基于改进的混合多种群进化算法的城市能源系统供需优化方法研究

刘树勇，李娜，曾鸣，王磊，刘丽霞，李春雪，刘伟，欧阳邵杰

(1. 国网天津市电力公司经济技术研究院，天津市300000； 2. 华北电力大学经济与管理学院，北京市 102206)

基于改进的混合多种群进化算法的城市能源系统供需优化方法研究

刘树勇1，李娜1，曾鸣2，王磊1，刘丽霞1，李春雪2，刘伟2，欧阳邵杰2

(1. 国网天津市电力公司经济技术研究院，天津市300000； 2. 华北电力大学经济与管理学院，北京市 102206)

对城市能源系统供需优化方法进行研究。首先，以能源系统总成本最小为目标，建立考虑多类能源规划约束条件的城市能源系统供需优化模型；其次，引入改进的混合多种群进化算法，确定模型的寻优流程；最后，采用终端能源消费预测模型的相关结果作为需求约束量，将模型应用于T市进行算例分析。算例结果表明，应用所构建模型获取的未来规划期内最优能源供应结果，满足城市能源相关政策文件要求，能够有效引导T市能源供应向清洁、可持续化方向发展。

城市能源系统；供需优化模型；变量耦合关系；改进的混合多种群进化算法

0 引 言

近年来，随着城市社会经济的快速发展和人民生活水平的日益提高，城市能源消费量持续增长，能源供需矛盾日益紧张[1-3]；同时，以煤炭为主的能源结构导致大量污染物质的排放，给城市带来严重的环境污染问题[4]。我国城市能源管理面临着经济发展与环境保护的双重压力，以及资源能力、能源政策等多方面的约束，迫切需要建立合理有效的能源规划优化方法，以帮助确定满足各类约束条件下的能源系统最优结构和最优发展方向，有效解决城市能源问题。

国内外学者研究的城市能源供需优化方法主要分为两大类，一类是典型能源模型，另一类是以成本最小为目标的动态规划模型。在典型能源模型方面，国际上能源权威机构开发出的代表性能源模型包括市场配置技术模型(market allocation of technologies model, MARKAL)[1-3]、能量流优化模型(energy flow optimization model, EFOM)[4-6]、长期能源替代规划系统(long-range energy alternatives planning system, LEAP)[7-8]、能源供应系统替代模型(model for energy supply strategy alternatives and their general environmental impacts, MESSAGE)[9-10]等。我国曾引进和使用过一些国外能源规划和能源政策分析的典型能源模型[11-18]。然而，上述模型以特定国家或区域为具体背景，并建立在特定假设条件下，其参数设定和情景假设并不符合我国城市能源的活动特点，无法准确反映我国城市能源系统的实际情况。

在以成本最小为目标的动态规划模型方面，文献[19]用区间两阶段模糊随机优化方法对区域能源系统进行规划，预测出25年规划期内5种能源的调入调出量的供需情况，然而该模型未考虑环境因素对能源系统的影响。立足于北京市目前能源消费现状，文献[20]创建了旨在满足能源需求、环境允许的前提下使得系统能源费用最小化的能源供需优化模型，但是模型受北京地区特殊性的限制，未考虑城市能源系统的调出量，使得该模型在其他地区的应用受到限制；此外，模型建立的总费用目标未考虑能源系统的环境成本，与当前环保政策对能源规划影响越来越大的实际环境不适应。文献[21]考虑12种能载体，以系统总成本最小为目标构建典型城市的能源系统优化模型，最终获得规划期内各能源的供应量，以及各类技术的容量及扩容量等结果，该方法的主要不足在于未考虑保障城市外受电比重最低实现目标的相关约束。

综上，目前尚不具有完全意义上的城市能源系统优化方法。本文提供一种基于改进的混合多种群进化算法，考虑多类能源规划约束的城市能源系统能源供需优化方法，具有极大的创新意义与现实价值。首先，建立城市能源系统基本框架，确定能源规划所涉及能源载体类型；其次，建立以能源系统总成本最小化为目标的城市能源系统供需优化模型，模型中纳入能源供需平衡约束、能源规划政策约束、外受电比重约束、环保约束等各类影响能源格局的约束条件，并在寻优流程中引入退火算法以改进传统混合多种群进化算法；最后，将所构建模型应用于T市进行算例分析，获取特定规划期内城市能源供应的优化结果，以指导能源规划与投资决策。

1 城市能源系统框架

根据我国统计年鉴在能源领域的常用分类方法，将城市能源系统的能源分为煤、石油、天然气、电力、热力五大类。在此基础上，根据每个能源大类中的品种、来源、用途等具体情况对能源种类进行进一步细分，其中：

(1)煤炭按照国际煤炭分类标准划分为褐煤、烟煤、无烟煤3种类型；

(2)石油类划分为汽油、柴油、煤油和液化石油气4种主要的能源类型；

(3)各类煤、石油、天然气供应来源分为本地所产、外地输入；

(4)电力包括常规能源电力和可再生能源电力，包括：煤电(纯凝煤电机组、热电联产煤电机组)、燃气发电、水电、风电、核电、太阳能发电、生物质能发电等，电力供应分为本地所产及外受电力；

(5)热力包括热电联产机组供热、燃煤锅炉供热、燃气锅炉供热、热泵地暖等供热技术，主要考虑本地供应量。

综上，城市能源系统中涉及褐煤、烟煤、无烟煤、汽油、柴油、煤油、液化石油气、液化天然气、电力、热力等10种能源载体类型。

2 能源供需优化模型构建

2.1 目标函数

城市能源供需优化模型的目标是规划期内能源系统成本最小化，如公式(1)所示，考虑能源供应成本(能源生产、调入、调出)、能源转换成本(包括发电、供热等)、环境成本。在此，将发电技术的成本分为燃料成本和运行、投资成本两大类，燃料成本主要为煤、油、气的成本，归入能源供应成本中；运行投资成本归入能源转换成本中。

minC=Csu+Ctr+Cen

(1)

式中：C为城市能源系统总成本；Csu为能源供应成本；Ctr为能源转换成本；Cen为环境成本。

(1)能源供应成本

能源供应成本是能源生产量、调入量和调出量与相应的成本或价格的乘积的总和，在此，考虑各类能源的终端销售价格，因此，能源供应成本包括各类能源的生产、加工与运输成本，如公式(2)所示。

(2)

式中：t为规划期内的不同时期，时长取1年；PLS(n,t)为t时期本地生产能源n的价格，n为不包括电力的各类能源，包括褐煤、烟煤、无烟煤、汽油、柴油、煤油、液化石油气、天然气等；LS(n,t)为t时期本地生产能源(不包含电力)n的供应量；PIS(i,t)为t时期调入本地能源i的价格；IMS(i,t)为t时期调入本地能源i的供应量；PES(i,t)为t时期调出本地能源i的价格；EXS(i,t)为t时期调出本地能源i的供应量，本地调入(出)能源为统计范围内各类能源，包括各类能源n，煤电、燃气发电等常规电力，以及水电、风电、核电、生物质能发电、太阳能发电等可再生能源电力。

(2)能源转换成本

能源转换技术主要是指发电技术和供热技术，成本包括已建及新建机组或设备的运行成本、新投建机组或设备投资成本两部分，如公式(3)所示。

(3)

(3)环境成本

考虑各类火电机组的环境成本，包括环境治理成本与环境损失成本。环境治理成本指为避免或控制污染物对环境造成的影响或为了减少污染物排放而投入的技术、设备及管理的单位成本；环境损失成本指电厂因为排放的污染物向有关部门缴纳的排污费、碳税等费用。同时，模型也考虑政府对于机组进行污染减排给予的补贴费用。

(4)

式中：EVS(m,t)为t时期本地能源技术m的供应量，计算环境成本时主要考虑的能源技术m包括：发电技术k、供热技术l及各类交通工具的排放量；χm,t(u)为t时期本地能源技术m的各类气体或粉尘u排放系数，u包括SO2、CO2、CO、NOx、粉尘等；CEP(m,t)(u)为t时期本地能源技术m的各类气体或粉尘环境治理成本；GB(m,t)为t时期本地能源技术m实施环保所获政府补贴。

2.2 约束条件

结合各类对城市能源系统供需格局存在影响的因素，以及城市能源规划政策文件中的要求，建立能源供需优化相关约束条件，包括能源供需平衡约束、能源开采能力约束、技术容量约束、能源规划政策约束、可再生能源配额标准约束、外受电比重约束、环保约束及非负约束。

(1)能源供需平衡约束

考虑各品种煤、石油、天然气类能源的供需平衡约束及电力供需平衡约束：

LS(n,t)+IMS(n,t)-EXS(n,t)≥Dn,t

(5)

(6)

式中：LS(k,t)为t时期能源n的本地产量；IMS(k,t)为t时期能源n的本地调入量；EXS(k,t)为t时期能源n的本地调出量；Dn,t为t时期能源n的需求量预测值；hk,t为t时期发电技术k新增容量的年运行时间；ηk为t时期发电技术k的厂用电系数；Dk,t为t时期发电技术k的需求量。

(2)能源最大开采能力约束

根据城市能源系统中各类能源的探明储量与可持续发展开采计划，确定各时期各类能源的最大开采能力。

LS(n,t)≤βn,t

(7)

式中βn,t为t时期能源n的生产能力上限。

(3)技术容量约束

根据各时期发电机组的装机规模，确定发电量范围

(8)

(4)能源规划政策约束

根据各城市政策文件中有关节能减排的规划目标，设定化石能源在总能源供应中的比重

LS(n,t)≤νn,t

(9)

式中νn,t为t时期政府能源规划文件中控制的能源n的供应能力上限。

(5)可再生能源配额标准约束

保障各年中各类可再生能源配额标准任务的完成。当前暂未实施可再生能源配额制，可将此约束看作各类可再生能源的最低发展目标约束。

(10)

式中：ST(a,t)为t时期可再生能源发电技术a的供应量，为可再生能源电力本地所产加调入减调出的总量；ST(c,t)为t时期煤电b供应量，为煤电本地所产加调入减调出的总量；ST(a,t)为t时期燃气发电c供应量，为燃气发电本地所产加调入减调出的总量；RPSt为t时期可再生能源在能源供应总量中的最低目标比重。

(6)外受电比重约束

考虑城市未来规划目标，外受电在总电能供应量中要满足最低比例目标。

(11)

式中δt为t时期外受电在总电能供应中比重的最低目标。

(7)环保约束

(12)

式中ω(u)t为t时期城市火电机组各类污染物u的排放上限额。

(8)非负约束

为保证方法中各变量取值具有实际意义，设定相关供应量的非负约束

LS(n,t),IMS(i,t),EXS(i,t),GS(k,t),

NG(k,t),HS(l,t),NH(l,t)≥0

(13)

3 求解流程及寻优算法

3.1 改进的混合多种群进化算法

进化算法是模拟生物进化过程的一种智能算法，具有较强的适应性、鲁棒性，因此广泛应用于传统优化算法不能解决的问题。退火算法的基本思想基于固体退火原理是从某基点附近的邻域开始搜索，采用Boltzmann准则接受新解，以退火温度控制算法的求解过程，最终获得最优解。城市能源系统结构复杂，各个能源种类的约束条件在数目和约束类型上参差不齐，且具有一定的耦合关系，特别是各类能源之间的耦合关系，仅采用单纯的进化算法可能会陷入局部最优陷阱而无法获取整体最优，因此，在模型的求解算法设计中引入退火算法对传统算法改进，以克服进化算法的求解局限。

改进的混合多种群进化算法的具体流程设计如图1所示。

图1 改进的混合多种群进化算法流程图

3.2 亚种群的处理

对亚种群的进化与选择操作是算法最终取得最优解的关键环节。采用的混合多种群进化算法在对亚种群的进化与选择操作中引入小生境处理算子与多样性保护算子，以确保算法的收敛速度和全局最优性能。亚种群处理流程如图2所示。

(1)最小生境处理操作

基于共享函数实现最小生境。小生境是指算法中所述个体的微小的生活环境范围，引入小生境算子可以在一定程度避免进化算法陷入局部最优解陷阱，同时保持解的多样性，并且提高算法的收敛效率和全局寻优能力。

图2 亚种群处理流程

(14)

(15)

此时即完成了最小生境处理操作。

(2)多样性保护操作

进化算法本身存在进化算子的随机误差，因此在进化过程中可能收敛于某一可接受解，但不是全部可能的解，因此需要采取一定的措施避免进化过程单一向某一解收敛，多样性保护操作是可供选择的有效方法。

4 算例分析

将所构建能源供需优化模型应用于T市能源系统，以指导T市能源投资决策，并验证模型科学性与有效性。根据T市统计年鉴中提供的主要能源价格和能源平衡表、未来城市总体规划、节能规划、电力专项规划及清新空气行动方案等，获得模型所需能源价格、约束参数，结合实际调研获得不同类型能源的供应成本，采用终端能源消费预测模型的基准情景预测结果，作为不同时期各类型能源的需求约束量。模型的总规划期为2016—2017年。

将模型相关参数输入，应用Matlab求解模型，得到2016—2017年T市能源供需的优化结果，如表1～3所示。

表1 化石能源供应优化结果

Table 1 Fossil energy supply optimization results

由表1可以看出，T市是典型的能源输入型城市，能源消耗以煤炭为主，煤炭消耗量占全市化石能源消耗总量的77%左右。同时，T市本地产煤有限，需要从外地调入大量煤炭资源以满足本市工业及民用煤需求。

为落实大气污染防治行动计划，改善空气质量，T市将严控煤炭消费总量，利用可再生能源、天然气、电力等优质能源替代煤炭消费，因此，从长远看，T市煤炭供应总量将呈下降趋势。近两年，受已核准煤电项目建设的影响，煤炭供应总量仍有所增长，但涨幅较低。

根据T市未来能源规划与清新空气行动方案，T市将大力发展燃气发电项目，因此未来天然气在T市化石能源供应中的占比呈现出明显上升趋势。此外，T市已批准新增4个本地气源供应基地，这也为T市提高天然气使用量提供了必备资源基础。

随着T市的经济发展与电能替代政策的逐步实施，未来2年T市对电力的需求量将不断增大，表2给出基于预测结果测算出的新建发电项目规模情况。根据表2，未来2年T市燃煤发电装机总量有缓慢增加，燃气发电、可再生能源电力装机明显上升，同时，外受电力在T市电力供应总量中比重超过40%，并逐年增长；这一结果与T市未来实施的“宏观限制煤电发展，未来电力供应缺口主要由气电和外来电补充”政策相符。2016和2017年的发电装机组成如图3所示。

表2 电力供应优化结果

Table 2 Power supply optimization results

图3 2016、2017年T市不同发电形式的装机容量百分比

如表3所示，随T市集中供暖的普及，城市供热总量呈逐年上升趋势，且受燃煤锅炉改造政策的影响，在各类供热技术中，燃煤供热量逐年减少，而燃气供热将发挥更大作用。

综上，应用所构建模型获取的煤、石油、天然气等不同品种能源的供应量、发电与供热技术的装机容量结果，符合T市资源储备现状、T市能源需求与T市能源规划相关政策文件的要求，能够有效引导T市能源供应向清洁、可持续化方向发展，有利于改善城市环境质量，促进城市可持续发展。

表3 热力供应优化结果

Table 3 Heat supply optimization results 1013J

5 结 语

以能源总成本最小为目标，综合考虑各类影响城市能源系统供需格局的约束条件，构建城市能源系统的能源供需优化模型，并引入模拟退火算法改进传统进化算法，确定模型寻优流程。将模型应用于我国T市能源系统，进行算例分析。结果表明，应用所构建模型获取的不同规划期内各类能源的供应量优化结果，能够有效指导城市能源投资与规划，促进城市能源系统的可持续化发展。

[1]吉平, 周孝信, 宋云亭, 等. 区域可再生能源规划模型述评与展望[J]. 电网技术, 2013, 37(8): 2071-2079. JI Ping, ZHOU Xiaoxin, SONG Yunting, et al. Review and prospect of regional renewable energy planning models[J]. Power System Technology, 2013, 37(8): 2071-2079.

[2]彭波, 陈旭, 徐乾耀, 等. 面向新能源消纳的电网规划方法初探[J]. 电网技术, 2013, 37(12): 3386-3391. PENG Bo, CHEN Xu, XU Qianyao, et al. Preliminary research on power grid planning method aiming at accommodating new energy[J]. Power System Technology, 2013, 37(12): 3386-3391.

[3]曹军威, 杨明博, 张德华, 等．能源互联网--信息与能源的基础设施一体化[J]. 南方电网技术, 2014, 8(4): 1-10． CAO Junwei, YANG Mingbo, ZHANG Dehua, et al. Energy internet: an infrastructure for cyber-energy integration[J]. Southern Power System Technology, 2014, 8(4): 1-10. [4]于慎航, 孙莹, 牛晓娜, 等. 基于分布式可再生能源发电的能源互联网系统[J]. 电力自动化设备, 2010, 30(5): 104-108. YU Shenhang, SUN Ying, NIU Xiaona, et al. Energy internet system based on distributed renewable energy generation[J]. Electric Power Automation Equipment, 2010, 30(5): 104-108．[5]KEMAL S, WALLACE E T. Analysis of US renewable fuels policies using a modified MARKAL model[J]. Renewable Energy, 2013, 50: 701-709. [6]TODD J L, VALERIE M T, AUDREY J L. A MARKAL model of state electricity generation[C]//International Symposium on Sustainable Systems and Technology, Arlington: IEEE, 2010: 1-5.

[7]NORMA A, GIUSEPPE M, GIOVANNI P. The biomass based energy conversion: An example of Markal application for the energy planning[C]//Industrial Technology, Vi a del Mar: IEEE, 2010: 988-993. [8]AMORIM F, PINA A, HANA G, et al. Electricity decarbonisation pathways for 2050 in Portugal: A TIMES (the integrated MARKAL-EFOM system) based approach in closed versus open systems modeling[J]. Energy, 2014, 69: 104-112. [9]GHADERI S F, AZADEH A, DEHGHAN S. Iran energy and environmental planning for next decade: An application of the integrated markal-EFOM system (TIMES)[C]// the 35th International Conference on Computers and Industrial Engineering, Istanbul: Istanbul Technical University, 2005: 781-786. [10]JOAO C, SOFIA S, PATRICIA F, et al. Renewable energy sources availability under climate change scenarios-Impacts on the Portuguese energy system[C]//the 5th Electricity Market International Conference on European, Lisboa: IEEE, 2008: 1-6. [11]MARIAM G, WAQAR A Q. Long term electricity demand forecasting in residential sector of Pakistan[C]//Power & Energy Society General Meeting, San Diego: IEEE 2012: 1-7. [12]AUMNAD P. Integrated energy and carbon modeling with a decision support system: Policy scenarios for low-carbon city development in Bangkok[J]. Energy Policy, 2010, 38: 4808-4817. [13]RIAHI K, EDWARD S, MARGARET T, et al. Technological learning for carbon capture and sequestration technologies[J]. Energy Economics, 2004, 26: 539-564. [14]KLAASSEN G, RIAHI K, et al. Internalizing externalities of electricity generation: An analysis with MESSAGE-MACRO[J]．Energy Policy，2007, 35: 815-827. [15]佟庆, 白泉, 刘滨, 等. MARKAL模型在北京中远期能源发展研究中的应用[J]. 中国能源，2004, 26(6): 37-41. TONG Qing, BAI Quan, LIU bin, et al. MARKAL model and its application in studies on medium- and long-term energy development in Beijing[J]. Energy of China, 2004, 26(6): 37-41.

[16]常征, 潘克西. 基于LEAP模型的上海长期能源消耗及碳排放分析[J]. 当代财经, 2014(1): 98-106. CHANG Zheng, PAN Kexi. An analysis of Shanghai’s long-term energy consumption and carbon emission based on lEAP model[J]. Contemporary Finance & Economics, 2014(1): 98-106. [17]黄东风. 利用MESSAGE模型优化浙江电源结构初探[J]. 能源工程, 2006(4): 6-9． HUANG Dongfeng. The application of MESSAGE Model for optimizing the structure of power in Zhejiang Province[J]. Energy Engineering, 2006(4): 6-9. [18]陈长虹, 科林格林, 吴昌华. MARKAL模型在上海市能源结构调整与大气污染物排放中的应用[J]. 上海环境科学, 2002, 21(9): 515-519. CHEN Changhong, KELIN Gelin, WU Changhua. Application of Markal model to energy switch and pollutant emission in Shanghai [J].Environmental Sciences, 2002, 21(9): 515-519. [19]JIANG B B, CHEN W Y, YU Y F．The Future of Natural Gas Coal Consumption in Beijing, Guangdong and Shanghai: An assessment utilizing MARKAL[C]//Power and Energy Society General Meeting-Conversion and Delivery of Electrical Energy in the 21st Century, Pittsburgh: IEEE, 2008: 1-8. [20]杨晓鸥. 北京经济、能源、环境-安全(3E-S)系统模型研究[D]. 北京： 清华大学, 2010. YANG Xiaoou. Research on 3E-S (economy, energy, environment-security) system model for Beijing[D]. Beijing: Tsinghua University, 2010. [21]石玉淳. 基于LEAP模型的大连市工业能源消费分析研究[D]. 大连： 大连海事大学, 2014. SHI Yuchun. Analysis of Dalian industrial energy consumption based on LEAP Model[D]. Dalian： Dalian Maritime University, 2014.

(编辑 刘文莹)

Supply and Demand Optimization Method of Urban Energy System Based on Improved Multispecies Hybrid Evolutionary Algorithm

LIU Shuyong1, LI Na1, ZENG Ming2, WANG Lei1, LIU Lixia1, LI Chunxue2, LIU Wei2, OUYANG Shaojie2

(1. State Grid Tianjin Economic Research Institute, Tianjin 300000, China; 2. School of Economics and Management, North China Electric Power University, Beijing 102206, China)

This paper studies the supply and demand optimization method of urban energy systems. Firstly, taking the minimum total cost of energy system as the target, we establish the supply and demand optimization model of urban energy system with considering multiclass energy planning constraints. Secondly, we introduce the improved multispecies hybrid evolutionary algorithm to determine the optimal process of the model. Finally, we use the related results of the terminal energy consumption forecast model as demand constraints, and apply the model to the example analysis of T city. The results show that the optimal energy supply results during the future planning period obtained in the model can meet the requirements of urban energy relative policy documents, which will guide the energy supply of T city to clean and sustainable development direction.

urban energy system; optimization model of supply and demand; coupling relation among variables; improved multispecies hybrid evolutionary algorithm

国家自然科学基金资助项目 (71271082)

TM 61； F 206

A

1000-7229(2016)01-0023-07

10.3969/j.issn.1000-7229.2016.01.004

2015-11-12

刘树勇(1978)，男，硕士，高级工程师，主要从事电力市场分析预测工作；

李娜(1985)，女，博士，中级经济师，主要从事能源电力经济研究工作；

曾鸣(1957)，男，教授，博导，研究方向为电力技术经济及需求侧响应；

王磊(1981)，男，博士，主要从事电力经济与管理工作；

刘丽霞(1981)，女，硕士，高级工程师，主要从事能源与电力市场分析工作；

李春雪(1991)，女，硕士研究生，研究方向为能源与电力经济；

刘伟(1992)，男，硕士研究生，研究方向为能源与电力经济；

欧阳邵杰(1989)，男，博士研究生，研究方向为能源与电力经济。

Project supported by National Natural Science Foundation of China (71271082)