孫 沛, 趙 亮, 田宏梁, 項 麗, 楊攀峰, 師 文, 秦博宇
(1. 中國電力工程顧問集團西北電力設計院有限公司, 陜西 西安 710075;2. 國網寧夏電力有限公司, 寧夏 銀川 750001; 3. 西安交通大學電氣工程學院, 陜西 西安 710049)
電力電量平衡是電力系統規劃運行的基礎工具。其主要研究內容為評估發電系統的充裕度、計算各類電源的利用情況、發電機組檢修計劃的安排、確定系統備用等,進而實現水、風、光、煤等資源的優化利用[1-6]。
針對電力電量平衡,許多國內外的學者已經進行了深入的研究工作,文獻[7,8]提出逐次切負荷法,文獻[9,10]采用隨機生產模擬計算平衡結果,文獻[11,12]提出采用剩余容量日利用小時控制法等。逐次切負荷法主要是在日負荷曲線上通過平移水電工作位置計算其累計電量來安排水電機組所帶負荷,剩余的負荷留給火電,并讓火電帶的負荷盡可能地平穩。隨機生產模擬法考慮了機組的強迫停運和負荷的波動性,在持續負荷曲線上進行生產模擬,以概率性的指標來表述電力電量平衡結果。剩余容量日利用小時控制法根據各個電站的可用容量日利用小時(日發電量與可用容量的比值)由高到低的順序安排水電機組,避免了人為指定電站順序造成電量分配不公的問題。還有學者通過優化算法,采用機組組合和優化調度模型,求解電力電量平衡問題[4,13-16]。
為了應對日趨緊張的氣候變化問題,我國提出了碳達峰和碳中和的戰略目標[17-19]。在實現“雙碳”目標的過程中,需要大力發展新能源發電技術。太陽能熱發電技術(Concentrating Solar Power,CSP)基于其清潔、調節性能好等特點,在系統中逐步受到重視,近年來在全球迅速發展,預計2050年全世界光熱發電量可能占全球總發電量的11.3%[20-23]。光熱發電在我國也得到大力發展[24]。
伴隨光熱發電的大力發展,光熱裝機占比逐步升高,如若不考慮光熱的容量效益,可能導致在規劃運行時,常規火電裝機開機過多,機組利用小時數偏低,新能源棄電嚴重;如若過分高估光熱的容量效益,可能在極端天氣時光熱發電不足,影響系統供電可靠性。如何在既保證供電可靠性又兼顧風光等可再生能源消納的前提下,評估光熱機組容量效益、計算其參與平衡的容量,給規劃運行人員提出了新的挑戰。
國外已有文獻研究分析光熱的容量效益,國內對這方面研究較少。文獻[25,26]提出了光熱機組與風電聯合優化運行,降低風電的不確定性,進而提高系統可靠性。文獻[27,28]對比分析了是否含有儲熱的光熱機組在可靠性方面差異,含有儲熱后,機組容量可信度由原來的60%~86%提升到79%~92%,文獻計算的容量可信度較高是由于其使用峰荷負荷率法計算,且算例系統負荷發生在午高峰,并未考慮應對極端天氣的情況。此外,文獻[29-33]對光熱電站建立數學優化模型。
本文在逐次切負荷法基礎上,考慮光熱歷史出力統計特性,并結合光熱運行的優化模型,求解光熱在最大負荷典型日的工作出力,進而得到光熱參與平衡的容量。
光熱電站以經濟性最優為目標,配置方案中會增加較大容量儲熱裝置。儲熱裝置能夠存儲熱量,并且具有跨日調度熱量的能力,可在合適時候釋放,使得光熱機組具有參加系統電力電量平衡的能力。
光熱機組要替代火電裝機,就必須在最長連續無光照的日子里仍然能夠發電。在這些天里,光熱機組只能由儲熱裝置放熱發電,最極端情況就是系統的電力平衡控制時刻發生在儲熱裝置日放熱量最小的一天內。
對于在特定地區的某一歷史年份,光熱機組經過優化調整之后,將汽輪機全年日耗費熱能的最低值確定為該站在該年的日保證熱量。統計多年的日保證熱量,可以選擇在保證率水平下的數值,并定義為該站的日保證熱量。引入儲熱調節因子概念,此值等于電站的日保證熱量除以最大蓄熱量。
文中給出的主要思想是,首先根據光熱出力特性,可以得出在連續極端氣候下,光熱機組在典型日中的有效可用熱量;然后通過對典型日的模擬,引入上述有效熱量,可以算出光熱機組的工作出力;從而得到光熱機組容量效益。本方法針對各種型式光熱如塔式、槽式等都適用,后文將以塔式光熱為例加以講解。其主要過程如圖1所示,具體如下:
圖1 光熱電站參與電力平衡容量計算思路圖Fig.1 Calculation of participating power balance capacity of solar thermal power station
(1)收集光熱電站所在地的多個歷史年8 760逐小時光資源數據。
(2)構建線性優化模型(優化模型1),通過考慮指定場所光熱電站的光資源數據及機組儲熱容量等參數,計算得到其對應年份的日保證熱量。
(3)將多個歷史年份保證容量排序,考慮合適保證率水平,確定日保證熱量,對不同儲熱容量,重復計算作業,得到調節因子表。
(4)對于待分析的光熱電站,該電站的日保證熱量為儲熱調節因子與儲熱裝置容量的乘積。
(5)繼而代入建立模型(優化模型2+3或2+4),求解光熱電站典型日工作出力過程。
(6)最終考慮光熱工作出力前后系統凈負荷最大值的差即為光熱機組參與平衡容量。
需要指出的是,本文重點分析只有光熱這一種調節電源時,其對系統充裕度的貢獻。當系統中含有水電、抽蓄、儲能電源等多種調節電源時,光熱的容量效益應與這些調節電源一起考慮,在計算光熱工作出力的模型中加入上述調節電源模型即可,本文不展開說明。
光熱電站不考慮系統需求時,典型日運行模擬如圖2所示。光熱電站配備了儲熱系統,可以在系統負荷高峰時發電帶負荷,減少系統其他機組的開機,具有一定的容量效益。
圖2 光熱電站不參與調峰時典型日運行圖Fig.2 Typical daily operation chart when CSP power station does not participate in peak regulation
光熱每日可發小時數日間波動較大且具有不確定性,其值可能為0~24 h。此外,也存在連續大發或者連續為0的天。如圖3所示,對青海某地在某一年中光熱機組運行模擬結果統計,光熱機組有50天左右全天不啟動。
圖3 光熱電站某年日出力特性圖Fig.3 Characteristic diagram of solar thermal power plant’s daily output in certain year
為了應對連續多日資源不好的情況,光熱電站需要儲存部分熱量并進行跨日調節熱量。光熱電站具有這種跨日調節的能力:以塔式熔鹽電站為例,其熱熔鹽儲罐中熔鹽溫度為565 ℃,每天溫降可忽略不計。
本文建立了以下線性優化模型,計算光熱電站某一時間段內(本文為一年)的日保證熱量。光資源具有統計學特征,再根據多年歷史光資源數據計算光熱電站的日保證熱量。
(1)
考慮的約束條件為:
儲熱裝置儲熱量連續約束,如下式所示:
(2)
(2)不等式約束。
根據定義,光熱電站的日保證熱量為機組全年日汽輪機消耗熱量的最小值,即滿足以下約束:
(3)
儲熱裝置存儲的熱量上限約束:
0≤Ei≤Emax
(4)
式中,Emax為儲熱裝置存儲熱量上限。
(5)
求解模型可得日保證熱量。為了獲取該電站的日保證熱量,需要對每一歷史年份的光照資源情況進行上述計算,從而得到多個年份的日保證熱量。然后,在一定的保證率水平下,確定該電站的日保證熱量。
山西省臨汾市曲沃縣的耕地面積約40萬畝,當地櫻桃種植較為集中,是萬畝櫻桃種植基地,所以種植戶對葡萄的產量和品質要求較高。為了擴大云天化品牌在曲沃市場的知名度,讓農民朋友感性認識云天化系列復合肥的優良效果,通過與當地農戶交流、探討,制定了本次試驗示范。
在本研究中,引入了一個新的概念,即儲熱調節因子α,其通過下述公式來確定:
(6)
對具有不同最大儲熱量的光熱電站進行重復計算,從而得到儲熱調節因子表。對某一給定的地點,電站日保證熱量僅取決于儲熱裝置的最大存儲熱量??赏ㄟ^一次計算得到不同儲熱時長(即儲熱裝置的最大存儲熱量)的儲熱調節因子表,日后可通過查表得到保證熱量,減少重復計算。
光熱電站日保證熱量只可供機組發電數小時,不可為系統提供長期備用。光熱電站的容量效益體現在其帶負荷能力上,不承擔系統備用。要確定光熱電站的容量效益,先要計算電站的工作出力。
目標函數為考慮光熱電站參與平衡后,典型日系統凈負荷曲線最大值和累積加和最小,即:
(7)
(8)
(9)
(10)
單個光熱電站的出力模型如下所示:
(1)等式約束
(11)
(12)
儲熱裝置熱功率平衡約束為:
(13)
儲熱裝置的吸熱平衡方程為:
(14)
(15)
(16)
式中,αn為第n個光熱電站儲熱調節因子。
輸入汽輪機的熱功率用于啟動機組和發電:
(17)
光熱電站的熱與電轉換函數為:
(18)
(2)不等式約束
光熱電站發電熱功率上限:
(19)
機組啟停機時長約束:
(20)
光熱電站啟動時刻約束:
(21)
光熱電站出力大小限制約束:
(22)
儲熱裝置放熱功率約束:
(23)
儲熱裝置存儲熱量要滿足約束:
(24)
本文通過C++調用Cplex求解上述模型,得到光熱電站的工作出力。光熱電站參與電力平衡的容量為考慮光熱電站出力的最大凈負荷差。
當光熱電站的日保證熱量較小,且需電站盡可能多出力時,可作如下假設:每一光熱電站在典型日只啟停一次;且電站盡可能以高功率工況連續運行,不參與系統調峰,可認為機組電熱效率恒定。
(25)
式中,ηn為第n個光熱電站的電熱效率。
滿足以上假定條件的光熱電站,可當作發電量給定的水電機組,等效水電機組考慮的模型如下:
典型日可發電量為:
(26)
其發電功率滿足約束:
(27)
日發電量為:
(28)
求解上述模型,可以計算光熱電站的工作出力,進而求解參與平衡容量。
對上述優化模型,本文以青海為算例進行計算分析。本文選取單個光熱電站為50 MW的機組,儲熱時長14 h,其他參數見表1及圖4。本算例采用青海某地光熱電站吸收熱量數據。數據樣本為2005年~2014年(數據來自美國國家太陽輻射數據庫(NSRDB))。
表1 光熱機組主要參數Tab.1 Main parameters of CSP
圖4 光熱機組汽輪機效率曲線圖Fig.4 Steam turbine efficiency curve of CSP
因為信息量大,本例中只附部分數據。連續不利天氣對光熱電站參與平衡結果影響較大。以2005年為例,該地光照資源數據片段見表2。
表2 典型年光資源數據(片段)Tab.2 Light resources in typical years (fragments)
將青海典型年天氣數據,儲熱時長為14 h(最大儲熱量 117×14 MW·h)的光熱機組參數代入優化模型計算。求解模型(優化模型1)得日保證熱量為287 MW·h,儲熱調節因子0.175。在第120天結束時儲熱裝置儲滿熱量,需要應對最長連續7天(第121~127天)的不利天氣,結果見表3。
表3 電站應對連續不利天氣時運行模擬結果Tab.3 Operation simulation results of power station in response to continuous adverse weather
為了指導光熱電站調度運行,本文提出了一種基于優化結果的控制策略。以最長連續的不利天數7天為周期。在每一周期初始時刻,電站儲熱裝置儲熱量達到最大可能值;光熱每日消耗熱量在計算周期內根據系統需求協調調度,但電站每日消耗熱量不小于日保證熱量;在計算周期結束時,儲熱裝置盡量存滿熱量。
重復上述計算步驟,將得到數據樣本中每一年的日保證熱量,結果見表4。
表4 2005~2014年的逐年日保證熱量Tab.4 Guaranteed daily heat per year from 2005~2014
在90%的保證率下,光熱電站的日保證熱量為221 MW·h。
對選定的地區,光資源數據不變。僅改變光熱電站的儲熱時長,代入模型(優化模型1)中計算,儲熱調節因子隨儲熱時長的變化結果見表5。隨著儲熱時長增長,日保證熱量隨之增加,儲熱調節因子隨之降低。當儲熱時長過短時,機組的日保證熱量過小,不能滿足啟動需求,電站容量不可參與電力平衡。
表5 電站儲熱調節因子表Tab.5 Power station heat storage adjustment factor
圖5為典型日算例系統的凈負荷曲線。青海系統該年最大負荷11 000 MW。假設系統新增加光熱裝機2 000 MW。查表得到儲熱調節因子,確定日保證容量。假定系統機組參數統一:裝機容量50 MW,儲熱時長14 h,儲熱調節因子0.175。
圖5 日凈負荷曲線圖Fig.5 Daily net load curve
求解本文建立的優化模型(優化模型2+3),得到光熱機組的工作出力如圖6所示。系統共有40個光熱電站,每個電站的日保證熱量僅可保證機組發電約1.7 h??紤]光熱參與平衡后凈負荷最大值為10 265 MW,光熱容量效益為735 MW,容量可信度為36.75%。若采用簡化模型(優化模型2+4),用等效水電機組計算,光熱電站總出力過程如圖7所示,考慮光熱參與平衡后凈負荷最大值為10 255 MW,光熱容量效益為745 MW,計算結果偏樂觀。
圖6 光熱機組工作出力圖Fig.6 Working output diagram of CSP unit
圖7 等效機組工作出力圖Fig.7 Working output diagram of equivalent unit
為了進一步比較兩種方法的差異,改變系統中光熱電站的裝機規模及日保證熱量,計算光熱電站參與平衡的容量。當光熱機組的裝機規模為200~8 000 MW時,計算結果如圖8所示。兩種方法計算結果接近,等效為水電裝機的方法計算結果略樂觀一些;同時,隨著光熱裝機規模的增加,其容量可信度由100%降至15%。
圖8 光熱機組容量可信度與裝機容量關系Fig.8 Relationship between capacity reliability and installed capacity of CSP units
每一光熱電站的日保證熱量由170~460 MW·h變化時,計算結果如圖9所示。兩種方法計算結果在日保證熱量較少時差異較大,日保證熱量較大時接近;等效為水電裝機的方法計算結果略樂觀一些;同時,隨著光熱日保證熱量的增加,其容量可信度由26%增至46%。
圖9 光熱機組容量可信度與日保證熱量關系Fig.9 Relationship between capacity reliability of CSP units and daily guaranteed heat
經以上分析,在日保證熱量較低時,電站無法滿出力運行,機組運行效率下降較多,故用等效法算出的結果偏差較大,此時需用優化算法計算;其他結果表明二者計算結果接近,兩種方法都適用。
西北地區光資源豐富,青海、甘肅等地規劃建設千萬千瓦級光熱裝機。但光熱電站單個電站裝機較小,現常見的單機為50 MW。當光熱裝機規模較大時,機組數量過多,單一電站層面的優化調度較難實現。用5.2節的計算結果參與電力平衡,可能較為樂觀,在實際調度中不易實現。
由于地理位置臨近的光熱電站,其光資源條件也較為接近。本文提出將臨近的若干個機組當作一個集群,進行統一調度,隨后再進行參與電力平衡的容量計算。
對5.2節算例中的光熱電站進行調度集群時,當最小調度容量由50~2 000 MW變化時,計算結果如圖10所示。隨著集群容量增大,參與平衡的容量隨之減少,容量可信度由37%降至26%。
圖10 光熱機組容量可信度與最小調度容量關系Fig.10 Relationship between capacity reliability of CSP units and minimum dispatch capacity
當最小調度容量為500 MW時,光熱機組的工作出力如圖11所示。全系統的光熱電站,劃分為4個集群,各個集群內的每個電站統一啟停、統一調節出力,電站的靈活性較差,故參與電力平衡的容量比單獨調度時低。
圖11 光熱機組集群調度時工作出力圖Fig.11 Working output diagram of CSP cluster scheduling
如何合理評估光熱機組參與電力平衡的容量,本文提出了一種基于光熱出力特性的計算方法,并對實際算例計算分析。主要結論如下:
(1)以地區典型年光資源條件及電站儲熱時長等參數為輸入變量,建立了一個線性優化模型。通過求解這個模型,得到光熱電站的日保證熱量。本文引入儲熱調節系數,便于后續快速確定日保證熱量。日保證電量基于多年資源數據,算例中取10年。
(2)以光熱參與平衡后凈負荷最大值、累積值均最小為目標函數,建立優化模型,并對光熱模型簡化,同時提出將光熱等效為水電機組計算其工作出力,進而得參與平衡容量。
(3)通過算例表明,儲熱調節因子與儲熱時長負相關;當儲熱時長過短時,光熱機組不可參加電力平衡;提出滿足日保證熱量的光熱運行策略。
(4)光熱機組的容量可信度與光熱裝機規模負相關,與日保證熱量正相關。當裝機規模較大時,應采用集群調度,此時只可用優化模型計算。