周任軍，尹 權(quán)，康信文，李紹金，陳瑞先，王 蛟

（1.長沙理工大學 智能電網(wǎng)運行與控制湖南省重點實驗室，湖南 長沙 410004；2.湖南省電力公司 柘溪水力發(fā)電廠，湖南 益陽 413508）

冷熱電聯(lián)供系統(tǒng)（Combined cooling heating and power，CCHP）以其優(yōu)越的能源梯級利用性能及能同時供給多種形式的能源而得到了廣泛關(guān)注［1-3］；電力 系 統(tǒng) 中，電能 需 滿 足 實 時 平 衡，而CCHP中的冷、熱能只需要滿足階段性平衡。風電以綠色、清潔等特性而得以快速發(fā)展，但風電出力固有的隨機性及預測偏差，在一定程度上桎梏了風電的高效利用［4］。因此，可將風電通過電制熱機組以熱能形式為CCHP供能，解決風電出力隨機性及預測偏差對系統(tǒng)造成的影響。

為了提升風電、太陽能等可再生能源的利用效率，充分發(fā)揮CCHP能源梯級利用的優(yōu)勢［4-5］，降低可再生能源隨機性并網(wǎng)帶來的安全問題，可將其接入CCHP進行協(xié)調(diào)優(yōu)化調(diào)度，能夠在一定程度上消除可再生能源隨機性的影響。文獻［6］在傳統(tǒng)CCHP基礎上，集成了太陽能和光伏，太陽能以熱能和電能的形式參與系統(tǒng)供能，能源利用率得到顯著改善；文獻［7］在考慮蓄熱設備的基礎上，集成了風電CCHP，系統(tǒng)的供熱穩(wěn)定性得以提升，風電經(jīng)濟效益得以改善；文獻［8］在傳統(tǒng)CCHP基礎上，配置了大容量的電制熱機組，增強了聯(lián)供系統(tǒng)的供熱可靠性。由于供熱允許存在一定延時的特性［9］，在降低風電隨機性影響的同時增加聯(lián)供系統(tǒng)的供熱可靠性，且提升系統(tǒng)經(jīng)濟效益，可將風電隨機性對電網(wǎng)的影響轉(zhuǎn)移到聯(lián)供系統(tǒng)的熱能供應當中加以處理。

目前，研究工作大多局限于風電通過公共連接點（Point of Common Coupling，PCC）直 接 并網(wǎng)［10-12］或參與微電網(wǎng)的電能供應［1］。文獻［11］研究了微電網(wǎng)系統(tǒng)通過PCC接入城市電網(wǎng)的優(yōu)化問題；文獻［1］建立的含有風電CCHP的節(jié)能優(yōu)化協(xié)調(diào)模型，綜合考慮了聯(lián)供系統(tǒng)的節(jié)能特性；筆者從風電供電和制熱2種供能方式出發(fā)，分別建立風電供電優(yōu)化模型和風電制熱優(yōu)化模型。針對風電出力的不確定性，優(yōu)化模型的求解需采用處理隨機性問題的優(yōu)化方法。機會約束［10］具有良好的處理能力，但機會約束的優(yōu)化求解較為復雜；條件風險方法［2］得到了廣泛的研究和應用，但其風險的含義容易引起語義上的自相矛盾［13］；α-超分位數(shù)方法［14］從數(shù)學意義角度出發(fā)，能夠很好地解決上述問題，因此，采用α-超分位數(shù)方法構(gòu)建風電供能模式隨機優(yōu)化模型。優(yōu)化結(jié)果在為決策者提供風電并網(wǎng)運行模式控制信息的同時，可為智能電網(wǎng)背景下可再生能源的高效利用提供參考。

1 風電供能模式及其控制系統(tǒng)

1.1 風電供能模式

1）CCHP系統(tǒng)。CCHP系統(tǒng)由燃氣輪機（Power Generation Unit，PGU）、輔助鍋爐（Auxiliary Boiler，AB）、余熱鍋爐（Waste Heat Boiler）、電熱鍋爐（Electric Boiler，EB）、吸收式制冷機（Absorption Chiller，AC）、蓄熱槽和風電機組構(gòu)成［15］，系統(tǒng)能量流程如圖1所示。

圖1 CCHP系統(tǒng)能量流程Figure 1 Energy flow chart of the CCHP system

2）風電供熱模式。

當前，風電資源的利用主要是以電力供應的形式直接就地消納或通過PCC接入到電網(wǎng)成為隨機性電源為電網(wǎng)供電。根據(jù)CCHP系統(tǒng)的特點及熱電負荷特性的差異，提出風電通過電制熱機組并入CCHP以供熱的形式參與供能的模式——風電供熱模式。電制熱鍋爐將風電出力的電能轉(zhuǎn)化為熱能，與余熱鍋爐及輔助鍋爐協(xié)調(diào)滿足熱負荷及吸收式制冷機冷負荷的需求。該種模式下，燃氣輪機及城市電網(wǎng)協(xié)調(diào)滿足電負荷的需求。

3）風電供電模式。

風電供電模式下風電直接并入CCHP系統(tǒng)，為聯(lián)供系統(tǒng)提供電能，協(xié)調(diào)燃氣輪機的電出力及城市電網(wǎng)的電力交互滿足符合電能的需求；風電出力的隨機性波動由城市電網(wǎng)加以平衡，這對電網(wǎng)備用容量及電能質(zhì)量都提出了挑戰(zhàn)。該模式下，熱能需求由余熱鍋爐及輔助鍋爐提供。

1.2 風電并入CCHP供能模式控制系統(tǒng)

CCHP供能模式控制系統(tǒng)包括預測模塊、決策模塊、信息交互及風力發(fā)電系統(tǒng)，如圖2所示。預測模塊包括冷、熱、電負荷及風電出力的實時預測，筆者將風電出力作為隨機變量加以預測，并認定風電出力預測偏差為服從特定分布的隨機量［16］。風力發(fā)電系統(tǒng)中的風電出力決策模塊（Wind decision module，WDM）為風電場提供頻率電壓等控制信息并對風電供能模式做出選擇。決策模塊通過信息交互模塊確定CCHP系統(tǒng)中各機組出力，功率平衡控制模塊（Power balance controller，PBC）協(xié)調(diào)系統(tǒng)與城市電網(wǎng)的功率平衡。CPU在供能模式優(yōu)化模型基礎上，根據(jù)各隨機變量預測信息及各約束信息，得出各機組出力及風電供能模式選擇的最優(yōu)決策。

圖2 風電供能模式控制系統(tǒng)示意Figure 2 The control system diagram in wind supply mode

2 處理隨機函數(shù)的α-超分位數(shù)方法

給定隨機函數(shù)g（x，y），x為決策向量，y為隨機變量，其概率密度函數(shù)表示為p（y），則g（x，y）小于閥值γ的分布函數(shù)為

假定對于確定的決策信息x，Ψ（x，γ）為關(guān)于變量γ的嚴格單調(diào)且遞增函數(shù)。針對任意給定的置信水平α，對應最小分位點值為

隨機函數(shù)值超過最小分位點期望值為

文獻［17］已證明：

［g（x，y）-γ］+為取0和g（x，y）-γ中的較大者，ηα（γ，x）通常較難求解，可對y進行蒙特卡洛模擬，取n個樣本點估計：

式（6）中max不光滑，對其進行光滑化及變量松弛化對偶處理。取ti為輔助變量，式（6）的等價形式為

放松其中的等式約束使其變?yōu)椴坏仁郊s束max｛0，g（x，yi）-γ｝≤γi，可以等價為g（x，yi）-γ≤γi和0≤γi，即

式（3）可由式（8）求得：

3 2種供能模式優(yōu)化模型

3.1 風電供熱模式優(yōu)化模型

1）目標函數(shù)。

風電供熱模式優(yōu)化模型以系統(tǒng)生產(chǎn)成本Fw.h為目標函數(shù)：

式中 Cf（t）、Cg（t）分別為t時刻燃料成本函數(shù)及購電成本函數(shù)，單位均為S|／h。

①燃料成本函數(shù)。

系統(tǒng)燃料成本函數(shù)包括燃氣輪機和輔助鍋爐的燃料成本函數(shù)。燃氣輪機的燃料成本函數(shù)為

式中 Cpgu（t）為第i臺燃氣輪機組熱、電功率分別為Hpgu.i（t）和Ppgu.i（t）時的生產(chǎn)成本總和，S|／h；αi，βi，σi，δi，εi，θi均為第i臺燃氣輪機組的生產(chǎn)成本系數(shù)；Npgu表示燃氣輪機臺數(shù)。

輔助鍋爐的燃料成本函數(shù)為

式中 Ca（t）為第j臺輔助鍋爐熱功率為Ha.j（t）時的生產(chǎn)總成本，S|／h；αj，δj，εj為第j臺鍋爐的燃料成本系數(shù)；Na為鍋爐臺數(shù)。

系統(tǒng)總的燃料成本函數(shù)為

②購電成本函數(shù)。

系統(tǒng)與電網(wǎng)交換功率為Pgrid（t），考慮分時電價，聯(lián)供系統(tǒng)與電網(wǎng)功率交換成本函數(shù)為

式中 Cbuy（t）為t時刻購電單價，S|／（kW·h）；Csell（t）為t時刻賣電單價，S|／（kW·h）；Pgrid（t）為正表明聯(lián)供系統(tǒng)購電，為負表明系統(tǒng)向城市電網(wǎng)售電。

2）約束條件。

①功率平衡約束。

式（15）為電功率實時平衡方程，式（16）為熱功率階段平衡等式約束（系統(tǒng)的熱、電、冷能損耗暫不考慮）；η為電制熱系數(shù)；Δt為熱能階段性平衡延時值，可由決策者依據(jù)供熱質(zhì)量及供熱水平?jīng)Q定；Qs（t）為t時刻蓄熱槽的蓄熱容量。

②機組出力。

燃氣輪機電、熱出力約束為

輔助鍋爐出力約束為

蓄熱槽的蓄熱容量范圍為

3.2 風電供電模式優(yōu)化模型

1）目標函數(shù)。

風電供電模式的目標函數(shù)Fw.e同式（10）～（14）。

2）約束條件。

①功率平衡約束。

②機組出力。

各機組出力約束同式（17）～（20）。

3.3 2種供能模式隨機優(yōu)化模型

風電供熱和供電優(yōu)化模型均是含積分的優(yōu)化問題，可采用離散化的代數(shù)處理方法，在Δt時段內(nèi)采用T個樣本求取積分值。

1）風電供熱模式隨機優(yōu)化模型。

風電供熱和供電優(yōu)化模型考慮的均是確定性的變量，但實際風電出力是隨機的，且需要在調(diào)度結(jié)束之后才能觀察測量其準確值。而風電隨機性影響聯(lián)供系統(tǒng)的經(jīng)濟運行，為準確刻畫及求解帶有隨機風電出力的函數(shù)模型，取極限狀態(tài)函數(shù)

根據(jù)式（9）、（23），則含有風電出力的隨機優(yōu)化模型為

式（22）轉(zhuǎn)化為隨機優(yōu)化模型為

2）風電供電模式隨機優(yōu)化模型。

取極限狀態(tài)函數(shù)

同理可得相應的隨機優(yōu)化模型為

4 算例仿真及結(jié)果分析

4.1 算例及參數(shù)

以某小區(qū)典型日進行實例仿真分析，風電機組出力通過文獻［16］所提預測方法得到，其預測偏差服從ΔPw～N（0，σ2），其中σ取0.01P0w。典型日冷、熱、電負荷需求曲線如圖3所示，分時電價［1］如表1所示，各電源機組參數(shù)如表2所示，電制熱系數(shù)η取0.98，Δt取0.25h。

圖3 冷、熱、電負荷需求及風電出力預測Figure 3 The curve of typical daily load and wind power output prediction

表1 分時電價Table 1 Time-sharing electricity prices

表2 各電源機組參數(shù)Table 2 Power supply parameters

4.2 仿真結(jié)果及分析

1）風電供熱模式。

風電通過電制熱機組即以熱能形式參與聯(lián)供系統(tǒng)供能，將風電的隨機性影響以熱能供應的形式得以體現(xiàn)。針對風電供熱模式隨機優(yōu)化模型，在不同置信水平α下，系統(tǒng)運行成本曲線如圖4所示，在置信水平α=0.99時，系統(tǒng)運行成本隨著風電功率及負荷水平的波動而波動。［7∶00，11∶00］時段，隨著熱、電負荷的急劇上升，導致運行成本曲線在這一段的斜率增大，對機組爬坡能力要求更高；在不同置信水平下，［22∶00，7∶00］時段內(nèi)，由于風電功率及負荷水平較低，3種置信水平下的運行成本基本相等；其余時段隨著置信水平的提升運行成本也隨之升高。

圖4 風電供熱模式下不同置信水平系統(tǒng)運行成本曲線Figure 4 The cost curves of system running in different confidence levels under wind heating mode

2）風電供電模式。

取置信水平為α=0.99，風電供熱模式與風電供電模式下系統(tǒng)的運行成本對比曲線如圖5所示。分析可知，系統(tǒng)在供電模式下的運行成本要高于供熱模式，這主要受當前國內(nèi)熱價和電價的不同定價機制所決定，即對CCHP而言，風電以供熱模式接入有助于進一步提升其經(jīng)濟性。

圖5 不同模式系統(tǒng)運行成本對比曲線Figure 5 The cost contrast curves of system operation in different modes

5 結(jié)語

1）為了提升風電的利用水平、降低風電隨機性對并網(wǎng)系統(tǒng)帶來的影響，提出風電以供熱和供電的供能方式參與CCHP系統(tǒng)能量供應的供熱模式和供電模式，為有效解決風電并網(wǎng)隨機性所帶來的問題提供新思路。

2）針對風電出力預測偏差的隨機波動，在2種供能模式下分別建立了基于α-超分位數(shù)方法的隨機優(yōu)化模型。仿真結(jié)果表明，在總的調(diào)度周期內(nèi)，風電供熱模式的效益高于供電模式；隨著置信水平的提高，系統(tǒng)的運行成本將增加。

3）構(gòu)建的風電供能模式控制系統(tǒng)為風電供能模式的選擇及實施提供了參照方案。在智能電網(wǎng)背景下，研究結(jié)果可為可再生能源的高效利用及有效處理隨機電源帶來的影響提供參考。

［1］周任軍，冉曉洪，毛發(fā)龍，等.分布式冷熱電三聯(lián)供系統(tǒng)節(jié)能協(xié)調(diào)優(yōu)化調(diào)度［J］.電網(wǎng)技術(shù)，2012，36（6）：8-14.ZHOU Ren-jun，RAN Xiao-hong，MAO Fa-long，et al.Energy-saving coordinated optimal dispatch of distributed combined cool，heat and power supply［J］.Power System Technology，2012，36（6）：8-14.

［2］周任軍，姚龍華，童小嬌，等.采用條件風險方法的含風電系統(tǒng)安全經(jīng)濟調(diào)度［J］.中國電機工程學報，2011，31（1）：56-63.ZHOU Ren-jun，YAO Long-hua，TONG Xiao-jiao，et al.Security economic dispatch in wind power integrated system using conditional risk method［J］.Proceedings of the CSEE，2011，31（1）：56-63.

［3］陳云，湯放奇，劉陽升，等.分布式冷熱電多聯(lián)供系統(tǒng)的經(jīng)濟運行［J］.電力科學與技術(shù)學報，2013，28（1）：56-62.CHEN Yun，TANG Fang-qi，LIU Yang-sheng，et al.Research on the economic operation of distributed combined cooling heating and power system［J］.Journal of Electric Power Science and Technology，2013，28（1）：56-62.

［4］張小暉，陳鐘頎.熱電冷聯(lián)產(chǎn)系統(tǒng)的能耗特性［J］.中國電機工程學報，2007，27（5）：93-98.ZHANG Xiao-hui，CHEN Zhong-qi.Energy consumption performance of combined heat cooling and power system［J］.Proceedings of the CSEE，2007，27（5）：93-98.

［5］Marano V，Rizzo G，Tiamo F A.Application of dynamic programming to the optimal management of a hybrid power plant with wind turbines，photovoltaic panels and compressed air energy storage［J］.Applied Energy，2012，97：849-859.

［6］荊有印，白鶴，張建良.太陽能冷熱電聯(lián)供系統(tǒng)的多目標優(yōu)化設計與運行策略分析［J］.中國電機工程學報，2012，32（20）：82-87.JING You-yin，BAI He，ZHANG Jian-liang.Multi-objective optimization design and operation strategy analysis of a solar combined cooling heating and power system［J］.Proceedings of the CSEE，2012，32（20）：82-87.

［7］Kyung Tae Yun，Heejin Cho，Rogelio Luck，et al.Modeling of reciprocating internal combustion engines for power generation and heat recovery［J］.Applied Energy，2013，102：327-335.

［8］Mago P J，Smith A D.Evaluation of the potential emissions reduction s from the use of CHP systems in different commercial buildings［J］.Building and Environment，2012，53：74-82.

［9］王孟夏，韓學山，楊朋朋，等.計及電熱耦合的動態(tài)最優(yōu)潮流模型與算法［J］.電力系統(tǒng)自動化，2010，34（3）：28-32.WANG Meng-xia，HAN Xue-shan，YANG Peng-peng，et al.Dynamic optimal power flow model considering electro-thermal coupling and its algorithm［J］.Automation of Electric Power Systems，2010，34（3）：28-32.

［10］王雁凌，許傳龍，岳巍澎.時變可靠性約束下含風電系統(tǒng)旋轉(zhuǎn)備用的隨機規(guī)劃模型［J］.電網(wǎng)技術(shù)，2013，37（5）：1 311-1 317.WANG Yan-ling，XU Chuan-long，YUE Wei-peng.A stochastic programming model for spinning reserve of power grid containing wind farms under constraint of time-varying reliability［J］.Power System Technology，2013，37（5）：1 311-1 317.

［11］王蓓蓓，劉小聰，李楊.面向大容量風電接入考慮用戶側(cè)互動的系統(tǒng)日前調(diào)度和運行模擬研究［J］.中國電機工程學報，2013，33（22）：35-44.WANG Bei-bei，LIU Xiao-cong，LI Yang.Day-ahead generation scheduling and operation simulation considering demand response in large-capacity wind power integrated systems［J］.Proceedings of the CSEE，2013，33（22）：35-44.

［12］Peng Yu，Ogidi Stephen Oodo，He Ping Zou，et al.An active-parallel hybrid energy storage system applied for regulating fluctuant wind power［J］.Advanced Materials Research，2012，347-353：2 869-2 874.

［13］劉陽升，周任軍，李星朗，等.碳排放權(quán)交易下碳捕集機組的廠內(nèi)優(yōu)化運行［J］.電網(wǎng)技術(shù)，2013，37（2）：295-300.LIU Yang-sheng，ZHOU Ren-jun，LI Xing-lang，et al.Inside-plant optimal operation of carbon capture unit under carbon emission right trade［J］.Power System Technology，2013，37（2）：295-300.

［14］Rockafellar R T，Royset J O.On buffered failure probability in design and optimization of structures［J］.Reliability Engineering and System Safety，2010，95（5）：499-510.

［15］Nelson F，Pedro J M，Louay M C.Emission operational strategy for combined cooling，heating，and power systems［J］.Applied Energy，2009，86：2 344-2 350.

［16］王爽心，李朝霞.基于小世界優(yōu)化的變槳距風電機組神經(jīng)網(wǎng)絡預測控制［J］.中國電機 工程學報，2012，32（30）：105-111.WANG Shuang-xin，LI Zhao-xia.Neural network predictive control of variable-pitch wind turbines based on small-world optimization algorithm［J］.Proceedings of the CSEE，2012，32（30）：105-111.

［17］雷亞洲，王偉勝，印永華，等.含風電場電力系統(tǒng)的有功優(yōu)化潮流［J］.電網(wǎng)技術(shù)，2002，26（6）：18-21.LEI Ya-zhou，WANG Wei-sheng，YIN Yong-hua，et al.Optimal real power flow in wind power integrated system［J］.Power System Technology，2002，26（6）：18-21.