区域综合能源系统优化调度方法

于波，吴亮，卢欣，张鹏

(1.国网天津市电力公司电力科学研究院，天津市 300384； 2.天津大学电气与自动化工程学院，天津市 300072)

区域综合能源系统优化调度方法

于波1，吴亮1，卢欣1，张鹏2

(1.国网天津市电力公司电力科学研究院，天津市 300384； 2.天津大学电气与自动化工程学院，天津市 300072)

区域综合能源系统(integrated community energy system, ICES)可以充分利用可再生能源、提高综合系统能源利用效率。该文专注于ICES优化调度问题。首先建立了以电为核心的综合能源系统优化调度模型，优化目标包括经济性和环保性最优准则，基于可再生能源技术、节能技术以及电能替代技术的典型设备模型，分别在采暖期和空调期建立了系统运行约束模型，以及电和冷/热负荷供需平衡约束模型；采用具有良好全局搜索能力的粒子群算法(particle swarm optimization, PSO)作为调度模型求解算法。通过具体算例，验证本模型和算法，可得到经济性和环保性目标下的综合能源系统优化调度方案，同时分析了不同目标下调度方案存在统一和矛盾的原因。

区域综合能源系统(ICES)；多目标；优化调度；粒子群算法(PSO)

0 引 言

能源是人类赖以生存和发展的基础，如何充分利用可再生能源、提高综合能源利用效率，是综合能源研究的热点[1]。通过对电/气/热等综合能源系统的合理规划和运行优化控制，构建由分布式终端综合能源单元和与之相耦合的集中式能源供应网络共同构成的区域综合能源系统(integrated community energy system, ICES)，将成为适应人类社会能源领域变革的必由之路[2]。多种能源形式的耦合互补与梯级利用，是减小分布式能源波动对电网冲击、促进可再生能源发展应用[3-4]，以及缓解化石能源紧张、减少环境污染的有效途径。从能源利用角度，多种能源系统在不同时间尺度上具有相关性和互补性，可进行多时间尺度的能量存储和转供。因而，在综合能源系统能量产生和利用的过程中，综合能源系统的优化调度成为基本问题。

现有研究多针对带有热电联产系统的综合能源系统。文献[5]深入分析了美国天然气与电力系统之间的耦合关系，提出计及天然气管道运行约束的电力风险评估方法；文献[6]提出计及风电随机性的电力机组日前调度方法；文献[7]给出了天然气-电力混合系统动态模型；文献[8]计及风电接入，研究天然气网络和水电系统间影响，提出电力系统机组组合问题解决方案；文献[9]计及风电出力的波动性，提出一种微电网热电联合调度的优化模型；文献[10]建立了含生产成本、环境成本和冷热电协调成本的多目标节能调度模型。含有分布式冷热电三联供的综合能源系统适合于天然气管网完善、发电比例高、电网气网融合度较高的地区，而现阶段国内的综合能源系统更多的是以电、太阳能、风能或地热为能源，包含可再生能源设备(如风机、光伏等)、节能设备(如热泵、冰蓄冷等)和电能替代设备(如电锅炉、电地暖等)的综合能源供应系统。少有计及上述3类设备的综合能源优化调度方法研究。

本文专注于计及可再能源技术、节能技术以及电能替代技术的园区综合能源系统的优化调度方法。考虑上述3种技术的典型设备模型，建立以电为核心的综合能源系统优化调度数学模型。该模型考虑多种优化目标，并分别考虑不同能源形式需求条件下的系统约束，并采用启发式算法对问题进行求解。最后给出具体算例，仿真结果表明本文提出的模型和算法可以给出综合能源系统优化调度方案。

1 综合能源系统优化调度模型

综合能源系统运行调度是以满足园区内电负荷和冷/热负荷需求为基本目标，基于一定的优化准则，以各类负荷日前预测值为基线，应用优化算法，得到各类能源供给和储存设备的次日24点调度计划。

1.1 优化调度目标函数

综合能源系统运行调度可以包含多种优化目标[11]。本文考虑系统运行的经济性和环保性，分别建立2种优化目标的数学模型。

经济性最优准则以综合能源系统的调度运行成本为目标函数，主要运行成本是园区运行所购入市电费用，同时考虑可再生能源发电的补贴收益。经济性最优准则目标函数如式(1)所示：

环保性最优准则以调度期间综合能源系统污染物排放量为目标函数。按照每节约1 kW·h市电，就相应节约0.4 kg标准煤，同时减少污染排放0.272 kg碳粉尘，0.997 kg CO2，0.03 kg SO2，0.015 kg NOx。将新能源技术的污染物排放量通过用电量折算，最终环保性最优的目标函数如式(2)所示：

(2)

式中：C为单位用电量污染物排放量，为单位电量各污染物排放量之和，约为1.3 kg/(kW·h)。

F1和F2既是综合能源系统运行调度的优化目标，也是其评价指标。

1.2 多种运行模式下的约束

基于不同季节和气象条件，园区对能源形式的需求各不相同，综合能源系统的能源供给设备及其运行工况会有很大不同，本文分2种情形分别讨论综合能源系统优化调度的系统运行约束模型。

1.2.1 采暖期

在采暖期情形下，综合能源系统优化调度主要是满足园区内电负荷和热负荷需求。主要考虑的典型以电供热技术和节能技术包括：蓄热式电锅炉系统和热泵系统[12-13]。蓄热式电锅炉系统将结合热泵系统为园区提供热负荷，满足采暖需求。

(1)电负荷供需平衡约束

(3)

(4)

(5)

(2)热负荷供需平衡约束

(6)

(3)电锅炉负荷分配约束

(7)

(8)

(9)

(10)

(4)电锅炉最小、最大运行容量约束

(11)

(12)

(13)

(5)蓄热水箱运行约束

(14)

(15)

(16)

(6)热泵承担负荷分配约束

(17)

(7)热泵最小、最大运行容量约束

(18)

采暖期情形下，优化变量如式(19)所示：

(19)

1.2.2 空调期

在空调期情形下，综合能源系统优化调度主要是满足园区内电负荷以及冷负荷需求。主要考虑的典型以供冷和节能技术包括：双工况主机制冷系统、机载主机制冷系统、热泵系统和冰蓄冷系统[14-15]。

(1)电负荷供需平衡约束

(20)

(21)

(22)

(23)

(2)冷负荷供需平衡约束

(24)

(3)供冷水泵流量约束

(25)

(4)热泵承担制冷负荷分配约束

(26)

(5)热泵最小、最大运行容量约束

(27)

(6)基载主机承担制冷负荷分配约束

(28)

(7)基载主机最小、最大运行容量约束

(29)

(8)双工况主机承担制冷负荷分配约束

(30)

(9)双工况主机承担制冰任务分配约束

(31)

式中QtIC_ICE为冰蓄冷系统整体的制冰量。

(10)双工况主机最小、最大运行容量约束

(32)

(33)

(11)双工况主机运行模式约束

(34)

(12)蓄冰槽箱最大融冰功率约束

(35)

(36)

(37)

(38)

空调期优化变量如式(39)所示：

(39)

2 综合能源系统优化调度算法

从数学模型角度出发，综合能源系统调度问题是混合非线性优化问题，求解此类问题的常用数学算法有混合整数随机规划、动态规划以及启发式算法等[11,16]。综合能源系统优化调度具有约束复杂、求解维度高的特点，难以得到解析解，因而本文采用启发式算法对该问题进行求解。粒子群算法(particleswarmoptimization，PSO)具有较好的全局搜索能力，因而被应用于求解此类问题。针对本研究问题应用粒子群算法的基本流程如图1所示。

针对综合能源系统优化模型，粒子群算法的单粒子x定义为优化变量所构成的矩阵，以采暖期为例，优化粒子矩阵如公式(40)所示。粒子群算法中的适应度函数F(x)即为本文所定义的目标函数，即公式(1)或公式(2)。

(40)

3 算例仿真分析

3.1 仿真条件

选取我国北方某城市节能绿色园区作为研究对象。该园区综合能源需求包括冬季采暖及夏季供冷。电源包括市电及分布式光伏发电系统。冷热源系统采用复合式能源系统，供储能系统包括蓄热式电锅炉、热泵系统、机载主机制冷系统、双工况主机制冷系统、冰蓄冷系统等。各供储能设备数量及基本性能参数如表1所示。

仿真数据输入包括园区典型日24点除综合能源供储设备的电负荷、光伏出力、冷/热负荷，峰谷电价信息以及各供储设备的性能参数。该城市用电高峰时段为08：30至11：30以及18：00至23：00，峰时电价为1.289 8元/(kW·h)；平时段为07：00至08：30以及11：30至18：00，平时电价为0.844 3元/(kW·h)；低谷时段为23：00至07：00，谷时电价为0.418 8元/(kW·h)。通过对历史电负荷数据及光伏出力数据分析，获取典型日电负荷曲线及光伏出力曲线。应用DeST软件对园区进行负荷分析，得到典型日24点冷/热负荷曲线。各类负荷如图2所示。粒子群算法相关参数设置情况如下：粒子群个数为100，最大迭代次数为1 000，个体加速因子设置为2，全局加速因子设置为2。

图1 粒子群优化算法流程图

图2 日逐时负荷曲线

3.2 仿真结果

3.2.1 经济性最优准则

以经济性最优为目标函数，采用PSO算法，计算典型日负荷曲线下采暖期和空调期的设备运行调度计划，结果如图3所示。

图3 经济性最优准则下的调度计划

3.2.2 环保性最优准则

以环境性最优为目标函数，计算典型日负荷曲线下采暖期和空调期的设备运行调度计划，结果如图4所示。

图4 环保性最优准则下的调度计划

2种优化准则下优化调度的经济性和环保性指标分别如表2所示。

表2 优化调度评价指标

Table 2 Evaluation indicators for dispatching plans

3.3 结果分析

综合能源系统调度的经济性和环保性目标既存在统一又存在矛盾。一方面，2种目标下的优化调度都是倾向于实现可再生能源的充分消纳。由图3(a)和图4(a)可知，在可再生能源发电余量较大时间段，通过将余电转换成其他能源形式而避免切光，或直接供给满足冷/热需求，或予以储存实现能源的分时利用。另一方面，综合能源系统调度的经济性指标和环保性指标又存在矛盾。由图3(a)可以看出，经济性准则在低谷电价，充分利用储能系统，实现电能到热能的转供和分时利用，进而实现降低运行成本。由图4(a)可以看出，环保性准则是以优先应用能效最高的供能设备实现节能减排的。二者的矛盾之处在于，储能系统在产能、储能和释能过程中的总体能效明显低于热泵等产能设备，因此2种优化调度目标存在矛盾。由表2可以看出2种情形下，调度计划不能同时达到经济性和环保性的最优要求。制定优化调度计划时，应结合区域综合能源需求的特点和综合能源系统运行的主要目标。

4 结 论

本文研究首先建立以电为核心的综合能源系统优化调度数学模型。该模型分别考虑经济性和环保性最优2种优化目标，基于可再生能源技术、节能技术以及电能替代技术的典型设备模型，建立综合能源系统运行约束模型。其次，采用具有良好全局搜索能力的粒子群算法对调度模型进行求解。最后，给出具体算例，对综合能源系统优化调度模型和算法进行仿真。仿真结果表明，本模型和算法可以给出不同目标下的综合能源系统优化调度方案，调度方案的经济性和环保性目标既存在统一又相互矛盾。统一性体现在2种优化调度都是倾向于实现可再生能源的充分消纳，提升综合能源利用效率。矛盾之处在于经济性准则倾向充分利用储能系统，而环保性准则更倾向利用其他高能效的供能设备。调度计划不能同时达到经济性和环保性的最优要求。制定优化调度计划时，应结合区域综合能源需求特点和综合能源系统运行的主要目标。

[1]JIN H, HONG H, WANG B, et al. A new principle of synthetic cascade utilization of chemical energy and physical energy[J]. Science in China Series E: Technological Sciences, 2005, 48(2):163-179.

[2]STANISLAV P, BRYAN K, TIHOMIR M. Smart grids better with integrated energy system[C]//Electrical Power & Energy Conference (EPEC). IEEE, 2009: 1-8. [3]刘柏良, 黄学良, 李军. 计及可时移负荷的海岛微网电源优化配置[J]. 中国电机工程学报, 2014, 34(25): 4250-4258. LIU Boliang, HUANG Xueliang, LI Jun. Optimal sizing of distributed generation in a typical island microgrid with time-shifting load[J]. Proceedings of the CSEE, 2014, 34(25): 4250-4258.

[4]王成山, 李鹏. 分布式发电、微网与智能配电网的发展与挑战[J]. 电力系统自动化, 2010, 34(2): 10-14. WANG Chengshan, LI Peng. Development and challenges of distributed generation, the micro-grid and smart distribution system[J]. Automation of Electric Power Systems, 2010, 34(2): 10-14.

[5]SAHIN C, SHAHIDEHPOUR M, ERKMEN I. Generation risk assessment in volatile conditions with wind, hydro, and natural gas units[J]. Applied Energy, 2012(96): 4-11.

[6]ALABDULWAHAB A, ABUSORRAH A, ZHANG X, et al. Coordination of interdependent natural gas and electricity infrastructures for firming the variability of wind energy in stochastic day-ahead scheduling[J].IEEE Transactions on Sustainable Energy, 2015, 6(2): 606-615.

[7]XU X, JIA H J, CHIANG H D, et al. Dynamic modeling and interaction of hybrid natural gas and electricity supply system in microgrid [J]. IEEE Transactions on Power Systems, 2015, 30(3):1212-1221.

[8]KAMALINIA S, WU L, SHAHIDEHPOUR M. Stochastic midterm coordination of hydro and natural gas flexibilities for wind energy integration[J]. IEEE Transactions on Power Systems, 2014, 5(4): 1070-1079.

[9]AWAD B, CHAUDRY M, WU J, et al. Integrated optimal power flow for electric power and heat in a microgrid[C]//Proceedings of the 20th International Conference and Exhibition on Electricity Distribution. IEEE, Prague, Czech Republic，2009: 1-2.

[10]周任军, 冉晓洪, 毛发龙，等. 分布式冷热电三联供系统节能协调优化调度[J]. 电网技术, 2012, 36(6):8-14. ZHOU Renjun, RAN Xiaohong, MAO Falong, et al. Energy-saving coordinated optimal dispatch of distributed combined cool, heat and power supply [J]. Power System Technology, 2012, 36(6):8-14.

[11]郭力, 刘文建, 焦冰琦, 等. 独立微网系统的多目标优化规划设计方法[J].中国电机工程学报, 2014, 34( 4): 524-536. GUO Li, LIU Wenjian, JIAO Bingqi, et al. Multi-objective optimal planning design method for stand-alone microgrid system[J]. Proceedings of the CSEE, 2014, 34( 4): 524-536.

[12]刘长杰. 物联网蓄能电锅炉技术及应用研究[D]. 长春: 吉林大学, 2011. LIU Changjie. Study on Heimer small appliances marketing channal management[D]. Changchun: Jilin University, 2011.

[13]朱文莉. 既有居住建筑中太阳能热水系统的应用[D]. 天津: 天津大学, 2007. ZHU Wenli. Application of solar water heating system in the existed residential building[D]. Tianjin: Tianjin University, 2007. [14]SWARDT D. A performance comparison between an air - source and a ground source reversibIe heat pump[J]. InternationaI Journal of Energy Research, 2001, 25(10): 899- 910.

[15]ZHANG P, MA Z W. An overview of fundamental studies and apphcations of phase change material slurries to secondary loop refrigeration and air conditioning systems[J]. Renewable and Sustainable Energy Reviews, 2012, 16(7): 5021-5058.

[16]刘梦璇, 王成山, 郭力，等. 基于多目标的独立微电网优化设计方法[J]. 电力系统自动化, 2012, 36(17): 34-39. LIU Mengxuan, WANG Chengshan, GUO Li, et al. An optimal design method of multi-objective based island microgrid[J]. Automation of electric power systems, 2012, 36(17): 34-39.

(编辑 张媛媛)

Optimal Dispatching Method of Integrated Community Energy System

YU Bo1, WU Liang1, LU Xin1, ZHANG Peng2

(1.Electric Power Economic Research Institute, State Grid Tianjin Electric Power Company, Tianjin 300384, China; 2.Colleage of Electrical Engineering and Automation, Tianjin University, Tianjin 300072, China)

Integrated community energy system (ICES) can make full use of renewable energy and improve the energy efficiency of ICES. This paper focuses on the optimal dispatching problem of ICES. Firstly, we construct the optimal dispatching model of ICES with electricity as the core, whose optimization objectives include the economic optimum criterion and the environmental optimum criterion. Based on the typical equipment models of renewable energy technique, energy-saving technique and power substitution technique, the operation constraint model and demand balancing constraint model on electrical and cool/heat are established for the periods of heating and cooling respectively. Particle swarm optimization (PSO) algorithm with good global search capacity is applied to solve the optimal dispatching problem. The model and the algorithm are verified through a case study to produce optimal dispatching plans of ICES under the economic and environmental criterion respectively. Meanwhile, the reasons of the similarity and contradiction in the dispatching plans under different objectives are compared and analyzed.

integrated community energy system (ICES); multi-objective; optimal dispatching; particle swarm optimization(PSO)

国网天津市电力公司科技项目(KJ15-1-24)

TM 732

A

1000-7229(2016)01-0070-07

10.3969/j.issn.1000-7229.2016.01.011

2015-10-27

于波(1984)，男，博士，主要研究方向为分布式发电和微网、节能技术、电能替代技术；

吴亮(1984)，男，硕士，工程师，主要研究方向为智能用电管理、电能替代、节能技术；

卢欣(1972)，男，高级工程师，主要研究方向为电测量技术和智能用电技术研究工作；

张鹏(1984)，男，博士，讲师，主要研究方向为综合能源系统、电能替代技术、微网与智能电网。