基于儲熱熱電機組和電鍋爐的風電消納調度模型

李 虹， 王曉丹， 周曉潔， 郭世梟

(新能源電力系統國家重點實驗室(華北電力大學)，河北 保定 071003)

0 引言

隨著環境污染的加劇，人類對能源需求不斷增長。雖然我國風能資源豐富, 但用電負荷遠離風能富裕的北方地區，大規模高比例風電并網大大增加了電網調峰調頻的壓力，很難實現風電的完全消納，因此產生了“棄風”問題[1]。2016年我國全年棄風電量497億kW·h，且大多集中在東北和西北地區，其中，內蒙古棄風124億kW·h，棄風量占并網風電總量的21%；新疆棄風137億kW·h，棄風率為38%；吉林棄風29億kW·h，棄風率為30%，風電消納問題已成為制約我國風電健康發展的最大障礙。

對于風電消納，分析北方地區冬季供暖期熱電機組的出力特性，國內外一些文獻相繼提出風電消納與電力供暖相結合的電熱聯合調度模型[2-4]。一方面，解耦熱電機組“電熱耦合”特性，增加系統調峰能力；另一方面，通過增加負荷側用電負荷來消納多余風電。在增加儲熱裝置方面，文獻[5]建立了含儲熱裝置、熱電機組、純凝式機組和風電場的電熱綜合調度模型，分析了配置儲熱前后熱電機組的運行特性和調峰能力變化；文獻[6]提出將儲熱裝置分別安裝在熱電機組側和電供熱系統處，比較了不同儲熱位置在運行模式上的差異；文獻[7]基于寧夏電網實測數據，提出應用大容量儲熱技術從源和荷兩方面擴大風電消納空間。在增大負荷側用電負荷方面，文獻[8-10]考慮加入電鍋爐裝置，以風電、蓄熱式電鍋爐聯合構成供熱系統，建立了含風電、蓄熱式電鍋爐的聯合調度優化模型；文獻[11-12]研究了基于水源熱泵技術的風電消納模式，既提高了風電消納能力，又減少了電能生產過程中的污染物排放。但是，以上研究大都只是單獨考慮儲熱裝置和電鍋爐對于風電消納的促進作用，較少對儲熱裝置與電鍋爐協調供熱時的風電消納效益進行深入分析。文獻[13]則提出一種風電、熱電機組和常規機組共存，儲熱熱電機組與電鍋爐協調供熱的棄風消納模型，但僅考慮了系統總調度成本最小這一目標函數，并沒有考慮風電棄風量與經濟效益之間的相互影響。

基于以上研究，本文考慮增加抽汽式熱電機組電熱耦合約束、風電機組風電出力約束以及電鍋爐運行條件約束，提出基于含儲熱熱電機組和電鍋爐的風電消納模式，以系統經濟成本最小和棄風量最少為目標函數，建立了包含熱電機組、火電機組、風電機組、儲熱裝置以及電鍋爐在內的多目標風電消納協調調度模型。比較了傳統方式、僅含儲熱裝置、僅含電鍋爐以及兩者協調調度4種方式下的風電消納和各機組出力情況，并利用基于Pareto最優解集的改進多目標粒子群算法對算例進行了仿真。

1 含儲熱裝置和電鍋爐的風電消納模式

1.1 含儲熱裝置的熱電機組模型

對于熱電機組，其發電出力和供熱出力存在一定的耦合關系，就是所謂的“電-熱特性”。在冬季供暖期，夜間風電過剩時段熱電機組發出電力因供熱約束無法下調，會造成嚴重棄風。而熱電廠通過加入儲熱裝置可以解耦熱電機組“以熱定電”特性，增加系統調節能力。圖1所示為加入儲熱裝裝置后抽汽式熱電機組電-熱特性的變化。

圖1 加入儲熱裝置后抽汽式熱電機組的電-熱特性

由圖1可知，加入儲熱裝置后，其電熱特性運行區間發生了很大變化，圖中hc,max、hf,max分別表示儲熱裝置的最大儲、放熱速率。對于B點，其汽輪機最大抽汽供熱功率為hb，通過儲熱裝置放熱，最大供熱功率范圍為[hb,hb+hf,max]，即相當于AB段和BC段整體向右偏移了hf,max。 此外，在圖中CD段，存在最小供熱功率，加入儲熱裝置后，由于儲熱裝置進行儲熱，其最小供熱功率向左平移hc,max，則K點供熱功率為hc-hc,max，相當于CD段整體向左平移hc,max，其電功率和熱功率的調節區間由原來的ABCDA變為圖中的AGIJKLA所圍區間。當某供熱功率同樣為h時，電功率調節區間則由圖中MN所示的調節范圍[PN, PM]變為RS所示的調節范圍[PS, PR]，大大增加了熱電機組的電出力調節范圍。

1.2 儲熱裝置與電鍋爐協調的風電消納

由1.1節可知，含儲熱裝置和電鍋爐的風電消納模式在一定程度上都能提高并網風電的消納能力，但是有可能會存在儲熱裝置儲熱量不足或者電鍋爐蓄熱能力不夠的情況，從而產生一定量的棄風。因此將儲熱裝置與電鍋爐一起聯合調度，則會更大限度地實現風電完全消納。其電熱綜合協調調度系統結構如圖2所示。

圖2 電熱綜合協調調度系統結構圖

由圖2可知，儲熱裝置位于電源側，電鍋爐位于負荷側。負荷高峰期，電鍋爐儲存的熱量釋放，滿足部分熱負荷需求，其它熱負荷由熱電機組提供，同時儲熱裝置儲熱，用于負荷低谷使用；在負荷低谷時段，電鍋爐利用棄風電量制熱，滿足一部分熱負荷，其余熱量用蓄熱罐儲存，同時儲熱裝置放熱。通過電鍋爐與儲熱裝置協調供熱，一方面使得熱電機組的電功率調節區間進一步增大；另一方面，電鍋爐增加了電負荷，兩者同時作用使得電網消納棄風的能力增強。

2 儲熱裝置與電鍋爐協調消納風電的調度模型

2.1 目標函數

2.1.1 系統總經濟成本

對于系統總經濟成本，主要考慮系統的煤耗成本，其它成本忽略不計。

對于常規火電機組，系統煤耗成本為發電功率的二次函數：

(1)

背壓式熱電機組，其煤耗成本與常規火電機組相同。而抽汽式熱電機組，考慮其電-熱特性，煤耗成本為:

(2)

綜合考慮整個系統煤耗成本，以系統的煤耗成本最小為目標函數:

(3)

式中：ai、bi、ci為常規火電機組i的煤耗成本系數；Pi,t為第i臺常規火電機組t時刻的發電功率，MW；Pei,t和Pi,t分別為第i臺抽汽式熱電機組在t時刻凈發電功率和純凝工況下的發電功率，MW；hi,t為第i臺抽汽式熱電機組在t時刻的熱功率，MW；N1、N2為常規火電機組(包括背壓式熱電機組)、抽汽式熱電機組臺數；T為周期內調度時段數，以1 d為一個調度周期，1 h為一個調度時段。

2.1.2 系統棄風量最少

根據風電消納機理，確保清潔能源優先上網的要求，以系統棄風量最小為目標接納電網覆蓋范圍內符合并網技術標準的風電電量，其目標函數為:

(4)

2.2 約束條件

含儲熱熱電機組和電鍋爐協調調度模型的約束條件包括系統運行約束條件和機組運行約束條件，本文在原有基礎上增加了抽汽式熱電機組的電-熱耦合約束、風電機組風電出力約束、電鍋爐運行約束等約束條件。

2.2.1 系統運行約束條件

(5)

(6)

(7)

Vt≤Vmax

(8)

(9)

PEB,min≤PEB,t≤PEB,max

(10)

(11)

(12)

2.2.2 機組運行約束

Pi,min≤Pi,t≤Pi,max

(13)

(14)

(15)

0≤hi,t≤hi,max

(16)

(17)

(18)

式(5)和(6)為系統電、熱功率平衡約束；式(7)(8)(9)分別為儲熱裝置運行約束，包括儲熱裝置儲、放熱速率約束、儲熱裝置儲熱容量約束和儲熱裝置周期內熱容量不變約束；式(10)和(11)分別為蓄熱式電鍋爐功率及其功率波動約束；式(12)為風電機組出力約束；式(13)為機組電出力上下限約束； 式(15)和(16)分別為抽汽式熱電機組凈發電出力和熱出力上、下限約束；式(14)和(17)分別為機組電、熱出力爬坡約束；式(18)為機組正負旋轉備用約束。

式中：Pi,max、Pi,min為機組i在純凝工況下的最大、最小電出力，MW；ΔPu,i、ΔPd,i為機組i最大上、下爬坡出力，MW/h；αi為機組i的電功率、熱功率彈性系數，可認為是常數；βi為常數；γi為汽輪機進汽量一定時，機組i多抽取單位供熱熱量時凈發電出力的減少量；hi,max為機組i的最大供熱功率，MW；Δhu,i、Δhd,i為抽汽式熱電機組單位時間內熱功率的最大增加、減少量，MW/h；PSR為系統旋轉備用額度，一般取系統發電最高負荷的2%；USR、UDR為系統正、負旋轉備用，MW。

2.3 基于MOPSO算法的模型求解

考慮到所建立的多目標協調調度模型是一個多階段、非線性復雜問題，傳統的優化類算法難以求解。因此，本文在原有的多目標粒子群算法的基礎上得到了改進后的基于Pareto解集的多目標優化粒子群算法(MOPSO)[14,15]。改進后的算法加入了Pareto解集占優策略、擁擠距離排序方法和精英歸檔技術，得到了更加均勻準確的Pareto解集；采用線性遞減權重的改進方法，有效避免了粒子群算法(PSO)的早熟以及在最優解附近振蕩的情況，進一步提高了算法的收斂性；并且引入小概率變異機制，對粒子位置產生小范圍擾動，增強了全局搜索能力。其改進多目標粒子群算法流程圖如圖3所示。

圖3 改進的多目標粒子群算法流程圖

3 算例分析

3.1 算例數據

本文采用六機組系統進行仿真，其中1#、2# 機組為背壓式熱電機組；3#、4# 機組為抽氣式熱電機組、5#、6# 機組為常規火電機組，系統中風電場風電機組裝機容量為300 MW，各類電源的裝機比例以某地區實際裝機比例為準。算例以一天24 h為一個調度周期，以1 h為一個調度時段，系統各時刻電負荷及相關風電預測功率選取某日9:00到次日8:00的數據[16]，電負荷曲線如圖4所示。

設全天熱負荷為1 100 MW，各機組煤耗成本系數及各機組電熱輸出運行參數參照文獻[16]；其它相關數據[17]設置如下：αi、βi、γi分別取0.75、0、0.15；儲熱裝置的最大儲、放熱速率hc,max、hf,max均為50 MW，最大儲熱容量Vmax為2 000 MW·h，電鍋爐的最大儲、放熱速率hEBc, max、hEBf, max均為50 MW，最大裝置容量VEB, max為3 000 MW·h，粒子群個數設為50，迭代次數為10 000次，慣性權重Wmax為0.9、Wmin為0.4，學習因子C1、C2均為1.494。

3.2 算例分析

圖4 電負荷曲線和預測風電曲線

采用了4種方式對同一算例進行了相關仿真分析：方式一：不含儲熱裝置、不含電鍋爐； 方式二：只含儲熱裝置、不含電鍋爐；方式三：不含儲熱裝置、只含電鍋爐； 方式四：既含儲熱裝置、又含電鍋爐。上述4種方式利用改進的MOPSO算法得到Pareto最優解集如圖5所示。4種方式下的煤耗量最優解、棄風量最優解以及其折衷解如表1所示。

表1 4種方式下的煤耗成本最優解、棄風量最優解及其折衷解

4種方式方式一方式二方式三方式四煤耗量煤耗成本/×106元8.35268.27938.32748.2176棄風量/MW674379.72289.8822.5棄風量煤耗成本/×106元8.35858.29168.33448.2188棄風量/MW673.65376.58289.7818.84折衷解煤耗成本/×106元8.35368.2828.32968.2282棄風量/MW673.78377.48289.818.08

圖5 4種方式的Pareto最優解集

對比4種方式下Pareto最優解集及其各類解可知：煤耗量最優解對應的經濟性最好，但棄風量較大，這是因為該方式優先考慮調度煤耗量較小的機組，并沒有考慮棄風量大小；同樣，棄風量最優解對應的棄風量最少，但經濟性較差，這是因為在調度過程中，優先調度了棄風量較少的機組，而沒有考慮經濟性好壞。因此，通過對比可以看出折衷解是通過比較兩個目標函數的重要程度，對兩個目標函數設定了不同的權重，同時兼顧系統的經濟性和棄風量。

由于4種調度方式下各機組出力不同，其經濟性和棄風量都有所差別。對比4種方式下的經濟成本，傳統方式下經濟性最差，儲熱裝置與電鍋爐協調調度方式下的經濟性明顯優于其它3種方式，這是因為兩者協調調度，更多的風電替代了高成本的煤電機組出力，使得系統經濟性有所改善；對于棄風量，4種方式則有明顯的差別。為了更好地說明儲熱裝置和電鍋爐加入前后對風電消納量的影響以及對熱電機組的電出力的調節作用，通過仿真，得到了4種方式下各時刻的風電消納及其熱電機組電出力情況。

圖6 4種方式下各時刻風電消納情況

由圖6、7可知：方式一由于既不含儲熱裝置，又不含電鍋爐，產生的棄風量最多，約為673.78 MW，棄風時刻熱電機組的電出力明顯高于其它方式；方式二、三，由于儲熱裝置和電鍋爐的加入，棄風情況有所改善，棄風量分別為377.48 MW和289.80 MW，占風電消納總量的56%和43%，棄風時刻熱電機組的電出力較方式一有所下降，使得風電消納空間得以增大；方式四棄風量僅為18.84 MW，基本實現了風電的完全消納，棄風時刻熱電機組的電出力降到了最小值，大大增加了風電消納量。這是因為棄風時段，由于儲熱裝置和電鍋爐的加入，一方面解耦了熱電機組“以熱定電”特性，降低了熱電機組電出力；另一方面，電鍋爐增大了電負荷，從而使得棄風情況得到很大的改善。

圖7 4種方式下熱電機組各時刻電出力情況

4 結論

針對北方地區冬季棄風嚴重問題，提出了風電消納與電力供暖相結合的解決方案,研究得出儲熱裝置和電鍋爐對于風電消納都有一定的促進作用，對于風電在電網調度過程中通過增加儲熱裝置和電鍋爐的方案來提高風電消納能力提供了參考，為解決當前中國北方地區在冬季供暖期面臨大量棄風問題提供了新的解決途徑，使棄風問題得到一定程度緩解。

[1]朱凌志，陳寧，韓華玲.風電消納關鍵問題及應對措施分析[J].電力系統自動化，2011，35(22)：29-34.

[2]雷濤，鞠立偉，彭道鑫，等. 計及碳排放權交易的風電儲能協同調度優化模型[J]. 華北電力大學學報(自然科學版),2015,42(03):97-104.

[3]ABDOLLAHI E, WANG H, RINNE S, et al. Optimization of energy production of a CHP plant with heat storage[C].Green Energy and Systems Conference. IEEE, 2015.

[4]WU C, JIANG P, GU W, et al. Day-ahead optimal dispatch with CHP and wind turbines based on room temperature control[C].IEEE International Conference on Power System Technology. IEEE, 2016:1-6.

[5]LI Z, WU W, WANG J, et al. Transmission-constrained unit commitment considering combined electricity and district heating networks[J]. IEEE Transactions on Sustainable Energy, 2016, 7(2):480-492.

[6]陳磊，徐飛，王曉，等.儲熱提升風電消納能力的實施方式及效果分析[J].中國電機工程學報，2015，35(17)：4283-4290.

[7]王艷陽，劉鑫屏.熱-電聯合機組多時間尺度調峰優化調度模型[J].電力科學與工程，2017，33(7):37-42.

[8]呂泉，姜浩，陳天佑.基于電鍋爐的熱電廠消納風電方案及其國民經濟評價[J].電力系統自動化，2014，38(1)：06-12.

[9]陳守軍，辛禾，王濤，等.風電、蓄熱式電鍋爐聯合供暖調度魯棒優化模型[J].電力建設，2016，37(1)：103-109.

[10]L.LAN,D.BIN,X.YUNKE.A game theory mechanism for thermal power plant to participate in wind power heating in electricity markets[C]//China International Conference on Electricity Distribution 2016:1-5.

[11]趙虎，閻維平，郭江龍，等.利用吸收式熱泵回收電廠循環水余熱的方案研究[J]. 電力科學與工程，2012，28(8):64-69.

[12]孫天宇，任建興，張健，等.水源熱泵回收電廠循環水余熱的經濟性分析[J].熱力發電，2015，44(7)：7-11.

[13]崔楊, 陳志, 嚴干貴,等. 基于含儲熱熱電聯產機組與電鍋爐的棄風消納協調調度模型[J]. 中國電機工程學報, 2016, 36(15):4072-4080.

[14]張津，盧錦玲，周松浩.不同電力系統調度模式的風電消納能力分析[J].電力科學與工程，2016，32(9)：13-18.

[15]雷敏，楊萬里，彭曉波，等. 基于改進簡化粒子群算法的含DG的配電網無功優化[J]. 華北電力大學學報(自然科學版),2015,42(1):39-44.

[16]盧志剛，隋玉珊，馮濤，等.考慮儲熱裝置與碳捕集設備的風電消納低碳經濟調度[J].電工技術學報，2016，31(17)：41-51.

[17]BAI X, WEI H. Semi-definite programming-based method for security-constrained unit commitment with operational and optimal power flow constraints[J]. IET Generation Transmission & Distribution, 2009, 3(2):182-197.