基于太阳能和燃气的多能互补系统热电负荷分配技术研究

王明坤，高 林，郇庆秋，王 林，周俊波，侯玉婷，郭亦文

基于太阳能和燃气的多能互补系统热电负荷分配技术研究

王明坤，高 林，郇庆秋，王 林，周俊波，侯玉婷，郭亦文

（西安热工研究院有限公司，陕西 西安 710054）

随着新能源大规模并网，多能互补是电网发展的必然趋势，对于拥有多台并列运行机组的热电联产电厂面临着基于厂级的负荷分配问题。本文通过研究光伏电站和燃气-蒸汽联合循环机组的运行特性，确定机组的调度限制范围，并选定典型日负荷曲线对多能互补系统进行调度计算，获得实时负荷分配结果；同时，通过对同一负荷下不同机组运行组合方式的研究，获得该负荷下最优的运行组合方式。仿真计算表明：对于本文的研究对象，两抽凝式组合气耗量最小，一背一抽式次之，3台机组同时运行气耗量较大，因此，在机组运行限度范围内，应优先选用两抽凝式运行组合方式；每日在11:00—22:00时间段采用3台机组同时运行，其余时间段内采用2台抽凝式机组运行，可以有效降低机组启停次数。该结论在实现节能降耗的同时，为热电负荷调度提供数据和理论支持。

太阳能；燃气-蒸汽联合循环；多能互补；负荷分配；节能减排；气耗量；仿真计算

随着社会经济的高速发展，居民生活和工业对于电能、热能和冷能的需求也日益增高。为了更好地解决用户的不同需求，基于不同能源之间的多能互补系统是一种有效的方式，通过统筹安排不同能源之间的分配关系，以取得最合理能源利用效果与收益。另一方面，由于能源紧缺、环境污染问题日趋严重，为了满足可持续发展需求，太阳能等新能源与其他能源形成的多能互补也是电网发展的必然趋势[1-3]。

目前，太阳能是发展较快的新能源之一，能有效解决化石能源带来的环境和温室效应等问题，许多国家都将其视为战略性替代能源。利用光伏发电或者光热发电技术可以将太阳能转化为电能[4-5]，也可以利用太阳能实现供热、供汽功能[6-7]。现有的太阳能供电供热技术配有大容量蓄电池，具有几小时的储能功能，但是时间仍然达不到用户需求。给某一区域供给热电负荷，必须配置相应的较为稳定的能源系统。目前，燃气-蒸汽联合循环机组是供热系统中普遍采用的方式之一，而基于太阳能和燃气机组的多能互补系统作为供热供电系统，不仅解决了太阳能的波动性难题，而且能有效降低常规能源消耗，进而实现节能减排的目的[8-9]。

受天气影响每日太阳能可以提供的电、热负荷具有很大的随机性，并且每日用户热电负荷也呈现一定的波动性，这使得多台分布式燃气-蒸汽联合循环机组需要根据实时需求做出相应的调整。另一方面，随着电力市场改革的不断深入，需要在购电成本最低的前提下实现电网区域调度，因此拥有多台并列运行机组的热电厂不得不面临基于厂级的负荷分配问题，负荷优化分配将成为热电厂一项重要的节能优化措施[10-12]。

本文首先对光伏电站和燃气-蒸汽联合循环机组的运行特性进行研究，确定机组的调度限制范围，并选定典型日负荷曲线对多能互补系统进行调度计算，获得实时负荷分配结果；然后，通过对同一负荷下不同机组运行组合方式的研究，获得该负荷下最优的运行组合方式，为多能互补系统的热电负荷调度提供数据和理论支持。

1 区域电网配置方案

本文选取基于太阳能和燃气的多能互补系统作为区域供热供电系统，区域电网配置示意如图1所示。该系统由1个光伏电站、1台燃气-蒸汽联合循环机组（背压式汽轮机）和2台燃气-蒸汽联合循环机组（抽凝式汽轮机）构成，通过优化控制调度多能互补系统内机组运行组合方式和负荷分配，来实时满足用户的热电负荷需求。

图1 区域电网配置示意

2 电站特性分析

2.1 光伏电站

图2为某30 MW光伏电站的典型日光伏发电出力曲线。由图2可以看出：在没有光照的时间段，如0:00—6:00和20:00—24:00内，该光伏电站没有出力；光照强度在12:00时达到最大，出力可以达到约25 MW。因此，光伏发电系统具有间歇性和随机性，必须与其他能源进行互补发电。

图2 某典型日光伏电站出力曲线

2.2 不同类型机组特性分析

首先分析某些重要参数对不同类型机组燃气-蒸汽循环效率曲线的影响，获得燃机负荷与燃机效率、联合循环总效率之间的关系曲线如图3所示。由图3可以看出：燃机效率随着负荷率的降低呈现大幅下降的趋势，在部分负荷工况下燃机效率较差；背压式机组联合循环效率变化趋势并不明显，在负荷变化范围内联合效率均在85%左右；在燃机低负荷时，蒸汽循环的效率可以平衡一部分效率。

图3 背压式机组燃机负荷率、效率、联合循环效率关系曲线

图4为抽凝式机组100%燃机负荷工况下抽汽量、联合循环效率、热电比关系曲线。由图4可以看出：在同一燃机负荷下，热电比随着抽汽量增加呈现上升趋势；同时对于抽凝式机组而言，联合循环效率呈现明显的上升趋势，表明抽汽量越多，即热负荷占比越高，其联合循环效率越高。

图4 抽凝式机组抽汽量、联合循环效率、热电比关系曲线

可以看出，无论是何种类型的联合循环机组，供热负荷对机组的循环效率影响较大，且由于热负荷和电负荷评价指标之间无法直接进行比较分析，故选取燃气量这一能耗指标进行后续分析。

本文选取热负荷、电负荷和环境温度等影响能耗的3个关键参数作为研究对象，忽略其他参数对能耗的影响。其中，机组的热、电负荷直接影响能耗量，环境温度不仅影响机组进气密度从而影响压气机进口空气质量流量，而且还对燃气轮机排汽温度和流量产生影响[13]。在此基础上，选取环境温度20℃工况下某厂燃气-蒸汽联合机组的特性进行分析，更为直观地了解热电负荷对能耗的影响规律。

2.2.1背压式汽轮机特性

背压式汽轮机组的工作特点是在一定的排汽参数下供应热用户规定的蒸汽量，同时供给电用户一定的电能。背压式汽轮机采用以热定电模式，供热量一旦确定，其机组的电负荷、燃料量也随之确定。热负荷、电负荷、燃料量等一一对应，无法通过单独调节同时满足热负荷和电负荷的需求。因此，对于一个同时装有多类型机组的发电厂而言，需进行厂级负荷分配，首先要确定背压机组所提供热负荷量，以此来确定承担的发电出力，进而确定其他机组承担的热电总负荷，对其他机组进行再次分配，从而完成负荷的优化分配工作。图5为某燃机额定出力为50 MW的燃气-蒸汽联合循环（背压式）机组的电、热、燃气量关系曲线。

图5 某燃气-蒸汽联合循环（背压式）机组的电、热、燃气量关系曲线

2.2.2抽凝式汽轮机特性

抽凝式汽轮机机组是指将做过功的一部分蒸汽从汽轮机中间抽出供给热用户，其余蒸汽继续膨胀做功，最后排至凝汽器凝结，可同时满足热、电两种负荷的需要。

抽凝式汽轮机的热负荷、电负荷与燃气量的关系为三维曲线，热负荷和电负荷是影响燃气量的两个变量。通过性能试验或者历史数据分析拟合，获得不同燃机负荷下热负荷与电负荷之间的关系曲线如图6所示。由图6可以看出，燃机负荷一定时，热负荷与电负荷基本呈线性关系，即燃机负荷不变时，其汽轮机主蒸汽量一定，抽汽量越大，热负荷随之越大，电负荷随之越小。因此，可以利用这一特性对变量进行降维，降低运算变量维度，能有效减少多变量优化的运算量。

图6 某抽凝式汽轮机机组电、热、燃气量关系曲线

3 多能互补系统热电分配方案

燃气-蒸汽联合循环机组的负荷优化分配数学模型较为复杂，而且不同类型机组特性又有所区别，因此，需要寻求一种能统一计算各类型机组的算法。热电联产机组不仅要求分配电负荷，同时还要分配热负荷，这就要求算法能同时适应两种能量形式，可同时考虑多个变量对煤耗的影响。热电厂负荷优化分配实质上就是在同时满足总的热电负荷要求的基础上，在各机组之间合理分配负荷，使总的燃料消耗量最小，实现最经济运行。

3.1 数据挖掘分析

随着电力设备自动化、信息化程度的不断提高，电厂存在大量的现场数据，可以有效地获得机组的历史、实时运行状态，通过动态数据挖掘手段采集分析，获得机组不同变量下的能耗特性，进而为负荷分配提供数据基础[14-15]。

方案1：首先针对燃气-蒸汽联合循环机组稳定工况下的数据进行提取分析，并把稳定工况按照环境温度进行分组拟合，获得典型环境温度下，热负荷、电负荷和能耗的关系特性；其次对当前温度进行插值，从而获得当前机组能耗特性；最后需要定时定期对历史数据进行更新，获得最新机组能耗特性，从而实现较好的负荷分配。

方案2：由于环境温度变化不大，可以利用计算机数据挖掘，在短时间内快速搜索筛选历史数据中当前温度附近的热负荷、电负荷和能耗关系曲线，并对数据进行拟合，从而进行下一步负荷分配。

3.2 负荷分配原理

热电负荷分配的目标函数为当前环境温度下全厂气耗量的最小值。由于光电是可再生能源，应在满足电网安全稳定运行的基础上，尽可能优先光电并网，以有效降低全厂气耗量。

首先用户总热负荷是由燃气-蒸汽联合循环机组提供，可以根据当前用户总热负荷retot算出联合循环机组电负荷可以达到的上下限边界；根据当前光伏电站的发电量solarmax与用户总电负荷diantot进行判断，如果光伏电站发电量全部并网，联合循环机组电负荷在可以达到的上下限边界内，光伏发电量全部并网，并直接进行联合循环热电负荷分配；如果不满足上下限边界条件，低于下边界时，证明联合循环发电量不足，应降低光伏电站并网电量使得联合循环发电量达到最低发电，将这一部分能量通过蓄电池组进行存储，到夜晚无光照时再次释放；高于上边界时，证明联合循环机组在供热达到要求时最大的发电量以及光伏发电量全部并网仍不满足用户需要的电量，因此需要申请电网调度从外网接入电源；光伏全部并网后，联合循环机组热负荷分配原理公式如下。

全厂气耗量的最小值：

约束条件为：

式中：、Bbici分别为全厂、第台机组的气耗量、第台背压机组的气耗量、第台抽凝机组的气耗量；为全厂背压机组总数；为全厂背压机组总数；为第台机组的运行状态（1表示运行，0表示停运）；retotdiantot分别为全厂总热负荷、全厂总电负荷；breicreibdianicdiani分别为第台背压机组的热负荷、抽凝机组的热负荷、背压机组的电负荷、抽凝机组的电负荷；solarmax为光伏发电最大并网电量；brei,xxbrei,sxcrei,xxcrei,xx分别为第台背压机组、抽凝机组热负荷的上、下限；bdiani,xxbdiani,sxcdiani,xxbdiani,sx分别为第台背压机组、抽凝机组电负荷的上、下限。

抽凝机组的ci与该机组的热负荷和电负荷相关，可以通过拟合历史数据，获得该抽凝机组气耗量的关系如式(3)所示。

综上所述，多能互补系统的智能热电负荷分配技术方案计算流程示意如图7所示。

图7 热电负荷分配技术方案流程

4 计算实例

以基于太阳能和燃气-蒸汽联合循环机组的多能互补系统为研究对象，全厂气耗量的最小值作为目标值，对不同工况下，多能互补系统的热电分配进行仿真计算。图8给出了该区域热电总负荷、光伏发电出力以及联合循环机组出力的关系曲线。

图8 某区域光伏、联合循环机组日负荷及出力示意

由图8可以看出，区域内燃气-蒸汽联合循环机组出力以及热负荷已知，光伏出力在6:00—20:00区域内均小于区域总电负荷，经计算光伏电站出力全部并网，联合循环机组出力并未超过热电出力上限，因此光伏出力可以全部并网。

分析认为，多能互补系统的热能分配问题可以简化为3台联合循环机组之间的热电负荷分配问题。基于不同类型联合循环机组的性能特性对互补系统热电负荷分配进行计算，结果见表1，其中燃机1和燃机2为抽凝式汽轮机机组，燃机3为背压式汽轮机机组。由表1可见：在一般工况下，机组2台抽凝机组运行即可达到运行最优工况，2台机组运行时较少出现1台背压机组和1台抽凝机组联合运行的情况，这说明相同运行工况下，2台抽凝机组运行要优于一背一抽式机组；同时只有在时刻为18:00，即联合循环机组总电出力为112.25 MW和总热出力为95.25 MW时，超过2台抽凝机组的上限，无法达到需求；负荷继续升高时，如在19:00时，联合循环机组总电出力为110.98 MW和总热出力为101.79 MW，2台抽凝机组和一背一抽组合无法满足运行需求，需要3台机组同时运行。

选取表1中时刻5:00为研究对象，此时联合循环电出力为93.392 5 MW和热出力为62.633 1 MW，计算当前负荷工况下，不同组合方式的耗气量，结果见表2。由表2可见：基于本文研究对象的性能特性，两抽凝式组合气耗量最小，一背一抽式次之，3台机组同时运行气耗量较大；相同负荷下，两抽凝式运行比一背一抽式气耗量降低了81.78 m3/h，低了约0.36%；相较于3台机组运行气耗量降低了2 346.73 m3/h，降低了约10.38%，可以有效实现节能减排的目的，为企业创造更高的经济收益。因此在负荷调度时，在机组运行限度范围内，应优先选用两抽凝式运行组合方式。

表1 热电负荷分配计算结果

Tab.1 The calculation results of heat-electric load distribution

表2 同一工况下不同机组组合方式的气耗量计算结果

Tab.2 The calculation results of gas consumption for different unit combinations under a certain condition

另外，由于地区日热电总负荷变化趋势和幅度呈现类似性，为了避免频繁启停，选择在热电高负荷阶段采用3台机组同时运行，在低负荷阶段采用两抽凝机组组合运行，提前规划出启停次数较少的机组运行组合，经机组组合优化后的热电分配结果见表3。由表3可见，在11:00—22:00时 间段内采用3台机组同时运行，其余时间段内采用2台抽凝式机组运行，这样可以有效降低机组启停次数，在实现节能降耗的同时，可为运行人员提 供数据支持。

表3 热电负荷分配计算优化结果

Tab.3 The optimized calculation results of heat-electric load distribution

5 结 论

1）通过负荷分配算法可以有效计算出当前环境温度下光伏电站、多台燃气-蒸汽联合循环的热电分配，直接以总气耗量最小为目标，充分考虑热电负荷调度范围限制，确定最优的运行组合方式和相应的负荷分配。

2）通过大数据挖掘，可以快速地从机组历史数据中获得当前运行工况下机组变量与能耗之间的关系数据，并为热电负荷分配调度范围提供依据，从而对目标函数进行计算，能准确地获得计算结果。

3）对于本文的研究对象，两抽凝式组合气耗量最小，一背一抽式次之，3台机组同时运行气耗量较大，因此在负荷调度时，在机组运行限度范围内，应优先选用两抽凝式运行组合方式。另外，在时刻为11:00—22:00时间段内采用3台机组同时运行，其余时间段内采用2台抽凝式机组运行，可以有效降低机组启停次数，提高机组运行能力。

4）由于太阳能、风能等可再生能源大规模并网，区域内热电调度问题越来越受到重视，合理的调度不仅能保证电网的安全稳定，并且可以有效降低机组运行能耗，提高机组的经济性和市场竞争力。

［1］ 卢胤龙, 韩明新, 任洪波, 等. 多能互补分布式能源系统优化设计研究进展[J]. 上海电力学院学报, 2018, 34(3): 229-235. LU Yinlong, HAN Mingxin, REN Hongbo, et al. Progress on the design optimization of hybrid distributed energy systems[J]. Journal of Shanghai University of Electric Power, 2018, 34(3):229-235.

［2］ 谭忠富, 谭清坤, 赵蕊. 多能互补系统关键技术综述[J]. 分布式能源, 2017(5): 4-13. TAN Zhongfu, TAN Qingkun, ZHAO Rui. Review of key technologies for multi energy complementary systems[J]. Distributed Energy, 2017(5): 4-13.

［3］ KOIRALA B P, KOLIOU E, FRIEGE J, et al. Energetic communities for community energy: a review of key issues and trends shaping integrated community energy systems[J]. Renewable and Sustainable Energy Reviews, 2016, 56: 722-744.

［4］ 上官小英, 常海青, 梅华强. 太阳能发电技术及其发展趋势和展望[J]. 能源与节能, 2019(3): 60-63. SHANGGUAN Xiaoying, CHANG Haiqing, MEI Huaqiang. Solar power generation technologies and their development trends and prospects[J]. Energy and Energy Conservation, 2019(3): 60-63.

［5］ 辛培裕. 太阳能发电技术的综合评价及应用前景研究[D]. 北京: 华北电力大学, 2015: 1-4. XIN Peiyu. Research on solar power technology economic evaluation and application prospect[D]. Beijing: North China Electric Power University, 2015: 1-4.

［6］ 刘威, 刘春雷. 太阳能集热在清洁能源供热的应用[J]. 应用能源技术, 2018(2): 38-41. LIU Wei, LIU Chunlei. Solar energy collector is used in clean energy heating[J]. Applied Energy Technology, 2018(2): 38-41.

［7］ 战栋栋, 张红, 庄骏. 槽式太阳能直接产蒸汽系统接收器的研究进展[J]. 热力发电, 2009, 38(3): 10-13. ZHAN Dongdong, ZHANG Hong, ZHUANG Jun. Advancement in study on solar energy receiver for direct steam generation[J]. Thermal Power Generation, 2009, 38(3): 10-13.

［8］ 裴杰, 赵苗苗, 刘明义, 等. 太阳能与燃气-蒸汽联合循环发电系统优化[J]. 热力发电, 2016, 45(1): 122-125. PEI Jie, ZHAO Miaomiao, LIU Mingyi, et al. Optimization of Fresnel solar and gas-steam combined cycle hybrid power generation system[J]. Thermal Power Generation, 2016, 45(1): 122-125.

［9］ 林汝谋, 韩巍, 金红光, 等. 太阳能互补的联合循环(ISCC)发电系统[J]. 燃气轮机技术, 2013, 26(2): 1-15. LIN Rumou, HAN Wei, JIN Hongguang, et al. The integrated solar combined cycle power generation system[J]. Gas Turbine Technology, 2013, 26(2): 1-15.

［10］ 黄廷辉, 柴胜凯, 庞顺, 等. 热电联产机组热、电负荷优化分配[J]. 热力发电, 2010, 39(12): 1-4. HUANG Tinghui, CHAI Shengkai, PANG Shun, et al. Optimization of thermal and electrical load distribution for the cogeneration unit[J]. Thermal Power Generation, 2010, 39(12): 1-4.

［11］ 吴龙, 袁奇, 刘昕. 供热机组热电负荷最佳分配方法分析[J]. 中国电机工程学报, 2012, 32(35): 6-12. WU Long, YUAN Qi, LIU Xin. Research on the scheme of optimal load distribution for cogeneration units[J]. Proceedings of the CSEE, 2012, 32(35): 6-12.

［12］ 谢毅霏, 卫鹏杰, 张建伟. 动态寻优法在供热机组热电负荷优化分配中的应用[J]. 山西电力, 2014(1): 42-44. XIE Yifei, WEI Pengjie, ZHANG Jianwei. Application of dynamic optimization method in the optimization of heat and power load distribution of heating unit[J]. Shanxi Electric Power, 2014(1): 42-44.

［13］ 杨允, 张士杰, 肖云汉. 环境温度对燃气轮机分布式供能系统优化配置的影响[J]. 热能动力工程, 2013, 28(4): 345-351. YANG Yun, ZHANG Shijie, XIAO Yunhan. Influence of the ambient temperature on the optimized configuration of a gas-turbine-based distributed energy supply system[J]. Journal of Engineering for Thermal Energy and Power, 2013, 28(4): 345-351.

［14］ 梁俊宇, 赵明, 李鹏飞, 等. 基于数据挖掘的火电机组主要参数基准值获取方法[J]. 热力发电, 2015, 44(1): 73-76. LIANG Junyu, ZHAO Ming, LI Pengfei, et al. Data mining based determination method of main parameter benchmark values for power plants[J]. Thermal Power Generation, 2015, 44(1): 73-76.

［15］ 宋鸣程, 贾立, 叶灵芝. 基于Spark的火电大数据挖掘方法的研究[J]. 控制工程, 2018, 25(12): 2158-2165. SONG Mingcheng, JIA Li, YE Lingzhi. The research of big data mining of thermal power method based on spark[J]. Control Engineering of China, 2018, 25(12): 2158-2165.

Research on heat-electric load distribution for multi-energy complementary system based on solar and gas

WANG Mingkun, GAO Lin, HUAN Qingqiu, WANG Lin, ZHOU Junbo, HOU Yuting, GUO Yiwen

(Xi’an Thermal Power Research Institute Co., Ltd., Xi’an 710054, China)

With the large-scale integration of new energy sources, multi-energy complementary is an inevitable trend of power grid development. For cogeneration plants with multiple parallel operating units, they are faced with plant-level load distribution issues. By studying the operating characteristics of photovoltaic power plants and gas-steam combined cycle units, the scheduling limits are determined in this paper. The typical daily load curve is selected to complete the scheduling calculation for multi-energy complementary system, and the real-time load distribution results are obtained. Meanwhile, the optimal combination mode can be obtained through the research on different operation combination modes under the same load. The simulation calculations show that, the gas consumption of double-condensing unit operation mode is the least, followed by a back and a condensing unit operation mode. The gas consumption of three-unit operating mode is the most. Therefore, within the operating limits, the double-condensing unit operation mode should be preferred. The three-unit operating mode should be operated simultaneously during the period of 11:00—22:00 to effectively reduce the number of starts and stops. It provides data and theoretical support for heat-electric load distribution while achieving energy saving and consumption reduction.

solar energy, gas-steam combined cycle, multi-energy complementary, load distribution, energy conservation and emission reduction, gas consumption, simulation calculation

TK51

A

10.19666/j.rlfd.201904080

王明坤, 高林, 郇庆秋, 等. 基于太阳能和燃气的多能互补系统热电负荷分配技术研究[J]. 热力发电, 2019, 48(7): 39-46. WANG Mingkun, GAO Lin, HUAN Qingqiu, et al. Research on heat-electric load distribution for multi-energy complementary system based on solar and gas[J]. Thermal Power Generation, 2019, 48(7): 39-46.

2019-04-15

王明坤(1988—)，男，博士，工程师，主要研究方向为智能电站控制技术，wangmingkun@tpri.com.cn。

（责任编辑 马昕红）