含热电联合机组的综合能源系统周前机组组合优化方法

摘要

本发明提供一种含热电联合机组的综合能源系统周前机组组合优化方法，包括：步骤1、根据系统运行成本最小化的调度目标，建立含热电联合机组的综合能源系统周前机组组合优化目标函数；步骤2、确定所述目标函数的约束条件；步骤3、依据步骤1建立的目标函数及步骤2确定的约束条件，建立含热电联合机组的综合能源系统周前机组组合优化模型并设计不同场景进行求解，得到周前机组组合方案。本发明以含热电联合机组的综合能源系统的实际运行数据为基础，求得优化后的含热电联合机组的综合能源系统周前机组组合结果，优化制定综合能源系统内热电联产机组和纯凝火电机组的启停计划，同时满足电力系统和热力系统的运行约束。

说明书

技术领域

本发明涉及电力工程领域，具体是一种含热电联合机组的综合能源系统周前 机组(提前一周制定的机组组合)组合优化方法。

背景技术

当前的供热需求与风电消纳之间的矛盾十分突出，矛盾产生的问题原因是在 冬季供暖期间正好是风力发电出力较大时段，为了保证供暖需求，根据现在火电 厂“以热定电”(以热定电是联产系统的一种以供热负荷的大小来确定发电量的 运行方式。“以热定电”中的“热”，是指各种热负荷。以供热负荷的大小来确定 发电量，就叫“以热定电”。也就是说，要根据供热负荷来选择配套的锅炉及汽 轮发电机组，根据蒸汽用量来确定机组的进汽量，相当于把发出的电作为供热的 副产品。)的运行方式，火电厂电出力将挤占风力发电消纳空间，导致出现弃风 弃电现象，不利于可再生能源的消纳。

本申请的发明人在实现本发明的过程中经过研究发现：为了解决上述问题， 需要松弛“以热定电”模式下的热电强制约关系，通过改进供热机组的热电运行 模式提升系统消纳大规模风电的灵活性。区域集中供热网络能够为供热机组作为 众多北方城市的基础公共设施，将其纳入综合能源系统可以提供额外的灵活性。 实际规模的区域集中供热网由成千上万绝热管道组成，具有巨大的储热能力。

在含热电联合机组的综合能源系统中，不再局限于对电力系统孤立分析，而 是将热力系统的采集监视数据加以利用，在已有风功率预测、电负荷预测数据的 基础上，加入热负荷预测数据作为输入条件，实现“热电联合”运行。与此同时， 充分利用供热系统的热惯性，可打破“火电厂最小运行方式”的刚性约束，在不 影响热用户舒适度的前提下(考虑1天内的供热总量平衡约束)，扩大机组供热 出力调整空间，进而可根据风电预测情况，在弃风严重时段安排相应的机组停机 计划，给风电腾出消纳空间，促进风电消纳。

发明内容

本发明的目的在于提供一种含热电联合机组的综合能源系统周前机组组合 优化方法，松弛“以热定电”模式下的热电强制约关系，建立考虑时段内供热总 量平衡的周前含热电联合机组的综合能源系统周前机组组合模型，含热电联合机 组的综合能源系统周前机组以最小化热电联合系统运行总成本为目标，通过改进 供热机组的热电运行模式提升系统消纳大规模风电的灵活性，优化制定综合能源 系统内热电联产机组和纯凝火电机组的启停计划，同时满足电力系统和热力系统 的运行约束。

本发明采用的技术方案如下：

一种含热电联合机组的综合能源系统周前机组组合优化方法，包括以下步骤：

步骤1、建立目标函数

根据系统运行成本最小化的调度目标，建立含热电联合机组的综合能源系统 周前机组组合优化目标函数，所述系统运行成本包括常规火电、热电联产运行成 本、以及弃风惩罚成本，所述目标函数由式(1)表示：

式中：T表示调度周期，

步骤2、确定所述目标函数的约束条件

所述约束条件包括系统电约束、系统热约束、常规火电机组约束、CHP机 组约束、风电机约束五大类；

步骤3、依据步骤1建立的目标函数及步骤2确定的约束条件，建立含热电 联合机组的综合能源系统周前机组组合优化模型并设计不同场景进行求解，得到 周前机组组合方案。

进一步的，常规火电机组主要考虑其原料费用，所述常规火电运行成本由(2) 表示：

式中：N

进一步的，所述热电联产运行成本由式(3)表示：

其中，N

进一步的，所述弃风惩罚成本，以弃风量与惩罚系数的乘积形式体现：

其中，

进一步的，所述系统电约束包括系统电平衡约束和系统备用机会约束，具体 如下：

1)系统电平衡约束

式中：

2)系统备用机会约束

对风电的不确定性以增加备用的方式进行应对，其中正旋转备用是为了应对 风电预测负偏差，负旋转备用是为了风电预测正偏差：

式中：

进一步的，所述系统热约束体现在周前机组组合的供热系统热平衡特性，供 热系统热平衡特性考虑为供热总量平衡，如式(8)所示：

式中：T表示调度周期长度，H

进一步的，所述常规火电机组约束，包括火电机组出力上下限约束、机组爬 坡速度约束、火电机组最小启停时间约束，具体如下：

1)火电机组出力上下限约束。

式中：P

2)机组爬坡速度约束：

式中：

3)火电机组最小启停时间约束：

式中：T

进一步的，所述CHP机组约束，包括电-热耦合约束、供热的上下限和机组 的爬坡约束，具体如下：

1)电-热耦合约束。

供热地区的热电机组主要有背压式和抽汽式两大类，热电耦合关系由式(12)、(13)表示：

P

max{P

式中：P

2)供热的上下限和机组的爬坡约束：

式中：

进一步的，所述风电机组约束具体为：

式中：

进一步的，步骤3具体采用基于Benders分解的双层优化算法对热电联合机 组的综合能源系统周前机组组合优化模型进行求解，得到周前机组组合方案，所 述基于Benders分解的双层优化算法具体过程为：

(1)求解不考虑安全约束的机组组合优化主问题，得到机组启停状态U

(2)将求解得到的机组组合状态U

(3)求解运行成本子问题，得出机组出力P

(4)将系统运行成本以可解Benders割的形式代入机组组合优化主问题中，求解机组 组合U

本发明提出一种含热电联合机组的综合能源系统周前机组组合优化方法，构 建考虑时段内供热总量平衡的周前含热电联合机组的综合能源系统周前机组组 合模型，将含热电联合机组的综合能源系统周前机组以最小化热电联合系统运行 总成本为目标，优化制定综合能源系统内热电联产机组和纯凝火电机组的启停计 划，同时满足电力系统和热力系统的运行约束，利用Benders分解将原始的优化 问题分解为一个主问题和多个子问题进行求解，从而大大简化了原始问题的求解 难度。

附图说明

图1为本发明含热电联合机组的综合能源系统周前机组组合优化方法的流 程示意图；

图2为本发明基于Benders分解的双层优化算法的流程图；

图3为本发明供热系统简化示意图；

图4为含热电联合机组的综合能源系统热电联合仿真系统；

图5为P-UC调度模式的一周机组启停计划；

图6为CHP-UC调度模式的一周机组启停计划；

图7为两种调度模式的一周机组热出力计划；

图8为P-UC调度模式的风电出力；

图9为CHP-UC调度模式的风电出力。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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 描述的实施例是本发明的一部分实施例，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的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。

图1为本发明用于含热电联合机组的综合能源系统周前机组组合优化方法 的流程图，所述方法包括以下步骤：

步骤1、建立目标函数：根据系统运行成本最小化的调度目标，建立含热电 联合机组的综合能源系统周前机组组合优化目标函数。

目标函数尽可能的消纳风电，在将弃风转换为惩罚成本时，调度目标与系统 运行成本最小化一致，系统运行成本包括常规火电、热电联产运行成本、以及弃 风惩罚成本，所述目标函数由式(1)表示：

式中：T表示调度周期，

常规火电机组主要考虑其原料费用，所述常规火电运行成本由(2)表示：

式中：N

所述热电联产运行成本函数如式(3)所示：

其中，N

所述弃风惩罚成本，以弃风量与惩罚系数的乘积形式体现：

其中，

步骤2、确定所述目标函数的约束条件

所述约束条件包括系统电约束、系统热约束、常规机组约束、CHP机组约 束、风电机约束五大类：

(1)系统电约束包括系统电平衡约束和系统备用机会约束，具体如下：

1)系统电平衡约束

式中：

2)系统备用机会约束

对风电的不确定性以增加备用的方式进行应对，其中正旋转备用是为了应对 风电预测负偏差，负旋转备用是为了风电预测正偏差：。

式中：

(2)系统热约束

周前机组组合的供热系统热平衡特性考虑为：供热总量平衡，如式(8)所 示：

式中：T表示调度周期长度，H

(3)常规火电机组约束，包括火电机组出力上下限约束、机组爬坡速度约 束、火电机组最小启停时间约束，具体如下：

1)火电机组出力上下限约束。

式中：P

2)机组爬坡速度约束。

式中：

3)火电机组最小启停时间约束：

式中：T

(4)CHP机组约束，包括电-热耦合约束、供热的上下限和机组的爬坡约束， 具体如下：

1)电-热耦合约束。

国内北方供热地区的热电机组主要有背压式和抽汽式两大类，热电耦合关系 可由式(12)、(13)表示。

P

max{P

式中：P

2)供热的上下限和机组的爬坡约束：

式中：

(5)风电机组约束

式中：

步骤3、依据步骤1建立的目标函数及步骤2确定的约束条件，建立含热电 联合机组的综合能源系统周前机组组合优化模型并设计不同场景进行求解，得到 周前机组组合方案。

本发明实施例所建立的机组组合模型调度周期有7*24＝168个时段，属于大 规模的混合整数规划问题，常规的计算方法无法获得较高的计算效率。Benders 分解是解决大规模混合整数规划问题最有效的解耦算法之一，其通过将原始的优 化问题分解为一个主问题和多个子问题进行求解，从而大大简化了原始问题的求 解难度，一般而言，主问题多为整数规划问题，而子问题多为线性规划问题。对 于带约束的最小化问题，其主问题的约束条件将少于原始优化问题，其最优解为 原始优化问题目标函数的下界；在子问题中利用剩余的约束条件对主问题的解进 行校核，若子问题的解是可行的，则利用该解对主问题的目标函数进行修正，并 作进一步优化，从而求得原始优化问题目标函数的上界；反之，若子问题的解不 可行，将会产生一个不可解的Benders割并加入到主问题中，并进行优化计算得 到新的下界。经过主问题和子问题之间的多次循环迭代计算，直到主问题的目标 函数的下界和上界足够接近至小于预设的误差限，则迭代停止，即认为得到原始 优化问题的最优解。

本发明利用基于Benders分解的双层优化算法，首先对机组组合主问题进行 求解；再将机组组合状态传递给各个时刻的可行解校核子问题，利用子问题校核 的结果判断主问题的解是否可行，并据此产生可解或不可解的Benders割并反馈 到主问题中；通过迭代计算直到系统满足网络安全约束条件；迭代收敛的条件是 主问题没有加入可解约束条件得到的目标函数(下界)和加入可解约束条件得到 的目标函数(上界)相等。由于将机组组合UG和机组出力PG都纳入反馈优化 过程之中，从而增大了算法寻优的空间和能力，与传统的优化算法相比，更容易 寻求全局最优解。其算法框图如图2所示。

所述基于Benders分解的双层优化算法的详细流程具体步骤如下：

(1)求解不考虑安全约束的机组组合优化主问题，得到机组启停状态U

(2)将求解得到的机组组合状态U

(3)求解运行成本子问题，得出机组出力P

(4)将系统运行成本以可解Benders割的形式代入机组组合优化主问题中， 求解机组组合U

下面以一个具体实施例进行说明，以某实际电网某个特征天的数据为例：

仿真算例采用某实际电网某个特征天的运行数据。热力系统由第二热电厂及 其对应的热力集团管辖供暖网络组成，装机容量为5×200MW、1×220MW，年 发电能力约为80亿千瓦时，年供热能力1400万GJ，供热面积3000万平方米左 右，热用户类型包括居民住宅、公建及商业，其中4台200MW机组向CR集团 供热，供热面积1650万平方米，主管线长度36公里，支线长190公里。

模型只考虑一次管网系统，针对CR二热供热系统，根据管网结构和主输水 管路，将供热区域划分为7个部分，包括东盛支线、和顺支线、五支线、二支线、 三支线、四热交汇线以及其他热用户，将各支线上的热用户合并处理。系统简化 后获得的长热二热集中供热系统如图3所示。

根据实际运行数据，简化抽象出面向热电联合调度的热电联合仿真系统模型， 如图4所示，由电力系统和热力系统耦合组成。

步骤1：建立目标函数：通过公式(1)至(4)可以确定含热电联合机组的 综合能源系统周前机组组合优化方法的目标函数。

步骤2：利用公式(5)至(16)设计含热电联合机组的综合能源系统周前 机组组合优化方法的约束条件。

电力系统模块包含4台热电联产机组、2台纯凝火电机组和1个风电场。该 系统总装机容量为1520MW，火电机组参数如表1所示，其中热电联产机组为长 热二厂容量为200MW的抽凝式供热机组；2台纯凝火电机组，容量分别为为 200MW和220MW；风电场看作是若干机组的集合，风电装机总容量为300MW， 该系统内风电渗透率为19.7％。

表1火电机组相关参数

热力系统模块包含4台热电联产机组、26条供回水管道以及7个热用户集 总模型，是一个20节点26条支路网络模型。热用户1～7通过管网支路1～26由 4台热电联产机组联合供热。管网和热用户的相关参数分别如表2和表3所示。 供回水温度上下限分别为130℃和5O℃，所有热用户的室内标准供暖温度设为 18℃，满足用户供热质量和舒适度的室内温度上下限设为18～22℃。

表2管网支路相关参数

表3热用户相关参数

系统风电预测模块信息选取示范区域内典型供暖季的预测信息。

在一周的时间尺度上，风电预测出力呈现出较大的随机性，不过整体上是夜 间出力高，白天出力低。系统电负荷和热负荷呈现出日周期性，不同日的电负荷 峰值波动较小，而不同日的热负荷峰值波动值相对较大，传统机组组合一般不考 虑室外温度导致的供热量需求的变化，为保证绝对供热，热电机组一直按照供暖 季的最大需求安排启停计划，这种运行模式抬高了热电机组本可以节省的出力， 导致调峰空间不足，造成弃风。

步骤3：依据步骤1建立的目标函数及步骤2确定的约束条件，建立含热电 联合机组的综合能源系统周前机组组合优化模型并设计不同场景进行求解，得到 周前机组组合方案。为了体现本方法的适用性，设计了两种不同仿真场景进行分 析。

1)场景1：供暖季最小运行方式下的传统电力机组组合(The power commitment,简称P-UC)调度模式

调度模型对热的考虑仅仅体现在含热电联合机组的综合能源系统机组最小 运行方式的限制上，模型中仅考虑电力系统相关约束。

2)场景2：热电联合机组组合(The combined heat and power commitment, 简称CHP-UC)调度模式

调度模型如前文所述，其中含热电联合机组的综合能源系统的电出力调节范 围为额定出力调节范围，不受供暖季最小运行方式限制。

采用基于Benders分解的双层优化算法对含热电联合机组的综合能源系统周 前机组组合优化模型求解，具体求解流程如图2所示，在确定调度模式后得到如 图5至图9所示的含热电联合机组的综合能源系统周前运行策略。

优化结果如表1所示：

表1不同场景的相关运行成本和风电消纳效果

由表1可以看出，场景1的P-UC调度模式中：在供暖季，大部分的电负荷 由热电联产机组满足，常规机组开机数很少，弃风量较大。场景2的CHP-UC 调度模式中，考虑供热管网热惯性，在电力负荷高峰期同时也是风电低谷期，加 大含热电联合机组的综合能源系统机组产热量，将热量储存在热网中。在电力负 荷低谷期同时也是风电大发期，含热电联合机组的综合能源系统机组停止运行或 产热量减小时，使热网储存的热量释放出来，以满足供热要求。这样通过改变一 天中不同时段的热电机组的产热量，使热电厂腾出参与电力调峰的空间，提高了 风电消纳水平。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此， 任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化 或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权 利要求的保护范围为准。