（上海大学上海200444）
摘要：当今时代，国家愈加重视可再生能源的开发和利用，在相关政策引导下，风电装机数量迅速增多。目前，国内风电功率预测系统日前预测误差约为10％～25％。这使得系统运行面临的不确定性显著增加，研究与此相适应的新的调度方式迫在眉睫。而作为其中的关键问题之一，含风电系统的机组组合问题已得到了诸多关注。近年来，随着风电等间歇性能源的大规模并网，机组组合问题中的不确定性显著增加，为电力系统的调度工作带来严峻挑战，一方面传统的机组组合问题求解模型无法有效地考虑风电的随机性与波动性，导致所得方案的适用性大打折扣，另一方面对于完备的求解模型，却缺乏精确且高效的优化算法，不利于实际的应用。
关键词：含风电系统；机组组合；分时段分层优化
引言
随着新能源的大规模并网及全球能源互联网建设的不断推进，电力系统对能源结构的配置水平不断提高。机组组合问题在优化资源配置、优化能源结构及促进系统安全经济运行方面起到了重要作用。然而，机组组合使混合整数规划问题的求解难度随着系统规模与求解时间长度的增加而迅速增大，因此针对大规模系统长时间机组组合问题进行快速求解成为学术界与工业界的研究热点。
1机组模型
1.1燃气轮机
与常规燃煤机组相比，燃气轮机的启停性能更好，且爬坡能力更强，但发电成本高，所以为兼顾经济性而仅作调峰电源使用。燃气轮机本质上是火电，出力模型与火电类似，但需要增加最大发电小时数Tmax体现“两班制”运行模式，如式（1）所示。
风电机组的出力函数与风速密切相关，且具有切入与切出风速的特点，式（5）所描述的风电出力特性较为经典可靠，且满足精度要求。
式中，Em.ps、Eps分别为抽水机组消耗的发电量和最大抽水库容所储存的水能，Pm.ps为抽水消耗的功率，Tps为抽水持续时间，ηm为转化效率。
2含风电系统中机组组合的分时段分层优化策略
2.1分时段优化
由于风电出力具有随机性和波动性的特点，同时大多数地区的负荷也表现为显著的峰谷特性，所以大规模的风电接入后，电力系统在每个时段的最优机组组合方案都会随着风电出力与负荷的波动而有所变化，并且由于火电开机费用高昂、停机机组受最小启停时间约束以及备用容量受最大爬坡速率影响等问题，各个时段之间的机组发电计划呈现更加复杂的牵制关系。因此，最优的机组发电方案随时间推移发生变化，所以分时段优化的过程借鉴了动态规划思想，考虑前后两个时段状态转移所产生的影响。另一方面，对于每个时段内的最优机组发电方案，本文综合利用了PL和PSO两种方法，其中PL为PSO指定了搜索方向，使PSO提高结果的最优性，并加快收敛速度。
2.2分层优化
分层优化是针对调峰机组、抽水蓄能机组等调峰电源采取的策略，由于此类电源往往需要综合各个时段的可靠性和灵活性情况来安排发电计划，所以先对其余机组的组合方案进行第一层优化，再根据第一层优化后各项约束及目标的情况，对调峰电源是否安排开机，以及投入发电的机组数量和具体时段等问题进行第二层优化。另一方面，由于调峰电源的机组数量较多、单机容量较小，所以采取分层优化策略后，可以有效减小求解规模，同时这也有利于发挥调峰电源“削峰填谷”的运行特性。
2.3优化流程
综合以上两种优化策略，得到完整的优化流程如图1所示，优化目标是在满足系统可靠性、灵活性约束以及各项机组运行约束的前提下，实现系统运行的经济性最优和最小化火电开机。
图注：T为典型日内时段，Tmax为时段总数。
图1优化流程图
3算例
算例部分的内容主要分为以下两个方面：首先，以机组组合问题验证本文所用优化模型的准确性；然后借助IEEERTS-86的32机系统说明本文完整优化流程在加入风电后的有效性和合理性。
3.1模型校验
对系统机组组合问题进行求解，所得结果与最优方案相同，并将该方案代入本文模型进行模拟，通过对比煤耗的计算结果验证优化模型的准确性，本文的结果为81201.9吨标煤。由于本文的模型采用了线性化的机组煤耗曲线，所以计算结果呈现一定的差异，可见本文基于PPSA所建立的机组组合模型具有较高的准确度。
3.2含风电的机组组合优化
由于系统仅包含火电机组，无法体现本文组合优化模型对于含风电的复杂电力系统的适用性，所以采用IEEERTS-86的32机系统测试本文完整的优化模型，系统和机组接入250台单机容量为4MW的风电，缺电成本2000元/MWh，弃电成本1000元/MWh。接入风电后，总运行成本为1150.9万元，若采用传统的PL法进行优化，总成本则为1274.5万元，可见本文方法具有更好的经济性。另一方面，与接入风电前最优机组组合方案的总成本1076.78万元相比，风电使系统的经济性下降，原因是风电的发电成本较高且火电启停频繁。为应对风电出力的随机性，燃气与抽水蓄能机组的开机数量和运行时段增加，目的是保证系统满足可靠性与灵活性约束。
结语
本文所建立的模型由于考虑了机组的随机停运、特殊机组的运行特性以及风电的出力波动性等因素而具有更高的合理性和实用性，为求解机组组合问题提供了新的思路。相比传统优化算法，本文的优化方法在求解速度上表现较差，后续工作可以进一步提升其计算性能。
参考文献：
[1]王勇超，陈皓勇，禤培正，等.基于最优场景集的含多类型电源鲁棒调度[J].电网技术，2016，40（2）：354-362.
[2]谢敏，闫圆圆，刘明波，等.含随机风电的大规模多目标机组组合问题的向量序优化方法[J].电网技术，2015（1）.
[3]韩学山，李本新，李荣，等.应对风电间歇性的火电机组组合模型构建与分析方法[J].电网技术，2017（5）.