热电联产中电锅炉调峰问题

杨世豪，孙小平，田 丰，吴昊天

(1.沈阳航空航天大学 自动化学院，沈阳 110136；2.上海ABB工程有限公司 整车工艺部，上海 201319)

近年来，我国一直提倡绿色发展理念，作为一种成本相对低廉、无污染的清洁能源，风电一出现便得到国家的充分重视，现阶段大规模风电并网已是大势所趋[1-3]。风电是一种自然能源，具有间歇性、随机性等特点[4-5]，导致大量弃风现象的发生，该现象在东北、西北、华北区域尤其严重[6-7]。弃风现象一旦发生，则部分风机要暂停工作，从而导致风电资源浪费，由此产生较大的经济损失,因此要求接入的电网有着灵活的调节能力。

为消纳过剩的风电，使电网平稳运行，Karsten[8]阐述了丹麦地区热泵对风电集成能源系统投资和运行的影响，加入热泵需要对热量的需求侧及供应侧进行智能检测，而我国智能电网的发展刚刚起步，在短时间内热泵加入热网的技术很难实现[9]。李佳佳[10]在换热站与用户之间设置调峰电锅炉，讨论了电锅炉容量对成本和弃风量的影响。选择消纳弃风的方案很重要，对优化调度算法的选择和应用也很重要。Thang[11]采用布谷鸟算法解决大型火电机组经济调度问题，Chen[12]采用拉格朗日松弛法求解机组组合优化问题。在优化调度算法方面，传统算法得到的解相对固定，但求解时间长，易陷入局部最优解；采用人工智能算法进行求解会较快地得到近优解，但结果的随机性较大。

本文在二级热网添加蓄热电锅炉方案的基础上，采用改进的遗传算法[13]对各机组的负荷分配做出优化调度。通过算例计算，在对遗传算法的适应度函数、交叉和变异的方法做出改进后，得到较为合理的负荷分配方案，达到降低电网的发电成本、更好发挥在二级电网添加电锅炉消纳风电能力的目的。

1 电锅炉参与调峰的原理

1.1 热电联产的电力系统

热电联产的电力系统主要分成电力负荷和热力负荷两部分[14]。电负荷部分主要由纯凝机组、热电机组和风电机组供应，其中风电多用于调峰电锅炉的供电；热负荷部分主要由热电机组和蓄热电锅炉供应。在二级热网增设调峰电锅炉后，热电联产的电力系统如图1所示。

图1 热电联产的电力系统

1.2 电锅炉的出力控制

通过热电联产的电力系统图可以看出，调峰电锅炉只在二级网起到调节系统峰值的作用，电锅炉的实际出力情况与基本热负荷有关，具体输出热量为

(1)

ζ=Qb/Q′

(2)

k=1-ζ

(3)

式中：Qe为调峰电锅炉的实际出力，Q、Q′为二级热网的热负荷和设计热负荷；Qb为二级热网的基本热负荷，ζ、k为二级热网基本负荷比和调峰比。

2 考虑风电热电联产优化调度模型

2.1 火电机组煤耗特性

(1)纯凝机组的煤耗特性

纯凝机组的发电成本与发电功率的大小有关，其计算公式如式(4)所示。

Fi=β1+β2Pi(t)+β3Pi(t)2

(4)

式中：β1、β2、β3代表纯凝机组燃料费用系数，Pi(t)代表机组t时刻的实际出力。

(2)热电机组的煤耗特性

热电机组主要考虑抽汽式机组，其煤耗量与抽汽量、发电量均有关，计算公式如式(5)所示。

Fj=α1+α2Pj(t)+α3Dj(t)+α4Pj(t)2+α5Pj(t)Dj(t)+α6Dj(t)2

(5)

式中：α1-α6代表抽汽式机组燃料费用的拟合系数，Dj(t)、Pj(t)代表机组t时刻的抽汽量和发电功率。

2.2 目标函数

假设电力系统中有S台纯凝机组、M座热电厂，与LM个二级热网相连且每座热电厂有N台热电机组、F台风电机组。忽略风电机组的发电成本则系统的目标函数为

(6)

式中：Fit,s、Pis(t)是t时段第s台纯凝机组的煤耗量和发电功率，Fjt,m,n、Pjm,n(t)、Djm,n(t)是t时段第m座热电厂第n台热电机组的煤耗量、发电功率和抽汽量。

2.3 系统电出力约束条件

系统的电负荷由纯凝机组、热电机组和风电机组供应，即：

(7)

式中：Per,l(t)是t时段第r座热电厂第l个二级热网电锅炉消耗的电功率，且

(8)

风电部分的功率约束为

(9)

机组的出力上下限约束为

P(t)min≤P(t)≤P(t)max

(10)

机组的爬坡约束为

-ΔPdown≤P(t)-P(t-1)≤ΔPup

(11)

式中：ΔPdown和ΔPup分别是相邻时间段机组可以降低和爬升的发电量。

2.4 系统热出力约束条件

假设一二级热网无热量损失，则

任务型教学法是基于完成交际任务的一种语言教学方法，它通过师生共同完成语言教学任务，使外语学习者自然习得语言，促进外语学习的进步。基于这些理念，在大学英语零班的教学实践活动中，笔者对大学英语零班的教学活动进行了重新的设计，采用任务型教学方法，在教学中以布置任务为主，引导学生完成任务，主动构建语言知识，以期充分发挥学生的主动性。英语零班中的任务形式设计主要有如下几种：

(12)

系统的热负荷由一级热网热电机组传递的热量和电锅炉供应。

(13)

(14)

3 遗传算法求解机组负荷分配

3.1 机组负荷分配求解步骤

电力系统各机组负荷分配的求解步骤如下：

Step1：确定各二级网的调峰比k。

Step2：通过式(1)-(3)确定二级热网的基本热负荷Qb和电锅炉承担的热负荷Qe。

Step3：通过式(12)、(13)求得各热电厂的等效热负荷。

Step4：通过式(8)和Qe得到各时段电锅炉消耗的电功率，然后加到原系统的电负荷上，即可得到系统的等效电负荷。

Step5：将热电联产优化调度模型中的系统等效电负荷由纯凝、热电、风电等机组供应；等效热负荷由热电机组供应。

Step6：编写算法求解负荷分配。

3.2 遗传算法的实现

用MATLAB编程求得系统等效热负荷和等效电负荷，进而通过遗传算法来求解各机组的负荷分配。

Step1：初始化。首先给出最大迭代次数d和种群规模p。 随机产生p组符合约束条件的解空间，包括热电机组的抽汽量、发电量、纯凝机组的发电量及风电。计算相应的适应度大小，适应度函数为

(15)

式中：σ为弃风电量的惩罚因子。

Step2：选择。选择步骤采用轮盘赌的方法，按适应度大小得到个体的选择概率为

(16)

然后根据种群数目得到新的种群。

Step3：设置智能交叉算子，交叉率pc会随迭代次数的增加而有所降低，从而提高算法前期的搜索速度及后期的收敛性。本文的交叉操作在单个个体间进行，在每次循环中，会在机组的发电量、发热量各进行一次交叉操作，若交叉后的个体超出机组的出力限制，则保留交叉之前的负荷分配，交叉操作采取随机交换个体中2台机组24 h的机组出力。

Step4：采用智能变异算子。变异率pm会随迭代次数的增加而有所增加，提高前期算法稳定性及后期跳出局部最优解的能力。变异操作同样会在某个个体上进行，变异操作会随机选择一列在约束条件内重新赋值，且此操作会在电负荷和热负荷分配中各进行一次。

Step5：修正个体。在进行负荷分配过程中，机组出力情况与实际需求有出入时，将差值以随机分配的方式由各机组承担，以满足负荷约束。

Step6：检测是否达到算法的终止条件。结合设置最大迭代步数150以及最优解在0.05%误差范围内收敛这两种方案作为算法终止的条件，该方法既可以保证算法的运行效率还可以保证算法不会陷入死循环。

4 算例分析

算例系统中热负荷由热电厂1、热电厂2和电锅炉供应。热电厂1有2台抽汽式机组(1-2)，3台电锅炉用于二级热网的调峰;热电厂2有4台抽汽式机组(3-6)，同样有3台用于二级热网调峰的电锅炉。电负荷由2座热电厂的热电机组(1-6)、1座火电厂的4台纯凝机组(7-10)和风电机组供应，其中风电机组的装机容量为220 MW。热电机组、纯凝机组的参数以及典型的各二级网热负荷、总电负荷及风电出力预测值等采用文献[16]的数据。同时，各调峰电锅炉的电热转换效率均取为0.95，热电机组的抽汽焓降取为2 329.8 KJ/Kg，并采用相同的调峰系数。

4.1 等效电负荷与热电机组等效热负荷

取调峰比k=0.2，则在1个调度周期内系统的等效电负荷如图2所示，热电厂1的等效热负荷如图3所示，热电厂2的等效热负荷如图4所示。

图2～4表明，通过热负荷和电负荷的调整，夜间系统电负荷增加，相应的热电厂热负荷减少，使得一天内电、热负荷变化趋势较为平稳。

图2 等效电负荷

图3 热电厂1等效热负荷

图4 热电厂2等效热负荷

4.2 优化调度的结果

采用遗传算法对负荷进行优化调度，得到遗传算法适应度曲线如图5所示。传统遗传算法中取调峰比k=0.2，种群数目为20，迭代次数为150次，交叉率取0.75，变异率取0.5。在改进的算法中，随着种群的进化，交叉率由初值0.75变到终值0.5，变异率从0.2变化到0.5，且加入适应度在一定范围内连续20次无变化即可判定为收敛的算法终止条件，结合最大迭代步数，可以更好地提高算法的运行效率。从图5中可以看出改进后收敛速度更快，且求得适应度也要小一些。最终求得的煤耗量为13 392 t，较传统算法的煤耗量13 671 t降低了2.04%。

图5 遗传算法适应度曲线

调度周期内，电锅炉的调峰负荷如图6所示，热电机组的抽汽量如图7所示，各机组的电负荷分配如图8所示。

图6 电锅炉的调峰负荷

4.3 电锅炉容量对煤耗、弃风量的影响

将电锅炉参与调峰的容量与额定容量的比称为容量比m，系统的煤耗量c、弃风量q与容量比的关系如表1所示，其对应变化曲线如图9所示。从图中可以看出系统的煤耗量与弃风量均会随着容量比的增加而减少。

图7 热电机组的抽汽量

图8 各机组的电负荷分配

表1 系统的煤耗量、弃风量与容量比的关系

图9 系统的煤耗量、弃风量与容量比的关系

5 结论

在二级热网装调峰电锅炉可以达到增加系统负荷谷值，从而达到消纳弃风的目的，且对于不同的负荷要求，电锅炉也可以灵活地进行调节，使得此系统的煤耗量降低。

通过讨论不同容量比下的煤耗量与弃风量，可以看出系统的煤耗量会随电锅炉容量比的增加而降低，同时弃风量会随电锅炉容量比的增加而减少。

本文利用改进遗传算法对系统的机组负荷分配进行求解，使用智能交叉变异算子可提高算法对最优解的搜索能力和收敛性。通过个体修正和算法迭代得到满足约束的各机组出力情况，达到更好地发挥在二级热网添加电锅炉消纳弃风方案的目的，进而提高电力系统的经济性。