?

節(jié)能調(diào)度背景下考慮不確定市場信息的機(jī)組檢修計(jì)劃

黃寶鵬

（廣東省高級技工學(xué)校，廣東惠州,516100)

摘要：我國電力工業(yè)改革的重要措施之一是實(shí)施節(jié)能發(fā)電調(diào)度，交易方式有別于國外實(shí)時市場，發(fā)電公司檢修策略肯定也有所不同。因此，有必要研究節(jié)能調(diào)度對檢修計(jì)劃制定的影響。檢修策略是發(fā)電公司中長期生產(chǎn)計(jì)劃的制訂問題，需要考慮中長期負(fù)荷和非計(jì)劃停運(yùn)等不確定信息。在此背景下，計(jì)及負(fù)荷和非計(jì)劃停運(yùn)等不確定信息，建立機(jī)組檢修 計(jì)劃制定策略的隨機(jī)優(yōu)化模型，研究節(jié)能調(diào)度實(shí)施后對機(jī)組檢修計(jì)劃的影響。算例分析表明了模型的有效性。

關(guān)鍵詞：機(jī)組檢修；節(jié)能減排；電力市場；不確定信息；蒙特卡洛法

0　引言

隨著我國電力工業(yè)市場化改革的逐步推行，電力市場交易形式日趨多樣化。針對我國電力工業(yè)實(shí)際情況，以及全球節(jié)能環(huán)保要求，我國正試行節(jié)能發(fā)電調(diào)度。目前，很多文獻(xiàn)已經(jīng)研究了節(jié)能調(diào)度與電力市場的結(jié)合，認(rèn)為其符合電力市場化改革的要求。

傳統(tǒng)文獻(xiàn)研究了調(diào)度機(jī)構(gòu)如何在考慮發(fā)電公司申報(bào)的檢修計(jì)劃公平調(diào)整以滿足系統(tǒng)運(yùn)行需要，文獻(xiàn)[1, 2]考慮了現(xiàn)貨市場情況下的發(fā)電機(jī)組檢修策略，主要是基于預(yù)測市場發(fā)電容量充裕度，提出盡量選擇在低電價時段檢修。我國雖然正在進(jìn)行電力市場改革，但形式與國外有所區(qū)別，包括推行節(jié)能調(diào)度發(fā)電。已有相關(guān)文獻(xiàn)研究如何將節(jié)能調(diào)度發(fā)電與電力市場結(jié)合起來，但尚未見有關(guān)節(jié)能調(diào)度對發(fā)電機(jī)組檢修計(jì)劃影響的研究。

為研究在電力市場環(huán)境下節(jié)能調(diào)度對發(fā)電機(jī)組檢修計(jì)劃的影響，本文建立機(jī)組檢修計(jì)劃制定策略的隨機(jī)優(yōu)化模型，計(jì)及負(fù)荷和非計(jì)劃停運(yùn)等不確定信息，通過研究機(jī)組在不同檢修計(jì)劃下的收益情況分析節(jié)能調(diào)度對發(fā)電公司收益的影響。

1　市場環(huán)境下的節(jié)能發(fā)電

節(jié)能發(fā)電模型是指對燃煤機(jī)組煤耗和排放量進(jìn)行量化，并建立數(shù)學(xué)模型進(jìn)行機(jī)組負(fù)荷的分配。首先， 根據(jù)機(jī)組煤耗和排放量，計(jì)算每臺機(jī)組的負(fù)荷分配因子為

其中，Ri,h(k)為機(jī)組k在第i天第h小時的機(jī)組煤耗，Rimin,h 為第i天第 h小時所有機(jī)組的煤耗中的最小值；U i,h(k)為機(jī)組k在第i天第h小時的機(jī)組二氧化硫排放量，U imin,h為第i天第h小時所有機(jī)組的二氧化硫排放量中的最小值；α和β均為預(yù)設(shè)的調(diào)節(jié)系數(shù)。由于煤耗在機(jī)組運(yùn)行時間變化不大，且參與節(jié)能調(diào)度的煤耗數(shù)據(jù)更改不會過于頻繁，因此本文假設(shè) D(k)在機(jī)組檢修周期內(nèi)保持不變，忽略其下標(biāo) i，h。當(dāng)機(jī)組沒有開機(jī)時，取 D(k)=0。在發(fā)電側(cè)競價上網(wǎng)后，機(jī)組的發(fā)電量是由負(fù)荷需求和機(jī)組發(fā)電報(bào)價共同決定的。基于煤耗和排放的節(jié) 能調(diào)度方法是根據(jù)機(jī)組煤耗和二氧化硫等污染物排放量大小，確定某一負(fù)荷懲罰因子，對上網(wǎng)機(jī)組的調(diào)度電量進(jìn)行調(diào)整或重新分配。假設(shè)發(fā)電機(jī)組的中標(biāo)容量為 P ′(k)，根據(jù)節(jié)能調(diào)度能耗懲罰模型，其實(shí)際出力應(yīng)為

2　市場不確定信息

發(fā)電機(jī)組檢修策略是一個發(fā)電公司中長期生產(chǎn)計(jì)劃安排，需要根據(jù)系統(tǒng)的情況制定，因此需要估計(jì)機(jī) 組自身的運(yùn)行情況，其他機(jī)組的檢修計(jì)劃安排和系統(tǒng)在各時段的負(fù)荷大小。

（1）系統(tǒng)可用容量

設(shè)系統(tǒng)中共有 M+1 臺機(jī)組，第 M+1 臺機(jī)組為所研究發(fā)電機(jī)組臺數(shù)。假設(shè)系統(tǒng)其他 M 臺機(jī)組裝機(jī)容量 一年內(nèi)不發(fā)生變化，系統(tǒng)中所有機(jī)組所需檢修持續(xù)天數(shù)均為公共信息。根據(jù)歷史數(shù)據(jù)可估計(jì)機(jī)組 k 的可能

其中， nk為檢修持續(xù)天數(shù),實(shí)際中集合dk,i的元素個數(shù)是比較少的。

設(shè)某機(jī)組的可用容量為其裝機(jī)容量 Pi,h，記vi∈v1,v2 ,...,v365}表示第i天機(jī)組開機(jī)狀態(tài)，例如，機(jī)組k在第i天處于開機(jī)狀態(tài)vi(k)1，處于檢修狀態(tài)則vi(k)0。設(shè)系統(tǒng)有M+1臺機(jī)組，則系統(tǒng)總的可用容量為

其中，vi(k)為一服從二項(xiàng)分布的隨機(jī)變量，vi(k)0的概率為φk,i，vi(k)1的概率為1-φk,i?？梢姡琒i,h也為概率性隨機(jī)變量。此外，vi(k)還要滿足連續(xù)性約束，即機(jī)組一次性連續(xù)完成檢修工作。即

式中，I表示機(jī)組檢修起始日在一年中的第I天。例如，機(jī)組在1月1日開始檢修，則I=1。

（2）負(fù)荷調(diào)度機(jī)構(gòu)

負(fù)荷調(diào)度機(jī)構(gòu)或者發(fā)電公司都可以根據(jù)歷史數(shù)據(jù)和期望增長率等對負(fù)荷進(jìn)行預(yù)測。但由于制定檢修計(jì)劃所涉及的時間跨度比較長，年負(fù)荷預(yù)測屬于中長期預(yù)測的范疇，面對的不確定性因素多，難以保證準(zhǔn)確預(yù)測，因此采用概率方法描述未來的負(fù)荷在原理上更為合適。假設(shè)第i天第h小時的負(fù)荷Li,j服從正態(tài)分布

式中， Lij 為對第 i 天第 h 小時的負(fù)荷預(yù)測的期望值，σij 為預(yù)測的方差。

（3）電價

定義系統(tǒng)的容量充裕度為γ ( S i,h - Li,j )/Li,j，根據(jù)對各國電力市場實(shí)際數(shù)據(jù)的統(tǒng)計(jì)和研究，可知系統(tǒng)的容量充裕度與市場電價有關(guān)，并且在一定范圍內(nèi)，系統(tǒng)容量充裕度越大，市場電價越低。因此，可采用如下電價與容量充裕度關(guān)系式估計(jì)實(shí)時市場電價為

其中γmax和γmin為充裕度曲線的上拐點(diǎn)和下拐點(diǎn)，λmax和λmin為市場電價最高限制和最低限制，a，b，c 為系數(shù)。

（4）等效非計(jì)劃停運(yùn)率

發(fā)電機(jī)組存在非計(jì)劃停運(yùn)和非計(jì)劃降出力可能性。一般情況下，機(jī)組剛剛啟動運(yùn)行以及長時間運(yùn)行后，出現(xiàn)非計(jì)劃停運(yùn)的可能性較大。記vi′為考慮等效非計(jì)劃停運(yùn)的實(shí)際運(yùn)行狀態(tài)，ξ為非計(jì)劃停運(yùn)率。則

由于非計(jì)劃停運(yùn)的概率一般很小，即使計(jì)及非計(jì)劃降出力，ξ 的數(shù)值也不會太大，也很難統(tǒng)計(jì)概率分 布表達(dá)式，因此一般使用歷史統(tǒng)計(jì)數(shù)據(jù)估算。

3　最優(yōu)檢修策略數(shù)學(xué)模型

假設(shè)機(jī)組k在第j月安排檢修，λ為結(jié)算電價。為示區(qū)別，前面所提及的 Pi,h(k)等變量的機(jī)組變量均加 了標(biāo)識“k”，指代某臺機(jī)組。為了方便，在下面檢修策略優(yōu)化模型的表示中，將選定某臺機(jī)組作為研究對 象，因此，與機(jī)組相關(guān)的Pi,h，vi′，ξ 等變量中省略標(biāo)識“k”。不失一般性，選定第 M+1 臺機(jī)組作為研究 對象，并假設(shè)檢修可能起始日為每個月的第一天。記機(jī)組的月收益為 fm（m=1, 2,…, 12），由于機(jī)組進(jìn)行檢修時，則失去這部分售電收益，因此機(jī)組最優(yōu)的檢修計(jì)劃制定原則應(yīng)該是，在該檢修計(jì)劃下，機(jī)組損失的售電收益 fm 最小。機(jī)組月收益的計(jì)算方法為

其中，r 為機(jī)組被調(diào)度發(fā)電的概率。 綜上所述，結(jié)合式（1）到式（9）則可得機(jī)組的最優(yōu)檢修策略數(shù)學(xué)模型為

其中， Rramp 為機(jī)組最大爬坡能力。

4　算例

表1　發(fā)電機(jī)容量和煤耗Table1 capacities and coal consumption of the generating units

設(shè)某系統(tǒng)中共有10臺機(jī)組，即M+1=10,系統(tǒng)中各機(jī)組裝機(jī)容量和煤耗如表1所示。煤耗值采用廣東 省實(shí)際同容量機(jī)組設(shè)計(jì)煤耗。假設(shè)根據(jù)各類型的發(fā)電機(jī)組的計(jì)劃檢修間隔和每臺機(jī)組上一年度的檢修時間，預(yù)計(jì)發(fā)電機(jī)組7—10應(yīng)該在所研究年度進(jìn)行檢修。選取第10臺機(jī)組為所研究對象，其最小出力限制為150MW，最大出力限制為300MW。發(fā)電機(jī)組10在所研究年度內(nèi)計(jì)劃進(jìn)行一次檢修，檢修持續(xù)時間為30天。發(fā)電機(jī)組7—發(fā)電機(jī)9可能檢修起始日期和概率采用文獻(xiàn)[1]算例數(shù)據(jù)，檢修持續(xù)時間為30天。如表2所示。負(fù)荷預(yù)測的方法很多，一般可以根據(jù)歷史負(fù)荷數(shù)據(jù)，以及可能的負(fù)荷增長率等對下一年度系統(tǒng)負(fù)荷進(jìn)行預(yù)測。為對結(jié)果與文獻(xiàn)進(jìn)行比較，負(fù)荷數(shù)據(jù)和機(jī)組出力將利用文獻(xiàn)[1]的隨機(jī)方法產(chǎn)生。假定下一年度負(fù)荷預(yù)測期望值在[1856MW，2080MW]之間，因此在[1856，2080]之間隨機(jī)產(chǎn)生的 8760 個數(shù)據(jù)，作為下一年度各時段內(nèi)發(fā)電公司負(fù)荷預(yù)測的期望值，預(yù)測標(biāo)準(zhǔn)差給定為期望值的 3%。機(jī)組出力同樣用進(jìn)行隨機(jī)模擬。 利用在機(jī)組的最小出力 Pmin 到最大出力 Pmax 間按均勻分布隨機(jī)產(chǎn)生一個數(shù)值 P ′( k) ，再用式（2）進(jìn)行調(diào)整 后，以 P g ( k) 作為機(jī)組出力的期望值，方差為 2% P g ( k) 。假設(shè)機(jī)組被調(diào)度概率 r 在區(qū)間[0.5,1]內(nèi)服從均勻 分布。

表2　發(fā)電機(jī)組檢修起始日期概率Table2 Probabilities of maintenance starting days of generating units

通常機(jī)組運(yùn)行安全重要性高，非計(jì)劃停運(yùn)發(fā)生的可能性較小。非計(jì)劃停運(yùn)與機(jī)組連續(xù)運(yùn)行時間，上次 檢修時間，投入時間和使用年限等歷史因素有關(guān)。一般連續(xù)運(yùn)行時間過長，長時間未檢修，設(shè)備較舊其非計(jì)劃停運(yùn)可能性較高。本文算例假設(shè)機(jī)組 10非計(jì)劃停運(yùn)率在 3%左右。為便于比較，其它參數(shù)也根據(jù)文獻(xiàn)[1]選擇如下：

γmax=0.4，γmin=0.05 ；電價上下限λmax=1和λmin=0.1 ，單位為元/kw·h；a=1.28，b=-5.88，c=7.35；計(jì)算系數(shù)α=0.5，β=0，K=2。利用式（1）到式（9）可以計(jì)算不同檢修起始日損失收益的期望值如表 3 所示，由于篇幅所限，本文算例只列出每個月第一天作為檢修起始日的計(jì)算結(jié)果。

表3　不同檢修方案年收入期望值Table3　Expected profit values of different maintenance plans

由表 3 所列的12種情況可知，如果機(jī)組10在8月份進(jìn)行檢修，損失的收益期望值最?。蝗绻?月份進(jìn)行檢修，損失的收益期望值最大。文獻(xiàn)[1]得出的最優(yōu)檢修起始日為12月1日，同時，本文算例得由表 3 所列的12種情況可知，如果機(jī)組10

在8月份進(jìn)行檢修，損失的收益期望值最小；如果在4月 份進(jìn)行檢修，損失的收益期望值最大。文獻(xiàn)[1]得出的最優(yōu)檢修起始日為 12 月 1 日，同時，本文算例得出的各月?lián)p益期望相對于文獻(xiàn)[1]偏小，原因是節(jié)能調(diào)度發(fā)電中機(jī)組10的發(fā)電量收到系統(tǒng)機(jī)組的煤耗影響， 與實(shí)施節(jié)能調(diào)度前發(fā)生了改變。

5　結(jié)論

電力體制改革需根據(jù)各國電力系統(tǒng)實(shí)際，不可以公式化照搬其他國家的模式。根據(jù)我國實(shí)際國情，我 國正推行和實(shí)施節(jié)能發(fā)電調(diào)度，明顯有別于國外現(xiàn)貨市場環(huán)境。在這樣的背景下，各獨(dú)立發(fā)電公司和電網(wǎng) 公司有必要研究其對電力企業(yè)生產(chǎn)計(jì)劃和收益的影響。以往對檢修策略的研究，均是針對國外現(xiàn)貨市場環(huán) 境的，有必要進(jìn)行拓展。本文計(jì)及系統(tǒng)容量、負(fù)荷和機(jī)組非計(jì)劃停運(yùn)等不確定信息的同時，綜合考慮節(jié)能 發(fā)電調(diào)度，同時，在此基礎(chǔ)上建立的檢修策略數(shù)學(xué)優(yōu)化模型。算例結(jié)果表明，節(jié)能調(diào)度發(fā)電將影響機(jī)組發(fā) 電量，從而影響機(jī)組檢修計(jì)劃的安排。

參考文獻(xiàn)

[1] 王健,文福拴,楊仁剛.基于發(fā)電容量充裕度估計(jì)的發(fā)電公司檢修策略.電力系統(tǒng)自動化.2005.29 (6):45-49.

[2] 王健, 文福拴,楊仁剛. 基于機(jī)會約束規(guī)劃的發(fā)電公司最優(yōu)檢修策略.電力系統(tǒng)自動化,2004, 28(19): 27-31.

[3] 傅書逷,王海寧.關(guān)于節(jié)能減排與電力市場的結(jié)合.電力系統(tǒng)自動化, 2008, 32(6): 31-35.

[4] 胡建軍,李嘉龍,陳慧坤.基于煤耗和排放的日發(fā)電曲線編制模型.電力系統(tǒng)自動化,2009,33(12):43-46.

[5] Antonio J.Conejo.Generation Maintenance Scheduling in Restructured Power Systems. IEEE Trans on Power Systems. 2005, 20(2):984-992.

[6] Deb C.Life-Cycle Maintenance Management of Generating Units in a Competitive Environment. IEEE Trans on Power Systems,2004,19(2):1181-1189.

Maintenance scheduling under energy-saving dispatch considering uncertain market information

Huang Baopeng

（Guangdong Higher Technical School, huizhou city, guangdong province,516100）

Abstract：Trandition studies on generator maintenance scheduling are mainly about its impact on the revenue in arealtime market situation base on MCP.By contrast,energy-saving dispatch is an important measure in China during the restructuring of power industry,therefore it has a different impact on maintenance scheduling.Under this backgroud,the impact of energy-saving on maintenance scheduling is studied,considering the uncertain information such as load level an price.The stochastic model of generator maintenance scheduling with respect to energy-saving dispatch is established,and the Monte Carlo method is applied as the algorithm. Finally,case studies are presented to demonstrate the validity.

Keywords：Generator maintenance;electricity market;energy-saving dispatch;uncertain information;Monte Carlo