Professional Documents
Culture Documents
Multi-Objective Security Constrained Dynamic Optimal Dispatch With Wind Farms and Pumped Storage Stations
Multi-Objective Security Constrained Dynamic Optimal Dispatch With Wind Farms and Pumped Storage Stations
Multi-Objective Security Constrained Dynamic Optimal Dispatch With Wind Farms and Pumped Storage Stations
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)
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
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
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
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)
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)
HUIZHOU
LINGAO
断面2
SHENZHEN
BAIYI
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)