风电、光伏与抽水蓄能电站互补调度运行研究（Matlab代码实现）-平芜编程栈

💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。

💥1 概述

风电、光伏与抽水蓄能电站互补调度运行研究

大力发展可再生能源，实现能源生产转型，是能源可持续发展的重要途经。2030~2050 年，中国可再生能源的发电量将达到 30%以上［1］，目前可再生能源装机规模持续扩大，高比例可再生能源并网，中国可再生能源消纳面临严峻局面［2］，存在大量弃风弃光。这不仅给电网的经济调度带来了挑战，也增大了电网稳定运行的风险，以 2016 年云南电网为例，汛期水电水电输出功率增大，导致光伏、风电大量无序脱网，恶化电网频率稳定性。现有电网系统难以满足可再生能源大规模并网消纳的要求，电网约束导致部分地区弃风、弃水、弃光问题严重。文献［3］建立风-水-火电力系统协调调度的多目标优化模型，利用改进的粒子群算法，通过 10 机测试系统验证了改进算法的优越性；文献［4］建立“风、光、火、蓄、储”多能源互补优化调度模型，并提出用动态惯性权值粒子群算法求解，以实现系统总运行成本最小的优化目标；文献［5］基于电网功率平衡方法及储纳运行机制，建立了可再生能源电网日前发电计划与实时调度的数学模型；文献［6］建立抽水蓄能机组与火电机组联合运行的优化模型，在此基础上以某实际系统为例进行联合优化模拟。文献［7］建立风光抽蓄联合发电系统，用免疫粒子群算法进行求解。

为提高风电场的供电质量同时增加其发电效益,利用储能技术为风电场配置一个蓄能系统是比较重要的解决措施之一。风电的蓄能技术有水力蓄能、压缩空气蓄能、超导磁力蓄能、流体电池组、电解水制氢等,其中水力蓄能是技术较成熟的一种蓄能方式,且小型的水力发电系统投资也不大,因此为采用风-水电联合供电模式不失为一种优选的方案1。

一、互补调度运行的核心目标与定义

风电、光伏与抽水蓄能电站的互补调度运行，旨在通过协调三者出力特性，解决新能源发电的间歇性、波动性和反调峰问题，提升电力系统稳定性与经济性。其核心目标包括：

平抑新能源出力波动：利用抽水蓄能电站的“削峰填谷”能力，将风光发电的随机功率转化为稳定输出，减少电网冲击。
提高新能源消纳率：通过储能调节，缓解风光出力与负荷需求的时空错配，降低弃风弃光率。
增强系统调频调峰能力：抽水蓄能的快速响应（2-3分钟模式切换）和惯性支撑弥补风光发电的弱惯性缺陷。
优化经济性：降低火电机组启停频率及燃料成本，减少电网调峰辅助服务支出。

二、三者的运行特性与互补基础

风电与光伏出力特征：
- 波动性：风电日内波动幅度最高达80%，出力高峰多集中于凌晨；光伏日内波动幅度达100%，正午达峰，夜间出力为零。
- 反调峰性：风光出力高峰可能与电网负荷低谷重合（如夜间风电高发），加剧调峰压力。
- 弱惯性：缺乏旋转质量，无法提供频率响应支撑。
抽水蓄能调节特性：
- 双向调节：日循环效率约75%，可在发电（释能）与抽水（储能）模式间灵活切换。
- 大容量调节：单站装机容量可达GW级，调节时长覆盖小时至多天尺度。
- 快速响应：模式切换仅需2-3分钟，功率调节速率达每分钟100%额定容量。

三、互补调度关键技术分析

多时间尺度协调控制：
- 中长期调度：基于风光资源预测与水库调度计划，优化抽水蓄能库容分配。
- 短期调度（日前）：以平抑波动为目标，构建出力优化模型（如最小化系统功率波动或火电等效负荷波动）。
- 实时控制：利用超短期预测数据动态调整抽蓄出力，应对风光预测偏差。
优化模型与算法：(Cplex求解)
分层控制架构：
- 协同控制层：制定多目标优化策略，协调源-网-储资源。
- 稳定控制层：实现毫秒级频率电压支撑（如储能PCS群控）。
- 就地控制层：执行设备级快速响应指令。

四、典型案例与实证效果

四川小金川水光蓄互补系统：
- 构成：19.5万千瓦梯级水电+5万千瓦光伏+0.5万千瓦变速抽蓄。
- 创新点：全功率变速抽蓄机组实现秒级功率调节，提升新能源友好并网水平。
- 成效：系统源荷匹配度达0.998，弃风弃光率降低60%以上。
华北电网调峰仿真：
- 场景对比：抽蓄参与调峰后，弃风率下降1.2%，火电煤耗成本减少0.15%，年节约3亿元。
- 经济性：系统总成本增加0.82%（主要为抽蓄运维成本），但综合环境效益显著。

五、对电网稳定性的影响机制

频率稳定性提升：
- 抽蓄提供惯性响应，抑制风光并网引起的频率偏差（如±0.1Hz范围内）。
- 储能协调控制实现毫秒级调频，降低系统失负荷概率（案例中降至0.01%）。
电压支撑能力增强：
- 抽蓄机组可作为同步调相机运行，提供动态无功补偿。
- 多能互补系统通过优化功率因数分布，减少线路电压波动。
供电可靠性改善：
- 梯级水电与抽蓄联合调度可将最大失负荷深度从1627 MW降至459 MW。
- 系统累积失负荷时长从275小时缩短至1小时。

六、经济性挑战与优化方向

成本构成：
- 容量成本：抽蓄电站度电成本约0.83元/kWh，其中折旧占60%以上。
- 运行成本：抽水电价占变动成本的70%-80%，需通过峰谷价差套利优化。
收益机制：
- 两部制电价：容量电价覆盖固定成本，电量电价补偿抽发损耗。
- 辅助服务市场：参与调频、备用等市场，提升收益灵活性。
技术经济优化：
- 选址优化降低建设成本（如利用已有水库减少征地费用）。
- 发展变速抽蓄机组，提升循环效率至82%以上。

七、未来研究方向

多能互补指标量化：建立风光-抽蓄互补性评价体系，耦合至规划与调度模型。
多主体博弈机制：探索抽蓄电站作为独立市场主体参与电力市场的激励机制。
多尺度耦合优化：实现中长期水库调度与短期风光预测的协同。
新型技术融合：研究压缩空气储能、氢储能与抽蓄的混合配置模式。

八、结论

风电、光伏与抽水蓄能的互补调度运行是破解新能源消纳难题的关键路径。通过多时间尺度协调控制、分层优化算法及经济性机制设计，可显著提升系统稳定性与经济效益。未来需进一步突破多能耦合建模、市场机制创新及低成本调节技术，推动新型电力系统向高比例可再生能源转型。

📚2 运行结果

部分代码：

%% 抽蓄-风-光优化模型参数设置
P_v=[196,218,243,237,243,187,191,172,193,243,295,321,341,286,293,273,281,303,229,240,213,216,221,202];
P_pv1=[0,0,0,0,0,0,0,0,44,93,143,161,174,191,193,176,125,51,36,0,0,0,0,0];
P_load=[498,460,461,429,435,442,467,480,494,543,569,583,572,582,590,592,580,628,596,576,618,619,578,543];

n = 24; % 一天时长
[C,C_p]=price(n); % 确定分时电价,调用price函数
C=C'; % 上网分时电价
C_p=C_p'; % 抽蓄抽水电价
T=1:n;
t=1; % 尺度1h
P_hmax=200;P_hmin=0; % 抽蓄最大、最小发电功率 MW
P_pmax=200;P_pmin=0; % 抽蓄最大、最小抽水功率 MW
P_pps_r=200; % 抽蓄额定功率
E_max=600;E_min=0; % 水库储能
E_0=100; % 水库初始储能量赋值
SOC_0=0.5; % SOC初始荷电状态赋值

eta_p=0.87; % 水泵抽水效率
eta_h=0.85; % 水力发电效率

eta_c=0.9; % 电池充电效率
eta_d=0.9; % 电池放电效率
Emax_0=100;Emin=0; % 电池最大、最小容量MWh

P_cmax=50; P_cmin=0; % 电池充放电最大/小功率
P_dmax=50;P_dmin=0;
SOCmin=0.2;SOCmax=0.8; % 电池荷电状态上下限
xgma=0.25/30/24; % 电池每小时自放电率 20~30%/月
yibuxil_lack=100; % 缺电惩罚系数元/MWh
yibuxil_DL=30; % 弃电惩罚系数元/MWh
M_co2=0.877; % 火电厂发单位电量产生的CO2量 tco2/MWh
k_ps_h=46; % 抽蓄发电运行成本元/MWh
k_ba_d=28.7; % 电池发电运行成本元/MWh

%% 开始优化抽蓄
% 申明变量
% 生成连续型变量空间
Chrom=sdpvar(1,8*n);
% 顺序 P_w P_p P_h E P_DL P_pv P_lack
% 顺序风抽水发电储能量弃电光缺电
P_w=Chrom(1,1:n);
P_p=Chrom(1,(n+1:2*n));