基于风电消纳的热电系统储热模型仿真

2021-11-18樊建强赵晓艳

计算机仿真 2021年1期

樊建强，赵晓艳

(山西农业大学信息学院，山西晋中 030800)

1 引言

在冬季进行供暖的时候，由于热电机出力较大，且热电机组出力和风力出力的时间重合，导致系统巅峰困难[1-2]，出现较为严重的弃风现象。为了更好地解决上述问题，相关学者给出了一些较好的研究成果，例如电热联合优化等，这些方案虽然能够提升电网系统的风电消纳率，但是会导致仿真结果和实际结果之间存在较大的偏差。

我国北部地区主要是通过电热厂进行集中供热[3]，但是这种供热方式给生态环境带来了十分严重的危害。在供暖期间，为了确保系统供暖正常，系统调峰主要利用纯凝火电机组进行发电，但是这种方案操作并不是十分方便。尤其是在夜晚出现供电高峰期，热电机组强迫出力会导致空间被进一步压缩，同时系统调峰也变得困难。相比传统的锅炉供热，现阶段热电联合具有明显的优势，同时也得到了国家相关部门的大力支持，热电联合还能够有效减少环境污染。目前，我国北方地区的火电机组大部分都为热电机组，但是该地区的热电联产储热存在较强的热电耦合性，导致供暖期间热电联合系统储热变得十分困难。由于受到地域因素的影响，除了使用火力发热以来，还有部分地区使用风力风电。在供暖期间，为了确保系统供暖正常，系统调峰主要利用纯凝火电机组进行发电，但是这种方案操作并不是十分方便。尤其是在夜晚出现供电高峰期，热电机组强迫出力会导致空间被进一步压缩，同时系统调峰也变得困难。

针对上述问题，相关学者对电热联合系统的调峰做出了研究。文献[4]提出基于动态频率和电压参数的能效感知储热模型。采集电压、电流等系统参数并量化，构建能效感知云储热模型，实现电热联合系统能效优化；文献[5]提出具有需求响应的电热联合系统。根据延时与热衰减特性，引入PMV指标确定热负荷特征的平衡约束条件。以煤耗量最小为目标构建电热联合系统优化储热模型。

上述方法具有一定的有效性，但在电热联合系统储热时存在较强的热电耦合性，导致供暖期间热电联合系统储热变得十分困难。为了更好地解决上述问题，提出一种基于风电消纳的电热联合系统储热模型。通过具体的仿真数据，有效验证了所提方法的有效性以及优越性。

2 基于风电消纳的电热联合系统优化建模

2.1 电热联合系统

在我国北方地区进行供热的期间内，由于受到刚性条件的约束，导致系统无法进行调节，同时还有十分严重的弃风现象。

在热电联合机组的位置添加储热装置之后，打破了传统供热系统的电热耦合特性，同时有效增强电热联合机组的调节能力。上述方案为最佳的节煤方案，并且该方案也能够有效解决在供热期间出现的弃风问题。

相关专家认为在热电厂中安装储热装置能够有效缓解弃风现象，但是研究结果表明，并不是。系统在运行的过程中，由于风电的反调特性，在夜晚用电量持续增加的情况，弃风电量会持续增加，导致本地负荷也持续增加，与此同时，热电联合机组的供热任务降低，电热联合系统的调节能力得到进一步提升。电热联合系统能够有效取代传统的供热方式[6]，且该种供热方式具有十分明显的经济效益以及环境效益。

电热联合系统全面利用两个系统之间的优势，促使两种能源能够得到更加广泛的应用，同时配置也能够得到优化[7]。由于用户用电量以及供热需求持续增加，为了满足用户的需求，需要将两个不同的系统进行融合，组建电热联合系统，系统具体结构如图1所示。

图1 包含蓄热的电热联合系统内部结构图

2.2 储热模型的组建

设定系统的最小储热目标为运行成本，在整个系统在运行的过程中，运行成本通常情况下只考虑以下几方面：

1)电机组以及热电联产机组的煤耗成本；

2)燃煤锅炉的煤耗成本；

3)蓄热电锅炉的耗电成本。

①常规火电机组i在设定时间段内所耗费的煤成本计算式为

(1)

式中，ai、bi、ci各个机组的煤耗成本系数；Pi(t)代表机组的发电功率。

②热电联产机组煤耗成本：

背压式供热机组[8-9]中煤耗成本计算式和常规火电机组相同。

抽汽式供热机组需要将电出力以及热出力转换为电功率，将其代入到式(1)中，则能够得到对应的煤耗成本，具体的计算式为

(2)

③在设定时间段内燃煤锅的煤耗成本计算式为

G(t)=dH2(t)+eH(t)+f

(3)

式中，d、e、f代表系统中各个机组在不同时间段内的煤耗成本系数；H(t)代表锅炉在设定时间内的供热功率。

④蓄热电锅炉耗电成本计算式能够表示为以下的形式

D(t)=λPd(t)

(4)

式中，λ代表弃风电价系数；Pd(t)代表在t时间段内蓄热电锅炉的耗电功率。

综上，目标函数能够表示为以下的形式

(5)

式中，T代表时段数；N代表常规火电机组数；M代表供热机组数。

火电机组约束条件具体的表现形式如下所示

(6)

式中，Pi，min代表机组的最小发电功率；Pi，max代表机组的最大发电功率；Pd，i代表机组向下爬坡的极限；Pμ，i代表向上爬坡的极限。

由于热电联产机组采用固定的热电比进行，所以，联合电热机组需要满足以下几方面的约束

(7)

式中，Hi(t)代表热电机组在设定时间段内的热出力；k代表热电机组的热电比。

储热装置约束条件需要满足

(8)

式中，S(t)代表在设定时间段内系统储热装置的储热量；Smax代表在设定时间段内系统储热装置的最大储热量；Hin(t)代表t时间段内的储热功率；Hout(t)代表t时间段内的放热功率；Hin，max代表在设定时间段内系统储热装置的最大储热功率；；Hout，max代表设定时间段内系统储热装置的放热功率；S0代表储热装置的初始储热量；ST代表储热装置在运行七天之后的储热量；kloss代表储热装置的漏热损失系数。

电锅炉约束条件需要满足

(9)

式中，Hb(t)代表电锅炉在t时间段内的热出力；Pb(t)代表电锅炉在t时间段内的电功率；ceh代表电锅炉的电热转换系数。

在上述分析的基础上，组建电热联合系统储热模型[10]，即

(10)

2.3 电热联合系统储热模型求解

分析电热联合系统储热模型可知，模型中含有等式约束以及不等式约束，其中，热电机组存在于热电耦合之中，且机组供电以及机组供热之间是相互影响的。为了对电热联合系统储热模型进行求解[11-12]，以下采用粒子群算法，同时进行改进以有效保证经济储热问题。

设定粒子群中含有n个粒子，同时各个粒子中含有三组D维向量。

粒子现阶段位置公式为

(11)

粒子现阶段的速度公式能够表示为以下的形式

(12)

粒子历史最优解能够表示为以下的形式

(13)

粒子的速度以及位置更新式能够表示为以下的形式

(14)

(15)

式中，w代表惯性因子；g1、g2代表学习因子；r1、r2代表0到1之间的随机数；k代表迭代次数。

结合上述分析可知，通过不断对粒子群中粒子的位置以及速度进行更新，能够确定粒子群的更新方向，系统从无序转换为有序，同时以最快的速度获取粒子群最优解。

具体的计算过程如下：

1)通过粒子群算法对2.2小节中的储热模型进行求解，同时需要事先设定好算法所需要的参数，并且输入不同时间段的热负荷以及电负荷等参数的设定；

2)对电热联合系统中各个机组的电功率进行初始化处理，同时设定迭代次数为1；

3)对系统内部的粒子进行自我调节，使其满足相关的约束条件；

4)通过迭代实时更新粒子的位置以及速度，同时对粒子进行自我调节，在完成迭代后，迭代次数加1；

5)如果迭代次数达到最大的迭代次数，则终止迭代，同时输出最优解；反之，则继续进行迭代更新。

在上述分析的基础上，通过粒子群算法对模型进行求解，获取最优储热方案。

3 仿真研究

为了验证所设计基于风电消纳的电热联合系统储热模型的综合有效性，需要进行仿真测试，实验环境为：Windows7，Matlab2010，Intel core i5-2400，3.0GHz CPU，4GB内存。选择文献[4]方法和文献[5]方法作为实验对比方法，以省级电网为研究对象，测试不同储热模型的性能。

1)运行成本/万元

实现选取两种传统的电热联合系统储热模型作为对比模型进行仿真测试，实验将运行成本作为评价储热模型的一项重要指标，利用下图给出具体的实验对比结果：

图2 不同储热模型的运行成本对比结果

综合分析上图中的实验数据可知，随着最大发电功率的持续增加，各个储热模型的运行成本也在不断变化。相比文献[4]、文献[5]的储热模型，所设计模型的运行成本有了明显的下降趋势。

2)弃风率/%

以下实验测试将弃风率作为评价指标，测试3种模型具体的对比结果如图3所示。

图3 不同储热模型的弃风率变化情况

综合分析图3中的实验数据可知，在不同的时间段内，各个储热模型的弃风率是完全不同的，所提储热模型的弃风率随着时间的增加呈下降趋势，最大值为14.51%，文献[4]储热模型的弃风率则一直处于忽高忽低的状态，最大值为17.89%，文献[5]储热模型的弃风率则呈直线上升趋势，最大值为18.40%。上述实验结果表明，经过所提模型进行储热后，促使弃风现象有了十分明显的下降趋势。

3)煤耗量/J

为了进一步验证所提模型的有效性，以下将系统原始煤炭量和经过储热后系统的煤炭量进行对比，具体的对比结果如表1所示：