考虑需求响应的风光热联合出力优化调度

杨蓓佳,赵清松,刘 刚,袁 鹏,马 辉

(1.三峡大学电气与新能源学院,湖北 宜昌 443002;2.沈阳工业大学电气工程学院,辽宁 沈阳 110870;3.国网辽宁省电力有限公司电力调度控制中心,辽宁 沈阳 110006)

0 引言

在我国电力系统清洁化转型的过程中,以风能和光伏为主力的可再生能源在发电系统中的占比日益扩大。截至2022年,我国风力发电的累计装机上网容量高达3.75亿kW,光伏发电累计装机容量为3.59亿kW。受可再生能源不确定性的影响和外送容量的限制,弃风弃光现象频出[1-4]。

为了提高系统出力稳定性,可考虑将风力、光伏发电与其他能源发电联合运行。储热型光热电站(concentrating solar power,CSP)可以将太阳能转化为热能储存在储热系统中,其时移特性使得其与风光电站的联合出力具备了研究意义。文献[5]得出联合调度策略下各机组出力及光热电站储放热功率,对比分析发现此联合调度策略的经济性。文献[6]在CSP电站和风电联合优化调度策略中引入可控信赖度参数,分析验证得出电源侧考虑CSP电站对风电并网消纳具有一定的提高作用。上述研究主要是风电、光伏与光热的联合运行调度,各电站之间独立运行,针对这3种电站构成联合发电系统的研究较少。

对于多源协调调度研究大多集中在负荷侧或电源侧,出力的灵活性有限。需求响应按照用户响应方式不同,可分为基于价格型需求响应(price-based demand response,PBDR)和基于激励型需求响应(incentive-based demand response,IBDR)。文献[7]将风-光-储多种机组相组合,在考虑价格型需求响应的基础上进行调度优化。在PBDR实际运行中,用户对电价信号的敏感度具有高度的不确定性,往往使得需求侧资源难以充分利用。相比之下,IBDR需要用户事先签订合同,按照日前申报的合同容量执行,响应的可操作性更高[8]。但常规IBDR的补贴金额往往按照固定标准,用户可选择性小,不利于调动用户积极性[9]。

本文首先在电源侧新能源电站之间的联合方式进行优化,通过在CSP电站加装电加热装置,将风、光电站与CSP电站的储热系统结合,多余风电和光电以热能的方式进行储存,促进风光消纳;其次,考虑在负荷侧的激励型需求响应体系上进行优化,在常规激励型需求响应的基础上,按照功率偏差的类型划分不同补贴标准,再根据用户响应量的差异建立阶梯型补贴激励机制,实现源荷两侧协调调度,提升系统的风光消纳能力;最后,以综合成本最优为目标进行日前优化调度,调度结果验证了其在提升新能源消纳量和降低系统综合成本上的有效性。

1 联合发电系统

1.1 联合发电系统原理

光热电站主要由光场(solar field,SF)、储热系统(thermal energy storage,TES)和发电模块(power block,PB)3个部分构成[10]。传热流体(heat transfer fluid,HTF)在三者之间传递能量。CSP电站的光场吸收光能后,利用热转换设备加热传热流体,将光能转化为热能,一部分经由发电模块中的蒸汽轮机组进行热转电,剩余部分储存在储热系统中,需要时再通过传热介质释放热能至发电模块[11-12]。图1为风光热联合发电系统结构示意图。

图1 联合发电系统结构示意图

为了将风电站和光伏电站多余的发电量转入CSP电站中储存,先在CSP电站侧加装电加热装置(electric heater,EH),拟选用电阻式加热炉。当风光发电量低于负荷需求时,将所储存的热能运送至发电模块进行发电,平抑风光出力的波动[13-14]。

1.2 风力、光伏发电的不确定性

风力发电和光伏发电具有波动性和随机性,在分析时应考虑其预测误差,实际出力应为确定的预测值和不确定的预测误差之和[15]。

(1)

(2)

(3)

式中:σW,t和σPV,t分别为风电场和光伏电站t时刻功率预测误差的标准差;PWN为风电场的装机容量。

2 阶梯型激励需求响应

本文所提的激励型需求响应在给用户的电量补贴价格设置上分为负荷下调削峰和负荷上调填谷2种情况,分别具有不同的补贴价格增长体系[16-18]。在易产生弃新能源电量的负荷低谷时段,将用户响应补贴单价提高,引导用户更大限度地参与响应,随着用户响应量的提升,所获得的补偿单价也呈阶梯型提升。

本文IBDR负荷类型特指可转移负荷,补偿费用包括电量补贴和容量补贴,容量补贴为固定值。

补贴价格调整情况与净负荷增量有关。

ΔPP,t=PP,t-PW,t-PPV,t-PCSP,t

(4)

式中:ΔPP,t为t时刻的净负荷增量;PP,t为t时刻的负荷量;PW,t、PPV,t、PCSP,t分别为t时刻风电场、光伏电站、光热电站的出力。

当ΔPP,t>0时,负荷大于电源出力,鼓励用户减小用电负荷,此时的下调价格与用户负荷下调量有关,下调量越多,补贴金额越高。t时刻用户下调补贴价格可表示为

(5)

(6)

(7)

当ΔPP,t<0时,负荷小于电源出力,此时应增大用电负荷,与负荷下调时类似,用户负荷上调量越多,得到的补贴单价就越高,具体见图2,其中ΔXV是用户上调响应量的参考值。

某个用户的补偿费用为

(8)

图2 阶梯型激励价格调整量

3 联合发电系统模型

3.1 目标函数

日前调度优化模型的目标函数主要从系统的经济性考虑,为系统综合成本最小。

F=min(C1+C2+C3+C4)

(9)

式中:C1为火电机组运行成本;C2为风电、光伏、光热发电和电转热装置运行维护成本;C3为弃风弃光惩罚成本;C4为需求响应成本。

a.火电机组运行成本

火电作为基荷运行,不考虑启停成本,其运行成本主要表示为燃煤成本:

UGh,t-1)UGh,t]

(10)

(11)

式中:NG为机组数量;fh(PGh,t)为机组在t时刻燃煤成本;SGh,t为机组启停成本;UGh,t为机组在t时刻启停状态,UGh,t=1表示机组处于启动状态;PGh,t为机组在t时刻出力;ah、bh、ch为火电机组煤耗成本系数。

b.风力、光伏、光热电站和电转热装置运行维护成本

(12)

c.弃风弃光惩罚成本

(13)

d.需求响应调用成本

因具有响应能力的用户数量众多且较为分散,本文以负荷聚合商作为用户主体实施需求响应。

(14)

式中:Nd为参与响应的负荷聚合商数量;Kd为实施响应的容量成本;Dd为用户参与响应所调用的容量。

3.2 约束条件

a.CSP电站相关约束

储热装置自身存在一定热损耗,体现在储能状态方程:

(15)

为了保证光热电站有足够的调节能力,储热系统有容量限制:

(16)

b.需求响应约束

负荷聚合商的响应容量约束为

(17)

式中:Ne为分段报价曲线的总段数;Qd,max为聚合商的最大响应负荷值。

最小中断时间约束为

(18)

4 算例分析

4.1 基本数据和参数

本文采用300 MW双馈型风电场、100 MW光伏电站、100 MW塔式光热电站和3个火电机组共同组成风光热联合发电系统。风力发电、光伏发电、负荷的预测功率和太阳直射(direct normal irradiance,DNI)指数见图3,光热电站相关参数见表1,火电机组相关数据见表2。

图3 风电、光伏、负荷预测基准功率及DNI指数

表1 100 MW CSP电站主要参数

表2 火电机组主要参数

风电场和光伏电站的发电运维成本系数KW=KPV=120元/MW,光热电站的发电运维成本系数KCSP=80元/MW,EH装置的运行维护成本系数Kr=10元/MW,最大功率为50 MW,弃风弃光成本系数KF=KG=500元/MW。

参与IBDR有2个负荷聚合商A和B,ρ取值为200元/MWh,取值为70元/MWh,其他参数如表3所示。

表3 IBDR相关参数

4.2 算例结果分析

4.2.1 日前调度算例结果分析

为了验证所提调度模型在促进风光消纳和降低系统综合成本上的有效性,设置了3个对比模型。

a.模型1

传统日前调度模型,既不考虑IBDR,也不使用加入CSP的风光热联合发电系统,此时采用2个100 MW光伏电站。

b.模型2

在传统发电中,将1个100 MW光伏电站替代为1个100 MW CSP电站,构成风光热联合发电系统,但不在负荷侧采用IBDR。

c.模型3

采用本文考虑的阶梯型IBDR策略和1个CSP电站加入联合发电系统。

图4为模型3日前调度结果,图5、图6分别为3个模型的弃风电量、弃光电量对比结果。

图4 模型3日前调度结果

由图3、图5、图6可知,模型2中加入了CSP电站和EH装置,通过CSP电站本身的光转热机制和EH装置的电转热机制,使得整体的弃风光量大幅降低。但在17:00—18:00时段,储热系统的储热量已达到最高值,无法继续消纳多余的弃风光量,因而造成部分高额弃风量。

图5 各模型调度结果弃风电量

图6 各模型调度结果弃光电量

为了解决这一现象,在模型3中引入阶梯型IBDR机制,整合负荷曲线。在风电出力较高的14:00—19:00时段,IBDR激励用户进行填谷,上调负荷水平;在20:00—24:00时段,风光发电量出现大幅下降,随着CSP电站的储热系统开始放热,电转热的热量也具备了存储空间,此时对负荷曲线进行削峰,可以大幅缓解调度压力。3种模型调度结果的综合成本及风光弃电量如表4所示。

表4 日前调度结果对比

由表4可知,模型2在模型1的基础上,加入装配了EH装置的CSP电站,系统弃新能源量降低了63%,同时系统综合成本降低了14%。而模型3将系统弃新能源量在模型2基础上降低了37%,总调度成本也比模型2降低了8%,实现了新能源弃电量和综合成本双重最低,验证了本文所提出的阶梯型IBDR体系和风光热联合发电系统在降低系统综合成本和提高风光消纳能力方面具有有效性。

为了验证本文引入的CSP电站的储热系统在提升系统新能源消纳能力方面的效果,对模型3中储热系统的充放热情况进行分析。图7为模型2和模型3中电加热装置在各时刻的电转热功率。图8为模型3中CSP电站的储热系统在各时刻的充放热情况和总储热量。

由图7、图8可知,01:00—06:00时段无光照,CSP电站放热发电,同时多余风电进行电转热,但充热功率仍低于放热功率。06:00时刻光伏发电量攀升,储热系统随之降低放热量,直至转为充热状态,期间EH装置持续工作。16:00时刻系统储热量即将达到峰值,光转热功率大幅降低。日落时光照值趋于零,储热系统再度进入放热状态,维持CSP电站持续出力,CSP电站的大容量储热功能使其具备了一定的调节能力。

图7 各模型调度结果弃风电量

图8 模型3储热容量变化

4.2.2 IBDR对比算例分析

为了验证本文所提阶梯型IBDR激励方案的有效性,额外增设模型4、模型5。

a.模型4

b.模型5

表5 日前调度结果对比

由表5可见,模型4和模型5中采用了常规IBDR体系,系统的综合成本相比模型3有所增加,弃新能源量也有所加大,验证了本文所提不同时段采用不同补贴标准的阶梯型IBDR体系具有一定优越性。

5 结论

a.含储热装置的CSP电站具备良好的灵活性,可以增加系统的调节能力,加入EH装置的风光热联合发电系统能够有效提高系统的新能源消纳能力,同时提高系统调度的灵活性。

b.IBDR通过提供补偿来改变用户用电方式,在电源侧预测出力与负荷曲线相差过大时可以修改负荷曲线,不同时段设置不同补贴标准的IBDR可以使负荷曲线更贴合需求,实现源荷双侧协调调度,提升新能源消纳能力。

c.传统发电模型综合成本为842 746元,本文所提的联合发电模型将综合成本降低了14%,在加入本文的IBDR机制后综合成本再度降低了8%,同时弃新能源率降低了37%,可见本文所提优化模型在提高系统新能源消纳能力和降低系统综合成本上均有较好效果。