计及源-荷不确定性的高比例可再生能源系统协同优化运行

doi:10.3969/j.issn.1000-7229.2018.12.007

摘要/Abstract

摘要： 在含高比例可再生能源的电力系统中，由于风光出力的波动性和随机性，增加了电力系统协同优化运行的困难。首先通过拉丁超立方抽样进行风光、负荷实时出力的场景生成，再依据欧氏距离进行样本削减，将不确定性问题转化为场景分析问题。在此基础上分析不同用户类型在不同时间尺度的调度补偿策略，引入了由电价型和激励型需求响应组成的互补机制。以系统运行的经济性最高为目标，对比分析了不同调度策略下的可再生能源消纳率。算例表明计及源-荷双重不确定性后，所提策略能更好地平抑负荷曲线，提高风光消纳率，实现高比例可再生能源电力系统的协同优化运行。

关键词: 高比例可再生能源, 源-荷双重不确定性, 场景分析法, 多尺度运行, 需求响应, 风光消纳

Abstract: Under the background of high proportion of renewable energy, wind and photovoltaic power generation have become the key means to cope with climate change and promote energy conservation and emission reduction. However, due to their volatility and randomness, the difficulty of collaborative optimization operation of power system is increased. In this paper, the scene generation and load real-time output is generated by the Latin hypercube sampling, and the sample reduction is carried out according to Euclidean distance, and the uncertainty problem is transformed into the scene analysis problem. On this basis, the scheduling compensation strategy of different user types at different time scales is analyzed, and the complementary mechanism composed of electricity price type and incentive demand response is introduced. Taking the highest economic efficiency of the system operation, the renewable energy consumption rate under different scheduling strategies is compared and analyzed. The example shows that after considering the source-load uncertainty, the proposed strategy can better stabilize the load curve, improve the scenery consumption rate, and realize the collaborative optimization operation of high-proportion renewable energy power system.

Key words: high-proportion renewable energy, uncertainty of generation and load, scenario analysis, multi-scale operation, demand response, photovoltaic and wind accommodation.

中图分类号:

TM 61

刘梦依，邱晓燕，张楷,张浩禹，李凌昊. 计及源-荷不确定性的高比例可再生能源系统协同优化运行[J]. 电力建设, 2018, 39(12): 55-62.

LIU Mengyi, QIU Xiaoyan,ZHANG Kai,ZHANG Haoyu,LI Linghao. Collaborative Optimization Operation of Power Systems with High Proportion of Renewable Energy Considering Uncertainty of Generation and Load[J]. Electric Power Construction, 2018, 39(12): 55-62.

参考文献

［1］国家发展改革委.能源发展“十三五”规划［R/OL］.（2016-12-26）［2018-11-07］. http://www.ndrc.gov.cn/zcfb/zcfbtz/201701/W020170117335278192779.pdf.
［2］康重庆，姚良忠.高比例可再生能源电力系统的关键科学问题与理论研究框架［J］.电力系统自动化，2017，41（9）：2-11.
KANG Chongqing，YAO Liangzhong. Key scientific issues and theoretical research framework for power systems with high proportion of renewable energy［J］. Automation of Electric Power Systems，2017，41（9）：2-11.
［3］姚良忠，朱凌志，周明，等.高比例可再生能源电力系统的协同优化运行技术展望［J］.电力系统自动化，2017，41（9）：36-43.
YAO Liangzhong，ZHU Lingzhi，ZHOU Ming，et al. Prospects of coordination and optimization for power systems with high proportion of renewable energy［J］. Automation of Electric Power Systems，2017，41（9）：36-43.
［4］邱威，张建华，刘念.含大型风电场的环境经济调度模型与解法［J］.中国电机工程学报，2011， 31（19）：8-16.
QIU Wei，ZHANG Jianhua，LIU Nian. Model and solution for environmental/economic dispatch considering large-scale wind power penetration［J］.Proceedings of the CSEE，2011，31（19）：8-16.
［5］刘小聪，王蓓蓓，李扬，等.基于实时电价的大规模风电消纳机组组合和经济调度模型［J］.电网技术，2014，38（11）：2955-2963.
LIU Xiaocong，WANG Beibei，LI Yang，et al. Unit commitment model and economic dispatch model based on real time pricing for large-scale wind power accommodation［J］.Power System Technology，2014，38（11）： 2955-2963.
［6］孙宇军，李扬，王蓓蓓，等.计及不确定性需求响应的日前调度计划模型［J］.电网技术，2014，38（10）：2708-2714.
SUN Yujun，LI Yang，WANG Beibei，et al. A day-ahead scheduling model considering demand response and its uncertainty［J］.Power System Technology，2014，38（10）：2708-2714.
［7］别朝红，胡国伟，谢海鹏，等.考虑需求响应的含风电电力系统的优化调度［J］.电力系统自动化，2014，38（13）：115-120.
BIE Zhaohong，HU Guowei，XIE Haipeng，et al.Optimal dispatch for wind power integrated systems considering demand response［J］.Automation of Electric Power Systems，2014，13（38）：115-120.
［8］刘聪，刘文颖，王维洲，等.高载能负荷参与的电网消纳风/光电能力定量预评估方法［J］.电网技术，2015，39（1）：223-229.
LIU Cong，LIU Wenying，WANG Weizhou，et al. A quantitative method to pre-evaluate power grid’s capability of accommodation for wind/photovoltaic power under participation of high-energy load［J］. Power System Technology，2015，39（1）：223-229.
［9］包宇庆，王蓓蓓，李扬，等.考虑大规模风电接入并计及多时间尺度需求响应资源协调优化的滚动调度模型［J］.中国电机工程学报，2016，36（17）：4589-4600.
BAO Yuqing，WANG Beibei，LI Yang，et al. Rolling dispatch model considering wind penetration and muti-scale demand response resources［J］. Proceedings of the CSEE，2016，36（17）：4589-4600.
［10］刘小聪，王蓓蓓，李扬，等.计及需求侧资源的大规模风电消纳随机机组组合模型［J］.中国电机工程学报，2015，35（14）：3714-3723.
LIU Xiaocong，WANG Beibei，LI Yang，et al.Stochastic unit commitment model for high wind power integration considering demand side resources［J］.Proceedings of the CSEE，2015，35（14）：3714-3723.
［11］杨丽君，李健强，闫鹏达，等.计及供需侧备用协调优化的含风电场电力系统经济调度［J］.电力需求侧管理，2015，17（4）：7-12,19.
YANG Lijun，LI Jianqiang，YAN Pengda，et al. A wind integrated power system economic dispatch based on supply-demand coordinated optimization method［J］.Power Demand Side Management，2015，17（4）：7-12,19.
［12］范宏，左路浩，张节潭，等.考虑光伏出力不确定性的输电网概率潮流计算［J］.电力系统及其自动化学报，2017，29（11）：111-116.
FAN Hong，ZUO Luhao，ZHANG Jietan，et al. Probability power flow calculation of transmission network considering uncertainty of photovoltaic output［J］.Proceedings of the CSU-EPSA，2017，29（11）：111-116.
［13］俞国勤，杨雪纯，王蓓蓓.风电功率预测信息对电力系统日前调度的影响及其适应性研究［J］.华东电力，2014，42（8）：1622-1628.
YU Guoqin，YANG Xuechun，WANG Beibei，et al.Impact of wind power forecast information on power system day-ahead scheduling and its applicability［J］. East China Electric Power，2014，42（8）：1622-1628.
［14］李春燕，陈骁，张鹏，等.计及风电功率预测误差的需求响应多时间尺度优化调度［J］.电网技术，2018，42（2）：487-494.
LI Chunyan，CHEN Xiao，ZHANG Peng，et al. Multi-time-scale demand response dispatch considering wind power forecast error ［J］. Power System Technology，2018，42（2）：487-494 .
［15］陈沧杨，胡博，谢开贵，等.计入电力系统可靠性与购电风险的峰谷分时电价模型［J］.电网技术，2014，38（8）：2141-2148.
CHEN Cangyang, HU Bo, XIE kaigui, et al. Time-of-use price model including the power system reliability and the risk of electricity purchase［J］. Power System Technology, 2014,38（8）:2141-2148.

[1]	王瀚琳, 刘洋, 许立雄, 陈贤邦, 谭思维. 考虑风电消纳的区域多微网分层协调优化模型[J]. 电力建设, 2020, 41(8): 87-98.
[2]	李恒强，王骏，蒋星燃，匡仲琴，徐石明，杨永标. 面向电网调峰辅助服务的空调负荷调控策略及其虚拟机组建模[J]. 电力建设, 2020, 41(7): 49-57.
[3]	赵晨，何宇俊，罗钢，龚超，赵越，张轩，陈启鑫. 基于泛在互联的虚拟电厂参与实时市场模型[J]. 电力建设, 2020, 41(6): 36-43.
[4]	苏俊妮，张鑫，赵俊炜，张锐，曲明辉，杨艳红. 计及需求响应和储能的电-气综合能源系统优化调度[J]. 电力建设, 2020, 41(5): 1-8.
[5]	都成，魏震波. 基于模糊激励型需求响应的微电网两阶段优化调度模型[J]. 电力建设, 2020, 41(5): 37-44.
[6]	李鹏，杨莘博，李慧璇，田春筝，李锰，谭忠富. 计及多能源多需求响应手段的园区综合能源系统优化调度模型[J]. 电力建设, 2020, 41(5): 45-57.
[7]	祁兵，叶欣，李彬，陈宋宋，李源非，石坤. 考虑IEC标准的用户侧电力物联网体系架构研究[J]. 电力建设, 2020, 41(5): 92-99.
[8]	许志恒，张勇军，余兆荣，王玕. 考虑激励型需求侧响应的电-气互联系统两阶段随机优化调度[J]. 电力建设, 2020, 41(4): 81-89.
[9]	张军六，樊伟，谭忠富，鞠立伟，德格吉日夫，杨莘博，孙婧霞. 计及需求响应的气电互联虚拟电厂多目标调度优化模型[J]. 电力建设, 2020, 41(2): 1-10.
[10]	周洪益，钱苇航，柏晶晶，卫志农，孙国强，臧海祥. 能源区块链的典型应用场景分析及项目实践[J]. 电力建设, 2020, 41(2): 11-20.
[11]	张涌新，沈弘，文俊. 面向综合需求响应的综合能源系统储能控制面向综合需求响应的综合能源系统储能控制[J]. 电力建设, 2019, 40(9): 43-51.
[12]	王莉，吴国沛，曾顺奇，何仲潇，董树锋. 考虑上级电网与工业园区互动的综合需求响应[J]. 电力建设, 2019, 40(9): 52-63.
[13]	袁桂丽，董金凤，魏更，贾新潮. 基于需求响应和多能互补的冷热电联产微网优化调度[J]. 电力建设, 2019, 40(9): 64-72.
[14]	刘拥军，曹晓峻，胡朝阳，王珂，徐立中，高赐威. 数据网络参与多调峰辅助服务市场组合优化调度策略[J]. 电力建设, 2019, 40(9): 82-90.
[15]	王星华，刘升伟，陈豪君，彭显刚，周亚武. 考虑用户差异性的售电公司需求响应电价模型[J]. 电力建设, 2019, 40(9): 116-123.