基于利润最大化目标与深度调峰约束的热电厂热负荷分配优化方法

马连波，唐俊钰，王 悦

（国家电投内蒙古能源有限公司，内蒙古通辽 028011）

目前，我国正处在工业化和城镇化的重要阶段，随着城市的不断发展及人民群众居住条件的不断完善，热负荷需求呈现出明显的增加趋势。供热机组的类型、方式、运行参数等都有着较大差异，而因“以热定电”的运行模式，在冬季大量供暖的季节性工况下，机组的最大功率和最小功率间存在着巨大的落差，给电网的峰谷调整造成了很大的不利影响，直接造成了机组频繁启动和资源浪费等问题，但至今尚未引起人们的高度关注，也缺乏合理有效的解决方法[1-2]。为确保电网安全经济运行，需对电网进行调峰，但这并不是单纯依靠电网能解决的问题，而是要建立一个完整的电力市场体系，并制订相应的政策。电力系统的变化性决定了其在电力系统中的应用需依赖外部电力系统进行调峰，目前一般将其视为一种辅助服务[3-4]。基本调峰是指机组在不超出规定输出功率变化范围的情况下，按照规划布置，以一定速率调整机组输出功率，使之能适应电网负荷的峰谷值变化。计费调峰是指在调峰深度超过规定范围时，由发电机组进行的调峰，以及由系统安排的火电机组进行的在规定时间段内进行的启停调峰。为实现热电厂利润的最大化，保障热电厂经济效益，文章开展以利润最大为目标与深度调峰约束的热电厂热负荷分配优化研究。

1 热电厂热负荷分配优化方法

1.1 构建利润最大化目标的热电厂热负荷分配优化目标函数

热电厂的供热机组中增设电锅炉可消纳风力发电，减少风能发电量，但这种发电量的使用将对火力发电厂的经济性产生影响，因此，如何使发电量最小化，并使利润最大化，是火力发电厂实施这种发电量最大化的问题。在此基础上，提出了一种基于利润最大化目标的热电厂热负荷分配优化方法，该方法构建的热负荷分配优化目标函数为：

式中，ξ1为利润最大化目标权重，F1为利润最大化目标，ξ2为利润最大化下弃风电量最小化目标权重，F2为利润最大化下弃风电量最小化目标。

在考虑了深度调峰补偿和发电成本的两种情况下，利润最大化目标F1为：

式中，M1为调度周期内的收益，M2为成本，S为火力发电厂全周期运行效益分析。

在统计成本时，需将燃料成本、环境成本等均作为成本构成要素，因此，成本M2为：

式中，m1为燃料成本，m2为环境成本，m3为运维成本，m4为折旧与摊销成本，m5为运输成本，m6为其他成本。

为求出最小的弃风电量，可用风力发电的预测功率与发电的并网功率间的差分表达：

式中，f为火力发电厂在全过程中的弃风电量，为在某一时刻t时风电预测功率值，为在某一时刻t时风电并网功率。

1.2 设置深度调峰约束条件

根据上述利润最大化目标的热电厂热负荷分配优化目标函数可知，热负荷分配优化目标在深度调峰时，其涉及了在某一时刻t时风电并网功率，而该功率的变化会影响基于利润最大化目标的热电厂热负荷分配优化目标，因此，需设置深度调峰约束条件[5]：

结合上述深度调峰约束条件，与利润最大化目标结合，完成了热电厂热负荷分配优化方法的设计。

1.3 粒子群算法求解热负荷分配优化目标函数

在确定目标函数和约束条件后，引入粒子群算法[6]，求解构建的利润最大化目标的热电厂热负荷分配优化目标函数，从而确定最优的热电厂热负荷分配优化方案。目标函数求解过程如下。

（1）初始化参数，设置粒子个数N，定义每个粒子的位置和速度的初始值，确定目标函数和约束条件。

（2）初始化粒子群，为每个粒子随机分配位置和速度，并记录每个粒子在当前位置的最佳解。

（3）更新粒子的速度和位置。根据以下公式更新每个粒子的速度和位置。

（4）更新粒子的最佳位置。对于每个粒子，根据目标函数的值判断当前位置是否优于之前的最佳位置，如果是则更新粒子的最佳位置。

（5）更新群体的最佳位置。对于整个群体，根据目标函数的值判断当前位置是否优于之前的最佳位置，如果是则更新群体的最佳位置。

（6）判断停止条件。根据预设的停止条件（达到最大迭代次数200次），判断是否停止算法，如果满足条件，则停止运算，输出结果，该结果即为最佳的利润最大化目标的热电厂热负荷分配优化方案，否则返回步骤（3）进行迭代。

根据上述步骤，完成利润最大化目标的热电厂热负荷分配优化目标函数的求解，从而获得最优的热负荷分配优化方案。

2 实例应用分析

2.1 试验准备

为验证上述优化方案是否可行，选择以某热电厂作为依托，该热电厂中包含4台抽汽式热电机组，总供热量为3.0×106kJ/h，最小出力650 MW，当1 号、2号机组抽汽量为350 t/h 时，3号、4号机组抽汽量为200 t/h。结合该热电厂中供热机组运行参数，将供热当量性能设置为4.23，将电锅炉的热能转化效率设定为0.89，以晚上10：00至早晨7：00为一个调度循环，设定一个周期为1 h。发电机组与电网交换功率的上限数值为220 MW，下限数值为-220 MW。

2.2 试验参数设置

完成试验准备后，设置基于利润最大化目标与深度调峰约束的热电厂热负荷分配优化方法的参数，避免因为参数取值不同而影响方法性能，从而影响实验准确性。试验参数设置见表1。

2.3 结果分析

在明确该热电厂供热机组的各项基本参数后，针对该热电厂进行热负荷优化，以文献[1]和文献[2]方法为对比方法，结合文章所提方法，分析应用3种方法后的利润提升率和弃风电量，所得结果见表2、表3。

表2 利润提升率 单位：%

根据表2 和表3 数据可知，在应用3 种方法后，热电厂的利润均得到了一定的提升，并且弃风电量均较低。相比可知，文章所提方法的利润提升率最高，其提高了5.1%，而文献方法最高仅提升了2.8%，并且文章所提方法的弃风电量最低，其均值仅为131.1 MW·h，而文献方法的弃风电量在200.0 MW·h以上，由此可知，文章所提方法有效提高了利润，降低了弃风电量，其热电厂热负荷分配优化效果最佳。

3 结束语

针对当前部分地区严重弃风及深度调峰能力不足的现象导致的热电厂利润低、弃风电量高的问题，提出基于利润最大化目标与深度调峰约束的热电厂热负荷分配优化方法。实例表明，应用该优化方法后热电厂有效降低了弃风电量，同时提升了利润，实现热电厂整体利润最大化目标。在后续的研究中也可以电锅炉装机容量的最优容量为研究重点，开展更深入的研究，从而实现对供热机组电锅炉参与深度调峰各项运行参数更理想的优化。