电-气混合能源系统优化调度

吕 睿

（国矿业大学（北京）机电与信息工程学院 北京 100083）

1 引言

从上世纪80年代开始，随着许多发展中国家的崛起，能源短缺、环境污染、气候变化开始成为世界各国面临的主要问题，损害了人们的健康，制约了各国经济的发展，造成了巨大的经济财产损失。

电-气综合能源系统（IEGS）是一种以电力系统为主体，与天然气系统相融合的现代能源系统。国内外学者针对此系统已进行多方面研究，文献[1]在国际上首次提出了天然气网络的运行会也会对电力系统产生不可忽视的影响，因此两个能源网络需进行联合优化调度；文献[2]在国内较早地提出电-气混合能源系统联合优化调度方法，对我国电-气混合能源系统的研究具有深远的意义。前人的研究中对于电-气混合能源系统的分析计算方法主要可分为两类——统一求解法和顺序求解法。[3]本文将按照顺序求解法对电-气混合能源系统的优化调度问题的建模求解方法进行研究总结。

2 电力-天然气混合能源系统目标函数

电力-天然气混合能源系统的调度优化的目的是最大限度利用可再生能源，使得一次能源侧能源消耗最小化，主要有环境效益、经济效益及社会效益三部分。[4]

2.1 环境效益

主要内容是通过增加可再生能源在一次侧的能源比例，减少化石能源的使用，缓解能源危机；同时减少有害物质的排放，降低二氧化碳排放量，从而改善环境问题。该目标函数可表示为：

式中：T 为调度总时长；NG为热电联产机组总数；PGj,t为 t 时段内第j个热电联产机组输出的有功功率；QGrj,t为 t 时段第j 个热电联产机组的输出热量；aj、bj、cj为第 j 个热电联产机组的参数；NF为燃煤锅炉机组总数；QFj,t为 t 时统第 j个燃煤锅炉机组的输出热量。

2.2 经济效益

主要内容是在保证负荷侧能源需求的条件下，通过配电网、供热网络的能源共享以及削峰填谷安排合理的发电计划来实现成本的降低，降低发电成本，提高发电调度效益。该目标函数可表示为：

式中： FGcost为天然气热电联产机组运行成本，FFcost为传统燃煤锅炉机组运行成本。

3 电力-天然气混合能源系统约束条件

3.1 电力系统约束

目前，对于电力-天然气混合能源系统中电力系统约束的研究已经比较成熟，主要有机组运行状态约束，机组出力约束，机组爬坡约束，最小启停约束，电力平衡方程以及线路传输容量及节点电压约束。其中的具体公式可见文献[5]。

3.2 天然气系统约束

3.2.1 天然气潮流方程

不考虑节点气压的在时间上的耦合变化，稳态天然气潮流方程为

式中：gmn,t管道 mn 在时段 t 的天然气潮流，正负表示方向。

3.2.2 节点气压约束

式中：：πm,t为气网第 m 个节点在时段t 的气压；分别为第m 个节点的最小、最大气压值。

3.2.3 天然气平衡方程

式中：Lm,t为第 m 个节点的天然气负荷需求，包括节点所连燃气机组天然气负荷需求和其他用户的天然气负荷需求Qm,t；CP,m，CS,m，CU,m分别为第 m 个节点所连管道、气井和燃气机组的集合。

3.2.4 气井供气约束

式中：vminw和vmaxw分别为气井 w 的最小、最大供气量。[6]

4 电力-天然气混合能源系统稳态模型求解方法

4.1 遗传算法

遗传算法基于基因遗传学原理，以一个种群为研究对象，是一种寻求全局最优解而不需要任何初始化信息的高效优化算法。但实际应用中，在算法早期，可能会出现个体适应值远大于种群个体平均值的“超级个体”，使得种群多样性迅速下降并失去进化能力，算法过早收敛于局部最优解，无法跳出，不能找到全局最优解，需要通过人为添加扰动等方法，跳出局部最优的范围。

4.2 粒子群算法

粒子群算法是一种受鸟类觅食行为的启发而产生并发展起来的随机搜索算法。粒子群算法总目标的完成突出表现在多个个体行为过程，具有突出性；粒子群算法中的所有粒子都包含最优解的相关知识，能够完成进化并具有记忆功能，且具有自组织能力。但是当最大速度、加速系数等参数过大时，粒子群算法可能错过最优解，尤其在算法的早期，很容易出现精度过低导致的发散问题。

5 结语

本文所做的对电-气混合能源系统的建模求解方法的总结，是对目前研究IEGS优化调度问题的有益补充，为初次接触IEGS的研究者提供了研究IEGS优化调度问题的思路。下一阶段将重点研究如何改进各种算法，为解决IEGS模型求解问题提供更优的方案。