李 丹，刘俊勇，刘友波，高红均

（四川大学 电气信息学院，四川 成都 610065）

0 引言

含大规模风电的电力系统调度问题已成为备受关注的课题[1-3]。研究方法已逐步从传统电源调度方法的探索转化为新型高效调度资源与传统电源侧资源的整合。 其中，储能系统 ESS[4]（Energy Storage System）和需求侧响应 DR[5]（Demand Response）成为近来关注的焦点。

抽水蓄能是大规模储能技术中较为成熟且应用最广的技术之一。文献[6]提出风、火与抽蓄联合运行的模式，采用抽蓄电站为风电提供备用服务，以达到降低系统运行成本的目的；文献[7-9]对“风-蓄”协调及联合运营方式进行了讨论，以“风-蓄”整体效益最优为目标对联合运行模式进行优化。上述协调和联合模式在一定程度上解决了风电随机波动带来的问题，但是限制了抽蓄在调峰等其他方面的作用。相对于联合模式，文献[10]将抽蓄等效为“可中断负荷IL（Interruptible Load）”应用于系统调峰运行中，与火电、水电联合运行，获得了良好的效果；文献[11]利用鲁棒优化技术并结合风电不确定集合得到了抽蓄和机组的最佳运行模式，该模式能够在一定程度上接纳风电的随机波动并降低系统运行成本。

上述研究均将抽蓄纳入了系统调度优化模型中，并在考虑风电不确定性的条件下利用优化技术，达到了降低系统运行成本的目标。但抽水蓄能电站投资成本普遍较高，配置规模有限，在同时承担降低运行成本、备用成本和削峰填谷等任务时显得较为紧张。随着智能电网进一步发展，DR近年来成为学者较为关注的一种新型可调度资源[12]。……