Page 32 - 2023年第54卷第10期

近似的过程。相较两种处理方式，第二种近似模拟的结果精确性较差且对样本容量过度依赖，因此，
本文采用第一种的求解方法建立模糊约束处理方法。包含模糊约束处理方法的风 － 光 － 火 － 抽蓄联合运
行系统优化调度模型建模及求解的具体步骤如下：
１）创建联合运行系统模型的决策变量，主要包括风电、光伏、火电以及抽蓄机组出力；
２）初始化模型中各机组参数，包括火电机组、风电、光伏、负荷数据和置信水平等模型数据；
３）确定日前优化调度模型的目标函数，包括火电厂运行成本、弃风弃光惩罚成本、碳排放成本和
抽蓄机组的抽水成本；
４）采用分段线性化方法处理火电机组燃料成本的非线性问题，解决目标函数中非线性项难以求解
的情况；
５）在 Ｍａｔｌａｂ平台中建立基础的风－ 光 － 火 － 抽蓄联合系统日前调度模型：包括各机组的运行约束、
系统功率平衡约束，火电机组出力、爬坡和最小启停约束，风电光伏出力约束，抽蓄电站的库容约束
等，并将约束条件中的参数和决策变量进行分离；
６）在构建的模型中，采用模糊机会处理功率平衡约束，耦合阶梯式碳交易计算方法，建立考虑风
光不确定性与阶梯式碳交易成本的风－ 光－ 火－ 抽蓄联合系统优化调度模型；
７）利用 Ｃｐｌｅｘ求解器求解所构建的调度模型，获得优化调度方案，并对不同场景下的优化调度方
案进行对比分析。
３．２ 系统模型参数 本文选取西北地区某一新能源基地为研究对象，构建风－ 光－ 火－ 抽蓄联合运行系
统优化调度模型，开展日前优化调度分析。优化周期以该新能源基地提供的实际日电负荷数据为基准，
日电负荷数据为一天 ２４ｈ，数据点以小时划分，故日前优化调度的周期为 ２４ｈ，以 １ｈ为时间划分尺度。
取 ３５０元?（ＭＷｈ），光伏
系统配备总容量为 ７００ＭＷ 的风电场、３５０ＭＷ 的光伏电站，风电的惩罚费用 ξ ｗ
取 ２９０元?（ＭＷｈ）。抽蓄电站的装机容量为 ３００ＭＷ，抽水和发电时的平均水量?电量转
的惩罚费用 ξ ｐｖ
＝ ，取值 ０．７５，抽蓄电站的抽水成本按照分时电价计算如表 １所示 ［２９］ ，上水库最大
换系数分别为 η ｃ η ｆ
６
３
３
６
库容 Ｗ ＝ ８．８６ × １０ ｍ ，最小库容为 Ｗ ＝ １．５９ × １０ ｍ ，取 Ｗ ＝ Ｗ 。火电厂的出力上限和下限分别
ｍａｘ ｍｉｎ ０ ｍｉｎ
为 １２００ＭＷ 和 ７００ＭＷ，其中火电机组的爬坡速率为 ３００ＭＷ?ｈ，火电机组的燃煤耗系数见文献［３０］，
火电机组的出力运行稳定性计算如式（ ２２）所示：
１ １ ｎ ｇ ｇ ２
ｆ＝ ∑ （Ｐ － Ｐ ） （２２）
ｉ，ｔ
ｍｉｎｉ
１
ｇ
Ｐ ｍｉｎｉ槡
ｎ ｉ ＝１
ｇ
式中：ｎ为时长，取 ２４ｈ；Ｐ 为火电机组的出力下限。
ｍｉｎｉ
根据该地区一年四季中出现全网最大负荷的时间，分别选取 ３月 １日、７月 ８日、１０月 １日、
１２月 ３０日 ４个典型日对联合系统进行日前优化调度分析。负荷曲线如图 ４（ａ）所示，风电预测曲线
如图 ４（ｂ）所示，光伏预测曲线如图 ４（ｃ）所示。由图 ４分析知，４个典型日的负荷预测需求曲线呈
现出 “驼峰” 的特点，不同季节的日负荷预测需求曲线差异较大，其中日负荷差最大是 ７月 ８日，
最小的是 １０月 １日。风电的出力呈现反调峰特性，即 日 负荷 在 波 峰时 风 电 出力 小，波 谷时风电出
力大。光伏的出力在中午（１２∶００—１４∶００）最大，日负荷在这个时 段 处 于波 峰，与 日 负 荷曲线呈现
一致的特点，且在该地区，夏季高温会对光伏组件及逆变器产生影响，从而影响到光伏出力影响，
导致光伏的出力会略低于晴朗的冬季。

表 １ 抽蓄电站运行峰平谷时段划分

时段 时间 电价?（元?ＭＷｈ））
峰 ９∶００—１３∶００，１６∶００—２０∶００ ９９６
平 ０７∶００—０９∶００，１３∶００—１６∶００，２０∶００—２３∶００ ６７２

谷 ２３∶００—０７∶００ ３４８

— １ １ ８ —
６