考慮儲熱裝置與碳捕集設備的風電消納低碳經濟調度

盧志剛　隋玉珊,2　馮　濤　李學平　趙　號

(1.河北省電力電子節能與傳動控制重點實驗室(燕山大學)　秦皇島　066004 2.國網天津市電力公司東麗供電分公司　天津　300300)

?

考慮儲熱裝置與碳捕集設備的風電消納低碳經濟調度

盧志剛1隋玉珊1,2馮濤1李學平1趙號1

(1.河北省電力電子節能與傳動控制重點實驗室(燕山大學)秦皇島066004 2.國網天津市電力公司東麗供電分公司天津300300)

在電力系統低碳經濟調度的背景下，針對“三北”地區供暖期熱電機組因供熱導致機組強迫出力過高，造成夜晚棄風嚴重的問題，提出了一種計及配置了儲熱裝置的熱電聯產電廠及碳捕集電廠的電力系統優化調度模型，考慮熱電機組的熱電耦合相關約束、熱、電平衡及機組爬坡等約束，兼顧系統的總發電煤耗成本最低以及CO2排放最少兩個目標，采用多目標細菌群體趨藥性算法(MOBCC)對模型進行求解。對不同場景下系統的風電消納情況以及系統的經濟成本和碳排放進行了分析。算例結果驗證了所提模型及求解方法的有效性和正確性。

低碳經濟調度碳捕集儲熱熱電聯產MOBCC

0　引言

隨著全球氣候變暖日益嚴重，CO2的減排問題受到越來越多的關注[1]。電力行業作為我國國民經濟中最大的CO2排放部門，面臨巨大的減排壓力[2]。風能作為清潔可再生能源，能有效地改善我國能源供應結構，減少環境污染[3]。我國“三北”地區風電資源豐富，但是冬季供暖期，為了滿足熱負荷需求，電網中占主體地位的大量熱電機組因“以熱定電”運行而調峰能力不足，導致夜間負荷低谷時段系統強迫出力過高，風電上網空間不足，使得風電作為清潔能源沒有充分發揮其在節能減排方面的作用[4，5]。因此，采取合理的方式更多地消納風電，減少棄風量，實現電力系統的低碳經濟調度具有重要的社會意義[6-9]。

針對熱電機組的熱電耦合問題，已有學者研究了熱電機組通過配置儲熱(Thermal Storage，TS)以解耦“以熱定電”約束，提高熱電機組的調峰能力以減少棄風[10]。目前，國外對儲熱裝置的研究主要是根據峰谷電價或實時電價，通過機組調度實現自身利益最大化，提高可再生能源的接納能力[11，12]。針對國內實際情況，文獻[13]討論了在熱電廠配置儲熱裝置后熱電機組的運行策略，并建立了計算配置儲熱后機組調峰能力的數學模型，分析了其影響因素。文獻[14]比較了蓄熱、抽水蓄能和風電供熱3種棄風消納方案的優劣，結果表明蓄熱方案具有投資少且節煤效率高的優勢。

此外，碳捕集電廠作為一種新型電廠，對于CO2減排具有重要作用[15]，同時，引入碳捕集技術之后，碳捕集電廠可通過靈活調節捕集水平，調整凈發電功率，以滿足系統的調峰需求，從而在一定程度上達到消納過剩風電的目的[16，17]。并且相對于常規火電機組，碳捕集機組具有更大的下調峰深度和更快的調峰響應速度。因此制定兼顧減排和調峰的合理調度策略有利于碳捕集設備的利用最大化。

在目前低碳電力的要求下，電力系統優化調度也越來越多地考慮到CO2排放問題[18，19]。文獻[20，21]在調度過程中考慮了碳排放成本，優先調度采用減排技術的機組，限制了電力系統的CO2排放。文獻[22]建立了包含碳捕集電廠和換電站的多目標優化調度模型，兼顧了電源成本和系統總碳排放量。文獻[23]結合碳捕集電廠和常規火電廠的電碳模型，綜合考慮發電成本和碳排放成本建立調度模型，并研究了風-車協調調度在減少碳排放和棄風量方面的效果。

本文同時考慮風電、熱電聯產機組、儲熱裝置和碳捕集設備，建立了兼顧煤耗成本和CO2排放量的多目標優化調度模型，并推導了在一定的系統負荷和風電情況下，消納風電所需的最小儲熱量和放熱速率。采用多目標細菌群體趨藥性算法(Multi Objective Bacterial Colony Chemotaxis，MOBCC)求解模型，分析了不同情景下的調度對于系統的風電消納能力以及運行經濟性和低碳性的影響，給出調度策略，為電網調度提供一定的參考依據。

1　各電源運行特性及風電消納原理

1.1熱電機組運行特性

熱電聯產機組分為背壓式和抽汽式兩種。與常規純凝發電機組不同，熱電機組的發電出力受到熱電耦合約束的限制。熱電機組的電功率與熱功率之間存在關聯耦合關系，稱為“電熱特性”，能夠很好地描述熱電機組的運行外特性[24]。熱電聯產機組的電熱特性關系曲線如圖1所示。

圖1　熱電聯產機組電熱特性圖Fig.1　Diagram of heat-electricity relationship for combined heat power units

背壓式機組是利用汽輪機排出的乏汽作為熱源進行供熱，因此其熱功率和電功率具有線性耦合關系，如圖1a所示，電功率完全取決于供熱功率，具有“以熱定電”的特點。發電出力和供熱出力的關系可表示為

pe=αh+β

(1)

式中，pe、 h分別為機組的發電功率和發熱功率；α為電功率和熱功率的彈性系數，α=ΔP/Δh， 可認為是常數；β為常數。

抽汽式機組是從汽輪機兩級間抽取一部分蒸汽作為熱源對外供熱，對于給定的進汽量，隨著抽汽量增加，供熱功率會逐漸增加，但汽輪機輸出的電功率會逐漸降低，如圖1b中虛線所示。其電功率和熱功率可以在一定范圍內調節，圖中ABCDE所包圍區域為抽汽式機組的運行區域，可以看出，其發電功率雖然具有一定的可調性，但隨著供熱功率的增大，發電功率的可調范圍逐漸減小。圖中γ表示進汽量不變時，多抽取單位供熱熱量時電功率的減小量。根據抽汽式機組的運行原理，可得純凝工況下的發電功率、凈發電功率以及熱功率關系為

p=pe+γh

(2)

其電熱特性可以表述為

(3)

式中，hmax為機組的最大供熱功率；pmax和pmin分別為機組在純凝工況下的最大、最小發電功率。

1.2儲熱消納風電原理

由上述熱電機組的電熱特性可以看出，熱電機組發電出力和供熱出力存在耦合關系，在一定的供熱功率下，機組的發電功率可調范圍受到供熱出力的限制。因此，在冬季供暖期，夜間風電過剩時段熱電機組發電出力因供熱約束無法下調，造成嚴重棄風。為此，若在熱電廠加裝儲熱裝置，在非棄風時段，熱電機組供給熱負荷的同時，也向儲熱裝置蓄熱，而在棄風時段，降低熱電機組的出力，供熱不足的部分，則由儲熱裝置所蓄熱量進行補充[8]，從而接納更多的風電，最大程度地減少棄風。

1.3碳捕集電廠模型

傳統火電廠加裝碳捕集設備即為碳捕集電廠，機組的總出力一部分用于供給電負荷，另一部分則為捕集設備提供捕集所需能耗。因此，碳捕集機組的功率關系可表示為

p=pe+pc

(4)

pc=ps+pm

(5)

式中，pe為機組的凈發電功率；pc為機組的捕集能耗；ps為碳捕集設備的運行能耗；pm為碳捕集設備的維持能耗。

碳捕集設備的運行狀態在一定程度上可以獨立于發電循環的工況進行單獨調節，近似等效于一個可控負荷，因此，可以通過調節捕集能耗，改變凈發電出力，從而滿足系統的調峰需求，并且捕集能耗主要來自從發電循環抽取蒸汽或直接利用廠用電，因而具有更快的調節速度。在夜間棄風時段，通過提高碳捕集設備的捕集能耗，可以進一步降低機組最小凈發電出力，提高系統的風電接納能力。

碳捕集設備捕集單位CO2的能耗可以近似認為是常數，則對于一定的捕集能耗，捕集的CO2量可表示為ps/e， e為碳捕集設備捕集單位CO2消耗的功率。因此捕集能耗和機組總出力之間需要滿足

(6)

式中，f(p)為CO2排放函數。

2　優化模型

依據我國電力系統集中調度體制，以及目前電力系統節能減排的要求，本文以系統的總煤耗成本和CO2排放量最小為目標，建立了包含風電、常規火電機組、熱電機組、儲熱裝置、碳捕集設備的熱電聯合多目標優化調度模型，并以優先調度風電為原則，盡可能地多利用風電。系統模型如圖2所示。

圖2　系統模型Fig.2　System model

2.1目標函數

對于常規火電機組，煤耗成本以及CO2排放量可以表示為發電功率的二次函數的形式，即

(7)

(8)

式中，ai、 bi、 ci分別為機組i的煤耗成本系數；ui、 vi、 wi分別為機組i的CO2排放系數。

背壓式熱電機組利用做過功的蒸汽供熱，這部分蒸汽無論是否供熱都要被冷卻，故將其供熱成本視為0，因此，其發電成本以及碳排放函數形式與式(7)、式(8)相同。

對于抽汽式熱電機組，其煤耗成本及碳排放量可以表示為

(9)

(10)

式中，pi,t為熱電機組i在t時刻的純凝工況下的發電功率；Pei,t為凈發電功率；hi,t為熱功率。

碳捕集機組的煤耗成本可表示為

(11)

碳捕集機組的CO2排放可以表示為

(12)

式中，Esi,t為第i臺碳捕集設備在t時刻捕集的CO2的量；ei為第i臺碳捕集設備捕集單位CO2消耗的功率；pei,t為機組i在t時刻的凈發電功率；pci,t為機組i在t時刻的捕集能耗；psi,t為碳捕集設備的運行能耗。

綜合考慮整個系統的煤耗成本和CO2排放建立多目標優化模型，分別以系統的煤耗成本最小和CO2排放最少為目標，目標函數可表示為

(13)

(14)

式中，Ga為常規機組與背壓式熱電機組的集合；Gb、Gc分別為抽汽式熱電機組和碳捕集機組的集合。

2.2約束條件

2.2.1系統約束

1)電功率平衡約束

(15)

式中，pw,t為t時刻調度的風電功率；pl,t為t時刻的電負荷。

2)供熱平衡約束

(16)

式中，hi,t為熱電機組i在t時刻的熱功率；hc,t、 hd,t分別為t時刻儲熱罐的儲、放熱功率；hl,t為系統的熱負荷；λt為儲熱裝置在t時刻的儲、放熱控制變量(0/1)，1表示放熱，0表示儲熱；N1為所有熱電機組的臺數。

3)儲熱裝置運行約束

儲、放熱速率約束為

(17)

儲熱容量約束為

Vt≤Vmax

(18)

式中，Vt為t時刻儲熱罐內剩余儲熱量；Vmax為儲熱裝置的最大儲熱容量；hc,max、 hd,max分別為儲熱裝置的最大儲、放熱速率。

4)風電出力約束

pw,t≤pwf,t

(19)

式中，pwf,t為t時刻風電場的風電預測功率。

2.2.2機組約束

1)機組出力上下限約束

pi,min≤pi,t≤pi,max

(20)

式中，pi,min、 pi,max分別為機組在純凝工況下的最小、最大出力。

2)抽汽式機組熱出力上、下限約束

0≤hi,t≤hi,max

(21)

式中，hi,max為機組i熱出力的最大限值，該值主要取決于熱交換器容量的大小。

3)抽汽式機組凈發電出力上下限約束

(22)

4)碳捕集能耗約束

0≤psi,t≤psi,max

(23)

(24)

式中，psi,max捕集能耗的上限。式(23)表示碳捕集設備捕集的CO2不會超過機組產生的總CO2量。

5)機組的總功率爬坡約束

pi,t-pi,t-1≤Δpu,i

(25)

pi,t-1-pi,t≤Δpd,i

(26)

式中，Δpu,i、Δpd,i分別為機組i的最大上、下爬坡出力。

6)抽汽式機組的熱爬坡約束

hi,t-hi,t-1≤Δhu,i

(27)

hi,t-1-hi,t≤Δhd,i

(28)

式中，Δhu,i、Δhd,i分別為抽汽式機組單位時間內的熱功率最大變化量。

7)碳捕集系統能耗的爬坡約束

psi,t-psi,t-1≤Δpsu,i

(29)

psi,t-1-psi,t≤Δpsd,i

(30)

式中，Δpsu,i、Δpsd,i分別為碳捕集設備能耗在單位時間內的最大變化量。

3　滿足風電消納的放熱速率及儲熱容量

儲熱裝置的風電消納能力受到其最大放熱速率以及儲熱容量兩個參數的限制。在棄風時段，通過儲熱裝置放熱來減輕熱電機組的供熱負擔，使熱電機組發電出力具有更大的下調空間，從而接納更多風電。但若儲熱裝置的放熱速率過慢或儲熱量不足時，棄風時段補償供熱不足，則熱電機組仍然會因供熱導致發電出力較高，使風電無法完全消納。

根據儲熱消納棄風的原理，可以近似推導在一定的風電以及系統負荷情況下，為實現風電消納，儲熱裝置最大放熱速率及儲熱容量需滿足的條件。

首先要滿足如下的假設條件：

1)在棄風時段，抽汽式機組運行在最小凝氣工況下，即圖1b中的CD段，其最小發電出力可以用供熱出力來表示，即Peimin,t=αihi,t+βi。

2)棄風發生的時段連續(一般發生在夜晚負荷低谷而風電較大時段)。

由于本文所研究的棄風問題主要原因為供熱導致的強迫出力過高，且在夜間負荷低谷時段往往風電預測功率較大，因此以上假設符合實際情況。

若要保證系統不發生棄風，需要滿足

(31)

式中，N1、 N2分別為系統中熱電機組臺數和常規機組的臺數。

可以推出當熱電機組的總供熱量滿足式(32)時，能夠保證系統不產生棄風，即

(32)

式中

αmax=max{α1, α2, …, αN1}

(33)

βmax=max{β1, β2, …, βN1}

(34)

用hpmax,t表示在保證風電消納的前提下，允許熱電機組發出的最大供熱功率，為滿足供熱的要求，則有

hpmax,t+hnd,t=hl,t

(35)

式中，hnd,t為t時刻為滿足供熱平衡需要的儲熱裝置放熱量。因此可以推出，為滿足供熱需要，儲熱裝置的最大放熱速率需要滿足

(36)

式中，Tw為所有棄風時段的集合。

儲熱裝置的儲熱容量需要滿足

(37)

(38)

(39)

4　模型求解

細菌群體趨藥性(Bacterial Colony Chemotaxis，BCC)算法由細菌趨藥性算法(Bacterial Chemotaxis，BC)改進而來，細菌通過與周圍同伴交換信息可以大大節省在解空間中搜索的時間，使該算法在保留了BC算法的簡單性和魯棒性的同時提高了速度和收斂性。基于BCC算法表現出來的優良性能，其應用越來越廣泛[25-27]。因此本文采用MOBCC對模型進行求解(算法詳細流程參考文獻[27])，求解流程如圖3所示。

圖3　模型求解流程圖Fig.3　The flowchart of model solving

多目標優化結果會得到一組Pareto最優解集，決策者需要從中選取一個最優解作為最終調度結果。本文應用TOPSIS的方法選取最優解，該方法可以根據目標之間的重要性設置相應權重，最終解在最接近理想解的同時又遠離負理想解，該方法具體步驟參見文獻[28]。

4.1細菌位置初始化

每一個細菌代表一種調度策略，以機組的電功率、供熱功率和碳捕集功率作為控制變量，將整個系統分為T個時間斷面，生成初始細菌群，每個細菌維數為Nc×T， Nc為變量個數?？刂谱兞繕嫵傻募毦蛄勘硎緸?/p>

i=1,2,…,nb

(40)

式中，peNi,t、hNi,t、psNi,t分別為第N臺機組的電功率、熱功率及碳捕集功率。按照變量范圍隨機生成，對于背壓式機組，只隨機生成熱功率，電功率按式(1)計算；對于非熱電機組，其供熱功率按0初始化；對于不含碳捕集設備的機組，其捕集功率按0初始化。nb為初始生成的細菌個數。

4.2可行性檢驗及調整

在MOBCC算法求解過程中，細菌每次個體尋優和群體尋優都會產生新的位置，為確保更新位置滿足約束，需要在每次更新后對各個約束條件逐一判斷并調整以保證新的個體均為可行解。

與以往發電調度不同，本文熱電綜合調度模型，除考慮電功率相關約束外，還需考慮供熱約束，同時，由于熱電機組存在熱電耦合關系，使得約束的處理變得相當復雜。

對于常規機組不存在熱電耦合情況，約束處理相對簡單。對于背壓式機組，其電功率完全受熱功率的支配，其電功率和熱功率可相當于一個變量，處理約束的過程中，只需考慮熱功率相關約束，電出力隨熱出力變化。這里對以上兩類機組的約束處理不多敘述。下面以抽汽式機組為例，說明熱電耦合約束以及系統約束的處理方法。

1)熱功率上下限約束。根據式(21)，檢驗熱功率是否超過上限，將超過上限的熱功率限制為該上限值。

2)熱功率爬坡約束。從第2個調度時段開始，根據約束式(27)、式(28)逐一對不滿足熱功率爬坡約束的解進行調整。

3)熱功率平衡約束。首先根據式(16)判斷是否滿足供熱平衡約束。對于不滿足供熱平衡約束的時刻進行調整，在調整的過程中要考慮每臺機組在不破壞上下限約束以及爬坡約束情況下的可調量，機組熱功率可調量的計算如下：

可上調量

hupi,t=min{himax,hi,t-1+Δhu,i}-hi,t

(41)

可下調量

hdpi,t=hi,t-max{himin,hi,t-1-Δhd,i}

(42)

當功率平衡不能滿足時，首先計算熱功率不平衡量，即總的熱電機組與儲熱裝置的供熱功率之和與總熱負荷的差值。隨機抽取某一臺發電機，在式(41)、式(42)所示可調量范圍內調整；若仍不能平衡，則隨機選取第二臺機組進行調整，重復此過程直到平衡。

4)電功率相關約束。調整機組熱功率滿足約束之后，電功率的約束需要根據已確定的熱功率進行計算。首先根據式(22)計算機組電出力的上下限，對不滿足約束的電出力進行調整，按式(43)、式(44)計算機組電出力的爬坡約束

pei,t-pei,t-1≤Δpu,i-αi(ht-ht-1)

(43)

pei,t-1-pei,t≤Δpd,i-αi(ht-1-ht)

(44)

根據電功率爬坡，從第2時刻開始逐一判斷爬坡約束并進行調整。本文以盡可能多的接納風電為原則，因此風電初始值按預測值計算，當電功率平衡約束不滿足時，調整各機組的發電出力(調整方法與熱功率平衡的調整方式一致)，若機組出力無法下調至完全接納風電，則棄掉多余的風電。

5　算例仿真

5.1算例數據

本文采用六機組系統進行仿真，系統由兩臺背壓式熱電機組、兩臺抽汽式熱電機組和兩臺常規火電機組構成，常規機組加裝碳捕集設備即為碳捕集機組，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為一個時段，系統負荷及風電預測功率選取某日的9∶00到次日8∶00的數據，見表1。系統全天熱負荷基本保持不變，設為1 000 MW，機組煤耗特性參數、碳排放參數以及電熱輸出運行參數見表2。碳捕集設備捕集單位CO2的能耗為0.269 MW·h/t[29]，αi、 βi、 γi分別取0.75、0、0.15。算法參數設置如下：細菌個數為50，最大迭代次數為200，初始精度εbegin=2， 最終精度εend=10-6， 精度更新常數α=1.25， 每個細菌移動速度v=1。

5.2仿真分析

為了對比分析儲熱裝置和碳捕集設備的風電消納作用及系統經濟低碳情況，設置了4種不同情景：①系統中含儲熱裝置和碳捕集設備；②系統中只含儲熱裝置；③系統中只含有碳捕集設備；④系統中不含儲熱裝置及碳捕集設備。

5.2.1多目標優化結果分析

以情景1為例，應用MOBCC算法得到的Pareto解集如圖4所示。3種調度解煤耗成本及碳排放情況見表3。

表1　系統有功負荷及風電預測功率Tab.1　Load and wind forecast data of the test system

表2　機組參數Tab.2　Generator coefficients

表3　三種調度結果的煤耗成本及碳排放Tab.3　Coal cost and carbon emission of three dispatching results

從表3可以看出，通過MOBCC算法求解出的調度方案中，最小煤耗解對應的經濟性最好，但該調度解的碳排放量較多，該方案優先調度煤耗較小的機組，且碳捕集量處于較低水平；而碳排放最小的解，經濟性則較差，其原因一方面在于尋優過程中，偏向于優先調度較清潔但煤耗量較大機組，另一方面碳捕集量處于較高水平，碳捕集設備的捕集能耗較高，造成系統總體煤耗成本較高。相比之下，折中解則兼顧了系統的總煤耗成本和碳排放量。圖4中目標權重設為0.5，在實際調度過程中，調度人員可以根據不同的偏好設置兩目標的權重，從最優解集中選擇滿意解。

圖4　情景1 Pareto 最優解集Fig.4　Pareto solution set of Scenario 1

5.2.2風電消納作用分析

以折中調度方案為例，4種情景的風電消納量見圖5。

圖5　四種情景的風電消納情況對比Fig.5　Comparison of wind power accommodation of four scenarios

情景④在晚23∶00～次日6∶00之間有大量棄風，總棄風量達632 MW，原因是這些時刻為負荷低谷時段，而風電功率較大，系統中熱電機組出力為滿足供熱需求，其發電出力受到“以熱定電”約束的限制，無法下調，造成大量棄風。情景②只含有儲熱裝置，總棄風量為120.12 MW，相比于不含儲熱裝置前，棄風情況有了明顯的緩解。情景③中只含碳捕集設備，總棄風量僅有46.99 MW，相比于情景②，避免了更多的棄風，風電消納作用更為顯著。情景①中同時含有儲熱裝置和碳捕集設備，實現了風電的完全消納。

圖6為情景①、情景②儲熱裝置的儲、放熱情況(正值代表儲熱，負值代表放熱)，兩種情景的最大儲熱量分別為560 MW·h和769 MW·h?？梢?，儲熱罐在非棄風時段儲熱，在棄風時段放熱，情景①由于系統中含有碳捕集機組，在棄風時段，分擔了一定的風電消納的任務，所以在情景①儲熱量較情景②少的情況下，也實現了風電的完全消納。情景②只含儲熱裝置，在1∶00～4∶00時段放熱達到100 MW，受到儲熱裝置放熱速率的限制，無法進一步增大放熱速率，使得熱電機組電出力下調空間不足，在1∶00～4∶00點仍然有棄風存在。

圖6　儲熱裝置儲放熱情況Fig.6　Heat storage condition of heat accumulator

供熱機組發電出力如圖7所示，情景③和情景④沒有儲熱裝置，棄風時段(23∶00～次日6∶00)供熱機組總發電出力恒等于750 MW，即保證供熱情況下的最小電出力。加裝儲熱裝置之后，在棄風時段，部分供熱量由儲熱裝置提供，因此在該時段內供熱機組的供熱負擔減輕，使得機組的發電出力也可以在一定程度上下調，為風電提供了更大的上網空間。相比于情景①，情景②中供熱機組在棄風時段的電出力更低，原因在于情景①中含有碳捕集機組，分擔了部分風電消納任務。

圖7　供熱機組電出力情況Fig.7　The electric power of CHP unit

圖8為4種情景下5、6號機組凈發電出力情況。情景②和情景④在棄風時段機組出力恒等于400 MW。原因在于情景②和情景④中，機組沒有考慮碳捕集設備運行，為了避免棄風，機組在負荷較小而風電較大時段處于下限運行狀態。情景①和情景③中，5號、6號機組加裝了碳捕集設備，由于碳捕集設備運行能耗的存在，機組的凈發電出力低于機組總出力下限，為風電提供了更大的上網空間。

圖8　碳捕集機組電出力對比Fig.8　Electric power comparison of carbon capture units

5.2.3系統經濟低碳性能分析

4種情景調度結果對應的煤耗成本和碳排放量見表4?？傮w上看，當系統中含碳捕集設備時(情景①、情景③)，系統的煤耗成本較高，而碳排放量處于較低狀態，碳捕集設備的運行能耗使得系統總體的經濟性下降，但是換取了CO2減排，同時又起到了消納過剩風電的作用。從煤耗成本上看，情景②最經濟，且相比于情景④，碳排放量也有明顯的下降，可見由于儲熱裝置的存在，使得風電接納量明顯提高，對于系統整體的經濟性和低碳性起到了積極的作用。

表4　四種情景下系統的煤耗及碳排放結果Tab.4　Coal cost and carbon emission of four scenarios

5.2.4儲熱裝置參數對風電消納的影響分析

分別設置儲熱裝置儲、放熱速率為100 MW/h、200 MW/h，從0開始，逐次增大儲熱裝置的儲熱容量進行仿真，得到兩種放熱速率下對應的系統棄風情況如圖9所示。可見，隨著儲熱容量的上升，棄風量基本呈線性規律減小，當hdmin=200 MW/h時，增加最大儲熱容量到850 MW·h時，棄風量為0，實現了風電的完全消納，而當hdmin=100 MW/h時，受到放熱速率的限制，使得在某些時段始終無法實現風電的完全消納，系統最少仍存在120.1 MW·h的棄風。

圖9　儲熱裝置參數與棄風量關系Fig.9　Relation between parameters of heat accumulator and abandoned wind power

根據式(38)、式(39)，計算當前算例所需的儲熱容量為842 MW·h，放熱速率上限不小于155 MW/h。由于實際調度過程中，需要滿足復雜的約束條件，所得結果與計算值存在少量偏差，仿真結果驗證了本文推導的計算公式的正確性。在實際工程中，隨著儲熱容量的增大，投資成本也會升高，因此需要根據實際的情況合理配置儲熱裝置的容量，以免造成蓄熱不足或者浪費。

6　結論

在系統中有風電接入且含儲熱裝置及碳捕集設備的背景下，本文提出一種基于MOBCC算法的熱電綜合低碳經濟調度方法。該方法充分考慮了熱電機組的熱電耦合特性，更加符合實際情況，能提供最優經濟減排調度策略集，為調度人員選取調度策略提供理論依據。通過仿真分析可得如下結論：

1)儲熱裝置能夠在一定程度上解耦熱電機組的熱電耦合約束，提高了熱電機組的調峰能力，一定程度上避免了因供熱導致的系統強迫出力過高造成的棄風，提高系統整體的經濟性和低碳性。

2)系統中含有碳捕集設備時，風電消納能力得到顯著提高，且能夠很大程度上實現碳減排，但碳捕集設備的減排和消納風電要犧牲一定的經濟性，實際調度中，可以根據不同的減排要求，選擇合理的調度策略。

3)儲熱裝置的風電消納能力與其儲熱容量和最大放熱速率有關，在實際工程中應根據系統實際情況合理配置儲熱裝置。

[1]盧斯煜，婁素華，吳耀武.低碳經濟下基于排放軌跡約束的電力系統電源擴展規劃模型[J].電工技術學報，2011，26(11)：175-182.

Lu Siyu，Lou Suhua，Wu Yaowu.A model for generation expansion planning of power system based on carbon emission trajectory model under low-carbon economy[J].Transactions of China Electrotechnical Society，2011，26(11)：175-182.

[2]譚忠富，董力通，劉文彥，等.發電機組污染排放約束下電量互換合作博弈優化模型[J].電工技術學報，2012，27(5)：245-251.

Tan Zhongfu，Dong Litong，Liu Wenyan，et al.A cooperation game optimization model for energy generating interchange between power generation units with environmental emission constraints[J].Transactions of China Electrotechnical Society，2012，27(5)：245-251.

[3]陳道君，龔慶武，張茂林.考慮能源環境效益的含風電場多目標優化調度[J].中國電機工程學報，2011，31(13)：10-17.

Chen Daojun，Gong Qingwu，Zhang Maolin.Multi-object- tive optimal dispatch in wind power integrated system inco-rporating energy environmental efficiency[J].Proceedings of the CSEE，2011，31(13)：10-17.

[4]嚴旭，吳鍇，周孟戈，等.基于不同可調度熱源的風電出力平滑模型[J].電力系統保護與控制，2013，41(21)：122-128.

Yan Xu，Wu Kai，Zhou Mengge，et al.Model of smoothing wind power based on various dispatchable heat sources[J].Power System Protection and Control，2013，41(21)：122-128.

[5]賀建波，胡志堅，劉宇凱.大規模多目標水-火-風協調優化調度模型的建立及求解[J].電力系統保護與控制，2015，43(6)：1-7.

He Jianbo，Hu Zhijian，Liu Yukai.Establishment and solution of the large-scale multi-objective hydro-thermal- wind power coordination optimization dispatching model[J].Power System Protection and Control,2015，43(6)：1-7.

[6]文晶，劉文穎，謝昶，等.計及風電消納效益的電力系統源荷協調二層優化模型[J].電工技術學報，2015，30(8)：247-256.

Wen Jing，Liu Wenying，Xie Chang，et al.Source-load coordination optimal model considering wind power consumptive benefits based on bi-level programming[J].Transactions of China Electrotechnical Society，2015，30(8)：247-256.

[7]張濤，李家玨，張延峰，等.計及電網調峰約束的風電接納調度方法研究[J].電力系統保護與控制，2014，42(21)：74-80.

Zhang Tao，Li Jiayu，Zhang Yanfeng，et al.Research of scheduling method for the wind power acceptance considering peak regulation[J].Power System Protection and Control，2014，42(21)：74-80.

[8]楊柳青，林舜江，劉明波.大電網多目標動態優化調度的解耦算法及并行計算[J].電工技術學報，2016，31(6)：177-186.Yang Liuqing，Lin Shunjiang，Liu Mingbo.Decomposition algorithm for multi-objective dynamic optimal dispatch of large-scale power systems and parallel computing[J].Transactions of China Electrotechnical Society，2016，31(6)：177-186.

[9]張新松，禮曉飛，王運，等.不確定性環境下考慮棄風的電力系統日前調度[J].電力系統保護與控制，2015，43(24)：75-82.

Zhang Xinsong，Li Xiaofei，Wang Yun，et al.Day-ahead dispatching in consideration of wind power curtailments in uncertain environments[J].Power System Protection and Control，2015，43(24)：75-82.

[10]Petersen M K，Aagaard J.Heat accumulators [EB/OL].[2014-06-22].http：//www.kareliainvest.ru/file.php/id/f5291/name/acro.pdf.

[11]Lund H，Andersen A N.Optimal designs of small CHP plants in a market with fluctuating electricity pries[J].Energy Conversion and Management，2005，46(6)：893-904.

[12]Lund H，Mathiesen B V.Energy system analysis of 100% renewable energy systems-the case of Denmark in years 2030 and 2050[J].Energy，2009，34(5)：524-531.

[13]呂泉，陳天佑，王海霞，等.配置儲熱后熱電機組調峰能力分析[J].電力系統自動化，2014，38(11)：34-41.

Lü Quan，Chen Tianyou，Wang Haixia，et al.Analysis on peak-load regulation ability of cogeneration unit with heat accumulator[J].Automation of Electric Power Systems，2014，38(11)：34-41.

[14]呂泉，李玲，朱全勝，等.三種棄風消納方案的節煤效果與國民經濟性比較[J].電力系統自動化，2015，39(7)：75-83.

Lü Quan，Li Ling，Zhu Quansheng，et al.Comparison of coal- saving effect and national economic indices of three feasible curtailed wind power accommodating strategies[J].Automation of Electric Power Systems，2015，39(7)：75-83.

[15]黃斌，許世森，郜時旺，等.華能北京熱電廠CO2捕集工業試驗研究[J].中國電機工程學報，2009，29(17)：14-20.

Huang Bin，Xu Shisen，Gao Shiwang，et al.Industrial test of CO2capture in Huaneng Beijing coal-fired power station[J].Proceedings of the CSEE，2009，29(17)：14-20.

[16]陳啟鑫，康重慶，夏清.碳捕集電廠的運行機制研究與調峰效益分析[J].中國電機工程學報，2010，30(7)：22-28.

Chen Qixin，Kang Chongqing，Xia Qing.Operation mechanism and peak-load shaving effects of carbon-capture power plant[J].Proceedings of the CSEE，2010，30(7)：22-28.

[17]康重慶，季震，陳啟鑫.碳捕集電廠靈活運行方法評述與展望[J].電力系統自動化，2012，36(6)：2-11.

Kang Chongqing，Ji Zhen，Chen Qixin.Review and prospects of flexible operation of carbon capture power plants[J].Automation of Electric Power Systems，2012，36(6)：2-11.

[18]劉文學，梁軍，贠志皓，等.考慮節能減排的多目標模糊機會約束動態經濟調度[J].電工技術學報，2016，31(1)：62-70.

Liu Wenxue，Liang Jun，Yun Zhihao，et al.Multi-objective fuzzy chance constrained dynamic economic dispatch considering energy saving and emission reduction[J].Transactions of China Electrotechnical Society，2016，31(1)：62-70.

[19]周斌，宋艷，李金茗，等.基于多群組均衡協同搜索的多目標優化發電調度[J].電工技術學報，2015，30(22)：181-189.

Zhou Bin，Song Yan，Li Jinming，et al.Multiobjective optimal generation dispatch using equilibria-based multi-group synergistic searching algorithm[J].Transactions of China Electrotechnical Society，2015，30(22)：181-189.

[20]張曉輝，閆柯柯，盧志剛，等.基于碳交易的含風電系統低碳經濟調度[J].電網技術，2013，37(10)：2698-2704.

Zhang Xiaohui，Yan Keke，Lu Zhigang，et al.Carbon trading based low-carbon economic dispatching for power grid integrated with wind power system[J].Power System Technology，2013，37(10)：2698-2704.

[21]田廓，邱柳青，曾鳴.基于動態碳排放價格的電網規劃模型[J].中國電機工程學報，2012，32(4)：57-64.

Tian Kuo，Qiu Liuqing，Zeng Ming.Method of grid planning based on dynamic carbon emission price[J].Proceedings of the CSEE，2012，32(4)：57-64.

[22]高亞靜，李瑞環，梁海峰，等.碳市場環境下計及碳捕集電廠和換電站的電力系統優化調度[J].電力系統自動化，2014，38(17)：150-156.

Gao Yajing，Li Ruihuan，Liang Haifeng，et al.Power system optimal dispatch incorporating carbon capture power plant and battery swap station under carbon market environment[J].Automation of Electric Power Systems，2014，38(17)：150-156.

[23]李正爍，孫宏斌，郭慶來，等.計及碳排放的輸電網側“風-車協調”研究[J].中國電機工程學報，2012，32(10)：41-49.

Li Zhengshuo，Sun Hongbin，Guo Qinglai，et al.Study on wind-EV complementation on the transmission grid side considering carbon emission[J].Proceedings of the CSEE，2012，32(10)：41-49.

[24]Aanersen T V.Integration of 50% wind power in a CHP based power system：a model-based analysis of the impacts of increasing wind power and the potentials of flexible power generation[D].Denmark：Technical University of Denmark，2009.

[25]Müller S，Airaghi S，Marchetto J.Optimization based on bacterial chemotaxis[J].IEEE Transactions on Evolution Computation，2002，6(1)：16-29.

[26]李威武，王慧，鄒志君，等.基于細菌群體趨藥性的函數優化方法[J].電路與系統學報，2005，10(1)：58-63.

Li Weiwu，Wang Hui，Zou Zhijun，et al.Function optimization method based on bacterial colony chemotaxis[J].Journal of Circuits and Systems，2005，10(1)：58-63.

[27]Lu Zhigao，Feng Tao，Li Xuping.Low-carbon emission/economic power dispatch using the multi-objective bacterial colony chemotaxis optimization algorithm considering carbon capture power plant[J].International Journal of Electrical Power & Energy Systems，2013，53(1)：106-112.

[28]Olson D L.Comparison of weights in TOPSIS models[J].Mathematical and Computer Modeling，2004，40(7)：721-727.

[29]Cohen S M，Rochelle G T，Webber M E.Optimizing post-combustion CO2capture in response to volatile electricity prices[J].International Journal of Greenhouse Gas Control，2012，8(5)：180-195.

Wind Power Accommodation Low-Carbon Economic Dispatch Considering Heat Accumulator and Carbon Capture Devices

Lu Zhigang1Sui Yushan1,2Feng Tao1Li Xueping1Zhao Hao1

(1.Key Lab of Power Electronics for Energy Conservation and Motor Drive of Hebei Province Yanshan UniversityQinhuangdao066004China 2.State Grid Tianjin Power Dongli Power Supply BranchTianjin300300China)

During the heating period in winter，the electric powers of cogeneration units are forced to be high because of the heating demand，leading tremendous curtailments of the wind powers in north power grid of China.Under the background of low-carbon economic dispatch of power system，according to this problem，an optimal dispatch model incorporating the combined heat and power (CHP) plant with heat accumulator and the carbon capture power plant is proposed.The total coal cost and the CO2emission of the system are taken as two objectives.The constraints include the thermoelectric coupling of CHP，the heat and electric power balance，the units and carbon capture devices ramp rate，etc.The multi-objective bacterial colony chemotaxis (MOBCC) algorithm is applied to solving this model.The wind power accommodation，the economic costs，and the carbon emissions in different scenarios are analyzed.The effectiveness and validity of the proposed model and algorithm are verified by the results of the numerical examples.

Low-carbon economic dispatch，carbon capture，heat accumulator，combined heat and power，multi objective bacterial colony chemotaxis

2015-05-31改稿日期2015-08-18

TM73

盧志剛男，1963年生，教授，博士生導師，研究方向電力系統經濟運行分析與控制。

E-mail：Zhglu@ysu.edu.cn(通信作者)

隋玉珊女，1991年生，碩士研究生，研究方向為電力系統低碳經濟調度。

E-mail：331923421@qq.com

國家自然科學基金(61374098)和教育部高等學校博士學科點專項科研基金(20131333110017)資助項目。