考虑火电深度调峰的风光火储系统分层优化调度模型

李雄威，王昕，徐家豪，李庚达，康佳垚

1.国家能源投资集团有限责任公司；2.国家能源集团新能源技术研究院有限公司

0 引言

大力发展新能源是促进中国能源结构的转型升级，推动中国“双碳”目标实现的必由之路。近年来，中国风电、光伏发电并网装机规模快速增长，在电力系统中占比逐渐增大。然而，风电、光伏发电出力由于存在随机性、波动性和间歇性，不仅给新能源规模化的并网消纳带来了较大困难，还增大了电网安全稳定运行的风险［1-3］。为了更好地实现大规模新能源的并网消纳，需要进一步深入挖掘火电机组深度调峰能力，研究灵活火电与风电、光伏发电等多种电源的互补协同调度方法［4-6］。

国内外学者在多能互补优化调度方面已开展了较多研究。安磊等［7］考虑常规机组低负荷运行和爬坡工况的发电成本计算模型，建立了风光火蓄储多能互补优化调度模型，以系统总运行成本最小为优化目标，利用动态惯性权值粒子群算法对模型进行了求解。龚正宇等［8］提出了一种双层优化模型，该模型考虑了系统网损、负荷波动和微网运行经济性等因素，将多微网与配电网结合进行联合调度。叶泽等［9］结合最优弃能率，提出了一种风光火储联合系统双层优化调度模型，在上层模型中以电网净负荷方差最小为优化目标，在下层模型中以电网运行成本最低为优化目标，对双层模型进行了优化求解。张国斌等［10］考虑发电成本、污染物治理成本以及可再生能源弃电成本，建立了风光水火蓄联合发电系统优化调度模型，并分别针对春夏秋冬4 个季节的典型日进行了仿真计算。向红吉等［11］建立了一种多目标机组组合的优化模型，该模型计入了系统运行成本和常规机组低谷时刻负调峰能力两种因素，并对模型进行仿真计算，提出平衡系统经济性和机组可靠性的优化方案。

随着新能源在电力系统中占比不断提高，为了解决新能源规模化的并网消纳问题，火电机组需要进行深度调峰，由此造成系统总体运行成本的增加。而目前关于火电与风电、光伏发电多能互补优化调度的研究，多是单纯侧重火电深度调峰或新能源弃电率对系统的经济性影响，缺乏统筹考虑火电机组深度调峰、储能辅助调节与新能源弃电率优化的最经济出力规划，未能充分挖掘多能互补系统在灵活调度中的经济潜力。

本文建立了一种风光火储综合能源系统的分层优化调度模型，利用储能系统的削峰填谷作用降低新能源弃电率，辅助并改善火电机组的深度调峰过程，从而促进新能源的经济消纳。由于分段函数考虑了火电机组全过程调峰成本，并涉及风光火储系统运行的多变量及多约束条件，导致模型优化求解计算较为复杂。为了降低计算过程的复杂程度，提高模型的求解效率，建立了一种3 层优化调度模型。上层模型以净负荷方差最小为优化目标，确定削峰填谷时段；中层模型以风光火储系统调峰成本最小为优化目标，确定火电机组总出力、储能系统充放电功率及新能源弃电率；下层模型以火电机组运行成本最小为优化目标，计算各火电机组在各时刻的优化出力。通过对典型日进行仿真计算，并对4 种不同的优化调度模型进行比较，分析了利用储能系统对系统总体运行成本的改善情况，验证了本文模型的有效性。

1 火电机组深度调峰成本计算模型

针对新能源规模化并网问题，火电机组基本调峰较难经济性地满足平抑风电、光伏发电波动性的需求，需要火电机组进一步进行深度优化调峰，因此需要考虑机组深度调峰的额外成本。火电机组按照出力状态可以划分为基本调峰和深度调峰，而深度调峰可以根据调峰深度和燃烧介质区分为投油与不投油两种。

燃料成本和启停成本是火电机组在基本调峰时的主要调峰成本，一般采用二次方公式对煤耗与运行负荷的关系进行拟合［11］。因此火电机组调峰成本为：

机组运行的煤耗会随着机组进行深度调峰而增加［12］。为了考虑火电机组深度调峰运行工况对煤耗的影响，对于深度调峰阶段，引入火电机组出力的三次方函数描述火电机组的燃料成本，公式如下：

式中：pi,qi,mi,ni——火电机组i在深度调峰阶段运行的成本因子。

在汽轮机负荷调整过程中，交变热应力会导致转子应力集中位置更容易产生疲劳裂纹，而这些裂纹将会减少机组的使用寿命。由于机组深度调峰产生的损耗成本为：

当机组进行深度调峰时，机组的成本还应包括投油成本，即：

2 风光火储系统分层优化调度模型

利用储能系统良好的能量时移特性，辅助火电机组深度调峰实现削峰填谷，并通过合理的弃风弃光，减轻火电机组的调峰压力。构建风光火储系统3 层优化调度模型，其结构如图1所示。

图1 分层优化调度模型结构

上层模型以净负荷波动最小为优化目标，以满足储能系统运行约束为前提，初步计算得到储能系统各个时段的充放电功率。通过对优化结果的分析，确定净负荷曲线中需要削峰填谷的时段，量化评估在净负荷“低谷”时段，通过储能系统参与调节，火电机组所处的调峰阶段，并将结果传至中层优化调度模型。

根据在净负荷“低谷”时段火电机组所处的调峰阶段，计算火电机组总调峰成本。构建风光火储系统调峰成本，包括火电机组总调峰成本、储能运行成本及新能源弃电成本。中层模型以风光火储系统调峰成本最小为优化目标，在满足风光火储系统运行约束的条件下，确定各个时段的火电机组总出力、对新能源弃电率和基于上层模型计算得到的储能系统充放电功率，再次进行经济性优化。

下层优化调度模型建立在中层模型计算的火电机组各时刻总出力的基础上，以满足各台火电机组的运行约束为条件，以机组运行总成本最小为目标，最终计算出各台火电机组最优的出力。

2.1 上层优化调度模型

2.1.1 目标函数

上层模型以净负荷方差最小为优化目标，其目标函数如下：

2.1.2 约束条件

上层模型的约束主要包括：储能系统充放电功率不超过储能系统最大充放电功率，储能系统在同一时间段只能充电或者放电，储能系统荷电比例应始终处于最大值与最小值之间。另外，为了保证储能系统可以持续调节，储能系统在调度周期内的充电功率之和应与放电功率之和保持平衡。

2.2 中层优化调度模型

2.2.1 目标函数

为了降低系统削峰填谷成本，以系统调峰成本最小为目标，即

式中：F2——风光火储系统调峰成本，104元；C1——火电机组总调峰成本，104元；C2——储能系统运行成本，104元；C3——新能源弃电惩罚成本，104元。

2.2.1.1 火电机组总调峰成本

根据各火电机组参与常规调峰、不投油深度调峰和投油深度调峰的阶段，将火电机组总调峰过程分3 个阶段：第一阶段，所有火电机组均处于常规调峰阶段；第二阶段，常规调峰机组处于常规调峰阶段的最小出力，深度调峰机组处于不投油调峰状态；第三阶段，常规调峰机组处于常规调峰阶段的最小出力，深度调峰机组处于投油深度调峰阶段。由此，构建火电机组总调峰成本函数，公式如下：

2.2.1.2 储能系统运行成本

储能系统的运行成本C2与储能充放电量和次数相关［15-16］，可表示为

式中：ρsoc——储能系统的运行成本系数，104元/（MW·h）。

2.2.1.3 新能源弃电惩罚成本

弃电惩罚成本C3为弃风、弃光成本之和，即

2.2.2 约束条件

中层模型主要满足的约束为火电机组运行约束、储能系统的运行约束及风电、光伏出力约束。其中，火电机组负荷在考虑正负备用后在最小出力和最大出力之间变化，且负荷变化速率不超过机组爬坡速率限值；风电上网功率不大于风电场最大预测出力，光伏上网功率不大于光伏电站最大预测出力。

2.3 下层优化调度模型

下层模型通过分析中层模型输出的各时刻火电机组总出力，对各火电机组的出力进行优化调整。下层模型主要满足火电机组运行约束条件，以各火电机组的运行成本之和最小为优化目标，即

3 算例分析

3.1 算例设置

针对含高比例新能源的风光火储联合发电系统进行日前优化调度研究。该系统包括1 个风电场、1个光伏电站、4 台火电机组和1 个储能电站，风光火储各场站汇集到1 个升压站后并网，如图2所示。

图2 风光火储联合发电系统结构

算例的负荷典型日选取某夏季日，将1d 按小时分为24 个调度时段。风电预测出力、光伏预测出力、负荷及净负荷曲线如图3所示。由图3 可知，负荷在全天波动较大，负荷峰谷差为489.87MW，负荷波动方差为30087MW2。在5:00—9:00 时段内，负荷呈现先下降再缓慢攀升的趋势，风电出力逐步下降，呈现反调峰性，而光伏出力显著上升，超过了负荷的增长幅度；在14:00—18:00 时段内，负荷和风电出力基本保持不变，但光伏出力显著下降。由于风电出力的反调峰性及光伏出力的大幅变化，导致净负荷（不考虑储能）具有更大波动，净负荷峰谷差达到1129.8MW，负荷波动方差为137020MW2。由此给火电机组调峰带来较大困难。

图3 风电预测出力、光伏预测出力及负荷和净负荷曲线

风电场的装机容量为800MW，光伏电站的装机容量为1400MW。火电机组由2 台300MW 机组和2 台600MW 机组组成，机组参数如表1所示。其中，300MW 机组只参与基本调峰，最低负荷率为50%；600MW 机组参与深度调峰，不投油深度调峰阶段的最低负荷率为40%，投油深度调峰阶段的最低负荷率为30%。储能系统初始存储电量为350MW·h，最大存储电量为700MW·h，最大充放电功率为350MW，荷电比例上限为0.9，荷电比例下限为0.1，充电效率和放电效率均为90%。储能系统运行成本系数取0.00832×104元/MW·h［9］。通过YALMIP 工具箱调用CPLEX 求解器，对本文建立的风光火储系统分层优化调度模型进行求解。

表1 火电机组煤耗特性参数

为对比分析本文提出的优化调度模型在运行成本和新能源弃电率等方面的优化效果，建立以下4 种模型：模型1 为考虑储能削峰填谷和新能源最优弃电率的风光火储系统分层优化调度模型（本文模型）；模型2 为考虑储能削峰填谷和风电、光伏全额并网消纳的风光火储系统分层优化调度模型；模型3 为不考虑储能电站，考虑新能源最优弃电率的风光火储系统优化调度模型；模型4 为不考虑储能电站，风电、光伏全额并网消纳的风光火储系统优化调度模型。

3.2 算例结果与分析

通过对本文模型的求解计算，净负荷优化前后的曲线如图4所示。优化前，净负荷（不考虑储能系统）的峰谷差达到1129.8MW，负荷波动方差为137020MW2，而优化后净负荷的峰谷差减小到894.57MW，负荷波动方差减小到109355.58MW2。由此可知，结合储能削峰填谷和新能源最优弃电率的风光火储系统分层优化调度模型，可以有效降低净负荷的峰谷差，从而降低火电机组调峰成本。

储能电站最优充放电功率及各时段储电量如图5所示。由图5 可知，储能电站的充电时段为净负荷的低谷时段7:00—10:00，而在下午和晚上部分时段放电。而弃风和弃光主要时段也发生在净负荷的低谷时段。通过储能充电和新能源弃电，提高了净负荷曲线的最低点。同时，储能在晚高峰的部分时段放电，一定程度上降低了净负荷曲线的最高点，从而改善了净负荷的峰谷差和负荷波动方差。

图5 最优的储能电站充放电功率及各时段储电量

表2 为4 种模型的优化调度结果。由表2 可知：相比于其他模型，模型1 的系统运行成本最低，为621.34×104元，火电机组运行成本最低，为605.89×104元，且净负荷波动方差和净负荷峰谷差最小，弃电率为1.37%，验证了本文模型在提高运行经济性和降低新能源弃电率上的优势；模型2 考虑风电、光伏全额并网消纳，使得火电机组运行成本增加，从而导致系统运行成本增加；模型3 不考虑储能辅助削峰调谷，通过新能源弃电，减轻火电机组调峰压力，但由于弃电成本增加导致系统运行成本增加；模型4 不考虑储能辅助削峰调谷且不考虑新能源弃电，导致火电机组调峰压力较大，火电机组运行成本增加导致系统运行成本增加。

表2 4 种模型的优化调度结果

不同模型的火电机组和储能系统最优出力及风光消纳情况如图6所示。结合计算结果及图6，进一步分析利用储能系统削峰填谷作用和优化新能源弃电率对系统总体运行成本的改善效果。由图6（a）和图6（b）对比可知，当考虑最优的新能源弃电率时，能够提高净负荷的“谷值”，使得火电机组的最小出力提高，火电机组由不投油深度调峰改善为常规调峰，从而使得火电机组运行成本降低。由图6（a）和图6（c）对比可知，当考虑储能削峰填谷时，能够有效改善火电机组的调峰压力，从而减少了净负荷低谷期的弃风弃光。由图6（c）和图6（d）对比可知，当不考虑储能辅助削峰调谷且不考虑新能源弃电时，火电机组在净负荷低谷时段的调峰压力较大，需要运行在投油深度调峰阶段，从而导致火电机组运行成本增加。

图6 4 种模型的火电机组和储能系统最优出力及风光消纳情况

采用NSGA-Ⅱ算法对模型进行求解，由表3 可知，相比其他传统的字典序法［20］、线性加权和算法［21］与EPSILON-约束法［22］，NSGA-Ⅱ算法明显能在净负荷峰谷差、系统净负荷方差、弃电率和运行成本之间取得更加均衡合理的结果。

表3 不同优化算法对比

4 结论

为促进新能源规模化的经济消纳，本文利用储能系统的削峰填谷作用降低新能源弃电率，辅助并改善火电机组的深度调峰过程，提出一种考虑火电深度调峰的风光火储系统分层优化调度模型，通过采用不同调度模型对典型日进行计算比较分析，得出以下结论：

1）本文建立的模型能够实现风光火储系统联合互补运行，有效促进新能源的经济消纳。通过考虑储能削峰填谷作用和优化新能源的弃电率，可以有效降低负荷的峰谷差，从而降低火电机组调峰成本。

2）通过考虑火电机组全过程调峰成本、储能运行成本和弃风弃光成本，本文建立的系统运行成本模型更加全面，更加贴合现实运行情况，能够更全面地反映规模化新能源并网时的系统运行成本，从而为火电深度调峰的经济性及其改善方法研究提供依据。

3）根据典型日的仿真结果可知，本模型相比于其他3 种模型成本最优，火电机组运行成本和系统运行成本分别为605.89×104元和621.34×104元，与不考虑储能电站且风电、光伏全额并网消纳的风光火储系统优化调度模型相比，火电机组运行成本和系统运行成本分别下降了60.3×104元和44.85×104元。

4）本分层优化模型能够有效降低优化求解计算的复杂度，且采用NSGA-Ⅱ算法对所提出的分层优化模型进行求解，缩短求解时间的同时还兼顾多目标均衡考量。在考虑火电机组全过程调峰成本分段函数，以及涉及多变量及多约束条件的风光火储系统优化调度中有很好的适用性。