CN108123492B - 一种考虑火电电蓄热联合调峰的日前发电计划优化方法 - Google Patents

Abstract

本发明属于电力系统调度自动化技术领域，涉及一种考虑火电电蓄热联合调峰的日前发电计划优化方法；本发明以日前发电计划编制输入数据为基础，在此常规优化模型基础上，维护火电机组深度调峰和电蓄热储能调峰相关参数，引入火电机组深度调峰和电蓄热储能调峰相关约束条件，形成考虑火‑电蓄热联合调峰的日前发电计划优化模型即SCED模型；此优化模型能够结合电网未来运行情况，在充分评估系统新能源消纳能力和系统负荷调峰需求的情况下，编制更加可靠有效的实用化程度更高的火电机组及电蓄热储能有功计划，提升机组计划执行率，减轻系统调峰压力，实现新能源最大消纳，满足日益精益化的大电网安全运行需求。

Description

一种考虑火电电蓄热联合调峰的日前发电计划优化方法

技术领域

本发明属于电力系统调度自动化技术领域，涉及一种考虑火电电蓄热联合调峰的日前发电计划优化方法。

背景技术

随着国家新能源建设的大力推进，由于辽宁风能资源丰富，辽宁的风电装机容量急速增长，截至2016年10月底，辽宁全省发电装机容量 4578.74万千瓦，其中：水电293.11万千瓦，占6.40％；火电3113.99万千瓦(含供热机组2077万千瓦)，占68.01％；核电447.52万千瓦，占9.77％；风电680.14万千瓦，占14.85％；光伏44万千瓦，占0.96％。截至2016年10月底，本年度水电装机增加0.2万千瓦，火电装机增长39.61万千瓦，核电装机增长111.88万千瓦，风电装机增长41.3万千瓦、光伏装机增长 27.7万千瓦，新能源占比较2015年增加0.65个百分点，达到15.81％；风电自2009年以来，就已经是省内的第二大电源，近三年年均投产30-40万千瓦，保持较高的增长速度；光伏继续保持快速增长，2016年，装机增速169.48％，自2012年投产第一座光伏电站投产以来，四年来光伏装机规模年均增长159.1％。

随着水电、核电、风电、太阳能等清洁能源的快速发展，造成了电网调峰矛盾日益突出。然而，到了冬季供暖期间，由于需要火电机组供热，机组向下调峰能力不足，尤其是近几年来风电的快速增加，使电网缺乏调峰电源的矛盾激化，电网不得不大量弃风，造成了可再生能源的巨大浪费。电蓄热技术是一种比较符合辽宁现状的调峰电源，电蓄热可以在负荷低谷时充电，从而缓解火电深调峰难度，使得电网能够提供足够的调峰容量，为更多的接纳可再生能源创造条件，同时还能放热供暖，减少传统能源的损耗，同时为我国低碳经济做出贡献。

目前国内外大多数专家学者致力于对火电机组深度调峰影响因素的研究，很少涉猎火电-电蓄热联合调峰的方面的探索，因此，本发明填补了国内此类研究的空白。

发明内容

本发明的实施目的是：

本发明的目的在于针对国内电网结构不合理、火电装机过剩和大规模新能源接入带来的调峰难题，根据电蓄热储能和火电机组深度调峰运行特性，提供了一种考虑火电电蓄热联合调峰的日前发电计划优化方法，在现有日前发电计划优化模型基础上，计及火电-电蓄热耦合关系的复杂约束，根据日前系统负荷和新能源预测情况，优化火电机组深度调峰状态下的出力计划和电蓄热储能计划，配合其他能源满足系统用电需求，实现系统新能源最大接纳和调峰需求。

为解决上述技术问题，本发明提供了一种考虑火电电蓄热联合调峰的日前发电计划优化方法，包括以下步骤：

步骤S1，获取日前发电计划所需的电力系统各类运行数据、火电机组深度调峰及电蓄热相关参数信息，其中火电机组深度调峰相关参数包括深度调峰分段价格、最小深度调峰时长和最小非深度调峰时长，电蓄热相关参数包括电蓄热速率、电蓄热分段报价信息。

步骤S2，在现有日前发电计划模型基础上，引入火电机组深度调峰和电蓄热储能调峰相关约束，根据上一步骤获得的数据，生成考虑火电-电蓄热联合调峰的日前发电计划优化模型；此优化模型的优化目标为，在现有日前发电计划优化目标基础上加上电厂调峰成本；火电-储能联合调峰新增约束包括：深度调峰机组出力下限约束、限制优化周期内各个时段深度调峰状态的切换约束以及优化周期内机组最小深度调峰、非深度调峰运行时间约束、电蓄热组合出力约束、电厂内电蓄热-火电耦合调峰约束。

步骤S3，对考虑火电-电蓄热联合调峰的日前发电计划优化模型进行优化计算和安全校核，获得日前发电计划。

进一步的，考虑火电-电蓄热联合调峰的日前发电计划优化模型的优化目标表达式如下：

式中：F_o为常规优化目标；N为电厂总数；T为优化周期时段数；Δ_n,t为电厂N在时段t的深度调峰成本。

进一步，火电-电蓄热联合调峰相关约束分别为：

针对调峰辅助服务市场采用电厂级两段报价，优化目标中以电厂为单位计算调峰成本，约束条件也以电厂为单位计算电厂调峰深度；电厂内同时存在火电机组和电蓄热，电厂出力表达式为：

式中：p_n,t表示电厂n时段t有功功率，n＝1,2,…N，N电厂总数； p_i,t为机组i时段t有功功率；h_n,t表示电厂n时段t储热有功功率；S_n表示电厂n火电机组和电蓄热集合。

计算电厂调峰深度，引入电厂深度调峰约束：

式中：p_i,min为机组i最小技术出力；u_i,t为机组i时段t开停状态；p_n,t ^d表示电厂n时段t深度调峰功率；

电厂调峰采用分段报价，应根据调峰报价构造相应的电厂深度调峰区间，同时计算电厂在每段调峰区间的调峰深度，分段调峰的约束条件可以表示为：

式中：p_n,l,t为电厂n时段t在调峰区间_l的调峰深度；P_n,l,t ^d表示电厂n 时段t深度调峰区间_l的右端点；P_n,l-1,t ^d表示电厂n时段t深度调峰区间_l的左端点；

S_l表示电厂深度调峰报价分段集；

至此，电厂调峰成本可以进一步表示为：

式中：μ_n,l,t为电厂n时段t在调峰区间_l的调峰报价。

以上约束条件以电厂为单位，构建了电厂深度调峰的相关约束，接下来分别以电蓄热和火电机组为单位构建电蓄热调峰和火电机组深度调峰的相关约束。

首先构建电蓄热相关约束，电厂内电蓄热储热功率可以表述为：

式中：h_n,t表示电厂n时段t储热有功功率；p_e,max为电蓄热e时段t储热额定功率；u_e,t为电蓄热e时段t开停状态；从约束表达式可以看出，电蓄热储热功率等于电蓄热设备额定功率的随机组合，为离散型出力，使得优化模型类型转化为混合整数线性规划模型，伴随电蓄热设备的增加，求解难度随之加大。

电蓄热设备存在最大热存储量，电蓄热储热有功功率受最大热存储量的制约，约束表示为：

r_n,t＝r_n,t-1+λh_n,t

r_n,t≤R_n

式中：r_n,t表示电厂n时段t储热量；λ表示优化时段的时间粒度，单位为小时；R_n表示电厂n的最大热存储量；

接下来构建火电机组深度调峰约束。由于常规优化模型中存在常规机组的最大最小技术出力约束，为了实现火电就在的深度调峰需求，需要对火电机组最小技术出力约束进行改造：

式中：p_i,t ^d表示火电机组i时段t深度调峰功率,此约束使得火电机组出力可以突破最小技术出力，实现火电机组深度调峰，然而，火电机组存在深度调峰下限，因此，引入火电机组最大调峰深度约束：

式中：p_i,min ^d表示火电机组i深度调峰下限，最小技术出力减去深度调峰下限即为火电机组的最大调峰深度。

进一步，电力系统各类运行数据包括日前系统负荷预测、日前新能源预测、日前检修计划、断面限额、机组停机信息、联络线计划、机组可调出力、机组经济参数信息、以及机组对监视元件灵敏度信息。

进一步，灵敏度信息是获取最新电网物理模型和次日运行方式数据，采用PQ解耦法计算得到。

与现有技术相比，本发明所达到的有益效果是：本发明在此现有日前发电计划优化模型基础上，维护火电机组深度调峰、电蓄热储能调峰相关参数，引入火电机组深度调峰和电蓄热储能调峰相关约束条件，并改造现有日前发电计划模型部分约束条件，形成考虑火电-电蓄热联合调峰的日前发电计划优化模型；此优化模型能够结合次日电网运行方式，在充分评估次日新能源消纳能力和系统负荷调峰需求的情况下，编制更加可靠有效的实用化程度更高的火电机组深度调峰计划和电蓄热储能计划，提升日前计划执行率，促进新能源消纳，满足日益精益化的大电网安全运行需求。

附图说明

图1考虑火电-电蓄热联合调峰的日前发电计划优化流程图

图2电厂深度调峰功率价格曲线图

具体的实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

现有的日前发电计划编制是根据次日电网运行方式、机组运行状态、日前负荷预测、日前新能源预测、日前检修计划、日前断面限额和受电计划，编制次日机组出力计划。日前发电计划的时段间隔为15分钟，计划编制的时间范围为未来1至数日。现有日前发电计划模型为SCED模型，以与日前初始计划偏差最小为优化目标，在综合考虑系统平衡约束、机组运行约束、备用约束、平滑约束、弃风约束、网络安全约束和机组群约束条件下，优化决策机组出力水平，完成日前发电计划的编制。

本发明的一种考虑火电电蓄热联合调峰的日前发电计划优化方法，在现有日前发电计划模型基础上，综合考虑各类电网运行约束，同时引入火电机组深度调峰、电蓄热储能调峰相关约束，形成考虑火电-电蓄热联合调峰的日前发电计划优化模型，通过对此日前发电计划优化模型进行计算获得火电机组深度调峰及电蓄热储能计划；具体包括以下步骤，参见图1：

步骤S1，获取日前发电计划所需的电力系统各类运行数据、火电机组深度调峰及电蓄热相关参数信息，其中火电机组深度调峰相关参数包括深度调峰分段价格、最小深度调峰时长和最小非深度调峰时长，电蓄热相关参数包括电蓄热速率、电蓄热分段报价信息。

电力系统各类运行数据包括日前系统负荷预测、日前新能源预测、日前检修计划、断面限额、机组停机信息、联络线计划、机组可调出力、机组经济参数信息、以及机组对监视元件灵敏度信息。其中灵敏度信息是获取最新电网物理模型和次日运行方式数据，采用PQ解耦法计算得到的，其具体过程参见现有技术；监视元件是指电网中的各类设备，灵敏度是现有日前发电计划模型需要的参数。

步骤S2，在现有日前发电计划模型的基础上，引入火电机组深度调峰和电蓄热储能调峰相关约束，生成考虑火电-电蓄热联合调峰的日前发电计划优化模型。

一般情况下，火电机组运行在最大最小技术出力之间，当系统新能源无法完全接纳或者系统调峰能力不足时，通过电厂内火电机组深度调峰和电蓄热储能调峰，缓解系统的调峰压力，避免机组停机；调峰辅助服务市场环境下，电厂参与调峰，则必然伴随有调峰成本，激励电厂参与市场调峰的积极性，本发明以常规日前发电计划优化目标为基础，进一步引入深度调峰目标成本，优化目标表达式如下：

式中：F_o为常规优化目标；N为电厂总数；T为优化周期时段数；Δ_n,t为电厂N在时段t的深度调峰成本。

针对调峰辅助服务市场采用电厂级两段报价，参见图2，因此，优化目标中以电厂为单位计算调峰成本，约束条件也以电厂为单位计算电厂调峰深度。电厂内同时存在火电机组和电蓄热，电厂出力表达式为：

式中：p_n,t表示电厂n时段t有功功率，n＝1,2,…N，N电厂总数；p_i,t为机组i时段t有功功率；h_n,t表示电厂n时段t储热有功功率；S_n表示电厂n 火电机组和电蓄热集合。

计算电厂调峰深度，引入电厂深度调峰约束：

式中：p_i,min为机组i最小技术出力；u_i,t为机组i时段t开停状态；p_n,t ^d表示电厂n时段t深度调峰功率。

电厂调峰采用分段报价，应根据调峰报价构造相应的电厂深度调峰区间，同时计算电厂在每段调峰区间的调峰深度，分段调峰的约束条件可以表示为：

式中：p_n,l,t为电厂n时段t在调峰区间_l的调峰深度；P_n,l,t ^d表示电厂n 时段t深度调峰区间_l的右端点；P_n,l-1,t ^d表示电厂n时段t深度调峰区间_l的左端点；

S_l表示电厂深度调峰报价分段集；

至此，电厂调峰成本可以进一步表示为：

式中：μ_n,l,t为电厂n时段t在调峰区间_l的调峰报价；

以上约束条件以电厂为单位，构建了电厂深度调峰的相关约束，接下来分别以电蓄热和火电机组为单位构建电蓄热调峰和火电机组深度调峰的相关约束。

首先构建电蓄热相关约束，电厂内电蓄热储热功率可以表述为：

式中：h_n,t表示电厂n时段t储热有功功率；p_e,max为电蓄热e时段t储热额定功率；u_e,t为电蓄热e时段t开停状态；从约束表达式可以看出，电蓄热储热功率等于电蓄热设备额定功率的随机组合，为离散型出力，使得优化模型类型转化为混合整数线性规划模型，伴随电蓄热设备的增加，求解难度随之加大。

电蓄热设备存在最大热存储量，电蓄热储热有功功率受最大热存储量的制约，约束表示为：

r_n,t＝r_n,t-1+λh_n,t

r_n,t≤R_n

式中：r_n,t表示电厂n时段t储热量；λ表示优化时段的时间粒度，单位为小时；R_n表示电厂n的最大热存储量。

接下来构建火电机组深度调峰约束；常规优化模型中存在常规机组的最大最小技术出力约束，深度调峰是在最小技术出力的基础上进一步下调出力，为了实现火电就在的深度调峰需求，需要对火电机组最小技术出力约束进行改造：

式中：p_i,t ^d表示火电机组i时段t深度调峰功率,此约束使得火电机组出力可以突破最小技术出力，实现火电机组深度调峰，火电机组存在深度调峰下限，引入火电机组最大调峰深度约束：

式中：p_i,min ^d表示火电机组i深度调峰下限，最小技术出力减去深度调峰下限即为火电机组的最大调峰深度。

以上建立了火电-储能联合调峰的优化模型(优化目标及约束条件)，实现火电机组深度调峰、电蓄热储能调峰和其他能源的协调优化，保证新能源的最大消纳，满足系统调峰需求。

步骤S3，根据步骤一获得的数据和步骤二构建的优化模型，对考虑火电-电蓄热联合调峰的日前发电计划优化模型进行优化计算和安全校核，获得日前发电计划。

对于考虑火电-电蓄热联合调峰的日前发电计划优化模型，其优化算法与现有日前发电计划模型的优化算法都是相同的，都采用分支定界切平面算法；其安全校核算法也是与现有模型的校核算法相同，校核内容相同。具体计算和校核过程参见现有技术，此处不多赘述。

本发明方法是在现有日前发电计划模型的基础上，引入火电机组深度调峰和电蓄热储能调峰相关约束，是对常规模型火电机组计划的一次修正，使得修正后的出力计划更符合实际运行的要求，有助于提高日前发电调度的智能化水平。同时，该方法具有计算强度低、适应性强的特点，更加适合在我国各种规模的调度机构推广应用，在充分评估系统新能源消纳能力和系统负荷调峰需求的情况下，编制更加可靠有效的实用化程度更高的火电机组出力计划，提升机组计划执行率，减轻系统调峰压力，实现新能源最大消纳，满足日益精益化的大电网安全运行需求。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。

Claims (4)

1.一种考虑火电电蓄热联合调峰的日前发电计划优化方法，其特征在于，包括如下步骤：

步骤S1，获取日前发电计划所需的电力系统各类运行数据、火电机组深度调峰及电蓄热相关参数信息，其中火电机组深度调峰相关参数包括深度调峰分段价格、最小深度调峰时长和最小非深度调峰时长，电蓄热相关参数包括电蓄热速率、电蓄热分段报价信息；

步骤S2，在现有日前发电计划模型基础上，引入火电机组深度调峰和电蓄热调峰相关约束，根据上一步骤获得的数据，生成考虑火电电蓄热联合调峰的日前发电计划优化模型；

此优化模型的优化目标为，在现有日前发电计划优化目标基础上加上电厂调峰成本；

火电电蓄热联合调峰新增约束包括：深度调峰机组出力下限约束、限制优化周期内各个时段深度调峰状态的切换约束以及优化周期内机组最小深度调峰、非深度调峰运行时间约束、电蓄热组合出力约束、电厂内电蓄热火电耦合调峰约束；

步骤S3，对考虑火电电蓄热联合调峰的日前发电计划优化模型进行优化计算和安全校核，获得日前发电计划；

火电机组深度调峰和电蓄热调峰相关约束分别为：

针对调峰辅助服务市场采用电厂级两段报价，优化目标中以电厂为单位计算调峰成本，约束条件也以电厂为单位计算电厂调峰深度；由于电厂内同时存在火电机组和电蓄热，电厂出力表达式为：

式中：p_n,t表示电厂n时段t有功功率，n＝1,2,…N，N电厂总数；p_i,t为机组i时段t有功功率；h_n,t表示电厂n时段t储热有功功率；S_n表示电厂n火电机组和电蓄热集合；

为了计算电厂调峰深度，引入电厂深度调峰约束：

式中：p_i,min为机组i最小技术出力；u_i,t为机组i时段t开停状态；p_n,t ^d表示电厂n时段t深度调峰功率；

电厂调峰采用分段报价，应根据调峰报价构造相应的电厂深度调峰区间，同时计算电厂在每段调峰区间的调峰深度，分段调峰的约束条件表示为：

式中：p_n,l,t为电厂n时段t在调峰区间l的调峰深度；P_n,l,t ^d表示电厂n时段t深度调峰区间l的右端点；P_n,l-1,t ^d表示电厂n时段t深度调峰区间l的左端点；

S_l表示电厂深度调峰报价分段集；

至此，电厂调峰成本进一步表示为：

式中：μ_n,l,t为电厂n时段t在调峰区间_l的调峰报价；

以上约束条件以电厂为单位，构建了电厂深度调峰的相关约束，接下来分别以电蓄热和火电机组为单位构建电蓄热调峰和火电机组深度调峰的相关约束；

首先构建电蓄热相关约束，电厂内电蓄热储能功率表述为：

式中：h_n,t表示电厂n时段t储热有功功率；p_e,max为电蓄热e时段t储热额定功率；u_e,t为电蓄热e时段t开停状态；从约束表达式看出，电蓄热储能功率等于电蓄热设备额定功率的随机组合，为离散型出力，使得优化模型类型转化为混合整数线性规划模型，伴随电蓄热设备的增加，求解难度随之加大；

电蓄热设备存在最大热存储量，电蓄热储能有功功率受最大热存储量的制约，约束表示为：

r_n,t＝r_n,t-1+λh_n,t

r_n,t≤R_n

式中：r_n,t表示电厂n时段t储热量；λ表示优化时段的时间粒度，单位为小时；R_n表示电厂n的最大热存储量；

接下来构建火电机组深度调峰约束，常规优化模型中存在常规机组的最大最小技术出力约束，为了实现火电机组的深度调峰需求，需要对火电机组最小技术出力约束进行改造：

式中：p_i,t ^d表示火电机组i时段t深度调峰功率,此约束使得火电机组出力突破最小技术出力，实现火电机组深度调峰，火电机组存在深度调峰下限，引入火电机组最大调峰深度约束：

式中：p_i,min ^d表示火电机组i深度调峰下限，最小技术出力减去深度调峰下限即为火电机组的最大调峰深度。

2.根据权利要求1所述的一种考虑火电电蓄热联合调峰的日前发电计划优化方法，其特征在于，考虑火电电蓄热联合调峰的日前发电计划优化方法的优化目标表达式如下：

式中：F_o为常规优化目标；N为电厂总数；T为优化周期时段数；Δ_n,t为电厂N在时段t的深度调峰成本。

3.根据权利要求1所述一种考虑火电电蓄热联合调峰的日前发电计划优化方法，其特征在于，电力系统各类运行数据包括日前系统负荷预测、日前新能源预测、日前检修计划、断面限额、机组停机信息、联络线计划、机组可调出力、机组经济参数信息、以及机组对监视元件灵敏度信息。

4.根据权利要求3所述的一种考虑火电电蓄热联合调峰的日前发电计划优化方法，其特征在于，灵敏度信息是获取最新电网物理模型和次日运行方式数据，采用PQ解耦法计算得到。