计及风电消纳的电力系统低碳优化

计及风电消纳的电力系统低碳优化调度内容摘要：在我国及全世界人口都在持续增加的环境大背景下,对于能源的需求更是一天比一天多，一天比一天的急迫。为了解决这个问题，各国科学家都在寻找开发新能源以此来代替化石燃料。通过研究发现截至到目前风能是当前新能源的最优选择之一。大规模的风电接入会极大提高风电在系统中的占比，但是风电的波动性对系统有很大的影响。故此希望可以研究出考虑到含有模糊机会的约束条件的模型并且引入低碳经济调度的因素。引入碳价计算，而碳交易的计算可以通过阶梯分时段进行，这样又可以降低碳排放量，又可以提高风电消纳。为了解决不确定的影响，本文通过研究把模糊机会引入，把松弛约束来确定风电的不确定性，然后梯形模糊参数来对进一步对为风电消纳低碳优化模型进行清晰化，最后进行求解，这个可以求助于cplex软件包。求解的结果表明风电消纳量大为提高，碳配额满足目前要求，甚至有剩余。关键词：风电；风电消纳；低碳调度目录1绪论 [12]搭建风电调度模型，该模型考虑发电用电两端的不确定性，对风电并网的使用提供自己的意见。1.4本文的研究内容搭建计及风电的模型，考虑碳排放，考虑风电的约束条件研究计及风力发电的配电网低碳优化调度,具体的研究内容如下:1.调查研究课题概况。通过阅读翻译中外文文献，来尽可能全面地了解目前世界风电的发展进程，理解已有的研究方法以及众多学者提出的未来研究前景等；2.建立风力强度和风电发电出力的模型，考虑风力发电的约束条件并考虑会影响风力发电的各种因素；3.在第二步的基础上对搭建的模型进行优化，加入碳排放按时间段的计算等的约束，使得模型在运行中更平滑，让结果更靠，有说服力。4.对模型进行求解仿真2电力系统功率平衡特性分析2.1电力系统源荷不确定性分析在搭建模型的同时需要考虑各种约束条件的平衡，也需要提供足够的备用容量让发电设备安全平稳的运行。关于研究风力发电的发电功率全世界已经有了很多的方法，但是误差依旧较大。在考虑大规模使用风电的时候这误差就不可以忽略。在模型的搭建中有变量和不变量，其中变的有风电风电每天各时段的出力情况和负荷各时刻的功率。为解决这两个变量要求引入两个参数来约束变量，这两个参数就是风电模糊的参数和负荷模糊的参数。2.2风电和负荷不确定性对功率平衡的干扰功率平衡的约束条件：(2-1)旋转备用平衡约束条件：（2-2）其中，——该设备在运行过程中t时电负荷预测值；——该设备在运行过程中t时负荷的预测误差；——该设备在运行过程中t时风电预测值；——该设备在运行过程中t时风电的预测误差；——该设备在运行过程中t刻风电的弃风量；——该设备在运行过程中在t时刻的出力；——该设备在运行过程中的最大出力；——指的是在整个模拟模型系通中的火电机组数量；——在运行过程中在t时刻的电功率；——在运行过程中的最大电出力值；——机组数量。风力发电存在不确定性,因此以往的平衡条件，约束条件就已经不再适用。要想继续使用功率平衡条件和旋转备用约束就要对它们做出改变。在研究安排风电出力的时候，要考虑风电的不确定性。因此采用上文提出的引入风电模糊参数与负荷模糊参数，将上面的功率约束平衡公式（2-1）、（2-2）转变为条件下，让转换后的平衡约束条件成功几率始终大于。构造的不确定因素集：（2-3）（2-4）其中，表示事件的可信性。提供备用使得功率及负荷达到目标要求，这个问题我们可以通过用普通的火电和热电联产技术机组同时提供开解决，这将大大增加了备用容量。将公式（2-3）、（2-4）的优化过程进行全面展开，然后通过与确定性约束研究比较，比较结果优化后的约束已经对风电中的不确定性进行了处理，系统机组的出力已包含备用功率，不用考虑单独设置。2.3利用模糊机会约束来求解不确定性问题解决问题的思路是：允许在一定的范围内模型运算后的显示出结果不符合初始设定的约束条件，但是硬性要求模型运行出来的结果成立的可能性始终大于设定的值。列出模型：（2-5）其中，x——决策向量；——作为模型中的参数向量；——作为模型中的目标函数；——作为模型中的约束函数；——作为模型中的系统置信度水平。2.4碳排放成本计算模型接下来计算碳排放量，本文的计算方法是基准线法。通过研究发现可以把碳配额和火电机组出力视为正比，这样就可以进行计算。计算公式为：（2-6）（2-7）其中，——碳排放配额；T——作为一个运行周期时长；Ε——单位排放配额；——作为发电机组在t时刻总的发电量；——t时的发电功率。风电发电不会向大气排放二氧化碳气体，因此不用考虑风电，所以碳排放大部分来源于其他发电机组，系统碳排量计算公式为：（2-8）其中，——总的碳排放量；——的碳排放强度；——的碳排放强度。碳排放具体计算为：（2-9）其中，——火力发电所需要的碳排放花费；μ——火力发电所需要的碳配额中碳交易价格；d——价格变化的区间长度；k——增长幅度3考虑模糊机会约束的低碳经济调度模型3.1目标函数计算系统运行的总花费目标函数为：（3-1）其中，——发电机组的运行总花费；——普通火电花费；——CHP发电花费；——风电运维花费。火电机组的花费成本：（3-2）其中，、、——的燃料花费系数。CHP机组的花费：（3-3）（3-4）其中，——表示CHP机组在时间为t的电出力；——出力功率；——储热功率；、、——燃料成本系数；——电出力的减小值。风电成本：（3-5）其中，——运维成本系数。3.2约束条件（1）火电机组相关约束。机组出力约束：（3-6）其中，——i的最大出力值，——i的最小出力值。机组爬坡约束：(3-7)其中，——向下爬坡的最大速率，——向上爬坡的最大速率。（2）CHP机组约束。CHP机组约束有两种有功率约束和爬坡约束，因为爬坡和机械的进汽量的变化二者有紧密的联系，所以计算时要注意折算。热电联产技术机组约束为：（3-8）其中，——电出力的下限；——电出力的上限；——热出力值；——热出力的最小值；——热出力的最大值；——向上爬坡的最大功率；——向下爬坡的最大功率。（3）储热装置约束。容量约束：（3-9）其中，——最小储热值；——最大储热值；——t时的储热量。储、放热功率约束：（3-10）其中，——储热装置的最大储热功率，——储热装置的最大放热功率。储放热约束为：（3-11）其中，Ph,tc——作为功率变化过程中Ph,tf——作为功率变化过程中储热装置在开始和结束的时候两个时刻装置的储热量是相等的，因此发现约束条件为：（3-12）其中，C0——初CT——结束（4）线路传输容量约束。（3-13）其中，Bij——节点、之间的导纳；θi,t——作为节点的电压相角；θj,t——作为节点的电压相角；Pij,max——节点、之间线路的最大传输容量。3.3模型求解机会约束是本文的关键。针对难易程度的不同，学者们提出了解决不同水平问题的方法。本文采用简单问题处理方法将约束条件中参数和变量单独列出，当研究发现二者存在所认知，所熟知的某一种或多种线性关系时，就可以将模糊参数与决策变量二者容易的转化为清晰等价类来进行处理，最后求解即可。可以使用等价类处理方法来解决遇到的问题。本文对于置信水平的要求不会太低，不能太低。当≥1/2时，机会约束的清晰等价类为：（3-14）其中，ℎk+(x)ℎ0(x)参考文献REF_Ref102229371\r\h[16]rk1−梯形模糊参数的表达式为：（3-15）其中，P͂——作为系统中的模糊参数；Pfcc——作r1−r4w1−w4将上文中的公式（2-3）、（2-4）转化为相应等价类为：（3-16）旋转备用清晰等价类为：（3-17）其中，Pwt1、PwPLt3、PL转换结束后，进行求解。4算例分析4.1基本数据和参数本文利用IEEE30节点系统进行模拟运行，如图4-1，在本文模型搭建中可以用CHP来代替图中显示的火电机组，它们的编号为一号和二号，参数见文献［14］，在本文模型搭建中也可以用风电场替换图中的四号火电机组，剩余的3台火电机组参数可以参考表2的数据参考然后编入我们的程序中，燃煤机组的数据见表4-1[15]。查找文献找出本文模型运行过程中需要的储热装置的储热值的数据，其中最大的储热值为350MW·h、最小的储热值为150MW·h，最大储热功率为150MW、放热功率为150MW。储热装置开始储热量均为200MW·h、结束的储热量也为200MW·h，也是相等的。表4-1关于常规火电机组的碳排放强度火电机组碳排放CHP机组碳排放G0.86CHP0.889G1.31CHP1.3104G1.31图4-1IEEE30节点系统表4-2关于机组常规参数火电机组上限/MW下限/MW爬坡率系数abcG7525350.1139248398G4117210.1112238188G4513250.1119191421本文选取的研究对象根据所设的的要求进行选取，要求具有代表性，根据这一天的热负荷、电负荷和风电出力的绘制预测曲线。由于冬天为热负荷高峰期，所以选取冬天发热量高的一天，见图4-2。根据表4-3[16]可以选取参数取值记放入模型中。模型运行过程中，通过寻找文献发现目前以每吨五十元的价位交易碳配额，每多排放五十吨价格就上涨四分之一排放因子划定为0.75，假设风力发电设备的运行维护花费为150元／MW图4-2电负荷、热负荷及风电出力的预测曲线表4-3梯形模糊隶属参数对象wwww风电0.70.891.091.35电负荷1.00.981.061.094.2算例调度结果分析当α=0.95，考虑到各种成分，各种需要计算的部分的情况下，通过计算得出整个系统的综合成本为每单位85.27万元，通过计算发现碳排放成本在总体的占比并不高仅占综合成本的16.5%，为每单位15.18万，通过计算得到的系统碳配额为7622.4t，然而通过寻找资料调查以及他人的帮助发现实际碳排放量为9918.4t与计算的有较大的出入，通过以上数据得出系统的弃风率仅为6.87%。得出出力图图4-5，图4-3、图4-4也完整显示文中模型运行得出的运行图。图4-3CHP机组与储热装置热出力调度值图4-4风电预测功率及实际消纳功率图4-5各机组发电功率调度结果各机组的调度出力本身就存在一定的备用容量，在数据的分析中可以不担心也可以不考虑不确定性。热负荷值较准确，因此本文中不计该误差，可以看作真实值来计算。通过图4-3看出，热负荷包含两部分，一部分是CHP的，另一部分是储热装置，二者的和即显示为热负荷的输出。通过观察图中的曲线，可以明显的看出无论何时电负荷和热负荷得值都在一定程度上“相反”。比如说在上午八点到下午四点时电负荷的数值很高相当于高峰，而此时热负荷的数值很低位于低谷期；在凌晨一点到上午七点、晚上九点到晚上十二点时，热负荷的数值很大，此时电负荷的值很低。因此，通过图4-3发现在相同的调度日内显现“相反”现象。发现CHP出力有耦合性，并且通过对比发现它的燃料成本是比较低的，故此，通过比较发现，电负荷在处于接近甚至等于最大值的时候，也就是热负荷处于接近甚至等于最小值的时候低谷，电力系统的储热装置自动的将一定程度的热量提供给处于低谷的热负荷，通过这种提供热量的方式把机组的热出力降低，最后结果显示提高了电的出力，这样就降低了火电出力实现了我们的目标。通过观察图4-4可得到在热负荷处于高峰的时候，该时间为在凌晨一点到上午七点、晚上九点到晚上十二点时，电负荷的值很低，这几个时间段的变化导致弃风率增加。同时风力发电的机组运行维修也需要很多的费用。弃风率在为降低花费的同时也不得不提高。4.3模型对比本文采用三种模型来对比。模型1：该模型搭建的条件要求功率平衡，为解决不确定性的影响，对旋转备用容量进行重新设定，在模型1中仅调试为风力发电并网总发电量的20%以及规定把电负荷预测值的15%放入模型中，然后把计算碳价的公式代入。模型2：该模型搭建的条件要求采用约束条件模型，为解决不确定性对发电造成的影响引入模糊机会，把计算碳价的公式代入，本模型只计算系统运行成本，其他的不作考虑。模型3：在模型2的基础上加入碳交易成本。置信水平α=0.95，调度结果如表4-4所示。表4-4不同模型调度结果对比模型弃风量/％碳排放量/t综合成本/万元总备用容量/MW177.5412301.0125.302393.9241.1310272.086.361227.637.069938.984.171244.0通过表4-4可以看出，模型3的结果显示该模型的弃风量与前两个模型相比来说是最少的，并且也发现碳排放量与前两个模型相比来说是最少的，综合成本虽与模型2的成本相近但是依旧是模型3的最少。通过对模型1和2进行对比，得出了一个明显的结果那就是模糊机会约束与确定性调度模型相比前者会大大降低成本，通过计算得出降低了进45.1%，碳排放量也降低了近五分之一，设备的总备用量也大大减少，为电力系统节约了1166.3MW。其中模型1的确定性模型的成立条件也较为苛刻，只有在功率平衡时成立，所以要求误差值要为零。为了让系统可以持续有效的运行需要提高备用容量以备不时之需。本篇文章要求系统在=0.95置信水平的条件下保证电力系统的功率平衡，达到初始设计搭建模型的初衷。通过比较明显展示了模糊机会约束的众多优点，凸显了选择比较的正确性。通过模型2和3比较发现，相比2来说模型3极大的缓解了弃风的情况。并且在2的基础上碳排放量再次的降低333.1吨，二者综合成本相差数值为2.19万元，与模型2来说下降2.60%，与此同时电力系统的总备用容量上涨了16.4MW。通过以上的比较可以发现考虑机会约束和碳价可以明显降低系统成本，运用该模型可以极大的增大风电消纳量，同时也对碳排放量进行控制不断降低。置信水平在整个模型运行过程中有很大的作用，将模型3作为代表来看，改变系统置信水平会带来一系列的变化，如下表4-5所示表4-5不同置信水平下的调度水平置信度弃风率/%总成本/万元总备用容量/MW0.6523.7075.11725.10.7020.6676.29806.40.7517.5177.68890.40.8014.5879.24976.10.8511.7880.741063.40.909.3182.311152.90.956.9484.021244.2通过表4-5可以发现，随着置信水平的降低，弃风率确实有了很大的提高。备用容量可以防止因负荷及风电的波动对系统造成影响。但是过多的安排备用容量会增加成本，然而不足的备用容量会导致系统可能发生运行错误。备用容量与有密切联系，置信水平降低，会导致系统安全性降低，备用容量也降低，相反经济性却有所提高，在工作的实际运行中需要根据目标来调整。在大环境的要求碳价会增加，结果如下图。4-6（a）碳交易价格对风电消纳率的影响4-6（b）碳交易价格对总成本的影响图4-6碳交易价格对风电消纳率和总成本的影响4-7（a）碳交易价格对碳排放量的影响4-7（b）碳交易价格对碳排放成本的影响图4-7碳交易的影响通过图4-6（a）(b)、4-7(a)（b）可以发现，模型3在α=0.85时，碳价与风电消纳量趋势相同都在上升，碳排放量呈现下降趋势，综合考虑发现整体的碳排放成本变化趋势和总成本的变化趋势相同都为上升事态。当碳价在每吨三十元的范围内变化时，系统整体的的风电消纳量以及整个系统结果显示的碳排放量变化的异常明显；当碳价格高于每吨三十元的价格后，则变化的很缓慢。因此得出结论在一定范围内碳价、风电消纳量、备用成本的变化趋势相同同增同减，当超过该范围，变化变的很微小。并且由于火电的影响，风电占据的比例不可能一直升高，所以最后变化趋势变缓成为定局。综上所述，一定范围内对碳交易进行上涨，会导致经济性有所降低，但是会有效的提高风电消纳量，并且极大的减少了碳排放量，符合本文模型搭设的初衷。5结论与展望根据本文搭建的模型可以发现其中不确定因素对发的的影响，也同时展现了模糊机会约束的优异，结论如下。（1）通过将碳交易的价格与风电、负荷不确定性进行关联，发现发电用电两端波动对于并网的众多影响。通过设置置信水平，极大降低了弃风率。（2）与传统模式相比本文提出的模型来说，此文搭建的模型有极大的可能性可以解决风电消纳的问题，算例分析后，本文通过比较使用模型3可以有效提高风电消纳率，也可以降低发电成本，很好的完成了目标。参考文献陈厚合,茅文玲，张儒峰等，基于碳排放流理论的电力系统源-荷协调低碳优化调度[J]，电力系统保护与控制，2012,49(10):1-11.娄素华，胡斌，吴耀武等碳交易环境下含大规模光伏电源的电力系统优化调度[J]，电力系统自动化，2014，38(17):91-97.李建伟,张新燕,王衡.计及风电消纳的共享储能优化模型，安徽大学学报，2021，45(1):60-66.周天睿，康重庆，徐乾耀等.电力系统碳排放流分析理论初探[J]，电力系统自动化，2012.36(7):38-43.姚春晓,刘文颖,郭虎等.多形态可控负荷参与风电消纳的荷源优化模型[J],可再生能源,2019,37(6):872-878.赵冬梅王浩翔陶然，计及风电-负荷不确定性的风-火-核-碳捕集多源协调优化调度[R],电工技术学报,2021.陈煌，黄汉昌，黎值源等，基于碳交易的含大规模光伏发电系统中抽水蓄能优化调度[J],电子器件，2020,43(3):569-573.易林，张玉荣，李杨等.低碳经济下含风储联合电力系统优化调度[J],2018,36(4):213-216.刘明涛，谢俊，张秋艳等.碳交易环