考虑热网储热特性的电热系统多时间尺度经济调度方法与流程

本发明涉及一种考虑热网储热特性的电热系统多时间尺度经济调度方法，属于风电的不确定性分析和新能源并网调度领域。

背景技术：

近年来，风电的大规模发展，带来清洁能源的同时，因其随机性和波动性的特性，也存在弃风等问题。在中国“三北”地区，热电联产机组由于“以热定电”耦合特性，调峰能力受到限制，不能为风电消纳提供上升空间，导致弃风严重。能源互联网的提出，为能源互联提供了新的途径，打破电、热、冷、气和交通等能源子系统之间界限，使得能源可以互相转换，提高能源利用率。其中电热综合系统的研究，可以突破“以热定电”的限制，使得电力系统与热力系统协调运行，可以有效减少弃风。

目前，国内外学者对于电热综合系统消纳风电有了一定研究。主要分为三方面，1)增加电转热设备或者储能装置以促进风电消纳，如有学者提出了在热电厂中通过配置储热来提高机组调峰能力的消纳弃风方案。有学者提出了为热电联产机组配置电锅炉来消纳弃风电力的方案。有学者提出基于含储热热电联产机组与电锅炉的弃风消纳协调调度模型，并且提出极限消纳弃风电量的电锅炉供热量计算方法,对比了储热装置不同工作方式以及含储热热电联产与电锅炉协调供热时的经济性。有学者还提出在电热系统中配置蓄热电锅炉消纳风电的方法。有学者研究了调峰电锅炉的启停控制策略,构建了基于二级热网电锅炉调峰的电热联合系统优化调度模型。还有在电热系统中配置了热泵和空气源热泵消纳风电的研究。2)考虑热网自身特性以促进风电消纳，如有学者研究了考虑供热管道动态特性约束和储热装置模型的热电联合调度模型，不仅降低了系统运行成本还促进了风电消纳。有学者建立了考虑热力网络约束的电热系统模型，并分析该模型对风电促进作用。有学者利用现有热力网络的储热能力，来提高电力系统的运行灵活性，以适应大量的可变风能。有学者研究利用供热区域的热惯性来减小风电的间歇性和随机性。有学者考虑了热力系统中供热管道传输时间延迟和热损失等热动态特性，以及用户供热需求的柔性，建立了考虑供热网储热特性的电—热综合能源系统优化调度模型。文献[26]研究集中供热系统给出满足最大化chp机组电出力灵活性的chp机组允许热出力区间，从而为风电消纳提供上升空间。有学者利用热网储放热特性和供热区域热惯性消纳弃风，提出改进的热电联合调度策略,将传统热负荷实时平衡约束条件替换为把室内温度维持在期望范围内。有学者针对热网的延时和储热等动态特性，分析其在分时电价的激励下，参与电热系统消纳风电的能力。有学者建立考虑热网特性及热负荷舒适度弹性的电热联合系统优化调度模型，不仅考虑热网特性还考虑了热负荷舒适度弹性对于消纳风电的影响。3)在系统侧提出改进调度策略以提高消纳风电能力，如有学者考虑到负荷和风电预测精度随预测时间的缩短而提高，采用滚动调度逐级降低预测误差对调度计划的影响，提出了电热联合系统多时间尺度滚动调度策略，建立了日前、滚动、实时三个时间尺度调度计划的调度模型。有学者考虑多类型热电联产机组及大规模风电，建立了电热联合滚动调度模型。有学者为挖掘热电联产机组的调峰能力，提出考虑热电联产调峰主动性的电热协调调度方法。然而，目前上述文献所提出的研究热网特性只是将其作为储热，用于解耦热电联产机组“以热定电”限制，为风电消纳提供上升空间，但在模型中存在两个问题，一是没有考虑风电的不确定性，风电预测存在误差，不考虑风电预测误差，会给电热系统调度运行带来影响，二是没有考虑到热网的传输延时特性在电力系统多时间尺度调度中的运用，没能使用由于热网的传输延时特性所产生的储放热功能用来补偿风电预测误差。

技术实现要素：

为了克服上述现有技术的不足之处，本发明提供一种考虑热网储热特性的电热系统多时间尺度经济调度方法，将热网的储热特性和延时特性考虑到多时间尺度策略中，制定机组启停和出力，储能充放电计划，这样不仅能降低弃风量，系统运行成本，还可以减小储能装置的容量。

本发明是通过如下技术方案实现的：考虑热网储热特性的电热系统多时间尺度经济调度方法，其特征在于，包括以下步骤：

步骤1：使用lstm神经网络预测风电预测误差；

步骤2：将热网的储热特性和延时特性考虑到多时间尺度策略中；

步骤3：基于步骤1的预测误差和步骤2的调度策略，建立电热综合系统多时间尺度调度模型，制定机组启停和出力，储能充放电计划。

进一步的，所述步骤2中包括如下具体步骤：调度模型分为3个时间尺度，日前调度模型([t,t+t])、日内滚动修正模型([t.t+16])和实时修正模型([t,t+1])，以15min为1个调度时段；日前调度时进行机组启停、机组初步出力、热源和换热站的供水温度、回水温度；日内滚动修正时根据求得的风电预测误差e^s，运用热网自身的储放热特性调整机组出力、热源和换热站的供水温度、回水温度；由于热网的响应速度较慢，不能在实时调度阶段补偿风电预测误差，因此实时修正时在热网补偿风电预测误差的基础上，利用储能装置进一步补偿剩下的的风电预测误差e^f。

进一步的，所述步骤3中建立电热综合系统多时间尺度调度模型包括如下步骤：

步骤3.1日前调度模型：日前调度为预测时刻前24h的调度计划，主要制定常规机组启停，常规机组、热电联产机组、热源和换热站的供水温度、回水温度；

热电联产机组设定为常开状态，只考虑其运行成本，以热电联产机组运行成本、常规机组开机成本、常规机组运行成本和弃风成本为目标函数，公式如下：

minf^d＝min(cnc^d+cng，s^d+cng，p^d+closs^d)

其中

式中：下标n、t为机组编号、时段编号，上标d表示日前调度模型中的变量，f^d表示为系统日前总成本，cnc,cng,s,cng,p和closs表示为热电联产机组运行成本函数、常规机组开机成本函数、常规机组运行成本函数、弃风成本函数；ai^chp，bi^chp，ci^chp表示为第i台热电联产机组成本系数，ai，bi，ci表示为第i台常规机组成本系数，csi,t表示为第i台火电机组在t时刻开机成本系数，ui,t表示为日前第i台火电机组在t时刻启停状态，1为开机，0为停机，pi,t^chp,pi,t,pi,t^w0和pi,t^w分别表示为日前t时刻第i个热电联产机组出力、常规机组出力、风电预测有功出力和风电实际调度有功出力，nc，ng和nw为热电联产机组、常规机组和风电场数目，t为调度周期；

约束条件包括：

1)电功率平衡约束

式中：pt^d,l表示为日前总电负荷功率；

2)热源、换热站供回水温度与热量交换约束

式中：qi,t^chp表示为第i台热电联产机组产生的热功率，w为热网中流量热当量值，tsh,g,t为热源处供水管道热媒温度，tsh,h,t为热源处回水管道热媒温度；

qhe,t＝εe·w·(the,g,t-the,h,t)

式中：qhe,t表示为换热站传递的热功率，εe为换热站的有效系数，the,g,t为换热站一次侧供水管道热媒温度，the,h,t为换热站一次侧回水管道热媒温度；

3)管道热延迟和温降约束

δtloss＝kloss·(tstart(t)-tout(t))

式中：δtloss为管道温降，tstart(t)为t时刻管道首端的温度，tout(t)为t时刻外界环境的温度，kloss为温度损耗系数；

tend(t)＝tstart(t-tdelay)-δtloss

式中：tend(t)为t时刻管道末端的温度，tdelay为供热管道热延迟时间。

4)机组出力上下限和爬坡约束

pi,min^chp≤pi,t^chp≤pi,max^chp

ui,tpi,min≤pi,t≤ui,tpi,max

-rd,i^chpδt≤pi,t^chp-pi,t-1^chp≤ru,i^chpδt

-rd,iδt≤pi,t-pi,t-1≤ru,iδt

式中：pi,min^chp和pi,max^chp分别是第i台热电联产机组电功率下限和上限，pi,min和pi,max分别是第i台常规机组电功率下限和上限，ru,i^chp和rd,i^chp分别表示第i台热电联产机组电功率上下爬坡的上限，ru,i和rd,i分别表示第i台常规机组电功率上下爬坡的上限；

5)风电出力约束

0≤pi,t^d,w≤pi,t^d,w0

6)热电联产电热耦合约束

qi,t^chp＝ηchppi,t^chp

qi,min^chp≤qi,t^chp≤qi,max^chp

式中：ηchp表示热电联产机组的热电比，本文取ηchp＝0.75，qi,min^chpandqi,max^chp分别是第i台热电联产机组热功率的下限和上限；

7)供暖管道温度约束

tsh,g,t≤tg^max

tsh,h,t≥th^min

式中：tg^max为供水管道温度上限，th^min为供水管道温度下限；

步骤3.2日内滚动修正模型：日内修正是预测点前4h～15min的计划，主要基于日前决策结果和引入求得的风电预测误差e^s，，运用热网自身的储放热特性调整机组出力、热源和换热站的供水温度、回水温度；

以系统总成本为目标函数，公式如下：

minf^s＝min(cnc^s+cng，s^s+cng，p^s+closs^s)

其中

式中：上标s表示日前调度模型中的变量，δpi,t^chp,和δpi,t表示为热电联产机组和常规机组的电功率调节量；

约束条件包括：

1)电功率平衡约束

0≤|e^s1|≤|e^s|

式中：pt^s,l表示为日内t时刻总电负荷功率，pt^s,w表示为日内风电实际调度功率，e^s1为热网通过储放热能补偿的预测误差；

2)热源、换热站供回水温度与热量交换约束

式中：δtsh,g,t为热源处供水管道热媒温度调节量，δtsh,h,t为热源处回水管道热媒温度调节量；qhe,t＝εe·w·((the,g,t+δthe,g,t)-(the,h,t+δthe,h,t))

式中：δthe,g,t为换热站一次侧供水管道热媒温度调节量，δthe,h,t为换热站一次侧回水管道热媒温度调节量；

3)供暖管道温度约束

tsh,g,t+δtsh,g,t≤tg^max

tsh,h,t+δtsh,h,t≥th^min

机组出力修正量约束与风电出力约束同步骤3.1；

步骤3.3实时修正模型：实时修正计划在预测点前15min制定，利用储能装置进一步补偿日内调度中热网补偿后的风电预测误差e^f，目标以弃风量和切负荷量最小，即以储能装置充放电量最大为目标函数公式如下：

minf^f＝min[e^f(pi,t^dc-pi,t^ch)]

式中：上标f表示日前调度模型中的变量，p^ch和p^dc分别表示储电装置充电功率和放电功率；

约束条件包括：

储电装置约束

式中：ui,t^ch和ui,t^dc分别表示第i台储电装置在t时刻充电状态和放电状态，1为工作状态，0表示不工作状态；pi,t^ch和pi,t^dc分别表示第i台储电装置在t时刻充电功率和放电功率；pi,min^ch和pi,max^ch分别表示充电功率下限和上限，pi,min^dc和pi,max^dc分别表示放电功率下限和上限，ei,t^ess表示为第i台储电装置在t时刻容量，ei,min^ess和ei,max^ess分别表示第i台储电装置容量下限和上限，βchandβdc分别表示充电系数和放电系数；

机组出力修正量约束与风电出力约束同步骤3.1。

本发明的有益效果：本发明利用lstm神经网络预测风电的预测误差，将其引入考虑热网储热特性的电热系统多时间尺度调度模型中，结合热网传输延时特性及储热特性，在日前调度中，制定机组启停、机组初步出力，在日内调度中根据上述预测误差利用热网储热能力修正机组启停、机组初步出力，在实时调度中，由储能装置进一步减小风电预测误差，从而提高电热系统对风电消纳能力，降低系统运行成本和减小储能装置容量。

附图说明：

图1是考虑热网储热特性的电热综合系统多时间尺度滚动调度流程图。

图2是case1和case2弃风量。

图3是case1和case2系统热出力情况。

图4是case1和case2储能充放电情况。

具体实施方式：

下面结合附图对本发明做更进一步的解释。

一种考虑热网储热特性的电热系统多时间尺度经济调度方法，包括以下步骤：

步骤1：使用lstm神经网络预测风电预测误差；

步骤2：将热网的储热特性和延时特性考虑到多时间尺度策略中；具体步骤如下：本发明调度模型分为3个时间尺度：日前调度模型([t,t+t])、日内滚动修正模型([t.t+16])和实时修正模型([t,t+1])，以15min为1个调度时段。第一部分进行机组启停、机组初步出力、热源和换热站的供水温度、回水温度；第二部分根据求得的风电预测误差e^s，运用热网自身的储放热特性调整机组出力、热源和换热站的供水温度、回水温度。由于热网的响应速度较慢，不能在实时调度阶段补偿风电预测误差，因此第三部分在热网补偿风电预测误差的基础上，利用储能装置进一步补偿剩下的的风电预测误差e^f。图1展示了多时间尺度滚动调度的整体流程。

步骤3：基于步骤1的预测误差和步骤2的调度策略，建立电热综合系统多时间尺度调度模型，制定机组启停和出力，储能充放电计划。具体步骤如下：

本发明调度模型分为3个时间尺度：日前调度模型([t,t+t])、日内滚动修正模型([t.t+16])和实时修正模型([t,t+1])，以15min为1个调度时段。第一部分先通过本发明提出的改进vmd分解将风电日前预测功率数据p^d,w0分成3层，由风电日前第1层数据p^d,w0,u1制定机组启停、机组和电锅炉初步出力；第二部分通过改进vmd分解将风电日内预测功率数据p^s,w0分成3层，用风电日内第1层数据p^s,w0,u1制定机组和电锅炉出力调节量，风电日内第2层数据p^s,w0,u2制定能量型储电装置充放电计划和机组、电锅炉出力调节量；第三部分通过改进vmd分解将风电实时预测数据p^f,w0分成3层，由风电实时第2层数据p^f,w0,u2制定能量型储电装置充放电调节量和机组、电锅炉出力调节量，由风电实时第3层数据p^f,w0,u3制定功率型储电装置充放电计划。图1展示了多时间尺度滚动调度的整体流程。

步骤3.1日前调度模型：日前调度为预测时刻前24h的调度计划，主要制定常规机组启停，常规机组、热电联产机组、热源和换热站的供水温度、回水温度。热电联产机组设定为常开状态，只考虑其运行成本，以热电联产机组运行成本、常规机组开机成本、常规机组运行成本和弃风成本为目标函数，公式如下：

minf^d＝min(cnc^d+cng，s^d+cng，p^d+closs^d)

其中

式中：下标n、t为机组编号、时段编号；上标d表示日前调度模型中的变量；f^d表示为系统日前总成本，cnc,cng,s,cng,p和closs表示为热电联产机组运行成本函数、常规机组开机成本函数、常规机组运行成本函数、弃风成本函数；ai^chp，bi^chp，ci^chp表示为第i台热电联产机组成本系数；ai，bi，ci表示为第i台常规机组成本系数；csi,t表示为第i台火电机组在t时刻开机成本系数；ui,t表示为日前第i台火电机组在t时刻启停状态，1为开机，0为停机；pi,t^chp,pi,t,pi,t^w0和pi,t^w分别表示为日前t时刻第i个热电联产机组出力、常规机组出力、风电预测有功出力和风电实际调度有功出力；nc，ng和nw为热电联产机组、常规机组和风电场数目，t为调度周期，

约束条件包括：

1)电功率平衡约束

式中：pt^d,l表示为日前总电负荷功率。

2)热源、换热站供回水温度与热量交换约束

式中：qi,t^chp表示为第i台热电联产机组产生的热功率，w为热网中流量热当量值，tsh,g,t为热源处供水管道热媒温度，tsh,h,t为热源处回水管道热媒温度。

qhe,t＝εe·w·(the,g,t-the,h,t)

式中：qhe,t表示为换热站传递的热功率，εe为换热站的有效系数，the,g,t为换热站一次侧供水管道热媒温度，the,h,t为换热站一次侧回水管道热媒温度。

3)管道热延迟和温降约束

δtloss＝kloss·(tstart(t)-tout(t))

式中：δtloss为管道温降，tstart(t)为t时刻管道首端的温度，tout(t)为t时刻外界环境的温度，kloss为温度损耗系数，

tend(t)＝tstart(t-tdelay)-δtloss

式中：tend(t)为t时刻管道末端的温度，tdelay为供热管道热延迟时间。

4)机组出力上下限和爬坡约束

pi,min^chp≤pi,t^chp≤pi,max^chp

ui,tpi,min≤pi,t≤ui,tpi,max

-rd,i^chpδt≤pi,t^chp-pi,t-1^chp≤ru,i^chpδt

-rd,iδt≤pi,t-pi,t-1≤ru,iδt

式中：pi,min^chp和pi,max^chp分别是第i台热电联产机组电功率下限和上限，pi,min和pi,max分别是第i台常规机组电功率下限和上限，ru,i^chp和rd,i^chp分别表示第i台热电联产机组电功率上下爬坡的上限，ru,i和rd,i分别表示第i台常规机组电功率上下爬坡的上限。

5)风电出力约束

0≤pi,t^d,w≤pi,t^d,w0

6)热电联产电热耦合约束

qi,t^chp＝ηchppi,t^chp

qi,min^chp≤qi,t^chp≤qi,max^chp

式中：ηchp表示热电联产机组的热电比，本文取ηchp＝0.75，qi,min^chpandqi,max^chp分别是第i台热电联产机组热功率的下限和上限。

7)供暖管道温度约束

tsh,g,t≤tg^max

tsh,h,t≥th^min

式中：tg^max为供水管道温度上限，th^min为供水管道温度下限。

步骤3.2日内滚动修正模型：日内修正是预测点前4h～15min的计划，主要基于日前决策结果和引入求得的风电预测误差e^s，，运用热网自身的储放热特性调整机组出力、热源和换热站的供水温度、回水温度。

以系统总成本为目标函数。公式如下：

minf^s＝min(cnc^s+cng，s^s+cng，p^s+closs^s)

其中

式中：上标s表示日前调度模型中的变量；δpi,t^ch^p,和δpi,t表示为热电联产机组和常规机组的电功率调节量。

约束条件包括：

1)电功率平衡约束

0≤|e^s1|≤|e^s|

式中：pt^s,l表示为日内t时刻总电负荷功率，pt^s,w表示为日内风电实际调度功率，e^s1为热网通过储放热能补偿的预测误差。

2)热源、换热站供回水温度与热量交换约束

式中：δtsh,g,t为热源处供水管道热媒温度调节量，δtsh,h,t为热源处回水管道热媒温度调节量。

qhe,t＝εe·w·((the,g,t+δthe,g,t)-(the,h,t+δthe,h,t))

式中：δthe,g,t为换热站一次侧供水管道热媒温度调节量，δthe,h,t为换热站一次侧回水管道热媒温度调节量。

3)供暖管道温度约束

tsh,g,t+δtsh,g,t≤tg^max

tsh,h,t+δtsh,h,t≥th^min

机组出力修正量约束与风电出力约束同步骤3.1。

步骤3.3实时修正模型：实时修正计划在预测点前15min制定，利用储能装置进一步补偿日内调度中热网补偿后的风电预测误差e^f。目标以弃风量和切负荷量最小，即以储能装置充放电量最大为目标函数公式如下：

minf^f＝min[e^f(pi,t^dc-pi,t^ch)]

式中：上标f表示日前调度模型中的变量，p^ch和p^dc分别表示储电装置充电功率和放电功率；

约束条件包括：

储电装置约束

式中：ui,t^ch和ui,t^dc分别表示第i台储电装置在t时刻充电状态和放电状态，1为工作状态，0表示不工作状态；pi,t^ch和pi,t^dc分别表示第i台储电装置在t时刻充电功率和放电功率；pi,min^ch和pi,max^ch分别表示充电功率下限和上限，pi,min^dc和pi,max^dc分别表示放电功率下限和上限，ei,t^ess表示为第i台储电装置在t时刻容量，ei,min^ess和ei,max^ess分别表示第i台储电装置容量下限和上限，βchandβdc分别表示充电系数和放电系数；

机组出力修正量约束与风电出力约束同步骤3.1。

本发明采用包含8台火电机组，2台热电联产机组和一个储电装置。热网工作模式选择定径流量工作模式。风电场数据来自比利时elia风电场公开的2019年7月8日运行数据，并按照装机容量为2600mw进行归一化处理。储电装置参数如表1所示。

表1储电装置参数

为了说明本发明提出运用热网自身储热特性和延时特性在电热系统多时间尺度调度中平抑风电预测误差的影响，设置以下2种案例：

1)case1：调度模型由日前、日内和实时调度模型组成。根据第一节得出的预测误差，利用日前、日内和实时调度模型平抑预测误差。实时模型中利用储能装置平抑日前和日内中无法补偿的风电预测误差。模型中不考虑热网自身特性。

2)case2：调度模型由日前、日内和实时调度模型组成。根据第一节得出的风电预测误差，在日前、日内调度模型中考虑热网自身储热和延迟特性，利用日前和日内调度模型平抑预测误差，最后在实时模型中利用储能装置平抑日前和日内中无法补偿的风电预测误差。

仿真结果：

case1和case2弃风量如图2所示。case1和case2系统热出力如图3所示。case1和case2储能充放电情况如图4所示。

由图2所示，利用热网自身储热特性和延时特性后，系统弃风量由1030.5mw减少为50.3mw，减少了980.2mw，降低了95.1％。由图3所示，case1中热电联产机组热出力主要跟随热负荷变化而变化，时刻保持热平衡。而case2中热电联产机组热出力与热负荷出现了不同步的现象。如case2在5-15h中热电联产机组热出力明显大于供热需求，此时热电联产机组将多余热能储存在热网中，以备在其余时段热网释放热量。而16-19h和21-24h，case2中热电联产机组热出力小于供热需求，此时前期储存在热网中的热能释放，弥补了该时段部分供热需求的缺额，相当于降低了chp的出力。由图4所示，经过热网自身储热特性和延时特性大幅度平抑风电预测误差后，剩下的由储能装置平抑，case1中储能装置容量为2000mw，case2中储能装置容量为500mw，case2比case1的储能装置减少了1500mw，大大降低了储能成本。

表2给出case1和case2的系统总成本和弃风量。

表2系统总成本

从上述仿真结果可以看出，由于在电热系统多时间尺度中考虑了热网自身储热特性和延时特性，系统中热电联产机组热出力不需要与热负荷实时平衡，这样实现了热能的跨时段转移，实现了电、热系统在时空范围内的协调互补，有效减少了弃风量和系统运行成本，还大大缩小了储能装置容量，减少了储能成本。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。