A-多时间尺度协调的源-荷互动调度的模型与策略研究.pdf

A-多时间尺度协调的源-荷互动调度的模型与策略研究.pdf

《A-多时间尺度协调的源-荷互动调度的模型与策略研究.pdf》由会员分享，可在线阅读，更多相关《A-多时间尺度协调的源-荷互动调度的模型与策略研究.pdf（11页珍藏版）》请在冰豆网上搜索。

2013电力系统自动化专委会学术交流研讨会论文集多时间尺度协调的源多时间尺度协调的源-荷互动调度的模型与策略研究荷互动调度的模型与策略研究杨胜春1，2,刘建涛1，姚建国1，王珂1（1.中国电力科学研究院（南京），江苏省南京市210003；2.华中科技大学电气与电子工程学院，湖北省武汉市430074）摘要:

负荷侧资源参与电网的有功调度在提高风电接纳能力方面存在着巨大潜力，但会对调度系统带来复杂的控制问题。

为解决这一问题，本文提出了多时间尺度协调的源-荷互动调度。

首先，建立了“多级协调、逐级细化”的多时间尺度源荷调度总体框架，将负荷调度的整个过程分为4个时间尺度，包括日前24h负荷调控、日内1h负荷调控、日内15min负荷调控和实时负荷调控；其次，研究了风电功率预测不确定性模型、负荷代理决策模型和调度控制中心决策模型；然后，在这几个核心模型的基础上，探讨了多时间尺度“源-网-荷”协调调控策略，给出了计及风电不确定性的负荷调整量的决策计算方法；最后，在某地区实际电网算例上进行了仿真验证，结果表明，本文所设计的负荷调度模型可以充分利用不同时间尺度上的负荷资源，有效平衡风电功率波动。

关键词:

源-荷互动;调度;需求响应;多时间尺度；代理；协调；不确定性00引言可再生能源以其清洁、低碳、可持续的特点，在世界各国一直保持了快速发展的态势。

与传统电源相比，可再生能源大多具有间歇性、随机性和波动性等特点，这是目前制约可再生能源高效利用的主要瓶颈。

在间歇性电源渗透率达到一定程度时，对于发电计划的编制、有功实时调度和频率控制以及备用容量安排等都将产生极大影响，如果不能实现有效调度，将必然出现不必要的弃风、弃光，影响电网运行的经济性，严重时还会影响电网安全稳定运行。

因此，探索大规模可再生能源调度难题，成为当前阶段中国乃至全世界电力行业发展的研究热点之一1-6。

文献4从总体上提出了电源、电网和负荷三者间应进行协调互动，以利用全网的可调节资源来经济高效地提升间歇式能源的接纳能力，展望了“源-网-荷”互动运行控制将成为智能电网的重要发展方向。

在源荷互动研究方面，一般来说，有如下三种思路。

一是研究间歇式电源的高精度预测方法，减少预测误差，从而可以直接减少备用安排，这是目前有效解决大规模间歇式电源并网调度问题的主要方法7-10。

这一方法目前已在生产实践中得到了应用。

二是在计及可再生能源概率的基础上优化发电计划。

文献11建立了基于随机机会约束规划的最优潮流模型，研究了含风电场电力系统的最优潮流。

文献12-13采用模糊决策模型，分别对风电预测误差和风电出力进行模糊建模并进行求解。

三是利用需求响应（DemandResponse，DR）来平衡间歇式电源的波动。

这是国际上普遍关注的研究热点13-18。

文献14-15分析了包含风电、光伏发电等间歇式电源的条件下，需求响应参与电网调度的问题。

文献13在经济调度模型中考虑了价格型的需求响应，但仅考虑机组爬坡限制，没有考虑启停约束，算例证明了DR在提高风电消纳能力中的作用。

文献14介绍了利用带自动调温装置的可控负荷来提供小时级内的需求响应，说明了DR可作为备用容量的可行性。

可再生能源调度决策是消纳大规模间歇式电源的核心问题，包括特性分析、日前调度和实时调度等。

电力系统自动化杂志曾在2011年第22期刊出了“间歇式能源消纳”专刊。

文献19研究了考虑风电不确定性的电力系统日前调度计划问题，建立了计及风电功率间歇波动引起系统备用不足风险的多目标优化调度模型，将原问题分解为经济发电和旋转备用2个混合优化子问题，采用分解交替迭代求解策略进行求解。

文献20基于“多级协调、逐步细化、滚动调度”的思路，设计了一种多时间尺度协调有功调度系统，充分利用较短时间尺度内更新的更为准确的风电信息，从而提高系统2013电力系统自动化专委会学术交流研讨会论文集运行的经济性和安全性；文献21基于风电预测误差随时间尺度的缩短而逐步减小的特性，以及为应对风电不确定性而增加的旋转备用为小概率备用需求的特点，提出了多级机组组合制定策略，以在保证系统供电可靠性的前提下降低发电成本。

未来电网运行控制将改变传统的“发电跟踪负荷”的思路，将传统的发电调度改变为“源荷双侧调度”，即全面实现“源-网-荷”柔性互动4。

在电源、负荷与电网三者间通过源源互补、源网协调、网荷互动和源荷互动等多种交互形式，实现更经济、高效和安全地提高电力系统功率动态平衡能力的目标。

基于这一思路，本文提出源-荷互动调度，是指通过电源侧和负荷侧的良性有序互动，实现可再生能源优化利用。

与自发的无序互动不同，这种互动完全是一种有序的，良性的，是在追求电网调度的总体目标并遵循相关原则下实施的调度。

负荷侧的储能、电动汽车等可控负荷参与电网有功调节，电力用户中的工业负荷、商业负荷以及居民生活负荷中的空调、冰箱等作为需求侧资源能够实时响应电网需求并参与电力供需平衡，通过有效的管理机制，柔性负荷将能够成为平抑间歇性能源功率波动的重要手段。

本文给出了源-荷互动调度的整体技术框架，建立了源-荷互动调度模型，研究提出了源-荷互动调度策略，并进行了仿真验证。

11源-荷互动调度的整体技术框架风电预测精度具有随时间尺度逐级提高的特性，预测时间越短，预测误差相对越小，对系统带来的不确定性扰动越小。

同样从时间维度上来看，不同的电力负荷由于受自身工作特性的限制，在参与需求响应时所需提前通知时间、响应速度、响应持续时间等因素也不相同，通过对某区域电网的分类负荷特性进行分析可知，系统中大部分负荷参与需求响应时所需的提前通知时间较长，响应速度较慢，如钢铁、水泥等重工业负荷，允许通知时间短、响应速度快的负荷所占比例较小，如居民负荷和部分公共设施类负荷。

可见，风电功率预测的不确定性和负荷参与需求响应特性在时间尺度上具有协同特征。

因此，基于“多级协调、逐步细化”的思路，本文设计了多时间尺度源-荷互动调度模式，将负荷调度的整个过程分为4个时间尺度，包括日前24h负荷调控、日内1h负荷调控、日内15min负荷调控和实时负荷调控，总体架构如图1所示。

调度交易中心Agent-2激励型负荷刚需型负荷.Agent-1Agent-n.日前24小时负荷调控日内1小时负荷调控日内15分钟负荷调控实时负荷调控（秒级）发电机组风电0tF（0,0）F（1,1）F（2,2）F（3,3）IAi=Ai,Bi,Di0,Dimax,DiminICi=DGE,F（0,0）,Aj,Bj,D0j,Djmax,DjminIA1iIC1iObj:

mincostAgent-iS.t.:

Di=DzliminlilimaxDinminDinDinmaxDjminDjDjmaxObj:

mincostCS.t.:

Pr|Di-DGE-Dw|LiminLiLimaxDiminDiDimaxDGEIA2iIC2iIA3iIC3ilipPi,lP0,DP0EX,DEX0Gi,lG0,DG0（分时电价负荷）激励型负荷电价型负荷IA0iIC0i图11源-荷互动调度总体架构Fig.1ThegeneralframeworkoFig.1Thegeneralframeworkofsourcefsource-loadinteractiveschedulingloadinteractivescheduling图1中：

F（,）表示不同时间尺度下风电功率的概率分布函数；DGE为系统内发电机组的出力；ICNi和IANi分别表示对应于各级负荷调控、第i时段负荷代理从调度控制中心获取的系统信息和代理上报竞价信息；L0为调度控制中心制定的分时电价；DP0、Pi、lP0为对应于各级调控的代理内部电价型负荷信息，lip为i时段电价型负荷最终的交易电价；、DEX0为应于各级调控的代理内部激2013电力系统自动化专委会学术交流研讨会论文集励型负荷信息，EXi为i时段激励型负荷所获得的激励。

本文主要针对前三个时间尺度源-荷调控的协调控制效果进行分析。

22源-荷互动调度模型2.12.1风电功率的不确定性模型风电功率的不确定性可以由风电功率预测的误差来表示。

本文采用正态分布作为风电功率预测误差的分布模型。

假设预测误差服从正态分布N（0,2），其中2为取决于预测时间尺度。

在此基础上，可设定风电场输出有功功率模拟值PM（t）近似服从N（PP（t）,2），均值PP（t）为风电场有功功率预测值，方差2则需根据不同的预测时间尺度进行取值，以准确反映该点功率预测误差水平。

风场有功输出可表示如下：

=222）（exp21）（ptPPxtPM

（1）当取不同数值时，风电出力的概率密度和概率分布如下：

00.20.40.60.8100.511.522.533.54风电出力（p.u.）概率密度=0.3=0.2=0.100.20.40.60.8100.10.20.30.40.50.60.70.80.91风电出力（p.u.）概率分布=0.3=0.2=0.1a）风电出力概率密度b）风电出力概率分布图2风电出力概率密度和概率分布Fig.2Thediagramofwindpoweroutputprobabilitydensityandprobabilitydistribution2.22.2负荷代理决策模型系统中可参与负荷调控的需求侧资源具有单个负荷容量微小、负荷数量巨大、参与方式多样等特点，若每个负荷都以适合自己的方式直接参与电网调控会造成控制系统和通信系统及其复杂，因此，在调度控制中心和需求相应负荷之间引入一个代理协调层22。

调度控制中心会根据负荷代理的报价策略和该时段的功率需求计算该时段的功率调整补偿电价及功率分配情况，并将相关信息下发至各个负荷代理。

负荷代理得到其分配的功率调整数量，以调控成本最低为目标，通过调整电价型负荷的到户电价和激励型负荷的激励措施，对其内部负荷的用电功率做出相应调整。

以调控成本最低为目标建立负荷代理的决策模型如下：

Obj：

）,（mincos0_0_TiEXkTiPkDDtDD

（2）s.t.：

0_0_0_TiEXkTiPkTVkDDDD+D=D（3）2013电力系统自动化专委会学术交流研讨会论文集max0_0_min0_TiEXTiEXTiEXDDD（4）max0_0_min0_TiPTiPTiPDDD（5）max0_0_min0_TotherTotherTotherDDD（6）式中DVk_T0为代理k分配的功率调整总量；DiPk_T0、DiEXk_T0分别为代理内部电价型负荷和激励型负荷的功率调整总量。

解上述模型后，可以得到代理内部电价型负荷和激励型负荷的功率调整总量，进而可以得到代理内激励型负荷的激励大小和电价型负荷的电价变化量。

2.32.3调度中心控制决策模型在计及风电完全接纳的条件下，为平抑风电预测功率不确定性引起的有功不平衡量，调度控制中心需要调整发电机出力或负荷代理功率。

调度控制中心的功率调整成本可以表示为（不计人工费和损耗）：

）（）（GGagentAjyzxDcostDcostcostD+D=（7）式中costA（Dagent）为调度控制中心通过负荷代理调节功率Dagent时向负荷代理支出的补偿费用；costG（DG）为调度控制中心通过发电机组调整功率不平衡量DG时向发电机组支付的补偿费用。

调度控制中心在获取各个负荷代理上报的竞价信息后，以调控成本最小为目标，以功率平衡和各发电机、负荷代理出力限制为约束条件，建立调度控制中心的决策模型如下：

Obj：

=D+D=nkiAkmjiGjtotalDtDtc11）（cos）（cosmin（8）s.t.：

=D+D=DmjiGjnkiAkVDDD11（9）iGkALL=（10）maxminiGjiGjiGjDDD（11）maxminiAkiAkiAkDDD（12）式中：

DiAk为i时段第k个负荷代理的功率调整量；DiGj为i