短期运行（精选五篇）
短期运行 篇1
由于经济政策方面的扶持与导向和技术本身的不断发展与进步,全球光伏发电出现了爆炸性增长[1]。在欧盟国家中,德国最先执行“上网电价”法[2],其光伏安装容量已经达到很可观的水平,这使得整个欧盟在2010年光伏新增容量比风电还要多1.8GW。美国的光伏安装容量暂时还没有实质性的显著增长,其在2010年的光伏累计安装容量仅占全球市场的5.9%。中国光伏安装容量在2010年新增500 MW,虽然在累计安装容量方面可以排进世界前10位,但论及绝对安装容量水平还不及德国的十分之一。而根据“十二五”规划目标,到2015年可再生能源在能源消费中的比重将达到11.4%,其中光伏规模至少要达到10GW[2]。因此,在未来几年将会出现光伏持续大容量增长的情况。
电力系统在正常运行过程中,除了要保证提供与负荷相当的发电容量外,还要提供一定的备用容量,以应对突然出现的故障停运事件和负荷预测误差导致的功率缺口。由于光伏这种异于常规电源的可再生能源发电技术的功率输出具有很大的随机性与间歇性[3],而且目前针对光伏发电出力预测的研究相对较少[4],所以大规模光伏并网对系统运行备用的需求将产生严重影响。
目前,关于运行备用评估的方法按其采用的技术基础可以分为确定性方法和概率方法2类[5,6];按其评估的时间尺度则可以分为短期和长期2种[7]。确定性方法通常以全网运行最大机组容量为基础,再加上一定比例的预测峰荷或系统总运行容量值,以此确定运行备用[5,8]。这种方法虽然应用起来比较简单,但却没有考虑到整个系统运行工况的变化,同时也无从衡量它的价值效益。概率方法通常以考察对象系统内机组运行统计特性为基础,按照不同时间尺度的评估目的选取对应的概率参数与负荷指标进行计算。按此方法得到的结果不仅可以量化指标的形式,表征系统资源调度配置的优劣,同时还可作为系统进一步优化的基础。对于可再生能源接入系统后对运行备用的影响,现阶段在风电方面的研究较多[7,9,10,11],而在光伏发电方面的研究则较少。既然光伏发电在未来发展的一个重要趋势是大规模并网应用,那么建立适当的评估模型来考察光伏并网后对系统运行备用的影响就显得尤为重要。本文根据光伏发电系统的能量转换特性和发电原理先建立了基于蒙特卡洛方法的太阳辐照度时变模型,并在此基础上建立起完整的功率输出模型,对该模型进行大量的模拟仿真,形成考虑时段功率变换特征的马尔可夫转移矩阵。再应用该模型进一步扩充PJM法[12],使之可以评估含光伏系统的风险度。最后,结合一个测试系统算例,对含有光伏的系统运行备用进行评估,以评价光伏并网对系统的作用及所述模型的有效性。
1 光伏发电系统模型
光伏发电是利用光生伏打效应将太阳的辐射能直接转化为电能的能源变换系统,而太阳的辐射能则来自于太阳内部由于高温高压条件而不断发生的核聚变反应。这部分能量大小在未进入地球大气层之前完全可以依照日地天文关系准确计算得出,而进入大气层后则主要由大气透明度引起它的随机变化,这一变化程度通常由逐时晴空指数(hourly clearness index)kt来表征[13],它在数值上等于水平面上每小时接收到的太阳辐射It与地外总辐射的比值。此外,为了最大化利用太阳辐射能,通常光伏面板与水平地面之间都会存在一定夹角,该角度的存在使得到达斜面上的太阳辐射组成分量增加为3个,分别是直接辐射、散射辐射和反射辐射,它们之间的计算关系如式(1)所示:
式中:Ib和Id分别为直接辐射和散射辐射;Iβ是倾角为β的光伏面板单位面积上每小时接受到的太阳辐射,对于双轴跟踪系统,每个时刻光伏面板的倾角取该时刻太阳高度角的余角[14];ρ为地表反射率;Rb为斜面和水平面上接受到的直接辐射比值,它在数值上可以直接表示为斜面与水平面上的入射角余弦比值。
由文献[15-16]可知,每小时水平面上散射辐射与总辐射It的比值可以表示为逐时晴空指数的分段线性或四次函数,而总辐射又由直接辐射与散射辐射2部分构成,也就是说式(1)中每一部分都可表示为逐时晴空指数的函数。换言之,逐时晴空指数kt是求取每小时到达斜面上总辐射涉及的唯一变量。因此,只要知道了kt的分布函数,即可通过逆变换法将之用于蒙特卡洛仿真的抽样过程。
根据已有的研究结果可知,一旦每月逐时晴空指数的均值ktm已知,那么由它便可以确定对应地点的kt在当月的概率密度函数[17],即
式中:kth为kt的最大值;v为由kth和ktm所决定的常数,其具体表达式可参见文献[17]。
令F(kt,ktm)=Y为kt关于ktm的分布函数,则蒙特卡洛仿真中用于模拟产生kt的函数表达式为:
式中:Y为在区间(0,1)上服从均匀分布的随机变量;W(·)为朗伯函数。
在得到逐时太阳辐照度之后,即可根据光伏面板性能参数得到光伏发电系统的功率输出,它们之间存在如式(4)所示的线性关系[18]:
式中:SCA为电池面积;Pmt为t时刻的电池输出功率;ηct为t时刻的电池能量转换效率。
2 PJM方法
PJM方法是由美国宾夕法尼亚—新泽西—马里兰互联系统提出的进行运行备用风险评估的方法,它可以用来确定在未来一段时间内已投运的发电容量刚刚能够或不能够满足期望负荷需求的概率,这个概率被称为机组投运风险度(unit commitment risk,UCR)。这段时间被称为前导时间(lead time),前导时间内不允许有任何新增机组投运,因此,UCR就能够代表前导时间内已投运发电容量刚好可以满足负荷需求的风险度。
PJM方法的关键在于容量停运概率表(capacity outage probability table,COPT)的建立。COPT的实质是根据系统内发电机组的可靠性模型得到这些组合产生的各种容量水平出现的概率,COPT可以通过逐次地机组追加迭代过程建立起来。传统发电机组用两状态模型来表示,在假定其平均无故障工作时间与平均修复时间均为指数分布的前提下,如果已知机组在t=0时刻是正常运行状态,则在投运前导时间T内发生停运的概率为[12]:
式中:λ和μ分别为元件故障率和修复率。
由于前导时间通常比较短,所以可以不考虑维修过程,因此,式(5)可以改写为:
同样地,由于机组失效率通常比较小,而前导时间也比较短,所以有λT≪1,从而可以进一步简化为:
式(7)结果被称为停运替代率(outage replacement rate,ORR),它代表前导时间内机组出现故障的概率。由式(7)可知,ORR不是常数,而是会跟随研究阶段的延伸而增长。将一台容量为C的机组追加到系统后,停运容量为X状态的累积概率为:
式中:P(X)和P′(X)分别代表追加机组前后,停运容量为X状态的累积概率;rORR为机组停运替代率。
由于运行备用风险评估研究时间相对较短,因此,可以假设研究期间负荷保持恒定,所以发电模型不需要与负荷模型合并,此时由COPT中的累积概率即可获得UCR指标。
3 光伏系统瞬时状态概率分析
PJM法的主要内容是计算发电容量还不能被替代的前导时间内,系统中已投运容量刚刚能够或不能够满足期望负荷的概率。它与常规发电充裕度评估相似之处在于系统COPT的建立。在采用解析法进行含光伏系统的发电可靠性计算中,通常采用经由大量仿真或实测数据得到的包含多个降额状态的稳态概率分布模型,由于忽略了作为源动力的自然资源与环境和时间的强依赖和强相关特性,这样的模型是不能够用于运行备用评估的,因而必须建立适用于短期运行评估的瞬时概率模型。
由文献[19-20]可知,如果能够知道法向直接辐射(direct normal solar radiation)和水平面散射辐射(diffuse horizontal solar radiation)的数据,就可以用一个双变量一阶马尔可夫链来描述有光照的时间区间内2个相邻时段的辐照度联合转移过程;或者如果光伏系统输出功率数据已知,也可以用一阶马尔可夫链来描述单位时间内的输出功率转移过程。基于光伏系统输出功率与入射太阳辐照度之间的线性关系和上述已有研究成果,可知到达斜面上的辐射总量也可用一个马尔可夫链来表示,这一结论可用于建立光伏功率输出的瞬时概率模型。
光伏输出功率瞬时状态概率模型可按以下步骤进行。
步骤1:应用式(1)—式(3)的基于蒙特卡洛的方法对全年太阳辐照度进行大量仿真。
步骤2:根据仿真得到的辐照数值,以一定步长划分出n个状态,统计相邻时刻以某状态为起始态的状态转换频率。依据大数定理,得到状态转移矩阵。
需要注意的是,太阳辐照度的变化具有很强的时间特性与季节特性,因此,在形成不同前导时间的状态转移矩阵时,至少要按照季节选取每季的典型日来计算,如果划分的再细些可以按照月份来选取典型日进行计算。经过大量仿真后得到中国西部某地不同季节入射光辐照度一日各时段的变化曲线,如附录A图A1所示。可以看出,无论是哪个季节,在一日24h内太阳辐照度基本的变化趋势一致,即由早晨日出后经历一个上升区间,在正午达到最大值后开始下降,到傍晚最终减弱至0。而就季节来看,测试所选地点位于北半球,其在夏至时太阳高度角最高,冬至时太阳高度角最低,因此,表现在辐照度上就是夏天辐射最强、春秋次之、冬季最差,冬季不仅日照时间短,辐射量也较低。
4 算例分析
4.1 算例系统参数
上述模型被应用到一个专门的可靠性测试系统RBTS[21]中,并在MATLAB中编制程序,对加入光伏后的系统短时运行备用进行评估。原始测试系统包含11台传统发电机组,总装机容量240 MW,系统峰荷185 MW。算例中光伏电站采用的光伏面板在标准测试条件下最大功率输出为280 W,转换效率为14.4%,单块电池面积约为2m2。所考察的光伏电站位于中国太阳能资源比较丰富的Ⅰ类地区,其每年月平均晴空指数为0.496。
4.2 光伏系统资源状况分析
由上述分析及文献[19-20]可知,尽管入射光辐照度在季节上分布差异比较明显,但是它在以月为单位的时间段里的变化可以认为是一致的;此外,由于马尔可夫链的一步记忆性与太阳辐照度在一日内的典型变化趋势,每个转移矩阵的作用区间确定为1h。
依据第3节所述方法建立的冬夏2个季节典型月份入射辐照度在清晨与正午时间从某一典型状态出发的转移概率图如图1—图4所示。入射辐照度以120 W/m2为步长在区间(0,1 200)内划分出10个状态。图中:1,2,…,10表示状态;小数表示转移概率。
由图1、图2可知:冬季日照时间短、日出比较晚,在08:00时刻有效太阳辐照度基本为0,因而其起始态只能是状态1,而且在08:00—09:00这个时间段太阳辐照度也不可能发生跃变,而是以极大概率停留于状态1,或是逐渐过渡至状态2;而夏季日出早,所以在该时刻辐射度已经达到一定水平,而从整体概率水平来看,在该时间段内辐照度基本是以上升趋势为主,发生跳变的可能性很小。由图3、图4可知:冬季辐照度要比夏季低很多,在12:00—13:00这个理应出现全天日照最强的时间段,1月所能达到的最佳水平是状态8,但概率极低;相反是以更大的概率向较低辐射水平转移;由于晴空指数的影响,在正午时刻光照变化更加随意和剧烈,尤其是在夏季。
4.3 短期运行备用风险评估
按文献[21]给出的优先顺序调度5台传统机组,总调度容量为160 MW、光伏安装容量为36 MW、前导时间为1h时的夏冬两季典型时刻的UCR变化曲线如图5所示。
调度5台机组,但光伏安装容量为60 MW、前导时间为1h的夏冬两季清晨时刻的UCR变化曲线如图6所示。
由图6可以看出:①在冬季清晨08:00左右,由于太阳辐照度比较差,所以其UCR曲线体现出与无光伏时相近的强离散特性,这意味着,较低的光伏容量对于改善此时刻的UCR没有太大贡献,而由于接近正午时刻,转移状态的多样性与不确定性增加了UCR曲线的连续性,光伏系统发电在短时变化的多态性使系统负荷发生变化时的投运风险度变化显著,在一定负荷水平下,夏日正午时刻的系统可以获得最佳UCR水平;②光伏安装容量越大,其对不同时刻的UCR影响越大,即光伏对于改善系统的UCR有积极贡献。
UCR是评价一定研究时段内系统备用充足程度的指标,与该指标对应的是评价周期内已投运容量可以承载的负荷水平。作为一个决策变量,如果事先规定了一个系统可以接受的UCR指标大小后,则可以确定在该标准基础之上的峰荷承载能力。前导时间为1h,UCR分别为0.001,0.0001和0.00001,光伏全部优先投运,其余机组按照文献[21]给出的优先顺序投运5台,使可调度的发电总容量为208 MW(其中光伏有48 MW)时,此时系统的峰荷承载能力在2个季节典型月份里随时间变化的曲线如图7所示。
由图7可以看出:①无论UCR指标的高低,在一日这个典型的运行周期里,正午前后充足的日照总是可以增加系统的峰荷承载能力,当风险指标UCR设定较低时(如0.001),则夏季的峰荷承载能力要比冬季高很多,正午比清晨的也要强许多;②如果风险指标设定比较苛刻时(如0.00001),那么冬季和夏季的峰荷承载能力比较接近,且一日内诸时段的变化也没有那么分明。另外,由于光伏在冬季功率输出相对较少,因此,当风险指标设定为较严格的2个水平时,会得到同样的结果。而如果208 MW全部由传统机组提供,那么无论此时UCR风险度如何,得到的结果都是160MW。由此可知,考虑由UCR设置引起的峰荷承载能力影响时,光伏的灵敏度更高。
5 结语
电力系统中的备用容量用于应对在系统运行过程中突然出现的发电设备故障停运和负荷预测不确定性等所导致的功率偏差,像光伏这样间歇性可再生能源的加入,进一步增加了这个问题的随机性与不确定性。文中通过扩充后的PJM法对加入光伏后的系统短时备用进行了评估。计算结果表明,光伏对短时运行备用有规律性和周期性的影响作用,同时其输出的不确定性对系统峰荷承载能力有不良影响。最后还说明了UCR作为一个评价指标,其设置是否合理对系统经济性与可靠性的影响。文中所提出的风险评估模型与结果可以为含光伏的系统运行决策提供重要参考价值,并有助于减少这种易变能源的随机运行特性对系统可靠性的影响,从而促进光伏的规模化应用。
摘要：同风电一样,太阳能光伏发电的随机性与间歇性增加了系统运行备用风险评估的复杂性和不确定性。针对这一问题,文中综合考虑了导致入射太阳辐照度出现随机性的主要因素,基于蒙特卡洛方法建立了模拟逐时太阳辐照度的模型和光伏发电系统的能量转换模型。之后,以对该模型进行大量仿真获得的结果为基础,获取典型季节和时段的光伏功率短时转移概率模型,并以之作为适用于PJM法的容量模型,对加入光伏后的系统短时运行备用风险进行了评估。评估结果显示了并网光伏系统在不同季节和时间段内对系统规律运行时的容量效益贡献。
短期内物价低位运行态势难改变 篇2
首先，影响物价底位运行的根本因素短期内难以有效地改善。市场物价走底的根本因素是商品的供大于求，据国家经贸委贸易市场局和中华全国商业信息中心对600种商品的调查统计分析，2002年上半年，有86．3％的商品供过于求，没有供不应求的商品。目前我国商品的供大于求，是一种低层次上的供大于求，是由于产业结构不合理，低水平生产能力严重过剩，产品同质化严重造成的。目前我国商品品种约有40多万种，而国外商品品种在150万种以上，这一数据对比，从一个侧面，可以反映出我国产业结构不合理的程度。产业结构的调整到位短期内是难以完成，值得注意的是，由于就业压力大，一些劳动密集型的、低水平生产能力行业的调整、转型速度不能过快。从需求方面来看，我国居民尤其是农村居民的收入增长短期内难以有较快的增长速度，购买力还难以得到有效提高。另外国民收入的分配体制也存在问题，一方面高积累政策抑制了民居收入的增长，另一方面造成收入差距过大，使得高收入者消费需求弹性下降，低收入者消费能力缩减，担当消费增长主力军的中等收入阶层扩大缓慢。短期内商品供大于求的局面还难以得到缓解。
其次，从影响物价的其他因素来分析，也缺乏支持物价明显上涨的条件。
现代物流业在我国的快速发展推动市场商品零售、服务价格降低。以连锁超市为代表的新型商品零售、服务业态在我国正在快速发展，这种业态的突出特点就是规模经营，低价出售商品或服务。目前，这种业态在我国消费市场所占的份额并不高。但随着这些业态的发展，消费晶零售、服务市场主导地位的增强，商品集中统一采购程度的提高，商品零售、服务价格受其压制的程度也会加大。现代物流业的发展也会进一步降低工商企业的产品、商品流通成本，从而降低产品出厂价格、商品零售价格。
进口商品的冲击、打压。今年是我国加入世界贸易组织的第一年，对5000多种商品的进口关税进行了下调，将关税总水平由15．3％降低到12％。进口配额管理也进行了调整。关税的下调从三个方面对我国市场的商品价格产生影响：一是进口商品的价格下降；二是进口商品的下降，使得一些国产商品的档次等级降低、价格下降；三是进口商品的增多，进一步加重了国内市场同类商品的供过于求的程度，加剧了市场价格竞争的激烈。根据我国政府的承诺，到2005年将关税总水平降至10％，一部分商品的进口配额取消，这表明进口商品对我国市场商品价格的影响还将进一步加深。
技术进步的加快抑制物价的上涨。从全球科学技术的发展的趋势看，科学技术创新、提高的速度不断加快，技术开发的成本会逐步降低，新技术从开发到应用的周期将进一步缩短。科学技术发展的这一趋势，不仅使产品升级换代、大批量投向市场的速度加快，也使拥有新技术的产品以较低的价格投向消费市场。如近期市场上背投彩电、等离子彩电价格的大幅下降，科学技术进步的加快就是其原因之一。
我国现阶段市场经济条件下，企业竞争激烈的结果。在全球经济一体化加速发展，我国加入世界贸易组织，外资企业大肆拥入的情况下，无论是对外资企业，还是对本土企业，要想在中国市场上占据具有优势的地位，在时间上都是紧迫的，因此必须加快对市场份额的扩张的速度。要加快市场的扩张速度，对企业尤其是对居民生活消费品生产企业来讲，低价竞争策略是不可缺少的。
居民消费需求变化的影响。目前我国许多居民处于消费升级阶段，这主要表现为两个方面的特点：一是对实物商品向高层次商品转变，如住房、汽车、高端技术家电产品。由于这些商品价格较高，一些居民需要进行一定时期资金积累才能实现消费，在；这期间，对其他生活消费品的需求将相对减少；二是向非实物商品消费转变。变化很明显的一个例证，就是近来节假日朗间，居民对实物商品的消费增长速度回落幅度较大，而对旅游、文化、娱乐等非实物商品的消费快速增长。居民消费需求的变化，相对加重了市场商品供过于求的程度促使消费品市场价格走低。
短期调整难改钢材价格高位运行态势 篇3
虽然今后中国钢材价格涨势趋缓, 并且近期内出现了向下调整, 但其需求与成本支撑力量依然强大, 年内整体价格水平呈现高位运行态势, 不会出现大的转势。
一、持续旺盛的消费需求
这是一个不断地、长期起作用的最大推手, 决定着世界范围内未来数年, 甚至十数年的钢铁及其铁矿石行情趋势。全球钢铁 (包括铁矿石, 下同) 需求所以持续快速增长:
一是由于世界人口的不断增多。据有关资料, 世界人口将在2011年结束前突破70亿整数关口。世界由60亿人口增长到70亿, 仅仅用了不到10年的时间, 人们很快就会见到80亿人口。如此庞大并且不断增长的人口规模, 对于全球范围内钢铁及其铁矿石需求的持续增长是不言而喻的。
二是世界人口大国相继进入了工业化与城市化的“两化”时期, 由此产生了对于金属及其铁矿石的巨大消费量。据统计, 2010年中国粗钢产量6.27亿吨, 比上年增长9.3%, 粗钢表观消费量5.99亿吨 (工信部测算) , 增长6.1%。如果将同期中国4300万吨左右的出口量考虑进去, 2010年中国全口径的粗钢消费量 (含出口, 下同) , 将不低于6.3亿吨。预计2011年中国全口径粗钢消费量将向7亿吨靠拢, 同比增幅超过6%, 并有可能跃上新台阶。预计今年10年内, 中国粗钢全口径消费量 (含出口) 将会达到9亿吨。中国钢铁生产与消费的双双持续增长, 势必引发对于铁矿石的巨大需求。据海关统计, 2011年1月份我国进口铁矿石6897万吨, 环比增长18%, 同比增长48%, 刷新月度历史纪录。必须引起注意的是, 另一个人口大国印度, 同样因为经济快速增长, 也显著提高了钢铁及其铁矿石的需求。为此, 印度开始对于本国铁矿石出口逐步收紧。预计在不远的将来, 印度将会从当今世界最大的现货铁矿石供应国, 转变为重要的净进口大国。届时, 国际市场中国铁矿石采购, 将会遭遇印度的有力竞争。其竞争力度, 也会大大超过现阶段的日本钢铁企业。
从中国今年内钢铁需求的增长动力来看, 全年经济 (GDP) 增速仍然保持10%左右, 固定资产投资名义增长率22%左右, 工业增加值18%左右。虽然抑制房价过快上涨, 使得部分房地产项目投资减速, 但同时1000万套保障性住房建设, 投资超过1万亿元。国家加大水利建设投资, 加强农村基础设施建设等。全社会水利年平均投入比2010年提高一倍, 达到4000亿元, 并且从土地出让收益中提取10%即每年约700亿元用于农田水利建设等。与此同时, 七大战略性新兴产业发展规划的全面启动将带来一大批产业升级投资项目的开工;各地正抓紧地铁、高铁等“改善型”交通设施建设。其中今年中国铁路安排基本建设投资达到7000亿元, 高铁和城际铁路的新开工项目达到15个。与此同时, 全国有33个城市正规划建设地铁2010年至2015年地铁建设投资规划额将达11568亿元。所有这些, 都会使得新开工面积和施工面积继续以较大幅度增长, 从而对年内钢材需求, 尤其是长材需求产生很大支撑。
一些统计数字显示了这方面的势头。据国家统计, 1月份全社会用电量达3531亿千瓦时, 同比增长40.14%, 环比增长2.7%。制造业PMI为52.9%, 已连续23个月位于50%以上的扩张区间。在主要用钢行业中, 交通运输设备制造业、通用设备制造业等行业生产指数继续位于60%以上的运行高位;新订单指数为54.9%。其中通用设备制造业、交通运输设备制造业等用钢行业也继续保持较快增长。上述数据表明国内制造业总体继续保持增长, 用钢行业需求仍较旺盛。
三是欧美经济巩固了复苏势头。尽管遭遇了债务危机, 2010年欧元区经济仍然增长1.7%, 预计新一年内其增长水平将高于上年。美联储理事也于近期上调2011年经济增长预期, 从去年11月份的3.0%到3.6%上调至3.4%到3.9%, 表明美国经济继续复苏, 经济基础更加牢固。包括欧美经济在内的世界经济的进一步复苏, 一定程度上刺激了中国钢材出口的增加。虽然受到人民币升值、降低出口退税、反倾销、出口价格提高等不利因素影响, 今年1月份中国钢材出口量仍然达到312万吨, 同比增长8.2%, 出口金额更是增长44.1%, 开了量价齐增好势头。对于年内的钢材出口, 我依然持乐观态度, 虽然是一种谨慎乐观。也就是说, 全年出口总量比上年只会增多, 而不是减少。
单位∶万吨
二、各项成本的大幅增加
这里所涉及的成本, 包括国内生产成本与进口成本两个方面。据有关资料, 我国目前冶炼一吨钢, 需要1.65吨高品位铁矿石、0.37吨焦炭。自去年4季度以来, 中国铁矿石、焦煤进口价格不断杨升。据工信部报告, 2010年我国进口铁矿石价格从1月平均90美元/吨攀升至年末的145美元/吨, 上涨61%, 今年1月份又环比上涨3.7%。此外, 废钢价格同比上涨了26.86%, 冶金焦和炼焦煤价格分别同比上涨了4.85%和14.72%。进口成本持续增加, 当然要推高铁矿石、焦煤的国内销售价格极其钢材成本。
从国内生产成本来看, 除了一些老的成本增加因素, 比如更加恶劣的矿石开采条件、资源税费提高、流动性过剩等。除此之外, 今年还将涌现新的成本增加因素, 其中最重要的就是工资成本的增加。近些年来, 工资在钢铁产业链总成本中, 所占比重呈现不断上升趋势。2011年国内钢铁、矿山企业经营中包含工资成本显著增多, 将是支撑中国钢材、矿石价格高位运行的最主要方面。初步分析, 主要有两股力量推高新一年内的工资成本。一是物价上涨及其继续上涨预期, 产生提高工资的普遍要求;二是现阶段“农民工”不再“过剩”, 出现了沿海城市与内地企业、采矿业与农业{含养殖业}争夺劳动力的局面和趋势, 势必推动钢铁、焦炭、矿山企业工资成本的明显增加。
另外连续加息也显著增加了钢铁产业链的资金占用成本。新年伊始, 国内金融机构首次加息, 这是自去年四季度以来的第三次上调利率。预计年内还有可能继续加息。没有疑问, 金融机构连续多次提高利息水平, 一定会抬高整体社会的资金运行费用, 当然也包括钢铁产业链成本, 包括从上游到下游, 从生产、流通、到最终销售各个环节的成本。初步测算, 三次加息将使得资金占用成本增加至少增加2个百分点。如果年内继续加息, 钢铁产业链条所增加经济运营成本还会更多, 并且最终会反映到销售价格上来。
最后是石油价格大幅补涨, 会向钢铁及其矿石成本产生传导。与目前大多数大宗商品价格, 已经达到或者越过历史高点不同, 国际市场石油价格, 至今仍在90美元/桶左右徘徊, 距离147美元/桶的历史高位还有很大差距。这就使得新一年内石油价格有可能出现较大幅度的“补涨”。有分析认为, 2011年石油价格将达到或超过100美元/桶, 也不排除重返历史高位的可能。最近, 受到市场看好全球经济复苏, 以及中东和北非局势动荡担忧影响, 全球石油价格大幅上涨。近几天纽约原油期货涨幅超过6%, 达到95美元创2年来新高。同一时间, 伦敦ICE欧洲期货交易所布伦特原油期货价格上涨5.3%, 至每桶107.93美元。
石油属于最基础的原材料及动力产品, 而与钢铁、铁矿石又是高能耗产品, 焦煤本身就是重要能源产品之一, 彼此间关系密切。如果2011年国际市场石油价格大幅补涨, 达到全年均价90美元/桶, 甚至更高的平均价位, 势必会带动所有能源产品价格上涨, 进而通过动力、物流、燃料、原料成本向钢材及其铁矿石销售价格进行传导。对此影响不可小觑。
由此可见, 由于上述需求与成本两个方面长期利多因素的支撑, 钢材和铁矿石年内价格水平依然高位运行, 不会出现大的转势。
三、今后价格涨势趋缓
另一方面, 因为钢铁、铁矿石价格的快速大幅上涨, 今后价格上涨将趋于缓和, 也就是说, 一段时期内, 难以再现前一、两年的行情扶摇直上的局面, 至少需要一个观察时期, 或者说是“行情的休息期”。
与此同时, 钢材价格在震荡上行过程中, 亦积累了较多的风险或压力需要释放, 尤其是中央政府将控制通货膨胀, 抑制房价作为宏观调整最主要方面, 不确定性显著增多, 因此出现了近期内的回调, 而且以后还有可能阶段性向下调整。预计年中铁矿石价格也有可能出现向下调整。对此, 要有风险防范意识。
即便如此, 钢材及其铁矿石价格中长期震荡扬升的格局依然没有被打破。短期调整并不意味着市场大转势的出现。比如2008年中的那次转势。所以暂时观望, 等待时机, 逢低买进, 应当是今年钢市投资的主要策略。5000元/吨、4800元/吨、4500元/吨为上海螺纹钢期货合约的三条逢低买入线。
四、钢材价格何时转势
短期运行 篇4
电力系统过网费是针对发电商、大电力用户以及配电商等电网使用者的接入而收取的费用。过网费的定价目标是期望回收电网建设投资、运行和维护的成本,同时对电网使用者提供前瞻性、经济有效的信息,从而更好地引导新用户接入系统[1,2,3,4]。随着电力市场逐步完善,电网定价体系需要体现对市场参与者的公平性、合理性和有效性,从而提高电力能源提供的经济性和电网运行的高效性。
输电网是电力系统电能传送的重要环节,在目前英国输电网过网费TNUo S(Transmission Network Use of System charges)的定价机制上,以投资成本相关定价法(ICRP)为主导方法[5,6,7,8]。长期增量成本法(LRIC)和长期边际成本法(LRMC)作为更优越的过网费定价方法已经在英国实际配电系统中得到了广泛的应用[9,10,11,12]。然而,在输电网的应用中,长期增量边际成本法面临着以下3个方面的新问题。
a.触发投资条件不同。之前所有基于LRIC LRMC的定价方法中都假设当电网元件的潮流达到最大可利用容量值时触发投资。这个假设条件对于配电网是有效的,但对于输电网却不再适用。因为除了投资建设线路外,输电系统运营商通常有更加经济的手段来降低线路的潮流,例如阻塞管理。在输电网中,随着发电容量、负荷逐年增长,由于电网线路的容量不足,电网将会在某一天的某段时间内发生阻塞,从而不能完成预期的输电计划。为了消除阻塞,电网运营商可通过短期阻塞管理或长期的电网投资规划来避免线路过载。通常的方法是通过发电调度来进行阻塞管理,不仅能提高输电网络的经济利用效率,同时还能延缓网络的投资。因此,阻塞管理的频率和成本将毋庸置疑地影响输电网的长期投资策略。输电系统运营商通过比较每年度的阻塞成本和投资成本曲线来决定最佳的投资时间。这种包含短期运行成本对长期投资成本影响的因素并未在任何LRIC、LRMC以及ICRP等过网费模型中体现。
b.负荷增长速率不同。在传统的配电网LRIC/LRMC定价方法中,假设负荷每年增长速率LGR(Load Growth Rate)为一定值,由于配电网的拓扑运行结构以辐射状为主,并且忽略发电调度的影响,因此电网元件的年度潮流增长速率也为恒定值。这个假设对于配电网而言同样是有效的。但是在输电网中,由于输电网环状的运行拓扑结构和最优发电调度,不仅会影响每年线路潮流增速的幅值,还会影响部分线路潮流的流向。因此,传统的假设条件不再适用于输电网络。
c.发电单元容量限制。在传统配电网定价模型中,由于配电网不直接与发电侧相连,并且每个节点的单位注入功率可通过平衡节点补偿,因此并未考虑发电单元的容量限制。而输电网直接与发电系统相连,当负荷在未来某一年份增长到足够高的水平时,如果发电侧容量不足,最优发电调度有可能不再满足节点功率平衡。此外,每个节点的注入功率不仅会加重或减轻电网的阻塞程度,还会影响节点功率平衡,因此在新的输电网LRIC定价模型中必须考虑发电单元的容量限制。
本文基于LRIC提出了一种新的输电网过网费定价模型,简称T-LRIC(Transmission LRIC)模型。新的定价模型主要反映:输电网短期运行成本对输电网元件投资时间的影响;输电网的短期运行成本对输电网过网费的影响。这里短期运行成本主要考虑阻塞成本。文章首先给出了阻塞成本计算模型和阻塞成本分摊至各线路的方法,然后建立了新的长期增量成本定价模型,提出了模型中元件投资时间的求解策略,并分别以2母线和IEEE 30母线测试系统为例,通过和传统长期增量成本定价模型进行比较,验证了所提模型的有效性。
1 输电网过网费定价分析
1.1 阻塞管理模型
本文定义阻塞成本为考虑输电网元件容量后的最优发电成本的增加值[13,14,15]。以发电机煤耗最小为目标函数,基于直流最优潮流的发电调度模型如下:
其中,Ci为发电机i的成本函数(单位:￡/(MW·h));ai、bi和ci分别为母线i上发电机成本参数的二次项、一次项和常数项系数。式(2)代表母线i的节点平衡方程(第一基尔霍夫定律);式(3)代表发电机的出力上、下限;式(4)代表输电线路的容量限制。
阻塞成本(单位:￡/h)表示为基于以下2种调度策略下的发电机成本差值:不考虑输电元件的容量限制;考虑输电元件的容量限制。
其中,C表示发电机的成本函数;{min C |1-4}表示发电机成本函数C在式(1)—(4)约束下的最小值,同理{min C|1-3}表示发电机成本函数C在式(1)—(3)约束下的最小值;CC为输电网每小时总的阻塞成本,式(5)表示阻塞成本CC是上述2种约束下发电机成本最小值的差值。
为了衡量每个元件的阻塞程度,需要把全网的阻塞成本分配到每个阻塞元件。阻塞成本分配方法在诸多文献中已有研究,本文采用文献[16]所提出的方法,具体可划分为3步。
a.边际成本。设系统存在L个阻塞元件,对于每个阻塞元件l(l=1,2,…,L),计算只考虑元件l约束的边际阻塞成本CCm,lg。
b.增量成本。计及除l之外的L-1个元件的约束,计算此时电网的阻塞成本CCex,l,元件l的增量阻塞成本为:
c.分摊成本。分摊到元件l的阻塞成本为:
1.2 T-LRIC模型
1.2.1 节点注入功率前元件投资时间的确定
如图1所示,在传统LRIC定价模型D-LRIC(Distribution LRIC)中,假设网络元件的投资时间nl是元件l的潮流达到它的最大可利用容量限度的年份。nl可以通过式(8)和式(9)得到:
其中,Pl为元件l在初始年份最大负荷下通过的潮流;Plmax为元件l的最大可允许通过潮流;βl为元件的潮流增长速率,其值可以通过给定的负荷增长率r计算得到。
但是在输电网中,当出现元件潮流过载时,阻塞管理可能是一个更加经济的选择来降低过载程度,直到每年的阻塞元件阻塞管理成本大于每年元件投资成本。因此,元件l的实际投资时间ninv应该是当每年阻塞成本现值ACC(present value of Annual Congestion Cost)CAncC,l等于每年投资成本现值APV(Present Value of Annual future investment cost)CAInin,lv的时间,ninv可由式(10)得到:
其中,nc是由于阻塞管理而延迟投资的时间段。
1.2.2 成本现值的确定
在ninv年份内,对于给定的贴现率d,阻塞元件的未来投资成本的现值CFI,l和每年投资成本现值CAIninv,l表示为:
每年阻塞成本现值CncAC,l为:
其中,CE,l为元件投资等值成本(Modern Equivalent Value of the Cost);CCnc,l(单位:￡/a)为阻塞元件l的第nc年度的阻塞成本;CmC,l(单位:￡/h)为阻塞元件在第m个负荷水平下每小时的阻塞成本,其值可由式(1)—(7)得到;Tm(h)为每年度内第m个负荷水平所持续的小时数;λAF称为年金因子,是关于元件寿命周期Tlife和贴现率d的函数,可通过式(14)计算。
1.2.3 节点注入功率后年度增量成本的确定
如果在节点N注入功率ΔPIn,元件l会出现ΔPl的功率变化,会加快或减慢潮流达到最大容量的时间nlnew,因此会增加或减少由于阻塞管理而延迟投资的年份ncnew:
新的投资年份会得到新的每年投资成本现值CAInin,lv_new和每年阻塞成本现值CAncCne,wl:
投资成本差值为:
阻塞元件l的年度增量成本是未来投资成本现值的差值与年金因子的乘积,即节点注入功率后每年投资成本现值与节点注入功率前每年投资成本现值的差值:
1.2.4 输电网过网费的确定
节点N的长期增量成本(过网费)是所有阻塞元件l的年度增量成本的总和与节点注入功率的比值:
在规划周期内新电网用户在不同节点的接入会加重或减轻每条阻塞线路的阻塞程度,对于电网运营商而言,预测和掌握每个节点对每条线路阻塞的裕度非常重要。在所提的T-LRIC模型中,为了给出各个节点的注入功率对各阻塞线路的影响信号,可通过节点注入前后线路投资时间的差值来体现:
ndif代表延缓或提前的年份差值。ndif的正值(+)越大,代表延缓年份越多,因此越减轻线路的阻塞程度;相同地,ndif的负值(-)越大,代表提前年份越多,因此越加重线路的阻塞程度。
1.3 元件投资时间求解策略
在电网投资规划中,电力系统运营商往往给出一定的规划周期,如10~30 a。太长的规划周期对于模型求解相对复杂且无必要,因为由式(11)可见,成本现值是关于投资时间的单调下降幂函数,且随着投资时间越长,成本现值下降越快。当投资时间足够大时,成本现值的值因为太小几乎可以忽略不计。因此,在本文规划周期的确定时,统一选取30 a。
另外,在输电网中,形成阻塞的线路一般有限,且往往集中在主干线路。在本文所提定价模型中的阻塞线路,是指在规划周期内,由于年度阻塞管理的成本大于或等于年度投资成本时的线路,对于某些未能在规划周期内达到此平衡要求的阻塞线路不计入模型求解中。
根据式(1)—(7)和式(10),节点功率注入前的元件投资时间ninv计算流程如图2所示。
为了反映发电调度对电网潮流变化的影响和精确得到元件投资时间,ninv的求解采用多年度直流最优潮流,通过给定年份步长Δninv逐年搜索投资时间。为了提高算法的效率和速度,Δninv采用变步长策略,根据每年阻塞成本现值和每年投资成本现值的比值ε来设定阈值条件:
其中,η1和η2为步长值;λ为选取的阈值。
1.4 D-LRIC、T-LRIC与ICRP关系论证
为清楚说明D-LRIC、T-LRIC和ICRP模型的定价差异,图3给出了三者模型之间的关系示意图。
从阻塞成本与投资成本之间关系的角度,对于LRIC模型而言,D-LRIC与T-LRIC之间的区别在于触发投资的判据不同,D-LRIC从线路利用率(潮流)的角度触发,而T-LRIC从经济成本的角度触发;与LRIC相比,ICRP的触发投资判据则是假设电网元件处于立即升级状态,即任何大小的节点注入功率即触发投资,因此从经济成本的角度而言,ICRP处于阻塞成本一直大于投资成本的阶段。
从触发投资对象关系的角度,在第一阶段,D-LRIC模型的对象是电网元件容量裕度;第二阶段,T-LRIC模型的对象是经济成本的裕度,此时通过经济运行调节措施要优于网络投资措施;第三阶段,ICRP模型的对象同样是经济成本裕度,但此时网络投资措施要优于经济运行调节措施。3个模型是触发投资过程中的3个不同阶段,彼此可相辅相成,三者共同组成定价体系的一体化。
2 算例1:2母线系统
为了验证所提模型方法的思想,首先以简单的2母线系统为例,如图4所示。线路Lf的最大可利用容量为45 MW,投资等值成本CE,Lf为￡3 193 400。表1是发电机成本参数。假设贴现率d=6.9%,负荷增长速率为1.6%,元件寿命周期为40 a,线路阻抗为0.2 p.u.,η1=1,η2=0.1,λ=0.9。
2.1 固定最大负荷下的过网费计算
设接在母线2上的初始年份最大负荷值为20MW,负荷曲线采用离散全年负荷持续小时数曲线计算,如图5所示。在不考虑线路Lf容量限制的情况下,由于发电机A的发电成本较低,负荷全部由发电机A提供。随着年份的增加,线路Lf的潮流逐渐增大,当线路Lf发生阻塞时,调度成本较高的发电机B来满足剩余负荷需求。
表2给出了2种定价模型下节点注入功率前线路Lf的投资时间和每年投资成本现值的对比。可以看出,在传统D-LRIC模型下,线路Lf在51.1 a的时候达到容量限制45 MW,因此投资时间为51.1 a。而在所提T-LRIC模型中,线路Lf在51.1 a的时候出现阻塞,因此进行阻塞管理;当时间达到78.4 a的时候,每年阻塞成本现值开始大于每年投资成本现值,因此实际投资时间为78.4 a,与传统模型相比,投资时间延缓了约27.3 a。
在节点B注入单位功率+1 MW,此时线路潮流的变化量将反映在不同模型下的过网费结果。表3给出了2种定价模型下的过网费对比。由表可见,节点功率注入前后D-LRIC模型的每年投资成本现值变化量要大于T-LRIC模型,因此D-LRIC模型的年度增量成本要比T-LRIC大很多,T-LRIC模型的过网费价格290￡/(MW·a)要明显低于传统LRIC模型的过网费价格1783￡/(MW·a)。
2.2 不同最大负荷下的过网费计算
上一节以节点2最大负荷20 MW为例分析了2种模型下Lf的投资时间和负荷节点2的过网费用,为了反映线路Lf和负荷节点的投资时间和费用在不同线路利用率下的影响,将节点2的初始年份最大负荷从5 MW变化至69 MW,即线路Lf的利用率从11%变化至153%。
图6给出了线路Lf在2种定价模型下节点注入功率前投资时间的对比。从图中可以看出,线路Lf在不同利用率下,阻塞管理都明显延缓线路的投资时间。对于传统LRIC模型而言,线路Lf的利用率在22%、44%、67%、89%时的投资时间分别为122.0 a、51.1 a、25.5 a和7.4 a。当线路初始年份潮流达到45 MW时,即线路利用率达到100%时,立即触发投资,投资时间为0 a。这些结果对于配电网是有效的,但是在输电网中,由于阻塞管理能力,线路Lf的实际投资时间在以上利用率(22%、44%、67%、89%、100%)下分别是94.8 a、78.4 a、52.8 a、34.6 a和27.2 a,同等利用率下延缓约为27 a。同时,所提新的LRIC模型可以反映线路过载情况下的影响。对于线路Lf的利用率在111%、122%、133%和144%,投资时间分别为20.6 a、14.6 a、9.1 a和4.1 a。当线路初始年份利用率达到153%时,新模型下的投资时间为0.0 a。
图7给出了线路Lf在2种定价模型下节点注入功率前每年投资成本现值的对比。从图中可以看出,D-LRIC的每年投资成本现值在线路利用率饱和之前以几何速率递增。当线路出现阻塞后,由于立即触发投资,因此过载后的各个利用率成本现值相等。而在T-LRIC模型下,由于阻塞管理延缓了投资时间,因此在同一利用率下每年投资成本现值低于D-LRIC的CAI。随着线路利用率增大,T-LRIC的CAI递增,直到投资时间为0 a时与D-LRIC模型的CAI相等。
图8给出了节点2的过网费用分别在D-LRIC、T-LRIC和ICRP 3种模型下的对比。节点2的注入功率采用+1 MW。如图所示,当线路Lf的利用率从11%变化到100%时,D-LRIC模型的费用递增。当利用率大于100%时,费用保持不变。而在T-LRIC模型下,当线路利用率大于100%时,费用逐步增加。此外,T-LRIC的过网费用均小于D-LRIC模型的费用。同时,由于ICRP模型的费用不随线路利用率的变化而变化,因此ICRP的价格是一条水平直线。当线路利用率达到67%时,D-LRIC的费用大于ICRP,而T-LRIC的费用要在线路利用率达到111%时,才大于ICRP。
图6—8的结论说明了所提的T-LRIC模型的定价方法能更好地反映线路过载时的投资策略。
2.3 节点注入功率对所提模型的影响
影响长期增量成本定价模型的一个重要因素是节点注入功率的大小。为了量化这种影响,图9和图10分别从过网费用和线路投资时间来分析说明。从图9中可见,过网费整体趋势是随着节点注入量的增大而升高,这是因为线路的投资时间的延缓或提前量随着节点注入功率增加而增加,如图10中所示。
但是在线路严重阻塞的情况下,图9中线路利用率在144%时,过网费反而在注入功率大于+3 MW后下降。这是因为在线路利用率很高时,足够小量的注入功率即可触发投资,当节点注入功率大于这个足够小量时,无法精确体现出线路的投资延缓或提前时间,当节点注入功率继续增大时,节点的增量成本的变化无法正确得到体现,反而因为线路投资或提前的时间减小而减小,因此过网费反而随着节点注入功率的增加而降低。
上述结果说明在选择节点注入功率时,应合理选择功率范围,对于此例而言,选择范围在0.5~3 MW之间。
3 算例2:IEEE 30母线系统
为进一步论证所提方法,采用IEEE 30母线系统。系统由6台发电机、37条线路和4台变压器组成,参数可见文献[17]。负荷持续小时数如图5所示。假设负荷增长率为2.0%,贴现率6.9%,η1=1,η2=0.01,λ=0.95。
3.1 投资时间评估
通过计算规划目标年内阻塞管理前系统各条线路和变压器利用率水平,得到线路1和线路14利用率将会发生阻塞。在传统方法下,线路1由于在初始年份即阻塞,因此立即触发投资。而线路14投资时间为22.38 a。在所提模型下,由于阻塞管理的影响,线路1和线路14的实际投资时间分别为11.07 a和26.67 a。各条线路的每年投资成本现值和每年阻塞成本现值见表4。
图11给出了在各节点注入功率后线路1和线路14投资时间差值分布图。如图所示,对于线路1,节点2有最大的负值(-0.57 a),在此节点新接入用户将会最大提前线路1的升级时间,因此对线路1的阻塞加重最大。节点3有最大的正值(+0.39 a),在此节点新接入用户将最大化延缓线路1的投资时间,因此对减轻线路1的阻塞贡献最大。对线路14,节点15有最大的负值(-0.71 a),意味着在此节点接入负荷将会最大化加速线路14投资时间,因此加重线路阻塞程度最大。在节点9和节点11新接入负荷将会最大限度减轻线路14的阻塞。
此30节点系统被分为2个电压等级。从图11还可看出,在高压区域(节点2到节点8)注入功率对线路1的阻塞加重或减轻程度影响更大;而对于低压区域(节点10到节点30),节点注入功率对线路14的阻塞加重或减轻程度影响更大。
3.2 过网费用评估
为辅助分析,图12和13给出了各节点注入功率对线路1和线路14年度增量成本的分布情况。由此可见,对线路1,在节点2注入功率产生的年度增量成本(12668￡/a)远远大于其他节点,这是因为节点2的注入功率会最大化加重线路1阻塞的程度。相同地,由于最大限度减轻线路1的阻塞,节点3的增量成本有最大的负值(-8394￡/a),因此对电网提供最大的效益。对于线路14,增量成本的较大值主要集中在低压侧,如图13所示。另外从这个图中还可见,线路1的年度增量成本的值要远大于线路4的值。这是因为线路1的投资时间较线路4早很多,因此有更大的每年成本现值。
表5给出了2种模型下的过网费对比。可见,除节点2外,其余节点在新模型下的费用要明显低于基于配网的定价模型,这是因为新模型的定价规则只考虑阻塞线路的年度增量成本,而传统模型由于不考虑发电调度的影响,需要考虑所有线路的年度增量成本,因此费用很高。此外,从费用分布来看,新模型更能体现输电网的网络结构状况。在T-LRIC模型下,节点2的费用要明显高于其余节点,这是因为线路1已经处于严重阻塞状态,如果在节点2新接入用户,则会更加重线路1的阻塞状态,使得线路1投资时间提前最多。然而对于其余节点,新接入用户对线路1的投资时间影响相对较小,尤其是在低压区域,因此费用较低。同样,节点3的费用为负值最大,说明在此节点新接入负荷最有助于改善线路1的阻塞状况,延缓线路1的投资时间。对于节点2,由于线路1已经处于严重过载情况,在D-LRIC模型下的费用等于线路1的利用率刚达到100%时候的值,而T-LRIC模型下的费用是随着利用率的升高而急剧增加,因此其费用有可能大于D-LRIC下的费用。
4 结论
本文基于配电网长期增量成本法提出了一种新的计算输电网过网费的定价模型T-LRIC。新的定价模型首次考虑了系统的阻塞管理成本,即短期运行成本对定价决策的影响。所提的模型通过将节点的注入功率反映到电网元件的年度增量成本,而年度增量成本同时考虑了电网投资成本现值和电网阻塞管理成本现值的平衡。新的定价模型主要反映输电网短期运行成本对输电网元件投资时间和过网费的影响。经过算例分析,所得结论如下。
a.对电网投资时间的影响。新的定价模型由于考虑了阻塞管理,与传统配电网定价模型相比,延缓了电网元件的投资时间,同时能更好反映电网元件在潮流过载时的投资策略。
b.对节点过网费的影响。新的定价模型由于只考虑了阻塞线路的年度增量成本,而传统模型需要考虑所有线路的年度增量成本,因此新的定价模型下的节点费用比传统模型要更低。在少数电网元件严重阻塞情况下,新的定价模型有可能高于原有传统定价模型。同时,与传统模型的性质一样,节点的过网费用随着元件的阻塞程度增加而显著上升,因此新的模型同样能够反映电网元件利用率和节点费用的关系。
c.节点注入功率的影响。新的定价模型中,部分靠近阻塞严重线路的节点的过网费用,会随着节点注入功率的增大而先增大后减小,因此应合理选择节点注入功率的范围。
d.新的定价模型还能反映出新用户在各个节点的接入对电网阻塞元件加重或减轻的程度分布,便于从侧面辅助电网运行商更好地规划和利用电网。
短期运行 篇5
热电联产 (combined heat and power, CHP) 和风力发电是近年来电力行业大力发展的两项技术。CHP是既产电又产热的先进能源利用形式, 能对能源进行梯级利用, 将发电后产生的余热进一步利用从而提高能源的综合利用率, 可以降低能源消耗, 提高空气质量, 节约用地, 提高供热质量, 便于能源综合利用。
另外, 随着全球能源、环境问题的日益凸显, 风能等可再生能源得到了广泛的关注。但风能、太阳能发电出力具有间歇性和不确定性, 接入电网后, 其运行、调度的难度增加, 而微电网[1,2]的出现为可再生能源的综合利用提供了一种有效的技术手段[3], 其既可通过分布式电源对内部负荷供电, 也可脱离电网长期、稳定地运行在孤岛模式下。
在各种型式微电网中, CHP型微电网[4]是一个重要的发展方向, 其将各种分布式电源、负荷、储能单元及控制装置等结合在一起, 形成一个单一可控的单元, 向用户同时提供电能和热能。CHP型微电网最优经济运行的实质是在满足电、热负荷需求的前提下, 根据各单元配置制定系统未来一段时间内的调度运行方案, 以获得最佳经济效益。
目前, 国内外对于微电网经济运行的研究主要集中在电能利用层面上, 对CHP型微电网涉及较少。文献[4]建立了由风电机组和燃料电池组成的CHP系统经济优化模型, 使用进化算法求解, 比较了4种热回收方案的经济效益;文献[5]以成本最小化为目标, 应用机会约束规划理论建立了CHP型微电网最优经济运行模型, 并采用粒子群优化算法进行求解;文献[6]建立了计及制热收益的CHP型微电网系统最优经济运行模型, 考虑了微电网无功平衡, 在并网和孤岛两种情况下采用遗传算法求解;文献[7]在分时电价以及微电网并网运行的环境下, 建立了CHP型微电网经济优化模型, 采用线性化方法将优化问题转化为整数线性规划问题进行求解, 并分析了CHP带来的经济效益, 比较了电储能和热储能的经济性。
综上所述, 当前考虑CHP型微电网中过剩风电[8,9]消纳问题的文献较少。如在电负荷低谷时, 为满足热负荷需要, CHP机组必须承担相应比例的电负荷, 其在电负荷低谷时已能满足微电网中大部分电力需求, 若此时储能装置已饱和, 将导致风力机被迫停机或减小出力, 造成风能浪费。
本文针对上述问题, 在CHP机组、风电机组和铅酸蓄电池构成的微电网中, 引入热泵装置用以消纳过剩的风电并承担部分热负荷, 达到减少微电网弃风、减少储能装置反复充放电、节约CHP机组燃料消耗的目的;在考虑弃风惩罚费用、储能装置损耗的基础上建立了CHP型微电网最优经济运行模型, 采用混合变异算子的粒子群优化算法对模型进行求解, 并通过孤立的CHP型微电网算例分析了热泵装置对微电网运行经济性的改善效果。
1 CHP型微电网数学模型
1.1 CHP型微电网系统
典型的CHP型微电网包含微型CHP机组、风电机组、蓄电池等多个微源, 见附录A图A1。
风电机组以风能为原动力, 作为可再生能源机组接入微电网;微型燃气轮机使用天然气作为一次能源, 天然气燃烧后的高温烟气做功驱动发电机发电, 余热烟气进入溴冷机进行制热, 分别承担微电网部分电负荷和热负荷;储能装置根据微电网运行情况, 实时进行充放电[5]。
1.2 风电机组模型
风电机组在一个时段内的输出功率Ptw由该时段内风力机轮毂所在高度处的平均风速vt决定, 其分段函数表达式如下[10]:
式中:vci为切入风速;vco为切出风速;vr为额定风速;Prw为风电机组额定输出功率;ω (vt) 可近似为线性函数, 即
1.3 CHP机组模型
由于微型燃气轮机用于CHP时具有独特的优势[11], 其发电效率可达40%, 一次能源综合利用效率可达90%[12], 本文选择微型燃气轮机作为CHP机组。
微型燃气轮机用做CHP机组时, 其供电和供热出力可用下式表示[13]:
式中:Pt, n, Ht, n, Gt, n, q分别为t时段第n台微型燃气轮机的供热出力、发电出力、消耗的天然气量以及天然气热值;ηe, n和η1, n分别为t时段第n台微型燃气轮机的发电效率和散热损失系数;δh, n为第n台微型燃气轮机的制热系数 (其值为溴冷机制热系数与余热回收效率的乘积) , 若近似认为ηe, n和η1, n保持不变, 则第n台微型燃气轮机热电输出比θn为定值, 即
1.4 储能装置模型
本文选择铅酸蓄电池作为微电网储能设备。运行过程中, 其荷电状态 (SOC) 值St的变化规律如下:
式中:St+1和St分别为t+1时段和t时段铅酸蓄电池的荷电状态;PtESS为t时段铅酸蓄电池的充放电功率 (放电为正、充电为负) ;η为铅酸蓄电池的充放电效率;Δt为两时段间的时间间隔;Cbat为铅酸蓄电池容量。
铅酸蓄电池的损耗快慢与其放电深度有关, 可表示为[14,15]:
式中:Nk为放电深度为Dk时的充放电循环次数;α1, α2, α3, α4, α5为损耗相关系数。
2 含热泵的CHP型微电网最优经济运行策略
《节能发电调度办法实施细则》[16]规定, 风能等无调节能力的可再生能源发电机组具有第一发电优先性序位。然而在典型的CHP型微电网中, 由于存在热负荷约束, 会出现微电网被迫弃风的问题:如在电负荷低谷时, 为满足热负荷, CHP机组必须承担相应比例的电负荷, 在电负荷低谷时已能满足绝大部分电力需求, 若此时储能装置已饱和, 则风电机组被迫弃风, 造成风能浪费。
基于第1节所述的各种微源模型, 结合微电网监测、通信和控制装置, 微电网中引入热泵装置可实现CHP型微电网的优化运行, 含热泵的CHP型微电网系统示意图见附录A图A2。
热泵技术是近年来备受关注的新能源技术, 相比于传统供热方式只能将部分电能转化为热能, 热泵装置能够输出自身所耗电能若干倍的热能, 从而大大降低一次能源消耗。热泵装置性能一般采用制热性能系数λCOP来评价, 其定义为由低温物体传到高温物体的热量与热泵输入的电能之比。
本文选择地源热泵作为微电网热泵装置, 地源热泵以浅层地热资源作为热源, 具有节能、环保、调控方便等优点[17]。热泵装置的工作特性如下:
式中:HtEHP和PtEHP分别为热泵装置t时段的供热出力和输入功率。
含热泵的CHP型微电网最优经济运行策略如下:在风电机组出力较高或热负荷较高的情形下, 减少CHP机组供热出力, 使用热泵装置补偿减少热出力并消耗部分电能。该调度策略的实质是:使用热泵装置改变电负荷、热负荷两者的比例, 从而达到解决微电网弃风问题、减少储能装置反复充放电和节约机组燃料消耗的目的。运行策略示意图见附录A图A3。
通过人工优化算法确定调度周期内每个时段的CHP机组出力、热泵输入功率和消纳风电功率, 可以确定微电网的最优调度方案。
3 含热泵的CHP型微电网最优经济运行模型
3.1 目标函数
含热泵的CHP型微电网经济调度模型的目标函数为调度周期内总费用最小, 包括微型燃气轮机运行费用、开机费用、储能损耗费用以及弃风损失费用, 如下式所示:
式中:E为CHP型微电网调度周期内的总费用;N为微型燃气轮机台数;T为一个调度周期所包含的时段数;EtF, n为t时段第n台微型燃气轮机的燃料费用[18];EtS, n为第n台微型燃气轮机单次开机费用;Etwc为t时段风电机组弃风损失费用;Eb为调度周期内储能装置损耗费用;Pf为单位天然气价格;xt, n为微型燃气轮机状态变量, xt, n为1或0分别表示第n台微型燃气轮机开机或停机;βn, γn, σn为第n台微型燃气轮机的开机费用系数;tn, t′为第n台微型燃气轮机在t时段的停运时间;ρ为单位弃风量的弃风惩罚系数;Ptw为风电机组输出功率, 可用预测的风速由风电机组出力模型计算得到;Ptwa为微电网消纳的风电功率;NT为调度周期内储能设备充放电次数;Ein为储能设备投资费用。
3.2 约束条件
根据调度策略, 微电网电负荷与热泵输入功率由微型燃气轮机和风电机组共同承担, 微电网热负荷由微型燃气轮机供热出力和热泵装置供热出力共同承担, 如下所示:
式中:Ptd和Htd分别为预测得到的微电网电、热负荷;yt为热泵装置状态变量, yt为1或0分别表示热泵装置开机或停机。
微型燃气轮机开机状态下的功率约束为:
式中:Pnmin和Pnmax分别为第n台微型燃气轮机的最小、最大发电出力限制, 同时, 受热电输出比θn限制, 微型燃气轮机的最小、最大供热出力也会受到限制。
热泵装置开机状态下的功率约束为:
式中:PminEHP和PmaxEHP分别为热泵装置开机状态下输入功率的最小限制和最大限制, 同时, 受λCOP限制, 热泵装置的最小、最大供热出力也会受到限制。
铅酸蓄电池的充放电功率约束为:
式中:PESScmax和PESSdmax分别为铅酸蓄电池的最大充、放电功率。
铅酸蓄电池荷电状态约束为:
式中:Smax和Smin分别为铅酸蓄电池荷电状态的上、下限。
调度周期始末储能平衡约束为:
4 最优经济运行模型求解流程
使用混合变异算子的粒子群优化算法[19]求解含热泵的CHP型微电网最优经济运行模型, 实现流程如下 (对应算法流程图见附录A图A4) 。
步骤1:输入CHP型微电网原始数据 (包括历史电负荷、热负荷、风速数据, 微源参数数据) , 预测微电网电负荷、热负荷和风电机组输出功率。
步骤2:初始化粒子位置与速度, 随机产生初始化种群。
步骤3:使用前推回代法[20]对储能装置荷电状态越界进行处理。
步骤4:对CHP机组、热泵装置出力越界进行处理, 平衡电、热负荷约束。
步骤5:更新粒子的位置与速度, 计算粒子适应值, 更新个体极值和全局极值。
步骤6:判定变异条件, 对于满足变异条件的粒子, 按照一定概率由变异函数进行变异。
步骤7:判断是否达到预设迭代次数, 若未达到则返回步骤3, 若达到则进入步骤8。
步骤8:迭代循环结束, 输出全局最优值和最佳粒子位置 (即最优的调度周期内总费用及对应的各时段微源出力) 。
5 算例分析
本文以某孤立的CHP型微电网为例进行算例分析, 该微电网中包含2台风电机组、2台CHP机组。风电机组的切入、切出、额定风速vci, vco, vr分别为5, 22, 15m/s, 额定功率Prw为30kW;CHP机组参数如表1所示, 其中微型燃气轮机MT1发电效率高于MT2。设需要优化的调度周期为24h, 调度时段间隔Δt为1 h, 储能装置容量Cbat为160kW獉h, 荷电状态上下限Smax和Smin分别为1.0和0.3, S0设为0.3, 充放电效率η为0.95, 最大充放电功率PESScmax和PESSdmax分别为-40kW和40kW, 弃风惩罚系数ρ取为2美元/ (kW獉h) 。
根据某地区历史电负荷统计数据, 对24个时段 (24h) 电负荷进行预测;热负荷采用一般建筑物的采暖负荷, 根据历史气象数据, 通过下式对24个时段热负荷进行计算[21]:
式中:μ, X, V分别为建筑物空气渗透系数、采暖系数和外围体积;Tti为建筑物室内保温设计温度, 时段07:00—21:00内为24℃, 其余时段内为16℃;Tto为大气温度, 根据该地区历史气温数据使用自回归滑动平均 (ARMA) 模型进行预测;根据历史风速、气象数据, 对各时段风电功率进行预测。
电、热负荷及风电功率预测结果见附录A图A5。可以看出, 受大气温度和室内保温设计影响, 微电网热负荷在凌晨和夜间较小而在日间较大, 最大值出现在09:00;微电网电负荷在凌晨较小, 日间和晚间较大, 最大值出现在20:00。
5.1 无热泵装置算例
在上述的含热泵的CHP型微电网最优经济运行模型基础上, 设定热泵装置输入功率上下限均为零, 结合附录A图A5中24个时段的电、热负荷与风电功率预测值, 计及铅酸蓄电池寿命损耗, 对CHP机组、储能装置24h的出力进行优化, 优化结果如图1、图2所示, 得到一个运行周期内的系统总运行费用为1 758.59美元, 其中弃风损失费用为361.82美元。
在无热泵装置的情形下, 热负荷全部由CHP机组承担, 受热电比约束, CHP机组必须提供相应的发电出力, 在热负荷较大的时段 (如08:00—13:00) , 由于铅酸蓄电池荷电状态已饱和, 微电网被迫弃风, 造成了风能的损失。
5.2 含热泵装置算例
根据无热泵装置算例优化结果, 选择1台适当容量的地源热泵, 加入CHP型微电网, 热泵装置参数如下:输入功率PtEHP的上下限分别为10kW和3kW;λCOP为3。
引入热泵装置后, 结合附录A图A5中24个时段的电、热负荷与风电功率预测值, 计及铅酸蓄电池寿命损耗, 对CHP机组、储能装置、热泵装置24h的出力进行优化, 优化结果如图3、图4所示, 得到一个运行周期内的系统总运行费用为1 284.93美元, 周期内没有弃风损失费用。
图3中, 总电负荷为微电网电负荷与热泵装置输入功率之和。从图3、图4可以得出以下结论。
1) CHP机组MT1容量较大, 一次能源综合利用率高, 主要用来承担基荷, 调度周期内一直处于开机状态。
2) CHP机组MT2容量较小, 一次能源综合利用率相对较低, 主要作为备用机组, 在电、热负荷较小时段 (如00:00—08:00) 主要处于停机状态, 在电负荷较大时段 (如20:00—22:00) 或热负荷较大时段 (如09:00—13:00) 投入运行。
3) 热泵装置在热负荷较大的时段 (如09:00—13:00) 出力较大, 起到消纳风能、节约CHP机组燃料消耗的作用, 可以防止因为储能容量不足造成的弃风。
4) 在电负荷较小的时段 (如02:00—07:00) , 铅酸蓄电池充电, 在电负荷较大时段 (如18:00—22:00) 放电, 起到平衡微电网电功率的作用。
5) 在18:00—21:00, 电负荷较大, 铅酸蓄电池需要大量放电, 同时开启MT2, 令热泵装置停机。
通过两个算例的对比可以看出, 加入热泵装置会给CHP型微电网带来显著的经济效益, 加入热泵不仅使CHP型微电网减少弃风, 而且可以减少CHP机组的燃料消耗, 可以节约27%的系统周期运行总费用。
5.3 热泵装置λCOP对微电网经济性的影响
在热泵装置其他参数不变的情况下, 设置λCOP值在3~8变化, 分别对不同的λCOP下的CHP型微电网使用最优经济运行模型求解, λCOP与周期内系统总运行费用的关系如图5所示。
从图5可以看出, 热泵装置λCOP越大, 对应的调度周期内系统总运行费用越小, 这说明增大热泵装置λCOP可以提高CHP型微电网的经济性;然而当λCOP超过6以后, 曲线趋于平稳, λCOP的增大并不会使系统总运行费用显著减小, 原因是CHP型微电网存在电负荷的约束, 必须保证CHP机组一定的发电量, 因此热泵装置的供热出力也会受到限制。对实际微电网而言, 热泵装置的购置成本往往与其λCOP成正相关, 因此在选择热泵装置时, 其λCOP不应过大, 否则将会造成购置成本的升高而不会显著降低运行成本。
5.4 季节变化对热泵适用性的影响
不同季节, 气温随时间变化的规律不同, 此时可以对微电网运行策略进行调整, 使之适应不同季节的需要。前述算例针对的是冬季, 如果是夏季, 则居民可能有制冷需要, 可以改变微型燃气轮机的溴冷机循环模式, 进行微型燃气轮机冷电联产, 同时也可以改变地源热泵的循环模式, 使之工作在制冷状态, 下面进行简要分析。
针对前述算例, 在夏季时, 认为所在地区炎热干旱, 居民有制冷需求, 设微型燃气轮机MT1和MT2的冷电输出比均为1.1, 热泵制冷性能系数为2.5, 使室内温度控制在24℃ (若室外温度低于24℃则无需制冷) , 算例其他条件不变。结合预测得到的夏季日风速、气温和电负荷数据, 计及铅酸蓄电池寿命损耗, 对微型燃气轮机、储能装置24h的出力进行优化, 优化结果见附录A图A6、图A7, 优化周期内系统总运行费用为1 161.798美元, 风电全部被消纳。如果不引入热泵进行制冷, 微电网仍会出现弃风现象, 限于篇幅, 这里不再赘述。
综上所述, 当微电网运行在夏季时, 通过改变微型燃气轮机和热泵的循环模式来调整微电网的运行策略, 同样可以达到消纳风电的目的, 热泵不会被闲置。
6 结论
1) 本文针对典型CHP型微电网被迫弃风问题, 将热泵装置引入CHP型微电网用以改变电负荷、热负荷的比例, 并提出一种含热泵的CHP型微电网最优经济运行策略。
2) 在考虑铅酸蓄电池充放电损耗、风电机组弃风损失的情况下, 建立CHP型微电网最优经济运行模型, 使用混合变异算子的粒子群优化算法对模型进行求解。
3) 以某孤立的CHP型微电网为算例进行分析, 分析结果表明:引入热泵装置可以有效减少微电网弃风, 并且减少CHP机组的燃料消耗, 改善CHP型微电网的经济性。
本文所述模型可为微电网规划和CHP型微电网短期调度运行提供一定的参考, 另外, 在夏季有冷负荷时, 可改变微型燃气轮机和热泵的循环模式, 使之工作在制冷状态, 同样可达到消纳风电的目的。在未来研究中, 将进一步研究含热泵的CHP型微电网优化配置, 并考虑负荷与风电预测不确定性对调度运行结果的影响。