第 36 卷 第 1 期 中 国 电 机 工 程 学 报 Vol.36 No.1 Jan.

5, 2016
112 2016 年 1 月 5 日 Proceedings of the CSEE ©2016 Chin.Soc.for Elec.Eng.
DOI：10.13334/j.0258-8013.pcsee.2016.01.012 文章编号：0258-8013 (2016) 01-0112-10 中图分类号：TM 73

含风电场和抽水蓄能电站的多目标安全
约束动态优化调度
黄庶，林舜江，刘明波
(华南理工大学电力学院，广东省 广州市 510640)

Multi-objective Security Constrained Dynamic Optimal Dispatch With Wind Farms and
Pumped Storage Stations
HUANG Shu, LIN Shunjiang, LIU Mingbo
(School of Electrical Power Engineering, South China University of Technology, Guangzhou 510640, Guangdong Province, China)

ABSTRACT: A dynamic optimal dispatch model for power 摘要：建立含风电场和抽水蓄能电站的电力系统动态优化调

systems with wind farms and pumped storage stations was 度模型，以总燃料耗量、污染气体排放量和购电费用最小为
proposed, and fuel consumption, emission of atmospheric 目标，并考虑基态和 N−1 条件下的网络安全约束和抽水蓄
pollutants and power purchase cost were taken as objectives. 能机组的运行调度约束。引入满足互补条件的两个连续变量
The network security constraints under basic status and N−1 发电功率和抽水功率来描述抽水蓄能机组的运行特性，避免
outage and operation dispatch of pumped storage stations were 引入离散变量，并通过对抽水蓄能机组各个时段的工况约束
considered. Two continuous variables such as generating power 的累加来减少不等式约束个数。并采用“校验—添加—再校
and pumping power, which satisfy complementary condition, 验—再添加”的思想处理 N−1 安全约束，提高了求解效率。
were introduced to describe the operation of pumped storage 采用法线边界交叉法(normal boundary intersection，NBI)和
stations to avoid introduction of discrete variables, and the 内点法求解多目标优化问题获得均匀分布的 Pareto 最优解
inequality constraints were reduced by means of accumulating 集。某省级 167 机 2299 节点系统的计算结果表明，所提出
operation mode constraints of a pumped storage station in all 的方法能够综合考虑发电计划在安全性、经济性和环保性之
periods. Also, the idea of “checking-adding-checking again- 间的最优折中，并发挥抽水蓄能电站削峰填谷和应对风电场
adding again” was used to handle network security constraints 出力随机性的作用。
and hence the computational efficiency was enhanced. The
关键词：动态优化调度；风电接入；抽水蓄能电站；N−1
normal boundary intersection (NBI) algorithm and interior point
故障；多目标优化；法线边界交叉法
method were adopted to solve this model and a series of evenly
distributed Pareto optimal sets were obtained. Test results on a 0 引言
real provincial power system with 167 units and 2299 nodes
demonstrate that the proposed method can comprehensively 随着全球能源危机和环境污染问题的日益严
consider the optimal compromise among security, economy and 峻，电力工业的节能减排备受关注。为了实现节能
environmental protection of generation schedule, and can develop 减排，传统的单纯以发电成本最小为目标的经济调
the functions of pumped storage stations in shifting load and 度已不能满足电网运行要求，发电调度计划的制定
coping with randomness of wind farm output.
需要综合考虑发电燃料耗量、污染气体排放量、购
KEY WORDS: dynamic optimal dispatch; wind power 电费用等多个目标以及新能源接入和电网安全等
penetration; pumped storage station; N−1 outage; multi-
因素，兼顾安全性、经济性和环保性的多目标优化
objective optimization; normal boundary intersection algorithm
问题已成为当前的研究热点[1-5]。
基 金 项 目 ： 国 家 重 点 基 础 研 究 发 展 计 划 项 目 (973 计 划 ) 安全性是电力系统运行的最基本要求，安全是
(2013CB228205)；国家自然科学基金项目(51207056)；中央高校基本科
指在系统受到外界扰动后，不中断对用户供电的能
研业务费资助项目(2015ZM106)。
The National Basic Research Program of China (973 Program) 力，线路在基态和 N−1 条件下的安全校核是运行调
(2013CB228205); Project Supported by National Natural Science
度中最常见的安全性检测问题。然而，目前的经济
Foundation of China (51207056); The Fundamental Research Funds for
Central Universities (2015ZM106). 调度对安全约束考虑不足，使得日前计划在实际运
第1期 黄庶等：含风电场和抽水蓄能电站的多目标安全约束动态优化调度 113

行中出现线路功率越限等安全问题，制约了经济调 式中：第 1 个目标函数 f1 表示发电总燃料耗量；Pi,t

度的工程应用。目前，国内外对经济调度的研究主 为机组 i 在时段 t 的发电功率；T 为调度周期总的时
要集中在如何应对风光等新能源发电出力的随机 段数；N 为总的发电机组个数；对于燃煤机组，Ai,2、
[5-7]
性，优化模型中多数没有考虑安全约束 ，或者只 Ai,1 和 Ai,0 分别为第 i 台机组的耗量特性系数；对于
[8-9]
考虑基态条件下线路或断面的功率约束 。文献[10] 水电机组，有 Ai,2=Ai,1=Ai,0=0；第 2 个目标函数 f2
指出，网络安全约束应包括基态及预想故障情况下 表示污染气体排放量，本文主要考虑 SO2 排放量，
的线路、变压器及输电断面潮流约束等。文献[11-12] Bi,2、Bi,1 和 Bi,0 分别为第 i 台常规机组的污染气体排
将网络 N−1 约束加入到机组组合模型中，通过调整 放量特征系数；第 3 个目标函数 f3 表示购电费用，
机组出力和启停，获得满足 N−1 约束的机组组合计 Ci 为电网向机组 i 购电的电价。
划。文献[13]中考虑了 N−1 和 N−2 安全约束，但只 2）功率平衡约束。
分析了单个时间断面的调度，没考虑如机组爬坡， ⎧N NW

系统备用需求等其他约束。文献[14-15]在机组组合 ⎪∑ Pi ,t + ∑ PWi ,t = PLoad,t + PLoss,t

⎪ i =1 i =1
中考虑了 N−1 安全约束，文献[16]提出了将机组组 ⎪⎪ NL NL
⎨ PLoss,t = ∑ Sl ,km,t = ∑ g km (Δθl ,km,t ) =
2
(2)
合与 N−1 安全校核直接闭环的最优发电计划模式，
⎪ l =1 l =1
并且文献[14-16]都采用“校验—添加—再校验—再 ⎪ NL

添加”的思想处理网络安全约束条件，这种处理方
⎪
⎪⎩
∑ g km (θ k ,t − θ m,t ) 2
l =1

法能够有效降低求解优化模型的规模，其应用于实
式中：第 1 个式子为功率平衡方程；Pwi,t 为风电场
际大电网的效果和性能如何目前研究还较少。
i 在时段 t 的出力，由对风速等随机变量预测得到；
抽水蓄能电站作为一种特殊的电源形式，在现
PLoad,t 为系统在第 t 时段的负荷预测值；PLoss,t 为 t
代电网中的应用越来越广泛，既可以调峰填谷，又
时刻的网络损耗，采用文献[23]中的方法，将每条
可以承担平抑风光等间歇性新能源的出力波动等
线路损耗表示为 Sl,km≈gkm(Δθl,km)2，再将各条线路损
功能。国内外对电网调度中抽水蓄能模型的研究较
耗累加获得。其中 NL 为线路条数；Sl,km,t 为节点 k
多，但大多都是引入了离散变量来对抽水蓄能机组
和 m 之间线路 l 在 t 时刻的损耗；gkm 为线路(k, m)
建模，增加了模型的复杂性和求解难度[17-20]；或者
的电导；θk,t 和θm,t 为 t 时刻节点 k 和 m 的电压相角。
是固定了一天中的发电时段和抽水时段对功率进
3）机组出力上下限约束。
行优化，压缩了抽水蓄能电站运行的优化空间，得
Pi ≤ Pi ,t ≤ Pi (3)
到的结果不是最优的[5]。
基于上述分析，本文构建了含多个风电场和抽 式中 Pi 和 Pi 为机组 i 的有功出力上限和下限。
水蓄能电站的电力系统多目标安全约束动态优化 4）机组爬坡/滑坡约束。
调度模型，考虑了基态和 N−1 故障下的网络安全约 ⎧⎪ Pi ,(t −1) − Pi ,t ≤ rdi × To (4)
⎨
束，引入两个连续变量描述抽水蓄能机组的运行特 ⎪⎩ Pi ,t − Pi ,(t −1) ≤ rui × To
性，采用“校验—添加—再校验—再添加”方法处
式中：rdi 和 rui 分别为机组 i 的向下滑坡率和向上爬
理网络安全约束以提高计算效率，并借助 NBI 法和
坡率；To 为一个运行时段，如 15 min。
内点法求解多目标优化调度模型的均匀分布 Pareto
5）基态条件下的网络安全约束。
最优解集[21-22]。
根据直流潮流计算模型，线路传输功率约束
1 多目标安全约束动态优化调度模型 如下：
⎧ θ k ,t − θ m ,t
1）优化目标。 ⎪ Pl ,km,t =
⎨ xkm (5)
⎧ T N
⎪− P ≤ P
⎪ f1 = ∑∑ ( Ai ,2 × Pi ,t + Ai ,1 × Pi ,t + Ai ,0 )
2
⎩ l ,km l , km ,t ≤ Pl , km
⎪ t =1 i =1

⎪ T N 式中：l 为需要考虑的线路，如果需要考虑输电断
min ⎨ f 2 = ∑∑ ( Bi ,2 × Pi ,2t + Bi ,1 × Pi ,t + Bi ,0 ) (1)
⎪ t =1 i =1 面，则要将输电断面所组成的线路功率的绝对值累
⎪ T N 加起来；xkm 为线路(k, m)的电抗值；Pl,km,t 为 t 时刻
⎪ f3 = ∑∑ (Ci × Pi ,t )
⎩ t =1 i =1 线路(k, m)的传输功率； Pl ,km 为线路(k, m)的传输功
114 中 国 电 机 工 程 学 报 第 36 卷

率限值。 别为负荷对系统正、负旋转备用的需求系数；wu%
6）N−1 条件下的网络安全约束。 和 wd%分别为风电场总出力对系统正、负旋转备用
⎧ θ −θ l −b l −b 的需求系数；sui,t 和 sdi,t 分别为机组 i 在时段 t 能够
k ,t m ,t
⎪ Pl −b ,km,t = l −b 提供的正、负旋转备用容量；第 3、4 个式子为响
⎨ xkm (6)
⎪− P ≤ P 应时间内每台机组能够提供的旋转备用约束， T10
⎩ l ,km l − b , km ,t ≤ Pl , km , b∈ B
为机组的旋转备用响应时间，本文取 10 min。
式中：B 为 N−1 断线故障集，带有标记“l−b”的
8）抽水蓄能机组约束。
变量为线路 b 发生 N−1 断线故障后，线路 l 的状
抽水蓄能机组不同于一般机组，存在两种运行
态量。
工况：发电工况和抽水工况，所以抽水蓄能机组既
式(2)、(5)和(6)均出现了变量θ，采用文献[24]
要优化其出力，还要优化其工况。因此，为每个抽
中方法，将其转换成只含决策变量 Pi,t 的函数，如
水蓄能机组引入两个变量：时段 t 的发电功率 Ppg,i,t
式(7)—(9)。
NL
和抽水功率 Ppp,i,t。Ppg,i,t 和 Ppp,i,t 分别当作是一台常
PLoss,t = ∑ g km {∑ ( X ki − X mi )Pi ,t − ∑ ( X ks − X ms ) Ds ,t } (7) 2
规机组 Pi,t，都要满足上述所有约束，但其参数与
l =1 i∈ψ s∈L
常规机组有所不同：在工作时不会产生燃料消耗和
X − X mi X − X ms
Pl ,km,t = ∑ ( ki ) Pi ,t − ∑ ( ks ) Ds ,t (8) 排放，同时由于抽水蓄能机组归电网公司所有，故
i∈ψ x s∈L xkm
km
不需要购电费用；发电时功率为正，抽水时功率为
l −b l −b l −b l −b
X −X X −X 负，即 Ppg,i,t 的下限为 0，上限为最大发电出力，Ppp,i,t
Pl −b,km ,t = ∑ ( ki
l −b
mi
) Pi ,t − ∑ ( ks
l −b
ms
)Ds ,t (9)
i∈ψ xkm s∈L xkm 的上限为 0，下限为最大抽水功率；由于抽水蓄能
式中：Xki、Xmi 为正常状态下直流潮流模型的节点 机组调整其出力大小非常迅速，即其向上/下爬坡/
阻抗矩阵元素； X kil −b 、 X mi
l −b
为线路 b 发生 N−1 断 滑坡率可视为无穷大。
线故障后的节点阻抗矩阵元素；ψ为发电机节点集 由于抽水蓄能机组同一时刻只能处于抽水或
合；L 为负荷节点集合；Ds,t 为电网中节点 s 在 t 时 发电一种工况，所以需要加入运行工况互补约束：
刻的负荷预测值，可通过母线负荷预测得到[25]。 Ppg ,i ,t × Ppp ,i ,t = 0, i = 1,2,", n ps ; t = 1,2,", T (11)
7）旋转备用约束。
式中：nps 为抽水蓄能机组个数。由于 Ppg,i,t 和 Ppp,i,t
风电场并网后，出力预测的误差较大，系统运
必须至少有一个为 0 才能使上式成立，就保证了不
行的不确定性增大，本文采用风电场出力的确定性
会出现同一时刻抽水蓄能机组既抽水又发电的情
模型，将风电场出力预测值作为已知量，通过预留
况。另外，为延长机组寿命，抽水蓄能机组两种运
足够的系统旋转备用容量应对风电出力不确定性
行工况的切换需要满足一定的时间限制，本文定义
和负荷预测误差带来的影响。利用正旋转备用容量
切换时间为半小时。将一天分为 T=96 个时段，每
补偿因高估风电出力或低估系统负荷带来的影响，
个时段为 15 min，则需要 2 个时段的切换时间，需
利用负旋转备用容量补偿因低估风电出力或高估
满足如下约束：
系统负荷带来的影响。这样，使优化得到的发电调
⎧ Ppg ,i ,t × Ppp ,i ,t +1 = 0, t = 1,2,",(T − 1)
度计划具有足够的系统旋转备用容量来应对下一 ⎪
天实际风电场出力或负荷功率偏离预测值的情况。 ⎪⎪ Ppg ,i ,t × Ppp ,i ,t + 2 = 0, t = 1,2,",(T − 2)
⎨ Ppg ,i ,t +1 × Ppp ,i ,t = 0, t = 1,2,",(T − 1) (12)
⎧ N NW ⎪P ×P = 0, t = 1,2,",(T − 2)
⎪ u ,t ∑ ui ,t Load,t u
S = s ≥ P × L % + w u % × ∑ PWi,t ⎪ pg ,i ,t + 2 pp ,i ,t
⎪ i=1 i=1 ⎪⎩i = 1, 2,", n ps
⎪⎪ N NW

⎨ d ,t ∑ di ,t Load,t d
S = s ≥ P × L % + w d % × ∑ ( PWi − PWi ,t ) (10) 抽水蓄能机组在实际运行中，还要满足电力电
⎪ i=1 i=1
量平衡和水库水量平衡约束，本文采取日电量平衡
⎪0 ≤ sui ,t ≤ min( Pi − Pi ,t , rui ×T10 )
⎪ 模式，即一天中抽水消耗电量和发电发出电量要平
⎪⎩0 ≤ sdi ,t ≤ min( Pi ,t − Pi , rdi ×T10 )
衡，从而保证一天首末时段电站的上水库水位基本
式中：第 1、2 个式子为系统的正、负旋转备用约 不变。
束；Su,t 和 Sd,t 分别为系统在时段 t 的正、负旋转备 T T

用容量； PWi 为风电场 i 的额定出力；Lu%和 Ld%分

∑ Ppg ,i,t + ξ × ∑ Ppp,i ,t = 0, i = 1, 2,", n ps (13)
t =1 t =1
第1期 黄庶等：含风电场和抽水蓄能电站的多目标安全约束动态优化调度 115

式中ξ为抽水蓄能机组的转换效率，通常取 75%。 模型的规模过大，求解过程非常耗时，例如，假设

从式(11)—(13)中可以看出，抽水蓄能机组模型 有 Nf 个 N−1 开断故障，将会产生(NL×T+Nf×NL×T)
自始至终都没有引入离散变量，但同样能够描述抽 个不等式约束。
水蓄能机组的运行调度问题，并且能够用连续优化 考虑到实际电网的运行情况，在 N−1 开断故障
方法求解，明显降低了模型求解的难度。 发生时，很多线路并不过载，所以很多约束都是不
起作用的约束。为了提高优化模型的求解效率，采
2 模型简化及多目标优化模型求解
用“校 验— 添加— 再校 验—再 添加 ”的思 想求
2.1 抽水蓄能机组约束的等价化简 解[14-16]，即：首先对不加入线路输电功率安全约束
由于 Ppg,i,t≥0，Ppp,i,t≤0，因而有： 的优化模型求解一次，得到一组解；然后用这组解
Ppg ,i ,t × Ppp ,i ,t ≤ 0, i = 1,2,", n ps ; t = 1, 2,", T (14) 进行基态和 N−1 故障后的安全校验，把不通过安全
校验的线路或断面输电功率约束加入到优化模型
所以每个抽水蓄能机组的 T 个运行工况互补约
中，重新求解一次得到最优解；如果还不能满足所
束式(11)具有可加性，将其累加，可得到每个抽水
有安全校验，再将新增的不通过安全校验的故障约
蓄能机组全天的工况互补约束：
束加入到优化模型当中，再求解一次得到最优解，
T
∑ ( Ppg ,i,t × Ppp,i,t ) = 0, i = 1,2,", n ps (15) 然后进行安全校验，以此类推，直至得到的解满足
t =1
所有安全校验为止。求解过程可用图 1 来描述。
显然，在满足式(14)前提下，式(15)和(11)在数
开始
学上是等价的，但式(15)表达更为简洁，每个抽水
初始模型求解
蓄能机组只有一个全天工况约束式子，相比式(11) (不含网络安全约束)
减少了 T−1 个等式约束，有利于提高优化模型的求 修正模型求解
基态和N-1安
(添加不满足安全
解效率。此外，Ppg,i,t、Ppp,i,t 虽是连续变量，但也具 全校验
校验的约束)
有离散变量的特点(即同一时刻，必须至少有一个是
0)，在迭代求解过程中，可能会出现一部分时段的 全部满足？
否
变量已达到离散值(即 0)，其余时段的变量还未取 是
得离散值的情况，已经取得离散值的变量一般情况 最优解
(满足基态和所有N-1
下不会在后续迭代中再发生改变，而求解以式(15) 故障校验)

作为抽水蓄能机组运行工况约束条件，在迭代过程 结束
中要求所有时段的变量从“整体上”取得离散值，
图1 处理基态和 N−1 故障条件下安全约束的
有利于所有时段变量的整体搜索优化。
“校验—添加”求解流程
同理，式(12)的运行工况切换时间限制约束也 Fig. 1 Flowchart of checking and adding algorithm to
可以累加，得到： handle security constraints under basic status and
⎧T −1 N−1 outage
⎪∑ ( Ppg ,i ,t × Ppp ,i ,t +1 ) = 0 2.3 多目标优化问题的求解
⎪ t =1
⎪T − 2 采用 NBI 法求解上述大型复杂 3 目标优化问
⎪ ∑ ( Ppg ,i ,t × Ppp ,i ,t + 2 ) = 0
⎪ t =1 题，以获得一系列均匀分布的 Pareto 最优解，即
⎨T −1 , i = 1, 2,", n ps (16)
⎪ (P Pareto 前沿。将式(1)—(10)、(13)、(15)—(16)描述
⎪∑ t =1
pg ,i ,t +1 × Ppp ,i ,t ) = 0
的多目标优化模型写成如下紧凑形式：
⎪T − 2
⎪ (P
⎪⎩ ∑ pg ,i ,t + 2 × Ppp ,i ,t ) = 0
min F ( x ) = { f1 ( x ), f 2 ( x ), f3 ( x )} (17)
x∈C
t =1
C = { x : g ( x ) = 0, h( x ) ≤ h( x ) ≤ h ( x )} (18)
2.2 网络安全约束的简化处理
实际大型电网中线路数众多，需要校验的 N−1 式中：f1(x)为总燃料耗量；f2(x)为污染气体排放量；
开断故障数也很多，如果把基态和所有 N−1 开断故 f3(x)为购电费用；g(x)和 h(x)分别为等式约束和不
障后电网中所有线路的 96 个时段的输电功率安全 等式约束；x 为所有时段决策变量构成的向量，即
约束一起加入到优化调度模型中求解，会导致优化 x =[ x1T , x2T ," xtT ,", xTT ]T ， xt = [ P1,t , su1,t , sd 1,t , P2,t , su 2,t ,
116 中 国 电 机 工 程 学 报 第 36 卷

sd 2,t ,", Ppg ,1,t , supg ,1,t , sdpg ,1,t , Ppp ,1,t , supp ,1,t , sdpp ,1,t ,", PN ,t , 站 2 个，名称为 HX(惠蓄)和 GX(广蓄)，容量都为
T
su N ,t , sd N ,t ] 。当仅考虑 f1 ( x ) 最小进行单目标优化， 2 400 MW，同一个抽水蓄能电站的机组合并后机组
得到最优解 x ∈C，对应于目标空间坐标系下的点1* 数为 167 台，部分机组的特性参数见附录表 A1。
1*
f ；同理可得到分别仅考虑 f2(x)和 f3(x)最小时的单 根据该省级电网风电场的规划建设情况，构造两个
2*
目标优化解 x 和 x ，分别对应于点 f 和 f 。在各 3* 2* 3* 并网风电场，一个连接在 SHANTOU(汕头)变电站
f 和 f 构成 Pareto
个目标构成的坐标空间中，点 f 、 1* 2* 3* 220 kV 母线侧，容量为 1 000 MW，另外一个连接
前沿的端点，它们共同确定了乌托邦面，如图 2 在 GUOAN(国安)变电站 220 kV 母线侧，容量为
所示。 300 MW，风电全天的预测出力曲线是基于该省实
通过在乌托邦面选取 m 个均匀分布的点，多目 际风电场的出力曲线放大或缩小得到的，如图 3。
标优化问题(17)—(18)可转换为 m 个单目标优化问 负荷预测曲线如图 4，最大值为 82 505 MW，最小
题如下： 值为 52 993 MW。由于每个节点具体的负荷功率预
min − Di (19) 测值无法获取，所以采用将总负荷预测值按夏大典
型运行方式中每个节点负荷所占百分比来分配的
⎧ g( x) = 0
⎪ 方式，分配每个节点的负荷预测值。
s.t. ⎨ g2 ( x, Di ) = 0 (20) 1 000
⎪ 汕头
⎩h( x ) ≤ h( x ) ≤ h ( x ) 800 国安
PW/MW
600
式中：式(19)表示求取可行域中乌托邦面上的点 a
400
沿着准法线向量 n 方向所能达到的最大距离；g2(x,
200
Di)为采用 NBI 法将多目标优化问题转化为单目标
0
0 20 40 60 80
优化问题引入的 3 个等式约束，即图 2 中沿着向量
t/(15 min)
n 方向与 a 点距离为 Di 的点在三维空间中 3 个坐标
图3 风电预测出力曲线
值的表达式，最大化 Di 即可确定 Pareto 前沿上 b Fig. 3 Wind power forecast output curve
点[5]。由于 x 是连续变量，一系列单目标优化式(19) 9
Pload/(104 MW)

—(20)可采用非线性原对偶内点法求解。
f 3* Pareto前沿 7
乌托邦面上的点
乌托邦面
f 2*
5
a 0 20 40 60 80
t/(15 min)
Di
n f 1* 图4 负荷预测曲线
Fig. 4 Load forecast curve
b
该电网节点数为 2299 个(负荷等值接入
图2 乌托邦面与 Pareto 前沿
220 kV 变电站的 110 kV 侧)，负荷节点数为 600 个，
Fig. 2 Utopia plane and Pareto optimal frontier
在获得一系列均匀分布 Pareto 最优解后，采用 变压器支路数为 1769 条，线路数为 1272 条。将两
考虑主观权值修正的熵权双基点法从 Pareto 前沿中 端节点相同的双回或多回输电线路并联后线路为
选出 3 个目标的优化程度都较好的折中最优解[5]。 745 条，设置 N−1 断线故障共 642 个。发生 N−1 断
线故障时，除要考虑其余所有线路不过载外，还需
3 算例分析 要考虑调度运行部门关注的 4 个关键输电断面安全
3.1 算例系统简介 约束不越限，如表 1 所示。风电场、抽水蓄能电站
以某省级电网 2013 年 8 月 6 号的数据为例进 和安全断面在电网中的位置见附录图 A1。动态调
行分析。该电网的总装机容量为 65 987 MW，其中， 度周期取 1 天，分成 96 个时段。对于不同时段，
核电机组 6 台，容量为 5 984 MW，其出力全天恒定， 风电场出力预测误差的备用需求系数 wu%和 wd%
不参与优化；参与优化的机组为 181 台，总容量为 均取 20%，负荷预测误差的备用需求系数 Lu%取
60 039 MW，其中燃煤机组 113 台，燃气机组 33 台， 3%，Ld%取 1%。所采用的计算机为 Intel(R) Xeon(R)
抽水蓄能机组 16 台，水电机组 19 台；抽水蓄能电 4 Duo CPU E3-1245 3.40 GHz，16 GB 内存，编程语
第1期 黄庶等：含风电场和抽水蓄能电站的多目标安全约束动态优化调度 117

表 1 关键安全断面约束 表3 Pareto 端点的迭代次数和计算时间

Tab. 1 Constraints of key security interfaces Tab. 3 Iteration and computing time of
断面 断面组成线路 断面极限功率/MW
Pareto extreme points

断面 1 HUIMAOΙ、ΙΙ、ΙΙΙ+JIASHANGΙ、ΙΙ 4 200 迭代次数 平均每

总计算 N−1 校验添加
断面 2 LINGSHENΙ、ΙΙ 3 360 方案 端点 第 1 次 第 2 次 第 3 次 次迭代
时间/h 不等式数
断面 3 ZHANCHIΙ、ΙΙ+ZHANPOΙ、ΙΙ 630 计算 计算 计算 时间/s
断面 4 HAIBAΙ、ΙΙ+HAIYUΙ、ΙΙ+GUODA 1 365 f1* 134 — — 2 418 90.67
方案
言为 Matlab2013a。 f2* 117 — — 2 413 78.42 —
1
3*
f 164 — — 2 429 110.7
3.2 N−1 安全校验
f1* 29 81 79 3.49 0.18 14 250
分别开断 642 条线路，并且每次将其余 745 条 方案
2*
f 50 72 78 2.69 0.15 1 382
线路和 4 个断面的 96 个时段功率约束一起加到优 2
f3* 40 92 91 3.72 0.23 18 628
化模型当中来求解，会产生 749×96+ 642×749×96=
3.3 断面安全约束分析
46 234 272 个不等式约束，模型规模很大(以下简称
在有无考虑网络安全约束条件下求解多目标
方案 1)，采用“校验—添加—再校验—再添加”的
优化模型，获得的折中最优解对应各个断面输电功
思想求解(以下简称方案 2)，分别对这两种方案求
率对比如表 5 所示。由于线路数量众多，其输电功
解优化模型进行对比分析。由于将所有 N−1 故障一
率就不一一列举。从表 1 和表 4 可以看出，在不考
起加进模型中的求解时间过长，无法在短时间内获
虑网络安全时，优化调度结果对应的 4 个关键输电
得整个 Pareto 最优解集，故只对求解 3 个单目标优
断面功率存在越限情况，基态条件下断面 1 越限
化结果进行对比分析。
112 MW，N−1 故障后，各个断面的功率越限更多，
两种计算方案得到的目标函数值对比如表 2 所
断面 1 越限 588 MW，断面 3 越限 30 MW，断面 4
示，可以看出，两种计算方案得到的 Pareto 端点基
越限 87 MW，是不可行的调度方案。而考虑基态和
本一致，方案 1 的计算结果略微优于方案 2，这是
N−1 故障下的网络安全约束，优化调度结果对应的
因为方案 1 的结果是直接求解整个优化模型获得的
各个关键断面功率均在安全约束范围内，是满足
真正最优解，但两者计算结果差别非常小。并且在
N−1 原则的可行调度方案。
各自获得最优解时，两种方案的发电机出力相差很
表4 安全断面输电功率对比
小，最大不超过 0.3 MW，证明了方案 2 计算结果
Tab. 4 Comparison of transmission power
的正确性。 corresponding to security interfaces
两种方案的计算时间和迭代次数见表 3。方案
网络 断面功率/MW
1 只需要计算 1 次便可得到一个端点最优解，方案 计算条件
安全状态 断面 1 断面 2 断面 3 断面 4
2 由于是采用先求解再校验添加的方法，所以模型 不考虑网络 基态 4 312 3 114 601 1 108
求解次数至少为 2 次。可以看出，方案 2 的计算规 安全约束 N−1 故障 4 788 3 319 660 1 452
模、计算时间都远小于方案 1 的，计算时间从 100 h 考虑网络 基态 3 763 3 126 573 1 046
左右减小为 0.2 h 左右，证明了方案 2 求解实际大电 安全约束 N−1 故障 4 200 3 334 630 1 365
网安全约束优化调度问题的高效性。 3.4 不同抽水蓄能电站模型的目标值比较分析
表2 两种方案下的帕累托端点对比 采用 NBI 法和内点法求解 3 目标优化调度的
Tab. 2 Comparison of Pareto extreme points 45 个 Pareto 最优点，得到归一化后的 Pareto 前沿曲
corresponding to two schemes
面如图 5 所示。采用熵权双基点法从 Pareto 最优解
目标函数值
方案 端点 集中选出折中最优解如图 5 中圆形点所示，与单目
f1/104t f2/t f3/10 2 万元
标优化所得调度方案的目标函数值比较如表 5。由
f1* 34.158 374 65 473.859 692 94 541.065 775 42
方案 图 5 可以看出，Pareto 前沿曲面上各个点的分布比
f2* 34.828 504 46 434.800 439 12 547.729 192 73
1
f3* 34.624 013 94 507.629 260 09 534.099 568 36
较均匀，相比其他 Pareto 最优点，折中最优解更为
f1* 34.158 374 71 473.859 476 02 541.065 767 30 接近原点(0,0,0)。从表 5 中可以看出，折中最优解
方案
f2* 34.828 504 48 434.800 439 58 547.729 191 84 对应的 3 个目标函数值与 3 个单目标优化解的相应
2
f3* 34.624 007 26 507.627 527 64 534.099 577 82 目标值都较为接近，是对 3 个目标进行协调优化得
118 中 国 电 机 工 程 学 报 第 36 卷
1 000 惠蓄发电功率
惠蓄抽水功率
广蓄发电功率
1.0 帕累托最优解
广蓄抽水功率
折中最优解

P/MW
0
购电费用

0.6

−1 000
0.2 0 20 40 60 80
t/(15 min)
0.0
0.8 图6 折中最优解对应的抽水蓄能电站出力
0.4 0.4
煤耗 0.8 排放 Fig. 6 Output of Pumped storage stations
0.0
corresponding to compromise optimal solution
图5 帕累托最优前沿
化趋势基本一致，起到了削峰填谷的作用，共发电
Fig. 5 Pareto optimal frontier
3 455.7 MW⋅h，抽水 4 607.6 MW⋅h，达到日电量抽
表 5 帕累托端点值与折中最优解
发平衡。每个时段抽水蓄能电站的抽水功率和发电
Tab. 5 Pareto extreme points and
compromise optimal solution 功率至少有一个为 0，保证了每个时段抽水蓄能电
站只工作在一个状态，并且工况切换时间都在 2 个
优化目标 煤耗/104t 排放/102t 购电费用/10 2 万元
煤耗最小 34.158 4 4.738 6 541.065 8
时段(半小时)以上，证明了所提出的抽水蓄能电站
排放最小 34.828 5 4.348 0 547.729 2 模型的正确有效性。另外，分别挑选迭代收敛时惠
购电费用最小 34.624 0 5.076 3 534.099 6 蓄电站抽水功率不为 0、发电功率不为 0 和两个功
折中最优解 34.245 0 4.546 1 539.337 8 率同时为 0 的 3 个时段，即时段 24、60 和 40，满
到的一个较好 Pareto 解。 足互补约束的发电功率和抽水功率的收敛过程曲
当抽水蓄能电站采用文献 [5] 中固定了一天中 线如图 7 所示，表明了在优化调度模型中引入两个
的发电时段和抽水时段只对功率进行优化的模型， 连续变量描述抽水蓄能机组运行特性的可行性。
时段 24 发电功率

得到的折中最优解及 3 个单目标优化解对应调度方 2 400 时段 24 抽水功率

时段 40 发电功率
时段 40 抽水功率

案的目标函数值如表 6。 时段 60 发电功率
时段 60 抽水功率
P/MW

表6 采用文献[5]抽水蓄能电站模型的 0

帕累托端点值与折中最优解
Tab. 6 Pareto extreme points and compromise optimal −2 400
0 50 100 150
solution when using pumped storage stations model in 迭代次数
literature [5]
图7 典型时段惠蓄电站满足互补约束变量的收敛曲线
4 2 2
优化目标 煤耗/10 吨 排放/10 吨 购电费用/10 万元 Fig. 7 Convergence curve of variables which satisfy
煤耗最小 34.159 4 4.738 6 541.062 5 complementary constraints of HX stations at typical
排放最小 34.768 2 4.358 3 546.726 8 time interval
购电费用最小 34.623 6 5.076 6 534.106 9 此外，抽水蓄能电站爬坡速率较大，还有应对
折中最优解 34.305 8 4.495 0 539.764 5 风电随机性的作用。当风电场出力曲线波动增大
对比表 5 和表 6 可以看出，本文提出的抽水蓄 时，如图 8 所示，抽水蓄能电站对应的出力如图 9，
能电站模型既能够优化抽水蓄能电站运行于抽水/ 共发电 4 621.4 MW⋅h，抽水 6 161.9 MW⋅h，相比图
发电的时段，又能够优化抽水/发电的功率，充分挖 6 有所增大，并且抽水蓄能电站出力曲线变化更
1 000
掘了抽水蓄能机组运行的优化空间，得到更优的目 汕头
800 国安
标函数值。可以预见，随着电网中抽水蓄能电站的
PW/MW

600
不断增多，本文提出模型与文献[5]模型进行比较的 400
优点将会更加明显。 200
3.5 抽水蓄能电站出力分析 0
0 20 40 60 80
在本文模型获得的折中最优解对应的调度方 t/(15 min)

案中，两个抽水蓄能电站机组出力计划如图 6。可 图8 风电出力的变化曲线

以看出，抽水蓄能电站出力曲线与图 4 负荷曲线变 Fig. 8 Change of wind power output
第1期 黄庶等：含风电场和抽水蓄能电站的多目标安全约束动态优化调度 119
1 200
惠蓄发电功率 的风电并网电力系统多目标发电调度[J]．中国电机工程
惠蓄抽水功率
广蓄发电功率 学报，2012，32(31)：150-158．
广蓄抽水功率
P/MW

0 Chen Daojun，Gong Qingwu，Qiao Hui，et al．Multi-

objective generation dispatching for wind power
integrated system adopting improved biogeography-based
−1 200
0 20 40 60 80 optimization algorithm[J]．Proceedings of the CSEE，
t/(15 min)
2012，32(31)：150-158(in Chinese)．
图9 风电出力变化时抽水蓄能电站出力
[3] Peng C H，Sun H J，Guo J F，et al．Dynamic economic
Fig. 9 Output of pumped storage stations
corresponding to change of wind power dispatch for wind-thermal power system using a novel

为急剧，表明抽水蓄能机组能通过迅速调整出力来 bi-population chaotic differential evolution algorithm

应对风电功率的快速频繁波动。 [J]．International Journal of Electrical Power & Energy

Systems，2012，42(1)：119-126．
4 结论
[4] Bayon L，Grau J M，Ruiz M M．The exact solution of the
本文研究了含多个风电场和抽水蓄能电站的 environmental/economic dispatch problem[J] ． IEEE
电力系统多目标安全约束动态优化调度问题，并通 Transactions on Power Systems，2012，27(2)：723-731．
过某大型省级电网为例验证了所提出模型和求解 [5] 杨柳青，林舜江，刘明波，等．考虑风电接入的大型电
算法的正确有效性，得到结论如下： 力系统多目标动态优化调度[J]．电工技术学报，2014，
1）采用基态和 N−1 故障下网络安全约束的校 29(10)：286-295．
验添加法得到的优化结果与直接在模型中添加基 Yang Liuqing，Lin Shunjiang，Liu Mingbo，et al．Multi-
态和所有 N−1 故障下网络安全约束得到的结果非 objective dynamic optimal dispatch for large-scale power
常接近，而计算效率大大提高，证明了校验添加法 systems considering wind power penetration
的正确性和高效性。 [J]．Transactions of China Electrotechnical Society，2014，
2）为抽水蓄能电站设定抽水功率和发电功率 29(10)：286-295(in Chinese)．
两个连续变量，并引入工况互补约束和工况切换时 [6] 周玮，彭昱，孙辉，等．含风电场的电力系统动态经济
间限制约束来考虑抽水蓄能机组的运行调度问题， 调度[J]．中国电机工程学报，2009，29(25)：13-18．
避免引入离散变量，提高了求解效率；并且，既能 Zhou Wei，Peng Yu，Sun Hui，et al．Dynamic economic
优化抽水蓄能电站运行于抽水/发电的时段，又能优 dispatch in wind power integrated system[J]．Proceedings
化抽水/发电的功率，充分发挥了抽水蓄能机组的削 of the CSEE，2009，29(25)：13-18 (in Chinese)．
峰填谷和应对风电随机性的作用。 [7] 孙元章，吴俊，李国杰，等．基于风速预测和随机规划
3）本文方法得到的调度方案能通过 N−1 安全 的含风电场电力系统动态经济调度[J]．中国电机工程学
校验，提高了电网调度计划的安全性和实用性；采 报，2009，29(4)：41-47．
用 NBI 法、内点法和熵权双基点法求解多目标优化 Sun Yuanzhang，Wu Jun，Li Guojie，et al．Dynamic

调度问题得到的折中最优解对应的调度方案，较好 economic dispatch considering wind power penetration

地兼顾了电网运行的经济性和环保性，具有较高的 based on wind speed forecasting and stochastic

运行效益。 programming[J]．Proceedings of the CSEE，2009，29(4)：

参考文献
[8] 夏澍，周明，李庚银．考虑线路安全校核的含风电电力
[1] 邱威，张建华，刘念．含大型风电场的环境经济调度模
型与解法[J]．中国电机工程学报，2011，31(19)：8-16．
Qiu Wei，Zhang Jianhua，Liu Nian．Model and solution for
environmental/economic dispatch considering large-scale
wind power penetration[J]．Proceedings of the CSEE，
2011，31(19)：8-16(in Chinese)．
[2] 陈道君，龚庆武，乔卉，等．采用改进生物地理学算法
41-47(in Chinese)．
系统有功和备用协调调度[J]．中国电机工程学报，2013，
33(13)：18-26．
Xia Shu，Zhou Ming，Li Gengyin．A coordinated active
power and reserve dispatch approach for wind power
integrated power systems considering line security
verification[J]．Proceedings of the CSEE，2013，33(13)：
18-26(in Chinese)．
120 中 国 电 机 工 程 学 报 第 36 卷

[9] 汪洋，夏清，康重庆．机组组合算法中起作用整数变量 2011，31(10)：39-45(in Chinese)．

的辨识方法[J]．中国电机工程学报，2010，30(13)：46-52． [17] 徐飞，陈磊，金和平，等．抽水蓄能电站与风电的联合
Wang Yang，Xia Qing，Kang Chongqing．Identification of 优化运行建模及应用分析[J]．电力系统自动化，2013，
the active integer variables in security constrained unit 37(1)：149-154．
commitment[J]．Proceedings of the CSEE，2010，30(13)： Xu Fei，Chen Lei，Jin Heping，et al．Modeling and
46-52(in Chinese)． application analysis of optimal joint operation of pumped
[10] 夏清，钟海旺，康重庆．安全约束机组组合理论与应用 storage power station and wind power[J]．Automation of
的发展和展望[J]．中国电机工程学报，2013，33(16)： Electric Power Systems ， 2013 ， 37(1) ： 149-154(in
94-103． Chinese)．
Wang Yang，Xia Qing，Kang Chongqing．Review and [18] Nezhad A E，Javadi M S，Rahimi E．Applying augmented
prospects of the security constrained unit commitment ε-constraint approach and lexicographic optimization to
theory and applications[J]．Proceedings of the CSEE， solve multi-objective hydrothermal generation scheduling
2013，33(16)：94-103(in Chinese)． considering the impacts of pumped-storage units
[11] Pinto H ， Magnago F ， Brignone S ， et al ． Security [J]．International Journal of Electrical Power & Energy
constrained unit commitment ： network modeling and Systems，2014，55：195-204．
solution issues[C]//Proceedings of the 2006 IEEE PES [19] Tuohy A，O’Malley M．Pumped storage in systems with
Power Systems Conference and Exposition．Atlanta： very high wind penetration[J]．Energy Policy，2011，
IEEE，2006：1759-1766． 39(4)：1965-1974．
[12] Hedman K W，Ferris M C，O'Neill R P，et al．Co- [20] Khodayar M E，Abreu L，Shahidehpour M．Transmission-
optimization of generation unit commitment and constrained intrahour coordination of wind and
transmission switching with N-1 reliability[J] ． IEEE pumped-storage hydro units[J] ． IET Generation ，
Transactions on Power Systems，2010，25(2)：1052-1063． Transmission & Distribution，2013，7(7)：755-765．
[13] Jabr R A，Coonick A H，Cory B J．A Homogeneous linear [21] Das I，Dennis J E．Normal-boundary intersection：a new
programming algorithm for the security constrained method for generating the Pareto surface in nonlinear
economic dispatch problem[J] ． IEEE Transactions on multicriteria optimization problems[J]．SIAM Journal on
Power Systems，2000，15(3)：930-936． Optimization，1998，8(3)：631-657．
[14] 汪洋，夏清，朱明祥，等．最优校正型安全机组组合模 [22] 刘明波，谢敏，赵维兴．大电网最优潮流计算[M]．北
型及其求解算法[J]．电力系统自动化，2011，35(9)： 京：科学出版社，2010：38-46．
19-24． Liu Mingbo，Xie Min，Zhao Weixing．Optimal power flow
Wang Yang，Xia Qing，Zhu Mingxiang，et al．Optimal of large scale power system[M]． Beijing：Science Press，
corrective security constrained unit commitment model 2010：38-46(in Chinese)．
and algorithm[J]．Automation of Electric Power Systems， [23] Zhong H W，Xia Q，Wang Y，et al．Dynamic economic
2011，35(9)：19-24(in Chinese)． dispatch considering transmission losses using
[15] 汪晶．基于 Bender’s 分解的安全约束机组组合问题 quadratically constrained quadratic program method
[J/OL]．中国科技论文在线，2010-4-23，[2010-4-23]． [J]．IEEE Transactions on Power Systems，2013，28(3)：
http://www.paper.edu.cn/html/releasepaper/2010/04/871/． 2232-2241．
Wang Jing．Security constraints unit commitment base on [24] Ma H L，Shahidehpour S M．Transmission-constrained
Bender’s decomposition[J/OL]．Sciencepaper Online， unit commitment based on Benders decomposition
2010-4-23，[2010-4-23]．http://www.paper.edu.cn/html/ [J]．International Journal of Electrical Power & Energy
releasepaper/2010/04/871/(in Chinese)． Systems，1998，20(4)：287-294．
[16] 汪洋，夏清，康重庆．考虑电网 N−1 闭环安全校核的 [25] 赵燃，康重庆，刘梅，等．面向节能发电调度的母线负
最优安全发电计划[J]．中国电机工程学报，2011， 荷预测平台[J]．中国电力，2009，42(6)：32-36．
31(10)：39-45． Zhao Ran，Kang Chongqing，Liu Mei，et al．The platform
Wang Yang，Xia Qing，Kang Chongqing．Optimal security of bus load forecasting for energy-conservation based
constrained generation scheduling considering closed-loop generation dispatching[J]．Electric Power，2009，42(6)：
N−1 security correction[J]．Proceedings of the CSEE， 32-36(in Chinese)．
第1期 黄庶等：含风电场和抽水蓄能电站的多目标安全约束动态优化调度 121

附录 A
表 A1 部分发电机组的参数
Tab. A1 Parameters of some generators
机组 燃料耗量特性系数 排放特性系数 上网电价 Ci/
机组类型 节点编号
容量/MW Ai,2/(t/(MW2⋅h)) Ai,1/(t/(MW⋅h)) Ai,0/(t/h) Bi,2/(t/(MW2⋅h)) Bi,1/(t/(MW⋅h)) Bi,0/(t/h) (元/(kW⋅h))
672 125 0.000 110 0.336 0 3.795 0.001 576 0.837 26.29 0.511 4
39 215 0.000 050 0.321 0 7.168 0.001 125 0.600 18.77 0.552 1
31 300 0.000 030 0.309 7 1.02 0.000 630 0.404 13.80 0.478 2
燃煤 25 400 0.000 030 0.300 0 10.22 0.001 125 0.600 18.77 0.498 0
624 600 0.000 010 0.284 5 1.90 0.000 574 0.290 10.54 0.483 0
658 700 0.000 010 0.294 0 1.90 0.000 574 0.290 10.54 0.658 0
691 1 036 0.000 008 0.270 0 3.00 0.000 574 0.290 10.54 0.498 0
620 60 0.000 220 0.476 0 1.997 0 0 0 0.597 0
燃气 617 120 0.000 110 0.476 0 3.795 0 0 0 0.597 0
357 390 0.000 030 0.238 0 10.22 0 0 0 0.571 0
706 36 0 0 0 0 0 0 0.339 6
713 72.5 0 0 0 0 0 0 0.329 6
水电
715 85 0 0 0 0 0 0 0.329 6
710 100 0 0 0 0 0 0 0.329 6
抽水蓄能 7 300 0 0 0 0 0 0 0

断面1

JIAYING
SHANGZHAI
HX
(300×8)

GXA GXB MAOHU

(300×4) (300×4)
SHANTOU

HUIZHOU

LINGAO

断面2

SHENZHEN

BAIYI

POTOU GUOAN 断面4

CHIKAN
DAGANG
断面3 ZHUHAI
ZHANJIANG
YUTANG

图 A1 风电场、抽水蓄能电站和安全断面在某省级电网主网架上的分布
Fig. A1 Distribution of wind farms, pumped storage stations and security interfaces in backbone of a provincial power grid

收稿日期：2015-04-23。
作者简介：
黄庶(1989)，男，硕士研究生，研究方
向 为 电 力 系 统 优 化 与 控 制 ， ccctree@
foxmail.com；
林舜江(1980)，男，副研究员，硕士生
黄庶 导师，研究方向为电力系统优化与控制，
本文通讯作者，linshj@scut.edu.cn。

(责任编辑 李泽荣)