留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

考虑需求响应的电力系统灵活性资源优化配置

鉴庆之 刘晓明 杨金叶 刘春阳 王宪 刘冬

鉴庆之, 刘晓明, 杨金叶, 刘春阳, 王宪, 刘冬. 考虑需求响应的电力系统灵活性资源优化配置[J]. 现代电力, 2021, 38(3): 286-296. doi: 10.19725/j.cnki.1007-2322.2020.0439
引用本文: 鉴庆之, 刘晓明, 杨金叶, 刘春阳, 王宪, 刘冬. 考虑需求响应的电力系统灵活性资源优化配置[J]. 现代电力, 2021, 38(3): 286-296. doi: 10.19725/j.cnki.1007-2322.2020.0439
Qingzhi JIAN, Xiaoming LIU, Jinye YANG, Chunyang LIU, Xian WANG, Dong LIU. Optimal Allocation of Power System Flexible Resources Considering Demand Response[J]. Modern Electric Power, 2021, 38(3): 286-296. doi: 10.19725/j.cnki.1007-2322.2020.0439
Citation: Qingzhi JIAN, Xiaoming LIU, Jinye YANG, Chunyang LIU, Xian WANG, Dong LIU. Optimal Allocation of Power System Flexible Resources Considering Demand Response[J]. Modern Electric Power, 2021, 38(3): 286-296. doi: 10.19725/j.cnki.1007-2322.2020.0439

考虑需求响应的电力系统灵活性资源优化配置

doi: 10.19725/j.cnki.1007-2322.2020.0439
基金项目: 国家重点研发计划项目(2018YFA0702200);国网山东省电力公司科技资助项目(52062518000Q)
详细信息
    作者简介:

    鉴庆之(1973),男,高级工程师,主要从事电网规划方面的研究工作

    刘晓明(1984),男,高级工程师,主要从事电网规划方面的研究工作

    杨金叶(1995),女,通信作者,硕士,主要从事电力系统规划与优化运行研究,E-mail:1945922495@qq.com

    刘春阳(1989),男,助理研究员,主要从事电力系统规划与优化运行、微网能量管理研究

    王宪(1992),女,工程师,主要从事新能源发展方面的研究工作

    刘冬(1993),男,工程师,主要从事新能源发展方面的研究工作

  • 中图分类号: TM73

Optimal Allocation of Power System Flexible Resources Considering Demand Response

Funds: Project supported by National Key R&D Program of China (2018YFA0702200); Science and Technology Project of State Grid Shandong Electric Power Corporation (52062518000Q)
  • 摘要: 风电、光伏等间歇性电源的大规模并网使得对电力系统灵活性的需求急剧增加。为构建含高比例可再生能源电力系统,挖掘储能、水电、火电等灵活性机组与负荷响应等灵活性资源的调节能力,提出一种考虑需求响应的电力系统灵活性资源优化配置方法,使规划方案在满足灵活性需求条件下实现经济性最优。所提配置方法综合考虑了规划层、运行层和灵活层,以最小化成本为目标多次迭代求解电源规划模型、短期运行模拟模型和超短期运行模拟模型。并结合峰谷平分时电价和可中断负荷两种需求响应手段,进一步增加了系统运行的经济性和灵活性。在求解方法上将多层次迭代与松弛技术相结合,提高了计算的鲁棒性。以某实际区域电网为算例,验证所提配置方法的有效性。
  • 图  1  考虑需求响应的电力系统灵活性资源优化配置

    Figure  1.  Optimal allocation of power system flexible resources considering demand response

    图  2  多层次迭代求解流程图

    Figure  2.  Flowchart of multi-level iterative solution

    图  3  规划期电力平衡

    Figure  3.  Power balance in planning period

    图  5  考虑需求响应短期运行模拟结果

    Figure  5.  Short-term operation results with demand response considered

    图  4  未考虑需求响应短期运行模拟结果

    Figure  4.  Short-term operation results with demand response not considered

    图  7  考虑需求响应超短期运行模拟结果

    Figure  7.  Ultra-short-term operation results with demand response considered

    图  6  未考虑需求响应超短期运行模拟结果

    Figure  6.  Ultra-short-term operation results with demand response not considered

    表  1  规划期机组信息

    Table  1.   Unit information in planning period

    机组类型已有机组待规划机组
    台数/台总装机容量/MW台数/台总装机容量/MW
    常规机组164519683512500
    水电机组00307980
    风光机组/6390/6408
    储能装置/0/1650
    下载: 导出CSV

    表  2  短期调度机组信息

    Table  2.   Unit information of short-term scheduling

    参数台数/台总装机容量/MW
    常规机组19161668
    水电机组307980
    风光机组6390
    储能装置1260
    下载: 导出CSV

    表  3  峰谷平时段划分

    Table  3.   Division of peak-valley-flat time period

    峰时段平时段谷时段
    9:00—11:00 16:00—21:006:00—9:00 11:00—16:00 21:00—23:0023:00—次日6:00
    下载: 导出CSV

    表  4  成本数据

    Table  4.   Cost data

    参数未考虑需求响应考虑需求响应
    规划期总成本/元7.1573×1087.1519×108
    短期运行成本/元4.5943×1074.5804×107
    超短期运行成本/元5.2126×1065.0843×106
    弃风弃光趋于零
    调峰缺额
    下载: 导出CSV
  • [1] 丁明, 王伟胜, 王秀丽, 等. 大规模光伏发电对电力系统影响综述[J]. 中国电机工程学报, 2014, 34(1): 1−14.

    DING Ming, WANG Weisheng, WANG Xiuli, et al. A Review on the effect of large-scale PV generation on power systems[J]. Proceedings of the CSEE, 2014, 34(1): 1−14(in Chinese).
    [2] 徐乾耀, 康重庆, 张宁, 等. 海上风电出力特性及其消纳问题探讨[J]. 电力系统自动化, 2011, 35(22): 54−59.

    XU Qianyao, KANG Chongqing, ZHANG Ning, et al. A discussion on offshore wind power output characteristics and its accommodation[J]. Automation of Electric Power Systems, 2011, 35(22): 54−59(in Chinese).
    [3] 吴雄, 王秀丽, 李骏, 等. 风电储能混合系统的联合调度模型及求解[J]. 中国电机工程学报, 2013, 33(13): 10−17.

    WU Xiong, WANG Xiuli, LI Jun, et al. A joint operation model and solution for hybrid wind energy storage systems[J]. Proceedings of the CSEE, 2013, 33(13): 10−17(in Chinese).
    [4] 鲁宗相, 李海波, 乔颖. 含高比例可再生能源电力系统灵活性规划及挑战[J]. 电力系统自动化, 2016, 40(13): 147−158. doi:  10.7500/AEPS20151215008

    LU Zongxiang, LI Haibo, QIAO Ying. Power system flexibility planning and challenges considering high proportion of renewable energy[J]. Automation of Electric Power Systems, 2016, 40(13): 147−158(in Chinese). doi:  10.7500/AEPS20151215008
    [5] 曹晓宇, 王建学, 张忠, 等. 基于长期运行模拟的独立型微网规划方案动态评估[J]. 电工技术学报, 2016, 31(21): 46−56. doi:  10.3969/j.issn.1000-6753.2016.21.006

    CAO Xiaoyu, WANG Jianxue, ZHANG Zhong, et al. Dynamic assessment of stand-alone microgrid planning using long-term simulation[J]. Transactions of China Electrotechnical Society, 2016, 31(21): 46−56(in Chinese). doi:  10.3969/j.issn.1000-6753.2016.21.006
    [6] LANNOYE E, FLYNN D, MALLEY M O. Evaluation of Power System Flexibility[J]. IEEE Transac-tions on Power Systems, 2012, 27(2): 922−931. doi:  10.1109/TPWRS.2011.2177280
    [7] CAPASSO A, FALVO M C, LAMEDICA R, et al. A new methodology for power systems flexibility evaluation[C]. 2005 IEEE Russia Power Tech, 2005: 1-6.
    [8] 何勇健.“十三五”电力规划应强调系统优化[N]. 中国能源报, 2015-08-03(003).

    HE Yongjian. System optimization should be emphasized in the 13th five year plan[N]. China Energy News, 2015-08-03 (003) (in Chinese).
    [9] MEJÍA-GIRALDO D, MCCALLEY J D. Maximizing Future Flexibility in Electric Generation Portfolios[J]. IEEE Transactions on Power Systems, 2014, 29(1): 279−288. doi:  10.1109/TPWRS.2013.2280840
    [10] LANNOYE E, FLYNN D, MALLEY M O. The role of power system flexibility in generation planning[C]. 2011 IEEE Power and Energy Society General Meeting, 2011: 1-6.
    [11] MA J, SILVA V, BELHOMME R, et al. Evaluating and Planning Flexibility in Sustainable Power Systems[J]. IEEE Transactions on Sustainable Energy, 2013, 4(1): 200−209. doi:  10.1109/TSTE.2012.2212471
    [12] MARNERIS I G, BISKAS P N, BAKIRTZIS E A. An Integrated Scheduling Approach to Underpin Flexibility in European Power Systems[J]. IEEE Transactions on Sustainable Energy, 2016, 7(2): 647−657. doi:  10.1109/TSTE.2015.2497081
    [13] 黄启航, 马雪, 白左霞, 等. 面向灵活资源配置的电力系统超短期优化调度[J]. 中国电力, 2019, 52(6): 104−110120.

    HUANG Qihang, MA Xue, BAI zuoxia, et al. Real-time economic optimization method for microgrid considering energy storage charge and discharge benefits[J]. Electric Power, 2019, 52(6): 104−110120(in Chinese).
    [14] 翟一唯. 考虑网络约束的电力系统灵活性评价与优化配置[D]. 山东大学, 2018.

    ZHAI Yiwei. Studies on power system flexibility evaluation and optimal allocation considering power network constraints[D]. Shandong University, 2018(in Chinese).
    [15] ELA E, MALLEY M O. Scheduling and Pricing for Expected Ramp Capability in Real-Time Power Markets[J]. IEEE Transactions on Power Systems, 2016, 31(3): 1681−1691. doi:  10.1109/TPWRS.2015.2461535
    [16] 张宁, 代红才, 胡兆光, 等. 考虑系统灵活性约束与需求响应的源网荷协调规划模型[J]. 中国电力, 2019, 52(2): 61−69.

    ZHANG Ning, DAI Hongcai, HU Zhaoguang, et al. A source-grid-load coordinated planning model considering system flexibility constraints and demand response[J]. Electric Power, 2019, 52(2): 61−69(in Chinese).
    [17] 李秀磊, 耿光飞, 季玉琦, 等. 主动配电网中储能和需求侧响应的联合优化规划[J]. 电网技术, 2016, 40(12): 3803−3810.

    LI xiulei, GENG Guangfei, JI Yuqi, et al. Integrated optimal planning of energy storage and demand side response in active power distribution network[J]. Power System Technology, 2016, 40(12): 3803−3810(in Chinese).
    [18] 丁明, 徐宁舟, 毕锐. 用于平抑可再生能源功率波动的储能电站建模及评价[J]. 电力系统自动化, 2011, 35(2): 66−72.

    DING Ming, XU ningzhou, BI Rui. Modeling of BESS for smoothing renewable energy output fluctuations[J]. Automation of Electric Systems, 2011, 35(2): 66−72(in Chinese).
    [19] 周博, 王博, 高松, 等. 基于用户响应的分时电价模型研究[J]. 智能电网, 2016, 4(3): 307−311.

    ZHOU Bo, WANG Bo, GAO Song, et al. Time-of-use price model based on customer response[J]. Smart Grid, 2016, 4(3): 307−311(in Chinese).
    [20] 艾欣, 周树鹏, 赵阅群. 基于场景分析的含可中断负荷的优化调度模型研究[J]. 中国电机工程学报, 2014, 34(S1): 25−31.

    AI Xin, ZHOU Shupeng, ZHAO Yuequn. Research on optimal dispatch model considering interruptible loads based on scenario analysis[J]. Proceedings of the CSEE, 2014, 34(S1): 25−31(in Chinese).
    [21] 刘春阳, 王秀丽, 刘世民, 等. 计及蓄电池使用寿命的微电网经济调度模型[J]. 电力自动化设备, 2015, 35(10): 29−36.

    LIU Chunyang, WANG Xiuli, LIU Shimin, et al. Economic dispatch model considering battery lifetime for microgrid[J]. Electric Power Automation Equipment, 2015, 35(10): 29−36(in Chinese).
  • [1] 朱晓荣, 鹿国微.  计及灵活性的配电网储能优化配置 . 现代电力, 2020, 37(4): 341-350. doi: 10.19725/j.cnki.1007-2322.2020.0087
    [2] 曾雪婷.  基于虚拟发电厂理论的双侧调峰多目标协调优化调度 . 现代电力, 2020, 37(6): 654-663. doi: 10.19725/j.cnki.1007-2322.2019.0826
    [3] 刘洋, 艾欣, 胡鹏, 潘玺安.  考虑功率交互与需求响应的多微网经济调度 . 现代电力, 2020, 37(6): 605-612. doi: 10.19725/j.cnki.1007-2322.2019.0569
    [4] 侯晨佳, 梁海宁, 赵冬梅.  基于博弈论的虚拟电厂电源优化配置 . 现代电力, 2020, 37(4): 376-384. doi: 10.19725/j.cnki.1007-2322.2020.0119
    [5] 郇嘉嘉, 赵瑾, 曾诚玉, 刘洪, 李吉峰, 牛纪德.  园区综合能源系统规划及优化配置方案 . 现代电力, 2020, 37(3): 303-309. doi: 10.19725/j.cnki.1007-2322.2019.0246
    [6] 肖白, 王涛.  太阳能光伏-光热联合发电的优化运行模型 . 现代电力, 2020, 37(2): 163-170. doi: 10.19725/j.cnki.1007-2322.2019.1003
    [7] 李君卫, 汤亚芳, 郝正航, 冒国龙, 姜有泉.  聚类分析及其在电力系统中的应用综述 . 现代电力, 2019, 36(3): 1-10.
    [8] 杨斌, 沈宏伟, 张昊纬, 杨永标, 陈楚.  基于均值方差模型的柔性资源投资组合策略 . 现代电力, 2019, 36(5): 82-86.
    [9] 陆青, 郁浩, 赵康丽, 冷亚军.  分时电价下基于供用电双方博弈的家庭用户需求响应 . 现代电力, 2019, 36(6): 68-74.
    [10] 周钰童, 华亮亮, 黄伟, 刘明昌.  计及电热交易的区域综合能源多目标优化配置 . 现代电力, 2019, 36(4): 24-30.
    [11] 许珊, 李扬.  考虑时序特性的配电网分布式电源优化配置 . 现代电力, 2019, 36(2): 8-16.
    [12] 石坤, 李德智, 何胜, 王鲁, 易永仙.  计及需求侧资源的电网分层分区供需平衡调控方法 . 现代电力, 2018, 35(1): 66-70.
    [13] 赵会茹, 王玉玮, 谭忠富, 舒 艳, 张 超.  基于随机分布与LSSVM算法的居民峰谷电价响应模型研究 . 现代电力, 2016, 33(6): 81-86.
    [14] 孙 毅, 叶 涵, 李 彬, 何 伟, 尹 璐.  计及用户舒适度与用电成本的空调负荷优化控制方法 . 现代电力, 2016, 33(5): 30-36.
    [15] 宋云东, 周志强, 应 勇, 张远博, 刘 旭.  计及需求响应的含风电场多目标低碳经济调度 . 现代电力, 2016, 33(6): 7-13.
    [16] 艾 欣, 周树鹏, 赵阅群, 唐 亮.  基于机会约束规划的直接负荷控制及可中断负荷联合优化调度研究 . 现代电力, 2016, 33(6): 1-6.
    [17] 艾欣, 董春发.  储能技术在新能源电力系统中的研究综述 . 现代电力, 2015, 32(5): 1-9.
    [18] 胡荣, 钟勇, 符杨, 董仁权.  混合储能在配电网中的优化配置 . 现代电力, 2015, 32(3): 49-53.
    [19] 方杰, 艾欣, 潘伟, 李卓男.  基于可中断负荷的机组组合优化调度模型 . 现代电力, 2014, 31(4): 47-53.
    [20] 唐林权, 李芝荣, 李如琦, 周智成.  基于最优引导策略的分布式电源优化配置 . 现代电力, 2014, 31(1): 23-27.
  • 加载中
图(7) / 表 (4)
计量
  • 文章访问数:  25
  • HTML全文浏览量:  7
  • PDF下载量:  9
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-12-25
  • 刊出日期:  2021-06-03

考虑需求响应的电力系统灵活性资源优化配置

doi: 10.19725/j.cnki.1007-2322.2020.0439
    基金项目:  国家重点研发计划项目(2018YFA0702200);国网山东省电力公司科技资助项目(52062518000Q)
    作者简介:

    鉴庆之(1973),男,高级工程师,主要从事电网规划方面的研究工作

    刘晓明(1984),男,高级工程师,主要从事电网规划方面的研究工作

    杨金叶(1995),女,通信作者,硕士,主要从事电力系统规划与优化运行研究,E-mail:1945922495@qq.com

    刘春阳(1989),男,助理研究员,主要从事电力系统规划与优化运行、微网能量管理研究

    王宪(1992),女,工程师,主要从事新能源发展方面的研究工作

    刘冬(1993),男,工程师,主要从事新能源发展方面的研究工作

  • 中图分类号: TM73

摘要: 风电、光伏等间歇性电源的大规模并网使得对电力系统灵活性的需求急剧增加。为构建含高比例可再生能源电力系统,挖掘储能、水电、火电等灵活性机组与负荷响应等灵活性资源的调节能力,提出一种考虑需求响应的电力系统灵活性资源优化配置方法,使规划方案在满足灵活性需求条件下实现经济性最优。所提配置方法综合考虑了规划层、运行层和灵活层,以最小化成本为目标多次迭代求解电源规划模型、短期运行模拟模型和超短期运行模拟模型。并结合峰谷平分时电价和可中断负荷两种需求响应手段,进一步增加了系统运行的经济性和灵活性。在求解方法上将多层次迭代与松弛技术相结合,提高了计算的鲁棒性。以某实际区域电网为算例,验证所提配置方法的有效性。

English Abstract

鉴庆之, 刘晓明, 杨金叶, 刘春阳, 王宪, 刘冬. 考虑需求响应的电力系统灵活性资源优化配置[J]. 现代电力, 2021, 38(3): 286-296. doi: 10.19725/j.cnki.1007-2322.2020.0439
引用本文: 鉴庆之, 刘晓明, 杨金叶, 刘春阳, 王宪, 刘冬. 考虑需求响应的电力系统灵活性资源优化配置[J]. 现代电力, 2021, 38(3): 286-296. doi: 10.19725/j.cnki.1007-2322.2020.0439
Qingzhi JIAN, Xiaoming LIU, Jinye YANG, Chunyang LIU, Xian WANG, Dong LIU. Optimal Allocation of Power System Flexible Resources Considering Demand Response[J]. Modern Electric Power, 2021, 38(3): 286-296. doi: 10.19725/j.cnki.1007-2322.2020.0439
Citation: Qingzhi JIAN, Xiaoming LIU, Jinye YANG, Chunyang LIU, Xian WANG, Dong LIU. Optimal Allocation of Power System Flexible Resources Considering Demand Response[J]. Modern Electric Power, 2021, 38(3): 286-296. doi: 10.19725/j.cnki.1007-2322.2020.0439
    • 受随机气象因素的影响,光伏、风电等可再生能源的出力具有随机性与波动性特征[1-3]。因此,可再生能源的大规模并网正严重加剧电力系统运行面临的不确定性程度,从而给电力系统的稳定运行和功率平衡带来巨大挑战[4]。这要求在电力系统的资源配置过程中,不仅要保证长期电力电量平衡,还需对短期甚至超短期的电力电量平衡提供保障[5],满足负荷需求变化与风光等间歇性电源出力突变时的短时功率平衡需求,即电力系统的灵活性需求[6-7]

      有学者指出[8],在下一步电力系统规划中,应强调系统优化,降低常规火电机组的冗余规划容量,提高灵活调峰电厂在电源结构中的占比,并通过电价机制激励需求侧响应来改善负荷特性,全面提升电力系统的灵活性来适应高比例可再生能源的运行。文献[9]提出了应对未来高度不确定性的灵活电源规划模型,能兼顾经济性和灵活性,在规划成本最小的前提下拥有最大的灵活性。在高比例新能源并网规划中,需要量化系统的灵活性[10],灵活性评估对数据更加依赖,且需要更加详细的系统仿真模型。文献[11]基于灵活性指标将常规电源分为低、中、高3类灵活性机组,并基于电源规划模型,研究既定风电消纳目标下的最优电源规划结果。

      电力系统灵活性充足与否在运行阶段才能得到检验,对于电力系统中的既有资源,使配置结果既保证系统的运行灵活性又能兼顾系统运行的经济性,是灵活性优化配置的首要问题。文献[12]提出一种支持欧洲电力系统灵活性的综合调度方法,将系统爬坡和实时调度相结合,增强了系统可靠性和灵活性;文献[13]提出电力系统超短期优化调度模型,并给出面向灵活资源配置的超短期优化调度方法;文献[14]对各类灵活性资源进行整合,将输电网传输容量考虑在内,构建了基于Bender分解方法的灵活性资源优化配置模型。

      需求响应可以通过价格信号或激励机制改变电力用户固有的消费模式,在资源配置过程中考虑需求响应,可进一步提高系统运行的经济性和灵活性。文献[15]提出了一种在实时电力市场中考虑爬坡能力的调度方法,提高了电力系统应对不确定性的能力;文献[16]综合考虑系统灵活性约束和需求响应在系统调度中的贡献,提出源网荷协调规划模型,可提高系统灵活性和对可再生能源的消纳能力;文献[17]提出了一种储能和需求侧响应配合的规划模型,使规划结果可获得更高的经济效益。

      综上所述,针对高比例可再生能源与灵活性资源的多层次协调规划方法尚不完善。因此本文提出一种考虑需求响应的电力系统灵活性资源优化配置方法,并结合多层次迭代和松弛技术,综合考虑规划层、运行层和灵活层3个层次,最终实现兼顾系统经济性和灵活性的资源优化配置。

    • 假设随机向量$[{x_1},{x_2}, \cdots {x_n}]$的联合分布函数为$H( \cdot )$,其边缘分布分别为${F_1},{F_2}, \cdots ,{F_n}$,则存在一个Copula函数$C( \cdot )$满足:

      $$H\left( {{x_1},{x_2}, \cdots ,{x_n}} \right) = C\left( {{F_1}\left( {{x_1}} \right),{F_2}\left( {{x_2}} \right), \cdots ,{F_n}\left( {{x_n}} \right)} \right)$$ (1)

      ${F_1},{F_2}, \cdots ,{F_n}$是连续的,则$C( \cdot )$唯一确定,则由式(1)确定的$H({x_1},{x_2}, \cdots ,{x_n})$是具有边缘分布${F_1},{F_2}, \cdots ,{F_n}$n元联合分布函数。

      对式(1)两边同时求偏导,可以得到随机向量$[{x_1},{x_2}, \cdots {x_n}]$的联合概率密度函数$h( \cdot )$

      $$h\left( {{x_1},{x_2}, \cdots ,{x_n}} \right) = c\left( {{F_1}\left( {{x_1}} \right),{F_2}\left( {{x_2}} \right), \cdots ,{F_n}\left( {{x_n}} \right)} \right)\prod\limits_{i = 1}^n {{f_i}} \left( {{x_i}} \right)$$ (2)

      式中:c(∙)为Copula概率密度函数;${f_i}({x_i})$${x_i}$的概率密度函数。

    • 考虑风电出力和光伏出力的时空相关性,基于正态Copula函数理论,建立两者联合概率分布模型,具体步骤如下:

      1)设模拟时段为T,各时段光伏电站出力为${x_{{{\rm{s}}},t}}$、风电场出力为${x_{{{\rm{w}}},t}}$

      2)基于历史数据求各时段光伏出力概率密度${f_{{{\rm{s}}},t}}({x_{{{\rm{s}}},t}})$和概率分布${F_{{{\rm{s}}},t}}({x_{{{\rm{s}}},t}})$,其中$t = 1,2, \cdots ,T$

      3)同理可得各时段风电出力概率密度${f_{{{\rm{w}}},t}}({x_{{{\rm{w}}},t}})$和概率分布${F_{{{\rm{w}}},t}}({x_{{{\rm{w}}},t}})$,其中$t = 1,2, \cdots ,T$

      4)构建$2T$维Copula函数,其中$ "T"$代表时间维度、$ "2"$代表空间维度,空间相关性指同一时段内风电和光伏出力的相关性,故空间维度为$ "2"$

      5)基于风电、光伏历史出力数据求解Copula函数相关系数,并生成一组具有相关性的随机值$\{ {u_{{{\rm{s}}},t}},{u_{{{\rm{w}}},t}}|t = 1,2, \cdots ,T\} $

      6)对该组随机值求逆$ {F}_{{\rm{s}},t}^{-1}({u}_{{\rm{s}},t})$$ {F}_{{\rm{w}},t}^{-1}({u}_{{\rm{w}},t})$,可得一组考虑时空相关性的风光出力模拟数据。

    • 储能电站可以作为灵活资源平抑风电光伏等可再生能源出力的波动[18]。在并网运行过程中,只需考虑储能电站的运行特性,这些特性可以表示为一系列的不等式约束条件:

      $$\left\{ \begin{aligned} &0 \leqslant P_{k,t}^{{\rm{B,ch}}} \leqslant {\mu _k}P_k^{\max }U_{k,t}^{{\rm{ch}}} \\ & 0 \leqslant P_{k,t}^{{\rm{B,dc}}} \leqslant {\mu _k}P_k^{\max }U_{k,t}^{{\rm{dc}}} \\ & P_{k,t}^{\rm{B}} = P_{k,t}^{{\rm{B,dc}}} - P_{k,t}^{{\rm{B,ch}}} \end{aligned} \right.$$ (3)
      $$U_{k,t}^{{\rm{ch}}} + U_{k,t}^{{\rm{dc}}} \leqslant 1$$ (4)
      $$\left\{ \begin{aligned} & {E_{k,t}} = \left( {1 - {\delta _k}} \right) \cdot {E_{k,t - 1}} + \eta _k^{{\rm{ch}}} \cdot P_{k,t}^{{\rm{B,ch}}}\Delta T - \frac{1}{{\eta _k^{{\rm{dc}}}}} \cdot P_{k,t}^{{\rm{B,dc}}}\Delta T \\ & E_k^{\min } \leqslant {E_{k,t}} \leqslant E_k^{\max } \end{aligned} \right.$$ (5)
      $$ {E_{k,t = 0}} = {E_{k,t = T}} $$ (6)

      式(3)—(6)分别为储能的充放电功率上下限约束、工作状态约束、充放电的电量存储约束、储能装置调度周期始末容量相等。tk分别为时段数和储能装置数。其中:$ {U}_{k,t}^{\rm{ch}}$$ {U}_{k,t}^{\rm{dc}}$为储能充电、放电工作状态;$ {P}_{k,t}^{\rm{B,ch}}$$ {P}_{k,t}^{\rm{B,dc}}$为储能充电、放电功率;$P_{k,t}^{\rm{B}}$为储能装置对电网注入功率;${\mu _k}$为裕度系数;$P_k^{\max }$为储能装置k的额定功率;${E_{k,t}}$为储能装置kt时刻的实际存储电量;$ {E}_{k}^{\rm{max}}$$ {E}_{k}^{\rm{min}}$为储能装置k的最大和最小存储电量;${\delta _k}$为储能装置k的能量自损耗系数;$ {\eta }_{k}^{\rm{ch}}$$ {\eta }_{k}^{\rm{dc}}$为储能装置充电和放电过程中的能量转化效率;T为调度周期内总时段数。

    • 除储能电站之外,部分火电机组和水电机组也可以作为灵活性资源参与电力平衡。其灵活性主要体现为相比常规机组具有更宽的调节裕度和更高的爬坡速率。具体模型在3.3.3节灵活机组增调模型中介绍。

    • 当采用峰谷平分时电价时,由于相邻时间段的电价之间存在着替代关系,因此不仅需要考虑某一时段电价水平,还需要考虑相邻时间段的电价水平[19]。为了描述这种峰谷电价需求弹性,我们用自弹性系数${\varepsilon _{ii}}$和交叉弹性系数${\varepsilon _{ij}}$表示:

      $$\left\{ \begin{aligned} &{\varepsilon _{ii}} = \frac{{\Delta {P_i}/{P_i}}}{{\Delta {Q_i}/{Q_i}}} \\ & {\varepsilon _{ij}} = \frac{{\Delta {P_i}/{P_i}}}{{\Delta {Q_j}/{Q_j}}} \end{aligned} \right.$$ (7)

      式中:iji时段和j时段;Pi为实施峰谷电价前i时段的用电量;ΔPi为实施峰谷电价后i时段用电量的变化;Qi表示实施峰谷电价前i时段电价;ΔQi表示i时段的电价变化量。

      基于自弹性系数和交叉弹性系数可以建立一个分时电量与电价的弹性矩阵:

      $$\left[ {\begin{array}{*{20}{c}} {\Delta {P_1}/{P_1}} \\ {\Delta {P_2}/{P_2}} \\ \vdots \\ {\Delta {P_n}/{P_n}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {{\varepsilon _{11}}}&{{\varepsilon _{12}}}& \ldots &{{\varepsilon _{1n}}} \\ {{\varepsilon _{21}}}&{{\varepsilon _{22}}}& \ldots &{{\varepsilon _{2n}}} \\ \vdots & \vdots & \ddots & \vdots \\ {{\varepsilon _{n1}}}&{{\varepsilon _{n2}}}& \ldots &{{\varepsilon _{nn}}} \end{array}} \right]\left[ {\begin{array}{*{20}{c}} {\Delta {Q_1}/{Q_1}} \\ {\Delta {Q_2}/{Q_2}} \\ \vdots \\ {\Delta {Q_n}/{Q_n}} \end{array}} \right]$$ (8)

      在供需平衡的条件下,负荷响应的模型可以表示为:

      $$P_i^{\rm{L}} = {P_i}\left( {1 + {\varepsilon _{ii}}\frac{{\Delta {Q_i}}}{{{Q_i}}} + \sum\limits_{\begin{subarray}{l} j = 1 \\ j \ne i \end{subarray}} ^{24} {{\varepsilon _{ij}}\frac{{\Delta {Q_j}}}{{{Q_j}}}} } \right)$$ (9)

      式中:$P_i^{\rm{L}}$$i$时段实际负荷需求,可应用于后续3.2小节短期运行模拟模型。

      实施峰谷平分时电价后售电收入差额为:

      $${C^{{\rm{fgp}}}} = \sum\limits_{i = 1}^n {\left( {{P_i}{Q_i} - P_i^{\rm{L}}\left( {{Q_i} + \Delta {Q_i}} \right)} \right)} $$ (10)

      约束条件如下。

      1)用电总量不变约束:

      $${P_{\rm{f}}} + {P_{\rm{p}}} + {P_{\rm{g}}} = {P'_{\rm{f}}} + {P'_{\rm{p}}} + {P'_{\rm{g}}}$$ (11)

      式中:PfPpPg${P'_{\rm{f}}} $${P'_{\rm{p}}} $${P'_{\rm{g}}} $分别为实施峰谷分时电价前和实施后的各时段总用电量。

      2)电价上下限约束:

      $${Q_{\rm{l}}} \leqslant {Q_{\rm{g}}} \leqslant {Q_{\rm{p}}} \leqslant {Q_{\rm{f}}} \leqslant {Q_{\rm{h}}}$$ (12)

      式中:QhQl为电价上下限。

    • 可中断负荷是一种基于激励的需求响应类型,其实现方式为供电公司与部分用户预先签订可中断合同,在系统不能满足调峰需求时可以选择中断部分或全部可中断负荷,并给予该部分用户一定的经济补偿,从而达到维持系统有功功率供需平衡的目的[20]。可中断负荷参与调度的成本函数为:

      $${C^{{\rm{IL}}}} = \sum\limits_{t = 1}^T {\left( {{\rho _{{\rm{IL}}}}P_t^{{\rm{IL}}}} \right)} $$ (13)

      式中:${\rho _{{\rm{IL}}}}$为可中断负荷补偿价格;$P_t^{{\rm{IL}}}$t时段参与调度的可中断负荷总量。

      约束条件主要有:

      1)可中断负荷中断量约束:

      $$0 \leqslant P_t^{{\rm{IL}}} \leqslant P_i^{{\rm{IL,max}}}$$ (14)

      式中:$P_i^{{\rm{IL,max}}}$为可中断负荷的最大中断量。

      2)可中断负荷最大中断可持续时间约束:

      $$\sum\limits_{t = \tau }^{\tau + {T^{{\rm{on,max}}}}} {U_t^{{\rm{IP}}}} \leqslant {T^{{\rm{on,max}}}}$$ (15)

      式中:$U_t^{{\rm{IP}}}$为可中断负荷在t时段内的调用状态,$U_t^{{\rm{IP}}} = 1$表示被调用,$U_t^{{\rm{IP}}} = 0$表示未被调用;${T^{{\rm{on,max}}}}$为可中断负荷的最大可持续中断时间。

      3)可中断负荷最小调用时间间隔约束:

      $$\left( {U_t^{{\rm{IP}}} - U_{t - 1}^{{\rm{IP}}}} \right)\left( {{T^{{\rm{no}}}} - {T^{{\rm{off,min}}}}} \right) \geqslant 0$$ (16)

      式中:${T^{{\rm{no}}}}$为可中断负荷连续未被调用时间;${T^{{\rm{off,min}}}}$为可中断负荷的最小调用时间间隔。

      4)可中断负荷调度周期内总调用时间约束:

      $$\sum\limits_{t = 1}^T {U_t^{{\rm{IP}}}} \leqslant {T^{{\rm{sum,max}}}}$$ (17)

      式中:${T^{{\rm{sum,max}}}}$为调度周期内可中断负荷允许被调用的总时间。

    • 电力系统灵活性资源优化配置模型由需求响应模型和优化配置模型两部分组成,两者之间数据传递如图1所示。从图1中可以看出需求响应模型有2种:包括峰谷平分时电价模型和可中断负荷参与调度模型,其输出数据作为优化配置模型的输入数据。而在优化配置模型中考虑到不同时间尺度,又分为规划层、运行层和灵活层3个层次。规划层输出机组投产情况作为运行层输入数据,而运行层将现有备用情况反馈给规划层,若不满足备用需求,则需重新规划。运行层输出机组组合结果作为灵活层输入数据,灵活层则根据是否满足灵活性需求判断是否返回运行层重新求解机组组合。

      图  1  考虑需求响应的电力系统灵活性资源优化配置

      Figure 1.  Optimal allocation of power system flexible resources considering demand response

    • 电源规划过程中我们主要考虑经济因素,包括常规电厂、可再生能源电厂、水电厂和储能电站的投建成本,所以目标函数为规划年内总成本:

      $$\begin{split} &\min {f_1} = \sum\limits_{t = 1}^{{T_1}} {\left[ {\sum\limits_{i = 1}^{G{N_1}} {P_{i,t}^{{\rm{G,n}}}C_{i,t}^{\rm{G}}D_{i,t}^{\rm{G}}} + \sum\limits_{j = 1}^{R{N_1}} {P_{j,t}^{{\rm{R,n}}}C_{j,t}^{\rm{R}}D_{j,t}^{\rm{R}} + } } \right.} \\ &\left. {\sum\limits_{l = 1}^{H{N_1}} {P_{l,t}^{{\rm{H,n}}}C_{l,t}^{\rm{H}}D_{l,t}^{\rm{H}}} {\rm{ + }}\sum\limits_{k = 1}^{B{N_1}} {\left( {P_{k,t}^{{\rm{B,n}}}C_{k,t}^{{\rm{PCS}}} + E_{k,t}^{{\rm{B,n}}}C_{k,t}^{{\rm{ESU}}}} \right)D_{k,t}^{\rm{B}}} } \right]\cdot {\zeta _t}\\ &D_{i,\tau }^{\rm{G}} = \left\{ \begin{array}{l} 1{\rm{ , }}({T_1} - t \leqslant N_i^{\rm{G}}) \\ 0{\rm{ , }}({T_1} - t > N_i^{\rm{G}}) \end{array} \right.; \;\;D_{j,\tau }^{\rm{R}} = \left\{ \begin{array}{l} 1{\rm{ , }}({T_1} - t \leqslant N_j^{\rm{R}}) \\ 0{\rm{ , }}({T_1} - t > N_j^{\rm{R}}) \end{array} \right.;\\ &D_{l,\tau }^{\rm{H}} = \left\{ \begin{array}{l} 1{\rm{ , }}({T_1} - t \leqslant N_l^{\rm{H}}) \\ 0{\rm{ , }}({T_1} - t > N_l^{\rm{H}}) \end{array} \right.; \;\; D_{k,\tau }^{\rm{B}} = \left\{ \begin{array}{l} 1{\rm{ , }}({T_1} - t \leqslant N_k^{\rm{B}}) \\ 0{\rm{ , }}({T_1} - t > N_k^{\rm{B}}) \end{array} \right.;\\ &{\zeta _t} = \frac{1}{{{{(1 + \sigma /12)}^{t - 1}}}} \\[-10pt]\end{split}$$ (18)

      式中:T1为规划期内总月数;$G{N_1}$$R{N_1}$$H{N_1}$$B{N_1}$分别为规划期内待投建常规、可再生能源、水电、储能电站数;$ {P}_{i,t}^{\rm{G,n}}$$ {C}_{i,t}^{\rm{G}}$为第t个月常规电厂新增容量和单位建设成本;$ {P}_{j,t}^{\rm{R,n}}$$ {C}_{j,t}^{\rm{R}}$为第t个月可再生能源电厂新增容量和单位建设成本;$ {P}_{l,t}^{\rm{H,n}}$$ {C}_{l,t}^{\rm{H}}$为第t个月水电厂新增容量和单位建设成本;$D_{i,t}^{\rm{G}}$$D_{j,t}^{\rm{R}}$$D_{l,t}^{\rm{H}}$$D_{k,t}^{\rm{B}}$$N_i^{\rm{G}}$$N_j^{\rm{R}}$$N_l^{\rm{H}}$$N_k^{\rm{B}}$表示第t个月新增常规、可再生能源、水电、储能是否需要分摊的初始投资成本和使用年限;$P_{k,t}^{{\rm{B,n}}}$$E_{k,t}^{{\rm{B,n}}}$为第t个月新增储能功率容量和能量容量;$C_{k,t}^{{\rm{PCS}}}$$C_{k,t}^{{\rm{ESU}}}$为对应的单位功率容量和单位能量容量建设成本;${\zeta _t}$为第t个月的折现值系数;σ为年贴现率。

      后续模型中会用到已有各类电源的总装机容量,因此令:

      $$ \left\{ \begin{aligned} &P_{i,t}^{{{\rm{G}}_{\rm{N}}}} = P_{i,t}^{{\rm{G,0}}} + P_{i,t}^{{\rm{G,n}}} - P_{i,t}^{{\rm{G,r}}} \\ &P_{j,t}^{{{\rm{R}}_{\rm{N}}}} = P_{j,t}^{{\rm{R,0}}} + P_{j,t}^{{\rm{R,n}}} - P_{j,t}^{{\rm{R,r}}} \\ &P_{l,t}^{{{\rm{H}}_{\rm{N}}}} = P_{l,t}^{{\rm{H,0}}} + P_{l,t}^{{\rm{H,n}}} - P_{l,t}^{{\rm{H,r}}} \\ &P_{k,t}^{{{\rm{B}}_{\rm{N}}}} = P_{k,t}^{{\rm{B,0}}} + P_{k,t}^{{\rm{B,n}}} - P_{k,t}^{{\rm{B,r}}} \end{aligned} \right. $$ (19)

      式中:$ {P}_{i,t}^{\rm{G,0}}$$ {P}_{i,t}^{\rm{G,n}}$$ {P}_{i,t}^{\rm{G,r}}$$ {P}_{i,t}^{{\rm{G}}_{\rm{N}}}$分别表示相应时段内各火电厂已有装机容量、新增装机容量、退役容量和最终装机容量;$P_{j,t}^{{\rm{R,0}}}$$P_{j,t}^{{\rm{R,n}}}$$P_{j,t}^{{\rm{R,r}}}$$P_{j,t}^{{{\rm{R}}_{\rm{N}}}}$分别表示相应时段内可再生能源电厂已有装机容量、新增装机容量、退役容量和最终装机容量;$P_{l,t}^{{\rm{H,0}}}$$P_{l,t}^{{\rm{H,n}}}$$P_{l,t}^{{\rm{H,r}}}$$P_{l,t}^{{{\rm{H}}_{\rm{N}}}}$分别表示相应时段内水电厂已有装机容量、新增装机容量、退役容量和最终装机容量;$P_{k,t}^{{\rm{B,0}}}$$P_{k,t}^{{\rm{B,n}}}$$P_{k,t}^{{\rm{B,r}}}$$P_{k,t}^{{{\rm{B}}_{\rm{N}}}}$分别表示相应时段内储能电站已有装机容量、新增装机容量、退役容量和最终装机容量。

    • 1)电力约束:

      $$\sum\limits_{i = 1}^{G{N_1}} {P_{i,t}^{{{\rm{G}}_{\rm{N}}}}} + \sum\limits_{j = 1}^{R{N_1}} {P_{j,t}^{{{\rm{R}}_{\rm{N}}}}} + \sum\limits_{l = 1}^{H{N_1}} {P_{l,t}^{{{\rm{H}}_{\rm{N}}}}} + \sum\limits_{k = 1}^{B{N_1}} {P_{k,t}^{{{\rm{B}}_{\rm{N}}}}} \geqslant P_t^{{\rm{L,max}}}\left( {1 + R_t^{\rm{D}}} \right)$$ (20)

      式中:$P_t^{{\rm{L,max}}}$$R_t^{\rm{D}}$为第t个月参与电力平衡的最大负荷值、静态容量备用系数。

      2)常规电厂最大、最小利用小时约束:

      $$H_{i,t}^{{\rm{G,min}}} \leqslant H_{i,t}^{\rm{G}} \leqslant H_{i,t}^{{\rm{G,max}}}$$ (21)

      式中:$ {H}_{i,t}^{\rm{G,min}}$$ {H}_{i,t}^{\rm{G,max}}$为常规机组的最小、最大利用小时数;$H_{i,t}^{\rm{G}}$为常规机组的实际利用小时数。

      3)可再生能源装机占比约束:

      $${\alpha _t}\left( {\sum\limits_{i = 1}^{G{N_1}} {P_{i,t}^{{{\rm{G}}_{\rm{N}}}}} + \sum\limits_{j = 1}^{R{N_1}} {P_{j,t}^{{{\rm{R}}_{\rm{N}}}}} + \sum\limits_{l = 1}^{H{N_1}} {P_{l,t}^{{{\rm{H}}_{\rm{N}}}}} + \sum\limits_{k = 1}^{B{N_1}} {P_{k,t}^{{{\rm{B}}_{\rm{N}}}}} } \right) \leqslant \sum\limits_{j = 1}^{R{N_1}} {P_{j,t}^{{{\rm{R}}_{\rm{N}}}}} $$ (22)

      式中:${\alpha _t}$为第t个月可再生能源装机占比。

      4)水电厂电量约束:

      $$0 \leqslant E_{l,t}^{\rm{H}} \leqslant E_{l,t}^{{\rm{H,N}}}$$ (23)

      式中:$E_{l,t}^{\rm{H}}$为水电厂lt个月的消纳电量;$E_{l,t}^{{\rm{H,N}}}$为水电厂lt个月的平水年预测电量。

      5)考虑到电源投资决策模块和短期运行模拟模块的交互,还应考虑负备用约束:

      $$\begin{split} & \sum\limits_{i = 1}^{G{N_1}} {\gamma _i^{\rm{G}}\left( {P_{i,t}^{{\rm{G,max}}} - P_{i,t}^{{\rm{G,min}}}} \right)} + \sum\limits_{l = 1}^{H{N_1}} {\gamma _l^{\rm{H}}P_{l,t}^{{\rm{H,N}}}} + \\ &\quad \sum\limits_{k = 1}^{B{N_1}} {\gamma _k^{\rm{B}}\left( {P_{k,t}^{{\rm{ch,max}}} + P_{k,t}^{{\rm{dc,max}}}} \right)} \geqslant P_t^{{\rm{L,max}}}R_t^{{\rm{down}}} \end{split} $$ (24)

      式中:$ {P}_{i,t}^{\rm{G,max}}$$ {P}_{i,t}^{\rm{G,min}}$为第t个月火电厂i最大、最小技术出力;$\gamma _i^{\rm{G}}$为第t个月火电厂i提供负备用能力系数;$P_{l,t}^{{\rm{H,N}}}$为水电厂lt个月的平水年预想出力;$\gamma _l^{\rm{H}}$为水电厂l提供负备用能力系数;$ {P}_{k,t}^{\rm{ch,max}}$$ {P}_{k,t}^{\rm{dc,max}}$为第储能电厂k发电和蓄电额定功率;$\gamma _k^{\rm{B}}$为储能电厂k提供负备用能力系数;$P_t^{{\rm{L,max}}}$为第t个月的最大负荷;$R_t^{{\rm{down}}}$为第t个月的负备用要求系数。

      6)考虑到电源投资决策模块和超短期运行模拟模块的交互,还应考虑爬坡资源约束:

      $$\begin{split} &\left( {\sum\limits_{i = 1}^{G{N_1}} {R_i^{{\rm{G,up}}}} + \sum\limits_{j = 1}^{R{N_1}} {R_j^{{\rm{R,up}}}} + \sum\limits_{l = 1}^{H{N_1}} {R_l^{{\rm{H,up}}}} + \sum\limits_{k = 1}^{B{N_1}} {R_k^{{\rm{B,up}}}} } \right)\Delta T \geqslant \\ &\;\;\;\;\;\;\;\;\;\;\;\;\delta _t^{{\rm{up}}}\sum\limits_{j = 1}^{R{N_1}} {P_j^{{\rm{R,max}}}} + \varphi _t^{{\rm{up}}}P_t^{{\rm{L,max}}} \end{split} $$ (25)
      $$\begin{split} & \left( {\sum\limits_{i = 1}^{G{N_1}} {R_i^{{\rm{G,dn}}}} + \sum\limits_{j = 1}^{R{N_1}} {R_j^{{\rm{R,dn}}}} + \sum\limits_{l = 1}^{H{N_1}} {R_l^{{\rm{H,dn}}}} + \sum\limits_{k = 1}^{B{N_1}} {R_k^{{\rm{B,dn}}}} } \right)\Delta T \geqslant \\ &\;\;\;\;\;\;\;\;\;\;\;\;\delta _t^{{\rm{dn}}}\sum\limits_{j = 1}^{R{N_1}} {P_j^{{\rm{R,max}}}} + \varphi _t^{{\rm{dn}}}P_t^{{\rm{L,max}}} \end{split} $$ (26)

      式中:$ {R}_{i}^{\rm{G,up}}$$ {R}_{i}^{\rm{G,dn}}$为常规电厂的向上、向下爬坡速率;$ {R}_{j}^{\rm{R,up}}$$ {R}_{j}^{\rm{R,dn}}$为可再生能源电厂的向上、向下爬坡速率;$ {R}_{l}^{\rm{H,up}}$$ {R}_{l}^{\rm{H,dn}}$为水电厂的向上、向下爬坡速率;$ {R}_{k}^{\rm{B,up}}$$ {R}_{k}^{\rm{B,dn}}$为储能电厂的向上、向下爬坡速率;$\Delta T$为爬坡资源约束响应的时间间隔;$ {\delta }_{t}^{\rm{up}}$$ {\delta }_{t}^{\rm{dn}}$为考虑新能源的预测误差,向上、向下爬坡容量占新能源装机占比;$ {\varphi }_{t}^{\rm{up}}$$ {\varphi }_{t}^{\rm{dn}}$为考虑负荷的预测误差,向上、向下爬坡容量占峰荷的比例。

    • 短期运行模拟模型中的目标函数即为最小化成本,包括发电带来的煤耗成本和机组开停机成本、储能装置的维护成本和折旧费用、弃风弃光成本、实施分时电价后收入差额、可中断负荷补偿成本:

      $$\begin{split} & \min {f_2} = \sum\limits_{t = 1}^{{T_2}} {\sum\limits_{i = 1}^{G{N_2}} {\left( {C_i^{\rm{f}}\left( {P_{i,t}^{\rm{G}}} \right) + C_i^{\rm{U}}U_{i,t}^{{\rm{open}}} + C_i^{\rm{D}}U_{i,t}^{{\rm{down}}}} \right)} } + \\ &\;\;\;\;\;\; \sum\limits_{t = 1}^{{T_2}} {\sum\limits_{k = 1}^{B{N_2}} {\left( {K_k^{{\rm{OM}}}\left| {P_{k,t}^{\rm{B}}} \right|\Delta T + \left( {P_k^{\rm{N}}C_k^{\rm{P}} + E_k^{\rm{N}}C_k^{\rm{E}}} \right)L_k^{{\rm{loss}}}} \right)} } + \\ &\;\;\;\;\;\; \sum\limits_{t = 1}^{{T_2}} {\sum\limits_j^{R{N_2}} {\left( {{\rho _{{\rm{res}}}}\left( {P_{j,t}^{{\rm{R,max}}} - P_{j,t}^{\rm{R}}} \right)} \right)} } + {C^{{\rm{fgp}}}} + {C^{{\rm{IL}}}} \end{split} $$ (27)

      式中:$ G{N}_{2}$$ B{N}_{2}$$ R{N}_{2}$为参与短期调度的常规、储能、可再生能源机组数;T2为短期调度周期内时段数;$C_i^{\rm{f}}$$C_i^{\rm{U}}$$C_i^{\rm{D}}$分别为机组i的煤耗成本、启动成本和关停成本;$P_{i,t}^{\rm{G}}$为常规机组it时刻的实际出力;$ {U}_{i,t}^{\rm{open}}$$ {U}_{i,t}^{\rm{down}}$为机组it时段的启动状态变量和停机状态变量;$K_k^{{\rm{OM}}}$为第k个储能装置的单位电量运行维护成本;$P_{k,t}^{\rm{B}}$储能装置kt时刻的实际出力;$ {E}_{k}^{\rm{N}}$$ {P}_{k}^{\rm{N}}$为第k个储能装置的额定容量和额定功率功率;$ {C}_{k}^{\rm{E}}$$ {C}_{k}^{\rm{P}}$为储能装置k的单位容量和单位功率安装成本的现值;$L_k^{{\rm{loss}}}$为储能装置k的寿命损耗系数[21]$ {P}_{j,t}^{\rm{R,max}}$$ {P}_{j,t}^{\rm{R}}$为可再生能源电厂l的可用资源量和实际出力;${\rho _{{\rm{res}}}}$为弃风弃光惩罚因子。

      上式中机组i的煤耗成本可表示成二次函数的形式:

      $${c_i}\left( {P_{i,t}^{\rm{G}}} \right) = {a_i}{\left( {P_{i,t}^{\rm{G}}} \right)^2} + {b_i}P_{i,t}^{\rm{G}} + {c_i}$$ (28)

      式中:aibici为机组i的煤耗系数。

    • 1)系统有功功率平衡约束:

      $$\sum\limits_{i = 1}^{G{N_2}} {P_{i,t}^{\rm{G}}} + \sum\limits_{j = 1}^{R{N_2}} {P_{j,t}^{\rm{R}}} + \sum\limits_{l = 1}^{H{N_2}} {P_{l,t}^{\rm{H}}} + \sum\limits_{k = 1}^{B{N_2}} {P_{k,t}^{\rm{B}}} + P_t^{{\rm{IL}}} = P_t^{\rm{L}}$$ (29)

      式中:$ {P}_{i,t}^{\rm{G}}$$ {P}_{j,t}^{\rm{R}}$$ {P}_{l,t}^{\rm{H}}$$ {P}_{k,t}^{\rm{B}}$为常规、可再生能源、水电、储能装置在t时刻的有功出力;$P_t^{{\rm{IL}}}$为在t时刻参与短期调度的可中断负荷量;$P_t^{\rm{L}}$为系统在t时刻的负荷需求;$H{N_2}$为参与短期调度的水电机组数。

      2)不等式约束:

      $${U_{i,t}}P_i^{{\rm{G,min}}} \leqslant P_{i,t}^{\rm{G}} \leqslant {U_{i,t}}P_i^{{\rm{G,max}}}$$ (30)
      $$\left\{ \begin{aligned} &- R_i^{{\rm{G,dn}}} \leqslant P_{i,t}^{\rm{G}} - P_{i,t - 1}^{\rm{G}} \leqslant R_i^{{\rm{G,up}}} \\ &- R_j^{{\rm{R,dn}}} \leqslant P_{j,t}^{\rm{R}} - P_{j,t - 1}^{\rm{R}} \leqslant R_j^{{\rm{R,up}}} \\ &- R_l^{{\rm{H,dn}}} \leqslant P_{l,t}^{\rm{H}} - P_{l,t - 1}^{\rm{H}} \leqslant R_l^{{\rm{H,up}}} \\ &- R_k^{{\rm{B,dn}}} \leqslant P_{k,t}^{\rm{B}} - P_{k,t - 1}^{\rm{B}} \leqslant R_k^{{\rm{B,up}}} \end{aligned} \right.$$ (31)
      $$\sum\limits_{i = 1}^{G{N_2}} {\left( {{U_{i,t}}P_i^{{\rm{G,max}}} - P_{i,t}^{\rm{G}}} \right)} + \sum\limits_{i = 1}^{H{N_2}} {\left( {P_l^{{\rm{H,N}}} - P_{l,t}^{\rm{H}}} \right) \geqslant } \rho P_t^{\rm{L}}$$ (32)
      $$ \left\{ \begin{aligned} &{C_i^{\rm{U}} \geqslant {H_i}\left( {{U_{i,t}} - {U_{i,t - 1}}} \right),{\rm{ }}C_i^{\rm{U}} \geqslant 0} \\ & {C_i^{\rm{D}} \geqslant {J_i}\left( {{U_{i,t - 1}} - {U_{i,t}}} \right),{\rm{ }}C_i^{\rm{D}} \geqslant 0} \end{aligned} \right. $$ (33)
      $$\left\{ \begin{aligned} & \sum\limits_{\tau = t}^{t + TS - 1} {\left( {1 - {U_{\tau ,k}}} \right) \geqslant TS} \left( {{U_{i,t - 1}} - {U_{i,t}}} \right) \\ & \sum\limits_{\tau = t}^{t + TO - 1} {{U_{\tau ,k}} \geqslant TO} \left( {{U_{i,t}} - {U_{i,t - 1}}} \right) \end{aligned} \right.$$ (34)
      $$0 \leqslant P_{j,t}^{\rm{R}} \leqslant P_{j,t}^{{\rm{R,max}}}$$ (35)

      式(30)—(35)分别为机组出力上下限约束、爬坡约束、系统热备用约束、起停费用约束、起停时间约束、可再生能源出力约束。其中:${U_{i,t}}$为常规机组it时刻的启停状态;$ {R}_{i}^{\rm{U}}$$ {R}_{i}^{\rm{D}}$为机组的上、下爬坡速率;$\rho $为热备用系数;$ {C}_{i}^{\rm{U}}$$ {C}_{i}^{\rm{D}}$为机组i的最大启动、关停成本限制;$ {H}_{i}$$ {J}_{i}$为组i的单次启动、关停成本;TSTO为最小关停、开机时间;$P_{j,t}^{{\rm{R,max}}}$为可再生能源的可用资源量。

      此外,水电厂电量约束同式(23),储能约束同式(3)—式(6)。

    • 超短期运行模拟过程中认为常规机组的起停状态不发生变化,因此机组开停机成本可以不考虑、同时储能装置的折旧费用和维护成本也可以忽略。但考虑到可能会出现上下爬坡容量不足和调峰容量不足的情况,所以需增加相应的处罚项。超短期运行模拟的目标函数为:

      $$\begin{aligned} &\min {f_3} = \\ &\quad\sum\limits_{t = 1}^{{T_3}} {\sum\limits_{i = 1}^{G{N_3}} {\left( {C_i^{\rm{f}}\left( {P_{i,t}^{\rm{G}}} \right)} \right)} } + \sum\limits_{t = 1}^{{T_{\rm{3}}}} {\sum\limits_j^{R{N_3}} {\left( {{\rho _{{\rm{res}}}}\left( {P_{j,t}^{{\rm{R,max}}} - P_{j,t}^{\rm{R}}} \right)} \right)} } + {C^{{\rm{IL}}}} + \\ &\quad \sum\limits_{t = 1}^{{T_3}} {\left( {{\rho _1}P_t^{{\rm{ramp,U}}} + {\rho _2}P_t^{{\rm{ramp,D}}} + {\rho _3}P_t^{{\rm{reserve,U}}} + {\rho _4}P_t^{{\rm{reserve,D}}}} \right)} \end{aligned} $$ (36)

      式中:T3为运行时刻数;$ G{N}_{3}$$ R{N}_{3}$分别为参与超短期调度的常规机组数和可再生能源机组数;$P_t^{{\rm{reserve,U}}}$$P_t^{{\rm{reserve,D}}}$为上、下调峰功率松弛;$P_t^{{\rm{ramp,U}}}$$P_t^{{\rm{ramp,D}}}$为上、下爬坡功率松弛;${\rho _1}$~${\rho _4}$为相应惩罚因子。

    • 约束条件主要有:

      $$\begin{split} &\sum\limits_{i = 1}^{G{N_3}} {P_{i,t}^{\rm{G}}} + \sum\limits_{k = 1}^{B{N_3}} {P_{k,t}^{{\rm{B,dc}}}} + \sum\limits_{j = 1}^{R{N_3}} {P_{j,t}^{\rm{R}}} + \sum\limits_{l = 1}^{H{N_3}} {P_{l,t}^{\rm{H}}} + P_t^{{\rm{IL}}} = \\ &\;\;\;\;\;\;P_t^{\rm{L}} + \sum\limits_{k = 1}^{B{N_3}} {P_{k,t}^{{\rm{B,ch}}}} + P_t^{{\rm{reserve,D}}} \end{split} $$ (37)
      $$ - R_i^{{\rm{G,dn}}}\Delta t \leqslant P_{i,t}^{\rm{G}} - P_{i,t - 1}^{\rm{G}} \leqslant R_i^{{\rm{G,up}}}\Delta t $$ (38)
      $$0 \leqslant P_{j,t}^{\rm{R}} \leqslant P_{j,t}^{{\rm{R,max}}}$$ (39)
      $$0 \leqslant P_t^{{\rm{IL}}} \leqslant P_i^{{\rm{IL,max}}}$$ (40)

      式(37)—(40)分别为系统功率平衡约束、常规机组运行爬坡约束、新能源机组运行约束、可中断负荷中断量上下限约束。其中,$P_t^{{\rm{reserve,D}}}$t时刻下调峰功率松弛;$ H{N}_{3}$$ B{N}_{3}$为参与短期调度的水电机组数和储能装置数。

      考虑到可能出现灵活资源的爬坡容量不足的情况,因此需对爬坡约束进行松弛:

      $$ \sum {P_t^{\rm{F}}} \leqslant \sum {P_{t - 1}^{\rm{F}}} + \sum {R_{\rm{U}}^{\rm{F}}\Delta t} + P_t^{{\rm{ramp,U}}}$$ (41)
      $$ \sum {P_t^{\rm{F}}} \leqslant \sum {P_{t + 1}^{\rm{F}}} + \sum {R_{\rm{D}}^{\rm{F}}\Delta t} + P_t^{{\rm{ramp,D}}}$$ (42)

      式中:$P_t^{\rm{F}}$为灵活机组Ft时刻的出力;$R_{\rm{U}}^{\rm{F}}$$R_{\rm{D}}^{\rm{F}}$为灵活机组F的上、下爬坡容量。

    • 当系统灵活性不足时需要增加灵活机组开机,同时为了不对系统的下调峰能力造成影响,需要减少常规机组的开机。灵活机组增调模型中的目标函数主要包括灵活机组增加开机的成本和常规机组关机的成本:

      $$\begin{split} & \min {f_4} = \sum\limits_{i = 1}^{FN} {C_i^{\rm{U}}U_i^{{\rm{open}}}} + \sum\limits_{i = 1}^{CN} {C_i^{\rm{D}}U_i^{{\rm{down}}}} + {\rho _5}P_{{\rm{add}}}^{{\rm{ramp,U}}} + \\ & \;\;\;\;\;\; {\rho _6}P_{{\rm{add}}}^{{\rm{ramp,D}}} + {\rho _7}P_{{\rm{add}}}^{{\rm{reserve,U}}} + {\rho _8}P_{{\rm{add}}}^{{\rm{reserve,D}}} \end{split} $$ (43)

      式中:FNCN分别为灵活机组数和常规机组数;$ {C}_{i}^{\rm{U}}$$ {C}_{i}^{\rm{D}}$为灵活机组开机惩罚系数和常规机组关机惩罚系数;$ {U}_{i}^{\rm{open}}$$ {U}_{i}^{\rm{down}}$为灵活机组开机状态变量和常规机组关机状态变量;$ {P}_{\rm{add}}^{\rm{ramp,U}}$$ {P}_{\rm{add}}^{\rm{ramp,D}}$为上下爬坡容量增加量松弛;$ {P}_{\rm{add}}^{\rm{reserve,U}}$$ {P}_{\rm{add}}^{\rm{reserve,D}}$为上下调峰容量增加量松弛;${\rho _5}$~${\rho _8}$为相应惩罚因子。

      约束条件主要有上下调峰和上下爬坡缺额限制约束:

      $$\left\{ \begin{aligned} &{\sum\limits_{j = 1}^{CN} {U_j^{{\rm{down}}}P_j^{{\rm{C,min}}}} - \sum\limits_{i = 1}^{FN} {U_i^{{\rm{open}}}P_i^{{\rm{F,min}}}} + P_{{\rm{add}}}^{{\rm{reserve,D}}} \geqslant P_{\max }^{{\rm{reserve,D}}}} \\ &{\sum\limits_{i = 1}^{FN} {U_i^{{\rm{open}}}P_i^{{\rm{F,max}}}} - \sum\limits_{j = 1}^{CN} {U_j^{{\rm{down}}}P_j^{{\rm{C,max}}}} + P_{{\rm{add}}}^{{\rm{reserve,U}}} \geqslant P_{\max }^{{\rm{ramp,U}}}} \\ &{\sum\limits_{i = 1}^{FN} {U_i^{{\rm{open}}}R_i^{{\rm{F,U}}}\Delta t} - \sum\limits_{j = 1}^{CN} {U_j^{{\rm{open}}}R_j^{{\rm{C,U}}}\Delta t} + P_{{\rm{add}}}^{{\rm{ramp,U}}} \geqslant P_{\max }^{{\rm{ramp,U}}}} \\ & {\sum\limits_{i = 1}^{FN} {U_i^{{\rm{open}}}R_i^{{\rm{F,D}}}\Delta t} - \sum\limits_{j = 1}^{CN} {U_j^{{\rm{open}}}R_j^{{\rm{C,D}}}\Delta t} + P_{{\rm{add}}}^{{\rm{ramp,D}}} \geqslant P_{\max }^{{\rm{ramp,D}}}} \end{aligned} \right.$$ (44)

      式中:$ {P}_{j}^{\rm{C,max}}$$ {P}_{j}^{\rm{C,min}}$为减少开机的常规机组$j$的最大、最小功率;$ {P}_{i}^{\rm{F,max}}$$ {P}_{i}^{\rm{F,min}}$为增加开机的灵活机组$i$的最大、最小功率;$ {R}_{j}^{\rm{C,U}}$$ {R}_{j}^{\rm{C,D}}$为减少开机的常规机组$j$的上下爬坡功率;$ {R}_{i}^{\rm{F,U}}$$ {R}_{i}^{\rm{F,D}}$为增加开机的灵活机组$i$的上下爬坡功率。

    • 上述模型中的煤耗成本为二次函数形式,需进行分段线性化处理:

      $${c_i}\left( {P_{i,t,s}^{\rm{G}},{U_{i,t}}} \right) = \sum\limits_{s = 1}^m {{K_{i,s}}P_{i,t,s}^{\rm{G}}} + {U_{i,t}}{C_{0,i}}$$ (45)

      式中:${C_{0,i}} = {a_i}{\left( {P_i^{{\rm{G,min}}}} \right)^2} + {b_i}P_i^{{\rm{G,min}}} + {c_i}$$0 \leqslant P_{i,t,s}^{\rm{G}} \leqslant $$ \dfrac{{P_i^{{\rm{G,max}}} - P_i^{{\rm{G,min}}}}}{m}$$P_{i,t}^{\rm{G}} = \displaystyle\sum\limits_{s = 1}^m {P_{i,t,s}^{\rm{G}}} + P_i^{{\rm{G,min}}}$

      $m$为总分段数;${K_{i,s}}$为分段线性化后煤耗函数各段的斜率;${C_{0,i}}$为机组以最小出力运行时的煤耗成本;$P_{i,t,s}^{\rm{G}}$为机组各分段的出力。

    • 规划层、运行层和灵活层3个层次需迭代求解,同时为了提高计算的鲁棒性,在运行层和灵活层求解过程中引入了上下爬坡不足和上下调峰不足等松弛变量,因此整个求解过程需结合迭代技术和松弛技术。将煤耗成本线性化后,上述电源优化投资决策模型和超短期运行模拟模型可转化为混合整数线性规划模型,但短期运行模拟模型中计及实施分时电价后的售电差额,仍为混合整数二次规划模型。因此,该优化配置模型采用CPLEX软件求解,流程如图2所示。

      图  2  多层次迭代求解流程图

      Figure 2.  Flowchart of multi-level iterative solution

    • 以某区域实际情况为算例,规划期选择7年,验证上述模型的有效性。具体数据如表1所示,其中常规机组包括煤电机组和气电机组。

      表 1  规划期机组信息

      Table 1.  Unit information in planning period

      机组类型已有机组待规划机组
      台数/台总装机容量/MW台数/台总装机容量/MW
      常规机组164519683512500
      水电机组00307980
      风光机组/6390/6408
      储能装置/0/1650
    • 将该算例代入所提模型中进行求解,以月为时间尺度进行规划,可得规划期内电力平衡和负荷月变化趋势如图3所示。

      图  3  规划期电力平衡

      Figure 3.  Power balance in planning period

      根据电源规划结果选取典型日进行短期运行模拟,该算例中选取规划期第58个月内某典型日进行调度求解,该典型日内已有机组(包括规划新增的机组)信息如表2所示。

      表 2  短期调度机组信息

      Table 2.  Unit information of short-term scheduling

      参数台数/台总装机容量/MW
      常规机组19161668
      水电机组307980
      风光机组6390
      储能装置1260

      根据以上机组信息分别进行未考虑需求响应和考虑需求响应短期运行模拟,初次迭代结果中,该典型日内各类机组出力如图4图5所示。

      图  5  考虑需求响应短期运行模拟结果

      Figure 5.  Short-term operation results with demand response considered

      其中,峰谷平时段划分结果如表3所示。

      表 3  峰谷平时段划分

      Table 3.  Division of peak-valley-flat time period

      峰时段平时段谷时段
      9:00—11:00 16:00—21:006:00—9:00 11:00—16:00 21:00—23:0023:00—次日6:00

      图  4  未考虑需求响应短期运行模拟结果

      Figure 4.  Short-term operation results with demand response not considered

      对比分析图4图5可以看出,考虑需求响应后,日内峰谷差减小、负荷曲线更加平滑,同时储能充放电频率和充放电容量减少,有利于储能装置的维护和电网的经济运行。

      选取7:00—9:00光伏出力明显上升时段进行电力系统超短期运行模拟,调度时间间隔选为5 min。可得初次迭代结果如图6图7所示。

      图  7  考虑需求响应超短期运行模拟结果

      Figure 7.  Ultra-short-term operation results with demand response considered

      对比分析图6图7可以看出:未考虑需求响应时电力系统存在明显的弃风弃光现象,造成大量风电和光伏的浪费,不利于大规模可再生能源的并网;计及需求响应后,系统弃风弃光量大幅度降低,接近于零,可以得出考虑需求响应可以提高系统的灵活性,进而提高对可再生能源的消纳能力。

      考虑需求响应和未考需求响应的规划和运行成本如表4所示。

      图  6  未考虑需求响应超短期运行模拟结果

      Figure 6.  Ultra-short-term operation results with demand response not considered

      表 4  成本数据

      Table 4.  Cost data

      参数未考虑需求响应考虑需求响应
      规划期总成本/元7.1573×1087.1519×108
      短期运行成本/元4.5943×1074.5804×107
      超短期运行成本/元5.2126×1065.0843×106
      弃风弃光趋于零
      调峰缺额

      表中规划运行成本为迭代后最终结果,而弃风弃光和调峰缺额为初次迭代结果。对比分析未考虑需求响应和计及需求响应后的各阶段所需成本,可以看出考虑需求响应后各阶段所需费用均低于未考虑需求响应时所需费用。

      当不考虑需求响应时,由于日内峰谷差偏大,初次迭代求解结果不能满足系统灵活性需求,存在明显的弃风弃光现象。为了满足灵活性需求,需调用更多的灵活机组。当系统已投建机组不能满足备用需求时,需重新进行电源规划,优先投建爬坡能力强的灵活性机组,故会增加一定的投建成本。

      当考虑需求响应时,需求响应可作为电力系统需求侧的灵活性资源参与调度,虽然初次迭代求解结果仍不满足系统灵活性需求,有少量的弃风弃光量,但只需在短期运行模拟中增调灵活机组,用爬坡能力较强的机组替代爬坡能力较弱的机组即可,系统已投建机组可以满足备用需求。

    • 本文针对考虑需求响应的电力系统灵活性资源优化配置问题进行研究。首先建立考虑时空相关性的风光不确定出力模型,其次对储能等灵活性资源进行建模,再次建立峰谷平分时电价和可中断负荷两种需求响应模型,最后兼顾系统经济性和灵活性,建立综合考虑运行层、规划层和灵活层的电力系统灵活性资源优化配置模型。

      以某区域实际情况为例,对比分析未考虑需求响应和考虑需求响应之后的计算结果,可以得出增调灵活机组和需求响应参与调度均能提高系统灵活性,同时提高系统对可再生能源的消纳能力,最终验证了所提灵活性资源配置方法的经济性和有效性。

参考文献 (21)

目录

    /

    返回文章
    返回