基于复杂适应系统原理，通过供需双方资源的调度过程反映电力系统运行

摘要： 针对电力系统发展规划、需求侧管理、电力市场的理论和模拟研究工作对时序性、互动性、随机性生产模拟的需要，在智能工程的空间基础和方法工具支持下，根据复杂适应系统框架建立了生产模拟模型。模型通过用户需求模块、电网企业调度模块、电力市场模块和电源企业生产模块模拟电力系统的不同环节和功能，利用k-means聚类法、整数规划法等算法，模型实现了对系统的生产模拟，模拟结果与实际数据差异在可接受范围之内，可以在电力发展规划、需求侧管理、电力市场等相关分析研究方面起到一定支撑作用。

0引言

电力系统随机生产模拟是在考虑机组的随机故障及电力负荷随机性的情况下，通过模拟和优化发电机组的生产运行，计算系统在最优运行方式下不同发电机组的发电量、可靠性指标以及生产成本指标等的算法[1]。当前，随着资源禀赋、环境污染和气候问题的日益严峻，以及清洁能源的大规模发展，提高了对时序性、互动性、随机性电力系统生产模拟技术的需求。目前，已有文献对其进行了研究，文献[2]围绕电力系统生产模拟中可再生能源的不确定性问题，通过多场景随机规划理论反映可再生能源的不确定性，建立了随机规划数学模型模拟系统运行，并采用Benders分解法进行求解。文献[3]、文献[4]基于序列运算，探索了适用于综合资源规划和电力市场的随机生产模拟方法，提出了基于序列运算理论的随机生产模拟。文献[5]将需求侧的能效电厂纳入生产模拟的研究范围，为电力系统双向互动的生产模拟提供了方向。文献[6]根据智能工程理论，用Agent模拟的方法描述机组和能效电厂，实现了能效电厂运行的电力系统生产Agent模拟，并证明了有效性。

本文将在以往研究的基础上，将电力系统分为发-输-配-用几个环节，基于复杂适应系统原理，通过供需双方资源的调度过程反映电力系统运行，以可靠性为约束条件，考虑发电元件的随机性，在可计及多态机组的情况下，建立包含传统能源和可再生能源的电力系统时序生产模拟模型，并对模型进行求解。通过模型计算结果与电力发展的实际数据进行对比，证明其在电力发展规划和分析研究方面的支撑性作用。

1复杂适应系统理论

复杂适应系统（Complex Adaptive System，CAS）是指由两个以上按照一定规则或模式进行相互作用的行为主体所组成的复杂动态系统[7]，具有以下特点：(1)复杂适应系统强调主体(Agent)的主动性，即Agent有各自的知识和目标等属性，由于属性不同，在相同环境下不同Agent可能表现出不同的行为方式；(2)复杂适应系统认为Agent之间，及Agent与环境之间存在交互、影响、反馈等作用，这些作用的综合结果是系统进化、演变的动力和原因；(3)不同主体通过特定规则相互联系形成系统，而系统又在更宏观的层面作为“Agent”与其他“Agent”交互成新系统[8]。一个基于智能工程的简单复杂适应系统模型中包含外部环境、上层系统、协调系统和下层系统，这里不同的系统层级可以是单一Agent，也可以由多个Agent组成的系统。图1展示了一个各部分都由单一Agent组成的复杂适应系统。

图1中，上层系统和下层系统依据自身的目标，按照知识库和规则根据外部环境的变化进行调整；协调层感知上下两层的状态，若上下两层中的单个目标超出允许的阈值范围，协调层感知状态的变化并协调上下两层进行调整，并将协调后的状态返回给上下两层，使其再次进行调整直至整体达到最优状态并将结果返回给外部环境，保证整体的向目标或最优方向进化。

2复杂适应系统生产模拟模型

2.1系统模型

电力系统运行的过程实际上是供给侧电源系统与需求侧电力负荷的供需匹配过程。要实现这一过程需要发电企业、电网企业、电力市场和用户四个环节的协调配合。因此，基于复杂适应系统的电力系统生产模拟模型由4个模块模拟电力系统功能：发电企业模块、电网企业模块、电力市场模块和用户需求模块，其结构如图2。

2.1.1 用户需求模块

用户需求模块作为其他模块需要适应的外部环境功能存在，模拟了电力用户的用电特征和规律。其核心功能是根据生产模拟需要为其他模块提供电力负荷需求信息，用户需求模块的变化是系统发展的动力以及其他模块产生生产行为的目的。

本文的生产模拟以小时为时间尺度，模拟目标年全年8 760小时为模拟周期。根据模型的功能要求，电力负荷变化的特征计算公式如下：

其中，E为预测电量；P为每个时间点的负荷，P=α×Pmax，Pmax为系统最大负荷，α为负荷的标幺值。将最大负荷和负荷特征分开，可以方便对不同周期或时间跨度的电力系统进行分析。

2.1.2 电力生产模块

电力生产模块模拟不同的发电机组，包括：火电、水电、天然气、风电、光伏和核电，其主要功能为计算和调整不同机组的发电成本并将结果发送至其他模块；根据可再生能源特征信息生成其各小时的出力状态；最后根据发电计划进行生产模拟，计算污染物排放量、可再生能源弃电率等指标。具体的机组报价计算和调整的原则如下：

将发电机组i每小时的成本函数表示为二次函数，即：

(1)风电

风电的出力呈现随机性，本文采用双参数的威布尔分布来表述风速的概率密度，而风机的出力主要由风轮机轮毂高度处的风速来决定，其具体关系为：

2.1.3 电网调度模块

电网调度模块以最小碳排放或最小运行成本为目标，根据电力市场模块计算的出清价格以及电力生产模块共享的机组装机规模、报价，根据负荷信息，统计电力供需情况，安排发电计划；最后根据电网约束条件，在时间周期T内计算电力不足概率（Loss of Load Probability，LOLP）和电力不足期望值（Expected Energy Not Served，EENS），计算公式如下：

2.1.4 电力市场模块

电力市场模块的功能为计算电力出清价格及模拟电力辅助服务市场生成机组停运概率矩阵。在不考虑网络约束的平衡交易市场中，用户以购电成本C最小化为目标，即

求导可得拉格朗日乘子λ为用户购电成本的最小化条件为

将其与功率平衡方程联立求解可以得到系统的市场出清价格以及个发电厂商的发电出力。

电力辅助服务市场方面，考虑常规机组的强迫停运，在模拟时先对其的运行状态进行抽样，然后通过多次模拟系统运行来对随机强迫停运进行近似模拟，其目标函数如下：

上述模型的计算流程如图3。

3算例分析3.1数据和相关参数设定

模型通过Java和Python编程实现。为了简化计算，生产模拟输入的数据中，最大负荷量、负荷需求、可再生能源出力特征、不同机组的初始规模等需要设定初始值，成本参数、补贴参数、电力生产的排放系数、机组运行小时数等均考虑为常量。

3.1.1 风光出力数据

本文从统计学的角度出发，收集不同地区风、光能统计和历史数据，建立风光出力模型。根据数据统计结果，以坐标轴的横坐标为可再生能源的出力水平，纵坐标为出力水平相应概率，得到的风能/太阳能模拟月度出力特性如图4。

3.1.2 生产模拟数据

模型考虑的电源机组类型包括：水电、煤电、天然气、核电、风电和太阳能。根据2016年中国的电力结构，其净发电量为59 747亿千瓦时，总发电装机容量为165 051万千瓦，其中，煤电94 624万千瓦、气电7 011万千瓦、水电33 207万千瓦、风电14 747万千瓦、核电3 364万千瓦、太阳能7 631万千瓦。

3.2计算结果

在2016年装机结构下，不同类型机组的年发电量、年利用小时数模拟与实际值的对比结果，以及年运行费用结果如表1。生产模拟计算的失负荷小时数、失负荷率、弃电量、弃电率等可靠性指标与实际情况的对比结果如表2。 

2016年的电力装机结构下进行的8 760小时的生产模拟并在结果中分别选取冬季和夏天的典型周模拟结果显示如图5。

3.3结果分析

模拟结果与实际年总发电量的相对误差约-5.05%，火电、水电、天然气、风电、太阳能和核电的相对误差分别为-16.47%、-17.36%、46.23%%、41.64%、65.51%、-4.14%。同时，根据《中国电力行业年度发展报告2017》来看，2016年全国户均停电时间为17.11小时，供电可靠率为99.81%；而生产模拟结果中的年度停电时间为20.23小时，供电可靠率为99.78%。

从生产模拟结果可知，煤电机组在当前的系统中仍然占据主导地位，煤电出力水平占整体的50%以上。可再生能源弃电很大程度上是由于在负荷低谷时段可再生能源出力激增，而其他常规电源出力已经压低至最小技术出力，无法给可再生能源提供足够的消纳空间。而失负荷的原因是由于在负荷高峰时，可再生能源出力不足，即使全部常规电源出力均提高至最大依然无法满足电力需求。

模拟结果反映了当前电源结构的几个特征：(1)煤电是当前电力结构中的主要电源出力形式；(2)电力需求的峰谷差较大，系统灵活性不足，难以单纯的依靠调整电源出力规模满足电力需求；(3)传统电源固定容量占比较大，在负荷需求较低时会挤占可再生能源的消纳空间，导致可再生能源弃电。

4结论

本文在复杂适应系统理论的基础上建立了电力系统生产模拟模型，并在2016年电源结构的条件下验证模型的电力系统发电量与实际发电量的相对误差约4.71%。根据模型求解结果显示，其可以在给定电源结构的情况下对满足电力需求的不同机组类型发电量、污染物排放量、电力系统经济性、供电可靠性、可再生能源利用效率等进行分析和预测。

另外，本研究仍需深入展开如下工作：细化用户需求和电网企业模块，考虑电力负荷多样性的特征，引入电网安全运行特征分析；深化电力市场模块，丰富电力市场交易机制；而电力企业模块中不同机组的策略选择单一，多场景方式简化模拟可再生能源发电的合理性也需要进一步论证。