基于模拟退火算法的风-光热打捆发电系统成本优化

宋汶秦, 张文莲, 吕金历, 李锦键, 王兴贵, 杨维满

(1.国网甘肃省电力公司经济技术研究院, 甘肃 兰州 730000； 2.兰州理工大学 电气工程与信息工程学院, 甘肃 兰州 730050)

风能和太阳能等新能源大量集中在我国西北地区[1].近年来,由于大量新能源发电并网,造成电力系统运行不稳定[2].风电属于间歇性能源,其运行需要额外配备一定容量的储能装置[3],所以可直接令含有储热装置(thermal storage system,TSS)的光热电站(concentrating solar power,CSP)作为补偿电源.这使得风-光热打捆发电系统(wind-CSP generation system,W-CSPGS)成为研究热点.W-CSPGS的优势在于,可利用TSS调整CSP电站的出力,进而使W-CSPGS的输出功率更加平滑[4].

目前,国内对于W-CSPGS及其运行特性已有大量的研究成果.曹喜民等[5]建立了风-火电多电源优化配置模型,并考虑该打捆系统的环保性和经济性,最终确定了风-火电打捆的最优出力比例.张鹏等[6]提出了CSP发电与风电互补的发电模式,通过利用风电过剩电力加热熔融盐进行储热的手段,降低了弃风率,从根本上解决了电网调峰和消纳能力不足的问题.张宏等[7]以风电-光热-光伏联合发电系统为研究对象,通过模糊优化,使该系统得到最大的并网效益,并且输出功率波动有所降低,最终提高了联合系统的运行效益.刘芳等[8]对联合发电系统中风电的不确定性进行建模分析,解决了多能源的协调优化及风电的有效消纳问题.但是,已有的文献缺乏对打捆发电系统单位发电成本的建模及其优化策略的研究.

本文以W-CSPGS为研究对象,建立其单位发电成本的数学模型,以打捆系统正常运行为约束条件,采用模拟退火算法,提出一种单位发电成本最低的优化控制策略.最后通过算例分析及仿真验证了该优化控制策略的有效性.

1 风-光热打捆发电系统

1.1 打捆发电系统运行机理

W-CSPGS的结构如图1所示,主要由风力发电系统、光热发电系统以及调度系统组成.风力发电系统将风能转化为电能,经调度系统传输到电力系统.光热发电系统中,经蒸汽发生器中产生蒸汽推动汽轮机发电.调度系统用来接收风电和光热的预测负荷数据和实时负荷数据,协调风电和光热出力,以满足电网负荷实际需求,同时保证风-光热打捆发电平稳外送.

图1 风光热打捆发电系统结构图Fig.1 W-CSP generation system structure

1.2 打捆发电系统运行模式

W-CSPGS发电模式是为了缓解风力发电带来的间歇性和波动性,充分利用打捆系统的互补特性,通过功率协调控制,保证打捆系统平稳运行.W-CSPGS主要有4种工作模式[9].

1) 风-储发电模式

有风无光照时,首先保证风力发电系统以最大功率输出,再利用CSP电站中TSS存储的能量进行发电,以满足系统出力要求.

2) 光-储发电摸式

无风有光照时,风力发电系统无法启动.CSP电站充分利用太阳辐射能发电及TSS辅助发电,以满足系统出力要求.

3) 风-光-储发电模式

有风有光照时,为保证系统出力要求,风力发电系统采用最大功率输出,由CSP辅助发电,同时将用于发电之外的多余热能存储.

4) 储热发电模式

无风无光照时,系统仅利用CSP系统中TSS存储的能量进行发电,以保证系统出力要求.

因此W-CSPGS运行状态的优化控制方法可以分为以下几个步骤：

(1) 调度系统接受风电站和CSP电站的预测负荷数据、实时负荷数据和线路允许传输最大功率；

(2) 协调风电和光热出力,以满足系统的出力要求；

(3) 构建以W-CSPGS单位发电成本最低为优化目标,对风电和光热发电功率优化后调节风电和光热出力；

(4) 协调控制风电和光热出力.

2 风-光热打捆系统单位发电成本优化策略

通过对W-CSPGS的运行机理和运行模式的分析,建立打捆系统单位发电成本最低的优化控制模型.模型可具体描述为：在互联系统风电装机容量与CSP发电装机容量一定,且系统并网线路允许传输功率一定的情况下,以完全消纳风电为基础,以互联系统的单位发电成本最小为目标函数,以互联系统安全稳定运行为约束条件,用模拟退火算法优化CSP发电的输出功率.

2.1 风-光热打捆系统单位发电成本模型

2.1.1模型目标函数

本模型以W-CSPGS单位发电成本最小为目标函数,具体如下：

(1)

式中:S为打捆系统单位发电成本；SCSP为CSP电站机组总投资成本;Swind为风电机组总投资成本;Sm为系统运维成本；E为打捆系统在研究尺度内的总发电量.上述变量的具体计算方法为

(2)

(3)

(4)

2.1.2模型约束条件

本模型的约束条件主要包括风电、CSP电站正常、安全运行时的约束.

1) CSP电站出力约束为

(5)

2) 汽轮机组功率爬坡约束为

(6)

3) 储热系统的容量约束为

(7)

4) 储热系统不能同时充放热约束为

(8)

5) 风电场出力约束为

(9)

6) 线路最大传输功率约束为

(10)

2.2 风-光热打捆功率协调控制优化算法

本文所提出的优化模型是含有多约束条件的非线性模型.模拟退火算法(simulated annealing,SA)对初始值没有很强的依赖性以及广阔的搜寻空间,因此被广泛地应用于含有多约束的非线性模型中.

SA算法可以通过缓慢降低固体温度使固体内部的能量最低,同时获得内部粒子的最优状态.该算法之所以能够跳出局部最小,是因为它在新解接受时,采用Metropolis重要性采样.Metropolis重要性采样可以表示为

(11)

式中：p为新解被接受的概率；ΔE为系统能量之差,即ΔE=ETi-ETi-1.

SA算法的基本步骤如下：

(1) 给定粒子开始退火的初始温度,即令T=T0.同时随机选定粒子的初始位置X0,并计算该状态所对应的能量ET0；

(2) 令T等于冷却温度表中的下一个值Ti；

(3) 对该温度下的粒子位置进行随机扰动,得到一个新的位置Xi,并计算该状态所对应的能量;

(4) 若ΔE<0,则该新的位置状态就作为当前最优的位置状态,即当前最优解；若ΔE>0,则新的位置状态Xi按照式(11)的概率被接受为当前最优解;

(5) 在当前温度Ti下,重复执行步骤(3,4);

(6) 判断T是否达到终止温度Tf,是,则结束算法；否,则转至步骤(2),继续执行.

综上所述,本文提出的打捆系统单位发电成本最低优化控制策略流程图如图2所示.

图2 单位发电成本优化控制流程框图Fig.2 Block diagram of optimal control flow for unit power generation cost

3 算例分析

选取我国西北某地区的风电场与CSP电站组成W-CSPGS,在线路允许最大负荷条件下,保证完全消纳风电,CSP电站用于补偿风电出力.通过对比使用所提的优化控制策略前后打捆系统单位发电成本,验证了其可行性与有效性.

3.1 仿真模型参数

仿真参数为：风电场机组单位投资成本为800 万元/MW[10],根据国际能源署所给数据,CSP电站机组单位投资成本为2 270万元/MW；风电场运维成本系数为0.5 元/kW·h[11],参照美国SEGS的数据,CSP电站运维成本系数为0.26 元/kW·h；并网线路最大允许输送功率为150 MW,风电场总装机容量为200 MW,CSP电站总装机容量为100 MW.CSP电站主要参数见表1[12].

表1 100 MW CSP电站主要参数Tab.1 Main parameters of 100 MW CSP power station

模拟退火算法中的初始化参数选取为：初始温度T0=200,终止温度Tf=1,最大迭代次数为50次,降温系数为0.98.

3.2 仿真结果及分析

优化前后W-CSPGS系统出力曲线如图3所示,可以看出,在线路允许最大负荷及完全消纳风电的前提下,W-CSPGS的总出力在优化前后没有明显差别.但可以明显看出,CSP电站出力受到了优化控制策略的调整.优化前后的W-CSPGS单位发电成本见表2.

图3 W-CSPGS出力曲线Fig.3 The output curve of the W-CSPGS

表2 优化前与优化后结果对比Tab.2 Comparison of results before and after optimization

表2中的数据反映出,优化后的打捆系统单位发电成本同优化前相比,降低9%.证明了本文针对W-CSPGS提出的优化控制策略可以在设定条件下,有效地降低打捆系统的单位发电成本.

通过算例分析可以得出结论,本文所提出的W-CSPGS单位发电成本优化控制策略是正确且有效的,可以实现预期功能.

4 结论

为降低新能源互联系统的单位发电成本,且充分发挥风电与CSP发电之间的互补性,本文提出一种W-CSPGS单位发电成本优化控制策略.该优化策略以打捆系统单位发电成本最低为目标,采用模拟退火算法优化CSP电站的输出功率,理论分析与仿真验证结果表明：本文所提出的W-CPSGS单位发电成本优化控制策略,可以使调度系统更加合理地调节各发电单元的输出功率,从而降低发电成本,提高打捆发电系统的收益.