考虑环保成本的风电消纳综合能源系统调度模型设计

2022-06-25李少勤薛静杰陈伟伟韩立芝周文进

能源与环保 2022年6期

李少勤，薛静杰，陈伟伟，韩立芝，周文进

(1.国网新疆电力有限公司，新疆乌鲁木齐 830000； 2.国网新疆电力有限公司经济技术研究院，新疆乌鲁木齐 830000；3.北京国网信通埃森哲信息技术有限公司，北京 100010)

我国现有的发电能源以煤炭为主，但是在能源危机以及环境保护影响下，提高风电等可再生能源在电网中的占比就变得格外重要。风能作为一种清洁、可再生的新能源，在减缓能源危机以及改善碳排放等方面潜力巨大。然而由于风力发电的不确定性，以及电力负荷所具备的周期性，单一存在的风力发电机组经常会出现弃风现象，为了能够灵活地调整风力所带来的电能，促进风电消纳，改善风力发电的能源结构，使其成为综合能源系统，成为了风电机组的重要组成部分。

文献[1]优化了综合能源源—荷协同滚动进行了调度，使用场景树分析法定量分析综合能源系统中的需求响应以及风电消纳原理，计算运行成本的最低值，改进了综合能源系统的调度模型，得到了滚动模型的优化解。文献[2]通过联络线设计了一种管道能流交互系统，在二阶锥松弛方法的线性方程潮流求解中，通过多区域电气综合能量解耦装置，获取了分散集中的优化算法，重新构建了集中式的优化模型。文献[3]在考虑需求响应以及风电不确定性的基础上，设计了一种风力发电能源系统的调度算法，在模糊方程中拟合风电历史数据，提出了基于多场景定理的不确定性调度模型，在需求响应的不确定性基础上，使用模糊期望约束的方式，将非线性约束以及线性约束统一提供给模型，对其进行优化处理。以上集中和综合能源系统调度模型均考虑了风电不确定性，但是其均未考虑风电消纳作用下火电厂以及电热厂对环境以及成本的作用。因此本文基于环保成本对风电消纳综合能源系统调度模型做出了优化设计，以提供一种能够在减少碳排放量的基础上，更加经济的调度方法。

1 基于环保成本设计风电消纳综合能源系统调度模型

1.1 建立综合能源系统调度成本模型

1.1.1 火电机组成本目标函数

火电机组中使用燃料作为电机运行的基本动力，在进行机组燃料耗量特性的线性化函数模型构建过程中，可以将原始的耗能成本函数转变为：

(1)

式中，Wa，b，c为火电机组在a、b、c三段分段出力的功率；kd，p为分段线性化的燃料损耗斜率特征；P0，1为从最初阶段到a阶段的机组最小耗能[4-5]。

在分段求解中，燃料的传送方向与单位时间内的消耗数量存在如图1所示的关系。图1中，定义燃料传送的管道为xy，其中，Ax表示燃料传送的方向，当x=1时，燃料由初始节点被传送至节点1[6]。By表示燃料消耗的数量，当y=1时，燃料被消耗1单位。

图1 燃料消耗分段线性化表示Fig.1 Segmented linear representation of fuel consumption

1.1.2 风电机组成本目标函数

风力发电具有极大的随机性，因此规划风电机组的功率约束，需要以动态规划为前提。在现有的综合能源系统调度模型中，火力发电十分稳定，且所需投资规模较小，因此在相同条件下，火力发电一般具备优先权[7-8]。但是火力发电需要排放污染，在以环保为准则的前提下，需要调整这种优先权，以风力发电为主。此时的运行成本以1个二次函数的形式表示：

(2)

通过以上公式，可以获取综合能源系统中火电机组与风电机组的发电成本。

1.2 含风电消纳的能源调度模型动态寻优

由于风力发电所具备的随机性，风电机组经常会出现风电消纳现象[9]。为保证风力发电在机组内的电能存储平衡，需要保证机组内的发电功率与所需负荷相等，此时的约束条件为：

(3)

(4)

(5)

在考虑风电消纳的背景下，机组出力过小，而接收功率过大，就会导致弃风现象，此时机组风电出力的约束条件为：

(6)

想要在这些约束条件中获得最优路径，需要简化动态规划的计算寻优过程，如图2所示。

图2 最优路径寻优Fig.2 Optimal path optimization

图2中，A为系统的消纳出力，B为系统向外输送的电能，C为系统通过风力获取的电能[13]。在对i+x个时段进行组合计算时，可以通过寻优计算获取动态简化的路径寻优，保证函数的有效递推。

1.3 风电消纳综合能源系统调度模型

风力发电机组的电力经济调度是指在不改变现有电网运行机制的基础上，协调环保与经济效益。要严格风电排放，优先风电，确保风力发电成本最低。当前市场化模式下，风资源投入高，常规调度模式不考虑燃煤电厂的污水排放特性，使得相同的工作条件下燃煤电厂更容易获得调度优先权。因此，综合考虑单位环保利益后，提出环境惩罚成本：

CE=ηESE

(7)

式中，CE为环境惩罚成本；ηE为惩罚系数；SE为机组排污量。

根据上述公式，可以构建考虑环保成本的风电消纳综合能源系统调度模型，如图3所示。

图3 考虑环保成本的风电消纳综合能源系统调度模型Fig.3 Dispatching model of wind power consumption integrated energy system considering environmental protection cost

1.4 设计风电消纳综合能源系统调度算法

由于风力发电的不确定性，想要在考虑风电消纳问题的同时，保证环保成本，就需要一个多线程的动态模糊参数约束规划算法，而且其中需要具备较多的随机变量，以保证算法能够得到最优解。此时的算法流程如图4所示。

图4 算法求解流程Fig.4 Algorithm solution process

由图4可知，在给定的大规模模糊参数约束规划问题中，存在一个给定随机变量的抽样技术，在收敛维度与适应性均较强的情况下，可以广泛应用求解精度作为群体进化的概率最优解搜索算法。当前文定义的成本函数获得发电出力以及发电量后，需要逐一判定3类约束条件是否满足要求[14-15]。若不满足要求，需要另外换取风力发电机序列，进行优化计算的二次约束，并再次判定三类约束条件是否满足，若仍不满足，则需要初始化发电机组，再次计算风电消纳作用下综合能源系统的调度发电成本，直至约束条件被满足。之后更新适应度函数值，并更新发电机组的初始变量，得到调度的最优解。

2 实验分析

2.1 设置风电系统节点及系统参数

为测试上文中设计的风电消纳综合能源系统调度模型的有效性，以如图5所示的节点系统为例，验证文中的调度模型与算法示例。

图5 IEEE 24节点系统Fig.5 IEEE 24 node system

由图5可知，在该综合能源系统调度模型中，有24个节点，包括4个热力系统与20个电力节点，其中节点1为热电厂，节点2为火电厂，节点3为风电场，节点4为一个待安装储热装置或电热转换装置的热电厂[16-17]。

风电系统调度模型中风电功率以及用电负荷功率的预测结果如图6所示，系统中综合能源系统机组出力情况如图7所示。设定日前调度的周期为24 h，电力调度的单位时间为1 h，此时单位碳排放量的价格为16元/t。

图6 风电预测与电负荷预测Fig.6 Wind power forecasting and electricity load forecasting

图7 综合能源系统机组出力情况Fig.7 Output of integrated energy system units

2.2 弃风消纳情景仿真

在风电系统运行初期，经常会出现由于风力过高且用电需求较小，导致的电网接纳不足现象，此时部分风力发电机会自动停止运行，这样的现象被称为弃风现象[18]。根据图4中对未来24 h内风电功率以及用电负荷功率的预测，可以大致得到以下4种情景模式，分别对其进行仿真分析。①情景1。节点2中不安装碳捕集装置，节点1内不配置储热装置与电热转换装置。②情景2。节点2中安装碳捕集装置，节点1内不配置储热装置与电热转换装置。③情景3。节点2中安装碳捕集装置，节点1内只配置储热装置，无电热转换装置。④情景4。节点2中安装碳捕集装置，节点1内既配置储热装置，又配置电热转换装置。

结合图5中的功率预测结果，与4个情景模式，可以得到弃风电量对比结果如图8所示。

图8 4种情景模式下弃风情况对比Fig.8 Comparison of wind curtailment under four scenarios

在情景1中，20：00—4：00为电力负荷的低谷阶段，由于风电机组生成与输出的电力不均衡，会产生大量弃风，情景1所示的系统中弃风电量能够达到3 110 MWh。在情景2中，由于在火电厂中安装了碳捕集装置，夜晚的弃风现象出现了一定的缓解，但是仍然拥有1 580 MWh的弃风电量[19-20]。情景3和情景4分别在热电厂内配置了储热装置与电热转换装置，风电上网空间进一步提高，弃风现象也进一步减小，此时的弃风电量分别为420、83 MWh。

由于电热厂与火电厂中碳捕集装置、储热装置以及电热转换装置难以完全消耗夜间风力造成的弃风现象，因此需要在节点4的电热厂中安装一个储热装置或电热转换装置，以保证完全消耗此系统中的风电消纳，此时可以得到情景5和情景6。①情景5。节点2中安装碳捕集装置，节点1内既配置储热装置，又配置电热转换装置，节点4只安装储热装置。②情景6。节点2中安装碳捕集装置，节点1内既配置储热装置，又配置电热转换装置，节点4只安装电热转换装置。情景5和情景6对风电消纳的影响如图9所示。

图9 储热装置与电热转换装置出力情况Fig.9 Output of heat storage device and electrothermal conversion device

由图9可知，在白天由于整体风力功率较小，且用电负荷较大，导致风电机组可以增大出力，在满足热负荷的前提下，可以将剩余的热量存入储热装置。而在夜晚由于风电功率较大，出现了弃风现象，导致储热装置需要放出热量，以保证热电综合能源系统的强迫出力。根据情景5在节点4中安装一个储热装置，可以在需要的情况下放出或存储热量，消耗夜间多余的风电出力。在图9所示的电热转换装置的出力中，夜间弃风阶段的风电机组负荷较小，因此电热转换装置将风电功率转换成供热功率，而根据情景6所述在节点4中增加一个储热装置，可以有效地增加电热转换装置在夜间的出力，促进风电机组的电能消耗。

2.3 不同情景模式下调度成本及弃风量对比

通过对比以上6种情景模式中风电消纳电热综合能源系统调度的经济性能，得到调度对比结果见表1。

表1 不同情景模式下调度对比结果Tab.1 Comparison results of scheduling under different scenarios

由表1可知，在保证碳排放处理的前提下，情景1的系统调度总成本约为869.72万元，弃风电量为3 110 MWh，为6种情景模式下的最大值。相比起情景1，情景2、情景3和情景4的调度总成本以及弃风电量依次降低，直至情景5和情景6时，弃风电量达到0，碳排放处理成本小于10万元，调度总成本小于800万元。由以上数据可知，减少弃风量可以有效地降低调度总成本。