熱電聯(lián)產(chǎn)與風(fēng)電機(jī)組聯(lián)合運(yùn)行滾動(dòng)優(yōu)化調(diào)度模型

宋卓然，趙 琳，張子信，王珊珊，侯玉琤，戴曉宇，焦 勇

?

熱電聯(lián)產(chǎn)與風(fēng)電機(jī)組聯(lián)合運(yùn)行滾動(dòng)優(yōu)化調(diào)度模型

宋卓然1，趙 琳1，張子信1，王珊珊2，侯玉琤1，戴曉宇1，焦 勇3

(1.國網(wǎng)遼寧省電力有限公司經(jīng)濟(jì)技術(shù)研究院, 遼寧 沈陽 110015；2.國網(wǎng)遼寧省電力有限公司管理培訓(xùn)中心，遼寧 沈陽 110032；3.國網(wǎng)遼寧省電力有限公司，遼寧 沈陽 110006)

我國北方地區(qū)電力過剩、熱力緊缺、電網(wǎng)棄風(fēng)率高等問題凸顯，為提高運(yùn)行經(jīng)濟(jì)性，提出一種結(jié)合熱電聯(lián)產(chǎn)機(jī)組與風(fēng)電機(jī)組聯(lián)合運(yùn)行滾動(dòng)優(yōu)化調(diào)度方法。針對風(fēng)電等可再生能源出力存在較強(qiáng)波動(dòng)性的現(xiàn)象，提出滾動(dòng)修正的策略，并與單次預(yù)測結(jié)果進(jìn)行了對比。同時(shí)，給出了優(yōu)化調(diào)度的模型，利用智能單粒子算法將不同類型機(jī)組化作不同子矢量進(jìn)行優(yōu)化，較傳統(tǒng)粒子群算法尋優(yōu)能力更強(qiáng)。引入分布式電力驅(qū)動(dòng)熱泵用于改善熱、電負(fù)荷布局，能夠有效改善可再生能源棄電問題。所提出模型和策略在IEEE30節(jié)點(diǎn)系統(tǒng)算例中得到驗(yàn)證。

熱電聯(lián)產(chǎn)；滾動(dòng)優(yōu)化調(diào)度；智能單粒子算法；棄風(fēng)率；分布式電力驅(qū)動(dòng)熱泵

0 引言

在我國北方地區(qū)，煤炭、石油以及風(fēng)能資源較為豐富，而其他資源相對匱乏，發(fā)電設(shè)備以大型火電機(jī)組為主。而北方冬季嚴(yán)寒，熱負(fù)荷需求較大，因此裝機(jī)機(jī)組中大部分具備熱電聯(lián)產(chǎn)功能，這種方式可大幅度提高能源利用率，這也導(dǎo)致遼寧地區(qū)熱電裝機(jī)比重已接近七成?，F(xiàn)實(shí)情況中，熱電聯(lián)產(chǎn)機(jī)組的運(yùn)行工況受熱負(fù)荷約束較大，這主要由于目前往往采用“以熱定電”的調(diào)度模式，熱負(fù)荷僅僅由熱電聯(lián)產(chǎn)的熱出力承擔(dān)，確定了熱負(fù)荷約束后，熱電機(jī)組出力隨之確定，導(dǎo)致機(jī)組調(diào)峰能力下降，從而造成了較大的棄風(fēng)損失[1]，國家頒布的《節(jié)能發(fā)電調(diào)度辦法實(shí)施細(xì)則》明確規(guī)定：“無調(diào)節(jié)能力的風(fēng)能等可再生能源在各類發(fā)電機(jī)組中擁有第一發(fā)電優(yōu)先級”。因此，合理地對熱電聯(lián)產(chǎn)機(jī)組和風(fēng)電機(jī)組進(jìn)行優(yōu)化調(diào)度對提高電力系統(tǒng)效率具有重要影響。

已有部分學(xué)者對此領(lǐng)域展開了研究，文獻(xiàn)[2]引入碳排放權(quán)交易成本函數(shù)，建立考慮碳交易成本、燃料成本、環(huán)境成本的冷熱電聯(lián)供系統(tǒng)低碳調(diào)度多目標(biāo)優(yōu)化模型，并提出一種模糊自修正粒子群算法求解此優(yōu)化問題；文獻(xiàn)[3]引入供熱當(dāng)量性能系數(shù)，將冷、熱、電能量等價(jià)轉(zhuǎn)化，建立了含生產(chǎn)成本、環(huán)境成本和冷熱電協(xié)調(diào)成本的多目標(biāo)節(jié)能調(diào)度模型，并運(yùn)用模糊算法與二次規(guī)劃方法進(jìn)行求解；文獻(xiàn)[4-6]考慮了風(fēng)電出力不確定性，結(jié)合風(fēng)、火電運(yùn)行價(jià)格模型，構(gòu)建了考慮機(jī)組組合的多目標(biāo)動(dòng)態(tài)優(yōu)化調(diào)度模型，利用基于優(yōu)先排序和多子群協(xié)同進(jìn)化的多目標(biāo)粒子群算法進(jìn)行模型求解。還有一些文獻(xiàn)[7-9]關(guān)于調(diào)度問題研究多集中各類新型電源與傳統(tǒng)火電機(jī)組的結(jié)合，并未很好地根據(jù)地域特征構(gòu)建常規(guī)火電、熱電與風(fēng)電的優(yōu)化調(diào)度模型。

針對我國遼寧地區(qū)熱負(fù)荷需求大、熱電聯(lián)產(chǎn)資源利用率高以及風(fēng)能資源較為豐富的特點(diǎn)，本文研究了熱電聯(lián)產(chǎn)與風(fēng)電機(jī)組的滾動(dòng)優(yōu)化調(diào)度模型及算法，用于在滿足熱負(fù)荷與電負(fù)荷的前提下，提高電網(wǎng)運(yùn)行經(jīng)濟(jì)性，并減少電網(wǎng)棄風(fēng)現(xiàn)象。文中結(jié)合終端采暖負(fù)荷管理，通過用戶側(cè)分布式電力驅(qū)動(dòng)熱泵分擔(dān)采暖負(fù)荷從而改變了熱電負(fù)荷的比例[10]，此外由于風(fēng)能存在較強(qiáng)波動(dòng)性，本文利用預(yù)測信息進(jìn)行滾動(dòng)優(yōu)化[11-12]，本文還定義了棄風(fēng)率作為目標(biāo)函數(shù)中的懲罰項(xiàng)以提高風(fēng)電的消納率。為求解上述模型，本文提出基于智能單粒子算法的優(yōu)化調(diào)度模型求解方法，并通過算例對模型效果進(jìn)行了驗(yàn)證。

1 優(yōu)化模型

1.1 目標(biāo)函數(shù)

考慮到我國北方發(fā)電實(shí)際情況，考慮以下機(jī)組的運(yùn)行成本。

(1) 火電機(jī)組

傳統(tǒng)火電機(jī)組運(yùn)行成本f可用二次函數(shù)的形式表示，如式(1)。

式中：P()為火電機(jī)組在時(shí)段的有功出力；a、b、c分別為火電機(jī)組的發(fā)電成本系數(shù)。

(2) 背壓式機(jī)組

熱電聯(lián)產(chǎn)考慮背壓式機(jī)組和抽凝式機(jī)組，其中背壓式機(jī)組的排汽全部用于供熱，并無冷源損失，同時(shí)背壓式機(jī)組的發(fā)電量要受發(fā)熱量大小的限制，供熱量確定后背壓機(jī)組的發(fā)電功率也隨即確定，因此，其發(fā)熱量與發(fā)電量的關(guān)系可表示為

式中：h()為背壓式機(jī)組在時(shí)段的發(fā)熱量；k為背壓式機(jī)組的熱電轉(zhuǎn)換系數(shù)；β為常數(shù)。

背壓式熱電機(jī)組利用發(fā)電做過功的蒸汽供熱，該部分蒸汽無論是否供熱均會冷卻，因此背壓式熱電機(jī)組運(yùn)行成本可僅考慮發(fā)電部分[13]，形式與式(1)相同。

(3) 抽凝式機(jī)組

抽凝式機(jī)組從鍋爐出來的蒸汽經(jīng)主汽閥、調(diào)節(jié)閥先在高壓缸膨脹做功之后分為兩股：一股蒸汽從高壓缸抽出送到熱用戶；另一股蒸汽經(jīng)低壓調(diào)節(jié)閥進(jìn)入低壓缸繼續(xù)膨脹做功，做功后的乏汽排入凝汽器內(nèi)。研究時(shí)用背壓式機(jī)組和純凝式機(jī)組的組合來等值抽凝式機(jī)組，所得抽凝式機(jī)組煤耗特性CP可表示為

式中，d,0- ~d,5為抽凝式機(jī)組相應(yīng)的發(fā)電量和發(fā)熱量煤耗系數(shù)。

由此可知抽凝式機(jī)組運(yùn)行成本CP可表示為

(4) 風(fēng)電機(jī)組

風(fēng)電機(jī)組發(fā)電本身并不需要消耗化石燃料，可近似認(rèn)為其運(yùn)行成本為0。

為改善環(huán)境，減少棄風(fēng)現(xiàn)象的出現(xiàn)，定義時(shí)段內(nèi)棄風(fēng)電量與預(yù)測發(fā)電量之比為風(fēng)電機(jī)組的棄風(fēng)率，可表示為

式中：w為風(fēng)電機(jī)組數(shù)量；為風(fēng)電機(jī)組實(shí)際出力；為風(fēng)電機(jī)組預(yù)測出力。

根據(jù)棄風(fēng)率引入棄風(fēng)成本w，用以實(shí)現(xiàn)棄風(fēng)量最小的目標(biāo)。

式中，w為棄風(fēng)成本系數(shù)，其大小決定對風(fēng)電棄風(fēng)的容忍度，w可設(shè)置為關(guān)于棄風(fēng)率的分段函數(shù)，以限制棄風(fēng)率在特定范圍內(nèi)。

綜合以上運(yùn)行成本函數(shù)，可建立如式(7)所示的優(yōu)化調(diào)度目標(biāo)。

式中：0為本次優(yōu)化計(jì)算的起始時(shí)段；為滾動(dòng)調(diào)度周期；f為傳統(tǒng)火電機(jī)組的集合；BP為背壓式熱電聯(lián)產(chǎn)機(jī)組的集合；CP為抽凝式熱電聯(lián)產(chǎn)機(jī)組的集合。

1.2 約束條件

1.2.1 等式約束

(1) 供電平衡

(2) 供熱平衡

1.2.2 不等式約束

(1) 火電、風(fēng)電機(jī)組出力約束

(11)

(2) 背壓式機(jī)組出力約束

背壓式機(jī)組出力特性如圖1所示，分析時(shí)可以近似用一條直線代替，該特性直線可用最小技術(shù)出力點(diǎn)和容量點(diǎn)兩個(gè)點(diǎn)來描述。由于背壓式機(jī)組固有的“以熱定電”特性，因此當(dāng)熱負(fù)荷中斷時(shí)，它連同相應(yīng)的發(fā)電機(jī)都只能停止工作。

以公式形式可表示為

(13)

(14)

式中：BP和`hBP分別為第臺背壓式機(jī)組熱出力上、下限；BP和`PBP分別為第臺背壓式機(jī)組考慮熱出力影響的電出力上、下限。

(3) 抽凝式機(jī)組出力約束

抽凝式機(jī)組出力特性可用圖2所示圖形表征，該模型的數(shù)學(xué)描述可用多邊形所有定點(diǎn)的坐標(biāo)表示。

圖2 抽凝式機(jī)組出力特性

(4) 機(jī)組爬坡率約束

(16)

式中：Δd,i和Δu,i分別為機(jī)組單位時(shí)段內(nèi)增加和減少熱出力的爬坡率；Δd,i和Δu,i分別為機(jī)組單位時(shí)段內(nèi)增加和減少電出力的爬坡率。

(5) 系統(tǒng)安全約束

式中：I()為時(shí)刻線路流過的電流；和`I分別為線路流過電流上、下限；L為系統(tǒng)線路集合。

2 優(yōu)化算法

2.1 滾動(dòng)優(yōu)化

滾動(dòng)優(yōu)化是以模型預(yù)測技術(shù)為基礎(chǔ)，以預(yù)測周期作為調(diào)度周期，并根據(jù)設(shè)定的滾動(dòng)周期進(jìn)行周期性優(yōu)化的控制技術(shù)。它是基于當(dāng)前機(jī)組出力以及負(fù)荷與風(fēng)電機(jī)組的預(yù)測信息，利用指定的優(yōu)化算法進(jìn)行未來一個(gè)調(diào)度周期內(nèi)機(jī)組出力計(jì)劃制定的最優(yōu)控制方法，在眾多控制中已經(jīng)得到了良好的應(yīng)用[14-15]。由于預(yù)測信息誤差隨著時(shí)間推移逐漸增加，因此按照機(jī)組出力計(jì)劃執(zhí)行若干時(shí)段后，根據(jù)此時(shí)未來一個(gè)調(diào)度周期信息進(jìn)行新的優(yōu)化是滾動(dòng)優(yōu)化效果更佳的關(guān)鍵。

我國傳統(tǒng)發(fā)電日計(jì)劃一般以15 min為1個(gè)時(shí)段，1天包含96個(gè)時(shí)段，并且1天只進(jìn)行1次計(jì)劃安排。然而在分布式電源接入大電網(wǎng)后，風(fēng)電、光伏發(fā)電的波動(dòng)性較強(qiáng)，使得日前計(jì)劃精度嚴(yán)重惡化。為有效解決該問題，本文提出利用滾動(dòng)優(yōu)化的方法進(jìn)行結(jié)果優(yōu)化：每個(gè)優(yōu)化結(jié)果只執(zhí)行前2~4個(gè)時(shí)段(根據(jù)電網(wǎng)復(fù)雜程度設(shè)定)，然后重新進(jìn)行15 min一個(gè)點(diǎn)的負(fù)荷預(yù)測與風(fēng)電預(yù)測，并基于此進(jìn)行后續(xù)機(jī)組發(fā)電計(jì)劃設(shè)定。

滾動(dòng)優(yōu)化第步優(yōu)化的一般數(shù)學(xué)模型可以表示如下。

(19)

(20)

式中：為預(yù)測周期，及調(diào)度周期；={0,1,2,…,u}為生成的計(jì)劃指令序列；x為第個(gè)狀態(tài)變量；0為初始狀態(tài)變量；和分別為模型的等式約束和不等式約束。

在={0,1,2,…,u}中，只有個(gè)(<)計(jì)劃指令被執(zhí)行，當(dāng)個(gè)指令執(zhí)行完成后，則重復(fù)式(19)至式(20)的過程。

2.2 智能單粒子算法

傳統(tǒng)粒子群算法(Particle Swarm Optimization, PSO)中，粒子根據(jù)以下式子更新速度與位置。

(22)

式中：為慣性部分，用來表示對于原有速度的繼承；11(p-)為認(rèn)知部分，代表了粒子對自身的學(xué)習(xí)；22(p-)為社會部分，用來表示粒子間的協(xié)作。

傳統(tǒng)PSO算法簡潔，易于實(shí)現(xiàn)，是非線性連續(xù)優(yōu)化問題、組合優(yōu)化問題以及混合整數(shù)非線性優(yōu)化問題的有效優(yōu)化工具。但是傳統(tǒng)PSO算法的性能隨著維數(shù)的增加而變差，其尋優(yōu)的能力也會減弱，這是因?yàn)閭鹘y(tǒng)的PSO算法在更新位置過程中是同時(shí)改變整個(gè)解矢量各維的數(shù)值，雖然適應(yīng)值能判斷解矢量的整體質(zhì)量，但并不能判斷每一個(gè)維度是否向最優(yōu)方向移動(dòng)，因此當(dāng)粒子維度較高時(shí)，傳統(tǒng)的PSO算法很難兼顧所有維度的優(yōu)化方向。

基于以上原因，本文采用智能單粒子算法(ISPO)對調(diào)度模型進(jìn)行優(yōu)化，如圖3所示，在整個(gè)更新過程中，把維的位置矢量劃分為部分，即將位置矢量劃分為個(gè)位置子矢量，定義每一個(gè)位置子矢量與其對應(yīng)的速度子矢量分別表示為z和v(=1,2,…,)。

圖3 粒子位置子矢量示意

ISPO更新粒子時(shí)按先后順序進(jìn)行循環(huán)更新，直至得到收斂解。在進(jìn)行第個(gè)子矢量更新過程中，將按以下公式迭代更新速度和位置分量sub次。

(24)

(25)

2.3 ISPO在調(diào)度模型中的應(yīng)用

將ISPO算法應(yīng)用于主動(dòng)配電網(wǎng)的最優(yōu)潮流計(jì)算，關(guān)鍵在于對粒子的位置矢量合理表達(dá)。根據(jù)上文所述可知，優(yōu)化調(diào)度是要確定未來一個(gè)調(diào)度周期內(nèi)火電機(jī)組、熱電聯(lián)產(chǎn)機(jī)組以及風(fēng)電機(jī)組的出力曲線，因此對于本文調(diào)度模型的智能單粒子位置矢量可以劃分為×維的矩陣。=f+BP+CP+w，為所有計(jì)劃機(jī)組數(shù)量。

本文優(yōu)化調(diào)度模型中，智能單粒子的子矢量劃分按照如下原則：同一時(shí)段下，同類型機(jī)組出力組成一個(gè)子矢量。根據(jù)該原則，假設(shè)將同一時(shí)段的列向量劃分為個(gè)子矢量，則整個(gè)位置矢量共可分為×個(gè)子矢量。

ISPO粒子更新流程可表示為如圖4所示，其中iter為算法迭代次數(shù)小于設(shè)定值。

3 算例分析

3.1 算例系統(tǒng)參數(shù)

本文采用IEEE 30節(jié)點(diǎn)系統(tǒng)作為驗(yàn)證算例，算例參數(shù)為IEEE 30節(jié)點(diǎn)標(biāo)準(zhǔn)參數(shù)，并將機(jī)組5、8、11設(shè)定為熱電聯(lián)產(chǎn)機(jī)組(其中機(jī)組5、8為抽凝式機(jī)組，機(jī)組11為背壓式機(jī)組)，機(jī)組13設(shè)定為風(fēng)電機(jī)組，容量設(shè)定為70 MW。如圖5所示，系統(tǒng)電負(fù)荷、熱負(fù)荷與風(fēng)電出力數(shù)據(jù)采用遼寧某地區(qū)實(shí)際數(shù)據(jù)進(jìn)行分析。

背壓式機(jī)組熱電轉(zhuǎn)換系數(shù)采用文獻(xiàn)[16]數(shù)據(jù)，機(jī)組成本系數(shù)采用文獻(xiàn)[17]數(shù)據(jù)。棄風(fēng)成本系數(shù)w設(shè)為風(fēng)電機(jī)組容量×max{b}。

圖4 ISPO粒子更新流程

滾動(dòng)優(yōu)化調(diào)度每次對未來1 h共4個(gè)時(shí)段的機(jī)組進(jìn)行出力修正。執(zhí)行完成未來1 h計(jì)劃出力后，重新進(jìn)行優(yōu)化計(jì)算。

3.2 計(jì)算效果分析

本文所述算法采用Matlab進(jìn)行編程求解，硬件環(huán)境為：Intel Core i5 CPU 2.50 GHz，內(nèi)存為4 G，計(jì)算時(shí)間為14.32 s。

求得6臺機(jī)組電出力滾動(dòng)計(jì)劃如圖6所示，熱電聯(lián)產(chǎn)機(jī)組5、機(jī)組8大部分時(shí)段以電出力下限運(yùn)行。求得3臺熱電聯(lián)產(chǎn)機(jī)組熱出力滾動(dòng)計(jì)劃如圖7所示，大部分熱負(fù)荷波動(dòng)由背壓式機(jī)組承擔(dān)。

采用ISPO算法與傳統(tǒng)PSO算法得到的主問題迭代收斂曲線如圖8所示。對于測試系統(tǒng)，ISPO需要迭代22次收斂，傳統(tǒng)PSO需要迭代14次收斂。雖然收斂速度ISPO較PSO沒有優(yōu)勢，但收斂后得到的運(yùn)行成本ISPO算法明顯優(yōu)于PSO算法。這主要由于ISPO子矢量可分散向各個(gè)方向優(yōu)化，較PSO更易尋找到最優(yōu)點(diǎn)，不易過早陷入局部最優(yōu)點(diǎn)。

圖6 各機(jī)組電出力優(yōu)化結(jié)果

圖7 各熱電聯(lián)產(chǎn)機(jī)組熱出力優(yōu)化結(jié)果

圖8 ISPO與PSO迭代效果比較

3.3 滾動(dòng)預(yù)測與單次預(yù)測效果對比

本文采取每隔1 h重新計(jì)算的滾動(dòng)優(yōu)化方法，這主要由于對于風(fēng)電等間歇式能源的出力預(yù)測隨著時(shí)間尺度的精細(xì)化，預(yù)測的準(zhǔn)確度將逐漸提高。以圖9風(fēng)電出力預(yù)測結(jié)果為例，可見滾動(dòng)預(yù)測風(fēng)電出力精度明顯優(yōu)于單次預(yù)測。另外對于大型省級電網(wǎng)，1 h也足以對全網(wǎng)優(yōu)化問題進(jìn)行再次計(jì)算。

由于預(yù)測誤差造成的棄風(fēng)率曲線如圖10所示，其中理想棄風(fēng)率曲線中由于其他機(jī)組出力限制才會被迫棄風(fēng)?？梢姖L動(dòng)預(yù)測下棄風(fēng)率明顯低于單次預(yù)測下棄風(fēng)率。

由此計(jì)算得到的單次預(yù)測運(yùn)行成本為$291 080，而滾動(dòng)預(yù)測運(yùn)行成本為$265 478。去除棄風(fēng)率罰項(xiàng)后，單次預(yù)測運(yùn)行成本為$249 355，滾動(dòng)預(yù)測運(yùn)行成本為$247 207，這主要由于滾動(dòng)預(yù)測準(zhǔn)確度高，實(shí)際風(fēng)電出力更多，相應(yīng)的成本更低。

圖9 不同預(yù)測方法下風(fēng)電出力與真實(shí)出力比較

圖10 不同預(yù)測方法下棄風(fēng)率

3.4 分布式電力驅(qū)動(dòng)熱泵使用對棄風(fēng)率的影響

在現(xiàn)有以熱定電的調(diào)度模式下，采暖負(fù)荷僅僅由熱電聯(lián)產(chǎn)機(jī)組的熱出力承擔(dān)，確定了采暖負(fù)荷后，剩余的調(diào)度安排只能針對電出力機(jī)組進(jìn)行。這種情況下，往往導(dǎo)致風(fēng)電等新能源出力得到限制。

本文提出通過引入分布式電力驅(qū)動(dòng)熱泵分擔(dān)部分熱負(fù)荷，增加熱負(fù)荷向電負(fù)荷轉(zhuǎn)化的優(yōu)化變量，形成新的熱、電負(fù)荷聯(lián)合約束條件。

假定單臺分布式電力驅(qū)動(dòng)熱泵額定產(chǎn)熱1 MW，并擁有80%的能源轉(zhuǎn)換效率。在IEEE30節(jié)點(diǎn)系統(tǒng)中依次在節(jié)點(diǎn)17、24、26安裝分布式電力驅(qū)動(dòng)熱泵，由此得到的棄風(fēng)率曲線如圖11所示?？梢姡植际诫娏︱?qū)動(dòng)熱泵可有效改變熱、電負(fù)荷布局，改善目前由于以熱定電而造成的分布式電源棄電問題。

圖11 配置電力驅(qū)動(dòng)熱泵后棄風(fēng)率改善效果

4 結(jié)論

本文提出了一種涉及火電機(jī)組、熱電聯(lián)產(chǎn)機(jī)組、風(fēng)電機(jī)組以及分布式電力驅(qū)動(dòng)熱泵的新型調(diào)度策略，研究得到的結(jié)論如下：

(1) 在傳統(tǒng)調(diào)度日前計(jì)劃的基礎(chǔ)上，提出在線滾動(dòng)優(yōu)化調(diào)度策略，提高了風(fēng)電等新能源出力預(yù)測準(zhǔn)確度，并有效降低其棄電比例。

(2) 探討了智能單粒子算法應(yīng)用于熱電聯(lián)產(chǎn)與風(fēng)電機(jī)組聯(lián)合調(diào)度的效果，較傳統(tǒng)粒子群算法獲得更好的效果，有效降低了系統(tǒng)運(yùn)行成本。

(3) 引入了分布式電力驅(qū)動(dòng)熱泵用于改變系統(tǒng)熱、電負(fù)荷布局，有效改善目前由于以熱定電而造成的棄風(fēng)及低谷調(diào)峰問題。

[1] 龍虹毓, 何國軍, 徐瑞林, 等. 計(jì)及分布式電源熱泵的熱電聯(lián)產(chǎn)協(xié)調(diào)優(yōu)化調(diào)度與能效分析[J]．電力系統(tǒng)自動(dòng)化, 2013, 37(14): 38-42．

LONG Hongyu, HE Guojun, XU Ruilin, et al. Cogeneration coordination optimal dispatch and energy efficiency analysis containing distributed electric heat pumps[J]. Automation of Electric Power Systems, 2013, 37(14): 38-42.

[2] 周任軍, 李紹金, 陳瑞先, 等. 采用模糊自修正粒子群算法的碳排放權(quán)交易冷熱電多目標(biāo)調(diào)度[J]．中國電機(jī)工程學(xué)報(bào), 2014, 34(34): 6119-6126．

ZHOU Renjun, LI Shaojin, CHEN Ruixian, et al. Combined cool ad heat and power multi-objective scheduling considering carbon emissions trading using algorithm of fuzzy self-correction particle swarm optimzation[J]. Proceedings of the CSEE, 2014, 34(34): 6119-6126.

[3] 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 Renjun, RAN Xiaohong, MAO Falong, et al. Energy-saving coordinated optimal dispatch of distributed combined cool, heat and power supply[J]. Power System Technology, 2012, 36(6): 8-14.

[4] 楊柳青, 林舜江, 劉明波, 等. 考慮風(fēng)電接入的大型電力系統(tǒng)多目標(biāo)動(dòng)態(tài)優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(10): 286-295.

YANG Liuqing, LIN Shunjiang, LIU Mingbo, et al. Multi-objective dynamic optimal dispatch for large-scale power systems considering wind power penetration[J]. Transactions of China Electrotechnical Society, 2014, 29(10): 286-295.

[5] 徐立中, 易永輝, 朱承治, 等. 考慮風(fēng)電隨機(jī)性的微網(wǎng)多時(shí)間尺度能量優(yōu)化調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(23): 1-8.

XU Lizhong, YI Yonghui, ZHU Chengzhi, et al. Multi- time scale optimal energy dispatch of microgrid considering stochastic wind power[J]. Power System Protection and Control, 2014, 42(23): 1-8.

[6] 盧鵬銘, 溫步瀛, 江岳文. 基于多時(shí)間尺度協(xié)調(diào)機(jī)組組合的含風(fēng)電系統(tǒng)旋轉(zhuǎn)備用優(yōu)化研究[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(5): 94-100.

LU Pengming, WEN Buying, JIANG Yuewen. Study on optimization of spinning reserve in wind power integrated power system based on multiple timescale and unit commitment coordination[J]. Power System Protection and Control, 2015, 43(5): 94-100.

[7] 賀建波, 胡志堅(jiān), 劉宇凱. 大規(guī)模多目標(biāo)水-火-風(fēng)協(xié)調(diào)優(yōu)化調(diào)度模型的建立及求解[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(6): 1-7.

HE Jianbo, HU Zhijian, LIU Yuka. Establishment and solution of the large-scale multi-objective hydro-thermal- wind power coordination optimization dispatching model[J]. Power System Protection and Control, 2015, 43(6): 1-7.

[8] 葛曉琳, 張粒子. 考慮調(diào)峰約束的風(fēng)水火隨機(jī)機(jī)組組合問題[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(10): 223-230.

GE Xiaolin, ZHANG Lizi. Wind-hydro-thermal stochastic unit commitment problem considering the peak regulation constraints[J]. Transactions of China Electrotechnical Society, 2014, 29(10): 223-230.

[9] 張新松, 禮曉飛, 王運(yùn), 等. 不確定性環(huán)境下考慮棄風(fēng)的電力系統(tǒng)日前調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(24): 75-82.

ZHANG Xinsong, LI Xiaofei, WANG Yun, et al. Day-ahead dispatching in consideration of wind power curtailments in uncertain environments[J]. Power System Protection and Control, 2015, 43(24): 75-82.

[10] 龍虹毓, 付林, 徐瑞林, 等. 利用燃?xì)鈾C(jī)組和熱泵減少不確定因素影響的電網(wǎng)調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(20): 220-226.

LONG Hongyu, FU Lin, XU Ruilin, et al. Research on the electric grid dispatch for alleviating the uncertainties impact through gas-fired cogenerations and heat pumps[J]. Transactions of China Electrotechnical Society, 2015, 30(20): 220-226.

[11] 沈偉, 吳文傳, 張伯明, 等．消納大規(guī)模風(fēng)電的在線滾動(dòng)調(diào)度策略與模型[J]. 電力系統(tǒng)自動(dòng)化, 2011, 35(22): 136-140．

SHEN Wei, WU Wenchuan, ZHANG Boming, et al. An on-line rolling generation dispatch method and model for accommodating large-scale wind power[J]. Automation of Electric Power Systems, 2011, 35(22): 136-140.

[12] 李志剛, 吳文傳, 張伯明, 等. 計(jì)及風(fēng)電考慮離散化發(fā)電調(diào)節(jié)約束的在線滾動(dòng)調(diào)度方法[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(10): 36-42.

LI Zhigang, WU Wenchuan, ZHANG Boming, et al. A look-ahead generation dispatch method considering discrete generation regulation constraints with large-scale wind power integration[J]. Automation of Electric Power Systems, 2014, 38(10): 36-42.

[13] 張沖, 胡林獻(xiàn), 胡佳. 熱電機(jī)組比重及熱負(fù)荷對風(fēng)電消納率影響的研究[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(23): 120-125.

ZHANG Chong, HU Linxian, HU Jia. Research on the impact of the proportion of thermal power generating units and heat load on the wind power accommodation rate[J]. Power System Protection and Control, 2013, 41(23): 120-125.

[14] GALLESTEY E, STOTHERT A, ANTOINE M, et al. Model predictive control and the optimization of power plant load while considering lifetime consumption[J]. IEEE Transactions on Power Systems, 2002, 17(1): 186-191.

[15] CAMPONOGARA E, JIA D, KROGH B H, et al. Distributed model predictive control[J]. IEEE Control System, 2002, 22(1): 44-52．

[16] 唐家裕, 付林, 狄洪發(fā). 不同類型供熱機(jī)組熱電負(fù)荷優(yōu)化分配的研究[J]. 沈陽工程學(xué)院學(xué)報(bào)(自然科學(xué)版), 2007, 3(3): 211-214.

TANG Jiayu, FU Lin, DI Hongfa. Research on thermal and electric load optimizing dispatch of different types of heat supplied turbine[J]. Journal of Shenyang Institute of Engineering (Natural Science), 2007, 3(3): 211-214.

[17] CHANG C S, FU W. Stochastic multiobjective generation dispatch of combined heat and power systems[J]. IEE Proceedings: Generation, Transmission and Distribution, 1998, 145(5): 583-591.

(編輯 魏小麗)

Rolling optimal model for multiple heating source and wind turbine unit

SONG Zhuoran1, ZHAO Lin1, ZHANG Zixin1, WANG Shanshan2, HOU Yucheng1, DAI Xiaoyu1, JIAO Yong3

(1. State Grid Liaoning Electric Power Company Limited Economic Research Institute, Shenyang 110015, China; 2. State Grid Liaoning Management Training Center, Shenyang 110032, China; 3. State Grid Liaoning Electric Power Company, Shenyang 110006, China)

To improve the running efficiency and reduce the phenomenon of abandoning wind turbine output in north China, a rolling optimal dispatch for co-generation and wind turbine units is proposed. Due to the strong volatility of renewable energy like wind, rolling strategy is put forward and compared with single forecast results. Meanwhile, intelligent single particle optimizer (ISPO) algorithm, which divides a particle into sub-vectors in accordance to with unit type, is used in optimal dispatch model. Its ability of searching optimal state is stronger than traditional particle swarm optimization (PSO) algorithm. Distributed power driven heat pump is used to improve heat and electricity load structure and reduce the desert wind rate. The effectiveness and validity of model and strategy proposed are verified by the IEEE30 bus system case.

combined heat and power generation; rolling optimal dispatch; intelligent single particle optimizer; desert wind rate; distributed power driven heat pump

10.7667/PSPC152254

2015-12-29；

2016-03-18

宋卓然(1985-)，男，通信作者，碩士，工程師，研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃，能源規(guī)劃；E-mail: 40420833@qq.com趙 琳(1987-)，女，碩士，工程師，研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃，能源規(guī)劃。