臧海祥，馬銘欣，周亦洲，夏倩倩，孫國(guó)強(qiáng)，衛(wèi)志農(nóng)

電力市場(chǎng)環(huán)境下風(fēng)電-光熱-生物質(zhì)混合電站魯棒優(yōu)化調(diào)度模型

臧海祥，馬銘欣，周亦洲，夏倩倩，孫國(guó)強(qiáng)，衛(wèi)志農(nóng)

(河海大學(xué)能源與電氣學(xué)院，江蘇 南京 211100)

以風(fēng)電場(chǎng)、光熱電站、生物質(zhì)鍋爐等組成混合電站并參與到電力市場(chǎng)中，能有效提高整體的運(yùn)營(yíng)收益。為解決混合電站參與電力市場(chǎng)運(yùn)行問題，從混合電站的結(jié)構(gòu)及運(yùn)行機(jī)理出發(fā)，提出了電力市場(chǎng)下風(fēng)電-光熱-生物質(zhì)混合電站魯棒優(yōu)化調(diào)度模型。該模型以最大化運(yùn)行利潤(rùn)為目標(biāo)函數(shù)，考慮了混合電站參與電力市場(chǎng)所獲收益、并網(wǎng)運(yùn)行環(huán)境效益、棄風(fēng)棄光懲罰成本、各組成部分運(yùn)行維護(hù)成本、系統(tǒng)運(yùn)行約束等因素。針對(duì)混合電站運(yùn)行面臨的不確定性和由此帶來(lái)的風(fēng)險(xiǎn)問題，采用魯棒優(yōu)化方法處理風(fēng)電功率、光熱功率、負(fù)荷及電力市場(chǎng)價(jià)格的不確定性，并建立風(fēng)險(xiǎn)量化指標(biāo)，平衡系統(tǒng)的魯棒性與經(jīng)濟(jì)性，為混合電站運(yùn)營(yíng)商提供決策依據(jù)。算例分析驗(yàn)證了所提模型和方法的有效性。

混合電站；魯棒優(yōu)化；風(fēng)險(xiǎn)量化指標(biāo)；優(yōu)化調(diào)度；電力市場(chǎng)

0 引言

近年來(lái)，能源危機(jī)和環(huán)境污染問題愈發(fā)嚴(yán)重，尋求可再生能源逐步代替化石能源已成為世界各國(guó)能源轉(zhuǎn)型和可持續(xù)發(fā)展的共識(shí)[1-2]。在能源替代發(fā)展過程中，光熱發(fā)電憑借其良好的可控性和可調(diào)度性，受到了廣泛的關(guān)注[3]。據(jù)中國(guó)可再生能源學(xué)會(huì)預(yù)計(jì)，2030年中國(guó)光熱發(fā)電容量有望達(dá)到30 GW，并在2050年達(dá)到180 GW[4]。光熱發(fā)電未來(lái)有望成為我國(guó)主要清潔能源發(fā)電技術(shù)之一。

目前，國(guó)內(nèi)外許多學(xué)者注重于利用光熱發(fā)電的靈活特性對(duì)風(fēng)電、光伏等間歇性可再生能源進(jìn)行調(diào)節(jié)，以提高可再生能源的消納能力[5-7]。文獻(xiàn)[7]建立了光熱電站經(jīng)濟(jì)調(diào)度模型，利用光熱電站內(nèi)部?jī)?chǔ)熱系統(tǒng)的可調(diào)容量，有效降低了可再生能源預(yù)測(cè)不準(zhǔn)確造成的棄電現(xiàn)象。文獻(xiàn)[8]提出了采用隨機(jī)優(yōu)化方法處理風(fēng)電出力、光熱出力的波動(dòng)性，并建立了多源發(fā)電系統(tǒng)兩階段優(yōu)化調(diào)度模型，提高了系統(tǒng)風(fēng)光消納率。文獻(xiàn)[9]建立了光熱-風(fēng)電聯(lián)合系統(tǒng)調(diào)度模型，證明了風(fēng)電和光熱的互補(bǔ)性，以及利用儲(chǔ)能的可調(diào)度性能平抑風(fēng)電出力波動(dòng)，從而減少棄風(fēng)。文獻(xiàn)[10]構(gòu)建了含儲(chǔ)熱光熱電站的電網(wǎng)調(diào)度模型，研究了光熱電站和風(fēng)電打捆并網(wǎng)的經(jīng)濟(jì)效益。文獻(xiàn)[11]建立了含光熱電站的多源系統(tǒng)優(yōu)化調(diào)度模型，并采用條件風(fēng)險(xiǎn)價(jià)值理論刻畫不確定性因素引起的系統(tǒng)運(yùn)行風(fēng)險(xiǎn)，證明了引入光熱電站可以提高系統(tǒng)新能源消納深度。文獻(xiàn)[12]建立了基于改進(jìn)粒子群算法的光伏光熱兩階段優(yōu)化調(diào)度模型，證明可以利用光熱電站的靈活特性，降低光伏出力隨機(jī)性的影響，提高太陽(yáng)資源利用率。

在電力市場(chǎng)環(huán)境下，光熱電站憑借其可調(diào)度性能作為獨(dú)立發(fā)電商參與市場(chǎng)運(yùn)行[13]。文獻(xiàn)[14]建立了風(fēng)電-光熱聯(lián)合調(diào)度模型，研究了混合電站參與日前能量和旋轉(zhuǎn)備用市場(chǎng)的調(diào)度問題，但未考慮風(fēng)電功率和光熱功率的間歇性和隨機(jī)性對(duì)混合電站運(yùn)行策略的影響。文獻(xiàn)[15]提出了多能源參與的電力現(xiàn)貨與輔助服務(wù)市場(chǎng)的聯(lián)合運(yùn)行方式，構(gòu)建了現(xiàn)貨與輔助服務(wù)市場(chǎng)的聯(lián)合優(yōu)化出清模型，但未考慮市場(chǎng)價(jià)格不確定性的影響。文獻(xiàn)[16]雖考慮了市場(chǎng)價(jià)格的不確定性，然而將火電機(jī)組與光熱電站相結(jié)合的方式并不具有環(huán)境優(yōu)勢(shì)。文獻(xiàn)[17]考慮了光熱功率和電力市場(chǎng)價(jià)格的不確定性，提出了光熱電站日前調(diào)度優(yōu)化模型。文獻(xiàn)[18]建立了光熱電站隨機(jī)優(yōu)化調(diào)度模型，計(jì)及了可再生能源出力和市場(chǎng)價(jià)格的不確定性。文獻(xiàn)[19]采用隨機(jī)優(yōu)化方法模擬光熱出力和市場(chǎng)價(jià)格的不確定性，建立了光熱-生物質(zhì)混合電站參與市場(chǎng)優(yōu)化運(yùn)行模型。然而，文獻(xiàn)[17-19]均未對(duì)不確定性帶來(lái)的影響進(jìn)行量化，容易造成決策的保守或冒進(jìn)。

為了降低間歇性可再生能源發(fā)電對(duì)系統(tǒng)運(yùn)行穩(wěn)定性的影響，風(fēng)電-光熱電站協(xié)調(diào)運(yùn)行需配備大容量的儲(chǔ)熱系統(tǒng)，導(dǎo)致其綜合發(fā)電成本高于主流發(fā)電方式，而風(fēng)電-光熱-生物質(zhì)混合發(fā)電是一種在提高運(yùn)行調(diào)度能力的同時(shí)降低平準(zhǔn)化發(fā)電成本的理想選擇。首先，生物質(zhì)作為可再生能源的一個(gè)分支，其與風(fēng)電-光熱電站的混合發(fā)電可以實(shí)現(xiàn)100%的可再生能源發(fā)電目標(biāo)。其次，生物質(zhì)發(fā)電有利于提高系統(tǒng)運(yùn)行靈活性，降低間歇性可再生能源出力波動(dòng)性對(duì)系統(tǒng)運(yùn)行穩(wěn)定性的影響，在國(guó)家節(jié)能減排政策的推廣下，可得到較好的發(fā)展[19]。此外，光熱電站和生物質(zhì)鍋爐通過共享電廠設(shè)備，能更大程度地降低電廠投資成本[20]。2012年世界上第一座商業(yè)化生物質(zhì)和光熱耦合電站(Termosolar Borges電站)在西班牙投運(yùn)[21]，也證明了該混合模式的可行性?？傮w而言，有關(guān)風(fēng)電-光熱-生物質(zhì)混合電站的研究尚處于起步階段，雖然在熱力學(xué)仿真方面已有部分研究成果，但在并網(wǎng)調(diào)度優(yōu)化、電力市場(chǎng)競(jìng)標(biāo)策略等方面的研究較少。因此，如何考慮混合電站運(yùn)行面臨的多種不確定性因素，對(duì)風(fēng)電-光熱-生物質(zhì)混合電站參與電力市場(chǎng)優(yōu)化運(yùn)行調(diào)度策略進(jìn)行研究具有十分重要且實(shí)際的意義。

基于上述背景，本文首先從混合電站結(jié)構(gòu)和運(yùn)行機(jī)理出發(fā)，提出電力市場(chǎng)環(huán)境下風(fēng)電-光熱-生物質(zhì)混合電站確定性優(yōu)化調(diào)度模型。該模型以最大化運(yùn)行利潤(rùn)為目標(biāo)，綜合考慮混合電站參與電力市場(chǎng)所獲收益、并網(wǎng)運(yùn)行環(huán)境效益、棄風(fēng)棄光懲罰成本、各組成部分運(yùn)行維護(hù)成本以及系統(tǒng)運(yùn)行約束等因素。其次，針對(duì)混合電站運(yùn)行面臨的風(fēng)電功率、光熱功率、負(fù)荷和電力市場(chǎng)價(jià)格不確定性和由此帶來(lái)的風(fēng)險(xiǎn)問題，采用魯棒優(yōu)化方法處理，并建立混合電站魯棒優(yōu)化調(diào)度模型。然后為了更好地量化風(fēng)險(xiǎn)水平，平衡混合電站的魯棒性與經(jīng)濟(jì)性，本文建立了風(fēng)險(xiǎn)水平度量指標(biāo)。在此基礎(chǔ)上，通過分析魯棒系數(shù)對(duì)決策方案和預(yù)期利潤(rùn)的影響，來(lái)確定最優(yōu)魯棒系數(shù)選擇方案，為混合電站運(yùn)營(yíng)商提供決策依據(jù)。

1 混合電站結(jié)構(gòu)及運(yùn)行機(jī)理

風(fēng)電-光熱-生物質(zhì)混合電站的能量耦合關(guān)系如圖1所示，混合電站主要由風(fēng)電場(chǎng)、電熱轉(zhuǎn)換器、生物質(zhì)鍋爐和光熱電站構(gòu)成。此外，根據(jù)功能的不同，光熱電站一般可劃分為3個(gè)相對(duì)獨(dú)立的能量模塊，即光場(chǎng)模塊、儲(chǔ)熱系統(tǒng)模塊、功率模塊及1個(gè)能量傳遞模塊，即熱流體傳遞系統(tǒng)。風(fēng)電場(chǎng)產(chǎn)生的電功率一部分用于滿足負(fù)荷需求，另一部分通過電熱轉(zhuǎn)換器轉(zhuǎn)換為熱能儲(chǔ)存在儲(chǔ)熱系統(tǒng)中，可在負(fù)荷較小時(shí)減少棄風(fēng)功率。光熱電站光場(chǎng)產(chǎn)生的熱功率一部分通過功率模塊轉(zhuǎn)換為電功率，另一部分直接儲(chǔ)存在儲(chǔ)熱系統(tǒng)中。生物質(zhì)鍋爐通過燃燒生物質(zhì)產(chǎn)生熱功率，并通過功率模塊轉(zhuǎn)換為電能或直接儲(chǔ)存在儲(chǔ)熱系統(tǒng)中。生物質(zhì)鍋爐和儲(chǔ)熱系統(tǒng)增加了系統(tǒng)運(yùn)行的靈活性，能夠在光熱電站光場(chǎng)出力、風(fēng)電場(chǎng)出力較低的時(shí)段增加混合電站出力，減少系統(tǒng)失負(fù)荷量，降低失負(fù)荷風(fēng)險(xiǎn)。

圖1 混合電站結(jié)構(gòu)及系統(tǒng)能流圖

2 混合電站確定性優(yōu)化調(diào)度模型

2.1 目標(biāo)函數(shù)

風(fēng)電-光熱-生物質(zhì)混合電站作為獨(dú)立運(yùn)營(yíng)商，能夠參與電力市場(chǎng)運(yùn)行，其目標(biāo)為凈利潤(rùn)最大。本文綜合考慮混合電站參與電力市場(chǎng)所獲收益、并網(wǎng)運(yùn)行環(huán)境效益、棄風(fēng)棄光懲罰成本、各組成部分運(yùn)行維護(hù)成本，目標(biāo)函數(shù)如式(1)所示。

1) 電力市場(chǎng)收益

混合電站在滿足負(fù)荷需求的同時(shí)，能參與電力市場(chǎng)，獲得一定的經(jīng)濟(jì)收益。

2) 混合電站環(huán)境效益

風(fēng)電、光熱電站等清潔能源并網(wǎng)運(yùn)行時(shí)，會(huì)相應(yīng)減少燃煤電站的并網(wǎng)發(fā)電量，降低硫、硝等環(huán)境污染物的排放，由此將會(huì)產(chǎn)生一定的環(huán)境效益[22-23]。

3) 棄風(fēng)、棄光懲罰成本

風(fēng)光等可再生能源在并網(wǎng)運(yùn)行時(shí)，不可避免會(huì)發(fā)生棄風(fēng)、棄光的情況，從而產(chǎn)生棄風(fēng)、棄光的懲罰成本。

4) 風(fēng)電場(chǎng)運(yùn)行維護(hù)成本

風(fēng)力發(fā)電屬于可再生能源發(fā)電，發(fā)電過程中雖不消耗化石燃料，但風(fēng)機(jī)運(yùn)行過程中會(huì)產(chǎn)生維護(hù)成本。風(fēng)電場(chǎng)運(yùn)行維護(hù)成本與其輸出功率近似成線性關(guān)系[22]，表示為

5) 光場(chǎng)運(yùn)行維護(hù)成本

光場(chǎng)的運(yùn)行維護(hù)成本與其輸出熱功率近似成線性關(guān)系，表示如式(6)所示。

6) 儲(chǔ)熱系統(tǒng)運(yùn)行維護(hù)成本

光熱電站儲(chǔ)熱系統(tǒng)的運(yùn)行維護(hù)成本與其放熱功率有關(guān)，計(jì)算公式為

7) 生物質(zhì)鍋爐運(yùn)行維護(hù)及燃料總成本

生物質(zhì)鍋爐的運(yùn)行維護(hù)成本與其輸出功率近似呈線性關(guān)系；此外，生物質(zhì)鍋爐運(yùn)行過程中會(huì)產(chǎn)生燃料成本。生物質(zhì)鍋爐的總成本表示如式(8)所示。

2.2 約束條件

風(fēng)電-光熱-生物質(zhì)混合電站運(yùn)行過程需滿足功率平衡約束、光熱電站約束、生物質(zhì)鍋爐約束、風(fēng)電場(chǎng)約束，具體公式如下。

1) 功率平衡約束

混合電站輸出的電功率需要滿足負(fù)荷需求，電功率差額可參與電力市場(chǎng)獲得收益，即

2) 光熱電站運(yùn)行約束

(1) 光場(chǎng)約束

一般情況下，光場(chǎng)輸出的熱功率與產(chǎn)熱功率相等。然而，當(dāng)太陽(yáng)輻射強(qiáng)度過大時(shí)，光場(chǎng)需棄掉一部分能量。因此，光場(chǎng)輸出的熱功率需考慮棄熱。棄熱功率需滿足的上下限約束如下所示。

(2) 儲(chǔ)熱系統(tǒng)約束

儲(chǔ)熱系統(tǒng)當(dāng)前時(shí)刻的儲(chǔ)熱量與儲(chǔ)熱功率、放熱功率和前一時(shí)刻的儲(chǔ)熱量相關(guān)，即

儲(chǔ)熱系統(tǒng)在儲(chǔ)放熱過程中伴隨著熱量損失，表示如下。

儲(chǔ)熱系統(tǒng)的儲(chǔ)熱功率和放熱功率會(huì)受最大熱傳遞功率的限制，需滿足如下約束。

此外，由于儲(chǔ)熱系統(tǒng)中儲(chǔ)熱介質(zhì)在同一時(shí)刻不能雙向流動(dòng)，即儲(chǔ)熱系統(tǒng)不能同時(shí)進(jìn)行儲(chǔ)熱、放熱操作。因此，需要對(duì)儲(chǔ)熱系統(tǒng)的儲(chǔ)熱、放熱狀態(tài)進(jìn)行約束，即

為了避免儲(chǔ)熱介質(zhì)的凝固，儲(chǔ)熱系統(tǒng)通常有最小儲(chǔ)熱量的限制；同時(shí)，最大儲(chǔ)熱量受儲(chǔ)熱罐容量限制。此外，為了滿足多日連續(xù)運(yùn)行的需要，儲(chǔ)熱系統(tǒng)在一個(gè)調(diào)度周期內(nèi)始末儲(chǔ)熱量相等，即

(3) 功率模塊運(yùn)行約束

高溫介質(zhì)通過功率模塊時(shí)，其攜帶的熱能被轉(zhuǎn)化為電能，功率模塊的熱電轉(zhuǎn)換功率平衡方程表示如下。

與常規(guī)燃煤機(jī)組功率模塊類似，光熱電站的功率模塊運(yùn)行時(shí)需考慮機(jī)組輸出功率、爬坡速率、開停機(jī)時(shí)間約束。

(4) 熱流體傳遞系統(tǒng)運(yùn)行約束

熱流體傳遞系統(tǒng)的能量平衡方程可表示為

3) 生物質(zhì)鍋爐運(yùn)行約束

生物質(zhì)鍋爐通過燃燒將化學(xué)能轉(zhuǎn)化為熱能，其輸出熱功率等于單位時(shí)間生物質(zhì)燃料燃燒的質(zhì)量、熱值與效率的乘積，即

與光熱電站功率模塊類似，生物質(zhì)鍋爐運(yùn)行過程中同樣需要滿足輸出功率、爬坡速率、開停機(jī)時(shí)間等約束，即

生物質(zhì)鍋爐產(chǎn)生的熱量可直接輸送到功率模塊用于發(fā)電，也可儲(chǔ)存于儲(chǔ)熱系統(tǒng)，增加了系統(tǒng)運(yùn)行的靈活性，其功率平衡方程式為

4) 風(fēng)電場(chǎng)運(yùn)行約束

風(fēng)電場(chǎng)產(chǎn)生的電功率一部分需滿足負(fù)荷需求及參與市場(chǎng)競(jìng)標(biāo)，另一部分在負(fù)荷需求較低的時(shí)段通過電熱轉(zhuǎn)換器產(chǎn)生熱量?jī)?chǔ)存在儲(chǔ)熱系統(tǒng)中，即

3 混合電站魯棒優(yōu)化調(diào)度模型

3.1 不確定性處理

其中，

則式(41)可以表示為

因此，光熱功率的不確定性區(qū)間可表示為

其中，

電力市場(chǎng)價(jià)格的不確定性區(qū)間可以表示為

其中，

此外，風(fēng)電功率、負(fù)荷的不確定區(qū)間形式與光熱功率一致，不再贅述。

3.2 魯棒優(yōu)化模型

采用文獻(xiàn)[27]中的魯棒優(yōu)化方法處理風(fēng)電功率、光熱功率、電力市場(chǎng)價(jià)格、負(fù)荷的不確定性，具體的目標(biāo)函數(shù)和相關(guān)約束如下所示。

1) 目標(biāo)函數(shù)

2) 魯棒約束

3.3 系統(tǒng)風(fēng)險(xiǎn)成本

將混合電站運(yùn)行時(shí)的風(fēng)險(xiǎn)成本納入目標(biāo)函數(shù)，即為混合電站計(jì)及風(fēng)險(xiǎn)后的運(yùn)行利潤(rùn)。

4 算例分析

4.1 算例系統(tǒng)

表1 風(fēng)電場(chǎng)相關(guān)設(shè)備參數(shù)

表2 光熱電站相關(guān)設(shè)備參數(shù)

表3 生物質(zhì)鍋爐相關(guān)參數(shù)

風(fēng)電功率、市場(chǎng)電價(jià)、系統(tǒng)負(fù)荷數(shù)據(jù)取自文獻(xiàn)[31]，光熱功率來(lái)自西班牙IBERDROLA CSP電站的歷史數(shù)據(jù)[17]。光熱功率、風(fēng)電功率、系統(tǒng)負(fù)荷、電力市場(chǎng)電價(jià)上下限及其使用蒙特卡洛隨機(jī)生成的30種場(chǎng)景分別如圖2(a)—圖2(d)所示。

圖2 算例測(cè)試數(shù)據(jù)上下限及其30種隨機(jī)場(chǎng)景

4.2 魯棒系數(shù)的影響

1) 魯棒系數(shù)對(duì)利潤(rùn)的影響

圖3表示魯棒系數(shù)對(duì)混合電站利潤(rùn)的影響。由圖3可知，不計(jì)風(fēng)險(xiǎn)時(shí)，混合電站的利潤(rùn)隨著系統(tǒng)魯棒系數(shù)的增加呈現(xiàn)逐漸降低的趨勢(shì)，這是由于隨著魯棒系數(shù)的增加，決策的保守性增加，從而導(dǎo)致混合電站在電力市場(chǎng)的競(jìng)標(biāo)量減少，參與市場(chǎng)運(yùn)行收益減少，進(jìn)而降低了經(jīng)濟(jì)性。當(dāng)魯棒系數(shù)為100%時(shí)，系統(tǒng)魯棒性最強(qiáng)，但由于此時(shí)混合電站的決策過于保守，混合電站的利潤(rùn)最低。而計(jì)及風(fēng)險(xiǎn)后，混合電站的利潤(rùn)隨著魯棒系數(shù)的提高呈現(xiàn)先增大后減小的趨勢(shì)，且在魯棒系數(shù)為20%時(shí)達(dá)到最大值。這是由于魯棒系數(shù)的增大提高了系統(tǒng)的魯棒性，降低了失負(fù)荷風(fēng)險(xiǎn)，使得風(fēng)險(xiǎn)成本降低，混合電站的利潤(rùn)有所提高。而當(dāng)魯棒系數(shù)繼續(xù)增大時(shí)，混合電站風(fēng)險(xiǎn)成本的降低不足以彌補(bǔ)混合電站在電力市場(chǎng)減少的收益，表現(xiàn)為混合電站的總利潤(rùn)降低。

圖3 魯棒系數(shù)對(duì)混合電站利潤(rùn)的影響

2) 魯棒系數(shù)對(duì)電力市場(chǎng)競(jìng)標(biāo)量的影響

圖4表示魯棒系數(shù)為0%(確定性模型)、魯棒系數(shù)為20%、魯棒系數(shù)為100%時(shí)混合電站在電力市場(chǎng)競(jìng)標(biāo)量的情況。

圖4 魯棒系數(shù)對(duì)混合電站競(jìng)標(biāo)量的影響

由圖4可以看出，基于決策的保守性，魯棒優(yōu)化模型中混合電站在電力市場(chǎng)的競(jìng)標(biāo)量小于確定性模型，且魯棒系數(shù)越大，決策越保守，混合電站在電力市場(chǎng)的競(jìng)標(biāo)量越少，參與市場(chǎng)運(yùn)行所獲收益越少。此外，對(duì)比圖3可以看出，當(dāng)魯棒系數(shù)為100%時(shí)，混合電站在部分時(shí)段幾乎不向電力市場(chǎng)售電，混合電站運(yùn)行利潤(rùn)最低。

3) 魯棒系數(shù)對(duì)運(yùn)行策略的影響

圖5(a)和圖5(b)為魯棒系數(shù)對(duì)生物質(zhì)鍋爐到儲(chǔ)熱系統(tǒng)、到功率模塊功率的影響情況。由圖5可以看出，當(dāng)魯棒系數(shù)為0(即確定性模型)時(shí)，由于生物質(zhì)鍋爐的發(fā)電成本較低，生物質(zhì)鍋爐一直保持著滿負(fù)荷的狀態(tài)運(yùn)行。此外，為了獲得更高的電力市場(chǎng)收益，在電力市場(chǎng)電價(jià)較低的01：00—06：00和15：00—16：00，生物質(zhì)鍋爐的熱功率以熱能的形式儲(chǔ)存在儲(chǔ)熱系統(tǒng)中；在電力市場(chǎng)價(jià)格較高的07：00—14：00和17：00—19：00，生物質(zhì)鍋爐產(chǎn)生的熱能通過功率模塊進(jìn)行發(fā)電。此外，隨著魯棒系數(shù)的增加，生物質(zhì)鍋爐產(chǎn)生的熱功率更多以直接發(fā)電的形式滿足靈活性負(fù)荷變化需求。

圖5 魯棒系數(shù)對(duì)生物質(zhì)鍋爐到儲(chǔ)熱系統(tǒng)、到功率模塊功率的影響

圖6(a)和圖6(b)分別表示魯棒系數(shù)對(duì)儲(chǔ)熱系統(tǒng)儲(chǔ)熱功率、放熱功率的影響。

圖6 魯棒系數(shù)對(duì)儲(chǔ)熱系統(tǒng)儲(chǔ)熱功率、放熱功率的影響

由圖6可以看出，當(dāng)魯棒系數(shù)為0時(shí)，混合電站儲(chǔ)熱系統(tǒng)在電價(jià)比較低的01：00—07：00和15：00—16：00儲(chǔ)熱，以便在市場(chǎng)價(jià)格高的09：00—13：00和17：00—18：00放熱增加系統(tǒng)出力，以提高混合電站在電力市場(chǎng)中的競(jìng)標(biāo)量，獲得更高的電力市場(chǎng)收益。

4) 混合電站優(yōu)化運(yùn)行策略分析

為研究混合電站各組成部分參與電力市場(chǎng)時(shí)的運(yùn)行策略，以魯棒系數(shù)20%為例，對(duì)優(yōu)化結(jié)果進(jìn)行分析，具體結(jié)果如圖7所示。由圖7可以看出，通過優(yōu)化混合電站運(yùn)行策略，在01：00—07：00，當(dāng)光場(chǎng)的熱功率為0時(shí)，風(fēng)電場(chǎng)的電功率主要用于滿足負(fù)荷需求，剩余的電功率參與電力市場(chǎng)競(jìng)標(biāo)，增加混合電站運(yùn)行收益。在08：00—18：00，當(dāng)光場(chǎng)的熱功率增多時(shí)，功率模塊開始輸出電功率以滿足負(fù)荷增加和參與電力市場(chǎng)競(jìng)標(biāo)的需求，且當(dāng)電力市場(chǎng)價(jià)格較高時(shí)，功率模塊維持在高輸出功率狀態(tài)，以獲得更大的市場(chǎng)收益。

圖7 混合電站各組成部分運(yùn)行策略

5 結(jié)論

本文提出了電力市場(chǎng)環(huán)境下風(fēng)電-光熱-生物質(zhì)混合電站優(yōu)化調(diào)度模型。為應(yīng)對(duì)混合電站面臨的不確定因素，采用魯棒優(yōu)化方法處理風(fēng)電功率、光熱功率、負(fù)荷和電力市場(chǎng)價(jià)格的不確定性，并建立風(fēng)險(xiǎn)量化指標(biāo)，平衡系統(tǒng)魯棒性與經(jīng)濟(jì)性。算例測(cè)試結(jié)果表明：

1) 風(fēng)電-光熱-生物質(zhì)混合電站具有較強(qiáng)的可調(diào)度性，通過合理制定風(fēng)電場(chǎng)、光熱電站、生物質(zhì)鍋爐參與市場(chǎng)運(yùn)行的策略，能有效提高整體的利潤(rùn)。為實(shí)現(xiàn)收益提升，風(fēng)電功率除滿足負(fù)荷需求外，還可參與電力市場(chǎng)競(jìng)標(biāo)獲得收益；此外，光熱電站儲(chǔ)熱系統(tǒng)、生物質(zhì)鍋爐不僅提高了混合電站運(yùn)行靈活性，還可通過優(yōu)化其運(yùn)行策略增加混合電站在電力市場(chǎng)的競(jìng)標(biāo)量，以獲得更高的電力市場(chǎng)收益。

2) 魯棒優(yōu)化方法能降低混合電站運(yùn)行時(shí)不確定性因素帶來(lái)的風(fēng)險(xiǎn)，魯棒系數(shù)越大，混合電站面臨的風(fēng)險(xiǎn)越小。風(fēng)險(xiǎn)量化指標(biāo)能很好地權(quán)衡混合電站的魯棒性與經(jīng)濟(jì)性，通過計(jì)及風(fēng)險(xiǎn)后的利潤(rùn)分析，可為混合電站運(yùn)營(yíng)商選擇最優(yōu)魯棒系數(shù)和運(yùn)行策略提供有效參考。

[1] 劉振亞. 全球能源互聯(lián)網(wǎng)[M]. 北京: 中國(guó)電力出版社, 2015.

[2] OLUSOLA J O. The legal sustainability of energy substitution in Nigeria’s electric power sector: renewable energy as alternative[J]. Protection and Control of Modern Power Systems, 2020, 5(4): 358-369.

[3] 傅旭, 楊欣, 汪瑩, 等. 光熱電站容量效益評(píng)估及影響因素研究[J]. 電力工程技術(shù), 2021, 40(3): 186-192.

FU Xu, YANG Xin, WANG Ying, et al. Capacity benefit evaluation and influencing factors of optical thermal power station[J]. Electric Power Engineering Technology, 2021, 40(3): 186-192.

[4] 馮陳佳, 邵成成, 王雅楠, 等. 考慮啟動(dòng)熱量約束的光熱機(jī)組優(yōu)化運(yùn)行模型[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(13): 39-48.

FENG Chenjia, SHAO Chengcheng, WANG Yanan, et al. Optimal operation model of concentrating solar power units considering startup heat constraints[J]. Automation of Electric Power Systems, 2019, 43(13): 39-48.

[5] 楊勇, 郭蘇, 劉群明, 等. 風(fēng)電–CSP聯(lián)合發(fā)電系統(tǒng)優(yōu)化運(yùn)行研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2018, 38(增刊1): 151-157.

YANG Yong, GUO Su, LIU Qunming, et al. Study on optimal operation of wind power CSP combined generation system[J]. Proceedings of the CSEE, 2018, 38(S1): 151-157.

[6] 劉新元, 程雪婷, 薄利明, 等. 考慮源荷協(xié)調(diào)的含儲(chǔ)熱光熱電站和風(fēng)電系統(tǒng)的日前-日內(nèi)調(diào)度策略[J]. 中國(guó)電力, 2021, 54(8): 144-153.

LIU Xinyuan, CHENG Xueting, BO Liming, et al. Day-ahead and intra-day scheduling strategy of concentrated solar power station with thermal energy storage and wind farm considering coordination between generation and load[J]. Electric Power, 2021, 54(8): 144-153.

[7] 車泉輝, 婁素華, 吳耀武, 等. 計(jì)及條件風(fēng)險(xiǎn)價(jià)值的含儲(chǔ)熱光熱電站與風(fēng)電電力系統(tǒng)經(jīng)濟(jì)調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(10): 2047-2055.

CHE Quanhui, LOU Suhua, WU Yaowu, et al. Economic dispatch of thermal power station with thermal storage and wind power system considering conditional value at risk[J]. Transactions of China Electrotechnical Society, 2019, 34(10): 2047-2055.

[8] 贠韞韻, 董海鷹, 陳釗, 等. 考慮隨機(jī)性及光熱電站參與的多源發(fā)電系統(tǒng)兩階段隨機(jī)優(yōu)化調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(4): 30-38.

YUN Yunyun, DONG Haiying, CHEN Zhao, et al. A two-stage stochastic scheduling optimization for multi-source power system considering randomness andconcentrating solar power plant participation[J]. Power System Protection and Control, 2020, 48(4): 30-38.

[9] 宋汶秦, 呂金歷, 趙玲霞, 等. 光熱-風(fēng)電聯(lián)合運(yùn)行的電力系統(tǒng)經(jīng)濟(jì)調(diào)度策略研究[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(5): 95-102.

SONG Wenqin, Lü Jinli, ZHAO Lingxia, et al. Study on eco-nomic dispatch strategy of power system with combined operation of solar thermal and wind power[J]. Power System Protection and Control, 2020, 48(5): 95-102.

[10] 陳潤(rùn)澤, 孫宏斌, 李正爍, 等. 含儲(chǔ)熱光熱電站的電網(wǎng)調(diào)度模型與并網(wǎng)效益分析[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(19): 1-7.

CHEN Runze, SUN Hongbin, LI Zhengshuo, et al. Power grid dispatching model and benefit analysis of thermal power station with thermal storage[J]. Automation of Electric Power Systems, 2014, 38(19): 1-7.

[11] 贠韞韻, 董海鷹, 馬志程, 等. 考慮需求響應(yīng)與光熱電站參與的多源系統(tǒng)優(yōu)化經(jīng)濟(jì)調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(14): 140-149.

YUN Yunyun, DONG Haiying, MA Zhicheng, et al. Optimization economic dispatch of a multi-source system considering the participation of demand response and concentrating solar power plant[J]. Power System Protection and Control, 2020, 48(14): 140-149.

[12] 苗淼, 劉賽, 施濤, 等. 光伏光熱聯(lián)合發(fā)電基地并網(wǎng)優(yōu)化調(diào)度模型[J]. 中國(guó)電力, 2019, 52(4): 51-58.

MIAO Miao, LIU Sai, SHI Tao, et al. Optimal dispatch model of grid-connected power base considering photovoltaic power and concentrating solar power[J]. Electric Power, 2019, 52(4): 51-58.

[13] USOLA J. Operation of concentrating solar power plants with storage in spot electricity markets[J]. IET Renewable Power Generation, 2012, 6(1): 59-66.

[14] POUSINHO, HMI, SILVA, et al. Self-scheduling for energy and spinning reserve of wind/CSP plants by a MILP approach[J]. Energy, 2014, 78: 524-534.

[15] 黃冬生, 吳引航, 呂翔, 等. 多能源參與的電力主輔市場(chǎng)聯(lián)合優(yōu)化模型[J]. 電力需求側(cè)管理, 2019, 21(6): 30-34.

HUANG Dongsheng, WU Yinhang, Lü Xiang, et al. Joint optimization model of power main and auxiliary markets with multi energy participation[J]. Power Demand Side Management, 2019, 21(6): 30-34.

[16] POUSINHO, HMI, CONTRERAS, et al. Robust optimisation for self-scheduling and bidding strategies of hybrid CSP-fossil power plants[J]. International Journal of Electrical Power & Energy Systems, 2015, 67: 639-650.

[17] DOMINGUEZ R, BARINGO L, CONEJO A J. Optimal offering strategy for a concentrating solar power plant[J]. Applied Energy, 2012, 98: 316-325.

[18] YU D, EBADI A G, JERMSITTIPARSERT K, et al. Risk-constrained stochastic optimization of a concentrating solar power plant[J]. IEEE Transactions on Sustainable Energy, 2020, 11(3): 1464-1472.

[19] WANG Y, LOU S, WU Y, et al. Operation strategy of a hybrid solar and biomass power plant in the electricity markets[J]. Electric Power Systems Research, 2019, 167: 183-191.

[20] SAHOO U, KUMAR R, PANT P C, et al. Resource assessment for hybrid solar-biomass power plant and its thermodynamic evaluation in India[J]. Solar Energy, 2016, 139: 47-57.

[21] LES B B. First commercial CSP-Biomass hybrid power plant in Spain[EB/OL]. [2015-06-24]. http://biomass power. Gov. in/document/.

[22] 崔楊, 張匯泉, 仲悟之, 等. 計(jì)及價(jià)格型需求響應(yīng)及CSP電站參與的風(fēng)電消納日前調(diào)度[J]. 電網(wǎng)技術(shù), 2020, 44(1): 183-191.

CUI Yang, ZHANG Huiquan, ZHONG Wuzhi, et al. Take account of the price type demand response and the CSP power station's participation in the wind power consumption scheduling[J]. Power System Technology, 2020, 44(1): 183-191.

[23] 岳云力, 李倩, 方勇, 等. 考慮風(fēng)電消納的電供暖多方合作博弈研究[J]. 浙江電力, 2020, 39(9): 95-102.

YUE Yunli, LI Qian, FANG Yong, et al. Research on multi-party cooperative game of electric heating considering wind power consumption[J]. Zhejiang Electric Power, 2020, 39(9): 95-102.

[24] VIJAYA L A S V, RAMALINGA R M, MANGIPUDI S K. Design of a robust PID-PSS for an uncertain power system with simplified stability conditions[J]. Protection and Control of Modern Power Systems, 2020, 5(3): 202-217.

[25] 戴璐平, 吳薇, 黃蓓雯. 考慮不確定性的分布式家庭并網(wǎng)光伏系統(tǒng)魯棒優(yōu)化能量調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(3): 48-55.

DAI Luping, WU Wei, HUANG Beiwen. Optimal energy scheduling for family grid-connected photovoltaic systems considering uncertainty[J]. Power System Protection and Control, 2019, 47(3): 48-55.

[26] 于騰凱, 董靚媛, 杜曉東, 等. 考慮機(jī)會(huì)約束的配電網(wǎng)光伏并網(wǎng)容量分布魯棒優(yōu)化方法[J]. 電力系統(tǒng)保護(hù)與控制, 2021,49(10): 43-50.

YU Tengkai, DONG Liangyuan, DU Xiaodong, et al. Distributionally robust optimization method of PV grid-connected capacity in a distribution network considering chance constraints[J]. Power System Protection and Control, 2021, 49(10): 43-50.

[27] 孫國(guó)強(qiáng), 周亦洲, 衛(wèi)志農(nóng), 等. 能量和旋轉(zhuǎn)備用市場(chǎng)下虛擬電廠熱電聯(lián)合調(diào)度魯棒優(yōu)化模型[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2017, 37(11): 3118-3128, 3367.

SUN Guoqiang, ZHOU Yizhou, WEI Zhinong, et al. Robust optimization model for cogeneration scheduling of virtual power plants in energy and spinning reserve market[J]. Proceedings of the CSEE, 2017, 37(11): 3118-3128, 3367.

[28] 夏澍, 顧勁岳, 葛曉琳, 等. 風(fēng)光聯(lián)合優(yōu)化配置的多目標(biāo)機(jī)會(huì)約束規(guī)劃方法[J]. 電力系統(tǒng)保護(hù)與控制, 2016, 44(6): 35-40.

XIA Shu, GU Jinyue, GE Xiaolin, et al. Multiobjective chance-constrained programming method for wind generations and photovoltaic allocating[J]. Power System Protection and Control, 2016, 44(6): 35-40.

[29] WANG Y, LOU S, WU Y, et al. Co-allocation of solar field and thermal energy storage for CSP plants in wind-integrated power system[J]. IET Renewable Power Generation, 2018, 12(14): 1668-1674.

[30] LI R, GUO S, YANG Y, et al. Optimal sizing of wind/ concentrated solar plant/electric heater hybrid renewable energy system based on two-stage stochastic programming[J]. Energy, 2020, 209.

[31] ZHAO S, FANG Y, WEI Z. Stochastic optimal dispatch of integrating concentrating solar power plants with wind farms[J]. International Journal of Electrical Power & Energy Systems, 2019, 109: 575-583.

Robust optimal scheduling model for a ‘wind power-concentrating solar power-biomass’ hybrid power plant in the electricity market

ZANG Haixiang, MA Mingxin, ZHOU Yizhou, XIA Qianqian, SUN Guoqiang, WEI Zhinong

(College of Energy and Electrical Engineering, Hohai University, Nanjing 211100, China)

A hybrid power plant composed of wind farm, concentrating solar power station and biomass boiler can effectively improve overall operating income while participating in the power market. The study focuses on the integration of the hybrid power plant in the electricity market. A robust optimal scheduling model for wind power-concentrating solar power-biomass hybrid power plant is proposed based on the structure and operation mechanism of the plant. The model takes maximizing operating profit as the objective function, and considers the benefits of hybrid power plant participating in the power market, the environmental benefits of parallel operation, the penalty costs of wind abandonment and solar abandonment, the operating and maintenance costs of each component, and the system operation constraints. Given the uncertainty faced by a hybrid power plant and the risks that it entails, a robust optimization approach is used to deal with the uncertainties brought by the wind power, concentrating solar power, load, and electricity market prices. In addition, a risk index system is presented to balance the robustness and economy of the system. This provides a decision-making basis for hybrid power plant operators. The numerical examples verify the effectiveness of the proposed model and method.

hybrid power plant; robust optimization; quantitative risk index; optimal scheduling; electricity market

10.19783/j.cnki.pspc.210885

國(guó)家自然科學(xué)基金項(xiàng)目資助(52077060)

This work is supported by the National Natural Science Foundation of China (No. 52077060).

2021-07-12；

2021-09-25

臧海祥(1986—)，男，通信作者，博士，副教授，主要研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃與運(yùn)行分析、新能源發(fā)電技術(shù)等；E-mail: zanghaixiang@hhu.edu.cn

馬銘欣(1995—)，男，碩士研究生，主要研究方向?yàn)楣鉄岚l(fā)電及其優(yōu)化運(yùn)行；E-mail: 657603324@qq.com

周亦洲(1993—)，男，博士，講師，主要研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃與運(yùn)行、綜合能源系統(tǒng)、電力市場(chǎng)等。E-mail: yizhou@hhu.edu.cn

(編輯 張愛琴)