含電加熱裝置的風光火聯合系統優化調度策略

黃冬梅，高 軒，孫錦中，胡安鐸

（1.上海電力大學電子與信息工程學院，上海 201306；2.上海電力大學電氣工程學院，上海 200090）

隨著能源危機的日益嚴重與生態環境的惡化，清潔能源發電蓬勃發展[1]。由于風力發電和太陽能發電具有隨機性和波動性的特點，新能源出力被迫下降，導致了嚴重的棄電現象[2-4]。另一方面，大規模新能源并網在節約資源、保護環境的同時也對電力系統造成了極大的沖擊，嚴重增加了系統的運行成本。如何降低系統運行成本、減少新能源棄電量，已經成為新能源發展必須要解決的技術問題[5]。

太陽能光熱電站CSP（concentrating solar power）技術越來越成熟[6]，而且具有儲熱系統可極大提高出力的穩定性和靈活性，擁有與常規機組可媲美的爬坡速度和調節能力，為降低系統運行成本、提高新能源利用率提供了技術途徑[7-9]。根據CSP的運行特性，在兼顧系統經濟性和穩定性的同時，國內外學者進一步研究利用CSP與其他新能源發電進行聯合調度。文獻[10]建立了風電與CSP的日前調度雙層模型，并簡化為等效的混合整數線性規劃問題。文獻[11]在含網絡安全約束機組組合模型基礎上，建立了含儲熱CSP的混合整數線性規劃模型。文獻[12]根據儲熱CSP出力可控和調度性強的特點，構建了風-光-火虛擬電廠日前和實時兩階段優化調度模型。文獻[13]以在技術操作約束下利潤最大化為目標，包括輸電線路相關約束，建立了風電-CSP聯合系統的自調度混合整數線性規劃模型。文獻[14]利用CSP可調度性強的特點，構建了風電-CSP聯合調度的自適應魯棒優化模型，降低了聯合發電功率的不確定性。文獻[15]為解決太陽能發電的不連續性，提出了一種CSP-PV（photovoltaic）混合發電模型，并利用儲能系統實現了混合發電模型提供固定功率曲線的能力。

電加熱EH（electric heater）系統是一種將電能轉換為熱能的裝置，幾乎不產生能量損耗[16]。當出現棄風棄光時，可通過電加熱裝置將棄電量轉化為熱量并儲存在儲熱系統中[17]。根據電加熱系統的運行特性，國內外學者研究了利用電加熱技術來降低系統運行成本，提高新能源利用率。文獻[18]利用蓄熱電鍋爐來提高風電消納，并確定了配置最佳電鍋爐容量的方法。文獻[19]利用蒙特卡羅方法，建立了評價棄風指標的數學模型，并提高了風電利用率。

上述研究主要是單獨考慮CSP和EH系統參與新能源調度，很少考慮CSP和EH系統聯合運行對風光消納的影響。本文基于CSP和EH裝置的運行特性，計及EH系統的投資成本，以系統綜合運行成本最小為優化目標，構建了CSP和EH系統聯合運行的風光火聯合發電系統優化調度模型。該系統利用EH裝置實現能量向CSP儲熱系統的回流，在降低系統運行成本的同時能夠促進風光消納，并提高了CSP的調度性。

1 風光聯合發電系統

1.1 CSP模型

CSP由光場SF（solar filed）、儲熱TES（thermal energy storage）系統、發電系統3部分組成。光場通過定日鏡把太陽光反射到吸熱器表面，完成光能到熱能的轉換，產生的熱量通過傳熱流體HTF（heat transfer fluid）一部分流入發電系統進行發電，另一部分流入儲熱罐中。儲熱罐中熱量可隨時通過HTF流入發電系統使用。在CSP中，TES可將光場收集的熱量進行平移，使CSP具有一定的可調度性，CSP相比常規機組具有更好的可控性和調節能力，可實現汽輪機組的快速調節。CSP主要結構如圖1所示。

圖1 CSP主要結構Fig.1 Main structure of CSP station

光場吸收的熱功率包括流向HTF的熱功率和棄熱功率兩部分。將HTF視為1個節點，HTF中能量損耗忽略不計。系統的熱功率平衡關系和CSP發電功率可描述為

儲熱系統的熱量來自光場和電加熱系統兩部分，電加熱系統的出力模型可表示為

式中：Peh,t、分別為t時刻的輸入電功率和輸出熱功率，MW；ηe為電熱轉換系數。

由于HTF流入TES中的熱量在儲熱和放熱的過程中都會存在能量損失，可以用儲放熱效率描述熱量損失，引入EH系統的儲熱系統儲放熱特性，即

1.2 聯合發電系統運行機理

本文主要為風光火聯合發電系統，同時在系統中加入EH裝置，并與CSP聯合運行，以此進一步降低綜合運行成本，促進風電與光伏消納。對于電網調度而言，CSP模型在簡化的基礎上應該重點描述CSP內部的能量傳遞和交換，忽略傳熱工質及儲熱系統的熱量損失，聯合發電系統可簡化為圖2所示。在風光出力較大時，容易造成棄風棄光，此時EH系統開始工作，產生的熱能儲存在CSP的儲熱系統中，擴大了CSP的熱源，增加了CSP的調度性和靈活性。當風光出力不能滿足系統負荷要求時，迅速增加常規機組出力，滿足系統功率平衡。在負荷劇烈波動及風光出力預測偏差較大時，常規機組還可以滿足系統穩定經濟運行。

圖2 聯合發電系統能流Fig.2 Energy flow in hybrid power generation system

2 聯合發電系統優化運行模型

2.1 目標函數

本文以綜合運行成本最低來間接描述新能源棄電量最低，聯合調度系統的綜合運行成本可描述為各機組運行成本與并網環境效益之差。運行成本包括常規機組發電成本、CSP和EH系統的運行維護成本及EH系統的投資成本。綜合運行成本F可表示為

式中：F為綜合運行成本，￥；F1為常規機組發電成本，￥；F2為EH裝置和CSP的運行維護成本，￥；F3為EH裝置的投資成本，￥；F4為新能源發電產生的并網環境效益，￥。

1）常規機組發電成本

常規機組的運行成本包括機組的運行費用和啟停費用，即

式中：C1為常規機組運行費用，￥；C2為常規機組啟停費用，￥；ai、bi、ci為機組i的運行成本系數；Ui,t為t時刻機組i的運行狀態，Ui,t=1表示開機狀態，Ui,t=0表示停機狀態；Si為機組i的啟停費用，￥。

2）運行維護成本

CSP和EH裝置在運行過程中會產生折舊費用和維護費用，因此引入運行維護成本F2，F2可表示為

式中，ηg、ηeh分別為CSP和EH裝置的運行維護成本系數，￥/MW。

3）EH系統投資成本

本文對有/無EH系統的聯合系統運行成本進行對比。因此，引入EH系統的投資成本F3，F3可表示為

式中：AEH為EH系統折算成日投資成本的成本系數，￥/MW；PEH為EH系統的額定容量，MW。

4）并網環境效益

傳統能源發電會產生大量有害物質，嚴重危害生態環境。新能源發電能夠有效減少化石能源消耗，降低能源危機，產生一定的環境效益F4。F4可表示為

式中，kw、kv、kG為新能源并網的環境效益系數，￥/MW。

2.2 約束條件

2.2.1 儲熱運行約束

儲熱系統可與新能源進行配套，能夠跟蹤計劃出力，優化新能源電站出力。儲熱系統運行中需要滿足多種約束，且儲熱系統剩余熱量與上一時刻密切相關[20]。與此同時，為保證CSP持續運行，在調度周期內，系統需要保證儲熱系統始末熱量保持平衡[21]。

（1）儲放熱功率約束為

（2）儲熱、放熱不能同時進行約束。為了降低熱功率在充放過程中產生的熱量損耗，光熱集熱功率需要滿足在儲熱系統中儲熱、放熱不能同時進行的條件，即

（3）儲熱系統容量約束。儲熱系統在調度周期內會有一定的熱量耗散，且剩余熱量與上一時刻密切相關。因此，相鄰時間段儲熱系統的熱量變化關系可以描述為

儲熱系統容量有上限約束，同時為保證系統連續運行，儲熱量還應滿足下限約束，即

式中：Et為t時刻儲熱系統的熱量，MW·h；γ為儲熱系統的熱損耗系數；Emax、Emin分別為儲熱系統儲熱量的上限、下限，MW·h。

（4）儲熱系統始末容量約束。為保證聯合系統下一個調度周期能夠正常進行，儲熱系統在調度周期末需留有一部分熱量，系統需要保證始末儲熱量保持不變，即

式中，E0、ET分別為儲熱系統的始、末儲熱量，MW·h。

2.2.2 系統運行約束

（1）功率平衡約束為

式中，PL,t為t時刻的負荷，MW。

（2）常規機組與光熱機組出力約束為

式中：Pi_max、Pi_min分別為各臺火電機組的最大、最小出力，MW；PG_max、PG_min分別為光熱機組的出力上限、下限，MW。

（3）正負旋轉備用容量約束。大規模新能源并網給電網運行帶來了巨大壓力，導致系統的不確定性增加，為了解決負荷突然增大或減小及風光出力預測偏差等造成的系統調度困難的問題，應該預留一定的備用容量，即

式中：Ru,i、Rd,i分別為各常規機組的最大上爬、下爬坡率，MW/h；Pc,t為風電、光伏和負荷的預測誤差功率，MW；L、F、G為預測誤差率。

（4）常規機組與光熱機組爬坡約束為

式中，RuG、RdG分別為光熱機組的最大上爬、下爬坡能力，MW/h。

（5）電加熱約束為

3 算例與結果

3.1 模型求解

本文所建立模型為混合整數規劃模型，使用具有遺傳特性的粒子群優化PSOG（particle swarm optimization with genetics）算法求解模型，相比于標準粒子群算法，引入變異和交叉操作，提高了算法的收斂速度和精度，同時提高了粒子群優化PSO（particle swarm optimization）算法的優化性能，抑制了優化過程中可能出現的退化現象?；赑SOG算法的聯合調度流程如圖3所示。

圖3 PSOG算法流程Fig.3 Flow chart of PSOG algorithm

3.2 算例系統

為驗證上述模型，本文構建了1個火電裝機265 MW、風電裝機200 MW、光伏裝機250 MW、光熱裝機100 MW、電加熱裝機40 MW的聯合系統，并將EH系統接在CSP處。使用具有PSOG算法求解模型。

風電、光伏和負荷的預測數據如圖4所示，CSP詳細數據如表1所示[22]，火電機組詳細數據如表2所示[23]。EH系統轉換效率ηe=99%，環境效益系數[24]kw=kv=kG=230￥/MW，電加熱系統投資成本[25]折算成日成本為AEH=1 000￥/MW，取Ru,i=Rd,i、RuG=RdG、ηc=ηd。通過優化算法求解模型，具體參數設置如表3所示。對其進行建模分析，對比有/無電加熱系統的兩種優化結果。

圖4 風電、光伏及負荷的預測功率Fig.4 Forecasted power of wind，photovoltaic and load

表1 CSP參數Tab.1 Parameters of CSP station

表2 各火電機組參數Tab.2 Parameters of thermal power units

表3 優化算法參數設置Tab.3 Parameter setting for optimization algorithm

利用文中所給的PSOG算法對模型進行仿真，連續運行50次得到綜合運行成本全局最小值的平均值。將其優化結果和PSO算法的迭代結果進行對比，如圖5所示。從圖5可以看出，本文選用的求解算法進行仿真的收斂性能優于PSO算法的收斂性能，可提前得到最優運行成本，且具有較高的求解精度，以此證明本文算法在求解復雜模型方面的高效性和準確性。由于系統綜合運行成本曲線在迭代過程中滿足嚴格單調，故可認為達到全局最優。

圖5 兩種優化算法的收斂效果對比Fig.5 Comparison of convergence effect between two optimization algorithms

3.3 算例分析

場景1無EH系統的聯合運行優化結果

由于火電機組具有最小出力約束和旋轉備用容量約束，CSP具有最小出力約束和儲熱系統始末容量相同約束，導致了大量的棄風棄光，無EH系統時風光出力如圖6所示。此時，調度周期內總棄電量達到703.29 MW·h，風電和光伏總滲透率為87.7%，風光并網整體水平不高。

圖6 風光預測功率及并網消納功率Fig.6 Forecasted power and grid-connected consumption power of wind and photovoltaic

由圖6可知，在1～6時段和20～24時段，風電出力較大，但負荷需求較低，受到風力發電反調峰特性的影響，造成嚴重棄風；在11～15時段，太陽輻射強，光伏出力較大，容易出現棄光現象。嚴重的棄風棄光還會增加系統的運行成本，無EH系統時，綜合調度成本為70.76×104￥。

場景2含EH系統的聯合調度分析

EH系統與CSP協同運行，風光出力得到了明顯提高，引入EH系統前后的風光出力如圖7和圖8所示。此時總棄電量為77.7 MW·h，相比無EH參與時棄電量減少了625.59 MW·h。調度周期內風光總利用率達到了98.6%，EH系統效果顯著。

圖7 有/無EH時風電出力對比Fig.7 Comparison of wind power output with and without EH

圖8 有/無EH時光伏出力對比Fig.8 Comparison of photovoltaic power output with and without EH

由圖7和圖8可知，未加入EH系統時，棄風棄光電量不能轉化為熱能，會造成大量棄風棄光，不能增加CSP的熱源；而加入EH系統后，可以將部分棄風棄光轉換為熱能，儲熱容量增加。因此，引入EH系統后，儲熱容量可以達到更高的峰值，使CSP更具有可調度性。EH功率曲線如圖9所示。引入EH系統不僅能夠減少新能源棄電量，增加環境效益，還可以降低運行成本。

圖9 EH裝置出力曲線Fig.9 Output power curve of EH

含儲熱系統的CSP極大地提高了系統的可調度性。圖10為CSP的最優出力曲線，風光出力較大時CSP出力較小，系統進行儲熱；火電機組出力較大時光熱出力較大，系統進行放熱。CSP的儲熱系統儲熱、放熱功率曲線如圖11所示，在光熱出力低時進行儲熱，相反進行放熱。

圖10 CSP最優出力調度曲線Fig.10 Optimal output scheduling curve of CSP station

圖11 儲熱系統各時刻儲熱、放熱功率Fig.11 Heat storage power and exothermic power of thermal energy storage system at different time

由圖11可見，在夜晚沒有光熱熱功率時仍有儲熱功率，這是由于EH裝置將部分棄風電量轉化成熱量儲存在儲熱系統中，為儲熱系統增加了熱源，進一步提高了CSP的可調度能力。儲熱系統在調度周期內滿足儲熱量下限約束和始末熱量相同的條件，保證了CSP穩定運行和下一個調度周期正常進行，儲熱系統各時刻熱量變化曲線如圖12所示。

圖12 儲熱系統各時刻熱量變化曲線Fig.12 Heat curve of thermal energy storage system at different time

綜合成本最低時，各火電機組的出力調度曲線如圖13所示。從圖13可以看出，煤耗成本小的機組出力大，而且在風光出力較大時，火電機組均維持在最低出力水平，明顯降低了常規機組運行成本。

圖13 火電機組各時刻出力曲線Fig.13 Output curves of thermal power units at different time

由表4可知，無EH裝置參與時，雖然沒有EH系統的運維成本和投資成本，但降低了并網環境效益，系統綜合調度成本為70.76×104￥；引入40 MW EH裝置后，風電和光伏利用率提升了10.9%，減少了火電機組的發電成本，增加了系統的環境效益，系統綜合調度成本為61.65×104￥，降低了9.11×104￥，減少了12.87%，經濟性明顯提高。

表4 不同調度方式結果對比Tab.4 Comparison between results obtained using different scheduling methods

為驗證本文模型的有效性，采用不同容量的EH裝置進行驗證，得到各EH容量下綜合運行成本和消納百分比曲線如圖14所示。從圖14可以看出，隨著EH裝置容量增加，新能源消納率不斷提升，而系統的綜合成本先降低再增加，當容量增加至40 MW時，綜合成本達到最低。EH裝置小于40 MW時，綜合運行成本降低是由于新能源棄電量逐漸減小，所帶來的收益超過EH裝置的折算投資成本，而當容量增加至大于40 MW時，增加容量造成新能源的消納率提升緩慢，新能源的消納率接近100%，過剩的EH容量反而會增大綜合成本。因此，對于所考慮的風光聯合系統及相應的成本設定，40 MW的EH裝置容量是一個優選配置方案。

圖14 綜合成本和消納百分比隨電加熱裝置容量變化曲線Fig.14 Curves of comprehensive cost and consumption percentage with changes in electric heater capacity

4 結論

本文基于CSP和EH系統的運行特性，構建了聯合優化調度模型。通過算例分析得到如下結論。

（1）含CSP和EH系統聯合運行的調度模式，風電和光伏利用率提升了10.9%，綜合運行成本降低了9.11×104￥，減少了12.87%。因此，引入電加熱系統能夠有效增加經濟性，減少風光棄電量。當采用容量為40 MW的EH裝置時，綜合運行成本達到最低，此時風光利用率接近100%。

（2）儲熱系統具有對能量進行雙向調節的能力，能對其進行時空平移。CSP因其具有儲熱系統，具有較強的可調度性，可認為能夠提供一定備用的電源。引入EH系統后，不僅能夠減少新能源棄電量，還可以擴大儲熱系統的熱量來源，進一步提高CSP的可調度能力。