燃气轮机在电网调峰中调度问题研究

程学斌（中国石油集团电能有限公司气电公司）

随着风电大规模并网运行以及国家对环境保护的重视，调度中心不仅要虑经济因素还要促进风电消纳、考虑环境问题等多种影响电力系统的因素，这就使得电力系统机组调峰调度非常的困难，所以很多的专家研究了多因素下调峰的调度方案。杨冬锋等[1]构建了风电波动对风电并网系统调峰能力的规划模型，利用其仿真验证了机组启停方案的可行性，但是其模型中没有考虑调峰运行费用；卢锦玲等[2]建立了风电并网运行的经济调度模型，对经济性评价进行了研究；王程等[3]研究了风电并网运行以经济调度为目标的模型，但是对于弃风方面的问题并没有进行分析；隋鑫等[4]建立了电力系统经济调度模型，并用混沌粒子群算法对其求解，仿真验证了模型的可行性；吴迪等[5]构建了以促进风电消纳和经济成本为目标的火电调峰模型，但是火电机组参与调峰费用高；朱永利等[6]采用水电机组调峰建立了新能源消纳的模型，利用改进的NSGA-Ⅱ算法求解，但是水电机组调峰没有灵活性；孙欣等[7]建立了多目标机组的组合调度模型并利用Delta方法求解，降低了建模和求解的难度，但是同时系统的精确性降低了；向红吉等[8]建立了负调峰能力和系统运行成本为目标函数的优化调度模型，以归一化法线作为约束方法，并验证了模型的可行性；辛晓刚等[9]建立了经济调度优化的模型，以风-火系统最低运行成本为目标函数，采用IBPSO和DPSO算法对函数进行求解，验证了其模型的可行性，但是并没有分析风电消纳等方面的问题；王魁等[10]建立了以最大化消纳风电和火电机组最小能耗为目标的调度模型，但是其模型没有构造目标间的关系；谢应昭等[11]建立了风储混合系统的机组调度模型。均以污染量排放最小和燃煤成本最低为目标，但是采用模糊处理多目标问题，没有办法确定目标间的关系，降低了模型的精度。

综上所述，伴随着风力发电占总发电比重越来越高，同时风电出力具有不确定性等特点，所以风电并网运行给电力系统的调度带来了很大的难度，已有研究表明燃气轮机的参与可以减少调峰的压力，但也使得调度模型变得更加复杂，所以非常有必要建立新的调峰调度模型，使其能够满足现在电力系统的需求。

图1 求解调度模型流程Fig.1 Process of solving scheduling model

1 燃气轮机参与调峰调度模型

在风电并网运行的系统中，调峰需求是日负荷波峰值与日负荷波谷值峰谷差。风电出力变化趋势与日内负荷变化趋势的相关性决定了风电并网对系统调峰需求的影响即：

式中：PG-w(t)为风电系统中除风电外的机组出力，W；PL(t)为系统负荷，W；Pw(t)为风电出力，W。

在风电并网系统中，为了提高能源利用率、响应国家节能减排的号召，同时为了降低经济成本，使经济价值最大化，建立了其他机组和燃气轮机机组两大类机组的调峰调度模型，需要对机组的启停策略进行最佳优化，还需要对负荷进行最优的分配也就是优化分配各类机组的功率，以总弃风量最小、调度系统成本最小为目的标函数，目标函数的公式如下：

式中：Pwi(t)在t时刻风电的出力预测值，MW；Pw(t)在t时刻风电的实际用量，MW；M1、M2为其他机组发电成本和燃气轮机调峰成本，元；ci为其他机组的启停状态，Pi其他机组的处理情况；mui和mdi(t)为机组的开机费用和停机费用，元；Pgj为燃气轮机机组出力，MW；δgj为燃气轮机机组的发电效率，T为总调度时段，h；LHV为天然气低位热值，MJ/Nm3。

求解调度模型流程见图1。以功率平衡约束、旋转备用约束、风电场约束、其他机组约束、燃气轮机机组约束作为约束条件，其中燃气轮机机组的约束条件包括爬坡约束和出力约束，建立调峰制度多目标优化模型，建立了离散性、维度高等特点的调峰调度模型。在对模型求解的时候，选择惩罚函数法对各个约束条件进行处理，处理之后就是没有约束条件的目标函数，利用信息搜索法进行计算，对各机组的启停顺序进行优化，也就是其他机组和燃气轮机组分别有多少台机组参与调度，然后利用粒子群优化算法对其模型进行求解。

2 燃气轮机参与调峰调度方案仿真分析

根据搭建的弃风量最小、成本最低以及其模型，利用计算机软件对其进行仿真，得到了不同目标函数下燃气轮机出力值、负荷曲线及风电预测值曲线，同时得到了总弃风量和总运行费用的对比值。

2.1 弃风量最小为目标函数建立模型

对模型中的参数进行设置，以弃风量最小为目标函数建立的模型下三者预测值见图2。

图2 以弃风量最小为目标函数建立的模型下三者预测值Fig.2 The predicted values of the three parameters under the model established with the minimum waste air

从图2中可知，在系统负荷低谷期的时候，燃气轮机都在停运的状态，其他机组出力也比较低，优先消耗了风电机组的出力，减少了弃风量；随着系统负荷逐渐增加，而预测风电机组出力逐渐减小，其他电机组出力逐渐增加，部分燃气轮机机组开始运行，所以燃气轮机参与调峰能够减小其他机组的压力，增加了风电使用率，提高系统调峰容量，改善系统调峰性能。

根据图2中燃机功率、负荷值、风电预测值出力数值和时段情况可知，燃气轮机是否参与调峰调度模型的一个周期内总弃风量和总运行费用对比见表1。

表1 总弃风量和总运行费用对比Tab.1 Comparison of total waste air volume and total operation cost

带有燃气轮机模型的总弃风量为2 256.68 MW，没有燃气轮机模型的总弃风量为7 796.98 MW，对比之后减少了5 540.3 MW，所以带有燃气轮机调峰调度模型可以减少弃风，消纳更多风电。一个调度时间内，燃气轮机是否参与调峰调度模型的机组总运行费用对比可知，带有燃气轮机模型的总运行费用为442 803.82万元，没有有燃气轮机模型的总弃风量为490 435.32万元，对比之后减少了47 631.5万元，所以带有燃气轮机调峰调度模型可以提高系统的经济性，节约成本。

2.2 成本最低为目标函数建立模型

一个周期内每个时间对应的以成本最低为以目标建立的模型下三者预测值见图3。

图3 以成本最低为以目标建立的模型下三者预测值Fig.3 The predicted values of the three parameters under the model established with the lowest cost

从图3可知，在系统负荷低谷期的时候，燃气轮机都在停运的状态，其他机组出力也比较低，系统消耗风电机组的出力，这样就减少了弃风量；随着系统负荷逐渐增加，而预测风电机组出力逐渐减小，其他电机组出力会逐渐增加，部分燃气轮机机组开始运行，所以燃气轮机参与调峰能够减小其他机组的压力，增加了风电使用率，提高系统调峰容量。

根据图3中燃机功率、负荷值、风电预测值出力数值情况和时段情况可知，燃气轮机是否参与调峰调度模型的一个周期内，每个时间对应的总弃风量和总运行费用对比见表2。

表2 总弃风量和总运行费用对比Tab.2 Comparison of total waste air volume and total operation cost

带有燃气轮机模型的总弃风量为2 398.69 MW，没有有燃气轮机模型的总弃风量为11 039.35 MW，对比之后减少了8 640.66 MW，所以带有燃气轮机调峰调度模型可以减少弃风，消纳更多风电。一个调度时间内，燃气轮机是否参与调峰调度模型的机组总运行费用对比可知，带有燃气轮机模型的总运行费用为442 401.06万元，没有有燃气轮机模型的总弃风量为476 051.32万元，对比之后减少了2 650.26万元，所以带有燃气轮机调峰调度模型可以减少成本提高系统的经济性。

2.3 弃风量最小和成本最低为目标函数建立模型

一个周期内每个时间对应的以弃风量最小且成本最低为目标建立的模型下三者预测值见图4。

图4 以弃风量最小且成本最低为目标建立的模型下三者预测值Fig.4 The predicted values of the three parameters under the model established with minimum waste air and the lowest cost

从图4中可知，在系统负荷低谷期的时候，燃气轮机都在停运的状态，其他机组出力也比较低，系统消耗风电机组的出力，减少了弃风量；随着系统负荷逐渐增加，而预测风电机组出力逐渐减小，其他电机组出力逐渐增加，部分燃气轮机机组开始运行，所以燃气轮机参与调峰能够减小其他机组的压力，增加了风电使用率，提高系统调峰容量，改善系统调峰性能。

根据图4中燃机功率、负荷值、风电预测值出力数值情况和时段情况可知，燃气轮机是否参与调峰调度模型的一个周期内，每个时间对应的总弃风量和总运行费用对比见表3。

表3 总弃风量和总运行费用对比Tab.3 Comparison of total waste air volume and total operation cost

带有燃气轮机模型的总弃风量为2 332.07 MW，没有有燃气轮机模型的总弃风量为10 432.21 MW，对比之后减少了8 100.14 MW，所以带有燃气轮机调峰调度模型可以减少弃风，消纳更多风电。一个调度时间内，燃气轮机是否参与调峰调度模型的机组总运行费用对比可知，带有燃气轮机模型的总运行费用为442 623.18万元，没有有燃气轮机模型的总弃风量为476 051.32万元，对比之后减少了33 428.14万元，所以带有燃气轮机调峰调度模型可以减少成本提高系统的经济性。

对比三种模型下，将燃气轮机放在风电并网系统调峰调度中，三种模型都能够减少弃风量，增加系统调峰容量，提高经济性，改善调峰性能。三种模型的总弃风量和一个调度时间内机组总费用对比见表4。

表4 不同方案下的总弃风量和机组总费用对比Tab.4 Comparison of total waste air volume and total unit cost under different schemes

由表4可知：有燃气轮机两种目标下优化调度模型，机组总费用比弃风量最小模型少了180.64万元，但是比经济调度模型多了222.12万元；总弃风量比弃风量最小模型多了75.39 MW，但是比经济调度模型少了142.01 MW。

综合分析，单一目标函数的调峰调度模型对于单一因素的控制效果比较好，而多目标函数优化调峰调度模型，需要满足多方面约束条件，但是当综合考虑弃风量和系统运行费用都减小的情况时，选择多目标优化调度模型的性能非常好。

3 结束语

分析我国现阶段的电网结构持点，风电并网的比例逐渐增加，为了提高电网系统的安全经济运行，研究风电并网系统的调峰策略以及调峰模型是非常重要的。由于风电出力的不确定性以及负荷的不确定性，同时风电并网可能出现的反调峰现象，这样就会给电力系统的调峰需求造成很大的困难。电网调峰中燃气轮机是的一种较好选择，当风电并入电力系统中运行时，燃气轮机加入系统中时，可以减少弃风量同时能够提高经济性，建立了以以弃风量最小、成本最低以及弃风量最小和成本最低为目标函数的三种调峰调度模型，采用粒子群算法研究了该模型的求解方法。利用所研究调峰策略以及求解方法，对其进行了仿真研究，得到了三种调峰调度模型的总弃风量和一个调度周期内运行费用之间的不同，结果表明两种目标优化调度模型更能兼顾弃风和系统经济性两方面。但是文中的模型还可以进一步优化，将环保因素以及排放量最小等目标加入模型中，同时约束条件还可以考虑网络损耗等情况；在求解模型方面还可以考虑更加智能的算法；在成本上还可以考虑折旧和维护成本等多个方面，所以人们还可以对燃气轮机加入风电并网系统中的模型进一步优化，使得调峰机组的调峰能力被充分利用，从而进一步减少弃风量、降级经济成本和网络损耗、提高系统的稳定性和调峰容量。