风电消纳论文（精选7篇）
风电消纳论文 篇1
0 引言
风能作为一种可再生的清洁能源由于其总资源蕴藏量大、可再生、无污染等优点越来越受到世界各国的重视[1,2]。中国风能资源丰富，风电发展具有良好的资源条件，“十一五”规划以来，中国的风力发电迅速发展。然而，随着风电在电源结构中的比例不断增大，其本身所具有的随机性、波动性与不稳定性问题对电力系统安全稳定运行的影响也越来越显著。尤其是我国的风电发展极不平衡，受风能资源的限制，风电主要集中分布在华北、东北、西北——“三北”地区，而“三北”地区的电源结构以煤电为主，严重缺乏具有灵活调节能力的电源，电网调峰困难，无法有效平衡风电波动对电网带来的冲击[3,4,5]。随着风电开发规模逐渐增大，特别在冬季，火电机组的供热期、水电机组的枯水期、风电机组的大发期相互叠加，导致调峰更加困难，风电消纳将受到严重制约。因而部分地区风电发展与系统安全运行的矛盾逐步显现，弃风现象不断出现，据统计2012年全国弃风电量高达200亿k Wh，按照现行风电电价的最低标准0.51元/kWh计算，仅2012年弃风总损失就高达100亿元[6]。出现大量“弃风”现象的主要原因之一就是电网规划与风电场规划不协调，风电消纳能力分析计算方法单一且不精确。
目前国内的关于风电消纳能力分析的研究主要集中在定性分析方面[7,8,9,10,11]，对定量分析计算方法的研究很少。现有的计算方法大多不考虑限制风电出力，可消纳的风电容量少;而且边界条件比较粗放造成计算结果偏差较大[12,13,14,15]。本文提出一种计算风电消纳能力的新方法，它以可以少量限制风电出力为前提，通过在电网调峰困难时期少量弃风从而保证更大的允许装机总量，从而在非调峰困难期获得更大的风电发电负荷，增加总的风电发电量的风电消纳能力分析，并且对约束条件中的负荷水平及电源的开机方式进行了严格的处理，使计算结果更加精确。
1 不限制风电出力的最大消纳能力
目前国内计算风电消纳能力的常规方法，以完全不限制风电出力为原则，计算可以允许的最大风电装机。该方法以不限制风电出力为前提，主要是分析系统调峰裕量能否满足一定容量的风电机组由于其反调峰特性对于系统调峰能力的需求，具体如下。
1)根据负荷水平和电网运行需要确定非风电机组的开机容量和对应的调峰能力PT和P1。
其中开机容量PT为
最大发电负荷PGmax为
备用容量PR为
2)根据负荷特性计算系统调峰容量需求P2。
3)计算系统调峰能力裕量(35)P。
根据风电最大增大峰谷差的值占风电装机容量的系数RW，可以得到允许的最大风电装机PMax为
其中：PGmax,PGmin为最大、最小发电负荷;PLmax为最大统调负荷;Kemergency为事故备用率;KLoss为线损率;KG为厂用电率;KLoad为负荷备用率;KR为旋转备用率。
2 限制风电出力的最大消纳能力
在不限制风电出力的前提下，以电网调峰能力作为约束得到的允许风电装机规模较小，事实上不利于风电发展。从风电运行经验分析，允许在电网调峰困难等条件下对风电出力加以少量限制，从而增大风机装机规模，增加风电在非调峰困难时期的发电量，从而促进风电全年总发电量的增加。
2.1 计算公式
考虑到我国目前受负荷水平和电源结构特点影响冬季的调峰困难极大，出现限制风电出力的情况已有发生并将长期存在，本论文中提出了一种在电网调峰困难时期限制风电出力为前提的风电消纳能力分析方法，具体方法如下。
1)确定计算期间负荷水平，认为每年每小时的负荷预测值Pi L为该小时内的平均负荷;并分别对最大及最小负荷的增长率进行统计核实，确保预测负荷更准确。
2)根据负荷水平和电网运行需要确定非风电机组的最小开机容量Pi Min。
3)计算每小时电网可接纳的风电发电负荷Pi WC为
4)根据风电出力同时率Pi WRatio和风电装机数PC确定每小时风电可提供的发电负荷Pi WG为
5)比较PiWC和PiWG
如果，该小时的风电可提供的发电负荷被全部消纳，上网风电量Pi WR为
如果，该小时的风电可提供的发电负荷不能被全部消纳，实际消纳量为
每小时风电损失量Pi WL为
6)根据每小时的风电实际消纳量计算全年的风电发电量EWT为
全年弃风电量EWLT为
非风电上网电量EET为
同时可以计算全年限制风电出力的小时数、风电和火电机组的利用小时数等进行风电消纳能力分析所需的量。
2.2 约束条件
风电消纳能力受多个条件限制，本论文采用的风电消纳能力计算方法的约束条件包括负荷水平、电源结构、系统调峰、调频能力、网架结构、电力市场发展情况等因素。
1)计算期间的负荷水平包括地区负荷情况以及相邻区域间联络线控制直接决定了计算地区内风电和其他电源的发电总量。
2)电源结构特点决定了计算期间风电的发展空间，而系统调峰、调频能力决定了每个时段系统可以允许的风电最大发电量。
3)网架结构决定了各地区的风电的可并网规模和发电负荷。
2.3 计算流程
计算方法的详细流程如图1所示。
依据2.1节所提方法的计算思路，计算限制风电出力的年度风电消纳能力的具体步骤如下：
1)输入初始数据：如边界条件中的负荷，电网结构数据，电源的开机方式等。
2)设定风电装机容量的初值PC。
3)计算小时平均负荷Pi L。
4)根据边界条件计算非风电机组的小时内最小开机容量Pi Min。
5)根据式(7)计算每小时电网可接纳的风电发电负荷。
6)由式(8)确定每小时风电可提供的发电负荷。
7)根据式(9)～式(14)迭代计算风电全年上网电量及弃风电量。
8)计算风电年利用小时数，非风电电源年利用小时数，弃风比例等指标。
9)根据计算目标确定终止条件，如：风电利用小时数、受限风电比例、非风电机组运行小时数等;若不满足条件，风电装机容量增加，返回步骤3)继续计算;若满足条件的话，即刻终止计算并输出计算结果。
3 算例分析
以某省2015年风电并网容量为例，分析电网消纳风电能力，验证所提出方法的实用性。该省有9个供电区域，其中各地区又有多个供热区，2012年全省装机容量达2 399万kW，火电机组装机容量1 613万kW，其中供热机组占77%，风电装机容量330万kW，全社会最大负荷为1 094万kW，供大于求的形势非常突出。随着装机容量的不断增加，至2015年供大于求的趋势将更加严重，必须合理规划风电装机容量，提高风电消纳能力。2015年计算的边界条件如表1所示。
3.1 不限风电出力的最大消纳能力
根据上述条件计算不考虑风电出力时2015年的电网调峰裕量较小，只有546.1 MW。由式(6)计算可得在不限制风电出力前提下2015年的可消纳的风电装机总量为1 260.3 MW，远小于目前已并网风电装机规模，无法适应风电发展规划。
3.2 限制风电出力的最大消纳能力
根据本文中第2节所提方法计算原理及计算流程，以风电受限比例大于20%为迭代终止条件，2015年不同风电装机规模的风电消纳能力如表2所示。由上述的分析方法及计算终止条件得到2015年风电装机为6 500 MW左右时，风电受限电量比例为18%左右，7 000 MW时受限比例将超过20%，所以2015年该省内风电消纳能力以6 500 MW左右风电装机容量较为适宜。在此装机条件下，其他运行指标如：风电机组利用小时数约1 600 h左右，火电机组利用小时数约为3 500 h等基本满足经济运行条件;并且与不限制风电出力计算方法相比，风电的装机容量增加近4倍。
表2中还列出了装机容量为7 000～10 000 MW时各考核指标的数值，从数据结果可知，如果风电装机规模达到10 000 MW，风电机组利用小时数在1 300左右，受限电量已超过30%，同时火电机组利用小时数低于3 400 h，整个发电系统环节将面临亏损局面。
当风电装机为10 000 MW时，夏季典型日和冬季典型日的风电出力空间和根据风电出力特性得到的风电最大出力分别如图2、图3所示。从图中可以看出，由于夏季属于该省小风季节，同时风电出力空间较大，所以10 000 MW风电装机的出力除在凌晨时段(0点～7点)少量受限外大部分可以被接纳。冬季由于大量供热机组的运行，风电出力空间大大减小，而此时恰恰是风电大发的季节，因此风电消纳空间不足，特别是凌晨时段，风电的反负荷特征明显，大部分风电出力都将受到限制。
4 结语
我国的风力资源主要集中在“三北”地区，这些地区负荷小、冬季为了保证供暖，系统调峰容量严重受限，大量的风电并网后不仅对电网经济运行影响很大，而且会给系统的稳定运行带来很大冲击。为了提高风电消纳能力，本文提出了调峰裕度不足时限制风电出力的方法，用于计算风电最大可能装机容量。通过实际算例计算分析了2015年某风电富集省份的风电最大装机容量，并与不限制风电出力的常规计算方法所得的结果进行比较，通过比较可知，采用本方法将会使2015年该省的风电装机容量增大4倍，达到6 500 MW。同时，计算结果还详细分析了装机容量达10 000 MW时，冬夏季典型日的风电出力空间和最大出力，表明了过度接入风电时，风电大发期的冬季将造成大量风电被放弃，“弃风”比例超过30%。此外，为了更好地接纳风电，除了在计算方法上改进使其更加精确的同时，还应考虑优化火电机组的投产时序，需要同时放开联络线限制，实现跨区送电方式。另外还可以通过开辟新的途径和方法来消纳过剩的电力，如依托智能电网技术推广电能储存技术和电动汽车以及电蓄热锅炉等，配合灵活的电力市场制度提高风电消纳能力。
摘要：为了提高风电的消纳能力,提出了一种考虑调峰时段限制风电出力的新的风电消纳能力计算方法。该方法通过电网调峰困难时期允许少量弃风,保证更大的允许装机总量,因而非调峰困难期可获得更大的风电发电负荷。与不限制风电出力时消纳能力的计算方法相比,该方法实用、能够大幅度地提高风电接纳的能力,并且可灵活地应用于各种经济运行指标考核下的风电接纳能力计算。通过实际的算例验证了新方法的准确性,证明了该方法对电网规划及提高风电消纳能力具有指导意义。
关键词：风力发电,消纳能力,电网规划,分析方法,风电出力限制
风电消纳论文 篇2
就海上风电而言,其具有如下特点:资源丰富、发电利用小时数较高、无需消耗水资源、不占用土地资源、可大规模开发利用等等。近年来,欧美等一些发达国家或地区将大量的风电开发项目向海上转移,海上风电 的发展前 景一片光 明。截至目前,我国风电的发电量已经超出核电,成为第三大电源,在未来一段时期内,风电可能会成为能源结构调整的重要保障。虽然目前陆上风电的开发已步入成熟期,但海上风电的开发空间仍然十分广阔。鉴于此,本文将就海上风电的出力特性及其消纳问题展开探讨。
1海上风电的特点及其出力特性
1.1海上风电的特点
相较于陆上风电场而言,海上风电具有如下优势:
(1)资源优良。受海洋气候的影响,海上的风力资源具有风切变低、风速高等特点,同时,海上风的湍流强度 低,年利用小时数高,这就在一定程度上提高了电能的生产效率,并且相对比较平稳的风速对风电机组的影响较小,从而进一步延长了机组的使用寿命。
(2)对环境的影响极小。由于海上风电在建设过程中不需要占用土地资源,加之不存在噪声、电磁波干扰等问题,因此其对城市环境的影响非常小,极具开发潜力。
1.2海上风电的出力特性
大体上可将海上风电的出力特性归纳为以下2个方面:
(1)波动性。海上风电出力具有波动性,其机理如下:风能本身具有随机性的特点,具体体现为风速受海洋气候等多种自然因素的不可抗力影响,同时,风能还具有分散性的特点,其功率密度相对较低,且多分布于广阔的空间范围内。正是风能所具有的这些特点,使得海上风电的出力波动变化幅度较大,并且波动频率也没有 规律性。相关 研究结果 表明,在极端前 提下,海上风电的出力将会在0~100%这一区间范围内变化。这种波动性会导致海上风电连续数日大出力和连续数日小出力的情况出现。
(2)随机性。海上风电出力具有较强的随机性特点,且间歇性十分明显。仅就同一个海上风电场而言,其相邻数日内的日平均发电量有可能均相同,但是在每日的各个时段当中,风电的出力却会存在显著的差异。
2海上风电消纳面临的主要问题
通过对一些发达国家或地区的风电消纳途径进 行分析可知,对风电出力的波动性进行控制及增加电力储能设备,是风电大规模消纳最为有效的途径。然而,由于我国对风电消纳的研究起步较晚,目前海上风电消纳方面仍存在很多不足 之处,从而造成了海上风电并网难度大、传输受阻等问题,同时当前能够高效存储电能的设备也尚显不足,这就严重制约了海上风电的有效消纳。大体上可将海上风电消纳面临的问题归 纳为以下几个方面:
2.1相关政策不完善
现阶段,虽然国家针对风电的电力配 额建立了 相关制度,但从总体情况上看,制度并不健全,其中仍有许多方面亟 待完善,例如风电跨省、跨区消纳机制还不完善等等。
2.2消纳市场较为局限
就我国风电的整体分布情况来看,主要集中在东北、华北、西北以及沿海地区,风电的高比例并网使其出力大幅度 增加,这在一定程度上增大了电网的调频、调峰压力。同 时,有些风电场所在的区域内电力需求较小,尤其是海上风电场,其与负荷中心(东北、华北、西北以及沿海地区)的距离较远,消纳市场非常有限。
2.3预测技术的先进性不够
相关研究结果表明,海上的风力变化 具有一定 的规律性,当获悉某个时期的风力强度时,便可通过概率计算的方法对风电出力进行预测,这样就能够有效降低风力发电的不确 定性,从而使电网所面临的不确定性因素大幅度减少。但是,由于我国对于风电预测技术方面的研究力度不足,从而导致了预测技术的先进性不够,因此就无法对风力强度进行合理预测。
2.4对于风电出力波动性的控制能力较弱
由上文分析可知,海上风电出力具有 波动性变 化的特征,该特性使风电并网对电网功率的平衡影响较大,所以对海上风电并网的要求也相对较高。对于风电波动性的控制,除了利用其他类型的电源与风电进行联合调度之外,也可对多余的电能进行存储。然而,由于我国 的灵活电 源所占比 例较低,约为5.6%,加之缺少电能存储设备,致使当前无法有效对风电波动进行控制。
3解决海上风电消纳问题的几点建议
针对目前我国海上风电消纳所面临的问题,笔者在归纳和总结现状的基础上提出了以下几点建议:
(1)逐步完善与风电消纳相关的政策。国家有关部门应当加快施行风电配额机制,并对各个地区主要风电场的年均发电量进行统计和预测,以此为据对风电基地的消纳市场进行统筹规划,定比、定量地对风电进行消纳。
(2)大力发展分散式风电,增强海上风电场所在区域的整体负荷水平。由于我国目前风力发电以集中规模化为主,而分散式的风电相对较少,从而进一步增强了风电并入电网的困难程度。故此建议国家考虑发展分散式的风电,借此来形成集中与分散相平衡的风电格局。此外,可在海上风电区域范围内建设一些工业园区,扩大风电的消纳市场,借此来提高风电在 当地的消纳水平。
(3)加大对风电预测技术的研发力度。针对目前国内风电预测技术不够先进的现状,应当积极投入大量的人财物力,加强对风电预测技术的研究,开发相应的风电预测模型及系 统,从而提高预测精度,控制风电波动。
3结语
总而言之,海上风电具有陆上风电无法 比拟的优 势,它的开发利用潜力极大。在对海上风电项目进行开发利用的 过程中,除了要了解风电的出力特性之外,还应当充分考虑到风 电的消纳问题,只有这样,才能确保海上风电项目经济效益最 大的目标得以实现。在未来一段时期内,应重点加强对海上风电相关技术方面的研究,这对于促进我国风电事业的发展意义重大。
摘要：首先阐述了海上风电的特点及其出力特性,在此基础上对海上风电的消纳问题及解决途径进行了论述,以期对我国风电事业的发展起到一定的推动作用。
基于机组组合的风电消纳能力研究 篇3
风能资源是清洁的可再生能源,风力发电是目前新能源发电中技术最成熟、最具规模化开发条件和商业化发展前景的发电方式之一[1,2]。积极开发利用风电,对增加中国能源供应、调整能源结构、减少环境污染、应对气候变化和实现可持续发展等具有重要意义。但是由于风电具有随机性、波动性、不确定性的特点,使得大规模风电并网的消纳问题成为制约风电可持续发展的关键问题[3]。
据统计,2012年全国弃风电量高达200亿k W·h, 按照现行风电电价的最低标准0. 51元/( k W·h) 计算,仅2012年弃风总损失就高达100亿元。出现大量“弃风”现象的主要原因之一就是电网规划与风电场规划不协调。现有研究多聚焦于单个因素的独立分析,例如单独分析调峰、备用等因素引起的消纳能力。对于电源结构既定的电力系统而言,需要从电力系统实际运行需求出发,研究考虑多种因素并存时的消纳能力评估方法。风电与火电机组的协调运行,使得电网整体能耗最低是优化电网运行的重要目标。国内外的科研人员很早就注意到了这一问题,并建立了一系列综合考虑风电的机组组合模型, 这些模型重点研究了风电随机性、不确定性的建模方法,如机组组合模型[4,5]、采用模糊数学建立模型[6,7]、采用机会约束规划建模[7]、基于备用容量修正方法[8,9,10]、计及风险理论[11]模型等。研究表明风电利用过程中可能引起常规电源的消纳效率下降。 文献[12-14]指出合理评估风电价值是风电大规模并网调度中的一个核心问题,因此在发电调度中有必要综合考虑发电厂节能和减排两重目标。风电自特性、系统备用水平、电网传输能力、系统负荷特性、 风电并网等因素影响并制约着风电消纳能力。建立科学的消纳能力评估方法,有助于风电场建设规划, 更可以辅助实际运行中的调度决策。
本文基于一个全新的视角,揭示影响风电消纳能力的关键要素。综合考虑火电和风电的发电技术特性、电力和热力负荷平衡以及旋转备用容量等约束,建立了电网风电消纳效率分析的数学模型。
基于上述分析,本文对我国电网风电利用效率的内在机理进行了深入研究。本文立足于风力发电的净减排贡献率,使用基于机组组合的模拟方法,得出了开机方式、机组启停、火电机组工作点改变等不同的机组运行方式下电网消纳风电能力的变化规律。最后以我国某风电大省为实际案例,应用模型模拟分析该省风电消纳能力,通过算例仿真验证了理论推导的合理性。
2风电消纳效率分析模型
2.1风电消纳效率定义
本文采用“风电消纳效率”这项指标来衡量扣除附加调节成本后的风电对于电网的净减排贡献率。从数学角度,可以用式( 1) 来计算:
式中,λ 为风电消纳效率; C0、C1为引入风电前后, 给定时段内系统总的发电煤耗; GL、Gw分别为总的发电量和风电发电量。
λ > 1意味着系统消纳1度风电可以获得超过火电机组发1度电的煤耗节省; 反之,则说明系统利用1度风电并不能等同减少1度火电的损耗,需要付出一部分用以调节的附加煤耗。系统在极端情况下也可能出现负效率( λ < 0) ,此时应果断弃风,因为电网消纳风电的附加调节成本已超过其节煤效益。
2.2优化模拟
风火协调优化模拟主要是采用机组组合( Unit Commitment,UC) 模型。基于UC估测风电消纳效率的方法为: 在同样负荷水平下、用同样的计量方法,分别计算引入风电前后的煤耗,然后代入式( 1) 求得风电消纳效率。
在传统机组组合模型中,设有N台机组参与优化,PG( t) = [PG1( t) ,PG2( t) ,…,PGN( t) ]T。运行优化问题以发电成本最低,可以描述为:
式中,C0表示总发电成本; Cf( PG) 表示燃料成本; Cs( PG) 表示启停 成本,全都折算 成煤耗; 通常 γCa( PG) 仅用作辅助优化问题求解采用; g( PG) 表示总发电量; PL为总负荷预测值,含负荷和网损两部分; 不等式约束h( PG) 通常用来表示最低开机容量、爬坡率、备用、机组容量的上下限等,具体可参考文献[15]。
在指定时段[T0,T1]上,系统燃料成本为:
式中,N为系统中火电机组的数目; PGi为机组i有功出力; ffi是机组i的耗量特性函数,通常可以采用一次曲线:
式中,bi、ci为火电机组i耗量特性系数。
系统启动成本为:
式中,tik为机组i第k次开机的时间; τ( t) 表示延时函数,定义为:
fsi是机组i启动成本,折算成煤耗,其随时间变化为:
式中,si0为冷启动煤耗; Ti为启动时间常数。
式( 5) ~ 式( 7) 中的泛函问题在实际计算中通常需要进行离散化处理,并且把启停成本、二次耗量特性等非线性函数进行分段线性化,把原问题简化为混合线性整数优化问题。日前优化采用每十五分钟一段,式( 2) 变为:
关于求解算法的细节介绍可以参考文献[16]。
风力发电自身没有煤耗,因此不会增加式( 5) 中优化目标,然而风电并网将会替代一部分火电,且需要增加旋转备用,故约束条件会有所改变。
系统负荷扣除风电出力后,由常规机组承担的剩余负荷称为等效负荷。对于常规机组而言,其承担的实际负荷即为等效负荷。分析系统可消纳风电的问题可以转变为分析常规机组群可消纳等效负荷的问题。
本文中,把风电按“负”的负荷处理,用负荷预测值Pl减去风电功率的预测值Pw作为“净”负荷量的预测值Pn,即:
为消纳风电增加的旋转备用和爬坡备用等用式 ( 10) 表示:
式中,h( PG) 为消纳风电系统所增加的旋转备用; h'( PG) 为消纳风电系统所增加的爬坡备用。
3电网消纳风电效率原理
影响风电消纳效率的人为因素包括风电的预测功率、调度优先权和其误差信息的利用方法等,客观因素有风电击穿透率、电源构成、风电波动性强弱程度等。然而从本质上来看,所有因电网消纳风电而引起的煤耗变化都将通过改变火电机组的运行方式来体现,因此本文从这一点入手进行探讨。
额外煤耗有三种主要存在形式: 火电机组运行工作点偏离原来工作点 ΔC1、在线机组容量的改变 ΔC2、机组启停 ΔC3,即
这三部分形式共同作用构成风电消纳效率系数:
式中,ubase为引入风电前系统的单位发电煤耗。
设风电引入前,[T0,T1]时段上共有N台火电机组参与优化,则:
式中,xik为机组i在第k时段上的有功出力; τik为机组i的启停状态,启动为1,反之为0; csi为启停成本。
在任意时段k ∈[T0,T1]有
3.1机组运行工作点改变
假设引入风电前后,系统开机方式没有变化,系统在安排日前机组组合时暂不考虑风电,实际运行中,仅采用降低在线火电机组运行的工作点来消纳风电。
用风电代替部分火电机组时,火电机组将按耗量微增率从大到小依次减小有功出力 Δxi到下限。 在[T0,T1]时段,火电机组集合M下调工作点,代入式( 1) :
式中,k ∈[T0,T1]。
在每个时刻k上,代入式( 11) :
风电消纳效率的范围估测为:
根据式( 15) ~ 式( 17) ,有如下结论:
( 1) 进行消纳风电时只采用改变火电机组工作点方式,风电消纳效率系数始终为正;
( 2) 耗量微增率高的火电机组应尽可能先被风电代替;
( 3) 风能消纳比例越大,λ1越小;
( 4) 原发电的基准煤耗ubase越大,电网进行风电消纳的附加成本也越高。
3.2机组在线容量的变化
假设引入风电前后,机组集合H由在线改为关停。这里讨论风电正好等于机组原总出力的情形。 在时段 [T0,T1]上有:
在线容量变化时,火电机组对风电消纳效率的影响如式( 19) 所示:
式( 19) 的意义如下:
( 1) 若H集合内的机组单位产能成本u2高于ubase,则 λ2取值大于1。
( 2) 从机组运行工作点和机组在线容量两种变化方式对比中可以看出,后者对风电消纳效率的改善主要表现在节省机组固定发电成本上面,一般在同等条件下 λ2( k) 比 λ1( k) 大,说明减小开机容量与压低机组工作点相比,前者是更好、更高效的风电消纳方式。
3.3机组启停
假设T0时刻起,因风电出力的突然减少,增加火电机组集合H。系统净节能量 ΔC3为:
式中,Cf、Cs分别表示引入风电后的燃料成本和启停成本。假设增开机组后,系统的开机容量和运行工作点恰好恢复到没有风电引入时状态,则C0= Cf。此时,风电消纳效率为:
可以看出,机组启停引起的是净成本,启停次数的增加是造成风电调节成本上升的主要因素。
4风电与火电协调运行机理
风电的波动场景和风电穿透率决定了第3节三种情形在实际电网中哪种因素起主导作用。
最常见的情形是改变运行工作点,在该情形下, 主要由耗量微增率原理决定风电消纳效率变化。这种情况下,虽然风电消纳效率有所波动,但整体上是稳定的,即使需要付出额外的附加煤耗来消纳风电, 但其所占比例非常小。然而仅依靠改变运行工作点方式,风电消纳存在消纳瓶颈。
在线容量变化与机组启停方式能够引起风电消纳效率迅速变化,取得在线容量变化和机组启停方式的平衡是电网有效利用风电的关键问题。尽管风电消纳效率可通过减小在线机组容量来显著提高, 但是仍避免不了风电的波动性,原始在线机组容量不足将会引起机组启停次数上升,成本急剧增加。
假设[T0,T1]时段上被关停某机组在T1时刻启动,综合考虑机组完全冷启动和风电消纳效率的临界条件:
由式( 21) 和式( 22) ,通过[T0,T1]时段上关停机组所节省煤耗 ΔC2和T1时刻增加的启动成本Cs之间的大小比较决定了风电能否真正起到节能减排的效果。为消纳风电而改变火电机组启停方式的临界条件为:
此临界条件也是高风电穿透率情况下煤电占优系统运行优化的基本理论依据,这里称之为成本平衡原理。
5算例仿真
5.1仿真说明
风电采用美国东部若干风场春季实际数据,其特征与我国季风性气候相似。分别对低( 6. 81% ) 、 中( 16. 30% ) 、高( 28. 17% ) 三种穿透率下( 风电穿透率 = 风电额定装机容量/峰值负荷) 的情形进行仿真。
对三种情形各69个样本分别计算单日UC,获得收敛样本186个。统计系统总成本、火电机组燃料成本、机组启停次数、在线机组容量等运行信息, 并计算风电消纳效率及以下指标:
风能利用比例 α 为:
电网单位产能成本Cg( $ /( k W·h) ) 为:
火电机组单位产能成本Cu( $ /( k W·h) ) 为:
5.2结果分析
把风电引入前的情形看作各指标的比对基准, 仿真结果如表1所示。
从仿真中结果中可以看出,随着运行工作点升高各机组的单位发电成本逐渐下降。1号机组灵活性高、容量小,是机组组合模拟中最常见的调节机组,但其单位成本也是最高的。因此在其余在线机组容量充足的情况下,它总是运行在较低的工作点上。
仿真中风能利用的情况如图1所示,图1给出了风能利用比例 α 从小到大排序及样本分布的情况。
系统总的燃料成本、总的发电成本随风能利用增加的变化趋势如图2所示。可以看出,系统总成本呈局部波动、整体线性递减的趋势,电网的单位产能成本也随之线性下降。电网发电成本仍然以燃料成本为主,而启停成本相对所占比例则较小。提高风电消纳的比例在大趋势上对于节能减排还是有利的。
相比较而言,火电机组的单位发电成本则较为复杂,如图3所示。从整体上讲,随着风能利用的增加,火电机组的单位发电成本上升,这是消纳风电所付出的额外代价。
随着风能消纳比例的增加,图4给出了风电消纳效率变化曲线,图中所有情形为三种方式叠加在一起共同起作用时的消纳效率变化情况。对应算例的在线机组容量和机组启停的关键信息见表2。
图4中可见,风电消纳效率变化可显著分为三组:
( 1) 机组运行点改变对应所有火电机组开机方式不变、仅工作点下移的场景,借助式( 8) 可以在理论上估计风电消纳效率范围0. 876≤λ≤0. 923,仿真验证值与理论值吻合。
( 2) 机组在线容量改变对应机组启停次数增加较少,在线机组容量减小的情形。显然,此种情形下与运行点改变的情形相比风电消纳效率显著提高, 尤其在停机的火电机组稳燃出力和固定成本高时效果更加明显。随着风能利用比例的增加,分摊到每度风电上的节能红利也将下降。
( 3) 机组启停对应风电反调峰、机组启停次数增加的场景。此时的风电消纳效率显著低于运行点改变方式,甚至还出现了低至0. 333的最小值,风能消纳代价极其高昂。
6结论
为应对风电随机波动特性对电力系统安全运行的影响,须建立科学的风电消纳能力评估方法。电力网络是影响系统风电消纳能力的重要因素,其制约性在实时调度中更为凸显。本文详细研究了风电消纳效率的变化规律,探讨了风火协调电网中风电消纳的若干问题。经过研究本文得出以下结论: 首先,火电机组的运行工作点、开机容量与启停等运行方式的改变是主导风火协调电网中风电消纳效率的三大因素。调整火电机组运行工作点是最常见的情形,这时风电消纳效率虽有波动,但整体良好,应积极增加风电消纳。而改变开机容量、启停等离散调节方式则可能导致风电消纳效率的大幅改善或恶化,应当根据风力的实际条件择优选择。其次,在风电消纳比例较低时,起主导机理的是火电机组的等耗量微增率原理; 而在风电消纳比例高时,起主导机理的是机组启停成本平衡原理。再次,多时间尺度的优化配合是实现煤电占优电网中风火协调运行的关键所在。考虑中长期来风情况,优化大型火电机组的启停状态; 考虑短期来风情况,在日前引入短期或者超短期风电功率预测,优化机组在线工作点和少量灵活机组的启停; 本文依照可再生能源配额制的基本思想,构建了包含风电消纳能力的评估体系, 涵盖了电网风电消纳的各个角度,并使其形成可良性运作的整体,可实现高效消纳风电的目标。
摘要：电力系统消纳风电能力的准确掌握,对于风电场建设规划以及辅助实际运行的调度决策意义重大。风电消纳的效率分析给电网高效利用风电提供了理论支持,风电消纳效率主要是用来衡量扣除电网消纳风力发电的成本后,风电对于电网净减排的贡献率。本文以目前我国的电源结构作为切入点,采用机组组合的生产模拟方法,从成本上分析了电网消纳风电的费用构成。基于二次规划模型,从理论上推导出了电网消纳风电效率与系统运行方式、机组参数和电网消纳风能比例等因素有关。最后通过实验仿真验证了理论的有效性和实用性。
基于水源热泵技术的风电消纳模式 篇4
风电的大规模、迅猛发展,导致部分地区存在运行与消纳方面的难题。风电具有间歇性、随机性、反调峰等特点,对系统潮流控制、辅助服务调用、短路电流控制、电能质量保证等都提出了新的挑战。例如:2010年东北区域火电机组中的供热机组比例较高(如吉林省为72%),其在冬季供暖期基本不具备调峰能力,而可以启停调峰的中小型火电机组已逐步关停,抽水蓄能电站、燃气机组建设相对迟缓。在电网调峰能力严重不足的情况下,为保障电网安全和居民采暖,电力调度机构不得已在低谷时段采取限制风电出力的措施;蒙西电网风电装机容量已达到全网最高负荷的24.51%,在冬季供热期间和用电低谷时段,为确保电力系统安全运行,也不得不限制风电场的出力。同时,由于目前风功率预测系统不完善,基础数据缺乏,准确度不高,电网企业无法完全根据预测的风力功率制定日前计划,运行方式的安排存在很大的不确定性。2010年1月至6月,全国风电未收购电量约为2.776TW·h,占风电总上网电量的12.47%[1]。风电消纳已经成为制约其快速发展的关键问题之一。
文献[2-4]提出了建设省级风电控制自动化系统以充分接纳风电,但不能从根本上增加风电消纳能力;文献[5]分析了调度电动汽车充电以平滑电网等效负荷波动,消纳夜间过剩风电的可行性,文中观点有建设性意义但受电动汽车发展状况限制。
本文提出一种增加电网风电消纳能力的新方法,采用水源热泵技术,将常规热电厂冷却循环水中蕴含的大量低温余热提取出来用于城市供热,能有效改善城市供热的质量,提高常规供热机组的调峰能力,增加电网供电负荷,大幅提高电网风电消纳能力。冬季供热期是中国北方风电受限最严重的时段。本文以供热期风电运行情况为例介绍了水源热泵的工作原理并分析了其经济效益,给出了基于水源热泵技术的风电消纳模式并讨论了该模式的可行性。
1 水源热泵的工作原理
火电厂冷却循环水中蕴含大量低温余热,这些余热由于品位较低,无法直接利用,当前的普遍做法是任其散入大气,热量损失巨大。如果采用水源热泵技术,将这些热量提取出来用于城市供热[6],则能有效提高城市供热能力和质量,增加电网负荷,加以有效控制则可以减小负荷峰谷差,提高火电机组的调峰能力[7],促进风电消纳。压缩式水源热泵工作原理如图1所示。
高温电动压缩式水源热泵由蒸发器、电驱动压缩机、冷凝器和膨胀阀4个部分组成。在制热工况下,低温低压的制冷剂(如氟利昂类)流经蒸发器,从冷却循环水吸热升温后进入压缩机,被绝热压缩成高温高压蒸汽后进入冷凝器放热,在此环节内蒸汽开始冷凝,然后经膨胀阀绝热节流,降温降压成低温低压的湿蒸汽,再流回蒸发器,开始新的循环。压缩式水源热泵能将自身所耗电能若干倍的热能从低温环境中提取出来,输送到需要加热的地方。
2 利用水源热泵改善供热质量的经济效益分析
一般情况下,北方城市室外平均气温下降到5℃时开始采暖。散热器采暖方式下,居民供暖系统供/回水温度设计为95℃/70℃[8],实际运行中可能低于该数值。供热抽汽影响热电机组的发电调峰能力,特别是为保证其供热管网出水(图1中A点)温度达到95℃,热电机组发电出力的实际运行区间将比额定运行区间大幅度缩小。以长春市为例,环境温度为-30℃时,要保证95℃出水温度,300 MW凝汽式供热机组出力只能在200~250 MW之间,而在非供热期,其发电出力能稳定在150~300 MW区间。可见,受供热影响,300 MW机组调峰能力由150 MW降低到50 MW。吉林省供热机组占全部火电机组的76.7%,负荷低谷时段电网调峰能力严重不足,供热机组也被迫参与非常规调峰,这样必然会影响城市供热效果,同时由于大量风电的存在,影响将进一步加剧。
如图1所示,将水源热泵串接到热电厂冷却循环水回路和电厂供热出水管路中,利用水源热泵提取冷却循环水中余热提高供热出水管路中水温,从而提高城市供热质量。正常供热时,300 MW凝汽式供热机组出力在200~250 MW时才能保证图1中A点供热出水温度达到95℃;而配置合适容量的水源热泵后,在A点温度低于95℃时,水源热泵会将供热出水口的温度升高至95℃,从而保证相同供热质量,出力范围却可以扩展到170~280 MW。因此,在满足城市供热质量的情况下,使用水源热泵增加了热电机组的调峰能力,也将大大促进负荷低谷时段风电的消纳。同时,在此过程中水源热泵将消耗大量电力,为清洁能源的消纳创造了空间。另外,热电厂是耗水大户,冷凝塔飘散到大气中的水量约占其循环水总量的1.8%,每年因此损失大量的冷却循环水,造成经济损失。本模式采用水源热泵,电厂冷却循环水在封闭环境内流动,蒸发量趋于0,达到良好的节水效果。上述模式还能够充分回收冷却循环水中的低温余热,在新增热源、提高城市供暖质量的同时,减少煤炭消耗,具有良好的节能效益。
3 实际算例
以吉林省内一台装机容量300 MW的凝汽式发电机组为研究对象,在应用该模式后,对其经济、社会与环境效益进行计算分析[9,10],相应的边界条件为:受供热影响发电机组平均出力百分比为75%,热回收量占发电量比率为70%(每发电1kW·h,可回收的热量折算成电能当量为0.7kW·h),水源热泵制热系数(热泵提取的热量与其消耗的电能之比)为12,标准煤热值为29.3 MJ/kg,冷却循环水用量为32 000t/h,冷却循环水蒸发率为1.8%,燃烧每吨标准煤排放CO2,SO2和NOx分别为2.62t,0.008 5t和0.007 4t,采暖时间按170d计,平均建筑采暖热指标[11]为60 W/m2,锅炉燃煤热效率[8]为45%,出厂热价为27元/GJ,水源热泵机组价格为0.8元/W。经计算,供暖期内300 MW发电机组的发电量为918GW·h,冷凝热回收为2.31×106GJ(价值6 237万元),热泵耗电量为53.55GW·h,节约标准煤18.8万t,减排CO2,SO2和NOx分别为49.4万t,1 598t和1 391t,节约冷却循环水235万t(价值1 175万元),增加供热面积262万m2,水源热泵机组建设投资为1.89亿元(含热电厂冷凝水系统改造),收益合计7 412万元。
上述计算结果表明:一台300 MW凝汽式发电机组在配置相应规模的水源热泵后,具有良好的社会与环境效益。
就成本来说,在初始投资方面,水源热泵大规模安装的机组价格约为0.8元/W,一台300 MW凝汽式发电机组,其配套水源热泵机组初始投资约为1.26亿元;配套设备及冷凝水系统改造投资约按热源热泵机组投资的50%计算,初始总投资共计1.89亿元,按10a分摊成本,每年1 890万元。年运行费用有:建设投资折合年度成本(按10a计算)1 890万元,运行人员费用200万元,折旧费1 102万元(热泵机组的折旧费按购置费的7%计,配套设施折旧费按其投资的3.5%计),维修费220万元(按折旧费的25%计算),还贷额度2 102万元(资本金比例20%),热泵耗电费用3 213万元(按吉林省当地大工业电价0.6元/(kW·h)计),其他费用472万元(取投资的2.5%),年度总成本共计9 199万元。
综合系统的初始投资、年运行费用及年收益可知,该系统税前年投资超过收益1 787万元左右,经济效益较差。由此可知,单纯依靠水源热泵来提高供热质量,投资远大于收益,并不具有现实的可操作性。但是,由于水源热泵的使用增加了电网负荷,如果该负荷全部由风电提供,则增加风电消纳量53.55GW·h,否则这些电量在实际运行中会被弃用。多接纳的风电电量收益能弥补水源热泵的部分投资,综合效益比较可观。综合效益计算结果如下:系统初始投资费用为18 900万元;系统年度运行总成本为9 199万元;年度收益为7 412万元;多接纳风电电量收益为3 267万元;税前利润为1 480万元。
4 可行性分析
由上述分析可知,水源热泵技术能够提高供热质量,增加电网风电消纳能力,同时,增加的风电消纳能力能反哺水源热泵技术的发展。因此,可建立一种基于水源热泵技术的风电消纳模式,此模式的成本包括建设水源热泵(含改造热电厂冷却水系统)年度成本和日常运行费用2个部分,收益包括风电场增发电量收入、水源热泵提取的热量收入、热电厂节约用水、减少供热机组用煤等4个部分。将建设投资折算到年度,与运行维护费用等综合分析,如图2所示,其结论是收益远大于成本。
综合中国国情,该模式的投资主体可为热电企业,负责水源热泵的建设、运行和维护。该热电企业所属集团的风电子公司为受益单位,通过提高其年度风力发电计划、电力调度部门优先保证其电力消纳等手段,保证水源热泵系统的投资收益。
5 结语
本文所述模式具有技术先进、环保效益突出的优点,具有良好的发展潜力。对于300 MW机组而言,采用对应容量的水源热泵辅助供热,供热期间可释放60 MW的调峰能力,将大幅度缓解风电波动性对电网频率的影响。如果全省供热机组均配合开展水源热泵建设,将增加调峰能力1 200MW以上,能有效缓解风电运行中的调峰问题。
为更好地促进该模式的发展提出以下几点建议:继续加强技术研发力度,提高水源热泵的制热系数,增加水源热泵单位投资的供热收益;该模式能有效提高风电消纳能力,具有良好的节能减排效益,符合国家发展清洁能源、促进节能减排的方针政策,因而可以给予该模式一定的政策支持和鼓励,例如对热泵消耗的电费实施优惠电价,促进该模式发展;如果吉林全省凝汽式供热机组全部加装相应容量的水源热泵,将增加风电消纳能力1.6TW·h,节能减排效益非常可观。
参考文献
[1]2010年风电、光伏发电监管情况报告[R].北京:国家电力监管委员会,2011.
[2]郑太一,冯利民,王绍然,等.一种计及电网安全约束的风电优化调度方法[J].电力系统自动化,2010,34(15):71-74.ZHENG Taiyi,FENG Limin,WANG Shaoran,et al.Anoptimized wind power dispatching method considering securityconstraints in the power grid[J].Automation of Electric PowerSystems,2010,34(15):71-74.
[3]冯利民,范国英,郑太一,等.吉林电网风电调度自动化系统设计[J].电力系统自动化,2011,35(11):39-43.FENG Limin,FAN Guoying,ZHENG Taiyi,et al.Design ofthe wind power dispatch automation system in Jilin power grid[J].Automation of Electric Power Systems,2011,35(11):39-43.
[4]李雪明,行舟,陈振寰,等.大型集群风电有功智能控制系统设计[J].电力系统自动化,2010,34(17):59-63.LI Xueming,XING Zhou,CHEN Zhenhuan,et al.Design oflarge clusters of wind power active intelligent control system[J].Automation of Electric Power Systems,2010,34(17):59-63.
[5]于大洋,宋曙光,张波,等.区域电网电动汽车充电与风电协同调度的分析[J].电力系统自动化,2011,35(14):24-29.YU Dayang,SONG Shuguang,ZHANG Bo,et al.Synergisticdispatch of PEVs charging and wind power in Chinese regionalpower grids[J].Automation of Electric Power Systems,2011,35(14):24-29.
[6]郭小丹,胡三高,杨昆,等.热泵回收电厂循环水余热利用问题研究[J].现代电力,2010,27(2):58-61.GUO Xiaodan,HU Sangao,YANG Kun,et al.Research onwaste heat recovery of circulating water in power plant by heatpump technology[J].Modern Electric Power,2010,27(2):58-61.
[7]孙荣富,张涛,梁吉.电网接纳风电能力的评估及应用[J].电力系统自动化,2011,35(4):70-76SUN Rongfu,ZHANG Tao,LIANG Ji.Evaluation andapplication of wind power integration capacity in power grid[J].Automation of Electric Power Systems,2011,35(4):70-76.
[8]张磊,单志栩.大型热网运行与管理[M].北京:水利水电出版社,2010.
[9]史月涛.汽轮机设备与运行[M].北京:中国电力出版社,2008.
[10]张开菊.热力网与供热[M].北京:中国电力出版社,2008.
风电消纳论文 篇5
关键词：风电消纳,跨区域,储能系统,机组组合
0 引言
中国风电在快速发展的同时,面临着严重的消纳问题。风电消纳的困难受多方面因素的影响,从风电自身特性来看,其发电出力具有间歇性与不稳定性,其逆负荷分布特性更是加剧消纳难度。从风电场的区域布局来看,风力资源丰富地区往往远离负荷中心,本地负荷缺乏大规模风电消纳的能力[1]。从行业规划程度来看,产业规划不协调,同时也缺乏完善的市场机制理顺各方的利益关系。
大规模风电的消纳从时空上可按本地消纳与外送消纳划分。促进风电的本地消纳需要激励机制、专线直购、需求响应等方案的支持[2]。而外送消纳可以扩大风电消纳范围,是目前中国解决大规模风电弃风问题的重要途径[3,4]。关于风电的跨区域消纳,文献[5]在考虑输电阻塞的基础上对风火电打捆输送的输电容量进行优化;文献[6]研究了酒泉的风电外送模式以及外送功率调节方式;文献[7]则对风电输送中的负荷潮流进行优化。为进一步优化风电消纳,部分研究引入了储能系统。文献[8]结合储能系统以及分时电价改变负荷的时间分布以提高风电的消纳水平;文献[9]则通过对比不同储能容量下风电接纳能力,研究储能装置对系统风电接纳能力的影响;文献[10]则研究了抽水蓄能系统参与下风电与抽水蓄能协调调度策略。
风电出力与负荷需求的时间与空间分布不协调,而鉴于储能系统具有改变系统负荷分布的功能,将储能技术纳入风电消纳模型,通过改变系统负荷分布提高风电的消纳水平,实现系统节能效益的最大化。
1 储能系统充放电模型
随着清洁能源发电技术的发展,大规模储能技术日渐成熟,相关试点工作也在全国多地展开。储能系统具有转移负荷时间分布的功能,在负荷低谷时段储存电能,在负荷高峰时段为系统供电,从而抑制风电反负荷特性对系统的影响。
储能系统的充放电是能量转换的过程,储能系统实时充电量与放电量之间满足:
式中:Q0为储能系统初始存储电能;为t时刻储能系统的充电功率;Qp为p时刻储能系统储存电量;为t时刻储能系统的放电功率;η为储能系统的能量转换效率系数。
假设同一时段内储能系统不能同时进行充电与放电操作,则与满足:
储能系统充放电的实时功率受充放电功率上限约束,满足:
式中:分别为储能系统充、放电实时功率上限。
储能系统储存的总电能受储能系统总储能容量的限制,满足:
式中:为储能系统的总容量。
2 跨区域风电消纳模型
透过储能系统的削峰填谷作用,系统负荷波动水平将会下降,机组调峰的压力也有所下降,系统在夜间消纳风电的能力随之提高。有鉴于此,考虑储能系统实时充放电功率对系统负荷分布的影响,构建基于全局能耗最低的风电消纳优化模型。
2.1 目标函数
以区域间所有机组的总煤耗最小作为联合优化调度的目标函数:
式中:uijt为区域i内的机组j在t时刻的状态变量,当机组处于启动状态时取值为1,当机组处于停机状态时取值为0;gijt为机组j时刻的出力;Sij为机组启动的燃煤消耗量;fij(gijt)为机组的总煤炭消耗函数,发电煤耗与实时发电出力相关,根据机组的耗量特性,其关系一般以二次函数形式表示,假设aij、bij、cij为相应的系数,则有:
2.2 约束条件
(1)区域内供需平衡约束
电力供应须实时满足系统负荷的需求,因此,区域内发电上网电量、输电线路输入、输出功率以及需求侧负荷之间需满足:
式中:θij为区域i第j台机组的厂用电率;grw,it为风电场的实时出力;θw,i为风电场的厂用电率;为区域i在t时段的跨区域输入功率;为区域i在t时段的跨区域输出功率;Dit为区域i在t时刻的系统负荷。其中,输电线路输入功率与输出功率之间满足:
(2)跨区域输电平衡约束
跨区域输电过程中有一定的功率损耗,因此各区域的总输出功率与输入功率之间满足:
式中:ltr为输电线损率。
(3)输电容量约束
区域间的实时输电功率受输电线路容量控制,跨区域的输出功率或者输入功率须低于输电线路的输电容量上限,即满足:
式中:为与区域i相连的输电线路容量。
(4)系统备用约束
为保证电力系统的安全稳定,电源须为系统提供一定的备用[11,12,13,14,15]。其中,系统的上旋转备用须满足:
式中:为机组j的在t时刻的最大可能出力;Rit为t时刻的系统备用需求;为风电的上旋转调峰备用需求;为机组j的最大出力;为机组提升功率的响应速度极限:ω1为火电机组备用率;ω2为风电机组的上旋转备用率。
系统的下旋转备用须满足:
式中:为风电的下旋转调峰备用需求;为机组j在t时刻的最小可能出力;gij为机组j的最小出力;为机组降低功率的响应速度极限;ω3为风电机组的下旋转备用率。
(5)风力实时出力约束
风电场的实时出力与来风量相关,根据实时来风量水平可以测算出风电场的实时等效利用水平下的最大可能出力,则风电实时出力应满足:
式中:λt为t刻风电的最大等效利用系数;gw,i为风电场的总装机容量。
(6)火电实时出力约束
火电机组的实时出力受机组工艺参数的控制,实时出力处于最小出力与最大出力之间,且相邻时段机组出力的变化幅度不能超过机组响应极限。式(21)为机组出力约束,式(22)为机组的爬坡约束。
(7)火电机组启停时间约束
火电机组工艺特性以及启停能耗不允许机组的频繁启停,因此,对机组的启停时间进行约束,满足:
式(23)为机组j的最短启动时间约束;为机组j在t-1时刻的运行时间;为机组的最短运行时间。式(24)为机组j的最短停机时间约束;为机组j在t-1时刻的停机时间;为机组的最短停机时间。
发电侧机组节能发电调度模型通过对各机组的启停以及机组出力的控制实现能耗最少的优化目标,因此,模型中的决策变量为机组启停状态变量uijt,机组出力变量gijt,风电的实时出力以及储能系统的充放电变量
3 模型求解
假设优化后,各决策变量的优化值为、,则优化系统负荷峰谷比为:
电力系统总煤耗为:
风电场消纳比例为:
4 算例仿真
4.1 基础数据
假设有A、B 2个区域,其中区域A为风电资源丰富区域,而区域B的风电资源较少。假设各区域在典型日的用电需求如图1所示。
区域内储能系统的相关参数如表1所示。发电侧燃煤机组的参数如表2所示,风电装机容量为3 000 MW,风电场的厂用电率为2%,典型日各时段的等效利用率如表3所示。火电机组与风电机组的备用率分别为10%与15%。
假设区域A与区域B之间共有两回输电线路,每回输电线路的输电容量为400 MW,输电线损率按3%计算。
4.2 发电调度优化分析
(1)需求侧负荷优化结果
表4为不同情景下系统调度的优化结果。对比不同情景的负荷结构可知,储能系统的引入在一定程度上改变了需求侧的负荷分布状况,各时段电力需求变得更均匀,最大负荷与最小负荷的落差也在一定程度上降低。
(2)发电侧能效优化结果
对于风电机组而言,消纳范围的扩大将在很大程度上提高风电消纳水平。如果风电仅在本地消纳,本地负荷仅能消纳61.3%的风电出力;而在跨区域消纳背景下,总体负荷水平的提高将在很大程度上优化风电的消纳。表5为跨区域调度下发电侧的优化结果。在不计及储能系统的情景下,风电的消纳比例为85.4%,相对于本地消纳模式有了很大的提升。
储能系统的引入将改善系统负荷结构,通过削峰填谷降低了风电反负荷特性给电力调度带来的难度,电力系统可以在谷时段更多消纳风力发电,提高风电上网电量的比例,降低风电弃风水平。如表5所示,加入储能系统后风电的消纳比例上升至86.3%。
对于火电机组而言,削峰填谷在降低负荷波动的同时也减少了机组调峰的启停次数,高能效机组的利用水平得到提高,发电煤耗随之下降;然而风电利用效率的提高压缩了火电机组的市场份额,火电的上网电量有所下降,储能系统引入后火电的上网电量相对于不含储能系统的情景减少了221 MW,这也就降低火电机组的收益水平,需要与之相协调的市场机制理顺双方的利益关系。
对于整个电力系统而言,由于风电上网比例的提高,系统的供电煤耗也有一定程度的下降。不含储能系统情景下系统的综合供电煤耗为210.2 g/kWh,而引入储能系统后综合供电煤耗则下降至198.2 g/kWh。
(3)储能系统充放电优化结果
对于储能系统而言,其各时段的充放电优化结果如表6所示。储能系统的充电时间均处于系统的谷时段或者平时段,而放电则全部集中在峰时段。对比2种情景的能耗水平,储能系统的引入为系统节省73.1 t的标准煤耗,按600元/t的煤炭价格计算,储能系统将为电力系统节省4.4万元的成本支出。
(4)跨区域输电功率优化结果
输电线路扩大了风电的消纳范围,如图2所示,跨区域输电功率与风电的出力比较一致,在风能丰富的时段区域A向区域B的输电功率较多,而在其它时段输电功率则比较少,甚至出现区域B向区域A逆向输电的情况。这主要是由于区域B发电机组的整体能效优于区域A,在风电出力不足时段区域B的机组将获得更高的利用程度。
从输电量的角度来看,储能系统的引入增加了输电线路的输电量,即扩大了区域间发电置换的比例,深化了区域间资源配置优化的程度。而就输电结构而言,风能资源丰富区域向其它区域的输电比例在引入储能系统后也有所提高,如表7所示。
5 结论
风电的消纳是保证风电产业可持续发展的基础。从消纳途径来看,跨区风电消纳可以扩大风电的消纳范围,而储能系统的应用可以通过调整系统负荷分布以降低风电逆负荷特性对风电消纳的影响。因此,构建了计及储能系统的跨区域风电消纳模型,并借助GAMS软件求解,优化结果表明:
(1)跨区域消纳风电扩大了风电消纳空间的同时增加了消纳负荷的水平,提高了风电上网出力占总负荷需求的比例,继而提高了系统消纳风电的能力。
(2)储能系统的充放电决策有助于改善系统负荷的时间分布,增加夜间的负荷需求,从而扩大风电在夜间的消纳比例。
风电消纳论文 篇6
关键词：风电,并网,消纳,调度
0 引言
德国、西班牙是世界上风电装机占电力总装机比例最高的两个国家, 都接近20%。根据全球风能理事会最新统计数据, 截至2014年底德国、西班牙风电并网容量分别达到3 916.5×104k W、2 298.7×104k W, 居世界第三、四位[1]。风电装机占电力总装机容量分别达到18.3%、20.5%, 而风力发电量占全国电力总消耗的比例分别达到7.9%、15.2%。德国和西班牙在风电消纳方面取得了突出成就, 下面对这两个国家的风电消纳措施进行介绍。
1 德国风电消纳措施
德国很多省份的风电比例都很高, 有四个州的风力发电量占该州电力总消耗的比例超过46%。德国在风电消纳方面主要采取了以下几个方面的措施[2]。
1.1 通过立法加强电网建设提高风电消纳能力
德国非常重视风电与电网的统一规划问题。2011年德国修订了 《电网扩展法》, 该法要求:电网公司需加强电网建设改造, 提高风电输送能力;电网公司有义务及时、优先接纳、输送和分配来自可再生能源的电力。电网公司有义务优先让可再生能源并网, 及时利用现有技术优化、加强并扩容电网, 以保证可再生能源电力接纳、输送及分配。电网公司的义务还包括电网运营所需的所有设备及电网连接装置的运行和维护。如果电网公司不遵守义务, 风电企业可以要求赔偿。德国电网公司承诺, 一旦对风电进行限电, 将按照风电固定上网电价计算得到的企业损失费用的95%进行支付。
1.2 跨国联网
德国电网是欧洲大陆电网的成员, 欧洲大陆电网是目前世界上最大的跨国同步互联电网, 以400 k V/380k V交流电网为主网架, 通过220 k V和400 k V/380 k V交流线路互联。德国通过欧洲大陆电网与荷兰、卢森堡、瑞士、奥地利、捷克、波兰、瑞典、丹麦等国实现了电网跨国互联, 可以在国内电力需求小、风电出力大的情况下, 将多余风电输送给邻国。2013年, 德国通过欧洲大陆电网出口的电力达到685×108k W·h。
1.3 电网公司加强对电网扩容
为最大限度地接纳风电, 德国电网公司根据法律要求, 不断改造电网结构, 新建了更多条高压线路。2012年德国电网公司共新建长度为455 km的380 k V双架空线路, 改造了220 k V的输电线路, 并将现有的97km线路升级。德国电网公司还计划到2015年再新建390km的380 k V双架空线路, 升级现有26 km线路。
1.4 调整能源结构发展灵活的调峰电源
在能源结构方面, 德国具有大量生物质能、天然气、燃油和抽水蓄能等适于调峰的灵活电源。德国燃油、燃气机组所占比重大, 这些机组启停灵活, 可灵活安排燃油、燃气机组启停, 优化次日系统开机组合, 促进风电消纳。
1.5 有科学的技术标准和检测认证制度
德国针对大规模风电并网制定了一系列技术标准和规范, 而且德国技术规范要求高于国际电工委员会的标准。德国建立了完善的风电发电并网检测认证制度, 对风电有明确的入网检测和认证规定, 包括风电机组入网检测和大型风电场并网运行检测评价等, 以此保证风电机组性能和风电场运行特性满足系统安全稳定运行要求。德国风能研究所DEWI是国际认可的检测和认证机构。
1.6 使用先进的风电功率预测系统
德国风电场和电网调度机构全部安装了风电功率预测系统。当今德国的风电功率预测是一种将先进的数值天气预报模型、风电场发电模型及统计学方法相结合的综合预测系统 (Energy and Meteo) 。该系统引入了24 h短期预测的功能, 将以前的提前几天提供数据改为提前几个小时, 缩短电力调度市场供应和实际交付之间所需的时间, 大大减少了不可预知的变化, 在不影响系统安全的前提下提高系统运行效率, 可以保障功率预测的精确性和系统平衡。
2 西班牙风电消纳措施
在风电消纳方面, 西班牙一直处于世界领先水平, 其电网系统能平衡瞬间超过50%系统负荷的风电, 主要得益于以下几方面措施[3]。
2.1 电网公司对风电进行优先调度
在西班牙, 电网公司调度时, 对风电进行优先调度, 其它常规发电机组配合风电出力。尤其是夜晚风电出力大幅增加的情况下, 通过减少其它常规发电设备的出力来保障风电并网, 从而降低常规机组的发电小时数;在用电需求高峰、风电出力较低的情况下, 电网通过提高其它常规发电机组的出力以保障电力供应。2001年—2010年, 西班牙的风电可利用小时数保持在1 900 h~2 000 h;发电设备平均利用小时数从4 205h下降到2 915 h, 减少了1 290 h, 火电和核电设备利用小时数总体呈显著下降趋势。
2.2 成立全国可再生能源电力控制中心实时集中监控风电
西班牙在2006年成立了世界上第一个可再生能源电力控制中心 (CECRE) , 它是国家电力调度控制中心下属的运行部门, 专门负责调度全国可再生能源发电。西班牙法律规定, 风电公司必须成立实时控制中心, 所有装机容量在1×104k W以上的风电场的实时控制中心必须与CECRE直接互联。这些实时控制中心每12 s向CECRE上报有功、无功、电压等风电场运行数据, 并根据CECRE调度指令, 调节风电出力, 在15 min内达到相关要求。西班牙通过成立CECRE, 很大程度上提高了电网公司对风电的实时监控能力, 有效降低了风电瞬时波动给电网带来的冲击, 保障电网安全运行。
2.3 跨国联网
西班牙电网与欧洲部分国家的电网实现了互联。西班牙通过7条400 k V、5条220 k V等线路与周边法国、葡萄牙和摩洛哥等国互联。2013年, 西班牙净外送电量86.9×108k W·h, 同比增长4.8%。可再生能源比例较大的大部分地区目前都需要依靠与周边国家互联电网来增强电网可靠性。特别是当风电或水电出力较大时, 强大的互联电网是西班牙有效消纳可再生能源电量的坚强后盾。
2.4 大力发展调峰性能良好运行灵活的机组
风力发电的随机性和间歇性特点, 决定了电力系统必须具备较好的调峰能力。为适应风电装机规模和发电量不断提高的需要, 西班牙近年来大力发展具有深度调峰能力的燃气机组、油气混合燃料机组, 积极推动抽水蓄能机组建设。截至2013年底, 西班牙具备良好调峰性能的电力装机达3 700×104k W, 约占电力总装机容量的34%, 有效提升了电力系统的调峰能力。
2.5 使用先进的风电功率预测技术
西班牙风电功率预测技术处于世界领先水平, 24 h的预测误差不超过15%, 平均误差不超过10%, 有力支撑了含有大量风电并网的系统优化运行。西班牙燃油、燃气机组所占比重很大, 燃油、燃气机组启停灵活, 电网公司根据次日风电功率预测, 灵活安排这些机组启停, 优化次日电力系统开机组合, 保证风电消纳。
2.6 允许更大的风电功率预测误差
西班牙电网公司在向各发电企业收购电量时, 要求企业必须提前1 d报出各个时段的上网电价及预测上网电量。对于常规能源发电企业, 如果实际上网电量与预计发电量相差超过5%, 则发电企业需要向电网公司支付高于上网电价的罚款, 相差比例越高, 罚款倍数越大[4]。但对于风电, 考虑其发电量预测的难度, 电网规定只有当实际上网电量与预计发电量相差比例超过20%时, 风电企业才需要支付罚款, 且罚款额度与常规发电企业超过5%需支付的罚款额度相当。
3 对中国的启示
自2006年实施 《可再生能源法》 后, 中国风电进入大规模发展阶段, 风电装机规模持续迅猛增长。根据中电联发布的数据, 2015年2月底中国并网风电装机容量首次突破1×108k W, 达到10 004×104k W, 继续稳居中国第三大发电类型和世界风电装机首位[5]。尽管中国风电发展速度迅猛, 但在一些风资源丰富地区, 电网基础设施仍比较薄弱, 不能够完全满足大规模风电并网需求, 因此目前在中国内蒙古、东北三省、甘肃等地区出现了比较严重的限电问题, 最高限电比例甚至达到50%~60%。德国、西班牙在电网建设和规划、政策和技术标准、电网运行控制、技术支撑等方面的风电消纳措施值得中国政府和电网企业借鉴和学习[6]。结合中国电网和风电实际发展情况, 对中国风电消纳的启示有[7]:
a) 在智能电网发展规划中应充分考虑未来风电并网需求, 加快全国电网互联和风资源丰富地区特高压电网建设, 实现全国范围内资源优化配置;
b) 在电网升级改造的同时, 同步建设一定容量的调峰调频电源, 解决风电大规模发展带来的调峰调频问题, 优化系统开机组合, 确保电网安全稳定运行;
c) 对大规模风电并网系统接纳能力、电价机制关键问题进行深入研究, 完善促进风电消纳政策, 统筹规划各个风电基地的消纳市场, 制定相应奖惩措施;
d) 促进建立中国强制性风电并网认证和检测制度, 完善并网检测认证体系, 规范风电设备制造和并网接入, 引导风电技术和管理水平提升;
e) 加强对不同地形条件下风功率预测方法和系统的研究, 建立高精度数值天气预报生产系统, 总结积累实际预测经验, 提高风电功率预测精度。
4 结语
风电发展符合中国能源长期发展规划, 但风电消纳成为当前制约风电进一步发展的瓶颈。通过借鉴德国、西班牙等风电发达国家的成功经验, 中国政府部门和电网企业应当高度重视风电有效利用工作, 使中国的弃风限电情况得到好转, 切实构建起适应风电等可再生能源大规模并网电力运行和调度体系, 共同努力促进风电健康、快速和持续发展。
参考文献
[1]全球风能理事会.2014全球风电装机统计数据[R].布鲁塞尔:全球风能理事会, 2015.
[2]曹慧敏.德国风电发展对我国的启示[J].中国科技投资, 2007 (11) :78.
[3]董路影, 陈峰.西班牙风电发展及对我国的启示[J].中国能源, 2011, 33 (6) :18-20.
[4]Fichtner.Grid Codes for Wind Power Integration in Spain and Germany[R].Stuttgart:Fichtner, 2010.
[5]中电联.全国并网风电装机容量首次突破1亿千瓦[EB/OL].2015-03-20.http://www.cec.org.cn/guihuayutongji/gongxufenxi/dianliyunxingjiankuang/2015-03-20/135494.html.
[6]张丽英, 叶廷路, 辛耀中, 等.大规模风电接入电网的相关问题及措施[J].中国电机工程学报, 2010, 30 (25) :1-9.
风电消纳论文 篇7
以风电为代表的大规模间歇式能源的接入对电力系统运行将产生重大影响,其调度模式需要相应变革。文献[1]提出了消纳大规模风电的多时间尺度协调的有功调度系统,通过“多级协调、逐级细化”的方式增加系统消纳风电的能力。而发电计划在线滚动修正则是其中的核心内容之一。但由于滚动调度是一个多时段的动态优化问题,其计算量很大,因此,其在线应用存在很大挑战。本文在文献[1]构建的多时间尺度有功协调优化调度的框架下,就在线滚动调度的模型设计以及如何提高其计算效率,从而增强在线滚动修正的实用性进行了研究。
传统的经济调度主要研究日前计划,是在已知系统负荷预测、联络线交换计划、机组初始出力状态以及其未来一段时间内的启停状态的情况下,制定出机组未来的运行计划,保证系统的发电成本或者电网公司的购电成本最低[2]。日前计划主要考虑火电机组和水电机组等常规机组的运行计划。考虑到风电等间歇式能源的接入,一般可以把风电预测看做负的负荷接入电网[3]。但随着时间的推移,风电的预测精度会逐级降低,从而影响到常规机组计划出力的合理性和实用性。因此,在日内的有功调度中有必要根据滚动刷新的风电预测值不断修正常规机组出力计划。
无论是日前计划,还是在线滚动调度,本质上都是动态优化问题。目前已有大量文献利用各种算法对日前计划进行优化计算,主要包括:启发式的优化算法,如优先顺序法[4]、逆序排序法[5]和专家系统[6];传统的数学方法,如动态规划法、网络流法[7]和拉格朗日松弛法[8,9,10]等;一些演化算法,如遗传算法[11]、模拟退火算法[12]、粒子群优化算法[13]和差分进化算法[14]等。
启发式算法很难获取动态优化问题的最优解,而且随着问题规模的增大会出现“维数灾”的问题。演化算法虽然能处理带有各种复杂约束的优化问题,但是很难得到全局最优解,而且由于演化算法随机性的特点,每次优化的结果是不确定的,很难满足现场优化结果再现的需求。
本文基于拉格朗日对偶松弛法的数学方法,将优化问题的原问题转换为对偶问题,并将对偶问题分解为主问题和子问题2个部分。然后,基于模型凸规划的特点[9,10],提出了子问题的逆向递推的改进动态优化算法以满足滚动调度在线应用的需求。
1 在线滚动调度策略
日前计划是在一定时段(国内一般以15 min为1个时段,1 d共有96个时段)内,在满足机组特性、功率平衡和网络安全等约束条件下,保证系统的发电成本最低。但是大规模风电接入后,由于风电的强随机波动性,使日前计划的精度急剧恶化。为避免此情况的发生,本文根据系统负荷和风电预测精度随时间尺度的细化而逐级提高的特性,提出消纳风电的在线滚动调度策略:每隔30 min对本日的剩余时段进行15 min一个点的负荷预测和风电预测,并根据新的预测值对剩余时段的机组出力计划进行修正。
在线滚动调度策略的核心仍是优化问题,且随着时间的推移,当前时段t0由0变化到94时,问题的求解规模也逐渐变小。该调度策略的流程见图1。
2 优化模型及算法
2.1 优化模型
考虑到单台机组发电费用和机组出力呈线性或二次关系,滚动调度的目标函数可以表示为:
式中:pi,t为第i台机组在第t时段的滚动计划值;ai,bi,ci分别为第i台机组发电费用的二次项、一次项和常数项系数;N为系统的常规机组总数;T(T=96)为1 d的时段总数;t0为当前时段数。
滚动调度的目标函数应满足如下约束。
1)机组出力上下界约束
pi,t,min≤pi,t≤pi,t,max (2)
式中:pi,t,max和pi,t,min分别为第i台火电机组在第t时段出力的上界和下界。
考虑到滚动调度的修正值应与原计划值相关联,因此需要将每台机组修正后的出力值与日前计划值的偏差控制在一定的范围内。故有
式中:
2)机组爬坡率约束
pi,t-1-Δpi,t,dn≤pi,t≤pi,t-1+Δpi,t,up (4)
式中:Δpi,t,dn和Δpi,t,up分别为第i台机组从第t-1时段到第t时段允许的降出力和升出力最大值。
3)断面潮流安全约束
式中:l和L分别为断面编号和总断面数;kl,i为第i台机组对第l断面的灵敏度因子;
4)负荷平衡约束
式中:
5)机组群日电量合同约束
式中:Om和M分别为有电量合同的第m个机组群和总机组群数;Em为第m个机组群的日合同电量与第m个机组群在[1,t0]时段已发电量的差值;1/4表示15 min的时间长度。
2.2 优化算法
考虑到滚动调度是在线滚动运行,其算法应当具有很高的计算效率和较强的鲁棒性。本文将基于拉格朗日对偶松弛的方法[15],在对偶问题的子问题的求解中进行优化,从而提高整体算法的效率。优化问题以式(1)为目标函数,式(2)—式(7)为约束条件,其中t0∈[0,T-2]。当t0取0时,且松弛偏差控制约束,问题转化为日前计划优化问题。
2.2.1 拉格朗日对偶问题的数学模型
原优化问题的拉格朗日对偶问题模型如下。
max θ(w,v)
其中,
式中: inf{}为函数的下确界;De为式(2)和式(3)构成的约束集;
式(8)的θ(w,v)可以整理为:
式中:C为常数项;当第i台机组属于第m个机组群,
由此可发现,式(9)可分解为N个子问题并行求解。子问题只需考虑单台机组的变量和约束。
通过迭代进行拉格朗日对偶问题的求解,每次迭代都需求解1次主问题和子问题。
2.2.2 主问题的求解
式(8)给出了主问题求解的模型,变量为w,v。在第j次迭代时,w和v的取值分别为w(j),v(j)。在子问题已获得优化解p
1)修正方向的确定
根据负梯度方向为最速下降方向的原理[15],在求解最大值的式(8)中,修正方向(dw(j),dv(j))取为式(8)中有关(w(j),v(j))的梯度方向即可。
当修正方向向量的模值小于阈值ε(本文规定ε=0.1)时,可认为对偶问题迭代收敛,这时主问题采用的机组出力定值也同时为原问题的最优解。
2)修正步长的设定
修正步长λ(j)应随着迭代次数j的增大而逐渐变小,因此修正步长可以简单表示为:
式中:A和B为步长修正参数,算例中采用A=1,B=4。
当乘子w和v的修正方向和修正步长确定之后,对乘子进行修正,修正公式为:
(w(j+1),v(j+1))=(w(j),v(j))+λ(j)(dw(j),dv(j)) (11)
修正后得到的乘子w(j+1)和v(j+1)可以代入式(9),进行第j+1次子问题的求解。
2.2.3 子问题的求解
式(9)等号右侧为子问题求解的目标函数,变量为pi,t。在求解第j次迭代子问题的优化值p
在式(9)中,不妨令
则式(9)中inf{}内部的表达式可以表述为:
这时,求解f的最小值就等价于求解所有fi的最小值。而每个fi都只包含单台机组在时段[t0+1,T]的出力信息,约束包括式(2)和式(3)对应的机组出力上下界约束和机组爬坡率约束。
考虑到子问题中的fi具有明显的多时段特性,本文将采用逆向递推的动态规划方法求解单机优化问题[9],具体分为2个步骤。
1)机组出力的各阶段最优决策
令第T时段为第1阶段,第T-1时段为第2阶段,并依此类推,第t0+1时段则为第T-t0阶段;决策则是机组在每个阶段允许的出力值;而机组出力的第T-t+1(其中t0+1≤t≤T)阶段的最优决策是指:若该机组在第t时段出力值为pi,t,o,则能保证fi的后部子过程(从第t时段到第T时段)对应的函数值取得最优。各阶段的最优决策的存在性以及求解pi,T,o,pi,T-1,o,…,pi,t0+1,o共T-t0个阶段最优决策的过程见附录A。
2)机组出力的最优策略
当获得机组出力各阶段的最优决策后,再根据机组在第t0时刻的实际出力,在满足机组爬坡率的条件下,可以很方便地获得机组出力的最优策略,即保证子问题获得最优解时的各机组在各时段的最优出力。
制定机组出力的最优策略的原则就是从pi,t0出发,在满足机组爬坡率的条件下,保证该机组下一个时段出力值与该时段对应的阶段最优决策的出力值差值的绝对值越小越好。具体示例参考附录B。
实际现场中,调度员可能会对某些机组在某些时段的固定出力进行设定,这时可将子问题中这些时段内机组的决策区间设为固定值;在考虑机组启停机曲线出力的嵌入时,将子问题中机组对应时段的决策上、下界都取值为启停机曲线对应的取值。
若要使得某些机组满足出力阶梯化(机组的出力为5 MW的整数倍等)的要求,则需要对制定机组出力的最优策略原则进行调整:从pi,t0出发,在满足机组爬坡率的条件下,保证该机组下一个时段出力值在满足阶梯化要求(比如机组的出力为5 MW的整数倍等)时,下一时段出力值与该时段对应的阶段最优决策的出力值差值的绝对值应当最小。
这些特殊情况下的机组出力曲线的算例可以参考附录C。
本文提到的子问题逆向推进法充分利用了式(13)优化问题的结构特殊性,能够快速获得相应的最小值。该方法还支持调度员设定固定机组出力以及机组阶梯化出力等需求。
3 算例分析
3.1 计算效率分析
对所提出的算法的计算效率进行了研究。测试用硬件环境为Pentium(R),Dual-core CPU和4 GB内存。当迭代次数为100、时段数分别为24,48,96时,计算时间分别为1 s,2 s,3 s。由此可知,本文提出的方法具有很好的计算效率;滚动计划中的剩余时段总数在不断地变化,这对子问题的求解效率也有影响。分析计算费时与剩余时段总数的关系可以发现:所提算法的计算费时与剩余时段总数基本呈线性关系。
3.2 优化效果分析
在文献[16]定义的机组出力上、下界,机组发电费用系数和潮流断面的基础上,设置每台机组每分钟的最大爬坡率为该台机组出力最大值的1%。文献[16]有24个系统负荷数据,本文在此基础上插值生成96个时段的数据。断面潮流范围设为[-750 MW, 750 MW],系统还包含了1个机组群(由1,2,3,4,5号5台机组组成),并将日合同电量设为750 MW·h。在t0=0采用滚动修正算法进行计算时,便可得到机组日前出力计划。不同约束条件下的目标函数值如表1所示。
由表1可知,随着约束的增多,优化问题的解空间被压缩,目标函数的最优值也会逐渐变大。
当断面约束和日电量约束都需要考虑时,系统的负荷曲线、断面潮流曲线和1号—5号机组的日前计划曲线分别参考附录D。算例结果显示:本文算法能很好地实现带有断面潮流约束和合同电量约束的日前计划制定。
3.3 收敛性分析
本文在某省有功调度日前发电计划的基础上进行了在线滚动调度算法的应用。该系统包含264个母线、132台机组。系统运行到第32时段时,负荷的滚动预测值与计划值出现较大偏差,滚动调度算法启动。滚动调度刷新前后的系统负荷曲线和机组出力计划曲线参考附录D。64个时段的计划滚动修正总共耗时8 s获得最优解(开发语言为Microsoft Visual C++6.0),其迭代过程见图2。
乘子的修正步长选择问题一直是拉格朗日松弛法面临的难题[17],本文采用式(10)给出步长修正法得到的结果在迭代初期会出现振荡现象,但在中后期能快速收敛。从整体来看,本文提出的算法具有很好的计算效率,能够满足在线运行的需求。
4 结语
本文在传统日前计划的基础上提出在线滚动调度的算法,可以降低风电等间歇式能源的不确定性对电网的冲击作用。本文探讨了在线滚动调度与日前计划的关系,在拉格朗日对偶松弛的框架下提出了新的优化算法。整体算法的高效性和很好的鲁棒性满足了在线滚动调度的需求,同时该算法也可以适用于日前计划。实际电网的测试也证明了该方法的有效性。当然,算法的整体效率与主问题乘子步长修正的自适应方法密切相关,这方面还需要深入探讨研究。
附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。
摘要：提出了能有效提高电网消纳风电等间歇式能源能力的发电计划在线滚动修正策略,并给出了其与日前计划优化的关系。同时,给出了相应的优化调度模型。基于拉格朗日对偶松弛法的框架,将原优化问题转换为拉格朗日对偶优化问题的主问题和子问题两部分。然后,基于模型凸规划的特点,提出了子问题的逆向递推的改进动态优化算法。该算法具有多项式复杂度的良好特性,整体算法效率很高,可以满足滚动调度的在线应用需求。文中所提出的策略和模型已在某省级电网中得到初步应用,算例测试表明所提出的策略和模型是有效的。
【风电消纳论文】推荐阅读：
新能源消纳07-25
消纳场应急方案07-07
畜禽规模养殖场粪便消纳协议(有偿种植用)07-20
永磁风电机组论文06-12
森吉图二期风电安全监理论文06-17
神池霸业梁风电场风电安全检查自查报告05-18
风电齿轮07-14
风电预测07-15
风电出力05-31
风电培训08-17