含分布式新能源的热电联供系统运行优化

赵子嫣，王 灿，潘超琼，王金浩，别朝红

(1.西安交通大学电气工程学院，陕西 西安 710049; 2.山西电力科学研究院，山西 太原 030001)

0 引言

分布式新能源装机容量不断增加，在缓解环境污染和能源短缺问题的同时，也带来一些负面影响。电源装机容量增速与负荷增速不匹配带来的弃风、弃光问题日益突出，成为制约新能源发展的主要瓶颈之一[1]。2017年全国弃风电量达419亿 kW·h，弃光电量73亿 kW·h[2], 随着新增新能源装机占比不断提高，未来新能源消纳问题将会更加突出。

近年来，综合能源系统快速发展，为解决弃风弃光问题、提高新能源消纳能力提供了新思路，一些学者提出以多能互补的方式来促进分布式新能源消纳。随着我国能源消费模式的转变，热、电能源系统联系日渐紧密[3]。文献[4]考虑电、热能源系统在能量传输和存储性能上的差异性和互补性，以提高可再生能源消纳能力和整体能源利用效率为目标，提出了多种能量形式的协调优化控制方法。该方法在提高整体能源利用率的同时，可较为高效地解决弃风弃光问题、促进分布式新能源的消纳。文献[5]基于区域式综合能源系统，以系统运行成本最小为目标建立优化运行模型，通过利用粒子群算法求解分析了热电耦合效应对分布式电源渗透率和接入量的影响。文献[6]以某典型园区为研究对象，考虑需求侧响应和储能对负荷曲线的影响，建立了冷热电综合能源系统多目标协同优化模型，在提升系统灵活性的同时能够有效消纳新能源出力。此外，考虑分布式新能源就地消纳、就近消纳的特点，文献[7]通过分析负荷需求响应特性，提出了促进分布式光伏发电就地消纳的主动负荷需求响应策略，有效促进了居民侧小型分布式电源消纳。经分析发现，现有促进分布式新能源消纳的方式有以下不足：1)多对新能源机组出力进行概率模拟，未考虑其时序特性；2)多以促进用户侧分布式新能源消纳为主，对电源侧分布式新能源消纳问题研究较少。

结合北方冬季清洁供暖的背景，针对上述促进分布式新能源消纳方式的不足，本文考虑分布式新能源机组出力和负荷的时序特性，针对提高配电网新能源消纳能力及能源综合利用的问题，提出一个包含风力发电、光伏发电、电锅炉、燃气锅炉和换热器的热电联供系统，建立热电联供系统运行优化模型，通过协调新能源机组弃电量、电锅炉及燃气锅炉供热量，实现热电联供系统的经济运行。结果表明：热电联供系统可有效提高配电网分布式新能源消纳能力并降低系统运行成本。

1 热电联供系统

1.1 系统组成与结构

热电联供系统组成结构如图1所示[8]，包括分布式电源、转换设备和电、热负荷。分布式电源包括风电、光伏和燃气锅炉，其中风电和光伏机组承担系统电负荷，功率缺额由主网补充，燃气锅炉承担系统热负荷；转换设备包括电锅炉和换热器，电锅炉可将电能转化为热能，与燃气锅炉共同承担热负荷，换热器将燃气锅炉产生的热量供给热负荷。

图1 热电联供系统结构Fig.1 Schematic diagram of combined heating and power system

1.2 系统元件模型

1) 风电机组。

风速v采用双参数威布尔分布模型[9]模拟，其概率分布函数为

(1)

式中a和b分别为尺度参数和形状参数，可由历史风速数据的期望和方差计算得到。

由于威布尔分布只能在概率上模拟风速特性，而不能模拟其时序特性，考虑风速一般在夜晚达到峰值，本文利用白天07：00—18：00和夜晚19：00—24：00及01：00—06：00的风速历史数据分别对白天和夜晚的风速概率分布函数进行拟合，通过反函数抽样法对拟合得到的两条曲线进行抽样，得到具有时序变化特性的风速序列。

根据风电转换关系，第k台风电机组在i时刻的出力可表示为

(2)

式中：v(i)为i时刻的风速；vin为风机切入风速；vout为风机切出风速；vn为风机额定风速；k1和k2为与vin和vn相关的参数；PWn为风电机组额定功率。

2) 光伏机组。

辐照度r采用β分布模型[10]模拟，其概率密度函数为

(3)

式中：Γ(·)为Gamma函数；rmax为最大辐照度；c和d分别为位置参数和形状参数，可由历史辐照度的期望和方差计算得到。

由于β分布只能在概率上模拟辐照度特性，不能反映其时序特性，考虑光伏出力峰值出现在正午时刻，本文按07：00—11：00、12：00—14：00和15：00—18：00对辐照度概率分布函数进行分段拟合，通过对服从不同位置参数和形状参数的概率分布函数进行抽样，得到具有时序特性的辐照度数据。

辐照度与光伏机组出力的关系可由分段函数表示。第k台光伏机组在i时刻的出力可表示为

(4)

式中：rin为光伏机组切入辐照度；rn为额定辐照度；k3和k4是与rin和rn相关的参数；PSn为光伏机组额定功率。

3) 燃气锅炉。

燃气锅炉将化学能转化为热能，其数学模型[11]为

QGB,k(i)=ηGB,kFGB,k(i)

(5)

式中:FGB,k(i)为第k台燃气锅炉在i时刻的燃气耗量，MW；QGB,k(i)为第k台燃气锅炉在i时刻的制热功率；ηGB,k为第k台燃气锅炉的效率。

利用下式可计算标准单位下系统的天然气耗量[12]：

(6)

式中：NGB为系统内燃气锅炉数；T为总时段数；Δt为模拟时间间隔；QLH为天然气低热值。

4) 电锅炉。

电锅炉可实现电热转换，其数学模型为

QEB,k(i)=ηEB,kPEB,k(i)

(7)

式中：PEB,k(i)为第k台电锅炉在i时刻的耗电功率；QEB,k(i)为第k台电锅炉在时刻i的制热功率；ηEB,k为第k台电锅炉的能量转换效率。

5) 换热器。

换热器数学模型如下：

(8)

6) 电、热负荷。

电负荷的数学模型如下：

(9)

式中:AE,k、BE,k和CE,k为参数，可由电负荷的历史数据拟合得到；δE(i)为预测电负荷的修正量。

热负荷的数学模型如下：

(10)

式中:AH,k、BH,k和CH,k为参数，可由热负荷的历史数据拟合得到；δH(i)为预测热负荷的修正量。

1.3 热电联产系统的运行方式

基于新能源机组出力和负荷的时序特性，确定热电联产系统的运行方式。对于冬季典型日，新能源机组时序出力与负荷曲线如图2所示。

图2 新能源机组出力及负荷曲线Fig.2 Curves of load and output of renewable energy unit

由图2可知：光伏机组出力峰值时段为12：00—14：00，此时为电、热负荷需求低谷[13]；风电机组出力在凌晨23：00—06：00达到峰值，此时为电负荷需求低谷、热负荷需求高峰。因此，对于新能源机组仅承担电负荷的系统，在白天和凌晨电负荷低谷时，更容易发生弃风弃光现象。

白天电负荷峰值时段，充分利用新能源机组出力，电功率缺额由主网补充；白天和凌晨电负荷低谷时段，热电联供系统的电锅炉工作，将多余新能源出力转化为热能，从而承担部分热负荷，热功率缺额由燃气锅炉补充。

2 热电联供系统运行优化模型

热电联供系统运行优化模型以各新能源机组弃电功率、电锅炉及燃气锅炉出力为决策变量，以系统运行成本和新能源弃电量最小为优化目标，综合考虑实时电、热平衡、设备及电力系统运行的各种约束，利用Cplex求解器求解得到热电联供系统优化运行方式。

2.1 目标函数

该模型的目标函数为

f=min(CE+CG+CP)

(11)

式中：CE为主网供电成本；CG为天然气成本；CP为弃风弃光惩罚成本。

(12)

式中：Pgrid(i)为i时刻主网的供电功率；Ce为电价。

CG=CgasFs

(13)

式中Cgas为天然气价格。

(14)

式中：ΔPW(i)为i时刻系统的弃风功率；ΔPS(i)为i时刻系统的弃光功率；β为弃风弃光惩罚系数。

2.2 约束条件

除式(5)—(8)外，系统还应满足以下约束条件:

1) 电功率平衡。

(15)

式中：NW为风电机组数；NS为光伏机组数；PLE(i)为i时刻系统的电负荷；NEB为电锅炉数。

2) 热功率平衡。

(16)

3) 蒸汽平衡。

(17)

4) 新能源机组出力切除量约束。

5) 设备功率上下限约束。

① 燃气锅炉。

QGBmin,k≤QGB,k(i)≤QGBmax,k

(20)

式中QGBmin,k和QGBmax,k分别为第k台燃气锅炉制热功率的最小和最大值。

② 电锅炉。

QEBmin,k≤QEB,k(i)≤QEBmax,k

(21)

式中QEBmin,k和QEBmax,k分别为第k台电锅炉制热功率的最小和最大值。

③ 换热器。

(22)

6) 潮流约束。

利用直流潮流模型[14]，潮流约束为

(23)

式中：PGi为i节点发电机注入功率；PLi为i节点负荷吸收的功率；Bij为系统节点导纳矩阵虚部；θij为节点i和节点j之间的电压相角差。

7) 线路传输功率约束。

(24)

式中：Plmax为线路最大允许传输功率；Xij为从节点i到节点j线路的电抗值；θi和θj分别为节点i和节点j的电压相角。

2.3 求解方法

热电联供系统运行优化模型的优化变量包括新能源机组弃电功率、电锅炉及燃气锅炉出力；等式约束包括电、热平衡方程；不等式约束包括设备功率上下限及电力系统运行约束。

针对上述模型，本文利用Matlab调用Cplex求解器进行求解。

2.4 评价指标

为评价本文所提方法的有效性，引入指标量化热电联供系统优化运行方式对新能源消纳的影响。

1) 新能源消纳提升比例。

(25)

式中：ΔWR,0为原系统新能源弃电量；WR,0为原系统新能源可用电量；ΔWR,CHP为热电联供系统新能源弃电量。

2) 新能源机组供热比。

(26)

式中：WEB为电锅炉供热量；Wgrid,0为原系统中主网供电量；Wgrid,CHP为热电联供系统中主网供电量；WLH为系统负荷耗热量。

3 算例分析

3.1 算例介绍

本文采用改进的IEEE 33算例[15]，结构如图3所示。系统电负荷峰值为6.7 MW，热负荷峰值为5.6 MW；节点1为主网功率接入点，节点18和33为风电场，节点18和33为光伏电站，风电机组总装机容量为3 MW，光伏机组总装机容量为3 MW；一台电锅炉与节点32相连，电锅炉装机容量1 MW，其输出侧接至热负荷。

图3 算例系统结构图Fig.3 Structure of test case

以冬季典型日为研究对象，取时间间隔Δt为5 min，Δt内各机组出力和负荷保持恒定，总时段数T为288。新能源机组出力及负荷曲线如图2所示。热电联供系统主要参数如表1所示。

表1 主要参数Table 1 Main parameters

为验证本文所提方法的有效性，利用热电分供情况作为对比。热电分供时，不设置电锅炉，新能源机组出力仅承担电负荷。

利用本文提出的热电联供系统运行优化模型，得到系统中新能源机组弃电功率、电锅炉及燃气锅炉出力的优化结果，其中新能源实现了全额消纳，电锅炉及燃气锅炉时序出力如图4所示。

图4 机组出力优化结果Fig.4 Optimal result of unit output

3.2 优化结果分析

选取24个时刻进行结果分析，如图5所示。

图5 热电联供与热电分供对比图Fig.5 Comparison between combined heating and power system and separation supply of heat and power

由图5可知，在白天和凌晨电负荷水平较低的时段内，电锅炉工作，利用新能源弃电量承担部分热负荷，从而减小燃气锅炉出力，降低天然气成本。热电分供与热电联供系统运行成本如表2所示。

表2 运行成本Table 2 Operation cost

与热电分供相比，热电联供系统优化运行方式下系统总运行成本减少1.62万元，主要原因是弃风弃光和燃气锅炉天然气耗量的减少，使得弃新能源惩罚成本和天然气成本降低。

评价指标如表3所示。加设电锅炉后，可利用多余新能源出力承担2.8%的热负荷。可见，本文所提的热电联供系统优化运行方式可减少系统弃风弃光、提高分布式新能源的消纳能力。

表3 评价指标Table 3 Evaluation index

图6为不同新能源装机容量情况下新能源弃电量的优化结果。由图6可知：当新能源装机容量小于7.2 MW时，热电联供系统的多余新能源机组出力全部用于承担热负荷，可实现新能源发电全额消纳；当热电联供系统新能源装机大于7.2 MW时，系统出现弃风、弃光情况，此时需要增大电锅炉容量或数目以利用多余新能源出力。

图6 不同新能源装机容量下新能源弃电量Fig.6 Renewable energy curtailment with different capacities

4 结论

本文针对配电网分布式新能源消纳问题，考虑新能源机组出力与负荷的时序特点，提出了一种包含分布式电源、转换设备和热、电负荷的热电联供系统；通过引入弃风弃光惩罚系数，建立了以运行成本最小为目标的热电联供系统运行优化模型，并利用线性规划方法进行求解。通过与热电分供方式进行对比，验证了本文所提方法的有效性，所得结论如下：

1) 相对于热电分供方式，热电联供系统优化运行方式可提高系统新能源消纳能力并降低运行成本；

2) 热电联供系统新能源弃电量与新能源总装机容量有关；

3) 本文未考虑热电联供系统设备的配置问题，未来可研究设备接入位置不同对新能源消纳能力的影响。