含高比例风电系统随机备用调度研究_杜刚.pdf

第 47 卷 第 4 期 电 网 技 术 Vol.47 No.4 2023 年 4 月 Power System Technology Apr.2023 文章编号：1000-3673（2023）04-1378-08 中图分类号：TM 721 文献标志码：A 学科代码：47040 含高比例风电系统随机备用调度研究杜刚1，赵冬梅1，刘鑫2（1华北电力大学电气与电子工程学院，北京市 昌平区 102206；2国网吉林省电力有限公司长春供电公司，吉林省 长春市 130000）Stochastic Reserve Scheduling of High Proportion Wind Power System DU Gang1,ZHAO Dongmei1,LIU Xin2(1.School of Electrical and Electronic Engineering,North China Electric Power University,Changping District,Beijing 102206,China;2.Changchun Power Supply Company,State Grid Jilin Electric Power Co.,Ltd.,Changchun 130000,Jilin Province,China)1ABSTRACT:High proportion of grid-connected wind power poses great challenges to the reserve capacity adjustment ability of the power system.In order to make up for the deviation between the planned and the actual wind farm outputs,the additional upspinning and downspinning reserve capacities should be required for the power dispatching.In this paper,considering the risk of violating security constraints,a day-ahead stochastic reserve scheduling model is proposed by using the stochastic chance-constrained optimization theory,which taking into account the uncertainty of wind power output and the output characteristics of the automatic generation control(AGC)units.First of all,based on the Markov chain Monte Carlo(MCMC)method,the wind power scenario is simulated,and the amount of the generated scenarios is automatically determined by using the violation probability of the chance constraints and confidence parameters.Secondly,the reserve output characteristics and operation constraints of the AGC units are comprehensively considered in the reserve scheduling model.By incorporating the reserve cost into the objective function,the optimal output plan of the conventional units and the optimal allocation coefficient of the reserve capacity of the AGC units are obtained simultaneously.Finally,the constructed stochastic standby scheduling model is equivalent to a semidefinite programming(SDP)problem to be solved directly.Experiments on the IEEE 30-bus system is carried out to demonstrate the effectiveness of the proposed reserve scheduling model.KEY WORDS:wind power uncertainty;stochastic reserve scheduling;reserve capacity;Markov chains Monte Carlo method;semidefinite programming 基金项目：国家重点研发计划项目(2017YFB0902600)；国家电网有限公司科技项目(SGJS0000DKJS1700840)。Project Supported by National Key Research&Development Program of China(2017YFB0902600);Science and Technology Project of State Grid Corporation of China(SGJS0000DKJS1700840).摘要：高比例风电并网对电力系统备用容量调节能力提出极大的挑战。为弥补风电场计划出力与实际出力之间的偏差，电力调度须额外预留上、下旋转备用容量。利用随机机会约束优化理论，计及违反安全约束风险，提出了一种考虑风电出力不确定性与自动发电控制(automatic generation control，AGC)机组出力特性的日前随机备用调度模型。首先，基于马尔可夫链蒙特卡洛(Markov chains Monte Carlo，MCMC)法生成风电出力场景，并利用违反机会约束的概率及置信参数自动确定所需生成场景数量。其次，全面考虑了 AGC 机组备用出力特性及运行约束，并将备用成本纳入目标函数，可同时得到常规机组最优出力计划与 AGC 机组备用容量的最优分配系数。最后，将所构造的随机备用调度模型等效为半定规划(semidefinite programming，SDP)问题进行直接求解。通过 IEEE 30 节点系统进行算例分析，验证了所构造的随机备用调度模型的有效性。关键词：风电不确定性；随机备用调度；备用容量；马尔可夫链蒙特卡洛法；半定规划 DOI：10.13335/j.1000-3673.pst.2022.0750 0 引言 世界能源的利用正向绿色低碳、清洁高效、持续可再生等方向转变，实现能源多元化、环保化、高效化以及低碳化是未来能源发展的必然趋势1。截至 2020 年底，我国风电已经成为仅次于火电和水电的第三大电力来源2。受限于风速的限制，风电出力具有剧烈的随机性、波动性及间歇性，虽然国内外众多专家学者关于风电出力预测领域已开展大量的研究工作，但仍无法得到精准的风电出力预测结果。风电出力的不确定性给电力系统的安全运行带来极大的风险，这需要电力调度预留出足够的备用容量，以平衡风电出力波动3。因此，应对风电出力不确定性的 AGC 机组备用容量最优配比问题的研究，对于风电并网消纳尤为重要。第 47 卷 第 4 期 电 网 技 术 1379 由于风电并网后给系统带来上述不确定性问题，如何在已有的传统调度运行方式中安全接入风电，是研究含高比例风电系统经济调度的首要问题，其核心关键在于配置合理的备用容量平衡风电出力波动。当预留备用容量不足时，系统无法及时有效地应对大规模风电出力的随机波动产生的影响，造成系统安全稳定运行问题；而预留备用容量过剩时，则会造成系统运行成本过高，经济性不 足4。文献5充分考虑了源荷双侧的不确定性，分别构建了负荷与风电功率预测误差的概率分布模型，并提出了一种计及风险备用约束的动态经济调度策略，该策略全面考虑了负荷与风电的不确定性。但上述风电出力不确定性模型是依据风速预测误差服从正态分布所构建，这与实际风速预测误差概率分布的“尖峰厚尾”特征存在一定偏差。文献6基于机会约束构建了含风电系统随机备用调度模型，但该模型同样直接设定风速预测误差服从正态分布。文献7-8为避免设定风电功率概率分布函数存在的偏差，采用对称区间处理风电功率的不确定性。但文中风电对称区间并非根据客观方法求取，而是依赖于主观经验直接给出。文献9提出了一种考虑先进绝热压缩空气储能电站备用特性的优化调度模型。但该模型利用三角模糊隶属度函数表征负荷与风电功率预测误差，而隶属度参数的选取完全依赖于决策者，存在较高的人为主观因素。文献10-11均采用鲁棒不确定集处理风电不确定性，并分别构建了电-热与电-气混合系统备用鲁棒调度模型。但该模型调度结果可能过于保守，致使系统运行的经济性较差。文献12构建了风电分布鲁棒模糊不确定集，并提出了一种计及灵活爬坡备用的多时段两阶段分布鲁棒调度策略。该类备用调度策略可同时兼备随机备用调度与鲁棒备用调度模型的优点，但风电分布鲁棒模糊集构造复杂，求解困难。利用随机备用调度模型所得到的调度结果精度较高，但该模型须生成大量的风电场景，往往求解时间过长；采用鲁棒备用调度模型所获得的调度结果安全性较高，但经济性不足；使用分布鲁棒调度模型可同时兼顾系统的经济与安全性，但利用该策略所求取的调度结果为随机优化与鲁棒优化调度结果的居中方案，其经济性低于随机优化模型调度结果，且安全性低于鲁棒优化模型的调度结果。鉴于上述关于含风电系统备用调度问题的研究进展，本文提出一种基于机会约束的随机备用优化调度模型，在随机备用调度模型中引入机会约束，可统筹系统运行的经济性与安全性。首先，为度量风电并网后的不确定性，将马尔可夫链蒙特卡洛(Markov chains Monte Carlo，MCMC)与复杂度相结合，以生成风电出力场景集。与传统的场景生成法相比，该场景法可依据风电历史数据直接生成特定数量的场景，避免人为设定场景数量，更无需生成大量的场景后再应用场景削减法确定场景数量，生成的风电场景更加客观，且生成场景的数量可依据违反机会约束概率与置信参数进行调整；其次，全面分析了 AGC 机组备用出力特性与运行约束，并允许调度计划在满足设定的置信度下，出现违反电力系统运行约束的情况，进而针对含高比例风电系统构建了随机备用调度模型。该模型可在给出机组出力计划的同时，额外给出 AGC 机组备用容量分配系数，相比于传统备用调度模型，该模型可兼顾客观性、经济性与安全性；同时，为避免调度结果出现局部最优问题，将所提出的随机备用调度模型转化为 SDP 问题再进行求解；最后，在 IEEE 30 节点系统验证模型的有效性。1 风电出力不确定性建模 利用蒙特卡洛法生成风电出力场景，模拟风电出力的不确定性，已在考虑风电不确定性优化调度模型中具有广泛的应用。蒙特卡洛场景生成法须事先假定风电功率或风电功率预测误差服从某一概率分布函数，但风电功率并非服从常见的概率分布函数，对一些高维的“重尾”分布函数具有更好的拟合度，而蒙特卡洛法的缺点就是无法对高维分布函数进行模拟。基于风电出力的概率分布特性，采用马尔科夫链蒙特卡洛法生成风电出力场景具有更高的适用性。本文将 MCMC 与复杂度相结合，提出了一种处理风电出力不确定性的场景生成法，该方法可以依据有限的