CN105048516B - 一种风光水火多源互补优化调度方法 - Google Patents

Abstract

本发明公开了一种风光水火多源互补优化调度方法，其特点是针对电源之间的互补特性，利用负荷追踪度指标获得新能源与常规电源的最优打捆比例系数，然后将它们同常规水电站和火电站一起参与到***调度运行当中，所构建的调度模型能充分发挥电源间的互补作用，实现多源混合***的调峰效益、经济效益以及环保效益最优。

Description

一种风光水火多源互补优化调度方法

技术领域

本发明涉及一种风光水火多源互补优化调度方法，具体地说，本发明通过利用电源之间的互补特性将新能源和常规电源打捆调度，使得并入电网的功率能够很好地追踪负荷变化。整个模型实现了含风光水火多源混合***调度计划调峰效益、经济效益和环保效益的最大化，属于电气信息领域。

背景技术

随着化石能源危机和环境污染问题的日益严峻，全球各国加快了开发新能源发电技术的步伐，大规模新能源并网构成了含多种电源的电网新结构。在主要的新能源中，风力发电和光伏发电发展得最为成熟和普遍。由于风能和太阳能具有随机性和间歇性，其发电输出功率波动较大，所以它们作为不可控电源在并网时会对电力***安全稳定运行产生冲击。目前对解决上述问题的研究思路主要有三个：

1)提高风力发电和光伏发电预测的精确性，从而减小发电出力的误差，但能够获得较好预测结果的模型都对应着庞大的求解计算量，丁华杰，宋永华，胡泽春，吴金城，范晓旭.基于风电场功率特性的日前风电预测误差概率分布研究[J].中国电机工程学报，2013，33(34)：136-144。

2)提高***的储能技术，利用对能量的存储与释放减小新能源发电功率的波动，然而目前储能技术大多还停留在理论研究上，很少应用于实际工程当中，Chedid R，AkikiH，Rahman S.A decision support technique for the design of hybrid solar-windpower systems[J].IEEE Trans on Energy Conversion，1998，13(1)：76-83。

3)充分利用能源之间的互补特性，合理配置风光与常规电源的容量比例，打捆后接入电网，从而提高***供电的可靠性。有研究基于迭代算法，建立了风力发电和光伏发电混合***的最优容量配置模型，通过分析运行的可靠性和经济性验证了混合供电***优于独立供电***，Kaabeche A，Belhamel M，Ibtiouen R.Sizing optimization of grid-independent hybrid photovoltaic/wind power generation system[J].Energy，2011，36(2)：1214-1222。但现有研究多是针对混合***最优容量规划配置以及多种电源之间协调控制的研究，没有基于***中已有的新能源与常规电源的装机容量，从调度层面去考虑多源协调互补的问题。并且已有研究的混合***都只包含有两种或三种电源，并未涉及有包含四种电源及以上的混合***。李碧辉，申洪，汤涌.风光储联合发电***储能容量对有功功率的影响及评价指标[J].电网技术，2011，35(4)：123-128。

发明内容

本发明的目的是基于已有研究方法的不足，针对含风光水火的多源混合***，为减小多种新能源并网对***安全稳定运行产生的影响而提供的一种基于虚拟电源配置策略的优化调度方法，其特点是针对电源之间的互补特性，利用负荷追踪度指标获得最优的新能源与常规电源的打捆比例系数，然后将它们同常规水电站和火电站一起参与到***调度运行当中，所构建的调度模型能充分发挥电源间的互补作用，实现多源混合***的调峰效益、经济效益以及环保效益最优。

其主要思路是：利用电源之间的互补特性，定义负荷追踪度指标将新能源和常规电源按一定的比例打捆进行调度，使得并入电网的功率能够很好地追踪负荷变化，达到削峰填谷、平滑负荷曲线的目的。然后在修正后的负荷曲线上基于常规水电机组的调峰能力安排机组工作位置，实现二次调峰的作用。最后将经过两次“滤波”后的剩余负荷依据经济性指标分配给火电机组，则完成了多源混合***所有的功率调度工作。

本发明的目的由以下技术措施实现

风光水火多源互补优化调度方法包括以下步骤：

1)虚拟电源配置方法

为了充分发挥电源之间的互补特性，定义负荷追踪度来评价电源的互补比例是否达到最优。负荷追踪度越趋近于1，说明打捆后的电源出力跟踪负荷变化的能力越强，也就能更好的平滑负荷曲线，实现削峰填谷的目的。

式中：λ_i为打捆电源i的负荷追踪度；P_L.i.t为t时刻消纳打捆电源i的负荷；P_L.i.av为消纳打捆电源i的负荷平均值；P_D.i.t为t时刻打捆电源i的总出力；P_D.i.av为打捆电源i的总出力平均值；T为调度周期。

本发明对打捆电源的配置提出了两种方案：1)新能源与常规电源两两打捆，即包含风水、光水、风火和光火四种组合。其中，基于节能环保的原则，优先将新能源同水电打捆，在水电不足的情况下再将新能源同火电打捆，即打捆优先级别为风水(风光)>风火(光火)；2)将风光水和风光火三种电源联合打捆，优先级别同方案1，即风光水>风光火。

基于风光水火的互补特性，求得追踪负荷能力最好的新能源与常规电源的打捆比例系数，根据打捆电源的组合方式，分别将它们定义为六种虚拟电源——“风水电站(WHPS)”、“光水电站(SHPS)”、“风火电站(WTPS)”、“光火电站(STPS)”、“风光水电站(WSHPS)”和“风光火电站(WSTPS)”。上述六种电源的出力同负荷曲线的波动基本保持一致，具有很好的调峰能力。将它们同常规水电站和火电站一起参与到***调度运行当中，虚拟电源始终保持开机状态，并且当负荷一定时，它们的出力保持不变。

2)多源互补优化调度模型的优化指标

为了实现多源互补***的调峰效益、经济效益和环保效益，本发明提出了以下优化指标：

①修正后负荷曲线波动特性

为了评价虚拟电源接入电网后对负荷曲线的平滑效果，定义负荷波动标准差和负荷功率变化率来表示负荷的波动特性。

负荷波动标准差表示为

式中：P_L.adj1.t为修正负荷曲线；为修正负荷曲线的平均值；T为调度周期。

负荷功率变化率表示为

式中：和分别为修正负荷曲线的最大值和最小值；T为调度周期。

负荷波动标准差表征了修正后负荷曲线相对于其平均值的离散程度，负荷功率变化率则通过负荷曲线的峰谷差异程度表现出了***的调峰需求，结合这两个指标能较好反映虚拟电源的互补作用对负荷曲线的平滑效果。

②常规水电二次调峰能力

除去用于同风光打捆互补的水电机组外，安排剩余机组的日调度运行时需要充分发挥水电机组的调节能力，对修正负荷曲线进行二次调峰，使余留给火电机组的负荷尽量平稳，从而减少火电机组的开停机次数，节省启动消耗，提高整个电站的整体运行效率。为了实现各时段剩余负荷尽量相等，定义调峰均方差来描述水电的调峰能力

式中：表示扣除常规水电出力后的剩余负荷，其中P_H.k.t为常规水电机组k在t时刻的出力，N_h为常规水电机组数目；表示扣除常规水电出力后的剩余负荷平均值；T为调度周期。

③常规火电单位煤耗量

新能源并网能够降低火电机组的煤耗，合理安排剩余负荷在火电机组间的分配也能降低煤耗，煤耗降低意味着污染减少和发电成本降低，所以定义单位煤耗量来评价多源混合***调度模型的环保效益和经济效益。

式中：S_j.t＝|g_jsin(h_j(P_T.j.t-P_min.j))|，表示机组启停煤耗；P_T.j.t为常规火电机组j在t时刻的出力；N_t为常规火电机组数目；a_j、b_j、c_j、g_j和h_j分别为机组j耗量特性曲线系数；P_min.j为机组j的出力下限；E_T为常规火电机组总发电量。

3)多源互补优化调度模型目标函数

多源互补优化调度模型需要通过充分发挥电源间互补后的调节能力，在满足***运行约束的条件下，实现***调峰效益、经济效益和环保效益的最大化。本文将调度模型分为三层，每层需要遵循一个目标函数，即

min F₂＝μ (7)

min F₃＝ω (8)

式中：δ_STD、δ_peak、μ和ω分别为模型的优化指标；σ₁、σ₂和σ₃分别为对应指标的权重系数。

4)约束条件

①功率平衡约束

式中：m_i.t、m_k.t和m_j.t分别为虚拟电源、常规水电机组和火电机组的状态变量，1表示运行，0表示停机；P_L.t为t时刻的负荷。

②机组有功出力约束

式中：P_W.i.t和P_S.l.t分别为风电机组i、光伏电站l在t时刻的出力；N_w和N_s分别为风电机组和光伏电站数目；P_max.i为风电机组i的出力上限；P_max.l为光伏电站l的出力上限；P_min.k和P_max.k分别为水电机组k的出力下限和出力上限；P_min.j和P_max.j分别为火电机组j的出力下限和出力上限。

③机组爬坡能力约束

式中：R_tu.j和R_hu.k分别为火电和水电机组的最大升爬坡能力；R_td.j和R_hd.k分别为火电和水电机组的最大降爬坡能力。

④机组最小开停机时间约束

式中：分别为机组i实际启停机时间；分别为规定的机组i最小启停机时间。

⑤水电发电量约束

式中：E_H为水电机组的总发电量；Q_H.k.t为水电机组k在t时刻的发电流量；η为水电转换效率；H_k.t为水电机组k在t时刻的水头高度。

⑥***旋转备用约束

式中：α％为***负荷预测误差对旋转备用的需求；β％为风电出力预测误差对旋转备用的需求；γ％为光伏出力预测误差对旋转备用的需求。

5)调度模型的求解策略

多源互补优化调度模型共分为三层：虚拟电源优化调度层、常规水电机组优化调度层和常规火电机组优化调度层。首先优化配置***的虚拟电源，得到修正负荷曲线；然后在修正负荷曲线上依次安排常规水电机组和火电机组的工作位置，其中需要满足以下两点基本原则：A.充分发挥水电机组的调峰能力，尽可能减少弃水；B.减少火电机组启停次数，发电煤耗尽可能少。

①虚拟电源优化调度层

按照虚拟电源的配置方法，以式(6)为目标确定***中虚拟电源的类型和容量，然后在负荷曲线上扣除虚拟电源的工作位置，得到修正负荷曲线，即

式中：P_W.t和P_S.t分别为t时刻的风电出力和光伏出力；P_H.t和P_T.t分别为t时刻同新能源打捆的水电出力和火电出力；∪表示或运算；∩表示并运算。

②常规水电机组优化调度层

在修正负荷曲线上安排常规水电的工作位置，以式(7)为目标，按照水电机组的投入顺序，以横向时间轴为方向确定每台机组的工作区间，即按照先横向再纵向的顺序安排机组，既要求满足水电机组的容量和电量要求，同时又发挥水电的调峰能力使负荷曲线更加平滑。

采用启发式算法对机组排序，排序指标为常规水电机组的调峰能力，优先投入调峰能力好的水电机组。定义调峰能力为

式中：P_Hmax为水电机组的出力上限；E_H为水电机组的总电量。越大则机组的调峰能力越好。

在确定水电机组的投入顺序后，采用改进粒子群算法(Particle SwarmOptimization，PSO)优化机组在一个调度日内的工作位置。

③常规火电机组优化调度层

根据剩余负荷曲线确定火电机组的开机方式，以式(8)为目标，采用改进的动态规划法(Dynamic Programming，DP)确定负荷的最优经济分配。与优化水电机组负荷分配不同的是，火电机组的优化顺序为先纵向再横向，即先针对每个时刻的负荷，在开机的火电机组中进行纵向负荷分配，满足功率平衡约束，再在横向的时间序列上延展。采用这种方法能够解决传统动态规划法不能计及机组爬坡能力的问题。

动态规划法是解决多阶段决策过程最优化的数学方法，将一个调度日分为若干个时段，各阶段的状态为该时段所有可能的机组开机方式组合，采用递推公式表示

f_j.t(P_L.adj2.t)＝min[f_j-1,t-1(P_L.adj2.t-P_T.j.t)+C(P_T.j.t)] (17)

式中：f_j.t表示从起始时刻到t时刻为止前j台火电机组的最优煤耗函数。

由此，得到多源互补优化调度方案。

本发明具有如下优点：

本发明针对含风光水火的多源混合***，充分利用电源之间的互补特性，定义负荷追踪度指标将新能源和常规电源按一定的比例打捆进行调度，使得并入电网的功率能够很好地追踪负荷变化，达到削峰填谷、平滑负荷曲线的目的。然后在修正后的负荷曲线上基于常规水电机组的调峰能力安排机组工作位置，实现二次调峰的作用。最后将经过两次“滤波”后的剩余负荷依据经济性指标分配给火电机组，则完成了多源混合***所有的功率调度工作。所构建的调度模型能充分发挥电源间的互补作用，实现多源混合***的调峰效益、经济效益以及环保效益最优。

附图说明

图1多源互补优化调度模型算法流程图

1、算法开始，输入算法的控制参数，2、输入典型日风电和光伏预测出力，3、输入***负荷需求，4、输入水电和火电装机容量以及机组参数，5、选择第i种虚拟电源配置方案，6、设置初始打捆比例，7、判断目前打捆比例是否大于最大打捆比例，8、计算负荷追踪度，9、计算负荷波动特性指标，10、计算目标函数值，11、选取使目标函数为最大时的打捆比例，12、得到常规机组开机容量以及各调度时段机组出力，13、得到修正负荷曲线，14、按照调峰能力确定常规水电机组的投入顺序，15、设置初始优化的水电机组，16、基于约束(10)生成水电机组k在一个调度日内的粒子种群，17、判断是否满足式(11)(13)约束，18、将罚函数加入适应度函数，19、根据目标函数式(7)计算粒子的适应度值，20、更新粒子的速度、个体最优位置和全局最优位置，21、判断是否达到迭代次数，22、扣除水电机组k出力得到剩余负荷曲线，23、判断是否安排完所有的水电机组，24、得到剩余负荷曲线，25、设置初始优化时刻，26、根据目标函数式(8)顺序造表，27、生成该阶段所有可能的机组组合方式，28、判断是否满足式(9)-(12)以及式(14)约束，29、筛选掉不满足约束的组合方式，30、根据该时段的负荷进行逆序查表，31、得到该时段火电机组的开机方式，32、判断是否搜索完所有的调度时刻，33、算法结束，输出计算结果。

图2为***负荷预测曲线

采用该区域一个调度日内24个时刻的负荷预测值。实线为夏季典型日，虚线为冬季典型日。

图3为风电预测出力曲线

采用该区域一个调度日内24个时刻的风电出力预测值。实线为夏季典型日，虚线为冬季典型日。

图4为光伏预测出力曲线

采用该区域一个调度日内24个时刻的光伏出力预测值。实线为夏季典型日，虚线为冬季典型日。

图5为不同比例虚拟电源的负荷追踪度

●点虚线表示夏季典型日负荷追踪度，●点实线表示冬季典型日负荷追踪度。

图6为夏季典型日修正负荷曲线波动特性指标

●点虚线表示负荷功率变化率，●点实线表示负荷波动标准差。

图7为冬季典型日修正负荷曲线波动特性指标

●点虚线表示负荷功率变化率，●点实线表示负荷波动标准差。

图8为夏季典型日调峰均方差指标

虚线为初始修正负荷曲线的调峰均方差指标，机组编号从小到大依次代表机组调峰性能由强至弱。

图9为冬季典型日调峰均方差指标

虚线为初始修正负荷曲线的调峰均方差指标，机组编号从小到大依次代表机组调峰性能由强至弱。

图10为夏季典型日负荷曲线优化过程

□点实线表示初始负荷曲线，*点实线表示修正负荷曲线，●点实线表示剩余负荷曲线。

图11为冬季典型日负荷曲线优化过程

□点实线表示初始负荷曲线，*点实线表示修正负荷曲线，●点实线表示剩余负荷曲线。

具体实施方式

下面通过实施例对本发明进行具体的描述，有必要在此指出的是本实施例只用于对本发明进行进一步说明，不能理解为对本发明包括范围的限制，该领域的技术熟练人员可以根据上述本发明的内容作出一些非本质的改进和调整。

实施例：

如图1所示，算法开始，输入算法的控制参数(图1中第1框)。模型第一层为虚拟电源优化调度层(图1中第2-12框)。输入典型日风电和光伏预测出力；输入***负荷需求；输入水电和火电装机容量以及机组参数；选取虚拟电源配置方案；设置初始打捆比例；计算负荷追踪度和负荷波动特性指标；增加打捆比例，计算新比例下的负荷追踪度和负荷波动特性指标；判断是否为最大打捆比例；选取使目标函数为最大时的打捆比例；得到机组组合的初始解；判断是否满足公式(10)的最小启停时间约束；修正初始解，并解除冗余机组；得到常规机组开机容量以及各调度时段机组出力；以上11个步骤分别为图1中的2、3、4、5、6、7、8、9、10、11、12框。模型第二层为常规水电优化调度层(图1中第13-23框)。得到修正负荷曲线；按照调峰能力确定常规水电机组的投入顺序；设置初始优化的水电机组；基于约束(10)生成水电机组k在一个调度日内的粒子种群；判断是否满足式(11)(13)约束；将罚函数加入适应度函数；根据目标函数式(7)计算粒子的适应度值；更新粒子的速度、个体最优位置和全局最优位置；判断是否达到迭代次数；扣除水电机组k出力得到剩余负荷曲线；判断是否安排完所有的水电机组；以上10个步骤分别为图1中的13、14、15、16、17、18、19、20、21、22、23框。模型第三层为常规火电优化调度层(图1中第24-32框)。得到剩余负荷曲线；设置初始优化时刻；根据目标函数式(8)顺序造表；生成该阶段所有可能的机组组合方式；判断是否满足式(9)-(12)以及式(14)约束；筛选掉不满足约束的组合方式；根据该时段的负荷进行逆序查表；得到该时段火电机组的开机方式；判断是否搜索完所有的调度时刻；以上9个步骤分别为图1中的24、25、26、27、28、29、30、31、32框。算法结束，输出计算结果(图1中第33框)。

针对甘肃电网2013年的电源装机和负荷数据，基于一天24时段调度周期进行仿真计算。

该省火电总装机容量15864MW，水电总装机容量7599.592MW，风电总装机容量7075.5MW，光伏总装机容量4333MW。由于篇幅限制，对模型中虚拟电源配置方案二进行验证。在调度周期内***负荷预测曲线如图2所示，风电预测出力如图3所示，光伏预测出力如图4所示。***的旋转备用需求系数α％、β％和γ％取为16％。

1)虚拟电源优化调度层

根据风电和光伏预测出力为电网配置虚拟电源(图1中第2-12框)。夏季典型日来水充足，优先为电网配置WSHPS；冬季典型日由于水量不足，所以为电网配置WSTPS。负荷追踪度指标如图5所示，虚拟电源并网后得到修正负荷曲线波动特性指标如图6、图7所示，综合上述三项指标，可以求得虚拟电源最优配置比例，即夏季典型日WSHPS中水电与风光比例为1.1，冬季典型日WSTPS中火电与风光比例为0.9。

2)常规水电优化调度层

完成第一层虚拟电源配置后，第二层优化利用除打捆机组之外的水电对修正负荷曲线进行二次调峰(图1中第13-23框)。算法基本步骤如下：

①生成水电机组k一个调度日各个时刻的初代种群(图1中第16框)，判断式(11)和式(13)约束是否满足(图1中第17框)，不满足则以罚函数加入适应度函数(图1中第18框)；

②计算粒子的适应度值式(7)(图1中第19框)，更新个体和全局最优位置(图1中第20框)；

③更新粒子位置和速度，返回1)，进行下一代种群的计算；

④完成所有粒子种群的迭代后，生成扣除水电机组k后的修正负荷曲线(图1中第22框)；

⑤令k＝k+1，返回1)，安排下一台水电机组的工作位置；

⑥完成所有水电机组工作位置的安排后，输出扣除所有水电机组出力的剩余负荷曲线(图1中第24框)。

夏季典型日安排剩余11台水电机组工作位置；冬季典型日水电机组未参与打捆，安排全部33台水电机组工作位置。根据水电机组的调峰能力依次投入机组，优化结果如图8、图9所示，图中虚线为初始修正负荷曲线的调峰均方差指标，机组编号从小到大依次代表机组调峰性能由强至弱。可以看出，虽然每台水电机组并网后的调峰均方差有所波动，但水电机组对修正负荷曲线进行二次调峰后，负荷曲线调峰需求的总体变化趋势是在变小。

3)常规火电优化调度层

第二层优化完成后得到剩余负荷曲线，此时负荷曲线已经非常平滑，如图10、图11所示。最后在剩余负荷上安排火电机组(图1中第24-32框)，即按照经济性和环保性完成第三层优化。

因为火电出力优化算法中的递推公式没有明显的解析式，所以需要采用造表方法进行计算。计算分为两个阶段：

①第一阶段是顺序造表(图1中第26框)，即：a)列出各时段的所有可能的机组出力组合数，按煤耗特性曲线计算所有组合状态下的运行耗量和启停耗量；b)确定各时段间状态转移路径，按时序从前向后计算到达各阶段各状态的累计耗量。

②第二阶段是逆序查表(图1中第30框)，即：从最后阶段累计耗量最小的状态开始，根据所记录的路径由后向前依次搜寻各阶段使总累计耗量最小的状态，最终得到所有机组的负荷分配。

将本发明的优化结果同常规优化调度的煤耗指标以及弃风弃光弃水指标进行比较，如表1、表2所示，可以看出优化后火电机组总煤耗大幅减少，单位煤耗也有所减少，可接纳的风光水容量增加，***经济效益和环保效益都得到体现。

表1

表2

Claims (1)

1.风光水火多源互补优化调度方法，其特征在于该方法包括以下步骤：

1)虚拟电源配置方法

为了充分发挥电源之间的互补特性，定义负荷追踪度来评价电源的互补比例是否达到最优，负荷追踪度越趋近于1，说明打捆后的电源出力跟踪负荷变化的能力越强，也就能更好的平滑负荷曲线，实现削峰填谷的目的，

$\begin{array}{c}{\mathrm{\λ}}_i=\frac{\underset{t=1}{\overset{T}{\Σ}}(P_{L.i.t}-P_{L.i.av})(P_{D.i.t}-P_{D.i.av})}{\sqrt{\underset{t=1}{\overset{T}{\Σ}}{(P_{L.i.t}-P_{L.i.av})}^2}\sqrt{\underset{t=1}{\overset{T}{\Σ}}{(P_{D.i.t}-P_{D.i.av})}^2}}\\ (i=1,2,3,4,5,6)\end{array}---\left(1\right)$

式中：λ_i为打捆电源i的负荷追踪度；P_L.i.t为t时刻消纳打捆电源i的负荷；P_L.i.av为消纳打捆电源i的负荷平均值；P_D.i.t为t时刻打捆电源i的总出力；P_D.i.av为打捆电源i的总出力平均值；T为调度周期；

本发明对打捆电源的配置提出了两种方案：

①新能源与常规电源两两打捆，即包含风水、光水、风火和光火四种组合，其中，基于节能环保的原则，优先将新能源同水电打捆，在水电不足的情况下再将新能源同火电打捆，即打捆优先级别为风水或风光>风火或光火；

②将风光水和风光火三种电源联合打捆，优先级别同方案1，即风光水>风光火；

基于风光水火的互补特性，求得追踪负荷能力最好的新能源与常规电源的打捆比例系数，根据打捆电源的组合方式，分别将它们定义为六种虚拟电源——“风水电站”、“光水电站”、“风火电站”、“光火电站”、“风光水电站”和“风光火电站”，上述六种电源的出力同负荷曲线的波动基本保持一致，具有很好的调峰能力，将它们同常规水电站和火电站一起参与到***调度运行当中，虚拟电源始终保持开机状态，并且当负荷一定时，它们的出力保持不变；

2)多源互补优化调度模型的优化指标

为了实现多源互补***的调峰效益、经济效益和环保效益，本发明提出了以下优化指标：

①修正后负荷曲线波动特性

为了评价虚拟电源接入电网后对负荷曲线的平滑效果，定义负荷波动标准差和负荷功率变化率来表示负荷的波动特性；

负荷波动标准差表示为

${\mathrm{\δ}}_{STD}=\sqrt{\frac{1}{T-1}\underset{t=1}{\overset{T}{\Σ}}{(P_{L.adj1.t}-P_{L.adj1.t}^{ave})}^2}---\left(2\right)$

式中：P_L.adj1.t为修正负荷曲线；为修正负荷曲线的平均值；T为调度周期；

负荷功率变化率表示为

${\mathrm{\δ}}_{peak}=\frac{P_{L.adj1}^{\max }-P_{L.adj1}^{\min }}{T}---\left(3\right)$

式中：和分别为修正负荷曲线的最大值和最小值；T为调度周期；

负荷波动标准差表征了修正后负荷曲线相对于其平均值的离散程度，负荷功率变化率则通过负荷曲线的峰谷差异程度表现出了***的调峰需求，结合这两个指标能较好反映虚拟电源的互补作用对负荷曲线的平滑效果；

②常规水电二次调峰能力

除去用于同风光打捆互补的水电机组外，安排剩余机组的日调度运行时需要充分发挥水电机组的调节能力，对修正负荷曲线进行二次调峰，使余留给火电机组的负荷尽量平稳，从而减少火电机组的开停机次数，节省启动消耗，提高整个电站的整体运行效率，为了实现各时段剩余负荷尽量相等，定义调峰均方差来描述水电的调峰能力

$\mathrm{\μ}=\frac{1}{T}\underset{t=1}{\overset{T}{\Σ}}(P_{L.adj2.t}-P_{L.adj2.t}^{ave})---\left(4\right)$

式中：表示扣除常规水电出力后的剩余负荷，其中P_H.k.t为常规水电机组k在t时刻的出力，N_h为常规水电机组数目；表示扣除常规水电出力后的剩余负荷平均值；T为调度周期；

③常规火电单位煤耗量

新能源并网能够降低火电机组的煤耗，合理安排剩余负荷在火电机组间的分配也能降低煤耗，煤耗降低意味着污染减少和发电成本降低，所以定义单位煤耗量来评价多源混合***调度模型的环保效益和经济效益；

$\mathrm{\ω}=\frac{C\left(P_{T.j.t}\right)}{E_T}=\frac{\underset{t=1}{\overset{T}{\Σ}}\underset{j=1}{\overset{N_t}{\Σ}}{a}_j{P}_{T.j.t}^2+b_j{P}_{T.j.t}+c_j+S_{j.t}}{E_T}---\left(5\right)$

式中：S_j.t＝|g_jsin(h_j(P_T.j.t-P_min.j))|，表示机组启停煤耗；P_T.j.t为常规火电机组j在t时刻的出力；N_t为常规火电机组数目；a_j、b_j、c_j、g_j和h_j分别为机组j耗量特性曲线系数；P_min.j为机组j的出力下限；E_T为常规火电机组总发电量；

3)多源互补优化调度模型目标函数

多源互补优化调度模型需要通过充分发挥电源间互补后的调节能力，在满足***运行约束的条件下，实现***调峰效益、经济效益和环保效益的最大化；本文将调度模型分为三层，每层需要遵循一个目标函数，即

$\max F_1=\frac{{\mathrm{\σ}}_1\mathrm{\λ}}{{\mathrm{\σ}}_2{\mathrm{\δ}}_{STD}+{\mathrm{\σ}}_3{\mathrm{\δ}}_{peak}}---\left(6\right)$

min F₂＝μ (7)

min F₃＝ω (8)

式中：δ_STD、δ_peak、μ和ω分别为模型的优化指标；σ₁、σ₂和σ₃分别为对应指标的权重系数；

4)约束条件

①功率平衡约束

$\underset{i=1}{\overset{6}{\Σ}}{m}_{i.t}{P}_{D.i.t}+\underset{k=1}{\overset{N_h}{\Σ}}{m}_{k.t}{P}_{H.k.t}+\underset{j=1}{\overset{N_t}{\Σ}}{m}_{j.t}{P}_{T\·j.t}=P_{L.t}---\left(9\right)$

式中：m_i.t、m_k.t和m_j.t分别为虚拟电源、常规水电机组和火电机组的状态变量，1表示运行，0表示停机；P_L.t为t时刻的负荷；

②机组有功出力约束

$\left\{\begin{array}{c}0\≤P_{W.i.t}\≤P_{max.i},(i=1,2,...,N_w)\\ 0\≤P_{S.l.t}\≤P_{\max .l},(l=1,2,...,N_s)\\ P_{\min .k}\≤P_{H.k.t}\≤P_{\max .k},(k=1,2,...,N_h)\\ P_{\min .j}\≤P_{T.j.t}\≤P_{\max .j},(j=1,2,...,N_t)\end{array}\right.---\left(10\right)$

式中：P_W.i.t和P_S.l.t分别为风电机组i、光伏电站l在t时刻的出力；N_w和N_s分别为风电机组和光伏电站数目；P_max.i为风电机组i的出力上限；P_max.l为光伏电站l的出力上限；P_min.k和P_max.k分别为水电机组k的出力下限和出力上限；P_min.j和P_max.j分别为火电机组j的出力下限和出力上限；

③机组爬坡能力约束

$\left\{\begin{array}{c}{P}_{j.t}-P_{j.(t-1)}\≤R_{tu.j}\\ P_{j.(t-1)}-P_{j.t}\≤R_{td.j}\\ P_{k.t}-P_{k.(t-1)}\≤R_{hu.k}\\ P_{k.(t-1)}-P_{k.t}\≤R_{hd.k}\end{array}\right.,(j=1,2,...,N_t,k=1,2,...,N_h)---\left(11\right)$

式中：R_tu.j和R_hu.k分别为火电和水电机组的最大升爬坡能力；R_td.j和R_hd.k分别为火电和水电机组的最大降爬坡能力；

④机组最小开停机时间约束

$\left\{\begin{array}{c}(X_{i.(t-1)}^{on}-T_{i\min }^{on}).(m_{i.(t-1)}-m_{i.t})\≥0\\ (X_{i.(t-1)}^{off}-T_{i\min }^{off}).(m_{i.t}-m_{i.(t-1)})\≥0\end{array}\right.---\left(12\right)$

式中：分别为机组i实际启停机时间；分别为规定的机组i最小启停机时间；

⑤水电发电量约束

$\left\{\begin{array}{c}\underset{t=1}{\overset{T}{\Σ}}\underset{k=1}{\overset{N_h}{\Σ}}{m}_{k.t}{P}_{H.k.t}\≤E_H\\ E_H=\underset{k=1}{\overset{N_h}{\Σ}}{\∫}_1^{T}9.81{\mathrm{\ηQ}}_{H.k.t}{H}_{k.t}dt\end{array}\right.---\left(13\right)$

式中：E_H为水电机组的总发电量；Q_H.k.t为水电机组k在t时刻的发电流量；η为水电转换效率；H_k.t为水电机组k在t时刻的水头高度；

⑥***旋转备用约束

$\begin{array}{c}{R}_t=\underset{k=1}{\overset{N_h}{\Σ}}{m}_{k.t}{P}_{\max .k}+\underset{j=1}{\overset{N_t}{\Σ}}{m}_{j.t}{P}_{\max .j}\\ \≥P_{L.t}\×\mathrm{\α}\%+\underset{i=1}{\overset{N_w}{\Σ}}{P}_{W.i.t}\×\mathrm{\β}\%+\underset{l=1}{\overset{N_s}{\Σ}}{P}_{S.l.t}\×\mathrm{\γ}\%\end{array}---\left(14\right)$

式中：α％为***负荷预测误差对旋转备用的需求；β％为风电出力预测误差对旋转备用的需求；γ％为光伏出力预测误差对旋转备用的需求；

5)调度模型的求解策略

多源互补优化调度模型共分为三层：虚拟电源优化调度层、常规水电机组优化调度层和常规火电机组优化调度层，首先优化配置***的虚拟电源，得到修正负荷曲线；然后在修正负荷曲线上依次安排常规水电机组和火电机组的工作位置，其中需要满足以下两点基本原则：1)充分发挥水电机组的调峰能力，尽可能减少弃水；2)减少火电机组启停次数，发电煤耗尽可能少；

①虚拟电源优化调度层

按照虚拟电源的配置方法，以式(6)为目标确定***中虚拟电源的类型和容量，然后在负荷曲线上扣除虚拟电源的工作位置，得到修正负荷曲线，即

$P_{L.adj1.t}=\left\{\begin{array}{cc}{P}_{L.t}-(P_{D\mathrm{.1.}t}\∪P_{D\mathrm{.3.}t})\∩(P_{D\mathrm{.2.}t}\∪P_{D\mathrm{.4.}t}),& case1\\ P_{L.t}-P_{D\mathrm{.5.}t}\∪{\mathrm{JP}}_{D\mathrm{.6.}t},& case2\end{array}\right.---\left(15\right)$

式中：P_W.t和P_S.t分别为t时刻的风电出力和光伏出力；P_H.t和P_T.t分别为t时刻同新能源打捆的水电出力和火电出力；∪表示或运算；∩表示并运算；

②常规水电机组优化调度层

在修正负荷曲线上安排常规水电的工作位置，以式(7)为目标，按照水电机组的投入顺序，以横向时间轴为方向确定每台机组的工作区间，即按照先横向再纵向的顺序安排机组，既要求满足水电机组的容量和电量要求，同时又发挥水电的调峰能力使负荷曲线更加平滑；

采用启发式算法对机组排序，排序指标为常规水电机组的调峰能力，优先投入调峰能力好的水电机组，定义调峰能力为

式中：P_Hmax为水电机组的出力上限；E_H为水电机组的总发电量，越大则机组的调峰能力越好；

在确定水电机组的投入顺序后，采用改进粒子群算法优化机组在一个调度日内的工作位置；

③常规火电机组优化调度层

根据剩余负荷曲线确定火电机组的开机方式，以式(8)为目标，采用改进的动态规划法确定负荷的最优经济分配，与优化水电机组负荷分配不同的是，火电机组的优化顺序为先纵向再横向，即先针对每个时刻的负荷，在开机的火电机组中进行纵向负荷分配，满足功率平衡约束，再在横向的时间序列上延展，采用这种方法能够解决传统动态规划法不能计及机组爬坡能力的问题；

动态规划法是解决多阶段决策过程最优化的数学方法，将一个调度日分为若干个时段，各阶段的状态为该时段所有可能的机组开机方式组合，采用递推公式表示

f_j.t(P_L.adj2.t)＝min[f_j-1,t-1(P_L.adj2.t-P_T.j.t)+C(P_T.j.t)] (17)

式中：f_j.t表示从起始时刻到t时刻为止前j台火电机组的最优煤耗函数。