考慮電站調峰性能差異的短期精細化調度方法

黃馗 程瑞翔 胡甲秋 李向陽 朱昀柯 武新宇

摘要：隨著電網調管水電規模的擴大以及調度精細化的需求，如何考慮不同電站調節性能差異進行精細化調峰，使得火電平穩運行，減少參與深度調峰，成為電網短期水電調度亟需解決的關鍵難題。針對電網短期精細化調度問題，提出了在水電站群調峰優化調度模型中考慮各水電站調峰性能差異的差異化調峰優化模型，更好地利用水電的調節能力，使得短期調度計劃編制更加準確、合理。依照電網所轄水電站的調節性能不同劃分弱調峰電站、調峰電站以及平衡電站進行差異化約束處理，并采用關聯搜索方法對差異化調峰優化模型進行求解。選取廣西37座水電站進行實例驗證，結果表明：對比傳統調峰優化模型，差異化調峰優化模型考慮了不同水電站調節性能的差異，進一步降低系統剩余負荷的峰谷差，平抑剩余系統負荷波動并調平系統負荷微小和頻繁波動，是一種滿足實際工程需求的精細化調度方法。

關鍵詞：精細化調度；差異化調峰；短期調度；梯級水電站群

中圖分類號：TV72? 文獻標識碼：A? 文章編號：1001.9235（2024）01.0139.07

A Refined Short.term Scheduling Method Considering the Difference of Peak.shaving Performance of Hydropower Stations

HUANG Kui1，CHENG Ruixiang2，HU Jiaqiu1，LI Xiangyang3，ZHU Yunke2，WU Xinyu2*

（1.Power Dispatching and Control Center，Guangxi Power Grid Co.，Ltd，Nanning 530023，China;

2.Institute of Hydropower & Hydroinformatics，Dalian University of Technology，Dalian 116024，China;

3.Comprehensive Technology Center of? Pearl River Water Resources Commission of the Ministry of Water Resources，Guangzhou 510611，China）

Abstract： The scale of regulated hydropower in the power grid and the demand for refined dispatch continue to expand.How to carry out refined peak.shaving considering the differences in the regulatory performance of different power stations，which makes thermal power run smoothly and reduces the depth of participation in peak shaving，is the key problem to be solved in short.term hydropower dispatch of the power grid.To deal with the refined short.term scheduling of some provincial power grids，this paper proposes a peak.shaving optimization model of hydropower station groups considering peak.shaving performance differences.The model makes the short.term scheduling plan more accurate and reasonable and can better use hydropower regulation capacity.According to the different regulatory performance of the hydropower stations under the power grid，the paper conducts differentiated constraint processing to the weak peak.load station，the peak.load station，and the balanced power station.In addition，the successive associated search method is applied to solve the differentiated peak load optimization model.A total of 37 hydropower stations in Guangxi power grid are selected for the case study.The results show that compared with the traditional model，the differential peak.shaving optimization model takes into account the difference in regulation performance of different hydropower stations.It further reduces the peak.valley difference of the residual load of the system，smooths the fluctuation of the residual load of the system，and levels the small and frequent fluctuations of the system load，which is a fine scheduling method to meet the actual engineering requirements.

Keywords：refined scheduling;differential peak shaving;short.term scheduling;cascaded hydropower stations

隨著國民經濟的迅速增長以及新能源大規模并網，電網公司所承擔的調峰形勢日益嚴峻。水電由于其機組啟停迅速、爬坡能力強的優點，能夠調節系統負荷，使火電機組以及核電機組所承擔的系統余荷盡量平穩，進而減少火電參與深度調峰［1-2］。因此，研究電網如何在短期調峰優化調度中充分發揮水電調峰性能、實現精細化調度［3-6］，對其安全穩定地運行具有重要意義。

水電短期調峰優化問題是一個多決策變量、高維、多復雜約束條件、大規模非凸非線性的優化問題［7-8］。眾多學者已對水電短期調峰優問題進行了深入的研究，通過關聯搜索算法、動態規劃及其近似算法（如POA）、MILP以及啟發式算法對其進行求解。常規水電短期調峰優化模型的優化目標［2，9］主要有系統剩余負荷最大值最?。?］、系統剩余負荷均方差最?。?0-12］、剩余負荷平均距最?。?3-15］以及剩余負荷峰谷差最?。?6］。武新宇等［8］以水電調節剩余負荷最大值最小為目標函數建立短期模型，并通過逐次逼近的關聯搜索方法對優化模型進行求解。肖小剛等［17］提出了根據水電裝機容量及其對電網的影響程度對水電進行層級劃分的多級協同模式調度調峰模型。張世欽［11］以系統剩余負荷方差最小為目標函數建立短期調峰優化模型并通過改進粒子群算法進行求解。張政等［16］以發電量最大和電網剩余負荷峰谷差最小為目標并采用MILP進行求解，但在傳統調峰優化模型中沒有考慮電站調峰性能差異對水電參與調峰的影響。

本文在傳統調峰優化模型基礎上考慮水電站群的調峰性能差異，提出了短期電網差異化調峰優化模型，根據水電的調節性能不同處理模型中的電站時間耦合型約束，進行差異化調峰。調節性能差的弱調峰電站通過將滿發時段盡可能安排在系統負荷高峰期，進而參與部分調峰，調節性能較好的調峰電站按照傳統調峰優化模型進行規則性調峰，平衡電站通過出力頻繁波動降低系統剩余負荷波動，進而實現了電力平衡，減少火電參與深度調峰。廣西37座水電站的實例應用表明，對不同調節能力的水電站進行差異化調峰，能夠使得短期計劃編制更加合理、精確、貼合實際。

1 差異化調峰優化調度模型

在電網短期調峰優化模型中，考慮到部分水電站調節能力不強以及調節性能好的常規水電站難以調平系統微小且頻繁跳動負荷的問題。本文將參與短期計劃編制的水電站劃分為3類：小裝機容量水電站（以下稱弱調峰電站）、調節性能強的常規水電站（以下稱調峰電站）以及下游裝機容量較大且水庫調節能力較好的平衡水電站（以下稱平衡電站）進行差異化調峰。本文通過將弱調峰電站、調峰電站以及平衡電站分別采用不同的調峰模型建立兩階段差異化調峰優化模型進行優化。第一階段，弱調峰電站基于初始解求解弱調峰電站調度模型參與部分調峰，調峰電站以及平衡電站基于初始解通過剩余負荷最大值最小模型進行規則性優化調峰，實現調峰電量最大；第二階段，平衡電站以第一階段的最優解為初始解求解剩余負荷均方差最小模型優化整體調峰效果，平抑剩余負荷波動，調平系統微小頻繁的負荷跳動，實現短期計劃精細化編制。

1.1 電網剩余負荷最大值最小模型

1.1.1 目標函數

第一階段，調峰電站以及平衡電站以電網經水電調峰后的剩余負荷最大值最小為目標函數，表達式為：

式中 u——電網最大剩余負荷；Dt——第t時段的系統負荷；Ct——第t時段的系統剩余負荷；ptm——電站m在t時段的平均出力；T——調度期時段數；M——水電站數目。

1.1.2 約束條件

水量平衡：

末水位控制：

zt+1m=zendm（5）

式中 zt+1m——m號電站在第t時段的末水位，zendm——m號電站的調度期末水位。

發電流量約束：

電網水電總出力限制：

庫水位約束：

出庫流量限制：

最小開機出力限制：

（ptm-pminm）ptm≥0（12）

式中 pminm——m號水電站最小開機出力，即ptm大于pminm或為0。

水電站出力爬坡限制：

ptm-pt-1m≤Δpm（13）

式中 Δpm——m號水電站相鄰時段最大出力升降限制。

水電站出力波動限制：

式中 Ytm——水電站出力升降時段的狀態變量；m號水電站出力上升開始至下降開始，或由下降開始至上升開始的時間間隔不少于tpm個時段。

調峰電站在剩余負荷最大值最小調峰優化模型中需要滿足出力升降最小持續時段數限制以實現規則性優化調峰；平衡電站在剩余負荷最大值最小調峰優化模型中不考慮出力升降最小持續時段數限制以平抑系統負荷跳動；弱調峰電站通過出力持續時間確定出力升降最小持續時段數限制，通過將滿發時段盡可能安排在系統負荷高峰時段，參與部分調峰。

在系統剩余負荷最大值最小調峰優化模型中，平衡電站需滿足式（3）—（13）約束，調峰電站需滿足式（3）—（15）約束。

1.2 弱調峰電站調度模型

式中 Em——m號電站的來水量確定的預估發電量。

弱調峰電站在滿足式（3）—（15）約束條件的情況下求解式（16）。

1.3 剩余負荷均方差最小模型

1.3.1 目標函數

在第二階段優化中，平衡電站以剩余負荷均方差最小為目標函數，見式（17）：

1.3.2 約束條件

剩余負荷均方差最小模型需滿足式（3）—（12）約束條件，忽略平衡電站出力波動、出力爬坡以及出力升降最小持續時段數限制等，使平衡電站出力頻繁波動以調平系統微小頻繁的負荷跳動。

1.4 模型轉換

1.4.1 目標函數等效轉換

由于剩余負荷最大值最小的目標函數形式不利于求解，采用凝聚函數法［18］將目標函數進行轉換。其中目標函數可轉換為：

1.4.2 約束條件等效轉換

在短期調度優化模型中，采用利于處理時間關聯約束條件的發電流量作為決策變量，將水電站與出力相關的時間耦合型約束轉化修正為流量相關約束。

2 求解方法

2.1 短期發電調度計劃快速生成初始解

為快速生成全部參與計算電站的初始解，本文采用短期發電調度計劃快速生成方法生成初始解。首先通過來水量預估發電量，通過預估發電量確定弱調峰電站的出力持續時間。然后通過滿足調度期末水位、發電用水量、總電量以及減少棄水等一系列基本操作，耦合時段排序調峰規則和滿足時段關聯約束的負荷分配方法，生成符合降低耗水率、有利于負荷平衡、上下游水庫協調等原則的差異化兩階段調峰優化模型的初始解［19］，其中弱調峰電站的滿發時段盡可能安排在系統負荷高峰時段。

2.2 關聯搜索方法

為處理水電站出力爬坡限制、出力波動限制以及最小出力升降時段限制等復雜時間耦合型約束，本文采用文獻［8］提出的關聯搜索方法對短期優化調度模型進行求解。關聯搜索算法能夠有效地處理大規模水電系統優化問題中的復雜約束，而逐步優化算法、MILP方法以及遺傳算法由于約束條件的復雜性難以滿足求解效率以及求解結果的穩定性。文獻［8］通過初始搜索、影響范圍擴展、影響范圍邊緣修正以及出入庫水量差調整等操作對出力升降時段數、出力波動、出力爬坡等約束進行可行性修正，按照距離發起點由遠及近的順序在保證滿足已修正約束條件的前提下修正關聯時段的出力，直到滿足約束條件［8，20］。

3 實例分析

3.1 工程背景

廣西電網是中國西南地區水電資源豐富的省級電網之一，具有水電規模大、部分水庫調節能力差等特點，且與紅水河流域上游總調電站銜接協調。廣西電網負責調管紅水河流域下游、西江流域、郁江流域以及柳江流域水電站，共34座。廣西電網以巖灘和大化水電站作為平衡電站，并與紅水河流域上游總調電站，天生橋一級、天生橋二級以及龍灘水電站相銜接。表1為廣西壯族自治區內37座大中型水電站調峰性能劃分表。圖1為全部參與計算的水電群拓撲圖。

3.2 結果分析

本文以某日發電調度計劃為例，以15 min為計算時段，分別用傳統調峰優化模型和差異化調峰優化模型進行對比。本算例調峰分析對比見表2。兩種調峰優化模型均能有效地降低系統剩余負荷的峰谷差以及波動性，使得火電以及核電更加平穩地運行。通過調峰分析對比可知，差異化調峰優化模型的調峰性能比傳統調峰優化模型更加優越。差異化調峰優化模型求解后的系統剩余負荷峰谷差為792.00 MW，方差為22 602.05 MW2，比傳統調峰優化模型分別縮小17.36%和6.29%。說明差異化調峰優化模型能夠進一步平抑負荷的波動，降低剩余負荷峰谷差，使得火電及核電能夠平穩運行。

圖2、3分別為差異化調峰優化模型和傳統調峰優化模型得到的水電出力過程。通過圖2、3的對比可知，傳統調峰優化模型求得的系統剩余負荷過程在存在多個時段的微小頻繁的負荷跳動，剩余負荷過程出力升降最小持續時段為1個時段，即15 min。如在00：30—01：15時段內系統剩余負荷先上升447.5 MW，再下降503.0 MW，然后上升27 MW，最后下降85 MW。而差異化調峰優化模型在保證調峰電量的基礎上調平了頻繁微小的負荷波動，使得余留給火電和核電系統的剩余負荷能夠被順利地分配。剩余負荷過程出力升降最小持續時段為3個時段，即45 min，單個時段的最大負荷爬坡值為172 MW。這是因為在傳統調峰優化方法中，所有參與計算的電站均滿足出力升降過程持續最小時段以及出力波動限制約束的條件，無法精確地調平系統負荷頻繁波動。而差異化調峰優化方法在傳統調峰優化方法的基礎上考慮到水電站的調峰性能的差異，調峰電站以及平衡電站在第一階段求解剩余負荷最大值最小模型保證調峰電量最大。然后，平衡電站忽略出力過程升降最小持續時段以及出力波動限制約束，在保證調峰電量的基礎上進行二次尋優，出力頻繁波動以實現電力平衡，減少火電參與深度調峰。

圖4、5分別為平衡電站巖灘和調峰電站樂灘的傳統調峰優化模型與差異化調峰優化模型出力過程對比。由圖4、5可知：差異化調峰優化模型較傳統調峰優化模型相比，充分考慮了平衡電站、弱調峰電站與調峰電站之間的調節性能差異，平衡電站通過頻繁出力波動來實現系統電力平衡；調峰電站進行規則性調峰優化；弱調峰電站參與部分調峰。這是因為在傳統調峰優化方法中，所有參與計算的水電站均滿足時間耦合型約束，不考慮調節性能差異；而在差異化調峰優化模型中，弱調峰電站由于調節能力差，只需將滿發時段盡可能安排在系統負荷高峰時段，參與部分調峰；調峰電站求解剩余負荷最大值最小模型進行傳統調峰優化，保證調峰電量。而平衡電站在剩余負荷最大值最小模型的優化解基礎上，通過剩余負荷均方差最小模型對平衡電站的出力過程進行尋優，使得平衡電站出力頻繁波動，調平系統負荷頻繁微小跳動兼顧保證調峰電量，實現短期精細化調度。

4 結論

本文提出的差異化調峰優化模型能夠充分利用調節電站的不同調峰能力進行，使得短期計劃編制更加合理、精確、符合工程實際。其中，調節性能差的弱調峰電站通過將滿發時段盡可能安排在系統負荷高峰期，進而參與部分調峰，避免由于徑流預測誤差等問題導致調峰任務難以完成。調節性能較好的調峰電站按照傳統調峰優化模型進行規則性調峰，利用其良好的調峰性能保證調峰電量最大。平衡電站保證調峰電量的基礎上通過出力頻繁波動降低系統剩余負荷波動，調平微小頻繁的系統剩余負荷跳動，減少火電核電參與深度調峰。

參考文獻：

［1］蘇承國，王沛霖，武新宇，等.考慮機組組合的梯級水電站短期調峰MILP模型［J］.電網技術，2018，42（6）：1883-1891.

［2］張政，程春田，李澤宏，等.水電站群短期調峰優化模型目標函數比較研究［J］.電網技術，2021，45（9）：3523-3533.

［3］FENG Z K，NIU W J，WANG W C，et al.A mixed integer linear programming model for unit commitment of thermal plants with peak shaving operation aspect in regional power grid lack of flexible hydropower energy［J］.Energy，2019，175：618-629.

［4］SHEN J J，CHENG C T，WANG S，et al.Multiobjective optimal operations for an interprovincial hydropower system considering peak.shaving demands［J］.Renewable and Sustainable Energy Reviews，2020，120.DOI：101016/j.rser.2019.109617.

［5］ZHANG J J，CHENG C T，YU S，et al.Sharing hydropower flexibility in interconnected power systems：A case study for the China Southern power grid［J］.Applied Energy，2021，288.DOI：10.1016/J.APENERGY.2021.116645.

［6］聞昕，劉凡騫，譚喬鳳，等.復雜水利-電力約束下梯級水電站短期多層級多目標優化調度研究［J］.水利學報，2023，54（4）：392-404.

［7］程春田，武新宇，申建建，等.大規模水電站群短期優化調度方法Ⅰ：總體概述［J］.水利學報，2011，42（9）：1017-1024.

［8］武新宇，程春田，申建建，等.大規模水電站群短期優化調度方法Ⅲ：多電網調峰問題［J］.水利學報，2012，43（1）：31-42.

［9］曹輝，武云霞，梁志明，等.梯級水電站水光互補系統調峰運行方式研究［J］.水力發電，2023，49（1）：73-78.

［10］LIAO S L，LIU Z W，LIU B X，et al.Daily peak shaving operation of cascade hydropower stations with sensitive hydraulic connections considering water delay time［J］.Renewable Energy，2021，169：970-981.

［11］張世欽.基于改進粒子群算法的風光水互補發電系統短期調峰優化調度［J］.水電能源科學，2018，36（4）：208-212.

［12］周建中，吳巍，盧鵬，等.響應電網負荷需求的梯級水電站短期調峰調度［J］.水力發電學報，2016，35（6）：1-10.

［13］CHENG X L，FENG S Z，HUANG Y X，et al.A New Peak.Shaving Model Based on Mixed Integer Linear Programming with Variable Peak.Shaving Order［J］.Energies，2021，14（4）.DOI：10.3390/en14040887.

［14］鐘儒鴻，程春田，廖勝利，等.兼顧多電網調峰與水電消納的跨流域梯級水電站調度方法［J］.電力系統自動化，2021，45（14）：114-122.

［15］LIAO S L，YANG H L，LIU B X，et al.Daily peak.shaving model of cascade hydropower serving multi.grids considering an HVDC channel shared constraint［J］.Renewable Energy，2022，199：112-122.

［16］張政，武新宇，程春田，等.復雜約束下梯級水電站短期廠網協調多目標MILP模型［J］.電力系統自動化，2021，45（21）：197-205.

［17］肖小剛，周建中，張祥，等.多級協同模式下華中電網大規模水電站群跨網調峰調度研究［J］.水電能源科學，2020，38（3）：66-70.

［18］LI X S.An entropy.based aggregate method for minimax optimization［J］.Engineering Optimization，1992，18（4）：277-285.

［19］武新宇，應其霖，廖勝利，等.梯級水電站群短期發電調度計劃快速生成方法［J］.水資源研究，2018（3）：236-250.

［20］劉本希，武新宇，程春田，等.大小水電可消納電量期望值最大短期協調優化調度模型［J］.水利學報，2015，46（12）：1497-1505.