基于利潤最大化目標與深度調峰約束的熱電廠熱負荷分配優化方法

馬連波，唐俊鈺，王 悅

（國家電投內蒙古能源有限公司，內蒙古通遼 028011）

目前，我國正處在工業化和城鎮化的重要階段，隨著城市的不斷發展及人民群眾居住條件的不斷完善，熱負荷需求呈現出明顯的增加趨勢。供熱機組的類型、方式、運行參數等都有著較大差異，而因“以熱定電”的運行模式，在冬季大量供暖的季節性工況下，機組的最大功率和最小功率間存在著巨大的落差，給電網的峰谷調整造成了很大的不利影響，直接造成了機組頻繁啟動和資源浪費等問題，但至今尚未引起人們的高度關注，也缺乏合理有效的解決方法[1-2]。為確保電網安全經濟運行，需對電網進行調峰，但這并不是單純依靠電網能解決的問題，而是要建立一個完整的電力市場體系，并制訂相應的政策。電力系統的變化性決定了其在電力系統中的應用需依賴外部電力系統進行調峰，目前一般將其視為一種輔助服務[3-4]。基本調峰是指機組在不超出規定輸出功率變化范圍的情況下，按照規劃布置，以一定速率調整機組輸出功率，使之能適應電網負荷的峰谷值變化。計費調峰是指在調峰深度超過規定范圍時，由發電機組進行的調峰，以及由系統安排的火電機組進行的在規定時間段內進行的啟停調峰。為實現熱電廠利潤的最大化，保障熱電廠經濟效益，文章開展以利潤最大為目標與深度調峰約束的熱電廠熱負荷分配優化研究。

1 熱電廠熱負荷分配優化方法

1.1 構建利潤最大化目標的熱電廠熱負荷分配優化目標函數

熱電廠的供熱機組中增設電鍋爐可消納風力發電，減少風能發電量，但這種發電量的使用將對火力發電廠的經濟性產生影響，因此，如何使發電量最小化，并使利潤最大化，是火力發電廠實施這種發電量最大化的問題。在此基礎上，提出了一種基于利潤最大化目標的熱電廠熱負荷分配優化方法，該方法構建的熱負荷分配優化目標函數為：

式中，ξ1為利潤最大化目標權重，F1為利潤最大化目標，ξ2為利潤最大化下棄風電量最小化目標權重，F2為利潤最大化下棄風電量最小化目標。

在考慮了深度調峰補償和發電成本的兩種情況下，利潤最大化目標F1為：

式中，M1為調度周期內的收益，M2為成本，S為火力發電廠全周期運行效益分析。

在統計成本時，需將燃料成本、環境成本等均作為成本構成要素，因此，成本M2為：

式中，m1為燃料成本，m2為環境成本，m3為運維成本，m4為折舊與攤銷成本，m5為運輸成本，m6為其他成本。

為求出最小的棄風電量，可用風力發電的預測功率與發電的并網功率間的差分表達：

式中，f為火力發電廠在全過程中的棄風電量，為在某一時刻t時風電預測功率值，為在某一時刻t時風電并網功率。

1.2 設置深度調峰約束條件

根據上述利潤最大化目標的熱電廠熱負荷分配優化目標函數可知，熱負荷分配優化目標在深度調峰時，其涉及了在某一時刻t時風電并網功率，而該功率的變化會影響基于利潤最大化目標的熱電廠熱負荷分配優化目標，因此，需設置深度調峰約束條件[5]：

結合上述深度調峰約束條件，與利潤最大化目標結合，完成了熱電廠熱負荷分配優化方法的設計。

1.3 粒子群算法求解熱負荷分配優化目標函數

在確定目標函數和約束條件后，引入粒子群算法[6]，求解構建的利潤最大化目標的熱電廠熱負荷分配優化目標函數，從而確定最優的熱電廠熱負荷分配優化方案。目標函數求解過程如下。

（1）初始化參數，設置粒子個數N，定義每個粒子的位置和速度的初始值，確定目標函數和約束條件。

（2）初始化粒子群，為每個粒子隨機分配位置和速度，并記錄每個粒子在當前位置的最佳解。

（3）更新粒子的速度和位置。根據以下公式更新每個粒子的速度和位置。

（4）更新粒子的最佳位置。對于每個粒子，根據目標函數的值判斷當前位置是否優于之前的最佳位置，如果是則更新粒子的最佳位置。

（5）更新群體的最佳位置。對于整個群體，根據目標函數的值判斷當前位置是否優于之前的最佳位置，如果是則更新群體的最佳位置。

（6）判斷停止條件。根據預設的停止條件（達到最大迭代次數200次），判斷是否停止算法，如果滿足條件，則停止運算，輸出結果，該結果即為最佳的利潤最大化目標的熱電廠熱負荷分配優化方案，否則返回步驟（3）進行迭代。

根據上述步驟，完成利潤最大化目標的熱電廠熱負荷分配優化目標函數的求解，從而獲得最優的熱負荷分配優化方案。

2 實例應用分析

2.1 試驗準備

為驗證上述優化方案是否可行，選擇以某熱電廠作為依托，該熱電廠中包含4臺抽汽式熱電機組，總供熱量為3.0×106kJ/h，最小出力650 MW，當1 號、2號機組抽汽量為350 t/h 時，3號、4號機組抽汽量為200 t/h。結合該熱電廠中供熱機組運行參數，將供熱當量性能設置為4.23，將電鍋爐的熱能轉化效率設定為0.89，以晚上10：00至早晨7：00為一個調度循環，設定一個周期為1 h。發電機組與電網交換功率的上限數值為220 MW，下限數值為-220 MW。

2.2 試驗參數設置

完成試驗準備后，設置基于利潤最大化目標與深度調峰約束的熱電廠熱負荷分配優化方法的參數，避免因為參數取值不同而影響方法性能，從而影響實驗準確性。試驗參數設置見表1。

2.3 結果分析

在明確該熱電廠供熱機組的各項基本參數后，針對該熱電廠進行熱負荷優化，以文獻[1]和文獻[2]方法為對比方法，結合文章所提方法，分析應用3種方法后的利潤提升率和棄風電量，所得結果見表2、表3。

表2 利潤提升率 單位：%

根據表2 和表3 數據可知，在應用3 種方法后，熱電廠的利潤均得到了一定的提升，并且棄風電量均較低。相比可知，文章所提方法的利潤提升率最高，其提高了5.1%，而文獻方法最高僅提升了2.8%，并且文章所提方法的棄風電量最低，其均值僅為131.1 MW·h，而文獻方法的棄風電量在200.0 MW·h以上，由此可知，文章所提方法有效提高了利潤，降低了棄風電量，其熱電廠熱負荷分配優化效果最佳。

3 結束語

針對當前部分地區嚴重棄風及深度調峰能力不足的現象導致的熱電廠利潤低、棄風電量高的問題，提出基于利潤最大化目標與深度調峰約束的熱電廠熱負荷分配優化方法。實例表明，應用該優化方法后熱電廠有效降低了棄風電量，同時提升了利潤，實現熱電廠整體利潤最大化目標。在后續的研究中也可以電鍋爐裝機容量的最優容量為研究重點，開展更深入的研究，從而實現對供熱機組電鍋爐參與深度調峰各項運行參數更理想的優化。