基于需求响应的大规模风电消纳调度策略研究

东南大学电气工程学院2013/12/02基于需求响应的大规模风电消纳调度策略研究成立于1999年，国内最早开展需求侧管理研究的高校之一；在国内率先提出“能效电厂”和“智能需求侧管理”的概念和构架。国际合作，和美国弗吉尼亚理工大学、田纳西州立大学、美国能源基金会、美国自然资源保护委员会等建立了长期稳定的科研和人才交流合作；国内合作，和国家科技部、国家电网公司、南方电网公司、江苏省电力监管办公室、江苏省经贸委、江苏省电力公司等相关企事业单位和政府部门建立长期稳定的合作和联系机制东南大学需求侧管理研究所完成了有关DSM项目20多项，科研经费1000多万，发表全国重点期刊文章70多篇。开设了有关《需求侧管理理论与应用》研究生课程。参加了中国电力出版社《电力需求侧管理实用技术》、《电力需求侧管理工作指南》部分章节、《中国电力百科全书》“需求侧管理分支”的编写工作。协助国家电网公司电力需求侧指导中心办理《电力需求侧管理》双月刊和有关技术管理工作。东南大学需求侧管理研究所4DSM的理论研究DSM潜力分析和DSM规划需求侧管理决策支持系统围绕有关基金项目和973基础研究项目，开展了有关DSM的基础理论研究；建立了DSM的多目标模型，提出了模糊动态规划的解决方法；为规避电力市场下的电价不确定性，引入金融衍生工具制定可中断合同，并应用博弈论理论，制定激励机制建立了需求响应（DSM在电力市场环境下的新形式）分析模型，研究需求响应对于市场清算价的影响、对消除系统阻塞的作用、对系统备用的作用。研究了用户电力使用和设备调查和数据分析的方法；建立了负荷特性分析和DSM项目经济评估体系和潜力分析模型和算法；给出了根据实施DSM的目标和指标，制定实施DSM规划的方法。数据采集与管理子系统负荷特性分析子系统需求侧管理决策分析子系统系统管理子系统用户管理子系统基于需求响应的大规模风电消纳调度策略研究研究背景12研究内容总结与展望3全球能源短缺、能源供应安全形势的日趋严峻；可再生能源具有资源分布广、开发潜力大、清洁、安全、可永续利用的特点；可再生能源是保障能源安全、加强环境保护、应对气候变化的重要措施，已成为各国能源体系的重要组成部分；预计到2050年，可再生能源可开发总量的2.5%将能满足全球大约80%的能源需求。可再生能源在能源战略中的地位不断提升风电是发展较快的重要可再生能源成本较低技术较成熟可靠性较高中国风电产业快速发展2012年我国风电累计并网容量达6237万千瓦，取代美国成为世界第一风电大国。《风电发展“十二五”规划》：2015年，我国投入运行的风电装机容量达到1亿千瓦，年发电量达到1900亿千瓦时，风电发电量在全部发电量中的比重超过3%。风电并网消纳---风电发展过程中面临的突出问题之一《风电发展“十二五”规划》中指出：风电发展已从过去设备制造能力的制约转变为市场消纳能力的制约。风电并网消纳面临的关键问题分析风电具有随机性、波动性、间歇性等特点，具有明显的反调峰特性；风电预测精度有待提高，现有预测精度难以满足电网调控需求；风电并网容量快速增加，风电发展与系统安全运行的矛盾逐步显现。风电的大规模接入给电网的调度计划与运行控制带来了新的挑战，需提高系统的灵活调节能力配合风电出力的变化。促进风电并网消纳的调度策略提高风电预测精度间歇性电源预测误差必然存在，风电预测精度短时间内难以大幅提高。发电侧资源协调优化：风火互济系统、风水互济系统过分依赖传统机组增加碳排放，降低了风电接入的环境效益；发电侧调节能力有限，不能满足大容量风电接入要求。化学储能装置化学储能成本昂贵，同等容量下成本约为DR的8-15倍。发电侧和用电侧协调优化：需求响应DR资源与传统发电技术相比，更具环保效益；与价格昂贵的储能装置相比，DR经济性较好，因此DR成为消纳可再生能源技术上与经济上都极佳的解决方案。改进传统调度方式需求响应（DemandResponse）—消纳风电的新途径概念电力市场中的用户根据价格信号或激励机制做出响应，并改变正常电力消费模式的市场参与行为。作用降低峰荷、平缓负荷曲线、提供调峰、备用等辅助服务…特点能效高、分布广、响应稳定、经济性高。DR资源可以灵活部署和迅速替代发电资源，从而可以响应可再生能源变化，降低可再生能源接入的负面影响，维持电力平衡，成为配合风电运行，降低风电波动性的影响，维持电力平衡的新途径。研究背景12研究内容总结与展望3研究内容1面向大容量风电接入考虑用户侧互动的日前调度和运行模拟研究需求响应促进风电消纳的可行性分析研究内容2考虑网络约束的大规模风电接入系统中需求响应资源的优化分布研究研究内容3基于需求响应的大规模风电消纳随机机组组合模型网络约束、风电接入位置风电不确定影响需求响应促进大规模风电消纳的优化调度策略研究分时电价可中断负荷引导用户移峰填谷，与风电在夜间负荷低谷时段出力较多的特性对应，由峰时段转移至谷时段的负荷可以消纳多余的风电出力，提高风能利用效率。在系统峰荷或故障时，可以减少负荷需求量，等效于增加了备用容量，从而降低风电接入对系统可靠性的影响。考虑风电接入的日前调度计划模型运行模拟模型评估蒙特卡洛模型概述用户响应模型分时电价基于消费者心理学的用户响应原理可中断负荷用户申报容量成本和电量成本数学模型目标函数：约束条件：功率平衡约束：系统正旋转备用约束：系统负旋转备用约束：机组约束条件，如爬坡速率、机组输出功率范围等。1rewind,111Min(,,)Min{[()(1)()]}ILtNTNttttttiiILjiitiiiILLjtijFPUCfPCUUfPC1GitftyILtPPLupwind,up11ILNNttttttjILjisztijiIQUPRRdownwind,down11pNNtttttisftiiiiUPPRR机组运行成本机组启停成本机组备用成本可中断负荷补偿成本成本类型总成本/元发电成本/元启停成本/元IL容量/MWIL成本/元风电备用成本/元不考虑风电备用无DR646800.88641949.774851.11———融入DR616143.56594825.34924.112020394.12—考虑风电备用无DR709980.6646845.374298.13——58837.1融入DR(本文模型)649653.85606273.153049.9612020615.5119715.23成本对比电力不足均值/MW电力不足最大值/MW电力不足时段最大值/h可中断备用成本均值/元可中断备用成本最大值/元无DR7.58106.974——融入DR0001455.922245.22弃风量均值/MW弃风量最大值/MW弃风时段最大值/h无DR1.9424.52融入DR000电力不足分析弃风分析风电机组对电力系统可靠性贡献对比无需求响应融入需求响应保持系统可靠性水平下，风电场能替代的常规机组容量124MW317MW风电容量可信度0.2060.528风电对电量不足期望值贡献系数0.1960.0871结论需求响应可以有效降低风电波动性对系统的影响，提高系统经济性、风电利用效率和风电容量利用水平。大规模风电消纳系统经济调度模型线路传输容量限制风电接入位置需求响应的优化分布探讨在考虑网络约束的条件下，风电接入位置是否会影响DR的优化分布；探讨在考虑网络约束的条件下，系统中是否存在DR的相对最优部署位置；探讨考虑网络约束条件下，DR技术支撑体系的最佳部署位置。数学模型目标函数：约束条件：功率平衡约束：网络约束：响应负荷相关约束：机组约束条件，如爬坡速率、机组输出功率范围等。111t000min((),)(max_)iiiTTTnnitiitnNtiIiItiIPgttWccurtCcDflexEcddecrease,,()()(()())__nititijijitititnijiijgtWGcurtBttDemdincreaseddecreaseTtIjiPttBijjiij,,|))()((|_max,_max,itiitidincreaseDflexddecreaseDflexiItTmaxLmaxiiiDflexrDiIFlexDflexIiimax机组运行成本系统切风成本响应负荷容量成本响应负荷电量成本12345G1G2G3G4G5算例条件算例结果风电接入不同节点成本降低情况线路4-5不同传输容量下风电接入不同节点成本差值DR容量优化分布示意图（PJM5）不同DR分布的成本对比（PJM5）不同节点负荷变化示意图（PJM5）不同节点负荷变化示意图（IEEE118）结论需求响应可以降低网络约束对风电接入系统的影响；网络约束相较于风电接入位置对DR优化分布影响更大；考虑网络约束的系统中，DR应优先部署在接近网络阻塞线路的区域。大规模风电消纳系统经济调度模型线路传输容量限制风电不确定性需求响应的优化分布随机模型涵盖所有可能风电预测场景，通过两阶段决策确定调度方案，包括：机组启停、机组出力、切风量、需求响应资源的优化分布情况等，应对风电的不确定性；模型中机组启停为第一阶段变量，与场景信息无关；其他变量为第二阶段变量，是场景特定的，但在得知风电场景信息后才能确定实际的调度方案。随机规划数学模型目标函数：约束条件：功率平衡约束：启停成本约束：响应负荷约束：机组约束条件，如爬坡速率、机组输出功率范围等。,,,,,,111111Pr[(p)*]_cosggsNNNNTTstntstsntstntnMinfCCcurtstartt,,,,,,,,,,,,,,()()ntststsijitsjtsititsniijiijpwindcurtBLoaddem,,,1_cos*()ntnntntstarttSCuu,_cos0ntstartt,,,,,*(1)_itsitsiitpricedemLoadpriceref,,10Titstdem机组运行成本系统切风成本机组启停成本场景概率场景2下机组出力对比（（DRvsWithoutDR）12345G1G2G3G4G5风电场景与负荷预测算例条件PJM5-bus运行机组台数示意图（DRvsWithoutDR）算例结果不同场景下节点DR优化分布TotalCost($)CurtailmentCost($)StochasticDeterministicStochasticDeterministicε=016813.5416860.3450.7164.07ε=-0.116694.0416741.7033.8746.36ε=-0.216615.9216661.5420.0332.52ε=-0.316559.3116597.4110.9319.83系统运行成本对比结论随机模型中涵盖了风电可能的多种场景，可以协调优化调度方案，合理决策机组运行基点，降低系统期望运行成本。DR可以灵活部署，配合系统运行要求，特别是可以根据不同场景要求，与发电机协调优化，有利于机组位于更加经济的运行基点上。研究背景12研究内容总结与展望3需求响应可以灵活部署，配合可再生能源的消纳需求，实现与发电侧的协调优化，有效应对风电出力随机波动性、不确定性等对电网运行的影响。需求侧资源的参与可以有效降低系统成本，提高风电利用效率，是促进大规模可再生能源消纳的有效途径。促进可再生能源消纳的需求响应运行机制创新研究计及不确定性的需求响应模型及应用研究基于需求响应的系统合理消纳风电原则