基于协调负荷调度模型的蓄热采暖解耦方法雷昳，刘明真，林开敏国网湖北省电力公司检修公司，湖北 武汉 430050摘 要中国“三北”地区冬季受煤电机组供热期、水电机组枯水期、风电机组大发期的相互叠加影响，出现巨额弃风和环境污染问题。将具有可控特性的蓄热电采暖作为调峰调度资源，在调峰困难时段降低CHP强迫出力并实现移峰填谷，增加风电冬季上网空间，形成源荷互动的负荷调度模式。首先研究CHP机组电-热耦合特性，然后构建风电-蓄热补偿的热电解耦方案，以系统运营成本最小和系统污染排放量最小为目标建立多目标负荷调度模型，最后采用修正多目标粒子群算法对模型进行求解，通过小生境技术保持Pareto解集的多样性。算例结果表明所构建的电锅炉蓄热式调度方案可以有效消纳风电，达到环境和经济指标的综合最优，具有较好的应用前景。关键词热电解耦；电锅炉蓄热；风电消纳；负荷调度中图分类号 TM734 文献标志码 A DOI 10.11930/j.issn.1004-9649.2017110050 引言合理开发风电、光伏等清洁能源，提高清洁能源在能源消费中的占比，是能源结构调整和国家战略发展的推进方向[1]。由于“三北”地区部分煤电机组是热电联产机组（combined heat andpower，CHP），调峰能力有限，随着风电开发规模逐渐增大，中国北方地区在供暖期出现了明显的弃风问题。特别在冬季，煤电机组的供热期、水电机组的枯水期、风电机组的大发期相互叠加，导致风电消纳能力受到严重制约[2-3]。针对热电联产机组所导致弃风问题，传统做法是进行“热电解耦”，即将随机性出力的风电转化为可控负荷，不仅能够降低大规模风电的接入成本，又能够提高风电消纳能力，提高资源合理配置的能力。国内外学者就CHP机组“热电解耦”及调度模式进行深入研究。文献[4]提出热电厂以解耦“以热定电”约束参与风电低谷调峰的设想，介绍了热电调峰可行方案的运行机理、技术特性和适用范围；文献[5]分析了热电厂配置电锅炉提高调峰能力，进而降低强迫出力消纳弃风电力的方案，并分析其节煤效益和经济性；文献[6]研究通过配置储热来提高机组调峰能力的消纳方案。然而，这些文献仅限于对“热电解耦”本身的分析，对“以热定电”约束放开后的系统优化调度问题尚未研究。事实上，配置储热解耦“以热定电”的热电机组参与系统调度运行在国外已有应用[7-9]，而国内因缺乏灵活的电力市场及电价引导，相关研究还有待完善。文献[10]分析了热电机组配置储热前后运行特性与调峰能力的变化情况，建立了含储热的电力系统电热综合调度模型，验证了在热电厂中配置储热可有效提高电网的风电消纳水平，且消纳单位电量风电的节煤量要高于电锅炉消纳方案；但其考虑的电源结构较为单一，调度目标及约束考虑均较简单，同时对热电厂的激励机制的假设并不完善，热电厂主动配置储热参与风电消纳的积极性不高。综合考虑中国清洁能源发展现状及“三北”地区弃风问题，本文以“热电解耦”的方式分析了热电联产机组热电耦合特性，同时考虑通过蓄热式电锅炉解耦热电机组“以热定电”约束增加风电上网空间，提出了考虑风电消纳的运行成本最小、污染气体排放量最少的多目标负荷调度模型。采用一种改进的多目标粒子群算法进行求解，使用小生境技术保持解的多样性和均匀性，针对模型约束众多并且较复杂的问题，提出一种约束修正策略，同时使用混沌变异机制，提高了算法的收稿日期2017−11−03； 修回日期2019−02−26。第 52 卷 第 7 期中国电力Vol. 52, No. 72019 年 7 月ELECTRIC POWER Jul. 201955全局搜索能力。算例表明该方法能为调度部门在兼顾经济和环保两方面的需求进行决策提供了较全面的信息，并且定量分析表明蓄热式电锅炉提升风电消纳能力明显，具备很高的推广价值。1 风电蓄热解耦方案对风电消纳的影响1.1 热电联产机组热电耦合特性相比于常规火电机组，热电联产机组在发电的同时利用热蒸汽供热，极大地提高能源利用效率，因而广泛应用于供暖地区[11]。国内北方供热地区的热电机组主要有背压式和抽汽式两大类[12]，以抽汽式为主，二者的热电耦合关系[13]可表示为Pb;e cmPb;hKb（1）maxfPc;e;min cv2Pc;h;cmPc;hKcg≤Pc;e≤Pc;e;max cv1Pc;h（2）Pb;e;Pb;h;Pc;e;Pc;hcmcv1;cv2Kb;Kc Pc;e;min;Pc;e;max式中分别为背压式、抽气式热电机组的供电、供热功率；为背压工况电热替换比；抽气式机组最大最小供电功率工况的电热替换比；为耦合常数；分别为凝气工况时的最小、最大供电功率。由式（1）、（2）可知，背压式热电机组的供电功率与供热功率间呈线性耦合关系；抽汽式热电机组较灵活，在给定供热功率的情况下，供电功率可以在一定的范围进行调节。1.2 风电–蓄热采暖解耦方案考虑到电力市场和风电消纳能力等因素的约束，为进一步提高风电利用率，在电加热储热补偿供热方式的基础上提出风电-蓄热采暖解耦方式。该方案在供热区建设电锅炉，由电锅炉加热承担部分供暖，实现电暖替代煤暖，在风电富集区域主要由富余风电进行供热采暖，其系统结构如图1所示。综合考虑经济和环保因素，在推广蓄热式电采暖技术的同时，需要与现有的电网运行方式和供电方式相配合，以达到资源最优配置的目的。1.3 考虑采暖解耦方案的负荷调度分析进行“热电解耦”后，一方面供热电锅炉可按需求适时增加电负荷，另一方面蓄热采暖在减少热电机组供暖的同时可以降低热电机组供电，从而在传统经济调度模式的基础上提高了风电上网空间，其对风电消纳能力的影响如图2所示。PLtPt系统负荷为，以热定电模式下的常规调度机组出力为，则常规调度周期内的风电消纳空间为W ∑[PLt Pt]（3）∆PLt∆Ht∆Pt ∆Ht W′如图2所示在负荷低谷期间，供热电锅炉参与调度时，增加负荷；同时蓄热锅炉供热，解耦部分热电机组，常规机组减出力，为电热耦合系数。此时风电消纳空间为W′ ∑{[PLt∆PLt] [Pt ∆Pt]g（4）∆W增加的风电消纳空间为∆W W′ W ∑[∆PLt∆Pt]（5）2 多目标负荷调度模型构建本文以最大化经济和环保为目标，优化风电消纳并计及环境经济的负荷调度模型。其中经济CHP火电气电用户储热电锅炉风电供暖供电图 1 风电蓄热采暖系统结构Fig. 1 Heating system structure with wind power-electric boiler heat storage1 0001 2001 4001 6001 8002 0002 2002 4000000 0400 0800 1200 1600 2000 2400风电消纳空间以热定电常规机组出力解耦热电增加风力消纳空间负荷调度后的负荷水平原始负荷水平提升低谷负荷增加风电消纳空间热电解耦后常规机组出力时刻出力/MW图 2 风电-蓄热采暖对风电消纳能力的影响Fig. 2 Effect of wind power-heat storage for heating onaccommodation capacity of wind power中国电力第 52 卷56目标主要是系统运营成本最小，环保目标是使系统污染排放量最小。2.1 负荷调度目标2.1.1 系统运营成本最小运行成本主要包括常规火电、热电联产和天然气机组的运行成本，风电运行成本相对较小，在此忽略不计。运行成本最小化目标为min F1 FthFcFg（6）Fth;Fc;Fg式中分别为常规火电、热电联产和天然气机组的成本费用。常规火电主要考虑其原料费用，可表示为Fth T∑t1Nth∑i1 th;iPtth;i2 th;iPtth;icth;i（7）TNthPtth;i i t th;i; th;i;cth;ii式中为调度周期；为常规火电机组数目；为号机组在第个调度时段的出力；分别为机组 的发电成本系数。热电联产机组成本函数[14]为Fc T∑t1Nc∑j1[ c;jPtc;j;e2 c;jPtc;j;eCc;jc;jPtc;j;h c;jPtc;j;h2 c;jPtc;j;ePtc;j;h]（8）Nc Ptc;j;e;Ptc;j;ej tc;j; c;j;Cc;j; c;j; c;j; c;j式中为热电联产机组数目；分别为第台CHP机组在时段的供电和供热功率；为其发电成本系数，可由机组煤耗系数及热-电耦合关系推算得到。2.1.2 系统污染排放量最小NOx;SOx;CO2污染物排放主要考虑常规火电，CHP和天然气机组的排放量。其最小化目标[15-17]可表示为min F2 CthCcCg（9）CthT∑t1Nth∑i1[10 2 0;i 1;iPtth;i 2;iPtth;i2 3;ie 4;iPtth;i]（10）Cc T∑t1Nc∑j13∑k111 jaj;kbj;kPc;j;tcj;kP2c;j;t（11）Cg T∑t1Cth Ng∑k1Ptk（12）0;i; 1;i; 2;i; 3;i; 4;i iaj;k;bj;k;cj;k j式中为火电机组的排污系数；为热电联产机组第k种污染物类j型（包括NOx，SOx和CO2）的排污系数；是其等排性能系数；为单位发电量下天然气与燃煤机组的排污系数比；Ng为天然气机组数目。2.2 约束条件2.2.1 系统约束在本文的负荷调度模型中，系统功率平衡约束为Nth∑i1Ptth;iUtth;iNc∑j1Ptc;j;eNg∑k1Ptg;kUtg;iNw∑l1Ptw;l PtL;eNb∑m1Ptb;m（13）Ptw;l PtL;e tPtb式中为风电出力；为系统时段的基本电负荷；为系统增设的风电锅炉消耗的电功率，与常规调度电平衡相比，新增的电锅炉负荷可以增加风电上网空间。系统热功率平衡约束为Nc∑j1Ptc;j;h e_ hNb∑m1Ptb;m PtL;hSth St 1h （14）e_ h PtL;h tSth;St 1h t;t 1式中为电锅炉的电热转换效率；为时段的基本热负荷；分别为时段的储热功率。为避免风电预测误差以及负荷波动对系统的优化运行造成不利影响[18]，采用调节性能较好的天然气机组及火电机组提供备用。系统备用约束为∑k2fth;ggUtPtk;up Ptk≥RtL;upRtw;up（15）∑k2fth;ggUtkPtk Ptk;down≥RtL;downRtw;down（16）Ptk;up;Ptk;downt RtL;up;RtL;down tRtw;up;Rtw;down t式中分别为天然气机组和常规火电机组在时段的最大、最小可用技术出力；分别为时段应对负荷预测误差所需的正负备用容量；分别为应对时段风电出力波动所需的正负备用容量。2.2.2 风电锅炉及储热约束蓄热电锅炉作为负荷调度资源需满足一定的范围约束。Pb;min≤Ptb≤Pb;max（17）Ptb Pb;minPb;max式中为t时段蓄热电锅炉出力；和分别为电锅炉最小和最大出力。电锅炉的功率具有一定的调节性，但是为保证锅炉的长期安全稳定运行，其功率波动需限制第 7 期 雷昳等基于协调负荷调度模型的蓄热采暖解耦方法57在一定的范围[19]。Pdownb≤Ptb Pt 1b≤Pupb（18）Pdownb Pupb式中，分别为任意时刻电锅炉出力波动所需要的最小和最大备用容量。蓄热装置需要满足储热容量限制、供热储热速度限制，可表示为0≤Sth≤Sh;max（19）∆S h≤Sth St 1h≤∆Sh（20）Sh;max ∆Sh;∆S h式中为储热装置的最大蓄热功率；分别为储热和供热速度。2.2.3 机组约束（1）常规火电机组的上下限约束为Utth;iPth;i;min≤Ptth;i≤Utth;iPth;i;max（21）Pth;i;min;Pth;i;max式中分别为火电机组i的最小和最大技术出力。机组爬坡速度约束为Pdownth;i≤Ptth;i Pt 1th;i≤Pupth;i（22）Pupth;i;Pdownth;i i式中分别为火电机组向上、向下爬坡速度。（2）天然气机组出力限制约束为0≤Ptg;k≤Pg;up（23）（3）风电机组约束为0≤Ptwind;l≤Ptwind;fore（24）（4）热电联产机组供电和供热不仅需要满足式（1）、（2）的电-热耦合约束，同时还需满足供热的上下限和机组的爬坡约束。Pc;j;h;min≤Ptc;j;h≤Pc;j;h;max（25）8Pdownc;j;e≤Ptc;j;e Pt 1c;j;e≤Pupc;j;ePdownc;j;h≤Ptc;j;h Pt 1c;j;h≤Pupc;j;h（26）Pc;j;h;min;Pc;j;h;maxPupc;j;h;Pdownc;j;h Pupc;j;e;Pdownc;j;e式中分别为热电联产机组的供热下上限；和分别为热电联产机组供热功率和供电功率的爬坡速度。2.3 多目标负荷调度模型综上，考虑风电蓄热采暖的多目标负荷调度模型，即在满足约束（13）（26）的条件下，目标（3）、（8）最小。可表示为min fkx k 1;2; ;mst8gix≤0; i1;2; ;qhjx0; j1;2; ;n（27）x g h式中为调度决策向量；为不等式约束；为等式约束。3 基于约束修正和小生境存档的模型求解多目标优化问题多采用进化算法[20]加以改进，但面临着参数收敛、可行解等问题，基于此，本文提出一种改进的多目标粒子群算法进行求解。3.1 粒子群约束修正不同于标准粒子群[21]解决的是无约束优化问题，本文的优化调度问题是一个含大量复杂约束，若不加以优化，则可能无法得到可行解。传统的约束处理方法是在目标函数中加入罚函数，以此设置约束条件，但在可行域极为复杂的调度问题中，通过罚函数处理等式约束使粒子飞入可行域的几率仍然较小。因此本文考虑使用双阶约束处理策略对等式约束进行提前修正，对不等式约束进行罚函数处理。其修正步骤如下。（1）将粒子归一化位置映射到各维决策变量的上下界中，其中CHP机组的电出力按照“以热定电”的约束映射。（2）计算供热平衡差额，可表示为∆Ph N∑i1Pi;hS PhD（28）式中N为发电机组数目。（3）对供热平衡进行修正。∆Ph＞0若，则有P′i;hS Pi;hS ∆PhPi;hS Pi;hS;minNh∑i1Pi;hS Pi;hS;min（29）∆Ph＜0若，则有P′j;eS Pj;eS ∆PePj;eS;max Pj;eSNe∑j1Pj;eS;max Pj;eS（30）（4）计算供电平衡差额，可表示为∆Pe N∑j1Pj;eS PeD（31）中国电力第 52 卷58∆Pe＞0∆Pe＜0（5）供电平衡修正公式与供热平衡相似，当时先考虑常规机组减出力，再进行风电限出力；时，先进行风电增发，不足差额再由其他机组分担增出力。3.2 粒子群多目标进化策略本文参照文献[22]中的小生境多目标粒子群的种群进化策略，并进行适当改进。3.2.1 最优粒子的选取原则单目标粒子群与多目标转化的最显著区别在于进化过程中局部最优和全局最优粒子的选择。局部最优粒子的选取可根据Pareto支配关系选取；全局最优粒子选择则采取外部存档技术保留迭代过程中的Pareto最优解，依据与外部档案中粒子适应度成比例的轮盘赌方式选取。3.2.2 小生境共享机制小生境共享机是依据粒子适应度对种群粒子进行选择，保证种群的多样性。计算小生境适应度的步骤如下。（1）计算粒子之间的欧式距离，可表示为dij jjxi xjjj vt n∑k1xik xjk2（32）（2）确定粒子之间的共享函数，可表示为fshdij8 1 dijshare; 0≤dij＜ share0 ; dij＞ share（33） share式中为控制函数形状的参数，一般取1或2；为共享距离。共享距离通常事先指定，需要凭经验确定，存在一定的主观性。本文采用一种动态自适应的方式进行确定，每当档案修剪时计算当前档案种群中的粒子之间的欧氏距离平均值为共享距离。share N 1∑i1N∑ji1dijNN 12（34）（3）计算共享度，可表示为Si NS∑j1fshdij（35）NS式中为粒子种群数。（4）以共享度的倒数作为适应度，可表示为Fi 1Si（36）4 算例分析4.1 算例描述对文献[10]中的8机系统进行适当修正，将1号机组修改为天然气机组，最大发电功率为300 MW。机组的污染排放系数[15, 17]如表1和表2所示。系统中有一座风电场，其日内预测出力如图3a）所示，表 1 燃气和燃煤机组排污系数Table 1 Pollution emission coefficient of gas- andcoal-fired generator unitskg/kWh机组序号0 1 2 3 41 0.024 2 –3.06 100 0.655 0 0.028 467 0.001 2 –3.24 70 0.655 0 0.028 468 0.015 1 –2.68 220 0.503 5 0.020 75表 2 CHP机组排污系数Table 2 Pollution emission coefficient of CHPgenerator unitskg/kWh机组序号a1 b1 c123 0.181 0 –0.198 0 0.180 946 0.208 0 –0.198 0 0.175 1机组序号a2 b2 c223 0.016 –0.021 0.01946 0.020 –0.019 0.018机组序号a3 b3 c323 0.043 –0.051 0.04646 0.050 –0.060 0.0570000 0400 0800 1200 1600 2000 24001 5002 0002 500负荷预测/MW0000 0400 0800 1200 1600 2000 2400100200300400风电预测出力/MW时刻时刻a 风电出力b 负荷曲线 图 3 系统负荷预测及风电预测出力Fig. 3 Forecast of system load and wind power output第 7 期 雷昳等基于协调负荷调度模型的蓄热采暖解耦方法59风电场配置一个100 MW电加热锅炉，电热效率0.95，爬坡速度为上下各50 MW/h，其后配置一个1 000 MW的蓄热罐，储放热速率为100 MW/h。系统的日内热负荷恒定为1 800 MW，电负荷曲线如图3b）所示，本文的负荷曲线是将前一天的某时段与第二天某时段合并，按照时间顺序进行抽取。4.2 算法有效性验证在优化过程中，单位发电量下天然气与燃煤机组的成本系数比取2，排污系数比取0.2；CHP机组的等排性能系数取4；考虑风电随机性的备用为风电出力的10，负荷备用为5。c1 c2 2wmax 09;wmin 04 NS 1002改进MOPSO的加速因子，惯性权重，外部档案规模，小生境形状控制参数；为了对比，同时使用经典的NSGA-II算法进行求解，其参数按文献[23]推荐即交叉率和变异率分别取0.9和0.025，交叉算子和变异算子的分布指数均取20。各进行10 000次迭代得到的Pareto最优前沿如图4所示。由图4可知，两种算法的Pareto前沿趋势相同，均表明系统发电成本和排污是一对互相冲突的目标。本文算法求得的前沿处于NSGA-II算法获得的前沿的左下方，且本文前沿的连续性和均匀性更好。同时极端解搜索来看，本文算法搜索到的成本最优为1.717 9万元，环保最优为5.127 6106 kg；NSGA-II算法搜索到的成本最优为1.722 9万元，环保最优为5.342 9106 kg，两者均是本文的算法更优。4.3 单目标最优分析为进一步分析蓄热式电锅炉对提升风电消纳能力的作用，本文分别对旁路补偿方式、储热方式、电锅炉方式和电锅炉蓄热方式进行成本和环保的单目标调度优化，得到结果如表3所示。由表3可知，电锅炉蓄热方式下的以成本最优或环保最优的结果均最小，同时风电消纳量最大，表明了电锅炉蓄热良好的辅助作用，可提升系统风电接纳能力。同时本文以电锅炉蓄热的消纳方式为例，分别考虑成本最优和环保最优的目标，迭代1 000次以验证本文所提方法的有效性，结果如表4所示。具体各种方案下的风电消纳情况如图5、图6所示。由图5、6可知，无论是保证经济最优还是环保最优，系统风电消纳能力按照旁路补偿方式、储热方式、电锅炉方式和电锅炉蓄热方式的顺序逐渐增大。旁路补偿方式下在14002400之间会出现大量的弃风，而蓄热式电锅炉方式下，系统预期风电可以被全额消纳，这是由于电锅炉蓄热的“热电解耦”和“移峰填谷”作用。表 3 不同消纳方式下的单目标优化结果Table 3 The single objective optimization results of dif-ferent accommodation modes消纳方式目标函数成本/万元排污/106 kg风电消纳/GW旁路补偿成本最优1.744 3 12.433 0 5.822 6环保最优1.915 3 5.280 2 5.887 9储热成本最优1.727 3 12.291 0 6.359 5环保最优1.906 1 5.171 4 6.132 0电锅炉成本最优1.729 2 12.385 0 6.934 6环保最优1.901 0 5.224 9 6.977 9电锅炉蓄热成本最优1.717 9 12.270 0 7.065 0环保最优1.894 4 5.127 6 7.065 0表 4 电锅炉蓄热的消纳方式下迭代1 000次结果Table 4 1 000-iteration results of target optimizationunder the accommodation mode of electricboiler heat storage迭代次数成本最优环保最优耗时/s优化结果/万元耗时/s优化结果/万元10 1.24 1.7632 1.27 1.955320 2.41 1.7433 2.44 1.937150 6.05 1.7365 6.12 1.9283100 11.98 1.7298 12.04 1.9253200 23.57 1.7253 24.02 1.9192500 57.22 1.7254 58.24 1.8944800 92.89 1.7179 94.26 1.89441 000 115.25 1.7179 118.17 1.89441.701.751.801.851.905 7 8 9 10 11 12 136排污/106kg成本/元IMOPSO；NSGA-Ⅱ图 4 Pareto最优前沿Fig. 4 Pareto optimal front中国电力第 52 卷60CHP机组供电出力情况如图7所示，在电锅炉出力时段，CHP机组出力减少，进一步增加风电上网空间，缓解了系统调峰压力，使系统风电得以全额上网。蓄热罐的蓄热情况如图8、9所示，在同一时段进行供热减少了CHP的热出力，进而减少CHP强迫电出力。5 结论本文考虑多种电源形式，计及蓄热式电锅炉的“热电解耦”作用并作为可调度资源，构建了系统发电成本和排污的多目标负荷调度模型，并利用改进的多目标粒子群算法对模型进行优化求解，结果表明（1）系统的发电成本和排污是一对相互制约的目标，因此调度部门需要根据实际情况在候选Pareto解中选择；（2）所提出的改进粒子群算法，约束预处理保证了解的可行性，小生境机制提高了Pareto解的多样性和均匀性，较经典的NSGA-II算法能找到更优的Pareto前沿；（3）与单纯的储热方式和电锅炉方式相比，蓄热式电锅炉作为负荷调度资源在发电成本和排污两方面均更优，同时风电消纳能力更大，具有很好的应用前景。参考文献徐飞, 闵勇, 陈磊, 等. 包含大容量储热的电-热联合系统[J]. 中国电机工程学报, 2014, 3429 5063–5072.XU Fei, MIN Yong, CHEN Lei, et al. Combined electricity-heatoperation system containing large capacity thermal energy storage[J].Proceedings of the CSEE, 2014, 3429 5063–5072.[1]黄国栋,许 丹,丁 强,等. 考虑热电和大规模风电的电网调度研究综述[J]. 电力系统保护与控制, 2018, 4615 162–170.HUANG Guodong, XU Dan, DING Qiang, et al. Review of griddispatching considering thermal power and large-scale wind powerintegration[J]. Power System Protection and Control, 2018, 4615162–170.[2]刘德伟, 黄越辉, 王伟胜, 等. 考虑调峰和电网输送约束的省级系统[3]100150200250300350400时刻风电消纳/MW预测出力；电锅炉蓄热；电锅炉；储热；旁路补偿0000 0400 0800 1200 1600 2000 2400图 5 成本最优时不同方式下的风电消纳情况Fig. 5 The wind power accommodation capacity underdifferent modes with optimum economy100150200250300350400时刻风电消纳/MW预测出力；电锅炉蓄热；电锅炉；储热；旁路补偿0000 0400 0800 1200 1600 2000 2400图 6 环保最优时不同方式下的风电消纳情况Fig. 6 The wind power accommodation capacity underdifferent modes with minimum emission1 0001 2001 400时刻CHP机组供电量/MW旁路补偿方式；电锅炉蓄热方式0000 0400 0800 1200 1600 2000 2400图 7 CHP机组供电出力Fig. 7 The output of CHP generator unit05001 0001 5002 000时刻热量/MW旁路补偿方式 CHP 加热；电锅炉蓄热方式 CHP 机组加热；电锅炉蓄热方式  q0000 0400 0800 1200 1600 2000 2400图 8 经济最优时的蓄热情况Fig. 8 The heat storage with optimum economy05001 0001 5002 000热量/MW时刻旁路补偿方式 CHP 供热；电锅炉蓄热方式 CHP 机组供热；电锅炉蓄热方式蓄热功率0000 0400 0800 1200 1600 2000 2400图 9 环保最优时的蓄热情况Fig. 9 The heat storage with minimum emission第 7 期 雷昳等基于协调负荷调度模型的蓄热采暖解耦方法61风电消纳能力分析[J]. 电力系统自动化, 2011, 3522 77–81.LIU Dewei, HUANG Yuehui, WANG Weisheng, et al. Analysis onprovincial system available capability of accommodating wind powerconsidering peak load dispatch and transmission constraints[J].Automation of Electric Power Systems, 2011, 3522 77–81.吕泉, 陈天佑, 王海霞, 等. 热电厂参与风电调峰的方法评述及展望[J]. 中国电力, 2013, 4611 129–136.LV Quan, CHEN Tianyou, WANG Haixia, et al. Review andperspective of integrating wind power into CHP power system forpeak regulation[J]. Electric Power, 2013, 4611 129–136.[4]吕泉, 姜浩, 陈天佑, 等. 基于电锅炉的热电厂消纳风电方案及其国民经济评价[J]. 电力系统自动化, 2014, 381 6–12.LV Quan, JIANG Hao, CHEN Tianyou, et al. Wind poweraccommodation by combined heat and power plant with electricboiler and its national economic uation[J]. Automation of ElectricPower Systems, 2014, 381 6–12.[5]吕泉, 陈天佑, 王海霞, 等. 配置储热后热电机组调峰能力分析[J].电力系统自动化, 2014, 3811 34–41.LV Quan, CHEN Tianyou, WANG Haixia, et al. Analysis on peak-load regulation ability of cogeneration unit with heat accumulator[J].Automation of Electric Power Systems, 2014, 3811 34–41.[6]STRECKIENE G, MARTINAITIS V, ANDERSEN A N, et al.Feasibility of CHP-plants with thermal stores in the German spotmarket[J]. Applied Energy, 2009, 8611 2308–2316.[7]CHRISTIDIS A, KOCH C, POTTELL, et al. The contribution of heatstorage to the profitable operation of combined heat and power plantsin liberalized electricity markets[J]. Energy, 2012, 411 75–82.[8]VITTORIO V, FRANCESCO C. Primary energy savings throughthermal storage in district heating networks[J]. Energy, 2011, 3674278–4286.[9]吕泉, 陈天佑, 王海霞, 等. 含储热的电力系统电热综合调度模型[J]. 电力自动化设备, 2014, 345 79–85.LV Quan, CHEN Tianyou, WANG Haixia, et al. Combined heat andpower dispatch model for power system with heat accumulator[J].Electric Power Automation Equipment, 2014, 345 79–85.[10]Azizipanah-Abarghooee Rasoul, Niknam Taher, Bina MohammadAmin, et al. Coordination of combined heat and power-thermal-windphotovoltaic units in economic load dispatch using chance-constrained and jointly distributed random variables s[J].Energy, 2015, 79 50–67.[11]孙奉仲, 杨祥良, 高明, 等. 热电联产技术与管理[M]. 北京 中国电力出版社, 2008.[12]FANG F, WANG Q H, YANG S. A novel optimal operational[13]strategy for the CCHP system based on two operating modes[J].IEEE Transactions on Power Systems, 2012, 272 1032–1041.PIPERAGKAS G S, ANASTASIADIS A G, HATZIARGYRIOU ND. Stochastic PSO-based heat and power dispatch underenvironmental constraints incorporating CHP and wind powerunits[J]. Electric Power Systems Research, 2011, 811 209–218.[14]HOTA P K, BARISAL A K, CHAKRABARTI R. Economicemission load dispatch through fuzzy based bacterial for agingalgorithm[J]. International Journal of Electrical Power flue optimization; deep power down technology; numerical calculation; circular-section fluegas duct上接第62页作者简介雷昳（1987），男，硕士，工程师，从事电力安全稳定运行等方面的研究，E-mail ；刘明真（1988），男，硕士，工程师，从事新能源发电等方面的研究，E-mail 。（责任编辑 李博）Heat Storage Decoupling Based on Coordinated Load Scheduling ModelLEI Yi, LIU Mingzhen, LIN KaiminState Grid Hubei Province Power Company Maintenance Company, Wuhan 430050,ChinaAbstract In the winter of Chinas northern area, the heating period of coal-fired units, the dry season of hydropower units and theperiod of large-scale wind power generation are superimposed, and