区域能源互联网的“源-网-荷-储”运行优化研究

赵壮，张宏立，王聪

（新疆大学电气工程学院，新疆 乌鲁木齐 830047）

0 引言

化石能源的大量使用，使生态环境遭到破坏。因此，能源系统的可持续、清洁、高效运行就十分必要[1]。综合能源系统虽然能实现能源产、供、销一体化和在一定范围内的能源高效利用，但是并没有考虑多个综合能源体系互连互通，实现整体区域内多个综合能源系统的优化调度。国外学者提出了基于互联网技术的未来能源体系-能源互联网，其在配、用方面则表现为区域能源互联网[2]。建设区域能源互联网，不仅使多个不同区域的能源系统与互联网系统深度融合，而且将各种能源连接在一起，使其能够相互配合[3]。同时在先进的信息技术支撑下，实现多个相似区域内的能源高效、清洁和可持续发展利用[4]。

关于电力微网系统运行优化的研究已较为成熟，文献[5]基于能量枢纽模型，提出了能够提升系统灵活性与可再生能源消纳能力的方案，建立可再生能源系统的优化规划模型，通过算例分析证明了所提模型的有效性。文献[6]针对可再生能源异构数据及一次能源不确定性导致的电源出力控制问题，提出了多电网功率优化控制模型，通过仿真分析证明了所提控制算法的有效性。文献[7]针对可再生能源的波动性和负荷的随机性所引起的不确定性，提出了基于熵的能量与信息的一致标度，算例证明了其方法的有效性。文献[8]提出电动车网络与电网相结合的未来能源体系，为能源互联网的建设提供了新的构架。

目前，已有研究主要局限于微网能源系统的多目标优化、微网系统的分层、分级优化以及电力能源系统的“源-网-荷-储”优化等方面，很少有关于区域能源互联网的“源-网-荷-储”整体调度运行优化的研究。本文在现有研究的基础上，对传统微能源网系统构架进行改进，综合考虑各种能源之间的相互耦合作用，以能源互联网系统作为基本构架，研究了电-气互联的区域能源互联网的“源-网-荷-储”多目标优化；通过构造其基本数学模型，建立以运行成本最低、环境治理成本最低和一次能源消耗成本最低为优化目标函数；采用常用优化软件（如CPLex）对其求解。最后，通过算例验证了所提模型的可靠性和有效性。

1 系统构架

本文对微网系统模型进行研究，构建了区域能源互联网的“源-网-荷-储”多能互补系统，如图1所示。

图1 区域能源互联网的系统构架Fig.1 System architecture of Regional Energy Internet

由图1可知，本文的区域能源互联网由上层能源网、微网、用户侧负荷3部分构成。区域能源互联网是将源侧、网侧、用户侧三者相结合，将不同形式的能量进行转化与使用，实现能源之间交互耦合的作用。网侧部分表示上层能源网，包含电网和气网，电网和气网与微网系统进行能量交互。源侧部分是微网系统中各种能源供应与转换机组。用户侧由电、热、冷负荷3部分组成。同时，本文系统将各种形式的能源互联、互补，实现各种能源的高效利用和系统的节能环保。本文以电网作为主要网络，加入气网，构建多能互补的电-气互联系统。在本系统中加入光伏和风电的参与比例，既可以提高系统的经济性又能实现能源的高效利用和碳排放量的减少。同时在转换过程中加入P2G（Power to Gas）单元，实现了电-气互联互通的作用。

2 数学模型

2.1 光伏发电机组模型

假设太阳能光伏电池设备效率恒定，其模型为

式中：PS，t为t时刻输入系统的太阳能资源；St为t时刻太阳辐射强度；Sref，t为标准太阳辐照强度；b为电池材料相关常数；e为自然对数的底。

2.2 风电机组模型

典型的风力发电机组模型为

式中：PWT，t为t时刻风力发电机组发电功率；PWT为风力发电机的额定发电功率；νt为t时刻的实际风速；νin为风力发电机的切入风速；νout为风力发电机的切出风速；ν0为风力发电机的额定风速。

2.3 电锅炉

电锅炉发热量与系统输入电功率间的关系特性为

式中：HEB，t为t时刻电锅炉运行时产生的热量；PEB，t为t时刻电锅炉的输入功率；ηEB为电锅炉的电能转化效率，即输出热量与输入电能的比值。

2.4 同步发电单元

同步发电单元的能耗-功率输出特性为[9]

式中：CSYN为同步发电单元燃料消耗成本；PSYN为同步发电单元的输出功率；i为同步发电单元的编号；ai，bi，ci分别为同步发电单元的能耗-功率输出表达式的二次项、一次项、常数项系数。

2.5 微型燃气轮机模型

发电机组利用一次能源天然气产生的电量、热量为

式中：EGT，t为t时间段内发电设备的发电量；ΔT为优化模型的时间步长；HGT，t为t时间段内发电设备的产热量；FngGT，t为t时间段内发电设备消耗的天然气量；rng为天然气的热值；ηhGT为发电设备的额定产热效率；ηeGT为发电设备的额定发电效率。

2.6 电制冷机模型

电制冷机提供的冷能主要取决于能效比，其模型为

式中：CEC，t为电制冷输出；PEC，t为电制冷机的输入电能；ηEC为电冷转化效率。

2.7 储能模型

2.8 燃料电池模型

在燃料电池发电系统正常稳态运行过程中，燃料消耗与系统功率输出间的关系为

式中：CFB为燃料电池运行时的燃料消耗成本；PFB为燃料电池的输出功率；Cfb为供给燃料电池的气体燃料价格；ηFB为燃料利用效率。

2.9 P2G模型

式中：GP2G为天然气流量；PP2G为P2G机组的输入功率；HGV为天然气热值；ηP2G为能源转化效率。

3 模型的优化

3.1 求解模型与方法

本文对于区域能源互联网多能耦合的优化，分别以经济性、环保性、高效性为指标，建立区域能源互联网的“源-网-荷-储”运行优化模型，其表达式为[10]

式中：F为目标函数；fi（x）为第i个优化目标；x为优化变量；g（x）为不等式约束；h（x）为等式约束；Ω为决策空间。

本文的优化目标是运行成本、环境治理成本和一次能源消耗成本；优化变量是电网、气网、同步发电机组、微型燃气轮机的运行状态。针对本文模型，通过线性加权法将多目标转换成单目标，通过层次分析法计算出权重，选用线性规划软件CPLex求解器求解，求解流程如图2所示。

图2 系统求解流程Fig.2 Flow chart of system solution

3.2 目标函数

以运行成本最低为指标，其经济性目标函数为

式中：F1为系统运行成本；S1为机组的建设成本；S2为机组的运行成本；S3为机组的运维成本；S4为微网与“电-气”主网的交互成本。

式中：j为机组的类型；Mj为第j种建造机组的总容量；Cj为第j种机组单位容量的建造成本。

式中：0≤ω1≤1，0≤ω2≤1，0≤ω3≤1，且ω1+ω2+ω3=1。其中，利用层次分析法计算出的权重结果分别为ω1=0.63，ω2=0.11，ω3=0.26。

3.3 约束条件

①电能平衡方程

⑦微网与主电网、主气网交互功率约束

式中：PGRID（t）为微网系统与主电网系统间的实际交互功率；PGRID，min为微网系统与主电网系统间交互功率下限；PGRID，max为微网系统与主电网系统间交互功率上限；PGAS（t）为微网系统与主气网系统间的实时交互功率；PGAS，min为微网系统与主气网系统间交互功率下限；PGAS，max为微网系统与主气网系统间交互功率上限。

4 算例仿真与分析

4.1 算例系统

本文算例系统选取了光伏发电、风力发电、微型燃气轮机、储能、同步发电单元（以柴油机为例）5种供能机组。微网与电网、气网之间的交互功率上限为40，45 kW。天然气的价格是3.5元/m3，转换成热值为0.349 0元/（kW·h）。光伏发电机组、风力发电机组、微型燃气轮机、同步发电机组、储能机组的运行维护成本分别为0.009 6元/（kW·h），0.029 6元/（kW·h），0.029 3元/（kW·h），0.088 0元/（kW·h），0.008 6元/（kW·h），各种同步发电单元的相关信息如表1所示。

表1 同步发电机类型Table 1 Types of synchronous generators

4.2 运行场景设置

本文根据各供能网络系统间能量交互方式和供能机组类型的不同，将微网系统与主网系统间的交互运行场景设置为3种。场景1：在实时电价下，优先利用微网内部的分布式能源来满足网内负荷需求，选择从主电网与微网内部自由交互；场景2：在实时电价下，优先利用微网内部的分布式能源来满足网内负荷需求，选择从主电网和主气网与微网内部自由交互；场景3：在实时电价下，优先利用微网内部的分布式能源来满足网内负荷需求，选择从主电网、主气网与微网内部自由交互并且加入储能单元。

风电、光伏提高了微电网系统的效率和环保性，但是其安装成本太高，使得经济性下降。同时，若是此系统中加入了微型燃气轮机，则可采用“以热定电”的运行方式。其中的分布式能源包含了各种能量转换单元与储存单元。

4.3 仿真结果与分析

区域能源互联网的“源-网-荷-储”运行优化受到各种因素的影响，本文研究了不同场景对区域能源互联网的“源-网-荷-储”运行优化的影响，其中：选取春夏、秋冬典型日的风力发电功率和日光伏发电功率，如图3所示；冷、热、电负荷选取某典型负荷日，如图4所示。

图3 日光伏、风电出力Fig.3 Photovoltaic and wind power output

图4 日冷热电负荷Fig.4 Daily cold，hot and electric load

本文为了避免繁琐的计算，将图4中冷负荷和热负荷统一转化成电负荷。其中，本文使用的冷负荷转化设备为电制冷机，根据电制冷机的数学模型计算出冷负荷所需要的电功率。同时，本文使用的热负荷转化设备为燃气轮机，根据燃气轮机的供热数学模型计算出热负荷的燃气消耗量，再根据燃气轮机的供电数学模型将燃气消耗量转换成电功率。计算出总体的电负荷需求如图5所示。

图5 总电负荷Fig.5 Total electrical load

通过总电负荷需求数据，在实时电价下对电-气互联的区域能源互联网系统进行协同优化求解，其中实时电价如图6所示。

图6 实时电价Fig.6 Real-time electricity price

各场景日运行结果如图7～10所示。其成本如表2所示。

图7 场景1系统出力Fig.7 Scene 1 system effort

图8 场景2系统出力Fig.8 Scene 2 system effort

表2 不同策略下的系统成本Table 2 System costs under different strategies 元

由图7，8可知：场景1只与电网进行能量交互，只购买天然气而不出售；而在场景2中，在1：00-7：00和22：00-24：00微网系统出售能量给气网。由图9，10可知：在微网系统中加入气网与储能装置，储能装置在4：00-7：00用户负荷较小，此时对其进行充电；在13：00-16：00用户负荷较大，此时对其进行放电，以满足用户需求。由表2可知：在春夏季典型日时，系统场景1的日总运行优化成本为5 466.18元；场景2的日总运行优化成本为5 321.7元，比场景1日总运行优化成本节约2.64%；场景3的日总运行优化成本为4 749.64元，比场景1日总运行优化成本节约13.11%。比场景2日总运行优化成本节约10.75%。在秋冬季典型日时，系统场景1的日总运行优化成本为5 142.43元；场景2的日总运行优化成本为5 008.94元，比场景1日总运行优化成本节约2.60%；场景3的日总运行优化成本为4 448.16元，比场景1日总运行优化成本节约13.50%，比场景2日总运行优化成本节约11.20%。因此，本文以微网系统为基础构建电-气互联且加入储能的区域能源互联网系统，无论是在春夏季典型日还是秋冬季典型日，本文系统皆在场景3中日总运行成本最低。其结果证明本系统的可靠性和有效性，同时也证明在传统微网系统中加入气网和储能不仅能提高微网系统的整体协作能力，而且加入P2G单元实现电、气能源形式的互联互通，使系统的灵活性增强，更有利于能源之间的相互转化，提高系统的整体经济效益。

图9 场景3系统出力Fig.9 Scene 3 system effort

图10 储能充、放电功率Fig.10 Energy storage charge and discharge power

本文各场景日运行风光消纳结果和冷、热设备出力结果如图11～16所示。

图11 场景1风光消纳量Fig.11 Scene 1 landscape consumption

图12 场景2风光消纳量Fig.12 Scene 2 landscape consumption

图13 场景3风光消纳量Fig.13 Scene 3 landscape consumption

图14 场景1冷、热设备出力Fig.14 Output of cold and hot equipment in scenario1

图15 场景2冷、热设备出力Fig.15 Output of cold and hot equipment in scenario 2

图16 场景3冷、热设备出力Fig.16 Output of cold and hot equipment in scenario 3

由图11～13可知：由于光伏出力时，系统的能量需求比较大，且光伏发电相对稳定，因此本系统的弃光率基本为0；在图11，12中，0：00-7：00和20：00-24：00用户需求较小，同时风电在此期间占比较大，弃风率比较高，但是保证了系统的稳定、可靠运行；在图13中加入了气网和储能来调节系统的风电消纳能力，不但保证了系统的稳定、可靠运行，而且提升了系统的风电消纳能力，其消纳量如表3所示。

表3 不同情景下的日风光消纳量Table 3 Daily landscape absorption under different strategies

由表3可知，无论是在春夏典型日还是在秋冬典型日，场景3的日风电消纳能力都是最优。因此，在微网系统中加入气网和储能，可以提高系统的可再生能源的消纳能力。

6 结语

本文在微能源网基本构架的基础上提出了电-气互联的区域能源互联网“源-网-荷-储”系统构架，并构建了能够体现系统经济性、环保性、高效性的目标函数。通过线性加权法，将多目标转化为单目标函数，采用CPLex求解器进行求解，得到了系统的最优运行结果。通过春夏、秋冬典型日负荷数据，对本文设置场景进行优化。结果表明，在传统微网系统中加入气网和储能，其日总运行成本比传统微网系统日总运行成本节约13%左右，不仅提高了微网系统的整体协作能力，而且更有利于能源之间的相互转化，提高微网系统的灵活性、经济性和风电消纳能力。