基于储热热电机组和电锅炉的风电消纳调度模型

李 虹， 王晓丹， 周晓洁， 郭世枭

(新能源电力系统国家重点实验室(华北电力大学)，河北 保定 071003)

0 引言

随着环境污染的加剧，人类对能源需求不断增长。虽然我国风能资源丰富, 但用电负荷远离风能富裕的北方地区，大规模高比例风电并网大大增加了电网调峰调频的压力，很难实现风电的完全消纳，因此产生了“弃风”问题[1]。2016年我国全年弃风电量497亿kW·h，且大多集中在东北和西北地区，其中，内蒙古弃风124亿kW·h，弃风量占并网风电总量的21%；新疆弃风137亿kW·h，弃风率为38%；吉林弃风29亿kW·h，弃风率为30%，风电消纳问题已成为制约我国风电健康发展的最大障碍。

对于风电消纳，分析北方地区冬季供暖期热电机组的出力特性，国内外一些文献相继提出风电消纳与电力供暖相结合的电热联合调度模型[2-4]。一方面，解耦热电机组“电热耦合”特性，增加系统调峰能力；另一方面，通过增加负荷侧用电负荷来消纳多余风电。在增加储热装置方面，文献[5]建立了含储热装置、热电机组、纯凝式机组和风电场的电热综合调度模型，分析了配置储热前后热电机组的运行特性和调峰能力变化；文献[6]提出将储热装置分别安装在热电机组侧和电供热系统处，比较了不同储热位置在运行模式上的差异；文献[7]基于宁夏电网实测数据，提出应用大容量储热技术从源和荷两方面扩大风电消纳空间。在增大负荷侧用电负荷方面，文献[8-10]考虑加入电锅炉装置，以风电、蓄热式电锅炉联合构成供热系统，建立了含风电、蓄热式电锅炉的联合调度优化模型；文献[11-12]研究了基于水源热泵技术的风电消纳模式，既提高了风电消纳能力，又减少了电能生产过程中的污染物排放。但是，以上研究大都只是单独考虑储热装置和电锅炉对于风电消纳的促进作用，较少对储热装置与电锅炉协调供热时的风电消纳效益进行深入分析。文献[13]则提出一种风电、热电机组和常规机组共存，储热热电机组与电锅炉协调供热的弃风消纳模型，但仅考虑了系统总调度成本最小这一目标函数，并没有考虑风电弃风量与经济效益之间的相互影响。

基于以上研究，本文考虑增加抽汽式热电机组电热耦合约束、风电机组风电出力约束以及电锅炉运行条件约束，提出基于含储热热电机组和电锅炉的风电消纳模式，以系统经济成本最小和弃风量最少为目标函数，建立了包含热电机组、火电机组、风电机组、储热装置以及电锅炉在内的多目标风电消纳协调调度模型。比较了传统方式、仅含储热装置、仅含电锅炉以及两者协调调度4种方式下的风电消纳和各机组出力情况，并利用基于Pareto最优解集的改进多目标粒子群算法对算例进行了仿真。

1 含储热装置和电锅炉的风电消纳模式

1.1 含储热装置的热电机组模型

对于热电机组，其发电出力和供热出力存在一定的耦合关系，就是所谓的“电-热特性”。在冬季供暖期，夜间风电过剩时段热电机组发出电力因供热约束无法下调，会造成严重弃风。而热电厂通过加入储热装置可以解耦热电机组“以热定电”特性，增加系统调节能力。图1所示为加入储热装装置后抽汽式热电机组电-热特性的变化。

图1 加入储热装置后抽汽式热电机组的电-热特性

由图1可知，加入储热装置后，其电热特性运行区间发生了很大变化，图中hc,max、hf,max分别表示储热装置的最大储、放热速率。对于B点，其汽轮机最大抽汽供热功率为hb，通过储热装置放热，最大供热功率范围为[hb,hb+hf,max]，即相当于AB段和BC段整体向右偏移了hf,max。 此外，在图中CD段，存在最小供热功率，加入储热装置后，由于储热装置进行储热，其最小供热功率向左平移hc,max，则K点供热功率为hc-hc,max，相当于CD段整体向左平移hc,max，其电功率和热功率的调节区间由原来的ABCDA变为图中的AGIJKLA所围区间。当某供热功率同样为h时，电功率调节区间则由图中MN所示的调节范围[PN, PM]变为RS所示的调节范围[PS, PR]，大大增加了热电机组的电出力调节范围。

1.2 储热装置与电锅炉协调的风电消纳

由1.1节可知，含储热装置和电锅炉的风电消纳模式在一定程度上都能提高并网风电的消纳能力，但是有可能会存在储热装置储热量不足或者电锅炉蓄热能力不够的情况，从而产生一定量的弃风。因此将储热装置与电锅炉一起联合调度，则会更大限度地实现风电完全消纳。其电热综合协调调度系统结构如图2所示。

图2 电热综合协调调度系统结构图

由图2可知，储热装置位于电源侧，电锅炉位于负荷侧。负荷高峰期，电锅炉储存的热量释放，满足部分热负荷需求，其它热负荷由热电机组提供，同时储热装置储热，用于负荷低谷使用；在负荷低谷时段，电锅炉利用弃风电量制热，满足一部分热负荷，其余热量用蓄热罐储存，同时储热装置放热。通过电锅炉与储热装置协调供热，一方面使得热电机组的电功率调节区间进一步增大；另一方面，电锅炉增加了电负荷，两者同时作用使得电网消纳弃风的能力增强。

2 储热装置与电锅炉协调消纳风电的调度模型

2.1 目标函数

2.1.1 系统总经济成本

对于系统总经济成本，主要考虑系统的煤耗成本，其它成本忽略不计。

对于常规火电机组，系统煤耗成本为发电功率的二次函数：

(1)

背压式热电机组，其煤耗成本与常规火电机组相同。而抽汽式热电机组，考虑其电-热特性，煤耗成本为:

(2)

综合考虑整个系统煤耗成本，以系统的煤耗成本最小为目标函数:

(3)

式中：ai、bi、ci为常规火电机组i的煤耗成本系数；Pi,t为第i台常规火电机组t时刻的发电功率，MW；Pei,t和Pi,t分别为第i台抽汽式热电机组在t时刻净发电功率和纯凝工况下的发电功率，MW；hi,t为第i台抽汽式热电机组在t时刻的热功率，MW；N1、N2为常规火电机组(包括背压式热电机组)、抽汽式热电机组台数；T为周期内调度时段数，以1 d为一个调度周期，1 h为一个调度时段。

2.1.2 系统弃风量最少

根据风电消纳机理，确保清洁能源优先上网的要求，以系统弃风量最小为目标接纳电网覆盖范围内符合并网技术标准的风电电量，其目标函数为:

(4)

2.2 约束条件

含储热热电机组和电锅炉协调调度模型的约束条件包括系统运行约束条件和机组运行约束条件，本文在原有基础上增加了抽汽式热电机组的电-热耦合约束、风电机组风电出力约束、电锅炉运行约束等约束条件。

2.2.1 系统运行约束条件

(5)

(6)

(7)

Vt≤Vmax

(8)

(9)

PEB,min≤PEB,t≤PEB,max

(10)

(11)

(12)

2.2.2 机组运行约束

Pi,min≤Pi,t≤Pi,max

(13)

(14)

(15)

0≤hi,t≤hi,max

(16)

(17)

(18)

式(5)和(6)为系统电、热功率平衡约束；式(7)(8)(9)分别为储热装置运行约束，包括储热装置储、放热速率约束、储热装置储热容量约束和储热装置周期内热容量不变约束；式(10)和(11)分别为蓄热式电锅炉功率及其功率波动约束；式(12)为风电机组出力约束；式(13)为机组电出力上下限约束； 式(15)和(16)分别为抽汽式热电机组净发电出力和热出力上、下限约束；式(14)和(17)分别为机组电、热出力爬坡约束；式(18)为机组正负旋转备用约束。

式中：Pi,max、Pi,min为机组i在纯凝工况下的最大、最小电出力，MW；ΔPu,i、ΔPd,i为机组i最大上、下爬坡出力，MW/h；αi为机组i的电功率、热功率弹性系数，可认为是常数；βi为常数；γi为汽轮机进汽量一定时，机组i多抽取单位供热热量时净发电出力的减少量；hi,max为机组i的最大供热功率，MW；Δhu,i、Δhd,i为抽汽式热电机组单位时间内热功率的最大增加、减少量，MW/h；PSR为系统旋转备用额度，一般取系统发电最高负荷的2%；USR、UDR为系统正、负旋转备用，MW。

2.3 基于MOPSO算法的模型求解

考虑到所建立的多目标协调调度模型是一个多阶段、非线性复杂问题，传统的优化类算法难以求解。因此，本文在原有的多目标粒子群算法的基础上得到了改进后的基于Pareto解集的多目标优化粒子群算法(MOPSO)[14,15]。改进后的算法加入了Pareto解集占优策略、拥挤距离排序方法和精英归档技术，得到了更加均匀准确的Pareto解集；采用线性递减权重的改进方法，有效避免了粒子群算法(PSO)的早熟以及在最优解附近振荡的情况，进一步提高了算法的收敛性；并且引入小概率变异机制，对粒子位置产生小范围扰动，增强了全局搜索能力。其改进多目标粒子群算法流程图如图3所示。

图3 改进的多目标粒子群算法流程图

3 算例分析

3.1 算例数据

本文采用六机组系统进行仿真，其中1#、2# 机组为背压式热电机组；3#、4# 机组为抽气式热电机组、5#、6# 机组为常规火电机组，系统中风电场风电机组装机容量为300 MW，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为一个调度时段，系统各时刻电负荷及相关风电预测功率选取某日9:00到次日8:00的数据[16]，电负荷曲线如图4所示。

设全天热负荷为1 100 MW，各机组煤耗成本系数及各机组电热输出运行参数参照文献[16]；其它相关数据[17]设置如下：αi、βi、γi分别取0.75、0、0.15；储热装置的最大储、放热速率hc,max、hf,max均为50 MW，最大储热容量Vmax为2 000 MW·h，电锅炉的最大储、放热速率hEBc, max、hEBf, max均为50 MW，最大装置容量VEB, max为3 000 MW·h，粒子群个数设为50，迭代次数为10 000次，惯性权重Wmax为0.9、Wmin为0.4，学习因子C1、C2均为1.494。

3.2 算例分析

图4 电负荷曲线和预测风电曲线

采用了4种方式对同一算例进行了相关仿真分析：方式一：不含储热装置、不含电锅炉； 方式二：只含储热装置、不含电锅炉；方式三：不含储热装置、只含电锅炉； 方式四：既含储热装置、又含电锅炉。上述4种方式利用改进的MOPSO算法得到Pareto最优解集如图5所示。4种方式下的煤耗量最优解、弃风量最优解以及其折衷解如表1所示。

表1 4种方式下的煤耗成本最优解、弃风量最优解及其折衷解

4种方式方式一方式二方式三方式四煤耗量煤耗成本/×106元8.35268.27938.32748.2176弃风量/MW674379.72289.8822.5弃风量煤耗成本/×106元8.35858.29168.33448.2188弃风量/MW673.65376.58289.7818.84折衷解煤耗成本/×106元8.35368.2828.32968.2282弃风量/MW673.78377.48289.818.08

图5 4种方式的Pareto最优解集

对比4种方式下Pareto最优解集及其各类解可知：煤耗量最优解对应的经济性最好，但弃风量较大，这是因为该方式优先考虑调度煤耗量较小的机组，并没有考虑弃风量大小；同样，弃风量最优解对应的弃风量最少，但经济性较差，这是因为在调度过程中，优先调度了弃风量较少的机组，而没有考虑经济性好坏。因此，通过对比可以看出折衷解是通过比较两个目标函数的重要程度，对两个目标函数设定了不同的权重，同时兼顾系统的经济性和弃风量。

由于4种调度方式下各机组出力不同，其经济性和弃风量都有所差别。对比4种方式下的经济成本，传统方式下经济性最差，储热装置与电锅炉协调调度方式下的经济性明显优于其它3种方式，这是因为两者协调调度，更多的风电替代了高成本的煤电机组出力，使得系统经济性有所改善；对于弃风量，4种方式则有明显的差别。为了更好地说明储热装置和电锅炉加入前后对风电消纳量的影响以及对热电机组的电出力的调节作用，通过仿真，得到了4种方式下各时刻的风电消纳及其热电机组电出力情况。

图6 4种方式下各时刻风电消纳情况

由图6、7可知：方式一由于既不含储热装置，又不含电锅炉，产生的弃风量最多，约为673.78 MW，弃风时刻热电机组的电出力明显高于其它方式；方式二、三，由于储热装置和电锅炉的加入，弃风情况有所改善，弃风量分别为377.48 MW和289.80 MW，占风电消纳总量的56%和43%，弃风时刻热电机组的电出力较方式一有所下降，使得风电消纳空间得以增大；方式四弃风量仅为18.84 MW，基本实现了风电的完全消纳，弃风时刻热电机组的电出力降到了最小值，大大增加了风电消纳量。这是因为弃风时段，由于储热装置和电锅炉的加入，一方面解耦了热电机组“以热定电”特性，降低了热电机组电出力；另一方面，电锅炉增大了电负荷，从而使得弃风情况得到很大的改善。

图7 4种方式下热电机组各时刻电出力情况

4 结论

针对北方地区冬季弃风严重问题，提出了风电消纳与电力供暖相结合的解决方案,研究得出储热装置和电锅炉对于风电消纳都有一定的促进作用，对于风电在电网调度过程中通过增加储热装置和电锅炉的方案来提高风电消纳能力提供了参考，为解决当前中国北方地区在冬季供暖期面临大量弃风问题提供了新的解决途径，使弃风问题得到一定程度缓解。

[1]朱凌志，陈宁，韩华玲.风电消纳关键问题及应对措施分析[J].电力系统自动化，2011，35(22)：29-34.

[2]雷涛，鞠立伟，彭道鑫，等. 计及碳排放权交易的风电储能协同调度优化模型[J]. 华北电力大学学报(自然科学版),2015,42(03):97-104.

[3]ABDOLLAHI E, WANG H, RINNE S, et al. Optimization of energy production of a CHP plant with heat storage[C].Green Energy and Systems Conference. IEEE, 2015.

[4]WU C, JIANG P, GU W, et al. Day-ahead optimal dispatch with CHP and wind turbines based on room temperature control[C].IEEE International Conference on Power System Technology. IEEE, 2016:1-6.

[5]LI Z, WU W, WANG J, et al. Transmission-constrained unit commitment considering combined electricity and district heating networks[J]. IEEE Transactions on Sustainable Energy, 2016, 7(2):480-492.

[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)：4283-4290.

[7]王艳阳，刘鑫屏.热-电联合机组多时间尺度调峰优化调度模型[J].电力科学与工程，2017，33(7):37-42.

[8]吕泉，姜浩，陈天佑.基于电锅炉的热电厂消纳风电方案及其国民经济评价[J].电力系统自动化，2014，38(1)：06-12.

[9]陈守军，辛禾，王涛，等.风电、蓄热式电锅炉联合供暖调度鲁棒优化模型[J].电力建设，2016，37(1)：103-109.

[10]L.LAN,D.BIN,X.YUNKE.A game theory mechanism for thermal power plant to participate in wind power heating in electricity markets[C]//China International Conference on Electricity Distribution 2016:1-5.

[11]赵虎，阎维平，郭江龙，等.利用吸收式热泵回收电厂循环水余热的方案研究[J]. 电力科学与工程，2012，28(8):64-69.

[12]孙天宇，任建兴，张健，等.水源热泵回收电厂循环水余热的经济性分析[J].热力发电，2015，44(7)：7-11.

[13]崔杨, 陈志, 严干贵,等. 基于含储热热电联产机组与电锅炉的弃风消纳协调调度模型[J]. 中国电机工程学报, 2016, 36(15):4072-4080.

[14]张津，卢锦玲，周松浩.不同电力系统调度模式的风电消纳能力分析[J].电力科学与工程，2016，32(9)：13-18.

[15]雷敏，杨万里，彭晓波，等. 基于改进简化粒子群算法的含DG的配电网无功优化[J]. 华北电力大学学报(自然科学版),2015,42(1):39-44.

[16]卢志刚，隋玉珊，冯涛，等.考虑储热装置与碳捕集设备的风电消纳低碳经济调度[J].电工技术学报，2016，31(17)：41-51.

[17]BAI X, WEI H. Semi-definite programming-based method for security-constrained unit commitment with operational and optimal power flow constraints[J]. IET Generation Transmission & Distribution, 2009, 3(2):182-197.