基于条件风险价值的含风电电力系统旋转备用效益研究
中国电工技术学会主办，2017年6月21-24日在河北省张北县举办，大会围绕新能源发展战略、系统关键技术、微电网及储能等重要议题展开交流。浏览会议详情和在线报名参会请长按识别二维码。
福州大学电气工程与自动化学院的研究人员刘兴宇、温步瀛、江岳文，在2017年第9期《电工技术学报》上撰文指出，由于风电出力的波动性和间歇性,大规模风电并网使得旋转备用效益和风险的矛盾更加突出。
考虑系统上、下旋转备用的容量成本和能量成本,以及因购买上旋转备用而减少的失负荷损失和因购买下旋转备用而减少的弃风损失,以期望旋转备用效益最大和系统损失的条件风险价值(CVaR)最小为两个目标,建立基于条件风险价值的含风电电力系统旋转备用效益风险模型。
采用蒙特卡罗法模拟实际负荷功率和风电出力的预测偏差,并改进多目标粒子群优化算法,用于求解得到期望旋转备用效益-风险有效前沿和日前旋转备用计划,以及不同可靠性水平、置信水平对期望旋转备用效益和风险的影响。最后,通过算例验证了该模型和算法的可行性。
大规模的风电并网，对电力系统的可靠性和经济性造成重大的影响。系统在购买旋转备用保证系统可靠性的同时，也力求旋转备用产生最大的效益，以及降低系统失负荷和弃风的风险。因此，如何权衡旋转备用效益和风险进行旋转备用容量的制定，是一个值得重视的课题。
针对风电出力的不确定性，风电并网后的系统旋转备用计划应考虑系统的可靠性、经济性和潜在的风险。文献［4，5］提出了旋转备用费用与风险模型来购买含风电电力系统的旋转备用。文献［6，7］引入风险备用，建立含风电电力系统经济调度模型。
文献［8］通过类比风险价值(Value at Ｒisk，VaＲ)和条件风险价值(Conditional Value at Ｒisk，CVaＲ) ，定义风险备用和条件风险备用，作为发电系统运行可靠性度量指标。
文献［9］以发电总成本和旋转备用总费用最小为目标，构建基于条件风险方法的电力系统旋转备用模型，但没有考虑失负荷和弃风造成的损失。文献［10］以旋转备用的购买成本最小为目标，在系统安全的机会约束下，构造了确定系统所需最优旋转备用容量的数学模型。
文献［11］考虑旋转备用容量成本和停电损失，建立旋转备用成本期望值和条件风险价值多目标优化模型。文献［12］利用风电和负荷的概率密度函数估算系统的停电损失和弃风损失，并将它们作为风险成本计入发电成本目标函数中，求取每台常规机组的目前出力和正负旋转备用量。
文献［13］提出了旋转备用成本分析和效益评估的定义及计算方法，并以旋转备用社会效益最大化作为目标函数求解最优旋转备用容量及其分配问题，取得了较好的效果，但未考虑弃风成本和容量成本、下备用成本。
上述文献均没有同时考虑系统失负荷和弃风损失、上下旋转备用的容量成本和能量成本等因素，对含风电电力系统旋转备用优化问题进行研究。
旋转备用效益和风险问题属于多变量、非线性的多目标优化问题。而多目标粒子群优化算法(MultiObjective Particle Swarm OptimizationAlgorithm，MOPSO)是以粒子群优化算法为基础来解决多目标问题的一种方法，适用于多目标非线性问题的求解，但是算法性能不够，容易陷入局部最优。
因此，许多文献对MOPSO算法进行改进。文献［14］对两个子群体分别进行优化，然后交换两个子群的最优解，作为子群速度更新的全局最优解。文献［15］采用轮盘赌局策略选取全局最优。文献［16］在MOPSO中引入粒子间的密集距离机制，提出基于密集距离的MOPSO算法 (MOPSO-CD)。
文献［17］提出一种多目标纵横交叉算法(MOCSO)，采用粒子两两配对、折中更新、精英保存的策略，缩短了迭代次数。然而由于多目标问题的特殊性，算法还有很大的提升空间，使得多目标粒子群优化算法成为研究热点。
针对以上问题和现有方法的不足，本文考虑系统旋转备用的上、下备用容量成本和上、下备用容量调用量的能量成本以及因购买旋转备用而减少的系统损失(失负荷和弃风损失) 。
在一定可靠性的前提下，以期望旋转备用效益最大、系统损失的CVaＲ值最小为目标，建立含风电电力系统的旋转备用效益-风险模型，对含风电电力系统旋转备用效益、系统损失CVaＲ值进行研究，从而对含风电并网电力系统的旋转备用进行优化。
同时，在多目标粒子群优化算法上，提出一种极端值全局最优选择策略，并与其他两种全局最优粒子选择策略相结合来选择全局最优，从而提高该算法的边缘搜索性能，扩大非劣解集的范围。
图1 改进MOPSO算法流程
结论
大规模风电并网给旋转备用计划的制定、旋转备用效益和风险的评估带来了新的挑战。本文围绕系统购买旋转备用产生的效益、系统失负荷和弃风损失的风险，主要工作和结论如下:
1）负荷功率和风电出力的预测偏差给系统增加了旋转备用成本，影响系统运行的经济性和可靠性。本文建立旋转备用效益-风险模型，将旋转备用产生的效益和潜在的损失风险进行评估，更直观地描述旋转备用效益和风险之间的关系。为备用决策者制定旋转备用计划、期望旋转备用效益和风险的评估提供参考。
2）同时考虑系统上、下旋转备用的容量成本和实际容量调用量的能量成本以及因购买旋转备用而减少的失负荷损失和弃风损失，建立旋转备用效益-风险模型，更全面地反映了风电并网后旋转备用对系统旋转备用效益的影响。
3）研究系统的可靠性水平和置信水平对E(Π)和fCVaＲβ的影响。系统的可靠性水平越高，可以取得的 E(Π) max越低;风险的置信水平越高，fCVaＲβ越大，表明备用决策者对风险的厌恶程度越高。
4）对MOPSO进行改进，通过算例对比表明了该方法可以扩大非劣解集的范围，使得备用决策者可以在更大的 E(Π)和fCVaＲβ范围内，根据自身对风险的承受能力和喜好、以及对旋转备用效益的期望值制定旋转备用计划。
5）本文在假设实际风电出力预测偏差服从拉普拉斯正态混合分布和实际负荷预测偏差服从正态分布的前提下进行旋转备用计划、旋转备用效益和风险研究。若实际情况不满足上述假设时结果将有所不同，有待进一步研究。