風電與蓄熱電采暖聯合消納下虛擬電廠優化運行

賈清泉,劉東澤,孫玲玲,隋 璐,梁紀峰

(1.電力電子節能與傳動控制河北省重點實驗室(燕山大學電氣工程學院),河北 秦皇島 066004;2.國網河北省電力有限公司電力科學研究院,河北 石家莊 050021)

0 引言

生態環境污染日益嚴重,這成為世界各國所面臨的巨大問題,發展新能源產業來代替傳統石化等高污染能源成為重大舉措[1-3]。隨著新能源技術的不斷完善與成熟,新能源消納問題成為阻礙其繼續發展的關鍵問題。虛擬電廠借助智能電網信息平臺將多樣化的分布式資源進行優化布局及規模化集群管控以發揮綜合效能,面對目前電網中存在的各環節之間“各自為政、信息孤島”的問題,能夠實現各環節信息互動與共享,是解決地區電網新能源消納[4]的有效手段。

風力發電由于有低碳環保、技術完善、發電量大等優點,得到廣泛應用,但是因為其出力與風速關聯極大,導致了風力發電隨機性和不確定性強,往往出現嚴重的棄風現象[5-9]。蓄熱電采暖代替傳統的燃煤取暖方式,其儲能特點能夠在一定程度上緩解風電消納的問題[10-11]。文獻[12]分析了蓄熱式電采暖運行對系統消納風電的影響,然后將電采暖負荷對視為可控負荷進行調控,實現風電消納,其優化過程中將風電與蓄熱電采暖單獨考慮,沒有注意到兩者之間的耦合特性。文獻[13]利用電采暖設備的儲能特性進行消納多余風力發電量,并參與系統調峰,結果表明可以改善棄風現象,但是其中并沒有對系統運行成本進行分析。

本文將大量蓄熱電采暖負荷聚合為虛擬電廠,并將其視為一個具有大規模可調節潛力的負荷參與到電網運行。通過建立房屋熱需求模型總結出蓄熱電采暖參與風電消納的用電模式,基于此建立了以消納棄風量最大和運行成本最小為目標的優化運行模型,算例結果證明了所提方法的有效性。

1 風電與蓄熱電采暖聯合運行模式特性分析

1.1 基于熱力學原理的房屋熱需求分析

研究風電與電采暖聯合運行下的虛擬電廠優化運行,需要建立電采暖用電特性模型與風力發電模型,本文認為用戶房屋通過電采暖設備進行供熱,因此基于建筑物熱量傳遞原理來建立房屋內溫度變化與熱量傳遞變化的方程,綜合考慮氣象因素、房屋面積以及取暖量等因素,得出房屋所需熱量,即電采暖設備為房屋提供的熱量,如式(1)所示

式中:ΔTin為房屋內溫度變化值;Qh為用戶所需要的熱功率(視這部分熱功率全部通過電采暖工作供給);Qs為太陽向房屋提供的熱量;Qc為室內空氣通過建筑圍護結構損失的熱量;Qv為室內外空氣流動所損失的熱量;Cair為房屋內空氣總熱容。

對于某用戶住宅,假設房屋內部結構和熱量相關參數已知,根據房屋熱傳遞關系可計算得到Qc,其中Qv和Qs可以根據建筑節能設計標準得到

式中:Kc為綜合傳熱系數,其值大小受房屋外部墻體、地面、門窗傳熱系數和房屋面積等因素影響;Tin和Ta分別為室內溫度、室外溫度;v-為室外風速;Kv為綜合換熱系數,其值大小受室內空氣比熱容、密度和房屋漏風部分面積影響;Fw為房屋可采光面積,其值大小受房屋窗戶面積和太陽光折射系數影響;Gs為陽光輻射強度。

為維持室內溫度不變,根據能量守恒式可表示為

式(5)為房屋內熱量平衡方程式,即房屋所需要的熱量等于室內通過墻體和空氣流動損失的熱量減去陽光提供的熱量。本文所提到的用戶熱功率需求,統一用Qh表示。

1.2 蓄熱電采暖參與風電消納用電行為

蓄熱電采暖與風電進行互動,首先是要根據當天風電的發電量選擇進行互動運行模式,風電與蓄熱電采暖聯合運行模式如圖1所示。

圖1 風電與蓄熱電采暖互動模式

風電發電量則可以從與風電相關的氣象要素入手,分析不同時間尺度所在區域風速數據的變化規律,建立風電出力數學模型,最終得到不同時間尺度下風電運行功率數據。根據風電發電量特征的分析,可以知道當風電出力足夠時,蓄熱電采暖在充分供熱的情況下選擇進行蓄熱;本文假設風電+蓄熱電采暖聯合運行的方式下能夠預測次日風電機組出力情況,從而判斷風電發電量是否能夠滿足供電要求,若不能則利用低谷時間加以補償,從而避免高峰時段用電。根據以上說明,蓄熱電采暖負荷的互動及運行模式可包括如下3個情況,設t1為當天谷電開始時刻,t2為谷電結束即高峰電的開始時刻,t3為次日谷電開始時刻。

(1)峰電蓄熱供熱過程。如果蓄熱電采暖在風力發電的高峰期存儲的熱量無法滿足用戶的熱需求時,就需要對用戶進行實時供熱。一般該過程發生在t2至t3期間,在該時段進行供熱需要用電量為

當蓄熱電采暖在風力發電的高峰期存儲的熱量大于用戶的需求熱量時,電采暖剩余蓄熱量為

(2)谷電蓄熱過程。假設風電+蓄熱電采暖互動模式下可以預測次日風電發電量,如果預測結果顯示風力發電量無法滿足用戶熱需求量,則應該在低谷時段提前存儲一定的熱量,該過程發生在t1至t2期間。儲熱過程所需電量為

式中:Psh為用于儲熱的電功率。

(3)平電跟蹤過程。在峰電時段讓蓄熱容量電采暖負載跟蹤風能發電過程:當風電功率超過蓄熱電采暖負載的額定功率而蓄電已滿時,則其余風能上網;當風電功率小于電采暖額定容量且蓄電不足時,將風能發電量全部用作電采暖負荷;該過程通常出現在t1至t2期間。此模式下為電采暖負荷的用電功率

式中:Qu為用戶的熱功率需求;Pwind為風電發電功率;Pehn為蓄熱電采暖的額定功率;Wehn為電采暖的配置容量。

風電上網功率為

購電功率為

蓄熱量為

1.3 風電機組出力模型

風能每時每刻都在變化,通常風電出力會與風速在一定范圍內成正比,但是當出力達到額定出力時,風速增加出力也不再變化;當風速小到一定數值時,風機會停止轉動,停止發電。所以當風機規模確定時,其出力的風速范圍也確定了,其發電功率的多少將取決于當地的天氣等實際情況。根據風速得到t時刻風電輸出功率Pwt(t)為

式中:v(t)為t時刻的風速;vc為切入風速;vf為切出風速;vr為額定風速;Pwt,r為風電機組額定功率。

1.4 聯合運行邏輯

結合1.2提出的蓄熱電采暖3種運行模式,得到風電與蓄熱電采暖聯合運行的邏輯如圖2所示。根據當天時刻的劃分,判斷此時是處于用電高峰期還是用電低谷期。若處于低谷期則蓄熱電采暖根據自身需熱量進入到谷電蓄熱模式或者平電跟蹤模式;若處于用電高峰期,則蓄熱電采暖進入峰電蓄熱供熱。

圖2 風電與蓄熱電采暖聯合運行流程

2 虛擬電廠風電與電采暖優化運行模型

2.1 年運行成本計算

結合風電與蓄熱電采暖互動運行模式特性,以運行經濟性為目標,建立優化模型,但考慮到風電與電采暖具有的隨機性與不確定性,且互動模式下情況復雜,若按照典型日對其進行成本計算,結果誤差大且普適性差,以全年氣象數據為基礎,建立以年時間尺度為基礎的成本計算方法。運行成本計算如下。

(1)通過建立的房屋熱需求模型和風力發電模型,得到用戶的熱需求曲線和風電機組的出力曲線。

(2)假設以年初首日某時刻t為計算起點時刻,蓄熱式電采暖在t時刻沒有蓄熱量。根據在步驟(1)中求出的用戶熱需求曲線和風電機組的出力曲線查出t時刻對應的數值,代入到風電與蓄熱電采暖的互動邏輯中,開始循環計算,最終得到Eh、Esh、Pi和Pc。

(3)將Eh、Esh、Pi和Pc代入計算式(15)中,求出風電與蓄熱電采暖運行成本

式中:Cg為谷電電價;Cf為峰電電價;Cp余電上網售電電價;Cb光伏發電補貼電價。具體計算過程見圖3。

圖3 年運行成本計算流程

2.2 目標函數

電采暖型虛擬電廠在所提出的風電與蓄熱電采暖聯合運行模式下對蓄熱電采暖容量、額定運行功率等進行合理優化,為進一步消納風電,減少棄風量。結合蓄熱電采暖特性,對虛擬電廠運行進行優化以此來消納更多風電,同時優化過程中經濟成本必須納入考慮。因此,以消納風電量最大和投資運行成本最小為目標,建立虛擬電廠多目標優化模型,其中投資運行成本以年為單位計算,引入等年值系數,可以盡量避免因選取典型場景而引起的誤差。

(1)風電消納量最大

式中:Pwi,t為蓄熱電采暖i在t時刻消納棄風功率。

(2)投資運行成本最小

在目標函數(1)的基礎上,進一步優化電采暖型虛擬電廠經濟性,以安裝的風電機組和蓄熱電采暖全壽命周期投資運行成本最小為目標建立目標函數,選擇風力發電單元中風電機組臺數N1,風電機組單價為M1,風力發電系統的初始投資成本費用為

由于本文以年為周期進行成本計算,所以需要將經濟指標歸算到年,采用等年值費用法進行計算,等年值成本系數為

式中:r為利率;n為設備使用壽命年限。

將風力發電系統的初始投資成本乘上年成本系數即為等年值投資成本費用

將蓄熱電采暖型虛擬電廠的初始投資成本乘上年成本系數即為等年值投資成本費用

式中:Ceh-u為單位蓄熱容量價格。風電機組和蓄熱電采暖等年值維護成本為

式中:Cwom為每個風電機組所需要的年維護成本;Cehom為單位容量電采暖所需要的年維護成本。

綜合分析,目標函數可以表示為

式中:CG為虛擬電廠從電網購電成本;Cbt為蓄熱電采暖型虛擬電廠的補貼價格;Cag為虛擬電廠電采暖聚合成本;Cre為虛擬電廠運行過程中的收益;Cth為火電機組消納成本。

2.3 約束條件

(1)功率平衡約束

式中:u i,t為火電機組i在t時段的狀態變量;P i,t為火電機組i在t時段的出力;I為火電機組數;ξf為火電機組的廠用電率;Pwind,t為t時段風電場實際出力;ξw為風電場的廠用電率;Pload,t為t時段的非電采暖負荷;Peh,t為t時段的蓄熱電采暖負荷。

(2)蓄熱式電采暖運行約束

熱功率平衡約束

在一個運行周期內,房屋熱負荷值應與蓄熱式電采暖設備制熱量與蓄熱損耗之差相等,具體如下

式中:ηc為電采暖散熱效率。

蓄熱電采暖容量約束

式中:Weh,min和Weh,max分別為蓄熱電采暖容量的上下限。

(3)風電運行約束

風電實時出力約束

式中:Ppw,t為t時段風電場預測風電功率。

風電機組的安裝數量需在一定范圍內

(4)火電機組出力約束

2.4 模型求解

該模型以消納風電量最大和投資運行成本最小為目標函數,考慮了系統功率平衡約束、風電機組的運行約束以及電采暖負荷的運行約束,選取蓄熱電采暖熱容量、蓄熱電采暖額定功率和風電機組安裝數量為待優選的決策變量,由于變量數較多,求解過程較為復雜,利用粒子群優化算法對所建立模型進行求解,求解過程如圖4所示。

圖4 模型求解流程

3 算例分析及仿真結果

3.1 算例分析

以提高消納新能源能力的同時提升風電外送功率的穩定性為目標,對虛擬電廠的風電機組與電采暖進行優化配置。本節以北方某區域煤改電項目作為聚合電采暖型虛擬電廠分析案例,該虛擬電廠聚合了6臺火電機組G1—G6,且6臺機組相關參數如表1所示,煤改電用戶安裝的蓄熱電采暖為集中供暖方式,擬裝設的風電機組單機容量為1.5 MW。

表1 火電機組參數

考慮到用戶住宅面積、結構等因素各不相同,為方便分析計算,選取代表性房屋參數為一般規律,參與算例分析,如表2所示。

表2 房屋熱力學模型參數

由于風電機組出力與電采暖聯合運行受天氣因素影響極大,本節以該地區1年8760 h的氣溫和風速數據作為基礎數據,表3為部分時刻的氣象數據,結合風電出力模型和蓄熱電采暖模型確定風電及負荷曲線如圖5所示。

表3 部分時刻的氣象數據

圖5 風電出力預測及負荷曲線

算法參數設置為:種群數量為200,初始學習因子設為1.5,最大迭代次數為100,收斂判據為相鄰兩代的最優個體的適應度函數值差異小于0.1%,此時為最優解。

3.2 仿真結果

通過對算例求解可以得到選取的虛擬電廠在風電與蓄熱電采暖運行邏輯模型優化后的負荷曲線和風電消納水平曲線等。并且算例求解過程中滿足設定的收斂判據,說明得到的結果為最優解。圖6為考慮電采暖負荷優化后的風電消納結果。

圖6 蓄熱式電采暖優化前后的風電消納水平

由圖6可以看出,與不對蓄熱電采暖采取控制手段時的風電消納曲線進行對比,當蓄熱式電采暖參與到系統的優化運行中系統的風電消納功率有所提高,尤其在0:00—7:00這個時間段風電消納水平提高最為顯著;在白天時段,風力相對較小,所以消納水平變化不大。由此可見,選取的蓄熱電采暖型虛擬電廠的仿真結果說明電采暖負荷是具有可控性的,提高電采暖接入系統的比例可以提高系統的風電消納能力,增加風電上網電量,間接減少本地電網的購電量,節約成本。電采暖負荷參與到系統優化中也意味著減少了系統為解決風電不確定性所儲備的資源,進一步提高電網靈活性,增強電網應對突發事故的資源儲備。圖7則表示對電采暖進行優化調度的結果。由圖7所示的系統負荷曲線可知,在夜晚11:00到第二天06:00這個期間,室外溫度低,用戶對溫度要求較高,自然電采暖的用電量也較高;在白天有太陽光為房屋提供熱量,且室外溫度比晚上高,所以電采暖的用電量就相對較低。這一結果說明本文所設定的蓄熱電采暖的3種工作模式合理有效。

圖7 蓄熱式電采暖優化前后的系統負荷曲線

在系統總負荷曲線圖可以看出,在凌晨時段含蓄熱電采暖的總負荷曲線明顯要比不含蓄熱電采暖的總負荷曲線要高出一部分;在其他時段2條曲線基本相同,并未發生明顯波動,但是在10∶00—12∶00時段,也是當天用電的高峰時段,含電采暖的曲線略微低于不含電采暖的曲線。這說明當對蓄熱式電采暖參與到電網運行時進行優化,可以減少虛擬電廠用電的峰谷差值,使總負荷曲線更平穩,提高了電網調峰資源的潛力,同時為虛擬電廠內消納新能源提供了有效手段。電采暖型虛擬電廠的投資相關參數如表4所示。

表4 電采暖型虛擬電廠投資參數

通過算例求解計算可以得到的風電機組和蓄熱式電采暖的等年值投資運行成本和優化配置結果如表5所示。

表5 風電和蓄熱電采暖投資運行成本及容量配置

本文隨機選取了虛擬電廠2種運行情況下的風電機組和蓄熱電采暖的成本、容量配置,2種情況的具體結果如表6所示。

表6 不同容量下的風電和蓄熱電采暖投資運行成本

由表5、表6中的運行結果可以看出,本文所提風電和蓄熱電采暖聯合運行模式下的配置結果等年值成本最少,經濟性最佳,但是并沒有損失用戶對于取暖的需求。本文模型既可以有效提高風電消納水平,提高可再生能源利用率,又可以優化虛擬電廠內配置,減少投資成本,達到最優經濟性。

4 結論

為促進可再生能源消納,考慮虛擬電廠內資源消納特性,本文以風電分布式能源與蓄熱式電采暖互動運行模式下的虛擬電廠為研究對象,基于風電和蓄熱電采暖特性的分析,提出了一種風電機組和蓄熱式電采暖的聯合運行模式,兩者發用電相互補充,能夠有效提高系統新能源消納水平。以消納棄風量最大和經濟性最優為目標,建立了虛擬電廠風電與蓄熱式電采暖聯合運行的優化運行模型,優化風電機組和電采暖容量配置,減少了風力發電的棄風量。本文針對1個虛擬電廠,在未來的發展過程中,一定會是多個虛擬電廠同時參與到系統的調度運行中,如何實現虛擬電廠之間的信息交互、協同優化運行和利益分配等問題,將是下一步的研究方向。