第３６卷第１０期 ２０１８年ｌ０月 可再生能 Ｒｅｎｅｗａｂｌｅ Ｅｎｅｒｇｙ Ｒｅｓｏｕｒｃｅｓ Ｖｏｌ＿３６ Ｎｏ．１０ ０ｃｔ．２０１８ “风、光、火、蓄、储’’多能源互补优化调度方法研究 安北京１０２２０６） 磊 ，王绵斌 ，齐 霞 ，李芬花。，曲炯辉 （１．国网冀北电力有限公司经济技术研究院，北京１０００３８；２．华北电力大学新能源电力系统国家重点实验室， 摘要：高比例可再生能源并网是全球能源战略发展的必然趋势。为了应对未来大规模具有随机波动特性的 可再生能源并网．一方面须要推进灵活性储能与可再生能源联合互补运行，另一方面须要对常规机组运行新 工况加以考虑．以实现高比例可再生能源安全经济并网。文章提出了考虑常规机组低负荷运行和爬坡＿丁况的 发电成本计算模型，建立了“风、光、火、蓄、储”多能源互补优化调度模型，并提 用动态惯性权值粒子群算法 求解．以实现系统总运行成本最小的优化目标。算例分析表明，引入爬坡成本与低负荷运行成本能够真实反映 常规机组在平衡大规模风、光电波动性时所增加的成本，并在调度过程中充分权衡弃风弃光损失和平衡波动 性所增加的发电成本，为高比例可再生能源并网情况下电力系统多能源互补运行决策提供了支撑。 关键词：多能源互补运行；低负荷运行成本；爬坡工况成本；弃风弃光惩罚；高比例可再生能源 中图分类号：ＴＫ０１９：ＴＭ７３ 文献标志码：Ａ 文章编号：１６７ｌ一５２９２（２０１８）１０—１４９２—０７ ０育茸言 我国“十三五”（２０１６—２０２０）电力发展规划提 水蓄能电站的建设受地形和水资源的制约，建设 周期长，也会带来一定生态问题。为此，推进多种 储能方式与大规模可再生能源联合互补运行。实 现高比例可再生能源安全经济并网是新能源电力 系统亟须解决的重要问题。 出：“十三五”期问，非化石能源消费比重提高 １５％以上．煤炭消费比重降低在５８％以下；努力 把“三北”地区弃风弃光率控制在５％以内，其他 地区尽量做到不弃风、不弃光Ⅲ。为满足国家能源 战略要求，风、光并网渗透率势必持续增加。如此 大规模具有随机波动性的可再生能源并网，将使 电网稳定性、经济性与电能质量面临新的难题和 国内外许多学者已经在多能源互补优化运行 领域开展研究，并取得了一些成果。文献『２］提出了 多微网与配电网联合调度的双层优化模型，上层 运用粒子群算法优化了多个微网整体的调度计 挑战。仅依靠火电机组的灵活性进行调节，势必 造成火电机组频繁启停或长时间运作在深度调 划，下层以各微网运营经济效益最大为目标，对各 微源出力曲线进行优化。文献［３］采用随机规划方 峰状态，严重威胁电网运行安全性与经济性。因 此，电力系统的运行机制必须进行一定的革新。 采用大规模储能技术是解决电网调度问题、 保证电网稳定的有效手段，在提升电力系统灵活 性方面目益显示出重要作用。国内外对于储能方 式的研究主要集中在电化学储能和抽水蓄能两 法对孤岛运行下的风电和抽水蓄能互补运行调度 策略进行了研究。但是，上述文献大多针对微电网 的互补调度进行优化，考虑大规模可再生能源并 网的互补优化调度研究仍处于起步阶段。文献『４】 以弃风率最小、总运行成本最小和抽水蓄能电站 效益最大为优化目标，采用模糊决策方法求解多 目标优化模型对抽水蓄能容量进行了规划。文献 【５】以系统总运行成本最小为目标对“风、火、蓄、 个方面。铅酸蓄电池是目前比较成熟的电化学储 能技术，具有价格低廉、安全性相对可靠的优点， 但有循环寿命短、深度放电造成可用容量下降和 运行维护费用高等缺点。抽水蓄能具有规模大、 寿命长、运行费用低等优点，被公认为目前电力 系统中最成熟、最实用的大规模储能方式，但抽 收稿日期：２０１８—０４—０４。 汽”多能源互补系统进行周调度，并规划了最优抽 水蓄能电站容量。 综上所述，现有文献普遍存在两类问题：第 一，针对风、光和多种储能形式的优化运行研究较 基金项目：国家重点研发计划项目（２０１６ＹＦＢ０９００１００）；国网冀北电力有限公司经济技术研究院项目（２０１７—０７）。 作者简介：安磊（１９７８一），男，博士研究生，高级工程师，研究方向为电力１：程造价管理。Ｅ－ｍａｉｌ：ａｎｂｕｇ＠１２６．１２０１１１ ·１４９２· 安磊，等 “风、光、火、蓄、储”多能源互补优化调度方法研究 少，不完全适用于我国高比例可再生能源并网的 实际现状和未来需求；第二，随着可再生能源并网 比例不断增加，火电机组面临频繁爬坡、带低负荷 运行等新的运行工况，对系统成本的影响不容忽 视，传统的二次方煤耗成本模型不再适用，须要建 立更符合实际运行、更加完善的火电机组运行成 本计算模型。为了解决这些问题，本文建立了考 虑火电机组新运行工况下发电成本的“风、光、火、 蓄、储”多能源互补优化调度模型。在传统的燃煤 成本和启停成本基础上，考虑了火电机组低负荷 运行工况成本和频繁爬坡工况成本；构建了蓄电 池的寿命损耗成本模型；引入弃风、弃光惩罚成本 计算模型和切负荷惩罚成本计算模型。本文采用 动态惯性权值粒子群算法．以系统总运行成本最 小为优化目标进行了优化求解。计算结果表明， 爬坡成本与低负荷运行成本的引入。可以使系统 能够更加灵活地平衡调峰与弃风弃光的矛盾。 １优化调度数学模型 １．１目标函数 为应对高比例具有随机变化特性的可再生能 源并网的电力系统场景，本文建立了包含“风、光、 火、蓄、储”５种能源的多能源互补优化调度系统 总运行成本数学模型，以系统运行成本最小为优 化目标。目标函数如下： Ⅳ ｘ）－ｍｉｎ （ｃ ｃ ｃ ｃｆ ） （１） ｉ＝１ 式中：ｉ为运行时间段，ｉ＝１，２，…，Ⅳ；Ⅳ为总运行 时间段；ｃ，， ，Ｇ陀， 珏分别为第ｉ时段内火电机 组运行成本、蓄电池损耗成本、弃风／弃光惩罚成 本和系统切负荷惩罚成本。 １．１．１火电机组成本计算函数 面临高比例具有随机波动性的风、光并网，为 平抑风、光波动性，满足国家弃风、弃光的能 源战略需求，火电机组势必面临频繁爬坡、频繁启 停或经常运行在深度调峰的新运行工况下。传统 的二次方公式并未考虑火电机组新运行工况对运 行成本的影响。为此，本文面向高比例可再生能 源并网场景，提出了计及火电机组运行新工况的 成本计算方法。 ①燃煤成本 汽轮机的热力特性表明其负荷越低，热能损 耗越高。本文对文献【６］中实测数据进行多项式拟 合，得到如图１所示结果。 ７ －． 重 负荷／ＭＷ 图１ ６００ Ｍｗ火电机组低负荷运行耗煤率拟合曲线 Ｆｉｇ．１ Ｆｉｔｔｉｎｇ ｃｕｒｖｅ ｆｏｒ ｌｏｗ ｌｏａｄ ｏｐｅｒａｔｉｏｎ ｏｆ ６００ ＭＷ ｔｈｅｒｍａｌ ｕｎｉｔｓ 三次多项式对试验数据的拟合结果良好。拟 合曲线通过所有试验数据点，且相关系数Ｒ平方 值为１。为此，在燃煤成本中增加了负荷三次方函 数，用以衡量火电机组低负荷运行工况下增加的 燃煤成本。燃煤成本计算函数如式（２）所示。 ∑【０（ ） ＋ｂＵ＋ｃ］ ×Ｐ ≤ ≤Ｐ＿，腿ｘ ｆ＝１ ＣｉＴ１￣＿ Ⅳ ∑［ｐ（ ） ＋（。＋ｇ）（ ） ＋（６＋ｍ） （ｃ＋ｎ）］ Ｐ ≤ ×尸 （２） 式中： 为第 时段的火电机组出力；口，ｂ，Ｃ为传 统燃煤成本因子；Ｐ，ｑ，ｍ， 为低负荷工况成本因 子；Ｏ／为低负荷工况边界限定。 ②爬坡成本 面向高比例可再生能源并网，火电机组势必 面临频繁爬坡的运行新工况，机组的煤耗会有所 增加，火电机组的成本函数不仅与机组出力有关， 而且与机组相邻时刻的爬坡速率也有直接的关 系。本文以爬坡速率的线性函数衡量火电机组爬 坡成本，认为火电机组的成本函数与相邻两时刻 问爬坡速率的大小，即单位时间内出力的变化量 存在线性关系。爬坡成本计算函数如式（３）所示。 ｃｉ 警ｌ （３） 式中： 为火电机组爬坡成本因子。 ③启停成本 火电机组启停成本函数如式（４）所示。 Ｃｉ ＝ 凡 （４） ·１４９３· 可再生能源 式中：ｎ 为第ｉ时段内火电机组启停成本；ｓ 为第 时段内火电机组启停台数。 １．１．２蓄电池损耗成本计算函数 蓄电池的循环寿命短。一般使用１～３ ａ即须 进行更换，因此在实际运行中须考虑蓄电池的寿 命损耗，计算其损耗成本。蓄电池的损耗主要受放 电深度和疲劳循环量的影响。蓄电池损耗成本计 算函数如式（５），（６）所示。 ｃ — Ｑ 、／ （５）一 ＱｉＬｉｆ￣＝ＤＯＤ （６） 式中：Ｑ 为蓄电池的全寿命输出量； 为蓄电池 的往返效率；ＤＯＤ 为蓄电池放电深度；ＩＩ， 为蓄电 池疲劳循环量；ｑ一为蓄电池的最大容量； 为蓄 电池正常工作电压。 １．１－３弃风／光惩罚成本计算函数 为提高风、光能源的电网渗透率，满足国家能 源战略要求，引入弃风／光惩罚成本计算模型，保 证风、光的渗透比例要求，惩罚成本根据式（７）进 行计算。 ｃ ∑入 （７） ｉ＝ｌ 式中：Ａ为弃风／光成本惩罚因子； 为第ｉ时段 内弃风／光功率。 １．１．４切负荷惩罚成本计算函数 为保证电网稳定性与电能质量，当系统实际 出力与负荷需求发生偏离时，须引入切负荷惩罚 成本计算函数，如式（８）所示，根据偏离量的大小 接受惩罚。 ，ｃｉＬＳ＝∑卢 （８） ｉ＝１ 式中：卢为切负荷成本惩罚因子； 坞为第ｉ时段内 切负荷功率。 １．２约束条件 １．２．１火电机组约束条件 火电机组的出力约束如式（９）所示，式（１０）表 示火电机组的向上、向下爬坡速率。 ｎＴ≤ ≤ （９） —△ 一～≤（ Ｔ 一。 ）≤△ （１０） 式中： ，ＰｎＨｘ 分别为火电机组最小、最大出力： △ ，△ 分别为火电机组最大向下、向上爬坡 ·１４９４· 率。 火电机组最小连续运行／停机时间约束如式 （１１）所示。 篙 … 式中： ， 分别为火电机组累计开、停机时间； ｎｕ“， 分别为火电机组最小连续开、停机时 间。 １．２．２风电、光伏机组约束条件 风电、光伏机组的出力约束分别如式（１２）， （１３）所示。 ０≤ ｗ≤Ｐ 一 （１２） ０≤ ≤ 一 （１３） 式中： ， Ⅳ分别为第ｉ时段内风、光并网实际出 力；Ｐ ， 一分别表示第ｉ时段内风、光最大出 力。 １．２＿３抽水蓄能电站约束条件 抽水蓄能机组发电、抽水功率约束如式（１４）， （１５）所示，式（１６）为抽水蓄能电站的水量平衡约 束。 ０≤Ｐｉｍ＜￣Ｐ （１４） ０≤ 即＜￣ｐＰＰ （１５） Ｎ—ｎ ∑（Ｐｚ阳＞ｏ）＝一叼∑（ Ｉ＜０）（１６） ｉ＝１ ｉ＝ｌ 式中： 阳， 分别为第 时段内抽水蓄能电站发 电、抽水功率；ＰＰＨｎｍ，￣Ｐ 分别为抽水蓄能电站额 定发电、抽水功率；叼为抽水蓄能转换效率； 为 抽水蓄能发电工况运行时间段。 １．２．４蓄电池约束条件 电化学储能电站功率约束如式（１７），（１８）所 。 ０≤Ｐ５≤Ｐ Ｃｎ （１７） ０≤ 。≤Ｐ （１８） 式中： ， 分别为第 时段内蓄电池充、放电 功率；Ｐ ，ＰＢｔｍｘ分别为蓄电池最大充、放电功 率。 蓄电池的电量约束如式（１９）所示，式（２０）为 蓄电池的电量平衡约束。 Ｗ ≤ ≤Ｗ （１９） ＋ｌ＝ ％Ｐ？ｚｉｔ （２０） 式中：ｗ ，ｗ 分别为蓄电池最小、最大剩余电 安磊。等 “风、光、火、蓄、储”多能源互补优化调度方法研究 量； 为第ｉ时段内蓄电池剩余电量。 １．２．５系统负荷平衡约束 在忽略电能损失的前提下，各时刻下风、光、 火、抽水蓄能、蓄电池所有电源的总出力应与系统 装机容量及其占比如表１所示。 表１冀北地区各电源类型及其装机占比 Ｔａｂｌｅ １ Ｉｎｓｔａｌｌｅｄ ｃａｐａｃｉｔｙ ｐｒｏｐｏｒｔｉｏｎ ｏｆ ｅａｃｈ ｐｏｗｅｒ 负荷需求相同。电力系统负荷平衡约束如式（２１） 所示。 Ｐ ＋Ｐ ＋ＰＰ＋Ｐ ＋Ｐ 一Ｐ —Ｐ ＝Ｄｔ ２ １、 式中：Ｄ。为第ｉ时段内系统总负荷需求。 ２动态惯性权值粒子群算法 采用文献［７］中３００，１４０ ＭＷ和１００ ＭＷ的火 粒子群算法是近年来由Ｊ Ｋｅｎｎｅｄｙ开发的一 种新的进化算法 。该算法由随机解出发，通过跟 踪粒子本身所找到的优解与整个种群目前找到的 最优解进行迭代更新，以得到全局最优解。电网优 化调度问题属于高维度、多目标、非线性的优化问 题，粒子群算法具有简单通用、鲁棒性强、精度高、 收敛快等优点，具有着较强的寻优能力。本文引入 线性递减权值策略，采用式（２２）进行计算，使算法 有更大的概率向全局最优解位置收敛。 ＝ 一一Ｗｒｒｍ一 ）— （２２） 式中：Ｗ 一分别为最小、最大惯性权值； 为ｉ 当前迭代次数； 为最大迭代次数。 动态惯性权值粒子群算法基本流程如图２所 示。 二二） 图２动态惯性权值粒子群算法流程图 Ｆｉｇ．２ Ｆｌｏｗ ｃｈａｒｔ ｏｆ ｄｙｎａｍｉｃ—ｉｎｅｒｔｉａ—ｗｅｉｇｈｔ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ３算例分析 ３．１参数设置 参照冀北地区现有资源配比，算例中各电源 电机组参数进行仿真计算。设火电机组向上、向下 最大爬坡速率分别取机组最大出力的±３０％；火电 机组爬坡成本因子取２５；当机组出力低于额定功 率的７０％，判定为低负荷运行工况，即ａ＝Ｏ．７。根 据等比例计算方法，拟合出适用于各机组低负荷 运行耗煤率计算曲线，按照标煤价格为５００元／ｔ， 得到如图３所示的火电机组低负荷运行成本计算 曲线。 一ｑ１ 邑． 恃《 ∞ ∞ 负荷／ＭＷ （ａ）３００ ＭＷ火电机组 负荷／ＭＷ （ｂ）１４０ＭＷ火电机组 负荷／ＭＷ （ｃ）１００ ＭＷ火电机组 图３火电机组低负荷运行成本计算曲线 Ｆｉｇ－３ Ｃａｌｃｕｌａｔｉｏｎ ｃｕｒｖｅ ｆｏｒ ｌｏｗ ｌｏａｄ ｏｐｅｒａｔｉｏｎ ｃｏｓｔ ｏｆ ｔｈｅｒｍａｌ ｕｎｉｔｓ ·１４９５· 挺 警 娼 可再生能 ｌ、）匕各』Ｉ、』‘杰０ Ｉｊ，Ｊ：“１／Ｊ ｌｆ“线ＩｔＩ艾献Ｉ８１，ＩｇＩ ｎ警 僻到 Ｉ巧 ｆ１ｆ逆』 Ｉ１水 能ｆＪＬ￣ｌ【的参数ｌ卡ｌｊ…． 额定… Ｊ均为５０ ＭＷ，抽水 能转换效率卵＝ ０．７５ ｌＵ池参数ＩＩＩ殳献ｌｌ０１．…ｉｆｊ］．１Ｊ收卉 、夼 成 本惩 产Ａ＝２００ 录 动念惯 仅俩 子排３ ： 法进 坝Ｊ 的优化求坼，粒Ｊ 舯 傲为２ ０００．达 代｝欠数为ｌ０ ０００ ３．２算例分析 斗 ｎ Ｈ ｉｏ ｉ ｌ４ ｉ（ ｌ Ｎ Ｉ｝ ！！ ４ ｉｉ，¨ ，ｌ ＿图４ 场景１条件下风、光、火日前优化调度策略 ｒｉｇ．４ Ｉ１：Ｉ）一ｋｌｈ（‘ａｄ（’ｌ’Ｉｉｎｉａｌ ‘’ｌ１Ｉ ｄｕｌｉｌ１ Ｉ１ ＩＩ‘－ｇ、ｌ ｌ ＩＩ·Ｉ １Ｎｉｌｉｏ Ｉ 小艾果川动态 ｉｔ． 权『ｌｌ｛＝ ｒ斛 法刈以ｊ、‘３ 种测试场景的优化洲 数学恢 进行求晰：场 ｌ， Ｊ，Ｌ：？ｌｆ 场景ｌ ，见储能的 、）ｌ［＝、火多能源 补 优化洲 ；场景２， 准场翳卜，』』ｆ１人抽水 能 卡¨莆ｌ 也储能系统的 、比、火、 、熊多能源ｆ 优化 度；场景３， ｌ ２００ Ｍｗ Ｉ 、４００ Ｍｗ此 伏装机 加人抽水莆能ｆｆ ＪＴ ｔｔ咆池储能系统 ２（），２ ｌ『『１ｆ 段，）。 火…，Ｊ变 冬， 咀… Ｊ ＆ 现卜降趋势，火电机绀处㈠ ｊ 坡运仃Ｉ ？ｉｉ ２２～２４ ｌｆＩＪ＿ｆ司段，系统佚川；Ｉ／，ｆｉ ＂小＂－缓 降ｆｆ （，ｆ｝『Ｊｘｌ｝ … Ｊ！ｌｌｊ＿）｛：』Ｉ７ｇＤｉｌ， 减少弃 卉咒 ．火咀＂－ ：ｂＩ【处¨ Ｊ 卜爬坡运ｊ ｝ 、 抑Ｊｘ１）匕波动 ｒｌ：．火￣ＬＬｆＪＬＲｌ【； ！ 鬃进ｆ Ｊ：向ｆ 、 Ｈ 坡遥 Ｉ 的转换．ｆｆｆ系统憾 怵ｉＪ ｒｑｌＩ 资源 ’ＪＩ； ｒＩ ４－９，Ｉ９～２０ ＩＩＬｆＩｉ￣Ｊ７Ｉ Ｊ、Ｊ Ｊ： ） 象 的 、 、火、薷、储彩能源 补优化渊度 场景ｌ条什卜，闩 补优化洲 略 Ｊ ｌ ． Ｉ ｆ冬Ｉ ４所，Ｊ 、ｒ｝１『冬Ｉ ４ Ｊ‘ 上，风比反洲峰特 、 ｊ１入｝Ｉ｝｛水 ｆｊ皂和１ ｆ匕 、 ：ｆｉ 订邑 －ｌ ｌｎｆｉ订邑，Ｊ‘』 进｛ 多能源 补优化ｉＪＩＩ４ 所爪 ｌ～５ ｌｌ１『 段，系统负ｆｌｎｌＪ＇， Ｉ－＂求…Ｉ线， 化趋势 缓，ｆＩｌ ３ 场ｂ ｌ、’系统总 ３ 电… Ｊ 降趋坍较陡；火ｌ乜ｆ／Ｌ￣ｌｌ处 向 爬坡 运ｆ Ｉ 况，此 ，火Ｉ ｆ￣ＬＲｆｉ承 晚茼 求 Ｊ戊小ｆ¨火电ｆＪｌ Ｉ【 运ｆ Ｊ戊 ｊｊ、：ｌＩ ． 表３各场景条件下运行成本 Ｉ＇ａｂｌｉ－３《）１）ｆ Ｊ““ｌ】ｌｌｔｌｌ（·ｏｓｌ ｆＩ”ｔ Ｉ·ｈ ｓｔ·ｒ¨ ｉｉ ｊＩＪ ｊ吻牲 场 ｊ Ｉ 场 ： ２ 场嫩３ ／ＪＪ圯 ８４７ ７８８ ６６３ ／Ｈ Ｌ １００ Ｉ １ ２８ ｆ擘 燃ｊ ／Ｊ』儿 ９３０ ７２９ ５３Ｉ 骶 倘 １４Ｉ Ｉ２９ Ｉ ２３ ，，Ｊ儿二 ｌ 坡／ＪＪ，Ｌ ｇ４ ｎ ７１ Ｉ ５１１ 舟 ５ Ｉ １ １５ ４３ 场 ２条什卜‘多能源『ｆ 补优化渊度策略＃Ｘｌｉｌｖ．－ ５所爪 ｌ４（）《 ｊ，播【Ｕ池｝ＩｊＩＪ峰儿。 ７＂７－、 ｝ｎＪ Ｊ‘ｌ ｉＪ 勒，ｒ ｆ１：ＪＩ】１ ／』Ｉｌ州１ 水 能『』ｆＪ ｌｔＩ ５ ｒｌ『 ．抽水 能 ４～７．１６．１ ７搜２２～ １ ２ｏ（ １００（ ２４时ｎ１Ｊ段内进 起求，评十‘ 能．将多余的Ｊｘ【、 … Ｊｆｉ ）【Ｉ＝＝Ｊ＿乏州峰特 ｆｌ １￣；－，ｉＴｊ：ｌ 什｝：较乃 ｊｌＩＩ水 ｆｎ 兰 “）（ ： ｒＪＪｊ｛ｌＩｊ．的火电ｊ 峰能 Ｊ／１ ！ｒ ｌ ｆｉ＇ＪＩ１＇１川Ｉ段Ｉ』、】释放能 ． ４（）（ （１ｆ （ ｎ ＩＵ Ｉ 】４ １ｎ 】８ ２０ ２２ 二４ 缓斛系统埘火电ｆｌ Ｌ．￣ｌ【测峰 ｉ．ｒｄ＇ｔ！的 水能ｆｌｌ Ｉ乜池装 的蛳繁删瞍 仃放、１ 抑＿ｒ １］１Ｊ７／ｈ 光的波动，降低Ｊ’电 系统《Ｉｆ火【Ｕ．ｈ ＬＦ，｝Ｉ 影响，缓解弁 、 ）匕『ｎＪ ｆ １ 图５场景２条件下风、光、火、蓄、储日前优化调度策略 ｝ ｉｇ．５ １）；Ｉ 一ａｌｌＰａｄ“１）ｉｈｎａｌ ｔ ｈｅｄｕｌｉｌｌｇ Ｉｎｌｌ（、 、“ｌｌ’ ‘－《 Ｉ１￣１１；Ｉｌ ２ 的 Ｊ之和离比例ｉ·『｝Ｉｆ生能源ｊ ｑ对ｌ ｑ也定 的 ｉ（ｉ ｌｆ Ｉ 人 卡Ｉｌ 『ｌ｝ｌｆ Ｉ：ｉ＜ｉ￣．ｆｌＪ；ｔ计网ｆ 发Ｊ陡 ＊求 及个球能源战卅｝｝ ，ｊ ｔｉ，为增』ＪＪｌ 、比 ｆＪ【奔 ｌ 颈进 ｆ 多能源 补优化州度场 ３条什 ｚ ，１４，＂ ｉ、 埘比场景ｌ，２ ＩＩ －Ｉ１，储能系统的』ｉｌ１人＿ｆ仃效 降低系统总运仃成小，缓解…ｈ巧风光渗透辛 条 件下火ＩＬＬ￣ＪＬ组 繁 停、 坡Ｉｂｉｉｉ Ｊ耍ｆｕ 坡 ｊ坝 紧转换的现象 址，…于容 人小和 济 Ｐｌ：－ｌ＇ｉ＇ｊ， ·ｆ７ ４ｑ＇ｆ￣化蒯 策略如 ６所爪 、 ｆ儿 ｌｉ ｆ门 ｌ４９６· 安磊，等 “风、圯、火、营、储”多能源互辛１、优化调度方法研究 一 、ｆ，｝ｌ一 ４ ２ ０ Ｈ ４ ４ 【］ ＩｌＪ Ｉ Ｊ４ １０ ｌ ２０ ４ ＩＩ，ｉ，Ｑ／ｈ 图６场景３条件下风、光、火、蓄、储Ｅｌ前优化调度策略 ｉｇ．６ Ｉ）“、一ｉｌＩ１‘ ＩＩ‘１－Ｉ）ｔｉｌ１ｌ Ｉ Ｊ ‘’｝¨ ｌＩＩｄｉ，ｌ Ｉｌａｌｅｇ＞“ｉｌ Ｓｔ。ｔ、Ｉ］ｉｔｌ ｉＩＩ ３ 埘ＪＪ『ｌ ＇１＂ｆｌ 效降低系统运行成小，￣Ｈｘ，ｔ丁场 ２降 低Ｊ ｌ５．８ｌ ｆＩＩ ， ｛ｎ＿ ＪＪ ｌ、）匕波动 ｒｌ ，火ＩｉｘｆＪ【 运ｆ ｌ 转换次数仃所增ＪＪ』Ｉ， 南Ｊ 系统 ； 州峰资源总 Ｉｔ ／ｆ 变． 、 比率仃所ｆ ． ｆＩ 匕ｌｌ＇Ｊ‘系统综介返 成小最低 继续降低 、 此 ，“Ｊ 』』ｌ１入新的州峰资源 研：『ｆＪＪ＿Ｊ分忻 ｉ』『Ｊ． 夫规模风、 Ｊ１ Ｉ州条什卜． 爬 坡Ｊ戊小 ｊ低 ｌ：返ｆ 成小的』Ｊｌ１入，ｆｉＥ（，Ｊ￣ 乃九 艾地反映人＾ 帧Ｉ她机波功性电源行入ＩＵ『卅ｌＩ、ｆ． ｊ ￡ ｆＪ 【的发【 ，Ｊｉ 州瞍过程Ｉ１ｌ 允分ｆ 嘶 Ｊ‘ｌ ｓｌｌｆＵ！火ｆＪＩ、卜嘶波动一ｒ Ｊ 增７】【ｌ的发ＩｔＸ ＪＪＩｃ ．Ｉ ｊ 以 ＆ｊ 地 『■【Ｌｆ￣，ＪｌｌＪ一 ，Ｉ－ｈ＇Ｅ源Ｊｆｌｑ悄 ｉ－ｆ＝９【 系统多能源 补运ｆ 决策提供蒯嗖策略 ４结论 ¨１ ｔＪ丁 …Ｉ 。 ｌ七例ｉ 九Ｉ｝ ｊ 能 Ｊｆ 网ｆ门 ｊ： 尺 小水 』 ，，｛ 艾 、 ：Ｊ 符合艾际返ｆ Ｊ ｆ ￣１９ 火ｉＵｆＪ ｌ发ＪＩＸ成小汁？’：悦Ｊ ‘先卡勾 Ｊ ｝Ｕ池 ｆ门ｊ Ｅ｝ｌ！Ｊｌ ，Ｊｊ ，』１人 ＪｘＩ、弁） ［＝惩 ｊ成 ｆ Ｊ １ｔＪＪ 魁 ｊＪＪ 小十Ｉｌ Ｊｌ ； ｉ￣ｌ：Ｌ ｆｉ＝１：ｌ ， 江＿ｒ ｌ 火ｉｔｘ ｆＪ ｌ，＝｝＝：Ｊ 运仃 的“ 、比、火、藩、储”多能源 ｆ 补 优化 Ｉ１ＪＪ芝帧Ｊ 采川动 惯性权价 子ＩＩ、ｆ”：法．以 系统总 仃成小小 ｉｉ．小 优化ｆ Ｉ杯进行求『ｎ 过 钟：例Ｉ Ｊ’１－盯ｉ 刊以Ｊ、‘ 沦 “ 、）匕、火、 、储”多能源 Ｔ 补优化州Ｊ ，能 够利川 能 。 仃效、ｒ抑饥简和 光ｎ，Ｊ 功．较 』￣…ｊ Ｉ Ｔ…ｌｌ＂ ．￣、饥 ｊ Ｊ ）ＬＩＩ９ｉ￣ｄＪ 变化，降 ＩＵ 系 统刈火｝ ｆＪ 【 的 求和岛比例＿ｆ『Ｉｌｆ 能源 计Ｉ 刈‘ｌＵ『卅 十 ｆｌ１ｉ 能匝 的影响， Ｉ ’ 系统 济 ＰＩ－： 爬坡成小 ｊ恹饥倘：运仃成小的Ｉ， Ｉ入．他＇ＩｘＩ叫 乃ｒ 地 化人觇卡Ｉ！ Ｊｉ 时常规机 的发 ｉ Ｊ戊小 水义昕提 的多能源互补优化 ． 』 力‘法，能 够 加 活地平衡蒯峰 卉 、弃） ，Ｊ ｆ 姒 波动或持续低负简运行时，多能源 补返ｆ 系统 的运行成本分 ， 一定程度上可能仃 增ＩＪｉＩ．『Ｉ『 ｊ．Ｈ２ｆ１：、ｊ’ 、奔）Ｉ［＝和１深度渊峰，ｊＩ起的系统 ｆｔ．成小 低． 决策 ‘提供Ｊ 为适合“Ｉ＿匕 ｉ·¨Ｉｆ 能 源Ｊｉ： 场景下的优化州度策略 参考文献： ｌ Ｉ ｌ －Ｉ， ＃人ｆ 『Ｉ１ｉ【ｌｆ ｊ宋发Ｊ陡 １收吊：蚕‘！ ．ＩＵ』Ｊ Ｊ “ ｆ．”（２０１６－２０２０ ） ＩｑＢ／（）１ １＿ｈｌｌｌｌ：Ｉｌｚｌ ｘｘｇｋ． Ｉ）ｌｈＩ·． ）、 『】／Ｊ’ｌｊＪ ｔ－ｌＪｔ Ⅲ ｊＰ¨．ａｓｐｘ？ｎｔ， ｌｌ】１）＝ ７１，２９８３３６１２ Ｉ ‘１４—４９ｌ ｈ—ａ８ １ ８－４５ １ ２５５ｆｌ￣３７０５ｃＡ ７ｄ．２０ Ｉ ６一ｌ 一！ ． ２ Ｊ ｊ ＩＩ｛ ｒ，ｋＩＪ２１￣！ｆ ． ℃厶 ， ． Ｊ＾１）匕ｆ ｉｎ０ ｆ； 『ｔｑ Ｊ越人 ０职 州Ｊ 策Ⅲ｝｝ ｎｊ‘ｉｉ川 能 ．２０ｌ４．３２（Ｉ】）： ｌ６６５—１６７０． ３ ｌ…ｌｌ１…ｉＨ ｌ＿、Ｖ．【ｌａｋｉｉｔｚｉｓ、（ ．Ｓｈ Ｉｌｉｌ＂－Ｉ ｌｈｉＩｉｎｇ ｔ｝ｌ ｌＩ、１ｌｒｉ（Ｉ｝１ｌｍｌ·ｉ ｓｌａｌｉ（１ｉｌｓ ｉｎ ｉｎｓｕｌａｉ ｌ１Ｉ ‘－ｒ Ｈ、ｓｔ，，ＩＩ１￣．、、ｉｌｈ ｈｉ￣；ｈ¨ｈｉｄ ¨ｔ·“ａｌｉｍｉ…．１ＨＥＥ ｉ…ⅧＩ ｆｉｌｉｌｌ￣…Ｉ ¨¨ ｎ ，２０ｌ６．３Ｉｆ ５）：３４２４—３４３６ ４１ ｝Ｉ（ｉｚｌｔｉｌｉ’ｉ、ｌ、，、ｌ１ＩＩｌｌｓＩ１…ｌｒ ，ｈｌｉｕｈｉ Ｉ：ｉｉ ｕｚａｈｕｔｌ、１．Ｉ、Ｉ ＩＩ． ｛）ｌ １Ｉｈ￣ ｉｌＮｌ＜ ｛ＪＪ ｌｉＵｎｌ１）ｌ Ｉｌ “ Ｊｉｇ ．ｓ ｌｌ，ｉ、、ｉｉｌ￣ｌ ｔ－Ｉｌｌ １ ｌｌｉａｘｉｎｉｉｚ４１ｉ（１ｉｉ ｉｎ ｌｌ２１１１Ｓｌｎｉｓｓｉ￣ＨＩ—ｔ’ＯｌｌＳｌｌ’ａｉｌｎ ‘Ｉ｝ＩＩＩ、、‘、ｉ、、ｓｉ ｃ … …．１ ： ＩＩＩＮＥＩ（·ｌｉｌｌｎｓ ０１１ １）ｌｌ、… Ｉｌ－Ｉ１ｌ＿，２０ｌ５．３０（ ）： ｌ０ｌ７一１０２５． ５ Ｊ Ｚｈａｉｌｇ、．ｋｌｕｌ （：，Ｋｉｌ ‘ ｆ１ｔ ｉｉ Ｉｊ ．Ｉ·Ｉ ａ１．Ｉ’ｌｉｌｌｉｉｉｈｉｇ ｌｌｌｌｌｉｉｌ ＩＩ ｓｈ ｉＩ 【 。 ‘‘ｉｔ＞ｆｉｌｌ、、ｉｎｌｌ 、 Ｉ ｉｌｉｈ· ｌｉｌｌｉｌｎｉ…．Ｉ ：ｌ‘： ｒＩｔｌｌｌＳａ（。ｌｉｏｎ￣（１１１ Ｓ Ｌｉｓｌａｉｉｌａｈｌ（ ｌ·：ｌ１ｆ Ｉ’ｇ、，２０Ｉｊ，４（ ）：３９３— ４（）ｌ ６ｌ 比＿１』Ｊ，Ｈ Ｊ ｌ ．拿ｕｊ Ｊ． ．火Ｊ 火ｉＵｆ／Ｌ？ｌ ｔ仉 ｆ Ｊ 弃 ＰｋｆＵＩ ［１Ｊ１． 『｝ｊｌＵ，Ｊ，２００８．２８（１）：２４—２６． ７ｌ ｌｌｌｌ（‘ｌｌｙ ｌＪ， Ｐｒｈａｌｔ Ｐｕｉｌｉ（‘ ｜ｌＩ…ｌｌＩ１Ｉｉｎｌｉｚａｌｉｍｌｌ、ｌ ｌｌＩ．＝ｌ ：Ｊ ： ｉｉｉａｔｉｏｉⅧｌ（＿ｌｔ１１［ ｉ１（ｔ ｉ）１１ ｌ－ｉｌｌ ｌＩ Ｎｔ …ｋ ． １＿ｌｌ １Ｉ１：ＩＩｑＥ １９９５． ８Ｉ Ｍ ＃Ｚ，Ｚｈａｎ７ Ｉ＼．１ ｉａｌｌ ＼、．Ｓｔｕｄ ＼Ｉ…ｕｎｉｉ ｌ－Ｏｌｌｉｌｌｌｉｌｌｌｌｉ ｎｌ ＩＩｒ．ｈｈ 『Ｉ１ ｔ‘‘川、ｉｄ ｒｂｉｇ ｉｎｄ １’（１、、ｒｉ ［１ｌｌｌｌ Ｉｎｎｎｔ｝ ＩｔＩ ｌ１、Ｉｌｌ｛’ ｒＩ１￣ １＃ ｓｌｏＩ‘ｄ …．Ｉｉｉｌｉ－ｉ’ｎａｔｈｍａｌ ＪＯＵｌｈａｌ ｏｔ ＩＩｉ‘ａｌ Ｉ ｔ¨、ｔ ｉ Ｉ’：『１ｔ ｒｇ Ｓ、 ｆ‘ ｌ１１ ．２０ｌ４，６３：９ｌ一９６． ９１ Ｉｉ ｌ 个＝． 『＿】１ｌＪ，畅毅．ｊ＾ｆ。多Ｉ Ｉ ； Ｊ ｆＩ ：｛ ｎ０１救ＩＵ『叫 ｆＵｔ；Ｊ＇，，ｌ Ｊ￣ｌＩＪＩ．Ｉ ｌｑ １ ７ｉｉ＇ＹＩ －川ｚ．ｋＥｓ．． －，２０１４．３Ｏ（１）：４９—５４ １０Ｉ膏ｌ＿娇峤．ｉ；ＴｆＶＵＩｑｆｉ￣ｋ…！１１．Ｉ Ｉ：ｊ＝Ｊ 系统ｆ 化ｊＪ Ｊ坐ｆＪ ， ｌ１）ｌ “： ｔ ｆ／Ｌｌｆ￣ ７：１ ．２０ｌ５． ·】４９７· 可再生能源 ２０１８，３６（１０） Ｏｐｔｉｍａｌ ｄｉｓｐａｔｃｈｉｎｇ ｏｆ ｍｕｌｔｉ－ｐｏｗｅｒ ｓｏｕｒｃｅｓ ｃｏｎｔａｉｎｉｎｇ ｗｉｎｄ／ ｐｈｏｔｏｖｏｌｔａｉｃ／ｔｈｅｒｍａｌ／ｈｙｄｒｏ－ｐｕｍｐｅｄ ａｎｄ ｂａｔｔｅｒｙ ｓｔｏｒａｇｅ Ａｎ Ｌｅｉ 。Ｗａｎｇ Ｍｉａｎｂｉｎ ，Ｑｉ Ｘｉａ ，Ｌｉ Ｆｅｎｈｕａ ，Ｑｕ Ｊｉｏｎｇｈｕｉ （１．Ｅｃｏｎｏｍｉｃ Ｒｅｓｅａｒｃｈ Ｉｎｓｔｉｔｕｔｅ，Ｓｔａｔｅ Ｇｒｉｄ Ｊｉｂｅｉ Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ｃｏｍｐａｎｙ Ｌｉｍｉｔｅｄ，Ｂｅｉｊｉｎｇ １０００３８，Ｃｈｉｎａ；２．Ｎｏａｈ Ｃｈｉｎａ Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ａｌｔｅｍａｔｅ Ｅｌｅｃｔｉｃａｌｒ Ｐｏｗｅｒ Ｓｙｓｔｅｍ ｗｉｔｈ Ｒｅｎｅｗａｂｌｅ Ｅｎｅｒｇｙ Ｓｏｕｒｃｅｓ，Ｂｅｉｊｉｎｇ １０２２０６，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｈｉｇｈ ｐｅｎｅｔｒａｔｉｏｎ ０ｆ ｒｅｎｅｗａｂｌｅ ｅｎｅｒｇ￣ｉｎｔｅｇｒａｔｉｏｎ ｉｓ ｉｎｅｖｉｔａｂｌｅ ｔｒｅｎｄ ｏｆ ｇｌｏｂａｌ ｅｎｅｒｇｙ ｄｅｖｅｌｏｐｍｅｎｔ．Ｔｏ ｃｏｐｅ ｗｉｔｈ ｌａｒｇｅ－ｓｃａｌｅ ｒｅｎｅｗａｂｌｅ ｅｎｅｒｇｙ ｗｉｔｈ ｒａｎｄｏｍ ｖｏｌａｔｉｌｉｔｙ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ， ｄｉｓｐａｔｃｈｉｎｇ ｏｆ ｆｌｅｘｉｂｌｅ ｇｅｎｅｒａｔｏｒｓ ａｎｄ ｓｔｏｒａｇｅｓ ａｒｅ ｎｅｅｄｅｄ ｆｏｒ ｔｈｅ ｆｉｒｓｔ ｐｌａｃｅ ｔｏ ｊｏｉｎｔｌｙ ｏｐｅｒａｔｅ ｗｉｔｈ ｔｈｅ ｒｅｎｅｗａｂｌｅ；ｆｏｒ ａｎｏｔｈｅｒ，ｎｅｗ ｏｐｅｒａｔｉｏｎａｌ ｃｏｎｄｉｔｉｏｎｓ ｏｆ ｔｈｅ ｃｏｎｖｅｎｔｉｏｎａｌ ｇｅｎｅｒａｔｏｒｓ ｈａｖｅ ｔｏ ｂｅ ｔａｋｅｎ ｉｎｔｏ ａｃｃｏｕｎｔ ｆｏｒ ｔｈｅ ｓａｆｅｔｙ ａｎｄ ｅｃｏｎｏｍｉｅｓ ｏｆ ｔｈｅ ｐｏｗｅｒ ｓｙｓｔｅｍ ｗｉｔｈ ｈｉｇｈ ｐｒｏｐｏｒｔｉｏｎ ｏｆ ｒｅｎｅｗａｂｌｅｓ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｉｓ ｐａｐｅｒ ｆｉｒｓｔｌｙ ｐｒｅｓｅｎｔｓ ａ ｃｏｓｔ ｍｏｄｅｌ ｏｆ ｔｈｅｒｍａｌ ｐｏｗｅｒ ｇｅｎｅｒａｔｉｏｎ ｃｏｎｓｉｄｅｒｉｎｇ ｌｏｗ ｌｏａｄ ｏｐｅｒａｔｉｏｎ ａｎｄ ｆｒｅｑｕｅｎｔ ｒａｍｐｉｎｇ ｃｏｎｄｉｔｉｏｎｓ．Ｓｅｃｏｎｄｌｙ，ａｎ ｏｐｔｉｍａｌ ｄｉｓｐａｔｃｈ ｍｏｄｅｌ ｉｎｃｌｕｄｉｎｇ ｗｉｎｄ ｐｏｗｅｒ，ＰＶ ｇｅｎｅｒａｔｉｏｎｓ，ｔｈｅｒｍａｌ ｐｏｗｅｒ，ｈｙｄｒｏ—ｐｕｍｐ ａｎｄ ｂａｔｔｅｒｉｅｓ ｉｓ ｅｓｔａｂｌｉｓｈｅｄ． Ｔｈｉｒｄｌｙ，ｐａｒｔｉｃｌｅ ｓｗａｒｇｎ ｏｐｔｉｍｉｚａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ＰＳＯ ｗｉｔｈ ｄｙｎａｍｉｃ ｉｎｅｒｔｉａ ｗｅｉｇｈｔ ｉｓ ｃａｍｅｄ ｏｕｔ ｔｏ ａｃｈｉｅｖｅ ｔｈｅ ｍｉｎｉｍｉｚａｔｉｏｎ ｏｆ ｔｈｅ ｔｏｔａｌ ｏｐｅｒａｔｉｎｇ ｃｏｓｔ．Ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓ ｉｎｄｉｃａｔｅ ｔｈａｔ ｔｈｅ ｉｎｖｏｌｖｅｍｅｎｔ ｏｆ ｔｈｅ Ｄｒｏｐｏｓｅｄ ｃｏｓｔ ｍｏｄｅｌ ｃａｎ ｒｅｆｌｅｃｔ ｔｈｅ ａｃｔｕａｌ ａｄｄｉｔｉｏｎａｌ ｃｏｓｔ ｗｈｅｎ ｂａｌａｎｃｉｎｇ ｔｈｅ ｉｎｔｅｒｍｉｔｔｅｎｔ ｒｅｎｅｗａｂｌｅｓ．ａｎｄ ａｌｓｏ ｂａｌａｎｃｉｎｇ ｔｈｅ ｏｐｔｉｍａｌ ｇｅｎｅｒａｔｉｏｎｓ ｂｅｔｗｅｅｎ ｃｕｒｔａｉｌｍｅｎｔ ｐｅｎａｌｔｉｅｓ ａｎｄ ｔｈｅ ｉｎｃｒｅａｓｅｄ ｏｐｅｒａｔｉｏｎａｌ ｃｏｓｔｓ．Ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ ｃｏｕｌｄ ｐｒｏｖｉｄｅ ｓｕｐｐｏｒｔ ｆｏｒ ｏｐｅｒａｔｉｏｎ ｏｆ ｍｕｌｔｉ— ｅｎｅｒｇｙ ｓｙｓｔｅｍ ｗｉｔｈ ｈｉｇｈ ｐｒｏｐｏｒｔｉｏｎ ｒｅｎｅｗａｂｌｅ ｅｎｅｒｇｙ ｉｎｔｅｇｒａｔｅｄ ｉｎｔｏ ｇｒｉｄ． Ｋｅｙ ｗｏｒｄｓ：ｍｕｌｔｉ—ｐｏｗｅｒ ｓｏｕｒｃｅｓ；ｌｏｗ ｌｏａｄ ｏｐｅｒａｔｉｏｎａｌ ｃｏｓｔ；ｒａｍｐｉｎｇ ｃｏｓｔ；ｐｅｎａｌｔｙ ｏｆ ｃｕｒｔａｉｌｍｅｎｔ；ｈｉｇｈ ｐｒｏｐｏｒｔｉｏｎ ｏｆ ｒｅｎｅｗａｂｌｅ ｅｎｅｒｇｙ ·１４９８·
