汪 鑫
（國網四川省電力公司檢修公司特高壓直流中心，四川 成都 610036）
1 綜合能源系統多時間尺度低碳調度優化
1.1 源荷不確定性分析
隨著運行時間的改變，風能與負荷的預測偏差呈現逐步下降趨勢[1]。本文通過三角模糊數分析風能與負荷的預測偏差帶來的不確定性問題。模糊變量計算公式為
式中：為日前風能預測的模糊變量；為日前負荷預測的模糊變量；PWDA,t為日前時間點t風能的預測結果；PLDA0,t為忽略電價響應影響的負荷預測結果；δ3DA為日前風能預測誤差區間的上邊界系數；δ1DA為日前風能預測誤差區間的下邊界系數；q3DA為日前負荷預測誤差區間上邊界系數；q1DA為日前負荷預測誤差區間的下邊界系數。
設為風能日內預測的模糊變量，為負荷日內預測的模糊變量，為實時階段的風電模糊變量，為實時階段的負荷模糊變量。采用與風能、負荷日前預測的模糊變量同樣的方法來確定風能、負荷日內、實時預測的模糊變量，具體不再贅述。
當綜合能源系統采用分時電價策略后，用戶會產生激勵響應。因此，引入響應彈性中的預測誤差，實現負荷側不確定性的全面分析[2]。基于消費者心理學模型，利用死區、線性區、飽和區反映不同時間點負荷轉移性，并充分分析負荷轉移率誤差區間[3]。
峰谷負荷轉移率可描述為
式中：Δppv為峰谷負荷的電價差；Δppv0為死區邊界的電價差；Δppv,max為飽和區電價差；κpv,max為的潛力極大值；αpv為在線性區發生改變的斜率；為誤差區間。
當Δppv發生改變后，隨之變化，其曲線呈先上升后下降變化。
可描述為
式中：Δppv,max為峰谷負荷轉移率誤差的極大值 ；為峰谷轉折點處的電價差值；αa為電價作為響應誤差主要決定因素在前峰谷電價差波動時的響應誤差區間系數；αb為電價作為響應誤差主要決定因素在后峰谷電價差波動時的響應誤差區間系數。
在全面分析負荷預測偏差和分時電價策略各時間點負荷轉移引發的不確定問題的基礎上，對日前、日內、實時優化控制階段的各時間點負荷進行擬合分析[4]。其中日前各時間點負荷的擬合可描述為
式中：PLDA0,t為日前時間點t下只衡量預測偏差時的負荷模糊變量；p為波峰時間點負荷集合；f為平峰時間點負荷集合；v為波谷時間點負荷集合；、、為引入響應誤差后各不同時間點的負荷轉移率；PLDA,pav為日前波峰時間點負荷預測結果的負荷均值；PLDA,fav為平峰時間點負荷預測結果的負荷均值。
此外，用表示日內優化階段的負荷擬合結果，用表示實時優化階段的擬合結果，同日前各時間點負荷的擬合描述類似，不再贅述。
1.2 低碳優化調度模型
1.2.1 日前優化調度模型
相隔1 h對綜合能源系統進行一次日前優化控制，調度周期為24 h，以便得到各機組未來一日的發電計劃。對風力發電、負荷的預測誤差和分時電價策略引發的不確定性進行綜合分析，將最小化日運行費用作為目標，實現其日前階段的優化，可描述為
式中：H1為購電費用；H2為天然氣購用費用；H3為棄風費用；H4為碳排放費用；Be(t)為時間點t分時購電單價；Pcha(t)為功率；Bg(t)為分時購氣單價；Vcha(t)為分時功率；Fng為天然氣熱值；T為總優化調度時間；Nw為風電場景數量；ρw為棄風費用系數；Pycwt為風電出力預測值；Pwt為實際輸出功率；Re為每單位碳排放的購買/售賣價；Ni為化石燃料發動機總數；μi為第i臺發電機單位功率下的碳排放大小；ϑi為單位有功功率下的碳排放量。
綜合能源系統運行需遵循各設備的實時運行限制條件和爬坡限制條件，同時要符合負荷平衡限制[5-6]。約束公式為
式中：Ppv(t)為時間點t光伏機組的有功功率；Pwt(t)為實際輸出功率；Pmt(t)為微型燃氣輪機電功率輸出值；Pcha(t)為功率；Pedis(t)為輸出功率；Pech(t)為蓄電池在進行電能儲備時的功率；Pp2g(t)為p2g 設備輸入的電功率；Peb(t)為電熱鍋爐耗電功率；Le(t)為電熱鍋爐提供熱能供應時需要的電負荷；Vcha(t)為分時功率；Fp2g(t)為p2g 設備有功功率輸出值；Pgbis(t)為儲氣罐的放氣功率；Pgch(t)為儲氣罐的充氣功率；Vgas(t)為天然氣耗用功率；Lg(t)為電熱鍋爐提供熱能供應時需要的氣負荷；Qmt(t)為微型燃氣輪機有功熱功率；Qeb(t)為電熱鍋爐提供熱能供應時的熱輸出功率；Qhdis(t)為熱輸出功率；Qhch(t)為儲熱罐的充熱功率；Lh(t)為電熱鍋爐提供熱能供應時需要的熱負荷。
風能出力和負荷預測存在偏差，會對綜合能源系統穩定運行造成一定影響。本文通過模糊變量對風能的計劃功率和不同時間點的擬合負荷進行描述，因此綜合能源系統需滿足有功、備用限制條件，描述為
式中：Cr{·}為置信度函數；θDA為日前功率需符合的置信度條件；πDA為備用限制需符合的置信度條件；γDA為日前旋轉備用因子；為慢機i相隔1min 的爬坡速度極大值；為快機i相隔1 min 的爬坡速度極大值；PWCur,t為時間點t的棄風容量；PRGi,t為慢機i的輸出功率；uRGi,t為慢機i的調度狀態；PFGi,t為快機i的輸出功率；uFGi,t為快機i的調度狀態；PILj,t為中斷負荷j的參與容量[7]。
1.2.2 日內優化調度模型
相隔15 min 對綜合能源系統進行一次日內優化調度，通過循環操作，實現全部時段的日內優化調度控制。
日內優化各階段目標函數可描述為
式中：t0為日內調度控制的開始時間；Δt為執行周期；d為執行的周期總數；H5為機組啟停狀態改變產生的懲罰費用；Ii(t)為時間點t機組i的啟停狀態，取值為(0,1)；pi(t)為處于Ii(t)的懲罰成本；Py'cwt為日內優化調度階段風電功率預測值；Pw't為實際調度值。
1.2.3 低碳調度求解
綜合能源系統在購電、購氣時的功率限制描述為
根據日前優化調度方案，設定各儲能設備在24 h 內的容量不發生改變，描述為
式中：Soc(24)、Voc(24)、QH(24)分別為24 點時不同儲能設備的容量；Socf、Vocf、QHf分別為Soc(24)、Voc(24)、QH(24)對應的容量初值。
綜合能源系統實時優化階段是在時間點t實現后一時間點各機組日內調度輸出功率的修正，低碳調度優化求解結果為
式中：為風電機組實時功率預測值；為風電機組實時調度值。
日內、實時優化調度約束與日前優化調度相同，只對執行周期和調度運行間隔時間進行調整即可。
2 實驗分析
以某一綜合能源系統作為研究對象，系統采用分時電價策略，發電機容量為1 000 MW，發電量為5 000 萬kW·h，碳排放因子為0.5 t CO2/（MW·h），碳排放費用為100 元/t。天然氣購用單價為3.22元/m3，分別從日前、日內、實時3 個時間尺度對綜合能源系統進行優化調度。
為了驗證綜合能源系統優化調度效果，設置3不同模式，對比分析不同模式下綜合能源系統運行調度費用，結果如表1 所示。其中：模式1 在日前、日內、實時時間尺度中，風電預測偏差下降幅度分別為25%、12%、4%；模式2 在日前、日內、實時時間尺度中，風電預測偏差下降幅度分別為15%、8%、4%；模式3 在日前、日內、實時時間尺度中，風電預測偏差下降幅度分別為5%、4%、4%。
表1 不同模式的綜合能源系統運行調度費用對比分析 單位：元
由表1 可知，當風電預測精度不斷提升時，綜合能源系統總調度成本隨之減少，并可有效降低碳排放量。這是因為準確預測風電輸出功率，可有效減小系統出力誤差區間，從而大大降低了不確定性因素對綜合能源系統的影響。實驗結果表明，風電預測的不確定性對綜合能源系統的優化調度具有直接影響，通過提高預測準確度能夠達到優化調度成本的目標，但達到模式3 的預測條件后，繼續追求準確性實現系統的優化調度難度較大，優化效果不再明顯。
設定表1 中模式1 的條件為優化各階段風電預測偏差，在優化調度的各階段設定不同的負荷預測誤差條件，對比分析不同條件下的系統調度費用。當用戶響應與負荷預測間的誤差為正值時，可有效提升風電利用率，并有效減小峰時段機組出力的邊際成本，達到綜合能源系統運行成本降低的目標。當誤差為負時，則具有相反的優化效果。
將所提方法應用于綜合能源系統的多時間尺度低碳調度優化，通過系統電、氣、熱負荷的優化控制結果分析所提方法的調度性能。結果顯示：為實現綜合能源系統最低運行成本目標，在電價低谷期將風力機組出力、電網購電作為主要方式；當電價處于高峰時段時，不再向電網購電來節省系統運行成本，啟動儲能設備配合微型燃氣輪機、風力機組出力，以滿足系統的用電需求。
3 結 論
以某一綜合能源系統作為研究對象，將所提方法應用于系統的多時間尺度低碳優化調度，分析方法的有效性。實驗結果表明：風電、負荷的準確預測，可降低綜合能源系統的優化調度成本，并降低碳排放量。通過偏差預控機制降低源荷不確定性對系統不穩定的影響，可實現電、氣、熱負荷的優化調度，且預測結果與實際調度結果偏差不大。
