CN111769552B - 一种垃圾焚烧电厂参与调峰的源荷线性协调优化方法 - Google Patents

Abstract

本发明公开一种垃圾焚烧电厂参与调峰的源荷线性协调优化方法，步骤包括：S1.根据现有烟气处理装置能耗模型，建立细化后的烟气处理能耗模型；S2.获取日前负荷预测时间序列，将负荷线性回归，负荷预测时间序列减去线性负荷时间序列，得到无线性趋势的负荷；S3.建立垃圾焚烧电厂参与调峰的源荷线性协调优化模型，模型以风光出力预测时间序列和去除线性趋势的负荷预测曲线为基础数据，进行日前调度计划优化，以降低系统运行成本为目标；S4.将垃圾焚烧电厂作为调峰资源参与源荷协调优化，通过所述线性协调优化模型对所述垃圾焚烧电厂发电和烟气处理设备资源进行优化控制，同时将线性负荷计入传统机组出力，从而减少系统运行成本和弃风弃光。

Description

一种垃圾焚烧电厂参与调峰的源荷线性协调优化方法

技术领域

本发明涉及电力系统源网荷储协调调度优化领域，尤其涉及一种垃圾焚烧电厂参与调峰的源荷协调优化方法。

背景技术

目前，源网荷储协调调度通过协调源侧和负荷侧的可调度资源，提高系统运行的灵活性和可靠性，减少弃风弃光。源荷协调互动是在源、荷各个环节上进行能量转移消费和采用控制手段，使系统功率达到动态平衡，或者使系统获得的总收益最大，提高新能源消纳率。在源荷协调调度中，灵活电源和可控负荷的选择是其关键因素，随着垃圾发电装机容量和城市垃圾数量的不断增加，因其发电和运行特点，利用垃圾焚烧电厂作为灵活的调度电源和可控的负荷称为可能。关于垃圾焚烧电厂的应用主要集中在处理费定价、污染处理、垃圾燃烧效果评价等技术方面。但对垃圾焚烧发电特性上的应用仍处于初步探索阶段。如何提高垃圾焚烧电厂效益，同时应用垃圾焚烧电厂特性对电力系统做出有效贡献是有待解决的问题。

垃圾焚烧电厂运行特性主要表现在其发电和烟气处理的相关关系。垃圾焚烧电厂中烟气处理系统能耗高，且与其发电量有耦合关系，通过装设烟气储气装置，不仅可实现发电时间与烟气处理时间的解耦，也可通过控制烟气处理时段，作为可控负荷参与调度。但是现阶段对于烟气处理系统的能耗刻画不充分。目前采用的方式是烟气处理能耗仅与烟气处理量有关，不符合实际运行的规律。为了精确地调用该负荷，亟需提供一种考虑烟气处理量与处理效率关系的烟气处理能耗模型，更符合实际运行状况。

由此，根据垃圾焚烧电厂发电特性及解耦特性，将其分为电源和负荷，分别计入电源出力调控和负荷调控。利用垃圾焚烧电厂发电特性，参与源荷协调优化，同时应用火电机组可以线性爬坡的特点，使其具有线性出力特点，减少火电机组出力调节和系统总运行成本。并且通过将垃圾电厂纳入当前新能源渗透率增加的电力系统调峰优化中，可以使其获得额外的系统调峰电价收益，增加其参与调峰的意愿。

发明内容

本发明要解决的技术问题就在于：针对现有技术存在的技术问题，本发明提供一种实现方法简单、调节灵活性好且经济效益高的垃圾焚烧电厂参与调峰的源荷线性协调优化方法，能够有效减少电力系统运行的总成本，同时发挥垃圾焚烧电厂在系统中的调峰作用，使垃圾焚烧电厂增加调峰收益。

为解决上述技术问题，本发明提出的技术方案为：

一种垃圾焚烧电厂参与调峰的源荷线性协调优化方法，步骤包括：

S1.烟气处理装置能耗模型的建立：根据现有烟气处理装置能耗模型，建立细化后的烟气处理能耗模型；

S2.无线性趋势的负荷时间序列的获取：获取日前负荷预测时间序列，将负荷线性回归，负荷预测时间序列减去线性负荷时间序列，得到无线性趋势的负荷；

S3.构建源荷协调优化模型：建立垃圾焚烧电厂参与调峰的源荷线性协调优化模型，模型以风光出力预测时间序列和去除线性趋势的负荷预测曲线为基础数据，进行日前调度计划优化，以降低系统运行成本为目标；

S4.优化控制：将垃圾焚烧电厂作为调峰资源参与源荷协调优化，通过所述线性协调优化模型对所述垃圾焚烧电厂发电和烟气处理设备资源进行优化控制，同时将线性负荷计入传统机组出力，从而减少系统运行成本和弃风弃光。

作为本发明的进一步改进，所述步骤S1中根据现有烟气处理装置能耗模型，建立细化后的烟气处理能耗模型，即增加考虑了储气罐进出烟气时的气泵能耗和烟气处理的单位能耗函数。

储气罐进出烟气时的气泵能耗：

P_S,t＝w₁(α_2,t+α_3,t),t＝1,...,T

式中：w₁为气泵的单位能耗系数，α_2,t为时段t焚烧产生的烟气进入储气罐中的烟气量，α_3,t为时段t从储气罐进入反应塔的烟气量，T为周期。

烟气处理的单位能耗函数：

w_α,t＝w_α(1.5-(α_1,t+α_3,t)/θ),t＝1,...,T

上式中：w₁为气泵的单位能耗系数；α_3,t为时段t从储气罐进入反应塔的烟气量；w_α为烟气处理的固定单位能耗系数；θ为单位时段最大烟气处理量。

作为本发明的进一步改进，所述步骤S2无线性趋势的负荷时间序列获取的具体步骤为：

获取日前预测负荷时间序列P_L，然后按照负荷变化趋势分三段进行线性回归得到负荷变化的斜率β_k,k＝1,2,3。

最后获得无线性趋势的预测负荷时间序列，参与优化控制：

式中：P_Load,t为无线性趋势的负荷时间序列，P_L,t为日前负荷预测时间序列，β_t为日前负荷预测时间序列线性回归的斜率。

作为本发明的进一步改进，所述步骤S3构建的垃圾焚烧电厂参与调峰的源荷线性协调优化模型。模型以风光出力预测时间序列和去除线性趋势的负荷预测曲线为基础数据，进行日前调度计划优化，以降低系统运行成本为目标；

所述系统运行成本目标函数根据系统总运行成本最小化所确定，其运行总成本包括传统机组运行成本、需求响应成本和弃风弃光成本；

所述传统机组运行成本目标函数根据传统机组总出力最小化和出力调节最小化两部分所确定。

作为本发明的进一步改进，所述垃圾焚烧电厂参与调峰的源荷线性协调优化模型如下式所示：

f₁＝min(C_G(P_g,t)+C_D(ΔP_t)+C_W(ΔP_w,t))

其中，f₁为系统总运行成本，包括传统机组运行成本C_G(P_g,t)、需求响应成本C_D(ΔP_t)和弃风弃光成本C_W(ΔP_w,t)。

所述传统机组运行成本、需求响应成本和弃风弃光成本目标函数如下式所示：

其中，a,b,c表示传统机组的燃料成本参数；d表示机组出力调节成本参数；ρ为需求响应负荷的单位补偿成本参数，ΔP_t为时段t系统中的需求响应量，即优化得到的预测负荷时间序列P_L,t减去预测负荷；C_W为弃风弃光惩罚参数，ΔP_w,t为时段t的弃风弃光功率，即优化得到的风光新能源出力P_w,t与预测新能源出力的差值。

作为本发明的进一步改进，所述步骤S3建立的源荷线性协调优化模型，还设置有源荷线性协调功率平衡约束，源荷线性协调功率平衡约束包含负荷线性回归函数和烟气处理能耗和垃圾焚烧电厂出力。

作为本发明的进一步改进，所述源荷线性协调功率平衡约束如下式所示：

P_g,t+P_W,t+P_G,t-P_Load,t-β_tt-P_α,t＝0,t＝1,...,T

式中：P_g,t为传统火电机组出力，P_W,t为新能源出力，P_G,t为垃圾焚烧电厂出力，P_α,t为烟气处理能耗P_Load,t为无线性趋势的负荷时间序列，β_t为日前负荷预测时间序列线性回归的斜率。

作为本发明的进一步改进，所述步骤S4中优化控制的具体步骤为：获得日期预测负荷时间序列和风光预测出力时间序列，通过所述线性协调优化模型对所述垃圾焚烧电厂发电和烟气处理设备资源进行优化控制，同时将线性负荷计入传统机组出力，从而减少系统运行成本和弃风弃光。

与现有技术相比，本发明的优点在于：

1、本实施例在垃圾焚烧电厂发电-烟气处理解耦后的模型中，针对现有模型不能精确反映烟气处理能耗的问题，增加考虑了储气罐进出烟气时的气泵能耗和烟气处理的单位能耗函数，提出了改进的烟气处理系统能耗模型，能更准确反应烟气处理系统能耗，同时使其作为负荷时，能得到精确调用。

2、本实施例采用垃圾焚烧电厂参与调峰，使垃圾焚烧电厂可以额外获得调峰收益，同时系统的传统火电机组出力无需频繁调节，并且进一步通过将线性负荷计入传统机组出力中，充分利用了传统机组爬坡性能的线性特点。基于此提出了垃圾焚烧电厂参与系统调峰的源荷线性协调优化模型，降低了系统总运行成本和弃风弃光率。

3、本实施例考虑垃圾焚烧电厂容量逐渐增加，通过将其纳入电力辅助服务范围，即通过参与系统调峰，获得更高电厂效益。同时垃圾焚烧电厂的灵活运行、系统调峰和对烟气处理负荷的调控，也是增加需求侧响应能力和消纳新能源的可行措施，使得所制定的策略更具有实际应用意义。

附图说明

图1是本实施例垃圾焚烧电厂参与调峰的源荷线性协调优化方法的实现流程示意图。

图2是本实施例垃圾焚烧电厂参与调峰调度的系统图。

图3是在具体应用实施例中所述烟气处理装置能耗模型与传统模型能耗对比示意图。

图4是在具体应用实施例中日前预测负荷曲线示意图和风光预测出力曲线示意图。

图5是在具体应用实施例中垃圾焚烧电厂不参与调峰时的以系统运行总成本最小为目标时的系统日前协调调度示意图。

图6是在具体应用实施例中垃圾焚烧电厂参与调峰时的以系统运行总成本最小为目标时的系统日前协调调度示意图。

图7是在具体应用实施例中垃圾焚烧电厂参与调峰时的以系统运行总成本最小为目标时的系统日前线性协调调度示意图。

具体实施方式

以下结合说明书附图和具体优选的实施例对本发明作进一步描述，但并不因此而限制本发明的保护范围。

如图1所示，本实施例的一种垃圾焚烧电厂参与调峰的源荷线性协调优化方法，步骤包括：

S1.烟气处理装置能耗模型的建立：根据现有烟气处理装置能耗模型，建立细化后的烟气处理能耗模型；

S2.无线性趋势的负荷时间序列的获取：获取日前负荷预测时间序列，将负荷线性回归，负荷预测时间序列减去线性负荷时间序列，得到无线性趋势的负荷；

S3.构建源荷协调优化模型：建立垃圾焚烧电厂参与调峰的源荷线性协调优化模型，模型以风光出力预测时间序列和去除线性趋势的负荷预测曲线为基础数据，进行日前调度计划优化，以降低系统运行成本为目标；

S4.优化控制：将垃圾焚烧电厂作为调峰资源参与源荷协调优化，通过所述线性协调优化模型对所述垃圾焚烧电厂发电和烟气处理设备资源进行优化控制，同时将线性负荷计入传统机组出力，从而减少系统运行成本和弃风弃光。

当垃圾焚烧电厂参与调峰后，相当于在系统中加入了可调负荷和电源，主要是通过调节烟气处理的可调负荷。由于系统负荷和新能源出力呈现出明显的峰谷特性，导致机组出力调节频繁，系统运行成本较高。垃圾焚烧电厂日焚烧量基本为一定值，故其日总发电量基本固定，发电功率可分时段调节。垃圾焚烧电厂烟气处理功率大，当设置烟气存储装置后，可视为可时移、可调节负荷功率，故调整控制烟气处理时段，相当于调节电力负荷。调度协调调节垃圾焚烧电厂出力、新能源上网出力、需求侧响应负荷和传统火电机组出力。垃圾焚烧电厂参与调峰调度的系统图如图2所示。

本实施例步骤S1中，根据现有烟气处理装置能耗模型，建立细化后的烟气处理能耗模型，即增加考虑了储气罐进出烟气时的气泵能耗和烟气处理的单位能耗函数。

储气罐进出烟气时的气泵能耗：

P_S,t＝w₁(α_2,t+α_3,t),t＝1,...,T (1)

式(1)中：w₁为气泵的单位能耗系数，α_2,t为时段t焚烧产生的烟气进入储气罐中的烟气量，α_3,t为时段t从储气罐进入反应塔的烟气量，T为周期。

烟气处理的单位能耗函数：

w_α,t＝w_α(1.5-(α_1,t+α_3,t)/θ),t＝1,...,T (2)

式(2)中：w₁为气泵的单位能耗系数；α_3,t为时段t从储气罐进入反应塔的烟气量；w_α为烟气处理的固定单位能耗系数；θ为单位时段最大烟气处理量。

同时，需要完善烟气处理装置的能耗模型：

进入储气罐的烟气量总和与离开储气罐的烟气量总和应当相等：

式(3)中：α_2,t为时段t焚烧产生的烟气进入储气罐中的烟气量，α_3,t为时段t从储气罐进入反应塔的烟气量。

储气罐的烟气量不能大于最大储气量：

其中：η为储气罐容量。

且进出烟气管道有最大流量限制：

0≤α_1,t,α_2,t,α_3,t≤δ,t＝1,...,T (5)

其中：δ为烟气管道最大流量。

在本实施例步骤S2中，无线性趋势的负荷时间序列获取的具体步骤为：

获取日前预测负荷时间序列P_L，然后按照负荷变化趋势分三段进行线性回归得到负荷变化的斜率β_k,k＝1,2,3。

最后获得无线性趋势的预测负荷时间序列，参与优化控制：

式中：P_Load,t为无线性趋势的负荷时间序列，P_L,t为日前负荷预测时间序列，β_t为日前负荷预测时间序列线性回归的斜率。

在本实施例步骤S3中，建立的垃圾焚烧电厂参与调峰的源荷线性协调优化模型，模型以风光出力预测时间序列和去除线性趋势的负荷预测曲线为基础数据，进行日前调度计划优化，以降低系统运行成本为目标；

f₁＝min(C_G(P_g,t)+C_D(ΔP_t)+C_W(ΔP_w,t)) (7)

其中，f₁为系统总运行成本，包括传统机组运行成本C_G(P_g,t)、需求响应成本C_D(ΔP_t)和弃风弃光成本C_W(ΔP_w,t)。

所述传统机组运行成本、需求响应成本和弃风弃光成本目标函数如下式所示：

其中，a,b,c表示传统机组的燃料成本参数；d表示机组出力调节成本参数；ρ为需求响应负荷的单位补偿成本参数，ΔP_t为时段t系统中的需求响应量，即优化得到的预测负荷时间序列P_L,t减去预测负荷；C_W为弃风弃光惩罚参数，ΔP_w,t为时段t的弃风弃光功率，即优化得到的风光新能源出力P_w,t与预测新能源出力的差值。

本实施例在步骤S3中建立的源荷线性协调优化模型时，还设置有源荷线性协调功率平衡约束，源荷线性协调功率平衡约束包含负荷线性回归函数、烟气处理能耗和垃圾焚烧电厂发电。

作为本发明的进一步改进，所述源荷线性协调功率平衡约束如下式所示：

P_g,t+P_W,t+P_G,t-P_Load,t-β_tt-P_α,t＝0,t＝1,...,T (9)

式中：P_g,t为传统火电机组出力，P_W,t为新能源出力，P_G,t为垃圾焚烧电厂出力，P_α,t为烟气处理能耗P_Load,t为无线性趋势的负荷时间序列，β_t为日前负荷预测时间序列线性回归的斜率。

本实施例在步骤S4中，垃圾焚烧电厂参与调峰的源荷线性协调优化方法的具体步骤为：获得日期预测负荷时间序列和风光预测出力时间序列，通过所述线性协调优化模型对所述垃圾焚烧电厂发电和烟气处理设备资源进行优化控制，同时将线性负荷计入传统机组出力，从而减少系统运行成本和弃风弃光。

本实施例中，建立的源荷线性协调优化模型时，还包括传统机组出力和爬坡约束、需求响应负荷约束、垃圾焚烧电厂总出力约束等：

①传统机组约束

传统机组参与调度主要受到出力约束、爬坡出力波动约束。

P_gmin≤P_g,t≤P_gmax (10)

-P_gc≤P_g,t-P_g,t-1≤P_gc (11)

式中：P_gmin为传统火电机组出力下限值，P_gmax为传统火电机组出力上限值，P_gc为最大爬坡功率限制值。

②需求响应负荷约束

各个时段可供调用的需求侧负荷是有限的。

P_Dmin≤ΔP_t≤P_Dmax (12)

式中：P_Dmax和P_Dmin分别表示需求响应负荷的上下限。S_pmax和S_pmin分别表示需求响应负荷在周期T内的总容量上下限。

③垃圾焚烧电厂总出力约束。

垃圾焚烧电厂具有恒定的总出力，可以安排其每个时间间隔的出力大小。

为验证本发明的有效性，选取如图2的电力系统为分析对象，设一个调度周期为24小时，每一个调度时段为30分钟。火电机组总装机容量1500MW，风电装机容量为150MW，光伏装机容量50MW。垃圾焚烧电厂的参数如下：垃圾焚烧电厂装机容量200MW,日总发电量为4000MW，最大出力200MW，烟气排放强度e_α＝0.96，固定烟气处理能耗系数w_α＝0.6；气泵的单位能耗系数w₁＝0.8；最大烟气处理量θ＝180；储气罐最大容量η＝600；储气罐初始储气量200；烟气管道最大流量δ＝100。设一个调度周期为24h，每个调度时段为30min。系统负荷预测曲线和风光联合出力预测曲线如图3所示。需求侧响应的出力限制如表1所示。需求响应负荷的单位调节成本和弃风弃光惩罚取值180元/MW·h。

表1需求响应出力限制

类别	P<sub>Hmin</sub>/MW	P<sub>Hmax</sub>/MW	S<sub>pmin</sub>/MW	S<sub>pmax</sub>/MW
					响应负荷	-80	80	-600	600

首先进行所述改进烟气处理能耗模型与传统烟气处理能耗模型对比由图4可以看出，传统烟气处理系统能耗和处理量成正比，但是实际过程中，处理效率并非常数，故原烟气处理函数无法精确描述处理系统能耗，实际低估了烟气处理系统的整体能耗。而所述改进烟气处理系统能耗模型则更能反应出实际处理系统能耗趋势：当烟气处理量较低时，烟气处理系统能耗会比未改进的能耗高，当烟气处理量比较高时，反而能耗比较低，并且所述能耗模型计及了烟气处理系统气泵能耗，其最大值为80MW，使得烟气处理系统在作为可调负荷时，能得到更加精确的调用。

垃圾焚烧电厂参与调峰的源荷线性协调优化模型以系统总运行成本最小化为目标，设置3种场景进行对比分析，分别为：

场景一：垃圾焚烧电厂不参与调峰时的以系统运行总成本最小为目标时的系统日前协调调度的传统运行方式；

场景二：垃圾焚烧电厂参与调峰时的以系统运行总成本最小为目标时的系统日前协调调度示意图；

场景三：垃圾焚烧电厂参与调峰时的以系统运行总成本最小为目标时的系统日前线性协调调度示意图。

图5为垃圾焚烧电厂不参与调峰时的以系统运行总成本最小为目标时的系统日前协调调度的传统运行方式；图6为垃圾焚烧电厂参与调峰时的以系统运行总成本最小为目标时的系统日前协调调度示意图。图7为垃圾焚烧电厂参与调峰时的以系统运行总成本最小为目标时的系统日前线性协调调度示意图；由以上三幅图可以看出，图7减少了火电机组出力波动。并且考虑到传统机组在实际中出力可在一定范围内爬坡，使得传统机组出力具有线性爬坡特性。需求响应呈现出明显的削峰填谷规律。

表2和表3分别为不同场景下系统运行费用的对比情况和新能源的消纳情况对比，场景一传统优化运行方式机组燃料成本、启停成本、总运行成本均最大，新能源消纳量最小；场景二加入了垃圾焚烧电厂，调节能力增强，且能够为传统机组分担一些调节成本，减少弃风弃光，并且总成本最优。场景三，传统机组出力平稳，机组调节成本有较为显著的下降，并且传统机组出力跟随了日负荷变化规律，减少了需求响应成本，从而系统总运行成本较低，同时新能源消纳率较大。

表2三种场景下运行费用对比

表3三种场景下新能源的消纳情况对比

场景	场景一	场景二	场景三
				新能源消纳量/％	86.5	89.8	93.4

由上述试验结果可得，本实施例利用垃圾焚烧电厂参与调峰，能够使垃圾焚烧电厂获得额外的调峰收益，并且减少传统机组出力调节。通过提出系统调峰的源荷线性协调关系，使传统机组出力具有爬坡性能的线性特点。基于此提出了垃圾焚烧电厂参与系统调峰的源荷线性协调优化模型。随着垃圾焚烧电厂容量增加，可参加电力辅助服务，通过参与系统调峰，获得更高效益。垃圾焚烧电厂的灵活运行、系统调峰和对烟气处理负荷的调控，也是增加需求侧响应能力和消纳新能源的可行措施。

上述只是本发明的较佳实施例，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明。因此，凡是未脱离本发明技术方案的内容，依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均应落在本发明技术方案保护的范围内。

Claims (6)

1.一种垃圾焚烧电厂参与调峰的源荷线性协调优化方法，其特征在于，其步骤包括：

S1.烟气处理装置能耗模型的建立：建立细化后的烟气处理能耗模型；

增加考虑了储气罐进出烟气时的气泵能耗和烟气处理的单位能耗函数；

储气罐进出烟气时的气泵能耗：

P_S,t＝w₁(α_2,t+α_3,t),t＝1,...,T

式中：w₁为气泵的单位能耗系数，α_2,t为时段t焚烧产生的烟气进入储气罐中的烟气量，α_3,t为时段t从储气罐进入反应塔的烟气量，T为周期；

烟气处理的单位能耗函数：

w_α,t＝w_α(1.5-(α_1,t+α_3,t)/θ),t＝1,...,T

上式中：w_α为烟气处理的固定单位能耗系数；θ为单位时段最大烟气处理量；

S2.无线性趋势的负荷时间序列的获取：获取日前负荷预测时间序列，将负荷线性回归，负荷预测时间序列减去线性负荷时间序列，得到无线性趋势的负荷；

S3.构建源荷协调优化模型：建立垃圾焚烧电厂参与调峰的源荷线性协调优化模型，模型以风光出力预测时间序列和去除线性趋势的负荷预测曲线为基础数据，进行日前调度计划优化，以降低系统运行成本为目标；

S4.优化控制：将垃圾焚烧电厂作为调峰资源参与源荷协调优化，通过所述线性协调优化模型对所述垃圾焚烧电厂发电和烟气处理设备资源进行优化控制，同时将线性负荷计入传统机组出力，从而减少系统运行成本和弃风弃光。

2.根据权利要求1所述的垃圾焚烧电厂参与调峰的源荷线性协调优化方法，其特征在于，所述步骤S1建立的细化烟气处理能耗模型包含完整约束；

模型还包含：

进入储气罐的烟气量总和与离开储气罐的烟气量总和应当相等：

入反应塔的烟气量；

储气罐的烟气量不能大于最大储气量：

其中：η为储气罐容量；

且进出烟气管道有最大流量限制：

0≤α_1,t,α_2,t,α_3,t≤δ,t＝1,...,T

其中:δ为烟气管道最大流量。

3.根据权利要求2所述的垃圾焚烧电厂参与调峰的源荷线性协调优化方法，其特征在于，所述步骤S2所获得的无线性趋势的负荷时间序列；

P_Load,t＝P_L,t-β_tt

式中：P_Load,t为无线性趋势的负荷时间序列，P_L,t为日前负荷预测时间序列，β_t为日前负荷预测时间序列线性回归的斜率。

4.根据权利要求3所述的垃圾焚烧电厂参与调峰的源荷线性协调优化方法，其特征在于，

所述步骤S3建立的垃圾焚烧电厂参与调峰的源荷线性协调优化模型，模型以风光出力预测时间序列和去除线性趋势的负荷预测曲线为基础数据，优化日前调度计划，以降低总系统运行成本为目标函数；

总系统运行成本目标函数根据系统总运行成本最小化所确定，其总运行成本为传统机组运行成本、需求响应成本和弃风弃光成本总和；

所述传统机组运行成本目标函数根据传统机组总出力最小化和出力调节最小化两部分所确定。

5.根据权利要求4所述的垃圾焚烧电厂参与调峰的源荷线性协调优化方法，其特征在于，所述步骤S4优化控制，通过所述线性协调优化模型对所述垃圾焚烧电厂发电和烟气处理设备资源进行优化控制，同时将线性负荷计入传统机组出力，从而减少系统运行成本和弃风弃光。

6.根据权利要求1～5中任意一项所述的垃圾焚烧电厂参与调峰的源荷线性协调优化方法，其特征在于，所述步骤S4中垃圾焚烧电厂参与调峰的具体步骤为：系统调度中心通过风光预测出力和预测负荷，通过所述烟气处理能耗函数和所述源荷线性协调优化模型来对垃圾焚烧电厂出力进行优化控制，从而达到系统总运行成本最小的目的。

Images