含储能系统和大型风电场并网电力系统机组组合研究

第２６卷第９期　２０１３年９月　广东电力　ＧＵＡＮＧＤＯＮＧ　ＥＬＥＣＴＲＩＣ　ＰＯＷＥＲ　ＶＯ１．２６　ＮＯ．９　Ｓｅｐ．２０１３　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００７－２９０Ｘ．２０１３．０９．０１３　含储能系统和大型风电场并网电力系统机组组合研究　罗玲　，龚建原　，谢应昭。，陈宁　，卢继平　（１．重庆市电力调度通信中心，重庆４０００１４；２．郑州供电公司，河南郑州４５０００６；３．输配电装备及系统安全与新技术国　家重点实验室重庆大学，重庆４０００３０）　摘要：为提高系统运行的灵活性和稳定性，在含风电场的机组组合问题中引入储能系统，将含风电场和储能系　统的机组组合问题描述为含０－１变量的混合整数优化模型，在模型中体现了储能系统对系统旋转备用容量的影　响。采用分支定界的思想，将整数变量松弛为实数变量，利用改进粒子群算法来迭代求解。以６机和某１Ｏ机３９　节点系统为算例，对传统的机组组合模型和含ＥＳＳ的机组组合模型进行了比较，计算结果验证了该模型和解法　的有效性。　关键词：电力系统；风力发电；机组组合；储能系统；分支定界法；粒子群优化算法；旋转备用　中图分类号：ＴＭ７４４　文献标志码：Ａ　文章编号：１００７—２９０Ｘ（２０１３）０９－００６１—０６　Ｓｔｕｄｙ　ｏｎ　Ｕｎｉｔ　Ｃｏｍｂｉｎａｔｉｏｎ　ｏｆ　Ｓｙｎｃｈｒｏｎｉｚｅｄ　Ｐｏｗｅｒ　Ｓｙｓｔｅｍ　Ｃｏｎｔａｉｎｉｎｇ　Ｅｎｅｒｇｙ　Ｓｔｏｒａｇｅ　Ｓｙｓｔｅｍ　ａｎｄ　Ｌａｒｇｅ－ｓｃａｌｅｄ　Ｗｉｎｄ　Ｆａｒｍ　ＬＵＯ　Ｌｉｎｇ　，ＧＯＮＧ　Ｊｉａｎｙｕａｎ。，ＸＩＥ　Ｙｉｎｇｚｈａｏ３，ＣＨＥＮ　Ｎｉｎｇ　，ＬＵ　Ｊｉｐｉｎｇａ　（１．Ｃｈｏｎｇｑｉｎｇ　Ｅｌｅｃｔｒｉｃ　Ｐｏｗｅｒ　Ｄｉｓｐａｔｃｈｉｎｇ　ａｎｄ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　Ｃｅｎｔｅｒ，Ｃｈｏｎｇｑｉｎｇ，４０００１４，Ｃｈｉｎａ；２．Ｚｈｅｎｇｚｈｏｕ　Ｐｏｗｅｒ　Ｓｕｐｐｌｙ　Ｂｕｒｅａｕ，Ｚｈｅｎｇｚｈｏｕ，Ｈｅｎａｎ　４５０００６，Ｃｈｉｎａ；３．Ｓｔａｔｅ　Ｋｅｙ　Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｐｏｗｅｒ　Ｔｒａｎｓｍｉｓｓｉｏｎ　Ｅｑｕｉｐｍｅｎｔ＆Ｓｙｓｔｅｍ　Ｓｅ—　ｃｕｒｉｔｙ　ａｎｄ　Ｎｅｗ　Ｔｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ，４０００３０，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｆｏｒ　ｉｍｐｒｏｖｉｎｇ　ｏｐｅｒａｔｉｏｎａｌ　ｆｌｅｘｉｂｉｌｉｔｙ　ａｎｄ　ｓｔａｂｉｌｉｔｙ　ｏｆ　ｓｙｓｔｅｍ，ｔｈｉｓ　ｐａｐｅｒ　ｄｉｓｃｕｓｓｅｓ　ｉｎｔｒｏｄｕｃｔｉｏｎ　ｏｆ　ｅｎｅｒｇｙ　ｓｔｏｒａｇｅ　ｓｙｓｔｅｍ　ｉｎ　ｕｎｉｔ　ｃｏｍｂｉｎａｔｉｏｎ　ｃｏｎｔａｉｎｉｎｇ　ｗｉｎｄ　ｆａｒｍ．Ｉｔ　ｄｅｓｃｒｉｂｅｓ　ｔｈｅ　ｕｎｉｔ　ｃｏｍｂｉｎａｔｉｏｎ　ｐｒｏｂｌｅｍ　ｃｏｎｔａｉｎｉｎｇ　ｗｉｎｄ　ｆａｒｍ　ａｎｄ　ｅｎｅｒｇｙ　ｓｔｏｒａｇｅ　ｓｙｓｔｅｍ　ａｓ　ａ　ｍｉｘｅｄ　ｉｎｔｅｇｅｒ　ｏｐｔｉｍｉｚａｔｉｏｎ　ｍｏｄｅｌ　ｃｏｎｔａｉｎｉｎｇ　０－１　ｖａｒｉａｂｌｅ　ｔｈａｔ　ｒｅｆｌｅｃｔｓ　ｉｍｐａｃｔ　ｏｆ　ｅｎｅｒｇｙ　ｓｔｏｒａｇｅ　ｓｙｓｔｅｍ　ｏｎ　ｓｐｉｎｎｉｎｇ　ｒｅｓｅｒｖｅ　ｃａｐａｃｉｔｉｅｓ　ｏｆ　ｔｈｅ　ｓｙｓｔｅｍ．Ｂｙ　ｕｓｉｎｇ　ｔｈｉｎｋｉｎｇ　ｏｆ　ｂｒａｎｃｈ　ａｎｄ　ｂｏｕｎｄ　ｍｅｔｈｏｄ，ｉｔ　ｉｓ　ａｂｌｅ　ｔｏ　ｌｏｏｓｅ　ｉｎｔｅｇｅｒ　ｖａｒｉａｂｌｅｓ　ｔＯ　ｂｅ　ｒｅａｌ　ｖａｒｉａｂｌｅｓ　ａｎｄ　ｔｏ　ｒｅａｌｉｚｅ　ｉｔｅｒａｔｉｏｎ　ｓｏｌｕｔｉｏｎ　ｂｙ　ｕｓｉｎｇ　ｉｍｐｒｏｖｅｄ　ｐａｒｔｉｃｌｅ　ｓｗａｒｍ　ｏｐｔｉｍｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ．Ｔａｋｉｎｇ　６－ｕｎｉｔ　ａｎｄ　ｓｏｍｅ　１　０一ｕｎｉｔ　ａｎｄ　３９一ｎｏｄｅ　ｓｙｓｔｅｍ　ａｓ　ｄｉｆｆｓｅｔ．ｉｔ　ｃｏｍｐａｒｅｓ　ｔｒａｄｉｔｉｏｎａｌ　ｕｎｉｔ　ｃｏｍｂｉｎａｔｉｏｎ　ｍｏｄｅｌ　ａｎｄ　ｔｈｅ　ｕｎｉｔ　ｃｏｍｂｉｎａｔｉｏｎ　ｍｏｄｅｌ　ｃｏｎｔａｉｎｉｎｇ　ｅｎｅｒｇｙ　ｓｔｏｒａｇｅ　ｓｙｓｔｅｍ．Ｔｈｅ　ｃａｌｃｕｌａｔｉｏｎ　ｒｅｓｕｌｔ　ｖｅｒｉｆｉｅｓ　ｅｆｆｅｃｔｉｖｅｎｅｓｓ　ｏｆ　ｔｈｉｓ　ｍｏｄｅｌ　ａｎｄ　ｉｔｓ　ｓｏｌｕｔｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｐｏｗｅｒ　ｓｙｓｔｅｍ；ｗｉｎｄ　ｐｏｗｅｒ　ｇｅｎｅｒａｔｉｏｎ；ｕｎｉｔ　ｃｏｍｂｉｎａｔｉｏｎ；ｓｔｏｒｅｄ　ｅｎｅｒｇｙ　ｓｙｓｔｅｍ；ｂｒａｎｃｈ　ａｎｄ　ｂｏｕｎｄ　ｍｅｔｈｏｄ；ｐａｒ—　ｔｉｃｌｅ　ｓｗａｒｍ　ｏｐｔｉｍｉｚａｔｉｏｎ　ａｌｇｏｒｉｔｈｍ；ｓｐｉｎｎｉｎｇ　ｒｅｓｅｒｖｅ　风力发电作为风能利用的主要形式，在过去的　和调度增加了许多不确定因素ｌ＿５　６３，当大规模风电　十几年里发展十分迅速。卜　。尽管目前国内外学者　并网后，如何在传统机组组合（ｕｎｉｔ　ｃｏｍｍｉｔｍｅｎｔ，　对风速预测做了大量的研究工作　。　］，但是预测水　ＵＣ）问题中合理利用好风电成为当前研究的主要问　平仍然在很大程度上难以满足工程的实际需要。风　题。文献［７—８］采用多种智能优化算法对经济调度　电的间歇性、波动性和不可控性给电力系统的运行　模型求解，结果虽然比较理想，但没有考虑到风电　的随机性和不确定性。文献Ｅ９］假设风速服从　Ｗｅｉｂｕｌ１分布，以风速为随机变量构建了静态不确　收稿日期：２０１３．０７．０９　定性的优化模型，该目标函数中包括了因高估风能　６２　广东电力　第２６卷　产生的备用费用，又包括了因弃风而产生的惩罚费　用。文献Ｅｌｏ］在文献［９］的基础上建立了计及风速　随机分布的优化潮流模型，研究了不同概率密度函　数对优化结果的影响。文献Ｅ１　１］利用风速和负荷预　的大容量储能电池，用Ｘ０和　ａ　来表示其工作状　态：　ＣＩ为１时，表示ＥＳＳ充电，为０时表示空载　或发电状态；当　ｃ　为１时，表示ＥＳＳ放电，为０　时表示空载或充电状态，因此　Ｘｃｆ＋ＸＧｆ≤１．　（２）　测误差的概率分布函数来描述系统中存在的不确定　性因素，建立了基于风险备用约束的含风电场电力　系统动态经济调度新模型。但这些只是常规的经济　ａ）ＥＳＳ充放电功率　ｆＰｆ≤Ｐｄ，ｍａｘＸＧｆ—Ｐ　，　ｉ　ＸＣｔ；　…　调度问题，都没有考虑到机组开、停的影响。　随着储能技术的发展，越来越多的储能系统　（ｅｎｅｒｇｙ　ｓｔｏｒａｇｅ　ｓｙｓｔｅｍ，ＥＳＳ）在电力系统中得到　了应用＿１。　。由于ＥＳＳ的特性ｌ１　，它的引入极大　地提高了系统运行的灵活性。为实现系统运行成本　最小，如何安排各时段机组和风场的出力以及ＥＳＳ　的充放电功率成为亟待解决的问题。为此，本文在　传统的机组组合ＵＣ问题中引入风电场和ＥＳＳ，建　立了含０．１变量的混合整数非线性优化（ｍｉｘｅｄ　ｉｎ．　ｔｅｇｅｒ　ｐｒｏｇｒａｍｍｉｎｇ，ＭＩＰ）模型。考虑到优化变　量既有整数又有实数，将分支定界法与改进粒子群　算法相结合，用于该ＭＩＰ问题的求解。以６机系　统和１０机系统的算例，验证本文所提的优化模型　及其解法的有效性。通过与传统的含风场的ＵＣ问　题进行对比，分析了ＥＳＳ引入后对系统调峰、旋　转备用等方面的影响。　１含大型风电场和储能系统的经济调度模　型　系统正常运行时，在满足负荷基本出力的基础　上，应考虑经济性和安全性等因素，通过优化各机　组出力和ＥＳＳ输入输出功率，使系统的总运行成　本最小。　１．１　目标函数　系统运行中风电不消耗一次能源，其燃料费用　主要体现在火电机组上，可表示为　丁　ｎ　＝∑∑ａｉＵｆ＇Ｉ＋６　Ｐ　＋ｃｉ　＋ｃ　＋ｃｌ　（１）　ｔ＝１　ｉ＝１　式中：丁为调度周期；　为火电机组数量；Ｐ　表　示ｔ时段第　台机组的出力；ｎ　、ｂ　、Ｃｉ为耗量系　数；Ｕ　为火电机组的状态，１为开机，０为停机；　Ｃ　和Ｃ　分别表示在第ｔ时段第　台机组的启动　成本和停机成本。　１．２　ＥＳＳ模型　本文中所讨论的ＥＳＳ是指具有峰谷调节功能　【Ｐ　ｒ≥Ｐｄ，ｍｉｎＸＧｆ—Ｐ　，ｍ戕Ｘ０．　式中：Ｐ　表示ＥＳＳ充、放电功率；Ｐ。，一和Ｐ　，一　分别为ＥＳＳ所允许的最大充、放电功率；Ｐ　．ｍｉ　和　Ｐ　，嘶　为最小充、放电功率。　ｂ）ＥＳＳ能量平衡约束　各时段ＥＳＳ充、放电的能量为　ｒ　广　ＩＡ。，ｆ＝ＩＪ　＾　０Ｐｆｄｔ；　（４）　ｌＡ　ｄ．ｆ＝Ｉ　ｄＸＧｆＰｆｄｔ．　式中：　和　ａ分别为ＥＳＳ的充电、放电效率。　各时段末ＥＳＳ储能分别为　Ａ　＝Ａｉ　ｉ＋∑Ａ。　∑Ａ叭；　（５）　ｋ＝－ｉ　ｋ＝１　≤Ａ　≤Ａ　．　（６）　式中：Ａｉ　ｉ为ＥＳＳ的初始储能；Ａ　和　ｉ　分别表　示ＥＳＳ容量的最大值和最小值。　ｃ）ＥＳＳ提供的备用容量　由于风场出力和负荷预测具有不准确性，为保　证系统安全，通常会预留一部分备用容量。由于调　节ＥＳＳ的充、放电功率相对容易［１　，且在紧急情　况下ＥＳＳ能够作为可中断的负荷或电源，因此ＥＳＳ　也可以给系统提供一定的旋转备用，即　Ｓｌ，ｆ　ＸＧｆ（ＳｕＴ１ｏ，Ｐｄ，ｍａｘ—Ｐｆ）ｍｉｎ＋　０（ＳｄＴ１ｏ，Ｐｄ．　一Ｐｆ）ｍｉ　；　（７）　Ｓ　．ｆ＝　Ｇｆ（Ｓｕ　Ｔ１０，Ｐｆ—Ｐｃ，咖）ｍｉｎ＋　Ｘ０（ＳｄＴ１０，Ｐｆ—Ｐ。．一）ｍｉ　．　（８）　式中：　和　：，　分别为ＥＳＳ提供的正、负旋转备　用；ｓ　和ｓｄ分别为ＥＳＳ向上和向下调节速度；　了１　。表示旋转备用的响应时间为１０　ｍｉｎ。　１．３常规约束　除ＥＳＳ模型中提到的约束条件之外，还包括　以下常规约束条件。　ａ）功率平衡约束　∑Ｐ　＋∑Ｐ　ｗ』＇ｆ＋Ｐ　＝Ｌ（　）．　（９）　第９期　罗玲，等：含储能系统和大型风电场并网电力系统机组组合研究　式中：Ｌ（ｔ）为系统在某时段ｔ的预测负荷；ｍ为　风电机组台数；Ｐｗ，　为风电机组　在时段ｔ的出　力。　ｂ）机组出力上下限约束　Ｐｉ，ｍｊ　己，　≤Ｐ　≤Ｐｌ，　Ｕｉ，ｆ；　（１０）　０≤Ｐｗｊ，　≤Ｐ　＇ｆ．　（１１）　式中：Ｐ　。～和Ｐ　分别为机组　出力的上、下　限；Ｐ　，　为风电机组　在ｔ时刻的预测出力值。　ｃ）旋转备用约束　尺　，＋［　≥Ｌ（ｔ）ＥＵＬ＋∑Ｐｗｙｊ，　ＥＵ聊；（１２）　产１　尺　ｆ＋　≥Ｌ（ｔ）Ｅ１）Ｌ．　（１３）　式中：尺　和Ｒ　分别为火电机组提供的向上和　向下旋转备用；ＥＵ狮为风场出力预测误差对正旋　转备用的需求；ＥＵ　和Ｅ１）　分别为负荷预测误差　对正、负旋转备用的需求。其中　Ｒ　＝∑（Ｐｆ，一一Ｐ　，ｒｕｉＴ１。）ｍｉ　Ｕ　；（１４）　＝１　Ｒ　＝∑（Ｐ　一Ｐｉ，ＩＴｌｉ　，ｒｄｉＴ１。）ｍｉ　Ｕ　．（１５）　式中：，　和ｒ　ｉ分别为火电机组　的爬坡和滑坡速　率。　ｄ）爬坡约束　ｆ　Ｐ　一Ｐ　１≤，．ｕｆＵｆ．ｆ一１＋Ｐ　，ｍｉｎ（Ｕ　一【，　一１）；　【Ｐｉ，　１一Ｐｉ，ｆ≤ｒｄｆＵｉ，ｒ＋Ｐｆ，。ｎｉｎ（Ｕｉ，　１一Ｕｉ，ｆ）．　（１６）　ｅ）机组最小启、停时间约束　ｒｓｔ，ｉ　∑（Ｕ　一１）＝０，　（１７）　其中Ｔ　ｓｔ’ｆ：ｍｉｎ｛Ｔ，（Ｔ　一７１　（０））Ｕ　｝；　ＨＴｉ．０ｎ　１　∑ｕｆ．ｊ≥Ｔｉ，ｏｎ（Ｕ　—Ｕ　一　），　（１８）　其中ｔ＝丁　＋１，Ｔ　ｓｔ，ｆ＋２，…，丁ｓｔＩｌ一丁　，０ｎ＋１；　∑［ｕ　一（ｕ　一ｕｆＩＪ　１）］≥０，　（１９）　其中ｔ＝Ｔ—Ｔ　，ｏｎ＋２，丁一丁　，０ｎ＋３，…，丁；　了１ｓＤ．ｉ　∑Ｕ　＝０，　（２０）　其中ＴｓＤ，ｆ＝ｍｉｎ｛Ｔ，（Ｔｉ，ｏｆｆ－Ｔ　ｒｉ，。ｆｆ（０））（１一Ｕｌ，ｏ）｝．　ＨＴｉ．０ｆｆ　ｌ　∑（１－Ｕｉ４）≥Ｔｉ，ｏｆｆ（Ｕ　１一ｕ　），（２１）　其中ｔ＝Ｔｓｐ，ｆ＋１，Ｔｓｐ，　＋２，…，丁ｓｐ，ｉ一丁ｆ，。ｆｆ＋１；　［１一　ｆ，　一（Ｕｉ，　一１一ｕ　，　）］≥０，（２２）　＝　其中ｔ＝Ｔ—Ｔ　．０ｔｆ＋２，Ｔ—Ｔｆ，。ｆｆ＋３，…，丁．　式中：丁　ｉ和丁　。，　为机组　的从调度周期开始时必　要的开、停机时间；Ｔ　和丁　是机组ｆ的最小　开、停机时间；丁　（０）和ｒ　，０ｆｒ（０）指机组ｉ从调　度周期开始时已经运行时间和关闭时间。　２优化问题的求解　含风电场和ＥＳＳ的机组组合优化模型是含０．１　变量的混合整数非线性优化（ｍｉｘｅｄ　ｉｎｔｅｇｅｒ　ｐｒｏ．　ｇｒａｍｍｉｎｇ，ＭＩＰ）问题，本文借鉴文献［１５１的思　想，提出一种分支定界和粒子群相结合的优化算法　来求解ＭＩＰ问题。　２．１分支定界法　分支定界法是求解ＭＩＰ问题的最常用方法，　其搜索策略主要有深度搜索法、广度搜索法和最优　搜索法。最优搜索法可以搜索出较高质量的解，但　是打开节点过多，需要较多的储存空间；深度搜索　法搜索速度快，但求得解的质量通常不高。为充分　利用深度搜索法的速度优势以及最优搜索法的精度　优势，本文采用将二者相结合的搜索策略，如图１　所示。　图１　深度搜索和最优搜索相结合的搜索策略　图１表示分支定界树，圆圈中的数字表示分支　的顺序。首先将整数变量松弛为实数变量，求出的　目标函数即为下界ｙ　。在每层某个节点分出２　个子问题，只保留分支目标函数较小的节点，目标　函数较大的节点和其目标函数存在待分支序列中。　这样就能很快的求出１个可行解，对应的目标函数　定义为当前解的上界ｙ一，如节点７。然后判断是　否满足收敛准则，即带分支序列中没有可分节点；　广东电力　第２６卷　表２风场及ＥＳＳ参数　（ｙ一一Ｙ　ｍｉ　）／ｙ～＜ｅ，ｓ为很小的数。　如果不满足收敛准则，则将待分支序列中目标　函数大于ｙ一的剔除，从中取出目标函数最小的　节点，将其更新为下界ｙ　，对该节点继续分支，　直到满足收敛准则。　２．２粒子群算法　每一次松弛后的ＵＣ问题变成非线性优化问　题，可采用粒子群优化算法（ｐａｒｔｉｃｌｅ　ｓｗａｒｍ　ｏｐｔｉ．　时段　１　２　３　４　５　６　７　表３风场预测出力及系统负荷　风能　１６２　１６３　１６６　１６８　１６２　１７０　１６８　ＭＷ　负荷　５９１　６３１　６６３　６８８　７０７　７１３　７２７　负荷　５５９　４９１　４７２　４６４　４５９　４５２　４４２　时段　１３　１４　１５　１６　１７　１８　１９　风能　１４２　１４８　９７　７２　４２　４２　５４　ｍｉｚａｔｉｏｎ，ＰＳＯ）来逼近最优解。该优化问题的决　策变量是Ｐ　、Ｐ　、以及松弛后的０．１变量Ｕ　和　Ｇ　、Ｘ０，对于含ｎ台火电机组和１套ＥＳＳ的电　力系统来说，其粒子维数为２４×（２ｎ＋３），粒子　的位置矩阵　ｒ　Ｐｌｌ１…Ｐｎ１　，ＵｌＩ】…　，１　Ｐ　１　ｘｏ１　１］　＝Ｉ：’．；　，！‘．！　ｉ　Ｉ　（１８）　８　１６８　４５９　２Ｏ　６３　７０６　Ｐ１Ｐ＿２４　Ｕ１．２４…　＿２４　Ｐｓ２４　Ｘｏ２４　Ｘｃ２４　２４＂＂９　１０　１４９　１３４　１２５　１２５　４６１　４９１　５３０　５６２　２１　２２　２３　２４　７４　７７　１０３　１３１　６８７　６９４　６７８　６３４　ＰＳＯ算法具体的迭代步骤见文献［－１６］。　１１　１２　３算例与分析　为验证本文所提优化模型及解法的可行性和合　理性，本文分别以某６机系统和ＩＥＥＥ　１０机３９节　３．１．１调度结果　为体现ＥＳＳ在经济调度中的作用，分别就ＥＳＳ　并网前后对机组组合进行比较。风场所需的备用容　量为其预测出力的１５％；负荷所需正、负旋转备　用为其预测值的３％。表４为ＥＳＳ并网前后最小发　电总成本的对比；表５为考虑了ＥＳＳ时机组调度　结果（表中黑体字表示该时段的变化）。　点系统为例进行仿真计算。　３．１　某６机系统　火电机组参数见表１，其中ａ、ｂ、ｃ为发电　机的耗量特性系数。ＥＳＳ参数见表２，该套ＥＳＳ已　完成投资回报，不考虑维护费用。在调度周期内各　时段的负荷及风场出力见表３。　表１火电机组参数　注：Ｐ　为机组最大出力，Ｐ　ｍｉ　为机组最小出力；，　为机组爬坡速率；，ｄ为机组滑坡速率；ｆ０ｎ．　和ｔｏｆｆ．　ｉ　分别表示调度机组的最小开、　停机时间；ｔｔｏｎ和ｔ　０ｆｆ分别表示调度周期开始时机组已运行（关闭）的时间。　第９期　罗玲，等：含储能系统和大型风电场并网电力系统机组组合研究　表４　ＥＳＳ并网前后优化结果对比　及负荷预测的不准确性对正旋转备用的需求。常规　系统类型　发电总成本／万元　系统的旋转备用是由火电机组提供的，受其爬坡、　滑坡速率以及最大、最小功率的，其提供的旋　转备用容量有限；ＥＳＳ并网后，由于ＥＳＳ能作为　可中断的负荷或电源从系统切除，并且其充、放电　由表５可知本文所提的优化模型能够实现ＥＳＳ　功率的调节较为容易。因此ＥＳＳ的引入可提供一　的充、放电：在负荷较低但风能较为充足的１—１４　部分旋转备用，使得系统在相同工况下提高了容纳　时段进行充电，在负荷较高的１５—２４时段进行放　风电的能力。同样，ＥＳＳ能够提高系统的负旋转备　电。ＥＳＳ的引入起到了峰谷调节功能，降低了系统　容量。　成本。　—◆－风电和负荷对正旋转备用的需求　３．１．２计算结果分析　麓糕无ＥＳＳＢ＇￣系统提供的正旋转备用　ａ）对运行成本的影响。图２为火电机组的边　＿有ＥＳＳ时系统提供的正旋转备用　际成本曲线，ＥＳＳ接入后，可以在负荷较低时储　能，负荷较高时释能，从而平滑了火电机组的边际　成本曲线，降低了火电机组的运行费用。由表４可　以看出，ＥＳＳ并网后，系统最小运行成本从５３９．５　≥　删谗暖雌　万元下降到５３８．０万元，节约了１．５万元的成本，瑚　　∞　∞　０　将整个电力系统的一次能源耗量降低了０．２８％。　时间ｍ　ｌ　图３　ＥＳＳ并网前后系统的正旋转备用容量　将　ｃ）对系统调峰的影响。对比表５和图３，ＥＳＳ　并网前，由于其他机组无法提供系统所需的正旋转　备用，机组４必须开机以提供一定的备用容量；　ＥＳＳ引入后，调峰机组１的运行时间减小了４　ｈ；　时间ｍ　机组４的运行时间减少了１２　ｈ；机组５的运行时间　图２火电机组的边际成本　减少了１ｈ。由此可知，ＥＳＳ的引入有效减少了调　峰机组的运行时间。　ｂ）对旋转备用的影响。图３中的柱状图为　３．２　ＩＥＥＥ１０机３９节点系统　ＥＳＳ并网前后系统提供的正旋转备用，曲线为风电　采用某１０机３９节点系统来验证本文所提出的　表５考虑ＥＳＳ时１—６台机组的经济调度结果　广东电力　第２６卷　机组组合模型及其解法。该系统含有１个风电场和　１套ＥＳＳ；该ＥＳＳ可以是１台或者多台储能电池的　组合；火电机组的参数见文献［１７］。日负荷和风电　场出力预测值见表１，ＥＳＳ特性参数见表２。　ＥＳＳ投入前，最优成本为９６２　６３０美元，机组　出力见表３；ＥＳＳ并网后，由于其调峰作用运行成　本仅为７５１　２０５美元，各机组出力见表４。　４结束语　本文在传统经济调度的基础上，考虑了机组　开、停机的影响，并在含风电的机组组合模型中引　入ＥＳＳ，建立了混合整数非线性优化模型。在求解　过程中采用分支定界法与法改进粒子群算相结合的　策略来对该优化模型进行求解。通过某６机系统和　某１０机系统的算例验证该模型的有效性和解法的　可行性。结果表明，该优化模型能够实现机组的最　优开、停机组合以及负荷的最优分配。ＥＳＳ的引入　有效降低了系统的运行成本，增加了系统可调用的　旋转备用容量，具有一定的峰谷调节功能。但是，　在本文的ＭＩＰ模型中，并没有体现风电在节能减　排方面的影响，也没有考虑网络的安全约束，这在　今后的工作中需要进一步的研究和完善。　参考文献：　［１］ｕｓ　Ｄｅｐａｒｔｍｅｎｔ　ｏｆ　Ｅｎｅｒｇｙ：ｈｔｔｐ：＃ｗｗｗ．ｅｅｒｅ　ｅｎｅｒｇｙ．ｇｏｖ／，　ａｃｃｅｓｓｅｄ　Ｓｅｐｔｅｍｂｅｒ，２０１０　Ｆ２］Ｎａｔｉｏｎａｌ　Ｒｅｎｅｗａｂｌｅ　Ｅｎｅｒｇｙ　Ｌａｂｏｒａｔｏｒｙｔ　ｈｔｔｐｔ　ｆ，　ｗｗｗ．ｎｒｅ１．ｇｏｖ，ａｃｃｅｓｓｅｄ　Ｓｅｐｔｅｍｂｅｒ，２０１０．　Ｅ３３　ＰＯＴＴＥＲ　Ｃ　Ｗ，ＮＥＧＮＥＶＩＴｓＫＹ　Ｍ　Ｖｅｒｙ　Ｓｈｏｒｔ－ｔｅｒｍ　ｗｉｎｄ　Ｆｏｒｅｃａｓｔｉｎｇ　ｆｏｒ　Ｔａｓｍａｎｉａｎ　Ｐｏｗｅｒ　Ｇｅｎｅｒａｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ－　ａｃｔｉｏｎｓ　ｏｎ　Ｐｏｗｅｒ　Ｓｙｓｔｅｍｓ，２００６，２１（２）：９６５－９７２．　Ｅ４］张宜阳，卢继平，孟洋洋．基于经验模式分解和混沌相空间重　构的风电功率短期预测ｒ－Ｊ］．电力系统自动化，２０１２，３６（５）：　２４—２８．　ＺＨＡＮＧ　Ｙｉｙａｎｇ，ＬＵ　Ｊｉｐｉｎｇ・ＭＥＮＧ　Ｙａｎｇｙａｎｇ．Ｗｉｎｄ　Ｐｏｗｅｒ　Ｓｈｏｒｔ－ｔｅｒｍ　Ｆｏｒｅｃａｓｔｉｎｇ　Ｂａｓｅｄ　ｏｎ　Ｅｍｐｉｒｉｃａｌ　Ｍｏｄｅ　Ｄｅｃｏｍｐｏｓｉ－　ｔｉｏｎ　ａｎｄ　Ｃｈａｏｔｉｃ　Ｐｈａｓｅ　Ｓｐａｃｅ　ＲｅｃｏｎｓｔｒｕｃｔｉｏｎｌＪ］．Ａｕｔｏｍａｔｉｏｎ　ｏｆ　Ｅｌｅｃｔｒｉｃ　Ｐｏｗｅｒ　Ｓｙｓｔｅｍｓ，２０１２，３６（５）：２４．２８．　Ｅｓ］陈海焱，陈金富，段献忠．含风电场电力系统积极调度的模糊　建模及优化方法［Ｊ］．电力系统自动化，２００６，３０（２）：２２—　２６．　ＣＨＥＮ　Ｈａｉｙａｎ，ＣＨＥＮ　Ｊｉｎｆｕ，ＤＵＡＮ　Ｘｉａｎｚｈｏｎｇ．Ｆｕｚｚｙ　Ｍｏｄ—　ｃｌｉｎｇ　ａｎｄ　Ｏｐｔｉｍｉｚａｔｉｏｎ　Ａｌｇｏｒｉｔｈｍ　ｏｎ　Ｄｙｎａｍｉｃ　Ｅｃｏｎｏｍｉｃ　Ｄｉｓ—　ｐａｔｃｈ　ｉｎ　Ｗｉｎｄ　Ｐｏｗｅｒ　Ｉｎｔｅｇｒａｔｅｄ　Ｓｙｓｔｅｍ［Ｊ］Ａｕｔｏｍａｔｉｏｎ　ｏｆ　Ｅ－　ｌｅｃｔｒｉｃ　Ｐｏｗｅｒ　Ｓｙｓｔｅｍｓ，２００６，３０（２）：２２－２６　［６］周明，冉瑞江，李庚银．风电并网系统可用输电能力的评估　＿Ｊ］．中国电机工程学报，２０１０，３０（２２）：１４—２１．　ＺＨＯＵ　Ｍｉｎｇ，ＲＡＮ　Ｒｕｉｊｉａｎｇ，ＬＩ　Ｇｅｎｇｙｉｎ．Ａｓｓｅｓｓｍｅｎｔ　ｏｎ　Ａ－　ｖａｉｌａｂｌｅ　Ｔｒａｎｓｆｅｒ　Ｃａｐａｂｉｌｉｔｙ　ｏｆ　Ｗｉｎｄ　Ｆａｒｍ　Ｉｎｃｏｒｐｏｒａｔｅｄ　Ｓｙｓ－　ｔｅｍ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＣＳＥＥ，２０１０，３０（２２）：１４・２１．　Ｅ７３　ＡＴＴＡＶＩＲＩＹＡＮｕＰＡＰ　Ｐ．ＫＩＴＡ　Ｈ。ＴＡＮＡＫＡ　Ｅ．ｅｔ　ａ１．Ａ　Ｈｙｂｒｉｄ　ＥＰ　ａｎｄ　ＳＱＰ　ｆｏｒ　Ｄｙｎａｍｉｃ　Ｅｃｏｎｏｍｉｃ　Ｄｉｓｐａｔｃｈ　ｗｉｔｈ　Ｎｏｎ．ｓｍｏｏｔｈ　Ｆｕｅｌ　Ｃｏｓｔ　Ｆｕｎｃｔｉｏｎ［Ｊ］．ＩＥＥＥ　Ｔｒａｎｓ．ｏｎ　Ｐｏｗｅｒ　Ｓｙｓｔｅｍｓ，２００２，３０（２）：２２－２６．　Ｅ８］ＤＡＭＯＵＳＩＳ　Ｉ　Ｇ．ＢＡＫＩＲＺＩＳ　Ａ　Ｇ．ＤＯＫＯＰＯＵＬＯＳ　Ｐ　Ｓ．Ｎｅｔｗｏｒｋ　Ｃｏｎｓｔｒａｉｎｅｄ　Ｅｃｏｎｏｍｉｃ　Ｄｉｓｐａｔｃｈ　Ｕｓｉｎｇ　Ｒｅａｌ　Ｃｏｄｅｄ　Ｇｅｎｅｔｉｃ　Ａｌｇｏｒｉｔｈｍ［Ｊ］ＩＥＥＥ　Ｔｒａｎｓ．ｏｎ　Ｐｏｗｅｒ　Ｓｙｓｔｅｍｓ，２００３，　１８（１）：１９８．２０５　［９３　ＪＯＨＵ　Ｈ。ＤＡＶＩＤ　Ｃ。ＫＡＬＵ　Ｂ．Ａｎ　Ｅｃｏｎｏｍｉｃ　Ｄｉｓｐａｔｃｈ　Ｍｏｄｅｌ　ｉｎ　Ｃｏｏｐｅｒａｔｉｎｇ　Ｗｉｎｄ　Ｐｏｗｅｒ［Ｊ］ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｅｎｅｒｇｙ　Ｃｏｎｖｅｒｓｉｏｎ，２００８，２３（２）：６０３—６１１．　［１Ｏ］孙元章，吴俊，李国杰．基于风速预测和随机规划的含风电　场电力系统动态经济调度［Ｊ］．中国电机工程学报，２００９，２９　（４）：４１—４７．　ＳＵＮ　Ｙｕａｎｚｈａｎｇ，ｗｕ　Ｊｕｎ，ＬＩ　Ｏｕｏｊｉｅ　Ｄｙｎａｍｉｃ　Ｅｃｏｎｏｍｉｃ　Ｄｉｓｐａｔｃｈ　Ｃｏｎｓｉｄｅｒｉｎｇ　Ｗｉｎｄ　Ｐｏｗｅｒ　Ｐｅｎｅｔｒａｔｉｏｎ　Ｂａｓｅｄ　ｏｎ　Ｗｉｎｄ　Ｓｐｅｅｄ　Ｆｏｒｅｃａｓｔｉｎｇ　ａｎｄ　Ｓｔｏｃｈａｓｔｉｃ　Ｐｒｏｇｒａｍｍｉｎｇ［Ｊ］．Ｐｒｏｃｅｅｄ－　ｉｎｇｓ　ｏｆ　ｔｈｅ　ＣＳＥＥ，２０１２，１（５）：４７－５５　［１１］周玮，孙辉，顾宏．计及风险备用约束的含风电场电力系统动　态经济调度ｌＪ］．中国电机工程学报，２０１２，１（５）：４７—５５．　ＺＨＯＵ　Ｗｅｉ，ＳＵＮ　Ｈｕｉ，ＧＵ　Ｈｏｎｇ．Ｄｙｎａｍｉｃ　Ｅｃｏｎｏｍｉｃ　Ｄｉｓ—　ｐａｔｃｈ　ｏｆ　Ｗｉｎｄ　Ｉｎｔｅｇｒａｔｅｄ　Ｐｏｗｅｒ　Ｓｙｓｔｅｍｓ　Ｂａｓｅｄ　ｏｎ　Ｒｉｓｋ　Ｒｅ－　ｓｅｒｖｅ　Ｃｏｎｓｔｒａｉｎｔｓ［Ｊ］．Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ｔｈｅ　ＣＳＥＥ，２０１２，１（５）：　４７．５５　［１２］ＤＡＮＥＳＨＩ　Ｈ，ＳＲＩＶＡＳＴＡＶＡ　Ａ　Ｋ．Ｓｅｃｕｒｉｔｙ－ｃｏｎｓｔｒａｉｎｅｄ　Ｕｎｉｔ　Ｃｏｍｍｉｔｍｅｎｔ　ｉｎ　ａ　Ｓｙｓｔｅｍ　ｗｉｔｈ　Ｗｉｎｄ　Ｇｅｎｅｒａｔｉｏｎ　ａｎｄ　Ｃｏｍ－　ｐｒｅｓｓｅｄ　Ａｉｒ　Ｅｎｅｒｇｙ　Ｓｔｏｒａｇｅ［Ｊ］ｌＥＴ　Ｇｅｎｅｒａｔｉｏｎ，Ｔｒａｎｓｍｉｓ・　ｓｉｏｎ＆Ｄｉｓｔｒｉｂｕｔｉｏｎ，２０１２，６（２）：１６７．１７５．　［１３］韩涛，卢继平，乔梁．大型并网风电场储能容量优化方案　＿Ｊ］．电网技术，２０１０，３４（１）：１７０—１７３．　ＨＡＮ　Ｔａｏ，ＬＵ　Ｊｉｐｉｎｇ，ＱＩＡＯ　Ｌｉａｎｇ．Ｏｐｔｉｍｉｚｅｄ　Ｓｃｈｅｍｅ　ｏｆ　Ｅｎｅｒｇｙ－－ｓｔｏｒａｇｅ　Ｃａｐａｃｉｔｙ　ｆｏｒ　Ｇｒｉｄ・－ｃｏｎｎｅｃｔｅｄ　Ｌａｒｇｅ—・ｓｃａｌｅ　Ｗｉｎｄ　Ｆａｒｍ［Ｊ］Ｐｏｗｅｒ　Ｓｙｓｔｅｍ　Ｔｅｃｈｎｏｌｏｇｙ，２０１０，３４（１）：　１７０．１７３．　［１４３　ＷＩＩＫ　Ｊ，ＧＪＥＲＤＥ　Ｊ　Ｏ，ＧＪＥＮＧＥＤＡＬ　Ｔ，ｅｔ　ａ１．Ｓｔｅａｄｙ　Ｓｔａｔｅ　Ｐｏｗｅｒ　Ｓｙｓｔｅｍ　Ｉｓｓｕｅｓ　ｗｈｅｎ　Ｐｌａｎｎｉｎｇ　Ｌａｒｇｅ　Ｗｉｎｄ　Ｆａｒｍｓ［Ｃ］／／　ＩＥＥＥ　Ｐｏｗｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｓｏｃｉｅｔｙ　Ｗｉｎｔｅｒ　Ｍｅｅｔｉｎｇ．Ｎｅｗ　Ｙｏｒｋ：　Ｉｓ．ｎ．］，２００２．　［１５］谢毓广，江晓东．储能系统对含风电的机组组合问题影响分　析ⅢＪ］．电力系统自动化，２０１１，３５（５）：１９—２４．　ＸＩＥ　Ｙｕｇｕａｎｇ，ＪＩＡＮＧ　Ｘｉａｏｄｏｎｇ．Ｉｍｐａｃｔ　ｏｆ　Ｅｎｅｒｇｙ　Ｓｔｏｒａｇｅ　Ｓｙｓｔｅｍ　ｏｎ　ｔｈｅ　Ｕｎｉｔ　Ｃｏｍｍｉｔｍｅｎｔ　Ｐｒｏｂｌｅｍ　ｗｉｔｈ　Ｖｏｌａｔｉｌｅ　Ｗｉｎｄ　Ｐｏｗｅｒ［Ｊ］Ａｕｔｏｍｅｔｉｏｎ　ｏｆ　Ｅｌｅｃｔｒｉｃ　Ｐｏｗｅｒ　Ｓｙｓｔｅｍ，２０１　１，３５　（５）：１９　２４．　（下转第８４页）　广东电力　第２６卷　目前大多数智能电子设备的局限性，只有通过网关　用ＥＪ］．电工技术，２０１１，１（５）：９—１１．　ＲＥＮ　Ｋｅｙｉｎｇ，ＷＡＮＧ　Ｗｅｉ，ＳＵＮ　Ｗｅｉｈｏｎｇ　ＤＣ　Ｍｏｎｉｔｏｒｉｎｇ　的方式来实现Ｍｏｄｂｕｓ到ＩＥＣ　６１８５０的通信，这是　当前一个过渡阶段，在不久的将来会按照ＩＥＣ　６１８５０的标准做成内嵌式，去除网关，成为真正的　ＩＥＤ。去除网关之后，减少了一个环节，可靠度会　有大幅提升。　参考文献：　［１］陈力，孙嘉，牛强．智能变电站集成一体化方案的应用研究　［Ｊ］．电力系统，２０１０，８（８９）：１４—１８．　ＣＨＥＮ　Ｌｉ，ＳＵＮ　Ｊｉａ，ＮＩＵ　Ｑｉａｎｇ．Ｒｅｓｅａｒｃｈ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｎ　Ｓｍａｒｔ　Ｓｕｂｓｔａｔｉｏｎ　ｗｉｔｈ　Ｉｎｅｒｇｒａｔｉｏｎａｌ　Ｐｒｏｔｅｃｔｉｏｎ　ａｎｄ　Ｍｅａ　ｓｔｔｒｅｍｅｎｔ　Ｓｙｓｔｅｍ　Ｕｓｅｄ　ｉｎ　Ｕｎｍａｎｎｅｄ　ｏｎ　Ｄｕｔｙ　Ｓｔａｔｉｏｎ　ＦＪ］．Ｅｌｅｃｔｒｏｔｅｃｈ－　ｎｏｌｏｇｙ，２０１１，１（５）：９－１１．　［７］张晓华，刘跃新，刘永欣智能变电站二次设备的状态监测技　术研究＿Ｊ］．电气技术，２０１１，４（４２）：１２—１３　ＺＨＡＮＧ　Ｘｉａｏｈｕａ，ＬＵＥ　Ｙｕｅｘｉｎ，ＬＩＵ　Ｙｏｎｇｘｉｎ．Ｓｔｕｄｙ　ｏｎ　Ｃｏｎｄｉｔｉｏｎ　Ｍｏｎｉｔｏｒｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ　Ｔｗｏ　Ｅｑｕｉｐｍｅｎｔ　ｉｎ　Ｓｍａｒｔ　Ｓｕｂｓｔａｔｉｏｎ［Ｊ］．Ｅｌｅｃｔｒｉｃａｌ　Ｔｅｃｈｎｏｌｏｇｙ，２０１　１，４（４２）：１２—１３．　７８］郑峰．基于ＩＥＣ　６１８５０的智能变电站自动化系统时间同步方案　研究＿Ｊ］．科技信息，２０１１，２２（１０５）：５２—５４．　ＺＨＥＮＧ　Ｆｅｎｇ　Ｒｅｓｅａｒｃｈ　ｏｎ　Ｔｉｍｅ　Ｓｙｎｃｈｒｏｎｉｚａｔｉｏｎ　Ｓｃｈｅｍｅｓ　Ｓｍａｒｔ　Ｓｕｂｓｔａｔｉｏｎ　Ａｕｔｏｍａｔｉｏｎ　Ｓｙｓｔｅｍ　Ｂａｓｅｄ　ｏｎ　ＩＥＣ　６１８５０［Ｊ］．　Ｓｃｉｅｎｃｅ　Ｔｅｃｈｎｏｌｏｇｙ　Ｉｎｆｏｒｍａｔｉｏｎ，２０１　１，２２（１０５）：５２—５４．　ｍＤ［Ｊ］Ｅｌｃｔｒｉｅｃ　Ｐｏｗｅｒ　Ｓｙｓｔｅｍ，２０１０，８（８９）：１４—１８．　［２］陆居周．智能变电站技术特点的研究＿Ｊ］电力建设，２０１１，２　（１１０）：１４—１６．　ＬＵ　Ｊｕｚｈｏｕ．Ｓｔｕｄｙ　ｏｎ　ｔｈｅ　Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　Ｓｍａｒｔ　Ｓｕｂｓｔａｔｉｏｎ　［９］王德文，阎春雨，毕建刚变电站状态监测通信网关中Ｍｏｄｂ－　ＵＳ与ＩＥＣ　６１８５０的映射方法ｌ＿Ｊ］电力系统自动化，２０１２，３６　（７９）：１—２．　ＷＡＮＧ　Ｄｅｗｅｎ，ＹＡＮ　Ｃｈｕｎｙｕ，ＢＩ　Ｊｉｎｇａｎｇ．Ｍａｐｐｉａｎｇ　Ｍｅｔｈｏｄ　ｆｏｒ　Ｓｕｂｓｔａｔｉｏｎ　Ｍｏｎｉｔｏｒｉｇ　Ｃｏｍｍｕｎｉｎａｔｃｉｏｎ　Ｇａｔｅｗａｙ　Ｍｏｄｂｕｓ　ａｎｄ　ＩＥＣ　＿Ｊ］．Ｐｏｗｅｒ　Ｃｏｎｓｔｒｕｃｔｉｏｎ，２０１１，２（１１０）：１４－１６　［３］孙大为，王野腾，原国胜．从技术性、经济性看智能变电站发　展前景＿Ｊ］．黑龙江科技信息，２０１２，２７（９０）：１０—１１　ＳＵＮ　Ｄａｗｅｉ，ＷＡＮＧ　Ｙｅｔｅｎｇ，ＹＵＡＮ　Ｇｕｏｓｈｅｎｇ．Ｆｒｏｍ　ｔｈｅ　Ｅ—　ｃｏｎｏｍｉｃ　Ｖｉｅｗ　ｏｆ　Ｔｅｃｈｎｏｌｏｇｙ，ｔｈｅ　Ｐｒｏｓｐｅｃｔｓ　ｆｏｒ　ｔｈｅ　Ｄｅｖｅｌｏｐ－　６１８５０［Ｊ］．Ｐｏｗｅｒ　Ｓｙｓｔｅｍ　Ａｕｔｏｍａｔｉｏｎ，２０１２，３６（７９）：１－２．　［１０］国家电网公司．变电设备在线监测系统技术总则Ｉｓ］北京：　国家电网公司，２０１１．　ｍｅｎｔ　ｏｆ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｓｕｂｓｔａｔｉｏｎ［Ｊ］．Ｈｅｉｌｏｎｇｊｉａｎｇ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｉｎｆｏｒｍａｔｉｏｎ，２０１２，２７（９０）：１０－１１　［４］林海珊浅谈智能技术在变电站中应用［Ｊ］．科技创新与应用，　作者简介：　２（）１２，３４（２３）：４３—４４．　ＬＩＮ　Ｈａｉｓｈａｎ．Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｔｅｃｈｎｏｌｏｇｙ　ｉｎ　Ｓｕｂｓｔａ－　ｔｉｏｎ［Ｊ］Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ　Ｉｎｎｏｖａｔｉｏｎ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ，　２Ｏ１２，３４（２３）：４３．４４．　费世刚（１９８７），男，湖北黄石人。在读硕士研究生，主要研究　方向为电力系统自动化。　Ｅ５］彭立波．集中式保护装置在智能变电站中的应用［Ｊ］科技与　企业，２（｝１２，１６（１２１）：１—２．　ＰＥＮＧ　Ｌｉｂｏ　Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｃｅｎｔｒａｌｉｚｅｄ　Ｐｒｏｔｅｃｔｉｏｎ　Ｄｅｖｉｃｅｓ　ｉｎ　刘冲（１９６６），男，湖南衡ＰＥＩＡ．。副教授，工学博士，主要研究　方向为工业自动化、核测控理论与方法。　游浩云（１９７３），男，广东珠海人。工程师，主要研究方向为电　力系统自动化。　Ｓｍａｒｔ　Ｓｕｂｓｔａｔｉｏｎ［Ｊ］．Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ｂｕｓｉｎｅｓｓ，２０１２，１６　（１２１）：１－２．　［６］任克英，王伟，孙伟红直流在线监测系统在无人值班站的应　（编辑彭艳）　（上接第６６页）　［１６］ＲＡＧＬＥＮＤ　Ｉ　Ｊ，ＰＡＤＨＹ　Ｎ　Ｐ　Ｓｏｌｕｔｉｏｎｓ　ｔｏ　Ｐｒａｃｔｉｃａｌ　Ｕｎｉｔ　Ｃｏｍｍｉｔｍｅｎｔ　Ｐｒｏｂｌｅｍｓ　ｗｉｔｈ　Ｏｐｅｒａｔｉｏｎａｌ，Ｐｏｗｅｒ　Ｆｌｏｗ　ａｎｄ　作者简介：　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｃｏｎｓｔｒａｉｎｔｓ［Ｃ］ｆｆ　Ｐｒｏｃｅｅｄｉｎｇｓ　ｏｆ　ＩＥＥＥ　Ｐｏｗｅｒ　Ｅｎｇｉｎｅｅｒｉｎｇ　Ｓｏｃｉｅｔｙ　Ｇｅｎｅｒａｌ　Ｍｅｅｔｉｎｇ，Ｍｏｎｔｒｅａｌ，Ｃａｎａｄａ：　ＩＥＥＥ，２００２．　罗玲（１９７４），女，重庆人。高级工程师，工学硕士，研究方向　为电力系统运行与控制。　龚建原（１９８８），男，河南商丘人。工学硕士，研究方向为电力　系统及其自动化。　［１７］李智，张新松，郭晓丽．大规模风电接入火电系统的最优旋　转备用容量研究＿Ｊ］．电力系统保护与控制，２０１２，４０（１３）：　１１０—１１４．　谢应昭（１９８７），男，重庆人。博士研究生，研究方向为电力系　统保护与控制。　ＬＩ　Ｚｈｉ，ＺＨＡＮＧ　Ｘｉｎｓｏｎｇ，ＧＵＯ　Ｘｉａｏｌｉ　Ｓｔｕｄｙ　ｏｎ　ｔｈｅ　Ｏｐｔｉｍａｌ　Ｓｐｉｎｎｉｎｇ　Ｒｅｓｅｒｖｅ　ｉｎ　Ｔｈｅｒｍａｌ　Ｐｏｗｅｒ　Ｓｙｓｔｅｍ　ｗｉｔｈ　Ｓｉｇｎｉｆｉｃａｎｔ　（编辑查黎）　Ｗｉｎｄ　Ｐｏｗｅｒ　Ｐｅｎｅｔｒａｔｉｏｎ［Ｊ］．Ｐｏｗｅｒ　Ｓｙｓｔｅｍ　Ｐｒｏｔｅｃｔｉｏｎ　ａｎｄ　Ｃｏｎｔｒｏｌ，２０１２．４０（１３）：１１０．１　１４