面向风电消纳的用户扰动单价优化研究

来源:用户上传      作者:

　　摘  要： 为提高用户参与电网调度的积极性，挖掘用户的风电消纳潜能，提出一种计及用户热负荷值、热负荷空间位置、价格响应非均一性的用户扰动单价优化策略。首先，建立用户热负荷模型，分析用户热负荷存在非均一性的原因;其次，在综合考虑用户热负荷大小以及用户、系统经济性的基础上建立用户扰动单价模型，确定用户扰动单价的上下限;随后，建立用户价格响应模型，分析用户价格响应存在非均一性的原因;最后，以系统整体运行收益最大为目标函数，建立一种热电协同调度下计及用户非均一性的扰动单价优化模型，并使用混合整数非线性规划算法进行求解。算例计算表明，通过与统一定价策略相比，所提优化策略可使用户参与率提高27.65%，风电消纳量增加6.16%，单位扰动成本降低19.05%，系统收益增加7.87%。
　　关键词： 风电消纳; 用户价格响应; 扰动单价; 差异性; 统一定价; 热电协同调度
　　中图分类号： TN99?34; TM734                     文献标识码： A                     文章编号： 1004?373X（2020）07?0131?05
　　Research on user disturbing unit price optimization for wind power integration
　　HAN Zhihao1， CHENG Xiaolei2， ZHAO Chenxu2， ZHOU Siyu1， LONG Hongyu1， ZHU Jinju1
　　（1. College of Engineering and Technology， Southwest University， Chongqing 400715， China;
　　2. Inner Mongolia Academy of Economy and Technology， Hohhot 010000， China）
　　Abstract： In order to increase users′ enthusiasm for participating in grid dispatching and develop users′ wind power integration potential， a user disturbance unit price optimization strategy is proposed， which takes into account users′ heat load value， space location of heat load and non?uniformity of price response. A user heat load model is established to analyze the reasons for the non?uniformity of the users′ heat load. On the basis of the comprehensive consideration of the users′ heat load and the economy of users and system， a user disturbance unit price model is established， and the upper and lower limits of the user disturbance unit price are determined. Then， a user price response model is established to analyze the reasons for the non?uniformity of the user price response. Finally， the maximum overall operating revenue of system is taken as the objective function to establish a user  disturbance unit price optimization model which takes into account the user non?uniformity under coordinated dispatching of heat and power， and the model is solved with the mixed integer nonlinear programming method. Case studies show that， in comparison with the unified pricing optimization strategy， the proposed optimization strategy can increase the user participation rate by 27.65%， the wind power integration by 6.16%， as well as the system revenue by 7.87%， and decrease the unit disturbance cost by 19.05%.
　　Keywords： wind power integration; user price response; disturbance unit price; difference; uniform price; thermoelectric coordinated scheduling 　　2  用户扰动单价优化模型
　　2.1  计及用户非均一性的用户扰动单价优化模型
　　本文根据用户距离热源的距离将用户分为[L]组[17]，并根据用户的热负荷大小将用户分为I类。在考虑用户热负荷、空间分布、价格响应的基础上，建立以系统收益最大化为目标函数的用户扰动单价动态优化模型。
　　目标函数：
　　[Rmax=Rp-Rf-Ru]  （7）
　　式中：[R]，[Ru]，[Rp]，[Rf]分别为系统总收益、用户补偿总支出、系統供能总收入、机组运营总支出。
　　[Ru=t=1Tl=1Li=1IRmt，i?qu?ehpt，l，iHl，i]  （8）
　　[Rf=τ?t=1TPwindt?λwind+Yt] （9）
　　 [Rp=τ?t=1TPwindt+Pchpt?η+Qchpt?θ] （10）
　　式中：[Rmt，i]为[t]时刻第[i]类用户的扰动单价（单位为元/次）;[H（l，i）]为第[l]组第[i]类用户单个用户热负荷（单位为kW）;[qu?ehp][（t，l，i）]为[t]时刻第[l]组第[i]类用户热泵耗电总功率;[Pwind（t）]为[t]时刻风电出力（单位为kW）;[λwind]为风电的生产成本（单位为元/kW?h）;[Yt]为[t]时刻热电联产机组运营成本（单位为元/h）;[Pchp（t）]为[t]时刻机组电出力（单位为kW）;[Qchp（t）]为[t]时刻机组热出力（单位为kW）。
　　电平衡约束：
　　[Pchpt=Pu?ehpt+Pu?pt-Pwindt]   （11）
　　[Pu?ehpt=l=1Li=1Ipu?ehpt，l，i]      （12）
　　[Pwindt≤pwindt]  （13）
　　式中：[Pchpt]为[t]时刻机组电出力;[Pu?ehpt]为[t]时刻用户热泵总功率;[Pu?pt]为[t]时刻除热泵用户外的总功率;[pu?ehp（t，l，i）]为[t]时刻第[l]组第[i]类用户的用户热泵总功率;[Pwindt]为风电预测功率。
　　用户端热平衡约束：
　　[qut，l，i=qu?chpt，l，i+qu?ehpt，l，i]   （14）
　　[qu?ehpt，l，i≤δt，i?qut，l，i]  （15）
　　式中：[qut，l，i]为[t]时刻第[l]组第[i]类用户实际热负荷需求总量（单位为kW）;[qu?chpt，l，i]为[t]时刻第[l]组第[i]类用户热水供热总功率（单位为kW）;[qu?ehpt，l，i]为[t]时刻第[l]组第[i]类用户热泵供热总功率（单位为kW）;[δt，i]为[t]时刻第[i]类用户的价格响应。
　　用户热泵热电转换约束：
　　[qu?chpt，l，i=α?pu?ehpt，l，i]  （16）
　　式中：[pu?ehpt，l，i]为[t]时刻第[l]组第[i]类用户热泵耗电总功率（单位为kW）;[α]为用户热泵制热系数。
　　用户价格响应约束如下：
　　[δt，i=0，       Rmt，i≤Rciδmaxi?Rmt，i-RciRsi-Rci，                     Rci≤Rmt，i≤Rsiδmaxi，       Rmt，i≥Rsi]  （17）
　　式中：[δmaxi]为第[i]类用户的价格响应上限;[Rmt，i]为[t]时刻第[i]类用户的扰动单价（单位为元/次）;[Rci]为第[i]类用户对价格响应的死区阈值;[Rsi]为第[i]类用户对价格响应的饱和阈值。
　　用户扰动单价约束如下：
　　[Rmmini=Kd?qui]  （18）
　　[Rmmaxi=Km?qui] （19）
　　[Rmmini≤Rmt，i≤Rmmaxi] （20）
　　式中：[Rmmini]为第[i]类用户的扰动单价下限;[Rmmaxi]为第[i]类用户的扰动单价上限;[Kd]，[Km]为比例系数。
　　源端热平衡约束为：
　　[Qchpt=l=1Li=1Iqu?chpt+l，l，i] （21）
　　机组热/电出力约束如下：
　　[Pminchpt=a1?Qchpt+b1，   0≤Qchpt≤Qdchpa2?Qchpt+b2，   Qdchp≤Qchpt≤Qmaxchp] （22）
　　[Pmaxchpt=a3?Qchpt+b3，   0≤Qchpt≤Qmaxchp] （23）
　　[Pminchpt≤Pchpt≤Pmaxchpt] （24）
　　式中：[Pchpt]，[Qchpt]为[t]时刻抽凝式热电联产机组电、热出力;[Pminchpt]，[Pmaxchpt]为抽凝式热电联产机组最小、最大发电出力;[Qdchp]为机组热电出力曲线，工况拐点对应机组热出力;[Qmaxchp]为机组最大热出力;[a1]，[a2]，[a3]为机组热/电出力约束的变化率;[b1]，[b2]，[b3]为机组热/电出力约束的常数部分。
　　2.2  统一定价模式下的用户扰动单价优化模型
　　由于目前在热电联合供暖来促进新能源消纳的相关研究中还未涉及到用户的经济补偿问题，本文在建立计及用户非均一性的扰动单价优化模型的基础上建立了统一定价策略的优化模型，以提高研究的可比性和科学性。统一定价模型与本文策略相比的主要不同是，统一定价策略下各类用户的扰动单价是相同的，如式（25）所示。 　　用户扰动单价约束：
　　[Rmt，1=Rmt，2=…=Rmt，I]    （25）
　　目标函数、电平衡约束、用户端热平衡约束、用户调度价格响应约束与本文策略相同，见式（7）～式（17）。源端热平衡约束、机组热/电出力约束与本文策略相同，见式（21）～式（24）。
　　3  算例分析
　　3.1  发电机组参数
　　本文以一台抽凝式热电联产机组为算例，其工况如下：
　　机组电出力下限：
　　[Pminchpt=92.06-0.344?Qchpt，                   0≤Qchpt≤850.33?Qchpt+35.53，                   85≤Qchpt≤153]   （26）
　　机组电出力上限：
　　[Pmaxchpt=151.9-0.279?Qchpt，   0≤Qchpt≤153]   （27）
　　机组运营成本：
　　[Yt=11.25?Qchpt+33.33?Pchpt+79.92] （28）
　　3.2  用户数据
　　本文将用户按照距离分为10组，按照用户热负荷大小将用户分为三类。设三类用户热负荷分别为2 kW，4 kW，6 kW。每组用户中三类用户的数量均为125个，即每组有375个用户。用户热泵的制热系数均为3，用户的购电单价为0.55 元/kW?h，风电的生产成本为0.3 元/kW?h，系统的调度时间间隔为5 min，热水供暖的单价为0.15元/kW?h。设用户的价格响应最大为80%，用户价格响应曲线的死区阈值与饱和阈值分别为该类用户的扰动单价上限、扰动单价下限（用户的扰动单价上下限根据式（5）求得）。三类用户的价格响应曲线如图2所示。
　　3.3  结果分析
　　在Intel[?] Pentium[?] CPU G2010 @ 2.80 Hz RAM 4.00 GB 硬件配置下，64位Windows 7旗舰版操作环境下，利用GAMS（一款用于数学规划和优化的建模软件）对优化模型进行求解[18?19]，得到以下结果：
　　非统一定价策略与统一定价策略下各类用户参与调度的热负荷量分别如图3，图4所示。通过对比分析可知：
　　1） 非统一定价策略下各类用户选择相对比较集中，且统一时刻类参与调度的用户热负荷量也相对比较均衡;
　　2） 非统一定价策略下各类用户参与调度的最大热负荷量为6 MW，统一定价策略下各类用户参与调度的最大热负荷量为4 MW;
　　3） [t9]～[t12]，[t28]～[t31]时段非统一定价策略下，参与调度的用户组别数量明显大于统一定价策略。由以上结果可以看出，非统一定价策略下用户参与调度的热负荷总量得到了提高，并且参与调度的用户组别也有提高。
　　不同策略下系统的风电消纳量如图5，图6所示。其中，热泵消纳是指通过调度用户热泵来消纳风电，机组消纳是指通过改变抽凝机组电出力促进消纳风电。
　　通过对比分析图5，图6可知：
　　1） 非统一定价策略下系统的风电最大出力明显大于统一定价策略下系统的风电最大出力;
　　2） 非统一定价策略下系统的风电消纳量大于统一定策略下系统的风电消纳量;
　　3） [t0]～[t3]，[t9]～[t12]，[t34]～[t36]时段内非统一定价策略下用户热负荷参与总量明显大于统一定价策略的用户热负荷参与总量。通过进一步对比分析可知，出现上述结果的主要原因是：非统一定价策略下用户热负荷参与总量大于统一定价策略的用户热负荷参与总量。
　　不同策略下的优化结果见表1。由表1可知，非统一定价策略在提高用户参与率、促进风电消纳、降低单位扰动成本、增加系统收益方面均优于统一定价策略。其中，用户参与率提高27.65%，风电消纳量增加6.16%，单位扰动成本降低19.05%，系统收益增加7.87%。
　　4  结  语
　　本文提出了基于用户热负荷值、热负荷空间位置、用户价格响应非均一性的用户扰动补偿动态优化策略。为增加结果的科学性与可比性，本文在建立计及用户非均一性的扰动单价优化模型的基础上建立了统一定价策略的优化模型，并将两种不同策略下的优化结果进行对比。最终得出以下结论：
　　1） 在运行周期内，本文所提出的优化策略能使用户的参与率提高27.65%，系统有更多的调度资源来促进风电消纳。风电消纳量提高了6.16%。
　　2） 在运行周期内，本文所提出的优化策略能够在获得以上效益的同时，使单位扰动成本降低19.05%，进而使系统收益增加了7.87%。
　　综上所述，本文提出的计及用户非均一性的扰动单价优化策略不仅能够提高用户参与率、促进风电消纳，而且还能够降低单位扰动单价、增加系统收益。
　　注：本文通讯作者为龙虹毓。
　　参考文献
　　[1] 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.
　　[2] 田廓，董文杰.需求侧响应及输电约束条件下大规模新能源发电并网机组组合模型[J].智慧电力，2019，47（1）：54?58.
　　[3] 许丹，丁强，黄国栋，等.考虑电网调峰的热电联产热负荷动态调度模型[J].电力系统保护与控制，2017，45（11）：59?64. 　　[4] 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.
　　[5] 房磊.光热发电参与电力系统调峰策略研究[D].兰州：兰州交通大学，2018.
　　[6] 葛维春，刘闯，王艺博.电网大规模电储热单元优化调度模型研究[J].智慧电力，2019，47（4）：32?37.
　　[7] SALPAKARI J， MIKKOLO J， LUND P D. Improved flexibility with large?scale variable renewable power in cities through optimal demand side management and power?to?heat conversion [J]. Energy conversion & management， 2016， 126： 649?661.
　　[8] 陈磊，徐飞，王晓，等.储热提升风电消纳能力的实施方式及效果分析[J].中國电机工程学报，2015，35（17）：4283?4290.
　　[9] 于婧，孙宏斌，沈欣炜.考虑储热装置的风电?热电机组联合优化运行策略[J].电力自动化设备，2017，37（6）：139?145.
　　[10] 杨玉龙，李军徽，朱星旭.基于储能系统提高风电外送能力的经济性研究[J].储能科学与技术，2014，3（1）：47?52.
　　[11] 李鹏，杨玉龙，黄越辉，等.综合热电负荷控制下的省级电网风电并网研究[J].西安交通大学学报，2014，48（2）：69?73.
　　[12] 龙虹毓，付林，徐瑞林，等.利用燃气机组和热泵减少不确定因素影响的电网调度[J].电工技术学报，2015，30（20）：219?226.
　　[13] YANG Yulong， WU Kai， LONG Hongyu， et al. Integrated electricity and heating demand?side management for wind power integration in China [J]. Energy， 2014， 78： 235?246.
　　[14] 邹云阳，杨莉，冯丽，等.考虑热负荷二维可控性的微网热电协调调度[J].电力系统自动化，2017，41（6）：13?19.
　　[15] 李亚平，姚建国，雍太有，等.居民温控负荷聚合功率及响应潜力评估方法研究[J].中国电机工程学报，2017，37（19）：5519?5528.
　　[16] 王剑晓，钟海旺，夏清，等.基于成本?效益分析的温控负荷需求响应模型与方法[J].电力系统自动化，2016，40（5）：45?53.
　　[17] 朱金菊，戈阳阳，徐亨，等.计及用户均匀性差异的风电消纳策略研究[J].现代电子技术，2019，42（7）：145?152.
　　[18] 孔德成，龙虹毓，李光林，等.基于微能源网联供系统的光伏电源出力等效平滑策略研究[J].太阳能学报，2017，38（9）：2349?2357.
　　[19] ALHAZMI Y A， MOSTAFA H A， SALAMA M M A. Optimal allocation for electric vehicle charging stations using Trip Success Ratio [J]. International journal of electrical power & energy systems， 2017， 91： 101?116.
转载注明来源:https://www.xzbu.com/8/view-15245410.htm