2. 华北电力大学控制与计算机工程学院, 北京 102206
2. North China Electric Power University, Beijing 102206, China
国家能源局统计数据显示,截至2018年底,我国可再生能源发电装机容量达728 GW,比上一年增长12%,其中风电新增并网容量为20.59 GW,光伏发电新增并网容量为44.26 GW,同时新能源弃电量超过30 TWh[1-2]。统计表明,弃风弃光主要集中在内蒙古、甘肃和新疆等地区,其中内蒙古弃风电量和弃风率分别为7.2 TWh和10%[3]。弃风弃光的主要原因,一方面是由于新能源的装机占比高,热电机组和自备电厂装机规模大,系统调峰压力大,同时部分特高压通道的输电能力不足,导致新能源发电外送受限;另一方面是因为风电具有间歇性、随机性和反调峰特性等。目前解决新能源发电消纳问题的基本措施有[4-5]:加快解决清洁能源进出局部网架受限问题;大力实施火电机组的灵活性改造;进一步推进可再生能源清洁供暖工程;促进自备电厂参与调峰;完善各地区电力市场化交易。综合考虑改造成本和日益严重的弃风、弃光情况,火电机组的灵活性改造越来越受到关注[6-7]。
目前大多数发电厂的发电机组工艺技术比较落后,普遍存在深度调峰灵活性不足问题,主要表现在[8-12]:火电机组最小技术出力较大,导致深度调峰能力不足,在新能源发电高峰时段难以促使新能源发电的消纳;多数机组的爬坡速率较低,难以适应风电出力的不确定性和间歇性。对内蒙古地区的火电机组装机及最低稳燃负荷情况调研发现,多数火电机组在纯凝工况下的最低稳燃率为40%左右,在供热工况下最低稳燃负荷率为50%甚至更高。火电机组的最低稳燃负荷太高是造成弃风弃光的原因之一。
本文旨在研究火电机组最低稳燃负荷灵活性改造对风电消纳能力的影响[2]。借助IBM公司CPLEX软件平台,基于内蒙古电网火电机组及风电消纳现状,采用混合整数规划法(MIP)[13-14]对部分机组进行组合[15];对于未改造机组,在模型中调整火电机组的最小技术出力,进而分析机组灵活性改造后对风电消纳能力的影响。
1 深度调峰数学模型本文针对一个包含火电机组及大规模风电机组的电力系统,建立以24 h为决策周期的机组组合调度决策模型。电网发电计划需要充分考虑每日负荷预测、机组耗量及计划检修等因素。制订科学合理的日前发电计划对分析包含大规模风电机组的火电机组组合系统的调度问题尤为重要[16-17]。机组调度首先要考虑机组组合问题,通过对选定的各时段负荷需求情况进行分析,并对参与运行的机组进行启停优化组合,制订各机组在各时段的最佳运行方案。
1.1 目标函数以运行总成本最小作为优化目标。运行总成本主要包括3个部分:火电机组运行成本C1,火电机组启停成本C2,弃风惩罚成本C3。目标函数如下:
![]() |
(1) |
式中:Pi, g(t) —火电机组i在t时段的发电功率;
T—1个典型月当中的1 d,T=24 h;
Si, g —火电机组i的启停成本;
ui, g(t) —火电机组i在t时段的开停机状态,1表示开机状态,0表示停机状态;
G—机组数量;
Ci, g —火电机组i的运行成本;
λ—弃风惩罚系数,元/kWh;
PD —弃风功率。
火电机组i的运行成本为:
![]() |
(2) |
式中:a、b、c—火电机组运行的燃料成本系数。
火电机组i的启停成本:
![]() |
(3) |
式中:Con —火电机组的启动成本。
1.2 约束条件(1)功率平衡约束为:
![]() |
(4) |
式中:Pw(t) —t时段风电机组的发电功率;
D(t) —t时段用电负荷;
R(t) —备用容量。
(2)机组出力约束为:
![]() |
(5) |
式中:Pi, g, min —火电机组最小技术出力,也表示改造后机组的最大调峰深度;
Pi, g, max —机组的最大出力。
(3)机组的爬坡约束为:
![]() |
(6) |
式中:Δg —火电机组上下爬坡速率的变化率。
(4)正、负旋转备用约束为:
![]() |
(7) |
![]() |
(8) |
式中:Rur(t) —t时段正旋转备用容量;
Rdr(t) —t时段负旋转备用容量;
Pcr —系统旋转备用容量额度需求。
(5)开停机时间约束为:
![]() |
(9) |
![]() |
(10) |
式中:Xi, t-1on—火电机组i在t-1时段已连续开机时段数;
Xi, t-1off—火电机组i在t-1时段已连续停机时段数;
Xion—机组i的最小开机时间;
Xioff—机组i的最小关机时间。
2 算例分析经调研,内蒙古电网火电机组装机容量为41.888 GW,风电机组装机容量为18.133 GW,本文选取冬季内蒙古部分火电机组和风电出力某月典型日作为数据基础,对火电机组按照其额定容量进行分组,分为(0,200],[300, 350]和[600, 660]3个区间,单位为MW。风电装机容量为10 000 MW。通过上述数学模型进行求解,得到以下仿真结果。
(1)冬季需要供热机组的最小出力取供热工况下的最小出力,纯凝机组冬季最小出力均为纯凝工况下的最小出力。冬季某天风电预测出力与用电负荷如图 1所示。
![]() |
图 1 冬季某天用电负荷和风电预测出力变化曲线 |
(2)在没有改变机组最小出力时,冬季某天内风电消纳447 776.53 MWh,弃风率为26.72%。将火电机组按照额定容量分为(0,200],[300, 350]和[600, 660]3个区间,各区间火电出力和风电出力情况如图 2所示。
![]() |
图 2 各区间机组出力变化曲线 |
(3)对各区间机组的最低稳燃负荷进行调整,供热机组分别由原来最小技术出力调整为40%Pe(Pe为额定出力),纯凝机组由最小技术出力调整为30%Pe,得到调度周期内风电消纳结果如表 1所示。
![]() |
表 1 不同区间机组最小技术出力对风电消纳的影响[7] |
(4)分别改变(0,200],(200,350]和[600, 660]最低稳燃负荷,同时提高参与AGC调峰机组的速率,得到结果如表 2所示。
![]() |
表 2 不同区间机组最小出力与变负荷速率对风电消纳的影响 |
(5)由统计可得,内蒙古火电机组额定装机容量多数分布于[300, 350],在改变此区间火电机组最小技术出力时,总调峰容量大于调节其他区间的火电机组,将[300, 350]的火电机组最小技术出力降低10%Pe,得到各区间机组出力及风电出力仿真结果如图 3所示[13]。
![]() |
图 3 [300, 350]机组最小技术出力减小10%Pe各发电机组出力 |
本文通过研究内蒙古电网火电机组深度调峰及其负荷调整速率改变后对风电消纳的影响,得到以下结论。
(1)改变[300, 350]供热机组的最小技术出力时弃风率降低18.86%,比(0,200]和[600, 660]的供热机组弃风率降低幅度分别高10%和15.72%。纯凝机组各区间改造前后弃风率分别降低4.14%、1.55%、4.16%,而弃风率降低幅度相差不明显。由以上对改变机组最小技术出力而得到各区间机组对风电消纳的影响分析可得,内蒙古电网额定容量为[300, 350]的供热火电机组深度调峰后对风电消纳影响较大,改造过程中可考虑将其作为目标机组。
(2)改变火电机组最小技术出力的同时提高了AGC速率,由原1%Pe/min提高至1.5%Pe/min,在提高机组变负荷速率过程中,对风电消纳有一定的影响,但相较于降低火电机组最小技术出力的影响显著降低。由此可以得出,调整火电机组变负荷速率主要可用于平抑风电机组的波动性,对风电消纳影响不显著。
[1] |
李整, 方鑫, 谭文. 风力与火力发电并网优化调度仿真研究[J]. 计算机仿真, 2015, 32(1): 156-160. |
[2] |
国家能源局.国家能源局2018年中国可再生能源发电装机达7.28亿kW[EB/OL](2019-01-29)[2019-07-10].http://www.china-nengyuan.com/news/134881.html.
|
[3] |
国家能源局.国家能源局2018年可再生能源发展情况[EB/OL](2019-01-29)[2019-07-10].http://www.china-nengyuan.com/news/134877.html.
|
[4] |
葛晓琳, 郝广东, 夏澍, 等. 高比例风电系统的优化调度方法[J]. 电网技术, 2019, 43(2): 390-400. |
[5] |
林俐, 邹兰青, 周鹏, 等. 规模风电并网条件下火电机组深度调峰的多角度经济性分析[J]. 电力系统自动化, 2017, 41(7): 21-27. |
[6] |
庞文涛.含风电的机组组合和运行优化策略研究[D].杭州: 浙江大学, 2019.
|
[7] |
孙辉, 徐箭, 孙元章, 等. 基于混合整数线性规划的风电场有功优化调度[J]. 电力系统自动化, 2016, 40(22): 27-33, 42. |
[8] |
CHEN Xinyu, KANG Chongqing, O' MALLEY M, et al. Increasing the flexibity of combined heat and power for wind power integration in China:modeling and implications[J]. IEEE Transactiions on Power Systems, 2015, 30: 1848-1857. |
[9] |
向红吉, 戴朝华, 明杰, 等. 考虑低谷时刻负调峰能力及风电预测区间的多目标机组组合优化研究[J]. 电网技术, 2017, 41(6): 1912-1918. |
[10] |
王颖, 周刚, 韩红卫, 等. 计及风电最优置信度的机组组合优化方法[J]. 电网技术, 2017, 41(3): 808-815. |
[11] |
钱峰, 陈艺, 刘俊磊, 等. 大规模风电接入的电力系统协调控制策略[J]. 广东电力, 2019, 32(11): 12-18. |
[12] |
刘文霞, 何向刚, 吴方权, 等. 基于风电-负荷匹配度提高风电消纳能力[J]. 智慧电力, 2018, 46(1): 28-32, 110. |
[13] |
许彦平, 王跃峰, 唐林, 等. 弃风供暖模式下风电接纳能力评估及效益分析[J]. 中国电力, 2017, 50(2): 139-143, 149. |
[14] |
李明扬, 李瑞连, 马康丰. 基于混合整数规划法的深度调峰风电消纳优化[J]. 自动化与仪器仪表, 2019(10): 173-175. |
[15] |
王卫良, 王玉召, 吕俊复, 等. 大型燃煤电站锅炉能效评价与节能分析[J]. 中国电力, 2020, 53(4): 177-185. |
[16] |
张丹宁, 徐箭, 孙元章, 等. 含风电电力系统日前备用动态评估与优化[J]. 电网技术, 2019, 43(9): 3252-3260. |
[17] |
康鄂.电热能源集成系统的日前优化调度策略研究[D].吉林: 东北电力大学, 2018. http://cdmd.cnki.com.cn/Article/CDMD-10188-1018184135.htm
|