CN114444785A - 一种燃煤机组深度调峰的深度调度方法及系统 - Google Patents
一种燃煤机组深度调峰的深度调度方法及系统 Download PDFInfo
- Publication number
- CN114444785A CN114444785A CN202210029817.6A CN202210029817A CN114444785A CN 114444785 A CN114444785 A CN 114444785A CN 202210029817 A CN202210029817 A CN 202210029817A CN 114444785 A CN114444785 A CN 114444785A
- Authority
- CN
- China
- Prior art keywords
- coal
- fired unit
- unit
- scheduling
- deep
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 180
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 162
- 238000004364 calculation method Methods 0.000 claims abstract description 34
- 238000005265 energy consumption Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 19
- 238000005086 pumping Methods 0.000 claims description 86
- 230000033228 biological regulation Effects 0.000 claims description 65
- 239000003245 coal Substances 0.000 claims description 44
- 238000002485 combustion reaction Methods 0.000 claims description 37
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 24
- 230000009467 reduction Effects 0.000 claims description 22
- 238000006477 desulfuration reaction Methods 0.000 claims description 18
- 230000023556 desulfurization Effects 0.000 claims description 18
- 230000005611 electricity Effects 0.000 claims description 16
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 12
- 229910052717 sulfur Inorganic materials 0.000 claims description 12
- 239000011593 sulfur Substances 0.000 claims description 12
- 238000010248 power generation Methods 0.000 claims description 11
- 230000009194 climbing Effects 0.000 claims description 6
- 230000003647 oxidation Effects 0.000 claims description 6
- 238000007254 oxidation reaction Methods 0.000 claims description 6
- 238000005299 abrasion Methods 0.000 claims description 5
- 239000004576 sand Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 4
- 210000005258 dental pulp stem cell Anatomy 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 150000001875 compounds Chemical class 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005336 cracking Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004451 qualitative analysis Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/84—Greenhouse gas [GHG] management systems
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Wind Motors (AREA)
Abstract
本发明涉及一种燃煤机组深度调峰的深度调度方法及系统。本发明首先建立了调峰全过程碳排放强度计算模型,在此基础上建立了碳排放交易成本模型,为系统调度低碳性和经济性提供了理论支撑,进而构建目标函数,实现燃煤机组调度,减少燃煤机组深度调峰带来的高能耗和高碳排放,同时改善风电消纳,提升系统综合效益。
Description
技术领域
本发明涉及电力系统技术领域,特别是涉及一种燃煤机组深度调峰的深度调度方法及系统。
背景技术
电力系统减排的的方向主要有两个。一方面继续提升新能源并网消纳水平,另一方面减少燃煤机组的碳排放。而与此同时,以风电为代表的新能源具有随机性、波动性和反调峰特性,在抽蓄等灵活性资源较少的地区,其规模并网会给电力系统带来严重的调峰压力,导致燃煤机组频繁深度调峰,会进一步加大燃煤机组煤耗和碳排放量,不利于系统节能减排发展。
然而,目前关于燃煤机组碳排放的研究,并不能准确反映燃煤机组发电量与碳排放量间的关系,在于大多研究仅针对燃煤机组或电厂自身的碳排放进行定量或定性分析,而鲜有考虑燃煤机组调峰运行过程,从系统调度层面进行研究。同时,碳排放交易机制能从经济性上有效约束燃煤机组的碳排放,但其依赖于燃煤机组碳排放强度的精确计算。当燃煤机组参与深度调峰后,其碳排放强度计算变得更为复杂。因此,有必要从系统调度层面,将燃煤机组经济发电和低碳排放联系起来,实现燃煤机组深度调峰的深度调度。
发明内容
有鉴于此,本发明提供了一种燃煤机组深度调峰的深度调度方法及系统,以从系统调度层面,将燃煤机组经济发电和低碳排放联系起来,实现燃煤机组深度调峰的深度调度。
为实现上述目的,本发明提供了如下方案:
一种燃煤机组深度调峰的深度调度方法,包括如下步骤:
分别建立燃煤机组每个调峰阶段的碳排放强度计算模型,组成燃煤机组的调峰全过程碳排放强度计算模型;所述调峰阶段包括基本调峰阶段、不助燃深度调峰阶段和助燃深度调峰阶段;
基于所述调峰全过程碳排放强度计算模型建立燃煤机组的碳排放交易成本模型;
基于碳排放交易成本模型构建以总调峰成本最小为目标的预调度目标函数和深度调度目标函数;
确定燃煤机组调度的约束条件;
基于所述约束条件求解所述预调度目标函数和深度调度目标函数,对燃煤机组进行预调度和深度调度。
可选的,所述调峰全过程碳排放强度计算模型为:
其中,Mi,t为燃煤机组i在t时刻的碳排放强度,Pi,max、Pi,a、Pi,b和Pi,c分别为燃煤机组i的最大允许出力、最小技术出力、不助燃下最低稳燃出力和助燃下最低稳燃出力,Pi,t为燃煤机组i在t时刻的功率;
Mcoal表示煤耗引起的碳排放强度,Hi为燃煤机组i的供电煤耗,g/kWh;Cc为燃煤含碳统计量,%;为CO2的摩尔质量,44g/mol;MC为碳的摩尔质量,12g/mol;OF(Pi,t)为燃煤机组修正后的碳氧化率,%,Pi,N为燃煤机组i的额定运行功率,MW;
Maux表示运行效率下降引起的碳排放强度,Maux=Hi×(1-ζ(Pi,t)/ζ(Pi,N))×Cq+Hi×(1-ε(Pi,t)/ε(Pi,N))×Cq+αHi×Cq;ζ为锅炉的燃烧效率,%;ε为汽轮机的绝对内效率,%;α为包括减温装置、汽源装置在内的附加装置运行能耗占比,%;Cq为单位电量产生的CO2,t/MWh;
可选的,所述碳排放交易成本模型为:
Gi,t=kc×Pi,tΔt×(Mi,t-ζi);
其中,Gi,t为燃煤机组i在t时刻的碳排放交易成本;kc为碳排放交易价格;Δt为t-1到t的调度时段间隔,取1h;ζi为机组i的碳排放强度基准值。
可选的,所述预调度目标函数为:
其中,T为调度周期;N为参与调度的燃煤机组数量;Ui,t为燃煤机组i在t时刻的运行状态,取1为开机,0为停机;Fi,t为燃煤机组i在t时刻的调峰成本;为燃煤机组i在t时刻的启停机成本;K为参与调度的抽蓄机组的数量,为抽蓄机组k在t时刻的调峰成本;Hw,t为t时刻的弃风惩罚成本;
其次,为燃煤机组i在t时刻的煤耗成本;为燃煤机组i在t时刻的磨损成本;为燃煤机组i在t时刻的等离子点火成本;为燃煤机组i在t时刻的SO2和NOx污染成本;为燃煤机组i在t时刻的深度调峰补偿;ai、bi、ci为燃煤机组i的三个煤耗成本系数;Ni为燃煤机组i的转子致裂周次;δi为燃煤机组i的转子磨损系数;Su为燃煤机组的购机成本;VS和VN分别为SO2和NOx向大气的排放量;Sv为单位体积污染排放惩罚成本;为等离子点火装置运行功率;Se为厂用电价;Sc为单位电量补偿费系数;为t时刻抽蓄机组k的抽水功率;Cprice,t为抽蓄机组的上网电价;为抽蓄机组k的启动与停机成本;θ为弃风惩罚成本系数;为实际并网风电功率;Pw,t为风电预测功率。
可选的,所述深度调度目标函数为:
TRPS、TDPS和TDPSC分别表示减排目标机组处于基本调峰阶段、不助燃深度调峰和助燃深度调峰阶段所对应的时刻,0≤wb<wa<1,所述减排目标机组为N个燃煤机组中碳排放量最大的燃煤机组。
可选的,所述约束条件包括:
燃煤机组功率约束:
xi,tPi,x≤Pi,t≤xi,tPi,max;
其中,Pi,max、Pi,x分别为第i台燃煤机组的功率上限和下限;xi,t为燃煤机组i的开停机状态,1表示运行状态,0表示停机状态,Pi,t为燃煤机组i在t时刻的功率;
燃煤机组开停机时间约束:
燃煤机组爬坡约束:
-αd,iΔT≤Pi,t-Pi,t-1≤αu,iΔT;
αd,i和αu.i分别为燃煤机组i向下和向上爬坡的速率,Pi,t-1表示燃煤机组i在t-1时刻的功率;
正负旋转备用约束:
其中,Pload,t为系统负荷;Rload和Rw分别为系统负荷和风电预测的旋转备用系数,Pw,t为风电预测功率;
抽蓄机组功率约束:
其中,Pg,max和Pg,min分别表示抽蓄机组最大和最小发电功率,Pp,max和Pp,min分别为抽蓄机组最大和最小抽水功率,和分别表示抽蓄机组k发电和抽水工况的布尔变量,和分别表示抽蓄机组k在t时刻的发电功率和抽水功率;
抽蓄机组及电站单一工况约束:
其中,Yt g和Yt p分别是表征电站的发电和抽水工况的布尔变量;
考虑调频容量预留抽蓄电站水库水位及水位变动约束:
系统功率平衡约束:
其中,N为参与调度的燃煤机组数量,K为参与调度的抽蓄机组的数量,Pload,t表示t时刻的负载功率;
风电出力约束:
可选的,所述基于所述约束条件求解所述预调度目标函数和深度调度目标函数,对燃煤机组进行预调度和深度调度,具体包括:
基于所述约束条件求解所述预调度目标函数,对燃煤机组进行预调度,并确定深度调度目标函数中的低碳调用系数的数值;即,确定深度调度目标函数中的低碳调用系数的数值的方式为:根据减排目标机组经预调度后的各时刻功率所处的调峰阶段进行确定的;
基于所述约束条件求解低碳调用系数确定后的深度调度目标函数,对燃煤机组进行深度调度。
一种燃煤机组深度调峰的深度调度系统,包括:
调峰全过程碳排放强度计算模型构建模块,用于分别建立燃煤机组每个调峰阶段的碳排放强度计算模型,组成燃煤机组的调峰全过程碳排放强度计算模型;所述调峰阶段包括基本调峰阶段、不助燃深度调峰阶段和助燃深度调峰阶段;
碳排放交易成本模型构建模块,用于基于所述调峰全过程碳排放强度计算模型建立燃煤机组的碳排放交易成本模型;
目标函数构建模块,用于基于碳排放交易成本模型构建以总调峰成本最小为目标的预调度目标函数和深度调度目标函数;
约束条件确定模块,用于确定燃煤机组调度的约束条件;
调度模块,用于基于所述约束条件求解所述预调度目标函数和深度调度目标函数,对燃煤机组进行预调度和深度调度。
可选的,所述调峰全过程碳排放强度计算模型为:
其中,Mi,t为燃煤机组i在t时刻的碳排放强度,Pi,max、Pi,a、Pi,b和Pi,c分别为燃煤机组i的最大允许出力、最小技术出力、不助燃下最低稳燃出力和助燃下最低稳燃出力,Pi,t为燃煤机组i在t时刻的功率;
Mcoal表示煤耗引起的碳排放强度,Hi为燃煤机组i的供电煤耗,g/kWh;Cc为燃煤含碳统计量,%;为CO2的摩尔质量,44g/mol;MC为碳的摩尔质量,12g/mol;OF(Pi,t)为燃煤机组修正后的碳氧化率,%,Pi,N为燃煤机组i的额定运行功率,MW;
Maux表示运行效率下降引起的碳排放强度,Maux=Hi×(1-ζ(Pi,t)/ζ(Pi,N))×Cq+Hi×(1-ε(Pi,t)/ε(Pi,N))×Cq+αHi×Cq;ζ为锅炉的燃烧效率,%;ε为汽轮机的绝对内效率,%;α为包括减温装置、汽源装置在内的附加装置运行能耗占比,%;Cq为单位电量产生的CO2,t/MWh;
可选的,所述碳排放交易成本模型为:
Gi,t=kc×Pi,tΔt×(Mi,t-ζi);
其中,Gi,t为燃煤机组i在t时刻的碳排放交易成本;kc为碳排放交易价格;Δt为t-1到t的调度时段间隔,取1h;ζi为机组i的碳排放强度基准值。
可选的,所述预调度目标函数为:
其中,T为调度周期;N为参与调度的燃煤机组数量;Ui,t为燃煤机组i在t时刻的运行状态,取1为开机,0为停机;Fi,t为燃煤机组i在t时刻的调峰成本;为燃煤机组i在t时刻的启停机成本;K为参与调度的抽蓄机组的数量,为抽蓄机组k在t时刻的调峰成本;Hw,t为t时刻的弃风惩罚成本;
其次,为燃煤机组i在t时刻的煤耗成本;为燃煤机组i在t时刻的磨损成本;为燃煤机组i在t时刻的等离子点火成本;为燃煤机组i在t时刻的SO2和NOx污染成本;为燃煤机组i在t时刻的深度调峰补偿;ai、bi、ci为燃煤机组i的三个煤耗成本系数;Ni为燃煤机组的转子致裂周次;δi为燃煤机组i的转子磨损系数;Su为燃煤机组的购机成本;VS和VN分别为SO2和NOx向大气的排放量;Sv为单位体积污染排放惩罚成本;为等离子点火装置运行功率;Se为厂用电价;Sc为单位电量补偿费系数;为t时刻抽蓄机组k的抽水功率;Cprice,t为抽蓄机组的上网电价;为抽蓄机组k的启动与停机成本;θ为弃风惩罚成本系数;为实际并网风电功率;Pw,t为风电预测功率。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开一种燃煤机组深度调峰的深度调度方法及系统,包括如下步骤:分别建立燃煤机组每个调峰阶段的碳排放强度计算模型,组成燃煤机组的调峰全过程碳排放强度计算模型;基于所述调峰全过程碳排放强度计算模型建立燃煤机组的碳排放交易成本模型;基于碳排放交易成本模型构建以总调峰成本最小为目标的预调度目标函数和深度调度目标函数;确定燃煤机组调度的约束条件;基于所述约束条件求解所述预调度目标函数和深度调度目标函数,对燃煤机组进行预调度和深度调度。本发明首先建立了调峰全过程碳排放强度计算模型,在此基础上建立了碳排放交易成本模型,为系统调度低碳性和经济性提供了理论支撑,进而构建目标函数,实现燃煤机组调度,减少燃煤机组深度调峰带来的高能耗和高碳排放,同时改善风电消纳,提升系统综合效益。
本发明通过选定系统减排目标机组并依据其调峰阶段,每段对应设计一个低碳调用系数,进而提出计及低碳调用系数的抽蓄辅助燃煤机组深度调峰的深度调度方法,能够有效发挥抽蓄的灵活调峰能力和减排能力,进一步减少燃煤机组深度调峰带来的高能耗和高碳排放,同时改善风电消纳,提升系统综合效益。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中燃煤机组深度调峰的深度调度方法的流程图;
图2为本发明实施例中燃煤机组调峰阶段图;
图3为本发明实施例中燃煤机组碳排放强度与负荷关系示意图;
图4为本发明实施例中调用抽蓄辅助燃煤机组深度调峰策略图;
图5为本发明实施例中风电、负荷预测曲线图;
图6为本发明实施例中CaseA和Case B的抽蓄出力对比图;
图7为本发明实施例中CaseA和Case B的减排目标机组C1出力对比图;
图8为本发明实施例中CaseA和Case B的风电并网功率对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种燃煤机组深度调峰的深度调度方法及系统,以从系统调度层面,将燃煤机组经济发电和低碳排放联系起来,实现燃煤机组深度调峰的深度调度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1所示,本发明所提供的一种燃煤机组深度调峰的深度调度方法,包括如下步骤:
步骤101,分别建立燃煤机组每个调峰阶段的碳排放强度计算模型,组成燃煤机组的调峰全过程碳排放强度计算模型;所述调峰阶段包括基本调峰阶段、不助燃深度调峰阶段和助燃深度调峰阶段。
如图2所示,根据燃煤机组划分的基本调峰(RPS)、不助燃深度调峰(DPS)、助燃深度调峰(DPSC)三个调峰阶段,建立燃煤机组调峰全过程的碳排放强度计算模型,进而建立燃煤机组碳排放交易成本模型,具体包括:
步骤1.1,确定燃煤机组在各调峰阶段由煤耗引起的碳排放强度,记为Mcoal:
式中,Hi为燃煤机组i的供电煤耗,g/kWh;Cc为燃煤含碳统计量,%;为CO2的摩尔质量,44g/mol;MC为碳的摩尔质量,12g/mol;Pi,t为燃煤机组i在t时刻的功率,MW;OF为燃煤机组修正后的碳氧化率,%,
步骤1.2,当燃煤机组运行于DPS、DPSC阶段时,锅炉系统燃烧效率下降、汽轮机运行效率降低、辅助装置额外运行等均会引起碳排放增多,确定由这部分影响所引起的燃煤机组的碳排放强度,记为Maux:
Maux=Hi×(1-ζ(Pi,t)/ζ(Pi,N))×Cq+Hi×(1-ε(Pi,t)/ε(Pi,N))×Cq+αHi×Cq (2)
式中,Pi,N为燃煤机组i的额定运行功率,MW;ζ为锅炉的燃烧效率,%;ε为汽轮机的绝对内效率,%;ζ(Pi,t)/ζ(Pi,N)、ε(Pi,t)/ε(Pi,N)用来近似反映燃煤机组i在DPS阶段相比RPS阶段的锅炉燃烧效率以及汽轮机的绝对内效率的变化影响,其中ζ、ε与Pi,t相关,可通过变工况模型计算与厂家数据拟合获取;α为包括减温装置、汽源装置在内的附加装置运行能耗占比,%;Cq为单位电量产生的CO2,t/MWh。
步骤1.3,同时,当燃煤机组运行于DPSC阶段时,脱硫剂耗量明显增加以及脱硫脱硝装置效率下降会增加机组的碳排放,确定由这部分影响所引起的燃煤机组的碳排放强度,记为Msn:
式中,δS为燃煤含硫量,%;ΔηS为机组脱硫效率,%;MS为硫的摩尔质量,32g/mol;αS为脱硫能耗比例,%;γN为脱硝能耗比例,%。
步骤1.4,如图3所示,在上述步骤1.1、1.2、1.3的基础上,建立燃煤机组调峰全过程的碳排放强度计算模型:
式中,Mi,t为燃煤机组i在t时刻的碳排放强度;Pi,max、Pi,a、Pi,b、Pi,c分别为燃煤机组i的最大允许出力、最小技术出力、不助燃下最低稳燃出力和助燃下最低稳燃出力。
步骤102,基于所述调峰全过程碳排放强度计算模型建立燃煤机组的碳排放交易成本模型。
依据燃煤机组调峰全过程的碳排放强度,对超出或低于碳排放强度基准值的部分进行市场交易,建立燃煤机组碳排放交易成本模型:
Gi,t=kc×Pi,tΔt×(Mi,t-ζi) (5)
式中,Gi,t为燃煤机组i在t时刻的碳排放交易成本;kc为碳排放交易价格;Δt为t-1到t的调度时段间隔,取1h;ζi为机组i的碳排放强度基准值,可依据《2019-2020年全国碳排放权交易配额总量设定与分配实施方案》划分的基准线确定。
步骤103,基于碳排放交易成本模型构建以总调峰成本最小为目标的预调度目标函数和深度调度目标函数。如图4所示,具体包括如下步骤:
步骤3.1,预调度:不计及低碳调用系数,以含燃煤机组碳排放交易成本的系统总调峰成本最小为目标,完成预调度,确定各调度时刻的低碳调用系数取值;
步骤3.1.1,确定所述预调度模型的目标函数:
式中,T为调度周期;N为燃煤机组数量;Ui,t为燃煤机组i在t时刻的运行状态,取1为开机,0为停机;Fi,t为燃煤机组i在t时刻的调峰成本;为燃煤机组i在t时刻的启停机成本;为抽蓄机组k在t时刻的调峰成本;Hw,t为t时刻的弃风惩罚成本。其中:
式中,为燃煤机组i在t时刻的煤耗成本;为燃煤机组i在t时刻的磨损成本;为燃煤机组i在t时刻的等离子点火成本;为燃煤机组i在t时刻的SO2、NOx污染成本;为燃煤机组i在t时刻的深度调峰补偿;ai、bi、ci为经折算后的燃煤机组煤耗成本系数;Nt为燃煤机组的转子致裂周次;δ为燃煤机组的转子磨损系数;Su为燃煤机组的购机成本;VS、VN分别为SO2、NOx向大气的排放量;Sv为单位体积污染排放惩罚成本;为等离子点火装置运行功率;Se为厂用电价;Sc为单位电量补偿费系数;为t时刻第k号抽蓄机组的抽水功率;Cprice,t为抽蓄机组的上网电价;为抽蓄机组的启动与停机成本,取为一致;θ为弃风惩罚成本系数;为实际并网风电功率;Pw,t为风电预测功率。
确定所述深度调度模型的目标函数:
步骤104,确定燃煤机组调度的约束条件;
确定燃煤机组调度的约束条件,包括燃煤机组功率约束、燃煤机组开停机时间约束、燃煤机组爬坡约束和正负旋转备用约束;抽蓄机组功率约束、抽蓄机组及电站单一工况约束、考虑调频容量预留抽蓄电站水库水位及其变动约束;系统功率平衡约束、风电出力约束,具体如下:
燃煤机组功率约束
xi,tPi,x≤Pi,t≤xi,tPi,max (9)
式中,Pi,max、Pi,x分别为第i台燃煤机组的功率上下限,不具备深度调峰能力的Pi,x=Pi,min,具备深度调峰能力的Pi,x=Pi,b;xi,t为燃煤机组i的开停机状态,1表示运行状态,0表示停机状态。
燃煤机组开停机时间约束
燃煤机组爬坡约束
-αd,iΔT≤Pi,t-Pi,t-1≤αu,iΔT (11)
式中,αd,i、αu.i为燃煤机组i向下和向上爬坡的速率。
燃煤机组正负旋转备用约束
式中,Pload,t为系统负荷;Rload、Rw分别为系统负荷、风电预测的旋转备用系数。
抽蓄机组功率约束
式中,Pg,max、Pg,min、Pp,max、Pp,min分别为抽蓄机组最大、最小发电功率与抽水功率。
抽蓄机组及电站单一工况约束
考虑调频容量预留抽蓄电站水库水位及其变动约束
式中,Hmin、Hmax分别为电站上水库水位上下限,均可折算为能量表示;Ht0、Htend分别为调度周期初始时刻和结束时刻上水库的水位值,两者相等代表抽蓄电站调度周期内抽发水量平衡;γp、γg分别为抽蓄机组抽水、发电水量电量转换系数。
系统功率平衡约束
风电出力约束
步骤105,基于所述约束条件求解所述预调度目标函数和深度调度目标函数,对燃煤机组进行预调度和深度调度。
目标函数为混合整数非线性模型,采用分段线性化方法将其转换为混合整数线性模型,并基于MATLAB软件设计仿真程序,通过YALMIP工具包调用CPLEX求解器进行求解。
实施例2
为了再进一步理解本发明,下面以一个系统为例,来解释本发明的实际应用效果。
本实施例采用改进的IEEE39节点系统进行仿真。该系统包含10台燃煤机组、1个风电场和1个抽蓄电站。燃煤机组装机容量共计1662MW,其中C1为典型高能耗机组,作为本例的减排目标机组,C1-C5具备深度调峰能力,C6-C10不具备深度调峰能力,仅参与启停调峰。风电场装机容量600MW,风电渗透率约为25%。抽蓄电站包含2台额定发电和抽水功率均为60MW的抽水蓄能机组。
实施例中参数取值如下:Pa、Pb、Pc均分别取额定功率的50%、40%、30%,δ在DPS、DPSC阶段分别取1.2、1.3,Sc在DPS、DPSC阶段分别取150、180元/MW;α取2%,Cq取0.9183t/(MW·h),δs取0.53%,αS取0.248%,γN取0.392%,ζi取0.798t/(MW·h),kc取150元/t;θ取0.8元/kW·h。
此外,燃煤机组参数如表1所示;风电与负荷预测曲线见图5;抽蓄电站参数及抽蓄的上网电价分别如表2、表3所示。
表1燃煤机组参数
表2抽蓄电站参数
表3抽蓄的上网电价
设置以下两种调度方案:
CaseA:采用抽蓄现行定抽发策略,即抽蓄在1-5h抽水,11-12h和18-19h发电。目标函数相当于深度调度的wt恒等于0。
CaseB:采用本发明所提深度调度策略,包含预调度与深度调度两部分。这里设wa、wb分别为0.9、0.8。
根据算例数据对上述两种调度方案进行仿真,采用CaseB方案下,各调度时刻的低碳调用系数wt的取值由CaseA得到,如表4所示。
表4 Case B方案下各调度时刻的低碳调用系数wt取值
时刻 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 |
w<sub>t</sub> | 0.8 | 0.8 | 0.8 | 0.9 | 0.9 | 0.8 | 0.9 | 0.9 | 1 | 1 | 0.9 | 1 |
时刻 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 |
w<sub>t</sub> | 1 | 1 | 1 | 1 | 1 | 1 | 1 | 0.9 | 1 | 1 | 0.9 | 0.9 |
此外,仿真得到CaseA和Case B的抽蓄出力对比,如图6所示,减排目标机组C1出力对比如图7所示。
从图6中可以看出,相比Case A,采用Case B方案时的抽蓄调用时长最长,抽水、发电调用时长均分别增加了1h、3h,表明所提调度方法能使系统调用抽蓄的效率更高且更灵活。同时,结合图7则可以看出,相比Case A,采用Case B方案时,利用低碳调用系数,能有效发挥抽蓄辅助燃煤机组调峰的作用,使得C1机组出力由DPS、DPSC阶段被提高至RPS阶段,从而可有效降低C1机组的碳排放强度,达到低碳减排的目的。
表5 Case A和Case B方案下的碳排放技术指标
CaseA和Case B方案下的碳排放技术指标如表5所示。可知,采用Case B方案时系统的总碳排放量最小,较Case A减少137.30t。同时,可有效减小机组C1-C5的总深度调峰次数,从而使C1-C5机组的碳排放强度下降明显,尤其对于C1机组,较Case A降低了0.006t/MWh。可见,在Case B方案下,无论是减排目标机组还是其它燃煤机组,系统调度的减排效果得到了明显提高,验证了本发明调度方法的有效性。
表6 Case A和Case B方案下系统成本与弃风率指标
Case A和Case B方案下系统成本与弃风率,以及各时刻的风电并网功率分别如表6、图8所示。可以看出:相比Case A,采用Case B方案时,系统调用抽蓄的时长和功率明显增加,此外,综合成本较Case A减少20.75万元,弃风率降低3.73%,改善了系统整体调峰效果。
实施例3
一种燃煤机组深度调峰的深度调度系统,包括:
调峰全过程碳排放强度计算模型构建模块,用于分别建立燃煤机组每个调峰阶段的碳排放强度计算模型,组成燃煤机组的调峰全过程碳排放强度计算模型;所述调峰阶段包括基本调峰阶段、不助燃深度调峰阶段和助燃深度调峰阶段。
碳排放交易成本模型构建模块,用于基于所述调峰全过程碳排放强度计算模型建立燃煤机组的碳排放交易成本模型。
目标函数构建模块,用于基于碳排放交易成本模型构建以总调峰成本最小为目标的预调度目标函数和深度调度目标函数。
约束条件确定模块,用于确定燃煤机组调度的约束条件。
调度模块,用于基于所述约束条件求解所述预调度目标函数和深度调度目标函数,对燃煤机组进行预调度和深度调度。
其中,所述调峰全过程碳排放强度计算模型为:
其中,Mi,t为燃煤机组i在t时刻的碳排放强度,Pi,max、Pi,a、Pi,b和Pi,c分别为燃煤机组i的最大允许出力、最小技术出力、不助燃下最低稳燃出力和助燃下最低稳燃出力,Pi,t为燃煤机组i在t时刻的功率;
Mcoal表示煤耗引起的碳排放强度,Hi为燃煤机组i的供电煤耗,g/kWh;Cc为燃煤含碳统计量,%;为CO2的摩尔质量,44g/mol;MC为碳的摩尔质量,12g/mol;OF(Pi,t)为燃煤机组修正后的碳氧化率,%,Pi,N为燃煤机组i的额定运行功率,MW;
Maux表示运行效率下降引起的碳排放强度,Maux=Hi×(1-ζ(Pi,t)/ζ(Pi,N))×Cq+Hi×(1-ε(Pi,t)/ε(Pi,N))×Cq+αHi×Cq;ζ为锅炉的燃烧效率,%;ε为汽轮机的绝对内效率,%;α为包括减温装置、汽源装置在内的附加装置运行能耗占比,%;Cq为单位电量产生的CO2,t/MWh;
其中,所述碳排放交易成本模型为:
Gi,t=kc×Pi,tΔt×(Mi,t-ζi);
其中,Gi,t为燃煤机组i在t时刻的碳排放交易成本;kc为碳排放交易价格;Δt为t-1到t的调度时段间隔,取1h;ζi为机组i的碳排放强度基准值。
可选的,所述预调度目标函数为:
其中,T为调度周期;N为参与调度的燃煤机组数量;Ui,t为燃煤机组i在t时刻的运行状态,取1为开机,0为停机;Fi,t为燃煤机组i在t时刻的调峰成本;为燃煤机组i在t时刻的启停机成本;K为参与调度的抽蓄机组的数量,为抽蓄机组k在t时刻的调峰成本;Hw,t为t时刻的弃风惩罚成本;
其次,为燃煤机组i在t时刻的煤耗成本;为燃煤机组i在t时刻的磨损成本;为燃煤机组i在t时刻的等离子点火成本;为燃煤机组i在t时刻的SO2和NOx污染成本;为燃煤机组i在t时刻的深度调峰补偿;ai、bi、ci为燃煤机组i的三个煤耗成本系数;Ni为燃煤机组i的转子致裂周次;δi为燃煤机组i的转子磨损系数;Su为燃煤机组的购机成本;VS和VN分别为SO2和NOx向大气的排放量;Sv为单位体积污染排放惩罚成本;为等离子点火装置运行功率;Se为厂用电价;Sc为单位电量补偿费系数;为t时刻抽蓄机组k的抽水功率;Cprice,t为抽蓄机组的上网电价;为抽蓄机组k的启动与停机成本;θ为弃风惩罚成本系数;为实际并网风电功率;Pw,t为风电预测功率。
综上,本发明首先根据燃煤机组划分的调峰阶段,建立燃煤机组调峰全过程的碳排放强度计算模型,进而建立燃煤机组碳排放交易成本模型;以系统中碳排放量最大的一个燃煤机组作为减排目标机组,依据其三个调峰阶段,每段对应设计一个低碳调用系数;考虑燃煤机组的碳排放交易成本,提出计及低碳调用系数的抽蓄辅助燃煤机组深度调峰的深度调度方法,该方法包含两个步骤,1)预调度:不计及低碳调用系数,以含燃煤机组碳排放交易成本的系统总调峰成本最小为目标,完成预调度,确定各调度时刻的低碳调用系数取值;2)深度调度:利用得到的低碳调用系数修正抽蓄调峰成本,再以修正后的含燃煤机组碳排放交易成本的系统总调峰成本最小为目标,进行优化调度,实现优先调用抽蓄辅助燃煤机组深度调峰。
本发明的抽蓄辅助燃煤机组的深度调度方法能充分发挥抽蓄的调节能力,减少燃煤机组深度调峰次数,从而有效减少燃煤机组的碳排放,降低系统运行成本以及提高风电消纳量。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种燃煤机组深度调峰的深度调度方法,其特征在于,包括如下步骤:
分别建立燃煤机组每个调峰阶段的碳排放强度计算模型,组成燃煤机组的调峰全过程碳排放强度计算模型;所述调峰阶段包括基本调峰阶段、不助燃深度调峰阶段和助燃深度调峰阶段;
基于所述调峰全过程碳排放强度计算模型建立燃煤机组的碳排放交易成本模型;
基于碳排放交易成本模型构建以总调峰成本最小为目标的预调度目标函数和深度调度目标函数;
确定燃煤机组调度的约束条件;
基于所述约束条件求解所述预调度目标函数和深度调度目标函数,对燃煤机组进行预调度和深度调度。
2.根据权利要求1所述的燃煤机组深度调峰的深度调度方法,其特征在于,所述调峰全过程碳排放强度计算模型为:
其中,Mi,t为燃煤机组i在t时刻的碳排放强度,Pi,max、Pi,a、Pi,b和Pi,c分别为燃煤机组i的最大允许出力、最小技术出力、不助燃下最低稳燃出力和助燃下最低稳燃出力,Pi,t为燃煤机组i在t时刻的功率;
Mcoal表示煤耗引起的碳排放强度,Hi为燃煤机组i的供电煤耗,g/kWh;Cc为燃煤含碳统计量,%;MCO2为CO2的摩尔质量,44g/mol;MC为碳的摩尔质量,12g/mol;OF(Pi,t)为燃煤机组修正后的碳氧化率,%,Pi,N为燃煤机组i的额定运行功率,MW;
Maux表示运行效率下降引起的碳排放强度,Maux=Hi×(1-ζ(Pi,t)/ζ(Pi,N))×Cq+Hi×(1-ε(Pi,t)/ε(Pi,N))×Cq+αHi×Cq;ζ为锅炉的燃烧效率,%;ε为汽轮机的绝对内效率,%;α为包括减温装置、汽源装置在内的附加装置运行能耗占比,%;Cq为单位电量产生的CO2,t/MWh;
3.根据权利要求2所述的燃煤机组深度调峰的深度调度方法,其特征在于,所述碳排放交易成本模型为:
Gi,t=kc×Pi,tΔt×(Mi,t-ζi);
其中,Gi,t为燃煤机组i在t时刻的碳排放交易成本;kc为碳排放交易价格;Δt为t-1到t的调度时段间隔,取1h;ζi为机组i的碳排放强度基准值。
4.根据权利要求3所述的燃煤机组深度调峰的深度调度方法,其特征在于,所述预调度目标函数为:
其中,T为调度周期;N为参与调度的燃煤机组数量;Ui,t为燃煤机组i在t时刻的运行状态,取1为开机,0为停机;Fi,t为燃煤机组i在t时刻的调峰成本;为燃煤机组i在t时刻的启停机成本;K为参与调度的抽蓄机组的数量,为抽蓄机组k在t时刻的调峰成本;Hw,t为t时刻的弃风惩罚成本;
其次,为燃煤机组i在t时刻的煤耗成本;为燃煤机组i在t时刻的磨损成本;为燃煤机组i在t时刻的等离子点火成本;为燃煤机组i在t时刻的SO2和NOx污染成本;为燃煤机组i在t时刻的深度调峰补偿;ai、bi、ci为燃煤机组i的三个煤耗成本系数;Ni为燃煤机组i的转子致裂周次;δi为燃煤机组i的转子磨损系数;Su为燃煤机组的购机成本;VS和VN分别为SO2和NOx向大气的排放量;Sv为单位体积污染排放惩罚成本;为等离子点火装置运行功率;Se为厂用电价;Sc为单位电量补偿费系数;为t时刻抽蓄机组k的抽水功率;Cprice,t为抽蓄机组的上网电价;为抽蓄机组k的启动与停机成本;θ为弃风惩罚成本系数;为实际并网风电功率;Pw,t为风电预测功率。
6.根据权利要求1所述的燃煤机组深度调峰的深度调度方法,其特征在于,所述约束条件包括:
燃煤机组功率约束:
xi,tPi,x≤Pi,t≤xi,tPi,max;
其中,Pi,max、Pi,x分别为第i台燃煤机组的功率上限和下限;xi,t为燃煤机组i的开停机状态,1表示运行状态,0表示停机状态,Pi,t为燃煤机组i在t时刻的功率;
燃煤机组开停机时间约束:
燃煤机组爬坡约束:
-αd,iΔT≤Pi,t-Pi,t-1≤αu,iΔT;
αd,i和αu.i分别为燃煤机组i向下和向上爬坡的速率,Pi,t-1表示燃煤机组i在t-1时刻的功率;
正负旋转备用约束:
其中,Pload,t为系统负荷;Rload和Rw分别为系统负荷和风电预测的旋转备用系数,Pw,t为风电预测功率;
抽蓄机组功率约束:
其中,Pg,max和Pg,min分别表示抽蓄机组最大和最小发电功率,Pp,max和Pp,min分别为抽蓄机组最大和最小抽水功率,和分别表示抽蓄机组k发电和抽水工况的布尔变量,和分别表示抽蓄机组k在t时刻的发电功率和抽水功率;
抽蓄机组及电站单一工况约束:
其中,Yt g和Yt p分别是表征电站的发电和抽水工况的布尔变量;
考虑调频容量预留抽蓄电站水库水位及水位变动约束:
其中,Hmin和Hmax分别为电站上水库水位上限和下限;Ht0和Htend分别为调度周期初始时刻和结束时刻上水库的水位值;γp和γg分别为抽蓄机组抽水和发电水量电量转换系数;
系统功率平衡约束:
其中,N为参与调度的燃煤机组数量,K为参与调度的抽蓄机组的数量,Pload,t表示t时刻的负载功率;
风电出力约束:
7.根据权利要求1所述的燃煤机组深度调峰的深度调度方法,其特征在于,所述基于所述约束条件求解所述预调度目标函数和深度调度目标函数,对燃煤机组进行预调度和深度调度,具体包括:
基于所述约束条件求解所述预调度目标函数,对燃煤机组进行预调度,并确定深度调度目标函数中的低碳调用系数的数值;
基于所述约束条件求解低碳调用系数确定后的深度调度目标函数,对燃煤机组进行深度调度。
8.一种燃煤机组深度调峰的深度调度系统,其特征在于,包括:
调峰全过程碳排放强度计算模型构建模块,用于分别建立燃煤机组每个调峰阶段的碳排放强度计算模型,组成燃煤机组的调峰全过程碳排放强度计算模型;所述调峰阶段包括基本调峰阶段、不助燃深度调峰阶段和助燃深度调峰阶段;
碳排放交易成本模型构建模块,用于基于所述调峰全过程碳排放强度计算模型建立燃煤机组的碳排放交易成本模型;
目标函数构建模块,用于基于碳排放交易成本模型构建以总调峰成本最小为目标的预调度目标函数和深度调度目标函数;
约束条件确定模块,用于确定燃煤机组调度的约束条件;
调度模块,用于基于所述约束条件求解所述预调度目标函数和深度调度目标函数,对燃煤机组进行预调度和深度调度。
9.根据权利要求8所述的燃煤机组深度调峰的深度调度系统,其特征在于,所述调峰全过程碳排放强度计算模型为:
其中,Mi,t为燃煤机组i在t时刻的碳排放强度,Pi,max、Pi,a、Pi,b和Pi,c分别为燃煤机组i的最大允许出力、最小技术出力、不助燃下最低稳燃出力和助燃下最低稳燃出力,Pi,t为燃煤机组i在t时刻的功率;
Mcoal表示煤耗引起的碳排放强度,Hi为燃煤机组i的供电煤耗,g/kWh;Cc为燃煤含碳统计量,%;MCO2为CO2的摩尔质量,44g/mol;MC为碳的摩尔质量,12g/mol;OF(Pi,t)为燃煤机组修正后的碳氧化率,%,Pi,N为燃煤机组i的额定运行功率,MW;
Maux表示运行效率下降引起的碳排放强度,Maux=Hi×(1-ζ(Pi,t)/ζ(Pi,N))×Cq+Hi×(1-ε(Pi,t)/ε(Pi,N))×Cq+αHi×Cq;ζ为锅炉的燃烧效率,%;ε为汽轮机的绝对内效率,%;α为包括减温装置、汽源装置在内的附加装置运行能耗占比,%;Cq为单位电量产生的CO2,t/MWh;
10.根据权利要求9所述的燃煤机组深度调峰的深度调度系统,其特征在于,所述碳排放交易成本模型为:
Gi,t=kc×Pi,tΔt×(Mi,t-ζi);
其中,Gi,t为燃煤机组i在t时刻的碳排放交易成本;kc为碳排放交易价格;Δt为t-1到t的调度时段间隔,取1h;ζi为机组i的碳排放强度基准值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210029817.6A CN114444785A (zh) | 2022-01-12 | 2022-01-12 | 一种燃煤机组深度调峰的深度调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210029817.6A CN114444785A (zh) | 2022-01-12 | 2022-01-12 | 一种燃煤机组深度调峰的深度调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114444785A true CN114444785A (zh) | 2022-05-06 |
Family
ID=81368369
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210029817.6A Pending CN114444785A (zh) | 2022-01-12 | 2022-01-12 | 一种燃煤机组深度调峰的深度调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114444785A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114996644A (zh) * | 2022-06-10 | 2022-09-02 | 西安交通大学 | 一种凝汽机组变工况碳排放特性曲线拟合方法 |
CN115563815A (zh) * | 2022-11-11 | 2023-01-03 | 国网江苏省电力有限公司电力科学研究院 | 双高电力系统碳排放流时空演变模拟计算方法及装置 |
-
2022
- 2022-01-12 CN CN202210029817.6A patent/CN114444785A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114996644A (zh) * | 2022-06-10 | 2022-09-02 | 西安交通大学 | 一种凝汽机组变工况碳排放特性曲线拟合方法 |
CN114996644B (zh) * | 2022-06-10 | 2024-04-09 | 西安交通大学 | 一种凝汽机组变工况碳排放特性曲线拟合方法 |
CN115563815A (zh) * | 2022-11-11 | 2023-01-03 | 国网江苏省电力有限公司电力科学研究院 | 双高电力系统碳排放流时空演变模拟计算方法及装置 |
CN115563815B (zh) * | 2022-11-11 | 2023-11-28 | 国网江苏省电力有限公司电力科学研究院 | 双高电力系统碳排放流时空演变模拟计算方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yin et al. | Economic and environmental effects of peak regulation using coal-fired power for the priority dispatch of wind power in China | |
CN105006844B (zh) | 一种间歇式发电并网条件下的电力系统日前鲁棒调度系统 | |
CN111555281B (zh) | 一种电力系统灵活性资源配置仿真方法及装置 | |
CN114444785A (zh) | 一种燃煤机组深度调峰的深度调度方法及系统 | |
CN113162025B (zh) | 一种含需求响应的电气互联网络分散式低碳经济调度方法 | |
CN111950808B (zh) | 基于综合需求响应的综合能源系统随机鲁棒优化运行方法 | |
CN109586284B (zh) | 考虑弃能约束的送端电力系统随机生产模拟方法及应用 | |
CN111210079B (zh) | 一种分布式能源虚拟电厂运行优化方法及系统 | |
CN106684928B (zh) | 一种基于调峰成本的电网调峰裕度计算方法 | |
CN113742944A (zh) | 一种考虑电制氢系统的虚拟电厂建模方法 | |
CN112529405A (zh) | 计及动态价格奖惩因子的电热气综合能源调度方法和系统 | |
CN114899879A (zh) | 一种考虑供需双侧灵活性资源的电力系统优化调度方法 | |
CN114881328A (zh) | 计及气网混氢和低碳奖励的综合能源系统经济调度方法 | |
CN116826867B (zh) | 提升源荷多元调峰主动性的优化调度及费用补偿分摊方法 | |
CN117649119A (zh) | 基于vcg理论的清洁能源碳减排价值评估方法 | |
CN115496378B (zh) | 一种计入风能减排效益的电力系统经济调度方法 | |
CN114389262B (zh) | 一种弹性环境下基于鲁棒优化的区域电网调度方法 | |
CN114583766B (zh) | 面向风电消纳的海上油气平台能源系统低碳运行调度方法 | |
CN114021981A (zh) | 一种基于静态负荷分配表的厂内经济运行方法 | |
CN115630748A (zh) | 一种煤电机组多阶段退役电源优化规划方法、介质及系统 | |
CN115296345A (zh) | 一种燃气发电机组启停-出力-备用联合优化方法及装置 | |
CN114925892A (zh) | 水电与电转气结合的中长期风水火发电量双层规划方法 | |
CN110571861B (zh) | 一种发电机组的输出电量的确定方法及装置 | |
CN112072679B (zh) | 一种考虑柔性有功功率约束的源网荷储协调优化方法 | |
CN113919676A (zh) | 计及需求响应与电制氢系统的虚拟电厂运行效果评估方法 |
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 |