一种按时间顺序进行的8760小时生产模拟方法，用于优化集成风能-太阳能-抽水蓄能-热能发电系统的运行

《Renewable Energy》：A Chronological 8760-Hour Production Simulation for Optimizing the Operation of Integrated Wind-Solar-Pumped Storage-Thermal Power Systems

　　月王|沈建建|郭西海|马向宇|葛林松|程春天
大连工业大学水电与水信息研究所，中国大连116024

**摘要**
长期的风能和太阳能发电波动差异对传统的省级电力调度方法构成了挑战，这些方法依赖于月度和典型日的平衡分析。它们往往无法捕捉到电力短缺和可再生能源限制的显著风险。本文提出了一种适用于高可再生能源渗透率的省级电网的8760小时时间序列生产模拟方法。该方法结合了层次聚合和随机重构技术来描述可再生能源发电的时间波动性。一个双层模型协调了灵活的电源：上层通过优化抽水蓄能来最小化剩余负荷的峰谷差，而下层通过热电厂的投入来平衡负荷，以最小化总运营成本和惩罚成本。引入了迭代模拟和双尺度聚合方法来量化抽水蓄能的调节能力，并大幅降低热电厂投入优化的维度。该方法应用于中国东北部一个拥有23,870兆瓦可再生能源容量的电网，与传统方法相比，将抽水蓄能的峰谷电力增加了3.7%，同时将电力短缺风险降低了99.9%，将可再生能源限制风险降低了92.2%。结果表明，随着负荷中断惩罚系数的增加和发电成本的缓慢上升，电力短缺风险会减少；建议使用9元/千瓦时的惩罚系数来满足供应保障要求。

**引言**
风能和太阳能的大规模集成具有固有的波动性和随机性，这加剧了新兴电力系统中维持供需平衡的挑战[1]。如图1所示，这导致供应保障压力和能源限制风险显著增加[2]。随着可再生能源渗透目标的迅速提高，这一挑战在未来五到十年内将更加严重。
传统的年度电力平衡方法通常采用月度能量平衡与典型日电力平衡相结合的方式。该方法以年为调度周期，以月为决策时间步长，进行连续的月度能量平衡。在每个月内，选择典型的日负荷曲线来优化可调度电源的发电过程，进行小时级电力平衡。然而，在高比例可再生能源的新电力系统中，风能和太阳能的发电在一天之内和不同月份之间表现出复杂多变的时间特性[3]和[4]。典型日电力平衡方法难以准确捕捉一年中不同日子可再生能源发电的变化模式，这在考虑超高压输电的混合系统容量配置研究中已被指出[5]。这一不足也在关注高比例新能源电力系统中的源负荷匹配的研究中得到体现[6]。此外，该方法无法体现涉及跨日、跨周甚至季节性时间变化的调节能力，如机组投入和水库调度，这在数据稀缺地区的最优调度方法中是一个突出挑战[7]。因此，它很容易在实际系统运行中导致电力短缺或限制问题。这可能会影响互补系统在不同消费模式下的灵活性和供需可靠性[8]，削弱长期能源存储技术经济分析中的经济可行性[9]，并增加考虑旋转备用的短期风险和经济调度模型中的风险[10]。因此，充分考虑可再生能源发电的年度小时级波动性和灵活电源的连续调节能力至关重要[11]。探索适应新电力系统特点的新型年度电力和能量平衡方法是非常必要的。这种探索对于准确评估系统的供应保障能力和可再生能源集成潜力至关重要，从而避免电力短缺和限制的风险。
然而，年度8760小时时间序列电力平衡在大规模多源电站集群中的精细时间耦合建模与计算效率高的解决方案方法之间存在矛盾[12]。以一个拥有超过300个风能-太阳能-抽水蓄能-热电厂的省级电网为例，该建模采用年度调度周期和小时级决策步骤。当考虑水力发电耦合和热电厂投入等复杂约束时，得到的长期序列电力平衡模型的规模可达300万个变量。这包括超过80万个整数变量、340万个约束条件以及20多万个时间序列耦合约束。在这种条件下，创新长期序列平衡方法以满足结果准确性和解决方案效率的要求是一个亟需突破的挑战[13]。
因此，本工作的科学目标是开发一种计算效率高且准确的8760小时生产模拟方法，适用于高可再生能源渗透率的省级电网。研究的主题是风能、太阳能、抽水蓄能和热电厂的协调运行。本研究通过提出一个结合了专为抽水蓄能和热电厂调度设计的新型降维技术的集成双层优化框架，弥合了时间细节与解决方案可行性之间的差距。
抽水蓄能电站的双向调节能力（抽水/发电模式切换）及其复杂的水力连接导致了大规模发电模型的出现。当前的简化建模方法主要分为四类。第一种路径采用模型简化和平滑化技术，包括水力转换和水库关系的分段线性化[14]以及目标函数的线性重构[15]。针对风能-太阳能-水力热系统的短期调度研究也采用了考虑动态频率响应的线性化技术[16]。第二种路径使用层次优化和分解技术，将高维问题分解为可管理的子问题[17]。应用包括为混合系统制定互补调度规则[18]和在嵌套时间尺度上多能源系统的最优存储分配[19]。层次框架还用于考虑削峰的长期多目标调度[20]，以及服务于多个电网的风能和抽水蓄能水力的跨区域综合传输[21]。这种方法为智能调度中的多目标深度强化学习[22]和跨省水力系统的最优运行[23]奠定了基础。第三种路径应用智能优化算法来规避精确建模，例如在短期调度中使用深度强化学习[24]。它采用启发式方法，如用于多水库系统的布谷鸟搜索算法[25]或混合粒子群优化（PSO）和混合整数线性规划（MILP）策略，这些技术在水电发电调度调查中有所回顾[26]。具有反向调节效应的 cascade 植物的最优调度也利用了这些方法[27]。第四种路径涉及约束简化，例如放宽抽水-发电转换或水库边界，这在抽水蓄能改造的长期存储背景下进行了讨论[28]，以及在混合系统中确定可再生能源容量的框架中[29]。关于具有多个运营商的混合抽水蓄能水电站的利益共享研究也涉及战略简化[30]。现有方法在抽水蓄能电站数量较少的情况下可以显著提高计算效率。然而，当系统包含大规模抽水蓄能电站集群时，优化模型仍然面临高维状态空间和组合爆炸的严重挑战。这突显了开发更高效降维建模框架的迫切需求。
对于大规模机组投入问题，与热电厂相关的运行变量和约束是影响模型计算复杂性的重要因素[31]。这导致收敛缓慢和内存问题，在面向可再生能源吸收的概率最优功率流[32]和分布式鲁棒机会约束优化[33]中得到了解决。现有的简化技术主要分为两类：纯调度模型和集群机组投入模型。纯调度模型忽略了机组投入状态，将模型完全转化为线性规划问题，从而实现高效解决方案。它用于考虑爬坡需求的鲁棒输电-发电扩展规划[34]和具有串联补偿的多目标扩展规划[35]。然而，由于没有考虑机组投入状态变量，热电厂被理想化为具有完美的灵活性，从而忽略了最小输出限制和最小运行/停机时间等灵活性约束。这可能导致生成的调度计划不可行。集群机组投入模型将机组聚合成簇，使用单个变量表示簇内的所有二进制变量[36]。它通过构建爬坡、启动/停止和最小输出约束来保留热电厂的运行灵活性特征[37]。尽管它仍然包含整数变量，但其计算效率显著提高[38]。其主要限制在于低估了热电厂的调节能力，可能增加电力限制的风险。因此，如何根据热电厂的特点充分降低维度同时保留其运行特性是当前的主要挑战。
为了解决上述挑战，本文提出了一种时间序列8760小时生产模拟方法，用于优化集成风能-太阳能-抽水蓄能-热电厂的运行。简而言之，这项工作在以下领域为现有文献带来了新的视角：
(1) 建模框架：构建了一种新的双层优化模型，用于热能-抽水蓄能协调。该模型不同于依次分离网络和机组投入问题的层次方法，而是明确协调抽水蓄能的削峰和热电厂投入，以最小化剩余负荷的波动性和总系统成本。
(2) 仿真方法：采用时间间隔迭代极端仿真方法来量化抽水蓄能电站的调节能力。这为随后将复杂的水力发电耦合约束简化为等效的储能模型提供了严格的基础，这一步骤超出了现有研究中使用的经验性约束放松方法。
(3) 计算技术：采用日-小时双尺度时间决策聚合方法来降低热电厂投入优化的维度。与纯调度模型相比，该技术更忠实地保留了关键运行约束，同时在年度尺度上实现了更高的计算效率。

本文的其余部分结构如下：第2节提供了热能-抽水蓄能协调的双层优化模型。第3节介绍了解决方案方法。第4节给出了基于实际案例研究的优化结果并进行讨论。最后，第5节提出了结论。

**数学模型构建**
构建了一个热能-抽水蓄能协调的双层优化模型，考虑了它们在电网中的运行特性和调节作用。上层模型通过抽水蓄能的削峰来最小化剩余负荷的峰谷差。下层模型优化热电厂的运行，以最小化总系统成本，其中上层模型的剩余负荷作为下层模型的输入条件。

**风能和太阳能发电场景生成方法**
本文基于可再生能源发电的长期序列波动特性构建了发电时间序列。场景生成的核心是月度聚类和每日随机重构过程。该过程旨在通过月度建模保留季节性模式，通过使用完整的日负荷曲线保持日内相关性，并通过基于完整历史数据的随机抽样来概率性地描述极端事件。

**研究区域**
本文使用中国东北部一个省级电网的实际案例研究来验证所提出的8760小时电力平衡方法。图5展示了各种类型电站的分布。表1和图6显示了安装容量和省级可调度电源的比例。风能和太阳能占总安装容量的32.8%，而抽水蓄能和热能占57.1%。这表明可再生能源的渗透率很高。

**结论**
本文解决了由于可再生能源发电的长期时间波动性和随机性导致的电力和能量平衡问题。它提出了一种时间序列8760小时生产模拟方法，用于优化集成风能-太阳能-抽水蓄能-热电厂的运行。通过一个省级电网的案例研究验证了该方法的有效性。与传统方法相比，所提出的方法增强了调节能力。

**未来研究**
本研究为集成大规模风能、太阳能、抽水蓄能和热能系统的长期生产模拟提供了一个框架。未来的研究可以在几个方向上扩展这项工作。首先，可以扩展模型以纳入关键的现实世界成本和约束。这包括整合抽水蓄能电站的长期维护成本和频繁循环资产的疲劳寿命模型。进行全面的生命周期成本分析将有助于提供有价值的见解。作者贡献声明如下：

- 沈建建：负责写作、审稿与编辑工作，以及资金筹措和数据管理。
- 王月：负责写作、审稿与编辑工作，以及原始稿件的撰写、方法论的制定和概念框架的构建。
- 程春田：负责资源调配和概念框架的构建。
- 葛林松：负责资源调配和概念框架的构建。
- 马向宇：负责资源调配和概念框架的构建。
- 郭希海：负责资源调配和概念框架的构建。

**利益冲突声明**
作者声明他们没有已知的财务利益冲突或个人关系，这些因素可能会影响本文的研究结果。

**数据可用性**
所有数据均可根据合理请求向作者获取。

**致谢**
本研究得到了国家自然科学基金（项目编号：U23A20667、52239001）的支持。