考虑风电和谐消纳的电力系统中长期交易运营计划获取方法

摘要

本发明提供一种考虑风电和谐消纳的电力系统中长期交易运营计划获取方法，对系统公平性的考虑通过火电机组名义发电量与火电机组名义负荷率的引入来实现，使用风电对火电机组进行名义发电量补贴的方式和火电机组最小名义发电负荷率约束方式相结合的办法实现风电的和谐消纳，并在此基础上建立考虑系统公平性的含风电接纳的电力系统中长期交易运营计划问题的数学模型，为考虑风电接纳的同时考虑系统整体公平性的中长期交易计划和运营计划的制定提供有力保障。

说明书

技术领域

本发明属于电力公司的中长期决策计划领域，尤其涉及考虑系统 公平性的含风电接纳的中长期交易计划和运营计划的制定。

背景技术

在日前及实时运行阶段，由于可调节资源有限，为满足电网安全 运行的备用要求，难以保障风电的全额消纳。而在中长期运营计划阶 段，拥有更多的优化配置手段，可以通过对不同时间周期上多种类发 电资源与输电资源的协调与优化，提升清洁能源的接纳水平。另一方 面，风电的接纳使得传统电源的经济效益受到损害，甚至有可能使得 传统的发电机组以很低的效率运行，引发了公平性的问题。而在中长 期运营计划阶段，可以通过对风电接纳模式的研究，选择考虑系统公 平情况的风电接纳模式，满足对电力系统公平性的考量。

由于风电属于依附式电源，在系统中不承担责任，在中长期计划 阶段，如果发电量在各个机组之间分布过分不均，就引发了公平性的 问题，严重的公平性问题可能会出现一些利益受损的电厂消极被动甚 至变相抵制、影响电力系统安全稳定运行的情况。

为了促进风电“包容性”增长，推动中国能源经济健康持续的发 展，在大规模风电并网消纳时，有必要做好风电优先消纳模式下所产 生的经济性和公平性之间的协调。因此，中长期计划的制定需要将风 电的接纳与系统的公平性统一考虑。目前电力公司在实际工作中尚没 有考虑系统公平性的含风电接纳的中长期交易运营计划决策的数学 模型。

发明内容

本发明的目的在于提供一种考虑风电和谐消纳的电力系统中长 期交易运营计划获取方法。

为达到上述目的，本发明采用了以下技术方案。

一种考虑风电和谐消纳的电力系统中长期交易运营计划获取方 法，包括以下步骤：

第一步，建立多目标的优化模型，优化模型的第一个目标函数是 系统的总运行费用最小，优化模型的第二个目标函数是风电接纳量最 大，风电接纳量用系统在每时段接纳的风电功率表示，优化模型的约 束条件包括系统的备用容量约束、系统外送交易电量合同约束、外送 电量交易方式约束、系统的功率平衡约束、系统的火电机组名义发电 负荷率约束以及系统的名义发电量补偿总额约束，优化模型的决策变 量包括风电的接纳量、机组出力、启停状态变量、外送交易功率以及 火电机组的名义电量补偿量；名义发电量是每个机组(火电或风电)在 电网公司结算生产价格时的生产电量，名义发电负荷率是指机组(火 电或风电)名义发电量与机组最大可发电量的比值；

第二步，通过将系统风电接纳量最大转化为系统弃风成本最小实 现所述第一个目标函数与第二个目标函数的协调，得到新的目标函 数；

第三步，在约束条件下，根据典型周的数据由所述新的目标函数 求解得到典型周的计划，利用典型周的计划映射得到月计划，典型周 的数据是每个月的任意周的负荷值或将每个月各周对应时段的负荷 值取平均。

所述系统的备用容量约束表示为：

$\underset{i=1}{\stackrel{I}{\Sigma }}{z}_{i,t}(P_{i,\max }-P_{i,t})\ge \max \{D_t\times f_d,D_t\times f_d+P_{w,t}-P_{w,t,\mathrm{forecast}}\times (1-f_{w,t})\}$

其中，I表示系统中的火电机组数；z_i,t表示第i个火电机组在第 t个时段的状态，z_i,t=1表示处于开机状态，z_i,t=0表示处于停机状态， 是有待优化的决策变量之一；P_i,t表示第i个火电机组在第t个时段的 有功功率，是有待优化的决策变量之一；P_i,max表示第i个火电机组技 术出力的上限；D_t表示系统在第t个时段的负荷功率需求；f_d表示负 荷预测的误差系数，f_w,t表示风电预测的误差系数；P_w,t表示系统在第 t个时段接纳的风电功率，是有待优化的决策变量之一；P_w,t,forecase表示 系统在第t个时段的预测风电功率。

所述系统外送交易电量合同约束表示为：

$\underset{t=1}{\overset{T_h}{\Sigma }}{P}_{e,t}={\bar{Q}}_{e,T_h}$

其中，P_e,t表示系统在第t个时段的外送功率需求，是有待优化的 决策变量之一；表示系统T_h时段外送交易合同电量约束；T_h表示 交易合同约定的时间段；

所述外送电量交易方式约束表示为：

$P_{e,t}=\left(\begin{array}{cc}{P}_{e1}& \forall t\in T_p\\ P_{e2}& \forall t\in T_v\\ P_{e3}& \forall t\in T_n\end{array}\right)$

其中，T_p,T_v,T_n依次表示一天中峰谷平时段的集合；P_e1,P_e2,P_e3依次 表示一天中峰谷平时段的外送功率需求。

所述系统的功率平衡约束表示为：

$P_{w,t}+\underset{i=1}{\overset{I}{\Sigma }}{P}_{i,t}=D_t+P_{e,t}$

其中，P_e,t表示系统在第t个时段的外送功率需求；D_t表示系统在 第t个时段的负荷功率需求；P_i,t表示第i个火电机组在第t个时段的 有功功率；P_w,t表示系统在第t个时段接纳的风电功率；I表示系统中 的火电机组数。

所述系统的火电机组名义发电负荷率约束表示为：

${\rho }_{i,n}=\frac{\underset{t=1}{\overset{T}{\Sigma }}{P}_{i,t}+Q_{c,i}}{T\times P_{i,\max }}\ge {\rho }_{i,\min }$

其中，ρ_i,n表示第i个火电机组的名义发电负荷率；ρ_i,min表示第i 个火电机组的发电负荷率下限；T是研究周期内的时段数；Q_c,i表示 第i个火电机组的名义电量补偿量，是有待优化的决策变量之一；P_i,t表示第i个火电机组在第t个时段的有功功率；P_i,max表示第i个火电 机组技术出力的上限。

所述系统的名义发电量补偿总额约束表示为：

$\underset{i=1}{\overset{I}{\Sigma }}{Q}_{c,i}\le Q_w\times r_c$

其中，Q_c,i表示第i个火电机组的名义电量补偿量；Q_w表示风电 的实际发电量；r_c表示补偿比例；I表示系统中的火电机组数。

所述优化模型的约束条件还包括发电机出力上下限约束、发电机 最小连续启停时间约束、发电机的电量约束以及线路的输电容量约 束，发电机指火电机组。

所述新的目标函数表示为：

$\mathrm{MinF}=\underset{t=1}{\overset{T}{\Sigma }}\underset{i=1}{\overset{I}{\Sigma }}[z_{i,t}{C}_{p,i}\left(P_{i,t}\right)+z_{i,t}(1-z_{i,t-1})C_{s,i}]+\underset{t=1}{\overset{T}{\Sigma }}(P_{w,t,\max }-P_{w,t})C_{q,t}$

其中，F表示系统总的运行费用；T表示研究周期内的时段数； I表示系统中的火电机组数；z_i,t表示第i个火电机组在第t个时段的 状态，z_i,t=1表示处于开机状态，z_i,t=0表示处于停机状态；P_i,t表示第 i个火电机组在第t个时段的有功功率；C_p,i(P_i,t)表示第i个火电机组 的运行费用，火电机组的运行费用取为功率的二次函数形式： a_i、b_i以及c_i为火电机组的运行费用参数； C_s,i表示第i个火电机组的开机费用；C_q,t表示广义弃风成本；P_w,t表示 系统在t个时段接纳的风电功率；P_w,t,max表示系统在第t个时段接纳的 风电功率最大上限。

所述利用典型周的计划映射得到月计划的具体方法为：假设典型 周总电量为Q_w,sum，典型周所在计划月的总电量为Q_m,sum，计划月压缩到 典型周的映射系数为根据典型周计划结果集合H_w得到计 划月的月计划结果集合H_m=H_w·μ；计划尺度为季度或年度时，将季 度或年度对应的各个月的月计划结果累加。

采用表征系统各发电机（火电与风电）发电量分配的不公平度指 标H定量测算系统的不公平性，H的数学表达式为：

$H=\underset{i=1}{\overset{I}{\Sigma }}{(\bar{\rho }-{\rho }_i)}^2+{(\bar{\rho }-{\rho }_w)}^2$

其中，表示系统平均发电负荷率，I表示系 统中的火电机组数；ρ_w表示风电的发电负荷率；ρ_i表示第i个火电机 组的发电负荷率；

第i个火电机组的发电负荷率ρ_i的取值为火电机组的名义发电负 荷率ρ_i,n，Q_c,i表示第i个火电机组的名义电量补偿量； P_i,t表示第i个火电机组在第t个时段的有功功率；T是研究周期内的 时段数；P_i,max表示第i个火电机组技术出力的上限；

风电的发电负荷率ρ_w的取值为风电的名义发电负荷率ρ_w,n，

P_w,t表示系统在第t个时段接纳的风电功率；P_w,t,max表示系统在第t个时段接纳的风电功率最大上限。

本发明的有益效果体现在：

本发明中对系统公平性的考虑通过火电机组名义发电量与火电 机组名义发电负荷率的引入来实现，使用风电对火电机组进行名义发 电量补贴的方式和火电机组最小名义发电负荷率约束方式相结合的 办法实现风电的和谐消纳，并在此基础上建立考虑系统公平性的含风 电接纳的电力系统中长期交易运营计划问题的数学模型，为考虑风电 接纳的同时考虑系统整体公平性的中长期交易计划和运营计划的制 定提供有力保障。在考虑风电接纳的系统中不仅仅追求经济效益最优 为目标，最大化风电接纳水平，还保障了其它传统电源的经济利益， 从政策上保护传统电源的发电量，使系统的发电量分配相对公平，提 高决策的科学性和有效性，一方面提升风电的接纳水平，另一方面降 低系统的不公平度。

附图说明

图1为考虑风电接纳对系统备用容量影响示意图；

图2为修改后的IEEE仿真算例拓扑结构图，其中，BUS表示系 统的母线；

图3为仿真算例中发电负荷率0.5时补偿电量的分布情况；

图4为仿真算例中发电负荷率0.2时补偿电量的分布情况；

图5为仿真算例中和谐消纳模式下系统的交易计划；

图6为计划尺度为季度时，以冬季为例，各个月的连接方式示意 图。

具体实施方式

下面结合附图对本发明作进一步说明。

一、中长期计划中风电的处理

在电网安全约束能够满足的前提下，由于风电是绿色可再生能 源，尽可能多的接纳风电是大家的共识，所以在计划的目标上，应该 有风电消纳的电量最大这个目标，如下式所示：

$\mathrm{Max}{F}_2=\underset{t=1}{\overset{T}{\Sigma }}{P}_{w,t}$

式中：

P_w,t——系统在第t个时段接纳的风电功率；

F₂——风电接纳电量总额；

T——研究周期内的时段数。

风电功率预测具有不确定性，假设可以预知每个时段风电预测的 误差系数，那么就可以得到风电预测功率的上下限。为了在计划阶段 考虑风电预测误差对系统运营安全的影响，本发明通过增加额外的备 用容量来保障系统的运营安全。如图1所示，当计划接纳风电功率为 A时，不需要提供额外的备用容量，当计划接纳的风电功率为B和C 时，需要提供额外的备用容量L，以满足风电功率预测误差可能导致 的功率缺额，所以系统的备用容量需要综合考虑系统的负荷备用容量 需求和风电功率额外备用容量需求。考虑风电接纳之后，中长期计划 时的系统备用容量约束如下式所示：

$\underset{i=1}{\overset{I}{\Sigma }}{z}_{i,t}(P_{i,\max }-P_{i,t})\ge \max \{D_t\times f_d,D_t\times f_d+P_{w,t}-P_{w,t,\mathrm{forecast}}\times (1-f_{w,t})\}$

式中：

I——系统中的火电机组数；

z_i,t——第i个火电机组在第t个时段的状态，z_i,t=1表示处于开机 状态，z_i,t=0表示处于停机状态；

P_i,t——第i个火电机组在第t个时段的有功功率；

P_i,max——第i个火电机组技术出力的上限；

D_t——系统在第t个时段的负荷功率需求；

f_d,f_w,t——分别表示负荷预测和风电预测的误差系数；

P_w,t——系统在第t个时段接纳的风电功率；

P_w,t,forecase——系统在第t个时段的预测风电功率；

二、交易电力电量联合优化

实际电网签订外送交易合同时，只签订外送电量的总额，在外送 电量总额分解到各个时段时，简单地采用平均分解的方式，该方式虽 然简便，但是存在两个问题，第一，分解到每个时段的电量很有可能 实际中无法执行；第二，所分解的电量生产没有和自身负荷曲线相协 调，可能导致生产成本过高。为此本发明将每个时段的交易功率作为 交易计划的决策变量，从而实现交易电力电量联合优化，这将对系统 的功率平衡等式产生影响，如下式所示：

$P_{w,t}+\underset{i=1}{\overset{I}{\Sigma }}{P}_{i,t}=D_t+P_{e,t}$

式中：

P_e,t——系统在第t个时段的外送功率需求；

D_t——系统在第t个时段的负荷功率需求；

P_i,t——第i个火电机组在第t个时段的有功功率；

P_w,t——系统在第t个时段接纳的风电功率；

I——系统中的火电机组数；

此外，外送电量交易方式约束如下式所示：

$P_{e,t}=\left(\begin{array}{cc}{P}_{e1}& \forall t\in T_p\\ P_{e2}& \forall t\in T_v\\ P_{e3}& \forall t\in T_n\end{array}\right)$

式中：

T_p,T_v,T_n依次表示一天中峰谷平时段的集合；

P_e1,P_e2,P_e3依次表示一天中峰谷平时段的外送功率需求；

系统外送交易电量合同约束，如下式所示：

$\underset{t=1}{\overset{T_h}{\Sigma }}{P}_{e,t}={\bar{Q}}_{e,T_h}$

式中：

——系统T_h时段外送交易合同电量约束；

P_e,t——系统在第t个时段的外送功率需求；

T_h——交易合同约定的时间段；

三、名义发电量与名义发电负荷率的定义

本发明提出的风电和谐消纳模式，基本思想是在考虑风电接纳的 系统中不仅仅追求经济效益最优为目标，使风电最大程度接纳，同时 还要保障其它传统电源的经济利益，从政策上保护传统电源的发电 量，使系统的发电量分配相对公平。

在实现形式上最直接的方法是在中长期交易运营模型中通过增 加发电负荷率约束来实现，发电负荷率为研究周期内，机组实际总发 电量与机组最大可发电量的比值。发电负荷率约束条件可以表示为：

${\rho }_{i,a}=\frac{\underset{t=1}{\overset{T}{\Sigma }}{P}_{i,t}}{T\times P_{i,\max }}\ge {\rho }_{i,\min }$

其中，ρ_i,a表示第i个火电机组的实际发电负荷率；ρ_i,min表示第i 个火电机组的发电负荷率下限；T是研究周期内的时段数；P_i,t表示第 i个火电机组在第t个时段的有功功率；P_i,max表示第i个火电机组技术 出力的上限。

但是最小发电负荷率约束值的选择对于系统运营的经济性至关 重要，约束值过大不仅将直接对系统的运行经济性产生不利的影响， 而且也不利于公平性的提高，因为一些效率低的机组占据过多的发电 量实际上对于效率高的机组而言也不公平。此外，仅仅依靠发电负荷 率约束可能导致风电无法有效消纳，这也将是资源的巨大浪费。

因此，本发明提出将风电对火电机组进行名义发电量补贴的方式 和火电机组最小名义发电负荷率约束方式相结合的办法来实现风电 的和谐消纳。

为了确保系统运营的安全性，大规模风电消纳一般需要其它传统 机组的配合才能使风电有效的并网运行，这一点在许多考虑风电接纳 的短期电力系统运营计划中已经明确。因此，让风电对传统机组的发 电量进行补偿，是一种合理的政策选择。在说明风电对火电机组进行 名义发电量补贴这一方式之前先定义两个概念。第一个概念是实际发 电量，第二个概念是名义发电量。实际发电量是每个机组实际所生产 的电量。名义发电量是每个机组在电网公司结算生产价格时的生产电 量。由此衍生得到另外两个定义，实际发电负荷率和名义发电负荷率。 实际发电负荷率是指机组实际发电量与机组最大可发电量的比值，名 义发电负荷率是指机组名义发电量与机组最大可发电量的比值。在提 出本发明的方法之前，实际发电量都等于名义发电量。本发明提出的 名义发电量补偿方法是在结算每个机组的名义发电量时，将风电部分 实际发电量计入到传统机组的名义发电量中，以提高传统机组的名义 发电量，从而也降低风电的名义发电量。对于每一个传统机组的名义 发电量补偿通过名义发电负荷率约束建模实现。约束条件的数学表达 式如下：

${\rho }_{i,n}=\frac{\underset{t=1}{\overset{T}{\Sigma }}{P}_{i,t}+Q_{c,i}}{T\times P_{i,\max }}\ge {\rho }_{i,\min }$

其中，ρ_i,n表示第i个火电机组的名义发电负荷率；ρ_i,min表示第i 个火电机组的发电负荷率下限；T是研究周期内的时段数；Q_c,i表示 第i个火电机组的名义电量补偿量，是有待优化的决策变量；P_i,t表示 第i个火电机组在第t个时段的有功功率；P_i,max表示第i个火电机组 技术出力的上限。

考虑到风电自身的利益诉求，对名义发电量补偿进行总额控制。 约束条件的数学表达式如下：

$\underset{i=1}{\overset{I}{\Sigma }}{Q}_{c,i}\le Q_w\times r_c$

其中，Q_c,i表示第i个火电机组的名义电量补偿量，是有待优化 的决策变量；Q_w表示风电的实际发电量，它的计算方式为：r_c表示补偿比例。

四、考虑系统公平性的含风电接纳的中长期交易运营一体化模型

目标函数

本发明建立的模型是多目标的优化模型。第一个目标函数是系统 的总运行费用最小，费用包括每个机组的发电燃料成本和启停成本两 部分，如下式所示：

$\mathrm{Min}{F}_1=\underset{t=1}{\overset{T}{\Sigma }}\underset{i=1}{\overset{I}{\Sigma }}[z_{i,t}{C}_{p,i}\left(P_{i,t}\right)+z_{i,t}(1-z_{i,t-1})C_{s,i}]$

式中：

F₁——系统总的运行费用；

T——研究周期内的时段数；

I——系统中的火电机组数；

z_i,t——第i个火电机组在第t个时段的状态，z_i,t=1表示处于开机 状态，z_i,t=0表示处于停机状态；

P_i,t——第i个火电机组在第t个时段的有功功率；

C_p,i(P_i,t)——第i个火电机组的运行费用，一般机组运行费用取为 功率的二次函数形式，如公式：所示，其中a_i、 b_i、c_i为火电机组的运行费用参数；

C_s,i——第i个火电机组的开机费用；

模型的第二个目标函数是风电消纳量最大，如下式所示：

$\mathrm{Max}{F}_2=\underset{t=1}{\overset{T}{\Sigma }}{P}_{w,t}$

式中：

P_w,t——系统在第t个时段接纳的风电功率；

F₂——风电接纳电量总额；

约束条件

1）发电机出力上下限约束

P_i,min≤P_i,t≤P_i,max

式中：

P_i,max，P_i,min——分别表示第i个火电机组技术出力的上下限；

2）发电机最小连续启停时间约束

$T_i^{\mathrm{on}}\ge {\mathrm{MUT}}_i$

$T_i^{\mathrm{off}}\ge {\mathrm{MDT}}_i$

式中：

——分别为第i个火电机组连续运行的时间和连续停运 的时间；

MUT_i、MDT_i——分别为第i个火电机组最小运行时间和最小停运 时间；

3）发电机的电量约束

$\underset{t=1}{\overset{T_h}{\Sigma }}{P}_{i,t}={\bar{Q}}_{i,T_h}$

式中：

——第i个火电机组在交易合同约定T_h时段内最大发电量总和约束；

4）系统的功率平衡约束

$P_{w,t}+\underset{i=1}{\overset{I}{\Sigma }}{P}_{i,t}=D_t+P_{e,t}$

5）线路的输电容量约束

p_l,min≤p_l≤p_l,max

式中：

p_l——通过线路l的功率；

p_l,max、p_l.min——分别为线路l的功率上、下限；

6）系统的备用容量约束

$\underset{i=1}{\stackrel{I}{\Sigma }}{z}_{i,t}(P_{i,\max }-P_{i,t})\ge \max \{D_t\times f_d,D_t\times f_d+P_{w,t}-P_{w,t,\mathrm{forecast}}\times (1-f_{w,t})\}$

7）系统外送交易电量合同约束

$\underset{t=1}{\overset{T_h}{\Sigma }}{P}_{e,t}={\bar{Q}}_{e,T_h}$

8）外送电量交易方式约束

$P_{e,t}=\left(\begin{array}{cc}{P}_{e1}& \forall t\in T_p\\ P_{e2}& \forall t\in T_v\\ P_{e3}& \forall t\in T_n\end{array}\right)$

9）系统的火电机组名义负荷率约束

${\rho }_{i,n}=\frac{\underset{t=1}{\overset{T}{\Sigma }}{P}_{i,t}+Q_{c,i}}{T\times P_{i,\max }}\ge {\rho }_{i,\min }$

10）系统的名义发电量补偿总额约束

$\underset{i=1}{\overset{I}{\Sigma }}{Q}_{c,i}\le Q_w\times r_c$

本发明为了协调系统总发电成本最小和风电接纳电量最大两个 目标，引入了广义弃风成本的概念，广义弃风成本指系统最大接纳的 风电功率上限与系统实际接纳的风电功率的差额风电功率转换为经 济效益费用的系数。将弃风电量成本化，从而把系统风电接纳电量最 大这一目标转化为系统弃风成本最小。通过将系统弃风成本与系统运 行成本整合成系统交易运营综合成本，实现运行成本最小和风电接纳 电量最大之间的协调。本发明所得到的多目标协调后的新目标函数如 下式所示：

$\mathrm{MinF}=\underset{t=1}{\overset{T}{\Sigma }}\underset{i=1}{\overset{I}{\Sigma }}[z_{i,t}{C}_{p,i}\left(P_{i,t}\right)+z_{i,t}(1-z_{i,t-1})C_{s,i}]+\underset{t=1}{\overset{T}{\Sigma }}(P_{w,t,\max }-P_{w,t})C_{q,t}$

式中：

F——系统总的运行费用；

T——研究周期内的时段数；

I——系统中的火电机组数；

z_i,t——第i个火电机组在第t个时段的状态，z_i,t=1表示处于开机 状态，z_i,t=0表示处于停机状态；

P_i,t——第i个火电机组在第t个时段的有功功率；

C_p,i(P_i,t)——第i个火电机组的运行费用，一般机组运行费用取为 功率的二次函数形式，如公式：所示，其中a_i、 b_i、c_i为火电机组的运行费用参数；

C_s,i——第i个火电机组的开机费用；

C_q,t——广义弃风成本；

P_w,t——系统在第t个时段接纳的风电功率；

P_w,t,max——系统在第t个时段接纳的风电功率最大上限；

五、系统公平性的衡量指标的建立

为了定量测算系统的不公平性，本发明提出了一个可以表征系统 各发电机发电量分配的不公平度指标H。H的定义为：各机组发电负 荷率与系统平均发电负荷率之差的平方求和。机组包括火电机组与风 电机组。H的数学表达式为：

$H=\underset{i=1}{\overset{I}{\Sigma }}{(\bar{\rho }-{\rho }_i)}^2+{(\bar{\rho }-{\rho }_w)}^2$

其中，表示系统平均发电负荷率，计算的数学表达式为 I表示系统中的火电机组数；ρ_w表示风电的发电负 荷率；ρ_i表示第i个火电机组的发电负荷率。

对于第i个火电机组的发电负荷率ρ_i而言，当发电负荷率使用名 义发电负荷率时取ρ_i,n，计算的数学表达式为当发电 负荷率使用实际发电负荷率时取ρ_i,a，计算的数学表达式为 其中，Q_c,i表示第i个火电机组的名义电量补偿量，是 有待优化的决策变量；P_i,t表示第i个火电机组在第t个时段的有功功 率；T是研究周期内的时段数；P_i,max表示第i个火电机组技术出力的 上限。

风电的发电负荷率ρ_w的取值方式为：当发电负荷率使用名义发电 负荷率时取ρ_w,n，计算的数学表达式为表示风电在T时间的风电名义接纳量；当发电负荷率使 用实际发电负荷率时取ρ_w,a，计算的数学表达式为其 中，Q_c,i表示第i个火电机组的名义电量补偿量；P_w,t表示系统在第t 个时段接纳的风电功率；P_w,t,max表示系统在第t个时段接纳的风电功率 最大上限。

不公平度H可以反映系统中各个机组之间发电量分布的均衡程 度，H越大说明系统中各发电机组之间发电量分配越不公平。

在风电的和谐消纳模式下的H计算式中，各个火电机组发电负 荷率是火电机组的名义发电负荷率，风电的发电负荷率是风电的名义 发电负荷率。

四、典型周结果的获取

典型周结果的获取方法是：在建立的考虑风电接纳的中长期交易 运营一体化模型上，使用典型周的数据，采用C++语言在VS2008环 境下编写优化程序，通过Cplex API实现对Cplex中混合整数优化求 解器的调用，实现考虑风电接纳的中长期交易运营一体化模型的求解 计算，最终得到典型周的结果。

五、计划尺度的压缩和映射技术

中长期交易运营计划的时间尺度一般是月、季度或年。为了降低 模型求解的复杂化程度，本发明提出一种将计划尺度进行压缩和映射 的技术。由于每个月中各周的负荷曲线类似，可以将每个月的计划压 缩到一个典型周的计划，并形成每个月计划与典型周计划之间的映射 关系，当通过优化计划得到典型周结果之后可以映射得到计划月的结 果。

典型周的数据可以取每个月的任意一周的数据，或者也可以是将 每个月各个周每个时段的数据取平均得到。这里的数据表示系统的负 荷数据。假设典型周总电量为Q_w,sum，典型周所在计划月的总电量为Q_m,sum， 计划月压缩到典型周的映射系数为当得到典型周计划结果 集合H_w，可以得到计划月的结果集合H_m=H_w·μ。集合中的元素包括 各个机组的总发电量，外送交易电量情况，系统总运行成本等等。

当计划尺度为季度或年度时，可将季度或年度中每个月的典型周 连接起来。以冬季（假设冬季是11月，12月，1月和2月）为例， 如图6所示。由于系统每个月在优化过程中，具有一定的独立性，所 以形成每个月的典型周计划时，机组初始状态是给定的输入变量，这 一定程度上也反映了这个月的基本运行方式，因此将每个月的典型周 进行连接时，某月的典型周的初始状态由前一个月的典型周的末状态 确定。对连接的典型周优化结束后，可以通过每个月映射系数和典型 周计划结果集合H_w,i，映射得到该计划季度的结果。冬季的计划结果 集合为典型周计划结果集合H_w,i的元素主要包括外送交 易方式、外送合同电量、火电发电量、火电总运行费用、火电机组发 电负荷率、火电平均发电负荷率、风电名义发电量补偿比例、最小发 电负荷率约束、风电实际接纳量、风电实际接纳比例、风电名义发电 量、风电名义接纳比例以及不公平度。

仿真算例：

本发明的模型是在传统的电力系统经济调度模型的基础上改进 的。使用Cplex求解，同时结合压缩和映射技术实现考虑系统公平性 的含风电接纳的中长期交易运营计划问题的求解。

仿真采取修改的IEEE RTS算例，系统一共有发电机组（火电机 组）26台，总装机容量3105MW，年最大负荷2550MW，出现在冬 季，修改的算例中未考虑原算例中的6台水电机组，并在负荷需求中 减去了水电装机容量。冬季系统总负荷电量需求为4.864TWh。算例 中假设风电场总装机容量800MW，风电场接在母线3。风电场的预 测出力采用某风电场的实际出力拟合得到，冬季风电总预测发电量 0.857TWh，修改后的系统网络接线图见图2，表1给出了机组的参数。

仿真算例对冬季的交易运营计划进行研究，冬季一共分四个月， 经过计划尺度的压缩和映射技术，得到每个月的典型周。典型周的映 射系数见表2。通过映射系数，可以将典型周下的结果通过映射关系 得到需要计划的时间尺度下的结果。

表1仿真算例里火电机组的参数

表2仿真算例中冬季各典型周的映射系数

仿真算例的交易方式为每日外送功率分峰谷平三个固定功率，每 日之间功率相同。外送合同电量1.4TWh。在这种方式下的计算结果 见表3。

表3不同的名义发电量补贴下系统运营计划

结果显示，当采用风电对其它电源的名义发电量补贴与名义发电 负荷率相结合的方式可以实现风电的和谐消纳。随着风电对其它电源 的补贴比例的提高，相比较原先仅仅有最小发电负荷率约束的情况， 系统中火电总运行费用明显下降，同时相比较风电优先消纳模式，系 统的不公平度也显著下降，这样就实现了既提高系统运营的经济效 益，又实现了系统较低的不公平度。这说明本发明提出的方法具有可 以同时考虑系统运营经济效益与系统公平性两方面的优点。对比相同 补偿比例下不同的最小发电负荷率约束的情况，可以清晰地看到，更 小的发电负荷率约束可以大幅降低火电总运行费用，但是相应地，系 统的不公平程度也显著上升。这说明本发明提出的方法需要最小发电 负荷率约束与补偿比例两者的协调配合。

图3和图4分别给出了风电不同的名义发电量补偿比例下，补偿 电量在各个机组中的分布情况。从图3和图4中可以看出，本发明提 出的风电和谐接纳优化不需要补偿的高效率机组，即使风电增加补偿 电量，它们也不会得到补偿，因为它们自身效率高，不需要保护也可 以得到发电量，而对于效率相对较低的机组，需要依靠最小名义发电 负荷率约束，得到一定的发电量补偿。这说明本发明是通过名义补偿 效率较低的机组实现系统公平度的平衡。

测试算例的结果是：如果要从系统的整体效率和公平度的平衡出 发，建议将系统的最小名义发电负荷率设置为0.2，风电对传统机组 的名义发电量补偿比例设为最小不低于0.3，此时的系统交易计划见 图5。

通过上述仿真可以看到，本仿真算例结果是可行的，并能较好地 指导电力系统制定基于风电和谐消纳模式的考虑风电接纳的中长期 交易运营计划，提高决策的科学性和有效性，实现电力公司的交易计 划与运营计划协调优化，通过风电对火电机组的名义发电量补贴方式 与名义发电负荷率约束相结合的手段，不仅可以有效降低系统的总运 行费用，提高系统的运行效率，而且可以降低系统的不公平度，实现 风电和其它电源和谐相处，达到发明的有益效果。

该数学模型用于考虑系统公平性的含风电接纳的电力系统中长 期交易运营计划问题的解决。模型将风电的接纳量、机组出力、启停 状态变量、外送交易功率以及火电机组的名义电量补偿量统一作为决 策变量，统筹优化。优化的目标函数是系统总运行成本最小和风电消 纳最大，约束条件包括电网运行的安全约束和发电机运行的物理约 束。而对系统公平性的考虑通过火电机组名义发电量与火电机组名义 发电负荷率的引入来实现，使用风电对火电机组进行名义发电量补贴 的方式和火电机组最小名义发电负荷率约束方式相结合的办法实现 风电的和谐消纳。为了降低模型的求解维度，提出了计划尺度的压缩 和映射技术，将中长期计划时间尺度压缩到典型周时间尺度，先通过 优化计算得到典型周的计划，再由映射关系形成所需要的中长期时间 尺度的计划。数学模型和求解技术可以帮助需要大规模消纳风电同时 兼顾系统公平性的电力公司制定中长期交易计划和运营计划，提高决 策的科学性和有效性，有助于同时实现提高风电的接纳水平，降低电 能的生产成本和降低系统的不公平度，保障其他传统电源的经济效益 的双重目标。