考虑储热改造与最优弃能协同促进碳减排的风光火储双层调度方法

1.本发明属于电力系统优化调度技术领域，具体涉及一种考虑储热改造与最优弃能协同促进碳减排的风光火储双层调度方法


背景技术：

2.自2020年国家正式提出双碳目标以来，风电与光伏由于成本低、技术成熟且开发潜力巨大等因素发展迅猛，同时，由于风光的不确定性严重限制着新能源的消纳能力。为了提高新能源消纳水平，大量研究利用储能系统、光热发电来平抑风光发电曲线，从提升电源测灵活性的角度来提高风光消纳的效率，但忽略了火电机组调峰时大幅增加机组碳排放问题。利用锅炉稳燃改造、快速启停和快速爬坡技术开展火电机组深度调峰灵活改造也是提高新能源消纳的重要手段，但都难以从电源侧调节负荷曲线且并未探索机组储热改造时能够产生经济性与低碳性的最优弃能范围。因此需要一种兼顾发电端与配电端协同的风光火储调度模型。


技术实现要素：

3.针对上述问题，本发明提出了一种考虑储热改造与最优弃能协同促进碳减排的风光火储双层调度方法，能够有效提升能源利用率、降低系统的运行成本、减少系统碳排放量。实现在较低风光弃能率及运行成本的基础上,大幅减少系统运行时的碳排放。
4.本发明提出了一种考虑储热改造与最优弃能协同促进碳减排的风光火储双层调度方法，具体设计方案如下：
5.(1)对火电机组储热改造运行状态建模；
6.(2)建立以电网净负荷方差及弃能最小的多目标上层模型；
7.(3)建立碳交易成本模型；
8.(4)建立以系统总成本和碳交易成本最小为目标的下层模型；
9.(5)适当改变弃能上限约束，在matlab环境下基于yalmip平台，调用gurobi求解器计算。
10.进一步的，所述步骤(1)中建立的火电机组储热改造运行状态建模：
[0011][0012][0013][0014]
p
tcoal
＝η
st，gen
p
tst，gen
[0015]
式中，为t时刻高温储热系统的存储热量；为t-1时刻高温系统的存储热量；
p
tbum
为t时段锅炉煤燃烧功率；p
tst，gen
为t时段汽轮机内的热功率；ηh为高温储热系统的热损失率；p
thc
、p
thd
、p
tlc
、p
tld
为高温、低温储热系统的存储热功率与释放热功率；η
hc
、η
hd
为高温系统的热效率；η
coal
为煤燃烧热效率；为t时刻消耗的煤炭质量；q
coal
为煤粉燃烧热值；η
st，gen
为热电转换效率；p
tcoal
为改造机组发电出力。
[0016]
进一步的,所述步骤(2)中建立以电网净负荷方差及弃能最小的多目标函数:
[0017][0018][0019][0020]
式中:为受端电网t时段净负荷,为受端电网的净负荷平均值，p
d,t
为受端电网t时段初始负荷,ω
w,t
、ω
pv,t
分别为t时段弃风率与弃光率,p
w,t
与p
pv,t
分别表示t时段风电出力和光伏出力，λc、λd为储能充放电效率,p
c,t
、p
d,t
分别为储能系统t时段充放电功率。
[0021]
在步骤(2)中所述以电网净负荷方差及弃能最小为目标上层模型约束包括风光预测约束、弃能约束、储能系统约束等,具体如下:
[0022]
0≤p
w,t
≤p
w,max
[0023]
0≤p
pv,t
≤p
pv,max
[0024]
0≤p
c,t
≤p
c,max
[0025]
0≤p
d,t
≤p
d,max
[0026]
p
c,t
·
p
d,t
＝0
[0027][0028][0029]qs,max
·qsoc,min
≤q
soc,t
≤q
s,max
·qsoc,max
[0030][0031]
式中:p
w,max
表示t时段风电场的最大出力，p
pv,max
表示t时段光伏电站的最大出力；k
w,max
为风电场允许的最大弃风率，k
pv,max
为光伏电站允许的最大弃光率；p
c,max
表示储能系统最大充电功率，p
d,max
表示储能系统最大放电功率；q
s,max
表示储能系统最大存储电量，q
soc,max
表示储能系统荷电比例上限，q
soc,min
表示储能系统荷电比例下限，q
soc,t
表示t时段储能剩余电量。
[0032]
进一步的，所述步骤(3)中建立的碳交易成本模型:
[0033][0034]
[0035][0036]
式中:为火电机组集获得的初始碳交易配额，ω
con
为火电机组集合，为火电机组i在t时段对应的出力，是火电机组集单位电量初始碳排放配额；ec为火电机组集获得的实际碳交易配额，ε
t,i
是火电机组集单位电量实际碳排放配额；c
carbon
为火电机组集获的碳交易成本，是单位功率碳交易系数。
[0037]
进一步的，所述步骤(4)中以系统总成本和碳交易成本最小为目标的下层模型,具体如下:
[0038][0039][0040]
c2＝k[(hs/js)+(hn/jn)]
[0041]hs
＝c1qs(1-ηs)/p
coal
[0042]hn
＝c1qn(1-ηn)/p
coal
[0043][0044][0045]
式中:c
coal
为单位煤的价格；为火电机组在t时段的启停状态，为1时机组处于运行状态，为0时处于停机状态,为机组i的启停成本,c1、c2、c3、c4分别表示调度系统的旋转备用成本、环境保护税、风光储系统运行成本以及风光消纳收益；为机组i在t时刻消耗的煤炭质量；hs与hn分别为电机组向大气中排放的so2、no
x
质量及对应的纳税额；p
coal
为发电机发出电功率；β
res
为系统旋转备用成本系数；ed、ew、e
pv
表示负荷、风电及光伏出力预测误差系数；测误差系数；分别表示t时间段的风光消纳功率和光伏消纳功率；qs、qn为单位燃煤时产生的so2与no
x
质量；ηs、ηn为环保装置脱硫so2、no
x
的效率,js与jn分别为so2与no
x
的污染当量数,k表示单位污染需缴纳的税额；μw、μ
pv
、μ
soc
分别表示风电、光伏及储能系统的运行成本系数；αw、α
pv
表示消纳风电与光伏产生的环境收益系数，α
soc
为储能系统有关的环境收益系数。
[0046]
步骤(4)中所述以系统总成本和碳交易成本最小为目标的下层模型约束包括火电机组运行约束、电功率平衡约束、系统旋转备用约束、储热系统约束、锅炉煤燃烧质量约束、蒸汽轮机做功发电功率约束、储热机组出力约束、线路传输功率约束等,具体如下:
[0047][0048][0049][0050]
[0051][0052][0053][0054][0055]
0≤p
l,t
≤p
l,max
[0056][0057][0058][0059][0060][0061][0062][0063][0064][0065][0066][0067][0068][0069]
式中:与分别表示火电机组i的出力下限与上限；与分别表示火电机组i的出力时爬坡最大速率与最小速率；t
on
与t
off
分别为火电机组i的最大开机持续时间与最大关停持续时间；p
w,t
与p
pv,t
分别表示t时段风电出力和光伏出力；分别为系统正、负旋转备用容量；为t时刻高温、低温储热系统的存储热量；为t时刻高温、低温储热系统的存储热量；分别表示t时段高低温系统最小、最大储热容量；分别表示t时段高低温系统最小、最大储热容量；p分别表示t时段高低温储热系统的运行状态，与分别为系统旋正转备与负备用，θ
hd
、θ
ld
为高低温最大放热系数，分别为高低温最大放热功率；分别为t时段最大、最小煤燃烧质量；p
l,t
为t时段线路l的输电功率,p
l,max
为线路l的最大输电容量；分别表示蒸汽轮机做功发电功率的最大最小值。
[0070]
进一步的，所述步骤(5)在matlab环境下基于yalmip平台，调用gurobi求解器计算,具体步骤如下：
[0071]
(5-1)在matlab环境下基于yalmip平台，调用gurobi求解上层模型；
[0072]
(5-2)将上层模型得到的净负荷曲线输入到下层模型，并利用gurobi求解；
[0073]
(5-3)判断是否满足收敛准则，若满足则输出计算结果；若不满足则更新弃能率上限，返回步骤(5-1)进行求解；
[0074]
(5-4)得出储热改造时能够产生经济性与低碳性的最优弃能范围以及系统碳排放、运行经济等结果并结束。
[0075]
与现有技术相比，本发明的优点和积极效果在于：
[0076]
(1)考虑最优风光消纳时，不仅考虑了经济性，还考虑火电机组调峰调频时的低碳性；
[0077]
(2)对系统的可再生能源弃能率进行最优化计算时，探讨了弃能率对系统经济性与碳减排的影响；
[0078]
(3)考虑火电机组储热改造时的系统经济调度，说明了储热改造带来经济效益与碳减排效益的作用范围。
附图说明
[0079]
图1为本发明双层优化调度模型结构图；
[0080]
图2为本发明实例中净负荷峰谷分析图；
[0081]
图3为本发明实例中改进的ieee30节点结构图；
[0082]
图4为本发明实例中负荷与风电出力预测曲线图；
[0083]
图5为本发明实例中基于matlab的优化调度模型流程图。
具体实施方式
[0084]
下面结合具体实施例和附图，进一步阐明本发明，本发明提出了一种考虑储热改造与最优弃能协同促进碳减排的风光火储双层调度方法，双层优化调度模型结构如图1所示，净负荷峰谷分析图见图2所示，为进一步验证提出方法的有效性，在改进的ieee30节点系统利用进行负荷与风电出力预测曲线如图4进行仿真分析，改进的ieee30节点结构图如图3所示，具体实施步骤如下：
[0085]
(1)建立火电机组储热改造运行状态模型，具体如下：
[0086][0087][0088][0089]
p
tcoal
＝η
st，gen
p
tst，gen
[0090]
式中，为t时刻高温储热系统的存储热量；为t-1时刻高温系统的存储热量；p
tburn
为t时段锅炉煤燃烧功率；p
tst，gen
为t时段汽轮机内的热功率；ηh为高温储热系统的热损失率；p
thc
、p
thd
、p
tlc
、p
tld
为高温、低温储热系统的存储热功率与释放热功率；η
hc
、η
hd
为高温系统的热效率；η
coal
为煤燃烧热效率；为t时刻消耗的煤炭质量；q
coal
为煤粉燃烧热
值；η
st，gen
为热电转换效率；p
tcoal
为改造机组发电出力。
[0091]
(2)建立上层调度模型
[0092]
建立以电网净负荷方差及弃能最小的多目标函数,具体如下:
[0093][0094][0095][0096]
式中:为受端电网t时段净负荷,为受端电网的净负荷平均值，p
d,t
为受端电网t时段初始负荷,ω
w,t
、ω
pv,t
分别为t时段弃风率与弃光率,p
w,t
与p
pv,t
分别表示t时段风电出力和光伏出力，λc、λd为储能充放电效率,p
c,t
、p
d,t
分别为储能系统t时段充放电功率。
[0097]
所述以电网净负荷方差及弃能最小为目标上层模型约束包括风光预测约束、弃能约束、储能系统约束等,具体如下:
[0098]
0≤p
w,t
≤p
w,max
[0099]
0≤p
pv,t
≤p
pv,max
[0100]
0≤p
c,t
≤p
c,max
[0101]
0≤p
d,t
≤p
d,max
[0102]
p
c,t
·
p
d,t
＝0
[0103][0104][0105]qs,max
·qsoc,min
≤q
soc,t
≤q
s,max
·qsoc,max
[0106][0107]
式中:p
w,max
表示t时段风电场的最大出力，p
pv,max
表示t时段光伏电站的最大出力；k
w,max
为风电场允许的最大弃风率，k
pv,max
为光伏电站允许的最大弃光率；p
c,max
表示储能系统最大充电功率，p
d,max
表示储能系统最大放电功率；q
s,max
表示储能系统最大存储电量，q
soc,max
表示储能系统荷电比例上限，q
soc,min
表示储能系统荷电比例下限，q
soc,t
表示t时段储能剩余电量。
[0108]
(3)建立碳交易成本模型,具体如下:
[0109][0110][0111][0112]
式中:为火电机组集获得的初始碳交易配额，ω
con
为火电机组集合，为火
电机组i在t时段对应的出力，是火电机组集单位电量初始碳排放配额；ec为火电机组集获得的实际碳交易配额，ε
t,i
是火电机组集单位电量实际碳排放配额；c
carbon
为火电机组集获的碳交易成本，是单位功率碳交易系数。
[0113]
(4)建立下层优化调度模型
[0114]
以系统总成本和碳交易成本最小为目标的下层模型,具体如下:
[0115][0116][0117]
c2＝k](hs/js)+(hn/jn)]
[0118]hs
＝c1qs(1-ηs)/p
coal
[0119]hn
＝c1qn(1-ηn)/p
coal
[0120][0121][0122]
式中:c
coal
为单位煤的价格；为火电机组在t时段的启停状态，为1时机组处于运行状态，为0时处于停机状态,为机组i的启停成本,c1、c2、c3、c4分别表示调度系统的旋转备用成本、环境保护税、风光储系统运行成本以及风光消纳收益；β
res
为系统旋转备用成本系数；ed、ew、e
pv
表示负荷、风电及光伏出力预测误差系数；为机组i在t时刻消耗的煤炭质量；hs与hn分别为电机组向大气中排放的so2、no
x
质量及对应的纳税额；p
coal
为发电机发出电功率；出电功率；分别表示t时间段的风光消纳功率和光伏消纳功率；qs、qn为单位燃煤时产生的so2与no
x
质量；ηs、ηn为环保装置脱硫so2、no
x
的效率,js与jn分别为so2与no
x
的污染当量数,k表示单位污染需缴纳的税额；μw、μ
pv
、μ
soc
分别表示风电、光伏及储能系统的运行成本系数；αw、α
pv
表示消纳风电与光伏产生的环境收益系数，α
soc
为储能系统有关的环境收益系数。
[0123]
以系统总成本和碳交易成本最小为目标的下层模型约束包括火电机组运行约束、电功率平衡约束、系统旋转备用约束、储热系统约束、锅炉煤燃烧质量约束、蒸汽轮机做功发电功率约束、储热机组出力约束、线路传输功率约束等,具体如下:
[0124][0125][0126][0127][0128]
[0129][0130][0131][0132]
0≤p
l,t
≤p
l,max
[0133][0134][0135][0136][0137][0138][0139][0140][0141][0142][0143][0144][0145][0146]
式中:与分别表示火电机组i的出力下限与上限；与分别表示火电机组i的出力时爬坡最大速率与最小速率；t
on
与t
off
分别为火电机组i的最大开机持续时间与最大关停持续时间；p
w,t
与p
pv,t
分别表示t时段风电出力和光伏出力；分别为系统正、负旋转备用容量；与分别为系统旋正转备与负备用；为t时刻高温、低温储热系统的存储热量；分别表示t时段高低温系统最小、最大储热容量；分别表示t时段高低温储热系统的运行状态，θ
hd
、θ
ld
为高低温最大放热系数，分别为高低温最大放热功率；分别为t时段最大、最小煤燃烧质量；p
l,t
为t时段线路l的输电功率,p
l,max
为线路l的最大输电容量；分别表示蒸汽轮机做功发电功率的最大最小值。
[0147]
(5)在matlab环境下基于yalmip平台，调用gurobi求解器计算,如图5所示，具体步骤如下：
[0148]
(5-1)在matlab环境下基于yalmip平台，调用gurobi求解上层模型；
[0149]
(5-2)将上层模型得到的净负荷曲线输入到下层模型，并利用gurobi求解；
[0150]
(5-3)判断是否满足收敛准则，若满足则输出计算结果；若不满足则更新弃能率上限，返回步骤(5-1)进行求解；
[0151]
(5-4)得出储热改造时能够产生经济性与低碳性的最优弃能范围以及系统碳排放、运行经济等结果并结束。
[0152]
为了验证考虑最优弃能与机组储热改造协同具有较好的经济性与低碳性，对比分析以下三种模式下系统的运行成本。
[0153]
a.低碳交易机制下，考虑风光全网消纳和机组储热改造的低碳经济调度模型；
[0154]
b.低碳交易机制下，仅考虑风光最优弃能的低碳经济调度模型；
[0155]
c.低碳交易机制下，考虑风光最优弃能和机组储热改造的低碳经济调度模型(本发明模型)。
[0156]
表1为三种模式下系统的运行成本以及碳排放成本，从表1可知，模型3的总成本最小，比模型1与模型2分别降低了17.59万元、26.32万元，降幅分别达到4.29％与6.29％。这主要是因为考虑最优弃能时既充分利用风光发电，又平抑了负荷波动大，减少机组启停成本，相模型1与模型2比较分别降低了2.5万元、4.2万元。此外，储热机组改造对负荷进行二次调节使负荷曲线更平缓，锅炉燃烧稳定性提高，单位发电耗煤量减少，降低火电机组煤耗，碳排放成本也略有降低，说明本发明能够提高风光火储系统的低碳性与经济性。
[0157]
表13种模型的调度结果对比
[0158][0159]
在matlab环境下基于yalmip平台，调用gurobi求解模型，改变弃能约束上限，探索出本实例中机组储热改造可获益的弃能率范围为0-0.22。
[0160]
上述实施例用来解释本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。