张 峰 张建华

(华北电力大学 电气与电子工程学院，北京 102206)

1 引言

近年来，能源危机和环境问题愈来愈成为世界各国面临的严峻挑战，调整能源结构，发展清洁新能源已成为应对两大挑战的最积极、最有效的选择。受能源、环境政策的影响，电力系统调度模式不断演变。我国电力系统调度经历了传统经济调度、计划电量调度、市场竞争调度、节能发电调度四个阶段。传统经济调度仅仅考虑以总煤耗最小或经济利益最大的单一目标优化。节能发电调度综合考虑影响多因素间的耦合关系，对煤耗量、碳排放量、电网经济效益、系统有功损耗、无功损耗中的部分目标进行优化，电力系统优化调度从单一目标最优化逐渐过渡到多目标协同优化。

为了实现能源资源的高效利用与节能减排的发展目标，保证电网安全经济运行，促进风电、光伏发电等清洁新能源发电的规模化应用，新能源电力系统优化调度模式应运而生，得到了普遍关注，实质上是计及运行安全约束、互动需求响应和电力市场环境，优先考虑清洁新能源发电，兼顾经济效益与环境效益协同发展的多目标发电调度方式。

2 新能源电力系统优化调度的研究现状

2.1 理论热点

传统电力系统优化调度实质上是在满足电源可靠性和负荷预测准确性的条件下追寻经济性最优的调度计划。然而，间歇性新能源发电并网运行给电网带来持续性的随机扰动，发电功率预测的难度较负荷预测的要大很多。如何在传统调度模式基础上合理考虑发电功率的不确定性影响是新能源电力系统优化调度研究过程中需要关注的热点问题。此外，间歇性新能源并网容量比例较大时，仅依靠机组出力调整常常不能实现充分消纳。为了给间歇性能源发电预留备用，常规燃煤机组不得不长期较低效率运行，造成能源资源间接浪费，也不能充分发挥新能源发电的节能减排效益。随着智能电网建设的深入，需求响应参与系统调节越来越受到关注。需求侧资源有序参与电网互动运行，协同消纳波动的新能源发电量，符合国家节能减排目标。考虑需求侧响应机制的智能化互动电网调度模式成为了研究的热点问题［1］。

2.2 动态建模

根据考虑因素的不同，电力系统多目标优化调度问题通常分为计及多优化目标、计及不同约束条件的动态建模与优化求解问题。优化目标大致包括常规发电机组发电成本或燃料成本、电力市场中的购电成本、风险指标、环境成本等。约束条件通常包括运行安全约束、备用约束、环境极限约束、风险约束等。在传统经济调度的基础上，考虑机组发电成本、能源环境成本，提出了燃煤发电机组环境补偿成本，同时考虑风电备用容量的补偿成本，建立了电力市场环境中含风电机组的环境经济调度模型［2］。国内学者提出了考虑多目标安全约束机组组合模型，采用发电与碳排放权协同调度方式，寻求经济目标和环境目标(碳排放目标)的折中解［3］。然而，新能源电力系统优化调度更多地关注间歇性新能源并网带来的不确定性问题及其解决方案。

近年来，国内外专家学者对考虑间歇性新能源发电功率不确定性的优化调度问题展开了大量研究。针对间歇性新能源发电功率不确定性的处理方式不同，数学建模方法大致分为确定性建模、模糊建模及基于概率的建模。电力系统优化调度不再是一个确定性的优化问题，而是含随机变量的不确定规划问题。在风力发电功率预测的基础上，建立了基于机会约束规划的电力系统经济调度数学模型，以概率形式描述约束条件，较好地处理了优化调度问题中风电功率不确定性问题［4］。

2.3 求解算法

根据间歇性能源发电优化调度模型的特点，求解方法大致分为确定性与不确定性两大类。建立模型过程中直接或间接考虑了新能源发电功率不确定性影响，主要求解方法分为传统算法、直接搜索算法、粒子群算法、遗传算法及其改进方法。智能算法与传统算法相比，全局搜索能力强，对数学优化模型适应性强，可用于含多种函数形式的优化模型，更具有工程应用价值。针对风速—风电功率随机分布的概率优化模型，国内学者采用了多场景调度方式，根据概率分布对风能样本进行抽样，形成多个离散运行场景，再对单个场景进行寻优，整个过程仍是对确定性优化模型的处理，求解模型过程中可采用随机模拟、神经网络和遗传算法等混合智能算法，提高了算法收敛速度和计算性能。有些学者则应用模糊集基础理论建立了含风电场的电力系统动态经济调度模型，借助隶属函数来表示决策者的满意度，将现有问题转化为求取满意度指标最大值的问题，使求解结果更贴切地反映决策者的意愿，从而更好地处理风电输出功率的随机性问题，并针对上述模型，利用下降搜索思想提出了对传统粒子群算法的改进思路［5］。

3 新能源电力系统优化调度的应用展望

随着智能电网技术的进一步发展，新能源电力系统中将出现大量或集中或分散的新能源发电集群以及一系列可调度负荷集群。它们接入电网后，将给电力系统调度运行、控制保护等带来深刻的影响，并网模式下的电网运行与管理面临着诸多技术问题。在低碳智能电网的驱动下，虚拟发电厂技术有机融合了通信、自动控制等技术，具有自我管理、自我控制功能。虚拟发电厂通过多层分布能量管理系统将新能源发电集群、可控负荷集群有机整合为一个特殊电厂参与电力系统调度运行，有效地协调了间歇性发电单元个体之间以及与上层电网之间的矛盾，对解决间歇性能源接入、区域电网安全运行以及多种间歇性能源综合高效利用等问题具有重要启示作用。虚拟发电厂技术作为新型需求响应形式，在整合清洁新能源、提高供电可靠性和灵活性等方面表现出巨大潜力。欧洲一些国家正在积极开展基于虚拟发电厂技术的需求响应机制的研究与实践，建立了示范工程和测试平台，取得了诸多成果。我国在该领域研究处于起步阶段，还有很多技术、政策、管理方面的问题有待解决。基于虚拟发电厂技术的新能源电力系统调度模式符合我国低碳智能电网的发展目标。随着智能电网和新能源发电技术的深入发展，虚拟发电厂技术将会被更为广泛地传播与实践。

4 结论

新能源电力系统优化调度问题是在智能电网与新能源综合开发利用的新形势下提出的，依靠发电侧火电、风电、光伏发电等多类型电源与需求侧互动响应，实现能源资源综合利用、有效消纳间歇性新能源。新能源电力系统优化调度模式是传统优化调度模式的继承和发展，是电力系统发展到新能源与智能电网强耦合阶段的客观要求，对促进新能源发电的有效消纳利用，引导科学用电，保障国家能源安全，实现电力行业的节能减排与经济可靠运行等具有广泛与现实意义。

［1］武建东.智能电网与中国互动电网创新发展［J］.电网与清洁能源，2009，25(4)：5-8.

［2］孙元章，吴俊，李国杰等.基于风速预测和随机规划的含风电场电力系统动态经济调度［J］.中国电机工程学报，2009，29(4)：41-47.

［3］刘晓，艾欣，彭谦.计及需求响应的含风电场电力系统发电与碳排放权联合优化调度［J］.电网技术，2012，36(1)：213-218.

［4］江岳文，陈冲，温步瀛.基于随机模拟粒子群算法的含风电场电力系统经济调度［J］.电工电能新技术，2007，26(3)：37-41.

［5］陈海焱，陈金富，段献忠.含风电场电力系统经济调度的模糊建模及优化算法［J］.电力系统自动化，2006，30(2)：22-26.