考虑电转氢气过程及综合需求响应的电- 氢- 气综合能源系统协调优化运行

降国俊， 崔双喜， 樊小朝， 左 帅， 郑 浩

（新疆大学 电气工程学院， 新疆 乌鲁木齐 830047）

0 引言

随着全球能源危机的日益加深，构建适合大规模可再生能源并网的能源系统已经势在必行。国内外学者提出了以电力系统和天然气系统为核心的现代能源系统 （Integrated Electricity Natural Gas System，IEGS）。

目前， 关于IEGS 的研究主要集中在协同规划及运行。 文献[4]设置了多种指标对IEGS 进行建模， 并以设备成本最小为目标函数进行优化，验证了电转气技术在提高负荷功率及减少弃风等方面的作用。文献[5]，[6]通过建立IEGS 协同规划模型， 验证了电转气技术的经济性和可行性。文献[7]将P2G 的反应全过程与微电网相结合，构建了含氢能与天然气的混合储能模型。 上述研究忽略了电转氢气这一中间过程。 虽然氢气难以大规模运输储存，但电转氢气具有更高的转换效率以及更广泛的工业应用，因此，本文构建了考虑P2G 全过程的电-氢-气综合能源系统（Integrated Electricity Hydrogen Natural Gas System，IEHGS），研究IEHGS 在可再生能源利用和减少能量损耗方面的价值。

1 电-氢-气综合能源系统运行特性

P2G 设备通过电解水产生H2与O2，H2与传统发电废气中的CO2制成人工天然气。 H2的大规模存储与运输难度较大，但其能量转化效率较高，为75%～85%。人工天然气能够通过天然气管道系统进行大规模储存和传输， 但其能量转换效率却只有45%～65%。 因此，本文将氢气转换效率高以及天然气能大规模储存的优点进行综合，建立电-氢-气综合能源系统。 氢氧燃料电池、燃气轮机和P2G 设备均为综合能源系统的能源耦合单元，用来完成电力系统、氢气系统、天然气系统之间能量的闭环流动。 电-氢-气综合能源系统能量流图如图1 所示。

图1 电-氢-气综合能源系统能量流图Fig.1 Energy flow diagram of electric-hydrogen-gas integrated energy system

由于H2负荷多用于工业生产，其生产时段较为固定，需求侧响应灵活度有限。 天然气负荷和电力负荷的负荷曲线以及峰谷时段不完全重合，可以通过电力系统、氢气系统和天然气系统之间的能量分配与转换，达到平抑系统负荷波动的目的。

2 电-氢-气综合能源系统的综合需求侧响应模型

本文采用价格型需求响应，通过电价或气价的变化引导用户自发地改变用能时段。 目前，关于综合能源系统需求响应的研究，基本忽略了需求侧的负荷替代作用，只强调耦合设备的负荷替代作用。 本文提出负荷替代系数，对电力负荷和天然气负荷的可替代负荷进行描述，从而充分利用需求侧的负荷替代作用。

实施需求侧响应后的电力负荷需求为

电力和天然气拥有相似的市场商品属性。 本文将天然气负荷类比价格型电力负荷， 天然气负荷与分时气价的关系在此不做赘述。

3 电-氢-气综合能源系统协调优化模型

3.1 目标函数

3.1.1 发电设备的运行成本

3.2 系统约束

天然气系统网络平衡约束、 天然气管道流量与压力约束、蓄电池约束、燃气轮机约束、电网运行功率约束、P2G 设备功率约束等见文献[4]。

3.3 用户满意度约束

用户满意度由购电满意度和购气满意度组成，其表达式为

5.2.3 环境卫生管理。食品收货区域地面、天花板、灭蝇灯、接收的容器、运输车辆、接收工具应定期清洁，保持干净无破损，并做好卫生巡检记录。

式中：Suser为总用户满意度；Sg，Se分别为用户的购气满意度与购电满意度；cg，shift为气负荷转移量；cg，all为 全 部 的 气 负 荷；ce，shift为 电 负 荷 的 转 移 量；ce，all为全部的电负荷。

满意度约束条件为

3.4 模型求解方法

本文所构建的电-氢-气综合能源系统协调优化模型，采用禁忌搜索算法与粒子群算法相结合的改进算法进行求解。粒子群算法在处理非线性优化问题时鲁棒性强， 拥有较低的初值要求，但局部搜索能力较差，容易陷入局部收敛。 禁忌搜索算法（Tabu Search Algorithm，TSA）拥有较好的局部搜索能力，但禁忌搜索算法的初值要求较高，而初值的选取直接影响计算效率。因此，本文将禁忌搜索算法与粒子群算法相结合，使得两种算法优势互补。模型求解首先基于综合需求侧响应策略，求得考虑需求响应后的能源价格变化及能源负荷变化。 接着基于响应后的系统负荷变化，利用改进的混合智能算法对协调优化模型进行求解。

4 算例分析

为验证本文提出的电-氢-气综合能源系统协调优化模型的合理性和有效性， 文中将9 节点电力系统与7 节点天然气系统进行结合， 加入燃料电池与储氢设备， 构建电-氢-气综合能源系统。 图2 为电-氢-气综合能源系统结构图。 图3为该综合能源系统典型日的预测风电出力及各负荷需求曲线。

图2 电-氢-气综合能源系统结构图Fig.2 Structural chart of electric-hydrogen-gas integrated energy system

图3 典型日的预测风电出力及各负荷需求曲线Fig.3 Forecasting wind power output and load demand curves on typical days

在图3 基础上， 执行文中提出的综合需求侧响应策略。将优化运行周期设为24 h，优化时段设为1 h。 将系统内的电价与气价，结合需求侧响应进行调整。 执行需求响应策略前后的电价与气价如图4 所示。

图4 需求响应前后能源价格变化曲线Fig.4 Energy price change curve before and after demand response

分别对比电价与气价变化曲线可知， 考虑需求响应之后， 电价与气价与系统负荷的变化趋势相呼应。 在天然气负荷高峰期（7：00-16：00），天然气价格较响应前相应地上涨， 经过自动需求响应， 引导用户在天然气负荷高峰期进行负荷转移或者利用电力负荷进行替代，继而实现对天然气负荷曲线“削峰”的作用。 在天然气负荷低谷期（1：00-6：00，17：00-24：00）， 天然气价格相应降低， 引导用户在此时进行可转移负荷与可替代电负荷的使用， 从而实现对天然气负荷曲线的“填谷”作用。 电力负荷变化与天然气负荷变化类似，同样对系统负荷起到了“削峰填谷”的作用。

图5 为需求响应前后电力负荷与天然气负荷的变化对比图。

图5 需求响应前后负荷变化曲线Fig.5 Load change curve before and after demand

由图5 可知，考虑需求侧响应之后，电力负荷与天然气负荷曲线较响应前更为平缓， 减小了供能系统在负荷高峰期的供能压力。 将负荷移动和负荷替代的作用最大限度的发挥出来， 实现负荷的削峰填谷。

通过考虑综合需求侧响应， 得出系统的能源价格变化与负荷变化，对综合能源系统进行优化。为了更好地分析和验证本文所提出的协调优化方案对电-氢-气综合能源系统的影响，本文设置以下3 种情景进行对比分析。 情景1：设置不考虑需求侧响应的电-气综合能源系统；情景2：设置不考虑需求侧响应的电-氢-气综合能源系统；情景3： 设置基于综合需求响应的电-氢-气综合能源系统。

在算例中， 天然气管道压缩机的压缩比上下限分别为2.0 和1.1。 天然气单价为2.64 元/m3，天然气热值采用39.5 MJ/m3。 利用改进的混合智能算法进行优化求解。 表1 为系统内各设备的计算参数取值。 表2 为3 种情景下各设备的运行成本及环境成本。

表1 算例计算参数Table 1 Calculating parameters of example

表2 系统运行成本及环境成本Table 2 System operation cost and environmental cost 万元

由表2 可知，情景1～情景3 的综合成本依次降低，说明在考虑电转氢气过程的基础上结合综合需求侧响应策略，能够进一步降低系统运行成本及环境成本。 情景3 的蓄电池运行成本以及P2G 设备运行成本均有所降低。 因为在消纳同等风电的情况下，P2H 设备将一部分风电转为氢气进行储存， 只将剩下的风电转为天然气， 因此，P2G 设备的整体成本降低，降低了48%。 考虑需求侧响应之后，更多的剩余风电被分配向能源利用率最高的电转氢气设备。因此情景3 的E2H 出力比情景2 的要高，而情景3 的H2G 出力比情景2 的出力要低。 燃气轮机与火力发电机组的运行成本，从情景1～情景3 逐步降低。

图6～8 分别为3 种情景下的系统出力图。

图6 情景1 的系统出力图Fig.6 System output diagram in case 1

图7 情景2 的系统出力图Fig.7 System output diagram in case 2

图8 情景3 的系统出力图Fig.8 System output diagram in case 3

由图6 可知， 风电在1：00-7：00，22：00-24：00 有剩余，由于蓄电池对电能损耗小，且充放电速率较高，优先对蓄电池进行充电。 同时，利用P2G 设备将多余的风电转换为天然气进行存储。在2：00-6：00，风电功率大于P2G 设备可以转换的最大功率，出现了短暂的弃风现象。在7：00，风力发电不再有剩余，且电力供应出现缺额，第一时间由蓄电池开始放电，8：00 启动燃气轮机进行电量补充。11：00 燃气轮机发电不足，启动火力发电进行电量补充。直到22：00 风力发电量再次大于负荷需求， 蓄电池开始充电。 由图7 可知，与电-气综合能源系统相比， 本文系统考虑了电转氢气过程。 由于电转氢气的效率要高于电转天然气， 所以多余的电量优先由E2H 设备转为氢气，一部分供给系统中的氢负荷， 一部分进行储存。当储氢设备达到额定容量， 启动氢气转天然气（H2G）设备将多余氢气转为天然气。 当电力供应出现缺额时，根据最大化消纳可再生能源的标准，按照蓄电池、燃料电池、燃气轮机、火力发电的顺序进行电量补充。与情形一对比可知，增加考虑电转氢气过程，使得风电利用更加高效。并且在同等负荷变化的情况下， 减少了5.03%的燃气轮机出力及6.94%的火力发电出力。 图8 为基于需求侧响应策略的电-氢-气综合能源系统协调优化运行出力曲线，各设备大致出力趋势与图7 类似，但是由于考虑了需求侧， 使得系统内的负荷曲线发生了如图4 所示的变化， 负荷波动减小且趋势变缓。 对负荷曲线的“削峰填谷”使得风电在发电高峰期有了更大的风电剩余量， 可供储能设备进行储能。 在风力发电低谷期，蓄电池、P2G、燃料电池和火力发电机组的出力压力也得到了缓解。 对比图7 可以看出，E2H 的出力变得更大，H2G 的出力相对而言变得更小。由于考虑了需求侧，转换效率更高的E2H 得到了更多的功率分配。 与此同时， 蓄电池的充放电峰值也得到了减小， 由19 MW 变成了16 MW。 火力发电电量减小了32%，提高了可再生能源利用率， 同时也减小了对环境的污染。

5 结束语

文中对基于综合需求侧响应的电-氢-气综合能源系统的协调优化问题进行了研究。 本文全面考虑电转氢气， 氢气转天然气的过程及综合需求侧响应， 建立以最小化系统运行总成本为目标函数的协调优化模型， 利用改进的混合智能算法求解。经过算例验证，该协调优化模型在最小化系统成本的基础上， 平抑了电力负荷与天然气负荷的波动， 提高了可再生能源利用率和系统的环保效益，满足目前最大化消纳可再生能源、减少化石燃料燃烧的发展要求。