摘要：我国北方冬季非高峰时段出现了大量的风能削减现象。因为热需求量高，但电力需求低，热电联供机组必须发电来供热，而风电消耗低。为了解决这一问题，本文提出了一种能源管理方法，以热电联产在微型电网中的供热资源为基础，以缓解风力发电的缩减。一种新的两层协调策略（调度层和实时层）用于控制所有组件，包括分布式发电（DG）单元、不同的热源和电气设备、储能（EES）。在调度层，实现了基于预测数据的集中式优化模型。实时层根据测量数据和从上层接收的参考值计算控制信号。结果表明，该方法能够显著降低风限功率，并保证研究的基于CHP的微电网具有良好的运行效率。
关键词：电能储存；双层协调策略；风力削减
在过去的十年中，世界上许多国家和地区都迅速发展了风力发电。[1]2015年底，累计装机容量中国为145GW，年市场增长率为22%。2015年全国累计削减风力发电量为33900 GWh，造成31.3亿美元的经济损失。有限的热电联产机组的使用运营灵活性是风力削减的主要因素，尤其是在中国北方省份（Creia 2014）。[2]通常CHP机组的热负荷会对其进行限制。冬季非高峰期低电力负荷，但高热负荷，因此，CHP装置得到充分利用。因此，提高热电联产机组克服供热与供热之间的矛盾风力限制。而锅炉使用废风电，可增加供热量提供并允许CHP装置降低其功率输出（Lund和Monster 2006；Meibom等人2007）。[3]CHP装置的灵活性通过使用热泵而增加（Levin 2017；Papaefthymiou等2012）。[4]这些措施提高了运行效率减少风力限制。此外，热能储存（TES）也可以改善CHP装置的灵活性（Lund 2005b；Chen等人2015）。[5]
在上述研究中，很少考虑基于热电联产的风力发电微电网。但是，使用中国北方存在大规模的风力削减，是本文研究了基于CHP的微网格（CREIA 2014）。基于在特殊情况下，最佳的能源管理是建议在多个时间平衡电力和热量需求时期。两层协调策略与柔性控制电能储存（EES）和电加热器方案（FCEE），该方案用于提高基于CHP的微电网的灵活性和安全性。
一、热电联产微电网
（一）基于CHP的微网格框架
提出了一种基于CHP的微网格综合框架。包括热电联产机组、风力发电机组（WTS）、其他柴油发电机组、储能和负荷。需求类型，本文包括电力需求和供热需求，包括储能类型TES和EES。如果能源过剩或短缺，微电网可以连接到主电网，用于销售和购买能源。
（二）CHP能源管理数学模型
基于CHP的微网格的运行目标是最小化按市价计算的成本。此外，它也能减少风力削减，并通过协调保持稳定控制。考虑了电压和功率流的要求，特别是在公共耦合点（PCC）。同时，所有约束都由两层来满足协调策略，包括计划层和实时层。调度层控制变量包括EES的有功功率和无功功率。该模型的设计目的是使运营成本最小化。对风力限制的惩罚。考虑了风电一体化的优先权，因此风电削减的处罚包括在目标函数中。
期刊文章分类查询,尽在期刊图书馆
二、并网方式
功率P的设定点由调度层获得。令此点的输入功率与此点的功率相加等于输出的功率，作为功率平衡的约束；对于两层协调策略，计划层中的时间步骤是整个时间范围的。计划层基于预测数据以确定可控的计划功率每个时间步为单位。计划层的时间粒度优化时间为10分钟，周期长度为24小时。这个第一个操作点被发送到本地控制器，并且剩余的操作仅用于验证操作在给定的预测条件下在未来时段的可行性。因此调度层优化是每10分钟计算一次的，实时层将每10分钟接收一次新的优化数据，并且根据接收和测量值计算控制信号使用上述方法的数据。在本研究中，控制信号更新频率设置为0.1s。
三、总结
本文提出了一种基于热电联产（CHP）的微电网优化能量管理的双层协调策略多个时间段的电力和热量需求。在FCEE计划中，使用电加热器作为独立模式下的可控负提高快速调度能力，增强功率梯度微网格的能力。当风能改变时，FCEE方案可以在一定程度上降低柴油发电机组跳闸的可能性，保证柴油发电机组的运行稳定性。
参考文献
[1]Barati，H. Seifi，M. S. Sepasian，et al. Multi-Period Integrated Framework of Generation，Transmission，and Natural Gas Grid Expansion Planning for Large-Scale Systems [J]. IEEE Transactions on Power Systems，2015，30(5): 2527-2537.
[2]Martinez-Mares，C. R. Fuerte-Esquivel. A Robust Optimization Approach for the Interdependency Analysis of Integrated Energy Systems Considering Wind Power Uncertainty [J]. IEEE Transactions on Power Systems，2013，28(4): 3964-3976.
[3]Qadrdan，J. Wu，N. Jenkins，et al. Operating Strategies for a GB Integrated Gas and Electricity Network Considering the Uncertainty in Wind Power Forecasts [J]. IEEE Transactions on Sustainable Energy，2014，5(1): 128-138.
[4]Bertsimas，E. Litvinov，X. A. Sun，et al. Adaptive Robust Optimization for the Security Constrained Unit Commitment Problem [J]. IEEE Transactions on Power Systems，2013，28(1): 52-63.
[5]唐杉,易骏.蓄热电锅炉的供热系统及其技术经济应用[J].工程技术研究,2017(11).
作者简介：王岑娇（1994—），女，辽宁辽阳人，沈阳工业大学2012届电气工程硕士研究生，研究方向：电力系统及其自动化。
论文作者:王岑娇
论文发表刊物:《知识-力量》2019年7月下
论文发表时间:2019/4/22
标签：功率论文; 电网论文; 风力论文; 热电论文; 网格论文; 机组论文; 策略论文; 《知识-力量》2019年7月下论文;