Abstract: This paper established a scheduling model of unit commitment optimization of energy storage device, the model is solved according to the index of the economy of the unit start and stop the priority order of the unit, using the heuristic search strategy to determine the on-off state of the unit, after using particle swarm algorithm to allocate the unit output, wind power and energy storage device for charging and discharging power. In the hot joint system with 10 machines on the model has been verified the correctness and effectiveness of algorithm and convergence.

Key words: Hybrid wind-storage system; Unit commitment scheduling; Particle swarm optimization

【中图分类号】TK82【文献标识码】B 文章编号1561-0330（2017）08-0000-00

1 引言

随着风电并网规模的不断扩大，风电场在参与调度计划节省燃料成本降低排放量的同时，间接地造成常规机组所承担的负荷波动范围变大，这将需要系统额外预留一部分旋转备用容量来确保供电的可靠性，必然又将提高燃煤机组的发电成本。如果仅依靠火电应对风电的随机性，在风电比例或负荷峰谷差增大到一定程度时，火电机组将频繁启停或运行在深度调峰状态，严重时将影响电网的安全经济运行，这也是目前我国风电弃风、利用率低的重要原因之一。因此，在风电大规模集中接入的形势下，电力系统调度必然要建立多源相济协调机制，以提高风能利用率，实现清洁能源在大范围内的优化配置，需要建立可靠、灵活、经济、环保的电力系统调度模型，对系统的发电调度计划做出相应的调整。

国内外关于含风电场的电力系统调度研究主要是针对风电和火电的联合调度，早期研究以经济调度为主^[1,2]。文献[3]分析了压缩气体储能装置的引入对于含风电系统的机组组合影响。文献[4]通过对运行控制方式的设计，使得该储能系统能够与风电系统进行精确、高效的功率交换，平抑后的风电输出功率可以满足电力系统实时调度的要求。文献[5]提出了在枯水期，通过配置合适容量的蓄电池，安排风电带基荷、水电调峰的运行模式，并验证了其可行性。文献[6]在模型中同时计及最优权机组组合的经济性和可靠性目标，文献[7] 提出一种考虑环境效益和经济效益的电力市场短期交易计划新模型。文献[8]考虑最优机组组合的费用最小和所需旋转备用最小为目标。而文献[9]则采用排放价格因子将系统总能耗最小和总排放量最小的多目标转化为单目标函数.

目前，国内外关于含风电场的电力系统调度研究主要是针对风电和火电的联合调度因此，在当前大规模风电集中入网的形势下，单纯研究风电和火电的联合调度将具有一定的局限性。鉴于目前储能装置的急速发展，本文将突破传统的含风电场电力系统经济调度，研究大规模风电集中接入的风-储-火电力系统协调运行。

2 含储能装置的风电场机组组合调度模型建立

2.1 目标函数

本文目标为满足系统约束条件下系统约束及机组出力约束）尽可能的使风电并网，风电作为清洁能源不计其发电能耗成本本文以火电机组煤耗成本最小目标，建立风-储-火多联合优化调度模型。本文建立目标函数如下：
 

式中：为调度时段数 ；为火电机组启停状态，表示开启，表示关机；火电机组数；火电机组在时段t的功率；为机组运行能耗；为机组i的启动能耗；为机组机组的停机能耗。

其中：表示运行机组参数。

通常设置为一般常数。

2.2 约束条件

（1）火电机组约束条件

①火电机组容量约束：

储能装置各时段的容量表达式如下：

3 对调度模型进行求解

（1）发式搜索确定火电机组调度台数

风水火电联合优化调度是多变量、多约束、非线性的混合约束规划问题，对于规模较大的系统，求解十分困难。考虑到随着风电入网规模的增加，原系统中火电机组容量出现冗余，本文首先采用启发式搜索方法确定参与联合调度的火电机组台数，对未选中机组，在调度过程中不予考虑。这样既避免机组低负荷高煤耗运行，同时减少了求解风水火电联合优化调度模型的寻优空间。首先计算系统中火电机组的最小比耗量，节能优先，按照最小比耗量由小到大的顺序对机组进经济性排序。最小比耗量的计算公式如下：

启发式搜索确定火电机组调度台数的步骤如下：

①提出正处于停机状态或者未达到最小停机时间的机组；

②依据上式求取剩余机组的最小比耗量，按照从小到大排序，建立火电机组开启的优先顺序表；

③从优先顺序表中第1台机组开始，逐渐累加各机组的最大出力，直到满足下式子：

④机组1～m就是参与调度的火电机组。

（2）确定每时刻机组启停顺序以及开启台数后，采用粒子群算法寻找机组的最优功率分配。

粒子群算法步骤如下：

①当机组组合确定后，随机初始化处于开启状态的火电机组出力，接纳的风电量以及确定此时储能装置充电或者放电功率；

②初始化完成后，进行性一定次数的迭代运行，当前步数内的粒子的最优值作为连续PSO的个体极值，当前迭代次数内所有粒子的最优值为连续PSO的全局最优值；

③更新粒子速度与位置重新计算。迭代公式见下式：

④判断算法迭代次数是否大于设定值，如果大于，则继续下一步操作，否则跳转至第三步；

⑤输出最终的机组出力、风电并网功率和储能装置充放电功率。

4 算例分析

本文采用了10台火电机组、1个风电场和1台储能装置。10台火电机组参数见文献[10]。火电机组1-5台机组爬坡能力分别为130MW、130MW、60MW、60MW、90MW，6-10台机组均为40MW。旋转备用取每小时负荷时段的10%，日负荷预测值和每时段负荷见表1所示。储能装置的特性见表2～表4所示。

表1 风电预测功率和负荷

表2 储能装置特性参数

                 表3 计及储能装置时各时刻火电机组出力

表4 无储能装置时各机组出力

表5 两种调度模型下的对比分析

从表5可以看出，加入储能装置后，火电机组总开启次数减少了4次，并且节约运行费用6608.9美元，弃风量减少191.33MW。

表6 储能装置的充放电

由表6可知：储能装置的引入可以在风电高峰期储存风电，在风电低，负荷高峰期时进行放电操作，因此在调度过程中可以减少机组启停，节约成本的目的。

5 结语

本文详细分析了含储能装置对含风电的机组组合调度问题的影响。由于风能具有很大的波动性，接入电网时会导致机组频繁启停，影响经济性，因此考虑将储能装置引入风电场中，使系统可以更加灵活安全运行，并经过算例证明，储能装置的引入，可以减少机组启停次数、节约运行成本，而且可以减少风电弃风。

参考文献

[1]周玮,彭昱,孙辉等.含风电场的电力系统动态经济调度[J].中国电机工程学报,2009,29(25):13-18.

[2]艾欣,刘晓,刘翠英.含风电场电力系统机组组合的模糊机会约束决策模型[J].电网技术,2011,35(12):202-207.

[3]DANESHI A,KHEDERZADEH M,SADRMOMTAZI N, etal．Integration of wind power and energy storage in SCUC problem[C]. Proceedings of the World Non-Grid-Connected Wind Power and Energy Conference (WNWEC),2010.

[4]尚志娟,周晖,王天华.带有储能装置的风电与水电互补系统的研究[J].电力系统保护与控制,2012(02):99-105.

[5]于芃,赵瑜,周玮等.基于混合储能系统的平抑风电波动功率方法的研究[J].电力系统保护与控制,2011(24):35-40.

[6]郭文兰.基于模糊决策的最优火电机组组合[J].哈尔滨理工大学学报,2004,9(3):102-104.

[7]马瑞.电力市场中兼顾环境保护和经济效益的双目标模糊优化短期交易计划新模型[J].中国电机工程学报,2002,22(4):104-108.

[8]徐致远,罗先觉,牛涛.综合考虑电力市场与节能调度的火电机组组合方案[J].电力系统自动化,2009,33(22):14-17.

[9]何小磊,严正,谢毓广.节能减排背景下的机组组合模型和算法研究[J].水电能源科学,2009,27(3):154-157,167.

[10]KAZARLIS S A,BAKIRTZIS A G,PETRIDIS V. A genetic algorithm solution to the unit commitment problem[J].IEEE Transactions on Power Systems,996,11(1): 83-92.

作者简介

邢杰 （1989-） 男 硕士研究生 就读于大连交通大学，主要研究方向为储能装置应用于风电场中的调度研究