电力系统日前优化调度

电力系统日前优化调度方法摘要：随着电力市场的发展与完善，电力系统的利益主体趋于多元化，电力系统日前优化调度的方法也在不断地完善。从传统的机组组合问题以及需求响应两个主要的方面介绍电力系统日前调度方法的研究进展和问题。对传统的电力系统日前优化调度问题进行了数学描述，建立传统的UC模型，包括目标函数、约束条件和求解方法。然后详细阐述了需求响应相关概念，给出了需求响应用户的两种参与形式和需求响应项目的分类，包括价格型DR项目和激励型DR项目。最后结合中国的电网发展建设趋势，对电力系统日前优化调度发展前景进行展望。关键词：日前优化调度、机组组合、价格型需求响应、激励型需求响应1引言电力系统日前优化调度是确保电力系统优化运行的重要环节，对于节能减排、降低污染物排放和确保系统安全稳定运行具有重要作用[1]。日前优化调度问题对第二天的机组启停状态和出力方案进行优化，以最小化全天的全网发电费用为目标，同时需要满足功率平衡约束、爬坡约束、线路安全约束等各类运行约束，具体包括日前机组组合和日前经济调度两部分。经过多年来的实践和研究，日前优化调度技术取得了长足的发展，在模型和算法上均不断完善。随着我国电力工业的不断发展，仅仅依靠传统的日前调度方法调度发电侧资源己经不能满足能源紧缺和电力紧张的局面。由于电力负荷峰谷差的逐渐拉大，电力调峰难度进一步増加。同时随着社会公众生态环保意识的増强，电力公司正积极寻求不同于传统方式的调度和运行模式来满足供需平衡。风电是目前发展前景最好的可再生能源发电方式之一，但由于其出力随机性和不确定性的特点，大规模风电并网将会给电网调度带来巨大挑战。随着未来智能电网中柔性负荷比例的不断提高，通过需求响应（demandresponse，DR）来适应风电大规模接入系统，将是未来智能电网的发展趋势。需求侧资源的开发利用日益引起人们的关注。相较于传统的电力调度方法，用户需求响应（DR）具有响应速度快、成本小、环境友好等优势。DR通过増加用户需求侧在市场中的作用，提高需求侧负荷弹性，基于价格和激励措施引导用户合理用电并积极参与电力负荷调节，进而优化系统运行。DR资源会极大地提高电能利用率和缓解用电紧张，推进节能减排，实现资源的优化配置，进而推迟对电网升级的投资。从实际效果来看，DR项目的实施不仅能给供电公司带来利益，还能给用户和政府带来实际效益。本文针对近年来国内外的电力系统日前优化调度新方法和新进展，对传统的日前调度，以及考虑需求响应的日前优化调度两个大的方向进行介绍。并结合未来智能配网的发展趋势对电力系统日前优化调度方法发展进行展望。2传统电力系统日前优化调度传统的电力系统日前优化调度，即机组组合（UnitCommitment,UC）问题。UC问题研究的主要内容是：根据有关技术要求制定合适的目标函数、约束条件，建立优化调度模型，然后研究高效的求解方法，并用相关算例检验模型和求解方法的有效性和实用性。基于以上认识，学者们从优化调度问题的建模和求解出发开展了大量的研究工作。2.1研究现状在建模过程中，根据所考虑因素的不同，可以将UC问题划分为计及不同约束、计及不同优化目标的的单目标或多目标优化问题。按照优化目标，电力系统优化调度可分为经济调度、市场调度、低碳调度等。此外，还有综合考虑多种指标的多目标优化模型。文献[2]构建了统筹资源消巧、环境效益和系统可靠性的多目标优化调度模型。而文献[3]建立了发电成本最小、污染气体排放最小、以及风电场功率短期波动带来的电网运行风险最小的多目标优化模型。按照约束条件，可以将调度分为考虑网络安全约束、备用约束以及风险约束等优化问题。目前，越来越多的研究考虑常规火电机组和其他种类的发电机组的联合调度，比如水—火联合调度[4]、风—火发电调度[2]、风—水—火混合系统调度[5]等等。针对UC问题的求解，由于问题是一个高维、非凸、不可微的非线性混合整数规划（MixedIntegerProgramming,MIP）问题，很难得到问题的精确最优解。计算量随决策变量数量的增加呈几何级数增长，是典型的NP难题，其求解方法大致可分为启发式算法、解析性优化算法和智能优化算法三类[6]。（1）启发式算法启发式算法是最早用于电力系统日前调度问题求解的一类算法，与解析性优化算法具有严格的理论基础不同，此类算法以直观判断和实际调度经验为基础，具有物理意义明确、实用性强的特点，同时也存在过多依赖人工经验，寻优精度不高、误差较大的缺陷。（2）解析性优化算法解析性优化算法有着比较明确的物理意义和数学理论基础，全局寻优能力较强，但是，相对于智能优化算法，其对优化数学模型的要求较高，部分算法可能存在维数灾问题，求解效率优势并不明显。（3）智能化算法智能优化算法是一类模拟自然界自然寻优过程的随机优化算法，因其具有理论要求弱、兼容性好、求解速度快的特点而广泛用于电力系统调度领域。目前应用较多的智能优化算法包括遗传算法、粒子群算法、人工神经网络算法、模拟退火算法等。2.2传统日前优化调度的数学描述UC问题可以描述为：在一定的调度周期内（通常为24h，在满足系统功率平衡、备用要求和机组运行等约束条件下，确定各时段内机组的启停方式及运行机组的出力计划，使得调度周期内的总运行成本最化。UC问题的决策变量为各发电机组的启停状态和有功出力。1目前UC问题的目标函数大都是在传统经济调度问题的目标函数的基础上扩展而来的。传统经济调度的目标函数为发电成本最小，发电成本主要包括发电机组的煤耗成本和启动成本。目标函数表示如下：,,,,1,11min[()C1]GTNNiGitGsciitittiFfPuu式中：TN为研究的全部时段，GN为常规发电机组数量；,,GitP为机组i在t时段的有功出力，,itu为机组i在时段t的运行状态，1为开机，0为停机。,GsciC为机组i的启动费用，可表示为,1/,=(1e)itiZGsciiiCKB,iK、iB、i分别为机组i的启动系数，,1itZ为机组i在t时段前的连续停机时间。,,()iGitfP为机组i在t时段的煤耗成本，通常表示为有功出力的二次函数，即2,,,,,,()=iGitiGitiGitifPaPbPc。其中ia、ib、ic分别为相应成本系数。2）约束条件约束条件主要包括系统运行约束和发电机组运行约束。系统运行约束条件主要包括功率平衡约束、旋转备用约束和线路传输功率约束等，发电机组运行约束主要包括技术出力约束、爬坡速率约束和最小启停时间约束等。,,,,1GNitGitLtiuPP(1),,1GNGittiRR(2)maxmax,,,,,,,,min(,)GititGiGitGitRuPPR(3)maxmax,,,,,11GDNNlliGitlnntlinPKPKPP(4)minmax,,,,,,itGiGititGiuPPuP(5),-1,,,,,1,GitdiGitGttutPrPPr，(6),1,1,()()0ononitiititXTuu(7),1,1,()()0offoffitiititXTuu(8)式(1)为系统功率平衡约束；式(2)-(3)为系统旋转备用约束；式(4)为线路传输容量约束；式(5)-(8)分别为常规发电机组出力上下限约束、机组爬坡速率约束、最小开机时间约束和最小停机时间约束。DN为负荷个数；,LtP、tR分别为时段t的系统负荷和备用需求；minmax,,GiGiPP、为机组i的出力下限和上限：,,GitR为机组i时段t提供的旋转备用容量；max,,GitR量；,ntP为时段t第n个负荷的预测值；,liK、,lnK分别为机组i负荷节点n对第l条线路的功率转移分布因子；maxlP为第l条线路的最大传输功率；,dir和,utr分别为机组i每小时的出力下降速率和出力上升速率；,onitX和,offitX分别为机组i在时段t已连续运行时间和停运时间；oniT和offiT分别为机组的最小开机时间和最小停机时间。3考虑需求响应的日前优化调度根据响应机理，可以将需求响应项目划分为以下２类；价格型DR项目和激励型DR项目。价格型DR项目主要包括分时电价（TOU）、实时电价（RTP）和尖峰电价（CPP）；激励型ＤＲ主要包括直接负荷控制（DLC）、可中断负荷（IL）、需求侧竞价（DSB）和紧急需求响应项目（EDRP）等。将不同类型的DR和UC问题结合，可以构建多种基于需求响应的日前优化调度模型。3.1需求响应用户参与形式电力市场环境下，随着需求响应技术的发展，需求侧电力用户不再仅仅是简单的电力受端，还是需求响应资源的提供者。系统中拥有大量的具有一定负荷调节能力的电力用户，通过主动进行用电需求、用电方式的调整，提供可削减负荷或者可转移负荷等需求响应资源，参加相应的需求响应项目。根据DR项目的运行实施机制，需求侧用户参与DR项目主要有以下两种方式：(1)大型需求侧用户直接参与对于大型的工业或者商业用户，其需求响应资源无论是在质量上还是容量上能够达到需求响应项目的市场准入门槛，可以根据自身的负荷特点直接参加相关的需求响应项目。(2)中小型用户通过DRP参与对于中小型的电力用户，尤其是数量庞大的居民用户来说，这些需求响应负荷在响应容量或者负荷弹性上很难达到市场设置的技术门槛，并且难以有效及时地响应系统的调度指令，因而运营商很难对这些数量庞大且分散的可控性和可靠性较差的需求响应负荷进行直接运行调度。为了便于这些小用户能够有效参与到电力市场中，充分发挥需求响应资源的经济效益和技术效益，需要对容量较小的负荷资源进行整合，国外很多电力市场引入了需求响应供应商（DRP）。部分文献也称之为负荷聚合商或负荷代理商，可将其理解为电力交易市场中的一种电力服务供应商。DRP主要具有以下两个功能：1)需求响应资源的整合商。可以为中小型用户提供参与电力市场的入口。2)电力竞争市场的参与者（功能类似发电商）。作为需求响应用户的代理商参与电力市场竞价交易，将整合的DR资源提供给市场购买者。需求响应资源的供应方为具有负荷调节能为的电力用户的整合，具体包括单纯的可调负荷、储能装置以及具备调节能力的分布式电源，购买方为电力交易中心，DRP在DR资源的供应方和购买方之间充当第三方代理商。DRP给电力终端用户提供一条参与电力市场的有效途径，同时也方便交易中屯、对需求响应资源的运行调度，减少系统的管理Ｌ义及交易成本。DRP与终端小用户关系作如下阐述：DRP整合分散难调度的终端用户的需求响应资源。在对用户的负荷结构及负荷弹性等需求响应潜力分析的基础上，挖掘出能提供有价值的需求响应资源的电力用户，DRP与此用户签订相应的需求响应合同，以取得该用户部分电力设备的用电决策权。DRP借助专业技术手段，在遵照合同约定的基础上，对大量的可控用户设备进行协调控制，来获得可控可调度的整合需求响应资源。在结算日，评估用户的响应结果，对其进行响应补偿或者惩罚。DRP与交易中心关系为：DRP基于整合的需求响应资源，参加需求响应项目，像传统发电商一样直接参与能量市场或者辅助服务市场竞价，向交易中也提供可调度的“发电量”或者辅助服务。3.2需求响应项目需求响应是指用户积极参与到电力市场的调度运行，并针对价格或者激励措施做出调整电力消费模式的响应。需要根据系统运行实际情况制定相应DR项目，以充分发挥其项目优势。按照响应机制的不同，需求响应可以分为价格型DR和激励型DR，具体如下图所示。（1）激励型需求响应激励型DR项目可分为３类，即自愿型项目、强制型项目和市场出清项目。直接负荷控制（DLC）和紧急需求响应项目（EDPR）属于自愿型项目，如果用户没有执行用电削减指令，不会受到惩罚。可中断负荷（IL）和容量市场项目（CAP）属于强制型项目，参与用户若不执行负荷削减调度指令会受到相应惩罚。需求侧竞价（DSB）和辅助服务市场项目（ASMP）属于市场出清项目，鼓励大需求侧用户申报需求侧竞价曲线同发电商一同参与交易市场竞价。（2）价格型需求响应价格型DR作为一种有效的需求响应方式