园区综合能源系统日前优化运行研究

邱发祥，王明远，潘广旭，冯媛媛，亓新宏

（1.山东科技大学，山东 青岛 266590；2.山东建筑大学，山东 济南 250102；3.国网山东省电力公司日照供电公司，山东 日照 276826；4.国网山东省电力公司东营供电公司，山东 东营 257000；5.国网山东综合能源服务有限公司，山东 济南 250021）

0 引言

由于传统石化资源的大量开发和利用，环境污染问题日益加剧，清洁、低碳、高效的能源供应体系成为近年来研究的热点［1］。综合能源系统（Integrated Energy System，IES）作为能源互联网的重要物理载体，可充分利用各种能源子系统在时间和空间上的耦合特性，实现多种能源优势互补，有效提高能源的综合利用水平［2］，受到国内外学者的广泛关注。

园区综合能源系统（Park Integrated Energy System，PIES）作为IES 的典型应用，具有负荷利用率高、可再生能源接入比例大、产用能形式多元化等特点［3］。与传统电网不同，PIES 具有冷、热、电等多种能源，各种能源之间相互耦合，能流过程更为复杂，运行过程涉及的范围更广。同时，PIES 距离用户侧较近，系统内各设备的运行性能对系统的能源供应影响较大。因此，开展PIES 优化运行研究对消纳可再生能源、提高能源综合利用效率以及降低供能成本等具有重要意义［4］。

目前，对能源互联网背景下的多能协同优化运行问题已有较多研究。文献［5］基于冷、热、电的多能流耦合关系以及多种储能形式，建立最小化系统运行成本的多能优化模型。文献［6-10］建立考虑风光出力等多种不确定性因素对系统优化调度的影响的IES 优化模型。文献［11］考虑系统之间的耦合特性，建立运行成本最低的IES 优化运行模型。文献［12-14］利用冷热电联供系统的多能互补特性，实现系统能量的优化调度。文献［15］提出考虑能源价格的IES优化模型，同时根据IES 的能耗和运行特点，建立了完整的调度方案。文献［16］考虑综合能源系统收益分配问题，建立了不同运营模式下各市场主体的收益计算模型。上述文献从系统的耦合特性、可再生能源及需求响应的不确定性等多方面，对IES的优化运行过程进行了研究，但大多只考虑了经济性目标，缺少对于环保性要求的考虑；同时，上述文献缺少针对PIES运行过程的研究分析。

针对上述问题，首先分析典型PIES 的能源结构，研究PIES 的运行机理；然后基于上述系统结构，对系统内的关键设备进行稳态建模；随后，鉴于目前对于环保问题的重视，建立考虑系统运行成本最低和碳排放量最少的多目标日前优化模型；通过引入碳排放惩罚因子，将多目标问题转化成单目标问题进行优化求解；最后，通过算例对比分析了PIES 在不同优化目标下的碳排放情况和运行成本。

1 PIES架构分析及运行机理

1.1 典型架构

园区综合能源系统依靠系统的管控中心实现各能源子系统的优化控制运行。管控中心通过信息采集装置获取系统的供给侧、多能耦合侧、能源存储侧和用户侧的能流信息，由操作员根据采集到的能流信息和预先设定的运行计划，通过管控中心对系统各部分进行统一管控调度，形成了生产、输送、分配、存储和使用的完整供能架构［17］，如图1所示。

图1 园区综合能源系统典型结构

PIES 涉及电、热、冷、气等多种能源的生产、转换、存储及使用，打破了传统能源子系统之间相互割裂的状态，通过对多能源子系统的优化控制，可以充分发挥各能源之间的互补优势，降低对环境的污染，有效提升系统运行的经济性和环保性［18］。

1.2 运行机理

PIES 的运行过程受多种因素的影响，例如当日的天气情况、用户侧的能源需求情况、当地可再生能源的供应情况。选取青岛某园区作为研究对象，其供能结构如图2所示。

图2 青岛某园区供能结构

系统以燃气轮机作为主要供能设备，通过燃烧天然气，产出高质量的电能供给系统内的电负荷和用电设备；燃气轮机在发电的同时产生大量的高温余热，通过利用余热锅炉将其转化为可直接利用的热能供给吸收式制冷机或系统部分热负荷需求。

当系统的电负荷需求已满足，而冷、热负荷需求供应不足时，可采用燃气锅炉或电制冷机进行辅助供能。同时，系统中加入了冷、热、电3 类储能设备，使系统可在平抑功率波动的同时，实现削峰填谷的经济可靠运行。另外，系统接入了部分光伏发电设备，提高了可再生能源的消纳率。

当电负荷需求较大时，系统可通过外部电网进行购电，使系统的电功率达到动态平衡。同时，考虑到供能系统与外部电网之间的信息通道的建设费用问题，本系统采用“并网不上网”运行模式。

不同类型的储能装置特点各异，如电储能装置具有能量密度高、功率密度小等特点。而冷储能和热储能在本质上都属于储热，具有蓄能密度低，占地面积大，冷、热损耗大等特点。在系统的运行过程中，各类储能装置被用来补充用能高峰时相应负荷的缺额或吸收多余能量。如冷负荷需求高峰时，在基本供冷方式的基础上，优先采用储冷装置供冷，此时若采用电储能装置进行电—冷转化，会增加相应电制冷设备的运维费用。3 种储能装置之间不直接进行转化，优先利用方式根据各类负荷供能的经济性进行选择。

2 PIES能源设备建模

PIES 的负荷需求具有一定的季节性，夏季侧重于冷负荷需求，冬季侧重于采暖需求。系统的冷负荷需求可由电制冷机、吸热制冷等设备供应；热/热水供应可来自余热锅炉、燃气锅炉等设备。同时，系统通常会配置一定容量的储能设备，通过分时储放能控制，进一步提高系统运行的经济性和灵活可靠性［19］。按照能量流转的环节将设备分为能源生产单位、能源转换单元和能源存储单元，其中能源生产单位主要设备包括光伏系统（Photovoltaic System，PV）、燃气轮机（Gas Turbine，GT）和燃气锅炉（Gas-fired Boiler，GB）；能源转换单元主要设备包括余热锅炉（Heat Recovery Boiler，HRB）、吸收式制冷机（Absorption Chiller，AC）和电制 冷 机（Electrical Chiller，EC）；能源存储单元主要设备为蓄电池、储热罐和蓄冷槽。建立相应设备的稳态功率模型如下。

2.1 能源生产单元

2.1.1 PV

PV的稳态功率模型为

式中：t为一个调度周期内设备的运行时段；PPV(t)、PSTC(t)分别为PV 实际情况下的出力和标况下的出力；GAC(t)、GSTC(t)分别为PV实际情况下和标况下的光照强度；Tc(t)、Tr(t)分别为PV 组件的实际温度和标况温度；k0为功率温度系数。

2.1.2 GT

GT的稳态功率模型为

式中：PGT(t)、QGT(t)分别为GT 输出的电功率和热功率；、分别为GT 的发电效率和产热效率；VGT(t)为GT 的天然气使用量；HG为天然气的低位发热值，取9.7 kWh/m3；Δt为单位时段，取1h。

2.1.3 GB

GB的稳态功率模型为

式中：QGB(t)为GB 的输出热功率；VGB(t)为GB 的天然气耗量；HG为天然气的低位发热值；ηGB为GB的气热转化效率。

2.2 能源转换单元

2.2.1 HRB

HRB的稳态功率模型为

式中：(t)、(t)分别为HRB 的输出和输入热功率；ηHRB为HRB的转化效率。

2.2.2 AC

AC的稳态功率模型为

式中：CCOP，AC为AC 的性能系数；(t)、(t)分别为AC的输出冷功率和输入热功率。

2.2.3 EC

EC的稳态功率模型为

式中：CCOP，EC为EC的制冷能效比；QEC(t)、PEC(t)分别为EC的输出冷功率和输入电功率。

2.3 能源存储单元

由于电、冷、热储能模型类似，此处用统一的储能模型表示。PIES储能单元的充、放能状态的数学模型为

式中：下标j表示储能单元的类型，通常情况下，储电可用E 表示，储热用H 表示，储冷用C 表示；δj为储能单元自身的储能消耗率分别为储能单元的充、放能功率分别为储能装置的充、放能效率。

3 PIES日前优化模型

3.1 目标函数

3.1.1 经济性目标

针对PIES 日前优化运行过程，主要考虑将系统的运维费用、购电费用和购气费用最少作为系统的运行成本，建立经济性目标函数为

式中：F1为系统的总经济成本；Cop、Cgrid、Cgas分别为系统的运维成本、购电成本和购气费用。

式中：N为设备种类，本文中1～N分别为光伏、燃气轮机、燃气锅炉、余热锅炉、吸收式制冷机、电制冷机以及冷、热、电3 类储能设备；M为同类设备的台数；Qk，i(t)为第k类设备第i台的实际出力；ck，i为第k类设备第i台的单位出力运维费用。

式中：Pgrid(t)为系统的实际购电功率；cele为电网的单位购电成本。

式中：Vgas(t)为系统实际天然气购气量；cgas为天然气的单位价格。由于系统内使用天然气的设备仅有燃气轮机和燃气锅炉，因此有

式中：VGT(t)、VGB(t)分别为燃气轮机和燃气锅炉的天然气使用量。

3.1.2 环保性目标

主要考虑电网购电和使用天然气所产生的CO2对环境的污染，以碳排放量最小作为环保性指标，建立目标函数为

式中：F2为系统总的碳排放量；γgrid为电网的碳排放系数；γgas为天然气的碳排放系数。

3.2 约束条件

3.2.1 功率平衡约束

功率平衡约束条件为

3.2.2 设备的运行约束系统的设备需要满足出力约束，即

3.2.3 储能装置的相关约束

储能装置的相关约束为

3.2.4 能源网络约束

能源网络的约束条件为

式中：Pmax(t)为电网与系统之间的最大交换功率；Gmax(t)为单位时段内系统购入天然气的上限。

3.3 模型求解

建立多目标优化模型可表示为

式中：F1(x)为系统的总经济成本；F2(x)为系统的碳排放量；h(x)、g(x)分别为系统的能量平衡约束和设备运行约束；x为系统各时刻设备的出力、系统购电量和天然气的购气量。

多目标优化问题相较于单目标优化问题而言，求解难度大大增加，对于此类问题的处理方式大多是将多目标问题转化为单目标问题，然后选择合适的单目标优化算法或求解器进行求解。

为实现多目标优化问题到单目标优化问题的转化，引入碳排放惩罚因子，将碳排放量转化为碳排放惩罚费用，将其加入经济性目标中。其中，碳排放惩罚费用可表示为

式中：Cenv为系统的碳排放惩罚费用；GCO2(t)为t时段系统的碳排放量；cCO2为碳排放惩罚因子。

因此，系统总的经济成本Ctotal可表示为

CPLEX 求解器具有编程语言多样化、求解效率高等优点。在MATLAB R2019a 平台中利用集成在MATLAB 中的Yalmip优化求解软件包对问题进行建模，并调用CPLEX求解器进行求解。

4 算例分析

4.1 基础数据

选择青岛某园区夏季典型日为一个完整的优化运行周期，以每小时作为一个优化时段，共计24 个时段，该夏季典型日负荷需求及光伏出力曲线如图3所示，其他相关参数如表1—表4所示。

图3 夏季典型日负荷需求及光伏出力曲线

表1 各设备的运维成本及输出功率范围

表2 储能设备相关参数

表3 分时电价及气价

表4 其他参数

4.2 仿真分析

分别以经济性最优、环保性最优和考虑系统经济性和环保性的综合目标最优3 种优化目标对模型进行仿真分析，具体结果如表5所示。

表5 不同优化目标下PIES的优化指标对比

由表5 可知，在综合目标最优模型下，系统的购气量相比于环保性最优运行时减少了3 013.4 m3，但购电量却增加了13 564.2 kWh，从而导致系统的碳排放量增加了1 976 kg，但总经济成本却减少了5 265元；而相比于经济性最优运行时，系统的购电量下降了1 291 kWh，购气量增加了199.6 m3，系统的总经济成本相比于经济性最优运行时增加了939元。通过对比分析可以发现，在综合优化目标下，通过优化调度系统内的各设备的运行方式和出力，可有效降低系统的运行费用，平衡经济与环境之间的效益，实现系统的低碳经济运行。

因此，重点对综合优化目标下的设备运行情况进行详细分析，以便进一步明确各设备的运行情况，指导实际园区系统进行优化调度安排。系统内各设备的出力情况如图4—图6所示。

图4 电平衡优化调度

图5 冷平衡优化调度

图6 热平衡优化调度

由图4—图6 可知，系统的电、冷、热能源通过相互耦合、协同互补，完成了整个调度周期的负荷供给。在23：00—07：00 时段，系统优先利用低谷电能为电制冷机和电负荷供电，同时补充电储能装置的部分电能缺额。此时段系统的热负荷需求主要靠燃气锅炉提供。在07：00—11：00 和17：00—22：00 时段，处于用电高峰，电价相对较高，因此采用燃气轮机供电，同时采用电储能装置进行补充供电，以提高经济性；燃气轮机为余热锅炉提供了大量可用余热，余热锅炉将余热转化为可直接利用的热能供给系统热负荷需求和吸收式制冷机制冷，同时利用蓄热装置储能。在11：00—17：00 和22：00—23：00 时段，此时电价处于平价时段，电负荷需求相对降低，此时用电的经济性高于使用燃气轮机，特别是在11：00—17：00 时段，冷负荷需求达到高峰，系统在优先利用光伏出力的基础上，采用电网购电的方式满足电负荷和冷负荷需求，同时补充储电和储冷装置的能量，但由于购电功率的限制，不足负荷需求由燃气轮机提供。

在综合最优目标下，系统储能装置的功率变化如图7 所示。在低电价和平电价区间时，系统优先利用低价电能补充电储能装置电能缺额。低电价时段由于没有余热产生，热负荷需求优先由热储能装置提供，储热容量达到最小值后采用燃气锅炉供热。在07：00—11：00 和17：00—22：00 用电高峰时段，电储能装置开始出力，补充部分电能缺额，直至电储能容量达到最小值；由于此时段主要采用燃气轮机供能，因此产生大量余热，经余热锅炉转化后供给吸收式制冷机和热负荷需求，同时补充储冷和储热装置的能量缺额。在11：00—17：00 时段，冷负荷需求达到高峰，储冷装置开始供能，其储冷容量快速下降，达到最小容量值后，由吸收式制冷机补充部分冷负荷缺额。在12：00—15：00 时段，出于经济性考虑，热负荷需求优先由储热装置提供。根据相关约束条件，始末储能容量须相同，因此在22：00—23：00 平电价区间，系统补充电储能容量，在18：00—24：00 时段，系统逐渐补充储冷和储热装置的储能容量，使其达到初始容量值。

图7 储能装置的容量变化

PIES 根据分时电价和光伏出力情况，合理调整购电量和天然气购气量，在满足系统多元负荷需求和设备运行约束的基础上，对系统内各种供储能设备进行优化调度，实现了冷、热、电多元负荷的供需平衡，在兼顾环保性的同时，最大限度降低了系统的日运行经济成本，实现了系统的低碳经济运行。

5 结语

通过引入碳排放惩罚因子，将考虑经济性和环保性的多目标日前优化模型转化成单目标问题进行求解。通过算例对比分析可以发现：相对于单一经济性目标，在综合目标下系统的经济成本略有增加，但碳排放量有所减少，对环境更加友好；而对比单一的环保性目标来讲，系统的碳排放量增加16.2%，但经济性成本下降19.4%。由此可见，所建模型在综合最优目标下，可以充分发挥系统的多能互补优势，减少能源浪费，平衡经济与环境之间的效益，实现系统的低碳经济运行。

研究中采用光伏设备作为新能源的代表，没有考虑风电等可再生能源的优化调度，同时忽略了新能源出力的间歇性和波动性对系统运行的影响。因此，在后续研究中，可以分析风电等可再生能源的加入对系统设备出力的影响，进一步研究其功率波动对系统优化运行造成的影响。