基于热力系统储热控制的大规模风电消纳研究

王 羽

(水电水利规划设计总院，北京100120)

0 引言

随着能源系统革命，能源结构发生巨大变化，风电等可再生能源比例逐年提高，尤其是在我国三北地区[1-2]。然而，风电等可再生能源具有随机性和波动性，降低了系统灵活调节能力，风电并网消纳问题突出[3-6]。同时，我国三北地区电网中存在着高比例的热电联产机组用于满足冬季巨大的采暖需求，运行在“以热定电”模式下[7]，灵活调节能力极其有限，进一步加剧了弃风问题，采暖季弃风率高达30%以上。大规模风电和高比例热电联产的并存，造成了严重的弃风问题，给电力系统安全、经济运行带来诸多困难[8]。根据现有研究，引入分布式热泵、电锅炉和储热装置，可以提高热电联产的运行灵活性，实现平抑风电波动的目的[9-12]。

在中国北方地区，区域供暖系统很早就开始用于冬季采暖，而空调等分布式热泵很少被用于冬季采暖。另外，学者对分布式热电联产机组配合储热装置进行了研究[13-15]，但是针对大型热电联产机组配置储热装置的研究还相对较少。进一步地，利用建筑物热惯性和人体热舒适性提高热负荷的灵活调节能力已成为电力系统的研究热点[16-18]。但是，如何将现有空调热泵引入区域供暖，并利用多种储热技术提高电力系统灵活性，还缺乏相应的研究。由此，文中基于区域能源系统框架，提出了一种联合大型储热装置和建筑物储热的热力系统储热控制方法，用于促进风电消纳。

1 原理概述

区域能源系统(如图1所示)以大型燃煤热电联产机组为核心，并配有大型热水储热装置和分布式热泵。其中，热电联产机组和分布式热泵作为热源向用户提供热能，满足其采暖需求。进一步，通过优化控制热水储热装置，并利用建筑物储热特性和用户热舒适需求特性，提高整个区域能源系统的运行灵活性，由此在日前优化调度中向电网提供调峰容量，促进大规模风电消纳。

图1 区域能源系统基本框架Fig.1 District energy system

首先，大型热水储热装置具有成本低的特点，可以充分地匹配大型热电联产机组的供热容量，并通过优化控制其蓄、放热，实现在热负荷低谷蓄热，在热负荷高峰放热的运行方式，满足了采暖负荷的需求。根据图2的热电联产机组运行工况，随着热出力的逐渐增加，热电联产机组的功率调节范围在逐渐减小，机组调峰能力逐渐减弱，通过储热装置放热，减小热电联产机组的热出力，进而提高热电联产机组的发电出力调峰能力，实现机组的向上调峰，用于补偿风电功率的不足。

图2 CN300/200-16.7 型热电联产机组运行工况Fig.2 P-Q chart of CN300/200-16.7 extraction condensing turbine CHP

其次，空调等分布式热泵在中国城市里普及度较高，但一般仅用于满足夏季制冷需求。如果充分利用分布式热泵的供热能力，代替热电联产的部分采暖负荷，既可以利用过剩的风电满足采暖需求，也可以提高热电联产的运行灵活性，满足电网中的风电调峰需求。

最后，北方地区建筑物具有巨大的蓄热能力。当供暖量大于采暖负荷时，热量储存在建筑物中时，室内温度升高；当供暖量小于采暖负荷时，热量从建筑物中释放，室内温度下降。进一步，考虑到人体热舒适性，室内温度可在一定的舒适温度范围内波动，而通过优化控制热电联产机组和分布式热泵的供暖功率，改变建筑物的热平衡状态，使建筑物不断的蓄、放热，从而为电网提供更大的调峰能力，实现对风电波动的追踪。

2 数学模型

2.1 目标函数

大规模风电并网会导致电网负荷峰谷差和波动率的增加。因此，文中以等效负荷的标准差最小作为目标函数，如式(1)所示：

(1)

Peq(t)=Pl(t)-Pw(t)-PCHP(t)+PEHPs(t)

(2)

式中：Pl(t) 为电力负荷；Pw(t) 为可利用风电功率；PCHP(t)为热电联产机组的发电出力；PEHPs(t) 为分布式热泵的耗电功率。

2.2 热电联产机组运行约束

热电联产机组的发电出力受到其上、下限约束和爬坡约束，如式(3)和(4)所示：

(3)

(4)

(5)

(6)

(7)

2.3 蓄热控制约束

(8)

(9)

(10)

2.4 热负荷控制约束

用户总耗热功率Pend(t) ，由热电联产的热出力Pwater(t)和分布式热泵的热功率Ph,EHPs(t)共同承担，如式(11)所示：

Pend(t)=Pwater(t)+Ph,EHPs(t)

(11)

式中：热电联产的热出力Pwater(t)为热电联产机组的出力和储热装置的蓄放热功率的叠加，见式(12)：

Pwater(t)=Phot(t)+PTES.out(t)-PTES.in(t)

(12)

同时，分布式热泵的热功率受到其额定容量PCAP和性能系数C的约束，如式(13) 和 (14)所示：

0≤Ph,EHPs(t)≤PCAP

(13)

Ph,EHPs(t)=C·PEHPs(t)

(14)

2.5 建筑物储热和人体热舒适约束

由于建筑围护结构的热惰性，建筑物可以被认为是一个储热装置。根据能量守恒定律，其储热特性可以由式(15)表示：

(15)

最后，考虑到人体热舒适性，室内温度可以在上限温度Tup和下限温度Tdown范围内波动：

Tdown≤T(t)≤Tup

(16)

3 算例仿真

本文设计了3个对比算例，其中，算例Ⅰ为热电联产“以热定电”的原始控制方法，算例Ⅱ为不考虑储热的控制方法，算例Ⅲ为本文所提储热控制方法，具体如表1所示。模型为典型的非线性规划(NLP)问题，利用GAMS/MOSEK求解器进行求解。

表1 对比算例Tab.1 Comparison cases

(1) 风电数据。基于天气数值预报和人工神经网络的风电预测系统早已应用于电网调度中心[19]。根据风电预测规范，本文选用了分辨率为15 min，时长为24 h的冬季风电预测功率曲线作为算例仿真对象，如图3所示。

图3 预测风电功率Fig.3 Prediction wind power curve

(2) 电力负荷数据。预测电力负荷曲线如图4所示。

图4 电力负荷曲线Fig.4 Electricity load

(3) 采暖负荷。早晚温差的变化导致了采暖负荷需求的波动，而室外温度的日峰谷差是温度变化的典型指标之一。由此，本文根据室外温度日峰谷差的不同，选择了3条峰谷差不同的采暖热负荷曲线作为对比算例，如图5所示。

图5 典型采暖热负荷曲线Fig.5 Space heating load

(4) 区域供暖系统参数。区域能源系统包含一台CN300/200-16.7型号的抽凝机组，其热电耦合特性如图2所示：热出力为0 MW时，其最大发电出力为330 MW，最小出力为165 MW；最大热出力445 MW时，发电出力固定在250 MW，热出力拐点为300 MW。另外，热电机组的最大爬坡速度设为3.3 MW/min。一台容量为2000 MW·h的大型热水蓄热罐和热电联产机组配合使用，其最大热输出和蓄热功率设为500 MW。建筑物的平均导热系数为0.5 W·m-2·℃-1，空气比热容为1.007 kJ·kg-1·℃-1，空气密度为1.2 kg·m-3。热舒适温度上、下限分别设为18 ℃ 和 22 ℃。

4 结果与分析

4.1 电力负荷优化控制结果

图6展示了不同算例下的分布式热泵耗电功率和热电联产机组发电出力时序曲线。利用本文所提储热控制方法(算例Ⅲ)，一方面引入了分布式热泵耗电功率，实现对等效负荷(如图7)的跟踪，可以提供的额外调峰容量达到150 MW；另一方面，这也改善了热电联产机组的发电出力灵活性，使其最大出力显著提高(算例Ⅲ中20:00时)，最大调峰容量提高了30 MW。进一步，算例Ⅱ并未考虑热力系统的联合储热控制，虽然热泵依然能提供很好的调峰能力，但是热电机组的调峰能力相比算例Ⅰ并未有改善，因为调整后的等效负荷在峰谷时间段平滑效果较差(如图7)，可见联合储热对提高热电机组的调峰能力(算例Ⅲ)方面具有重要作用。由此，分布式热泵代替部分供暖，可以提供巨大的调峰潜力，而考虑储热装置和建筑物热惯性的联合储热控制是提高热电联产机组调峰能力的关键。

图6 热电机组和分布式热泵的电力负荷分配Fig.6 The Electricity dispatch for CHP and EHPs

图7 调整后的等效负荷曲线Fig.7 The adjusted equivalent load

图7给出了待调整的等效负荷和算例Ⅰ、算例Ⅱ、算例Ⅲ中调整后的等效负荷。等效负荷就是电力负荷和风电功率之差，由于风电的逆调峰特性，等效负荷的峰谷差和波动率要明显大于原始电力负荷。算例Ⅱ和算例Ⅲ中调整后的等效负荷要明显比算例Ⅰ中的更平滑，特别是算例Ⅲ几乎为一条直线，而算例Ⅰ和原始等效负荷的峰谷差为281 MW和188 MW。可见，本文所提储热控制方法，能够有效地利用热电联产机组和分布式热泵跟踪等效负荷，从而减小等效负荷的波动。

4.2 热负荷和储热优化结果

图8展示了储热控制后的热负荷分配结果。可见，热负荷由热电联产机组和分布式热泵共同承担，且由于考虑了建筑物储热特性，供热功率和热负荷需求并不是实时平衡的。当总供热功率大于热负荷时，建筑物储热，室内温度升高；当总的供热功率小于热负荷时，建筑物放热，室内温度降低。图9展示了室内温度的变化情况。一方面分布式热泵可以通过分担热电联产机组的采暖负荷，来提高机组的运行灵活性。另一方面，利用建筑物储热特性，分布式热泵可以更好地跟踪风电或者是等效负荷的波动，这也可以用来解释室内温度波动的规律。

图8 热电机组和分布式热泵的热负荷分配Fig.8 The heating load dispatch for CHP and EHPs

图9 室内温度曲线Fig.9 The variation of indoor temperature

图10展示了储热装置的蓄、放热功率。可见，储热装置在热负荷低谷进行蓄热，而在热负荷的高峰放热，用来补偿热电联产机组的热水出力，达到提高热电联产机组发电出力灵活性的目的。这样，储热装置的蓄、放热功率也能够很好的匹配热电联产机组的热水出力。

图10 储热装置的蓄放热功率Fig.10 The heat input and output of TES

进一步地，分布式热泵的供热功率和储热装置的蓄放热功率能够很好地相互配合。例如，从12：00—14：00，分布式热泵供暖可以有效地降低热电联产机组的热水出力，使得更多的热水出力可以用来满足储热装置蓄热需求。然后，在等效负荷高峰的时候，存储在储热装置中的热水能够补充热电联产机组的热水出力，提高热电联产机组的灵活性，来跟踪等效负荷的波动。

4.3 热负荷类型的影响分析

图11展示了3种典型热负荷下调整后的等效负荷。可见，随着热负荷水平的提高，调整后的等效负荷逐渐降低，尤其是在等效负荷低谷时段(12：00—16：00)，等效负荷最小值分别为954 MW、931 MW和870 MW。这主要是因为较低的热负荷需求限制了分布式热泵的使用，无法充分地利用分布式热泵的耗电功率去补偿低估电力负荷。

图11 不同类型热负荷下的等效负荷调整效果Fig.11 The adjusted equivalent load for three typical space heating load

由此，如表2所示，由于采暖热负荷需求的限制，分布式热泵总的耗电量随着热负荷水平的降低而减少，其值分别为1564 MW，1266 MW，731 MW。另外，随着分布式热泵耗电量的减少，热电联产机组发电出力的峰谷差明显增加(从126 MW增加到155 MW)，用来补偿分布式热泵调峰能力的不足，而热电联产机组调峰能力的增加，可以归因于储热装置热输出的增加(如表2，从868 MW·h增加到1056 MW·h)。综上，由于热负荷的不同，导致了热泵调峰能力、热电联产机组调峰能力，甚至是储热装置热输出的变化，而三者的变化趋势则存在着此消彼长的关系。一方面，在总热负荷有限的情况下，总的调节效果受到热泵调峰能力的影响较大；另一方面，热泵获得巨大调峰能力是以牺牲热电机组的调节能力为代价的。在电力市场环境下，这是值得进一步考虑的一个因素。

表2 不同类型热负荷下的结果比较Tab.2 The different results for space heating load

4.4 弃风电量分析

图12 展示了不同调峰容量和热负荷类型下的弃风情况。文中调峰容量指的是除热电联产机组外，所有机组的最小出力。显然，在相同的调峰容量下，由于采用了储热调度方法，算例Ⅲ的弃风电量更少，某些情况下甚至为0。另外，采用储热调度后，弃风电量会受到热负荷类型的影响，随着热负荷水平的逐渐降低而增加，如算例Ⅲ中调峰容量为900 MW时，当热负荷水平下降到最大热负荷的75%时，其弃风电量略微增加到了30 MW·h。由此可见，较低的热负荷水平能够增加热电联产机组的运行灵活性，但是不利于分布式热泵用于调峰，尤其是在风电过剩的时候。

图12 弃风电量Fig.12 The abandoned wind power

5 结论

本文提出了一种热力系统储热控制方法，用来促进电力系统大规模风电的消纳。该方法以包含大型热电联产机组的区域能源系统为基本框架，引入大型储热装置、分布式热泵，考虑建筑物储热特性和人体热舒适需求特性，从而满足电力系统日前风电调峰的需求。最后，通过对比算例的分析，获得以下结论：

(1) 本文热力系统储热控制方法能够增加热电联产机组发电出力的灵活性，同时由于分布式热泵的快速跟踪作用，降低了热电联产机组发电出力的波动率。

(2) 考虑建筑物储热特性和人体热舒适需求特性，分布式热泵的耗电功率能够实现对等效负荷(电力负荷与风电功率之差)的有效跟踪，同时也带来了室内温度的变化。

(3) 分布式热泵的控制和储热装置的控制能够很好地实现优化匹配。分布式热泵的运行能够促进储热装置的蓄热作用，这有利于提高热电联产机组的热、电出力灵活性。

(4) 分布式热泵的耗电功率受到热负荷水平的限制，较低的热负荷会不利于其跟踪较高的电力负荷或较低的风电功率。

(5) 在电力系统调峰容量不足时，储热控制方法对减少系统弃风具有很好的效果。