基于热循环蓄热特性的电-热综合能源系统风电消纳策略

孟宪君1,穆云飞1,王明军1,贾宏杰1,霍现旭2,李树鹏2,于建成2  

(1.智能电网教育部重点实验室(天津大学),天津市 南开区 300072;2.国网天津市电力公司电力科学研究院,天津市 西青区 300384)

摘要

提出一种基于热循环蓄热特性的电-热综合能源系统风电消纳策略。首先构建了典型的电-热综合能源系统结构,分析了电热互补潜力;进而针对热网蓄热特性进行建模,分析了热网蓄热参与系统消纳风电的调节潜力;同时结合热电联产机组和热泵模型,构建了基于热网蓄热特性的电-热综合能源系统优化调度模型,以实现对热网蓄热的充放能管理。算例结果表明,该方法可使热电联产根据系统风电预测出力和电负荷需求调整自身出力,实现系统热负荷跨时段转移,最终达到提升系统风电消纳水平、降低系统一天内用能总成本的目的。

关键词 : 综合能源系统;热网蓄热;优化调度;热电联产;风电消纳

基金项目:国家自然科学基金资助项目(U1766210,51677124);国家电网公司科技项目(蓄热式电采暖优化配置及互动关键技术研究与应用,SGTJDK00DWJS1900101)。

0 引言

近年来,以风电为代表的可再生能源装机规模快速发展。据世界风能协会统计,从2000年至今,全球风电装机容量的年增长率保持在10%以上[1],由此也带来了严重的风电消纳问题[2]。在吉林省,热电联产机组供应超过70%的热负荷,其运行往往受到以热定电约束,调节能力有限,无法与风力发电形成互补,严重影响了风电消纳能力。随着未来风电开发力度的进一步加大,风电消纳问题将更加凸显,如何有效消纳风电、降低弃风率受到广泛关注[3]

针对“三北”地区供热和风电消纳之间的矛盾,国家发改委和能源局近年来提出了一系列建议,鼓励热电联产机组通过建设储热装置或电转热设备来提高灵活性,增强调节能力[4]。目前,针对提高热电联产机组灵活性的研究主要分为两方面:一是通过电热负荷转换来解除热电联产机组部分电热耦合;二是针对风电的反调峰特性,通过转移夜间热负荷,降低热电联产机组由于以热定电导致的必发电功率。文献[5]提出热电厂通过配置电锅炉来解耦其“以热定电”约束,进而降低强迫出力消纳弃风电力的方案;文献[6]提出了在抽汽式热电厂中通过配置储热来提高机组调峰能力的消纳方案,并讨论了配置储热后热电机组的运行策略,但受容量限制,风电消纳能力有限;文献[7]考虑风电不确定性,建立了基于多场景的含储热的电热综合调度模型来优化蓄热罐运行策略;文献[8]提出了一种包含电锅炉和热储的热电联合调度模型,指出电锅炉有利于风电消纳,而热储更加节能。

上述研究通过热电联产机组与电锅炉、储热装置等设备的联合运行,达到了消纳风电、提高系统经济性的效果,但这些方案需要较大额外投资和设备建设用地。考虑到热网具有热惯性,可以被视为一种天然储热装置,因此可以利用热网蓄热能力解除热电联产的部分热电耦合约束以提升风电消纳能力。该方案的显著优势在于热网已存在于城镇集中供热系统中而无需较大额外投资。目前已有一些学者对热力系统的热惯性进行了探索。文献[9]指出热负荷具有较好的柔性,利用电、热能流的互补特性可提升电—热综合能源系统运行灵活性,促进可再生能源高比例消纳;文献[10]基于楼宇蓄热特性,构建了一种虚拟储能系统模型,实现对楼宇微网虚拟储能系统的充放电管理;文献[11]提出一种考虑热能传输延时和建筑物蓄热特性的IES优化调度方法,可有效提高系统风电消纳水平。

本文在前述研究基础上,提出一种基于热循环蓄热特性的电-热综合能源系统风电消纳策略。首先考虑热网蓄热特性,建立热能传输动态模型;进而结合热电联产机组模型,提出一种基于热网蓄热特性的电-热综合能源系统风电消纳策略,实现对热网蓄热的充放管理。结果表明,考虑热网蓄热后,可以在不增加额外投资的情况下增强风电消纳水平,并降低系统运行成本。

1 热网蓄热特性分析与动态建模

1.1 概述

本文研究的电-热综合能源系统结构示意图如图1所示。热电联产机组作为电热耦合元件联系起电力系统和热力系统,热泵通过电热负荷转换来解除热电联产机组部分电热耦合。在该系统内,可充分利用电力和热力的互补特性实现风电消纳和能源经济利用。电能传输的动态过程以纳秒到毫秒时间尺度描述,而热能传输动态以秒、分钟甚至小时级的时间尺度描述,电能易传输、难储存,热能易储存、难传输,热网具有天然蓄热特性[12]

图1 电-热综合能源系统结构示意图
Fig.1 Schematic diagram of electric heating integrated energy system

如图2所示,供热系统由热源、热网和热负荷组成,可分为一次热网和二次热网[13],一次热网首末两端分别建有换热首站和换热站。一次热网和二次热网的物理网络通过换热站实现热量交换。热能传输延时和储热等特性主要体现在一次热网。

图2 供热系统结构示意图
Fig.2 Schematic diagram of heating system

1.2 一次热网热能传输动态模型

在供热管道中,入口处的水温变化将缓慢扩展到出口,同一时段进入和流出管道的热水热量未必相等,热网可起缓冲能量、延时响应的作用[12]。热能传输动态特性对热网中工质温度有直接影响,在建模过程中主要关注以下3个方面。

1)热延时。工质从热源处吸收热量提高温度后,进入一级热网供水管道以一定的速度向热负荷运动。因此,热负荷处工质的温度变化滞后于热源处的温度变化。供热管道两端温度变化的传输延时τj与热水流过管道的时间基本一致,如式(1)所示:

式中:τj为管道j的传输延时,h;lj为管道j的长度,m;vj为管道j中工质的流速,m/s。

同一管道中工质入口温度与出口温度在时间上的耦合关系,是描述热网动态特性的关键。假设管道j的传输延时为τj,且工质从入口到出口没有热量损耗,则

式中:τ为一个周期内的时段编号,τ=1, 2, …, N;为不考虑管道热损耗时管道j在τ时段的出水温度,℃;为管道j在(τ-τj)时段的入口温度,℃。

2)传输损耗。由于热网中工质温度与环境温度的差异,传输过程中会有热损耗,具体表现为管网内工质温度的降低。结合公式(2),传输损耗(温度降低)可以根据苏霍夫温降公式表示为:

式中:为考虑管道热损耗时管道j在τ时段的出水温度,℃;kj为管道漏热损失系数,W/(m·℃);cw为水的比热容,kJ/(kg·℃);lj为管道长度,m;Tam为管道周围环境温度,℃。式(3)所示模型对热网的供水、回水管道均适用。

3)蓄热特性。热网可起缓冲能量、延时响应的作用,对外表现出蓄热特性。在一个调度周期内,管道中热水储存的总热量升高(或降低),对应储热(或放热)情形,通过热水温度变化来体现。考虑了热网蓄热后,热能可跨时段转移,增加了热电联产机组的灵活性,有利于对风电的消纳。

1.3 热网节点与换热站模型

本文一次热网采用质调节方式,即不改变热网中热水的质量流率,仅调节水温,我国北方绝大多数热网采用这种调节方式[14]

1)节点温度混合方程。不同管道的热水流入相同节点后进行温度混合,混合后从该节点流出的热水温度相同[11],如式(5)所示:

式中:分别为与节点n相连并从节点n结束和起始管道的集合;qτ, j和qτ, k分别为τ时段管道j和k的流量;为τ时段管道j的出水温度;为τ时段管道k的进水温度。

2)节点连续性方程。热网中工质应满足节点连续性方程,即任一时段τ内流经节点n的质量流率之和为零,如式(6)所示:

3)换热站模型。对一次热网中的换热站,可仿照电力系统分析中计算负荷的概念,将负荷与损耗绑定在一起,成为换热站的计算负荷,在模型中代替用户负荷以及换热器与二次热网的热损耗。本文中换热站模型如式(7)所示:

式中:Qτ,i为τ时段负荷i处换热站换热量,kJ;mτ,i为τ时段流经负荷i处换热站的热水质量,kg;分别为τ时段负荷i处换热站的供水、回水温度,℃。

换热站通过调节二次热网管道中的流量以满足用户热负荷的需求,其换热量与热负荷的关系如式(8)所示:

式中:为τ时段负荷i处换热站的计算热负荷,kW;Δt为一个时段τ的长度。

换热首站连接着热源与一次热网,换热首站换热量与一次热网水温关系如式(9)所示:

式中:分别为热电联产和热泵在τ时段的热功率,kW;mτ,w为τ时段流经换热首站的热水质量,kg;分别为τ时段换热首站的供水、回水温度,℃;下标max和min分别表示温度的上、下限。

4)管道温度约束。为保证运行安全,管道中工质温度不可超过工程标准:

式中,Tmax为规定的管道工质最高温度。

2 基于热网蓄热特性的电-热综合能源系统优化调度模型

2.1 目标函数

基于热网蓄热特性的电-热综合能源系统优化调度模型的目标是在满足电、热负荷及运行约束的条件下,通过合理安排各能源设备的出力,使系统总运行成本最低。为促进风电消纳,在系统运行总成本中加入弃风惩罚,目标函数如下:

式中:C为系统总运行成本,元;Cgas为燃料(天然气)费用,元;Cwind为弃风惩罚,元。

式中:Kgas为单位体积燃料(天然气)价格,元/m3τ时段热电联产机组从上游天然气网购得的燃料(天然气)体积,m3;Kcut为弃风惩罚系数, 元/kWh;为τ时段风电预测功率,kW;为τ时段风电消纳功率,kW。

系统风电消纳率η由式(15)定义[15]

2.2 约束条件

基于热网蓄热特性的电-热综合能源系统优化调度模型约束条件为:

1)电功率平衡约束:

式中,为热电联产在τ时段的电功率,kW。

2)热电联产模型约束:

本文采用热电比ε不变的背压式热电联产机组[11,16-17], 燃料为天然气,其模型如式 (17) —式 (18) 所示:

式中:η为气—热转化效率;为热电联产在τ时段的电功率,kW;为热电联产在τ时段的热功率,kW;

3)热泵模型约束:

式中:COP为能效系数;为τ时段热泵的电功率,kW。

4)能源设备出力限值及爬坡约束:

式中:下标max和min分别表示出力的上、下限;分别为热电联产机组出力向上、向下爬坡速率极限。

5)供、回水网络传输特性约束:式 (3) —式(4)。

6)热网节点约束:式 (5) —式 (6)。

7)换热站约束:式 (7) —式 (11)。

以上约束均为线性约束,因此本文使用LINGO对该优化问题进行求解。

3 算例分析

3.1 算例系统及数据

本文算例选取一10节点供热网络,其结构如图3所示。在Nd1处建有换热首站,Nd5~Nd10处建有换热站。负荷情况及风电预测出力如图4所示。热网结构参数见表1,其它算例数据见表2。

图3 10节点供热网络算例结构
Fig.3 Structure of 10-node heat network study case

图4 负荷情况及风电预测出力
Fig.4 Load data and predicted wind turbine generation

表1 10节点供热网络参数
Table 1 Parameters of 10-node heating network

表2 电-热综合能源系统算例其它参数
Table 2 Parameters of electrical-heat IES case study

构建两种典型场景进行对比:

场景1:考虑热网蓄热特性的运行策略;

场景2:不考虑热网蓄热和延时的运行策略。

场景1中目标函数如式(12)所示。调度周期为24 h,调度间隔∆t=0.5 h。本文中认为调度周期是循环的,即在调度中用到的前一调度周期工质温度的历史数据,用当前调度周期对应的温度数据代替。

3.2 算例分析

2种算例场景下系统运行成本如表3所示。可见:场景1中系统运行成本、弃风成本和总成本相较场景2中均有所下降。其中,运行成本可节省6.7%,弃风成本可节省46.0%,总成本可节省12.4%。这表明本文方法在降低弃风率的同时,也具有很好的经济性。

表3 2种场景下系统运行成本
Table 3 Operational cost under two scenarios

2种算例场景下风电消纳率如图5所示。可见:在0∶00—3∶00,场景2系统风电消纳率普遍低于0.6,弃风情况较为严重。而这一时段内场景1系统风电消纳率明显高于场景2,最显著的时段为1∶00时,场景1风电消纳率比场景2提升约76.2%。在21∶00—24∶00和次日3∶00—5∶30时段内,场景1风电消纳率也高于场景2。本文方法能有效提升系统风电消纳水平。

2种场景下系统总热出力情况如图6所示。对比图4与图6可见:场景2中一天之内系统总的热出力较为平稳,且基本追踪一天内热负荷的变化。而场景1中系统总热出力在23∶00—次日5∶30时段内均小于场景2,此时段内系统风电预测出力大、电负荷需求较小,热电联产不宜以较大出力运行;在16∶30—20∶30时段内,场景1中系统总热出力均大于场景2,此时段内系统风电预测出力较小、电负荷需求大,热电联产应以较大出力运行。这表明考虑热网蓄热特性后系统可实现热负荷跨时段转移。

图5 2种场景下系统风电消纳率
Fig.5 Wind power consumption rates under two scenarios

2种算例场景下一天中系统热电联产和热泵热出力的变化如图7及图8所示。在21∶00—次日5∶30,场景1中热电联产热出力小于场景2;在16∶30—20∶30,场景1中热电联产热出力大于场景2,上述现象与图6的结论相一致。这表明:在本文运行策略中,由于考虑了热网的蓄热特性,热电联产可根据系统风电预测出力和电负荷需求调整自身出力,在风电预测出力大、电负荷需求小的时段降低出力;在风电预测出力小、电负荷需求大的时段提高出力。热电联产的上述运行特性是考虑热网蓄热特性后系统实现热负荷跨时段转移的内在原因。

图6 2种场景下系统总热出力
Fig.6 Total heat output under two scenarios

图7 场景1中热电联产及热泵热出力
Fig.7 Heat output of CHP and HP in scenario 1

图8 场景2中热电联产及热泵热出力
Fig.8 Heat output of CHP and HP in scenario 2

图9 场景1中热电联产及风机电功率
Fig.9 Power output of CHP and wind turbines in scenario 1

图10 场景2中热电联产及风机电功率
Fig.10 Power output of CHP and wind turbines in scenario 2

2种算例场景下一天中系统热电联产及风机电功率的变化如图9及图10所示。对比两图可见:在0∶00—3∶00,场景1中系统消纳的风电功率显著高于场景2,而2种场景下系统总电功率(热电联产与风机电功率之和)相等。结合前述分析,这一时段内场景2弃风情况较为严重,主要是受热泵最大出力的限制。由于场景1系统实现了热负荷跨时段转移,该时段内热电联产出力大幅降低,系统用电需求更多地由风电提供,达到了消纳风电的目的。

此外,在16∶30—20∶30,场景1中热电联产虽提升了出力,但风电消纳率并未因此降低。结合图7、图8可见,该时段场景1中热泵的出力大于场景2,场景1利用热泵和热网蓄热特性消耗了系统多余的电能,保证该时段的高风电消纳率。

综合一天的情况看,本文提出的方法能有效提升系统风电消纳水平、降低弃风成本。由于运行成本低的风电在系统一天的用能中占据了更大比重,故而系统运行成本也有所降低,最终使系统一天内的用能总成本降低。

4 结论

本文提出一种基于热循环蓄热特性的电-热综合能源系统风电消纳策略,结论如下。

1)本文分析热网蓄热特性,对热能传输动态过程进行建模,以反映热网蓄热特性。

2)考虑热网蓄热后,可使热电联产根据系统风电预测出力和电负荷需求调整自身出力,实现系统热负荷跨时段转移,最终达到提升系统风电消纳水平、降低系统一天内用能总成本的目标。

后续研究可以将该方法引入系统规划阶段,围绕系统中热泵容量的最优配置问题做进一步深入讨论。

参考文献

[1]World Wind Energy Association.World wind energy report 2014[R].2015.

[2]舒印彪,张智刚,郭剑波,等.新能源消纳关键因素分析及解决措施研究[J].中国电机工程学报,2017,37(1):1-9.Shu Yinbiao, Zhang Zhigang, Guo Jianbo, et al.Study on key factors and solution of renewable energy accommodation[J].Proceedings of the CSEE, 2017, 37(1): 1-9 (in Chinese).

[3]鲁宗相,李海波,乔颖.含高比例可再生能源电力系统灵活性规划及挑战[J].电力系统自动化,2016,40(13):147-158.Lu Zongxiang, Li Haibo, Qiao Ying.Power system flexibility planning and challenges considering high proportion of renewable energy[J].Automation of Electric Power Systems, 2016, 40(13): 147-158 (in Chinese).

[4]国家能源局.国家发改委国家能源局关于印发《解决弃水弃风弃光问题实施方案》的通知[EB/OL].[2019-04-27].http://zfxxgk.nea.gov.cn/auto87/201711/t20171113_3056.htm.

[5]吕泉,姜浩,陈天佑,等.基于电锅炉的热电厂消纳风电方案及其国民经济评价[J].电力系统自动化,2014,38(1):6-12.Lyu Quan, Jiang Hao, Chen Tianyou, et al.Wind power accommodation by combined heat and power plant with electric boiler and its national economic evaluation[J].Automation of Electric Power Systems, 2014, 38(1):6-12 (in Chinese).

[6]吕泉,陈天佑,王海霞,等.配置储热后热电机组调峰能力分析[J].电力系统自动化,2014,38(11):34-41.Lyu Quan, Chen Tianyou, Wang Haixia, et al.Analysis on peak-load regulation ability of cogeneration unit with heat accumulator[J].Automation of Electric Power Systems, 2014, 38(11): 34-41 (in Chinese).

[7]吕泉,王海霞,陈天佑,等.考虑风电不确定性的热电厂蓄热罐运行策略[J].电力系统自动化,2015,39(14):23-29.Lyu Quan, Wang Haixia, Chen Tianyou, et al.Operation strategies of heat accumulator in combined heat and power plant with uncertain wind power[J].Automation of Electric Power Systems, 2015, 39(14): 23-29 (in Chinese).

[8]Chen X, Kang C, O’ Malley M, et al.Increasing the flexibility of combined heat and power for wind power integration in China: modeling and implications[J].IEEE Transactions on Power Systems, 2015, 30(4):1848-1857.

[9]王婉璐,杨莉,王蕾,等.考虑供热网储热特性的电-热综合能源系统优化调度[J].电力系统自动化,2018,42(21):45-55.Wang Wanlu, Yang Li, Wang Lei, et al.Optimized scheduling of electro-thermal integrated energy system considering heat storage characteristics of heating network [J].Automation of Electric Power Systems, 2018, 42(21): 45-55 (in Chinese).

[10]靳小龙,穆云飞,贾宏杰,等.融合需求侧虚拟储能系统的冷热电联供楼宇微网优化调度方法[J].中国电机工程学报,2017,37(02):581-591.Jin Xiaolong, Mu Yunfei, Jia Hongjie, et al.Optimal scheduling method for a combined cooling, heating and power building microgrid considering virtual storage system at demand side[J].Proceedings of the CSEE, 2017, 37(02): 581-591 (in Chinese).

[11]Gu W, Wang J, Lu S, et al.Optimal operation for integrated energy system considering thermal inertia of district heating network and buildings[J].Applied Energy, 2017, 199: 234-246.

[12]徐飞,闵勇,陈磊,等.包含大容量储热的电-热联合系统[J].中国电机工程学报,2014,34(29):5063-5072.Xu Fei, Min Yong, Chen Lei, et al.Combined electricity-heat operation system containing large capacity thermal energy storage[J].Proceedings of the CSEE, 2014, 34(29): 5063-5072 (in Chinese).

[13]Li Z, Wu W, Shahidehpour M, et al.Combined heat and power dispatch considering pipeline energy storage of district heating network[J].IEEE Transactions on Sustainable Energy, 2016, 7(1): 12-22.

[14]王亦昭,刘雄.供热工程[M].北京:机械工业出版社,2007:266-270.

[15]宋仕恒,穆云飞,孟宪君,等.面向分布式电源消纳的配电网-配水网经济调度方法[J/OL].电力系统自动化:1-9[2019-06-09].

[16]戴远航,陈磊,闵勇,等.风电场与含储热的热电联产联合运行的优化调度[J].中国电机工程学报,2017,37(12):3470-3479,3675.Dai Yuanhang, Chen Lei, Min Yong, et al.Optimal dispatch for joint operation of wind farm and combined heat and power plant with thermal energy storage [J].Proceedings of the CSEE, 2017, 37 (12): 3470-3479, 3675 (in Chinese).

[17]黄国栋,许丹,丁强,等.考虑热电和大规模风电的电网调度研究综述[J].电力系统保护与控制,2018,46(15):162-170.Huang Guodong, Xu Dan, Ding Qiang, et al.Review of power grid scheduling research considering thermal power and largescale wind power [J].Power System Protection and Control, 2018, 46(15): 162-170 (in Chinese).

Wind Power Consumption Strategy for Electric Heating Integrated Energy System Based on Thermal Storage Characteristics of Heat Cycle

MENG Xianjun1, MU Yunfei1, WANG Mingjun1, JIA Hongjie1, HUO Xianxu2, LI Shupeng2, YU Jiancheng2
(1.Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, Nankai District, Tianjin 300072, China; 2.Electric Power Research Institute, State Grid Tianjin Electric Power Company, Xiqing District, Tianjin 300384, China)

Abstract: This paper proposes a wind power consumption strategy based on the thermal storage characteristics of heat cycle.Firstly, the electric heating integrated energy system is built, and the complementary potential of electricity and heat is analyzed.Secondly, the thermal delay, transmission loss and thermal storage characteristics of the heat energy transfer process are modeled, and thermal storage in heating network is analyzed.Furthermore, combined with combined heat and power and heat pump model, an optimal scheduling model of the electric heating integrated energy system based on the thermal storage characteristics of the heat network is constructed to realize the charge and discharge energy management of the heat network.The case results show that the method can make combined heat and power unit adjust its own output according to the system wind power forecast output and electric load demand, realize the system heat load transfer over time, and finally improve the system wind power consumption level and reduce the total energy cost of the system in one day.

Keywords: integrated energy system; thermal storage; optimized dispatch; combined heat and power; wind power consumption

National Natural Science Foundation of China (U1766210,51677124); Science and Technology Foundation of SGCC (Research and Application of Key Technologies on Regenerative Electric Heating Optimal Configuration and Interactive Control, SGTJDK00DWJS1900101).


孟宪君

作者简介:

孟宪君(1995),男,硕士,主要研究方向为综合能源系统运行优化,E-mail:mengxianjun@tju.edu.cn。

穆云飞(1984),男,通信作者,博士,副教授,主要研究方向为电力系统安全性与稳定性、综合能源集成与应用及电动汽车并网规划与运行控制,E-mail:yunfeimu@tju.edu.cn。

王明军(1996),男,硕士,主要研究方向为综合能源系统建模与优化,E-mail:wangmingjun@tju.edu.cn。

贾宏杰(1973),男,博士,教授,主要研究方向为综合能源系统规划与运行优化、电力系统安全性与稳定性,E-mail:hjjia@tju.edu.cn。

(责任编辑 张宇)


  • 目录

    图1