多能源耦合电力系统可靠性评估

南京工程学院电力工程学院 周玉杰 曹晾伟 刘 潜 陈资函 郭赵君 陈云浩

目前，随着大量化石燃料的用量急剧增长，化石能源的储备日渐枯竭，人类在能源使用方面正处于转型期。一方面，化石燃料的过分开采造成了一系列的环境问题；另一方面，随着科学技术的蓬勃发展，人类也逐渐地掌握了对其他更多可再生自然能源的使用。但是如果将来只考虑天然气供能，是不切实际的。丰富的能源形式能够导致能源结构发生天翻地覆的改变。

1 综合能源系统模型

Swiss Federal Institute of Technology in Zurich 电力系统和高压实验室的Patrick 教授在“VOFEN”项目中提出能源枢纽概念，这种概念的提出为综合能源系统的综合管理提供了一个全新的方向。

右侧是综合能源系统的储能装置，分别是电储能、气储能和热储能。而最右侧是综合能源系统模型的输出侧由电负荷和热负荷组成。

图1 综合能源系统模型

1.1 负荷模型

在电力系中，根据负荷本身的所需要承担的特性不同，大致可以将负荷分为电力非柔性负荷和电力柔性负荷。本篇文章所要建立的综合能源系统包含电和热两种负荷。

1.1.1 电力柔性负荷

电力柔性负荷指的是负荷变动主要是由能源的价格和负荷的削减情况导致的负荷。在某个特定的研究周期之内，可以从供能不足导致负荷发生削减的时间点转移到供能富裕的时间点，这样的模型具体可表示为：

1.1.2 电力非柔性负荷

电力非柔性负荷在供能充足以及供能不足两种情形下的模型如下所示：

1.2 储能装置模型

本篇文章只考虑了一些储能。所谓储能装置，实际上本质是不难理解的。都是实现不同种类的能量在不同上的转移，模型如下所示[1]：

1.3 能量转换装置模型

本文所建立的能量转换装置模型如式（5）所示[2]。

2 综合能源系统最优负荷削减模型

2.1 目标函数

本文章以多能源系统的能源供应成本和负荷削减惩罚成本之和最小为目标函数：

I 为能源枢纽的输入端口集合，包括电和气两种能源；j 为能源枢纽的输出端口集合，包括电和热两种负荷；为第i 类能源口t 时刻的价格；为第i类能源t 时刻的输入功率；βj为第j 类负荷削减的惩罚单价；为第j 类负荷t 时刻的负荷削减量。

2.2 约束条件

2.2.1 能量转换约束

2.2.2 功率平衡约束

（1）天然气功率平衡

（2）电功率平衡约束

（3）需求侧功率平衡约束

（4）热功率平衡约束

2.2.3 系统运行约束

系统输入输出约束、能量转换装置的输入约束组成了系统运行约束包括。

2.2.4 需求响应约束

本文章只有柔性负荷参与需求响应，如下所示：

2.2.5 储能装置约束

3 多能源系统可靠性评估

3.1 Monte-Carlo 法

Monte-Carlo 的系统风险分析具体有以下的步骤：

（1）假设电力系统有n 个元件，随机生成n 个[0,1]均匀随机数，考虑系统元件强迫停运率，根据式（36）建立系统状态向量，其中,Xk'为1，表示第k'个元件故障，否则正常工作。

（2）根据电力系统不同状态，结合不同种负荷要求，据式（37）可求得电力不足概率LOLP 指标，据式（38）可求取EPNS 指标（表示电力系统任意时刻停电功率期望值）。

（3）根据精度要求设定方差系数值，重复步骤（1）-（3），直至β 满足收敛条件，方差系数公式如下：

3.2 可靠性评估指标

本文提出的可靠性评估指标模型如下：

δj为第j 种负荷EENS 的提升率；为场景n 的第j 种负荷EENS 指标；为无储能和需求响应协调优化的系统第j 种负荷EENS 指标。

3.3 可靠性评估算法

由本文2.2节和2.3节所涉及的能量转换装置模型以及储能装置模型可知，综合需求响应的负荷波动调整都是时间连续过程，相应储能装置的充放电能也是一样，并且与系统的优化运行有着千丝万缕的关系。

本文评估计及综合能源存储和综合需求响应的多能源系统可靠性的步骤见下：

（1）输入元件及其参数数据，按照初始状态定义系统各元件；

（2）使用Monte-Carlo 法模拟抽样得到研究周期T 内每小时的系统元件状态，以day 为单位将系统状态划分成不同区块；

（3）初始化区块计数d=1和模拟年数y=1；

（4）选取一个24h 区块，模拟的系统元件状态下，求解该区块的综合能源系统最优负荷削减问题，得到该区块最优负荷削减量、每小时的负荷削减状态；

（5）如果模拟样本数达到一年d=365，转向步骤（6），否则令d=d+1，然后转向步骤（4）；

（6）计算该年的系统可靠性指标，并令y=y+1；

（7）如果模拟年数到达上限y>10000或者系统EENS 指标方差达到精度要求ε<0.05，转向步骤（8），否则令d=1，转向步骤（4）；

（8）最后计算综合能源系统的可靠性指标。

4 算例分析

为了验证最优负荷削减模型的准确性和算法的精准性，系统中包含了2台变压器、3台机CHP 组、1台燃气锅炉和1台电锅炉。这些设备的相关具体的参数见下表。除了上述的一些必备设备，此综合能源系统还包含了3台气储能装置和1台电储能装置以及1台热储能装置。具体的参数见下表2。

表1 能量转换相关参数

表2 储能装置的相关参数

表3 负荷、价格的周和季节调整系数

下图的图2表征的是典型日负需求荷曲线，图3表示的是典型日能源价格。在图2中我们可以看出，电负荷的日负荷需求与热负荷的日负荷需求在0:00到8:00是基本接近重合的。考虑到人们的日常实际生活，在12:00和20:00时，电负荷分别会达到一次顶峰。在人们的日常生活中，热负荷的波动相对于电负荷来说是比较平稳的。如下图3所示，我们可以看出，在一天的的分布中，电价与气价是不完全相等的。在夜晚的时间，大致电价与气价是相等的，然而在白天，电价是高于气价的，甚至在某些与典型日负荷曲线相对应的，电价是气价的两倍多。下面两幅图表征的是全年的典型日曲线，这样的表示极大的提高了综合能源系统可靠性分析计算的效率。将电负荷和热负荷的削减成本单价分别设置，电负荷的单价为50元/(kW/h)，热负荷的单价为40元/(kW/h)。调整最大电力柔性负荷是某时刻总体负荷的10%，并将VOFEN 模型的输入端电负荷和气负荷的最大输出量分别调整，其中电负荷最大输入量设为700kW，而气负荷的最大输出量设为900kW。

图2 典型日负荷需求曲线

图3 典型日能源价格

本文将综合能源系统研究的场景分为9个不同的场景。场景1不考虑一切储能和需求响应因素；场景2只考虑电储能因素；场景3只考虑气储能的因素；场景4只考虑热储能的因素；场景5考虑电储能、气储能、热储能三种因素；场景6不考虑任何储能，只考虑电性能需求响应；场景7不考虑任何储能，只考虑热性能需求响应；场景8不考虑任何储能，只考虑电性能需求响应和热性能需求响应；场景9考虑全部的储能和全部的需求响应。分析不同的种类的储能，以及不同样的需求响应对于综合能源系统的多样性、可靠性、经济性的研究具有重大意义。

本文采用MILP 模型来建立最优负荷削减模型并使用Gurobi 求解器进行求解。

4.1 可靠性分析

本章节主要分析能够对综合能源系统的可靠性产生影响的因素。从上表4可以看出，电储能、气储能、热储能以及电性能需求响应和热性能需求响应对于综合能源系统可靠性有着极大的影响。从表5可以看出，不同场景的综合能源系统可靠性指标是不一样的。由于场景1是不含任何储能装置和任何需求响应的，所有我们可以以场景1为最初参考对象，然后分析场景2到场景9的不同的储能和不同的需求响应对综合能源系统的可靠性的影响。

表4 综合能源系统研究场景

场景2、场景3、场景4分别增设的是电储能装置、气储能装置和热储能装置。实际上，电储能和气储能是相互影响的。又因为CHP 机组的调节能力有阈值的限制，电负荷的减少量是600kW/h，热负荷的减少量是3200kW/h。从表5可以看出，热负荷的PLC、FLC 与EENS 分别降低了57%、63%和67%。

表5 不同场景的综合能源系统可靠性指标

针对于场景5，相比于场景2、场景3、场景4，同时考虑了电储能、气储能、热储能。与仅仅考虑单一的储能场景相比，场景5的综合能源系统可靠性一起优化了电储能、气储能、热储能，极大地提升和改善了综合能源系统的可靠性。

场景6不考虑任何储能，只计及电性能需求的响应。同时来调整电力柔性负荷，进而调整电负荷的波动，从而调整了热负荷的供应幅度。这对于大大提高电负荷和热负荷的双重可靠性有极大的帮助。场景7不考虑任何的储能，只计及热性能需求的响应。在综合能源系统中，是不存在热转电的装置，所以在场景7仅改变了热负荷的需求，与对于电负荷的可靠性相比，在综合能源系统中极大的提高热负荷可靠性。场景8不考虑任何的储能装置，但是计及了全部的需求响应。所以场景8相比于单一的场景6和场景7，电综合需求响应和热综合需求响应一起优化，比单一的电综合需求响应或者单一的热综合需求响应，可靠性有大幅度的改善。场景9计及了所有的储能以及所有需求响应，包括电储能、气储能、热储能、电性能需求响应和热性能需求响应。考虑了综合能源存储以及综合需求响应的一起优化，综合能源系统的所有可靠性指标都有明显的减少。从而极大的提高了综合能源系统的可靠性。

4.2 储能与需求响应对综合能源系统的可靠性的影响分析

储能以及需求响应对综合能源系统的可靠性有着极大的影响。下面以春季具体典型的工作日来举例，其中包含1台变压器和1台燃气锅炉的故障。

如下图4以及图5，表征的是典型日的电负荷削减曲线以及典型日的热负荷削减曲线。两幅图均只考虑了场景1、场景5和场景8。一旦变压器和燃气锅炉发生故障，就会导致电性能需求响应以及热性能需求响应出现供应不足的情况。在如图4和图5中，在19:00-24:00出现了电负荷的大量削减，最大的切负荷达到117kW，在10:00-15:00和18:00-23:00出现热负荷的大量削减，最大的切负荷达到147kW。

图4 典型日的电负荷削减曲线

图5 典型日的热负荷削减曲线

结果如下图6，是一个典型的日场景5电储、热贮存能及充放电的功率。正常情况下在能源供给方面是一个缺乏补给的10:00-15:00和18:00-23:00，才会向其中释放出热储存的能量。通过对热储能进行了优化，减少了负荷削减的数量和停电持续时间，10:00-15:00的负荷也不再被削减，降低了负荷被削减的频率。

图6 典型日场景5的储能充放 功率

由图4、图5和图7不难看到，在10:00-15:00之内，电传统的负荷侧是通过改变了传统的电柔性负荷方式直接提高了电锅炉的传统热供给，这样就使得我们可以进一步地提高传统热负荷的输入和供给能力，而传统的电负荷侧则主要是通过改变了传统电机热柔性的输入和供给方式直接降低了传统的热出力，二者一起工作时就可以将该一个时间段的传统热负荷削减量和传统的电机热负荷保持持续时长都逐渐减小到0。在18:00-23:00，对电性能要求响应和热性能要求响应分别是指通过对各自的柔性负载和热性能要求进行了调整，显著减少了对各个电负载和热性能要求负载的削弱量和停电持续时间。

图7 典型日场景8的柔性负荷调 整曲线