考虑电站调峰性能差异的短期精细化调度方法

黄馗 程瑞翔 胡甲秋 李向阳 朱昀柯 武新宇

摘要：隨着电网调管水电规模的扩大以及调度精细化的需求，如何考虑不同电站调节性能差异进行精细化调峰，使得火电平稳运行，减少参与深度调峰，成为电网短期水电调度亟需解决的关键难题。针对电网短期精细化调度问题，提出了在水电站群调峰优化调度模型中考虑各水电站调峰性能差异的差异化调峰优化模型，更好地利用水电的调节能力，使得短期调度计划编制更加准确、合理。依照电网所辖水电站的调节性能不同划分弱调峰电站、调峰电站以及平衡电站进行差异化约束处理，并采用关联搜索方法对差异化调峰优化模型进行求解。选取广西37座水电站进行实例验证，结果表明：对比传统调峰优化模型，差异化调峰优化模型考虑了不同水电站调节性能的差异，进一步降低系统剩余负荷的峰谷差，平抑剩余系统负荷波动并调平系统负荷微小和频繁波动，是一种满足实际工程需求的精细化调度方法。

关键词：精细化调度；差异化调峰；短期调度；梯级水电站群

中图分类号：TV72  文献标识码：A  文章编号：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

随着国民经济的迅速增长以及新能源大规模并网，电网公司所承担的调峰形势日益严峻。水电由于其机组启停迅速、爬坡能力强的优点，能够调节系统负荷，使火电机组以及核电机组所承担的系统余荷尽量平稳，进而减少火电参与深度调峰［1-2］。因此，研究电网如何在短期调峰优化调度中充分发挥水电调峰性能、实现精细化调度［3-6］，对其安全稳定地运行具有重要意义。

水电短期调峰优化问题是一个多决策变量、高维、多复杂约束条件、大规模非凸非线性的优化问题［7-8］。众多学者已对水电短期调峰优问题进行了深入的研究，通过关联搜索算法、动态规划及其近似算法（如POA）、MILP以及启发式算法对其进行求解。常规水电短期调峰优化模型的优化目标［2，9］主要有系统剩余负荷最大值最小［8］、系统剩余负荷均方差最小［10-12］、剩余负荷平均距最小［13-15］以及剩余负荷峰谷差最小［16］。武新宇等［8］以水电调节剩余负荷最大值最小为目标函数建立短期模型，并通过逐次逼近的关联搜索方法对优化模型进行求解。肖小刚等［17］提出了根据水电装机容量及其对电网的影响程度对水电进行层级划分的多级协同模式调度调峰模型。张世钦［11］以系统剩余负荷方差最小为目标函数建立短期调峰优化模型并通过改进粒子群算法进行求解。张政等［16］以发电量最大和电网剩余负荷峰谷差最小为目标并采用MILP进行求解，但在传统调峰优化模型中没有考虑电站调峰性能差异对水电参与调峰的影响。

本文在传统调峰优化模型基础上考虑水电站群的调峰性能差异，提出了短期电网差异化调峰优化模型，根据水电的调节性能不同处理模型中的电站时间耦合型约束，进行差异化调峰。调节性能差的弱调峰电站通过将满发时段尽可能安排在系统负荷高峰期，进而参与部分调峰，调节性能较好的调峰电站按照传统调峰优化模型进行规则性调峰，平衡电站通过出力频繁波动降低系统剩余负荷波动，进而实现了电力平衡，减少火电参与深度调峰。广西37座水电站的实例应用表明，对不同调节能力的水电站进行差异化调峰，能够使得短期计划编制更加合理、精确、贴合实际。

1 差异化调峰优化调度模型

在电网短期调峰优化模型中，考虑到部分水电站调节能力不强以及调节性能好的常规水电站难以调平系统微小且频繁跳动负荷的问题。本文将参与短期计划编制的水电站划分为3类：小装机容量水电站（以下称弱调峰电站）、调节性能强的常规水电站（以下称调峰电站）以及下游装机容量较大且水库调节能力较好的平衡水电站（以下称平衡电站）进行差异化调峰。本文通过将弱调峰电站、调峰电站以及平衡电站分别采用不同的调峰模型建立两阶段差异化调峰优化模型进行优化。第一阶段，弱调峰电站基于初始解求解弱调峰电站调度模型参与部分调峰，调峰电站以及平衡电站基于初始解通过剩余负荷最大值最小模型进行规则性优化调峰，实现调峰电量最大；第二阶段，平衡电站以第一阶段的最优解为初始解求解剩余负荷均方差最小模型优化整体调峰效果，平抑剩余负荷波动，调平系统微小频繁的负荷跳动，实现短期计划精细化编制。

1.1 电网剩余负荷最大值最小模型

1.1.1 目标函数

第一阶段，调峰电站以及平衡电站以电网经水电调峰后的剩余负荷最大值最小为目标函数，表达式为：

式中 u——电网最大剩余负荷；Dt——第t时段的系统负荷；Ct——第t时段的系统剩余负荷；ptm——电站m在t时段的平均出力；T——调度期时段数；M——水电站数目。

1.1.2 约束条件

水量平衡：

末水位控制：

zt+1m=zendm（5）

式中 zt+1m——m号电站在第t时段的末水位，zendm——m号电站的调度期末水位。

发电流量约束：

电网水电总出力限制：

库水位约束：

出库流量限制：

最小开机出力限制：

（ptm-pminm）ptm≥0（12）

式中 pminm——m号水电站最小开机出力，即ptm大于pminm或为0。

水电站出力爬坡限制：

ptm-pt-1m≤Δpm（13）

式中 Δpm——m号水电站相邻时段最大出力升降限制。

水电站出力波动限制：

式中 Ytm——水电站出力升降时段的状态变量；m号水电站出力上升开始至下降开始，或由下降开始至上升开始的时间间隔不少于tpm个时段。

调峰电站在剩余负荷最大值最小调峰优化模型中需要满足出力升降最小持续时段数限制以实现规则性优化调峰；平衡电站在剩余负荷最大值最小调峰优化模型中不考虑出力升降最小持续时段数限制以平抑系统负荷跳动；弱调峰电站通过出力持续时间确定出力升降最小持续时段数限制，通过将满发时段尽可能安排在系统负荷高峰时段，参与部分调峰。

在系统剩余负荷最大值最小调峰优化模型中，平衡电站需满足式（3）—（13）约束，调峰电站需满足式（3）—（15）約束。

1.2 弱调峰电站调度模型

式中 Em——m号电站的来水量确定的预估发电量。

弱调峰电站在满足式（3）—（15）约束条件的情况下求解式（16）。

1.3 剩余负荷均方差最小模型

1.3.1 目标函数

在第二阶段优化中，平衡电站以剩余负荷均方差最小为目标函数，见式（17）：

1.3.2 约束条件

剩余负荷均方差最小模型需满足式（3）—（12）约束条件，忽略平衡电站出力波动、出力爬坡以及出力升降最小持续时段数限制等，使平衡电站出力频繁波动以调平系统微小频繁的负荷跳动。

1.4 模型转换

1.4.1 目标函数等效转换

由于剩余负荷最大值最小的目标函数形式不利于求解，采用凝聚函数法［18］将目标函数进行转换。其中目标函数可转换为：

1.4.2 约束条件等效转换

在短期调度优化模型中，采用利于处理时间关联约束条件的发电流量作为决策变量，将水电站与出力相关的时间耦合型约束转化修正为流量相关约束。

2 求解方法

2.1 短期发电调度计划快速生成初始解

为快速生成全部参与计算电站的初始解，本文采用短期发电调度计划快速生成方法生成初始解。首先通过来水量预估发电量，通过预估发电量确定弱调峰电站的出力持续时间。然后通过满足调度期末水位、发电用水量、总电量以及减少弃水等一系列基本操作，耦合时段排序调峰规则和满足时段关联约束的负荷分配方法，生成符合降低耗水率、有利于负荷平衡、上下游水库协调等原则的差异化两阶段调峰优化模型的初始解［19］，其中弱调峰电站的满发时段尽可能安排在系统负荷高峰时段。

2.2 关联搜索方法

为处理水电站出力爬坡限制、出力波动限制以及最小出力升降时段限制等复杂时间耦合型约束，本文采用文献［8］提出的关联搜索方法对短期优化调度模型进行求解。关联搜索算法能够有效地处理大规模水电系统优化问题中的复杂约束，而逐步优化算法、MILP方法以及遗传算法由于约束条件的复杂性难以满足求解效率以及求解结果的稳定性。文献［8］通过初始搜索、影响范围扩展、影响范围边缘修正以及出入库水量差调整等操作对出力升降时段数、出力波动、出力爬坡等约束进行可行性修正，按照距离发起点由远及近的顺序在保证满足已修正约束条件的前提下修正关联时段的出力，直到满足约束条件［8，20］。

3 实例分析

3.1 工程背景

广西电网是中国西南地区水电资源丰富的省级电网之一，具有水电规模大、部分水库调节能力差等特点，且与红水河流域上游总调电站衔接协调。广西电网负责调管红水河流域下游、西江流域、郁江流域以及柳江流域水电站，共34座。广西电网以岩滩和大化水电站作为平衡电站，并与红水河流域上游总调电站，天生桥一级、天生桥二级以及龙滩水电站相衔接。表1为广西壮族自治区内37座大中型水电站调峰性能划分表。图1为全部参与计算的水电群拓扑图。

3.2 结果分析

本文以某日发电调度计划为例，以15 min为计算时段，分别用传统调峰优化模型和差异化调峰优化模型进行对比。本算例调峰分析对比见表2。两种调峰优化模型均能有效地降低系统剩余负荷的峰谷差以及波动性，使得火电以及核电更加平稳地运行。通过调峰分析对比可知，差异化调峰优化模型的调峰性能比传统调峰优化模型更加优越。差异化调峰优化模型求解后的系统剩余负荷峰谷差为792.00 MW，方差为22 602.05 MW2，比传统调峰优化模型分别缩小17.36%和6.29%。说明差异化调峰优化模型能够进一步平抑负荷的波动，降低剩余负荷峰谷差，使得火电及核电能够平稳运行。

图2、3分别为差异化调峰优化模型和传统调峰优化模型得到的水电出力过程。通过图2、3的对比可知，传统调峰优化模型求得的系统剩余负荷过程在存在多个时段的微小频繁的负荷跳动，剩余负荷过程出力升降最小持续时段为1个时段，即15 min。如在00：30—01：15时段内系统剩余负荷先上升447.5 MW，再下降503.0 MW，然后上升27 MW，最后下降85 MW。而差异化调峰优化模型在保证调峰电量的基础上调平了频繁微小的负荷波动，使得余留给火电和核电系统的剩余负荷能够被顺利地分配。剩余负荷过程出力升降最小持续时段为3个时段，即45 min，单个时段的最大负荷爬坡值为172 MW。这是因为在传统调峰优化方法中，所有参与计算的电站均满足出力升降过程持续最小时段以及出力波动限制约束的条件，无法精确地调平系统负荷频繁波动。而差异化调峰优化方法在传统调峰优化方法的基础上考虑到水电站的调峰性能的差异，调峰电站以及平衡电站在第一阶段求解剩余负荷最大值最小模型保证调峰电量最大。然后，平衡电站忽略出力过程升降最小持续时段以及出力波动限制约束，在保證调峰电量的基础上进行二次寻优，出力频繁波动以实现电力平衡，减少火电参与深度调峰。

图4、5分别为平衡电站岩滩和调峰电站乐滩的传统调峰优化模型与差异化调峰优化模型出力过程对比。由图4、5可知：差异化调峰优化模型较传统调峰优化模型相比，充分考虑了平衡电站、弱调峰电站与调峰电站之间的调节性能差异，平衡电站通过频繁出力波动来实现系统电力平衡；调峰电站进行规则性调峰优化；弱调峰电站参与部分调峰。这是因为在传统调峰优化方法中，所有参与计算的水电站均满足时间耦合型约束，不考虑调节性能差异；而在差异化调峰优化模型中，弱调峰电站由于调节能力差，只需将满发时段尽可能安排在系统负荷高峰时段，参与部分调峰；调峰电站求解剩余负荷最大值最小模型进行传统调峰优化，保证调峰电量。而平衡电站在剩余负荷最大值最小模型的优化解基础上，通过剩余负荷均方差最小模型对平衡电站的出力过程进行寻优，使得平衡电站出力频繁波动，调平系统负荷频繁微小跳动兼顾保证调峰电量，实现短期精细化调度。

4 结论

本文提出的差异化调峰优化模型能够充分利用调节电站的不同调峰能力进行，使得短期计划编制更加合理、精确、符合工程实际。其中，调节性能差的弱调峰电站通过将满发时段尽可能安排在系统负荷高峰期，进而参与部分调峰，避免由于径流预测误差等问题导致调峰任务难以完成。调节性能较好的调峰电站按照传统调峰优化模型进行规则性调峰，利用其良好的调峰性能保证调峰电量最大。平衡电站保证调峰电量的基础上通过出力频繁波动降低系统剩余负荷波动，调平微小频繁的系统剩余负荷跳动，减少火电核电参与深度调峰。

参考文献：

［1］苏承国，王沛霖，武新宇，等.考虑机组组合的梯级水电站短期调峰MILP模型［J］.电网技术，2018，42（6）：1883-1891.

［2］张政，程春田，李泽宏，等.水电站群短期调峰优化模型目标函数比较研究［J］.电网技术，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，刘凡骞，谭乔凤，等.复杂水利-电力约束下梯级水电站短期多层级多目标优化调度研究［J］.水利学报，2023，54（4）：392-404.

［7］程春田，武新宇，申建建，等.大规模水电站群短期优化调度方法Ⅰ：总体概述［J］.水利学报，2011，42（9）：1017-1024.

［8］武新宇，程春田，申建建，等.大规模水电站群短期优化调度方法Ⅲ：多电网调峰问题［J］.水利学报，2012，43（1）：31-42.

［9］曹辉，武云霞，梁志明，等.梯级水电站水光互补系统调峰运行方式研究［J］.水力发电，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］张世钦.基于改进粒子群算法的风光水互补发电系统短期调峰优化调度［J］.水电能源科学，2018，36（4）：208-212.

［12］周建中，吴巍，卢鹏，等.响应电网负荷需求的梯级水电站短期调峰调度［J］.水力发电学报，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］钟儒鸿，程春田，廖胜利，等.兼顾多电网调峰与水电消纳的跨流域梯级水电站调度方法［J］.电力系统自动化，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］张政，武新宇，程春田，等.复杂约束下梯级水电站短期厂网协调多目标MILP模型［J］.电力系统自动化，2021，45（21）：197-205.

［17］肖小刚，周建中，张祥，等.多级协同模式下华中电网大规模水电站群跨网调峰调度研究［J］.水电能源科学，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，应其霖，廖胜利，等.梯级水电站群短期发电调度计划快速生成方法［J］.水资源研究，2018（3）：236-250.

［20］刘本希，武新宇，程春田，等.大小水电可消纳电量期望值最大短期协调优化调度模型［J］.水利学报，2015，46（12）：1497-1505.