0 引言

某区域电网中新能源装机容量占比超过60%，九成以上用电负荷来自高载能企业用户。此类企业用户的生产过程具有用电负荷大、持续时间长、昼夜不停歇的特点。近年来该地区用电负荷年均增速超17%，且高载能企业用电负荷在工业用户侧占比超过90%。另外，该地区还承担了向京津冀电网输电保供任务。

该电网调度运行面临较大挑战，常出现短时电力供应缺口。据统计，2020年全年调度中心对高载能企业用户采取分时段的有序用电措施共计52天，其中最大限电功率为2500 MW，最大单次限电时长为16 h，对当地生产企业和社会经济发展造成了严重制约。长期来看，地区电力供不应求，尤其是在夏季枯风期和供热机组停机时段更为突出。

针对上述问题，有效发掘和配置电网中的灵活性资源是改善区域电网调度运行性能的重要手段。传统电力系统的平衡是指网络中任意时刻发电量与用电量的平衡，而高比例新能源电力系统的灵活性平衡是源、网、荷、储之间的平衡。含高比例新能源及高载能用户的区域电网的供需两侧均具有随机性强、可控性差的特点，因此此类电网中灵活性资源的合理高效配置具有极其重要的意义。

本文重点研究含高比例新能源及高载能用户区域电网的日前调度决策问题。在已有的研究中，文献[1]考虑了需求侧响应，建立了一种计及用户侧互动的发电日前调度计划模型，但是没有考虑高比例新能源的接入对电网调度的影响；文献[2]综合考虑了电网的日前和日内调度，提出了包含风电和电动汽车的区域电网经济调度策略；文献[3]提出了计及电-气-热综合能源系统的输配协同机组组合模型，增强了风电的消纳能力，但是没有考虑光伏接入的影响；文献[4]重点考虑了风电出力不确定性的微网日前优化调度问题，以最恶劣风电出力为场景，建立了鲁棒双层优化模型；文献[5]提出了包含可控光伏电网的日前调度模型，计及可控光伏电力系统的出力概率特性，得到了满足全部机会约束条件的效益最大的调度方案，但是没有考虑风电的加入与负荷侧的响应；文献[6]计及光伏-负荷预测不确定性，采用多场景随机规划法对日前光伏出力进行分析，并预测了光伏和负荷出力，结合火电和抽水蓄能建立日前跨省调度模型，提高了系统运行的经济性，但是没有结合火、风、光三类典型出力；文献[7-8]提出了包含火力发电的两阶段日前电网优化调度模型，其中文献[8]以广东电网为实例进行了算例仿真；文献[9-10]论述了包含各种分布式能源的配电网日前优化调度，但是没有对包含火电机组的大型区域电网进行仿真与验证。上述文献主要考虑包含风电或光伏的电网日前优化调度，只考虑单一的可再生能源，且没有针对实际区域电网算例进行仿真验证。

本文针对包含火电、风电、光伏发电等多种类型电源的电网日前调度问题，考虑机组启停和发电量决策，以电网发电总成本最小化为优化目标，建立混合整数线性规划数学模型^[11-13]。以某地区电网、电源和用电负荷2020年四个季节中典型日的实际数据为基础，构建含高比例、新能源及高载能用户区域电网的仿真计算场景，并给出电网仿真场景的计算结果，定量分析电网中的火电机组的优化配置对电网调度运行性能的影响^[14-15]。所得结果对含高比例新能源及高载能用户区域电网的日前调度及电网中灵活性资源配置具有参考价值。

1 含高比例新能源和高载能用户区域电网日前调度模型

区域电网的日前调度以经济成本最小化为目标，以火电、风电、光伏发电等各类型电源的出力特性为约束条件。具体数学模型如下。

1.1 目标函数

电网日前调度的目标函数为机组的启停成本与总发电成本最小：

(1)

其中：，

式中：p_g(t) —火电机组g在t时刻的出力；

C_g—火电机组g的发电成本函数；

c_g^SU—火电机组g启机成本；

c_g^SD—火电机组g停机成本；

T—时刻；

G—火电机组数量；

v_g(t) —机组启动操作的0~1变量，取值为0时表示在t时刻将机组g停机；

w_g(t) —机组关停操作的0~1变量，取值为1时表示在t时刻将机组g停机；

a_g、b_g、c_g—火电机组g的各项特性系数，与机组类型、燃烧品质和煤价有关。

1.2 约束条件

电网日前调度的约束条件包括五项。第一是发电与用电功率的平衡：

(2)

式中：p_w(t) —风电场w在t时刻的出力；

d(t) —t时刻的用电负荷；

R(t) —t时刻的备用容量；

W—风电场数量。

第二是火电机组出力范围约束，即机组停机时出力为0，机组运行时其出力在上下限值之间：

(3)

式中：u_g(t) —机组g在t时刻的0~1变量，其取值为1时表示机组处于运行状态，反之表示停机状态；

P_{g, max} —机组g的最大出力；

P_{g, min} —机组g的最小出力。

第三是火电机组爬坡率约束：

(4)

其中：p_g(0) = p_g0，g = 1~G，

式中：Δg —火电机组g的爬坡率；

p_g0 —火电机组g的初始出力。

第四是风电场出力约束：

(5)

式中：p_w^A(t) —风电场w在t时刻的预测出力。

第五是机组启停约束及对代表机组状态的v_g(t)、w_g(t) 和u_g(t) 三组0~1变量的约束：

(6)

(7)

(8)

其中，式（6）表示0~1变量的状态转换关系；式（7）表示机组g的最短运行时间T₁约束；式（8）表示火电机组g的最短停机时间T₂约束。

1.3 日前调度求解方法

以上区域电网日前调度模型为混合整数线性规划（Mixed Integer Linear Programming，MILP）形式，其常用求解方法为分支定界法^[16-17]。该方法以整数为边界，目标函数的可行域划分为不同的子域，在每个子域上可以求解不同的目标函数值，并得到目标函数在不同子域的上下界，其中超出范围的子域可以排除，不断划分处于范围内的子域，经过有限次的循环分解后，得到最优解。

当可行域非常大时，MILP可以发挥其独特的优势，尤其是分支定界法可以多次划分可行域进行寻优，且计算速度更快、精度更高^[18-19]，当计算规模达到一定程度且要求在合理时间范围内寻找全局最优解时，混合整数规划法更适于求解此类问题。

2 仿真计算及分析

某地区的火电装机容量为3900 MW，风电装机容量为5200 MW，光伏装机容量为1200 MW。在春、夏、秋、冬四个季节中各选取一个典型日，以某市除自备电厂外的全部火电机组及相应的风电和光伏发电数据为基础，首先对日前调度模型进行求解，然后分析降低火电机组最小技术出力对调度性能的影响。

2.1 火电及新能源发电主要参数

本算例中包含火电机组16台，均为参与自动发电控制（Automatic Geneyation Control，AGC）调节的热电联产机组，分属6个不同发电厂，其参数见表 1。四个季节典型日的风电与光伏发电出力曲线如图 1所示。可见春冬两季风电的日波动比夏秋两季要大，但是日平均风电总量要比夏秋两季多；而光伏的出力则非常稳定，但是出力明显小于风电。

2.2 高载能企业用户情况

该地区富集了合金、电石、焦炭等工业材料生产的高载能企业，90%以上用电负荷是高载能工业企业负荷，全年总体负荷维持在较高水平。图 2中的红、蓝、绿、紫4条曲线分别为高载能负荷在四个季节典型日的变化曲线，黑线则是我国北方某地区的一条商业负荷日曲线。该商业负荷日曲线具有明显的峰谷差，一日之内不同时刻的负荷水平最多可相差5000 MW，具有较大灵活性，有可能对其进行削峰填谷。而高载能负荷曲线在四个季节中均较为平稳，负荷水平常年稳定在6000~7000 MW，其日峰谷差最大仅为726 MW。这是因为高载能企业的用电负荷直接关乎企业的生产利润，其灵活性十分有限，难以采用传统的需求侧响应手段加以调节。

2.3 电网日前调度结果

以下仿真算例中，场景一为电网在火电机组当前技术参数下的调度结果；场景二为将所有火电机组最小技术出力调整到40%P_e（P_e为额定功率）的调度结果；场景三为将350 MW、660 MW火电机组最小技术出力调整到30%P_e、其他机组调整到40%P_e的调度结果。3个场景的求解结果如表 2、表 3和表 4所示。

2.4 考虑灵活性资源配置的电网日前调度结果对比分析

由表 2—表 4可知，在火电机组按原技术参数运行的场景一中，四个季节典型日均有较大的弃风、弃光量，春季最大弃风量可达1 166.71 MWh，秋季典型日最大弃光量可达1 034.86 MWh。在场景二和场景三中，由于火电机组最小技术出力降低，电网的弃风、弃光量均有所降低，运行成本也比场景一低。场景二的运行成本较场景一减少52.12万元，下降4.07%；场景三的运行成本较场景一减少64.47万元，下降5.04%。在场景一中，四个季节典型日都有较大弃风量，场景二的弃风量比场景一明显降低，而场景三则完全没有弃风。在场景一中四个季节典型日都有较大弃光量，场景二的弃光量比场景一明显降低，场景三则完全没有弃光。

由此可见，火电机组技术出力的降低显著提高了区域电网的调节能力，尤其是660 MW和350 MW机组技术出力的降低，可使新能源消纳得到明显改善。

3 结束语

本文对某地区含新能源及高载能负荷的区域电网进行了日前调度的仿真计算，并将降低火电机组最小技术出力作为提高电网灵活性的手段，分析了灵活性资源配置对调度性能的影响。从仿真结果可见，降低火电机组最小技术出力有助于降低电网中的弃风、弃光量，并减少电网的整体运行成本，这对于此类区域电网的运行调度具有重要参考价值。

在下一步研究中可进一步考虑将一定范围内的火电机组与新能源发电、高载能用户联合建立虚拟电厂，更好地体现多源互补与源荷协调的效果。同时应考虑降低火电机组技术出力的改造成本，以提高电网灵活性资源配置的综合经济效益。