氢储能接入含风电的热电联产系统日前调度研究

刘永江，魏超，高正平，焦晓峰

（内蒙古电力科学研究院，内蒙古 呼和浩特 010020）

近年来，利用风能和光伏系统等可再生能源提供电能的问题受到了极大的关注。国际上对气候变化和污染气体排放的挑战以及化石燃料的有限来源可以算作是可再生能源在电网中高渗透率的主要原因[1]。根据国际能源署（IEA）的最新报告，到2030年，每年的风力发电量将达到2 182 TW·h。另一方面，利用风力发电机和光伏系统进行供电的不确定性，研究人员提出了各种解决方案来克服这些问题。在这样的领域中，储能技术的应用已经提出了一种切实可行的解决方案，被应用于不同的场景类型，如抽水蓄能装置、压缩空气储能、电动汽车和储氢技术[2]。储氢系统能够将可再生能源提供的额外电力利用电解过程转化为氢气，从而将其储存起来。储存的氢气可以通过氢基燃气轮机进行后期应用。由于其能够从可变的可再生能源中产生氢气，因此在电力系统中使用电力制氢（power to hydrogen，P2H）装置作为储能设施的潜力是相当大的[3−4]。此外，利用这种储能技术快速响应的优势，使其能够在辅助服务市场上进行协调[5−6]。

近年来，各种研究都集中在氢储能系统（hy⁃drogen energy storage systems，HES）和可再生资源的协调上[7]。1990年，人们首次努力将HES和光伏系统进行协调[8]。挪威能源公司Norsk Hydro与德国风力涡轮机制造商Enercon合作，在挪威的Utsira安装了第一个最大的风−氢系统。该系统能够作为一个独立的电力网络运行，可用率达到90%[9]。在储能技术对电能网络运行成本和风力溢出的影响方面已经有了广泛的研究。文献[10]在考虑风力发电的情况下，研究了抽水蓄能系统在解决随机机组组合中的作用。在文献[11]中，研究了电力与燃气联合网络的稳定模型，分析了电力与燃气储能技术对获取运行成本和风电溢出的影响。

热电联产厂已在工业中得到实际应用，通过回收发电过程中浪费的热量来同时提供电力和热量。这种方法可以有效降低热能和电力需求的供应成本，减少空气污染气体的排放。近年来，围绕着热电联产电厂一体化的研究不断增多，主要集中在热电联产机组的短期优化调度、微电网中的热电联产电厂一体化以及热电联产电厂的多目标能源管理[12]。

本文提出了一种基于热电联产厂和HES技术的电力系统的网络约束日调度框架。此外，还考虑了风力发电机组的高度集成。对所提出的模型采用了混合整数非线性编程，在GAMS软件环境下使用DICOPT求解器求解该问题。本文介绍的HES系统能够将多余的风力发电转化为氢气，并将其储存在氢气罐中。然后，当风力较低时，HES系统将储存的氢气转化为动力，利用燃气设备进行发电。本文考虑了两个案例研究，其中包括：1）风力发电条件下基于电热联（com⁃bined heat and power，CHP）的系统的网络约束问题；2）在有风力发电的情况下，HES对基于热电联产系统的网络约束调度的影响。

1 优化模型

1.1 目标函数

本节讨论了所提出的基于电热联−氢储能系统（combined heat and power-hydrogen energy stor⁃age systems，CHP-HES）的电力系统网络约束日调度的公式。问题的目标函数包括常规电厂和热电联产电厂发电装置的燃料成本和启动成本、HES系统在发电和储能模式下的运行成本。HES系统在供电模式下的运行成本与传统电厂的成本函数相似。目标函数如下：

1.2 约束条件

1.2.1 电厂约束

以下是所研究问题的平等和不平等约束条件。

常规电厂和热电联产电厂的运行成本如下：

式中：αi，βi，ci，di，ei，fi为发电机成本系数；Hi，t为热电电联产机组产生的热能；Pi，t为发电机组输出的功率；NP为除热电联机组外的发电机数量。

HES系统的运行成本如下：

发电量限制如下：

升压速率如下：

式中：RUi，RDi分别为机组的爬坡速率的上、下限。

最小开/关时间单位如下：

热电联产机组的可行运行区域如下：

热电联产机组所提供的电力和热力具有双向依赖性。这种互连被定义为可行运行区域（feasible operation region，FOR），图1展示了所研究的热电机组运行区间。

图1 热电联产机组运行区间Fig.1 Operation range of cogeneration unit

1.2.2 储氢系统制约因素

氢气储存系统的运行可考虑在生成、储存或闲置模式下进行，类似于由下式定义的其他储能技术：

产生和储存的氢气的最小和最大限制应考虑到如下2式：

储存在HES中的氢气可以利用下式：

Ah，t的下限和上限应该被限制为

此外，存储在HES系统中的氢气的初始值和最终值可以通过使用如下式来定义：

最后，其他形式的能源所利用的氢气可以用下式来定义：

式中：Pr,t，Pfr,t分别为t时刻风电出力及风电预测出力。

1.2.3 风电出力约束

风力发电量的限制可表述为

式中：dj，t为负荷预测量；NUb，NRb，NKb，NJb，NLb分别为常规机组、风电机组、热电联产机组、负荷节点以及线路的数量；PFL，t为线路上传输的功率。

1.2.4 系统约束

下式可满足电力系统各总线的功率平衡：

式中：XL为线路的电抗；δb,t，δb′,t分别为扰动前后电压相位。

线路输电及其限制可由式（24）和下式表示：

系统的热平衡可由下式表示：

式中：Hi，t为 CHP 机组产生的热能；HDq，t为系统热负荷的期望值。

2 算例分析

所提出的模型已应用于一个6条母线的网络，其中包含一个热电联产厂、2个常规火电厂、3个电力负荷需求和7条输电线路。CHP电厂位于1号母线，2个火电厂G1和G2分别安装在2号和6号母线。热电联产厂和发电机组的特性如表 1和表 2所示，其中 a，b，c，d，e，f为CHP机组的相关系数。

表1 CHP-TS成本Tab.1 Cost coefficients of the CHP-TS

表2 CHP-TS的技术参数Tab.2 Technical parameters of CHP-TS

此外，在5号母线上还设置了1台风力发电机组G3和1台HES。负荷需求和输电线路数据摘自文献[20]。风力发电输出和热负荷预测如图2所示。

图2 风电预测和热负荷预测Fig.2 Wind power forecast and heat load forecast

提出的网络约束市场清算问题采用混合整数非线性编程方法建模，在GAMS软件环境下采用DICOPT求解器进行求解。本节考虑两个案例来验证所提出的模型的有效性，分别是以下2个场景：1）基于热电联产的系统在有风力发电的情况下的网络约束问题；2）在有风力发电的情况下，HES在基于热电联产系统的网络约束调度中的效果。

场景1：在这种场景下，网络约束调度问题中不考虑HES。图3描述了调度时间间隔内的发电机组功率调度情况。从图3中可看出，在整个时间间隔内，热电联产机组都参与了发电。G1电厂作为最昂贵的电厂，只在风力发电量较低且系统处于有峰时段时才参与发电，G2电厂则在整个时间间隔内参与发电。由于G2电厂的发电成本比G1电厂低，因此在中峰时段和高峰时段以其最大容量（即20 MW）参与供电。场景1的运行成本为95 667.331元，其中包括84 000.78元的热电联产运行成本。本案例中全厂的生产成本为11 666.54元。

图3 发电机组在调度时间间隔内的出力情况Fig.3 Output of generating units in dispatching time interval

另外，热负荷增量对风电调度和发电设备功率调度的影响如表3和图4所示。从得到的结果可以明显看出，在调度时间区间开始时，通过增加热负荷，提高了热电厂的最小发电量，有效地抑制了这些时间间隔内的风力发电，从而增加了系统的运行成本。

图4 热负荷增量对风电调度和电厂调度的影响Fig.4 Influence of heat load increment on wind power dispatching and power plant dispatching

表3 热负荷增量对发电设备功率调度的影响Tab.3 Influence of heat load increment on power dispatching of power generation equipment

此外，由于热电联产机组的可行运行区域，热电联产机组的发电量在t=16 h降到了t=21 h，这就导致了昂贵机组的高配合度。这样一来，通过增加10%的热量需求，风力发电量从221.92 MW增加到249.207 MW。因此，电厂的运行成本从11 666.54元增加到12 447.452元，导致系统的总运行成本增加。

场景2：在这种情况下，在网络约束调度中考虑到了HES。HES的最大容量为30 MW，其特性如表4所示，图5为其运行状态。从图5中可以看出，HES在调度时间段的开始阶段，即t=2 h到t=7 h，将多余的风电储存起来，利用P2H技术将多余的风电转化为氢气，并储存在氢气罐中。

表4 氢储能系统特性Tab.4 Characteristics of hydrogen energy storage system

图5 场景2下氢储能运行状态Fig.5 Hydrogen energy storage operation status under scenario 2

风电调度的增量如表5所示。储存的氢气在有峰时段转化为电能，2个场景中G1出力如图6所示。在这些时间段内，电厂G1不参与供电，HES处于发电模式。值得注意的是，由于电厂G1的发电量大于HES的发电量，所以HES在t=17 h至t=18 h处于理想模式。因此，当电厂G1不参与供电时，HES以发电模式运行是经济的，因为该电厂的成本是不变的。在这种情况下，系统的运行成本为92 509.79元，与场景1相比明显下降。

表5 算例场景中的风电调度Tab.5 Wind power dispatch in case scenario

图6 场景1和场景2中G1出力Fig.6 G1output in scenario 1 and scenario 2

3 结论

本文提出了一种基于热电联产机组与风电供应高度集成的电能系统的网络约束日前调度问题。所提出的模型被认为是一个混合整数非线性编程，在GAMS环境下采用DICOPT求解器进行求解。本文介绍了一种氢储能系统，将多余的风能转化为氢气，并将其存储在氢气罐中。当风能较低时，将利用存储的能量，然后利用基于氢的燃气发电厂将其转换为电能。所得分析表明，系统热负荷需求的增加对增加风电的削减和系统运行成本有很大的影响。此外，对HES系统作用的调查证明，考虑到HES系统，减少了风电的削减和系统的运营成本。