热电联供电网中风电电量消纳能力的评估方法.pdf

一种热电联供电网中风电电量消纳能力的评估方法，包括以下步骤：对持续热负荷曲线及持续电负荷曲线进行离散化处理，得到离散化后的持续电负荷曲线及离散化后的持续热负荷曲线；各热电联产机组以最小热功率安排生产，在离散化后的持续热负荷曲线上带负荷，并以相应的最小电功率在离散化后的持续电负荷曲线上带负荷；各非供热火电机组以最小电功率安排生产，在离散化后的持续电负荷曲线上带负荷；选择电热增量比最小的热电联产机组，在离散化后的持续热负荷曲线上带负荷，直到离散化后的持续热负荷曲线被排满；安排风电在离散化后的持续电负荷曲线上带负荷，直到离散化后的持续电负荷曲线也被排满，获得风电消纳电量及风电消纳率。

权利要求书
1.  一种热电联供电网中风电电量消纳能力的评估方法，包括以下步骤：
步骤S10，对负荷数据进行处理形成持续电负荷曲线及持续热负荷曲线，对持续热负荷曲线及持续电负荷曲线进行离散化处理，得到离散化后的持续电负荷曲线及离散化后的持续热负荷曲线；
步骤S20，各热电联产机组以最小热功率安排生产，在离散化后的持续热负荷曲线上带热负荷，并以相应的最小电功率在离散化后的持续电负荷曲线上带电负荷；
步骤S30，各非供热火电机组以最小电功率安排生产，在离散化后的持续电负荷曲线上带电负荷；
步骤S40，在热功率尚未满载的各热电联产机组中，选择电热增量比最小的热电联产机组，在离散化后的持续热负荷曲线上带热负荷，并以相应的电功率增量在离散化后的持续电负荷曲线上带电负荷，直到离散化后的持续热负荷曲线被排满；以及
步骤S50，安排风电在离散化后的持续电负荷曲线上带电负荷，直到离散化后的持续电负荷曲线也被排满，获得风电消纳电量及风电消纳率。

2.  如权利要求1所述的热电联供电网中风电电量消纳能力的评估方法，其特征在于，以曲线G代表持续热负荷曲线，以曲线F代表持续电负荷曲线，对持续热负荷曲线G以热负荷步长为ΔH进行离散化，并且对持续电负荷曲线F也以电负荷步长为ΔH进行离散化。

3.  如权利要求2所述的热电联供电网中风电电量消纳能力的评估方法，其特征在于，热电联产机组的持续热出力曲线曲线Gs与持续发电曲线Fs满足：
；
；
式中，M为热电联产机组数量；Himin为各热电联产机组最小热功率；Pimin为各热电联产机组最小电功率。

4.  如权利要求3所述的热电联供电网中风电电量消纳能力的评估方法，其特征在于，热电联产机组的出力状态为：
；
式中Hi为第i台热电联产机组的热出力状态，Pi为第i台火电机组的电出力状态。

5.  如权利要求4所述的热电联供电网中风电电量消纳能力的评估方法，其特征在于，非供热火电机组以最小电功率安排生产的状态下，持续发电曲线Fs满足：
；
式中，N为系统中火电机组总数；M为热电联产机组数量；为非供热火电机组最小电功率；
则在非供热火电机组以最小电功率安排生产的状态下，持续热负荷曲线安排至nhΔH处，nh为：
；
持续电负荷曲线已经安排到Ph处，nh为：
。

6.  如权利要求5所述的热电联供电网中风电电量消纳能力的评估方法，其特征在于，选择电热增量比最小的热电联产机组，并在离散化后的持续热负荷曲线上带热负荷包括如下步骤：
求取电热增量比最小的热电联产机组：
；
式中，γ为当前最小电热增量比；γ所对应的i即为当前电热增量比最小的机组；Di为热电联产机组运行范围；
让上述选择到的热电联产机组i带热负荷：

同时，对热电联产机组出力状态进行修正并修正nh、Ph：

重复上述过程，直到满足如下公式时停止：
；
式中，Hmax为持续热负荷曲线G上的最大热负荷值。

7.  如权利要求6所述的热电联供电网中风电电量消纳能力的评估方法，其特征在于，离散化后的持续电负荷曲线被排满时，风电消纳电量及风电消纳率通过以下方式计算：
对于风电出力状态i的风电机组，其出力为Pwi，概率为pwi，则其承担的电负荷Ewi为：
；
式中，Pmax是持续电负荷曲线的最大功率值；T是研究周期；
将不同状态的风电机组进行加和，则有风电消纳电量为：
；
设风电最大电量为Ew，则：
；
则风电消纳率μ为：
；
其中，风电功率状态数。

8.  如权利要求1所述的热电联供电网中风电电量消纳能力的评估方法，其特征在于，根据风电历史运行数据或者风速分布形成风电功率概率分布，并对其进行离散化处理，得到离散化后的风电功率概率分布，将所得离散化后的风电功率概率分布模型等效为多状态机组模型，风电功率状态数即为离散化后的风电功率概率分布的离散段数，对于状态，概率即为对应的离散化后的风电功率概率分布所对应离散区间的概率。

9.  如权利要求1所述的热电联供电网中风电电量消纳能力的评估方法，其特征在于，将每日的风电功率概率分布分为Nt个时段，对每一时段用j表示，则热电联产机组的持续热出力曲线曲线Gs与持续发电曲线Fs满足：

式中，M为热电联产机组数量；Himin为各热电联产机组最小热功率；Pimin为各热电联产机组最小电功率。

10.  如权利要求9所述的热电联供电网中风电电量消纳能力的评估方法，其特征在于，对于j时段出力状态i的风电机组，其出力为Pwij，概率为pwij，T为研究周期；则该风电机组承担的电负荷Ei为：
。

说明书热电联供电网中风电电量消纳能力的评估方法
技术领域
本发明属于电力系统运行与新能源技术领域，尤其涉及一种在热电联供电网中风电电量消耗能力的评估方法。
背景技术
随着风电装机容量不断增大，风电并网出力占总出力的比例不断增加。由于电源灵活性不足导致的弃风现象屡屡发生。据统计资料显示，中国大多风电基地的风电出力调峰特性呈现反负荷调峰特性，增加了净负荷峰谷差，增加了机组组合安排的难度。尤其在供暖季，热电联产机组以“以热定电”的方式运行，使得系统调峰能力不足，导致弃风问题十分突出。风电消纳问题成为制约风电发展的主要原因之一。
目前国内风电汇集地区的电源结构具有煤电为主、热电比例高、具有快速调节能力的机组少的特点，电源灵活性不足。以北方某区域电网为例，煤电装机占总装机的74.7%，而在供暖季，热电联产机组开机容量占最大负荷的约70%。在供暖季热电联产机组“以热定电”的运行方式下，由于供热机组热/电之间的耦合关系，其强迫电出力占据大量的基荷，给系统调峰带来巨大挑战，因而风电上网空间有限，风电消纳能力不足，尤以夜间电负荷低谷为甚。因此，如何处理电/热之间的耦合关系以及电/热/风之间的交互影响是供暖季风电消纳能力评估的重中之重。
然而，目前由于缺乏对电力系统尤其对于供暖季风电消纳能力进行有效评估的实用方法，为了保障电力系统安全性，大多数调度员在供暖季会选择弃风，造成浪费。
发明内容
综上所述，确有必要提供一种能够减少弃风的热电联供电网中风电电量消纳能力的评估方法。
一种热电联供电网中风电电量消纳能力的评估方法，包括以下步骤：步骤S10，对负荷数据进行处理形成持续电负荷曲线及持续热负荷曲线，对持续热负荷曲线及持续电负荷曲线进行离散化处理，得到离散化后的持续电负荷曲线及离散化后的持续热负荷曲线；步骤S20，各热电联产机组以最小热功率安排生产，在离散化后的持续热负荷曲线上带热负荷，并以相应的最小电功率在离散化后的持续电负荷曲线上带电负荷；步骤S30，各非供热火电机组以最小电功率安排生产，在离散化后的持续电负荷曲线上带电负荷；步骤S40，在热功率尚未满载的各热电联产机组中，选择电热增量比最小的热电联产机组，在离散化后的持续热负荷曲线上带热负荷，并以相应的电功率增量在离散化后的持续电负荷曲线上带电负荷，直到离散化后的持续热负荷曲线被排满；以及步骤S50，安排风电在离散化后的持续电负荷曲线上带电负荷，直到离散化后的持续电负荷曲线也被排满，获得风电消纳电量及风电消纳率。
相对于现有技术，本发明提供的热电联供电网中风电电量消纳能力的评估方法，通过对持续电负荷曲线及持续热负荷曲线进行离散化处理，并且基于最小电热比，能够定量评估中长时间尺度风电电量消纳能力，减少了弃风，提高了风电的消纳能力，从而节约了能源。
附图说明
图1为本发明提供的热电联供电网中风电电量消纳能力的评估方法的流程图。
图2（a）、（b）分别为本发明提供的供暖季某一较长时间周期的电/热负荷曲线。
图3（a）、（b）为本发明提供的热电联产机组以最小热功率安排生产，在持续热负荷曲线上带热负荷，并以相应的最小电功率在持续电负荷曲线上带电负荷时的安排图。
图4为本发明提供的非供热机组以最小电功率安排生产，在电负荷曲线上带电负荷的负荷安排图。
图5（a）、（b）分别为本发明提供的在基于最小热电比的原则让最小电热增量比的机组承担热负荷直至热负荷曲线排满的热/电负荷安排图。
图6为本发明提供的根据多年风功率处理序列进行统计处理得出的风电的概率分布图。
图7（a）、（b）分别为本发明提供的风电全部消纳及有弃风情况的负荷安排图。
图8（a）、（b）分别为本发明提供的供暖季某一较长时间周期的三维电/热负荷曲面。
图9为本发明提供的根据多年风功率处理序列进行统计处理得出的风电出力的三维概率分布。
图10为本发明提供的我国北方某区域电力系统在各个时段的风电电量消纳率。
具体实施方式
下面根据说明书附图并结合具体实施例对本发明的技术方案进一步详细表述。
请一并参阅图1及图2，本发明第一实施例提供的热电联供电网中风电电量消纳能力的评估方法主要包括如下步骤：
步骤S10，对负荷数据进行处理形成持续电负荷曲线及持续热负荷曲线，对持续热负荷曲线及持续电负荷曲线进行离散化处理，得到离散化后的持续电负荷曲线及离散化后的持续热负荷曲线；
步骤S20，各热电联产机组以最小热功率安排生产，在离散化后的持续热负荷曲线上带热负荷，并以相应的最小电功率在离散化后的持续电负荷曲线上带热负荷；
步骤S30，各非供热火电机组以最小电功率安排生产，在离散化后的持续电负荷曲线上带电负荷；
步骤S40，在热功率尚未满载的各热电联产机组中，选择电热增量比最小的热电联产机组，在离散化后的持续热负荷曲线上带热负荷，并以相应的电功率增量在离散化后的持续电负荷曲线上带电负荷，直到离散化后的持续热负荷曲线被排满；及
步骤S50，安排风电在离散化后的持续电负荷曲线上带电负荷，直到离散化后的持续电负荷曲线被排满，获得风电消纳电量及风电消纳率。
在步骤S10中，所述负荷数据包括电负荷数据及热负荷数据，并以曲线G代表持续热负荷曲线，可以曲线F代表持续电负荷曲线。可对持续热负荷曲线G以热负荷步长为ΔH进行离散化，而对持续电负荷曲线F也可以电负荷步长为ΔH进行离散化，也可为其他步长，可以根据所需精度进行选择。在步长一致的情况下，可提高评估的精度并减小计算难度。
在步骤S20中，请一并参阅图3，各热电联产机组以最小热功率安排生产，在持续热负荷曲线上带热负荷，并以相应的最小电功率在持续电负荷曲线上带电负荷，有：
（1）
（2）
式中，Gs代表持续热出力曲线；Fs代表持续发电曲线；M为热电联产机组数量；Himin为各热电联产机组最小热功率；Pimin为各热电联产机组最小电功率。以此修正热电联产机组的出力状态，得到：
（3）
式中Hi为第i台热电联产机组的热出力状态，Pi为第i台火电机组的电出力状态。
在步骤S30中，请一并参阅图4，安排非供热火电机组以最小电功率安排生产，有：
（4）
式中，N为系统中火电机组总数；M为热电联产机组数量；为非供热火电机组最小电功率。
以此修正非供热火电机组的出力状态，有：
（5）。
在步骤S40中，请一并参阅图5，在安排热电联产机组在电出力增量最小的情况下，将剩余的持续热负荷曲线排满。在此之前，持续热负荷曲线已经安排到nhΔH处，nh为：
（6）
持续电负荷曲线已经安排到Ph处，nh为：
（7）
选择电热增量比最小的热电联产机组可根据如下求取最小电热增量比的方式进行：
（8）
式中，γ为当前最小电热增量比；γ所对应的i即为当前电热增量比最小的机组；Di为热电联产机组运行范围。
让上述选择到的热电联产机组带负荷：
（9）
（10）
同时，修正热电联产机组出力状态并修正nh、Ph：

重复（9）~（14），直到满足如下公式时停止：
（15）
式中，Hmax为持续热负荷曲线上的最大热负荷值。
在步骤S50中，在持续发电曲线Fs及持续电负荷曲线F之间的区域进行安排风电。不同状态的风电机组在持续电负荷曲线上带电负荷，对于出力状态i的风电机组，其出力为Pwi，概率为pwi，则其承担的电负荷Ewi为：
（16）
式中，Pmax是持续电负荷曲线的最大功率值；T是研究周期。
将风电机组所有状态进行加和，则有风电消纳电量为：
（17）
设风电最大电量为Ew，可由如下公式计算：
（18）
则风电消纳率μ为：
（19）
其中，Nw风电功率状态数。
请参阅图6，根据风电历史运行数据或者风速分布形成风电功率概率分布，并对其进行离散化处理，得到离散化后的风电功率概率分布，类似的，所述风电功率概率分布可按照步长ΔH进行离散化处理，也可根据所需精度进行选择。将所得离散化后的风电功率概率分布模型等效为多状态机组模型，风电功率状态数Nw即为离散化后的风电功率概率分布的离散段数，对于状态，概率Pwi即为对应的离散化后的风电功率概率分布所对应离散区间的概率。
安排风电生产时，风电全部消纳及有弃风的情形如图7所示。在图7中，当i状态风电功率安排生产后各曲线如（a）所示时，风电可以得到全部消纳，消纳区域为（a）中的A；而当i状态风电功率安排生产后各曲线如（b）所示时，风电存在弃风，消纳区域为（b）中的A，弃风区域则为B。
以上分析均隐含一个前提条件：电/热负荷、风电出力自身在每一时刻相互独立。另外，考虑到电负荷总是白天晚上各有高峰，而凌晨相对较低；风电出力经常出现白天小，晚上大的情形；而热电负荷也有其相应的规律。因而，可通过在电/热持续负荷曲线、风电出力概率分布模型中考虑每日分时段，将二维模型扩展到三维模型。
进一步，考虑到每日电/热持续负荷曲线、风电出力概率分布不同时刻均不同，所述本发明第二实施例提供的热电联供电网中风电电量消纳能力的评估方法主要包括如下步骤：
步骤S10’，将每日的风电功率概率分布分为Nt个时段，对每一时段的负荷数据进行处理形成持续电负荷曲线及持续热负荷曲线，对持续热负荷曲线及持续电负荷曲线进行离散化处理，得到离散化后的持续电负荷曲线及离散化后的持续热负荷曲线；
步骤S20’，各热电联产机组以最小热功率安排生产，在离散化后的持续热负荷曲线上带热负荷，并以相应的最小电功率在离散化后的持续电负荷曲线上带电负荷；
步骤S30’，各非供热火电机组以最小电功率安排生产，在离散化后的持续电负荷曲线上带电负荷；
步骤S40’，在热功率尚未满载的各热电联产机组中，选择电热增量比最小的热电联产机组，在离散化后的持续热负荷曲线上带热负荷，并以相应的电功率增量在离散化后的持续电负荷曲线上带电负荷，直到离散化后的持续热负荷曲线被排满；以及
步骤S50’，风电在离散化后的持续电负荷曲线上带电负荷，直到离散化后的持续电负荷曲线被排满，获得风电消纳电量及风电消纳率。
本发明第二实施例提供的评估方法与第一实施例基本相同，其不同在于，通过在电/热持续负荷曲线、风电出力概率分布考虑每日分时段，将二维模型扩展到三维模型。
在步骤S10’中，将风电出力概率分布、持续电/热负荷曲线分为Nt个时段，并用j表示。则（1）~（16）式修正为：



式中，Hjmax为时间j持续热负荷曲线上的最大热负荷值。

式中，pwij表示在时段j，风电功率为Pwij的概率；Pjmax为时段j的持续电负荷曲线的最大功率值。
按照上述同样方法进行仿真得到如图8、图9所示的持续电/热负荷曲面、风电出力三位概率分布。图8中，时段单位为1刻钟，即15分钟；而图9中，时段单位为小时。可以看到，电/热负荷曲线及风电出力分布在日内有较强的统计性规律，考虑到这一点，可以让计算结果更加合理。
经过修正以后，三维模型可按照原步骤对电力系统在供暖季风电电量消纳能力进行更有效的评估。
实施例一
本发明所述的基于多元随机生产模拟的供暖季风电电量消纳能力评估方法基于我国北方某区域电力系统供暖季电/热负荷数据按变比例缩小而来，仿真周期为30天。日内时段数为Nt=96，即时段长度为刻钟。计算具体步骤如下：
（1）以时刻点1为例进行说明，根据步骤S10，首先获得如图8所示电/热负荷曲面以及如表1所示的电/热负荷关键参数，然后得出如图9所示的风电三维概率分布，以步长进行离散化处理；
表1 我国北方某区域电力系统在实践周期内的电/热负荷关键参数

（2）根据步骤S20，考虑常规机组为火电机组，其中1-5号为热电联产机组，6号为纯凝机组。考虑到我国北方热电联产机组多为抽汽式机组，因而本文算例的火电机组定为抽汽式，火电机组的参数如表2所示。各热电联产机组以最小热功率安排生产，在持续热负荷曲线上带负荷，并以相应的最小电功率在持续电负荷曲线上带负荷；
表2 我国北方某区域电力系统的火电机组参数

（3）根据步骤S30，各非供热火电机组以最小电功率安排生产，在持续电负荷曲线上带负荷；
（4）根据步骤S40，安排热电联产机组在电出力增量最小的情况下，将剩余的持续热负荷曲线排满。
（5）根据步骤S50，根据以上步骤所得出的数据计算时刻点1风电消纳电量以消纳率。将上述过程重复96次，可以得到如表3和图10所示的该仿真整个周期的风电电量消纳结果。
表3 我国北方某区域电力系统整个周期的风电电量消纳结果

本发明提供的热电联供电网中风电电量消纳能力的评估方法，通过对持续电负荷曲线及持续热负荷曲线进行离散化处理，建立了基于多元随机生产模拟的泛函优化模型，并且基于最小电热比的等效电-热量函数法，能够定量评估中长时间尺度风电电量消纳能力，减少了弃风，提高了风电的消纳能力，从而节约了能源。
另外，本领域技术人员还可在本发明精神内作其它变化，当然这些依据本发明精神所作的变化，都应包含在本发明所要求保护的范围内。