风能与汽轮机储能互补计算的火电机组负荷分配方法

技术领域

本发明属于新能源发电系统控制技术领域，涉及火电机组负荷分配方法，具体涉及一种利用风功率预测与汽轮机动态储能互补计算的风火最优联调方法。

背景技术

随着电力供应走向绿色、高效的可持续发展道路，各国建立了新的发电系统，当前该系统主要是以风电、火电、太阳能等混合发电形式组成。截止到2023年5月，我国网内可控新能源装机6.4亿千瓦时，占比高达32％，而受气候变化、温度升降的影响，每日新能源负荷波动可高达2亿千瓦时，致使电网的负荷尖峰化较为明显，整个电网出现潮流、频率以及压力的大幅度的波动。为此，当前火电机组的储能参与电网调频是前期火电机组进行控制优化的热点问题，而随着新能源系统的建立，风电随机的波动直接干扰了火电机组长期存在的调频控制逻辑，尤其针对当前新能源发电比重的日益增加，使得电网不仅要求火电机组调节要及时和快速，同时还应具有较好的经济性。因为每台火电机组不仅具有自身所设计的最佳运行区间，而且长期频繁的调节也严重影响火电机组的运行寿命，所以，如果能实现机组储能的动态计算，那么就可以在新能源系统实现风火联调的过程中最大程度的兼顾调节性能以及调节经济性。因此，将规模化的风功率短时预测与火电机组动态储能运算相结合，是当前火电机组负荷分配逻辑优化的重要方向。

根据目前电力调度的最小时常15min，开展短时的风功率预测研究十分必要，同时，针对火电机组针过热汽温系统，负荷调整具有敏感性的特点，通过利用主蒸汽温度、主蒸汽压力以及流量实时数据计算火电机组过热蒸汽瞬时储能量，此方法获得动态的可用于负荷快速调节的储能量。

发明内容

本发明在获得风功率短期波动预测值以及实时的火电机组瞬时储能量的基础上，提供了一种风能与汽轮机储能互补计算的火电机组负荷分配方法。该方法首先构建预测判断最优模型，该模型以现场风功率预测数据以及火电机组瞬时储能多源数据为基础；然后构建基于最小偏差最优计算的节能运算模型，给与火电机组负荷分配指令；最终以预测判断模型与节能运算模型相结合的方式，完成最佳的指令分配方式。

本发明的目的是通过以下技术方案实现的：

一种风能与汽轮机储能互补计算的火电机组负荷分配方法，包括如下步骤：

步骤一、通过数据分布预测下个时段n台风机的输出功率的变化值

步骤二、计算火电机组汽轮机机前过热蒸汽的瞬时动态储能量；

步骤三、由瞬时储能计算方程得到网内m台火电机组各个发电机组的瞬时单位储能状态量

步骤四、构建预测判断模型，此模型设计原则是先判断风功率变化的正负以及机组当前所处的状态(减负荷、稳定或加负荷)，然后设置优先权值向量，此向量以最少调整机组台数为参照，将当前所有动作机组m′的最大储能调整总量Q′

步骤五、构建风电机组与火电机组的联合负荷分配模型，所述风电机组与火电机组的联合负荷分配模型由判断子模型和节能子模型构成，用于判断风电预测走向与激活火电机组储能释放，由判断子模型结果输出来决定是否执行节能子模型的重新负荷分配功能，此模型的构建的中心思想是利用风功率预测值与汽轮机动态储能值相互补性，建立最优火电机组负荷分配模型，具体构建方法为：在预测判断模型完成预测总的风功率偏差与现有调整机组的储能偏差之后，进入剩余机组储能可调运算，设定m-m′台机组储能预测总量为Q

当取最小minJ下的分配，即完成负荷的最佳分配。

相比于现有技术，本发明具有如下优点：

1)在计算风功率预测与的基础上进行动态计算火电机组储能，可更为精准的进行火电机组负荷分配。

2)在新能源系统中风电机组与火电机组的组合数量具有一定的数据边界，可通过大量的实际数据计算最佳的风-火配比。

3)风火联调的优化可进一步提高新能源发电系统对风电的消纳能力。

附图说明

图1为风火联调最优负荷分配原理图；

图2是风电机组与火电机组的联合负荷分配模型的构成及功能实现图。

具体实施方式

下面结合附图对本发明的技术方案作进一步的说明，但并不局限于此，凡是对本发明技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，均应涵盖在本发明的保护范围中。

发展新能源电力系统可增加风力发电的消纳，有助于双碳目标的实现。本发明针对火电机组储能特性，结合风电机组的风功率波动特点，提供了一种风能与汽轮机储能互补计算的火电机组负荷分配方法，在线动态计算火电机组储能，完成风电消纳的同时最大限度的实现火电机组最优负荷分配。如图1所示，所述方法包括如下步骤：

步骤一、通过数据分布预测下个时段n台风机的输出功率的变化值

本步骤的实现是基于现有风电功率以及风速的基础上进行的，利用Elman神经网络预测方法，对风电机组进行风功率的预测，其预测时常为15min。

步骤二、计算火电机组汽轮机机前过热蒸汽的瞬时动态储能量，其计算方法是：采集主蒸汽压力、主蒸汽温度以及主蒸汽流量计算过热蒸汽的熵焓值，通过上下调整负荷，量化过热蒸汽可做功的能量，此量化的能量值即为机前过热蒸汽的瞬时动态储能值。计算方法可见参考文献1(Shi,J.；Fan,S.；Li,J.；Cheng,J.；Wan,J.；E,P.An OptimizationMethod of Steam Turbine Load Resilient Adjustment by Characterizing DynamicChanges in Superheated Steam Energy.Energies 2023,16,3324.https://doi.org/10.3390/en16083324.)。

步骤三、由瞬时储能计算方程得到网内m台火电机组各个发电机组的瞬时单位储能状态量

步骤四、构建预测判断模型，此模型主要为了比对超短期风功率预测值与网内火电机组瞬时储能值大小。风机总的负荷预测值P

步骤五、在上述预测判断模型的基础上构建风电机组与火电机组的联合负荷分配模型，此模型的核心机理是采用最小偏差值来选择对功率的分配，组成包括预测判断子模型和节能子模型模型两部分，功能及流程见图2。首先基于风电历史数据预测风电功率，基于现有火电机组运行的数据(主汽温、主汽压、主汽流量计算瞬时储能)，将风功率的预测值与火电机组的储能值先做判断，避免风电机组之间有些发电功率的增加为正，如果预测增加风功率呈负值，且小于火电机组的总的储能值，那么就激活节能子模型，使用本发明提供的最优化分配算法进行火电机组的负荷再分配。

选择执行模型功能的原则是，在预测判断模型完成预测总的风功率偏差与现有调整机组的储能偏差之后，进入剩余机组储能可调运算，设定m-m′台机组储能预测总量为Q

当取最小minJ下的分配，即完成负荷的最佳分配。

实施例：

当前时间12:00，网内有三个风场，风电场总的瞬时风功率为88MW；同时联接三台火电机组(A/B/C)，瞬时输出负荷均为500MW，三台机组瞬时储能计算后分别为15MW、6MW、10MW；在12:00时刻开始进行预测12:00至12:15总的风功率大小为80MW，那么风功率的预测波动差即为(88MW-80MW)；得到风功率预测偏差后与三台机组的瞬时储能大小，发现仅通过一台C机组即可完成调节，A/B两台机组维持高压力运行即可。上述即为一次调整分配，在正常运行下，上述分配计算是循环进行的。

如果按照当前的负荷分配方式，会将8MW的负荷随机分配给一台机组，如果选择B机组那么显然储能不够，需要调动燃烧，一旦调动燃烧，那么燃烧的滞后性与大惯性很可能会超调，从而带来波动。本发明的分配方法明确计算各个火电机组储能后，可准确进行负荷分配，一旦遇到大的风电负荷波动，可尽可能少的调动机组，降低了机组调节带来的网内波动。