第 39 卷 第 12 期 电 网 技 术 Vol. 39 No.

12
2015 年 12 月 Power System Technology Dec. 2015
文章编号：1000-3673（2015）12-3386-07 中图分类号：TM 73 文献标志码：A 学科代码：470·40

基于成本效益分析的风电–抽水蓄能
联合运行优化调度模型
张刘冬，殷明慧，卜京，宋坤隆，邹云
（南京理工大学 自动化学院，江苏省 南京市 210094）

A Joint Optimal Operation Model of Wind Farms and Pumped Storage Units
Based on Cost-Benefit Analysis
ZHANG Liudong, YIN Minghui, BU Jing, SONG Kunlong, ZOU Yun
(School of Automation, Nanjing University of Science and Technology, Nanjing 210094, Jiangsu Province, China)

ABSTRACT: Because various uncertainties in power systems 摘要：由于难以全面和准确地考虑系统的多种不确定因素，

including forecast errors of load, wind power and forced 如风电、负荷的预测误差和常规机组的强迫停运，现有基于
outages of generators are difficult to be comprehensively and 确定性旋转备用的风电–抽水蓄能联合运行优化调度模型无
accurately taken into account, existing models based on 法从兼顾系统运行的经济性和可靠性方面最优确定风蓄联
deterministic spinning reserve (SR) requirements cannot 合运行方式。为此，提出了基于成本效益分析的考虑风蓄联
optimize scheduling of wind farms and pumped storage (PS) 合运行的机组组合新模型。该模型首先在计算系统的失负荷
units in terms of economy and reliability of system operation, 风险时对现有多场景概率风险分析方法进行改进，使其能够
Therefore, a novel joint unit commitment model of wind-PS 同时考虑服从不同概率分布的风电功率和负荷预测误差以
units based on cost-benefit analysis is proposed. In this model, 及机组强迫停运，并通过成本效益分析实现常规机组发电成
improved multi-scenario probability method capable of 本、期望停电成本与抽水蓄能机组的运行成本三者之和最小
considering different probabilistic characteristics of load, wind 的目标，再采用混合整数线性规划方法求解模型，确定风蓄
power and generators is used to determine loss-of-load risk of 联合运行方式和系统的旋转备用容量。仿真分析表明，通过
power systems. Cost-benefit analysis is utilized to 优化旋转备用的配置，该模型在确定风蓄联合运行方式时能
simultaneously minimize expected cost of load shedding and 更全面地考虑系统运行的经济性，并能更准确地分析其对系
operation cost of conventional generators and PS units. Then 统运行成本的改善。
the proposed model is solved using mixed integer linear 关键词：风力发电；抽水蓄能机组；机组组合；失负荷风险；
programming method, so that wind-PS units scheduling and SR 成本效益分析；旋转备用；混合整数线性规划
are determined. Simulation studies are conducted to verify that, DOI：10.13335/j.1000-3673.pst.2015.12.009
by optimizing SR requirements, the proposed model can
analyze contribution of wind-PS units in reducing system 0 引言
operation cost more accurately when optimizing wind-PS units 当前许多国家正利用大规模风电代替化石燃
scheduling from overall economic efficiency of system
料发电，以应对日益严峻的能源危机和气候变化。
operation.
然而受风速等多种自然因素的影响，风电场出力存
KEY WORDS: wind power generation; pumped storage unit; 在着强烈的随机性和波动性，且多数情况下具有反
unit commitment; loss-of-load risk; cost-benefit analysis; 调峰特性，给电力系统的安全经济运行带来了负面
spinning reserve; mixed integer linear programming
影响[1-4]。为此，除了对风电场本身进行优化规划和
设计，储能系统与风电场的配合受到了广泛关注。
基金项目：国家自然科学基金项目(61203129，61174038)；江苏省
其中，技术较为成熟的、单位容量成本相对较低、
博士后科研资助计划(1301014A)；中央高校基本科研业务费专项资金资
助(30915011104，30920140112005)。 能够大规模存储的方式为抽水蓄能[5]。
Project Supported by National Natural Science Foundation of China 针对抽水蓄能机组和风电场并网联合运行优
(61203129, 61174038); Project Supported by Jiangsu Planned Projects for
化调度问题，目前国内外学者已做了大量研究工
Postdoctoral Research Funds (1301014A); Project Supported by the
Fundamental Research Funds for the Central Universities (30915011104, 作[5-19]。文献[5-11]以风蓄联合运行的调峰效益和电
30920140112005). 量效益、风电功率波动等为目标函数，建立了风
第 39 卷 第 12 期 电 网 技 术 3387

电–抽水蓄能联合运行的优化调度模型。但它们仅 概率分布，而机组的不确定状态是二元整型变量。
考虑抽水蓄能机组对风电功率随机波动和预测不 为在计算 EENS 时将三者结合起来，本文基于分步
确定的响应，未同系统负荷以及常规机组进行统一 建模策略，通过将多场景概率风险分析方法[21]中针
优化，从而无法确定抽水蓄能机组对常规机组运行 对服从正态分布的净负荷预测误差模型的离散化
方式的改变并分析其对常规机组发电成本的改善。 扩展为分别对风电功率和负荷预测误差模型的离
文献[12-19]在风蓄联合优化运行的研究中考 散化，并将旋转备用容量作为优化变量，提出了能
虑了常规机组的机组组合模型。但在机组组合中， 处理不同类型的风电功率和负荷预测误差概率分
它们针对系统旋转备用的处理方法又不尽相同，大 布模型的 EENS 计算方法。
[12-18]
体上可归纳为 2 类方法：确定性方法 和随机规 EENS 的计算公式如下：
[19]
划方法 。前者设定一定比例的预测负荷和风电功 K L N
E t   (pW, k  pD,l   rj ) PW,k PD,l bk ,l 
t t t t t t

率或者运行机组的最大容量作为旋转备用容量。该 k 1 l =1 j 1
方法虽简单，但难以全面和准确地考虑系统的多种 N K L
[( pit  rit )  pW,
t
k  pD,l 
t

不确定因素，如风电、负荷的预测误差和常规机组 i 1 k 1 l =1
N
的强迫停运，从而无法从兼顾系统运行的经济性和
 rjt ]PW,t k PD,t l bit,k ,l uitU i (1)
可靠性方面最优确定风蓄联合运行方式。后者采用 j 1

蒙特卡洛模拟形成系统未来可能运行状态的场景 式中：N 为发电机组总数；考虑到机组组合时段内，

树，考虑了风电和负荷的预测误差以及机组的随机 发生多重故障的概率极小，且假设机组间发生故障
停运，但需要海量抽样才能达到较高的精度，难以 是相互独立的，故式(1)的右端 2 项分别为各调度时
适应大规模计算。此外，该方法未将停电损失加入 段根据没有机组停运以及仅有一台机组停运的情
到目标函数中，仍无法确定最优的备用容量。 况计算的 EENS； U i 为机组 i 的强迫停运率； uit 表
为解决上述风蓄联合运行的机组组合中旋转 示第 t 时段机组 i 的运行状态，其值为 1 表示运行，
备用容量的优化确定问题，本文通过将备用容量作 其值为 0 表示停运； pit 和 rit 分别为第 t 时段机组 i
为优化变量，计算由风电和负荷的预测误差以及发 的有功出力和旋转备用容量； pW,
t
k 和 pD,l 分别
t

电机组的故障停运引起的系统的电量不足期望值 为将连续的风电功率和负荷预测误差的概率分布
(expected energy not served，EENS)并引入失负荷价 近似地离散为 K 段和 L 段概率区间后，第 k 段和第
[20-21]
值(value of lost load，VOLL)思想 对备用成本和 l 段预测误差区间的大小；PW,
t
k 和 PD,l 分别为相应的
t

效益进行经济价值分析，建立了计及旋转备用优化 区间概率； bit,k ,l 为二元整型变量，用于判断风电

配置的风电–抽水蓄能联合运行优化调度模型。 和负荷的预测误差加上机组 i 故障停运是否会导致
由于风电功率预测误差存在服从非正态分布 系统失负荷，即满足如下约束
情况，本文首先基于分步建模策略对多场景概率风
 N
1，(pi  ri  pW,k  pD,l   rj )  0
t t t t t
险分析方法[21]进行改进，使其在计算 EENS 时能够 t
bi ,k ,l = j 1 (2)
处理服从不同概率分布的负荷和风电功率预测误  0, 其他

差。再通过成本效益分析实现常规机组发电成本、
二元整型变量 bkt ,l 的判别条件与 bit,k ,l 类似。
系统期望停电成本(expected cost of load shedding，
ECLS)与抽水蓄能机组的运行成本三者之和最小的 2 基于成本效益分析的风蓄联合运行机组
目标，确定系统的旋转备用容量。通过旋转备用的 组合模型及其求解
优化配置，该模型在优化风蓄联合运行方式时能更
全面地考虑系统运行的经济性，并更准确地分析其 根据第 1 节计算的 EENS，本节引入 VOLL，

对系统运行成本的改善。 将 VOLL 与 EENS 的乘积作为系统的 ECLS 加入到

1 考虑不确定因素的系统失负荷风险计算
系统的 EENS 是由风电功率与负荷的预测误差
加上故障停运的发电机组出力大于系统旋转备用
引起用户停电而损失的电能平均值
风电功率和负荷的预测误差近似服从连续的
传统的风蓄联合运行机组组合模型的目标函数中，
并将旋转备用容量作为优化变量，实现了风蓄联合
运行方式和备用容量的联合优化，从而实现了对文
献[5-19]的改进。
[21]
。 2.1 目标函数
传统的风蓄联合运行优化调度模型的目标函数
3388 张刘冬等：基于成本效益分析的风电–抽水蓄能联合运行优化调度模型 Vol. 39 No. 12

是最小化系统中常规机组的发电成本(由开机成本、 预测值； pht  pp,h

t
 pg,h
t
， pp,h
t
和 pg,h
t
分别为第 t 时
出力成本以及旋转备用成本组成)和抽水蓄能机组 段抽水蓄能机组的抽水和发电功率。
的运行成本。本节基于成本效益分析的备用决策， 常规机组的旋转备用约束
将机组组合目标函数修改为常规机组的发电成本、 0  rit  min(uit pimax  uit pit , T10rui ) (8)
ECLS 与抽水蓄能机组的运行成本三者之和最小，即
式中： pimax 为机组 i 的最大出力； T10 rui 为机组 i 最
min{FGC  FPS  FECLS} (3) 大能提供的 10 min 响应正旋转备用容量。
式中：FGC 为常规机组的发电成本；FECLS 为系统的 水库库容约束
ECLS；FPS 为抽水蓄能机组的运行成本。 t
pp,h t
pg,h
Vht  Vht 1 +  (9)
其中，常规机组的发电成本可表示为 p g
T N
FGC  [cit (uit , pit )  sit (uit , uit 1 )+qit (rit )] (4) Vhmin  Vht  Vhmax (10)
t 1 i 1
式中：V 为第 t 时段的水库库容；V
h
t
和 V 分别 h
max
h
min

式中：T 为机组组合的总调度时段； cit (uit , pit ) 表示 为水库的最大和最小库容； p 和 g 分别为抽水蓄

第 t 时段机组 i 的出力成本，一般采用二次函数的
能机组的抽水和发电效率，且初始时段和最终时段
耗量特性曲线描述； sit (uit , uit 1 ) = csu,i uit (1  uit 1 ) 表示
的水库库容需分别为 V0 和 VT。
第 t 时段机组 i 的开机成本，式中 csu,i 为机组 i 的开
抽水蓄能机组发电和抽水功率上下限约束
机成本系数； qit ( rit ) = cr,i rit 表示第 t 时段机组 i 提供
pg,h I g,h  pg,h
min t t
 pg,h
max t
I g,h (11)
旋转备用容量 rit 的成本，式中 cr,i 为机组 i 的备用成
pp,h I p,h  pp,h
min t t
 pp,h
max t
I p,h (12)
本系数。
抽水蓄能机组的运行成本 FPS 仅包括其在不同
t
I g,h  I p,h
t
1 (13)
工作状态间转换时产生的成本，即发电时发电机的 式中 pg,h
max
、 pg,h
min
、 pp,h
max
和 pp,h
min
分别为抽水蓄能机组
[22]
启动成本和抽水时电动机的启动成本 2 部分 ：
各时段最大、最小的发电和抽水功率。
T
FPS  [c I (1  I )  c I (1  I )]
t
p p,h
t 1
p,h
t
g g,h
t 1
g,h (5) 采用直流潮流法描述的网络安全约束
t 1
pg,t m  pw,m  ph,m  pd,m   ( n   m ) / X m -n (14)
t t t t t

式中：cp 和 cg 分别为抽水蓄能机组处于抽水状态时 n

的启动成本系数和处于发电状态时的启动成本系 p max
mn  (   ) / X mn  pmmax
t
m
t
n n (15)
数； I t
p,h 和I t
g,h 分别表示第 t 时段抽水蓄能机组处于 式中： p t
g,k 、p t
w,k 、p t
h,k 和p t
d,k 分别为 t 时段节点 m
抽水和发电状态的二元整型变量。 所连的常规机组和风电场的有功出力、抽水蓄能机
系统的 ECLS 可表示为 组的发电或抽水功率以及负荷；Xmn 为支路 mn 的
T
电抗值；  mt 和  nt 分别为 t 时段节点 m 和节点 n 的
FECLS   CVOLL E t (6)
t 1 -n 为支路 mn 的有功潮流限值。
电压相角； pmmax
式中 CVOLL 表示用户的单位停电损失价值，即每 除上述约束条件之外，机组组合中常规机组有
MWh 的停电损失费用，可通过对用户进行调查统 功出力的上下限约束、爬坡率约束和最小开停机时
计的形式得到[20]。 间约束可参照文献[13-22]。
2.2 约束条件 2.3 模型求解
与不考虑风蓄联合运行的机组组合模型 [21] 相 机组组合问题在数学上是一个非凸和非线性
比，本文在功率平衡约束、网络安全约束中增加了 的混合整数规划问题，含有大量的离散变量和连续
抽水蓄能机组的有功出力，并新增了水库库容约 变量。为提高模型求解的效率和鲁棒性，本文采用
束、抽水蓄能机组发电和抽水功率上下限约束，具 在机组组合问题[17,19-22]求解中得到广泛应用的商业
体改进如下。 优化软件包 CPLEX 进行求解。
功率平衡约束 2.3.1 FPS 的线性化
N
将常规机组的发电成本(4)和 2.2 节中常规机组
pDt  pW
t
 pht   uit pit  0 (7)
i 1 的部分约束按照文献[23]的方法进行线性化处理。
1
式中： p 和 p 分别为第 t 时段负荷和风电功率的
t
D
t
W
t
此外，抽水蓄能机组的运行成本(5)包含 I p,h I tp,h 和
第 39 卷 第 12 期 电 网 技 术 3389

t 1 N
t
的 2 个二元整型变量乘积组成的非线性项，
k PD,l ( pi  ri  pW,k  pD,l   rj ) 
I g,h I g,h
Eit,k ,l  U i PW,
t t t t t t t

可通过引入新的变量和约束，对其进行等效线性表 j 1

达。以 I p,h
t t 1
I p,h 为例，引入新的二元整型变量 I a,h
t
， UP t
P (1  y
t
i W,k D,l
t
i ,k ,l
max
)[ p
i  max( p t
W,k  p )]
t
D,l

并令 I a,h
t
 I p,h
t t 1
I p,h ，该等式可等效为如下线性约束 (21)
参照 E t
i , k ,l ， E 可类似转换为线性约束。
t
k ,l
0  I a,h
t
 I p,h
t

 t t 1 3 算例结果与分析
 I a,h  I p,h (16)
 I t  I t  I t 1  1 本节以 IEEE-RTS 26 机测试系统为算例，对比
 a,h p,h p,h

t 1 t 1 分析了风电场独立运行与风电场和抽水蓄能机组
参照 I p,h
t
I p,h ， I g,h
t
I g,h 可类似转换为线性约束。
联合运行，本文模型与基于确定性方法的风蓄联合
2.3.2 ECLS 的线性化
运行模型对机组组合结果的影响，验证了本文模型
式(6)中的 E t 是由 2 个二元整型变量和一个连
的有效性和优越性。
续变量的乘积组成的非线性项。采用文献[24]的线
3.1 IEEE-RTS 26 机测试系统
性化方法，通过引入附加变量和约束，对 E t 进行等
本文采用不含水电机组的 IEEE-RTS 26 机测试
效线性表达，形成混合整数线性规划(mixed integer
系统验证本文模型的合理性。该系统含有 26 台常
linear programming，MILP)问题。
规机组，总装机容量为 3105 MW，系统的支路参数、
线性化过程具体为：
节点数据、发电机数据见文献[23]。在 t=0 时，负
1）式(2)为条件表达式，为使之能够利用 MILP
荷取 1840 MW，以发电本最小化为目标安排各机组
方法计算，可将其等效为如下线性约束
N N
初始阶段出力。24 个时段的日前负荷和风电场出力
( p  ri  p
t
i
t t
W,k  p t
D,l  r ) /  p t
j
max
i bt
i , k ,l  预测数据如表 1 所示，可以看出风电具有明显的反
j 1 i 1
N N
调峰特性，增大了系统负荷峰谷差。风电和负荷
1  ( pit  rit  pW, k  pD,l   rj ) /  pi
t t t max
(17) 预测误差的概率分布模型参照文献[20]的方法计算
j 1 i 1
并都离散为 7 段区间。风电场的装机容量近似设为
bkt ,l 的条件约束可参照式(17)转换为线性约束。
800 MW，接入节点 14。抽水蓄能机组也接入节点
2）引入新的二元整型变量 yit,k ,l ，并令 yit, k ,l 
14，其模型参数如表 2 所示，V 0 和 V T 取值 5 Hm3。
t
b t
i , k ,l u ，将 E 转化为一个二元整型变量和一个连续
t
i 参考文献[20-21]，选择 CVOLL= 4000 USD/(MWh)。
变量的乘积。上述变量 yit,k ,l 的等式可等效为如下线 本文在 Matlab 中调用 CPLEX 软件包编制相关
性约束 表 1 负荷和风电场出力预测数据
0  yit,k ,l  bit,k ,l Tab. 1 Forecast data of load and power output of wind farm
 t
 yi ,k ,l  ui 负荷/ 风电场 负荷/ 风电场
t
(18) 时段 时段
 y t  bt  u t  1 MW 出力/pu MW 出力/pu
 i , k ,l i , k ,l i 1 1700 0.845 13 2390 0.597
K L N K L 2 1730 0.928 14 2050 0.696
3）令 E   E   E t t
k,l
t
i, k, l ，则 E 和
t
k ,l
3 1690 0.923 15 1820 0.810
k 1 l 1 i 1 k 1 l 1 4 1700 0.853 16 1750 0.956
E t
i , k ,l 均为一个二元整型变量和一个连续变量的乘 5 1750 0.820 17 1700 0.895
6 1850 0.715 18 1730 0.693
积组成的非线性项。以 Eit,k ,l 为例，其可等效为如下 7 2000 0.498 19 1860 0.583
线性约束 8 2430 0.424 20 2150 0.468
N 9 2540 0.338 21 2400 0.391
U i PW, k PD,l yi , k ,l  p j  Eit,k ,l 
t t t max
10 2600 0.370 22 2480 0.276
j 1 11 2670 0.193 23 2200 0.562
UP t t t
P y
i W, k D,l i , k ,l i
max
[p  max(pW,
t
k  pD, l )] (19)
t 12 2590 0.386 24 1840 0.752

N 表 2 抽水蓄能机组的模型参数
Eit,k ,l  U i PW, k PD,l ( pi  ri  pW,k  pD,l   rj ) 
t t t t t t t
Tab. 2 Model parameters of pumped storage units
j 1
N
Vhmax /Hm3 Vhmin /Hm3 p/(MW/Hm3) g/(MW/Hm3) cp/USD
UP t t
i W,k D,l P (1  y t
i , k ,l ) p max
j
10 1.5 300 240 100
max min max min
j 1 pg,h /MW pg,h /MW pp,h /MW pp,h /MW cg/USD

(20) 180 12 225 15 100

3390 张刘冬等：基于成本效益分析的风电–抽水蓄能联合运行优化调度模型 Vol. 39 No. 12

程序，对偶间隙取 0.1%。基于 IEEE-RTS 26 机测 作用，在净负荷的低谷时段，常规机组的出力增大

试系统的 MILP 模型在 Intel 主频 2.4 GHz、内存 导致了机组强迫停运造成的 EENS 增大。但在高峰
8 GB 的工作站上计算所需时间约为 3163 s。 时段，常规机组出力的减小不仅使得机组强迫停运
3.2 与风电场独立运行模式的比较分析 造成的 EENS 减小，而且可使备用成本较低的机组
为 分 析抽 水蓄 能机 组与风 电 场配 合运 行可 多安排备用容量，进一步减小系统失负荷风险，实
降低风电出力的不确定性对系统运行的影响，以 现系统的总 EENS 减小和备用成本减小。
验证本文模型的有效性，本节分别构造了 2 种算 600
算例1； 算例2。

备用容量/
例：算例 1 为风电场独立运行模式；算例 2 为基于

MW
400
成本效益分析的风蓄联合运行模式。
200
算例 1 和算例 2 的系统运行的各类成本比较如
0.4

(MWh)
EENS/
表 3 所示。从表中可以看出，虽然抽水蓄能机组与
0.2
风电场配合运行会有一定的电能损失，产生了抽水 0
0 5 10 15 20 25
蓄能机组的运行成本，但可以显著减小其他各类成 时段/h
本，从而降低风电出力不确定性和反调峰特性对系 图 2 算例 1 与算例 2 的备用容量和 EENS 比较
统运行的影响，提高系统运行的经济性。 Fig. 2 Comparison of spinning reserve and EENS
between Case 1 and Case 2
表 3 算例 1 和算例 2 的不同成本比较
Tab. 3 Comparison of different costs between 3）图 3 为算例 1 和算例 2 的常规机组组合情
Case 1 and Case 2 况比较。从图中可以看出抽水蓄能机组通过在净负
算例 1 的 算例 2 的 荷的高峰时段蓄水，使得机组 13 和 15 在第 16、17
成本
各种成本/USD 各种成本/USD
时段不需要停机，减小了机组下一时段的开机成
出力成本 228 121.73 224 293.93
开机成本 5 584.60 4 363.00 本，进一步提高了系统运行的经济性，验证了风蓄
备用成本 59 823.74 55 482.76 联合运行的优越性以及本文模型的合理性。
ECLS 13 915.61 13 561.32
抽水蓄能运行成本 0 500.00 25
期望总成本 307 445.68 298 201.01 20
机组编号

15
1）图 1 为算例 2 中抽水蓄能机组的发电和抽
10
算例1； 算例2。
水功率变化情况以及水库库容变化情况。从图中可 5
以看出，抽水蓄能机组通过在净负荷的低谷时段(第
0 5 10 15 20 25
1~6 和 15~18 时段)抽水及在净负荷的高峰时段(第 时段/h

8~13 和 20~23 时段)发电，可减小系统净负荷的峰 图 3 算例 1 与算例 2 的常规机组组合情况比较

谷差，使得低谷时段发电成本较低的机组的出力增 Fig. 3 Comparison of conventional unit schedules
between Case 1 and Case 2
大而高峰时段发电成本较高的机组的出力减小，从
3.3 与基于确定性方法的风蓄联合运行模型比较
而在整体上减小常规机组的出力成本。
分析
200
发电和抽水
功率/MW

首先，选择旋转备用为运行机组的最大容量的
0
确定性方法作为算例 3。算例 2 和算例 3 的系统运
200
行的各类成本比较如表 4 所示。由表 4 可以看出，
10
水库库容/

8 本文基于成本效益分析的风蓄联合运行模式得到
(Hm3)

6
4
的机组发电成本和系统可靠性水平均优于确定性
0 5 10 15 20 25 方法，可以全面地考虑系统的众多不确定因素，并
时段/h
更准确分析风蓄联合运行对系统运行成本的改善。
图 1 算例 2 中抽水蓄能机组的发电和抽水功率
图 4 为算例 2 与算例 3 中抽水蓄能机组的发电和抽
以及水库库容变化情况
Fig. 1 Variation of discharge and pumping power and 水功率以及水库库容变化情况；图 5 为算例 2 与算
reservoir volume of pumped storage units in Case 2 例 3 的备用容量比较和 EENS 比较；图 6 则为算例
2）图 2 为算例 1 与算例 2 的备用容量和 EENS 2 和算例 3 的常规机组组合情况比较。由图 4—6 可
比较。从图中可以看出，由于抽水蓄能机组的调峰 以看出，与确定性方法相比，本文基于成本效益
第 39 卷 第 12 期 电 网 技 术 3391

表 4 算例 2 和算例 3 的不同成本比较 1）在净负荷的低谷时段(第 1~6 和 15~17 时

Tab. 4 Comparison of different costs between
段)，风电场的出力较大。相对于用户的停电损失，
Case 2 and Case 3
算例 2 的 算例 3 的
配置额外的旋转备用容量的成本较低，因此，在这
成本
各种成本/USD 各种成本/USD 些时段内，算例 2 配置的旋转备用容量较大，EENS
出力成本 224 293.93 225 729.08 则较小。
开机成本 4 363.00 4 363.00
2）在净负荷的高峰时段(第 8~12 和 20~23 时
备用成本 55 482.76 58 263.68
ECLS 13 561.32 26 090.24 段)，发电机组成本较高的机组处于运行状态，系
抽水蓄能运行成本 500.00 500.00 统为提供额外备用容量而减少的用户停电损失小
期望总成本 298 201.01 314 946.00 于为提高额外备用容量而必须增加的发电成本。因
200 此，在这些时段内，算例 2 配置的旋转备用容量较
发电和抽水
功率/MW

0 小，EENS 则较大。
200 3）算例 2 在各个时段配置不同的旋转备用容
10 量。当系统所需的旋转备用容量较大时，备用成本
水库库容/

算例2； 算例3。
8
(Hm3)

6
较低的常规机组通过减小出力，以配置更大的旋转
4 备用容量，因而在净负荷低谷时段(第 5、6、15 和
0 5 10 15 20 25 18 时段)抽水蓄能机组的抽水功率会减小，相应地
时段/h
净负荷高峰时段抽水蓄能机组的发电功率也会
图 4 算例 2 与算例 3 中抽水蓄能机组的发电和
抽水功率以及水库库容变化情况对比 减小。
Fig. 4 Comparison of discharge and pumping power and
reservoir volume of pumped storage units between Case 2
4 结论
and Case 3 大规模风电场出力的不确定性使传统调度可
500 算例2； 算例3。 行域发生改变，调度思想需要由确定型向不确定型
备用容量/
MW

400 转变。本文综合基于改进的多场景概率风险分析方
300
法和成本效益分析方法，提出了风电–抽水蓄能联
1.0
合机组组合新模型。
(MWh)
EENS/

0.5
该模型在计算 EENS 时能够考虑服从不同概率
0 分布的负荷和风电功率预测误差以及机组的强迫
0 5 10 15 20 25
时段/h 停运，并通过成本效益分析实现常规机组发电成
图 5 算例 2 与算例 3 的备用容量和 EENS 比较 本、ECLS 与抽水蓄能机组的运行成本三者之和最
Fig. 5 Comparison of spinning reserve and EENS
小的目标，优化系统的旋转备用配置。这使得在确
between Case 2 and Case 3
定抽水蓄能机组的运行方式时能够更加全面和准
25
确地考虑系统的众多不确定因素和系统运行的经
20
济性，并能够更准确地分析风蓄联合调度对系统运
机组编号

15
10 行成本的改善。基于 IEEE-RTS 26 机系统的仿真算
算例2； 算例3。
5 例结果验证了本文模型的合理性和优越性。此外，
本文采用 MILP 方法对线性化后的优化模型进行求
0 5 10 15 20 25
时段/h 解，提高模型求解的效率和鲁棒性。
图 6 算例 2 与算例 3 的常规机组组合情况比较
Fig. 6 Comparison of conventional unit schedules between 参考文献
Case 2 and Case 3 [1] 张丽英，叶廷路，辛耀中，等．大规模风电接入电网的相关问题
分析的风蓄联合运行模式虽未改变常规机组的启 及措施[J]．中国电机工程学报，2010，30(25)：1-9．
Zhang Liying，Ye Tinglu，Xin Yaozhong，et al．Problems and
停，但针对不同时段的负荷水平，本文模型优化了
measures of power grid accommodating large scale wind power[J]．
抽水蓄能机组的运行方式，并配置了适宜的备用容 Proceedings of the CSEE，2010，30(25)：1-9(in Chinese)．
量，减小了常规机组的出力成本和系统的总 EENS， [2] 张宁，周天睿，段长刚，等．大规模风电场接入对电力系统调峰
的影响[J]．电网技术，2010，34(1)：152-158．
从而提高了系统整体运行经济性，同时验证了本文
Zhang Ning，Zhou Tianrui，Duan Changgang，et al．Impact of
模型的优越性。详细比较分析如下： large-scale wind farm connecting with power grid on peak load
3392 张刘冬等：基于成本效益分析的风电–抽水蓄能联合运行优化调度模型 Vol. 39 No. 12

regulation demand[J]．Power System Technology，2010，34(1)： wind penetration[J]．Energy Policy，2011，39(4)：1965-1974．

152-158(in Chinese)． [15] 鞠立伟，于超，谭忠富．计及需求响应的风电储能两阶段调度优
[3] Eriksen P B，Ackermann T，Abildgaard H，et al．System operation 化模型及求解算法[J]．电网技术，2015，39(5)：1287-1293．
with high wind penetration[J]．IEEE Power & Energy Magazine， Ju Liwei ， Yu Chao ， Tan Zhongfu ． A two-stage scheduling
2005，3(6)：65-74． optimization model and corresponding solving algorithm for power
[4] Kabouris J，Kanellos F D．Impacts of large-scale wind penetration on grid containing wind farm and energy storage system considering
designing and operation of electric power systems[J] ． IEEE demand response[J]．Power System Technology，2015，39(5)：
Transactions on Sustainable Energy，2010，1(2)：107-114． 1287-1293(in Chinese)．
[5] 胡泽春，丁华杰，孔涛．风电－抽水蓄能联合日运行优化调度模 [16] Tuohy A，Malley M O’．Impact of pumped storage on power systems
型[J]．电力系统自动化，2012，36(2)：36-41． with increasing wind penetration[C]//IEEE Power & Energy Society
Hu Zechun，Ding Huajie，Kong Tao．A joint daily operational General Meeting．Calgary，Canada：IEEE，2009：1-8．
optimization model for wind power and pumped-storage plant[J]． [17] Jiang Ruiwei，Wang Jianhui，Guan Yongpei．Robust unit commitment
Automation of Electric Power Systems ，2012 ， 36(2)： 36-41(in with wind power and pumped storage hydro[J]．IEEE Transactions on
Chinese)． Power Systems，2012，27(2)：800-810．
[6] Garcia-Gonzalez J，Muela RMR De La，Santos L M，et al．Stochastic [18] Ummels B C，Pelgrum E，Kling W L．Integration of large-scale wind
joint optimization of wind generation and pumped-storage units in an power and use of energy storage in the Netherlands' electricity supply
electricity market[J]．IEEE Transactions on Power Systems，2008， [J]．IET renewable power generation，2008，2(1)：34-46．
23(2)：460-468． [19] Khodayar M E ， Shahidehpour M ， Wu Lei ． Enhancing the
[7] Castronuovo E D，Lopes J A P．On the optimization of the daily dispatchability of variable wind generation by coordination with
operation of a wind-hydro power plant[J]．IEEE Transactions on pumped-storage hydro units in stochastic power systems[J]．IEEE
Power Systems，2004，19(3)：1599-1606． Transactions on Power Systems，2013，28(3)：2808-2818．
[8] 潘文霞，范永威，朱莉，等．风电场中抽水蓄能系统容量的优化 [20] Ortega-Vazquez M A，Krischen D S．Estimating the spinning reserve
选择[J]．电工技术学报，2008，23(3)：120-124． requirements in systems with significant wind power generation
Pan Wenxia，Fan Yongwei，Zhu Li，et al．The optimal sizing for penetration[J]．IEEE Transactions on Power Systems，2009，24(1)：
pumped storage system in wind farm[J] ．Transactions of China 114-124．
Electrotechnical Society，2008，23(3)：120-124(in Chinese)． [21] Liu Guodong，Tomsovic K．Quantifying spinning reserve in systems
[9] Brown P D，Peas Lopes J A，Matos M A．Optimization of pumped with significant wind power penetration[J]．IEEE Transactions on
storage capacity in an isolated power system with large renewable Power Systems，2012，27(4)：2385-2393．
penetration[J]．IEEE Transactions on Power Systems，2008，23(2)： [22] 徐帆，刘军，张涛，等．考虑抽水蓄能机组的机组组合模型及求
523-531． 解[J]．电力系统自动化，2012，36(12)：36-40．
[10] 于佳，任建文，周明．基于机会约束规划的风–蓄联合动态经济调 Xu Fan，Liu Jun，Zhang Tao，et al．Unit commitment problem with
度[J]．电网技术，2013，37(8)：2116-2122． pumped-storage units[J]．Automation of Electric Power Systems，
Yu Jia，Ren Jianwen，Zhou Ming．A chance-constrained programming 2012，36(12)：36-40(in Chinese)．
based dynamic economic dispatch of wind farm and pumped-storage [23] Ortega-Vazquez M A ． Optimizing the spinning reserve
power station[J] ． Power System Technology ， 2013 ， 37(8) ： requirements[D]．UK：University of Manchester，2006．
2116-2122(in Chinese)． [24] Bouffard F，Galiana F D．An electricity market with a probabilistic
[11] 李强，袁越，李振杰，等．考虑峰谷电价的风电–抽水蓄能联合系 spinning reserve criterion[J]．IEEE Transactions on Power Systems，
统能量转化效益研究[J]．电网技术，2009，33(6)：13-18． 2004，19(1)：300-307．
Li Qiang，Yuan Yue，Li Zhenjie，et al．Research on energy shifting
benefits of hybrid wind power and pumped hydro storage system 收稿日期：2015-03-18。
considering peak-valley electricity price[J] ． Power System 作者简介：
Technology，2009，33(6)：13-18(in Chinese)． 张刘冬(1987)，男，博士研究生，主要研究方
[12] 李丹，刘俊勇，刘友波，等．风电接入后考虑抽蓄-需求响应的多 向为电力系统可靠性、机组组合和 经济调度，
场景联合安全经济调度模型[J]．电力自动化设备，2015，35(2)： E-mail：zldon_1987@126.com；
28-34． 殷明慧(1978)，男，通信作者，博士，副教授，
Li Dan，Liu Junyong，Liu Youbo，et al．Joint secure & economic 高级工程师，主要研究方向为风力发电技术、电力
张刘冬 系统暂态稳定性；
dispatch considering wind power ， pumped storage and demand
response[J]．Electric Power Automation Equipment，2015，35(2)： 卜京(1981)，男，博士，讲师，主要研究方向为电力系统稳定性分
28-34(in Chinese)． 析、智能变电站技术；
[13] Perez-Diaz J I，Perea A，Wilhelmi J R．Optimal short-term operation 宋坤隆(1986)，男，博士研究生，主要研究方向为电力系统优化
and sizing of pumped-storage power plants in systems with high 规划、电网黑启动；
penetration of wind energy[C]//Proceedings of the 7th International 邹云(1962)，男，教授，博士生导师，主要研究方向为复杂系统应
Conference on the European Energy Market(EEM)．Madrid，Spain： 急控制、电力市场、风电系统的数值仿真与控制等。
IEEE，2010：1-6． （责任编辑 王晔）
[14] Tuohy A，Malley M O’．Pumped storage in systems with very high