节能减排目标下燃煤机组电量分配模糊优化模型.pdf

第 36 卷 第 1 期 电 网 技 术 Vol. 36 No. 1 2012 年 1 月 Power System Technology Jan. 2012 文章编号1000-3673（2012）01-0219-05 中图分类号TM 71 文献标志码A 学科代码790625 节能减排目标下燃煤机组电量分配模糊优化模型 谭忠富，于超 （华北电力大学 经济与管理学院，北京市 昌平区 102206） A Fuzzy Optimization Model for Allocation of Generated Energy Among Coal-Fired Units With Targets of Energy Saving and Emission Reduction TAN Zhongfu, YU Chao School of Economics and Management, North China Electric Power University, Changping District, Beijing 102206, China ABSTRACT Power sector is the key industry to pursue the policy of energy saving and emission reduction, and “replacing the low-capacity generation units with high-capacity ones” becomes the important manner to implement energy-saving and emission reduction in power sector. Taking the minimum coal consumption and the least emission of carbon dioxide as objects, a optimization model for the allocation of generated energy among coal-fired units with targets of energy saving and emission reduction is built and by mean of defining the membership functions of the two objects respectively the objects are fuzzified; then by use of satisfaction index the dual object problem is solved by turning the dual object problem into single object problems. Case analysis results show that the built model can rationally allocate generated energy among coal-fired units under the condition of satisfying the objects of minimum coal consumption and least emission of carbon dioxide; comparing with the planned allocation mode of generated energy, less generated energy is allocated to low-capacity coal-fired units with rated capacity of 100MW and lower while major generated energy is allocated to high-capacity coal-fired units with acceptable coal consumption and emission of carbon dioxide. Comparing with single object model, the proposed dual-object model can consider both coal consumption and emission reduction simultaneously, so it may offer more accurate foundation for quantitative analysis during making policy of energy saving and emission reduction in power sector. KEY WORDS energy saving and emission reduction; coal-fired units; allocation of generated energy; fuzzy optimization model 摘要电力工业是节能减排的重点行业， “以大代小”成为 电力行业节能减排和结构调整的重要手段。 以煤耗量和二氧 化碳排放量最小为目标， 建立节能减排下燃煤火电机组电量 分配优化模型，并通过定义目标隶属度函数将目标模糊化， 采用满意度指标将双目标问题转化为单目标问题进行求解。 算例分析表明 建立的优化模型能够在满足煤耗和排放量最 小的目标下合理分配机组发电量；相比计划电量分配模式， 节能减排模式下 100 MW 及以下煤耗高、 污染重的小机组被 分配电量减少、煤耗低、污染小的大机组被分配电量增多。 通过与单目标模型比较， 该双目标优化模型可以更好地兼顾 到煤耗和排放目标的统一， 为电力节能减排政策制定提供更 准确的定量分析依据。 关键词节能减排；燃煤机组；电量分配；模糊优化模型 0 引言 我国电力行业是一个典型的依赖煤炭生存的 行业，每年开发的煤炭有近一半用于发电，这意 味着由于煤燃烧产生的二氧化碳，有 50是来源 于电力行业。随着我国工业化、城市化进程的日 益加快，电力需求量快速增长，传统的高能耗、 高排放的电力工业发展模式已无法适应社会的发 展。为应对国家节能减排的需要、保证电力工业 可持续发展，“十一五”期间，国家出台了关于 做好建设节约型社会近期重点工作的通知国发 [2005]21 号、关于加强节能工作的决定国发 [2006]28 号、 国务院批转发展改革委、能源办关 于加快关停小火电机组若干意见的通知国发 [2007]2 号等一系列重要法规和政策措施，采用经 济和市场手段，加快电力行业技术进步。 “以大代小”是燃煤火电机组开展节能减排和 结构调整的重要手段。文献[1]设计了月间发电权 交易、日间发电权交易和小时发电权交易 3 种发电 权交易类型，并建立了替代电量在发电权交易主 体中的优化分配模型。文献[2]从能耗角度对发电 量分配进行分析，建立了基于煤耗最优的发电量 基金项目国家自然科学基金项目71071053。 Project Supported by National Natural Science Foundation of China 71071053. 220 谭忠富等节能减排目标下燃煤机组电量分配模糊优化模型 Vol. 36 No. 1 分配模型。文献[3]建立了考虑阻塞管理约束的发 电权交易模型。文献[4]从节能降耗的角度出发， 建立了以最大化成交量为目标和考虑能耗约束的 最大化社会效用为目标的电量分配模型。文献[5] 提出了兼顾节能降耗的电力市场竞价上网交易算 法和交易模式，在竞价上网排序时引入能耗因子 指标，并开放发电权交易和调节交易市场，以实 现节能与经济目标的统一。 从上述文献可以看出，目前对燃煤机组电量 分配的研究大多停留在能耗这一单目标优化上， 没有考虑到污染排放约束目标。本文在兼顾燃煤 发电机组节能、减排双重目标下，建立机组煤耗 量和CO2排放量双目标优化模型，在机组出力约束 和煤耗、排放总量约束下，采用模糊加权方法将 多目标问题转化为单目标问题，提出节能减排目 标下机组的电量分配方案。该方案可以为“以大 代小”政策的制定提供定量分析依据。 1 燃煤机组电量分配双目标优化模型 在节能减排目标下，燃煤发电机组的电量分 配目标是使系统同时达到煤耗最小、CO2排放最 低。假设系统内有n台燃煤发电机组，在T 时段 内，其节能目标函数可以表达为 11 min nT iit it FCQ ∑∑ 1 式中F 为系统煤炭消耗量，kg； it Q为机组i时刻 t的 出 力 ， MWh ； i C为 机 组i的 煤 耗 率 ， g/kWh。 CO2减排的目标函数可以表达为 2 11 min nT iiitiit it EQQαβγ ∑∑ 2 式中E为系统 CO2排放量，kg；用二次函数表 示 CO2的排放[6-8]， i α、 i β、 i γ为机组i的 CO2排 放系数，上述 3 个系数单位分别为 kg、kg/MWh 和kg/MWh2。不同机组CO2的排放量与其煤炭品 质、消耗量及是否采用脱碳技术等相关。 上述 2 个目标综合构成本文的燃煤机组电量分 配优化模型，其约束条件为 n ittt i QDD ∑ 3 ,min,maxiiti QQQ≤≤ 4 max 11 nT iit it CQF ≤ ∑∑ 5 2max 11 nT iiitiit it QQEαβγ ≤ ∑∑ 6 式中1,2,,tTL；1,2,,inL； t D为系统t时刻 的电量需求，MWh； t D为系统t时刻备用需求， MWh； ,mini Q、 ,maxi Q是机组i单位时刻内机组发 电量的下限和上限，MWh； max F是T时段内的所 有机组煤耗量上限，t； max E是T时段内所有机组 的 CO2排放量上限，t。 2 双目标加权模糊优化算法 2.1 双目标加权模糊处理 节能减排目标下燃煤发电机组的电量分配双目 标优化问题可以通过模糊满意度方法来进行求解， 而每一个目标函数需要建立相关的隶属度函数来进 行模糊化处理，因此，确定隶属度函数至关重要。 在实际发电量优化分配过程中，需要尽可能降低机 组煤耗和减少 CO2排放量。煤炭消耗越小、CO2排 放越少，其相关隶属度越大，结果越满意。 定义目标函数1和2的最小值和最大值分别 是Fmin、Fmax和Emin、Emax，2个目标函数均选用降 半梯度隶属度函数，表示为 max max minmax maxmin min 0, , 1, F QF FF Q FFF QF FF F QF μ ⎧≥ ⎪ −⎪ ⎨ − ⎪ ⎪≤ ⎩ 7 max max minmax maxmin min 0, , 1, E QE EE Q EEE QE EE E QE μ ⎧≥ ⎪ −⎪ ⎨ − ⎪ ⎪≤ ⎩ 8 优化目标对应的隶属度函数见图 1。 Xmin Xmax X μX 1 图 1 优化目标对应的隶属度函数 Fig. 1 Membership function corresponding to optimal objective 在电量分配过程中，对机组煤耗和CO2排放目 标重视程度不同，可设置不同权重系数对其加以 区别。 设 1 α、 2 α分别为煤耗最小和排放最小的权重 因子，调整权重大小可改变煤耗和排放目标的重 要程度； 1 λ为满足煤耗目标及相应约束条件的隶 属度，即煤耗函数的最大满意度； 2 λ为满足排放 目标及相应约束条件的隶属度，即排放函数的最 大满意度，记模型的最优解为 * it Q，1,2,,inL， 1,2,,tTL。结合式16可得双目标加权模糊 电量分配优化模型如下 1 122 maxα λα λ 9 第 36 卷 第 1 期 电 网 技 术 221 minmax 11 minmax 22 ,min,max max 11 2max 11 12 1 1 s.t. 1,2,, 1,2,, 01,01 ittt i iiti nT iit it nT iiitiit it F QFF E QEE QDD QQQ CQF QQE tT in λλ λλ αβγ λλ ⎧−≤− ⎪ −≤− ⎪ ⎪ ′ ⎪ ⎪ ≤≤ ⎪ ⎪ ⎨≤ ⎪ ⎪ ≤ ⎪ ⎪ ⎪ ⎪ ⎪ ≤≤≤≤ ⎩ ∑ ∑∑ ∑∑ L L 2.2 模型求解过程 在双目标加权模糊处理的基础上，将图2所示 的模型求解过程归纳如下 1）输入原始数据，以煤耗最小为目标求解式 1，得到最低煤耗值Fmin及排放量 E； 2）同理，以CO2排放最小为式2，得到最低 排放量Emin及煤耗值 F； 3）在步骤1）和2）的基础上，将2个单位目 标进行一定程度伸缩，确定Fmax和Emax，其取值范 围 分 别 为 maxminmin 0FFFF′≤−≤−， max 0E≤− minmin EEE′≤−。根据决策者意愿和偏好，可以进 行不同程度地伸缩，得到不同的目标最大值。理 论上 min FF ′− 及 min EE ′− 越小越好，但求解难度会 增大。 4）将多目标问题转化为单目标问题，使用 Matlab进行优化计算，得到最大化满意度时的机 组分配电量。 5）调整α1和α2可得到不同节能减排权重下的 最优电量分配结果。 输入原始数据 以煤耗最小为 目标求解式1 以煤耗最小为 目标求解式2 得到煤耗 最小值 Fmin 得到排放 最小值 Emin 将 2 个单位目标进行一定程度的伸缩 得到 Fmax、Emax 计算 2 个目标函数的模糊隶属度， 转化为单目标优化 利用 Matlab 进行优化计 算，判断是否得到满意解 是 否 得到最优电量分配结果 图 2 电量分配算法流程 Fig. 2 Calculation flow diagram of power distribution 3 算例分析 3.1 节能减排目标下最优电量分配计算 本算例采用文献[8]中的5机24时段数据，旋 转备用取为各个时刻负荷值的10，计算中5台机 组均属于需要保留的机组，不考虑关停情况机组 存在，各机组性能参数和各时段预测电量分别如 表1和2所示。 表 1 机组性能参数 Tab. 1 Perance parameters of the units 机组出力 机组排放参数 机组编号 机组容量/MW 煤耗率/g/kWh 最小出力/MW 最大出力/MW α/kg β/kg/MWh γ/[kg/MWh2] 1 455 364 150 455 130.00−2.86 0.022 2 130 365 20 130 137.70−2.94 0.044 3 130 350 20 130 130.00−2.35 0.058 4 80 382 20 80 110.00−2.28 0.080 5 55 368 10 55 157.00−1.29 0.082 表 2 各时段预测电量 Tab. 2 Forecast loads of different periods 时段 电量/MWh 时段 电量/MWh 时段 电量/MWh 时段 电量/MWh 1 550.0 7 645.5 13 645.5 19 681.8 2 552.3 8 690.9 14 615.9 20 690.9 3 554.5 9 709.1 15 593.2 21 677.3 4 559.1 10 718.2 16 586.4 22 654.5 5 561.4 11 690.9 17 618.2 23 609.1 6 586.4 12 656.8 18 663.6 24 563.6 在模糊优化中，最重要的一步是选择隶属度 函数参数。隶属度函数参数的选择往往根据系统 运行条件，结合调度运行人员的经验来确定[9-12]。 在表2中24时段日负荷需求考虑机组备用为 16582.5MWh时，各单目标优化结果如表3所示。 表 3 日电量需求为 16 582.5 MWh 时单目标优化结果 Tab. 3 Single objection optimization result corresponding to 16582.5MWh load demand 目标 F/t E/t 煤耗最低 6 025.370 131.064 CO2 排放量最少 7 424.880 108.258 以表3的计算结果为依据，对煤耗最低和排放最 小2个单位目标进行一定程度的伸缩，参照文 献[13-16]，Fmin和Emin分 别 取6 025.370 t、 222 谭忠富等节能减排目标下燃煤机组电量分配模糊优化模型 Vol. 36 No. 1 108.258 t，Fmax和Emax分 别 取9 038.055 t、 162.387 t。 设煤耗目标和排放目标的权重α1α20.5，计 算机组的最优出力如表4所示。 表 4 节能减排下多目标模糊优化结果 Tab. 4 Multi-objective fuzzy optimal results considering energy saving and emission reducing 机组分配电量/MWh 机组分配电量/MWh 时段 机组 1 机组 2 机组 3 机组 4 机组 5 时段 机组 1 机组 2 机组 3 机组 4 机组 5 1 455.0 23.2 30.0 52.1 43.7 13 455.0 23.2 130.0 55.7 33.1 2 455.0 23.2 30.1 44.2 53.0 14 455.0 20.0 130.0 20.0 38.5 3 455.0 23.2 30.1 46.7 52.0 15 417.8 50.9 130.0 20.0 18.8 4 455.0 23.2 30.1 51.8 51.0 16 391.1 62.0 130.0 20.0 25.9 5 455.0 23.2 30.2 54.1 50.0 17 455.0 23.1 130.0 28.0 26.9 6 385.8 67.3 130.0 20.0 35.9 18 455.0 23.2 130.0 66.8 37.0 7 455.0 22.9 130.0 73.5 21.6 19 455.0 35.7 130.0 74.3 36.0 8 418.4 130.0 130.0 29.1 44.5 20 455.0 85.4 130.0 34.6 35.0 9 455.0 105.8 130.0 34.2 46.0 21 455.0 33.8 130.0 71.2 34.0 10 455.0 130.0 130.0 20.0 45.0 22 455.0 23.2 130.0 56.8 33.0 11 440.0 107.3 130.0 30.2 41.6 23 455.0 23.1 130.0 20.9 18.0 12 455.0 23.2 130.0 59.3 43.0 24 455.0 23.2 30.2 56.6 31.0 3.2 计划模式与节能减排模式机组发电情况比较 在计划电量分配模式下，机组按照容量大小 分配得到计划发电量，算例中系统日电量需求为 16 582.5 MWh时，按照式10计算得到计划分配 电量，结果如图3所示。 0 2 4 6 8 10 12 机组 1 机组 2 机组 3 机组 4 机组 5 计划模式； 节能减排模式。 发电量/GW⋅h 图 3 计划模式与节能减排模式的电量分配 Fig. 3 Power distribution under planning mode and energy saving and emission reduction mode 由图3可以看到在计划电量分配模式下，机 组被分配电量按照装机容量大小依次递减；在节 能减排目标下，455 MW的机组1由于煤耗低、排 放 量 少 ， 其 分 配 电 量 比 计 划 模 式 下 增 加 了 1 822.6 MWh，而100 MW及以下的机组25由 于煤耗高、排放多，被分配的发电量比计划模式 下 分 别 减 少 了1 405.1 MWh、12.4 MWh、 516.5 MWh和173.5 MWh。 根据图3，可以计算得到计划模式和节能减排 模式下机组的煤耗量和CO2排放量，结果如表5所 示。较之计划分配模式，节能减排模式下的煤耗 表 5 计划模式与节能减排模式下煤耗量和排放量 Tab. 5 Coal consumption and emission under planning mode and energy saving and emission reduction mode 煤耗量和排放量/t 计划分配模式 节能减排模式 煤耗量 6035.445 5914.970 CO2 排放量 119.314 106.588 量减少120.475 t，CO2排放量减少12.726 t。 假设机组15执行标杆上网电价为0.38元/kWh， 除机组1相比计划电量分配收益增长外，机组25 均出现不同程度的收益减少，如表6所示。 表 6 节能减排模式下的收益变化 Tab. 6 Profits change under energy saving and emission reduction mode 机组 机组 1机组 2 机组 3 机组 4机组 5 收益变化量/万元 72.86−56.29 −0.62 −20.82−7.14 将节能减排模式下双目标模型优化结果与单 目标模型进行比较，如表7所示。可以看到，以煤 耗 为 单 目 标 的 优 化 模 型 计 算 得 到 煤 耗 量 为 5 903.751 t，排放量为110.830 t；以排放为单目标 的优化模型计算得到煤耗量为6 039.233 t，排放量 为79.722 t；以煤耗和排放为双目标的优化模型计 算得到煤耗量为5 914.970 t，排放量为106.588 t。 相比于单目标模型，本文的双目标优化模型可以 更好兼顾到煤耗与排放目标的均衡，更有利于实 现节能与减排目标的统一。 表 7 不同模型优化结果比较 Tab. 7 Optimal results comparison of different models 模型 煤耗量/t 排放量/t 以煤耗为单目标的优化模型 5 903.751 110.830 以排放为单目标的优化模型 6 039.233 79.722 煤耗和排放双目标优化模型 5 914.970 106.588 4 结论 电力工业实施“以大代小”，鼓励大机组替 代小机组发电，对于实现电力行业节能减排目标 具有重要意义。本文以煤耗和二氧化碳排放最小 为目标，建立了燃煤火电机组的电量分配优化模 型，通过模糊加权方法将双目标问题转化为单目 第 36 卷 第 1 期 电 网 技 术 223 标问题进行求解；同时，对计划模式和节能减排 模式下机组的煤耗、排放情况及发电收益进行比 较 。 算 例 分 析 结 果 表 明 ， 当 日 电 量 需 求 为 16 582.5 MWh时，与计划电量分配模式相比，节 能减排模式下的煤耗量减少120.475 t，CO2排放量 减少了12.726 t；节能减排模式下455 MW高效机 组发电量增多，收益上升，而100 MW及以下小机 组则由于煤耗高、污染重而减发电量，均出现不 同程度的收益下降。通过与单目标模型相比较， 本文提出的双目标模型可以更好地兼顾煤耗与排 放目标的均衡，可以为促进“以大代小”政策的 实施提供定量分析依据。 参考文献 [1] 王雁凌，张粒子．基于水火电置换的发电权调节市场[J]．中国电 机工程学报，2006，265131-136． Wang Yanling，Zhang Lizi．Adjusting market of generation rights based on hydro-thermal exchange[J]． Proceedings of the CSEE， 2006， 265131-136in Chinese． [2] 郑欣， 蒋传文． 基于能耗和效益最优的发电权节能降耗分析[J]． 电 力系统自动化，2008，322439-42． Zheng Xin，Jiang Chuanwen．Analysis of generation rights trade based on optimization of energy-saving and efficiency[J]． Automation of Electric Power Systems，2008，322439-42． [3] 陈启鑫，康重庆．考虑阻塞管理的发电权交易模型及其网络流算 法[J]．中国电机工程学报，2008，2834106-111． Chen Qixin，Kang Chongqing．Generation rights trade model and its network flow algorithm considering congestion management[J]． Proceedings of the CSEE， 2008， 2834 106-111in Chinese． [4] 肖健， 文福拴． 发电权交易的阻塞调度[J]． 电力系统自动化， 2008， 321824-29． Xiao Jian，Wen Fushuan．Congestion dispatch for generation rights trade[J]．Automation of Electric Power Systems，2008，3218 24-29in Chinese． [5] 陈皓勇，张森林．区域电力市场环境下节能发电调度方式[J]．电 网技术，2008，322416-22． Chen Haoyong，Zhang Senlin．Energy-saving power generation dispatching in regional electricity market[J] ． Power System Technology，2008，322416-22in Chinese． [6] Ongsaku W，Petcharaks N．Unit commitment by enhanced adaptive Lagrangian relaxation[J]．IEEE Trans on Power Systems，2004， 191620-628． [7] Dang C Y，Li M Q．Floating-point genetic algorithm for solving the unit commitment problem[J]．European Journal of Operational Research，2007，18131370-1395． [8] 张晓花，赵晋泉，陈星莺．节能减排多目标机组组合问题的模糊 建模及优化[J]．中国电机工程学报，2010，302271-75． Zhang Xiaohua，Zhao Jinquan，Chen Xingying．Multi-objective unit commitment fuzzy modeling and optimization for energy-saving and emission reduction[J]．Proceedings of the CSEE，2010，3022 71-75in Chinese． [9] 武寒． 关于节能发电调度的思考与实践[J]． 华东电力， 2008， 363 10-12． Wu Han．Consideration and practice on energy-saving generation dispatch[J]．East China Power，2008，36310-12in Chinese． [10] 中华人民共和国发展和改革委员会．关于加快关停小火电机组的 若干意见[S]．北京中华人民共和国发展和改革委员会，2007． [11] 周明，娄雅融．兼顾购电费用和煤耗的双目标加权模糊发电调度 模型[J]．电网技术，2010，3411140-144． Zhou Ming，Lou Yarong．A bi-objective weighted fuzzy generation dispatching model considering both power purchase cost and coal consumption[J]． Power System Technology， 2010， 3411 140-144in Chinese． [12] Yalcinoz T，Koksoy O．A multiobjective optimization to environmental economic dispatch[J]．Electrical Power and Energy Systems，20072942-50． [13] Basu M． An interactive fuzzy satisfying based on evolutionary programming technique for multiobjective short-term hydrothermal scheduling[J]． Electric Power Systems Research， 200469 277-285． [14] Senjyu T， Yamashiro H， Uezato K， et al． A unit commitment problem by using genetic algorithm based on characteristic classification[C]//IEEE Power Engineering Society Winter Meeting．New York，USAIEEE，200210-15． [15] Hota P K，Chakrabarti R，Chattopadhyay P K．Economic emission load dispatch through an interactive fuzzy satisfying [J]．Electric Power Systems Research，200054151-157． [16] 张国立，李庚银，谢宏，等．多目标加权模糊经济调度模型[J]．华 北电力大学学报．2004，31248-53． Zhang Guoli， Li Gengyin， Xie Hong， et al． Multi-objective weighted fuzzy programming model[J]．Journal of North China Electric Power University，2004，31248-53in Chinese． 收稿日期2011-07-25。 作者简介 谭忠富19640，男，教授，博士生导师，从事 电力能源经济领域的研究工作； 于超1984，男，博士研究生，从事电力经济方 面的研究工作，E-maildryuchao。 谭忠富 （责任编辑 杜宁）