李成龙 田有文 苗洁

摘要：针对高比例新能源滲透到配电网中如何进行灵活调度的问题，研究含有常规电源与间歇性新能源配电网的日前协同优化调度，使电网在满足约束条件的同时可以保证成本最低化、电网的碳排放最小化并使得光伏消纳能力最大化。利用多目标粒子群算法进行模拟调度，采用分层调度模型，考虑各种约束，并以改进IEEE30节点系统为例，进行不同场景下的仿真，从而验证调度模型的合理性。

关键词：农村电气化；新能源消纳；优化调度；粒子群

中图分类号：TM73    文献标识码：A    文章编号：1674-1161（2023）06-0063-04

近年来，我国新能源行业发展迅猛，结构种类繁多、应用范围广泛，累计装机容量居世界首位，新能源渗透率也远超其他国家。截止2022年底，全国发电装机容量达25.6亿kW，比上年末增长7.8％，其中火电13.3亿kW，光伏3.9亿kW[1]。然而，随着新能源并网规模的不断扩大，电力系统消纳能力不足，经济性调度有待提高，其间歇性、波动性缺陷也被进一步放大，这对配电网的灵活调节能力提出了更高的要求。

针对高比例新能源渗透到配电网中如何进行灵活调度，国内外许多学者做了相关研究。林振锋等[2]提出了一种基于合作博弈理论的用户侧分布式储能优化方法，优化了系统运行成本；陈克文等[3]针对风电接入系统可能引起的经济性、稳定性等问题，构建了考虑风电消纳的综合能源系统模型，缓解了现有风电调度方法中弃风惩罚费用高的问题。但以上研究大多聚焦于几种新能源的协调互补优化调度，且主要考虑经济性调度，而对于多种能源的多目标日前优化调度研究则较少，对新能源消纳的目标考虑也不够充分。

因此，在已有研究成果的基础上提出一种考虑光火储和负荷关系的配电网优化调度模型，并对系统的消纳能力和经济性进行研究。目前已经研究考虑了光伏、火电、储能和负荷的新能源消纳最多和电力系统经济最好的优化调度模型，正在充分考虑研究含有常规电源与间歇性新能源配电网的日前协同优化调度，以使经过优化后的电网在满足约束条件的同时可以保证成本、减少电网的碳排放并提高光伏的消纳能力。

1 优化模型的建立

1.1 目标函数

1.1.1 储能系统运行收益与成本模型 关于储能系统的经济效益主要考虑运行过程中的电量收益和环境收益，为此建立收益模型[4]。

收益模型的建立

[fsy]=[t=1nT（ηfDJdwPfst]-[ηcDJdwPcst]）+[t=1nTkm（ηfDJdw，kPfstgrid，a]）

式中：[DJdw]为电网电价；[ηc]和[ηf]分别表示储能系统的充、放电效率；[Pcst]和[Pfst]分别是储能系统t时刻的充、放电功率；m为上级电网产生的污染物类型总数；[grid，a]为上级电网中生产单位电能实际排放第a种污染物的密度。

成本模型的建立主要考虑所建相关储能系统的运行成本。

成本模型的建立重点考虑充放电成本。

[fcb]=[t=1nTCsc]（[Pcst]+[Pfst]）

式中：[Csc]为储能系统的充放电功率成本系数。

储能系统运行收益最大目标函数为

max[fSY]=[fsy]-[fcb]

1.1.2 火电机组运行成本模型 火电机组考虑其运行过程中的煤耗成本和火电机组用于调峰等时机组启停所需的启停成本。这里，煤耗成本用耗量特性进行计算，启停成本用启停状态分别计算[5] 。

1.1.3 可再生能源消纳能力模型 可再生能源消纳能力由电网一个调度周期内的弃光电量总和来表示，弃光越多表示可再生能源的消纳能力就越弱。

min[f3]=[t=1nT m=1ns ]（[Ppvqg，m，tΔt]）

式中：[Ppvqg，m，tΔt]为电网内第m个光伏电站在t时段内发生的弃光功率；[Δt]为每个时段的时长。

1.1.4 火电机组调峰利润

[Bgi=t=1nT（Cgi，t，peak -Cgi，t，basic -Egi，t，peak）Bgi≥0.Cgi，t，peak=Fi，l+ΔPi，tPgpeak -Egi，ti，m]

式中：[Cgi，t，peak ]为机组调峰补偿费用，在这里按照各地补偿标准执行；[ΔPi，t]为火电机组因调峰导致少发电的量值；[Pgpeak ]为调峰补偿单价值；[Fi，l]为机组在调峰时的煤耗成本。

1.2 约束条件

1.2.1 功率平衡等式约束 功率平衡约束为有关功率等式平衡，即电网中所有发电设备发出的有功功率之和等于所有用电设备吸收的有功功率之和。

1.2.2 光伏电站出力约束

0＜[Ppvm，t ]<[Ppvm，t，max ]

式中：[Ppvm，t，max ]为光伏电站m在t时刻最大有功出力值。

2 分层调度及其求解方法

上面模型建立了以净负荷波动最小、电网运行成本最低、新能源消纳能力最强为目标的光火储多能互补协同优化调度相关模型。鉴于该模型复杂性高、涉及变量及其约束条件较多，为简化调度计算，充分发挥储能系统的储能特性、发挥火电机组的调峰优势，在此使用一种分层优化调度方案。该方案使用分解协调思路，即通过上层模型与下层模型的协调调度，使其进行交替迭代，进而得到最优解的方法。

上层调度模型以净负荷变化程度最小和运行中储能系统获得最大收益为目标来优化光储联合系统出力，并采用改进粒子群优化算法对模型进行求解，最终得到满足要求的最优出力。根据储能系统出力及收集到的相关负荷数据拟合的预测曲线，可得到等效负荷曲线，而实际的光伏消纳量需根据优化系统中火电机组的调峰来确定。上层模型得到等效负荷曲线后与下层模型进行交接，下层模型以火电机组运行成本最小和新能源消纳最多为优化目标，并结合弃光成本、火电机组调峰成本和各火电单元相关的运行特性，采用MATLAB平台进行求解，确定总经济性最好的调度策略，然后采取交替迭代的求解方法来进行系统调峰主动性校验，调峰主动性约束满足后结束迭代，即可得到最优调度策略[6]。系统分层调度模型求解流程图如图1所示。

3 系统优化调度结果分析

3.1 合理性与结果分析

通过对30节点网络进行优化验证，证明了该优化模型在不同的新能源消纳场合均具有较好的消纳特性和较高的经济效益，在优化之前的结果如图2～5所示。

为了验证研究提出模型的有效性，进行以下2种调度分析。场景一：有火、无储能、常规调峰进行有无光对照；场景二：有火、有储能、深度调峰进行有无光对照。

场景一仿真结果如图6～7所示。

由图6可以看出，有火有光无储能、常规调峰调度时发动机组1的有功出力为4 MW；发电机组2的有功出力最大值为3.5 MW，有功出力最小值为0.1 MW；发电机组3的有功出力最大值为2.7 MW，最小值为1.0 MW；发电机组4的有功出力最大值为3.1 MW，最小值为2.1 MW；发电机组5的有功出力最大值为1.3 MW，最小值为0.8 MW。光伏电站一个调度周期内的最大有功出力为0.7 MW，最小出力为0。由图6和图7的对比可以看出，在进行常规调峰时，加入光伏电站等新能源电站后，对于调度的优化作用不大。

场景二仿真结果如图8～9所示。

由图9可以看出，有火有光有储能、深度调峰调度时发动机组1的有功出力为5 MW略有波动；发电机组2的有功出力最大值为3.2 MW，有功出力最小值为0；发电机组3的有功出力最大值为4 MW，最小值为1 MW；發电机组4的有功出力最大值为3.1 MW，最小值为1.8 MW；发电机组5的有功出力最大值为1.5 MW，最小值为1.1 MW。与有火无光有储能、深度调峰调度时（图8）相比，储能电站使得光伏电站的接入更加平滑，与实际情况更加接近，因此更加有利于新能源消纳。

3.2 经济性与消纳性分析

分别讨论了常规调峰、无光无储能，深度调峰、无光无储能，深度调峰、无光有储能，深度调峰、有光无储能，深度调峰、有光有储能5种调度模式下的运行收益和弃光率情况，结果详见表1。

由表1可以看出，常规调峰对于新能源的消纳作用并不明显，经济性收益为负值，可以说经济性不高。对比而言，深度调峰的新能源消纳程度高，弃光率低，更加具有实用性，但合理分配各发电机组的出力对于提高经济性也很重要。储能系统的加入更加有利于光伏电站的接入，使得发电机组的有功出力更加合理，同时弃光率也从6.5%下降至2.1%。但对于小规模的电网，储能电站的加入可能会使得系统经济性降低。总的来说，考虑经济性和新能源消纳情况的最合理的优化调度组合为深度调峰下有光有储能的调度方式。

4 结论

试验建立了考虑光伏、火电、储能和负荷关系的配电网协同优化日前调度模型，可在保证成本、减少电网碳排放的基础上提高风、光的消纳能力。分析比较了不同场景下的电网经济性及新能源消纳情况，并采用分层优化调度的方法进行求解，最终得出最合理的优化调度组合为深度调峰下有光有储能的调度方式。

参考文献

[1] 国家统计局.中华人民共和国2022年国民经济和社会发展统计公报[N].中国信息报，2023.

[2] 林振锋.用户侧分布式储能鲁棒博弈优化调度研究[D].合肥：安徽大学，2022.

[3] 陈克文，王帅，韩兴臣，等.考虑风电消纳的冷热电联供型综合能源系统多目标日前优化调度[J].电气工程学报，2022，17（3）：170-176.

[4] 李军徽，侯涛，穆钢，等.电力市场环境下考虑风电调度和调频极限的储能优化控制[J].电工技术学报，2021，36（9）：1791-1804.

[5] 于国强，刘克天，胡尊民，等.大规模新能源并网下火电机组深度调峰优化调度[J].电力工程技术，2023，42（1）：243-250.

[6] 李铁，李正文，杨俊友，等.计及调峰主动性的风光水火储多能系统互补协调优化调度[J].电网技术，2020，44（10）：3622-3630.

Optimized Scheduling of New Energy Consumption Based on the Improved Particle Swarm Algorithm

LI Chenglong1， TIAN Youwen1 *， MIAO Jie2

（1.College of Information and Electrical Engineering， Shenyang Agricultural University， Shenyang 110866， China; 2.State Grid Jinzhou Electric Power Supply Company， Jinzhou Liaoning 121000， China）

Abstract：  In order to solve the problem of flexible scheduling with a high proportion of new energy penetrating into the distribution network， this paper studies the day-ahead cooperative optimal scheduling of the distribution network containing conventional power supply and intermittent new energy， which can ensure the minimum cost， minimize the carbon emission of the grid and maximize the photovoltaic absorption capacity while meeting the constraint conditions. Multi-objective particle swarm optimization （PSO） is used to simulate scheduling， hierarchical scheduling model is adopted， various constraints are considered， and the improved IEEE30-node system is taken as an example to simulate different scenarios， so as to verify the rationality of the scheduling model.

Key words：  rural electrification; new energy consumption; optimized scheduling; particle swarm

收稿日期：2023-10-10

作者简介：李成龙（2002—），男，本科，研究电气工程及其自动化有关领域。

通信作者：田有文（1968—），女，教授，从事电力系统调度自动化系统方向的研究。