PDF《考虑风电消纳的热电联供型微网日前鲁棒经济调度》

考虑风电消纳的热电联供型微网日前鲁棒经济调度 朱嘉远,刘洋,许立雄,蒋卓臻,马晨霄 ( 四川大学电气信息学院,四川省成都市

6 1

0 0

6 5 ) 摘要:针对热电联供型微网中的风电不确定性, 文中构建双层鲁棒模型从而得到最恶劣风电出力 场景下的微网最优日前调度方案.

模型考虑了可控机组运行成本、 功率交互成本, 并将弃置的风电 功率以惩罚的形式引入目标以提高微网对风电的消纳能力.鉴于模型内外层之间是相互影响的, 文中将原问题分解为日前计划调度主问题以及计及风电出力不确定性的执行调控子问题从而进行 求解.在求解过程中, 利用线性优化强对偶理论对 m a x - m i n结构的子问题进行转化, 并引入 B i g - M 法将所得对偶模型线性化, 然后采用列约束生成算法对主问题和子问题进行交互迭代从而获得 最优解.最后, 通过算例验证了所提模型的有效性. 关键词:微网( 微电网) ;

双层鲁棒优化;

预测偏差控制;

列约束生成算法;

强对偶理论;

B i g - M 法 收稿日期:

2 0

1 8 -

0 2 -

1 4;

修回日期:

2 0

1 8 -

0 6 -

1 9. 上网日期:

2 0

1 9 -

0 1 -

1 0.

0 引言 微网运行灵活, 能够实现高度自治, 是热电联产 ( c o m b i n e dh e a ta n dp o w e r , CH P) 以及风力发电的 有效管理单元[

1 - 4] .其中, 含风电的热电联供型微网 可通过配置储能、 接入电锅炉与 CH P 机 组协调供 热等方法提升风电消纳空间[ 5] .由于多种可控单元 的存在, 如何对微网进行优化调度成为现阶段研究 的重点. 目前, 对于微网调度的研究多以提高可再生能 源( r e n e w a b l ee n e r g ys o u r c e , R E S ) 利用率以及优化 总运行成本为主[

6 -

1 3 ] .文献[

6 - 8] 侧重于 优化模型 的建立及求解, 并基于 R E S的预测值进行计算.考 虑到实际调度过程中, R E S的随机特性会给微网运 行带来极 大的挑战[

1 4] , 因此需要对其进行有效应对.常用的方法主要包括随机规划方法以及场景分 析法[

9 -

1 3] .文献[

9 -

1 1 ] 针对风、 光、 负荷等不确定因 素,建立机会约束规划(chanceconstrainedprogramm i n g , C C P) 模型, 其以最小化微网运行成 本为目标, 优化各微源出力, 获得最佳运行方式.然而CCP所需的精确概率密度函数通常不易获取, 最 终导致优化结果与实际需求存在一定偏差.文献 [

1 2 -

1 3 ] 采用蒙特卡洛模拟法以及场景削减技术生 成多个 R E S出力的特征场景, 该方法有效降低了微 网运行成本并提高了调度的准确性.但是采用场景 分析法生成具有代表性的场景往往较为困难, 而且 在场景削减过程中可能会丢失部分极端场景的信 息[

1 5] , 最终导致模型无法反应实际情况. 近年来, 鲁棒优化由于对不确定参数的刻画简 单, 在微网经济调度中受到了广泛的应用[

1 6 -

1 8] .文献[

1 6 ] 提出静态鲁棒优化模型, 并基于 S o y s t e r 鲁 棒优化框架将模型中的不确定变量转化为确定性变 量, 但静态鲁棒优化方法所得结果通常偏保守.文献[

1 7 ] 构建了微网广义能量优化鲁棒模型, 提出多 阶段的端点场景优化方法.然而该方法需生成大量 场景, 计算量较大.文献[

1 8] 构建了 m i n - m a x - m i n 结构的鲁棒优化模型, 其通过 m a x - m i n优化问题搜 寻最恶劣场景, 并引入可调鲁棒参数供决策人员调 控调度方案的保守程度.其在求解过程中根据决策 变量类型对主问题和子问题进行划分, 所对应的两 阶段问题的物理意义较为模糊. 本文构建了热电联供型微网日前经济调度双层 鲁棒优化模型, 模型引入了针对最恶劣场景的调控 层, 并将日前调度方案均归类为外层鲁棒决策变量 以使得模型决策类型与实际需求更为贴合.对于双 层鲁棒问题, 本文以模型分解以及迭代的思想进行 有效应对, 并引入线性优化强对偶理论、 B i g - M 法以 及列约束生成算法对模型进行转化及求解, 最后通 过算例验证了本文方法的正确性.

1 热电联供型微网日前经济调度鲁棒模型 1.

1 热电联供型微网系统结构 本文热 电联供型微网的系统结构如附录A图A1所示.系统包含了分布式风电机组、 溴冷机、 微型燃气轮机( m i c r ot u r b i n e , MT) 、 燃料电池( f u e l

0 4 第4 3卷第4期2019年2月2 5日Vol.43N o . 4F e b .

2 5,

2 0

1 9 D O I :

1 0.

7 5

0 0 / A E P S

2 0

1 8

0 2

1 4

0 0

7 h t t p : / / ww w. a e p s - i n f o . c o m c e l l , F C) 、电锅炉(electricboiler,EB) 、电储能(electricale n e r g ys t o r a g e , E E S)和热储能(heatstorage,HS)等运行单元[

1 9 ] .其中, E B在适当时刻 协调供热, 增加电负荷, 有助于提升微网的风电消纳 空间. 1.

2 日前经济调度双层鲁棒模型概述 上述热电联供型微网的日前经济调度, 通常可 描述成一个以微网日前运行成本最小为目标的优化 问题, 模型可简写如下: m i n x Cd a( x) s . t . Hd a( x) =0 Gd a( x)≤0 ì ? í ? ? ? ? (

1 ) 式中: 目标函数 Cd a( x) 为微网的日前运行成本;

约 束条件 Hd a( x) 和Gd a( x) 包括了微网的能量平衡约 束、 微网各运行单元自身的相关约束等;

优化变量x 为日前调度方案, 包括 MT, F C 和EB的开停机状 态及出力、 储能的充放状态及功率以及日前购售电 计划等.式(

1 ) 模型中分布式风电机组的出力作为 已知量, 通常采用预测值. 但在现有技术条件下, 风电出力预测误差不可 避免.上述基于风电预测出力得到的日前经济调度 方案在执行时, 因风电预测出力与实际出力的偏差 将产生不平衡功率需要额外调控[

2 0] , 由此将产生一 定的调控成本.在当前风电出力预测精度难以有效 保证的情形下, 若仅依据风电预测出力制定日前经 济调度方案, 可能与实际最优方案偏差较大, 影响最 终调度结果的经济性.因此在制定日前经济调度方 案时, 需要考虑因风电出力不确定而带来的额外调 控成本, 即minx{Cd a ( x) +m i n y Cr t( u, y) } s . t . Hd a( x) =0 Gd a( x)≤0 Hr t( x, u, y) =0 Gr t( x, u, y)≤0 ì ? í ? ? ? ? ? ? ? (

2 ) 式中: 内层最小化的目标函数Cr t( u, y) 为日前调度 方案x 的执行调控成本;

新增约束 Hr t( x, u, y) =0 和Gr t( x, u, y) 包括了微网的能量平衡约束、 微网各 可控运行单元的调控约束等;

内层优化变量y 为日 前调度方案x 的执行调控方案, 包括 MT, F C和EB的出力调控量、 储能的充放电功率调整量以及购售 电计划调整量等;

为提高微网对风电的消纳能力, 内 层引入了弃风惩罚项, 该项包含了不确定参数u, 为 微网内分布式风电机组的出力. 上述双层优化模型的内层, 为包含了不确定量 的最小化问题, 对此进一步采用可调鲁棒优化方法 进行处理, 最终可得如下的热电联供型微网日前经 济调度双层鲁棒模型: m i n x { Cd a( x) +m a x u m i n y Cr t( u, y) } s . t . Hd a( x) =0 Gd a( x)≤0 Hr t( x, u, y, Γ) =0 Gr t( x, u, y, Γ)≤0 ì ? í ? ? ? ? ? ? ? (

3 ) 式(

3 ) 模型的外层为日前经济调度主问题, 搜寻 风电出力最恶劣场景下的微网最经济日前调度方 案, 其优化变量x 为日前调度方案;

内层为因风电 出力不确定而引起的日前调度方案x 的执行调控 子问题, 搜寻日前调度方案x 下的风电出力最恶劣 场景及对应的最经济调控方案, 其优化变量为日前 调度方案x 的调控方案y 以及对应风电出力场景 u.Γ 为可调鲁棒参数, 用于协调鲁棒性与经济性. 综上所述, 为了获得具有一定鲁棒性的微网日 前调度方案, 引入了考虑风电出力不确定性的模拟 调度问题, 构建了 m i n - m a x - m i n结构的双层鲁棒优 化模型, 外层和内层分别对应了日前鲁棒决策变量 以及新引入的辅助调控 变量.其中内层max-min结构模型通过搜寻最恶劣风电出力场景以及相应的 调控策略, 影响外层的日前调度方案, 保证日前调度 方案的鲁棒性. 1.

3 不确定参数 鉴于风电本身存在的较大随机性与不确定性, 在现阶段预测技术支持下, 其预测误差往往会高于 负荷等其他因素, 因而本文主要考虑了风电出力的 不确定性.所以, 式( 3) 模型中的不确定参数u 具 体体现为微网中分布式风电机组的出力, 不确定的 主要原因是 风速预 测的误差.本文采用文献[21-22]的不确定集合表征方法, 将风速数据以区间形式 描述如下: v ∈ [ vp r e -vw i d t h , vp r e +vw i d t h ] (

4 ) 式中: vp r e 为预测风速;

vw i d t h 为风速波动量. 根据风电输出功率与风速之间的分段函数关系 式(

5 ) , 可得风电出力区间如式(

6 ) 所示: P( v) =

0 v vc u t o u t v-vc u t i n vr a t e d -vc u t i n φ i vc u t i n ≤v ≤vr a t e d φ i vr a t e d ........