谢 冲
河南理工大学电气学院，焦作 454000
摘要：为减小风光发电的波动性对电网的冲击，提高电网运行的经济性和风光消纳能力，提出一种基于极点对称模态分解(extreme-point symmetric modal decomposition, ESMD)和分时电价（time-of-use, TOU）的配电网双层优化调度策略。上层采用ESMD对风光出力进行分解，并将平抑后的出力传递至下层；下层采用TOU引导用电负荷更加贴近于风光出力，对旋转备用和机组出力优化。以某地区配电网为例分析，验证了提调度策略的有效性。
关键词：极点对称模态分解；分时电价；旋转备用；调度策略
1引言
近年来，可再生能源发电装机容量不断增长，其波动性对电网的安全稳定运行带来巨大的冲击，“弃风弃光”现象日益严峻[1]。
为缓解可再生能源出力的波动性，提高电网对风光发电的消纳能力，保障电网的安全经济运行，国内外专家学者进行了深入的研究。文献[2]提出一种考虑风电场灵活性及出力不确定性的机组组合，该模型可以提高电网的风电消纳能力并提升电网运行的经济效益。文献[3]建立含大规模风电系统的机会约束目标规划模型，将风电旋转备用问题转化为“弃风”风险和切负荷风险两部分，该模型可以有效降低电网的旋转备用成本。文献[4]将光伏发电与冷热联供系统协调优化，采用分时电价引导用户负荷更贴近于光伏出力，达到提高微电网的可再生能源利用率、降低微电网的运行成本。文献[5]提出一种源荷协调的多目标优化调度策略，有效提高了电网的风电接纳能力。文献[6]在调度模型中考虑了储能技术和需求响应的作用，通过改变负荷的时间分布达到消纳风电的目的。文献[7]验证了分时电价对提高电网运行经济性的作用，降低了用户的购电费用并提高用电满意度。
现有研究虽然取得了一定的成果，但是很少考虑可再生能源波动性对电网的影响，本文在现有研究的基础上，针对风光出力的波动性，建立了基于ESMD和TOU的配电网双层优化调度策略。上层调度采用ESMD对风、光出力进行分解，通过储能装置吸收波动分量，将平抑后的出力传递至下层；下层优化调度模型首先通过TOU对用电负荷进行引导，优化火电机组出力和系统的旋转备用。最后以某地区配电网为算例进行分析，仿真结果验证了所提调度策略有效性。
2ESMD和TOU模型
2.1ESMD模型
极点对称模态分解（ESMD）是在经验模态分解（EMD）的基础上改进得到的新方法。ESMD采用内部极点对称差值，采取“最小二乘法”优化剩余模态并得到最佳筛选次数，从而达到分解原始信号的目的。本文选择ESMD作为风光出力波动性分析的方法，并采用储能装置吸收分解中产生的模态分量，具体分解流程为：
1）求出待分解信号的极值点，用线段连接相邻的极值点，中点标记为；
2）补充边界中点、，进而得到个中点，构造出条插值曲线，得到差值曲线；
3）取重复步骤1）和2），终止条件为筛选次数达到最大或，从而分解得到第一个模态分量；
4）取重复上述步骤，得到模态分量直到余量剩余一定的极值点个数；
5）设定整数区间，在区间内不断变化并重复上述步骤，得到一系列结果并计算方差比率；
6）找到最小方差比率时对应的筛选次数，设定其为最大筛选次数，重复上述五步得到最终分解结果。
2.2TOU模型
1）TOU目标函数
分时电价在消纳可再生能源、降低电网运行成本的发挥着重要作用。定义系统净负荷为用电负荷与平抑后的可再生能源出力之差，并建立如下目标函数：
(1)
.png)
式中，为配电网在时段的负荷预测数据；为采用ESMD后时段平抑后风光出力。
2）TOU约束条件
为TOU电价的制定原则[8]要符合以下约束条件：
(2)
.png)
式中，为峰时段系统总负荷量；为谷时段系统总负荷量；为拉开比，表示峰平电价差与平谷电价差之比；为时段的负荷转移率，即负荷转移量占负荷总量的比例；为时段负荷最大转移率。
3基于ESMD和TOU的双层优化调度模型
本文为减小风光发电的波动性对电网的冲击，提高系统的经济性，提出一种基于ESMD和TOU的配电网双层优化调度策略。上层调度采用ESMD对风光出力进行分解并采用储能装置吸收波动分量，将平抑后的可再生能源出力传递至下层；下层调度采用TOU引导用电负荷，对旋转备用和机组出力优化。双层优化调度策略流程如图1所示：
.png)
图1 两阶段优化调度策略流程
3.1上层优化调度模型
3.1.1 目标函数
上层调度采用ESMD对风、光出力进行分解，通过储能装置吸收波动分量，将平抑后的出力传递至下层。目标函数为上层出力波动最小：
(3)
.png)
式中，T为一个调度周期的时段数，本文取96个时段，每段时长15min；为时段上层出力；为上层平均出力。
3.1.2 约束条件
1）ESMD约束
ESMD约束包括余量剩余极值点个数约束和筛选次数约束。
(4)
.png)
式中，表示原始信号的极点个数；、为余量剩余极点个数的上下边界值；为最佳筛选次数；、为允许筛选次数的上下边界值。
2）储能装置约束
储能装置约束分为储能充放电功率限制和剩余容量限制。
(5)
.png)
式中，为储能装置时段充、放电功率，其为正时表示充电，为负时表示放电；为储能装置最大充、放电功率；为时段的剩余容量；为最小允许剩余容量值；为最大允许剩余容量值。
3.2下层优化调度模型
3.2.1 目标函数
下层优化调度模型首先通过TOU对用电负荷进行引导，优化火电机组出力，目标函数为整个系统的运行成本最低。为鼓励可再生能源发电的发电，本文忽略其发电成本，并且对“弃风弃光”增加惩罚费用。因此，下层优化调度目标函数为：
(6)
.png)
式中，、为时段配电网的的正、负旋转备用成本；为时段火电机组的燃料成本；为时段火电机组的环境成本；为时段系统的风光总切除量；为单位风光出力的切除量惩罚费用。
3.2.2约束条件
1）功率平衡约束。
(7)
.png)
式中，为火电机组出力；为风电功率；为光伏功率；为负荷功率。
2）旋转备用约束。
旋转备用约束条件见文献[9]。
4算例分析
本文以某地区配电网为例计算分析，该配电网包含6台火电机组、1个光伏电站、1个风电场和1个储能电站。光伏电站的装机容量为50MW，风电场的装机容量为150MW，储能电站的储能容量为10MW·h。火电机组参数如表1所示[11]。储能电站起始电量为5MW·h，最小允许电量为1MW·h，最大允许电量为9MW·h，折旧系数取83.2元/MW·h[10]。系统的旋转备用容量取总负荷的5%[12]，旋转备用置信度取0.99，容量成本取0.02万元/(MW·h)[3]。风光单位切除量惩罚费用为0.05万元/(MW·h)。风光预测出力曲线和负荷功率曲线如图2所示。采用标准粒子群算法进行求解。
表1 火力发电机组参数
.png)
图2 风、光、负荷功率预测数据
1）上层优化结果与分析
根据上层优化调度模型，对风光出力进行分解得到如图3所示的功率曲线。
.png)
图3 VPP出力优化结果
从图3可以看出，ESMD可以将波动性很强的风光出力分解为平滑的出力和波动分量，通过储能装置吸收波动分量可以有效减小对电网的冲击。
2）下层优化结果与分析
根据每个时段负荷大小，参考文献[13]中峰平谷时段划分方法，设定微电网0-8时为谷时段，8-11时、16-19时、22-24时为平时段，11-16时、19-22时为峰时段。设定平时段电价为0.6元，TOU制定的相关参数见文献[14]。
根据下层优化调度模型，求解得到各时段电价为：峰时段0.8633元、平时段0.60元、谷时段0.2288元。采用TOU前后的负荷曲线和火电机组出力如下图所示。
.png)
图4 采用分时电价前后结果
.png)
图5 机组出力最优经济分配
由图4可以看出，采用分时电价可以有效降低系统的“峰谷差”，有利于发电机组的经济运行。
3）采用双层优化调度策略前、后成本对比
为验证双层优化调度策略的有效性，计算得到采用该策略前后电网的运行成本如表2所示。
表2 优化前、后电网运行成本
.png)
由表2可以看出，采用本文所提的双层调度策略，火电机组的发电成本同比下降2.98%，系统旋转备用下降35.29%，同时风光切除惩罚由1.25万元降为0元，可再生能源全额消纳。综合来看，系统运行总成本下降6.117%，充分说明本文所提的双层优化调度策略可以提高系统运行的经济性，提升可再生能源的消纳比例。
5结论
随着可再生能源装机容量不断增长，对波动性和不确定性对电网的运行带来巨大的挑战。为解决以上问题，本文提出一种基于ESMD和TOU的双层优化调度策略，以某地区配电网为例进行分析验证。
仿真结果表明，采用ESMD对风光出力进行优化，可以有效降低新能源发电的波动性，减少可再生能源并网所造成的冲击。通过TOU积极引导用户改变用电方式，“峰谷差”减小，机组出力更加平稳，同时用电负荷与风电出力在时序上更加贴近，有效提高电网的经济效益。
因此，采用本文所提的双层优化调度策略，可以降低可再生能源出力的波动性，提高电网的运行效益。
参考文献
[1] 舒印彪, 张智刚, 郭剑波, 等. 新能源消纳关键因素分析及解决措施研究[J]. 中国电机工程学报, 2017, 37(1): 1-8.
[2] 刘斌, 刘锋, 王程, 等. 考虑风电场灵活性及出力不确定性的机组组合[J]. 电网技术, 2015, 39(03): 730-736.
[3] 赵书强, 王扬, 徐岩, 等. 基于机会约束目标规划的高风电接入比例下大规模储能与火电协调调度[J]. 中国电机工程学报, 2016, 36(04): 969-977.
[4] 段绍辉, 汪伟, 刘中胜, 等. 含光伏的冷热电联供微网系统优化调度方案[J]. 电力系统及其自动化学报, 2013, 25(04): 150-155.
[5] 刘文颖, 文晶, 谢昶, 等. 考虑风电消纳的电力系统源荷协调多目标优化方法[J]. 中国电机工程学报, 2015, 35(5): 1079 - 1088．
[6] 宋艺航, 谭忠富, 李欢欢, 等. 促进风电消纳的发电侧、储能及需求侧联合优化模型[J]. 电网技术，2014，38(3)：610 - 615．
[7] 黄焘, 马溪原, 雷金勇, 等. 考虑分时电价和需求响应的家庭型用户侧微电网优化运行[J]. 南方电网技术, 2015, 9(4) : 47-53.
[8] 刘小聪, 王蓓蓓, 李扬, 等. 智能电网下计及用户侧互动的发电日前调度计划模型[J]. 中国电机工程学报, 2013, 33(1), 30-38.
[9] 李星雨, 邱晓燕, 史光耀, 等. 考虑虚拟电厂和分时电价的风光火储系统两阶段优化调度策略[J]. 南方电网技术, 2017, 11(6): 70-77.
[10] 胡晓通, 刘天琪, 何川, 等. 计及蓄电池损耗特性的微网多目标优化运行[J]. 中国电机工程学报, 2016, 36(10): 2674-2681.
[11] 陈道君, 龚庆武, 乔卉, 等. 采用改进生物地理学算法的风电并网电力系统多目标发电调度[J]. 中国电机工程学报, 2012, 32(31): 150-158．
[12] 张晓辉, 闫柯柯, 卢志刚, 等. 基于碳交易的含风电系统低碳经济调度[J]. 电网技术, 2013, 37(10): 2697-2704．
[13] 毛晓明, 陈深, 吴杰康, 等. 分时电价机制下含蓄电池微网的优化调度[J]. 电网技术, 2015, 39(5): 1192-1197.
[14] 阮文骏, 王蓓蓓, 李扬, 等. 峰谷分时电价下的用户响应行为研究[J]. 电网技术, 2012, 36(7): 86-93．