考虑储热装置与碳捕集设备的风电消纳低碳经济调度

卢志刚　隋玉珊,2　冯　涛　李学平　赵　号

(1.河北省电力电子节能与传动控制重点实验室(燕山大学)　秦皇岛　066004 2.国网天津市电力公司东丽供电分公司　天津　300300)



考虑储热装置与碳捕集设备的风电消纳低碳经济调度

卢志刚1隋玉珊1,2冯涛1李学平1赵号1

(1.河北省电力电子节能与传动控制重点实验室(燕山大学)秦皇岛066004 2.国网天津市电力公司东丽供电分公司天津300300)

在电力系统低碳经济调度的背景下，针对“三北”地区供暖期热电机组因供热导致机组强迫出力过高，造成夜晚弃风严重的问题，提出了一种计及配置了储热装置的热电联产电厂及碳捕集电厂的电力系统优化调度模型，考虑热电机组的热电耦合相关约束、热、电平衡及机组爬坡等约束，兼顾系统的总发电煤耗成本最低以及CO2排放最少两个目标，采用多目标细菌群体趋药性算法(MOBCC)对模型进行求解。对不同场景下系统的风电消纳情况以及系统的经济成本和碳排放进行了分析。算例结果验证了所提模型及求解方法的有效性和正确性。

低碳经济调度碳捕集储热热电联产MOBCC

0　引言

随着全球气候变暖日益严重，CO2的减排问题受到越来越多的关注[1]。电力行业作为我国国民经济中最大的CO2排放部门，面临巨大的减排压力[2]。风能作为清洁可再生能源，能有效地改善我国能源供应结构，减少环境污染[3]。我国“三北”地区风电资源丰富，但是冬季供暖期，为了满足热负荷需求，电网中占主体地位的大量热电机组因“以热定电”运行而调峰能力不足，导致夜间负荷低谷时段系统强迫出力过高，风电上网空间不足，使得风电作为清洁能源没有充分发挥其在节能减排方面的作用[4，5]。因此，采取合理的方式更多地消纳风电，减少弃风量，实现电力系统的低碳经济调度具有重要的社会意义[6-9]。

针对热电机组的热电耦合问题，已有学者研究了热电机组通过配置储热(Thermal Storage，TS)以解耦“以热定电”约束，提高热电机组的调峰能力以减少弃风[10]。目前，国外对储热装置的研究主要是根据峰谷电价或实时电价，通过机组调度实现自身利益最大化，提高可再生能源的接纳能力[11，12]。针对国内实际情况，文献[13]讨论了在热电厂配置储热装置后热电机组的运行策略，并建立了计算配置储热后机组调峰能力的数学模型，分析了其影响因素。文献[14]比较了蓄热、抽水蓄能和风电供热3种弃风消纳方案的优劣，结果表明蓄热方案具有投资少且节煤效率高的优势。

此外，碳捕集电厂作为一种新型电厂，对于CO2减排具有重要作用[15]，同时，引入碳捕集技术之后，碳捕集电厂可通过灵活调节捕集水平，调整净发电功率，以满足系统的调峰需求，从而在一定程度上达到消纳过剩风电的目的[16，17]。并且相对于常规火电机组，碳捕集机组具有更大的下调峰深度和更快的调峰响应速度。因此制定兼顾减排和调峰的合理调度策略有利于碳捕集设备的利用最大化。

在目前低碳电力的要求下，电力系统优化调度也越来越多地考虑到CO2排放问题[18，19]。文献[20，21]在调度过程中考虑了碳排放成本，优先调度采用减排技术的机组，限制了电力系统的CO2排放。文献[22]建立了包含碳捕集电厂和换电站的多目标优化调度模型，兼顾了电源成本和系统总碳排放量。文献[23]结合碳捕集电厂和常规火电厂的电碳模型，综合考虑发电成本和碳排放成本建立调度模型，并研究了风-车协调调度在减少碳排放和弃风量方面的效果。

本文同时考虑风电、热电联产机组、储热装置和碳捕集设备，建立了兼顾煤耗成本和CO2排放量的多目标优化调度模型，并推导了在一定的系统负荷和风电情况下，消纳风电所需的最小储热量和放热速率。采用多目标细菌群体趋药性算法(Multi Objective Bacterial Colony Chemotaxis，MOBCC)求解模型，分析了不同情景下的调度对于系统的风电消纳能力以及运行经济性和低碳性的影响，给出调度策略，为电网调度提供一定的参考依据。

1　各电源运行特性及风电消纳原理

1.1热电机组运行特性

热电联产机组分为背压式和抽汽式两种。与常规纯凝发电机组不同，热电机组的发电出力受到热电耦合约束的限制。热电机组的电功率与热功率之间存在关联耦合关系，称为“电热特性”，能够很好地描述热电机组的运行外特性[24]。热电联产机组的电热特性关系曲线如图1所示。

图1　热电联产机组电热特性图Fig.1　Diagram of heat-electricity relationship for combined heat power units

背压式机组是利用汽轮机排出的乏汽作为热源进行供热，因此其热功率和电功率具有线性耦合关系，如图1a所示，电功率完全取决于供热功率，具有“以热定电”的特点。发电出力和供热出力的关系可表示为

pe=αh+β

(1)

式中，pe、 h分别为机组的发电功率和发热功率；α为电功率和热功率的弹性系数，α=ΔP/Δh， 可认为是常数；β为常数。

抽汽式机组是从汽轮机两级间抽取一部分蒸汽作为热源对外供热，对于给定的进汽量，随着抽汽量增加，供热功率会逐渐增加，但汽轮机输出的电功率会逐渐降低，如图1b中虚线所示。其电功率和热功率可以在一定范围内调节，图中ABCDE所包围区域为抽汽式机组的运行区域，可以看出，其发电功率虽然具有一定的可调性，但随着供热功率的增大，发电功率的可调范围逐渐减小。图中γ表示进汽量不变时，多抽取单位供热热量时电功率的减小量。根据抽汽式机组的运行原理，可得纯凝工况下的发电功率、净发电功率以及热功率关系为

p=pe+γh

(2)

其电热特性可以表述为

(3)

式中，hmax为机组的最大供热功率；pmax和pmin分别为机组在纯凝工况下的最大、最小发电功率。

1.2储热消纳风电原理

由上述热电机组的电热特性可以看出，热电机组发电出力和供热出力存在耦合关系，在一定的供热功率下，机组的发电功率可调范围受到供热出力的限制。因此，在冬季供暖期，夜间风电过剩时段热电机组发电出力因供热约束无法下调，造成严重弃风。为此，若在热电厂加装储热装置，在非弃风时段，热电机组供给热负荷的同时，也向储热装置蓄热，而在弃风时段，降低热电机组的出力，供热不足的部分，则由储热装置所蓄热量进行补充[8]，从而接纳更多的风电，最大程度地减少弃风。

1.3碳捕集电厂模型

传统火电厂加装碳捕集设备即为碳捕集电厂，机组的总出力一部分用于供给电负荷，另一部分则为捕集设备提供捕集所需能耗。因此，碳捕集机组的功率关系可表示为

p=pe+pc

(4)

pc=ps+pm

(5)

式中，pe为机组的净发电功率；pc为机组的捕集能耗；ps为碳捕集设备的运行能耗；pm为碳捕集设备的维持能耗。

碳捕集设备的运行状态在一定程度上可以独立于发电循环的工况进行单独调节，近似等效于一个可控负荷，因此，可以通过调节捕集能耗，改变净发电出力，从而满足系统的调峰需求，并且捕集能耗主要来自从发电循环抽取蒸汽或直接利用厂用电，因而具有更快的调节速度。在夜间弃风时段，通过提高碳捕集设备的捕集能耗，可以进一步降低机组最小净发电出力，提高系统的风电接纳能力。

碳捕集设备捕集单位CO2的能耗可以近似认为是常数，则对于一定的捕集能耗，捕集的CO2量可表示为ps/e， e为碳捕集设备捕集单位CO2消耗的功率。因此捕集能耗和机组总出力之间需要满足

(6)

式中，f(p)为CO2排放函数。

2　优化模型

依据我国电力系统集中调度体制，以及目前电力系统节能减排的要求，本文以系统的总煤耗成本和CO2排放量最小为目标，建立了包含风电、常规火电机组、热电机组、储热装置、碳捕集设备的热电联合多目标优化调度模型，并以优先调度风电为原则，尽可能地多利用风电。系统模型如图2所示。

图2　系统模型Fig.2　System model

2.1目标函数

对于常规火电机组，煤耗成本以及CO2排放量可以表示为发电功率的二次函数的形式，即

(7)

(8)

式中，ai、 bi、 ci分别为机组i的煤耗成本系数；ui、 vi、 wi分别为机组i的CO2排放系数。

背压式热电机组利用做过功的蒸汽供热，这部分蒸汽无论是否供热都要被冷却，故将其供热成本视为0，因此，其发电成本以及碳排放函数形式与式(7)、式(8)相同。

对于抽汽式热电机组，其煤耗成本及碳排放量可以表示为

(9)

(10)

式中，pi,t为热电机组i在t时刻的纯凝工况下的发电功率；Pei,t为净发电功率；hi,t为热功率。

碳捕集机组的煤耗成本可表示为

(11)

碳捕集机组的CO2排放可以表示为

(12)

式中，Esi,t为第i台碳捕集设备在t时刻捕集的CO2的量；ei为第i台碳捕集设备捕集单位CO2消耗的功率；pei,t为机组i在t时刻的净发电功率；pci,t为机组i在t时刻的捕集能耗；psi,t为碳捕集设备的运行能耗。

综合考虑整个系统的煤耗成本和CO2排放建立多目标优化模型，分别以系统的煤耗成本最小和CO2排放最少为目标，目标函数可表示为

(13)

(14)

式中，Ga为常规机组与背压式热电机组的集合；Gb、Gc分别为抽汽式热电机组和碳捕集机组的集合。

2.2约束条件

2.2.1系统约束

1)电功率平衡约束

(15)

式中，pw,t为t时刻调度的风电功率；pl,t为t时刻的电负荷。

2)供热平衡约束

(16)

式中，hi,t为热电机组i在t时刻的热功率；hc,t、 hd,t分别为t时刻储热罐的储、放热功率；hl,t为系统的热负荷；λt为储热装置在t时刻的储、放热控制变量(0/1)，1表示放热，0表示储热；N1为所有热电机组的台数。

3)储热装置运行约束

储、放热速率约束为

(17)

储热容量约束为

Vt≤Vmax

(18)

式中，Vt为t时刻储热罐内剩余储热量；Vmax为储热装置的最大储热容量；hc,max、 hd,max分别为储热装置的最大储、放热速率。

4)风电出力约束

pw,t≤pwf,t

(19)

式中，pwf,t为t时刻风电场的风电预测功率。

2.2.2机组约束

1)机组出力上下限约束

pi,min≤pi,t≤pi,max

(20)

式中，pi,min、 pi,max分别为机组在纯凝工况下的最小、最大出力。

2)抽汽式机组热出力上、下限约束

0≤hi,t≤hi,max

(21)

式中，hi,max为机组i热出力的最大限值，该值主要取决于热交换器容量的大小。

3)抽汽式机组净发电出力上下限约束

(22)

4)碳捕集能耗约束

0≤psi,t≤psi,max

(23)

(24)

式中，psi,max捕集能耗的上限。式(23)表示碳捕集设备捕集的CO2不会超过机组产生的总CO2量。

5)机组的总功率爬坡约束

pi,t-pi,t-1≤Δpu,i

(25)

pi,t-1-pi,t≤Δpd,i

(26)

式中，Δpu,i、Δpd,i分别为机组i的最大上、下爬坡出力。

6)抽汽式机组的热爬坡约束

hi,t-hi,t-1≤Δhu,i

(27)

hi,t-1-hi,t≤Δhd,i

(28)

式中，Δhu,i、Δhd,i分别为抽汽式机组单位时间内的热功率最大变化量。

7)碳捕集系统能耗的爬坡约束

psi,t-psi,t-1≤Δpsu,i

(29)

psi,t-1-psi,t≤Δpsd,i

(30)

式中，Δpsu,i、Δpsd,i分别为碳捕集设备能耗在单位时间内的最大变化量。

3　满足风电消纳的放热速率及储热容量

储热装置的风电消纳能力受到其最大放热速率以及储热容量两个参数的限制。在弃风时段，通过储热装置放热来减轻热电机组的供热负担，使热电机组发电出力具有更大的下调空间，从而接纳更多风电。但若储热装置的放热速率过慢或储热量不足时，弃风时段补偿供热不足，则热电机组仍然会因供热导致发电出力较高，使风电无法完全消纳。

根据储热消纳弃风的原理，可以近似推导在一定的风电以及系统负荷情况下，为实现风电消纳，储热装置最大放热速率及储热容量需满足的条件。

首先要满足如下的假设条件：

1)在弃风时段，抽汽式机组运行在最小凝气工况下，即图1b中的CD段，其最小发电出力可以用供热出力来表示，即Peimin,t=αihi,t+βi。

2)弃风发生的时段连续(一般发生在夜晚负荷低谷而风电较大时段)。

由于本文所研究的弃风问题主要原因为供热导致的强迫出力过高，且在夜间负荷低谷时段往往风电预测功率较大，因此以上假设符合实际情况。

若要保证系统不发生弃风，需要满足

(31)

式中，N1、 N2分别为系统中热电机组台数和常规机组的台数。

可以推出当热电机组的总供热量满足式(32)时，能够保证系统不产生弃风，即

(32)

式中

αmax=max{α1, α2, …, αN1}

(33)

βmax=max{β1, β2, …, βN1}

(34)

用hpmax,t表示在保证风电消纳的前提下，允许热电机组发出的最大供热功率，为满足供热的要求，则有

hpmax,t+hnd,t=hl,t

(35)

式中，hnd,t为t时刻为满足供热平衡需要的储热装置放热量。因此可以推出，为满足供热需要，储热装置的最大放热速率需要满足

(36)

式中，Tw为所有弃风时段的集合。

储热装置的储热容量需要满足

(37)

(38)

(39)

4　模型求解

细菌群体趋药性(Bacterial Colony Chemotaxis，BCC)算法由细菌趋药性算法(Bacterial Chemotaxis，BC)改进而来，细菌通过与周围同伴交换信息可以大大节省在解空间中搜索的时间，使该算法在保留了BC算法的简单性和鲁棒性的同时提高了速度和收敛性。基于BCC算法表现出来的优良性能，其应用越来越广泛[25-27]。因此本文采用MOBCC对模型进行求解(算法详细流程参考文献[27])，求解流程如图3所示。

图3　模型求解流程图Fig.3　The flowchart of model solving

多目标优化结果会得到一组Pareto最优解集，决策者需要从中选取一个最优解作为最终调度结果。本文应用TOPSIS的方法选取最优解，该方法可以根据目标之间的重要性设置相应权重，最终解在最接近理想解的同时又远离负理想解，该方法具体步骤参见文献[28]。

4.1细菌位置初始化

每一个细菌代表一种调度策略，以机组的电功率、供热功率和碳捕集功率作为控制变量，将整个系统分为T个时间断面，生成初始细菌群，每个细菌维数为Nc×T， Nc为变量个数。控制变量构成的细菌向量表示为

i=1,2,…,nb

(40)

式中，peNi,t、hNi,t、psNi,t分别为第N台机组的电功率、热功率及碳捕集功率。按照变量范围随机生成，对于背压式机组，只随机生成热功率，电功率按式(1)计算；对于非热电机组，其供热功率按0初始化；对于不含碳捕集设备的机组，其捕集功率按0初始化。nb为初始生成的细菌个数。

4.2可行性检验及调整

在MOBCC算法求解过程中，细菌每次个体寻优和群体寻优都会产生新的位置，为确保更新位置满足约束，需要在每次更新后对各个约束条件逐一判断并调整以保证新的个体均为可行解。

与以往发电调度不同，本文热电综合调度模型，除考虑电功率相关约束外，还需考虑供热约束，同时，由于热电机组存在热电耦合关系，使得约束的处理变得相当复杂。

对于常规机组不存在热电耦合情况，约束处理相对简单。对于背压式机组，其电功率完全受热功率的支配，其电功率和热功率可相当于一个变量，处理约束的过程中，只需考虑热功率相关约束，电出力随热出力变化。这里对以上两类机组的约束处理不多叙述。下面以抽汽式机组为例，说明热电耦合约束以及系统约束的处理方法。

1)热功率上下限约束。根据式(21)，检验热功率是否超过上限，将超过上限的热功率限制为该上限值。

2)热功率爬坡约束。从第2个调度时段开始，根据约束式(27)、式(28)逐一对不满足热功率爬坡约束的解进行调整。

3)热功率平衡约束。首先根据式(16)判断是否满足供热平衡约束。对于不满足供热平衡约束的时刻进行调整，在调整的过程中要考虑每台机组在不破坏上下限约束以及爬坡约束情况下的可调量，机组热功率可调量的计算如下：

可上调量

hupi,t=min{himax,hi,t-1+Δhu,i}-hi,t

(41)

可下调量

hdpi,t=hi,t-max{himin,hi,t-1-Δhd,i}

(42)

当功率平衡不能满足时，首先计算热功率不平衡量，即总的热电机组与储热装置的供热功率之和与总热负荷的差值。随机抽取某一台发电机，在式(41)、式(42)所示可调量范围内调整；若仍不能平衡，则随机选取第二台机组进行调整，重复此过程直到平衡。

4)电功率相关约束。调整机组热功率满足约束之后，电功率的约束需要根据已确定的热功率进行计算。首先根据式(22)计算机组电出力的上下限，对不满足约束的电出力进行调整，按式(43)、式(44)计算机组电出力的爬坡约束

pei,t-pei,t-1≤Δpu,i-αi(ht-ht-1)

(43)

pei,t-1-pei,t≤Δpd,i-αi(ht-1-ht)

(44)

根据电功率爬坡，从第2时刻开始逐一判断爬坡约束并进行调整。本文以尽可能多的接纳风电为原则，因此风电初始值按预测值计算，当电功率平衡约束不满足时，调整各机组的发电出力(调整方法与热功率平衡的调整方式一致)，若机组出力无法下调至完全接纳风电，则弃掉多余的风电。

5　算例仿真

5.1算例数据

本文采用六机组系统进行仿真，系统由两台背压式热电机组、两台抽汽式热电机组和两台常规火电机组构成，常规机组加装碳捕集设备即为碳捕集机组，各类电源的装机比例以某地区实际装机比例为准。算例以一天24 h为一个调度周期，以1 h为一个时段，系统负荷及风电预测功率选取某日的9∶00到次日8∶00的数据，见表1。系统全天热负荷基本保持不变，设为1 000 MW，机组煤耗特性参数、碳排放参数以及电热输出运行参数见表2。碳捕集设备捕集单位CO2的能耗为0.269 MW·h/t[29]，αi、 βi、 γi分别取0.75、0、0.15。算法参数设置如下：细菌个数为50，最大迭代次数为200，初始精度εbegin=2， 最终精度εend=10-6， 精度更新常数α=1.25， 每个细菌移动速度v=1。

5.2仿真分析

为了对比分析储热装置和碳捕集设备的风电消纳作用及系统经济低碳情况，设置了4种不同情景：①系统中含储热装置和碳捕集设备；②系统中只含储热装置；③系统中只含有碳捕集设备；④系统中不含储热装置及碳捕集设备。

5.2.1多目标优化结果分析

以情景1为例，应用MOBCC算法得到的Pareto解集如图4所示。3种调度解煤耗成本及碳排放情况见表3。

表1　系统有功负荷及风电预测功率Tab.1　Load and wind forecast data of the test system

表2　机组参数Tab.2　Generator coefficients

表3　三种调度结果的煤耗成本及碳排放Tab.3　Coal cost and carbon emission of three dispatching results

从表3可以看出，通过MOBCC算法求解出的调度方案中，最小煤耗解对应的经济性最好，但该调度解的碳排放量较多，该方案优先调度煤耗较小的机组，且碳捕集量处于较低水平；而碳排放最小的解，经济性则较差，其原因一方面在于寻优过程中，偏向于优先调度较清洁但煤耗量较大机组，另一方面碳捕集量处于较高水平，碳捕集设备的捕集能耗较高，造成系统总体煤耗成本较高。相比之下，折中解则兼顾了系统的总煤耗成本和碳排放量。图4中目标权重设为0.5，在实际调度过程中，调度人员可以根据不同的偏好设置两目标的权重，从最优解集中选择满意解。

图4　情景1 Pareto 最优解集Fig.4　Pareto solution set of Scenario 1

5.2.2风电消纳作用分析

以折中调度方案为例，4种情景的风电消纳量见图5。

图5　四种情景的风电消纳情况对比Fig.5　Comparison of wind power accommodation of four scenarios

情景④在晚23∶00～次日6∶00之间有大量弃风，总弃风量达632 MW，原因是这些时刻为负荷低谷时段，而风电功率较大，系统中热电机组出力为满足供热需求，其发电出力受到“以热定电”约束的限制，无法下调，造成大量弃风。情景②只含有储热装置，总弃风量为120.12 MW，相比于不含储热装置前，弃风情况有了明显的缓解。情景③中只含碳捕集设备，总弃风量仅有46.99 MW，相比于情景②，避免了更多的弃风，风电消纳作用更为显著。情景①中同时含有储热装置和碳捕集设备，实现了风电的完全消纳。

图6为情景①、情景②储热装置的储、放热情况(正值代表储热，负值代表放热)，两种情景的最大储热量分别为560 MW·h和769 MW·h。可见，储热罐在非弃风时段储热，在弃风时段放热，情景①由于系统中含有碳捕集机组，在弃风时段，分担了一定的风电消纳的任务，所以在情景①储热量较情景②少的情况下，也实现了风电的完全消纳。情景②只含储热装置，在1∶00～4∶00时段放热达到100 MW，受到储热装置放热速率的限制，无法进一步增大放热速率，使得热电机组电出力下调空间不足，在1∶00～4∶00点仍然有弃风存在。

图6　储热装置储放热情况Fig.6　Heat storage condition of heat accumulator

供热机组发电出力如图7所示，情景③和情景④没有储热装置，弃风时段(23∶00～次日6∶00)供热机组总发电出力恒等于750 MW，即保证供热情况下的最小电出力。加装储热装置之后，在弃风时段，部分供热量由储热装置提供，因此在该时段内供热机组的供热负担减轻，使得机组的发电出力也可以在一定程度上下调，为风电提供了更大的上网空间。相比于情景①，情景②中供热机组在弃风时段的电出力更低，原因在于情景①中含有碳捕集机组，分担了部分风电消纳任务。

图7　供热机组电出力情况Fig.7　The electric power of CHP unit

图8为4种情景下5、6号机组净发电出力情况。情景②和情景④在弃风时段机组出力恒等于400 MW。原因在于情景②和情景④中，机组没有考虑碳捕集设备运行，为了避免弃风，机组在负荷较小而风电较大时段处于下限运行状态。情景①和情景③中，5号、6号机组加装了碳捕集设备，由于碳捕集设备运行能耗的存在，机组的净发电出力低于机组总出力下限，为风电提供了更大的上网空间。

图8　碳捕集机组电出力对比Fig.8　Electric power comparison of carbon capture units

5.2.3系统经济低碳性能分析

4种情景调度结果对应的煤耗成本和碳排放量见表4。总体上看，当系统中含碳捕集设备时(情景①、情景③)，系统的煤耗成本较高，而碳排放量处于较低状态，碳捕集设备的运行能耗使得系统总体的经济性下降，但是换取了CO2减排，同时又起到了消纳过剩风电的作用。从煤耗成本上看，情景②最经济，且相比于情景④，碳排放量也有明显的下降，可见由于储热装置的存在，使得风电接纳量明显提高，对于系统整体的经济性和低碳性起到了积极的作用。

表4　四种情景下系统的煤耗及碳排放结果Tab.4　Coal cost and carbon emission of four scenarios

5.2.4储热装置参数对风电消纳的影响分析

分别设置储热装置储、放热速率为100 MW/h、200 MW/h，从0开始，逐次增大储热装置的储热容量进行仿真，得到两种放热速率下对应的系统弃风情况如图9所示。可见，随着储热容量的上升，弃风量基本呈线性规律减小，当hdmin=200 MW/h时，增加最大储热容量到850 MW·h时，弃风量为0，实现了风电的完全消纳，而当hdmin=100 MW/h时，受到放热速率的限制，使得在某些时段始终无法实现风电的完全消纳，系统最少仍存在120.1 MW·h的弃风。

图9　储热装置参数与弃风量关系Fig.9　Relation between parameters of heat accumulator and abandoned wind power

根据式(38)、式(39)，计算当前算例所需的储热容量为842 MW·h，放热速率上限不小于155 MW/h。由于实际调度过程中，需要满足复杂的约束条件，所得结果与计算值存在少量偏差，仿真结果验证了本文推导的计算公式的正确性。在实际工程中，随着储热容量的增大，投资成本也会升高，因此需要根据实际的情况合理配置储热装置的容量，以免造成蓄热不足或者浪费。

6　结论

在系统中有风电接入且含储热装置及碳捕集设备的背景下，本文提出一种基于MOBCC算法的热电综合低碳经济调度方法。该方法充分考虑了热电机组的热电耦合特性，更加符合实际情况，能提供最优经济减排调度策略集，为调度人员选取调度策略提供理论依据。通过仿真分析可得如下结论：

1)储热装置能够在一定程度上解耦热电机组的热电耦合约束，提高了热电机组的调峰能力，一定程度上避免了因供热导致的系统强迫出力过高造成的弃风，提高系统整体的经济性和低碳性。

2)系统中含有碳捕集设备时，风电消纳能力得到显著提高，且能够很大程度上实现碳减排，但碳捕集设备的减排和消纳风电要牺牲一定的经济性，实际调度中，可以根据不同的减排要求，选择合理的调度策略。

3)储热装置的风电消纳能力与其储热容量和最大放热速率有关，在实际工程中应根据系统实际情况合理配置储热装置。

[1]卢斯煜，娄素华，吴耀武.低碳经济下基于排放轨迹约束的电力系统电源扩展规划模型[J].电工技术学报，2011，26(11)：175-182.

Lu Siyu，Lou Suhua，Wu Yaowu.A model for generation expansion planning of power system based on carbon emission trajectory model under low-carbon economy[J].Transactions of China Electrotechnical Society，2011，26(11)：175-182.

[2]谭忠富，董力通，刘文彦，等.发电机组污染排放约束下电量互换合作博弈优化模型[J].电工技术学报，2012，27(5)：245-251.

Tan Zhongfu，Dong Litong，Liu Wenyan，et al.A cooperation game optimization model for energy generating interchange between power generation units with environmental emission constraints[J].Transactions of China Electrotechnical Society，2012，27(5)：245-251.

[3]陈道君，龚庆武，张茂林.考虑能源环境效益的含风电场多目标优化调度[J].中国电机工程学报，2011，31(13)：10-17.

Chen Daojun，Gong Qingwu，Zhang Maolin.Multi-object- tive optimal dispatch in wind power integrated system inco-rporating energy environmental efficiency[J].Proceedings of the CSEE，2011，31(13)：10-17.

[4]严旭，吴锴，周孟戈，等.基于不同可调度热源的风电出力平滑模型[J].电力系统保护与控制，2013，41(21)：122-128.

Yan Xu，Wu Kai，Zhou Mengge，et al.Model of smoothing wind power based on various dispatchable heat sources[J].Power System Protection and Control，2013，41(21)：122-128.

[5]贺建波，胡志坚，刘宇凯.大规模多目标水-火-风协调优化调度模型的建立及求解[J].电力系统保护与控制，2015，43(6)：1-7.

He Jianbo，Hu Zhijian，Liu Yukai.Establishment and solution of the large-scale multi-objective hydro-thermal- wind power coordination optimization dispatching model[J].Power System Protection and Control,2015，43(6)：1-7.

[6]文晶，刘文颖，谢昶，等.计及风电消纳效益的电力系统源荷协调二层优化模型[J].电工技术学报，2015，30(8)：247-256.

Wen Jing，Liu Wenying，Xie Chang，et al.Source-load coordination optimal model considering wind power consumptive benefits based on bi-level programming[J].Transactions of China Electrotechnical Society，2015，30(8)：247-256.

[7]张涛，李家珏，张延峰，等.计及电网调峰约束的风电接纳调度方法研究[J].电力系统保护与控制，2014，42(21)：74-80.

Zhang Tao，Li Jiayu，Zhang Yanfeng，et al.Research of scheduling method for the wind power acceptance considering peak regulation[J].Power System Protection and Control，2014，42(21)：74-80.

[8]杨柳青，林舜江，刘明波.大电网多目标动态优化调度的解耦算法及并行计算[J].电工技术学报，2016，31(6)：177-186.Yang Liuqing，Lin Shunjiang，Liu Mingbo.Decomposition algorithm for multi-objective dynamic optimal dispatch of large-scale power systems and parallel computing[J].Transactions of China Electrotechnical Society，2016，31(6)：177-186.

[9]张新松，礼晓飞，王运，等.不确定性环境下考虑弃风的电力系统日前调度[J].电力系统保护与控制，2015，43(24)：75-82.

Zhang Xinsong，Li Xiaofei，Wang Yun，et al.Day-ahead dispatching in consideration of wind power curtailments in uncertain environments[J].Power System Protection and Control，2015，43(24)：75-82.

[10]Petersen M K，Aagaard J.Heat accumulators [EB/OL].[2014-06-22].http：//www.kareliainvest.ru/file.php/id/f5291/name/acro.pdf.

[11]Lund H，Andersen A N.Optimal designs of small CHP plants in a market with fluctuating electricity pries[J].Energy Conversion and Management，2005，46(6)：893-904.

[12]Lund H，Mathiesen B V.Energy system analysis of 100% renewable energy systems-the case of Denmark in years 2030 and 2050[J].Energy，2009，34(5)：524-531.

[13]吕泉，陈天佑，王海霞，等.配置储热后热电机组调峰能力分析[J].电力系统自动化，2014，38(11)：34-41.

Lü Quan，Chen Tianyou，Wang Haixia，et al.Analysis on peak-load regulation ability of cogeneration unit with heat accumulator[J].Automation of Electric Power Systems，2014，38(11)：34-41.

[14]吕泉，李玲，朱全胜，等.三种弃风消纳方案的节煤效果与国民经济性比较[J].电力系统自动化，2015，39(7)：75-83.

Lü Quan，Li Ling，Zhu Quansheng，et al.Comparison of coal- saving effect and national economic indices of three feasible curtailed wind power accommodating strategies[J].Automation of Electric Power Systems，2015，39(7)：75-83.

[15]黄斌，许世森，郜时旺，等.华能北京热电厂CO2捕集工业试验研究[J].中国电机工程学报，2009，29(17)：14-20.

Huang Bin，Xu Shisen，Gao Shiwang，et al.Industrial test of CO2capture in Huaneng Beijing coal-fired power station[J].Proceedings of the CSEE，2009，29(17)：14-20.

[16]陈启鑫，康重庆，夏清.碳捕集电厂的运行机制研究与调峰效益分析[J].中国电机工程学报，2010，30(7)：22-28.

Chen Qixin，Kang Chongqing，Xia Qing.Operation mechanism and peak-load shaving effects of carbon-capture power plant[J].Proceedings of the CSEE，2010，30(7)：22-28.

[17]康重庆，季震，陈启鑫.碳捕集电厂灵活运行方法评述与展望[J].电力系统自动化，2012，36(6)：2-11.

Kang Chongqing，Ji Zhen，Chen Qixin.Review and prospects of flexible operation of carbon capture power plants[J].Automation of Electric Power Systems，2012，36(6)：2-11.

[18]刘文学，梁军，贠志皓，等.考虑节能减排的多目标模糊机会约束动态经济调度[J].电工技术学报，2016，31(1)：62-70.

Liu Wenxue，Liang Jun，Yun Zhihao，et al.Multi-objective fuzzy chance constrained dynamic economic dispatch considering energy saving and emission reduction[J].Transactions of China Electrotechnical Society，2016，31(1)：62-70.

[19]周斌，宋艳，李金茗，等.基于多群组均衡协同搜索的多目标优化发电调度[J].电工技术学报，2015，30(22)：181-189.

Zhou Bin，Song Yan，Li Jinming，et al.Multiobjective optimal generation dispatch using equilibria-based multi-group synergistic searching algorithm[J].Transactions of China Electrotechnical Society，2015，30(22)：181-189.

[20]张晓辉，闫柯柯，卢志刚，等.基于碳交易的含风电系统低碳经济调度[J].电网技术，2013，37(10)：2698-2704.

Zhang Xiaohui，Yan Keke，Lu Zhigang，et al.Carbon trading based low-carbon economic dispatching for power grid integrated with wind power system[J].Power System Technology，2013，37(10)：2698-2704.

[21]田廓，邱柳青，曾鸣.基于动态碳排放价格的电网规划模型[J].中国电机工程学报，2012，32(4)：57-64.

Tian Kuo，Qiu Liuqing，Zeng Ming.Method of grid planning based on dynamic carbon emission price[J].Proceedings of the CSEE，2012，32(4)：57-64.

[22]高亚静，李瑞环，梁海峰，等.碳市场环境下计及碳捕集电厂和换电站的电力系统优化调度[J].电力系统自动化，2014，38(17)：150-156.

Gao Yajing，Li Ruihuan，Liang Haifeng，et al.Power system optimal dispatch incorporating carbon capture power plant and battery swap station under carbon market environment[J].Automation of Electric Power Systems，2014，38(17)：150-156.

[23]李正烁，孙宏斌，郭庆来，等.计及碳排放的输电网侧“风-车协调”研究[J].中国电机工程学报，2012，32(10)：41-49.

Li Zhengshuo，Sun Hongbin，Guo Qinglai，et al.Study on wind-EV complementation on the transmission grid side considering carbon emission[J].Proceedings of the CSEE，2012，32(10)：41-49.

[24]Aanersen T V.Integration of 50% wind power in a CHP based power system：a model-based analysis of the impacts of increasing wind power and the potentials of flexible power generation[D].Denmark：Technical University of Denmark，2009.

[25]Müller S，Airaghi S，Marchetto J.Optimization based on bacterial chemotaxis[J].IEEE Transactions on Evolution Computation，2002，6(1)：16-29.

[26]李威武，王慧，邹志君，等.基于细菌群体趋药性的函数优化方法[J].电路与系统学报，2005，10(1)：58-63.

Li Weiwu，Wang Hui，Zou Zhijun，et al.Function optimization method based on bacterial colony chemotaxis[J].Journal of Circuits and Systems，2005，10(1)：58-63.

[27]Lu Zhigao，Feng Tao，Li Xuping.Low-carbon emission/economic power dispatch using the multi-objective bacterial colony chemotaxis optimization algorithm considering carbon capture power plant[J].International Journal of Electrical Power & Energy Systems，2013，53(1)：106-112.

[28]Olson D L.Comparison of weights in TOPSIS models[J].Mathematical and Computer Modeling，2004，40(7)：721-727.

[29]Cohen S M，Rochelle G T，Webber M E.Optimizing post-combustion CO2capture in response to volatile electricity prices[J].International Journal of Greenhouse Gas Control，2012，8(5)：180-195.

Wind Power Accommodation Low-Carbon Economic Dispatch Considering Heat Accumulator and Carbon Capture Devices

Lu Zhigang1Sui Yushan1,2Feng Tao1Li Xueping1Zhao Hao1

(1.Key Lab of Power Electronics for Energy Conservation and Motor Drive of Hebei Province Yanshan UniversityQinhuangdao066004China 2.State Grid Tianjin Power Dongli Power Supply BranchTianjin300300China)

During the heating period in winter，the electric powers of cogeneration units are forced to be high because of the heating demand，leading tremendous curtailments of the wind powers in north power grid of China.Under the background of low-carbon economic dispatch of power system，according to this problem，an optimal dispatch model incorporating the combined heat and power (CHP) plant with heat accumulator and the carbon capture power plant is proposed.The total coal cost and the CO2emission of the system are taken as two objectives.The constraints include the thermoelectric coupling of CHP，the heat and electric power balance，the units and carbon capture devices ramp rate，etc.The multi-objective bacterial colony chemotaxis (MOBCC) algorithm is applied to solving this model.The wind power accommodation，the economic costs，and the carbon emissions in different scenarios are analyzed.The effectiveness and validity of the proposed model and algorithm are verified by the results of the numerical examples.

Low-carbon economic dispatch，carbon capture，heat accumulator，combined heat and power，multi objective bacterial colony chemotaxis

2015-05-31改稿日期2015-08-18

TM73

卢志刚男，1963年生，教授，博士生导师，研究方向电力系统经济运行分析与控制。

E-mail：Zhglu@ysu.edu.cn(通信作者)

隋玉珊女，1991年生，硕士研究生，研究方向为电力系统低碳经济调度。

E-mail：331923421@qq.com

国家自然科学基金(61374098)和教育部高等学校博士学科点专项科研基金(20131333110017)资助项目。