考虑能源互联的城市电网多能源协调调度方法研究

鄂志君，张长志，杨帮宇，赵 毅，刘 伟

（1.国网天津市电力公司，天津 300010；2.国网天津市电力公司电力科学研究院，天津 300384）

随着综合能源技术的发展，城市电网由单纯供电逐步转向以电为主，同时包含水、热、气等的多能源供应形态，不同能源在生产和消费之间具有耦合关系[1]。如何对这些能量耦合元件进行调度，以实现最大经济效益、最大环境效益、最大新能源消纳等目标，成为大家广泛关注的问题。

在考虑能源互联的综合能源调度方面，已有相关研究成果。如文献[2]在区域综合能源系统中考虑电热气冷子系统协调运行多场景优化，建立多时段、多场景运行模式的优化分析模型和求解方法。文献[3]建立了基于IBM模型的综合能源系统仿真方法，并对综合能源系统中的各种故障进行了仿真。文献[4]基于对热、电联产机组CHP（combined heat and power）的建模，以在电力市场管制放松的情况下，将供热和电力净收购的总成本降至最低为优化目标，建立了由能量平衡和约束组成的系统控制与运行规划模型。文献[5]基于“电网公司-售电公司-用户”的三层市场结构，考虑多类型能源供应形势，提出基于多代理服务的售电公司日前小时电价风险决策方法。文献[6]则以风电最大消纳为目标函数，分析了传统“以热定电”和热、电综合调度两种模式下综合能源系统对风电的消纳能力，并对我国北方如何减少弃风量提出建议。

目前，学者主要研究的综合能源系统为范围相对较小的区域级综合能源系统，对于更大范围的城市级综合能源系统管理策略则缺少针对性的研究。本文从能源互联网角度出发，针对可再生能源渗透率较高的城市电网优化运行调度问题开展研究，提出一种城市电网多能协调智的能管理方法。该方法考虑系统中各类设备的运行约束和供能网络安全运行约束，以对综合能源系统中的负荷和可再生能源等不确定性元件的出力预测为基础，建立了城市级综合能源系统日前优化调度模型，并利用基于交替方向乘子算法进行模型求解。

1 能源互联网下城市电网的综合管理结构

城市能源互联网是以高级量测系统、自动控制系统、互联网系统及新型管理系统为基础，多种能源通过各种耦合元件进行纵向和横向交互，各类设备之间的信息交互频繁进行的区域性的能源管理平台[7]。在城市能源互联网将各类能源通过功能系统，即供冷网络、供热网络、供电网络、燃料运输网络以及交通系统汇集在一起，构成了城市能源的基本架构。本文主要以供热和供电系统为例进行分析。

在含有大量间歇性可再生能源发电的电力系统中，如继续采用传统的仅依靠发电侧的自上而下的电网调度方式，难以实现新能源的充分合理消纳，也会降低发电设备运行效率。因此，本文提出了多种能源在输配电网间的纵向互动调度模式，基于智能电网高级量测与控制体系，在电网各层调度机构间协调分布式电源和集中式电源的可调度资源，实现分布广域的输电网和配电网之间的纵向互动，以取得安全、经济与环境效益的最优。这种输配电网间的纵向互动调度模式如图1所示。

图1 输配电网间的纵向互动调度模式Fig.1 Vertical interactive dispatching mode between transmission and distribution networks

城市电网分层交互是通过负荷曲线的上报和下达来实现，并根据自身的负荷和分布式电源发电情况内部进行平衡，以达到平滑负荷曲线的目的。根据平滑结果将负荷曲线上报给电网调度中心，电网调度中心在输电网层面上，依据设定的标准决定是否采纳各区域电网申报的负荷曲线。如果不采纳，则需对负荷曲线进行修正并重新传输到调度中心进行复核；直至调度中心采纳，负荷曲线才可以发布。

2 城市电网多能源协调调度策略

2.1 含间歇性能源的热、电日前协调调度模型

在含高比例可再生能源发电机组的电力系统中，由于可再生能源固有的不确定性，需要其他能源来弥补[8]。电力系统中的储能装置、热泵、蓄热锅炉等设备可以通过蓄能实现调节[9]。不同于传统增加旋转备用容量来消纳新能源的方法，本文充分利用可调发电机组的调节能力和储能设备减小可再生能源波动对于电网的冲击，通过合理的资源配置满足鲁棒性和各种极端场景的要求。

1）目标函数

本文构建的考虑多能互补的综合能源系统优化调度模型以预测场景下系统满足热、电供应的成本最小作为目标函数为

（1）系统购电和购热成本为

（2）系统发电和发热成本为

式中：m为发电设备的编号，包括火电及可再生能源发电等类型的设备；为发电设备i的发电成本，ai、bi和ci分别为该机组的发电成本系数，本模型用二次函数表示，为第i个发电设备在第t时段的发电量；CPss,i为第i个发电设备启停成本，对于可再生能源等发电设备，其值为0；为发电设备i在时段t的启停状态，0表示设备停机，1表示设备正在运行。

式中：n为发热设备的编号，包括微燃气轮机、热泵、蓄热锅炉、燃气锅炉等类型的设备；CHss,i为第i个发热设备的开停机成本；为第i个发热设备在时段t的启停状态，为布尔型数据，0表示停机，1表示运行；为第i个发热设备的发热成本，di，ei和fi分别为该机组的成本系数，为第i个发热设备在第t时段的发热量。

2）模型约束条件

在模型中仅考虑热网与电网之间的耦合互补。因此对设备的准稳态模型及电和热能量平衡做如下修正。

（1）系统任意时段的电和热平衡约束为

（2）由于考虑可再生能源的充分利用，需要一定的旋转备约束，其表达式为

式中：Gcon为除了可再生能源机组之外的所有机组；Gren为可再生能源机组，如风机等；Rt为系统时段t的旋转备用需求。

（3）输电线路容量约束为

式中：Gall为系统内所有机组的集合；为机组g的发电功率；γgj为机组g在线路j上的功率分布因子；Lj为线路输电流量限制。

（4）机组出力和爬坡约束为

式中：Qgmin和Qgmax分别为系统中机组g的最小、最大发电功率；rg,up和rg,down分别为机组g的向上和向下爬坡率。

（5）蓄热锅炉储热量约束为

（6）电锅炉功率约束为

（7）储能系统的荷电状态也应在合适的范围之内，即：

式中：SOC为储能装置荷电状态；SOCmax和SOCmin分别为储能装置荷电状态的上、下限。

2.2 基于交替方向乘子算法的模型求解

由于综合能源调度模型约束较多，在用二次惩罚来近似约束时在最优点附近需要惩罚项的系数趋近于无穷，会使得海森矩阵很大，目标函数容易出现不稳定情况。为了解决上述问题，本文引入交替方向乘子ADMM（alternating direction method of multipliers）算法[10]，将城市多能源协调调度问题分解为电力系统优化和供热系统优化两个子问题，通过两个子问题之间的信息交换，最终实现电力网络和热力网络的整体协调优化。其中两个子问题的目标函数仍为总运行成本最低，不进行信息交换的时段电力系统和热力系统分开调度，分开调度与信息交换不断迭代，最终实现协同优化。

在电力系统优化子问题中，还应考虑燃气轮机等电热耦合元件的约束。电网优化子问题的目标函数可以表示为

在热力系统优化子问题中，同样也应考虑各类电热耦合元件的约束。则热力系统优化子问题的目标函数可以为

以式（15）和式（16）组成子问题的多目标函数，将式（6）～（14）作为约束条件，可将多能源调度问题转换为典型的ADMM优化问题，表现形式如下：

采用ADMM算法求解过程中，两个子问题的求解是分开求解的，子问题之间的信息交互则发生在某一个子问题求解结束之后。子问题之间交换的信息为两个子问题耦合的部分，对于城市综合能源系统一般则是热、电耦合元件的运行状态，一个子问题求解结束后将得到的电热耦合元件的运行状态信息传递到另一个子问题中作为已知量，如此不断循环迭代直至收敛。具体求解方法详见文献[10-11]，本文所述模型的求解流程如图2所示。

图2 基于交替方向乘子算法求解多能源协调问题流程Fig.2 Flow chart of solving the multi-energy coordinated dispatching problem based on ADMM algorithm

3 算例分析

以某城市2019年电网运行数据为例进行分析，电网的能源结构如表1所示，具体的网络拓扑结构详见文献[12]，通过上文所述热、电日前综合调度模型，并应用交替方向乘子算法进行求解。

表1 电网各类电源容量占比Tab.1 Power supply capacity ratios of power grid

首先基于文献[13]所给方法进行日前负荷预测，并基于历史统计数据分析新能源出力变化及各时段新能源出力占比，得到各个时段各类能源机组出力情况。考虑各类电源的发电成本，风电和光伏将实行最大发电，负荷的规律性变化主要由火电机组和水电承担，其中火电机组中燃气由于发电成本较高，作为主要调峰机组。

随着可再生能源装机的增加，以及购电价格的市场机制变化，系统源网荷多方面的不确定性均将对运行结果产生影响。当可再生能源增加50%，系统负荷波动增加30%但所有供热均可由热电设备供应时，城市电网可再生能源发电预测及负荷需求曲线如图3所示。其中由于可再生能源的增加，导致火电和水电均参与电源波动的调节，同时通过蓄电和蓄热等减缓负荷的波动。充分考虑能源互联情况下电源的合理匹配及不同类型能源之间的转换，可最大化的减少调度成本。

图3 不同类型综合能源设备的出力情况Fig.3 Output from different kinds of integrated energy equipment

表2为不同渗透率下基于交替方向乘子算法的风险备用率及各种运行成本分析。由表可知，随着可再生能源的增加，新能源波动更强烈，所需系统预留备用率更高，风险成本效益随渗透率增加而显著增加。在调度过程中若不充分考虑新能源波动的影响，将导致弃风∕光量和切负荷量发生几率增加，风险成本剧增。由于可再生能源的发电成本远小于火电及燃气机组，新能源出力上升，在负荷保持恒定时代替部分常规机组出力，导致煤耗、气耗量同步下降，综合效益随渗透率上升而明显上升。

表2 不同渗透率情况下的电网调度效果对比Tab.2 Comparison of power grid dispatching effects under different permeabilities

图4 不同可再生能源供电比例的社会购能成本Fig.4 Cost of power and heat purchased by the society at different renewable energy supply ratios

4 结语

本文从能源互联网的角度出发，建立了含大规模间歇性能源的热、电日前协调调度模型。该方法以多种能源在输配电网间的纵向互动调度模式，充分利用了电网中可调发电机组的调节能力和储能设备，以实现最优经济运行，并通过交替方向乘子算法对模型进行求解；为综合能源调度问题提供了一种新的思路。不同的电源类型结构，将会对调度及风险成本产生较大影响，多能源协调调度，可以减少城市电网的运行成本。