综合负荷聚合商多目标优化方法

（山西大学 电力与建筑学院，太原030013）

随着化石燃料的枯竭和环境污染问题变得更加严重，当前重要任务是推动能源转型。能源互联网可以将各种能源的生产、传输、存储和消费高度结合，将推动能源利用朝着优化结构、提高效率、节能减排的方向发展[1]。随着分布式电源、能量转化装置以及储能技术的发展，综合能源系统在能源互联网的发展中得到了越来越广泛的应用，通过整合多种能源，实现多种能源的转化和分配，提高了能源系统的整体效益，降低了供能成本，提高环境效益[2]。

传统的用户侧微网容量最优配置仅考虑电能的使用，未涉及能源的耦合与多能互补协调运行[3]。在综合能源系统背景下，在用户侧建立小型分布式综合能源聚合商，如建立区域综合能源系统，综合能源供用单元将是未来发展和研究的重心[4-5]。在用户侧建立综合负荷聚合商，通过各个能源设备运行和调度，实现各种能源的协调优化，满足多能源用户的需求，使得能源的综合利用率得到提高。

关于能源互联的优化配置和运行方法，已经有了很多研究。文献[6]研究了风光互补发电系统，建立单目标优化方程，分别对独立运行和并网时风力发电、光伏发电和蓄电池的容量配置进行优化。文献[7]根据用户侧电热冷负荷互补特性，以经济成本最小为规划模型，建立用户侧多能互补的最优配置规划方案。文献[8]以经济成本最小为规划模型，建立多个分布式设备互联和电热冷负荷协调运行的规划方案。文献[9]考虑可再生能源消纳，提出含电转气技术的综合能源系统模型，充分利用气电互联特性，建立综合能源系统最优调度模型。文献[10]设计了“源-网-荷-储”协调优化的能源互联网基本架构，建立多目标优化模型，提出系统的优化配置及运行策略方案。文献[11]同时考虑设备配置优化和运行调度，充分利用可再生能源对储能进行优化，提出了用户侧能源系统配置和优化调度联合规划方案。文献[12-13]提出包含电热储能系统的容量配置方案，构建了配置与运行相结合的综合能源系统优化配置模型。综上，较少文章涉及含电热气负荷和储气的多能系统配置和运行联合优化，因此本文提出一种在用户侧建立区域综合能源系统的方案，根据用户的用能特性，选择分布式设备，并建立多目标优化模型，以综合成本和碳排放量为目标对容量配置和调度运行策略进行优化，通过非支配排序遗传算法求解，最终提出一种综合负荷聚合商最优化配置和运行方法。通过优化能源配置和调度运行降低自身能源购置成本增加可再生能源消纳量，同时减少碳排量。

1 综合负荷聚合商规划方案设计

1.1 综合负荷聚合商基本结构

本文构建的综合负荷聚合商结构如图1所示，包含电热气储能装置以及多种能源环节：光伏发电机组（photovoltaic generation，PV）、热电联产机组（combined heat and power，CHP）、电转气（power to gas，P2G）和燃气锅炉（gas boiler，GB），综合负荷聚合商可以实现能源的生产、传输、转换和消费，同时也连接能源供应商与用户负荷，通过系统多能耦合装置满足用户用能需求。终端用户包括电热气负荷等。电负荷由PV、CHP、外购电和电储能满足，热负荷由CHP、GB 和热储能满足，气负荷由外购气、P2G和储气设备满足。

图1 综合负荷聚合商配置结构Fig.1 Configuration structure of comprehensive load aggregator

1.2 内部元件建模

1.2.1 分布式发电

文中新能源发电主要是光伏发电。光伏出力可表示为[14]

式中：Pt，PV为时刻t光伏出力；N为光伏板的数量；ηPV为光伏逆变器转化效率；Rt为时刻t 的太阳辐射强度；RS为标准条件下的太阳辐射强度；PS为光伏板在标准条件下的额定功率；Tt为时刻t 的环境温度；Ts为标准条件下温度为25 ℃；标准辐射度为1000 W/m2；CT为光伏发电温度系数。

1.2.2 能量转化装置

能量转化装置输入输出关系可统一描述为

式中：Pt，out和Pt，in分别为时刻t能量转化装置输出和输入的功率；η为能量转换效率。文中电转气、燃气锅炉、热电联产产热和产电的转换效率分别为60%、75%、35%和35%。

1.2.3 储能装置

本文电储能采用蓄电池，热储能采用储热水罐，天然气储能采用高压储气罐。储能装置模型为

式中：j表示能源设备类型；i表示能源类型；Wt为单位时间储能装置的能量；σ为自损耗系数；ηc和ηd分别为储能装置的存储能量的效率和放能的效率；Pt，c和Pt，d分别为单位时间储能装置存储能量的功率和放能的功率；Δt为单位时间间隔。

2 综合负荷聚合商多目标优化模型

2.1 目标函数

2.1.1 经济优化模型最优规划配置的经济目标是使综合负荷聚合商总成本C 最小，包括折旧成本Cd、运行维护成本Co和能源成本Cen。

式中：j表示能源设备类型；i表示能源类型；c表示设备容量；v表示单位容量投资成本；r表示年利率，取6%；Y为预估的设备使用寿命；β为单位运行维护成本；Pt，out为时刻t 设备输出功率；C为单位功率能源的购买价格；Pt，buy为时刻t 购买的能源功率。

2.1.2 环境优化模型

对环境影响最大的是CO2的排放量，因此综合负荷聚合商最优规划配置的环境目标是使CO2的排放量最小。CO2的排放量包含从燃气公司购买天然气的等效碳排放量和从电网购电的等效碳排放量。

2.2 约束条件

2.2.1 供需平衡约束

2.2.2 设备容量约束

能源设备的装机容量必须大于或等于额定容量。

2.2.3 储能装置运行约束

式中：Cj，i为储能装置的容量分别为储能的上限和下限分别为蓄能功率的上限和放能功率的上限分别为0-1变量，决定储能装置是储能状态还是放能状态或者不运行。式（18）表示在每个周期起始时刻储能装置存储的能量是一致的。

3 求解方法

改进的非支配排序遗传算法（NSGAⅡ），提出了快速非支配排序算法，可以直接求出多目标优化问题的非劣解集，采用拥挤度和拥挤度比较算子进行选择性排序，引入精英策略，更有利于保持好的个体及加速向Pareto 前沿收敛[16]。因此本文采用非支配遗传算法求解。具体的求解过程如图2所示。利用NSGAⅡ求出Pareto 前沿后，建立传统供能方式的总成本和碳排放量正交，确定Pareto 前沿最优解范围，从而选取最优解。

4 算例分析

4.1 参数设置

针对提出的模型和算法，本文以山西某地区为例，建立区域综合能源系统，该系统有电/热/气负荷需求。选取的时间段为1 天，单位调度时间Δt=1 h，用户典型日的电、气、热负荷数据如图3所示。冬季典型日光伏出力如图4所示。电价和天然气价格如表1所示。

图2 非支配排序遗传算法求解流程Fig.2 Non-dominated sorting genetic algorithmsolution flow chart

图3 用户典型日负荷数据Fig.3 Typical daily load data of users

图4 光伏输出功率Fig.4 PV output power

表1 电价和天然气价格Tab.1 Electricity price and natural gas price

本文对比了3种不同的综合负荷聚合商方案，方案1是传统的供能方式，用户电能由电网提供，电用户热能由热泵提供，天然气负荷由天然气网满足。因此仅包含变压器和电热泵2种类型的能量转换装置。方案2 仅有热电联产装置不包含P2G，含变压器、燃气内燃机和燃气锅炉3种类型的能量转换装置，内燃机和电网提供电能，天然气负荷由天然气网提供，内燃机和燃气锅炉提供热能。方案3是由各种分布式设备构成的综合负荷聚合商模型。各设备的参数如表2所示，各储能元件参数如表3所示。P2G 运行成本中，P2G 运行参数参考文献[17-18]，生成单位天然气所需CO2系数α=0.2 t/（MW·h），CO2价格系数CCO2=90 美元/t，额定容量0.5 MW，日均投资成本1400 美元。

表2 设备参数Tab.2 Device parameters

表3 各储能系统参数Tab.3 Parameters of each energy storage system

4.2 算例结果分析

三种不同场景的优化结果，总成本和环境效益比较如表4所示，方案1 选择的设备最少，投资成本最低，但是能源成本比较高。方案2 因为热电联产减少了运行维护成本。方案3 因为选择的能量转化装置类型最多，以及目前P2G 的投资成本较高，所以方案3 的投资成本和维护成本比方案1 和2都高，但是能源购买成本最低，总成本最少，碳排放量最小。因此，本文提出的综合负荷聚合商模型比传统的供能方式和只有热电联产的系统具有更好的经济性和环境效益。

表4 三种不同方案比较Tab.4 Comparison of three different schemes

所提出的综合负荷聚合商模型的各设备运行调度如图5所示，从图5（a）中可以看出，在电价低谷时段01：00—07：00 和23：00—24：00，此时没有光伏发电，用户用电负荷由CHP 供电和电网满足，储电设备不工作。时段07：00—16：00 光伏发电，用户用电由光伏发电和CHP 共同满足，蓄电池进行电能存储，电转气将多余的电能转换为天然气，充分利用光伏发电。在电价峰时段19：00—22：00，向电网购电的价格高于热电联产机组运行成本，因此CHP 设备以额定功率运行发电，减少系统购能成本，蓄电池开始放电，此时用户用电负荷由CHP 机组、蓄电池和向电网购电满足。

从图5（b）中可以看出，在电价低谷时段01：00—07：00 和23：00—24：00，CHP 供电成本高于向电网购电成本，热负荷主要由燃气锅炉供给，不足的部分由CHP 供热满足，此时储热设备开始蓄热。时段07：00—16：00 光伏发电，因为热电联产电热耦合，此时要减少CHP 供电，燃气锅炉以额定功率运行，不足的部分由CHP 满足。在时段17：00—22：00，电价为峰时段和平时段，CHP 输出电功率增大直到以额定功率运行（输出热功率也增大），热负荷不足的部分由储热设备放能和燃气锅炉共同供给。

从图5（c）中可以看出在气价低谷时段01：00—07：00 和23：00—24：00，用户需求由向上级气网购气来满足。时段07：00—16：00 光伏发电，电转气将剩余的电能转换为天然气供用户使用，并且进行天然气存储。在气价峰时段19：00—22：00，储气设备放气，用户消耗的天然气由上级气网和储气设备放气共同满足。

图5 场景3 各设备出力情况Fig.5 Output of each equipment of scenario 3

5 结语

本文通过对综合负荷聚合商建立包含系统综合成本最小和碳排量最小的多目标优化调度模型，利用非支配排序遗传算法求非劣解。并且通过山西某地区实例对所提方法进行验证，算例结果表明提出的综合负荷聚合商配置模型可以使用户侧综合成本降低，碳排量减少。在分时电价作用下，综合负荷聚合商实时调控购能策略以及各分布式设备运行调度，实现多能互补和能量梯级利用。由于储气装置和P2G 的应用，有效增加了可再生能源的消纳，缓解了高峰时段的供电压力，降低了能源成本和碳排放量，同时提升了系统的灵活性和可靠性。