考慮火電深度調峰的風光火儲系統分層優化調度模型

李雄威，王昕，徐家豪，李庚達，康佳垚

1.國家能源投資集團有限責任公司；2.國家能源集團新能源技術研究院有限公司

0 引言

大力發展新能源是促進中國能源結構的轉型升級，推動中國“雙碳”目標實現的必由之路。近年來，中國風電、光伏發電并網裝機規?？焖僭鲩L，在電力系統中占比逐漸增大。然而，風電、光伏發電出力由于存在隨機性、波動性和間歇性，不僅給新能源規?；牟⒕W消納帶來了較大困難，還增大了電網安全穩定運行的風險［1-3］。為了更好地實現大規模新能源的并網消納，需要進一步深入挖掘火電機組深度調峰能力，研究靈活火電與風電、光伏發電等多種電源的互補協同調度方法［4-6］。

國內外學者在多能互補優化調度方面已開展了較多研究。安磊等［7］考慮常規機組低負荷運行和爬坡工況的發電成本計算模型，建立了風光火蓄儲多能互補優化調度模型，以系統總運行成本最小為優化目標，利用動態慣性權值粒子群算法對模型進行了求解。龔正宇等［8］提出了一種雙層優化模型，該模型考慮了系統網損、負荷波動和微網運行經濟性等因素，將多微網與配電網結合進行聯合調度。葉澤等［9］結合最優棄能率，提出了一種風光火儲聯合系統雙層優化調度模型，在上層模型中以電網凈負荷方差最小為優化目標，在下層模型中以電網運行成本最低為優化目標，對雙層模型進行了優化求解。張國斌等［10］考慮發電成本、污染物治理成本以及可再生能源棄電成本，建立了風光水火蓄聯合發電系統優化調度模型，并分別針對春夏秋冬4 個季節的典型日進行了仿真計算。向紅吉等［11］建立了一種多目標機組組合的優化模型，該模型計入了系統運行成本和常規機組低谷時刻負調峰能力兩種因素，并對模型進行仿真計算，提出平衡系統經濟性和機組可靠性的優化方案。

隨著新能源在電力系統中占比不斷提高，為了解決新能源規?；牟⒕W消納問題，火電機組需要進行深度調峰，由此造成系統總體運行成本的增加。而目前關于火電與風電、光伏發電多能互補優化調度的研究，多是單純側重火電深度調峰或新能源棄電率對系統的經濟性影響，缺乏統籌考慮火電機組深度調峰、儲能輔助調節與新能源棄電率優化的最經濟出力規劃，未能充分挖掘多能互補系統在靈活調度中的經濟潛力。

本文建立了一種風光火儲綜合能源系統的分層優化調度模型，利用儲能系統的削峰填谷作用降低新能源棄電率，輔助并改善火電機組的深度調峰過程，從而促進新能源的經濟消納。由于分段函數考慮了火電機組全過程調峰成本，并涉及風光火儲系統運行的多變量及多約束條件，導致模型優化求解計算較為復雜。為了降低計算過程的復雜程度，提高模型的求解效率，建立了一種3 層優化調度模型。上層模型以凈負荷方差最小為優化目標，確定削峰填谷時段；中層模型以風光火儲系統調峰成本最小為優化目標，確定火電機組總出力、儲能系統充放電功率及新能源棄電率；下層模型以火電機組運行成本最小為優化目標，計算各火電機組在各時刻的優化出力。通過對典型日進行仿真計算，并對4 種不同的優化調度模型進行比較，分析了利用儲能系統對系統總體運行成本的改善情況，驗證了本文模型的有效性。

1 火電機組深度調峰成本計算模型

針對新能源規?；⒕W問題，火電機組基本調峰較難經濟性地滿足平抑風電、光伏發電波動性的需求，需要火電機組進一步進行深度優化調峰，因此需要考慮機組深度調峰的額外成本?；痣姍C組按照出力狀態可以劃分為基本調峰和深度調峰，而深度調峰可以根據調峰深度和燃燒介質區分為投油與不投油兩種。

燃料成本和啟停成本是火電機組在基本調峰時的主要調峰成本，一般采用二次方公式對煤耗與運行負荷的關系進行擬合［11］。因此火電機組調峰成本為：

機組運行的煤耗會隨著機組進行深度調峰而增加［12］。為了考慮火電機組深度調峰運行工況對煤耗的影響，對于深度調峰階段，引入火電機組出力的三次方函數描述火電機組的燃料成本，公式如下：

式中：pi,qi,mi,ni——火電機組i在深度調峰階段運行的成本因子。

在汽輪機負荷調整過程中，交變熱應力會導致轉子應力集中位置更容易產生疲勞裂紋，而這些裂紋將會減少機組的使用壽命。由于機組深度調峰產生的損耗成本為：

當機組進行深度調峰時，機組的成本還應包括投油成本，即：

2 風光火儲系統分層優化調度模型

利用儲能系統良好的能量時移特性，輔助火電機組深度調峰實現削峰填谷，并通過合理的棄風棄光，減輕火電機組的調峰壓力。構建風光火儲系統3 層優化調度模型，其結構如圖1所示。

圖1 分層優化調度模型結構

上層模型以凈負荷波動最小為優化目標，以滿足儲能系統運行約束為前提，初步計算得到儲能系統各個時段的充放電功率。通過對優化結果的分析，確定凈負荷曲線中需要削峰填谷的時段，量化評估在凈負荷“低谷”時段，通過儲能系統參與調節，火電機組所處的調峰階段，并將結果傳至中層優化調度模型。

根據在凈負荷“低谷”時段火電機組所處的調峰階段，計算火電機組總調峰成本。構建風光火儲系統調峰成本，包括火電機組總調峰成本、儲能運行成本及新能源棄電成本。中層模型以風光火儲系統調峰成本最小為優化目標，在滿足風光火儲系統運行約束的條件下，確定各個時段的火電機組總出力、對新能源棄電率和基于上層模型計算得到的儲能系統充放電功率，再次進行經濟性優化。

下層優化調度模型建立在中層模型計算的火電機組各時刻總出力的基礎上，以滿足各臺火電機組的運行約束為條件，以機組運行總成本最小為目標，最終計算出各臺火電機組最優的出力。

2.1 上層優化調度模型

2.1.1 目標函數

上層模型以凈負荷方差最小為優化目標，其目標函數如下：

2.1.2 約束條件

上層模型的約束主要包括：儲能系統充放電功率不超過儲能系統最大充放電功率，儲能系統在同一時間段只能充電或者放電，儲能系統荷電比例應始終處于最大值與最小值之間。另外，為了保證儲能系統可以持續調節，儲能系統在調度周期內的充電功率之和應與放電功率之和保持平衡。

2.2 中層優化調度模型

2.2.1 目標函數

為了降低系統削峰填谷成本，以系統調峰成本最小為目標，即

式中：F2——風光火儲系統調峰成本，104元；C1——火電機組總調峰成本，104元；C2——儲能系統運行成本，104元；C3——新能源棄電懲罰成本，104元。

2.2.1.1 火電機組總調峰成本

根據各火電機組參與常規調峰、不投油深度調峰和投油深度調峰的階段，將火電機組總調峰過程分3 個階段：第一階段，所有火電機組均處于常規調峰階段；第二階段，常規調峰機組處于常規調峰階段的最小出力，深度調峰機組處于不投油調峰狀態；第三階段，常規調峰機組處于常規調峰階段的最小出力，深度調峰機組處于投油深度調峰階段。由此，構建火電機組總調峰成本函數，公式如下：

2.2.1.2 儲能系統運行成本

儲能系統的運行成本C2與儲能充放電量和次數相關［15-16］，可表示為

式中：ρsoc——儲能系統的運行成本系數，104元/（MW·h）。

2.2.1.3 新能源棄電懲罰成本

棄電懲罰成本C3為棄風、棄光成本之和，即

2.2.2 約束條件

中層模型主要滿足的約束為火電機組運行約束、儲能系統的運行約束及風電、光伏出力約束。其中，火電機組負荷在考慮正負備用后在最小出力和最大出力之間變化，且負荷變化速率不超過機組爬坡速率限值；風電上網功率不大于風電場最大預測出力，光伏上網功率不大于光伏電站最大預測出力。

2.3 下層優化調度模型

下層模型通過分析中層模型輸出的各時刻火電機組總出力，對各火電機組的出力進行優化調整。下層模型主要滿足火電機組運行約束條件，以各火電機組的運行成本之和最小為優化目標，即

3 算例分析

3.1 算例設置

針對含高比例新能源的風光火儲聯合發電系統進行日前優化調度研究。該系統包括1 個風電場、1個光伏電站、4 臺火電機組和1 個儲能電站，風光火儲各場站匯集到1 個升壓站后并網，如圖2所示。

圖2 風光火儲聯合發電系統結構

算例的負荷典型日選取某夏季日，將1d 按小時分為24 個調度時段。風電預測出力、光伏預測出力、負荷及凈負荷曲線如圖3所示。由圖3 可知，負荷在全天波動較大，負荷峰谷差為489.87MW，負荷波動方差為30087MW2。在5:00—9:00 時段內，負荷呈現先下降再緩慢攀升的趨勢，風電出力逐步下降，呈現反調峰性，而光伏出力顯著上升，超過了負荷的增長幅度；在14:00—18:00 時段內，負荷和風電出力基本保持不變，但光伏出力顯著下降。由于風電出力的反調峰性及光伏出力的大幅變化，導致凈負荷（不考慮儲能）具有更大波動，凈負荷峰谷差達到1129.8MW，負荷波動方差為137020MW2。由此給火電機組調峰帶來較大困難。

圖3 風電預測出力、光伏預測出力及負荷和凈負荷曲線

風電場的裝機容量為800MW，光伏電站的裝機容量為1400MW?；痣姍C組由2 臺300MW 機組和2 臺600MW 機組組成，機組參數如表1所示。其中，300MW 機組只參與基本調峰，最低負荷率為50%；600MW 機組參與深度調峰，不投油深度調峰階段的最低負荷率為40%，投油深度調峰階段的最低負荷率為30%。儲能系統初始存儲電量為350MW·h，最大存儲電量為700MW·h，最大充放電功率為350MW，荷電比例上限為0.9，荷電比例下限為0.1，充電效率和放電效率均為90%。儲能系統運行成本系數取0.00832×104元/MW·h［9］。通過YALMIP 工具箱調用CPLEX 求解器，對本文建立的風光火儲系統分層優化調度模型進行求解。

表1 火電機組煤耗特性參數

為對比分析本文提出的優化調度模型在運行成本和新能源棄電率等方面的優化效果，建立以下4 種模型：模型1 為考慮儲能削峰填谷和新能源最優棄電率的風光火儲系統分層優化調度模型（本文模型）；模型2 為考慮儲能削峰填谷和風電、光伏全額并網消納的風光火儲系統分層優化調度模型；模型3 為不考慮儲能電站，考慮新能源最優棄電率的風光火儲系統優化調度模型；模型4 為不考慮儲能電站，風電、光伏全額并網消納的風光火儲系統優化調度模型。

3.2 算例結果與分析

通過對本文模型的求解計算，凈負荷優化前后的曲線如圖4所示。優化前，凈負荷（不考慮儲能系統）的峰谷差達到1129.8MW，負荷波動方差為137020MW2，而優化后凈負荷的峰谷差減小到894.57MW，負荷波動方差減小到109355.58MW2。由此可知，結合儲能削峰填谷和新能源最優棄電率的風光火儲系統分層優化調度模型，可以有效降低凈負荷的峰谷差，從而降低火電機組調峰成本。

儲能電站最優充放電功率及各時段儲電量如圖5所示。由圖5 可知，儲能電站的充電時段為凈負荷的低谷時段7:00—10:00，而在下午和晚上部分時段放電。而棄風和棄光主要時段也發生在凈負荷的低谷時段。通過儲能充電和新能源棄電，提高了凈負荷曲線的最低點。同時，儲能在晚高峰的部分時段放電，一定程度上降低了凈負荷曲線的最高點，從而改善了凈負荷的峰谷差和負荷波動方差。

圖5 最優的儲能電站充放電功率及各時段儲電量

表2 為4 種模型的優化調度結果。由表2 可知：相比于其他模型，模型1 的系統運行成本最低，為621.34×104元，火電機組運行成本最低，為605.89×104元，且凈負荷波動方差和凈負荷峰谷差最小，棄電率為1.37%，驗證了本文模型在提高運行經濟性和降低新能源棄電率上的優勢；模型2 考慮風電、光伏全額并網消納，使得火電機組運行成本增加，從而導致系統運行成本增加；模型3 不考慮儲能輔助削峰調谷，通過新能源棄電，減輕火電機組調峰壓力，但由于棄電成本增加導致系統運行成本增加；模型4 不考慮儲能輔助削峰調谷且不考慮新能源棄電，導致火電機組調峰壓力較大，火電機組運行成本增加導致系統運行成本增加。

表2 4 種模型的優化調度結果

不同模型的火電機組和儲能系統最優出力及風光消納情況如圖6所示。結合計算結果及圖6，進一步分析利用儲能系統削峰填谷作用和優化新能源棄電率對系統總體運行成本的改善效果。由圖6（a）和圖6（b）對比可知，當考慮最優的新能源棄電率時，能夠提高凈負荷的“谷值”，使得火電機組的最小出力提高，火電機組由不投油深度調峰改善為常規調峰，從而使得火電機組運行成本降低。由圖6（a）和圖6（c）對比可知，當考慮儲能削峰填谷時，能夠有效改善火電機組的調峰壓力，從而減少了凈負荷低谷期的棄風棄光。由圖6（c）和圖6（d）對比可知，當不考慮儲能輔助削峰調谷且不考慮新能源棄電時，火電機組在凈負荷低谷時段的調峰壓力較大，需要運行在投油深度調峰階段，從而導致火電機組運行成本增加。

圖6 4 種模型的火電機組和儲能系統最優出力及風光消納情況

采用NSGA-Ⅱ算法對模型進行求解，由表3 可知，相比其他傳統的字典序法［20］、線性加權和算法［21］與EPSILON-約束法［22］，NSGA-Ⅱ算法明顯能在凈負荷峰谷差、系統凈負荷方差、棄電率和運行成本之間取得更加均衡合理的結果。

表3 不同優化算法對比

4 結論

為促進新能源規?；慕洕{，本文利用儲能系統的削峰填谷作用降低新能源棄電率，輔助并改善火電機組的深度調峰過程，提出一種考慮火電深度調峰的風光火儲系統分層優化調度模型，通過采用不同調度模型對典型日進行計算比較分析，得出以下結論：

1）本文建立的模型能夠實現風光火儲系統聯合互補運行，有效促進新能源的經濟消納。通過考慮儲能削峰填谷作用和優化新能源的棄電率，可以有效降低負荷的峰谷差，從而降低火電機組調峰成本。

2）通過考慮火電機組全過程調峰成本、儲能運行成本和棄風棄光成本，本文建立的系統運行成本模型更加全面，更加貼合現實運行情況，能夠更全面地反映規?；履茉床⒕W時的系統運行成本，從而為火電深度調峰的經濟性及其改善方法研究提供依據。

3）根據典型日的仿真結果可知，本模型相比于其他3 種模型成本最優，火電機組運行成本和系統運行成本分別為605.89×104元和621.34×104元，與不考慮儲能電站且風電、光伏全額并網消納的風光火儲系統優化調度模型相比，火電機組運行成本和系統運行成本分別下降了60.3×104元和44.85×104元。

4）本分層優化模型能夠有效降低優化求解計算的復雜度，且采用NSGA-Ⅱ算法對所提出的分層優化模型進行求解，縮短求解時間的同時還兼顧多目標均衡考量。在考慮火電機組全過程調峰成本分段函數，以及涉及多變量及多約束條件的風光火儲系統優化調度中有很好的適用性。