CN107453377A - 基于系统成本效益最优的太阳能热发电储热配比分析方法 - Google Patents

基于系统成本效益最优的太阳能热发电储热配比分析方法 Download PDF

Info

Publication number
CN107453377A
CN107453377A CN201710596194.XA CN201710596194A CN107453377A CN 107453377 A CN107453377 A CN 107453377A CN 201710596194 A CN201710596194 A CN 201710596194A CN 107453377 A CN107453377 A CN 107453377A
Authority
CN
China
Prior art keywords
power generation
solar thermal
time
thermal power
output
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710596194.XA
Other languages
English (en)
Other versions
CN107453377B (zh
Inventor
王彩霞
李琼慧
蒋莉萍
雷雪姣
李梓仟
黄碧斌
谢国辉
汪晓露
胡静
樊昊
洪博文
闫湖
刘佳宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid Energy Research Institute Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Energy Research Institute Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid Energy Research Institute Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201710596194.XA priority Critical patent/CN107453377B/zh
Publication of CN107453377A publication Critical patent/CN107453377A/zh
Application granted granted Critical
Publication of CN107453377B publication Critical patent/CN107453377B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/383—
    • H02J3/386—
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于系统成本效益最优的太阳能热发电储热配比分析方法。本发明太阳能热发电的电力系统效益分析需要在充分考虑太阳能热发电特性、电网运行特性、负荷特性等的基础上，通过运行模拟进行量化，与系统效益指标对比分析，确定合理的太阳能热发电的储热配比关系，充分发挥太阳能热发电在电力系统中的价值。

Description

基于系统成本效益最优的太阳能热发电储热配比分析方法
技术领域
本发明涉及电力系统技术领域，具体涉及一种基于系统成本效益最优的太阳能热发电储热配比分析方法。
背景技术
目前，我国太阳能热发电已处于产业化起步阶段。截至2016年底，全国光热发电装机容量2.38万千瓦。国家发改委、能源局和科技部也在持续关注和支持太阳能热发电项目。我国电力系统面临两大挑战：一是在资源环境约束下，以化石燃料为主的电源结构不具有可持续性，迫切需要提高清洁电力比重；二是风电等波动性电源快速发展，对电力系统运行灵活性提出了更高要求。太阳能发电属于清洁电源，主要有光伏发电和太阳能热发电两种方式。与光伏发电相比，太阳能热发电最大优势是能够配备储热装置，通过与储热系统联合运行，显著平滑发电出力，减小出力波动，同时提高系统运行灵活性，弥补风电、光伏发电的波动特性，提高系统消纳波动电源的能力。根据国际能源署(IEA)发布的《太阳能热发电技术路线图》，在太阳能资源非常好地区，太阳能热发电有望成为具有竞争力的大容量电源，到2020年承担调峰和腰荷，2025至2030年以后承担基荷。近年来，全球太阳能热发电呈快速发展态势。
储热系统是太阳能热发电区别于风电、光伏等其他可再生能源发电的重要特点和独特优势，也是使得太阳能热发电具备类似于常规电源承担腰荷和基荷、提供系统备用等能力、发挥更大电力系统效益的重要前提。目前，相较于其他可再生能源发电，太阳能热发电成本仍然较高，增加储热系统势必进一步增加成本。从国外实际项目看，美国太阳能热电站基本上都没有配备储能系统，而西班牙大部分都有1-15小时不等的储能容量，尤其是西班牙Gemasolar塔式太阳能热电站带有15小时储能，能够实现全天候24小时不间断运行。是否配备储能、配备多大比例储能，一定是根据当地电力负荷特点、电力市场规则以及项目成本效益等作出的判断和决定。据估计，储热系统成本约占太阳能热发电项目本体成本的20％。从系统运行角度，储热配比越高、太阳能热发电灵活性越好，对电力系统的效益也越大。因此，综合考虑太阳能热发电本体成本和电力系统效益，确定合理的太阳能热发电的储热配比关系，对于充分发挥太阳能热发电在电力系统中的价值意义重大。
目前国内外的太阳能热发电研究关注点主要集中于核心设备和关键配件研制、系统集成、电价政策设计，对于储热系统配比及其对太阳能热发电综合效益影响的系统量化研究较少。
有鉴于此，继续提供一种从系统成本效益综合最优出发，提出太阳能热发电的储热配比分析方法，为我国太阳能热发电在未来的技术发展、政策需求以及更好的发挥提供有益支撑。
发明内容
为了解决上述技术问题，本发明所采用的技术方案是提供一种基于系统成本效益最优的太阳能热发电储热配比分析方法，包括以下步骤：
S1、获取发电参数；
S2、确定初始时刻T0；确定T0～T0+T1时段适用于机组组合的新能源出力预测序列值与系统备用容量配置序列值；
S3、根据机组组合模型，与所述发电参数以及所述新能源出力预测序列值、系统备用容量配置序列值，确定各类常规发电机组未来预设时间T2的发电计划；
S4、T0＝T0+T2，若T0≤8641，则并转S2，否则转S5；
S5、确定太阳能热发电储热优化配置的关键寻优参数集合；
S6、确定太阳倍数集合寻优指示值j，并确定SM(j)＝SMj时的太阳能热发电参数；
S7、确定储热时长集合寻优指示值k，取太阳能热发电参数中储热时长为ST_hour(k)＝Hk；
S8、基于含太阳能热发电的经济调度模型，同时根据所述基本参数、常规发电机组开停机状态与所述太阳能热发电参数，计算系统运行成本与新能源利用率的效益指标；
S9、判断ST_hour(k)是否为ST_hour集合的最后一个元素，若不是，则k＝k+1并转S7，否则，转S10；
S10、判断SM(j)是否为SM集合的最后一个元素，若不是，则j＝j+1并转S6，否则，转S11；
S11、分析对比各计算场景的系统运行效益指标值，确定储热时长最优值。
在上述方法中，所述基本参数包括电网中常规电源装机总容量、常规电源机组类型、机组台数、单机容量、最小技术出力、煤耗特性、启停成本、燃料成本，负荷全年8760小时曲线；电网中新能源出力全年8760小时曲线。
在上述方法中，所述T1优选为167小时，即以1小时为间隔的未来168小时数据。
在上述方法中，所述步骤S2中，风电功率预测序列值计算具体如下：
t∈[T0,T0+167]
式中，CFwind_hist(tt)为历史风电出力的容量系数，Pwindinstall为当前风电装机容量，T0为优化时段的段首时点；
系统备用容量配置序列值计算具体如下：
取备用容量为系统最大负荷的5％
式中Pres_up(t)为时刻t上调备用需求量(兆瓦)；Pres_dn(t)为时刻t下调备用需求量(兆瓦)；为系统最大负荷。
在上述方法中，所述机组组合模型以系统发电成本和切负荷成本最低为目标函数，考虑功率平衡约束、备用容量约束，最大、最小出力限制，常规机组启停约束、弃风量限制、切负荷量限制的约束条件；具体如下：
目标函数：
式中，CGen(t)为时刻t的发电成本，CLC(t)为时刻t系统切负荷成本，T为机组组合时间尺度；
发电成本具体CGen(t)如下式：
式中，UN为所有机组类型，uN为机组子类型；cstart(uN)、cnoload(uN)、cincr(uin)分别为机组类型的单个机组启停成本、固定运行成本以及增量运行成本；Vstart(uN,t)为时刻t机组启停次数，Vonline(uN,t)为时刻t在线机组台数，Vgen(uN,t)为时刻t机组发电出力；
切负荷成本CLC(t)具体如下式：
CLC(t)＝cvoll·Vloadcurt(t)
式中，cvoll为损失负荷价值，Vloadcurt(t)为时刻t切负荷量；
约束条件具体如下：
①功率平衡约束
式中，Pwind(t)为时刻t的风电出力，Vwindcurt(t)为时刻t的弃风出力，Vloadcurt(t)为时刻t的切负荷量，Pdem(t)为时刻t的负荷值；
②备用容量约束
上调备用约束：
下调备用约束：
上式中，Pres_up(t)为时刻t上调备用需求量；Pres_dn(t)为时刻t下调备用需求量；Pmax(uN)、Pmin(uN)分别为类型uN机组的单机最大出力和最小出力，为系统最大负荷；
③最大、最小出力限制
最大出力限制如下：
最小出力限制如下：
式中，N(uN)为类型uN机组的机组台数；Pmax(uN)、Pmin(uN)分别为类型uN常规机组的单机最大出力和最小出力；
④常规机组启停约束
式中，Vonline(uN,t-1)为时刻t-1在线机组台数；
⑤弃风量限制
⑥切负荷量限制
在上述方法中，所述发电计划包括机组启停计划和出力值；和/或未来预设时间T2为120小时。
在上述方法中，所述寻优参数集合包括太阳倍数集合与储热时长集合，具体为：
太阳倍数集合SM＝{SM1，SM2，…，SMj}，储热时长集合ST_hour＝{H1，H2，…，Hk}。
在上述方法中，所述经济调度模型以系统发电成本和切负荷成本最低为目标函数，考虑功率平衡约束、太阳能热发电储热容量约束、太阳能热发电储热模块与发电模块功率平衡约束、常规发电机组最大、最小出力限制、太阳能热发电的发电模块最大、最小出力约束，常规机组启停约束、弃风量限制、切负荷量限制与弃光热量限制为约束条件；
目标函数：
式中，CGen(t)为时刻t的发电成本，CCSP(t)为时刻t太阳能热发电的成本，CLC(t)为时刻t系统切负荷成本，T为机组组合时间尺度；
发电成本具体CGen(t)如下式：
式中，UN为所有机组类型，uN为机组子类型；cstart(uN)、cnoload(uN)、cincr(uin)分别为机组类型的单个机组启停成本、固定运行成本以及增量运行成本；Vstart(uN,t)为时刻t机组启停次数，Vonline(uN,t)为时刻t在线机组台数，Vgen(uN,t)为时刻t机组发电出力；
切负荷成本CLC(t)具体如下式：
CLC(t)＝cvoll·Vloadcurt(t)
式中，cvoll为损失负荷价值，Vloadcurt(t)为时刻t切负荷量；
太阳能热发电成本CCSP(t)：
式中，为太阳能热发电机组类型，为机组子类型，为太阳能热发电机组的启停成本，为时刻t机组启停次数；
各约束条件具体如下：
①功率平衡约束
式中，Vgen(uN,t)为时刻t机组发电出力，为时刻t太阳能热发电的发电模块输出功率，Pwind(t)为时刻t的风电出力(预期或预测值)，Vwindcurt(t)为时刻t的弃风出力，Vloadcurt(t)为时刻t的切负荷量，Pdem(t)为时刻t的负荷值；
②太阳能热发电储热容量约束：
式中，为时刻t太阳能热发电储热模块累计能量，为时刻t-1太阳能热发电储热模块累计能量，为太阳能热发电储热能量耗散系数，为太阳能热发电储热模块初始能量，为时刻t光场输入太阳能热发电储热模块的功率，为时刻t太阳能热发电模块输出到发电模块的功率，为时刻t太阳能热发电输出功率耗散系数；
式中，为时刻t太阳能热发电光场输出功率，为时刻t弃光热功率；为太阳能热发电储热时长(小时)，为太阳能热发电储热模块功率上限；
③太阳能热发电储热模块与发电模块关联约束：
式中，为时刻t储热模块输出的功率，为时刻t太阳能热发电启停次数，为时刻t太阳能热发电启动消耗功率，为时刻t太阳能热发电的发电模块输出功率；
④常规发电机组最大、最小出力限制
最大出力限制如下：
最小出力限制如下：
式中，N(uN)为类型uN常规机组的机组台数；Pmax(uN)、Pmin(uN)分别为类型uN常规机组的单机最大出力和最小出力；
⑤太阳能热发电的发电模块最大、最小出力约束
式中，为时刻t太阳能热发电的在线机组台数，为太阳能热发电的发电模块的最小技术出力；为太阳能热发电的发电模块的最大技术出力；
⑥常规机组启停约束
式中，为时刻t-1太阳能热发电的在线机组台数；
⑦弃风量限制
⑧切负荷量限制
⑨弃光热量限制
在上述方法中，所述太阳能热发电参数包括机组额定容量、机组台数、储热时长、启动消耗功率、最小技术出力与启动时间。
在上述方法中，所述运行效益分析指标具体如下：
(1)系统运行成本具体如下式：
(2)光热发电利用率具体如下式：
其中，选取系统运行成本最低的场景对应的储热时长为最优储热时长；
式中，CGen(t)为时刻t的发电成本，为时刻t弃光热功率，为时刻t太阳能热发电光场输出功率。
本发明，本发明太阳能热发电的电力系统效益分析需要在充分考虑太阳能热发电特性、电网运行特性、负荷特性等的基础上，通过运行模拟进行量化，与系统效益指标对比分析，确定合理的太阳能热发电的储热配比关系，充分发挥太阳能热发电在电力系统中的价值。
附图说明
图1为本发明提供的流程图；
图2为本发明提供的具体实施例中电网中负荷标么值曲线图；
图3为本发明提供的具体实施例中电网中风电出力标么值曲线图；
图4为本发明提供的具体实施例电网中风电出力预测序列值曲线图；
图5为本发明提供的具体实施例电网中t1～t120时段系统备用容量配置序列值曲线图；
图6为本发明提供的具体实施例中不同类型机组120小时发电计划曲线图。
具体实施方式
本发明太阳能热发电的电力系统效益分析需要在充分考虑太阳能热发电特性、电网运行特性、负荷特性等的基础上，通过运行模拟进行量化，与系统效益指标对比分析，确定合理的太阳能热发电的储热配比关系，充分发挥太阳能热发电在电力系统中的价值。下面结合附图对本发明作出详细的说明。
如图1所示，本发明提供了一种基于系统成本效益最优的太阳能热发电储热配比分析方法，具体包括以下步骤：
S1、获取太阳能热发电基本参数；其中，
包括电网中常规电源装机总容量、常规电源机组类型、机组台数、单机容量、最小技术出力、煤耗特性、启停成本、燃料成本，负荷全年8760小时曲线与电网中风电、光伏等新能源出力全年8760小时曲线。
S2、确定初始时刻T0；确定T0～T0+T1时段适用于机组组合的风电、光伏等新能源出力预测序列值与系统备用容量配置序列值,本发明中，优选T1＝167小时，以1小时为间隔的未来168小时数据。
风电功率预测序列值是采用风电历史出力的容量系数作为风电出力预期，纳入机组组合模型。具体而言，以优化时段前后各两周的风电历史出力容量系数作为该优化时间尺度的风电功率预测值。对于优化时段T0～T0+167，风电功率预测值如下：
t∈[T0,T0+167]
式中，CFwind_hist(tt)为历史风电出力的容量系数，Pwindinstall为当前风电装机容量，T0为优化时段的段首时点。
系统备用容量配置序列值计算具体如下：
取备用容量为系统最大负荷的5％
其中Pres_up(t)为时刻t上调备用需求量(兆瓦)；Pres_dn(t)为时刻t下调备用需求量(兆瓦)；为系统最大负荷。
S3、根据机组组合模型，与步骤S1中的基本参数以及步骤S2中确定的新能源出力预测序列值、系统备用容量配置序列值等，确定各类常规发电机组未来预设时间T2的发电计划，发电计划包括机组启停计划和出力值；预设时段T2＝120小时；其中，
机组组合模型以系统发电成本和切负荷成本最低为目标函数，考虑功率平衡约束、备用容量约束，最大、最小出力限制，常规机组启停约束、弃风量限制、切负荷量限制等约束条件；需要说明的是，本发明为减少机组频繁启停，保证系统运行安全，以168小时(7天)为优化周期，优化确定未来120小时(5天)启动时间较长机组的发电计划，并提前计划下一阶段优化周期(如第6天～第12天)前两天的发电计划，保障下一阶段发电计划的连续、可行。机组组合模型具体如下：
目标函数：
其中，CGen(t)为时刻t的发电成本，CLC(t)为时刻t系统切负荷成本，T为机组组合时间尺度，如T＝8760小时。
发电成本由机组启停成本、固定运行成本以及增量运行成本三部分组成。固定运行成本与增量运行成本中包括机组燃料成本和CO2排放成本两部分，发电成本具体CGen(t)如下式：
其中，UN为所有机组类型，uN为机组子类型；cstart(uN)、cnoload(uN)、cincr(uin)分别为机组类型的单个机组启停成本(元/兆瓦时)、固定运行成本(元/兆瓦时)以及增量运行成本(元/兆瓦时)；Vstart(uN,t)为时刻t机组启停次数，Vonline(uN,t)为时刻t在线机组台数，Vgen(uN,t)为时刻t机组发电出力(兆瓦时)。
切负荷成本是由系统发电不足引起切负荷后引起的成本，切负荷成本CLC(t)具体如下式：
CLC(t)＝cvoll·Vloadcurt(t)
其中，cvoll为损失负荷价值(Value of Lost Load，元/千瓦时)，Vloadcurt(t)为时刻t切负荷量(兆瓦时)。
约束条件具体如下：
①功率平衡约束
其中，Pwind(t)为时刻t的风电出力(预期或预测值)，Vwindcurt(t)为时刻t的弃风出力，Vloadcurt(t)为时刻t的切负荷量，Pdem(t)为时刻t的负荷值。
②备用容量约束
上调备用约束：
下调备用约束：
其中，Pres_up(t)为时刻t上调备用需求量(兆瓦)；Pres_dn(t)为时刻t下调备用需求量(兆瓦)；Pmax(uN)、Pmin(uN)分别为类型uN机组的单机最大出力和最小出力。
③最大、最小出力限制
最大出力限制如下：
最小出力限制如下：
其中，N(uN)为类型uN机组的机组台数；Pmax(uN)、Pmin(uN)分别为类型uN常规机组的单机最大出力和最小出力。
④常规机组启停约束
式中，Vonline(uN,t-1)为时刻t-1在线机组台数；
⑤弃风量限制
⑥切负荷量限制
S4、T0＝T0+T2，若T0≤8641，则并转S2，否则转S5。若T0＞8641，表示全年机组组合工作结束。
S5、确定太阳能热发电储热优化配置的关键寻优参数集合，即太阳倍数集合与储热时长集合。
太阳倍数集合SM＝{SM1，SM2，…，SMj}，储热时长集合ST_hour＝{H1，H2，…，Hk}；其中，
以j表示太阳倍数集合寻优指示值，即SM(j)为SM集合的第j个元素；以k表示ST_hour集合寻优指示值，即ST_hour(k)为ST_hour集合的第k个元素。
S6、确定太阳倍数集合寻优指示值j(首次计算时，j＝1)，并确定SM(j)＝SMj时的太阳能热发电参数，包括机组额定容量、机组台数、储热时长、启动消耗功率、最小技术出力、启动时间等参数。
S7、确定储热时长集合寻优指示值k(首次计算时，k＝1)，取太阳能热发电参数中储热时长为ST_hour(k)＝Hk。
S8、基于含太阳能热发电的经济调度模型，同时根据步骤S1获取的基本参数、步骤S3计算的常规发电机组的发电计划、步骤S6、S7确定的太阳能热发电参数，计算系统运行成本与新能源利用率等效益指标。其中，
经济调度模型以系统发电成本和切负荷成本最低为目标函数，考虑功率平衡约束、太阳能热发电储热容量约束、太阳能热发电储热模块与发电模块功率平衡约束、常规发电机组最大、最小出力限制、太阳能热发电的发电模块最大、最小出力约束，常规机组启停约束、弃风量限制、切负荷量限制、弃光热量限制等约束条件。
目标函数具体如下：
其中，CGen(t)为时刻t的发电成本，CCSP(t)为时刻t太阳能热发电的成本，CLC(t)为时刻t系统切负荷成本，T为机组组合时间尺度，如8760小时。
发电成本与切负荷成本在上述步骤S3中已经求得，在此不再赘述。
太阳能热发电成本CCSP(t)主要是太阳能热发电的启停成本。具体公式如下：
其中，为太阳能热发电机组类型，为机组子类型，为太阳能热发电机组的启停成本，为时刻t机组启停次数。
各约束条件具体如下：
①功率平衡约束
式中，为时刻t太阳能热发电的发电模块输出功率，Pwind(t)为时刻t的风电出力(预期或预测值)，Vwindcurt(t)为时刻t的弃风出力，Vloadcurt(t)为时刻t的切负荷量，Pdem(t)为时刻t的负荷值。
②太阳能热发电储热容量约束：
式中，为时刻t太阳能热发电储热模块累计能量，为时刻t-1太阳能热发电储热模块累计能量，为太阳能热发电储热能量耗散系数，为太阳能热发电储热模块初始能量，为时刻t光场输入太阳能热发电储热模块的功率，为时刻t太阳能热发电模块输出到发电模块的功率，为太阳能热发电输出功率耗散系数。
其中，为时刻t太阳能热发电光场输出功率，为时刻t弃光热功率；为太阳能热发电储热时长(小时)，为太阳能热发电储热模块功率上限。
③太阳能热发电储热模块与发电模块关联约束：
式中，为时刻t储热模块输出的功率(以电功率为单位)，为时刻t太阳能热发电启停次数，为时刻t太阳能热发电启动消耗功率，为时刻t太阳能热发电的发电模块输出功率。
④常规发电机组最大、最小出力限制
最大出力限制如下：
最小出力限制如下：
其中，N(uN)为类型uN常规机组的机组台数；Pmax(uN)、Pmin(uN)分别为类型uN常规机组的单机最大出力和最小出力。
⑤太阳能热发电的发电模块最大、最小出力约束
式中，为时刻t太阳能热发电的在线机组台数，为太阳能热发电的发电模块的最小技术出力；为太阳能热发电的发电模块的最大技术出力。
⑥常规机组启停约束
式中，为时刻t-1太阳能热发电的在线机组台数。
⑦弃风量限制
⑧切负荷量限制
⑨弃光热量限制
S9、判断ST_hour(k)是否为ST_hour集合的最后一个元素，若不是，则k＝k+1并转S7，否则，转S10。
S10、判断SM(j)是否为SM集合的最后一个元素，若不是，则j＝j+1并转S6，否则，转S11。
S11、分析对比各计算场景的系统运行效益指标值，确定储热时长最优值。
运行效益分析指标具体如下：
(1)系统运行成本具体如下式：
(2)光热发电利用率具体如下式：
其中，选取系统运行成本最低的场景对应的储热时长为最优储热时长。
下面通过具体实施例来说明本发明：
首先获取计算参数，具体如下表1所示，为系统常规机组发电参数；且图2、图3分别为1～120小时时段电网中负荷标么值曲线图与电网中风电出力标么值曲线图。
表1系统常规机组发电参数
再确定初始时刻T0；确定T0～T0+167时段(优化时长168小时，时间间隔1小时)适用于机组组合的风电、光伏等新能源出力预测序列值(以1小时为间隔的未来168小时数据)与系统备用容量配置序列值。如图4所示，为本实施例提供的电网中t1～t168时段风电出力预测序列值曲线图；如图5所示，为本实施例提供的电网中t1～t120时段系统备用容量配置序列值曲线图。
再根据机组组合模型，与上述确定的新能源出力预测序列值、系统备用容量配置序列值，确定各类常规发电机组未来120小时发电计划，如图5所示，为本实施例提供的不同类型机组120小时发电计划曲线图。
再确定太阳能热发电储热优化配置的关键寻优参数集合，具体为太阳倍数集合SM＝{1，1.5，2}，储热时长集合ST_hour＝{0，1，2}。
设定太阳倍数集合寻优指示值j＝1时，确定太阳能热发电的额定容量、机组台数、储热时长、启动消耗功率、最小技术出力、启动时间等参数。太阳能热发电各参数具体如下表2所示：
表2太阳能热发电参数
设定储热时长集合寻优指示值k＝1，取太阳能热发电参数中储热时长为ST_hour(k)＝Hk，且确定H1＝0；并基于含太阳能热发电的经济调度模型，与上述设定的发电基本参数、常规发电机组开停机状态与设定的太阳能热发电参数，计算系统运行成本、新能源利用率等效益指标。
根据上述提供的步骤S5～S8，分别判断k与j的大小，直至穷尽ST_hour集合中与SM集合中的所有元素，再分析对比各计算场景的系统运行效益指标值，确定储热时长最优值。如下表3所示，为本实施例提供的SM＝1时，不同储热时长对应的系统运行成本；如图6所示，为本实施例不同类型机组120小时发电计划曲线图。
表3 SM＝1，光热容量＝350MW时，不同储热时长对应的系统运行成本
储热时长 系统运行成本(万元) 光热利用率(％)
ST Hour(1)＝0 279486.2 82.426％
ST Hour(2)＝1 278728.5 99.840％
ST Hour(3)＝2 278727.8 99.842％
本发明不局限于上述最佳实施方式，任何人应该得知在本发明的启示下作出的结构变化，凡是与本发明具有相同或相近的技术方案，均落入本发明的保护范围之内。

Claims (10)

1.基于系统成本效益最优的太阳能热发电储热配比分析方法，其特征在于，包括以下步骤：
S1、获取发电参数；
S2、确定初始时刻T0；确定T0～T0+T1时段适用于机组组合的新能源出力预测序列值与系统备用容量配置序列值；
S3、根据机组组合模型，与所述发电参数以及所述新能源出力预测序列值、系统备用容量配置序列值，确定各类常规发电机组未来预设时间T2的发电计划；
S4、T0＝T0+T2，若T0≤8641，则转S2，否则转S5；
S5、确定太阳能热发电储热优化配置的关键寻优参数集合；
S6、确定太阳倍数集合寻优指示值j，并确定SM(j)＝SMj时的太阳能热发电参数；
S7、确定储热时长集合寻优指示值k，取太阳能热发电参数中储热时长为ST_hour(k)＝Hk；
S8、基于含太阳能热发电的经济调度模型，同时根据所述基本参数、常规发电机组开停机状态与所述太阳能热发电参数，计算系统运行成本与新能源利用率的效益指标；
S9、判断ST_hour(k)是否为ST_hour集合的最后一个元素，若不是，则k＝k+1并转S7，否则，转S10；
S10、判断SM(j)是否为SM集合的最后一个元素，若不是，则j＝j+1并转S6，否则，转S11；
S11、分析对比各计算场景的系统运行效益指标值，确定储热时长最优值。
2.根据权利要求1所述的分析方法，其特征在于，所述基本参数包括电网中常规电源装机总容量、常规电源机组类型、机组台数、单机容量、最小技术出力、煤耗特性、启停成本、燃料成本，负荷全年8760小时曲线；电网中新能源出力全年8760小时曲线。
3.根据权利要求1所述的分析方法，其特征在于，所述T1优选为167小时，即以1小时为间隔的未来168小时数据。
4.根据权利要求3所述的分析方法，其特征在于，所述步骤S2中，风电功率预测序列值计算具体如下：
t∈[T0,T0+167]
式中，CFwind_hist(tt)为历史风电出力的容量系数，Pwindinstall为当前风电装机容量，T0为优化时段的段首时点；
系统备用容量配置序列值计算具体如下：
取备用容量为系统最大负荷的5％
式中Pres_up(t)为时刻t上调备用需求量(兆瓦)；Pres_dn(t)为时刻t下调备用需求量(兆瓦)；为系统最大负荷。
5.根据权利要求1所述的分析方法，其特征在于，所述机组组合模型以系统发电成本和切负荷成本最低为目标函数，考虑功率平衡约束、备用容量约束，最大、最小出力限制，常规机组启停约束、弃风量限制、切负荷量限制的约束条件；具体如下：
目标函数：
式中，CGen(t)为时刻t的发电成本，CLC(t)为时刻t系统切负荷成本，T为机组组合时间尺度；
发电成本具体CGen(t)如下式：
式中，UN为所有机组类型，uN为机组子类型；cstart(uN)、cnoload(uN)、cincr(uin)分别为机组类型的单个机组启停成本、固定运行成本以及增量运行成本；Vstart(uN,t)为时刻t机组启停次数，Vonline(uN,t)为时刻t在线机组台数，Vgen(uN,t)为时刻t机组发电出力；
切负荷成本CLC(t)具体如下式：
CLC(t)＝cvoll·Vloadcurt(t)
式中，cvoll为损失负荷价值，Vloadcurt(t)为时刻t切负荷量；
约束条件具体如下：
①功率平衡约束
式中，Pwind(t)为时刻t的风电出力，Vwindcurt(t)为时刻t的弃风出力，Vloadcurt(t)为时刻t的切负荷量，Pdem(t)为时刻t的负荷值；
②备用容量约束
上调备用约束：
下调备用约束：
上式中，Pres_up(t)为时刻t上调备用需求量；Pres_dn(t)为时刻t下调备用需求量；Pmax(uN)、Pmin(uN)分别为类型uN机组的单机最大出力和最小出力，为系统最大负荷；
③最大、最小出力限制
最大出力限制如下：
最小出力限制如下：
式中，N(uN)为类型uN机组的机组台数；Pmax(uN)、Pmin(uN)分别为类型uN常规机组的单机最大出力和最小出力；
④常规机组启停约束
式中，Vonline(uN,t-1)为时刻t-1在线机组台数；
⑤弃风量限制
⑥切负荷量限制
。
6.根据权利要求1所述的分析方法，其特征在于，所述发电计划包括机组启停计划和出力值；和/或
未来预设时间T2为120小时。
7.根据权利要求1所述的分析方法，其特征在于，所述寻优参数集合包括太阳倍数集合与储热时长集合，具体为：
太阳倍数集合SM＝{SM1，SM2，…，SMj}，储热时长集合ST_hour＝{H1，H2，…，Hk}。
8.根据权利要求1所述的分析方法，其特征在于，所述经济调度模型以系统发电成本和切负荷成本最低为目标函数，考虑功率平衡约束、太阳能热发电储热容量约束、太阳能热发电储热模块与发电模块功率平衡约束、常规发电机组最大、最小出力限制、太阳能热发电的发电模块最大、最小出力约束，常规机组启停约束、弃风量限制、切负荷量限制与弃光热量限制为约束条件；
目标函数：
式中，CGen(t)为时刻t的发电成本，CCSP(t)为时刻t太阳能热发电的成本，CLC(t)为时刻t系统切负荷成本，T为机组组合时间尺度；
发电成本具体CGen(t)如下式：
式中，UN为所有机组类型，uN为机组子类型；cstart(uN)、cnoload(uN)、cincr(uin)分别为机组类型的单个机组启停成本、固定运行成本以及增量运行成本；Vstart(uN,t)为时刻t机组启停次数，Vonline(uN,t)为时刻t在线机组台数，Vgen(uN,t)为时刻t机组发电出力；
切负荷成本CLC(t)具体如下式：
CLC(t)＝cvoll·Vloadcurt(t)
式中，cvoll为损失负荷价值，Vloadcurt(t)为时刻t切负荷量；
太阳能热发电成本CCSP(t)：
式中，为太阳能热发电机组类型，为机组子类型，为太阳能热发电机组的启停成本，为时刻t机组启停次数；
各约束条件具体如下：
①功率平衡约束
式中，Vgen(uN,t)为时刻t机组发电出力，为时刻t太阳能热发电的发电模块输出功率，Pwind(t)为时刻t的风电出力(预期或预测值)，Vwindcurt(t)为时刻t的弃风出力，Vloadcurt(t)为时刻t的切负荷量，Pdem(t)为时刻t的负荷值；
②太阳能热发电储热容量约束：
式中，为时刻t太阳能热发电储热模块累计能量，为时刻t-1太阳能热发电储热模块累计能量，为太阳能热发电储热能量耗散系数，为太阳能热发电储热模块初始能量，为时刻t光场输入太阳能热发电储热模块的功率，为时刻t太阳能热发电模块输出到发电模块的功率，为时刻t太阳能热发电输出功率耗散系数；
式中，为时刻t太阳能热发电光场输出功率，为时刻t弃光热功率；为太阳能热发电储热时长(小时)，为太阳能热发电储热模块功率上限；
③太阳能热发电储热模块与发电模块关联约束：
式中，为时刻t储热模块输出的功率，为时刻t太阳能热发电启停次数，为时刻t太阳能热发电启动消耗功率，为时刻t太阳能热发电的发电模块输出功率；
④常规发电机组最大、最小出力限制
最大出力限制如下：
最小出力限制如下：
式中，N(uN)为类型uN常规机组的机组台数；Pmax(uN)、Pmin(uN)分别为类型uN常规机组的单机最大出力和最小出力；
⑤太阳能热发电的发电模块最大、最小出力约束
式中，为时刻t太阳能热发电的在线机组台数，为太阳能热发电的发电模块的最小技术出力；为太阳能热发电的发电模块的最大技术出力；
⑥常规机组启停约束
式中，为时刻t-1太阳能热发电的在线机组台数；
⑦弃风量限制
⑧切负荷量限制
⑨弃光热量限制
。
9.根据权利要求1所述的分析方法，其特征在于，所述太阳能热发电参数包括机组额定容量、机组台数、储热时长、启动消耗功率、最小技术出力与启动时间。
10.根据权利要求1所述的分析方法，其特征在于，所述运行效益分析指标具体如下：
(1)系统运行成本具体如下式：
(2)光热发电利用率具体如下式：
其中，选取系统运行成本最低的场景对应的储热时长为最优储热时长；
式中，CGen(t)为时刻t的发电成本，为时刻t弃光热功率，为时刻t太阳能热发电光场输出功率。
CN201710596194.XA 2017-07-20 2017-07-20 一种太阳能热发电储热配比分析方法 Active CN107453377B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710596194.XA CN107453377B (zh) 2017-07-20 2017-07-20 一种太阳能热发电储热配比分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710596194.XA CN107453377B (zh) 2017-07-20 2017-07-20 一种太阳能热发电储热配比分析方法

Publications (2)

Publication Number Publication Date
CN107453377A true CN107453377A (zh) 2017-12-08
CN107453377B CN107453377B (zh) 2020-08-14

Family

ID=60488847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710596194.XA Active CN107453377B (zh) 2017-07-20 2017-07-20 一种太阳能热发电储热配比分析方法

Country Status (1)

Country Link
CN (1) CN107453377B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108336765A (zh) * 2018-01-19 2018-07-27 华北电力大学（保定） 一种风力发电与光热发电系统容量配比优化方法
CN108984875A (zh) * 2018-07-02 2018-12-11 中国电力工程顾问集团西北电力设计院有限公司 一种计算光热机组参与电力平衡容量的方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204458230U (zh) * 2014-12-31 2015-07-08 深圳市爱能森科技有限公司 一种带集中储热的太阳能光热发电系统
CN106257792A (zh) * 2016-08-04 2016-12-28 国家电网公司 一种基于两阶段机组组合的新能源优先调度方法
CN106655268A (zh) * 2016-12-26 2017-05-10 国家电网公司 一种分布式光伏接入的综合效益分析方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204458230U (zh) * 2014-12-31 2015-07-08 深圳市爱能森科技有限公司 一种带集中储热的太阳能光热发电系统
CN106257792A (zh) * 2016-08-04 2016-12-28 国家电网公司 一种基于两阶段机组组合的新能源优先调度方法
CN106655268A (zh) * 2016-12-26 2017-05-10 国家电网公司 一种分布式光伏接入的综合效益分析方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MIGUEL J. PRIETO ET AL.: "Optimizing the control strategy of molten-salt heat storage systems in thermal solar power plants", 《2016 IEEE INDUSTRY APPLICATIONS SOCIETY ANNUAL MEETING》 *
黄碧斌等: "储能支撑大规模分布式光伏接入的价值评估", 《电力自动化设备》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108336765A (zh) * 2018-01-19 2018-07-27 华北电力大学（保定） 一种风力发电与光热发电系统容量配比优化方法
CN108336765B (zh) * 2018-01-19 2019-04-19 华北电力大学（保定） 一种风力发电与光热发电系统容量配比优化方法
CN108984875A (zh) * 2018-07-02 2018-12-11 中国电力工程顾问集团西北电力设计院有限公司 一种计算光热机组参与电力平衡容量的方法
CN108984875B (zh) * 2018-07-02 2022-11-08 中国电力工程顾问集团西北电力设计院有限公司 一种计算光热机组参与电力平衡容量的方法

Also Published As

Publication number Publication date
CN107453377B (zh) 2020-08-14

Similar Documents

Publication Publication Date Title
CN107528341B (zh) 一种用于高风电渗透率的大电网储能调度的方法
CN107069786B (zh) 一种提升风电消纳的系统及方法
CN103248048B (zh) 一种弃风电量预估方法
CN110165715B (zh) 一种将电动汽车储能式充电站接入虚拟电厂的方法
Mladenov et al. Characterisation and evaluation of flexibility of electrical power system
CN108487994A (zh) 一种微能源网复合储能系统
CN107994592B (zh) 一种基于储热装置提高电网谷时电能负荷方法
CN107104462A (zh) 一种用于风电场储能调度的方法
CN106257792B (zh) 一种基于两阶段机组组合的新能源优先调度方法
CN106712033A (zh) 一种热电厂消纳弃风的方法
CN107453377B (zh) 一种太阳能热发电储热配比分析方法
CN118412929A (zh) 一种考虑调度响应能力的虚拟电厂运行控制方法
CN113097996A (zh) 一种电制热储热装置负荷省地联动调度方法
CN111125611B (zh) 面向多场景的冷-热-电微能网群两阶段优化调度方法
CN115423203A (zh) 梯次利用动力电池提升电力系统效益的评估方法及装置
Li et al. Economic analysis of energy storage peak shaving considering full life cycle cost
CN113627720A (zh) 基于电能替代的综合园区风光储系统配置方法
Zhou et al. A study on source-network-demand coordinated expansion planning of the sending power system considering DC transmission and hydro-solar complementary
Xiaofei et al. Research on the quantitative evaluation method of wind power and photovoltaic power curtailment in real-time market transactions
Gong et al. Operation mode of integrated energy system considering behavior characteristics of multiple subsystems
CN109447369A (zh) 一种基于模拟退火算法的考虑多因素的产能端功率分配方法
Wang et al. Optimal Allocation of Energy Storage System Capacity of Wind-photovoltaic-storage Microgrid Considering Carbon Revenue
Wang et al. An improved energy hub model for physical layer in energy router
Yin et al. Multi-timescale Optimal Scheduling of Integrated Energy Systems Based on Wind/Light to Hydrogen
Yuhong et al. Study on the Function and Quantitative Evaluation Index of Pumped-Storage Power Station Supporting Power System Operation

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 102209 Beijing Changping District future science and Technology City North District national network intelligent power grid Institute

Applicant after: National Grid Energy Research Institute Co., Ltd.

Applicant after: State Grid Corporation of China

Address before: 102209 Beijing Changping District future science and Technology City North District national network intelligent power grid Institute

Applicant before: State Grid Energy Research Institute

Applicant before: State Grid Corporation of China

SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant