CN115276088A - 一种联合发电系统中光热电站储热容量优化配置方法 - Google Patents

Abstract

本发明公开了一种联合发电系统中光热电站储热容量优化配置方法，该方法包括：针对光伏出力预测和负荷预测的不确定性，采用场景分析法获取出现概率最大的光伏出力预测值和负荷预测值；建立光热电站储热容量两阶段优化配置模型；在第一阶段中，以光热电站综合投资成本最低为优化目标，求解得到最优光热电站镜场面积和储热系统最大储热容量；在第二阶段中，以联合发电系统的经济效益最大和电能供需差波动最小作为优化目标，结合获得的光伏出力预测值和负荷预测值及最优镜场面积与最大储热容量、计算得到每个时段最优的储热量；通过本方法可以最大化地平抑电能供需差的波动，提高整个系统的运行效益。

Description

一种联合发电系统中光热电站储热容量优化配置方法

技术领域

本发明涉及光热电站储热容量配置技术领域，特别涉及一种联合发电系统中光热电站储热容量优化配置方法。

背景技术

当前能源短缺、环境污染已成为全世界公认的头号问题，制约着人类发展的速度。作为解决此类问题的关键，以太阳能为代表的新能源发电得到了迅速的发展。但由于光伏发电过多依赖于天气的状况，造成其出力的随机性与不确定性。光伏发电出力的随机性与不确定性势必限制其大规模并网发电。

相较于光伏发电，光热发电作为新兴的发电技术，因其配置有大容量的储热系统，可以灵活地调节其出力。在光伏电站附近建设光热电站形成光伏-光热联合发电将成为常见的能源开发形式。

为了利用光热电站的出力来缓解光伏出力的不确定性，需要对联合发电系统中的光热电站的储热容量进行合理的配置。

现有的关于光热电站储热容量优化配置，存在着以下几点不足：(1)在光热电站的个体优化中，常以平准化度电成本最低为优化目标，设立固定的太阳倍数来优化储热时间，未将太阳倍数作为决策变量去优化；(2)在联合发电系统中光热电站储热容量优化配置，常以综合成本最低为优化目标去优化储热容量，但这类发明中又未考虑光伏出力、负荷预测的不确定性。

发明内容

本发明的目的在于克服现有技术的缺陷，并为此提供一种联合发电系统中光热电站储热容量优化配置方法，该方法可以在光伏-光热组成的联合发电系统中，利用光热电站的出力来缓解光伏出力的不确定性造成的电能供需差距的波动，针对光伏预测出力、负荷预测的不确定性，本发明采用场景分析法来描述；并建立了光热电站储热容量两阶段优化配置模型，可以计算出每个时段最优的储热量；进而可以最大限度地提高光伏上网电量，同时提高整个系统的运行效益。

为实现上述目的，本发明采取的技术方案为：

本发明提供一种联合发电系统中光热电站储热容量优化配置方法，包括以下步骤：

S1、针对光伏出力预测和负荷预测的不确定性，采用场景分析法获得出现概率最大的光伏出力预测值和负荷预测值；

S2、建立光热电站储热容量两阶段优化配置模型；

S3、基于光热电站储热容量两阶段优化配置模型，在第一阶段中，建立光热电站综合投资成本最低的目标函数，求解得到最优太阳倍数与储热时间，结合光热电站的太阳倍数模型与储热时间模型，进而得到光热电站的最优镜场面积与储热系统的最大储热容量；

S4、在第二阶段中，建立联合发电系统的经济效益最大的目标函数和电能供需差波动最小的目标函数，结合场景分析法获得的光伏出力预测值和负荷预测值以及第一阶段求得的所述最优镜场面积与所述最大储热容量，计算得到每个时段最优的储热量。

进一步地，所述步骤S1中，所述采用场景分析法获取出现概率最大的光伏出力预测值和负荷预测值，具体为：

构建光伏出力预测误差和负荷预测误差的概率密度函数；

根据所述概率密度函数，采用拉丁超立方抽样的方法来生成光伏出力预测及负荷预测的初始场景；

采用k-means算法将生成的所述初始场景进行缩减，获得出现概率最大的光伏出力预测值和负荷预测值。

进一步地，所述步骤S3中，所述光热电站综合投资成本最低的目标函数为：

min f₁＝F_SF+F_TES+F_PB

式中，f₁为光热电站综合投资成本折现值；F_SF为集热系统投资成本折现值；F_TES为储热系统投资成本折现值；F_PB为发电系统投资成本折现值；具体表达式如下：

F_SF＝C^SFS^Mδ_CRF(r,n)

F_TES＝C^TESh^TESδ_CRF(r,n)

F_PB＝C^PBP^CSP

式中，C^SF为光热电站太阳倍数投资成本；S^M为光热电站太阳倍数；C^TES为光热电站储热时间投资成本，h^TES为光热电站储热时间；C^PB为光热电站发电系统单位容量投资成本；P^CSP为光热电站额定容量；δ_CRF(r,n)为等年值折算系数；r为贴现率；n为光热电站运行年限；

通过求解所述综合投资成本最低的目标函数，确定最优F_SF与F_TES；

根据所述最优F_SF与F_TES，确定光热电站的最优太阳倍数S^M与储热时间h^TES。

进一步地，所述步骤S3中，所述光热电站的最优镜场面积与储热系统的最大储热容量的获取过程具体为：

将所述最优太阳倍数S^M与储热时间h^TES分别带入太阳倍数模型与储热时间模型中，求解得到光热电站的最优镜场面积与储热系统的最大储热容量。

进一步地，所述太阳倍数模型为：

式中，S^M为太阳倍数；S_SF为镜场面积；I^DNI为标准工况下太阳直接辐射强度；η_PB为发电系统热电转换效率；η_SF为集热系统光热转换效率；

所述储热时间模型为：

式中，h^TES为储热时间；η_dis为储热系统放热效率；

为储热系统最大储热容量。

进一步地，所述步骤S4中，所述联合发电系统的经济效益最大的目标函数为：

max f₂＝F₁+F₂-F₃-F₄

式中，f₂表示联合系统运行效益；F₁表示联合系统市场售电效益；F₂表示联合系统并网环境效益；F₃表示光伏弃光惩罚成本；F₄表示联合系统运行维护成本；具体表达式如下：

式中，T表示调度时段；

表示t时刻市场售电的分时电价；C^price为光热电站市场售电电价；P_t ^pv、P_t ^csp分别表示t时刻光伏、光热实际出力；K_pv、K_csp分别表示光伏、光热并网环境效益系数；

表示光伏弃光惩罚成本系数；C_pv、C_TES和C_PB分别表示光伏、光热电站储热系统和光热电站发电系统运维成本系数。

进一步地，所述步骤S4中，所述电能供需差波动最小的目标函数，由等效负荷方差最小的目标函数来表示，具体为：

P_lt＝P_Lt-P_t ^pv-P_t ^csp

式中，f₃表示等效负荷方差；P_lt表示t时刻等效负荷值；P_lt.av表示t时刻等效负荷平均值；P_Lt表示t时刻负荷预测值；T表示调度时段。

与现有技术相比，本发明具有如下有益效果：

该方法可以在光伏-光热组成的联合发电系统中，便于利用光热电站的出力来缓解光伏出力的不确定性造成的电能供需差距的波动，针对光伏预测出力、负荷预测的不确定性，本发明采用场景分析法来描述；并建立了光热电站储热容量两阶段优化配置模型，第一阶段以光热电站综合投资成本最低为优化目标；可以获取光热电站的最优太阳倍数与储热时间，根据最优太阳倍数与储热时间可以计算出光热电站的最优镜场面积与最大储热容量；第二阶段以联合发电系统的经济效益最大和电能供需差波动最小为优化目标，可以计算出每个时段最优的储热容量；进而可以最大限度地提高光伏上网电量，同时提高整个系统的运行效益。

附图说明

图1为本发明提供的一种联合发电系统中光热电站储热容量优化配置方法的流程图。

图2为本发明实施例提供的光伏-光热联合发电系统的结构图。

图3为本发明实施例提供的光热电站能量流动示意图。

图4为本发明实施例提供的光伏出力预测初始场景示意图。

图5为本发明实施例提供的负荷预测初始场景示意图。

图6为本发明实施例提供的光伏出力预测典型场景示意图。

图7为本发明实施例提供的负荷预测典型场景示意图。

图8为本发明实施例提供的光热电站各时段储热容量与充、放热功率的示意图。

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。

参见图1所示，本发明实施例提供了一种联合发电系统中光热电站储热容量优化配置方法，具体方法如下：

S1、针对光伏出力预测和负荷预测的不确定性，采用场景分析法获得出现概率最大的光伏出力预测值和负荷预测值；

S2、建立光热电站储热容量两阶段优化配置模型；

S3、基于光热电站储热容量两阶段优化配置模型，在第一阶段中，建立光热电站综合投资成本最低的目标函数，求解得到最优太阳倍数与储热时间，结合光热电站的太阳倍数模型与储热时间模型，进而得到光热电站的最优镜场面积与储热系统的最大储热容量；

S4、在第二阶段中，建立联合发电系统的经济效益最大的目标函数和电能供需差波动最小的目标函数，结合场景分析法获得的光伏出力预测值和负荷预测值以及第一阶段求得的所述最优镜场面积与所述最大储热容量，计算得到每个时段最优的储热量。

下面分别对上述各个步骤进行详细的说明，本发明实施例整体方法如下：

首先需要说明的是：本实施例中的联合发电系统为光伏-光热联合发电系统，其结构如图2所示，该系统主要由光伏发电系统、光热发电系统组成。其中，光热发电系统主要由集热子系统、储热子系统、发电子系统构成。

光热电站靠传热介质作为能量的传递媒介，进而完成整个运行过程；其能量流动过程如图3所示；

图3中：I_t ^DNI为t时刻太阳直接辐射强度；I_t ^DNI,curt为t时刻的弃光量；P_t ^curt为t时刻舍弃的热功率；P_t ^SF为t时刻从集热系统中获取到的热能；P_t ^SP为t时刻从集热系统供给发电系统的热能；P_t ^ST为t时刻从集热系统储存在储热系统中的热能；P_t ^TP为t时刻由储热系统传递至发电系统中的热能；P_t ^CSP为t时刻发电系统输出的电功率；η_SF为集热系统光热转换效率；η_PB为发电系统热电转换效率；η_cha为储热系统储热效率；η_dis为储热系统放热效率。

进一步地，本实施例中，针对光伏出力预测和负荷预测的不确定性，采用场景分析法获取出现概率最大的光伏出力预测值和负荷预测值，具体包括：

构建光伏出力预测误差和负荷预测误差的概率密度函数；

进一步地，根据概率密度函数，采用拉丁超立方抽样的方法来生成光伏出力预测及负荷预测的初始场景；采用k-means算法将生成的大量初始场景进行缩减，选取出现概率最大的光伏出力预测值和负荷预测值。

进一步地，光热电站因配有大容量的储热系统，在光伏-光热联合发电系统中，可以平抑联合系统的短期出力波动。因此，建立光热电站储热容量两阶段优化配置模型。

在本实施例中，第一阶段优化配置模型为：

建立光热电站综合投资成本最低的目标函数，表示为：

min f₁＝F_SF+F_TES+F_PB (1)

式中，f₁为光热电站综合投资成本折现值；F_SF为集热系统投资成本折现值；F_TES为储热系统投资成本折现值；F_PB为发电系统投资成本折现值；

具体表达式如下：

F_SF＝C^SFS^Mδ_CRF(r,n) (2)

F_TES＝C^TESh^TESδ_CRF(r,n) (3)

F_PB＝C^PBP^CSP (4)

式中，C^SF为光热电站太阳倍数投资成本；S^M为光热电站太阳倍数；C^TES为光热电站储热时间投资成本，h^TES为光热电站储热时间；太阳倍数和储热时间为光热电站规划建造过程中的重要指标；C^PB为光热电站发电系统单位容量投资成本；P^CSP为光热电站额定容量；δ_CRF(r,n)为等年值折算系数；r为贴现率；n为光热电站运行年限。

通过求解目标函数min f₁＝F_SF+F_TES+F_PB，可以确定最优F_SF和F_TES；根据F_SF＝C^SFS^Mδ_CRF(r,n)，求得光热电站的最优太阳倍数S^M；根据F_TES＝C^TESh^TESδ_CRF(r,n)，确定光热电站的最优储热时间h^TES；

通常采用太阳倍数来描述光场面积，太阳倍数是指在标准工况下(DNI为950W/m2，风速为5m/s，温度为25℃)聚光集热系统产生的热功率与发电系统在额定出力情况下所需热功率之比，一般大于1；

本实施例中，针对集热环节建立的太阳倍数模型为：

式中，S^M为太阳倍数；S_SF为镜场面积；I^DNI为标准工况下太阳直接辐射强度；η_PB为发电系统热电转换效率；η_SF为集热系统光热转换效率；P^CSP为光热电站额定输出功率。

本实施例中，针对储热环节建立的储热时间模型为：

式中，h^TES为储热时间；η_dis为储热系统放热效率；

、为储热系统最大储热容量。

进一步地，根据上述目标函数求得的最优太阳倍数S^M和给定的光热电站额定容量P^CSP，代入太阳倍数模型中进一步求得最优镜场面积S_SF。

进一步地，根据上述目标函数求得的储热时间h^TES和给定的光热电站额定容量P^CSP，代入储热时间模型求得储热系统的最大储热容量

进一步地，第二阶段优化配置模型为：

建立联合发电系统的经济效益最大的目标函数，表示为：

max f₂＝F₁+F₂-F₃-F₄ (8)

式中，f₂表示联合系统运行效益；F₁表示联合系统市场售电效益；F₂表示联合系统并网环境效益；F₃表示光伏弃光惩罚成本；F₄表示联合系统运行维护成本；具体表达式如下：

式中，T表示调度时段；

表示t时刻市场售电的分时电价；C^price为光热电站市场售电电价；P_t ^pv、P_t ^csp分别表示t时刻光伏、光热实际出力；K_pv、K_csp分别表示光伏、光热并网环境效益系数；

表示光伏弃光惩罚成本系数；C_pv、C_TES和C_PB分别表示光伏、光热电站储热系统和光热电站发电系统运维成本系数。

约束条件为：

基于上述图3的光热电站能流图，将传热介质看作成一个节点，忽略在传热介质中的能量损失；

则光热电站内部瞬时热功率平衡约束为：

P_t ^SF+P_t ^TP＝P_t ^ST+P_t ^SP (13)

式中，P_t ^SF为t时刻从集热系统中获取到的热能；P_t ^TP为t时刻由储热系统传递至发电系统中的热能；P_t ^ST为t时刻从集热系统储存在储热系统中的热能；P_t ^SP为t时刻从集热系统供给发电系统的热能。

光热电站集热环节约束为：

集热系统t时刻将太阳能转化成的热能：

P_t ^{thr solar}＝η_SFS_SFI^DNI _t (14)

式中：η_SF为光-热转化效率；S_SF为镜场面积；I^DNI _t为t时刻的光照直接辐射指数DNI。

光热电站储热环节中储热系统热能平衡约束为：

E_t ^TES＝(1-γ^TES)E_t-1 ^TES+(P_t ^cha-P_t ^dis)Δt (15)

式中，E_t ^TES为t时刻储热系统储热容量；E_t-1 ^TES为t-1时刻储热系统储热容量；P_t ^cha、P_t ^dis分别为t时刻光热电站储热与放热功率；γ^TES为热耗散系数；Δt为时间间隔。

储热系统t时刻储热容量约束：

式中，

分别为储热系统最大、最小储热容量。

光热电站储热系统在储热与放热的过程中都会伴随着热量的损失，可以通过引入储热效率与放热效率来描述，即：

P_t ^cha＝η_chaP_t ^ST (17)

式中，η_cha、η_dis分别为光热电站储热系统的储热效率、放热效率。

光热电站储热系统储热、放热功率不能同时进行且放热状态只有在机组启动时发生：

式中，

分别为储热系统最大储热、放热功率；

分别为储、放热二进制变量，1表示系统储热，0表示系统放热；

为光热电站的工作状态变量。

发电系统输入的热功率和输出电功率之间的函数关系约束为：

P_t ^SP≈f(P_t ^csp)＝P_t ^csp/η_PB+U_t ^PBE^PB,SU (20)

式中，P_t ^SP为t时刻从集热系统供给发电系统的热能；P_t ^CSP为t时刻发电系统输出的电功率；U_t ^PB为t时刻光热电站的状态；E^PB,SU为光热电站开始发电所需的启动能量；

光热电站出力约束为：

式中，

为光热电站的工作状态变量；

分别为光热电站的最大、最小出力；

光热机组最小启、停时间约束为：

式中，

分别为光热机组最小启、停时间；

光热机组的爬坡速率约束为：

式中，

分别为光热机组向上、向下爬坡速率。

进一步地，建立光伏-光热联合发电系统的电能供需差波动最小的目标函数，由等效负荷方差最小的目标函数来表示，具体为：

P_lt＝P_Lt-P_t ^pv-P_t ^csp (25)

式中，f₃表示等效负荷方差；P_lt表示t时刻等效负荷值；P_lt.av表示t时刻等效负荷平均值；P_Lt表示t时刻负荷预测值；T表示调度时段。

约束条件为：

功率平衡约束：

P_t ^pv+P_t ^csp+P_lt＝P_Lt (27)

式中，P_t ^pv表示t时刻光伏电站实际出力；P_t ^csp表示t时刻光热电站实际出力；

光伏出力约束模型为：

式中，

表示光伏预测出力。

本实施例中，太阳倍数S^M由步骤S3中求解第一阶段的光热电站综合投资成本最低的目标函数获得。太阳倍数S^M与镜场面积S_SF的关系如公式(6)所示。将最优太阳倍数代入公式(6),进而可以确定光热电站的最优镜场面积S_SF。通过求解光热电站综合投资成本最低的目标函数，还可以获得光热电站的最优储热时间h^TES，将最优储热时间h^TES代入公式(7)中可以得到储热系统的最大储热容量

进一步地，在第二阶段模型中，以联合发电系统经济效益最大和电能供需差波动最小为优化目标，以场景分析法获得的光伏出力预测值和负荷预测值以及第一阶段求得的最优镜场面积与最大储热容量，作为第二阶段t时刻储热量、发电量以及运维成本的约束条件，并兼顾上述各种约束条件，可以确定各时段光热最优发电占比，则每个时段的最优储热容量也随之确定，进而可以最大化地平抑电能供需差的波动，提高整个系统的运行效益。

下面以装机容量为100MW的光伏电站以及装机容量为100MW的光热电站为例对本发明方法进行说明。

本实施例中，光热电站聚光集热系统单位面积投资成本为1000元/m²，光热电站储热系统单位容量投资成本为3×10⁴元/MWh，光热电站发电系统投资成本8000元/kW。光伏电站市场售电电价为0.9元/KWh，光热电站市场售电电价为1.2元/KWh。光伏、光热并网环境效益系数K_pv＝K_csp＝230元/MW，弃光惩罚成本系数取1000元/MW，光伏、光热电站运维成本系数分别取20元/MW、30元/MW。光热电站运行参数如表1所示。

表1光热电站运行参数

采用光伏电站某一典型日预测出力与实际出力数据，数据每1小时采集一次。通过对光伏预测误差及负荷预测误差统计分析，本发明采用拉丁超立方抽样生成960个随机预测误差，再结合预测误差与实际值之间的关系，可得到40组光伏出力预测与负荷预测值。光伏出力预测、负荷预测初始场景生成分别如图4、图5所示。

通过k-means算法，对光伏出力预测、负荷预测初始场景进行缩减；可得到典型的光伏出力预测场景、负荷预测场景；分别如图6、7所示。每个典型场景出现的概率分别如表2、表3所示。

表2光伏出力预测典型场景概率

聚类数	Z1	Z2	Z3	Z4	Z5
						占比	12.5％	42.5％	20％	17.5％	7.5％

表3负荷预测典型场景概率

聚类数	Z1	Z2	Z3	Z4	Z5
						占比	5％	17.5％	30％	12.5％	3.5％

本发明提出的光伏-光热联合发电系统中光热电站储热容量两阶段优化配置模型是一个混合整数规划问题，借助MATLAB软件，调用CPLEX求解器求解此模型。通过对第一阶段模型求解可得到最优的太阳倍数与储热时间。

为了分析光热电站集热系统中镜场面积对储热系统中储热容量的影响，本发明统计了不同的太阳倍数对应的储热时长，结果如表4所示。

表4不同的太阳倍数对应的储热时长

太阳倍数	储热时间/h	系统运行效益/10<sup>6</sup>元	弃光惩罚成本/10<sup>3</sup>元
				1	2.86	0.91	2.66
1.33	3.21	0.94	2.66
				2	4.92	1.07	3.11
2.33	3.88	1.11	3.31
				3	3.86	1.27	3.53

从表4可以看出来，太阳倍数从1增加到2的过程中，弃光惩罚成本保持不变，光伏电站弃光量没有增加，此阶段光热电站的储热系统处于储热状态，发电系统没有发电，尽可能为光伏发电提供上网空间。随着太阳倍数的增大，即当太阳倍数从2增加到3时，弃光惩罚成本持续增长，在此阶段光热电站集热系统获得的热功率逐渐增大，需要光热电站发电。因此，光伏电站的弃光惩罚成本逐渐增大。从表4同样也可以看出，随着太阳倍数从1增加到2的过程中，储热时间即储热容量呈现出增大的趋势，随后随着太阳倍数增大，储热容量呈现出下降的趋势。

本实施例中，太阳倍数最优为2.33，储热最优时间为3.88h时，光热电站综合投资成本达到最低。此时，将求到的最优太阳倍数与储热时间带入公式(6)与公式(7)中可得到光热电站集热系统镜场面积为1900000m²,储热系统中最大储热容量为1000MWh。将其作为第二阶段优化模型的约束条件，可得到每个时段充、放热功率与储热容量；光热电站各时段储热容量与充放功率如图8所示。

从图8中可以看出，从凌晨1：00至6：00时，此时负荷处于低谷时段，光热电站通过在白天太阳辐射较强时储存的热来发电，此时段光热电站储热系统处于放热状态；在白天7:00至16：00时，此时段太阳辐射逐渐增加，光伏电站开始发电，光热电站此时储存热能，储热系统容量逐渐增大；在晚上18：00至24：00时，光热电站用白天储存的热能来发电。由此可知，由于光热电站具有储热系统，可以允许光热电站将发电转移到日出和日落时段。

本发明提供的一种联合发电系统中光热电站储热容量优化配置方法，针对光伏出力预测和负荷预测的不确定性，采用场景分析法来描述；为了利用光热电站的出力来缓解光伏出力的不确定性，对联合发电系统中的光热电站的储热容量进行合理的配置，在考虑光伏预测出力、负荷预测不确定性的基础上，建立了联合系统中光热电站储热容量两阶段优化配置模型；通过两阶段优化配置模型，兼顾光热电站的约束条件，可以计算出最优的镜场面积与最大储热容量，进而可以计算出每个时段最优的储热容量；最大限度地提高光伏上网电量，同时提高整个系统的运行效益。

以上对本发明所提供的一种联合发电系统中光热电站储热容量优化配置方法进行了详细介绍，本实施例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，本说明书内容不应理解为对本发明的限制。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本实施例中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本实施例所示的这些实施例，而是要符合与本实施例所公开的原理和新颖特点相一致的最宽的范围。

Claims (7)

1.一种联合发电系统中光热电站储热容量优化配置方法，其特征在于，包括以下步骤：

S1、针对光伏出力预测和负荷预测的不确定性，采用场景分析法获得出现概率最大的光伏出力预测值和负荷预测值；

S2、建立光热电站储热容量两阶段优化配置模型；

S3、基于光热电站储热容量两阶段优化配置模型，在第一阶段中，建立光热电站综合投资成本最低的目标函数，求解得到最优太阳倍数与储热时间，结合光热电站的太阳倍数模型与储热时间模型，进而得到光热电站的最优镜场面积与储热系统的最大储热容量；

S4、在第二阶段中，建立联合发电系统的经济效益最大的目标函数和电能供需差波动最小的目标函数，结合场景分析法获得的光伏出力预测值和负荷预测值以及第一阶段求得的所述最优镜场面积与所述最大储热容量，计算得到每个时段最优的储热量。

2.根据权利要求1所述的一种联合发电系统中光热电站储热容量优化配置方法，其特征在于，所述步骤S1中，所述采用场景分析法获取出现概率最大的光伏出力预测值和负荷预测值，具体为：

构建光伏出力预测误差和负荷预测误差的概率密度函数；

根据所述概率密度函数，采用拉丁超立方抽样的方法来生成光伏出力预测及负荷预测的初始场景；

采用k-means算法将生成的所述初始场景进行缩减，获得出现概率最大的光伏出力预测值和负荷预测值。

3.根据权利要求2所述的一种联合发电系统中光热电站储热容量优化配置方法，其特征在于，所述步骤S3中，所述光热电站综合投资成本最低的目标函数为：

minf₁＝F_SF+F_TES+F_PB

式中，f₁为光热电站综合投资成本折现值；F_SF为集热系统投资成本折现值；F_TES为储热系统投资成本折现值；F_PB为发电系统投资成本折现值；具体表达式如下：

F_SF＝C^SFS^Mδ_CRF(r,n)

F_TES＝C^TESh^TESδ_CRF(r,n)

F_PB＝C^PBP^CSP

式中，C^SF为光热电站太阳倍数投资成本；S^M为光热电站太阳倍数；C^TES为光热电站储热时间投资成本，h^TES为光热电站储热时间；C^PB为光热电站发电系统单位容量投资成本；P^CSP为光热电站额定容量；δ_CRF(r,n)为等年值折算系数；r为贴现率；n为光热电站运行年限；

通过求解所述综合投资成本最低的目标函数，确定最优F_SF与F_TES；

根据所述最优F_SF与F_TES，确定光热电站的最优太阳倍数S^M与储热时间h^TES。

4.根据权利要求3所述的一种联合发电系统中光热电站储热容量优化配置方法，其特征在于，所述步骤S3中，所述光热电站的最优镜场面积与储热系统的最大储热容量的获取过程具体为：

将所述最优太阳倍数S^M与储热时间h^TES分别带入太阳倍数模型与储热时间模型中，求解得到光热电站的最优镜场面积与储热系统的最大储热容量。

5.根据权利要求4所述的一种联合发电系统中光热电站储热容量优化配置方法，其特征在于，所述太阳倍数模型为：

式中，S^M为太阳倍数；S_SF为镜场面积；I^DNI为标准工况下太阳直接辐射强度；η_PB为发电系统热电转换效率；η_SF为集热系统光热转换效率；P^CSP为光热电站额定输出功率；

所述储热时间模型为：

式中，h^TES为储热时间；η_dis为储热系统放热效率；

为储热系统最大储热容量。

6.根据权利要求5所述的一种联合发电系统中光热电站储热容量优化配置方法，其特征在于，所述步骤S4中，所述联合发电系统的经济效益最大的目标函数为：

maxf₂＝F₁+F₂-F₃-F₄

式中，f₂表示联合系统运行效益；F₁表示联合系统市场售电效益；F₂表示联合系统并网环境效益；F₃表示光伏弃光惩罚成本；F₄表示联合系统运行维护成本；具体表达式如下：

式中，T表示调度时段；

表示t时刻市场售电的分时电价；C^price为光热电站市场售电电价；P_t ^pv、P_t ^csp分别表示t时刻光伏、光热实际出力；K_pv、K_csp分别表示光伏、光热并网环境效益系数；

表示光伏弃光惩罚成本系数；C_pv、C_TES和C_PB分别表示光伏、光热电站储热系统和光热电站发电系统运维成本系数。

7.根据权利要求6所述的一种联合发电系统中光热电站储热容量优化配置方法，其特征在于，所述步骤S4中，所述电能供需差波动最小的目标函数，由等效负荷方差最小的目标函数来表示，具体为：

P_lt＝P_Lt-P_t ^pv-P_t ^csp

式中，f₃表示等效负荷方差；P_lt表示t时刻等效负荷值；P_lt.av表示t时刻等效负荷平均值；P_Lt表示t时刻负荷预测值；T表示调度时段。

Images