【精彩论文】考虑火电深度调峰的风光火储系统日前优化调度

考虑火电深度调峰的风光火储系统日前优化调度

李雄威¹, 王昕¹, 顾佳伟², 徐家豪¹

（1. 国家能源集团新能源技术研究院有限公司，北京 102209; 2. 华北电力大学 控制与计算机工程学院，北京 102206）

摘要：深入挖掘火电机组深度调峰能力、实现风光火储多能互补运行是应对规模化新能源并网消纳的重要手段。提出火电机组深度调峰和爬坡成本、污染物惩罚成本、储能系统运行成本及新能源弃电惩罚成本的计算方法，建立了考虑火电深度调峰的风光火储系统日前优化调度模型。分别以风光出力最大、净负荷波动最小和系统运行成本最低为优化目标，并设定火电机组的不同调峰深度，对含高比例新能源的风光火储系统在典型日的优化调度策略进行仿真计算。结果表明：所建立的模型能够满足不同优化目标下的风光火储优化调度策略计算；通过提升火电机组深度调峰能力，可有效降低新能源弃电率。

引文信息

李雄威, 王昕, 顾佳伟, 等. 考虑火电深度调峰的风光火储系统日前优化调度[J]. 中国电力, 2023, 56(1): 1-7, 48.

LI Xiongwei, WANG Xin, GU Jiawei, et al. Day-ahead optimal dispatching of wind-solar-thermal power storage system considering deep peak shaving of thermal power[J]. Electric Power, 2023, 56(1): 1-7, 48.

引言大力发展新能源、推进能源结构转型发展，是落实中国碳达峰、碳中和目标的重要举措。近些年来，随着中国风电、光伏发电并网装机规模快速增长，电力系统正朝着高比例新能源方向发展。然而，由于风电、光伏发电出力具有随机性、间歇性和波动性，不仅给规模化新能源并网消纳带来了挑战，还增大了电网安全稳定运行的风险^[1-3]。深入挖掘火电机组深度调峰能力，研究火电与风电、光伏发电多能互补优化调度方法，对于实现规模化新能源的并网消纳具有重要意义^[4-6]。关于多能互补优化调度问题，国内外学者已开展了较多研究^[7-9]。文献[10]考虑常规机组低负荷运行和爬坡工况的发电成本计算模型，建立了风光火蓄储多能互补优化调度模型，以系统总运行成本最小为优化目标，利用动态惯性权值粒子群算法对模型进行了求解。文献[11]考虑系统网损、负荷波动和微网运行经济性，提出了多微网与配电网联合调度的双层优化模型。文献[12]建立了一种考虑最优弃能率的风光火储联合系统双层优化调度模型，在上层模型中以电网净负荷方差最小为优化目标，在下层模型中以电网运行成本最低为优化目标，对双层模型进行了优化求解。文献[13]考虑发电成本、污染物治理成本以及可再生能源弃电成本，建立了风光水火蓄联合发电系统优化调度模型，并针对春夏秋冬的典型日进行了仿真计算。

目前，关于火电与风电、光伏发电多能互补优化调度研究，火电机组往往考虑进行基本调峰的常规机组，并联合水电、抽水蓄能电站、储能系统等平抑风电、光伏发电出力和负荷波动。而面向含高比例新能源的发电系统，利用火电深度调峰和电化学储能调节进行风光火储多能互补运行优化的研究相对较少。随着新能源在电力系统中占比不断提高，火电机组将面临深度调峰、频繁爬坡等运行新工况，需要建立考虑火电机组深度调峰的系统运行成本模型^[14-16]。因此，本文考虑火电机组深度调峰和爬坡成本、污染物惩罚成本、储能系统运行成本及新能源弃电惩罚成本，建立计及火电深度调峰的风光火储系统日前优化调度模型。分别以风光出力最大、净负荷波动最小和系统运行成本最低为目标对模型进行优化求解，并研究火电机组不同调峰深度对新能源消纳和系统运行经济性的影响。

1  考虑火电机组深度调峰的成本计算模型1.1  火电机组调峰阶段针对规模化新能源并网问题，为了平抑风电、光伏发电的波动性，火电机组将面临频繁爬坡和深度调峰等运行新工况。因此，需要面向高比例新能源并网场景，提出考虑火电机组深度调峰的成本计算方法。火电机组的调峰过程根据其出力状态，可以分为基本调峰阶段和深度调峰阶段。对于基本调峰阶段，火电机组的出力范围为其额定出力到最小技术出力（一般为额定功率的45%~50%）。随着风电、光伏发电装机规模的不断扩大，高比例新能源并网将对新能源消纳及电网安全稳定运行带来较大挑战。对于有调节能力的火电机组，需要提高深度调峰能力和运行灵活性，使得机组能够低于其最小技术出力运行。然而，对于深度调峰阶段，火电机组运行煤耗会有较大增加，需要考虑由此增加的燃料成本。1.2  燃料成本对于火电机组常规运行工况，一般采用二次方公式对煤耗与运行负荷的关系进行拟合。因此，对于基本调峰阶段，火电机组运行的燃料成本f为式中：N_g为火电机组总台数；w为燃煤单价；a_i、b_i、c_i均为第i台火电机组的煤耗系数； 为火电机组i在t时刻的输出功率； 为火电机组i的最大输出功率； α 为火电机组基本调峰阶段出力下限的限定系数。由于火电机组低负荷运行将导致煤耗显著增加，为了考虑火电机组深度调峰运行工况对煤耗的影响，对于深度调峰阶段，引入火电机组出力的三次方函数描述火电机组的燃料成本，即式中： 为火电机组i在深度调峰阶段的最小出力；p_i、q_i、m_i、n_i均为火电机组i在深度调峰阶段运行的成本因子。1.3  爬坡成本火电机组频繁爬坡也会引起煤耗增加，利用机组爬坡速率的线性函数表示机组的爬坡成本g^[10]，即式中： σ_i 为火电机组i的爬坡成本因子。2  风光火储系统日前优化调度模型

2.1  目标函数

对于风光火储系统运行优化，通常考虑的优化目标包括最大化消纳新能源、火电机组运行最为平稳、系统运行成本最低等。考虑不同的优化目标，风光火储系统运行优化结果不同。为了保证本文建立的日前优化调度模型的适用性，建立3个不同的优化目标，并进行求解。

2.1.1  风电、光伏联合出力最大

为了保证风电、光伏最大化消纳，以风电、光伏联合出力最大为目标，即

式中：f₁为风电、光伏发电联合出力；T为调度周期； 和 分别为风电、光伏发电在t时刻的实际出力。

2.1.2  净负荷波动最小为了使得火电机组运行平稳，需要降低净负荷波动，因而以净负荷波动方差最小为目标，即式中：f₂为净负荷方差； 为t时刻的净负荷； 为净负荷的平均值； P_c,t 、 P_d,t 分别为储能系统充电功率和放电功率； η_c 、 η_d 分别为储能系统充电效率和放电效率； 为t时刻负荷。2.1.3  系统运行成本最低运行经济性是综合能源系统考虑的重要因素^[17-18]。为了降低系统运行成本，以系统运行成本最小为目标，即式中：f₃为风光火储系统运行成本； C₁ 为火电机组运行成本； C₂ 为污染物惩罚成本； C₃ 为储能系统运行成本； C₄ 为新能源弃电惩罚成本。（1）火电运行成本主要由燃料成本和爬坡成本构成，即（2）污染物惩罚成本主要由SO₂、NO_x及粉尘的排放成本组成^[19]，即式中：z_t1、z_t2、z_t3分别为t时刻火电机组的SO₂、NO_x及粉尘的排放成本，本文分别取0.262元/t、0.00047元/t、0.00078元/t^[13]。（3）储能系统的运行成本由储能装置的运行和折旧成本构成，即式中： ρ_soc 为储能系统的运行成本系数，本文取83.2元/（MW·h）^[12]。（4）弃电惩罚成本为弃风、弃光成本之和，即式中： γ_w 、 γ_pv 分别为弃风、弃光的惩罚费用，本文均取0.6元/（kW·h）^[15]； 分别为风电、光伏发电在t时刻的预测出力。2.2  约束条件风光火储联合发电系统运行时，需要考虑自身约束条件。（1）系统功率平衡约束。不考虑系统网络损耗条件下，风电、光伏、火电与储能系统出力之和等于实时负荷，即

（2）风光火储出力约束。风光火储出力应满足以下要求^[12]。①火电机组负荷在最小出力和最大出力之间变化，且负荷变化速率不超过机组爬坡速率限值；②风电上网功率不大于风电场最大出力，光伏上网功率不大于光伏电站最大出力；③储能系统充电功率不大于储能系统最大充电功率，储能系统放电功率不大于储能系统最大放电功率，储能系统在同一时间段不能同时进行充放电，储能系统荷电比例应不超过荷电比例上下限值。另外，为了保证储能系统调度的可持续性，储能系统在调度周期内满足充电功率之和等于放电功率之和。

3  算例分析3.1  算例设置

本文针对含高比例新能源的风光火储联合发电系统进行日前优化调度研究，风光火储联合发电系统的结构如图1所示。其中，风电场的额定容量为800 MW，光伏电站的额定容量为1400 MW；火电机组的额定容量为1000 MW，参与深度调峰，机组最低出力为额定容量的30%；储能系统初始存储电量为700 MW·h，最大存储电量为1400 MW·h，最大充放电功率为700 MW，荷电比例上限为0.9，荷电比例下限为0.1，充电效率和放电效率均为95%。

图1  风光火储联合发电系统结构

Fig.1  Structure of wind-solar-thermal-power storage system

风电、光伏发电的出力预测曲线及某典型日的负荷和净负荷曲线如图2所示。由图2可知，负荷在全天波动较大，负荷峰谷差为489.87 MW，负荷波动方差为30087 MW²。在05:00—09:00时段内，负荷呈现先下降再缓慢攀升的趋势，风电出力逐步下降，呈现反调峰性，而光伏出力显著上升，超过了负荷的增长幅度；在14:00—18:00时段内，负荷和风电出力基本保持不变，但光伏出力显著下降。由于风电出力的反调峰性及光伏出力的大幅变化，导致净负荷（不考虑储能）具有更大波动，净负荷峰谷差达到1129.8 MW，负荷波动方差为137020 MW²。由此给火电机组和储能系统调峰带来较大困难。

图2  风电预测出力、光伏预测出力及典型日负荷和净负荷曲线

Fig.2  Forecast wind power output, forecast photovoltaic output, and typical daily load and net load curves

利用文献[20]中的实测数据，根据式（1）（2），建立火电机组煤耗与运行负荷的关系式，得到的结果如图3所示。火电机组在基本调峰和深度调峰阶段，煤耗与运行负荷的拟合优度为0.999，拟合效果较好。

图3  1 000 MW火电机组煤耗与运行负荷拟合曲线

Fig.3  Fitted curve between coal consumption and operating load of a 1000 MW thermal power unit

为了分析不同优化目标对日前优化调度结果的影响，本文设定了3种不同的优化目标。（1）风电、光伏联合出力最大；（2）净负荷波动最小；（3）系统运行成本最低。分别按照3种优化目标，求解风光火储联合发电系统的日前优化调度策略。在此基础上，将火电机组的调峰深度分别设为80%、60%和50%，以系统运行成本最低为优化目标，求解风光火储联合发电系统的日前优化调度策略。在Matlab环境中通过YALMIP工具箱调用CPLEX求解器对本文建立的风光火储优化调度模型进行求解。3.2  优化调度结果分析

3种不同优化目标下风光火储联合发电系统的出力如图4所示。由图4 a)可知，以风电、光伏联合出力最大为优化目标，通过火电机组深度调峰和快速变负荷运行，以及储能系统调节，成功实现了削峰填谷。由图4 b)可知，以净负荷波动最小为优化目标，净负荷几乎没有波动，火电机组运行平稳，但出现了明显的弃风弃光。由图4 c)可知，以系统运行成本最低为优化目标，与优化目标1相比，火电机组同样需要深度调峰和快速变负荷运行，但储能系统调节次数减少，且充放电量较少。

图4  3种优化目标下风光火储日前优化调度结果

Fig.4  Day-ahead optimal dispatching results under three optimization objectives

3种不同优化目标下风光火储联合发电系统的优化结果如表1所示。由表1可知，针对3种不同优化目标进行优化后，净负荷波动方差和峰谷差均明显降低。以风电、光伏联合出力最大的优化目标，弃电率为0，新能源发电在总发电量中的占比最高，达到51%。以净负荷波动最小为优化目标，净负荷波动方差和净负荷峰谷差最小，分别为48 MW²和36.67 MW，火电机组的爬坡成本最低，仅为0.19万元，而新能源弃电率最高，达到57.93%，并且由于新能源弃电惩罚成本高，导致系统运行成本最高，达到379.2万元。以系统运行成本最低为优化目标，新能源弃电率为5.91%，由于储能参与调节较少，系统运行成本最低，为224.34万元。

表1  3种优化目标下风光火储系统的优化结果

Table 1  Optimization results of wind-solar-thermal power storage system under three optimization objectives

火电机组不同调峰深度下的风光火储联合发电系统的出力如图5所示。由图5可知，随着火电机组调峰深度降低，火电机组运行最低出力提高，导致其对于净负荷波动的调峰能力下降。储能系统需要更加频繁地调节，才能平抑风电、光伏发电和波动性。同时，风光火储系统对于风电、光伏发电消纳能力下降。

图5  不同调峰深度下风光火储日前优化调度结果

Fig.5  Day-ahead optimal dispatching of wind-solar-thermal power storage system under different peak-shaving depths

不同火电机组调峰深度下的风光火储联合发电系统的优化结果如表2所示。当火电机组调峰深度由80%下降到50%时，导致新能源弃电率由3.62%增加到16.86%，系统运行成本由225.01万元增加到258.02万元，新能源发电占比由49.15%下降到42.4%。而由于出现弃风弃光，使得净负荷波动方差和净负荷峰谷差下降，火电机组爬坡成本降低。由此可知，提高火电机组深度调峰能力，火电运行负荷变化范围更大，可以更好地补偿新能源的波动性，从而有利于促进新能源消纳。

表2  不同调峰深度下风光火储系统的优化结果

Table 2  Optimization results of wind-solar-thermal power storage system under different peak-shaving depths

4  结论为促进规模化新能源的经济消纳，本文提出了考虑火电机组深度调峰和频繁爬坡等运行新工况的火电机组成本计算方法，并计算污染物惩罚成本、储能系统运行成本及新能源弃电惩罚成本，建立了风光火储综合能源系统日前优化调度模型。针对含高比例新能源的风光火储系统，通过对某典型日的优化调度策略进行求解，得出以下结论。（1）本文所建立的模型能够分别以风光出力最大、净负荷波动最小和系统运行成本最低为优化目标，对风光火储优化调度策略进行求解，通过风光火储多能互补协同运行能够减少弃风弃光，平抑净负荷波动和降低系统运行成本；（2）当火电机组调峰深度由50%增加到80%，新能源弃电率由16.86%下降到3.62%，表明提高火电深度调峰能力能够更好地平抑新能源的波动，从而有效促进新能源消纳。（责任编辑　许晓艳）

作者介绍

李雄威（1985—），男，通信作者，博士，高级工程师，从事综合能源技术研究，E-mail：[e-mail].

欢迎点击文后“阅读原文”跳转期刊官网，获取更多信息！

 往期回顾 

编辑：于静茹校对：许晓艳审核：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。