含冰蓄冷空调的CCHP微电网优化调度

王世萱, 朱 武

(上海电力大学 电子与信息工程学院, 上海 201306)

能源产业在全球范围内不断发展的同时,其消耗巨大、污染严重等问题日益凸显,调整现有产能方式并改善能源系统的节能和环保效益势在必行[1]。冷热电联供(Combined Cooling Heating and Power,CCHP)型微电网作为综合能源系统的基本物理实现,其内含CCHP单元,可依靠天然气、风能、太阳能和地热能等多类型能源输入进行电、热、冷等能源的梯级转换与输出。发展CCHP微电网是提高能源利用效率、减少环境污染的有效手段,对于实现多能协调互补与促进可再生能源(Renewable Energy Sources,RES)消纳具有重要意义。合理规划供能框架和制定优化调度策略是实现CCHP微电网高效、低碳运行的重要保障[2]。文献[3]构建了含多类型储能设备的能量优化模型,有效平衡了光伏出力波动性并降低了能量损耗及运行费用。文献[4]考虑了分时电价、环境效益等因素,以综合运行成本最低为目标实现了系统经济的优化。文献[5]提出了基于供需互动的实时调度策略,在保证经济性和环保性的同时提高了能源响应效率。文献[6]在CCHP系统中引入了冰蓄冷装置,并用算例验证了电储能与冰蓄冷系统的有机结合能够显著提高经济效益。本文采用含冰蓄冷空调(Ice-storage Air-conditioning,ISAC)的CCHP微电网产能结构,并综合考虑RES出力及分时电价的波动性,建立了计及运行成本、环保水平和RES消纳量等多个评价指标构成的多目标能量优化模型,最后通过算例对比验证了所选运行方案的有效性。

1 CCHP系统组成结构与设备建模

1.1 系统供能框架

CCHP在产能方案的选择上具有能量获取路径多样性及设备组成方式丰富等特点。不同负荷需求可由多种设备进行产供,而不同设备配置及调度策略的选择在具体负荷场景下将会发挥不同程度的影响,密切关系到系统的运行性能。本文研究的CCHP可实现并网运行,其中能源输入包括外部电网、天然气、风能、太阳能和地热能,能源输出包括冷能、热能和电能。网内包含的供能设备、能量流动和转换状态如图1所示。

1.2 系统各单元模型

1.2.1 CCHP单元

典型的CCHP单元包含微型燃气轮机(Micro gas Turbine,MT)、余热回收单元和吸收式制冷机(Absorption Chiller,AC)3个部分[7]。MT作为该单元的能量源头,可通过天然气获取电能并产生大量余热烟气,是实现冷、热、三联供与能源梯级利用的核心装置。CCHP单元制冷、制热功率与输出电功率之间的关系以及天然气消耗量的数学模型为

图1 CCHP系统结构示意

(1)

(2)

式中:QMT(t),PMT(t)——t时段MT余热功率和输出电功率;

ηMT,ηL,ηres——MT产电效率、散热损失系数和烟气回收率;

QMTC(t),QMTH(t)——t时段CCHP单元制冷功率和制热功率;

CMTC,CMTH——CCHP单元制冷、制热系数;

VMT(t)——t时段MT燃料消耗量;

LNG——天然气低热值;

Δt——单位时间时长。

1.2.2 燃料电池

燃料电池(Fuel Cell,FC)能够将燃料所具有效化学能直接转换为电能,其能量转化效率可达65%以上[8],同时具备噪声低、污染小、易于建设等特点。燃料电池消耗量模型为

(3)

式中:VFC(t),PFC(t)——t时段内FC燃料消耗量和输出电功率;

ηFC(t)——t时段内FC发电效率。

1.2.3 ISAC单元

ISAC单元集供、储、冷功能于一体,主要由制冷机组、蓄冷罐和空调末端等辅助设备组成[9],可通过夜间低谷段电力制冰储冷,并在供冷时段灵活选择单融冰供冷、单制冷或联合供冷模式以满足负荷需求,能够有效地提高经济效益,同时对于电网侧具有削峰填谷的作用[10]。其中,制冷机组工作的数学模型表达式为

(4)

式中:Pch(t),Qch(t)——t时段制冷机组用电功率与输出冷量;

FCOPch——制冷机组额定能效比;

a,b,c——动态能效比拟合系数。

1.2.4 热 泵

热泵可借助水、空气、土壤等获取低品位热能,并通过少量电力驱动产出高位热能[11]。该装置具有耗能少、效率高、使用寿命长等优点,是近年来倍受关注的新能源技术产物。其制冷(热)功率模型为

(5)

式中:QHPC(t),QHPH(t)——t时段热泵制冷功率和制热功率;

CHPC,CHPH——制冷、制热系数;

PHP(t)——t时段热泵用电功率。

1.2.5 储能单元

储能单元能够有效平抑负荷和RES出力的波动性,有利于实现能量缓冲与供需平衡,是CCHP的重要组成部分[12]。除ISAC单元内的蓄冷装置外,网内还配备储电和储热单元,它们在运行中具有相似的能量充放特征。其数学模型为

(6)

EES(t+1)=(1-τES)EES(t)+

(7)

式中:PES(t)——t时段储能单元功率;

PES,in(t),PES,out(t)——t时段能量输入功率和输出功率;

EES(t)——t时段储能单元能量值;

τES——储能损失系数;

ηin,ηout——能量的输入和输出效率。

2 CCHP系统优化调度模型

2.1 目标函数

CCHP优化调度旨在满足供需两侧各单元运行特性、交互功率等约束下使系统的特定目标或综合效益达到最优。

考虑分时电价和气价,并计入碳排放惩罚费用和RES发电补贴,建立以综合运行成本最小为目标的优化模型为

Cgrid(t)+Ccarb(t)-Csubs(t)]

(8)

式中:f,T——系统综合运行费用和运行周期总时段数;

Cgas(t),Com(t)——t时段燃料成本和运行维护成本;

Cgrid(t),Ccarb(t)——t时段电网购电费用和碳排放惩罚成本;

Csubs(t)——t时段RES发电补贴。

2.2 约束条件

2.2.1 功率平衡约束

电平衡、冷平衡和热平衡约束分别为

PMT(t)+Pgrid(t)+PBS(t)+PFC(t)+

(9)

QMTC(t)+QHPC(t)+Qch(t)+

QCS(t)=Qc,load(t)

(10)

QMTH(t)+QHPH(t)+QHS(t)=

Qh,load(t)

(11)

式中:Pgrid(t)——电网交互电功率;

PBS(t)——储电单元充放电功率;

M——RES机组数量;

Pload(t)——电负荷预测值;

Qh,load(t),Qc,load(t)——热、冷负荷预测值;

QCS(t)——蓄冷罐蓄放冷功率;

QHS(t)——储热单元蓄放热功率。

2.2.2 机组出力约束

(12)

2.2.3 电力交互约束

(13)

2.2.4 储能单元约束

(14)

Uin(t),Uout(t)——储放能状态。

2.3 模型求解算法

粒子群优化算法(Particle Swarm Optimization,PSO)具有应用范围广、收敛速度快等特点,是优化模型求解的常用方法。但标准PSO在优化过程中存在早熟收敛和易陷入局部极值等问题[13]。为了平衡PSO的全局探测和局部开采能力,本文采用变惯性权重的改进PSO进行求解。改进PSO算法流程如图2所示。

图2 改进PSO算法流程示意

其惯性权重因子在迭代寻优过程中的表达式为

(15)

式中:ωmax,ωmin——权重的上下限;

Nmax,N——最大及当前迭代次数。

为了验证改进PSO的优化性能,以Ackley函数进行寻优能力测试,其收敛曲线对比如图3所示。

图3 收敛曲线对比

由图3可知,变惯性权重的改进PSO能够提升算法的收敛速度和寻优能力。

3 算例分析

3.1 基础数据

本文以夏季某园区并网条件下CCHP微电网为例进行分析。网内供能设备包括 CCHP单元、ISAC单元、风电(Wind Turbine,WT)机组、光伏(Photovoltaic,PV)发电机组、热泵、FC和储能单元。为了充分发挥清洁能源的优势,提高RES消纳量,采用RES优先出力并以最大功率输出模式运行。算例其余条件如下。

(1) 优化模型以1个典型日为调度周期,调度间隔时长为1 h。WT和PV出力及冷、热、电负荷预测曲线如图4所示。

(2) CCHP微电网各单元运行参数如表1所示。其中,Pmax和Pmin为设备功率的上下限,com为设备单位维护成本。

(3) 采用分时电价模式,且不考虑CCHP向电网售电。时段划分和分时电价如表2所示。天然气的单价为2.95元/m3,低热值LNG为9.7 kWh/m3。

图4 风、光出力及负荷预测曲线

表1 CCHP设备运行参数

表2 时段划分和分时电价

(4) 算法参数选取如下:种群规模为100,最大迭代次数为200,加速度值为0.2,惯性权重起止数值分别为0.69和0.77。

3.2 优化结果分析

为了证明不同调度策略对于系统RES消纳能力以及经济性的优化作用,本文将按照RES优先满足电负荷需求和RES优先满足冷热负荷需求的两种运行策略进行求解,记为方式1和方式2,并分析对比其结果。CCHP微电网在两种策略下的具体运行方案如下。

3.2.1 RES优先满足电负荷

在该调度策略下,PV和WT出力首先用于满足用户电负荷需求,其余电能缺额通过MT和FC出力或从大电网购电进行电量补充。由于CCHP微电网内存在多能互补和耦合,MT发电情况将跟随冷、热负荷需求进行调整,避免能量过度损失和浪费。此外,MT运行过程中产生的废热可满足部分热能需求同时借助AC供冷,其余冷、热能缺额可分别通过ISAC单元和热泵进行能量补充。RES优先满足电负荷优化调度结果如图5所示。

图5 RES优先满足电负荷优化调度结果

在供电工况下,各设备出力如图5(a)所示。其中综合电负荷指用户电负荷与网内用电量之和,网内电负荷包括ISAC单元与热泵供能用电。为降低大电网并网压力和碳排放惩罚费用,PV,WT,MT出力后电能缺额首先由FC进行发电补充,若需求超过FC功率上限,再从电网购电。在电价峰时段,由于处于负荷峰时段的MT功率较大,FC出力能够满足剩余电量缺口,在22～23时间段内FC出力达到上限,此时从电网购电正处于电价谷时段,因此能够有效降低购电成本。

在供冷工况下,各设备出力如图5(b)所示。AC不能满足冷负荷需求的部分由ISAC单元供应。1～9时段的电价和冷量需求处于谷时,ISAC单元在夜间制冰储存冷能,并在负荷峰时释放以缓解需求压力,同时降低运行成本。此外,结合图5(a)可知,ISAC单元制冰使得综合电负荷升高,从而促进了RES消纳,对于提升系统运行环保性具有积极作用。由于夏季园区冷能用量较大,所以制冷机组一直处于运行状态可以平衡供冷需求。

在供热工况下,各设备出力如图5(c)所示。夏季热负荷较低,在热负荷谷时段,MT产电余热能够满足热量需求,热能过剩部分可通过储热单元进行存储。在热需求峰值时段,优先通过储备热量进行补充,不足部分采用地源热泵制热填补差额。

3.2.2 RES优先满足冷热负荷

在该调度策略下,PV和WT出力优先满足冷热负荷用电需求。此外,MT首先计划保持恒定功率运行,若RES出力不能满足冷热能供应,则根据能量缺额增加MT输出功率,进而根据负荷量相应调整FC和ISAC单元、热泵和储能单元出力以及购电量,以满足用户侧需求。RES优先满足冷热负荷优化调度结果如图6所示。

图6 RES优先满足冷热负荷优化调度结果

在供电工况下,各设备出力如图6(a)所示。由于调度策略的改变,MT出力减少,使得多能互补能力下降,网内用电量增加。在电负荷峰时段,FC以最大功率运行,且系统购电量相较于方式1明显增加。

在供冷工况下,各设备出力如图6(b)所示。ISAC单元在电价谷时段的蓄冷模式不变。由于MT出力减少,AC制冷量相应改变,冷能缺额由电制冷机组和蓄冷罐放冷补充。

在供热工况下,各设备出力如图6(c)所示。MT燃气废热在负荷谷时段能够满足热能需求,并将多余热能存于储热单元内。在热负荷峰时段,释放存储的热能,剩余热需求缺额由热泵制热补充。

3.3 调度效益对比

两种调度方式均采用RES优先出力的策略以提高RES消纳量,同时能够有效降低常规产电设备运行成本、燃料成本及碳排放量,有利于提高CCHP微电网的经济性和环保性。在两种调度方式下,综合用电负荷和RES发电占比以及系统综合运行成本如图7与表3所示。

图7 两种方式下的综合用电负荷与RES发电占比

表3 两种调度策略的综合成本与RES时均发电率

由图7可知,相较于方式1,方式2调度下的综合用电负荷在各个单位时段内增加了5～50 kW不等。由表3可知,方式2调度下的CCHP微电网综合运行成本较方式1高出563.40元,而RES出力在总电量输出中的时均占比下降了至少3%。究其原因在于,方式2调度下,MT出力受到冷热能供应用电量的波动影响而未能有效提高,从而导致多能互补能力不足,网内用电量增加,致使FC不足以完全补充电能缺额,购电量升高;而方式1能够充分发挥MT运行的能源互补优势,在消纳RES的同时提高了网内能量的梯级利用率,减少了从电网购电,有效降低了化石能源的消耗,达到了系统经济性和环保性的目标。

4 结 语

本文综合考虑了设备运行维护、电网交互、环境成本以及RES消纳等效益指标,建立了以CCHP微电网综合运行成本最低为目标的优化调度模型,并采用PSO获取了最优产能方案。此外,以夏季典型日为例分析了系统在两种优化调度方式下的供能情况。算例分析表明,ISAC单元具有显著负荷转移特性且有助于增长RES消纳量以及提高系统运行的绿色经济性能,并通过优化结果对比得到RES优先满足电负荷需求的调度方式能够提升RES发电占比,可以有效增强系统多能互补能力,且对于降低碳排放量和综合运行费用具有积极的作用。