一种提升区域电网风电消纳能力的电-热联合调度方法与流程

文档序号:18887931发布日期:2019-10-15 21:14阅读:247来源:国知局
一种提升区域电网风电消纳能力的电-热联合调度方法与流程

本发明属于电力系统与热力系统联合调度技术领域,涉及一种提升区域电网风电消纳能力的电-热联合调度方法。



背景技术:

随着化石能源的枯竭,同时生态环境逐渐恶化,发展可再生能源已经成为各国重要的选择。其中,风电发展速度较快,截至2017年底,中国累计装机容量已达到188392mw。然而,由于风能诸多缺点,如频率调节弱、波动性强和随机性大等,大量的风能并网必然会对电网调度产生巨大的影响。为了保证电网安全稳定的运行,电网无法接纳大量风能进行并网,造成大量弃风等资源浪费现象。

目前“三北地区”风能资源较为丰富,随着连接到电网的风电比例增加,传统的火电机组受爬坡率和调节范围的限制,无法应对风电较大的波动。同时,为了满足冬季供暖需求,热电联产机组“以热定电”的运行方式进一步降低火电的调节能力,使得弃风问题更加严重。并且由于电网结构限制,大量的弃风电量无法通过联络线向外部电网外送。因此解决“三北地区”大量弃风问题已经刻不容缓。

为了满足风电大规模接入的需求,储能技术已经得到了快速的发展。通过在电网系统配置储能电池可以实现风电出力全消纳,但由于目前电池使用寿命低、造价高、效率低等问题,无法大规模投入使用。由于“三北地区”热电机组独特的生产方式,必须解耦“以热定电”约束才能提高风电消纳,因此配置储热后可以大幅度提高火电机组的调节深度。而目前大部分研究只考虑储热和电制热装置单独工作时对风电消纳的影响,同时由于电制热装置是将高品质的电能转换为低品质的热能,因此如何避免资源浪费是一项待解决的问题。



技术实现要素:

为解决上述技术问题,本发明的目的是提供一种提升区域电网风电消纳能力的电-热联合调度方法,以促进风电消纳。

本发明提供一种提升区域电网风电消纳能力的电-热联合调度方法,包括如下步骤:

步骤1:建立包含常规火电机组、热电联产机组、风电机组以及蓄热电锅炉的电-热联合系统,确定其提升风电消纳能力的电-热联合调度结构;

步骤2:以区域电网风电消纳最大化为主目标,引入机组发电成本和污染排放成本惩罚项,综合考虑各机组的运行约束条件、系统电热平衡约束条件,建立电-热联合调度模型;

步骤3:提出火电出力平衡支撑理论,通过弱火电支撑区域电网平衡,建立基于特征根分析的小信号稳定性约束,保证区域电网稳定性;

步骤4:根据蓄热电锅炉的消纳弃风机理,提出蓄热电锅炉的电制热启动策略,避免资源浪费;

步骤5:基于改进的蚁群算法对立电-热联合调度进行求解,得出最优调度计划,提升区域电网消纳能力。

本发明的一种提升区域电网风电消纳能力的电-热联合调度方法,至少具有以下有益效果:

(1)本发明以风电弃风量最小为主目标,同时引入机组发电成本和污染排放成本惩罚项,并在机组发电成本中考虑了阀点效应,使调度模型更加接近实际情况。

(2)本发明提出火电(热电)出力平衡支撑理论,通过弱火电支撑电网平衡,并建立基于特征根分析的小信号稳定性约束,保证区域电网安全稳定运行。

(3)本发明采用弃风启停控制策略来控制蓄热电锅炉的启停,避免将高品质的电能转换为低品质的热能产生资源浪费的现象。

(4)本发明中通过增加蓄热电锅炉,保证电(热)平衡,以区域电网弃风量最小为主目标,建立电-热联合调度模型。并采用改进的蚁群算法对模型进行求解,将解空间在迭代过程中动态划分优解和劣解数目,并采用局部搜索策略和随机搜索策略进行预处理,两者协调提高算法的收敛速度和收敛精度。

(5)本发明为区域电网安全运行提供重要的保障,提升区域电网消纳风电的能力,减少化石燃料燃烧,在保证风电全消纳、系统安全稳定运行的同时,实现了系统运行的经济性最优。

附图说明

图1是一种提升区域电网风电消纳能力的电-热联合调度方法的系统模型;

图2是一种提升区域电网风电消纳能力的电-热联合调度方法考虑稳定性的等值简化模型;

图3是基于局部搜索策略和随机搜索策略的改进蚁群算法对模型进行求解的流程图。

具体实施方式

下面结合附图对本发明做进一步说明:

本发明的一种提升区域电网风电消纳能力的电-热联合调度方法,通过增加蓄热装置蓄热电锅炉消纳风电,提出火电(热电)出力平衡支撑理论,以区域电网最大化风电消纳为主目标,并引入机组发电成本和污染排放成本惩罚项,采用改进的蚁群算法计算出最优调度计划。

本发明中所述的蓄热电锅炉能够完全供给任意时刻多余的热负荷需求,结合附图,本发明所述方法的步骤如下:

步骤1:建立包含常规火电机组、热电联产机组、风电机组以及蓄热电锅炉的电-热联合系统,确定其提升风电消纳能力的电-热联合调度结构;

电-热联合系统包括常规火电机组、热电联产机组、风电机组以及蓄热电锅炉;由于热电联产机组“以热定电”特性,电网和热网之间相互耦合;为同时保证电、热网平衡,当风电出力较大且电负荷较小产生弃风时,需降低热电联产机组出力,同时启动电锅炉,蓄热罐蓄热,增加电负荷;当风电出力较小且电负荷较大时,需提高机组出力,停止电锅炉,同时为了保证热负荷平衡,蓄热罐继续放热。通过蓄热电锅炉可以解耦热电联产机组“以热定电”约束,抑制风电快速波动,消纳更多风电,实现风电全消纳。结构如附图1所示。

步骤2:以区域电网风电消纳最大化为主目标,引入机组发电成本和污染排放成本惩罚项,综合考虑各机组的运行约束条件、系统电热平衡约束条件,建立电-热联合调度模型,具体为:

步骤2.1:根据下列公式计算风电弃风量f1:

式中:w为风机数;为第k台风机t时刻预测发电量,不考虑预测误差;为第k台风机t时刻的实际并网功率。

引入机组发电成本和污染排放成本惩罚项。

步骤2.2:根据下列公式计算常规火电机组的发电成本f2:

f2=f1(pi,t)+f2(ui,t)

式中:f1(pi,t)为常规火电机组燃料成本;f2(ui,t)为常规火电机组启停成本;pi,t为机组i在t时刻的发电量;ui,t为机组i在t时刻的运行状态,ui,t=1代表机组的启动,ui,t=0代表机组的停止;

为了提高成本函数的计算精度,在考虑机组禁止运行区域的同时,考虑了发电机引起的阀点效应,因此根据下列公式计算常规火电机组燃料成本f1(pi,t):

根据下列公式计算常规火电机组启停成本f2(ui,t):

式中:n为常规火电机组数;t为一天调度时段数;ai、bi、ci、di和ei为第i台常规火电机组的燃料成本系数;pi.min为第i台常规火电机组的最小电出力;si代表不同火电机组的启停成本;

步骤2.3:由于热电联产机组首要任务是为热负荷进行供热,所以热电联产机组不可以出现停机现象,因此,根据下列公式计算热电联产机组的发电成本f3:

式中:r为热电联产机组数;分别代表热电联产机组j在t时刻的电出力和热出力;cv,j为机组进汽量恒定时,多抽取单位供热热量下减少的发电量;aj、bj、cj为第j台热电联产机组的燃料成本系数;

步骤2.4:燃煤热电联产发电系统将排放nox、so2、co和co2气体,根据下式计算每个各机组的环境污染成本f4:

式中:ρil为常规火电机组i排放第l类气体的排放量,l=1,2,3,4;ρjl为热电联产机组j排放第l类气体的排放量;γl为第l类气体单位排放量的治污费用;

式中:gil、hil为常规火电机组i排放第l类气体的排放系数;gjl、hjl为热电联产机组j排放第l类气体的排放系数;

步骤2.5:以区域电网风电消纳最大化为主目标,引入机组发电成本和污染排放成本惩罚项,建立电-热联合调度模型:

minf=f1+ε(f2+f3+f4)

式中:f1为风电弃风量;f2为常规火电机组的发电成本;f3为热电联产机组的发电成本;f4为各机组环境污染成本;ε为惩罚因子。

步骤2中系统运行约束条件为:

1、等式约束

(1)电平衡约束:

式中:为电网在t时刻预测的电负荷(不考虑预测误差);为电网在t时刻电锅炉启用的电量。

(2)热功率约束:

式中:为蓄热罐t时刻的放热功率;为电网在t时刻预测的热负荷(不考虑预测误差)。

2、不等式约束

(1)常规火电机组运行约束:

式中:pi.min、pi.max分别为火电机组的最小、最大电出力;ui.max、di.max分别为机组的向上、向下的爬坡率极限。

(2)热电联产机组运行约束:

式中:cm为热电联产机组热电比;分别为机组电出力上下限;分别为机组的向上、向下的爬坡率极限。

3、蓄热电锅炉约束

(1)电锅炉约束:

式中:为蓄热罐t时刻的蓄热功率;为电网在t时刻电锅炉启用的电量;pdr.max为电锅炉耗电量最大值;η为电锅炉的电制热转换率。

(2)蓄热罐约束:

式中:st为蓄热罐在t时刻的蓄热量;smax为蓄热罐的最大容量;hst.max、hex.max分别为蓄热罐的最大蓄、放热功率;s0和st表示在一定周期内蓄热罐的热容量保持不变。

4、系统旋转备用约束:

式中:δpd和δpu分别为风电单位时间内向下波动和向上波动量;δpld和δplu分别为系统负荷单位时间内向下波动和向上波动量。

步骤3:提出火电出力平衡支撑理论,通过弱火电支撑区域电网平衡,建立基于特征根分析的小信号稳定性约束,保证区域电网稳定性。

由于常规火电机组和热电联产机组惯性大,而风电机组惯性小,可以快速波动,无法在弱火电时保证区域电网稳定性;本发明通过增加蓄热电锅炉来解耦热电联产机组“以热定电”约束,抑制风电快速波动,提出弱火电支撑区域电网平衡,为保证区域电网运行方式稳定,建立基于特征根分析的小信号稳定性约束,具体步骤如下:

步骤3.1:建立异步风电机组小干扰稳定模型;

步骤3.1.1:风电机组的5阶数学模型:

其中x、x′、t′d0的计算公式为:

式中:tt为输入齿轮箱的机械转矩;τh为轮毂的惯性时间常数;tw为风电机组的机械转矩;β为桨距角;τβ为桨距角控制系统的惯性时间常数;β0为桨距角初始值;e′d、e′q分别为风电机组暂态电势d、q轴分量;t′d0为风电机组定子开路时间常数;s为风电机组滑差系数;τj为风电机组惯性时间常数;tm为风电机组齿轮箱的输出转矩;te为风电机组电磁转矩;r2、r2、x1、x2、xm分别为风电机组定子电阻、转子电阻、定子电抗、转子电抗和激磁电抗;

步骤3.1.2:当区域电网面对扰动时,对风电机组5阶数学模型在平衡点处进行线性化,获得异步风电机组5阶小干扰稳定模型:

其中l1、l2、l3、l4、l5的计算公式分别为:

式中:x=x1+x2;id0、iq0分别为风电机组定子电流d、q轴分量;a、b分别代表风电机组定子电流d、q轴分量对风电机组滑差系数s求偏导;

步骤3.1.3:异异步风电机组5阶小干扰稳定模型的简化表达式如下:

步骤3.2:建立火电机组小干扰稳定模型

步骤3.2.1:火电机组3阶数学模型:

式中:δ为火电机组功角;ω为火电机组转速;ω0为火电机组稳态转速;tj为机械转动惯量;pm为火电机组机械功率;pe为火电机组电磁功率;d为机械阻尼系数;e′q为火电机组暂态电势q轴分量;t′d0为火电机组定子开路时励磁绕组的时间常数;xd∑为总系统的d轴同步总电抗;x′d∑为总系统的d轴暂态总电抗;xd为火电机组d轴同步总电抗;x′d为火电机组d轴暂态总电抗;us为无穷大母线电压;ef为励磁控制输入;

pe的计算公式为:

火电机组的端电压ug的计算公式为:

步骤3.2.2:当区域电网面对扰动时,对火电机组3阶数学模型在平衡点处进行线性化,获得火电机组3阶小干扰稳定模型:

其中k1、k2、k3、k4、k5、k6的计算公式分别为:

式中:ke为励磁放大倍数;xq∑为总系统的q轴同步总电抗;x′q∑为总系统的q轴暂态总电抗;xq为火电机组q轴同步总电抗;x′q为火电机组q轴暂态总电抗;

步骤3.2.3:火电机组3阶小干扰稳定模型的简化表达式如下:

步骤3.3:将区域电网简化成一个双机无穷大系统,具体结构见图2,然后将所有风机等值为单台风电机组5阶小干扰稳定模型,所有常规火电机组和热电联产机组等值为单台火电机组3阶小干扰稳定模型,满足供电平衡约束,最后联立得到区域电网小干扰稳定模型:

根据|λi-a|=0计算系统矩阵a的特征根λ1,2。

步骤3.4:根据区域电网小干扰稳定模型,获得基于特征根分析的小信号稳定约束,为了确保区域电网在所有运行方式下均是小信号稳定的,需要满足以下条件:

式中:为λ1,2在时刻t下的实数部分。

步骤4:根据蓄热电锅炉的消纳弃风机理,提出蓄热电锅炉的电制热启动策略,避免资源浪费。

采用弃风启停的控制策略,即依据弃风现象的有无来决定蓄热电锅炉的调峰控制启停,有弃风时电锅炉可以进行电热转换,无弃风时电锅炉不进行电热转换,在调度之前,可根据负荷预测数据以及机组参数大致判断各调度时段是否出现弃风现象,弃风表达式为:

式中:ft为t时段的弃风标志;当ft=1时表示有弃风,电锅炉启动,当ft=0时表示无弃风,电锅炉关断ptdr=0。

步骤5:基于改进的蚁群算法对其模型进行求解,得出最优调度计划,提升区域电网消纳能力。

基于局部搜索策略和随机搜索策略的改进蚁群算法对模型进行求解,如附图3所示。具体模型求解步骤如下:

步骤5.1:输入风电和负荷预测出力和各机组参数,对解空间大小初始化,并随机产生k个初始解;

步骤5.2:判断解空间是否满足约束条件,对解空间进行修正使其满足各机组运行约束、系统电热平衡约束条件;

步骤5.3:分别计算各个解的适应度,并根据适应度大小将k个解从小到大排列;

步骤5.4:根据动态划分法,定义前k1个解为优解,后k2个解为劣解,具体划分公式如下:

k1=k-k2

式中:k代表解空间大小;k1为优解数量;k2为劣解数量;i为蚁群算法的当前迭代次数;tmax为蚁群算法的迭代总次数。

步骤5.5:解空间预处理;

步骤5.5.1:采用局部搜索策略对k1个优解预处理,将模拟退火算法作为一种搜索算子,引入到优解的更新过程中,以提高算法的精度,同时模拟退火算法在搜索过程引入了随机因素,会以一定的概率来接受一个比当前解要差的解,因此有可能会跳出局部最优解,达到全局的最优解,避免陷入局部最优。具体过程如下:

首先对k1个优解扰动产生新解k′1,计算新解的适应度,计算δf=f(k1)-f(k′1),并采用metropolos准则判断新解是否被接受,判断公式如下:

t的表达式如下:

式中:t0为初始温度;t为当前温度参数;p为更新新解的概率;t为模拟退火算法当前迭代次数;当连续若干个新解都没有被接受时,则终止模拟退火算法。

步骤5.5.2:采用随机搜索策略对k2个劣解预处理,增加解的多样性,扩大搜索范围,避免陷入局部最优,具体计算公式如下:

k2,new=(1-α)k2,old+rand(0,1)e(k2,old-kbest)

式中:k2,old表示当前解;kbest为当前最优解;k2,new为更新后的解;α为常数;e为惯性权重;

β的计算公式为:

式中:j为随机搜索法的当前迭代次数;tmax.j为随机搜索法的最大迭代次数。

步骤5.6:对预处理的解采用高斯核函数进行更新,若更新后得到的新解如果优于旧解,则把旧解替换为新解,k个解全部更新后进行排序;

步骤5.7:判断是否达到最大迭代次数,如果达到,则输出最优值,如果没达到,则跳转到步骤5.2。

以上所述仅为本发明的较佳实施例,并不用以限制本发明的思想,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1