本发明属于风电
技术领域：
，尤其是涉及一种风电消纳综合能源系统的协调优化控制及经济性评估方法。
背景技术：
当前，我国风力发电在国家一系列政策激励下迅速发展，2015年，新增风电装机容量达30.5gw，占全球新增装机容量的45.1％，累计风电装机容量达145.1gw，占全球总风电装机容量的31％，均位居全球第一。但风电弃风现象严重，尤其是我国“三北地区”冬季供热期用于电网调峰的火电机组调峰能力骤减，电网接纳风电的空间减小，进一步引发风电弃风。由于风电出力具有“反调峰”特性，而火电机组的最低调峰极限为50％～60％，这使得在负荷低谷时段，火电机组即使全部压出力下限运行仍存在大量弃风的现象，调峰资源难以满足风电消纳的需求。为了减少弃风，提高风电利用率，采用储能系统协调蓄热式电锅炉消纳风电弃风的同时还可以为居民供暖，减小环境污染。蓄热式电锅炉可吸收电能，储存和释放热能；储能系统也可通过动态吸收及释放电能，实时实现电网调度；在风电出力过剩时，存储电能以减少弃风，在风电出力不足时，释放电能或热能以满足电负荷或热负荷需求，以此消纳风电弃风。技术实现要素：本发明的目的是提出一种风电消纳综合能源系统的协调优化控制及经济性评估方法，该综合能源系统由风电场、储能系统和蓄热式电锅炉组成。由于综合能源系统具有不同的时间尺度，利用储能系统协调蓄热式电锅炉联合运行以消纳弃风为居民供热。以“风电-储能系统”和“风电-蓄热式电锅炉”作为博弈参与者，综合考虑储能系统、蓄热式电锅炉、风电场各项收益及成本费用因素，建立基于博弈论的储能协调蓄热式电锅炉消纳风电弃风经济性评估模型，利用粒子群算法对该模型进行求解。在保证综合能源系统整体经济收益最大的同时，得到最佳的储能系统和蓄热式电锅炉各时刻运行功率，进一步提升蓄热式电锅炉消纳弃风的能力。为达到上述目的，本发明采用如下的技术方案：风电消纳综合能源系统的协调优化控制及经济性评估方法，其特征在于，包括如下步骤：步骤1、获取风电场各时刻预测功率数据py(t)，风电场各时刻实际功率数据pw(t)，计算风电场各时刻的弃风功率prw(t)，整个风电场的风电弃风功率曲线计算公式如下：prw(t)＝py(t)-pw(t)；步骤2、分别给出风电-储能系统、风电-蓄热式电锅炉、风电-储能-蓄热式电锅炉三种运行模式下的消纳风电弃风运行策略；步骤3、以风电-储能系统和风电-蓄热式电锅炉作为博弈参与者，在考虑储能系统、蓄热式电锅炉、风电场各项收益及成本费用的约束条件下，以净收益最大为目标，建立储能协调蓄热式电锅炉消纳风电弃风的合作博弈模型；步骤4、采用粒子群优化算法对步骤3所述的储能协调蓄热式电锅炉消纳风电弃风的合作博弈模型进行求解，得到在储能协调蓄热式电锅炉消纳风电弃风的合作博弈模型下达到系统经济性最优，并给出各时刻储能系统和蓄热式电锅炉运行状态。进一步，所述步骤2中，风电-储能系统、风电-蓄热式电锅炉、风电-储能-蓄热式电锅炉三种运行模式下的消纳风电弃风运行策略分别是：①风电-储能系统联合系统消纳风电弃风策略在夜间电价低谷时，利用风电弃风给储能系统充电；在白天负荷高峰即电价高峰时段储能系统放电；②风电-蓄热式电锅炉联合系统消纳风电弃风策略风电场发电送入电网，蓄热式电锅炉从电网购电制热，蓄热式电锅炉在夜间负荷低谷期以恒定功率运行；风电场所提供电量不足时由电网补偿，保证蓄热式电锅炉正常运行；在夜间负荷低谷期蓄热式电锅炉产生的热量一部分用于直接输送给供热公司，另一部分存入蓄热式电锅炉的蓄热罐中，待到白天负荷高峰期，蓄热式电锅炉的蓄热罐开始放热；③风电-储能系统-蓄热式电锅炉联合系统消纳风电弃风策略在非直接供电模式下即风电场发电送入电网，蓄热式电锅炉再从电网购电制热，在用电侧加入储能系统以协调蓄热式电锅炉调节运行功率，实现储能协调蓄热式电锅炉消纳风电供热。进一步，所述步骤3中，以风电-储能系统和风电-蓄热式电锅炉作为博弈参与者，建立储能协调蓄热式电锅炉消纳风电弃风的合作博弈模型，建模过程如下：①博弈参与者：风电-储能系统用bc表示，风电-蓄热式电锅炉用bb表示；②参与者策略：风电-储能系统bc与风电-蓄热式电锅炉bb进行博弈时，将风电场各时刻弃风功率记为prw(t)、储能系统各时刻运行功率记为pc(t),蓄热式电锅炉各时刻加热功率记为pb(t)；其中，在时间变量连续取值的情况下，连续时间风电场弃风功率连续时间储能系统运行功率具体表述分别为：其中，分别表示储能系统充放电功率下限，储能系统充放电功率上限，蓄热式电锅炉加热功率下限，蓄热式电锅炉加热功率上限；③收益函数：i＝s-c其中，i为储能协调蓄热式电锅炉消纳弃风系统日净收益，s为储能协调蓄热式电锅炉消纳弃风系统日总收益，c为储能协调蓄热式电锅炉消纳弃风系统日总成本；④建立收益模型储能协调蓄热式电锅炉消纳弃风系统收益包括风电并网收益s1、储能系统白天售电收益s2和储能协调蓄热式电锅炉消纳弃风系统向供热站售热收益s3；这里各收益均折算成日均值，则有储能协调蓄热式电锅炉消纳弃风系统日总收益s满足如下公式为：s＝s1+s2+s3；⑤建立成本模型储能协调蓄热式电锅炉消纳弃风系统成本包括蓄热式电锅炉投资成本c1，蓄热式电锅炉运行维护成本c2，系统一天内需要从电网购电成本c3，储能系统投资与运行维护成本c4，这里各成本均折算到等日值，储能协调蓄热式电锅炉消纳弃风系统日总成本c满足如下公式：c＝c1+c2+c3+c4；储能协调蓄热式电锅炉消纳弃风系统日净收益i：i＝s-c＝(s1+s2+s3)-(c1+c2+c3+c4)；⑥模型约束条件蓄热式电锅炉的运行功率满足如下约束：其中，pb(t)为蓄热式电锅炉各时刻加热功率，和分别表示蓄热式电锅炉加热功率的下限和上限；蓄热罐容量qxu(t)满足如下公式：其中，η表示蓄热式电锅炉电热转换效率；pn(t)表示各时刻单位时间最低热负荷需求，单位：gj/h；分别表示蓄热罐蓄热容量的下限和上限；各时刻单位时间最低热负荷需求满足如下约束：pn(t)＝hpu(t)*pnb其中，hpu(t)为各时刻最低热负荷系数，pnb为基础最低单位时间热负荷需求，单位：gj/h；蓄热式电锅炉一天的产热量qhot满足以下约束：其中，qn表示供热地区一天内需求的最低热负荷值；储能系统需要满足充放电约束和荷电状态约束：socmin≤soc(t)≤socmaxsoc(t)＝soc(t-1)+pbess(t)δt其中，pbess(t)为储能系统t时刻充放电功率；为储能系统最大充放电功率；soc(t)表示储能系统t时刻荷电状态，soc(t-1)表示储能系统t-1时刻荷电状态，socmin、socmax表示储能系统荷电状态下限和上限。其中，所述风电并网收益s1，计算公式为s1＝esce；其中，es为一天内风电场一天并网电量；ce为风电场风电并网电价；es计算公式为：其中，pb(t)表示蓄热式电锅炉在t时刻的加热功率；prw(t)表示t时刻的弃风功率；风电场一天的弃风电量eq的计算公式为储能系统白天售电收益s2计算公式如下：s2＝ec*(socmax-socmin)*ce储能协调蓄热式电锅炉消纳弃风系统向供热站售热收益s3计算公式如下：s3＝qner其中，qn为储能协调蓄热式电锅炉消纳弃风系统一天向供热站售热量，单位：gj，er为向供热站售热单价，单位：元/gj。其中，所述蓄热式电锅炉投资成本c1满足如下公式：c1＝cboil/(dy*nboily)其中，cboil为蓄热式电锅炉一次投资成本；nboily为蓄热式电锅炉平均寿命；单位：年；dy为每年的供热期天数；蓄热式电锅炉运行维护成本c2满足如下公式：c2＝cbarn，其中，cbar为蓄热式电锅炉功率一次调节的惩罚成本单位：元；n为一天内蓄热式电锅炉功率调节次数；系统一天内需要从电网购电成本c3的计算公式为：c3＝efef+epep+egeg其中，ef、ep、eg分别为施行峰谷分时电价后峰时电价、平时电价和谷时电价；ef、ep、eg为蓄热式电锅炉一天分别在峰时段、平时段、谷时段的用电量；储能系统投资与运行维护成本c4的计算公式如下：c4＝(cppb+ceeb)/(365*nby)其中，cp为储能系统的单位功率成本，单位：元/kw；ce为储能系统的单位容量成本，单位：元/kwh；pb为储能系统最大充放电功率，单位：kw；eb为储能系统额定容量，单位：kwh；nby为储能系统平均使用寿命，单位：年。进一步，所述步骤4，采用粒子群优化算法对所述的储能协调蓄热式电锅炉消纳风电弃风的合作博弈模型进行求解，首先初始化种群和速度，然后计算每个粒子的适应度值，找出个体极值和种群极值；对粒子群速度和个体进行更新，计算适应度值后将个体极值和种群极值与更新前作对比并更新个体极值和种群极值，直到达到最大迭代次数时输出最优解，得到在储能协调电锅炉消纳风电弃风的合作博弈模型下达到系统经济性最优，同时达到最大消纳风电弃风的目的。通过上述设计方案，与现有技术相比本发明可以带来如下有益效果：本发明提出的方法是以消纳弃风的联合系统最大经济收益为目标，将“风电-储能系统”和“风电-蓄热式电锅炉”作为博弈参与者，充分考虑风电弃风电量，储能系统和蓄热式电锅炉调节特性及运行成本，以提升蓄热式电锅炉消纳风电能力，以联合系统整体经济收益最大为目标函数，建立了{风电-储能系统-电锅炉}的合作博弈模型即储能协调蓄热式电锅炉消纳风电弃风的合作博弈模型。通过粒子群算法对该模型进行求解，确定最佳的储能系统各时刻的充放电功率和蓄热式电锅炉各时刻运行功率以及整个系统的最大经济收益，进一步提升了蓄热式电锅炉消纳弃风的能力。附图说明此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明示意性实施例及其说明用于理解本发明，并不构成本发明的不当限定，在附图中：图1为本发明风电消纳综合能源系统的协调优化控制及经济性评估模型；图2为本发明粒子群算法流程图。具体实施方式为了避免混淆本发明的实质，公知的方法、过程、流程、元件和电路并没有详细的叙述。本发明提出了一种风电消纳综合能源系统的协调优化控制及经济性评估方法，该综合能源系统由风电场、储能系统和蓄热式电锅炉组成，由于综合能源系统具有不同的时间尺度，利用储能系统协调蓄热式电锅炉联合运行以消纳弃风为居民供热。以风电-储能系统和风电-蓄热式电锅炉作为博弈参与者，综合考虑储能系统、蓄热式电锅炉、风电场各项收益及成本费用因素，建立基于博弈论的储能协调蓄热式电锅炉消纳风电弃风经济性评估模型，利用粒子群算法对该模型进行求解。在保证综合能源系统整体经济收益最大的同时，得到最佳的储能系统和蓄热式电锅炉各时刻运行功率，进一步提升蓄热式电锅炉消纳弃风的能力。以下结合图和具体实施方式对本发明作进一步说明。图1示出风电消纳综合能源系统的协调优化控制及经济性评估模型，由数据采集系统获取风电场预测功率和实时功率，设定储能系统额定功率和容量，蓄热式电锅炉最大加热功率和容量，以风电-储能系统和风电-蓄热式电锅炉作为博弈参与者，以净收益最大为目标建立博弈模型，并分别求得风电-储能系统、风电-蓄热式电锅炉和风电-储能系统-蓄热式电锅炉三种联合系统的运行策略。通过粒子群算法进行求解，得到一个结果后需判断净收益是否得到最大。若没有，则更新后重新计算，若已经得到最大值，则输出此时的储能系统和蓄热式电锅炉各时刻的运行功率。具体步骤如下：步骤1、获取风电场各时刻预测功率数据py(t)，风电场各时刻实际功率数据pw(t)，计算风电场各时刻的弃风功率prw(t)，整个风电场的风电弃风功率曲线计算公式如下：prw(t)＝py(t)-pw(t)；步骤2、分别给出风电-储能系统、风电-蓄热式电锅炉、风电-储能-蓄热式电锅炉三种运行模式下的消纳风电弃风运行策略；三种运行模式下的消纳风电弃风运行策略分别是：①风电-储能系统联合系统消纳风电弃风策略储能系统具有快速波动和双向调节的特点，因此在夜间电价低谷的同时也是弃风较大的时段，能够利用风电弃风给储能系统充电；在白天负荷高峰也是电价高峰时段储能系统放电以缓解电网的压力的时段；这种工作模式实现了电能的削峰填谷，消纳风电弃风，且将价格相对较低的夜间电量存储到电价较高的白天使用，降低了用电成本；但是由于储能系统本身高昂的建设成本，该种策略的使用并不普遍；②风电-蓄热式电锅炉联合系统消纳风电弃风策略利用蓄热式电锅炉消纳多余的风电弃风进行电热转换给居民供热，由于供热地区距风电场普遍较远，新建路线使得风电场直接给蓄热式电锅炉供电产热投资成本增加，因此，大多采用非直接供电模式，即风电场发电送入电网，蓄热式电锅炉再从电网购电制热；蓄热式电锅炉在夜间负荷低谷期以恒定功率运行，当风电场所提供电量不足时，由电网补充提供，保证蓄热式电锅炉运行的安全稳定；在夜间产生的热量一部分用于直接输送给供热公司，另一部分存入蓄热罐中，待到白天负荷高峰期，蓄热罐开始放热；③风电-储能系统-蓄热式电锅炉联合系统消纳风电弃风策略由于风电功率具有快速波动性，需要蓄热式电锅炉频繁调节其运行功率，匹配其快速波动的风电功率，造成蓄热式电锅炉功率调节次数增加，降低了蓄热式电锅炉使用寿命；加入储能系统协调蓄热式电锅炉调节运行以减少蓄热式电锅炉功率调节次数，提高蓄热式电锅炉消纳风电供热的整体经济效益；在非直接供电模式下，储能协调蓄热式电锅炉消纳风电供热，对系统整体运行模式影响不大，只是在用电侧加入了储能系统以协调蓄热式电锅炉调节运行功率；步骤3、以风电-储能系统和风电-蓄热式电锅炉作为博弈参与者，综合考虑储能系统、蓄热式电锅炉、风电场各项收益、成本费用等因素，以净收益最大为目标，建立储能协调蓄热式电锅炉消纳风电弃风的合作博弈模型；建模过程如下：①博弈参与者：风电-储能系统用bc表示，风电-蓄热式电锅炉用bb表示；②参与者策略：风电-储能系统bc与风电-蓄热式电锅炉bb进行博弈时，将风电场各时刻弃风功率记为prw(t)、储能系统各时刻运行功率记为pc(t),蓄热式电锅炉各时刻加热功率记为pb(t)；其中，在时间变量连续取值的情况下，连续时间风电场弃风功率连续时间储能系统运行功率具体表述分别为：其中，分别表示储能系统充放电功率下限、储能系统充放电功率上限，蓄热式电锅炉加热功率下限，蓄热式电锅炉加热功率上限；上述储能协调蓄热式电锅炉消纳风电弃风的合作博弈模型存在纳什均衡点，依据纳什均衡的定义，应满足：其中，pw(t)为风电场各时刻实际功率数据，为风电场实际功率的纳什均衡点，prw(t)为风电场各时刻的弃风功率，为风电场弃风功率的纳什均衡点，pb(t)为蓄热式电锅炉各时刻加热功率，蓄热式电锅炉加热功率的纳什均衡点，pc(t)为储能系统各时刻运行功率，为储能系统运行功率的纳什均衡点，为pc(t)与pb(t)的博弈合作模型最优解；③收益函数：i＝s-c其中，i为储能协调蓄热式电锅炉消纳弃风系统日净收益，s为储能协调蓄热式电锅炉消纳弃风系统日总收益，c为储能协调蓄热式电锅炉消纳弃风系统日总成本；④建立收益模型储能协调蓄热式电锅炉消纳弃风系统收益包括风电并网收益s1、储能系统白天售电收益s2和储能协调蓄热式电锅炉消纳弃风系统向供热站售热收益s3；这里各收益均折算成日均值，则有储能协调蓄热式电锅炉消纳弃风系统日总收益s满足如下公式为：s＝s1+s2+s3；所述风电并网收益s1，计算公式为s1＝esce；其中，es为一天内风电场一天并网电量；ce为风电场风电并网电价；es计算公式为：其中，pb(t)表示蓄热式电锅炉在t时刻的加热功率；prw(t)表示t时刻的弃风功率；风电场一天的弃风电量eq的计算公式为储能系统白天售电收益s2计算公式如下：s2＝ec*(socmax-socmin)*ce储能协调蓄热式电锅炉消纳弃风系统向供热站售热收益s3计算公式如下：s3＝qner其中，qn为储能协调蓄热式电锅炉消纳弃风系统一天向供热站售热量，单位：gj，er为向供热站售热单价，单位：元/gj。⑤建立成本模型储能协调蓄热式电锅炉消纳弃风系统成本包括蓄热式电锅炉投资成本c1，蓄热式电锅炉运行维护成本c2，系统一天内需要从电网购电成本c3，储能系统投资与运行维护成本c4，这里各成本均折算到等日值，储能协调蓄热式电锅炉消纳弃风系统日总成本c满足如下公式：c＝c1+c2+c3+c4；所述蓄热式电锅炉投资成本c1满足如下公式：c1＝cboil/(dy*nboily)其中，cboil为蓄热式电锅炉一次投资成本；nboily为蓄热式电锅炉平均寿命；单位：年；dy为每年的供热期天数；蓄热式电锅炉运行维护成本c2满足如下公式：c2＝cbarn，其中，cbar为蓄热式电锅炉功率一次调节的惩罚成本单位：元；n为一天内蓄热式电锅炉功率调节次数；系统一天内需要从电网购电成本c3的计算公式为：c3＝efef+epep+egeg其中，ef、ep、eg分别为施行峰谷分时电价后峰时电价、平时电价和谷时电价；ef、ep、eg为蓄热式电锅炉一天分别在峰时段、平时段、谷时段的用电量；峰谷分时电价是一种有效的需求响应方式，其最终目的是通过削峰填谷来提高风电蓄热供暖的收益；施行峰谷分时电价前，执行单一制电价e0，执行峰谷分时电价的政策之后，峰f、平p、谷g三个时段的电价是原单一电价基础上上下浮动一定比例，即其中，ef、ep、eg分别为执行峰谷分时电价后三个时段的电价；α、β、γ分别为峰、平、谷三个时段电价的上、下浮动幅度比例；tf、tp、tg为峰、平、谷三个时段；储能系统投资与运行维护成本c4的计算公式如下：c4＝(cppb+ceeb)/(365*nby)其中，cp为储能系统的单位功率成本，单位：元/kw；ce为储能系统的单位容量成本，单位：元/kwh；pb为储能系统最大充放电功率，单位：kw；eb为储能系统额定容量，单位：kwh；nby为储能系统平均使用寿命，单位：年；储能协调蓄热式电锅炉消纳弃风系统日净收益i：i＝s-c＝(s1+s2+s3)-(c1+c2+c3+c4)；⑥模型约束条件蓄热式电锅炉的运行功率满足如下约束：其中，pb(t)为蓄热式电锅炉各时刻加热功率，和分别表示蓄热式电锅炉加热功率的下限和上限；蓄热罐容量qxu(t)满足如下公式：其中，η表示蓄热式电锅炉电热转换效率；pn(t)表示各时刻单位时间最低热负荷需求，单位：gj/h；分别表示蓄热罐蓄热容量的下限和上限；各时刻单位时间最低热负荷需求满足如下约束：pn(t)＝hpu(t)*pnb其中，hpu(t)为各时刻t最低热负荷系数，pnb为基础最低单位时间热负荷需求，单位：gj/h；蓄热式电锅炉一天的产热量qhot满足以下约束：其中，qn表示供热地区一天内需求的最低热负荷值；储能系统需要满足充放电约束和荷电状态约束：socmin≤soc(t)≤socmaxsoc(t)＝soc(t-1)+pbess(t)δt其中，pbess(t)为储能系统t时刻充放电功率；为储能系统最大充放电功率；soc(t)表示储能系统t时刻荷电状态，soc(t-1)表示储能系统t-1时刻荷电状态，socmin、socmax表示储能系统荷电状态下限和上限。以某清洁供暖示范工程实际运行数据为例对储能协调蓄热式电锅炉消纳弃风供暖通过博弈论建模计算出的三种模式下的经济性评估结果如表1。表1三种模式下的经济性评估结果模式1模式2模式3成本821.92155820162135收益410.76191482198273净收益-411.163566236138模式1、模式2及模式3分别对应的是风电-储能系统，风电-蓄热式电锅炉、风电-储能-蓄热式电锅炉。步骤4、采用粒子群优化算法对该模型进行求解，得到在储能协调蓄热式电锅炉消纳风电弃风的合作博弈模型下达到系统经济性最优，并给出各时刻储能系统和蓄热式电锅炉运行状态。图2是粒子群算法流程图。首先初始化种群和速度，然后计算每个粒子的适应度值，找出个体极值和种群极值；对粒子群速度和个体进行更新，计算适应度值后将个体极值和种群极值与更新前作对比并更新个体极值和种群极值，直到达到最大迭代次数时输出最优解。当前第1页12