冷热电微电网分布式电源的区间优化模型

戴璐平，陈佩莉，钱毅慧

(国网上海客服中心，上海 200030)

0 引 言

随着全球能源互联网概念提出及迅猛发展[1]，多种能源的通信及其协调调度等成为了未来能源系统发展的极大趋势，且电、气、热、交通和信息网络的结合可使得未来的能源系统更加成熟、灵活和高效[2-3]。

由于电热能在能源传输及存储上的互补性，即电能不易存储，相对较易传输，而热能不易传输但是易为存储[4]，所以电热能源是目前研究的核心，同时，目前能源互联网多以多能源微电网的形式体现。微电网一般运行在并网模式和孤岛模式，微电网内含有各类微电源，其运行较为灵活，体积较小，可以实现网内负荷的供应。微电网内还一般配有新能源机组如光伏和风电等以充分利用可再生能源并实现节能减排[4-5]。多能源微电网可以较好供用网内各类负荷，但是，如何实现多能源微电网各单元的最优容量配置，多能源间的协调互补、灵活调度是在能源互联网大环境下一个值得探究的问题。

关于微电网中分布式电源的最优容量配置和经济调度，部分文献做了相关的研究[6-9]。文献[6]在以年平均综合成本和自平衡能力为多目标下研究了基于机会约束规划下的微电网各单元的最佳容量及调度模式。文献[7]提出了一种计及微电网经济运行和电池寿命的容量优化模型,并提出了一种网格自适应搜索算法与粒子群算法相结合的求解方法。文献[8] 根据海岛用水需求及海水淡化系统的特点, 提出了含风/光/柴/储及海水淡化负荷的微电网多目标容量优化配置模型, 并采用自适应多目标差分进化算法进行求解。文献[9] 提出了微电网内的最佳储能容量配置模型, 并对储能系统采取适当控制方法,以平滑分布式发电的输出功率并达到对微电网负荷削峰填谷的作用。

以上文献虽然对微电网内各分布式发电单元的规划和运行做了部分工作，但是其研究范畴主要是在单能源微电网，因此对于多种能源之间的交互并未做详尽的探究。而目前的多能调度研究中，为提高能源利用率，并降低网内的污染排放，微电网多采用冷热电联供机组。在并网型微网中，在电负荷供应上，由于大电网可视为无穷大电源，联产机组多运行在“以热/冷定电”模式下[10-11]，即根据网内的冷/热负荷需求来确定网内的电负荷输出量。但是该模式使得网内的电热/冷供应互相限制，不够灵活，不利于实现网内的多能协调和互补。因此，为了解耦该模式，微网内可安装热/冷储能及电热/冷转换元件，如电锅炉和电制冷机等[10, 12-14]。文献[12] 研究了含有电热联合系统的微电网经济运行，在实时电价下讨论了多能源微网的运行经济性。文献[13] 提出了包含冷热电联产机组和电热储能系统的最优能量调度模型并对多能源微电网的运行成本进行了优化。文献[14] 对以智能楼宇为基础的多能源微电网能源消耗进行了优化，其中，冷热电联产系统、电热储能单元和电动汽车相互协调以降低微电网的运行成本。文献[10]建立了包含新能源、冷热电联产机组、燃气锅炉及电热储能的微电网经济运行模型，并对该经济模型可能带来的潜在经济效益进行了详细分析和对比。

以上文献虽然对微电网内多能源段时间尺度(24 h)下的协调调度做了探究，但是对于各元件的最优容量配置，并未从长时间尺度下进行探究。而最优的容量配置将影响微电网的整体运行经济性。因此，有必要对多能源微电网的最优容量配置和多能协调进行探究。

本文提出了考虑多能源微电网内分布式电源的最优容量配置和经济调度的模型。该多能源微电网考虑了分布式电源如新能源机组(风机, 光伏)，冷热电联产机组(Combined Cooling Heat and Power Generators, CCHP), 电锅炉，电制冷机，以及分布式储能如电热冷储能等元件。同时，为考量微电网项目的经济性及合理性，本文采用净现值来对该项目进行评价。同时，文章采用基于Matlab的Yalmip软件进行求解，该软件调用Cplex求解器从而求得了微电网各单元的最佳容量及协调处理，并通过与传统调度模型进行运行成本及微能源出力的对比。仿真结果表明，相对于分产微电网，多能源微电网能够实现多能互补并降低运行成本，良好的规划和运行能够进一步增加微电网收益。

1 多能源微电网建模

多能源微电网的典型结构如图1所示，该微电网连接到了大电网，从而实现了和大电网的实时电功率交互[8-9]。网内各元件之间相互协调，在微电网中心能源管理器的引导下实现最优出力并满足网内负荷需求[12]。

图1 并网型多能源微电网典型结构

1.1 分布式电源之冷热电联产系统

冷热电联供机组的核心部件为微型燃气轮机。该燃气轮机在消耗天然气发电时所排出的高温余热烟气可以经由热回收单元或着溴冷机从而制冷、取暖等[12]。联产机组电热、冷出力数学模型一般为：

(1)

(2)

(3)

式(1)、式(2)中t为时间索引；HMT和PMT联产机组排气余热量和输出电功率；ηMT为微燃机发电效率；ηL为散热损失系数;HMH/PMC为联产机组提供的制热/冷量；χH为联产机组的制热系数;χC为联产机组的制冷系数;ηP为管道效率。

其中本文采用Capstone的C65型号的微型燃气轮机，燃气轮机的发电效率与发电功率关系为[10]：

(4)

式中PRMT为燃气轮机的额定功率。

1.2 分布式电源之电锅炉/电制冷机

电锅炉/电制冷机可以将电能转换成热/冷能，其出力数学模型可统一表示为[12]：

(5)

(6)

式中PEB和HEB分别为电锅炉的用电和制热/冷功率；PEC和HEC分别为电制冷机的用电和制热/冷功率；χEB/χEC为电锅炉/电制冷机的能效比。电锅炉/电制冷机所耗电能作为微网用电负荷统一调度。

1.3 分布式储能之电储能系统

电储能在时段t电量与时段t-1剩余电量、时段t-1到t充放电量及自放电量有关，关系如下[7]：

(7)

1.4 分布式储能之冷/热储能设备

热/冷储能模型和电储能模型类似，其能量和功率的出力关系可统一表示为[11]-[12]：

(8)

(9)

另外，风机和光伏等分布式电源出力受到风速和光照影响，其模型比较常见，本文不做赘述，详细模型可参见文献[9-14]。

2 多能源微电网规划与运行模型

2.1 净现值 (Net Present Value, NPV)法

为衡量多项目建设的经济性和合理性，研究中通常以净现值(Net Present Value, NPV)为指标对多所建设的项目进行衡量。假如净现值为正值，则表明项目收益为正，项目值得投资；假如净现值为负值，表明项目收益为幅值，项目应该予以撤除[15-16]：

(10)

2.2 目标函数

采用该方法，该项目目标函数为净现值最大：

(11)

(12)

(13)

(14)

(15)

(16)

(17)

(18)

(19)

(20)

(21)

2.3 约束条件

多能源微网在运行中主要满足各个单元的容量约束，电热冷功率平衡，分布式电源、储能的运行约束以及系统安全运行约束等。

(1)各单元容量约束

(22)

(23)

(24)

(2)微电网内的冷热平衡约束：

(25)

(26)

(3)联产、电热/冷转换元件功率及爬坡约束：

(27)

(28)

(4)储能 (电热冷储能) 功率、容量、充放状态及调度周期始末能量约束 (统一表示)[17]：

(29)

(30)

(31)

(32)

式中(29)～式(32)中ES下标为统一化代表电热/冷储能；EESmax和EESmin分别为储能容量的最大和最小值；PESmax和PESmin分别可控微电源有功出力上下限；γEC和γED储能系统的充放(吸放)状态。其中，式(18)考虑了储能的周期性优化，以保证微网的每个周期的运行计划中储能设备具备相同的初始条件。

(5)新能源资源约束[18]：

(33)

该公式表示网内的新能源发电单元如风机和光伏，其电能出力要低于实际的风光资源。

3 系统求解方法

由于冷热电联供系统的电效率为其电出力的非线性模型，因此燃料成本[式(15)]为非线性函数。同时，可控微电源的启停成本含有max函数[式(20)-式(21)]，因此该成本也是非线性的。针对非线性函数进行线性化处理如下：

3.1 燃料成本函数线性化

燃料成本的函数如图2所示。

图2 线性化示意图

本文用分段线性化的模型进行线性化如下：

(34)

(35)

(36)

(37)

(38)

3.2 启停成本线性化

启停成本线性化在最小化成本/最大化收益的条件下，其线性化只要将max函数拆开即可：

(39)

(40)

(41)

(42)

经过线性化处理，本文模型为混合整数非线性规划(Mixed Integer Linear Programming, MILP)模型。采用基于Matlab的Yalmip软件调用Cplex求解器进行求解,以获得较好的运算效率以及仿真结果。

4 算例分析

4.1 多能源微电网参数配置

本文对基于中国北方某地区的并网型多能源微电网进行调度仿真。多能源微网结构如图1。项目周期为15年，利率为6%，选取三个典型日负荷(过渡季节，夏季和冬季)及风电出力来代替全年的负载状态和新能源出力水平(如图3)[10-12]。

图3 风机、光伏、电冷负荷日前预测值[10-12]

在典型日的调度中，日前调度周期为24小时，单位调度间隔为1小时。微电网内其他元件的参数(单位安装成本和储能运行参数等) 见表1、表2。

表1 各元件安装参数

表2 储能系统运行参数

同时，交互电价采用实时电价，数据如图4。

图4 实时电价曲线[11]

微电网内部负荷定价和污染物排放如表3。

表3 微网其他元件运行部分参数

4.2 微电网最佳容量配置结果

该仿真算例下各个元件安装容量配置如表4。

表4 分布式电源配置结果

同时，三种典型网内多能源平衡情况如图5所示。

图5 各个季节下网内的电热冷负荷平衡状态

由图5可知，在得到网内各微电源的最佳容量配比后，各元件在各季节下协调运行以实现多种能源协同调度。(1)由于新能源补贴，风机光伏的安装容量尽量能够消纳全部的新能源资源。其中，由于风机单位容量固定，因此在风机安装成本和运行收益权衡下，系统选择安装2台风机并在部分时段存在风电的舍弃；(2)由于联产机组是系统冷热电生产的核心部件，因此，联产系统容量较大，一方面供应网内的电负荷需求，同时废热回收利用以提高能源利用效率并降低能源供应成本；(3)电储能在电价较低的时候充电，电价较高的时候放电，电储能的充放电使得系统的电负荷波动得以减小，较小的负荷波动可以保证电力系统经济运行和频率稳定，并储能实现了网内负荷的削峰填谷。而同样在电价的引导下，电锅炉和电制冷机通过实现电热/冷转换以增加电热冷能源之间的协调，从而降低网内综合能源的成本。最后，热冷储能主要配合网内的电锅炉/电制冷机以实现其灵活调度(即联产机组无需按照以热/冷定电的策略，多余热/冷能可存到冷热负荷中)，进一步降低成本。

经仿真，本文算例多能源微电网的最终净现值为 MYM1.420 M，净现值为正则表明项目值得建设。同时，本模型的求解时间只有3.2分钟，相对于15年的项目，该时间较短，表明模型效率较高。

4.3 调度策略对比

为了进一步验证本文优势，本文与传统分产微电网模型进行比较。传统的分产微电网电热/冷之间相互独立，即不存在冷热电联产机组及电热/电冷转换单元，电能完全由风机，光伏，电储能和大电网交互功率满足；热能由燃气锅炉和热/冷储能满足。

燃气锅炉的相关参数如表5所示，同时，燃气锅炉在规划的同时认为其单位容量无限小。

表5 燃气锅炉参数

经仿真，分产系统下各单元容量规划结果如表6所示：

表6 分产系统容量优化结果

由表6可知：同样由于风机单位容量的限制，分产系统在优化风机容量时，仍旧最大化利用风电资源的时候允许存在一定的弃风；而由于光伏在容量调度上的灵活性，因为光伏容量仍旧跟踪网内的最大太阳能资源；同时由于分产系统中热负荷的供应主要依靠电锅炉燃烧天然气，因此容量相对较大。

本文分产微电网的净现值为0.972 M, 相对本文多能源微电网净现值要低。这是因为缺乏电热冷协调单元，分产微电网难以实现多种能源之间的相互协调调度，且燃气锅炉在供用冷热能源时相对于联产系统的能源梯级利用效率较低，消耗天然气较多，因此分产系统成本较高，最终项目收益较低。

综上，与传统的分产微电网相比，本文所提的多能源微电网能够在合理配置各单元的基础上，实现微网较为经济地运行，并实现多能协调。

5 结束语

本文基于多能源微网内各分布式单元及其负荷特性，建立了最优的容量规划和经济运行模型。通过对多能源微点网测试系统进行算例分析，验证了本文所提多能源微电网规划和运行模型和算法的有效性。所得结论如下：

(1)较好的容量配置可以减少微电网的总成本，从而提高网内净现值；

(2)多能源微电网内的电热冷协调单元能够实现能源的梯级利用，从而大大提高总体能源的利用效率，并且降低网内的运行成本；

(3)发展多能源微电网能够提高网内的能源利用效率并促进收益。

同时，多能源微电网存在并网和孤岛运行两种方式，进一步对孤岛型多能源微网进行容量规划和经济调度将会是下一步的研究方向。