CN108736507B - 一种提升风电就地消纳的蓄热式电锅炉优化方法和装置 - Google Patents

一种提升风电就地消纳的蓄热式电锅炉优化方法和装置 Download PDF

Info

Publication number
CN108736507B
CN108736507B CN201710273953.9A CN201710273953A CN108736507B CN 108736507 B CN108736507 B CN 108736507B CN 201710273953 A CN201710273953 A CN 201710273953A CN 108736507 B CN108736507 B CN 108736507B
Authority
CN
China
Prior art keywords
heat
heat storage
storage tank
wind
power
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.)
Active
Application number
CN201710273953.9A
Other languages
English (en)
Other versions
CN108736507A (zh
Inventor
李建林
谢志佳
张洋
田春光
吕项羽
李德鑫
常学飞
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 JILINSHENG ELECTRIC POWER SUPPLY Co ELECTRIC POWER RESEARCH INSTITUTE
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
STATE GRID JILINSHENG ELECTRIC POWER SUPPLY Co ELECTRIC POWER RESEARCH INSTITUTE
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
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 JILINSHENG ELECTRIC POWER SUPPLY Co ELECTRIC POWER RESEARCH INSTITUTE, State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI filed Critical STATE GRID JILINSHENG ELECTRIC POWER SUPPLY Co ELECTRIC POWER RESEARCH INSTITUTE
Priority to CN201710273953.9A priority Critical patent/CN108736507B/zh
Publication of CN108736507A publication Critical patent/CN108736507A/zh
Application granted granted Critical
Publication of CN108736507B publication Critical patent/CN108736507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A30/00—Adapting or protecting infrastructure or their operation
    • Y02A30/60—Planning or developing urban green infrastructure
    • 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)
  • Wind Motors (AREA)

Abstract

本发明提供一种提升风电就地消纳的蓄热式电锅炉优化方法和装置，方法包括建立风电机组模型、电极锅炉模型和蓄热罐模型；建立包多目标优化模型；求解多目标优化模型，得到蓄热式电锅炉优化指标。本发明提供的技术方案采用风电供热的形式消纳弃风，以蓄热式电锅炉作为供热装置，将风电场与供热装置综合起来，并联通至城市供热管网，为社会供热；在负荷低谷弃风时段，电极锅炉开始运行，增加电网中电负荷，进而增加风电消纳量、减少弃风，将电能转换成热能，一部分热能直接用于该时段时居民供热，另一部分热能储存在蓄热罐内；在负荷高峰时段，电极锅炉减少风电供热或者停运，蓄热罐开始供热，最终通过蓄热式电锅炉优化提升了风电就地消纳能力。

Description

一种提升风电就地消纳的蓄热式电锅炉优化方法和装置
技术领域
本发明涉及新能源发电消纳技术领域，具体涉及一种提升风电就地消纳的蓄热式电锅炉优化方法和装置。
背景技术
当前，三北区域同风电弃风现象主要出现在东北地区冬季供暖期，该地区普遍采暖期较长，弃风造成了大量的风能资源浪费，无法造福百姓。同时，外送能力的不足，导致风电无法大规模输送到外地，只能采取就地消纳的方案。与此同时，东北的城市普遍存在供热能力不足、清洁供热比例低的问题，燃煤锅炉供暖仍是我国北方地区的主要供暖方式，消耗了大量的不可再生煤炭资源，并造成了环境的污染。
《含储热的电力系统电热综合调度模型》一文中分析了热电机组配置储热前后运行特性与调峰能力的变化情况，讨论了利用储热消纳弃风的基本运行机理，公开了一种在热电联产机组处配置储热装置以实现弃风电力对非弃风时段凝汽式发电的替代的方法，并建立了含储热的电力系统电热综合调度。虽然热电联产机组通过储热等方式参与系统调峰，实现灵活运行，可以大量消纳弃风电量，但是大容量的储热装置价格昂贵，成本巨大，从而导致这种方案出于经济性的角度很难施行。
《基于二级热网电锅炉调峰的热电联合调度方法研究》一文中在分析“三北”地区产生弃风现象机理的基础上，提出了在二级热网增设调峰电锅炉的消纳弃风方案。并以此供热系统为基础，对调峰电锅炉启停控制、热网热平衡、系统电热联合调度等问题进行了细致的研究。该方案虽然增大了弃风电量消纳空间，且具有一定的节煤效果，但是风电有着明显的反出力特性，在负荷低谷时段大发，在负荷高峰时段低发，所以电极锅炉消纳的弃风电量有限。
发明内容
为了克服上述现有技术的不足，本发明提供一种提升风电就地消纳的蓄热式电锅炉优化方法和装置，采用风电供热的形式消纳弃风，并且应用了蓄热式电锅炉等技术，以蓄热式电锅炉作为供热装置，通过配置蓄热式电锅炉，将风电场与供热装置综合起来，并联通至城市供热管网，为社会供热；在负荷低谷弃风时段，电极锅炉开始运行，增加电网中电负荷，进而增加风电消纳量、减少弃风，将电能转换成热能，一部分直接用于该时段时居民供热，另一部分储存在蓄热罐内；在负荷高峰时段，电极锅炉减少风电供热或者停运，蓄热罐开始供热，最终通过蓄热式电锅炉优化提升了风电就地消纳能力。
为了实现上述发明目的，本发明采取如下技术方案：
本发明提供一种提升风电就地消纳的蓄热式电锅炉优化方法，所述蓄热式电锅炉包括电极锅炉和蓄热罐；所述方法包括：
建立风电机组模型、电极锅炉模型和蓄热罐模型；
根据风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型；
采用Pareto支配法求解多目标优化模型，得到用于提升风电就地消纳的蓄热式电锅炉优化指标。
所述建立风电机组模型、电极锅炉模型和蓄热罐模型包括：
建立如下风电机组模型：
Figure BDA0001278118300000021
其中，
Figure BDA0001278118300000022
表示t时段风电场的预测风电总量，
Figure BDA0001278118300000023
表示第j台风电机组在t时段的预测出力，j＝1,2,…,K，K表示风电场中风电机组的台数；
Figure BDA0001278118300000024
用下式表示：
Figure BDA0001278118300000025
其中，v表示风电机组轮毂高度处的实际风速，Vcut-in表示切入风速，Vcut-out表示切出风速，Vrated表示额定风速，v、Vcut-in、Vcut-out和Vrated的单位均为m/s；ρ为空气密度，其单位为kg/m3；Prated为风电机组的额定功率；R为风轮半径，单位为m；Cp实际风能利用系数。
所述建立风电机组模型、电极锅炉模型和蓄热罐模型包括：
建立如下电极锅炉模型：
CehPeh,t＝Hin,t+Hd,t
其中，Peh,t表示t时段电极锅炉的电加热功率，Ceh表示t时段电极锅炉的电热转化系数，Hd,t表示t时段电极锅炉的供热功率，Hin,t表示t时段蓄热罐的蓄热功率，Hin,t表示为：
Hin,t＝VπR2C|Ti-Tc|
其中，V为蓄热罐入水口的流体流速，R为蓄热罐入水口管道的半径，C为流体的比热容，Tc为电极锅炉入水口的流体温度，Ti为蓄热罐入水口的流体温度。
所述建立风电机组模型、电极锅炉模型和蓄热罐模型包括：
建立如下蓄热罐模型：
Figure BDA0001278118300000031
其中，St表示t时段蓄热罐的蓄热量，T表示周期，Δt表示相邻两个时段的时间间隔，S0表示蓄热罐的初始蓄热量，Sloss表示t时段蓄热罐的热量损失，Hout,t表示t时段蓄热罐的放热功率，Sloss和Hout,t分别如下式所示：
Figure BDA0001278118300000032
Hout,t＝VπR2C|To-Tz|
其中，d1,t为t时段蓄热罐内外温差导致蓄热罐向外界散热所造成的热量损失，d2,t为t时段蓄热罐内冷热流体间通过交换层的热质交换所造成的热量损失，d3,t为t时段蓄热罐内冷热流体接触罐壁造成的热量损失，To为蓄热罐出水口的流体温度，Tz为热负荷出水口的温度。
所述根据风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型包括：
以风电弃风量和蓄热式电锅炉成本最小为目标，建立如下目标函数：
Figure BDA0001278118300000033
其中，F表示目标函数值，
Figure BDA0001278118300000034
表示风电弃风量，x1Q1+x2Q2表示蓄热式电锅炉成本，PW,t表示t时段风电场实际可被调用的风电总量，x1、x2分别表示电极锅炉、蓄热罐的数目，Q1、Q2分别表示电极锅炉、蓄热罐单台价格。
所述根据风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型包括：
确定目标函数对应的约束条件，约束条件包括风电机组出力约束、电加热功率约束、蓄热量约束、蓄热功率约束、放热功率约束、状态约束、热负荷约束和功率平衡约束。
所述风电机组出力约束如下式所示：
Figure BDA0001278118300000048
所述电加热功率约束如下式所示：
Figure BDA0001278118300000041
其中，
Figure BDA0001278118300000042
表示电极锅炉的电加热最大功率；
所述蓄热量约束如下式所示：
0≤St≤Smax
其中，Smax表示蓄热罐最大蓄热量；
所述蓄热功率约束如下式所示：
Figure BDA0001278118300000043
其中，
Figure BDA0001278118300000044
表示蓄热罐的最大蓄热功率；
所述放热功率约束如下式所示：
Figure BDA0001278118300000045
其中，
Figure BDA0001278118300000046
表示蓄热罐的最大放热功率；
所述状态约束如下式所示：
Figure BDA0001278118300000047
其中，kloss表示蓄热罐的热量损失系数，St+1表示t+1时段蓄热罐的蓄热量；SN表示蓄热罐的最终蓄热量；
所述热负荷约束如下式所示：
β(Hout,t+Hd,t)＝Hload,t
其中，β表示换热器的换热效率，Hload,t表示t时段热负荷的需求功率；
所述功率平衡约束如下式所示：
PW,t＝Pload,t+Peh,t
其中，Pload,t表示t时段的用电负荷。
所述采用Pareto支配法求解多目标优化模型，用于提升风电就地消纳的蓄热式电锅炉优化指标包括：
产生初始种群，并设置迭代计数IT为1；
根据初始种群判断是否满足约束条件，若满足，则采用多目标粒子群算法求解多目标优化模型，生成并记录pareto非劣解集；若不满足，则更新风电机组的预测出力、电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，直至满足约束条件，并采用多目标粒子群算法求解多目标优化模型，生成并记录pareto非劣解集；
使迭代计数IT加1，判断是否达到最大迭代次数，若没有达到最大迭代次数，则更新更新风电机组的预测出力、电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，并返回判断是否满足约束条件，且执行后续操作；若达到最大迭代次数，则去除pareto非劣解集中的支配解得到Pareto解集，根据Pareto解集，并采用权重系数法生成如下用于提升风电就地消纳的蓄热式电锅炉优化指标：
Figure BDA0001278118300000051
其中，W表示用于提升风电就地消纳的蓄热式电锅炉优化指标，c1和c2均为权重系数。
本发明还提供一种提升风电就地消纳的蓄热式电锅炉优化装置，所述蓄热式电锅炉包括电极锅炉和蓄热罐；所述装置包括：
第一建模单元，用于建立风电机组模型、电极锅炉模型和蓄热罐模型；
第二建模单元，用于根据风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型；
求解单元，用于采用Pareto支配法求解多目标优化模型，得到用于提升风电就地消纳的蓄热式电锅炉优化指标。
所述第一建模单元具体用于：
建立如下风电机组模型：
Figure BDA0001278118300000052
其中，
Figure BDA0001278118300000053
表示t时段风电场的预测风电总量，
Figure BDA0001278118300000054
表示第j台风电机组在t时段的预测出力，j＝1,2,…,K，K表示风电场中风电机组的台数；
Figure BDA0001278118300000055
用下式表示：
Figure BDA0001278118300000056
其中，v表示风电机组轮毂高度处的实际风速，Vcut-in表示切入风速，Vcut-out表示切出风速，Vrated表示额定风速，v、Vcut-in、Vcut-out和Vrated的单位均为m/s；ρ为空气密度，其单位为kg/m3；Prated为风电机组的额定功率；R为风轮半径，单位为m；Cp实际风能利用系数。
所述第一建模单元具体用于：
建立如下电极锅炉模型：
CehPeh,t＝Hin,t+Hd,t
其中，Peh,t表示t时段电极锅炉的电加热功率，Ceh表示t时段电极锅炉的电热转化系数，Hd,t表示t时段电极锅炉的供热功率，Hin,t表示t时段蓄热罐的蓄热功率，Hin,t表示为：
Hin,t＝VπR2C|Ti-Tc|
其中，V为蓄热罐入水口的流体流速，R为蓄热罐入水口管道的半径，C为流体的比热容，Tc为电极锅炉入水口的流体温度，Ti为蓄热罐入水口的流体温度。
所述第一建模单元具体用于：
建立如下蓄热罐模型：
Figure BDA0001278118300000061
其中，St表示t时段蓄热罐的蓄热量，T表示周期，Δt表示相邻两个时段的时间间隔，S0表示蓄热罐的初始蓄热量，Sloss表示t时段蓄热罐的热量损失，Hout,t表示t时段蓄热罐的放热功率，Sloss和Hout,t分别如下式所示：
Figure BDA0001278118300000062
Hout,t＝VπR2C|To-Tz|
其中，d1,t为t时段蓄热罐内外温差导致蓄热罐向外界散热所造成的热量损失，d2,t为t时段蓄热罐内冷热流体间通过交换层的热质交换所造成的热量损失，d3,t为t时段蓄热罐内冷热流体接触罐壁造成的热量损失，To为蓄热罐出水口的流体温度，Tz为热负荷出水口的温度。
所述第二建模单元具体用于：
以风电弃风量和蓄热式电锅炉成本最小为目标，建立如下目标函数：
Figure BDA0001278118300000063
其中，F表示目标函数值，
Figure BDA0001278118300000064
表示风电弃风量，x1Q1+x2Q2表示蓄热式电锅炉成本，PW,t表示t时段风电场实际可被调用的风电总量，x1、x2分别表示电极锅炉、蓄热罐的数目，Q1、Q2分别表示电极锅炉、蓄热罐单台价格。
所述第二建模单元具体用于：
确定目标函数对应的约束条件，约束条件包括风电机组出力约束、电加热功率约束、蓄热量约束、蓄热功率约束、放热功率约束、状态约束、热负荷约束和功率平衡约束。
所述风电机组出力约束如下式所示：
Figure BDA0001278118300000078
所述电加热功率约束如下式所示：
Figure BDA0001278118300000071
其中，
Figure BDA0001278118300000072
表示电极锅炉的电加热最大功率；
所述蓄热量约束如下式所示：
0≤St≤Smax
其中，Smax表示蓄热罐最大蓄热量；
所述蓄热功率约束如下式所示：
Figure BDA0001278118300000073
其中，
Figure BDA0001278118300000074
表示蓄热罐的最大蓄热功率；
所述放热功率约束如下式所示：
Figure BDA0001278118300000075
其中，
Figure BDA0001278118300000076
表示蓄热罐的最大放热功率；
所述状态约束如下式所示：
Figure BDA0001278118300000077
其中，kloss表示蓄热罐的热量损失系数，St+1表示t+1时段蓄热罐的蓄热量；SN表示蓄热罐的最终蓄热量；
所述热负荷约束如下式所示：
β(Hout,t+Hd,t)＝Hload,t
其中，β表示换热器的换热效率，Hload,t表示t时段热负荷的需求功率；
所述功率平衡约束如下式所示：
PW,t＝Pload,t+Peh,t
其中，Pload,t表示t时段的用电负荷。
所述求解单元具体用于：
所述采用Pareto支配法求解多目标优化模型，用于提升风电就地消纳的蓄热式电锅炉优化指标包括：
产生初始种群，并设置迭代计数IT为1；
根据初始种群判断是否满足约束条件，若满足，则采用多目标粒子群算法求解多目标优化模型，生成并记录pareto非劣解集；若不满足，则更新风电机组的预测出力、电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，直至满足约束条件，并采用多目标粒子群算法求解多目标优化模型，生成并记录pareto非劣解集；
使迭代计数IT加1，判断是否达到最大迭代次数，若没有达到最大迭代次数，则更新更新风电机组的预测出力、电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，并返回判断是否满足约束条件，且执行后续操作；若达到最大迭代次数，则去除pareto非劣解集中的支配解得到Pareto解集，根据Pareto解集，并采用权重系数法生成如下用于提升风电就地消纳的蓄热式电锅炉优化指标：
Figure BDA0001278118300000081
其中，W表示用于提升风电就地消纳的蓄热式电锅炉优化指标，c1和c2均为权重系数。与最接近的现有技术相比，本发明提供的技术方案具有以下有益效果：
本发明提供的提升风电就地消纳的蓄热式电锅炉优化方法，先建立风电机组模型、电极锅炉模型和蓄热罐模型；然后根据风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型；最后采用Pareto支配法求解多目标优化模型，最终通过蓄热式电锅炉优化提升了风电就地消纳能力；
本发明采用风电供热的形式消纳弃风，并且应用了蓄热式电锅炉等技术，以蓄热式电锅炉作为供热装置，通过配置蓄热式电锅炉，将风电场与供热装置综合起来，并联通至城市供热管网，为社会供热，具体是：在负荷低谷弃风时段，电极锅炉开始运行，增加电网中电负荷，进而增加风电消纳量、减少弃风，将电能转换成热能，一部分直接用于该时段时居民供热，另一部分储存在蓄热罐内；在负荷高峰时段，电极锅炉减少风电供热或者停运，蓄热罐开始供热。
附图说明
图1是本发明实施例中蓄热式电锅炉结构示意图；
图2是本发明实施例中提升风电就地消纳的多目标优化模型的电气图；
图3是本发明实施例中提升风电就地消纳的多目标优化模型的结构图；
图4是本发明实施例中提升风电就地消纳的蓄热式电锅炉优化方法流程图；
图5是本发明实施例中采用Pareto支配法求解多目标优化模型流程图。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明实施例提供了的提升风电就地消纳的蓄热式电锅炉优化方法中，蓄热式电锅炉的结构图如图1所示，蓄热式电锅炉包括电极锅炉和蓄热罐，蓄热式电锅炉的工作过程如下：
利用弃风电量对流过电极锅炉的流体(通常是水)进行加热。当弃风电量较大，加热的流体流量较多，一部分流向换热板，进过换热处理后向热负荷供热，多余的部分流入到蓄热罐里储存；当弃风电量较小时，电极锅炉加热后的流体全部流向换热板，进过换热处理后向热负荷供热，与此同时，蓄热罐里储存的流体一部分流出蓄热罐流向换热板，进过换热处理后向热负荷供热，以满足供热需求。
本发明实施例中提升风电就地消纳的多目标优化模型的电气图如图2所示，包含风电机组、电极锅炉、变流器、变压器和模型控制器，风电机组通过变流器接入交流母线，再通过变压器接入电网，电极锅炉接入交流母线，再通过变压器接入电网。输入电网的有功功率为风电机组的输出功率之和。控制器接收风电机组的预测出力和用于居民供热的热负荷的预测功率，依据风电机组出力约束、电加热功率约束、蓄热量约束、蓄热功率约束、放热功率约束、状态约束、热负荷约束和功率平衡约束，建立以风电弃风量和蓄热式电锅炉成本最小为目标的多目标优化模型，根据电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，采用Pareto支配法求解多目标优化模型，得出用于提升风电就地消纳的蓄热式电锅炉优化指标。
本发明实施例中提升风电就地消纳的多目标优化模型的结构图如图3所示，在负荷低谷的弃风时段，电极锅炉开始运行，增加电网中的电负荷，进而增加风电消纳量、减少弃风电量，将电能转换成热能，一部分直接用于该时段时居民供热，另一部分储存在蓄热罐内，在负荷高峰时段，电锅炉减少风电供热或者停运，蓄热罐开始供热。
本发明实施例中提升风电就地消纳的蓄热式电锅炉优化方法流程图如图4所示，该用于提升风电就地消纳的蓄热式电锅炉优化方法具体包括以下步骤：
S101：建立风电机组模型、电极锅炉模型和蓄热罐模型；
S102：根据S101建立的风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型；
S103：采用Pareto支配法求解S102建立的多目标优化模型，得到用于提升风电就地消纳的蓄热式电锅炉优化指标。
S101中，建立风电机组模型、电极锅炉模型和蓄热罐模型的具体过程如下：
1)建立如下式所示的风电机组模型：
Figure BDA0001278118300000101
其中，
Figure BDA0001278118300000102
表示t时段风电场的预测风电总量，
Figure BDA0001278118300000103
表示第j台风电机组在t时段的预测出力，j＝1,2,…,K，K表示风电场中风电机组的台数；
Figure BDA0001278118300000104
用下式表示：
Figure BDA0001278118300000105
其中，v表示风电机组轮毂高度处的实际风速，Vcut-in表示切入风速，Vcut-out表示切出风速，Vrated表示额定风速，v、Vcut-in、Vcut-out和Vrated的单位均为m/s；ρ为空气密度，其单位为kg/m3；Prated为风电机组的额定功率；R为风轮半径，单位为m；Cp实际风能利用系数。
2)建立如下式所示的电极锅炉模型：
CehPeh,t＝Hin,t+Hd,t
其中，Peh,t表示t时段电极锅炉的电加热功率，Ceh表示t时段电极锅炉的电热转化系数，Hd,t表示t时段电极锅炉的供热功率，Hin,t表示t时段蓄热罐的蓄热功率，Hin,t表示为：
Hin,t＝VπR2C|Ti-Tc|
其中，V为蓄热罐入水口的流体流速，R为蓄热罐入水口管道的半径，C为流体的比热容，Tc为电极锅炉入水口的流体温度，Ti为蓄热罐入水口的流体温度。
3)建立如下式所示的蓄热罐模型：
Figure BDA0001278118300000106
其中，St表示t时段蓄热罐的蓄热量，T表示周期，Δt表示相邻两个时段的时间间隔，So表示蓄热罐的初始蓄热量，Sloss表示t时段蓄热罐的热量损失，Hout,t表示t时段蓄热罐的放热功率，Sloss和Hout,t分别如下式所示：
Figure BDA0001278118300000111
Hout,t＝VπR2C|To-Tz|
其中，d1,t为t时段蓄热罐内外温差导致蓄热罐向外界散热所造成的热量损失，d2,t为t时段蓄热罐内冷热流体间通过交换层的热质交换所造成的热量损失，d3,t为t时段蓄热罐内冷热流体接触罐壁造成的热量损失，To为蓄热罐出水口的流体温度，Tz为热负荷出水口的温度。
上述S102中，根据S101建立的风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型具体过程如下：
1)以风电弃风量和蓄热式电锅炉成本最小为目标，建立如下目标函数：
Figure BDA0001278118300000112
其中，F表示目标函数值，
Figure BDA0001278118300000113
表示风电弃风量，x1Q1+x2Q2表示蓄热式电锅炉成本，PW,t表示t时段风电场实际可被调用的风电总量，x1、x2分别表示电极锅炉、蓄热罐的数目，Q1、Q2分别表示电极锅炉、蓄热罐单台价格。
2)确定上述目标函数对应的约束条件，约束条件包括风电机组出力约束、电加热功率约束、蓄热量约束、蓄热功率约束、放热功率约束、状态约束、热负荷约束和功率平衡约束，下面以上约束条件分别进行介绍：
风电机组出力约束如下式所示：
Figure BDA0001278118300000116
电加热功率约束如下式所示：
Figure BDA0001278118300000114
其中，
Figure BDA0001278118300000115
表示电极锅炉的电加热最大功率；
蓄热量约束如下式所示：
0≤St≤Smax
其中，Smax表示蓄热罐最大蓄热量；
蓄热功率约束如下式所示：
Figure BDA0001278118300000121
其中，
Figure BDA0001278118300000122
表示蓄热罐的最大蓄热功率；
所述放热功率约束如下式所示：
Figure BDA0001278118300000123
其中，
Figure BDA0001278118300000124
表示蓄热罐的最大放热功率；
状态约束如下式所示：
Figure BDA0001278118300000125
其中，kloss表示蓄热罐的热量损失系数，St+1表示t+1时段蓄热罐的蓄热量；SN表示蓄热罐的最终蓄热量；
热负荷约束如下式所示：
β(Hout,t+Hd,t)＝Hload,t
其中，β表示换热器的换热效率，Hload,t表示t时段热负荷的需求功率；
所述功率平衡约束如下式所示：
PW,t＝Pload,t+Peh,t
其中，Pload,t表示t时段的用电负荷。
上述S103中，采用Pareto支配法求解S102中的多目标优化模型的流程图如图5所示，具体的采用Pareto支配法求解S102中的多目标优化模型得到用于提升风电就地消纳的蓄热式电锅炉优化指标求解过程如下：
1)产生初始种群，并设置迭代计数IT为1；
2)根据初始种群判断是否满足约束条件，若满足，则采用多目标粒子群算法求解多目标优化模型，生成并记录pareto非劣解集；若不满足，则更新风电机组的预测出力、电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，直至满足约束条件，并采用多目标粒子群算法求解多目标优化模型，生成并记录pareto非劣解集；
3)使迭代计数IT加1，判断是否达到最大迭代次数，若没有达到最大迭代次数，则更新更新风电机组的预测出力、电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，并返回判断是否满足约束条件，且执行后续操作；若达到最大迭代次数，则去除pareto非劣解集中的支配解得到Pareto解集，根据Pareto解集，并采用权重系数法生成如下用于提升风电就地消纳的蓄热式电锅炉优化指标：
Figure BDA0001278118300000131
其中，W表示用于提升风电就地消纳的蓄热式电锅炉优化指标，c1和c2均为权重系数。
得到用于提升风电就地消纳的蓄热式电锅炉优化指标后，可根据用于提升风电就地消纳的蓄热式电锅炉优化指标W评价蓄热式电锅炉的优化效果，W越大，表明蓄热式电锅炉的优化效果越好。
基于同一发明构思，本发明实施例还提供了提升风电就地消纳的蓄热式电锅炉优化装置，由于这些设备解决问题的原理与提升风电就地消纳的蓄热式电锅炉优化方法相似，因此这些设备的实施可以参见方法的实施，重复之处不再赘述。
本发明实施例提供的用于提升风电就地消纳的蓄热式电锅炉优化装置具体包括第一建模单元、第二建模单元和求解单元，下面对上述三个单元的功能进行说明：
其中的第一建模单元，主要用于建立风电机组模型、电极锅炉模型和蓄热罐模型；
其中的第二建模单元，主要用于根据风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型；
其中的求解单元，主要用于采用Pareto支配法求解多目标优化模型，得到用于提升风电就地消纳的蓄热式电锅炉优化指标。
上述的第一建模单元建立风电机组模型、电极锅炉模型和蓄热罐模型具体过程如下：
1)建立如下式所示的风电机组模型：
Figure BDA0001278118300000132
其中，
Figure BDA0001278118300000133
表示t时段风电场的预测风电总量，
Figure BDA0001278118300000134
表示第j台风电机组在t时段的预测出力，j＝1,2,…,K，K表示风电场中风电机组的台数；
Figure BDA0001278118300000135
用下式表示：
Figure BDA0001278118300000136
其中，v表示风电机组轮毂高度处的实际风速，Vcut-in表示切入风速，Vcut-out表示切出风速，Vrated表示额定风速，v、Vcut-in、Vcut-out和Vrated的单位均为m/s；ρ为空气密度，其单位为kg/m3；Prated为风电机组的额定功率；R为风轮半径，单位为m；Cp实际风能利用系数。
2)建立如下式所示的电极锅炉模型：
CehPeh,t＝Hin,t+Hd,t
其中，Peh,t表示t时段电极锅炉的电加热功率，Ceh表示t时段电极锅炉的电热转化系数，Hd,t表示t时段电极锅炉的供热功率，Hin,t表示t时段蓄热罐的蓄热功率，Hin,t表示为：
Hin,t＝VπR2C|Ti-Tc|
其中，V为蓄热罐入水口的流体流速，R为蓄热罐入水口管道的半径，C为流体的比热容，Tc为电极锅炉入水口的流体温度，Ti为蓄热罐入水口的流体温度。
3)建立如下式所示的蓄热罐模型：
Figure BDA0001278118300000141
其中，St表示t时段蓄热罐的蓄热量，T表示周期，Δt表示相邻两个时段的时间间隔，S0表示蓄热罐的初始蓄热量，Sloss表示t时段蓄热罐的热量损失，Hout,t表示t时段蓄热罐的放热功率，Sloss和Hout,t分别如下式所示：
Figure BDA0001278118300000142
Hout,t＝VπR2C|To-Tz|
其中，d1,t为t时段蓄热罐内外温差导致蓄热罐向外界散热所造成的热量损失，d2,t为t时段蓄热罐内冷热流体间通过交换层的热质交换所造成的热量损失，d3,t为t时段蓄热罐内冷热流体接触罐壁造成的热量损失，To为蓄热罐出水口的流体温度，Tz为热负荷出水口的温度。
上述的第二建模单元根据风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型确定目标函数对应的约束条件具体过程如下：
1)以风电弃风量和蓄热式电锅炉成本最小为目标，建立如下目标函数：
Figure BDA0001278118300000143
其中，F表示目标函数值，
Figure BDA0001278118300000144
表示风电弃风量，x1Q1+x2Q2表示蓄热式电锅炉成本，PW,t表示t时段风电场实际可被调用的风电总量，x1、x2分别表示电极锅炉、蓄热罐的数目，Q1、Q2分别表示电极锅炉、蓄热罐单台价格。
2)确定约束条件，约束条件包括风电机组出力约束、电加热功率约束、蓄热量约束、蓄热功率约束、放热功率约束、状态约束、热负荷约束和功率平衡约束，下面分别对上述约束条件进行介绍：
风电机组出力约束如下式所示：
Figure BDA0001278118300000158
电加热功率约束如下式所示：
Figure BDA0001278118300000151
其中，
Figure BDA0001278118300000152
表示电极锅炉的电加热最大功率；
蓄热量约束如下式所示：
0≤St≤Smax
其中，Smax表示蓄热罐最大蓄热量；
蓄热功率约束如下式所示：
Figure BDA0001278118300000153
其中，
Figure BDA0001278118300000154
表示蓄热罐的最大蓄热功率；
放热功率约束如下式所示：
Figure BDA0001278118300000155
其中，
Figure BDA0001278118300000156
表示蓄热罐的最大放热功率；
状态约束如下式所示：
Figure BDA0001278118300000157
其中，kloss表示蓄热罐的热量损失系数，St+1表示t+1时段蓄热罐的蓄热量；SN表示蓄热罐的最终蓄热量；
热负荷约束如下式所示：
β(Hout,t+Hd,t)＝Hload,t
其中，β表示换热器的换热效率，Hload,t表示t时段热负荷的需求功率；
功率平衡约束如下式所示：
PW,t＝Pload,t+Peh,t
其中，Pload,t表示t时段的用电负荷。
上述的求解单元采用Pareto支配法求解多目标优化模型，得到用于提升风电就地消纳的蓄热式电锅炉优化指标具体过程如下：
1)产生初始种群，并设置迭代计数IT为1；
2)根据初始种群判断是否满足约束条件，若满足，则采用多目标粒子群算法求解多目标优化模型，生成并记录pareto非劣解集；若不满足，则更新风电机组的预测出力、电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，直至满足约束条件，并采用多目标粒子群算法求解多目标优化模型，生成并记录pareto非劣解集；
3)使迭代计数IT加1，判断是否达到最大迭代次数，若没有达到最大迭代次数，则更新更新风电机组的预测出力、电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，并返回判断是否满足约束条件，且执行后续操作；若达到最大迭代次数，则去除pareto非劣解集中的支配解得到Pareto解集，根据Pareto解集，并采用权重系数法生成如下用于提升风电就地消纳的蓄热式电锅炉优化指标：
Figure BDA0001278118300000161
其中，W表示用于提升风电就地消纳的蓄热式电锅炉优化指标，c1和c2均为权重系数。本发明实施例提供的用于提升风电就地消纳的蓄热式电锅炉优化方法，先建立风电机组模型、电极锅炉模型和蓄热罐模型；然后根据风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型；最后采用Pareto支配法求解多目标优化模型，得到用于提升风电就地消纳的蓄热式电锅炉优化指标，最终通过蓄热式电锅炉优化提升了风电就地消纳能力。且本发明实施例采用风电供热的形式消纳弃风，并且应用了蓄热式电锅炉等技术，以蓄热式电锅炉作为供热装置，通过配置蓄热式电锅炉，将风电场与供热装置综合起来，并联通至城市供热管网，为社会供热，具体是：在负荷低谷弃风时段，电极锅炉开始运行，增加电网中电负荷，进而增加风电消纳量、减少弃风，将电能转换成热能，一部分直接用于该时段时居民供热，另一部分储存在蓄热罐内；在负荷高峰时段，电极锅炉减少风电供热或者停运，蓄热罐开始供热。
为了描述的方便，以上所述装置的各部分以功能分为各种模块或单元分别描述。当然，在实施本申请时可以把各模块或单元的功能在同一个或多个软件或硬件中实现。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，所属领域的普通技术人员参照上述实施例依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。

Claims (10)

1.提升风电就地消纳的蓄热式电锅炉优化方法，所述蓄热式电锅炉包括电极锅炉和蓄热罐；其特征在于，所述方法包括：
建立风电机组模型、电极锅炉模型和蓄热罐模型；
根据风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型；
采用Pareto支配法求解多目标优化模型，得到用于提升风电就地消纳的蓄热式电锅炉优化指标；
所述建立风电机组模型、电极锅炉模型和蓄热罐模型包括：
建立如下风电机组模型：
Figure FDA0002885089630000011
其中，
Figure FDA0002885089630000015
表示t时段风电场的预测风电总量，
Figure FDA0002885089630000012
表示第j台风电机组在t时段的预测出力，j＝1，2，…，K，K表示风电场中风电机组的台数；
Figure FDA0002885089630000013
用下式表示：
Figure FDA0002885089630000014
其中，v表示风电机组轮毂高度处的实际风速，Vcut-in表示切入风速，Vcut-out表示切出风速，Vrated表示额定风速，v、Vcut-iut、Vcut-out和Vrated的单位均为m/s；ρ为空气密度，其单位为kg/m3；Prated为风电机组的额定功率；R为风轮半径，单位为m；Cp实际风能利用系数；
所述建立风电机组模型、电极锅炉模型和蓄热罐模型包括：
建立如下电极锅炉模型：
CehPeh，t＝Hin，t+Hd，t
其中，Peh，t表示t时段电极锅炉的电加热功率，Ceh表示t时段电极锅炉的电热转化系数，Hd，t表示t时段电极锅炉的供热功率，Hin，t表示t时段蓄热罐的蓄热功率，Hin，t表示为：
Hin，t＝VπR2C|Ti-Tc|
其中，V为蓄热罐入水口的流体流速，R为蓄热罐入水口管道的半径，C为流体的比热容，Tc为电极锅炉入水口的流体温度，Ti为蓄热罐入水口的流体温度；
所述建立风电机组模型、电极锅炉模型和蓄热罐模型包括：
建立如下蓄热罐模型：
Figure FDA0002885089630000021
其中，St表示t时段蓄热罐的蓄热量，T表示周期，Δt表示相邻两个时段的时间间隔，S0表示蓄热罐的初始蓄热量，Sloss表示t时段蓄热罐的热量损失，Hout，t表示t时段蓄热罐的放热功率，Sloss和Hout，t分别如下式所示：
Figure FDA0002885089630000022
Hout，t＝VπR2C|To-Tz|
其中，d1，t为t时段蓄热罐内外温差导致蓄热罐向外界散热所造成的热量损失，d2，t为t时段蓄热罐内冷热流体间通过交换层的热质交换所造成的热量损失，d3，t为t时段蓄热罐内冷热流体接触罐壁造成的热量损失，To为蓄热罐出水口的流体温度，Tz为热负荷出水口的温度。
2.根据权利要求1所述的提升风电就地消纳的蓄热式电锅炉优化方法，其特征在于，所述根据风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型包括：
以风电弃风量和蓄热式电锅炉成本最小为目标，建立如下目标函数：
Figure FDA0002885089630000023
其中，F表示目标函数值，
Figure FDA0002885089630000024
表示风电弃风量，x1Q1+x2Q2表示蓄热式电锅炉成本，PW，t表示t时段风电场实际可被调用的风电总量，x1、x2分别表示电极锅炉、蓄热罐的数目，Q1、Q2分别表示电极锅炉、蓄热罐单台价格。
3.根据权利要求2所述的提升风电就地消纳的蓄热式电锅炉优化方法，其特征在于，所述根据风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型包括：
确定目标函数对应的约束条件，约束条件包括风电机组出力约束、电加热功率约束、蓄热量约束、蓄热功率约束、放热功率约束、状态约束、热负荷约束和功率平衡约束。
4.根据权利要求3所述的提升风电就地消纳的蓄热式电锅炉优化方法，其特征在于，所述风电机组出力约束如下式所示：
Figure FDA0002885089630000038
所述电加热功率约束如下式所示：
Figure FDA0002885089630000031
其中，
Figure FDA0002885089630000032
表示电极锅炉的电加热最大功率；
所述蓄热量约束如下式所示：
0≤St≤Smax
其中，Smax表示蓄热罐最大蓄热量；
所述蓄热功率约束如下式所示：
Figure FDA0002885089630000033
其中，
Figure FDA0002885089630000034
表示蓄热罐的最大蓄热功率；
所述放热功率约束如下式所示：
Figure FDA0002885089630000035
其中，
Figure FDA0002885089630000036
表示蓄热罐的最大放热功率；
所述状态约束如下式所示：
Figure FDA0002885089630000037
其中，kloss表示蓄热罐的热量损失系数，St+1表示t+1时段蓄热罐的蓄热量；SN表示蓄热罐的最终蓄热量；
所述热负荷约束如下式所示：
β(Hout，t+Hd，t)＝Hload，t
其中，β表示换热器的换热效率，Hload，t表示t时段热负荷的需求功率；
所述功率平衡约束如下式所示：
PW，t＝Pload，t+Peh，t
其中，Pload，t表示t时段的用电负荷。
5.根据权利要求4所述的提升风电就地消纳的蓄热式电锅炉优化方法，其特征在于，所述采用Pareto支配法求解多目标优化模型，得到用于提升风电就地消纳的蓄热式电锅炉优化指标包括：
产生初始种群，并设置迭代计数IT为1；
根据初始种群判断是否满足约束条件，若满足，则采用多目标粒子群算法求解多目标优化模型，生成并记录pareto非劣解集；若不满足，则更新风电机组的预测出力、电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，直至满足约束条件，并采用多目标粒子群算法求解多目标优化模型，生成并记录pareto非劣解集；
使迭代计数IT加1，判断是否达到最大迭代次数，若没有达到最大迭代次数，则更新更新风电机组的预测出力、电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，并返回判断是否满足约束条件，且执行后续操作；若达到最大迭代次数，则去除pareto非劣解集中的支配解得到Pareto解集，根据Pareto解集，并采用权重系数法生成如下用于提升风电就地消纳的蓄热式电锅炉优化指标：
Figure FDA0002885089630000041
其中，W表示用于提升风电就地消纳的蓄热式电锅炉优化指标，c1和c2均为权重系数。
6.一种提升风电就地消纳的蓄热式电锅炉优化装置，所述蓄热式电锅炉包括电极锅炉和蓄热罐；其特征在于，所述装置包括：
第一建模单元，用于建立风电机组模型、电极锅炉模型和蓄热罐模型；
第二建模单元，用于根据风电机组模型、电极锅炉模型和蓄热罐模型，并以风电弃风量和蓄热式电锅炉成本最小为目标，建立包括目标函数和约束条件的多目标优化模型；
求解单元，用于采用Pareto支配法求解多目标优化模型，得到用于提升风电就地消纳的蓄热式电锅炉优化指标；
所述第一建模单元具体用于：
建立如下风电机组模型：
Figure FDA0002885089630000042
其中，
Figure FDA0002885089630000046
表示t时段风电场的预测风电总量，
Figure FDA0002885089630000043
表示第j台风电机组在t时段的预测出力，j＝1，2，…，K，K表示风电场中风电机组的台数；
Figure FDA0002885089630000044
用下式表示：
Figure FDA0002885089630000045
其中，v表示风电机组轮毂高度处的实际风速，Vcut-in表示切入风速，Vcut-out表示切出风速，Vrated表示额定风速，v、Vcut-in、Vcut-out和Vrated的单位均为m/s；ρ为空气密度，其单位为kg/m3；Prated为风电机组的额定功率；R为风轮半径，单位为m；Cp实际风能利用系数；
所述第一建模单元具体用于：
建立如下电极锅炉模型：
CehPeh，t＝Hin，t+Hd，t
其中，Peh，t表示t时段电极锅炉的电加热功率，Ceh表示t时段电极锅炉的电热转化系数，Hd，t表示t时段电极锅炉的供热功率，Hin，t表示t时段蓄热罐的蓄热功率，Hin，t表示为：
Hin，t＝VπR2C|Ti-Tc|
其中，V为蓄热罐入水口的流体流速，R为蓄热罐入水口管道的半径，C为流体的比热容，Tc为电极锅炉入水口的流体温度，Ti为蓄热罐入水口的流体温度；
所述第一建模单元具体用于：
建立如下蓄热罐模型：
Figure FDA0002885089630000051
其中，St表示t时段蓄热罐的蓄热量，T表示周期，Δt表示相邻两个时段的时间间隔，S0表示蓄热罐的初始蓄热量，Sloss表示t时段蓄热罐的热量损失，Hout，t表示t时段蓄热罐的放热功率，Sloss和Hout，t分别如下式所示：
Figure FDA0002885089630000052
Hout，t＝VπR2C|To-Tz|
其中，d1，t为t时段蓄热罐内外温差导致蓄热罐向外界散热所造成的热量损失，d2，t为t时段蓄热罐内冷热流体间通过交换层的热质交换所造成的热量损失，d3，t为t时段蓄热罐内冷热流体接触罐壁造成的热量损失，To为蓄热罐出水口的流体温度，Tz为热负荷出水口的温度。
7.根据权利要求6所述的提升风电就地消纳的蓄热式电锅炉优化装置，其特征在于，所述第二建模单元具体用于：
以风电弃风量和蓄热式电锅炉成本最小为目标，建立如下目标函数：
Figure FDA0002885089630000053
其中，F表示目标函数值，
Figure FDA0002885089630000061
表示风电弃风量，x1Q1+x2Q2表示蓄热式电锅炉成本，PW，t表示t时段风电场实际可被调用的风电总量，x1、x2分别表示电极锅炉、蓄热罐的数目，Q1、Q2分别表示电极锅炉、蓄热罐单台价格。
8.根据权利要求7所述的提升风电就地消纳的蓄热式电锅炉优化装置，其特征在于，所述第二建模单元具体用于：
确定目标函数对应的约束条件，约束条件包括风电机组出力约束、电加热功率约束、蓄热量约束、蓄热功率约束、放热功率约束、状态约束、热负荷约束和功率平衡约束。
9.根据权利要求8所述的提升风电就地消纳的蓄热式电锅炉优化装置，其特征在于，所述风电机组出力约束如下式所示：
Figure FDA0002885089630000069
所述电加热功率约束如下式所示：
Figure FDA0002885089630000062
其中，
Figure FDA0002885089630000063
表示电极锅炉的电加热最大功率；
所述蓄热量约束如下式所示：
0≤St≤Smax
其中，Smax表示蓄热罐最大蓄热量；
所述蓄热功率约束如下式所示：
Figure FDA0002885089630000064
其中，
Figure FDA0002885089630000065
表示蓄热罐的最大蓄热功率；
所述放热功率约束如下式所示：
Figure FDA0002885089630000066
其中，
Figure FDA0002885089630000067
表示蓄热罐的最大放热功率；
所述状态约束如下式所示：
Figure FDA0002885089630000068
其中，kloss表示蓄热罐的热量损失系数，St+1表示t+1时段蓄热罐的蓄热量；SN表示蓄热罐的最终蓄热量；
所述热负荷约束如下式所示：
β(Hout，t+Hd，t)＝Hload，t
其中，β表示换热器的换热效率，Hload，t表示t时段热负荷的需求功率；
所述功率平衡约束如下式所示：
PW，t＝Pload，t+Peh，t
其中，Pload，t表示t时段的用电负荷。
10.根据权利要求9所述的提升风电就地消纳的蓄热式电锅炉优化装置，其特征在于，所述求解单元具体用于：
产生初始种群，并设置迭代计数IT为1；
根据初始种群判断是否满足约束条件，若满足，则采用多目标粒子群算法求解多目标优化模型，生成并记录pareto非劣解集；若不满足，则更新风电机组的预测出力、电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，直至满足约束条件，并采用多目标粒子群算法求解多目标优化模型，生成并记录pareto非劣解集；
使迭代计数IT加1，判断是否达到最大迭代次数，若没有达到最大迭代次数，则更新更新风电机组的预测出力、电极锅炉的电加热功率和供热功率、蓄热罐的蓄热功率和放热功率，并返回判断是否满足约束条件，且执行后续操作；若达到最大迭代次数，则去除pareto非劣解集中的支配解得到Pareto解集，根据Pareto解集，并采用权重系数法生成如下用于提升风电就地消纳的蓄热式电锅炉优化指标：
Figure FDA0002885089630000071
其中，W表示用于提升风电就地消纳的蓄热式电锅炉优化指标，c1和c2均为权重系数。
CN201710273953.9A 2017-04-25 2017-04-25 一种提升风电就地消纳的蓄热式电锅炉优化方法和装置 Active CN108736507B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710273953.9A CN108736507B (zh) 2017-04-25 2017-04-25 一种提升风电就地消纳的蓄热式电锅炉优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710273953.9A CN108736507B (zh) 2017-04-25 2017-04-25 一种提升风电就地消纳的蓄热式电锅炉优化方法和装置

Publications (2)

Publication Number Publication Date
CN108736507A CN108736507A (zh) 2018-11-02
CN108736507B true CN108736507B (zh) 2021-05-18

Family

ID=63934084

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710273953.9A Active CN108736507B (zh) 2017-04-25 2017-04-25 一种提升风电就地消纳的蓄热式电锅炉优化方法和装置

Country Status (1)

Country Link
CN (1) CN108736507B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097475A (zh) * 2019-04-04 2019-08-06 国电南瑞科技股份有限公司 一种经济型电蓄热装置控制系统及方法
CN110544033B (zh) * 2019-08-29 2022-12-16 大连理工大学 热电厂灵活性改造后的电力系统风电消纳评估方法
CN111009911B (zh) * 2019-12-11 2022-09-20 国电南瑞科技股份有限公司 一种蓄热锅炉应急调峰备用的评估方法、系统及存储介质
CN112116150A (zh) * 2020-09-17 2020-12-22 河北工业大学 一种负荷聚合商参与蓄热式电采暖电力市场调节方法
CN113654078A (zh) * 2021-08-20 2021-11-16 常州工学院 锅炉燃烧布风结构的优化方法和系统
CN115143502A (zh) * 2022-08-09 2022-10-04 辽宁清河发电有限责任公司 一种基于新能源电力供电供暖系统及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030070721A (ko) * 2002-02-26 2003-09-02 송석천 풍력발전장치
CN204691991U (zh) * 2015-06-13 2015-10-07 沈阳工程学院 风力发电蓄热系统
CN105387627A (zh) * 2015-10-24 2016-03-09 东北电力大学 一种提高风电消纳的蓄热式电采暖优化运行控制方法
CN105447599A (zh) * 2015-11-30 2016-03-30 东北电力大学 基于储热热电联产机组与电锅炉的弃风消纳协调调度模型
CN105805877A (zh) * 2016-05-04 2016-07-27 珠海格力电器股份有限公司 换气装置及其控制方法和空调器
CN105976265A (zh) * 2016-05-12 2016-09-28 中国电力科学研究院 一种储能协调储热式电锅炉的容量规划方法
CN106339772A (zh) * 2016-08-11 2017-01-18 清华大学 基于供热管网储热效益的热‑电联合优化调度方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TW201122214A (en) * 2009-12-31 2011-07-01 Energy Spring Tech Inc Energy regeneration system.

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20030070721A (ko) * 2002-02-26 2003-09-02 송석천 풍력발전장치
CN204691991U (zh) * 2015-06-13 2015-10-07 沈阳工程学院 风力发电蓄热系统
CN105387627A (zh) * 2015-10-24 2016-03-09 东北电力大学 一种提高风电消纳的蓄热式电采暖优化运行控制方法
CN105447599A (zh) * 2015-11-30 2016-03-30 东北电力大学 基于储热热电联产机组与电锅炉的弃风消纳协调调度模型
CN105805877A (zh) * 2016-05-04 2016-07-27 珠海格力电器股份有限公司 换气装置及其控制方法和空调器
CN105976265A (zh) * 2016-05-12 2016-09-28 中国电力科学研究院 一种储能协调储热式电锅炉的容量规划方法
CN106339772A (zh) * 2016-08-11 2017-01-18 清华大学 基于供热管网储热效益的热‑电联合优化调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
A Thermal-Electric Decoupling Approach to Reduce the Wind Power Tripping Rate;Shuang Rong，etc.;《2013 IEEE Power & Energy Society Genergy Meeting》;20130725;第1-5页 *
变风速运行控制下风电传动系统的动态特性;秦大同 等;《机械工程学报》;20120430;第48卷(第7期);第1-8页 *

Also Published As

Publication number Publication date
CN108736507A (zh) 2018-11-02

Similar Documents

Publication Publication Date Title
CN108736507B (zh) 一种提升风电就地消纳的蓄热式电锅炉优化方法和装置
Lv et al. Model predictive control based robust scheduling of community integrated energy system with operational flexibility
CN109858759B (zh) 一种工业园区综合能源平衡调度方法
CN105447599B (zh) 基于储热热电联产机组与电锅炉的弃风消纳协调调度模型
CN108717594B (zh) 一种冷热电联供型多微网系统经济优化调度方法
CN109523052B (zh) 一种考虑需求响应和碳交易的虚拟电厂优化调度方法
CN108629462B (zh) 含储能的综合能源微网优化规划方法及综合能源微网系统
CN106058942B (zh) 考虑风电不确定性的含电转气和cchp的能量枢纽优化模型
CN103151803B (zh) 一种含风电系统机组及备用配置的优化方法
CN109858711B (zh) 一种计及价格型需求响应与csp电站参与的风电消纳日前调度方法
CN108491992A (zh) 一种含光伏和蓄能的冷热电联供系统调峰调蓄优化调度模型
CN110620403A (zh) 计及可再生能源的能源系统协同运行日前调度方法及系统
CN109038589B (zh) 一种多省区电网协调运行生产模拟方法
CN112671040A (zh) 一种考虑新能源消纳最大的多能互补系统日前优化调度方法
CN111382902A (zh) 基于运行效益增量的区域综合能源系统储能优化配置方法
CN111030101B (zh) 一种基于多元化大数据清洁能源消纳联动调控方法及系统
CN113806952B (zh) 一种考虑源-荷-储的冷热电综合能源系统及其优化运行方法
CN115081700A (zh) 基于综合储能技术的数据中心多能协同优化方法及系统
CN113128868B (zh) 一种区域综合能源系统调度优化方法及装置
Cui et al. Optimal operation of CCHP microgrids with multiple shiftable loads in different auxiliary heating source systems
CN113885367A (zh) 一种楼宇能效管理控制系统及方法
CN109376406B (zh) 供能系统超结构模型、建模方法、计算机设备和存储介质
CN110516863A (zh) 一种冷热电联供型多微网主动配电系统双层优化方法
CN112332456A (zh) 一种蓄热式电采暖负荷参与电网运行的优化控制方法及装置
Zhang et al. Research on the wind power accommodation based on peak shaving by using heat storage electric boiler

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant