1.一种提高风电消纳的热电联合调度方法，其特征在于，所述方法的步骤如下：步骤1，建立包含热电联产机组、风电机组、电池储能装置以及蓄热电锅炉的热电联合系统，确定其提高风电消纳的调度模型；其中，热电联合系统通过联络线与大电网相连，并获取能量；

步骤2，确定热电联产机组和大电网能耗成本最低的目标函数以及约束条件；

步骤3，利用目标函数、约束条件对调度模型进行优化、求解，获得优化调度模型；

步骤4，根据优化调度模型对热电联合系统进行调度；

所述调度模型利用碳排放权对热电联产机组进行评估，评估过程如下：(1)计算热电联产机组24小时初始碳排放权和实际碳排放权热电联产机组既供电又供热，其电、热之间存在关联耦合关系，按其关联耦合特性曲线将净电功率PE和热功率PH折算成纯凝工况下的发电功率PEH，关系式如下：PEH＝PE+γPH

式中：γ为热电联产机组热电比；

根据纯凝工况下的发电功率PEH可得热电联产机组无偿分配的初始碳排放配额Eqr为：式中：PEj,t为热电联产机组j在t时刻的调度电出力；PHj,t为热电联产机组j在t时刻的调度热出力；ηr为单位电量碳排放配额系数；NR为热电联产机组数；γhe为供热量与发电量之间的折算系数；T为一个调度周期，T＝24；

实际碳排放配额Epr为：

式中：uj，vj，wj为第j台热电联产机组CO2排放系数；

(2)计算热电联产机组每小时初始碳排放权和实际碳排放权热电联产机组按热负荷预测曲线每小时分配得到的初始碳排放配额Eqrav,t为：热电联产机组按热负荷预测曲线每小时分配得到的实际碳排放配额Eprav,t为：式中：hper,t为t时刻热负荷值；Hsum为24时刻总热负荷值；

(3)等价热负荷值

当Eprav,t≥Eqrav,t时，将多余的碳排放折算为等价的热负荷Pdr，由风电机组进行供热，具体表达式如下：

2.根据权利要求1所述的一种提高风电消纳的热电联合调度方法，其特征在于，所述调度模型的调度模式为：风电机组、电池储能装置、热电联产机组按照顺序发电供给需求侧电负荷，热电联产机组、蓄热电锅炉产生的热量供给需求侧热负荷；从大电网获取电能弥补需求侧电/热负荷对热电联产机组、风电机组、电池储能装置的超负荷需求，电池储能装置、蓄热电锅炉处理风电机组供给需求侧电负荷后的多余电能；利用蓄热电锅炉从风电机组、电池储能装置获取的能量，弥补需求侧热负荷对热电联产机组的超负荷需求。

3.根据权利要求1所述的一种提高风电消纳的热电联合调度方法，其特征在于，所述调度模型中包括电锅炉、蓄热装置的蓄热电锅炉的调度模式如下：(1)电锅炉启停控制策略

利用电锅炉从风电机组、电池储能装置获取的能量，弥补需求侧热负荷对热电联产机组的超负荷需求，定义电锅炉的启停为：式中：Sb为电锅炉运行状态，0代表停止运行，1代表运行；Eqrav,t为热电联产机组按热负荷预测曲线每小时分配得到的初始碳排放配额，Eprav,t为热电联产机组按热负荷预测曲线每小时分配得到的实际碳排放配额；

电锅炉的耗电量和热输出之间呈正比例关系，其供热出力公式定义为：EB

式中： 为t时段电锅炉热出力；βEB为电锅炉的产热效率，取95％；Pt 为电锅炉电能消耗功率；

(2)蓄热装置的热输出控制

在电锅炉极限运行时，蓄热电锅炉的蓄热装置吸收电锅炉多余的产热量；在电锅炉停止运行时，蓄热装置向外输热，并根据热电机组供热缺额调节热输出速率，直到储热量为0时停止供热，设定蓄热装置不能同时表现两种特性，蓄热装置对外热输出定义为：式中： 为t时刻蓄热装置对外热出力，放热状态为正值，充热状态时为负值；

分别为t时刻蓄热装置放、充热值；

结合上式，t时段蓄热电锅炉整体热输出 为：(3)蓄热电锅炉调峰比

在调度周期内，由于蓄热电锅炉的极限运行方式，使得蓄热电锅炉的总产热量为定值，其产热量 为：式中：Ta为电锅炉工作时段的小时数，电锅炉仅工作在热电联产机组实际碳排放配额超出初始碳排放配额时段， 为电锅炉的额定消耗电功率；

因此，蓄热电锅炉的调峰比k1为：

式中：Hall为调度周期内的总热负荷。

4.根据权利要求1所述的一种提高风电消纳的热电联合调度方法，其特征在于，所述调度模型中对电池储能装置的调度模式如下：(1)电池储能装置充电启停控制策略

为减少能源转换而造成能量损失，设定电池储能装置仅工作在“弃风”时段，弃风时段连续，以“弃风”为电源给电池储能装置充电，定义电池储能装置的充电启停为：式中：Se为电池储能充电启停状态，0代表不充电，1代表充电；Ptw为t时段风电消纳总量；Ptw.a为t时段风电额定消纳量；

在整个调度周期内，总储能值 为：

式中：βES为电池储能装置充电时转换效率，取95％； 为电池储能装置额定消耗电功率；Te为风电机组弃风时段小时数；

(2)电池储能装置放电启停控制策略以及调峰比在负荷高峰时段，利用电池储能装置弥补负荷的超负荷需求，在整个调度周期内，电池储能装置总放电值 为：式中：χES为电池储能装置放电转换效率，取95％；

因此，电池储能装置的调峰比k2为：

式中：Dall为调度周期内电池储能装置总电负荷。

5.根据权利要求1所述的一种提高风电消纳的热电联合调度方法，其特征在于，所述调度模型中的调度模式如下：利用碳排放权对热负荷供给侧进行评估，计算24时段热电联产机组初始碳排放配额以及24时段热电机组的热出力，进而计算24时段的实际碳排放配额，并将初始碳排放配额与实际碳排放配额进行比较；同时安排给热电联产机组和蓄热电锅炉供热出力；在满足热平衡约束后，根据热电联产机组的热出力计算相应的电出力以及蓄热电锅炉的风电消耗量，然后计算24时段剩余电空间以及风电机组最大供电量和弃风量，安排常规火电机组和风电机组出力，满足基础电负荷；将弃风电量储存于电池储能装置中；在负荷高峰时，部分电负荷由储能装置供应，满足电平衡约束；在存在大量弃风时段且电池储能装置不足以消纳弃风，减少热电联产机组出力，进而全部消纳风电。

6.根据权利要求1所述的一种提高风电消纳的热电联合调度方法，其特征在于，所述步骤2的具体过程如下：(1)确定目标函数

基于常规火电机组煤耗成本和热电联产机组煤耗成本，其目标函数如下:min F＝min(f1+f2)

式中：f1为常规火电机组煤耗成本；f2为热电联产机组煤耗成本；

其中，常规火电机组煤耗成本

式中：ai,bi,ci为第i台常规火电机组煤耗成本系数；T为一个调度周期，T＝24；

热电联产机组煤耗成本

式中：aj,bj,cj为第j台热电联产机组煤耗成本系数；PEj,t为热电联产机组j在t时刻的调度电出力；PHj,t为热电联产机组j在t时刻的调度热出力；NR为热电联产机组数；γhe为供热量与发电量之间的折算系数；

(2)确定约束条件

A、功率平衡约束：

1)电功率平衡约束

2)热功率平衡约束：

式中：Pcha,t,Pdis,t分别为电池储能装置在t时刻的充、放电功率；Pload,t为t时刻的电负荷；Pelb,t为电锅炉在t时刻产生相应热负荷所消耗的电能；PHl,t为t时刻的热负荷；βEB为电锅炉的产热效率，取95％；

B、机组相关约束：

1)常规火电机组约束

机组出力上下限约束：

机组爬坡约束：

式中： 分别为常规火电机组i在t时刻的最大、最小出力；Δri,up，Δri,down分别为常规火电机组i的上爬坡限制和下爬坡限制；

2)热电联产机组约束

热电联产机组同时兼备供电供热两个方面，因此在考虑出力上下限时，应同时考虑电出力和热出力上下限的约束，出力上下限约束如下：电出力上下限约束：

热出力上下限约束：

电爬坡约束：

-Δrj,down≤PEj,t-PEj,t-1≤Δrj,up热爬坡约束：

-Δhj,down≤PHj,t-PHj,t-1≤Δhj,up式中： 分别为热电联产机组j在t时刻的最大、最小电出力； 为热电联产能机组j热出力的上限值；Δrj,up,-Δrj,down分别为热电联产机组j的电出力上爬坡限制和下爬坡限制；Δhj,up,-Δhj,down分别为热电联产机组j的热出力上爬坡限制和下爬坡限制；

PEj,t-1,PHj,t-1分别为热电联产机组j在t-1时刻的电出力和热出力；

3)风电机组约束：

C、旋转备用约束

正旋转备用容量约束：

负旋转备用容量约束：

式中： 分别为常规火电机组可提供的正、负旋转备用； 分别为热电联产机组提供的正、负旋转备用；m1、m2分别为负荷波动和风电功率缺失的旋转备用系数；

D、电池储能装置运行约束

式中： 分别为电池储能装置在t时刻充、放电功率； 为充电效率，分别为充电功率最大、最小值； 分别为放电功率最大、最小值；

分别为t时刻电池储能装置的充、放电状态，且 不能同时为1或0；Ecap(t)为电池储能装置在t时刻的容量； 分别为电池储能装置最大、最小容量；τ为电池储能装置的自放电率，与电池内部材质特性有关； 为放电效率；

E、蓄热电锅炉运行约束

1)电锅炉约束

Helb,t＝βEBPelb,t

式中：Helb,t为电锅炉在t时刻的供热功率； 为电锅炉允许的最大电功率；

蓄热装置容量约束

式中：Ct为蓄热装置在t时刻的储热量； 分别为蓄热装置的最大蓄热出力和最大放热出力；Cmax为蓄热装置的最大储热容量； 分别为t时刻蓄热装置放、充热值； 为t时刻蓄热装置对外热出力。

7.根据权利要求1所述的一种提高风电消纳的热电联合调度方法，其特征在于，所述步骤3的具体过程如下：(1)引入动态惯性权重和压缩因子改进粒子群算法假设在一个D维搜索空间内，由m个粒子组成种群X，其中第i个粒子表示为一个D维向量的Xi；对于每一个粒子i，其都由3个D维向量组成，分别为目前位置Xi、历史最优位置Pbesti和速度Vi；在每次迭代过程中，粒子将通过个体极值和群体极值更新自身的速度和位置，即：xis(t+1)＝xis(t)+vis(t+1)其中，为压缩因子；ω为惯性权重；t为当前迭代次数；i＝1,2,…m,s＝1,2,…S；c1和c2为加速因子；r1和r2为分布于[0,1]区间的随机数；

在速度更新公式中，为有效地控制粒子的飞行速度使算法达到全局探测和局部开发两者之间的平衡，在速度更新公式中添加了收缩因子，压缩因子为：采用典型的取法：取c1＝c2＝2.05，C为4.1，收缩因子 为0.729；

在求解过程中，将ω定义为：

ω(s)＝ωstart(ωstart-ωend)*(S-s)/s其中，ωstart为初始惯性权重；ωend为迭代次数最大时的惯性权重；S为最大迭代次数；

(2)模型求解

利用改进的粒子群算法对模型进行求解；具体步骤如下：

1)粒子初始化，并根据实际气候环境、用户数据及组件参数求出每个粒子的局部最优解和全局最优解；

2)计算每一个粒子的适应度，并判断粒子是否符合约束；

3)比较粒子适应值与它的个体最优解pbest，如果优于pbest，则pbest为当前粒子位置；比较粒子pbest和全局最优解gbest，如果优于gbest，则此粒子的pbest为gbest；

4)更新粒子的速度和位置；

5)继续迭代直至达到最大迭代次数，并输出结果。