文摘
热电联产机组使用热能和电能作为主要采暖季可操作模式。它缺乏调峰能力,导致强烈的风缩减。本研究提出了一种协调调度策略的蓄热热电单位考虑风电的不确定性。发展方法执行一个风能数据测量和基于边缘的过程系统计算和深度学习获取操作数据快速、独立和采用基于区间的风能预测方法的场景。此外,热存储单元的协调控制模型的特点分析后建立蓄热热电单元的协调调度策略基于风热互补,然后采用改进的粒子群优化(PSO)求解过程。该方法通过应用验证这两个典型的热功率的单位。
1。介绍
近年来,风力发电的装机容量和规模安装在中国一直在增加,并有严重的弃风现象。根据国家能源局发布的最新的信息,在2017年,中国风电弃主要集中在东北、西北、华北,其中甘肃、新疆、吉林、内蒙古和最严重的省份,与风放弃率为43%,38%,30%,21%。这一现象的主要原因之一是火电机组在冬季的供暖需求导致系统的调峰能力急剧下降(1,2]。由于供暖季节的气候,中国北部的主要电源是热电联产机组,缺乏峰值负载调节的能力。为了应对热负荷的需求在加热期间,火电机组采用“权力热量,”机制和生成输出和加热输出耦合关系。最低发电容量的增加,矛盾缺乏系统的调峰能力加强。这个问题也是一个重要的方向相关的能源管理系统的研究过程,建立分层的分布式管理系统的数据收集和管理电力生产,能源存储和能源消耗和能源监测的方式,能源统计数据,转换效率分析中使用系统分配合理的能源设施分配和控制功能可以显著增加设施和能源的利用效率,降低成本。
为了提高风能输入网络的规模,储能技术近年来吸引了广泛关注由于其优秀的风能互补。然而,除了成熟的抽水蓄能电站,几乎所有其他能源存储方法是面对问题,如规模难以满足现代电力系统的要求和生活成本和效率。为了扩大风能操作的可行区域,解决风力发电和供热单位之间的矛盾,一个联合调度模型的热电联产机组蓄热与电加热系统建立在[3),这表明一些热量与大容量存储设备可以有效改善系统调度的灵活性,提高风电消费。文献[4]提出了电加热系统相结合的概念,它超越了传统的电力系统的范围,充分利用电力系统和热力系统之间的互补性,并提高了资源优化配置的能力在更广泛的空间和时间范围。热电联产单位是非常重要的对解决能源危机5),但他们的热电耦合关系是矛盾的新能源电网连接。文献[6)使用蓄热装置的热电耦合关系打破“热修复电力”,分析了影响蓄热设备所产生的不同的安装位置。文献[4]总结调度模型的综合利用风能电力消耗的热量存储设备和基于热电耦电锅炉蓄热设备的特点和电加热电热锅炉的特点并比较不同的调度方法的经济形势。在[7),风能的不确定因素的影响下,联合操作的调度模型的建立风力发电和热电联产机组蓄热。考虑在线收入之间的交互和惩罚成本不确定因素下,双重操作调度策略制定最终收入最高的目标。德国现货市场条件下的火电机组的效率大大提高,增加热电联产和蓄热装置与相应的能力。学者首先分析了调峰的原则和河谷充填蓄热装置提高调峰能力,建立了风力发电的联合调度模型,热功率,和蓄热装置,测试了风力发电和热存储设备的经济以煤炭消耗速率为指标。同时,考虑风电的不确定性和蓄热设备的放热特性,双线性模型调度方法解决电热联合调度问题(8- - - - - -11]。
通过以上研究,可以发现热存储设备可以分离热火电机组的电气特性。通过合理分配电能和热能的单位,系统的调峰能力可以提高,风力发电等新能源的产生可以连接到电网,消费空间可以提高,可以降低操作成本。季节性的不确定因素的风力发电,风力涡轮机数据测量和处理系统采用基于边缘计算和深度学习控制每个WT实时,快速,和独立,计划提高峰值负载的容量调节热存储单元的基础上,协调调度提出了风和热。本文主要介绍蓄热方案的基本原理,然后分析了外部特征的热操作热存储单元。蓄热热电单元的协调调度策略基于风/热量补充提出了电力系统,和热存储单元的协调控制模型。最后,协调调度策略应用于典型的火电机组,和改进的粒子群优化(PSO)用于解决和验证策略的有效性。
2。风力发电机测控系统基于边缘计算和深入学习
2.1。边缘计算
以及无处不在的电力物联网的出现,互联网时代即将来临的一切(12- - - - - -14]。所产生的越来越多的数据分布网络边缘设备(如大规模DG和FL),与此同时,网络通信带宽提出了更高的要求,数据处理的及时性,数据隐私,等等,不能有效解决的集中传统分销网络EMS的云计算模型。在这种背景下,边缘计算已经得到国内外学者的广泛关注。基本思想是在数据源端执行计算任务在网络的边缘附近,以减少通信延迟,减少通信带宽需求,缓解云主站的计算压力,并实现数据隐私保护的边缘节点15,16]。
2.2。风力涡轮机的测量和控制系统
风力发电机测控系统采用基于边缘计算和深入学习。该系统包括主服务器、终端传感器、终端控制器,终端服务器和WT主控制器安装在风力涡轮机。终端传感器放置的位置要监视的部分风力涡轮机。该方法的结构图如图1。
终端控制器连接到终端传感器和终端服务器。终端控制器存储深度学习模型。终端控制器是用来获取终端传感器收集到的数据,进行计算和边缘处理收集到的数据通过深度学习模型,将处理结果存储在终端服务器,生成WT控制指令(17]。终端服务器连接到主服务器,用于获得通过终端服务器处理结果和问题深度学习模型的终端控制器。WT主控制器连接终端或终端服务器得到了WT控制指令和控制WT根据指令。数据采集和控制系统可以控制每个WT实时,快速,和独立,风力涡轮机控制更为高效和智能。算法实现过程中所示1。
|
3所示。蓄热热电单元的协调调度模型基于风/热量补充电力系统
3.1。电热蓄热热电单元的特征
监管不力的电力系统在北方地区供暖期间主要是由于加热装置的操作后,“热量实力”模式。虽然萃取单元的热和电负载变化在一个指定范围,极大地影响供热发电。增加的热量供应,发电的可调节范围越来越小。在加热期间,热电厂的供热任务非常大,所以实际功率调整幅度非常小(18,19]。热电单元的特性曲线如图2。
根据上述工况图,之间存在线性关系的发电范围加热单元和热功率的变化,由以下公式表达(20.]: 在哪里和是发电的最大和最小值,当加热功率的单位是在时间t。和是发电的最大和最小值时,单元处于冷凝模式。是一定加热功率的单位。K1,K2,K3系数。
下面的公式是能量的输入和输出之间的关系提取加热单元: 在哪里问煤炭煤的能量,PE是发电,ε1热功率比,λ煤炭是单位的效率。
通过分析提取类型的加热装置,可以看出,火电机组可以自动响应热负荷的变化,因此,可控的火电机组可用于弥补无法控制的风力发电,形成一个互补的运行方式,实现用户的稳定的加热。解耦的必要性“热”的模式来改善系统的峰值负载调节能力是解释说。
3.2。风力发电预测考虑不确定性
风电的不确定性直接反映在大型风力发电的预测误差。由于风能的特点,如随机性、波动性、间歇性,和糟糕的可控性和现有风力发电预测方法的局限性,风电预测误差是不可避免的。以天提前预测为例,风功率预测的平均绝对误差软件实际上投入商业运营在全球范围大约是14% - -20%,这将产生重大影响的优化结果功率流分析,单元组合,经济调度,和其他问题考虑风电接入。
3.3。目标函数
目前,中国已开始实施节能发电调度。最常见的调度模式是最低的运营成本和系统的煤炭消耗量最低。因此,目标函数是最低成本,也就是说,系统的最小的煤炭消耗量。短期蓄热设备的运营成本非常小,因此建模时无需考虑。对于传统的火电机组,煤炭消费Cc可以表示为二次形式的发电: 在哪里一个我,b我,c我的煤炭消耗系数单位吗我和发电的单位我在时间1。
煤炭消耗量之间的关系Ce提取单元和热能和电力的单位如下: 在哪里一个我,B我,C我是火电机组的煤炭消耗系数。
基于成本函数形式的上述两种类型的单位,以下可以建立目标函数: 在哪里T是时间的总数;Gc是常规火电机组的集合;Ge是集热电联产单位。
协调控制模型考虑环境包括常规火电机组的成本,热电联产装置,操作维护风力发电,煤炭脱硫脱硝处理,排放的二氧化硫(2),氮氧化物(NOx),加入所需的发射帐户(21,22]。
假设f环境成本;然后,目标函数如下: 在哪里C1是常规火电机组的发电成本;C2代表了热电联产机组的发电成本;C3风力发电机的运行和维护成本;C4是这样的删除和治疗成本吗2也没有x;C5是污染物排放惩罚成本的逃避2也没有x;P它传统的火电机组的发电能力在时间;Pe,它是一代的热电联产机组在任何时候;是目前风力涡轮机的发电;一个年代和一个N分别代表的质量2也没有x在发电的过程中生成的;l年代和lN分别代表的质量2也没有x逃脱了(23]。
3.4。约束
3.4.1。功率平衡约束
在哪里N是集热功率单元的面积,N=Gc+Gb+Ge。的系数P西南,t风力发电的风力发电场连接到电网在时间吗t在场景年代。PD,埃尔,t系统的电力负荷在时间吗t。ρ电动泵时功耗商店单位热量。hk,t是热蓄热水箱的存储和释放能力的时间吗t。
3.4.2。加热约束
在哪里k= 1,…,米,米加热区域的总数;pD,h,c,t的总热负荷k区热电厂t;G一个和Gb是提取的集合类型和反压力类型的单位k区,分别。
3.4.3。起止输出约束的单位
当一个发电机组从停滞状态变化到一个操作状态或即将从一个操作状态变化到一个停滞不前的状态,最低发电机组的输出应保持稳定。
3.4.4。限制单元爬速度的上限和下限
在哪里D我和U我上限和下限的单位攀爬的速度。
3.4.5。风力发电输出约束
在哪里风电场的风能预测在时间吗t。
3.4.6。蓄热装置的操作限制
公式(13)是蓄热装置的存储和释放热能力hk,c马克斯和hk,f马克斯的最大热存储和释放功率蓄热装置。hk,t计算公式(14);年代h,k,t的蓄热能力吗k带蓄热设备在时间t。λ是蓄热水箱的热耗率在一个时期。
3.4.7。对蓄热能力约束
在哪里年代h,k,马克斯是蓄热装置的蓄热能力。在模型中,假设的蓄热能力年代h,k,t蓄热装置的周期等于初始蓄热能力年代h,k,0。
3.4.8。系统旋转备用约束
在哪里U老和U博士是积极和消极的和旋转备用容量提供了每个火力发电和热电单元,分别。P老是旋转储备集。
3.5。解决方法
本文改进的PSO算法用于提高学习因素,结合之前的方法。特定的时间,如果一个单位的输出值超过了最大值输出范围的单位,单位产值的那个时期的最大价值是单元的输出。如果单元的输出值从0到输出的最小值范围的单位,单位的输出值在这个时期应是零或单元输出的最小值。如果单位的输出值小于零,这将是零。在每个单元的输出设置这种方式,如果所有启动单位已达到输出的上限或允许值的极限攀岩,所有启动单位已达到下限输出或向下攀爬的允许值极限速度,无法满足旋转储备和额外的等式约束的要求。然后运行或关闭所选单位的转向。然后,在任何时候进行上面的操作来实现每个粒子位置的校正,以确保解决方案在每个迭代中获得的粒子群是可行的。具体步骤如下(算法的解决方案2)。
|
总体方案的流程图如图3。
4所示。实例分析
4.1。实验描述
例子的研究分为四个部分,一部分是介绍实验环境,B部分是基于间隔场景,和两个C和D部分地区进行了对比测试,分别。
在C部分,两个热电联产机组的特定数据文献所示(15),四个常规火电机组的基本参数如表所示1,预测风电场的功率曲线如图4为了验证该模型的有效性和可行性。分为24个调度时间的一天,和一群优化算法用于解决模型来确定联合调度的热电联产机组蓄热输出。
做个比较,配置、参数和负载的单位是一致的与在前面的D部分热电联产单位;4常规火电机组和1风电场也选择验证该模型的有效性和可行性。在仿真分析中,风电场的运行和维护成本在本文选择区110元/兆瓦·h,和脱硫和脱氮处理单元的成本2也没有x每公斤3元/公斤,15元/公斤,分别。发电机组使用燃煤价格520元每吨,和所以的质量2也没有x每吨煤炭燃烧释放的是8公斤,7公斤,分别。根据参考,治疗效率的脱硫和脱氮单元设置为80%,和罚款费用每公斤0.65元的2也没有x。一天分为24调度时间,蜂群优化算法用于解决模型来确定热电联产与蓄热单元的共同输出调度和风能考虑环境成本。
4.2。风力发电的预测基于区间的场景
试验结果表明,预测的相对误差的期望值μf= 0.0203,预测相对误差的标准差σf= 0.0667。通过概率分布的计算,预测误差是主要分布在16%和22%之间,达到了99.52%。名誉扫地的步骤0.02中,发生概率最大的曲线被称为1.0曲线,和两边的曲线被称为1.02,1.04,0.98,0.96,……。对风电场的风力发电统计数据2018年在加热期间,见图5和表2。
根据风电预测误差的分布特点,考虑风电的明显的季节性差异,风电预测的离散化区间可以简化为一条曲线我数字,对应于一个场景我号码。每个曲线与我号码对应一个经验概率值f我,在那里我= 1,2,…我马克斯(上限下限的顺序),表明其可能发生的概率,和所有的总和f我是1。
4.3。蓄热热电单位协调调度
协调调度蓄热的热电单元,通过建议的解决方案,它是发现,综合成本最低是495600元/d,每个单元的输出功率调度在调度图所示6。从图可以看出6电力输出和热输出的总和在每个时间单位的调度模式下等于电力负荷和热负荷,以满足热量的平衡,电力供应和需求。高峰期的热负荷(1 - 7 h;21 - h),电动负载较低的时期,有一个明显的力量和热量的需求之间的矛盾。因为燃料的热电联产单位成本显著低于火电机组及其热输出和电气输出有一定的耦合特征,在电力负荷高峰期,为了减少火电机组的输出,有必要提高热电联产机组的电气输出。蓄热装置释放的热量在高峰期间的电力负荷,减少热热电联产机组的输出,然后达到的目的,增加发电量,并达到降低综合运营成本的目标。
从曲线在图7可以看出,热发电容量差别没有对这些时期主要发生在电网的低级操作的时间,几乎伴随着时间的晚上蓄热输入。当能力差别没有对这些时期正值的蓄热输入,这是不到的能力或差别没有对这些蓄热输入。这表明当电网处于低段和热功率能力,差别没有对这些没有必要把蓄热操作。虽然这种情况很少发生,一个解释是,风力发电输出是在减少的过程。
4.4。协调调度蓄热的热电单位考虑环境成本
计算后,总成本的协调控制模型考虑环境成本每天是576000元,包括104000元的操作脱硫和脱氮装置和014万元罚款收费气体逃逸2也没有x。图8显示了电动加载和热存储单元的输出曲线,和图9显示了不同的风力发电消耗模型。表3是风的比较不同模型之间的电力消耗。
图9展示了主要的风力发电的运行时间是8∼16 h;的时候,内部热负荷处于较低的状态,和风力发电在顶峰,风缩减仍然存在风能的运营成本。
在传统的协调控制模型没有环境成本,日常发电成本是471000元,和风能消费预测值的21.9%,而在协调控制模型考虑到环境和风力发电运行和维护,日常发电成本是576000元,和风能消费预测值的30.7%。显然,协调控制模型中考虑环境和风力发电运行和维护风力发电运行和维护成本和污染控制成本将增加发电成本在某种程度上,但是污染气体的排放将大大改变,其中2排放将减少5.8吨,没有x排放将减少5.2吨。
5。结论
针对问题,大量的风被遗弃了由于缺乏高峰负荷调节能力与热引起的热电联产机组的操作能力,提出了一种协调调度策略研究蓄热热电单元基于风力发电数据采集系统使用边缘计算。风力发电数据测量和基于边缘的过程系统计算和介绍了深度学习,和风力发电预测方法采用基于区间场景处理风电的不确定性。最后,火电机组的协调调度策略应用于典型的火电机组,群优化是用于验证策略的有效性。通过合理调度传统的火电机组,热电联产单位,和风能,综合运营成本可以大大降低,风电的消费会增加,火电机组的输出和热电联产单位可以减少,达到节能减排的目标。
数据可用性
使用的数据来支持本研究的发现正在禁运而研究成果商业化。请求数据,本文的发表之后的12个月内,将被相应的作者。
的利益冲突
作者宣称没有利益冲突。