的應用[J].水力發(fā)電學報，2009，28（3）：10-15.

[7] 葉琳浩，夏成軍，陳麗丹等. 改進遺傳算法在韶關小水電群優(yōu)化調度的應用[J].2009，21（3）：53-57.

[8] YuryevlehJ，Wong K P.Evolurionary programming based optirnal power flow algorlthm[J].IEEE Transaetions on Power Systems，1999，14（4）：1245一1250

[9] Walters D C，Shoble G B.Genetie algorithrn solution of economical dispatch with valve point loading [J].IEEE Transaetions on Power Systems，1993，8（3）：1325一1332.

[10]孟安波，劉永前.基于混合神經網絡與遺傳算法的水電廠經濟調度研究[J]. 水力發(fā)電，2008，34（5）：46-49.

[11] 韓冬，蔡興國.綜合環(huán)境保護及峰谷電價的水火電短期優(yōu)化調度[J]. 電網技術，2009，33（14）：78-83.

[12] 孫元章，吳俊，李國杰等. 含風電場電力系統(tǒng)動態(tài)經濟調度[J].中國電機工程學報，2009，29（4）： 41-47.

[13] Eltra.Vindmoller tilsluttet net med spandinger over 100kV[S]. Denmark，2004.

[14] Grid E N.wind farm power station grid code provisions[S].Ireland， 2002.

[15] 郭巍，范高鋒.大規(guī)模風電接入對電力系統(tǒng)調度的影響[J].農村電氣化，2008， （8）：54-55.

[16]Lexiadis M A，Dokopoulos P，Sah S，et al.Short term forecasting of wind speed and related electrical power[J].Solar Energy，1998，63（1）：61-68.

[17] Bechrakis D A，Sparis P D.Wind speed prediction using artificial neural networks[J].Wind Engineering，1998，22（6）：287-295.

[18] Bernhard L，Kurt R，Bernhard E，et al.Wind power prediction in Germany—recent advances and future challenges[C].European Wind Energy Conference，Athens，2006.

[19] 江岳文，陳沖，溫步瀛. 基于隨機模擬粒子群算法的含風電場電力系統(tǒng)經濟調度[J].電工電能新技術，2007，26（3）： 37-41

[20] 張粒子，謝國輝，朱澤等.準市場化的節(jié)能發(fā)電調度模式[J].電力系統(tǒng)自動化，2008，33（8）：29-31.

[21] 韋志煒.電力市場環(huán)境下電力系統(tǒng)優(yōu)化調度問題探討[J].科技咨詢，2008，（8）：53.