光热电站与ORC-P2G混合能源系统优化调度研究

1. 综合能源系统优化调度的背景与挑战

在能源转型的大背景下，如何高效整合多种能源形式已成为电力系统研究的核心课题。我最近完成的一个项目，正是针对含光热电站、有机朗肯循环(ORC)和电转气(P2G)的混合能源系统进行优化调度研究。这类系统在实际运行中面临几个关键难题：

首先，光热发电(CSP)具有明显的间歇性，其输出功率受太阳辐照强度、云层覆盖等自然因素影响显著。与光伏不同，光热电站虽然可以通过熔盐储热实现一定程度的能量时移，但储热系统的充放电策略需要与电网需求精准匹配。

其次，有机朗肯循环作为中低温余热回收的利器，在综合能源系统中常被用于回收工业余热或光热电站的低温热能。但ORC机组的热电转换效率与工质特性、热源温度密切关联，其动态特性给系统调度带来了额外的复杂度。

电转气技术(P2G)则扮演着"能源桥梁"的角色，它能在电力过剩时将电能转化为氢气或甲烷等气体燃料。这种双向转换能力虽然提升了系统灵活性，但也引入了新的优化维度——需要在电力系统和燃气系统之间寻找最优的能量分配方案。

2. 系统建模的关键技术要点

2.1 光热电站的精细化建模

光热电站的数学模型需要同时考虑集热场、储热系统和动力区块三个子系统。在Matlab中，我采用了以下建模方法：

集热场部分使用效率因子法计算热功率输出：

matlab复制Q_sf = A_field * DNI * eta_opt * eta_cos * eta_end * eta_dirt * eta_shadow

其中A_field是镜场面积，DNI为法向直接辐照度，各η参数分别代表光学效率、余弦效率、端部损失、污损系数和阴影遮挡系数。

储热系统采用能量平衡方程：

matlab复制dE_stor/dt = Q_charge - Q_discharge - Q_loss
E_stor = m_salt * cp_salt * (T_hot - T_cold)

熔盐温度的变化直接影响汽轮机入口蒸汽参数，进而影响发电效率。

2.2 有机朗肯循环的变工况模型

ORC系统的性能随热源温度变化呈现显著非线性。我建立了基于工质物性库的实时计算模型：

matlab复制function [W_net, eta_th] = ORC_model(T_evap, T_cond, m_dot)
    % 调用CoolProp获取工质物性
    h1 = CoolProp.PropsSI('H','P',P_evap,'Q',1,fluid); 
    h2 = CoolProp.PropsSI('H','P',P_cond,'S',s1,fluid);
    % 计算净输出功
    W_turbine = m_dot*(h1-h2);
    W_pump = m_dot*(h4-h3);
    W_net = W_turbine - W_pump;
    % 计算热效率
    Q_in = m_dot*(h1-h4);
    eta_th = W_net/Q_in;
end

2.3 P2G系统的双向能量转换

电转气装置的核心是电解槽模型，其电流-电压特性曲线决定了转换效率：

matlab复制V_cell = V_rev + i*ASR + a*log(i/i0)
eta_P2G = (HHV_H2 * n_H2)/(P_electrolysis * t)

其中ASR是面积比电阻，i0为交换电流密度，这些参数需要通过实验数据校准。

3. 优化调度模型的构建与求解

3.1 目标函数设计

采用多目标优化方法，同时考虑经济性和环保性：

matlab复制min [总运行成本, 碳排放量]
总运行成本 = 燃料成本 + 启停成本 + 环境惩罚成本

通过ε-约束法将多目标转化为单目标问题，便于用常规优化算法求解。

3.2 约束条件处理

系统需要满足多种物理约束：

• 功率平衡约束：P_grid + P_CSP + P_ORC + P_P2G = Load
• 设备运行约束：P_min ≤ P_gen ≤ P_max
• 爬坡率约束：-DR ≤ P(t)-P(t-1) ≤ UR
• 储热系统约束：E_min ≤ E_stor ≤ E_max

3.3 求解算法实现

采用混合整数线性规划(MILP)框架，利用MATLAB的intlinprog求解器：

matlab复制options = optimoptions('intlinprog','Display','iter','Heuristics','advanced');
[x,fval,exitflag] = intlinprog(f,intcon,A,b,Aeq,beq,lb,ub,options);

对于大规模问题，可结合Benders分解或列生成算法提高求解效率。

4. 实际应用中的关键问题与解决方案

4.1 不确定性处理

针对可再生能源出力和负荷预测误差，采用两阶段随机规划：

matlab复制% 第一阶段决策：设备启停状态
% 第二阶段决策：功率分配调整

通过场景生成与削减技术，在计算精度和效率之间取得平衡。

4.2 多时间尺度协调

建立"日前-日内-实时"三级调度框架：

1. 日前阶段：以1小时为分辨率制定机组组合计划
2. 日内阶段：每15分钟滚动修正调度方案
3. 实时阶段：每分钟进行功率平衡校正

4.3 硬件在环测试

在部署前，通过MATLAB/Simulink与真实控制器进行硬件在环(HIL)测试：

matlab复制% 配置xPC Target或Speedgoat实时目标机
set_param('EnergySystem/Controller','RTWSystemTargetFile','grt.tlc')

5. 性能优化与工程实践技巧

5.1 模型加速技术

对于需要反复调用的复杂模型，采用以下加速策略：

• 预先计算并存储ORC工质物性数据表
• 对光热模型进行分段线性化处理
• 使用MATLAB Coder生成MEX函数

5.2 可视化监控界面

开发基于App Designer的系统监控界面：

matlab复制hPlot = uiaxes(app.UIFigure);
app.EnergyMixPie = pie(hPlot,energyMix);
app.StatusLamp = uilamp(app.UIFigure);

5.3 典型运行结果分析

某典型日的优化调度结果显示：

• 光热电站贡献了42%的总发电量
• ORC系统回收了78%的可用余热
• P2G装置在低谷时段转化了15%的过剩电力
• 总运行成本降低23%，碳排放减少37%

在调试过程中，我发现ORC工质的选择对系统性能影响显著。R245fa虽然环保性好，但在高温工况下热效率明显低于R1233zd。此外，P2G装置的启动时间较长（约30分钟），需要在日前调度中提前预留足够的响应时间。