風(fēng)電并入冷熱電聯(lián)供系統(tǒng)的優(yōu)化運(yùn)行控制

周任軍，尹 權(quán)，康信文，李紹金，陳瑞先，王 蛟

（1.長(zhǎng)沙理工大學(xué) 智能電網(wǎng)運(yùn)行與控制湖南省重點(diǎn)實(shí)驗(yàn)室，湖南 長(zhǎng)沙 410004；2.湖南省電力公司 柘溪水力發(fā)電廠，湖南 益陽(yáng) 413508）

冷熱電聯(lián)供系統(tǒng)（Combined cooling heating and power，CCHP）以其優(yōu)越的能源梯級(jí)利用性能及能同時(shí)供給多種形式的能源而得到了廣泛關(guān)注［1-3］；電力 系 統(tǒng) 中，電能 需 滿 足 實(shí) 時(shí) 平 衡，而CCHP中的冷、熱能只需要滿足階段性平衡。風(fēng)電以綠色、清潔等特性而得以快速發(fā)展，但風(fēng)電出力固有的隨機(jī)性及預(yù)測(cè)偏差，在一定程度上桎梏了風(fēng)電的高效利用［4］。因此，可將風(fēng)電通過電制熱機(jī)組以熱能形式為CCHP供能，解決風(fēng)電出力隨機(jī)性及預(yù)測(cè)偏差對(duì)系統(tǒng)造成的影響。

為了提升風(fēng)電、太陽(yáng)能等可再生能源的利用效率，充分發(fā)揮CCHP能源梯級(jí)利用的優(yōu)勢(shì)［4-5］，降低可再生能源隨機(jī)性并網(wǎng)帶來的安全問題，可將其接入CCHP進(jìn)行協(xié)調(diào)優(yōu)化調(diào)度，能夠在一定程度上消除可再生能源隨機(jī)性的影響。文獻(xiàn)［6］在傳統(tǒng)CCHP基礎(chǔ)上，集成了太陽(yáng)能和光伏，太陽(yáng)能以熱能和電能的形式參與系統(tǒng)供能，能源利用率得到顯著改善；文獻(xiàn)［7］在考慮蓄熱設(shè)備的基礎(chǔ)上，集成了風(fēng)電CCHP，系統(tǒng)的供熱穩(wěn)定性得以提升，風(fēng)電經(jīng)濟(jì)效益得以改善；文獻(xiàn)［8］在傳統(tǒng)CCHP基礎(chǔ)上，配置了大容量的電制熱機(jī)組，增強(qiáng)了聯(lián)供系統(tǒng)的供熱可靠性。由于供熱允許存在一定延時(shí)的特性［9］，在降低風(fēng)電隨機(jī)性影響的同時(shí)增加聯(lián)供系統(tǒng)的供熱可靠性，且提升系統(tǒng)經(jīng)濟(jì)效益，可將風(fēng)電隨機(jī)性對(duì)電網(wǎng)的影響轉(zhuǎn)移到聯(lián)供系統(tǒng)的熱能供應(yīng)當(dāng)中加以處理。

目前，研究工作大多局限于風(fēng)電通過公共連接點(diǎn)（Point of Common Coupling，PCC）直 接 并網(wǎng)［10-12］或參與微電網(wǎng)的電能供應(yīng)［1］。文獻(xiàn)［11］研究了微電網(wǎng)系統(tǒng)通過PCC接入城市電網(wǎng)的優(yōu)化問題；文獻(xiàn)［1］建立的含有風(fēng)電CCHP的節(jié)能優(yōu)化協(xié)調(diào)模型，綜合考慮了聯(lián)供系統(tǒng)的節(jié)能特性；筆者從風(fēng)電供電和制熱2種供能方式出發(fā)，分別建立風(fēng)電供電優(yōu)化模型和風(fēng)電制熱優(yōu)化模型。針對(duì)風(fēng)電出力的不確定性，優(yōu)化模型的求解需采用處理隨機(jī)性問題的優(yōu)化方法。機(jī)會(huì)約束［10］具有良好的處理能力，但機(jī)會(huì)約束的優(yōu)化求解較為復(fù)雜；條件風(fēng)險(xiǎn)方法［2］得到了廣泛的研究和應(yīng)用，但其風(fēng)險(xiǎn)的含義容易引起語(yǔ)義上的自相矛盾［13］；α-超分位數(shù)方法［14］從數(shù)學(xué)意義角度出發(fā)，能夠很好地解決上述問題，因此，采用α-超分位數(shù)方法構(gòu)建風(fēng)電供能模式隨機(jī)優(yōu)化模型。優(yōu)化結(jié)果在為決策者提供風(fēng)電并網(wǎng)運(yùn)行模式控制信息的同時(shí)，可為智能電網(wǎng)背景下可再生能源的高效利用提供參考。

1 風(fēng)電供能模式及其控制系統(tǒng)

1.1 風(fēng)電供能模式

1）CCHP系統(tǒng)。CCHP系統(tǒng)由燃?xì)廨啓C(jī)（Power Generation Unit，PGU）、輔助鍋爐（Auxiliary Boiler，AB）、余熱鍋爐（Waste Heat Boiler）、電熱鍋爐（Electric Boiler，EB）、吸收式制冷機(jī)（Absorption Chiller，AC）、蓄熱槽和風(fēng)電機(jī)組構(gòu)成［15］，系統(tǒng)能量流程如圖1所示。

圖1 CCHP系統(tǒng)能量流程Figure 1 Energy flow chart of the CCHP system

2）風(fēng)電供熱模式。

當(dāng)前，風(fēng)電資源的利用主要是以電力供應(yīng)的形式直接就地消納或通過PCC接入到電網(wǎng)成為隨機(jī)性電源為電網(wǎng)供電。根據(jù)CCHP系統(tǒng)的特點(diǎn)及熱電負(fù)荷特性的差異，提出風(fēng)電通過電制熱機(jī)組并入CCHP以供熱的形式參與供能的模式——風(fēng)電供熱模式。電制熱鍋爐將風(fēng)電出力的電能轉(zhuǎn)化為熱能，與余熱鍋爐及輔助鍋爐協(xié)調(diào)滿足熱負(fù)荷及吸收式制冷機(jī)冷負(fù)荷的需求。該種模式下，燃?xì)廨啓C(jī)及城市電網(wǎng)協(xié)調(diào)滿足電負(fù)荷的需求。

3）風(fēng)電供電模式。

風(fēng)電供電模式下風(fēng)電直接并入CCHP系統(tǒng)，為聯(lián)供系統(tǒng)提供電能，協(xié)調(diào)燃?xì)廨啓C(jī)的電出力及城市電網(wǎng)的電力交互滿足符合電能的需求；風(fēng)電出力的隨機(jī)性波動(dòng)由城市電網(wǎng)加以平衡，這對(duì)電網(wǎng)備用容量及電能質(zhì)量都提出了挑戰(zhàn)。該模式下，熱能需求由余熱鍋爐及輔助鍋爐提供。

1.2 風(fēng)電并入CCHP供能模式控制系統(tǒng)

CCHP供能模式控制系統(tǒng)包括預(yù)測(cè)模塊、決策模塊、信息交互及風(fēng)力發(fā)電系統(tǒng)，如圖2所示。預(yù)測(cè)模塊包括冷、熱、電負(fù)荷及風(fēng)電出力的實(shí)時(shí)預(yù)測(cè)，筆者將風(fēng)電出力作為隨機(jī)變量加以預(yù)測(cè)，并認(rèn)定風(fēng)電出力預(yù)測(cè)偏差為服從特定分布的隨機(jī)量［16］。風(fēng)力發(fā)電系統(tǒng)中的風(fēng)電出力決策模塊（Wind decision module，WDM）為風(fēng)電場(chǎng)提供頻率電壓等控制信息并對(duì)風(fēng)電供能模式做出選擇。決策模塊通過信息交互模塊確定CCHP系統(tǒng)中各機(jī)組出力，功率平衡控制模塊（Power balance controller，PBC）協(xié)調(diào)系統(tǒng)與城市電網(wǎng)的功率平衡。CPU在供能模式優(yōu)化模型基礎(chǔ)上，根據(jù)各隨機(jī)變量預(yù)測(cè)信息及各約束信息，得出各機(jī)組出力及風(fēng)電供能模式選擇的最優(yōu)決策。

圖2 風(fēng)電供能模式控制系統(tǒng)示意Figure 2 The control system diagram in wind supply mode

2 處理隨機(jī)函數(shù)的α-超分位數(shù)方法

給定隨機(jī)函數(shù)g（x，y），x為決策向量，y為隨機(jī)變量，其概率密度函數(shù)表示為p（y），則g（x，y）小于閥值γ的分布函數(shù)為

假定對(duì)于確定的決策信息x，Ψ（x，γ）為關(guān)于變量γ的嚴(yán)格單調(diào)且遞增函數(shù)。針對(duì)任意給定的置信水平α，對(duì)應(yīng)最小分位點(diǎn)值為

隨機(jī)函數(shù)值超過最小分位點(diǎn)期望值為

文獻(xiàn)［17］已證明：

［g（x，y）-γ］+為取0和g（x，y）-γ中的較大者，ηα（γ，x）通常較難求解，可對(duì)y進(jìn)行蒙特卡洛模擬，取n個(gè)樣本點(diǎn)估計(jì)：

式（6）中max不光滑，對(duì)其進(jìn)行光滑化及變量松弛化對(duì)偶處理。取ti為輔助變量，式（6）的等價(jià)形式為

放松其中的等式約束使其變?yōu)椴坏仁郊s束max｛0，g（x，yi）-γ｝≤γi，可以等價(jià)為g（x，yi）-γ≤γi和0≤γi，即

式（3）可由式（8）求得：

3 2種供能模式優(yōu)化模型

3.1 風(fēng)電供熱模式優(yōu)化模型

1）目標(biāo)函數(shù)。

風(fēng)電供熱模式優(yōu)化模型以系統(tǒng)生產(chǎn)成本Fw.h為目標(biāo)函數(shù)：

式中 Cf（t）、Cg（t）分別為t時(shí)刻燃料成本函數(shù)及購(gòu)電成本函數(shù)，單位均為S|／h。

①燃料成本函數(shù)。

系統(tǒng)燃料成本函數(shù)包括燃?xì)廨啓C(jī)和輔助鍋爐的燃料成本函數(shù)。燃?xì)廨啓C(jī)的燃料成本函數(shù)為

式中 Cpgu（t）為第i臺(tái)燃?xì)廨啓C(jī)組熱、電功率分別為Hpgu.i（t）和Ppgu.i（t）時(shí)的生產(chǎn)成本總和，S|／h；αi，βi，σi，δi，εi，θi均為第i臺(tái)燃?xì)廨啓C(jī)組的生產(chǎn)成本系數(shù)；Npgu表示燃?xì)廨啓C(jī)臺(tái)數(shù)。

輔助鍋爐的燃料成本函數(shù)為

式中 Ca（t）為第j臺(tái)輔助鍋爐熱功率為Ha.j（t）時(shí)的生產(chǎn)總成本，S|／h；αj，δj，εj為第j臺(tái)鍋爐的燃料成本系數(shù)；Na為鍋爐臺(tái)數(shù)。

系統(tǒng)總的燃料成本函數(shù)為

②購(gòu)電成本函數(shù)。

系統(tǒng)與電網(wǎng)交換功率為Pgrid（t），考慮分時(shí)電價(jià)，聯(lián)供系統(tǒng)與電網(wǎng)功率交換成本函數(shù)為

式中 Cbuy（t）為t時(shí)刻購(gòu)電單價(jià)，S|／（kW·h）；Csell（t）為t時(shí)刻賣電單價(jià)，S|／（kW·h）；Pgrid（t）為正表明聯(lián)供系統(tǒng)購(gòu)電，為負(fù)表明系統(tǒng)向城市電網(wǎng)售電。

2）約束條件。

①功率平衡約束。

式（15）為電功率實(shí)時(shí)平衡方程，式（16）為熱功率階段平衡等式約束（系統(tǒng)的熱、電、冷能損耗暫不考慮）；η為電制熱系數(shù)；Δt為熱能階段性平衡延時(shí)值，可由決策者依據(jù)供熱質(zhì)量及供熱水平?jīng)Q定；Qs（t）為t時(shí)刻蓄熱槽的蓄熱容量。

②機(jī)組出力。

燃?xì)廨啓C(jī)電、熱出力約束為

輔助鍋爐出力約束為

蓄熱槽的蓄熱容量范圍為

3.2 風(fēng)電供電模式優(yōu)化模型

1）目標(biāo)函數(shù)。

風(fēng)電供電模式的目標(biāo)函數(shù)Fw.e同式（10）～（14）。

2）約束條件。

①功率平衡約束。

②機(jī)組出力。

各機(jī)組出力約束同式（17）～（20）。

3.3 2種供能模式隨機(jī)優(yōu)化模型

風(fēng)電供熱和供電優(yōu)化模型均是含積分的優(yōu)化問題，可采用離散化的代數(shù)處理方法，在Δt時(shí)段內(nèi)采用T個(gè)樣本求取積分值。

1）風(fēng)電供熱模式隨機(jī)優(yōu)化模型。

風(fēng)電供熱和供電優(yōu)化模型考慮的均是確定性的變量，但實(shí)際風(fēng)電出力是隨機(jī)的，且需要在調(diào)度結(jié)束之后才能觀察測(cè)量其準(zhǔn)確值。而風(fēng)電隨機(jī)性影響聯(lián)供系統(tǒng)的經(jīng)濟(jì)運(yùn)行，為準(zhǔn)確刻畫及求解帶有隨機(jī)風(fēng)電出力的函數(shù)模型，取極限狀態(tài)函數(shù)

根據(jù)式（9）、（23），則含有風(fēng)電出力的隨機(jī)優(yōu)化模型為

式（22）轉(zhuǎn)化為隨機(jī)優(yōu)化模型為

2）風(fēng)電供電模式隨機(jī)優(yōu)化模型。

取極限狀態(tài)函數(shù)

同理可得相應(yīng)的隨機(jī)優(yōu)化模型為

4 算例仿真及結(jié)果分析

4.1 算例及參數(shù)

以某小區(qū)典型日進(jìn)行實(shí)例仿真分析，風(fēng)電機(jī)組出力通過文獻(xiàn)［16］所提預(yù)測(cè)方法得到，其預(yù)測(cè)偏差服從ΔPw～N（0，σ2），其中σ取0.01P0w。典型日冷、熱、電負(fù)荷需求曲線如圖3所示，分時(shí)電價(jià)［1］如表1所示，各電源機(jī)組參數(shù)如表2所示，電制熱系數(shù)η取0.98，Δt取0.25h。

圖3 冷、熱、電負(fù)荷需求及風(fēng)電出力預(yù)測(cè)Figure 3 The curve of typical daily load and wind power output prediction

表1 分時(shí)電價(jià)Table 1 Time-sharing electricity prices

表2 各電源機(jī)組參數(shù)Table 2 Power supply parameters

4.2 仿真結(jié)果及分析

1）風(fēng)電供熱模式。

風(fēng)電通過電制熱機(jī)組即以熱能形式參與聯(lián)供系統(tǒng)供能，將風(fēng)電的隨機(jī)性影響以熱能供應(yīng)的形式得以體現(xiàn)。針對(duì)風(fēng)電供熱模式隨機(jī)優(yōu)化模型，在不同置信水平α下，系統(tǒng)運(yùn)行成本曲線如圖4所示，在置信水平α=0.99時(shí)，系統(tǒng)運(yùn)行成本隨著風(fēng)電功率及負(fù)荷水平的波動(dòng)而波動(dòng)。［7∶00，11∶00］時(shí)段，隨著熱、電負(fù)荷的急劇上升，導(dǎo)致運(yùn)行成本曲線在這一段的斜率增大，對(duì)機(jī)組爬坡能力要求更高；在不同置信水平下，［22∶00，7∶00］時(shí)段內(nèi)，由于風(fēng)電功率及負(fù)荷水平較低，3種置信水平下的運(yùn)行成本基本相等；其余時(shí)段隨著置信水平的提升運(yùn)行成本也隨之升高。

圖4 風(fēng)電供熱模式下不同置信水平系統(tǒng)運(yùn)行成本曲線Figure 4 The cost curves of system running in different confidence levels under wind heating mode

2）風(fēng)電供電模式。

取置信水平為α=0.99，風(fēng)電供熱模式與風(fēng)電供電模式下系統(tǒng)的運(yùn)行成本對(duì)比曲線如圖5所示。分析可知，系統(tǒng)在供電模式下的運(yùn)行成本要高于供熱模式，這主要受當(dāng)前國(guó)內(nèi)熱價(jià)和電價(jià)的不同定價(jià)機(jī)制所決定，即對(duì)CCHP而言，風(fēng)電以供熱模式接入有助于進(jìn)一步提升其經(jīng)濟(jì)性。

圖5 不同模式系統(tǒng)運(yùn)行成本對(duì)比曲線Figure 5 The cost contrast curves of system operation in different modes

5 結(jié)語(yǔ)

1）為了提升風(fēng)電的利用水平、降低風(fēng)電隨機(jī)性對(duì)并網(wǎng)系統(tǒng)帶來的影響，提出風(fēng)電以供熱和供電的供能方式參與CCHP系統(tǒng)能量供應(yīng)的供熱模式和供電模式，為有效解決風(fēng)電并網(wǎng)隨機(jī)性所帶來的問題提供新思路。

2）針對(duì)風(fēng)電出力預(yù)測(cè)偏差的隨機(jī)波動(dòng)，在2種供能模式下分別建立了基于α-超分位數(shù)方法的隨機(jī)優(yōu)化模型。仿真結(jié)果表明，在總的調(diào)度周期內(nèi)，風(fēng)電供熱模式的效益高于供電模式；隨著置信水平的提高，系統(tǒng)的運(yùn)行成本將增加。

3）構(gòu)建的風(fēng)電供能模式控制系統(tǒng)為風(fēng)電供能模式的選擇及實(shí)施提供了參照方案。在智能電網(wǎng)背景下，研究結(jié)果可為可再生能源的高效利用及有效處理隨機(jī)電源帶來的影響提供參考。

［1］周任軍，冉曉洪，毛發(fā)龍，等.分布式冷熱電三聯(lián)供系統(tǒng)節(jié)能協(xié)調(diào)優(yōu)化調(diào)度［J］.電網(wǎng)技術(shù)，2012，36（6）：8-14.ZHOU Ren-jun，RAN Xiao-hong，MAO Fa-long，et al.Energy-saving coordinated optimal dispatch of distributed combined cool，heat and power supply［J］.Power System Technology，2012，36（6）：8-14.

［2］周任軍，姚龍華，童小嬌，等.采用條件風(fēng)險(xiǎn)方法的含風(fēng)電系統(tǒng)安全經(jīng)濟(jì)調(diào)度［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2011，31（1）：56-63.ZHOU Ren-jun，YAO Long-hua，TONG Xiao-jiao，et al.Security economic dispatch in wind power integrated system using conditional risk method［J］.Proceedings of the CSEE，2011，31（1）：56-63.

［3］陳云，湯放奇，劉陽(yáng)升，等.分布式冷熱電多聯(lián)供系統(tǒng)的經(jīng)濟(jì)運(yùn)行［J］.電力科學(xué)與技術(shù)學(xué)報(bào)，2013，28（1）：56-62.CHEN Yun，TANG Fang-qi，LIU Yang-sheng，et al.Research on the economic operation of distributed combined cooling heating and power system［J］.Journal of Electric Power Science and Technology，2013，28（1）：56-62.

［4］張小暉，陳鐘頎.熱電冷聯(lián)產(chǎn)系統(tǒng)的能耗特性［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2007，27（5）：93-98.ZHANG Xiao-hui，CHEN Zhong-qi.Energy consumption performance of combined heat cooling and power system［J］.Proceedings of the CSEE，2007，27（5）：93-98.

［5］Marano V，Rizzo G，Tiamo F A.Application of dynamic programming to the optimal management of a hybrid power plant with wind turbines，photovoltaic panels and compressed air energy storage［J］.Applied Energy，2012，97：849-859.

［6］荊有印，白鶴，張建良.太陽(yáng)能冷熱電聯(lián)供系統(tǒng)的多目標(biāo)優(yōu)化設(shè)計(jì)與運(yùn)行策略分析［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2012，32（20）：82-87.JING You-yin，BAI He，ZHANG Jian-liang.Multi-objective optimization design and operation strategy analysis of a solar combined cooling heating and power system［J］.Proceedings of the CSEE，2012，32（20）：82-87.

［7］Kyung Tae Yun，Heejin Cho，Rogelio Luck，et al.Modeling of reciprocating internal combustion engines for power generation and heat recovery［J］.Applied Energy，2013，102：327-335.

［8］Mago P J，Smith A D.Evaluation of the potential emissions reduction s from the use of CHP systems in different commercial buildings［J］.Building and Environment，2012，53：74-82.

［9］王孟夏，韓學(xué)山，楊朋朋，等.計(jì)及電熱耦合的動(dòng)態(tài)最優(yōu)潮流模型與算法［J］.電力系統(tǒng)自動(dòng)化，2010，34（3）：28-32.WANG Meng-xia，HAN Xue-shan，YANG Peng-peng，et al.Dynamic optimal power flow model considering electro-thermal coupling and its algorithm［J］.Automation of Electric Power Systems，2010，34（3）：28-32.

［10］王雁凌，許傳龍，岳巍澎.時(shí)變可靠性約束下含風(fēng)電系統(tǒng)旋轉(zhuǎn)備用的隨機(jī)規(guī)劃模型［J］.電網(wǎng)技術(shù)，2013，37（5）：1 311-1 317.WANG Yan-ling，XU Chuan-long，YUE Wei-peng.A stochastic programming model for spinning reserve of power grid containing wind farms under constraint of time-varying reliability［J］.Power System Technology，2013，37（5）：1 311-1 317.

［11］王蓓蓓，劉小聰，李楊.面向大容量風(fēng)電接入考慮用戶側(cè)互動(dòng)的系統(tǒng)日前調(diào)度和運(yùn)行模擬研究［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2013，33（22）：35-44.WANG Bei-bei，LIU Xiao-cong，LI Yang.Day-ahead generation scheduling and operation simulation considering demand response in large-capacity wind power integrated systems［J］.Proceedings of the CSEE，2013，33（22）：35-44.

［12］Peng Yu，Ogidi Stephen Oodo，He Ping Zou，et al.An active-parallel hybrid energy storage system applied for regulating fluctuant wind power［J］.Advanced Materials Research，2012，347-353：2 869-2 874.

［13］劉陽(yáng)升，周任軍，李星朗，等.碳排放權(quán)交易下碳捕集機(jī)組的廠內(nèi)優(yōu)化運(yùn)行［J］.電網(wǎng)技術(shù)，2013，37（2）：295-300.LIU Yang-sheng，ZHOU Ren-jun，LI Xing-lang，et al.Inside-plant optimal operation of carbon capture unit under carbon emission right trade［J］.Power System Technology，2013，37（2）：295-300.

［14］Rockafellar R T，Royset J O.On buffered failure probability in design and optimization of structures［J］.Reliability Engineering and System Safety，2010，95（5）：499-510.

［15］Nelson F，Pedro J M，Louay M C.Emission operational strategy for combined cooling，heating，and power systems［J］.Applied Energy，2009，86：2 344-2 350.

［16］王爽心，李朝霞.基于小世界優(yōu)化的變槳距風(fēng)電機(jī)組神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)控制［J］.中國(guó)電機(jī) 工程學(xué)報(bào)，2012，32（30）：105-111.WANG Shuang-xin，LI Zhao-xia.Neural network predictive control of variable-pitch wind turbines based on small-world optimization algorithm［J］.Proceedings of the CSEE，2012，32（30）：105-111.

［17］雷亞洲，王偉勝，印永華，等.含風(fēng)電場(chǎng)電力系統(tǒng)的有功優(yōu)化潮流［J］.電網(wǎng)技術(shù)，2002，26（6）：18-21.LEI Ya-zhou，WANG Wei-sheng，YIN Yong-hua，et al.Optimal real power flow in wind power integrated system［J］.Power System Technology，2002，26（6）：18-21.