中国测试

China Measurement & Test

ISSN 1674-5124,CN 51-1714/TB

《中国测试》网络首发论文

题目： 光热-光伏-风电-火电联合发电调度优化
作者： 李红伟，刘彤，唐鹏，吴金城
网络首发日期： 2021-12-02
引用格式： 李红伟，刘彤，唐鹏，吴金城．光热-光伏-风电-火电联合发电调度优化[J/OL]．中
国测试. https://kns.cnki.net/kcms/detail/51.1714.TB.20211130.2048.025.html

网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶
段。录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期
刊特定版式（包括网络呈现版式）排版后的稿件，可暂不确定出版年、卷、期和页码。整期汇编定稿指出
版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出
版管理条例》和《期刊出版管理规定》的有关规定；学术研究成果具有创新性、科学性和先进性，符合编
辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为；稿件内容应基本符合国家有关书刊编辑、
出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。
为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文题目、作者、机构名称和学术内容，
只可基于编辑规范进行少量文字的修改。
出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中国
学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷
出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊（网络版）》是国家新闻出
版广电总局批准的网络连续型出版物（ISSN 2096-4188，CN 11-6037/Z），所以签约期刊的网络版上网络首
发论文视为正式出版。
网络首发时间：2021-12-02 07:54:14
网络首发地址：https://kns.cnki.net/kcms/detail/51.1714.TB.20211130.2048.025.html

光热-光伏-风电-火电联合发电调度优化

李红伟，刘彤，唐鹏，吴金城
（西南石油大学电气信息学院，四川 成都 610500）

摘要：风电光伏发电联合火电机组并网发电系统发展迅速，但风力和光伏发电的间歇性与不确定性使得其联合并
网发电的可行性和经济性不高，借助光热电站可以有效缓解。从光热电站特性出发，提出一种风电-光伏-光热-火
电联合发电并网运行的优化调度策略。从联合光热电站和风电和光伏出力，使得系统发电成本最小来建立数学模
型；引用威布尔分布函数和正态分布函数构建风力发电和光伏发电的不确定性函数关系式，同时引入等效负荷的
概念，将风力发电和光伏发电与负荷叠加为等效负荷，利用光热电站出力的特性，对风电和光伏发电并网进行削
峰填谷，削减峰谷差，平滑出力曲线；深入研究对比联合光热电站前后系统的并网可行性和经济性；引入树荫-SF
算法求解，并在 IEEE-30 节点系统上进行仿真验证。
关键词：光热电站；联合发电；优化调度；树荫算法
中图分类号：TM85

Optimization of dispatching of photothermal-photovoltaic-wind-thermal power

generation

LI Hongwei, LIU Tong, TANG Peng, WU Jincheng

（Southwest Petroleum University of Electrical Engineering and Information, Chengdu 610500, China）

Abstract:Wind power thermal power unit grid generation system of photovoltaic power generation has developed rapidly, but the
intermittent and the uncertainty of wind and photovoltaic power generation makes its joint connected to the grid is feasible and
economical efficiency is not high, with the help of a thermal power plant can alleviate effectively From thermal power plant, puts
forward a kind of wind power, photovoltaic grid-connected -thermal power of field joint operation optimization scheduling policy
Mathematical model is established by combining solar thermal power station with wind power and photovoltaic power to minimize
the cost of system power generation. Reference weibull distribution function and normal distribution function to build the function
relation between the uncertainty of wind power and photovoltaic power, at the same time the introduction of the concept of
equivalent load, wind power and photovoltaic power generation and load superposition of equivalent load, using the solar-thermal
power output characteristics of the wind power and photovoltaic grid-connected peak to peel and cut the peak valley, smooth output
curve; The feasibility and economy of grid connection before and after combined solar thermal power station are studied and
compared in depth. The shade-SF algorithm was introduced to solve the problem, and the simulation was carried out on the IEEE-30
node system.

Keywords: photothermal power station; combined power generation; optimal operation evolution algorithm; shade algorithm
0 引言 世界各国都十分关注的问题，而电力行业是带来大
近年来，随着社会经济增长对能源需求的不断 气污染的主要原因之一，因此，采用清洁发电能源
增大，大气污染带来的全球气候变暖问题已经成为 逐步取代传统化石燃料势在必行。风能发电和太阳
基金项目：国家自然科学基金资助项目(51607151)
通信作者：李红伟（1977-），男，河南安阳市人，教授，博士，主要从事综合能源系统、配电网（微网）分析与控制等研究。
能发电作为主流的清洁能源，被越发广泛的应用到
了电力市场。但风能、太阳能具有间歇性和波动性
[1-7]
等不确定性因素 ，容易造成发电的波动和不平衡
性，为保持电力系统供需平衡，常常导致大量的弃
风弃光。采用聚光太阳能也就是光热装置，联合光
伏风力发电，利用光热装置的储热能力可以对新能
源发电的不确定性不平衡性有所改善。
文献[2]提出了光伏光热联合发电基地的概念，
已联合发电基地接入电网后削减峰谷差以及减少
成本为目标实现电力系统的优化调度；文献[3]建立
了光伏光热联合优化运行系统的分层优化；文献[4]
针对含风电和光伏发电的综合能源系统，研究其并
网优化调度；文献[5]提出了一种太阳能光热与风能
互补发电的功率协调控制策略,从运行机理入手,在
传统光热电站运行约束的基础上，提出了一种光热
和风电联合运行发电系统。
综上所述，目前大多数文献研究着重于如何建
立一个光伏风电联合发电的能源系统，或者单一光
伏光热联合发电，而少有文献深入研究对比光热发
电联合风力光伏发电系统和风力光伏发电系统以
及原始火电机组发电系统的调度灵活性以及经济
性，综上分析，本文提出并搭建一种结合热化学储
能装置的光热电站模型，与风电光伏联合火电机组
以及原始火电机组发电效果及成本进行对比分析；
同时讨论光热-风电-光伏-火电联合发电机组并入
电网的可行性、出力偏差及经济效益。为解决风力
发电、光伏发电出力的间歇性和不稳定性的问题，
将提出的光热电站模型与风力发电站、太阳能光伏
发电站协同发电，引用等效负荷的概念，把风力发
电和光伏发电的出力看作‘负负荷’，而把负荷与风
光出力的叠加效果定义为‘等效负荷’，通过光热电
站的出力特性，对风力发电和光伏发电出力进行灵
活调度和补偿，可使风电、光伏光热联合出力被作
为稳定可调度电源，与火电机组共同参与电网调度，
提高并网系统的经济效益，为求解并网系统优化调
度算例模型，引入一种新型算法——树荫-SF 算法
运用到求解分析当中，该算法将可行解约束处理技
术的优越性与改进的自适应差分进化算法相结合。
1 风电-光伏-光热联合发电系统
1.1 光热电站运行机理
光热发电是一种与光伏发电不同的新型太阳
能发电方式，是指将聚光太阳能发电站(CSP)与热
能储存（TES）集成。与 TES 集成的 CSP 电厂可提
供更灵活的可提供更灵活的可调度电源[1]。TES 系
统通常分为 3 种情况:1）采用熔盐技术，系统利用
物质的温度差异存储能量；2）采用合适的材料，
利用物质的分解变化的能量；3）采用热化学能量
储存（TCES），它利用了某种化学反应的可逆性，
使得这种存储方式具有高储能密度和几乎为零的
损耗。目前来看，大部分 CSP 电站通常基于双罐熔
盐技术。该技术有几个较为明显的缺点：首先，为
了避免材料分解，该技术的工作温度必须保持在
560℃左右；其次，最低工作温度不能低于 200℃，
以免熔盐凝固，而当电站处于休眠状态时，也必须
保持这样的环境温度，这造成了大量不必要的能量
损失；最后，熔盐的高度腐蚀性对于储存和运输也
有很高的要求，这又使得系统的投资成本升高。所
以，将 TCES 与 CSP 相结合在对于降低光热发电系
统的成本是很有必要的[8]。
1.2 风电-光伏-光热联合发电
光伏发电和光热发电天然具有互补优势，而风
力发电更是由于其间歇性和波动性，需要结合储能
装置来缓解其并网时对电压带来的影响[9]。而太阳
能光热装置凭借其装机容量相比传统燃料机组更
小，但爬坡更灵活，最小经济出力小，且它的储热
装置可以对风力发电和光伏发电不确定性起到缓
冲作用，能充分弥补由光伏发电和风力发电导致的
波动，同时储热装置、电储能装置的增加实现更大
程度上的风电和光伏发电的消纳，可有效的提升发
电系统的灵活性和可调度性，优化负荷曲线，削减
峰谷差，以及它的成本相对传统单独的储能装置更
小，这些特性，使之逐渐成为越来越多新能源并网
发 电 系 统 的 新 选 择 [3] 。 而 在 热 化 学 储 能 装 置
（thermochemical energy storage ，TCES）工业中，
钙化物凭借其材料价格低廉、产品无毒、理论能量
密度高的特性，成为备受关注的一个可逆化学反应。
TCES 的可逆化学反应，是通过光镜场吸收的热量
进行内热反应并储存能量，当需要能量时，则通过
反向放热反应释放存储的能量。这个反应过程，被
称为钙循环（Ca-Looping，CaL）[10]。
CaCO3(s) *CaO(s)  CO2(g) H  178kJ / mol1 (1)
 CaL 过程从 CaCO 的分解在反应器中产生 CaO 威布尔分布的平均值定义为：
和 CO2 作为反应副产品。一旦从反应生成物身上获 M wbl  c  (1  k 1 ) （3）
得了足够的热量，则将生成物回收，将这些产品储 其中，

存在环境温度下，可以储存几个星期甚至几个月，
( x)   et t x1dt （4）
0
然后再被用于逆反应的发生。在反应过程中生成的
风力涡轮机的实际输出功率取决于它遇到的风
一系列副产品，例如 CO、CO2 等，可以通过材料
速，涡轮机的功率输出随风速的变化可描述为：
的衍生物 CaO 来回收，回收的同时又生成反应所需
的原材料[10]。
 0, v(vin and v)vout

CSP 通过光镜场将太阳能汇集，并对集热场的  v  vin
Pw (v)   Pwr ( )，vin  v  vr （5）
传热流体，通过 TCES 中钙化循环过程的化学反应，  vr  vin
该部分的可以将热传导到蒸汽产生机产生蒸汽从  Pwr ，vr  v  vout
而推动汽轮机发电，也可将剩余部分的热能存储起 式中，vin 、vr 和 vout 分别是涡轮机的切入风速、
来，而由于光热电站配备了储热装置，因此可以使 额定风速和截止风速， Pwr 是风力发电机的额定输
得光热电站的能量更加利于调度，使得其具有更强 出功率。
的可控性和可调节能力，从而实现汽轮机的快速调 式（5）指的是等式，通过该等式可以观察出，
节，使汽轮机的爬坡速度几乎达到与火电机组一致。 在几个风速区域内，可变风力功率是离散的。当风
这种能力进一步的提升了发电系统的可调度性 。 [2]
速低于切入速度和高于切断速度时，输出功率为零。
并网型风力发电机和光伏发电机以及太阳能 涡轮机给出额定功率输出在额定风速和切断速度
光热发电机联合发电系统一般分为能源生成、集热 之间，对于这些离散区域，概率由下面的表达式给
和消耗能源三个环节，结构如图 1 所示。 出：
逆变器 vin k v
MPPT PQ SPWM f w ( pw ){ pw  0}  1  exp[( ) ]  exp[( out ) k ]
升压 c c
光
直 逆变器
伏
阵 流 (6)
列
vin k v
风
AC
DC
DC
AC
电
网 f w ( pw ){ pw  pwr }  exp[( ) ]  exp[ ( out ) k ]
机 c c
功率 (7)
蒸
汽轮发电机 风电机组的功率输出在切入风速和额定风速
钙化反应
汽
储 发生器
热
蒸汽产 之间是连续的，连续区域的概率计算为：
生器
k (v  v )
冷凝
器 反应副产 冷却塔 p
品回收器
器
f w (p w )  kr in [vin  w (v r  vin )]k 1 exp[ (v(x)) k ]
c pwr pwr
图 1 风电-光伏-光热联合发电系统结构图 (8)
1.3 风力发电和光伏发电不确定性 pw
vin  (v  v )
首先对风力发电和太阳能光伏发电的不确定 pwr r in
v  x  (9)
性进行建模。然后再根据风力发电和太阳能发电的 c
特点，分别对风力发电和光伏发电的概率进行计算 1.3.2 光伏发电不确定性建模
求解。 光伏发电受到日照强度和温度等环境条件的影
1.3.1 风力发电不确定性建模 响，光伏发电出力也具有明显的不确定性，但其变化
首先建立服从威布尔概率密度函数的风速分布 规律可近似看作正态分布。
的结论。具有形状因子和尺度因子的威布尔分布风速 建立遵循对数正态分布的关于太阳辐照度随对
的概率是[6-7]： 数正态分布的关系函数[6]：
k v 1 (ln x   2 )
f v (v)  ( )( ) (k 1) e  ( v / c ) （0<v  ）（2）
c
fG (G)  exp{ } （G >0）
c c G 2 2 2
 (10) 在时段 t 的启停状态，启动状态则为 1，关停状态
对数正态分布的平均值定义为： 则为 0，T 为系统调度总时段数；𝑃it 为机组 i 在时
2 段 t 的功率出力；𝐹𝑖 (𝑃𝑖𝑡 )为机组 i 在 t 时段的运行耗
M lgn  exp(   ) (11) 量；𝑆𝑖 为机组 t 的启动耗量。
2
为更真实更准确的模拟成本函数，采用多气门
太阳能辐照度与太阳能光伏的能量转换是由
汽轮机的火电机组在燃料成本函数上表现出较大
下面的关系式确定的：
 G2 的变化，将多汽轮机的阀负荷效应建模为正弦函数
 sr
P ( ) for 0<G<R c 并将其绝对值加到基本成本函数的方程中。则，火
 Gstd Rc
 (12) 电机组总发电成本可表示为：
 P ( G ) for G  R N T
 F1   [Fi (Pit )  Si (1  i,t-1 )]it 
sr c
 Gstd
式中，𝐺std 是国际标准环境中太阳的辐照度，
i 1 t 1 (17)
𝑅c 是一个一定的辐照点，𝑃sr 是太阳能光伏机组的额 di  sin(ei  (P mm
TGi  PTGi ))
定输出功率。
2 数学模型 式中，𝑑𝑖 、𝑒𝑖 分别表示阀点加载效应的系数，
2.1 目标函数 𝑃TGi 表示第 i 台发电机组在运行产生的最小功率。
文中将风电、光伏和光热联合出力作为稳定可 当风力发电厂的实际发电量高于估计值时，通
调度电源，与火电共同参与电网调度。在第一部分 常需要通过减少传统发电机的输出功率来利用剩
余的功率，否则导致弃风产生惩罚成本；而当风力
以削减等效负荷峰谷差、平滑负荷曲线为优化目标，
发电厂的实际发电量低于估计值时，需要投入更多
分别比较不同联合发电系统的并网可行性；第二部
的火力发电量来维持正常的供电，此时会造成额外
分以优化火电机组的出力和系统发电成本最小为
的火力发电机燃料成本，因此产生惩罚成本。
目标，分别比较不同发电系统的出力偏差和经济效
将由于风力发电的不确定性导致的惩罚成本
益。 为：
以等效负荷峰谷差最小为目标： Pwr,j
2
F2  K Pw,j  (Pw,j  Pws,j ) f w (Pw,j ) dPw,j (18)
 Pws,j
1 T
min F   (Ptgrid  P grid ) (13) 式中，𝐾Pw,j 第j个发电厂的惩罚成本系数，𝑃wr,j
T t 1
是同一个发电厂的额定输出功率，𝑃wav,j 是j发电厂
 grid 1 T grid 的实际可用电力，𝑓w (Pw,j )是风电概率密度函数。
P   Pt
T t 1
(14)
与风力发电类似，光伏发电也会产生因为过低
的预估发电量而产生的弃光量，过低预估发电量而
式中，F 为第一部分优化目标函数，T 为系统
产生的额外的化石燃料成本。
grid
调度总时段数；𝑃𝑡 为 t 时刻电网供电出力；𝑃̅grid 将由于光伏发电的不确定性导致的弃光而产
为 T 个时段内电网平均出力值。
生的惩罚成本为:
在第一部分优化目标的等效负荷基础上，进行
第二部分的优化。 F3 = K Ps,k gfs (Psav,k > Pss,k )g[E(Psav,k > Pss,k )- Pss,k ]
火电机组发电所需化石燃料与发电功率之间
(19)
的关系可近似于二次函数关系式：
式中，𝐾Ps,k 为第k发电厂的惩罚成本系数𝑃ss,k 是
N T 预估计的太阳能发电功率；𝑓𝑠 (𝑃sav,k > 𝑃ss,k )指太阳
F1   [Fi (Pit )  Si (1  i,t-1 )]it (15)
i 1 t 1 能比预估计的量更多的概率； E(Psav,k  Pss,k )

Fi (Pit )  ai  bi Pit  ci Pit2 (16) 𝐸(𝑃sav,k > 𝑃ss,k )是表示对太阳能发电大于预估值

的期望。
式中，𝑎𝑖 、𝑏𝑖 、𝑐𝑖 分别为某台火力发电机的发 系统运维成本：
电成本系数，其中，𝑁TG 为机组总数，𝜇𝑖𝑡 为机组 i
 TCES TCES
T 式中：𝐸min 和𝐸max 分别为 TCES 装置的最小
F3   (cw p  cpv p ' '
 cs p SF,d
 cTs p TS,df
)
t 1
wt pvt t t
容量和最大容量约束；最大容量用𝜌flh （满负荷小
时数）来衡量。
(20)
TCES 装置的储放热功率约束为：
' '
式中， pwt 表示t时刻风电调度实际出力， ppvt  0  Pt TCES,ch  PmaxTCES,ch


0  Pt  Pmax
TCES,dish TCES,disch
表示t时刻光伏调度实际出力，𝑐w ，𝑐pv ，𝑐s ，𝑐Ts 分 (29)
 P TCES,ch，P TCES,dish  0
别表示风力发电、光伏发电和光热发电系统的运维  t t

成本系数，𝑃𝑡SF,𝑑 、𝑃𝑡TS,df 分别表示光热电站由集热 TCES,ch TCES,disch

式中： Pmax 和 Pmax 分别为最大储放热
装置提供热能发电的功率与储热装置提供热能发
电的功率。 功率，储放热不能同时进行。
环境成本： 机组上下备用约束：
T N
 Pt RsvUp  0
F5   [ h ( i p  i pit   i )] 2
(21)  RsvDown (30)
0
it
t 1 i 1  Pt
式中，𝑃it 表示火电机组i在t时刻的出力大小，𝜀ℎ 光热电站的弃光量约束：
表示环境污染成本系数，𝛼𝑖 、𝛽𝑖 、𝛾𝑖 分别表示火电
Pt CSP,curt  0 (31)
机组污染排放系数。
2.2 约束条件 上述优化模型可采用改树荫-SF 算法（SHADE
功率平衡方程： algorithm Superiority of feasible solution，SHADE-SF）
N

P P it
'
wt  Ppvt
'
 PGt  Pt (22) 求解。
i 1 3 基于树荫-SF 算法的求解
风电机组出力上下限约束： 与其他大多数智能进化算法相比，如遗传算法，
0P P '
wt
*
wt (23) 粒子群算法，蚁群算法等，差分进化算法具有结构
光伏机组出力上下限约束： 简单、容易实现、收敛快速、鲁棒性强等特点，由
于大多数智能算法在求解优化问题的过程中，多采
0  Ppvt
'
 Ppvt
*
(24)
用罚函数的方法处理约束，惩罚函数法涉及到许多
光热电站出力约束： 惩罚参数，由于进化算法的随机性，使得传统的罚
Pt CSP  Pt CSP,RsvUp  Pmax
CSP
(25) 函数方法在任何计算问题中都要反复调整以找到
适合的参数才能得到可行的解，这给研究学习带来
Pt CSP
 Pt CSP,RsvDown
PCSP
min (26) 了更多的工作量。因此，采用约束处理方法（SF）
CSP,RsvUp
[11]
与智能算法相结合是必要的，因为它们可以利用
式中，𝑃𝑡CSP 为 t 时刻光热电站出力；𝑃t
不可行解中的信息驱动搜索过程向全局可行最优
和𝑃tCSP,RsvDown 分别为光热汽轮机组的上下备用；
CSP
𝑃max CSP
和𝑃min 分别是机组的最大最小出力。 方向发展。
机组爬坡约束: 基本差分进化算法在求解的过程中，随着进化
代数的增加，会使种群的多样性变小，过早的收敛
RDown
CSP
 PtCSP  Pt-1CSP  RUp
CSP
(27)
到局部极小点，或者使算法停滞，可通过与其他智
CSP CSP
式中：𝑅Up 和𝑅Down 分别为机组的最大向上向 能算法相结合来改进这些问题。因此，本文将可行
下爬坡能力。 解（SF）约束处理技术[12]的优越性与改进的自适应
TCES 装置的容量约束： 差分算法结合起来，结合成一种新的集成方法：树
E E E
TCES TCES TCES
荫-SF 算法。

min t max
(28)
 E  P TCES
max
CSP
flh max
树荫-SF 算法的具体求解过程如下：
 在对目标函数的求解过程中，首先通过向种群 初始容量设置为最大容量的 55%。
的每个决策向量分配随机值初始化所有参数，来创 本文基于 Matlab 编程建立优化调度模型，采用
建候选解的初始种群，由于文中需要求解多目标函 树荫-SF 算法求解，最大迭代次数 40 次。风电和光
伏光热出力的预测数据如图 3 所示。
数，故将差分进化算法与 Pareto 最优概念相结合，
500
通过 Pareto 最优机制确定约束条件，在种群初始化 450
[13-14] 400
后，引导粒子的交叉与变异 ,通过可行解约束处 350

功率/MW
理技术判断粒子违反的约束的情况；如若经过迭代 300
250
后得到的数据更加接近目标函数值，则替换为交叉 风电
200 光伏
变异后的子代元素，否则保留初始父代的数据，继 150 光热
100
续进行迭代计算；直到得到满足约束条件的结果。 50

引导粒子的交叉与变异 [13-14],求解目标函数的具体 0
0 2 4 6 8 10 12 14 16 18 20 22 24
流程如图 2 所示。 时刻
开始
图 3 风电、光伏、光热数据预测
先确定控制
参数 图 4 展示了在接入太阳能光热发电系统之后，
初始化所有参数并
生成N个种群
联合发电系统出力的等效负荷曲线以及峰谷差的
对初始种群中每个个体 变化情况。
的目标函数和约束违反
情况进行评价
2200

2000
执行变异和交叉
强制机组的启
停状态 1800
等效负荷/MW

否
判断子代种群是否满 1600
足启停条件
1400
是

按照机组优先 1200
否
判断是否满足备用 顺序指标开启
约束 机组 1000
原始负荷
是 800 引入风电、光伏
引入风电、光伏、CSP
确定机组启停状
态，分配经济调 600
通过选择操作确定 度，优化启停状态 得到成本最优对应
下一代新种群 启停状态 0 2 4 6 8 10 12 14 16 18 20 22 24

否 是
时刻
计算目标函数值
判断子代种群
是否更优
图 4 等效负荷曲线图

是否满足终止
表 1 不同场景下负荷曲线的峰荷值
否
的条件
是
峰荷值 谷荷值 峰谷差
场景
输出结果 /MW /MW /MW
停止
原始负荷 2135.32 1352.74 782.58
图 2 树荫-SF 算法求解流程 引入风电、光伏 2000.07 1170.52 829.55

引入风电、光伏、CSP 1647.94 1033.67 614.27

4 算例与结果分析
采用 IEEE30 节点的系统来验证分析文中提出
的优化方案, 常规机组的所有机组特性数据详见文 结合图 4 和表 1 可以看出，在引入风力和光伏
献 [15]。该系统包含 10 台火电机组，光热机组部 发电之后，峰荷值增大，峰谷差增大，在接入太阳

CSP CSP
能光热发电装置（CSP）之后，与原始的火电机组
分参数： Pmax =120MW， Pmin =5MW,储热装置部
以及直接接入风力发电和光伏发电相比，在光照增
TECS TECS 强，光热电站出力增加时，负荷曲线峰荷值有明显
分参数：Emax =12h120MW，Emin =1h120MW，
回落，峰谷差也明显减小：在风电-光伏并网系统的
CSP CSP 基础上引入光热电站后的峰谷差降为 614.27MW，
R Up =120MW/min ， R Down =12MW/min，储热装置
相对于直接引入风电和光伏电站而言，峰荷值降低
了 352.13MW，峰谷差降低了 215.28MW，减少了 济性增加。光热装置通过在不同时段进行能量的储
26%；相对于原始负荷峰谷差减少了 21%。说明风 存和释放，促进了并网系统的新能源消纳，并网系
电-光伏-光热电站联合并网发电系统并网后具备削 统的发电成本也随之降低。可见 CSP 装置对风力和
峰填谷的作用，虽然风能和太阳能发电原始出力增 光伏光热联合发电系统并网出力有较好的优化作
加了峰谷差，但接入光热电站后，通过 CSP 内部储 用。
热装置储/放热过程对风电和光伏出力的调度优化， 表 2 发电系统的出力状况
削减了峰谷差，改善了等效负荷曲线。 火电机组 系统平均
系统发电总
600 场景 平均出力 出力
550
成本/元
/MWh /MW•h
500
火电机组输出功率/MW

450 引入 CSP 前 428.12 2139.63 91700.21

400
350 引入 CSP 后 346.04 1758.06 74630.33
300
250
200
机组4 4500
机组7
150
机组10
100 4000
50
机组出力/MW

0 3500
0 2 4 6 8 10 12 14 16 18 20 22 24
时刻 3000

2500 引入风电、光伏、CSP
图 5 引入 CSP 前各台火电机组出力 引入风电、光伏
600 2000
550
1500
500
0 2 4 6 8 10 12 14 16 18 20 22 24
火电机组输出功率/MW

450 时刻
400
350 图 7 并网系统机组出力对比图
300
250
从图 7 可见，在风电和光伏联合并网的基础上
机组4
200
机组7
引入 CSP 后，风电-光伏和光热电站对于火力发电
150
机组10 有一个较好的补充。在 09:00 到 12:00 和 15:00 到
100
50 22:00 时间段内，系统内电力负荷较高，CSP 中储
0
0 2 4 6 8 10 12 14 16 18 20 22 热装置释放电能，起到了削峰的作用；在 10：00
24
时刻
到 17：00，随着光照强度增强，光伏发电强度随之
图 6 引入 CSP 后各台火电机组出力 增强，光热装置将多余的弃光转换为热能进行存储；
在 IEEE30 节点系统中，随机选取 3 个火力发 在 22：00 之后，用户用电量减少，风力发电能力
电机组，比较在加入 CSP 装置前和加入 CSP 装置 增强，可满足部分用户用电需求，同时，CSP 中的
之后的出力状况，由图 5 和图 6 可见，在加入 CSP 储热装置释放热能发电，也承担了部分热负荷，协
装置之后，各台火电机组的出力曲线有明显改变， 同风电起到了填谷的作用，为风电和光伏上网提供
在光伏光热出力阶段，火电机组的出力有所缓减， 了更多的空间，促进了新能源的消纳。在引入光热
且平均各台机组的平均出力减少，这表明引入 CSP 电站（CSP）后，发电系统的输出功率明显降低。
装置，在一定程度上缓解了火电机组调度调配的压 CSP 通过灵活调度最大出力，对不同时段的风力和
力。 光伏发电进行补偿，提高并网系统的经济效益，分
由表 2 可见，仅引入风力和光伏发电时，并网 担了火力机组的压力，在降低机组运行成本的同时
发电系统的综合运行成本为 9.17 万元，而在此基础 提高机组运行寿命。
上引入光热电站（CSP）之后，综合运行成本降低 5 结束语
到 7.46 万，减少了 18.6%，运行成本明显降低，经 本文从光热电站的运行机理入手，深入研究了
结合化学热储能装置的光热电站与风电-光伏-火电 Handling Techniques[J].IEEE Transactions on Evolutionary

Computation, 2010,14(4). 561-579.

机组联合发电，以及风光联合火电机组发电的系统
[12] DEB K.An efficient constraint handling method for genetic
并入大电网后系统的优化调度，在通过 IEEE30 节
algorithms,Computer Methods in Applied Mechanics and
点的系统进行分析对比试验之后发现，通过光热发
Engineering[J]. 2000,186(2-4):311-338.
电可调度的灵活性和光热装置的储热能力，可弥补 [13] 陶勇,沈济南.基于自适应差分进化策略的多目标进化算法[J].控制
风力以及光伏发电的波动性和间歇性。通过对比出 工程[J].2018,25(11):2070-2074.
力偏差和经济效益的结果表明：光热发电装置与光 [14] 毕晓君,肖婧.基于自适应差分进化的多目标进化算法[J].计算机集

伏发电相结合之后能够更充分的利用太阳能资源， 成制造系统[J].2011,17(12):2660-2665.

平滑负荷曲线，降低等效负荷的峰谷差，从而降低 [15] 韩学山,柳焯.考虑发电机组输出功率速度限制的最优机组组合[J].

电网技术, 1994, 18(6): 11–16.

系统的运行风险，减小火电机组的出力成本；并且
还可以通过其储能特性，对风力发电和光伏发电的
波动起到缓冲作用，降低了系统运行风险和运性维
护成本，提升了系统的经济性与安全性；同时有效
提高了新能源的利用率，为风电和光电上网提供了
更多的空间，使得各区域小型风电和光伏电站并网
运行能获得更大的经济效益。算例仿真验证了所提
方法的有效性和经济性。所提方法具有良好的适用
性，还可进一步结合需求响应优化解决问题。
参考文献
[1] CHEN R. Reducing generation uncertainty by integrating csp with

wind power: an adaptive robust optimization-based analysis[J]. IEEE

Transactions on Sustainable Energy, 2015,6(2) :583-594.

[2] 苗淼,刘赛,施涛,等.光伏光热联合发电基地并网优化调度模型[J].中国

电力,2019,52(4):51-58.

[3] 肖白,王涛.太阳能光伏-光热联合发电的优化运行模型[J].现代电

力,2020,37(2):163-170.

[4] 和萍,武欣欣,陈婕,等.含风电和光伏发电的综合能源系统的低频

振荡[J].电力科学与技术学报,2019,34(1):20-27.

[5] 戴剑丰, 汤奕, 曲立楠. 太阳能光热与风力发电协调优化控制研

究[J]. 计算机仿真,2017,34(10):73-77.

[6] BISWAS P P, SUGANTHAN P N,GEHANA J.Optimal power flow

solutions incorporating stochastic wind and solar power[J].Energy

Conversion and Management, 2017,148: 1194-1207,.

[7] 姚方,王佳伟,文福拴,等.计及碳税的含风电和储能的电力系统经

济调度[J].电力科学与技术学报,2019,34(01):37-46.

[8] 崔杨,杨志文,严干贵,等. 降低火电机组调峰成本的光热电站储热

容量配置方法[J].中国电机工程学报，2018，38(6):1605-1611, 1896.

[9] 冯陈佳,邵成成,王雅楠,等. 考虑启动热量约束的光热机组优化运

行模型[J].电力系统自动化，2019，43(13):29 - 38.

[10] CHACARTEGUI R, ALOVISIO A,ORTIZ C, et al. Thermochemical

energy storage of concentrated solar power by integration of the

calcium looping process and a CO2 power cycle[J]. Applied Energy,

2016, 173:589-605.

[11] MALLIPEDDI R, SUGANTHAN P N.Ensemble of Constraint