【精彩论文】考虑源荷协调的含储热光热电站和风电系统的日前-日内调度策略

考虑源荷协调的含储热光热电站和风电系统的日前-日内调度策略

刘新元¹, 程雪婷¹, 薄利明¹, 张家瑞², 郑惠萍¹, 郝捷¹

（1. 国网山西省电力公司电力科学研究院，山西 太原 030001; 2. 东北电力大学 电气工程学院，吉林 吉林 132012）

摘要：为提高电力系统风电消纳能力，结合源荷两侧的可调节资源，提出含储热光热电站和风电系统的日前-日内调度策略。首先，根据含储热光热电站能量时移特性以及居民用电负荷响应时间长的特点，结合价格型需求响应，以系统运行成本以及日前弃风量最小为目标，构建日前调度模型；其次，根据考虑含储热光热电站的灵活调节能力以及高载能负荷响应时间短的特点，结合日前调度计划与日内风电预测，以系统日内调节成本与日内弃风量最小为目标，构建日内调度模型。算例结果表明：本文所提调度策略能够充分利用现有源荷两侧可调节资源及其特点，在促进系统风电消纳的同时，降低了系统成本。

引文信息

刘新元, 程雪婷, 薄利明, 等. 考虑源荷协调的含储热光热电站和风电系统的日前-日内调度策略[J]. 中国电力, 2021, 54(8): 144-153.

LIU Xinyuan, CHENG Xueting, BO Liming, et al. Day-ahead and intra-day scheduling strategy of concentrated solar power station with thermal energy storage and wind farm considering coordination between generation and load[J]. Electric Power, 2021, 54(8): 144-153.

引言

据国家能源局数据显示，2020年中国风电装机容量已达2.81亿kW^[1]，然而，随着风电并网规模不断增加，中国风电消纳问题亟待解决。目前，系统风电消纳能力的提升可以从协调源、荷两侧可调节资源着手。在电源侧，含储热系统（thermal energy storage，TES）的光热（concentrated solar power，CSP）发电作为一种新兴的太阳能发电技术，具有良好的能量时移特性与可调节能力。CSP电站可在风电高发时通过降低自身出力，将多余的太阳能热量存于TES中，并可根据调度需求，在负荷需要时将TES中的热量转为电能的形式释放，以此促进系统风电消纳^[2-7]。2016年国家发改委颁布的《太阳能发展“十三五规划”》中提到，要发挥CSP电站的蓄热储能、出力可控可调等优势，提高电网对可再生能源的接纳能力，并在西北等可再生能源富集地区提前做好太阳能热发电布局^[8]。2019年全国共有17个在建的商业化CSP电站，总规模达到950 MW。其中，中国西北地区CSP电站的建设规模将达到700 MW。目前关于利用负荷侧可调节资源促进风电消纳的研究取得了一定的进展，研究方向包括利用价格型需求响应（price-based demand response，PDR）制定合理电价，调节居民用电负荷，使其在风电高发时段增加用电计划，在风电低发时段减少用电计划，以此促进系统风电消纳^[9-13]；利用高载能负荷（energy-intensive load，EIL）的可调容量大、响应速度快的特性，在日内调度中平衡风电预测误差，以此提高系统消纳风电的能力^[14-17]。《可再生能源发展“十三五”规划》中提到^[18]，要加强需求侧管理和用户响应体系建设，促进可再生能源消纳。中国西北地区的新疆、甘肃等省份也在加快推进EIL企业的落户建设^[19]，并寻求新能源发电与EIL负荷的协调模式^[20-21]。在上述研究以及相关政策的基础上，文献[22]继续研究了在含CSP电站的日前调度模型中引入PDR，以利用CSP电站的能量时移特性与PDR调节居民用电计划的能力来提高系统对风电的消纳，实现源荷协调调度。上述研究为利用源荷两侧可调节资源促进系统风电消纳提供了理论依据与实践意义，但还存在以下不足。（1）未充分考虑含储热CSP电站的灵活调节能力^[23]在日内调度中平衡风电预测误差的作用。（2）未充分利用居民用电负荷与EIL负荷响应时间不同的特性，在日前调度中结合PDR调节响应速度较慢的居民用电负荷，在日内调度中通过投切响应速度快的EIL负荷以平衡风电预测误差。（3）对含储热CSP电站与风电系统源荷协调调度策略的研究尚不完善。

综上，本文综合考虑含储热CSP电站的能量时移特性与灵活调节能力，以及居民用电负荷与EIL负荷响应时间不同的特性，提出计及源荷协调的含储热CSP电站与风电系统日前-日内调度策略，并通过算例仿真验证所提策略的有效性。

1  含储热CSP电站运行特性

图1为含储热CSP电站的运行结构，主要由光场（solar field, SF）、TES以及热力循环子系统（power cycle, PC）组成。SF吸收太阳能热，并用其加热导热物质（heat-transfer fluid, HTF）；HTF可以通过换热平台与TES中的导热熔盐进行换热。在需要存储热能时，将温度较高的HTF中的热量传递给TES中温度较低的导热熔盐；在需要热能发电时，通过TES中温度较高的导热熔盐加热温度较低的HTF，同时HTF的热能可以用来产生过热蒸汽，推动PC环节的汽轮机组发电。

图1  含储热CSP电站运行结构

Fig.1  Operational structure of a CSP station with TES

CSP电站的储热环节可以在风电高发时段降低自身出力，并将原本用于发电的热能进行存储；在风电低发时段将存储的热能转换为电能释放，以此实现电能的时移利用，并促进系统风电消纳。同时，由于CSP电站的发电环节与常规火电机组相同，因此其也具有与火电机组相媲美的调节特性^[24]，可在日内利用其良好的调节能力来平衡风电预测误差，降低火电机组调节成本。

2  计及源荷协调的含储热CSP电站与风电系统的日前-日内调度框架

图2为计及源荷协调的含储热CSP电站与风电系统日前-日内调度框架。

图2  日前-日内调度框架

Fig.2  Day-ahead and intra-day scheduling framework

日前调度提前24 h进行，以1 h为时间尺度，综合考虑系统运行成本、日前弃风惩罚成本，利用CSP电站的能量时移特性与PDR对居民用电负荷的调节能力，以系统综合成本最低为目标制定日前火电机组与CSP电站启停计划与调度出力计划以及实时电价（real time price，RTP）。同时，日前机组启停计划与RTP制定后在日内不再更改。

日内调度结合日前调度计划与日内风电预测，综合考虑火电机组、CSP电站的日内调节成本，EIL负荷的投切成本以及日内弃风惩罚成本，提前1 h进行，优化下4 h调度计划，并以1 h为时间尺度滚动更新。在风电预测误差为正时，即日内风电预测高于日前风电调度出力时，通过投切EIL负荷或下调CSP电站与火电机组出力消纳多余风电；在风电预测误差为负时，即日内风电预测低于日前风电调度出力，通过上调CSP电站与火电机组出力来满足系统负荷需求。

3  日前-日内调度模型
3.1  日前调度模型3.1.1  目标函数

本文在日前调度中将弃风量转换为弃风惩罚成本加入目标函数中，以同时优化日前系统运行成本与弃风量。日前调度目标函数为

式中：f^da为系统运行总成本；C_Th,t、C_CSP,t、C_W,t、分别为火电机组运行成本、CSP电站运行成本、风电场运行成本以及日前弃风惩罚成本；a_i、b_i、c_i分别为火电机组i发电成本系数；n为火电机组总台数；为火电机组i日前调度出力；S_i为火电机组i启停成本系数；u_i,t为火电机组i运行状态系数，为1代表处于运行状态；k_CSP为CSP电站的发电成本系数；为CSP电站日前调度出力；S_CSP为CSP电站的启停成本系数；u_CSP,t为CSP电站的运行状态系数，为1代表处于运行状态；kW为风电场运行成本系数；为风电日前调度出力；k_cW为弃风惩罚成本系数；为风电日前预测出力。

3.1.2  约束条件

（1）系统约束。

系统功率平衡约束为

式中：P_load,t为负荷预测值；ΔP_PDR,t为PDR后居民用电负荷响应量。

系统备用约束为

式中：分别为火电机组i的最大、最小出力；分别为负荷的正、负旋转备用；分别为风电的正、负旋转备用。

（2）PDR约束。PDR中常用弹性矩阵表示电价变化率与负荷响应率之间的关系，即

式中：为时刻t的负荷变化率；为时刻t的电价变化率；E为价格型需求弹性矩阵，其中自弹性系数构成了其主对角线，互弹性系数构成了其副对角线，自弹性系数与互弹性系数的取值参考文献[9]。

经过PDR后的负荷响应量ΔP_PDR,t为

由于居民用电计划的变化范围有限，本文假设经PDR后负荷变化率不超过10%。PDR约束中的用户用电满意度约束与用电费用满意度约束详见文献[22]。

（3）火电机组运行约束。

火电机组出力上下限约束为

火电机组最小运行与停运时间约束为

式中：T_S、T_O分别为最小关停与开机时间。

火电机组爬坡约束为

式中：R_iu、R_id为火电机组i的上、下爬坡率限值。

火电机组其他约束详见文献[25]。

（4）风电出力约束。

本文假设日前风电调度出力不高于风电日前预测值，其约束为

（5）含储热CSP电站运行约束。

以导热工质为平衡节点，CSP电站的能量平衡约束为

式中：为CSP电站各模块之间的热量交换，具体流动形式如图3所示；为CSP电站启动时消耗的热能。

图3  含储热CSP电站能量流动示意Fig.3  Schematic diagram of energy flow in a CSP station with TES
TES作为CSP电站的重要组成部分，其容量对CSP电站运行有较大的影响。一般用满负荷小时数（full-load hour，FLH）表示其最大储热容量，6 FLHs表示其最大储热量能够保证CSP电站在无太阳辐射条件下6 h的最大功率发电。同时，为了保证CSP电站的稳定运行，比如防止导热流体凝固等，储热也有最小储热量限制，具体约束为式中：为储热最小储热量；为时刻t储热系统容量；为以FLH为单位表示的储热最大容量；为CSP电站的最大电功率。CSP电站的充放热约束需考虑其最大最小充放热功率限制以及不能同时充放热要求。式中：分别为时刻t TES的充、放热功率；分别为最大充、放热功率。CSP电站的其他运行约束参考文献[26]。（6）输电线传输容量约束为式中：P_ij,max为节点i、j之间输电线路最大传输容量；B_ij为节点i、j之间的电纳；θ_i,t、θ_j,t分别为节点i和j在时刻t的电压相角。

3.2  日内调度模型

日内调度提前1 h进行，每次优化下4 h调度计划，滚动更新。本文认为邻近1 h的风电预测为准确值，将不会发生改变。

3.2.1  目标函数

日内调度目标函数为系统调度成本f^di最低，包括EIL负荷投切成本、CSP电站日内调节成本以及火电机组日内调节成本。同时，为了保证系统在日内也可以尽可能地消纳风电，将日内弃风量转换为弃风惩罚成本加入系统调度成本中。日内调度目标函数为式中：ΔT为优化时长；t₀为初始优化时刻； 分别为日内火电机组调节成本、日内CSP电站调节成本、日内EIL负荷投切成本以及日内弃风惩罚成本；为日内火电机组调节成本系数；为火电机组i的日内调度出力；为日内CSP电站调节成本系数；为CSP电站日内调度出力；k_H为EIL负荷投切成本；为EIL负荷的投切量；为风电日内调度出力；为风电日内预测出力。

3.2.2  约束条件

（1）风电预测误差平衡约束。日内风电预测误差为日内风电预测与日前风电调度出力的差值，若日内风电预测高于日前风电调度出力，则日内将会产生弃风，此时可通过投入EIL负荷或向下调节CSP电站与火电机组出力来促进系统风电消纳；若日内风电预测低于日前风电调度出力，则日内需上调CSP电站与火电机组出力来满足负荷需求。风电预测误差平衡约束为式中：分别为风电正、负预测误差；为日内弃风量；分别为CSP电站在日内向下、向上调节量；分别为火电机组i的日内向下、向上调节量。（2）EIL负荷运行约束。EIL负荷运行约束包括最大投切容量约束、最大投切次数约束以及最小运行/中断时间约束^[14]，即式中：分别为EIL负荷在日内所能投切的最小和最大容量；u_H,t为EIL负荷的投切状态，为1代表投入运行；为EIL负荷的最大投切次数；分别为EIL负荷在时段t的连续投入、中断时间；分别为EIL负荷的最小投入、中断时间。日内调度中不包括PDR约束，各电站运行约束与输电线路传输容量约束与日前调度相同，在此不再重复叙述。

3.3  模型求解

本文模型是一个涉及变量较多的混合整数规划问题，可在Matalb中通过Yalmip调用商用优化软件Cplex对模型进行求解^[27-28]，计算环境为Intel Core i5-7500 CPU，8G内存。

4  算例分析

4.1  算例参数

本文采用改进的IEEE-30节点系统进行算例仿真，系统中包括4台火电机组、1座风电场与1座含储热CSP电站。风电、太阳直接辐射强度（DNI）以及负荷预测采用中国西北地区实测数据，本文只考虑风电预测误差，因此负荷与DNI的日前、日内预测值相同。算例中火电机组参数参考文献[4]，CSP电站参数参考文献[5]。EIL负荷的控制参数参考文献[14]。算例中初始电价设为500元/（MW·h），风电的运行维护成本系数kW=120元/（MW·h），弃风惩罚成本为500元/（MW·h），火电机组日内调节成本为300元/（MW·h），CSP电站日内调节成本为130元/（MW·h）。

4.2  结果分析

本节将分别从日前调度结果、日内调度结果以及采用其他调度策略与本文调度策略的结果对比来验证本文所提考虑源荷协调的日前-日内调度策略的有效性。

4.2.1  日前调度结果分析

图4为经PDR调节后RTP与负荷响应量对比，图5为日前调度计划，可以看出，在风电高发的01:00—03:00时段，负荷处于低谷期，此时通过PDR调节，使RTP有所降低，部分居民用电负荷根据RTP的变化选择在此时段增加用电需求，同时也促进了此时段系统的风电消纳。在19:00—21:00时段，通过图5可以看出，此时风电出力较低，而CSP电站由于缺少光照，其出力也同样有所降低，火电机组出力随之增加，而通过PDR调节后，由于电价的提高，负荷需求在此时有所下降，以此降低了对火电机组的出力要求。

图 4 PDR后RTP与负荷响应量Fig. 4 Real-time electricity prices and load responses after PDR
图 5 日前调度计划Fig. 5 Day-ahead scheduling plan

图6为CSP电站各调度时刻储热容量，结合图5可以看出，含储热CSP电站能够通过其能量时移特性，在风电出力较高的09:00，其可降低自身出力，将太阳能热量进行存储，而随着10:00—11:00风电出力的降低以及负荷需求的提高，其可通过之前时段存储的热量以及吸收的太阳能热进行发电。同时，在夜间18:00—21:00虽然缺少太阳能热量，但CSP电站仍可以通过白天存储的热量进行发电，来弥补风电出力降低造成的不平衡，以此降低火电机组出力。

图6  CSP电站各调度时刻储热容量

Fig.6  TES capacity of a CSP station at each scheduling time

同时，为验证含储热CSP电站的能量时移特性能够在平抑风电波动的同时有效减少日前火电机组的启停次数。本文在算例中采用具有显著差异的9个典型风电预测场景，记为S1-S9，分别在CSP电站的TES容量为0~6 FHLs下，基于9个典型风电预测场景进行日前优化调度。表1为各场景下不同TES最大容量对应的火电机组启停次数。

表1  不同TES最大容量时火电机组启停次数对比

Table 1  Comparison between numbers of start-stops of thermal power units with different maximum capacity of TES

由表1可知，在9种风电预测场景下，随着CSP电站的TES最大容量不断增加，火电机组的启停次数都呈现不断减少的趋势。这是由于随着TES最大容量的增加，CSP电站能够存储并时移利用的热量也随之增多，其可利用能量时移特性平抑的风电波动量也不断提高，从而减少了火电机组为平抑风电波动而需改变自身启停状态的次数。通过以上的对比验证，证明了本文在日前调度中能够在利用PDR制定合理的RTP来调整居民用电计划的同时，充分利用含储热CSP电站的能量时移特性，来平抑风电出力波动，最终促进系统风电消纳并减少日前火电机组的启停次数。

4.2.2  日内调度结果分析

图7为风电预测误差与系统调度量对比。图8为最终的日内调度结果与风电消纳情况。可以看出，在日前风电预测高于日内风电预测值时，系统须调度其他电站来弥补风电出力缺额，而由于考虑了CSP电站在日内的调节能力，系统通过调度CSP电站增出力量占总缺额量的15.24%；而在日前风电预测低于日内风电预测时，本文所提日内调度策略可以使系统通过投切EIL负荷与降低CSP电站与火电机组出力来消纳多余风电，其中，系统通过投切EIL负荷与调度CSP电站降出力促进多余风电的消纳量分别占总消纳量的49.1%与50.9%。

图7  风电预测误差与调度量对比

Fig.7  Wind power forecast error and scheduling amount comparison

图8  日内调度结果与风电消纳情况Fig.8  Intra-day scheduling results and wind power accommodation
通过本文的日内调度策略，系统在日内为平衡风电预测误差所调节的火电机组出力只占总调度值的19.5%，而EIL负荷与CSP电站的日内调度值分别占总调度量的37.7%与42.75%。可以看出，本文所提的日内调度策略可充分利用源侧CSP电站与荷侧EIL负荷的快速调节能力，以降低日内火电机组为平衡风电预测误差所需的调节量，从而在降低系统日内火电机组调节成本的同时提高风电消纳量。4.2.3  不同调度策略对比分析为进一步分析验证本文所提调度策略在提高系统风电消纳能力的同时降低系统综合成本的有效性，在此设置4种调度模式进行对比。模式1：只采用本文考虑PDR的日前优化调度，不进行日内优化调度，风电预测误差在日内只考虑火电机组进行调节。模式2：在模式1的基础上考虑日内投切EIL负荷，但不考虑日内调节CSP电站。模式3：不考虑调节负荷侧资源，只对源侧各电站进行优化调度，日内考虑CSP电站的调节能力。模式4：采用本文的调度策略。

表2为4种调度模式下的系统成本对比，可以看出：（1）模式2比模式1弃风量降低了51.24%，系统总成本降低了3.12%。这是由于模式2在模式1只考虑日前调节响应速度慢的居民用电负荷的基础上，在日内利用响应速度快的EIL负荷进一步平衡风电预测误差，以此提高系统风电消纳能力，并降低了日内火电机组的调节成本。（2）模式4比模式2多考虑了CSP电站的日内调节能力，其弃风量相比模式2减少了89.85%，同时日内火电机组的调节成本相比模式2降低了10.47%，系统总成本降低了4.87%。（3）由于模式4相比模式3多考虑了调节负荷侧资源，进行源荷协调调度，其弃风量相比模式3降低了83.17%，火电机组与CSP电站的日内调节成本分别降低了13.66%与32.38%，系统总成本降低了1.92%。

表2  4种调度模式下系统成本对比

Table 2  System cost comparison under four scheduling modes

以上结果验证了本文所提调度策略能够考虑源侧CSP电站的日内调节能力、荷侧不同可调节负荷的响应时间特性以及源荷协调调度，充分利用源荷侧可调节资源，在促进系统风电消纳的同时降低系统运行成本以及日内调节成本。

5  结论
本文通过综合考虑源侧含储热CSP电站的能量时移特性与调节能力，以及荷侧居民用电与EIL负荷响应时间不同的特性，提出了计及源荷协调的含储热CSP电站与风电系统日前-日内调度策略，并通过算例仿真验证了该策略的有效性，得出结论如下。（1）在日前-日内调度中充分利用CSP电站的能量时移特性与灵活调节能力能够促进系统风电消纳，并有效减少火电机组的启停次数与日内调节量。（2）居民用电负荷响应速度慢，可以在日前调度中通过PDR制定合理RTP来调节居民用电计划；而EIL负荷响应速度快，可以在日内调度中通过投切EIL负荷来促进系统风电消纳。通过在日前、日内不同时间阶段利用负荷侧资源的不同响应速度，能够有效减少系统弃风量。（3）算例西北地区中，通过协调源荷两侧的可调节资源，相比于只考虑源侧优化调度与只考虑协调荷侧资源的调度方式，在系统消纳风电的能力上分别提高了83.17%与89.85%，在系统总成本上分别降低了1.92%与4.87%。本文所提调度策略能够充分利用现有可调节资源，实现源荷两侧协调优化，对促进风电消纳能力与降低系统成本有一定的理论与实践意义。（责任编辑　许晓艳）

作者介绍

刘新元(1986—)，男，硕士，高级工程师，从事电力系统运行分析、新能源联网发电关键技术研究，E-mail：[e-mail].

 往期回顾 

编辑：杨彪

审核：方彤

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。