基于预期完成率的月内滚动机组组合研究

2020-06-07田年杰苏华英刘明顺黄红伟游成彬

电力大数据 2020年4期

田年杰，苏华英，刘明顺，李赟，黄红伟，游成彬

(1.贵州电网电力调度控制中心，贵州贵阳 550002；2.北京清大科越股份有限公司，北京 100084)

随着电力市场改革的不断深入，特别是中长期市场交易体系日趋成熟，市场成员对交易计划执行情况的关注度不断提高，调度机构保障交易结果执行过程中所面临的压力与挑战大幅增加[1]。

依据现行的市场交易机制，月度市场交易结束后，调度机构须保障市场成员交易计划执行，对由于预测误差导致偏差电量，应按照“三公调度”原则保证各市场成员的电量计划完成率均衡[2-3]。因此，月内机组组合与电量计划滚动调整已成为实现电量完成率均衡的重要技术保障。文献[4-5]提出了年度滚动发电计划优化方法，在月内以后续预期电量计划当月分解值完成率均衡性为目标，对机组组合方式优化调整。文献[6-7]研究了风电不确定性对机组组合方式调整的影响，提出了基于机会约束的风火协调滚动调度方法，该模型为混合整数规划问题，可利用分支定界等规划方法求解得到。文献[8-9]在此基础上进一步考虑风电预测在时序上的差异，引入“近大远小”原则，提出了时序渐进的滚动修正调度模型。文献[10]提出了一种计及用户侧互动的滚动调度计划优化方法，该方法上层模型为月度机组组合模型，若存在调控困难，则启动下层用户侧互动优化模型，通过上下层模型间的迭代，实现用户侧参与滚动计划调整。文献[11]细致考虑了负荷预测、新能源预测等不确定性因素对电网调度运行的影响，提出了一种多时间尺度协调的鲁棒调度方法。文献[12]研究了大规模风电与需求侧响应资源协调关系，提出了风电与需求侧响应多时序协调的滚动调度方法。文献[13]在上述风电与需求侧响应协调框架下，通过引入模糊机会约束，提出了一种动态经济调度方法，进一步保证发电厂交易计划可行性。

可以看出，当前月内机组组合与电量计划滚动调整方面的研究聚焦于如何保障市场成员交易计划均衡执行，而对机组组合方式调整对市场成员造成的运行影响考虑较少。实际上由于机组组合方式调整将导致机组开停机计划变更，月度滚动调整中，若不考虑该因素，可能造成机组开停计划频繁变化，给发电企业造成较大负担。

为此，本文将提出一种基于预期完成率的月内滚动机组组合方法。首先介绍预期完成率的基本概念及计算方法，在此基础上，以预期完成率作为月度机组组合方式调整的启动条件，仅当执行风险高于风险控制阈值时才调整后期机组组合方式。最后，基于IEEE-30节点系统构造算例，验证了所提出方法的有效性。

1 预期完成率指标定义及计算

所谓预期完成率是指根据最新的负荷预测、风功率预测等，在不改变后续机组开停计划的基础上，通过调整各发电厂逐日电量计划，所能实现的全网交易计划执行均衡性评价指标。预期完成率指标不仅需要考虑各发电厂月度交易计划预期完成情况，还需要考虑各发电厂间偏差电量分配均衡性，综合考虑以上两方面因素后，该指标可表示为：

(1)

式(1)中，EC为预期完成率评价指标，NP为全网发电厂数量，ΔEp为发电厂p预期电量计划执行偏差，D(ΔEp)为发电厂p预期电量计划执行偏差方差。其中预期电量计划执行偏差为预期发电量与月度交易计划之差，可表示为：

ΔEp=EEp-TEp

(2)

月内执行过程中，全网预期完成率可采用改进的月度经济调度模型计算实现。该改机模型的优化目标即为预期完成率指标最小，可表示为：

模型将考虑长周期启停机组启停成本、新能源预期损失电量等优化目标，可表示为：

MinEC

(3)

所需要考虑的约束条件包括电力备用约束、电量平衡约束等[14-15]，可表示为：

(4)

(5)

(6)

ug，dPGDg≤PGg，d，t≤ug，dPGUg

(7)

ug，dPPDg≤PGg，d，t-PGg，d，t-1≤ug，dPPUg

(8)

(9)

式(4)-(9)中，NG、NN、NB分别为发电机组台数、新能源电站数和系统节点数；ND为当月剩余运行日天数；NT为运行日优化时段数；ΔT为优化时段间隔；PGg，d，t为发电机组g在运行日d时段t的发电功率；PNn，d，t为新能源电站n在运行日d时段t的功率预测；PLb，d，t为节点b在运行日d时段t的负荷预测；PGUg、PGDg分别为发电机组g的发电能力上下限值；PPUg、PPDg分别为发电机组g爬坡能力上下限值；GSDFg，s、GSDFn，s、GSDFb，s分别为发电机组g、新能源电站n、节点b与运行断面s的功率转移分布因子；PFUs、PFDs分别为运行断面s的控制限值上下限；AEp表示当月已完成的运行日发电厂p的发电量；g⊂p表示属于发电厂p的所有发电机组。

则上述约束条件中，式(4)为运行备用约束，要求各运行日发电厂最大发电能力应满足其运行备用要求；式(5)为电力平衡约束，要求各时段发电机组总发电功率与负荷需求平衡；式(6)为运行断面潮流约束，要求各运行断面潮流必须在其允许范围内；式(7)为机组出力上下限约束，要求发电机组出力必须在其允许范围内；式(8)为机组爬坡能力约束，要求发电机组出力变化必须满足其爬坡能力限制；式(9)为发电厂预期发电量约束，要求各电厂预期发电量等于已发电量与后期预计发电量之和。

以式(3)为优化目标，以式(4)-(9)为约束条件，即可构建得到预期完成率指标计算模型，求解该模型，不仅可以得到预期完成率评价指标，还能得到各发电厂预期完成情况。该指标数值越小，表明各发电厂电量计划执行保障能力越强，各发电厂间计划预期完成情况均衡性越显著；反之，该指标数值越大，表明保障各发电厂电量计划均衡执行的难度越大，同时也反映出该机组组合方式预期执行风险较高。该优化模型中由于机组开停状态沿用原开停计划，因此本质上属于线性规划问题，可采用单纯形法等规划方法求解[16]。

2 月内滚动机组组合实施方法

2.1 实施流程

基于以上介绍可以看出，本文所提出的预期完成率指标能够反映原机组组合方式的执行风险。若该指标数值较小，则执行风险低，调整该机组组合的必要性并不明显；反之，若该指标数值较大，则若不改变后续机组组合方式，调度机构保障该月各发电厂交易计划均衡执行的难度较高。

根据以上分析，本文所提出的月内滚动机组组合实施流程如图1所示，其核心点在于以预期完成率作为机组组合优化调整的启动条件，避免月内执行过程中频繁调整后续发电机组的开停计划，从而实现保障交易计划执行与提升运行效率两个目标的协调统一。

该实施方法的要点包括：

(1)基础数据统计

月内滚动机组组合优化中所需要统计的基础数据主要包括两个部分：

①已完成情况，主要为发电厂在已完成运行日内的发电量，需要注意的是在统计发电厂已发电量时，必须考虑其非计划停运期间的扣发电量，对各发电厂发电量进行修正；

②后期趋势预测，主要为负荷预测、新能源功率预测等机组组合优化所必须的边界数据，可基于后期气象预测等数据采用神经网络等预测方法计算得到[17]。

(2)预期完成率指标计算

根据已完成情况和后期趋势预测数据，利用本文所提出的预期完成率计算模型，即可以计算得到在原发电机组开停计划不变的情况下全网预期完成率指标数值。

(3)开停计划调整必要性判定

根据预期完成率基本概念，若预期完成率取值较低，表明执行风险较低，则不需要对后续发电机组开停计划做调整；预期完成率超过一定程度，则需要开展滚动机组组合优化调整。上述开停计划调整必要性判定条件可表示为：

EC≤ECset

(10)

式(10)中，ECset为预期完成率调整阈值。若步骤二计算得到的预期完成率低于该阈值，即满足式(10)的判定要求，则表明不需要进行开停计划调整；否则需要进行开停机化调整。

预期完成率调整阈值既可以由调度运行人员根据人工经验设定，也可采用机器学习等计算方法通过统计历史不同阈值水平下的实际执行情况计算得到。

(4)滚动机组组合优化

若根据不满足上述判定条件，则需要进行滚动机组组合优化调整。滚动机组组合优化模型将对后续发电机组开停计划优化编制，并对其剩余发电量优化安排，得到后期发电机组开停计划和电量分解方案。

具体调整方法将在2.2节详细介绍。

(5)发电厂计划优化调整

若经判定满足判定条件，则表明不需要调整发电机组开停计划，则后续发电机组开停计划沿用原计划，而逐日电量分解计划则采用预期完成率优化模型编制所得的发电厂电量计划，即发电厂在运行日的电量计划可表示为：

(11)

式(11)中，EEp，d为发电厂p在运行日d的预期发电量，也是该发电厂该运行日的电量分解计划。

若经判定不满足判定条件，则将根据滚动机组组合优化结果确定后续发电厂开停计划和电量分解计划，具体方法也将在2.2节详细介绍。

2.2 滚动机组组合优化

滚动机组组合是在存在开停计划调整必要性时，以预期完成率最优为目标，基于已完成情况和后续趋势预测，对发电机组开停计划和电量分解计划综合优化分析的实施步骤。

滚动机组组合优化将以预期完成率最小为优化目标，其表达式见式(3)；所需要考虑的约束条件包括电力备用约束、电量平衡约束等，可表示为：

(12)

(13)

(14)

ug，dPGDg≤PGg，d，t≤ug，dPGUg

(15)

ug，dPPDg≤PGg，d，t-PGg，d，t-1≤ug，dPPUg

(16)

(17)

usg，d-ueg，d=ug，d-ug，d-1

(18)

(19)

式(12)-(19)中，NG、NN、NB等变量与预期完成率计算模型所涉及的式(3)-(9)中含义一致，本文此处不再赘述；未涉及的变量usg，d、ueg，d分别为发电机组g在运行日d的启动状态变量和停机状态变量。

相应的，式(12)-(17)依次为运行备用约束、电力平衡约束、运行断面潮流约束、机组出力上下限约束、机组爬坡能力约束、发电厂预期发电量约束。式(18)为发电机组开停机状态关系约束，以限定发电机组启动状态变量、停机状态变量和开停机运行状态变量之间的关系；式(19)为最小持续运行时间及停机时间约束，要求发电机组在其最小持续运行时间和最小持续停机时间内不能重复启停，以满足发电机组运行经济性要求。

求解上述滚动机组组合优化模型，不仅可以得到预期完成率评价指标最优模式下的机组开停计划，还能得到各发电厂后期电量分解计划。各发电厂逐日电量计划参见式(11)。

滚动机组组合优化模型由于需要对发电机组开停计划优化编制，因此ug，d、usg，d、ueg，d均属于优化变量。考虑到上述三项状态变量均为0-1状态变量，因此滚动机组组合模型在数学上属于混合整数线性规划问题，可采用分支定界等优化算法计算得到[18-19]。

2.3 模型对比分析

对比本文所介绍的预期完成率计算模型和滚动机组组合模型，不难发现两者在表达式上存在较多相同之处。造成上述相似之处的原因在于预期完成率计算本质上就是基于经济调度模型实现的，因此两者模型上具有互通性。

但更深入对比两个模型，可以发现两者存在三个方面的本质差别：

2.3.1 计算目的不同

根据预期完成率指标含义，可知在上述实施方法中计算预期完成率的根本目的在于判定根据已完成情况和后期趋势预测，在不改变发电机组开停计划的前提下，仅通过调整发电厂逐日电量分解计划，能否获得满足运行风险要求的发电厂运行计划。而滚动机组组合则是针对存在发电机组开停计划调整必要性的情况，通过优化调整发电机组开停计划和发电厂电量分解计划，计算得到预期完成率最优的发电厂运行计划方案。

2.3.2 优化变量不同

发电厂电量分解计划是预期完成率计算模型、滚动机组组合模型中相同的优化变量，为获得该计划，则需要对逐日各时段各发电机组的出力计划曲线进行优化编制，并利用式(11)计算其累计电量，确定各发电厂电量分解计划。

由于预期完成率计算模型中发电机组开停计划为给定值，因此在该模型中ug，d为确定数值，并非优化变量；而在滚动机组组合模型中，则需要对后续发电机组开停计划进行优化调整，因此在滚动机组组合模型中ug，d为优化变量。

2.3.3 结果使用不同

预期完成率计算模型优化结果主要用于开停计划调整必要性判定，因此主要输出结果为最终优化计算得到的预期完成率指标EC。

滚动机组组合优化模型则是用于对发电机组开停计划和发电厂电量分解计划调整，因此输出结果为发电机组开停状态变量和各发电机组逐日各时段发电计划曲线，在此基础上统计分析得到发电机组开停计划和发电厂电量分解计划。

3 算例分析

3.1 基础数据

本文将在IEEE-30节点系统基础上构造算例，以验证所提出方法的有效性。如图2所示，该系统中共有节点30个，发电机组6台。

6台发电机组装机容量、爬坡能力、月度交易计划等基本参数如表1所示。全网总装机为900 MW，总月度交易计划为3.71亿kW·h，其中月度交易计划最高的为节点13发电机组，达0.64亿kW·h；月度交易计划最低的为节点11发电机组，仅0.601亿kW·h。

表1 发电侧基础数据Tab.1 Basic data of power generation side

当月实际用电情况如图3所示，全月总用电量为3.71亿kW·h，最大用电负荷为729 MW。在编制逐日发电计划过程中，调度机构将根据发电机组开停计划及电量分解计划，在保证电力电量平衡的基础上，贴近电量分解计划要求编制发电计划曲线，组织发电调度；并逐日跟踪发电计划完成情况，滚动预测后续发电需求，动态调整后续运行方式安排，实施滚动机组组合。

3.2 对比分析

本文将以当月10日滚动机组组合优化情况为研究对象，通过对比本文所提出基于预期完成率的滚动机组组合优化方法和传统滚动机组组合优化方法所得到的结果来说明所提出方法的实施效果。

截止当月10日，各发电机组的月度交易计划完成情况如图4所示。可以看出节点1、节点2、节点5、节点8发电机组的月度电量计划与其预期进度基本持平，而节点11、节点13存在一定偏差，其中节点11发电机组较其电量分解计划多329万kW·h，节点13发电机组则交期电量分解计划少181.5万kW·h。

3.2.1 基于预期完成率的滚动机组组合优化结果

采用本文所提出的滚动机组组合优化方法时，首先需要计算在原发电机组开停计划基础上的预期完成率。如图5所示为当月11日至30日原发电机组开停计划，其中甘特图所示部分为该机组停机时段。算例中设定完成率偏差系数为3，均衡性系数为1，即要求优先保证各发电厂月度交易计划能够执行，在此基础上次优保证各发电厂月度交易计划执行情况均衡。

利用本文第1节所介绍的预期完成率计算模型，优化计算可得到全网预期完成率指标为13.5。依据调度员人工经验，设定的预期完成率阈值为15。易知预期完成率小于其控制阈值，表明不需要调整后续发电机组开停计划，仅通过优化发电机组电量分解计划，即能够满足执行风险控制要求。调整后的发电机组电量分解计划如图6所示。

3.2.2 传统滚动机组组合优化结果

采用传统滚动机组组合优化方法时，则不需要进行预期完成率的调整必要性判定，直接根据后期趋势预测和已完成情况，对后续机组组合方式和电量分解计划进行优化。传统滚动机组组合在10日的优化结果如图7所示。可以看出，为了降低执行风险，传统滚动机组组合将调整节点11和节点13的后续机组组合开停计划，将增加节点11开机天数1天，减少节点13发电机组开机天数1天。

类似的，可以测算传统滚动机组组合的预期完成率。根据其优化得到的发电机组开停计划，可以测算得到预期完成率指标为12.5。

3.2.3 对比分析

对比以上两种方法优化结果，可以看出滚动机组组合优化方法能够获得更符合运行控制要求的发电机组开停计划和电量分解计划，其预期完成率指标低于本文所提出方法。然而，传统滚动机组组合具有频繁调整发电机组开停计划的倾向。对于火电发电机组而言，其每次启停状态变化都将产生近百万的经济成本投入。而滚动机组组合在月内执行过程中将逐日动态实施，因此滚动机组组合可能造成为提升预期完成率而造成巨大经济成本投入，降低电网运行的综合效益。而与之相比，尽管本文所提出的方法预期完成率指标略低于传统滚动机组组合方法，然而由于增加预期完成率预判环节，能有效避免频繁调整开停计划的可能性。实际上预期完成率计算模型中考虑了通过调整电量分解计划保障月度交易计划执行的问题，也能够实现对执行偏差的有效控制。

算例进一步对后续逐日滚动计划实施情况，据统计采用本文所提出的方法当月发电机组开停计划方式调整仅1次，共调整2台机组的开停计划；而传统滚动机组组合将调整发电机组开停计划多达10次，涉及15台次的发电机组开停计划变更。两种方法均能保证月度交易计划执行，而较传统滚动机组组合方法，本文所提出的方法将降低系统运行成本近亿元。