基于需求响应的采暖期热电联产系统风电消纳研究

张 鹏，李春燕，周 哲，王 东

（1．重庆大学输配电装备及系统安全与新技术国家重点实验室，重庆400030；2．国网重庆市电力公司电力设计院，重庆401121）

基于需求响应的采暖期热电联产系统风电消纳研究

张 鹏1，李春燕1，周 哲2，王 东1

（1．重庆大学输配电装备及系统安全与新技术国家重点实验室，重庆400030；2．国网重庆市电力公司电力设计院，重庆401121）

提出一种基于需求响应的热电联产系统风电消纳策略。综合考虑热负荷与电负荷需求，以及风电功率预测上下限，制定实时电价，从而进行居民用户价格型需求响应调度。同时，在保证热负荷需求，满足用户基本采暖需求及温度舒适性的前提下，通过对电采暖系统的温度调节，改变工业、商业用户电采暖负荷需求，对风电波动进行实时响应，从而实现电负荷需求满足风电机组出力的目的。算例分析表明，该方法能够在保证用户供暖需求的条件下，有效提高系统供暖期风电消纳能力，节约系统运行成本。

风电消纳；需求响应；热电联产；温度控制

能源危机是当今世界面临的一大难题，开发新能源是解决这一难题的途径之一，因此风能等可再生能源的利用日益受到关注。我国的风电装机量已处于世界领先地位，但风电利用率却并没有提高，“三北地区”的弃风率更是高达20%［1］。

北方地区采暖期弃风的情况尤为严重，这主要是由于采暖期热电机组的运行原则是以热定电［2］。机组热点耦合，导致系统调峰能力下降，可调裕度不足，风电消纳难度加大。而北方地区又是风电资源集中区域，由于外送能力有限、就地消纳困难，所以造成采暖期全国风电弃风量的上升。

通过储热装置，实现热电解耦运行［3－6］，能够在一定程度上提高电网的调峰能力，但储热装置有一定的热损耗，且建设周期较长，成本回收较慢。更换传统锅炉为电热型锅炉增加了电负荷且减少了热负荷，进一步增加了机组的调峰能力［7］。常规调度方式通过机组调度进行风电消纳［8－9］，需求响应在风电消纳中的作用日益被重视［10－12］。近来一些学者提出，需求响应会对含风电系统热电机组的投资建设造成影响［13］。而通过电热负荷的管理，能够实现负荷资源调度［14］，通过改变空调热泵和热水采暖之间的比例，提高电负荷，能够提高风电的利用率［15］。但是，空调并没有大范围普及，用户的成本因素也没有加以考虑。

除居民区外，工、商业用户采暖来源为空调热泵，且经济越发达地区，其空调采暖负荷耗电量越大。据此，提出一种基于负荷侧响应的热电联产机组风电消纳策略，通过对热泵进行调节，实现电力负荷调度。与此同时，对可中断负荷和可转移负荷进行调度，并通过电价激励，对电价敏感用户进行调度。将需求响应与直接电热负荷控制相结合，在考虑用户舒适度的前提下，提高系统风电利用率。

1 风电波动模型

［16］，构建考虑风电波动的坏场景集。假定风电的实际不确定出力Pw服从基于预测功率Pw，pre的正态分布，其误差分位点为α＋和α－，由数理统计可得风电的波动区间［Pw，up，Pw，down］。

图1 风电出力包络线

虽然完全考虑风电的出力上下限值能最大化满足风电预测波动情况，但是实际的风电波动未必每次都会达到最坏情况，考虑全面反而会增加系统调度成本。引入NB作为误差波动个数，那么NB越大，误差波动越多，生成的场景集越保守。

式中：α为误差分位点；T为时段数。

即可得到系统优化解的可行性概率达到α。

2 热电机组模型及热负荷价格响应

采暖期供暖机组按照以热定电方式运行，分为背压式和抽气式两种，两种机组的运行特性见图2。

图2 机组出力特性

机组的电出力与其热出力相关，背压式机组在确定热出力的情况下，电出力为确定值，不可调；而抽气式机组在热出力确定的情况下，电出力有一定可调范围，但调节大小有限。抽气式机组的出力特性为

由于采暖期用户热水需求量较大，电热水器等电热产品使用率较高且功率一般较大，并具有一定的保温能力，可认为用户电负荷转移能力较高。用户的响应行为由价格弹性来表征。

热负荷间接限制热电联产机组的电出力，进而影响机组调峰能力，限制风电消纳。因此，实时电价的制定需要将热负荷的需求加以考虑。

外界温度降低时，为了维持室内温度，热负荷值最高。其余时刻维持温度的热负荷量需求并不大［18］。具体的分时热负荷需求见表1。

表1 分时热负荷系数

式中：α为热负荷对电价的影响系数；β为风电功率对电价的影响系数；ΔLh，ΔPw分别为热负荷需求量和风电出力值；Lh，Pw分别为热负荷总量和风电机组额定出力值；Cb，ΔCreal分别为基础电价和电价波动值。

最终实时电价为

式中：Creal为考虑风电和热负荷的实时电价。

同时，电价不能低于成本电价，也不能高于电价峰值而影响用户的正常用电。

此时电价中考虑风电预测出力值，也就是理想场景下的风电出力。误差带范围内的风电波动由激励型负荷调度平衡。

3 调度模型的建立及求解

目标函数为系统最低总运行成本

本文的电价是在基础实时电价的基础上，加以电价波动构成的实时电价。电价的波动值由热负荷波动与风电预测出力共同决定。

式中：U为0－1变量，0表示该机组停机，1表示机组开机；aj，bj，cj分别是常规机组的发电成本系数；ai，bi，ci分别为热电机组的发电成本系数；αi，βi，γi分别为热电机组的发热成本系数；PtG，j为常规机组t时刻出力；Pth，i为热电联产机组t时刻电出力；Ptw，use为t时刻风电利用功率；Ptw，out为t时刻风电实际出力；Ctw为弃风成本，也可认为是风电厂弃风后电网的补偿收益；htg为热电联产机组t时刻热出力；CT为温度调度补偿成本，且温度变化越大，CT越大；Tt为t时刻的温度值；T为用户初始设置温度。

realcom

由于采暖期非供暖用户的电负荷主要用于取暖，所以激励型负荷调度时，应首先考虑通过温度调度调节负荷量并进行补偿，其次才是照明等负荷。而工业用户如工厂等，采暖主要依靠锅炉供暖，属于热负荷部分。

式中：T为当前温度；Tcom为人体感受到的舒适温度值；Pper为单位温度变化下的负荷变化量；ΔPTt为通过温度调节实现的负荷调整量。

式（10）、式（11）分别是相邻时间温度差约束以及温度变化范围约束。

式中：ΔTcom为相邻时间最小温度差；Tmin，Tmax分别为可接受的最低、最高温度。

其余约束如下。

负荷平衡约束为

式（12）分别是系统电功率平衡和热负荷平衡约束。

机组功率上下限约束为

式中：Pmaxg，Pmaxw分别是常规机组和风电机组的出力上限。

机组爬坡约束为

本文通过GAMS软件对模型进行求解。

4 算例分析

假定系统中有2台火电机组，3台热电联产机组以及1台自备厂机组［18］，并假定热电机组全部为抽气式机组，拥有一定的调节能力。机组参数见表2。

表2 机组参数

风电预测曲线见图3，热负荷数据文献［18］。

图3 负荷曲线及风电预测功率

以0．45元作为基准电价，计及电价波动的实时电价见表3。

表3 实时电价

4．1 不计风电预测误差的机组出力分析

假定风电出力预测准确，最终的机组出力情况见表4。

表4 机组运行结果

机组运行情况见图4。热电机组保持运行状态，风电功率的波动由电采暖系统和火电机组来完成。在满足机组运行的约束条件下，较好地完成了风电消纳任务。从图5可以看出，系统弃风量下降明显，风电利用率大幅上升。

图4 机组运行情况

用户的温度变化见图6。温度变化范围符合人体正常温度范围，在22℃左右的范围内波动。在保证正常采暖的前提下，实现负荷响应。

图6 温度变化

该情况下的调度运行总成本为385．86万元。

4．2 误差极限情况下机组出力分析

图7至图10是风电功率上下限时的机组运行情况及用户温度变化情况。两种情况下，调度运行成本（见表5）分别为324．99万元、423．58万元。与不计预测误差相比，风电按照上限出力费用最低，这是因为风电出力大时，常规火电机组的出力下降，机组运行成本下降。而按照出力下限分析时，机组出力最大，运行成本最高，且用户温度波动较频繁。从调度情况来看，上、下限负荷调度情况分别为3 462．922 MW和3 418．436 MW，均高于不计误差的3 348．001 MW。换句话说，极限情况下负荷的调度量最大，调度成本最高。因此，在调度时完全考虑极端情况虽然保证了较高的可靠性，但是牺牲了用户用电舒适性，造成较高的调度成本。

图7 风电功率预测上限时机组的出力情况

图8 风电功率预测上限时温度的变化

图9 风电功率预测下限时机组的出力情况

图10 风电功率预测下限时温度的变化

表5 系统调度及运行情况

4．3 坏场景集仿真分析

当置信度为0．95时，可求得NB＝8，即最坏情况点数达到8及以上时，置信度能够达到0．95。利用蒙特卡洛方法，随机产生NB＝8的坏场景集。坏场景集仿真数据见图11。

图11 坏场景集仿真数据

10个场景下的负荷调度情况见表6。

表6 负荷调度情况

坏场景负荷调度量平均为3 393．792 MW，平均弃风量1 300．641 MW，期望值小于上、下限调度值。可见，基于坏场景集的调度能够有效地降低调度成本，且保证了较高置信区间条件下调度的准确性。

4．4 风电消纳能力对比

与不加需求响应情况对比，两者的风电消纳能力对比见图12。

图12 不同策略下风电消纳情况

通过本策略的实施，能够有效提高风电出力峰值时刻的风电消纳量；而在出力低谷时，由于待消纳风电量不大，消纳能力对比并不明显。从极端反峰特性风电出力来看，该策略能够有效提高风电在用电低谷时期的利用率，提高采暖期风电消纳能力。

5 结论

本文建立了一种考虑热、电负荷的基于需求响应的热电联产系统风电消纳调度模型。通过价格响应和电采暖系统的温度调节，在满足热负荷需求的同时，增大风电的消纳量：

1）在满足热负荷需求情况下，通过电价引导和电采暖系统温度控制，提高系统风电利用量，减少系统弃风量；

2）误差极限条件下，负荷调度量较大，调度成本较高；

3）该策略能够显著增加系统热负荷峰值时的风电消纳量，提高采暖期热电联产系统的风电利用率，降低弃风量。

参考文献：

［1］ 王逸宾．中国弃风限电报告［J］．能源，2014（7）：42－48．

［2］ 徐乾耀，康重庆，江长明，等．多时空尺度风电消纳体系初探［J］．电力系统保护与控制，2013，41（1）：28－32．

［3］ 陈天佑．基于储热的热电厂消纳风电方案研究［D］．大连：大连理工大学，2014．

［5］ 黄鹏，马天东，陈磊．应用储热技术提升宁夏电网风电消纳的研究［J］．宁夏电力，2015（5）：8－13．

［6］ 陈磊，徐飞，王晓，等．储热提升风电消纳能力的实施方式及效果分析［J］．中国电机工程学报，2015，35（17）：4 283－4 290．

［7］ 龙虹毓，何国军，徐瑞林，等．计及分布式电源热泵的热电联产协调优化调度与能效分析［J］．电力系统自动化，2013，37（14）：38－42．

［8］ 江岳文，陈冲，温步瀛．含风电场的电力系统机组组合问题随机模拟粒子群算法［J］．电工技术学报，2009，24（6）：129－137．

［9］ SCHLUETER R A，PARK G L，REDDOCH TW，etal．A modified unit commitment and generation control for utili ties with large wind generation penetrations［J］．Power Engineering Review，IEEE，1985，PER－5（7）：26－27．

［10］夏叶，康重庆，陈天恩，等．电力用户参与风电消纳的日前市场模式［J］．电力系统自动化，2015，39（17）：120－126．

［11］宋艺航，谭忠富，李欢欢，等．促进风电消纳的发电侧、储能及需求侧联合优化模型［J］．电网技术，2014，38（3）：610－615．

［12］刘小聪，王蓓蓓，李扬，等．计及需求侧资源的大规模风电消纳随机机组组合模型［J］．中国电机工程学报，2015，35（14）：3 714－3 723．

［13］SHAN J，BOTTERUD A，RYAN SM．Impact of demand response on thermal generation investmentwith high wind penetration［J］．Smart Grid，IEEE Transactions on，2013，4（4）：2 374－2 383．

［14］TASDIGHIM，GHASEMIH，RAHIMI－KIAN A．Residen tialmicrogrid scheduling based on smart meters data and temperature dependent thermal load modeling［J］．Smart Grid，IEEE Transactions on．，2014，5（1）：349－357．

［15］龙虹毓，马建伟，吴锴，等．含热电联产和风电机组的电网节能调度［J］．电力自动化设备，2011，31（11）：18－22．

［16］高红均，刘俊勇，刘继春，等．基于坏场景集的含风电机组组合模型［J］．电力系统保护与控制，2013，41（10）：27－32．

［17］邱威，张建华，刘念．含大型风电场的环境经济调度模型与解法［J］．中国电机工程学报，2011，31（19）：8－16．

［18］戢伟．基于电力供暖的促进风电消纳建模与仿真研究［D］．济南：山东大学，2014．

A Study on theW ind Power Consumption of the CHP System During the Heating Period Based on the Demand Response

ZHANG Peng1，LIChunyan1，ZHOU Zhe2，WANG Dong1
（1．State Key Laboratory of Power Transmission Equipment＆．System Security and New Technology of Chongqing University，Chongqing 400030，China；2．Electric Power Design Institute of State Grid Chongqing Electric Power Company，Chongqing 401121，China）

This paper presents a strategy for thewind power consumption of the CHP system based on the demand re sponse．With both the demands of thermal and electrical loads and the upper and lower limits of thewind power pre diction being considered，the real time price for electricity can be setand the price based demand response dispatc hing for resident users can be implemented．On the premise that the demand of the thermal load is guaranteed，the users fundamental demand for heating and the temperature comfortableness are satisfied，the goal that the demand of the electrical load meets the output power of the wind power unit can be realized by regulating the temperature of the electric heating system，changing the demand of the electric heating load of both industrial and business users and conducting real time response to wind power fluctuations．Analysis of relevant numerical examples shows that themethod can effectively improve the capacity of the wind power consumption of the CHP system during the heat ing period and reducing its operating cost，ensuring the users demand of heating．

wind power consumption；demand response；CHP；temperature control

TM743

A

1008 8032（2017）02 0022 06

2016－11－03

该文获重庆市电机工程学会2016年学术年会优秀论文三等奖

张 鹏（1991－），硕士研究生，研究方向为智能电网需求响应及新能源消纳。