本发明属于电力系统优化调度领域,具体涉及一种风力发电的煤电厂优化调度方法。
背景技术:
1、生态环境恶化,能源危机不断,恶劣天气频发威胁着人类的生存与发展。推动能源绿色低碳发展、电力系统降碳脱碳是解决问题的关键。新能源快速发展,风能太阳能装机容量不断增加,未来新型电力系统将会是以新能源为主,火力发电为辅的结构。目前燃煤发电处于较为尴尬的处境,一方面承受额外的煤电厂碳排放成本、新能源涌入带来的煤电机组频繁爬坡和长时间低负荷运行,一方面又要在新能源输出较弱时保障用户侧正常用电。新能源发电以绿色环保、成本逐渐下降为特点,但其相对煤电而言稳定性欠缺。煤电虽有较高的稳定性,却存在着环境污染的问题,且成本逐步攀升。在煤炭价格较高时,煤电厂甚至面临亏损的压力,迫切需要从耦合新能源的角度出发,寻求计及二者安全运行约束的协调优化运行方式。
2、而现有煤电机组频繁爬坡和长期低负荷运行产生一定的额外运行成本,难以实现煤电与风电协同发电的总收益最大化。
技术实现思路
1、本发明提出一种风力发电的煤电厂优化调度方法,解决“双碳”背景下部分煤电厂面临亏损的问题以及新能源涌入电力市场给煤电厂带来竞争挑战的问题,优化协调煤电-风力发电的出力关系,实现煤电与风电协同发电总收益最大化。
2、一种风力发电的煤电厂优化调度方法,包括:
3、步骤1、建立煤电厂售电收益、煤电厂煤耗成本、煤电厂碳排放成本、煤电厂爬坡成本的数学模型;
4、步骤2、建立风力发电售电收益、风力发电建设成本、风力发电运维成本、风力发电弃风成本的数学模型;
5、步骤3、根据所述步骤1和步骤2里的数学模型建立煤电与风电协同发电的总收益最大化目标函数;
6、步骤4、建立煤电与风电协同发电的功率平衡约束、负荷率约束、煤电机组爬坡速率约束;
7、步骤5、基于功率平衡约束、负荷率约束、煤电机组爬坡速率约束,获取煤电与风电协同发电的总收益最大化目标函数的最大值,将煤电与风电协同发电的总收益最大化目标函数的最大值作为煤电与风电协同发电的总收益最大值。
8、进一步的,所述煤电厂售电收益的数学模型表示为:
9、rcoal=scoal-sellqcoal#(1)
10、
11、式中,rcoal为一天的煤电厂售电收益;scoal-sell为煤电的上网电价;qcoal为一天的煤电发电量;t表示一天划分为t个时间段;为煤电机组的额定功率;ncoal(i)为一天中第i时刻的煤电负荷率;δtcoal(i)为煤电负荷率ncoal(i)的持续时间。
12、进一步的,所述煤电厂煤耗成本的数学模型表示为:
13、
14、
15、式中,ccoal为一天的煤电厂煤耗成本;scoal为煤炭的单价;b(i)为第i时刻的煤耗率,考虑与煤电负荷率ncoal(i)成二次函数的关系,包含ab,bb,cb三个系数。
16、进一步的,所述煤电厂碳排放成本的数学模型表示为:
17、
18、
19、式中,为一天的煤电厂碳排放成本;为碳交易单价;e(i)为碳排放率,考虑与煤电负荷率ncoal(i)成二次函数的关系,包含ae,be,ce三个系数。
20、进一步的,所述煤电厂爬坡成本的数学模型表示为:
21、
22、式中,cramp为一天的煤电厂爬坡成本;sramp为爬坡成本因子;δncoal(i)为该时刻的煤电负荷率与上时刻之差。
23、进一步的,所述风力发电售电收益的数学模型表示为:
24、rwind=swind-sellqwind#(8)
25、
26、式中,rwind为一天的风力发电售电收益;swind-sell为风力发电的上网电价;qwind为一天的风力发电总发电量;为第i时刻风力发电蕴含的最大可发电功率;nwind(i)为第i时刻的风力发电负荷率,为风机第i时刻的实际发电功率与风机第i时刻所蕴含的最大发电功率之比;δtwind(i)为风力发电负荷率nwind(i)持续的时间。
27、进一步的,所述风力发电建设成本的数学模型表示为:
28、
29、式中,cinv为平均每天的风力发电建设成本;sinv为单位风力发电装机容量的平均风力发电建设成本;为风力发电的装机容量;y为风机的平均寿命。
30、进一步的,所述风力发电运维成本的数学模型表示为:
31、
32、式中,copt为一天的风力发电运维成本;sopt为平均每度电的风力发电运维成本。
33、进一步的,所述风力发电弃风成本的数学模型表示为:
34、
35、
36、式中,cabdn为一天的风力发电弃风成本;sabdn为风力发电弃风成本系数;
37、所述煤电与风电协同发电的总收益最大化目标函数为:
38、max(fcoal+fwind)#(14)
39、
40、fwind=rwind-cinv-cabdn-copt#(16)
41、式中,fcoal为一天的煤电净收益;fwind为一天的风力发电净收益。
42、进一步的,所述煤电与风电协同发电的功率平衡约束、负荷率约束、煤电机组爬坡速率约束分别为:
43、pcoal(i)+pwind(i)=pload(i)#(17)
44、
45、
46、
47、
48、
49、
50、
51、式中,pcoal(i)为煤电第i时刻的输出功率;pwind(i)为风力发电第i时刻的输出功率;pload(i)为第i时刻的负荷情况;分别为煤电负荷率的下限和上限;分别为风力发电负荷率的下限和上限;gcoal(i)为第i时刻的爬坡速率;分别为煤电机组爬坡速率的下限和上限;δpcoal(i)为第i时刻与i-1时刻间煤电机组变化的功率;δtramp(i)为机组爬坡的时间。
52、与现有技术相比,本发明技术方案的有益效果是:
53、针对煤电机组频繁爬坡和长期低负荷运行产生一定的额外运行成本的问题,本发明提供了一种风力发电的煤电厂优化调度方法,通过优化协调煤电与风电出力关系的方式,基于功率平衡约束、负荷率约束、煤电机组爬坡速率约束,获取煤电与风电协同发电的总收益最大化目标函数的最大值,将煤电与风电协同发电的总收益最大化目标函数的最大值作为煤电与风电协同发电的总收益最大值,减少碳排放总量,节约煤炭资源,提高煤电机组的运行效率,降低该发电系统的度电成本,实现煤电与风电协同发电的总收益最大化。
1.一种风力发电的煤电厂优化调度方法,其特征在于,所述优化调度方法包括以下步骤:
2.根据权利要求1所述的一种风力发电的煤电厂优化调度方法,其特征在于,所述煤电厂售电收益的数学模型表示为:
3.根据权利要求2所述的一种风力发电的煤电厂优化调度方法,其特征在于,所述煤电厂煤耗成本的数学模型表示为:
4.根据权利要求3所述的一种风力发电的煤电厂优化调度方法,其特征在于,所述煤电厂碳排放成本的数学模型表示为:
5.根据权利要求4所述的一种风力发电的煤电厂优化调度方法,其特征在于,所述煤电厂爬坡成本的数学模型表示为:
6.根据权利要求5所述的一种风力发电的煤电厂优化调度方法,其特征在于,所述风力发电售电收益的数学模型表示为:
7.根据权利要求6所述的一种风力发电的煤电厂优化调度方法,其特征在于,所述风力发电建设成本的数学模型表示为:
8.根据权利要求7所述的一种风力发电的煤电厂优化调度方法,其特征在于,所述风力发电运维成本的数学模型表示为:
9.根据权利要求8所述的一种风力发电的煤电厂优化调度方法,其特征在于,所述风力发电弃风成本的数学模型表示为:
10.根据权利要求9所述的一种风力发电的煤电厂优化调度方法,其特征在于,所述煤电与风电协同发电的功率平衡约束、负荷率约束、煤电机组爬坡速率约束分别为: