农村综合能源系统多层协同优化运行方法

刘雪飞，庞凝，王云佳，姚伯岩，魏子强，温鹏，高立艾

(1.国网河北省电力有限公司经济技术研究院，石家庄市 050021；2. 河北农业大学机电工程学院，河北省保定市 071000)

0 引 言

传统的火力发电对环境影响严重，长期使用造成了严重的环境危机。我国计划在2030年前碳排放达到峰值，并于2060年实现碳中和，由此以新能源为主体的新型电力系统的构建得到了广泛的重视[1-7]。发展农村综合能源可促进风力(wind turbine，WT)、光伏(photovoltaic，PV)、沼气发电机组(biogas generation，BG)等分布式清洁能源联合供能，适合农村新能源发展，有利于WT、PV等分布式清洁能源的就地消纳[8]。特别是在北方农村地区落实煤改电政策后，为进一步解决北方农村地区供暖供冷问题提供了新的解决思路。但随着农村综合能源系统分布式设备的增加，各设备之间如何协调出力[9]，以及在保证配电网安全稳定运行的前提下，提高用户用能的经济性成为了一个关键性问题。

近年来在农村综合能源方面，文献[10]对乡镇综合能源系统的未来发展方向进行了展望。文献[11-12]分别就建立农业园区化的综合能源服务模式，以及如何实现微电网群节省成本的公平分配等问题进行了研究。以上文献研究农村综合能源系统未来发展方向、服务模式以及收益分配，对于适用典型农村场景的综合能源系统优化运行方法并未涉及。

与城市相比，农村地区地理范围更加广袤，且具有丰富的生物质资源，有利于生物质发电的推广与应用。但农村供能和用能端均具有较大的分散性，不利于综合能源系统的集中调度，而分层优化是一种有效的解决方案，而目前分层优化方法多以两层优化方法较为常见。如文献[13-15]分别针对区域综合能源系统规划与运行，家庭能量的优化调度，多源多层次区域能源互联网系统等问题进行了两层优化模型研究。

本文针对农村地区特色场景，考虑农村地区源荷的分散性，为增加用户用能的经济性，同时促进分布式清洁能源的就地消纳，将农村综合能源系统分为3个层级实现协调优化。并基于已有的研究成果，考虑农村地区供用能特点，提出一种考虑BG机组余热回收利用的农村综合能源系统多层协同优化运行方法，通过优化算法逐级优化，得到各分布式电源(distributed generation，DG)以及供热、供冷设备的最优出力。

1 农村综合能源系统多层协同优化运行框架

农村综合能源系统中随着分布式设备数量的剧增，对传统配电网的集中调度提出了新的要求。根据不同的用电层级将农村综合能源系统划分为用户级(user- level integrated energy system，UIES)-村级(village-level integrated energy system，VIES)-乡镇级(township-level integrated energy system，TIES)三个层级(UIES-VIES-TIES)，以进行协同优化调度。具体协同优化运行框架如图1所示。

图1 三级分层协同优化运行系统框架Fig.1 Three-level hierarchical framework of collaborative optimization system

UIES具有WT、PV、BG等多种DG，以及储能电池(battery energy storage system，BESS)、空气源热泵(air source heat pump，ASHP)等设备，系统内DG采用“自发自用，余电上网”并网方式，促进了清洁能源就地消纳的同时提高了系统运行的经济性。

VIES具有若干互联综合能源系统，其主要功能是规划综合能源系统中各个DG协同出力，实现区域能量自治。通过三级自律优化策略使系统运行的经济性达到最优，具体如图2所示。

图2 村级农村综合能源系统Fig.2 VIES rural integrated energy system

TIES的主要功能为协调各个村级电能的调度以及与上级配电网的交互，对电能交易进行选择，在购电成本低于运行成本时选择购电，反之则进行售电，从而提高系统整体运行状态的经济性。

2 农村综合能源系统分层协同优化运行调度模型

由于农村综合能源系统多层协同运行框架中各层级所考虑的变量以及约束条件等具有差异性，故分别对TIES、VIES、UIES构建优化调度模型。

2.1 TIES优化调度模型

2.1.1 TIES目标函数

TIES优化调度模型以乡镇区域综合能源系统运行成本最小为目标，综合考虑区域内各DG运行成本以及与配电网交换功率成本。具体目标函数如下：

(1)

式中：minCTIES为TIES的最小运行成本；t为一天中某个时段；T为一天总时段数，取值为24；N为VIES个数；Pn(t)为TIES内第n个VIES的发电总功率；Pexc,n(t)为第n个VIES与配电网的交换功率[15]；f[Pn(t)]为第n个VIES的发电成本；f[Pexc,n(t)]为第n个VIES的交换功率成本。

(2)

(3)

式中：xn、yn、zn分别为村级发电成本系数；wn为传递成本系数；v(t)为实时电价[15]。将每一个VIES等效为一个发电单元，其发电成本与乡级总发电功率是二次函数关系。

2.1.2 TIES约束条件

TIES运行优化约束条件需考虑功率平衡、综合能源系统运行出力上下限以及电网联络线功率[16]。

1)功率平衡约束：

(4)

2)TIES发电受其内部DG的影响，其发电功率上下限如下：

(5)

3)联络线功率约束：

(6)

2.2 VIES优化调度模型

VIES优化调度模型考虑对BG机组的余热进行回收，结合溴化锂制冷机(lithium bromide refrigerator，LBR)对村级区域内供冷、供热，以提高能源利用率，降低系统运行成本，并满足用户多种能源需求。由于冷能、热能远距离传输损耗较大，故冷能、热能的优化只在村级区域内部进行。

2.2.1 VIES目标函数

构建VIES优化调度模型，模型以各村级区域综合能源系统运行成本最小为目标，综合考虑区域内各DG运行成本、储能成本、辅助供热供冷设备运行成本。具体目标函数如下：

(7)

式中：minCVIES为VIES的最小运行成本；M为VIES中用户的个数；CWT,t为WT机组发电成本；CPV,t为PV机组发电成本；CBIO,t为BG机组发电成本；CBESS,t为BESS设备充放电成本；CAST,t为ASHP运行成本；CLiBr,t为LBR的运行成本。

1)WT机组和PV机组运行需分别考虑各自运维成本：

CWT,t=PWT,t·δWT

(8)

CPV,t=PPV,t·δPV

(9)

式中：PWT,t、PPV,t分别为t时段WT机组和PV机组的出力；δWT、δPV为WT机组和PV机组的运行维护成本系数。

2)BG机组出力大小与沼气量和沼气中甲烷浓度等因素相关，综合考虑BG机组规模、沼气产量以及BG机组的运行维护费用等，建立BG成本模型：

CBIO,t=PBIO,t·δBIO

(10)

(11)

式中：PBIO,t为t时段BG机组出力；δBIO为BG机组运行维护成本系数；a0为常数项系数；a1、a2分别为沼气压强和沼气消耗量的线性项系数；a3为沼气压强的二次项系数；FP,t、FBIO,t分别为t时段沼气压强和沼气消耗量。

3)BESS的充放电成本。由于BESS充放电次数有限，考虑BESS的衰减，其成本如下所示：

CBESS,t=PDIS,t·δDIS+PCH,t·δCH

(12)

式中：PCH,t、PDIS,t分别为t时段BESS充放电功率；δCH、δDIS为BESS充放电的成本系数。

4)ASHP运行过程中，综合考虑ASHP热损、设备运行维护以及热负荷环境因素，折算为经济成本系数，其成本如下所示：

CAST,t=PAST,t·δAST

(13)

式中：PAST,t为t时段ASHP消耗的电功率；δAST为ASHP经济成本系数。

5)LBR成本计算公式如下：

CLiBr,t=PLiBr,t·δLiBr

(14)

式中：PLiBr,t为t时段LBR消耗的电功率；δLiBr为LBR经济成本系数。

2.2.2 VIES约束条件

1)冷、热、电功率平衡约束如下：

电功率平衡约束：

PELE,t=PWT,t+PPV,t+PBIO,t+
PDIS,t-PCH,t-PAST,t

(15)

式中：PELE,t为t时段综合能源系统电负荷。

热功率平衡约束：

PHOT,t=PBIO,t·λ+PAST,t·θ-PLoss

(16)

PLoss=η·L

(17)

式中：PHOT,t为t时段综合能源系统热负荷；λ为BG机组余热回收折算系数；θ为ASHP电热转换系数；PLoss为综合能源系统中热功率损失；η为单位距离传输热损系数，取30 W/m[17]；L为供热水管长度。

冷功率平衡约束：

PCOLD,t=PLiBr,t+PAST,t

(18)

式中：PCOLD,t为t时段综合能源系统冷负荷。

2)WT机组、PV机组出力约束：

(19)

3)BG机组出力约束：

(20)

沼气日产量约束：

(21)

4)BESS充放电约束：

充放电限制约束：

(22)

(23)

2.3 UIES优化调度模型

2.3.1 UIES目标函数

构建UIES优化调度模型，模型以各用户区域综合能源系统运行成本最小为目标，综合考虑区域内各DG运行成本、用户间交易电量成本[18]、可中断负荷补偿成本[19]。具体目标函数如下：

(24)

式中：minCUIES为UIES最小运行成本；CDeal为用户间交易电量成本；CIload,t为可中断负荷成本。

CDeal,t=τ·PDeal,t

(25)

CIload,t=ρ·PIload,t

(26)

式中：PDeal,t为t时段交易电功率；τ为用户间交易实时电价；PIload,t为t时段的可中断负荷；ρ为用户补偿系数。

2.3.2 UIES约束条件

1)电功率平衡约束：

PELE,t=PWT,t+PPV,t+PBIO,t+PDIS,t-PCH,t+
PIload,t+PPP,t-PSE,t

(27)

式中：PPP,t、PSE,t分别为在t时段用户级综合能源系统购电与售电量。

2)可中断负荷约束：

(28)

3)用户间交易电量约束：

(29)

2.4 农村综合能源系统分层协同优化运行调度流程

2.4.1 各层级模型间的交互方式

首先TIES根据区域内分布式能源最大出力与负荷日前预测结果进行判断，若区域内DG出力功率在满足区域内负荷的前提下仍有余量，可向大电网交易电量，以获取收益并降低系统运行成本。若区域内DG出力功率无法满足区域内负荷需求，则向大电网购电，以保证系统供电稳定性。之后，TIES以区域内综合能源运行成本最小为目标得到各DG的最佳出力功率，并将各DG出力功率下发至各VIES。

VIES根据TIES下发各DG出力功率，并考虑村级区域内供热、供冷需求，以区域内综合能源运行成本最小为目标继续优化得到该区域内各DG的最佳出力，并将各DG出力功率下发至各UIES。

UIES根据VIES下发各DG出力功率，并考虑UIES区域内可中断负荷，以区域内综合能源运行成本最小为目标继续优化得到该区域内各DG的最佳出力，并将各DG出力功率下发至各UIES。同时计算UIES区域内各DG的成本系数，并反馈至上级综合能源模型。

当各层级间DG出力功率与成本系数停止更新后，系统优化结束，UIES将各DG与供热、供冷设备调度指令下发，各设备相应调度。具体交互方式如图3所示。

图3 各层级模型间的交互方式Fig.3 Interactions between models at various levels

2.4.2 系统优化调度流程

1)开始初始化数据，其中包括区域内各DG出力预测，各DG成本系数，区域内冷、热、电负荷需求，以及储能设备的状态等。

2)对TIES进行优化，得到区域内各DG总发电功率以及与配电网的交易电量，并将各DG发电功率下发至VIES。

3)按照TIES下发的发电功率，考虑冷、热、电负荷，对VIES进行优化，并将各DG发电功率优化结果进一步下发至UIES。

4)按照VIES下发的发电功率，考虑可中断负荷，对UIES进行优化，并计算各DG的边际成本系数。

5)判断各DG的成本系数是否需要进行更新，若DG的成本系数需要更新，则回到最高级优化模型重新求解；若DG的成本系数不需要更新，或达到最大迭代次数则优化过程结束，跳转至下一步。

6)输出所得的最优结果，UIES将各DG与供热、供冷设备调度指令下发，各设备相应调度，优化调度结束。

三级协同优化调度具体流程如图4所示。

图4 三级协同优化调度流程Fig.4 Flow chart of three-level collaborative optimization scheduling

3 算例分析

3.1 算例参数

算例模型中包含WT、PV、BG等DG，其中WT受季节性影响，图5为WT四季典型日出力预测。冬季WT出力偏多，夏季较少，春秋适中。

图5 典型日WT功率曲线Fig.5 Typical daily power curve of WT

PV也受到季节性影响，图6为PV四季典型日的出力预测。夏季PV出力最高，冬季最少，春秋适中。

图6 典型日PV功率曲线Fig.6 Typical daily power curve of photovoltaic power generation

电价以河北南网分时电价为例，具体电价如表1所示。平时段为06:00—08:00、12:00—16:00、20:00—22:00；高峰时段为08:00—12:00、16:00—20:00)；低谷时段为22:00—次日06:00。

表1 河北电网分时电价Table 1 Time-of-use electricity price of Hebei power grid

算例模型包含乡镇、农村、用户三种层级的负荷，模型中乡镇包含13个村庄。图7为其中3个村庄的VIES结构图。图8为某一个村庄28户位置分布与热网拓扑图，每户占地面积约为114 m2。每村配有BG机组的余热回收系统和100 kW的LBR，对用户进行供热供冷。经济富裕的农户还可配备一额定功率为3.675 kW的ASHP，当热能冷能供应不足时，由ASHP进行补充供热供冷。

图7 三个VIES的系统结构Fig.7 System structure diagram of 3 VIES

图8 农村居民住户分布与热网拓扑Fig.8 Rural household distribution and heat network topology

算例使用遗传算法，通过MATLAB R2017a编写程序，对该农村综合能源系统算例进行优化验证。

3.2 TIES优化结果分析

TIES冬季、夏季典型日优化结果分别如图9、图10所示，图中负值表明该TIES向电网售电。TIES优化模型中，在与大电网进行电量交易时，优化结果显示模型对交易电价敏感。在交易电价高于整个系统运行成本时，模型倾向于在满足系统内负荷供电的基础上再进行售电；而当交易电价低于整个系统运行成本时，模型倾向于购电。

图9 TIES冬季典型日优化结果Fig.9 Optimization results of typical winter days at TIES

图10 TIES夏季典型日优化结果Fig.10 Optimization results of a typical day in summer at TIES

3.3 VIES优化结果分析

3.3.1 VIES内部优化结果

VIES冬季典型日含供热设备的协调优化结果如图11所示，图中负值表明BESS进行充电。VIES供热依靠BG机组的余热回收和ASHP的协同出力。BG机组在发电的同时可产生大量余热，对其进行余热回收成本较低。因此供热段由BG机组的余热回收为主要出力，剩余不足的热量由ASHP进行补足。低成本的供能端优先出力，保证了用户的供热经济性。

图11 VIES冬季典型日含供热设备的协调优化结果Fig.11 Coordination and optimization results of a typical day of heating equipment in winter at VIES

VIES夏季典型日含供冷设备的协调优化结果如图12所示。VIES供热依靠对BG机组的余热回收为LBR提供热能，由ASHP和LBR协同出力对用户端进行供冷。由于夏季少风多光，故PV出力居多，为用户供给电能。

图12 VIES夏季典型日含供冷设备的协调优化结果Fig.12 Coordination and optimization results of a typical day of cooling equipment in summer at VIES

VIES冬、夏典型日优化前后成本如图13所示。优化后大部分时段成本均有下降。由于VIES对BG机组余热进行了回收，并对VIES内部进行集中供热。在不增加能源消耗的前提下，提高了能源利用效率和农村用户用能的经济性。

图13 VIES冬季和夏季典型日优化前后成本Fig.13 Costs before and after optimization of typical winter and summer days at VIES

3.3.2 各VIES之间优化结果

冷、热能优化只在VIES内部进行，各VIES之间仅考虑电量平衡。对图7所示的含3个VIES系统进行优化，具体优化结果如图14—16所示，图中负值表明该VIES向其他VIES进行供电。

图14 VIES-1优化结果Fig.14 The optimization results of VIES-1

图15 VIES-2优化结果Fig.15 The optimization results of VIES-2

以时段8为例，此时VIES-1的DG出力较多，VIES-2和VIES-3的DG出力较少。VIES-1在满足自身负荷以及储能需求的前提下，向VIES-2和VIES-3提供电能，以满足VIES-2和VIES-3的电负荷需求。

图16 VIES-3优化结果Fig.16 The optimization results of VIES-3

3.4 UIES优化结果分析

UIES冬、夏季典型日优化结果分别如图17、图18所示，图中BESS、可中断负荷、交易电量负值分别表明BESS充电、负荷中断节省的电能、向其他用户供电。UIES主要依靠PV、BESS与用户间的电量互补对自身进行供电，考虑系统内的可中断负荷进行优化，从而使用户的用电成本降至最低。

图17 UIES冬季典型日优化结果Fig.17 Optimization results of UIES of a typical day in winter

图18 UIES夏季典型日优化结果Fig.18 Optimization results of UIES of a typical day in summer

4 结 论

农村地区地域广袤，且分布式清洁能源相对分散，本文针对含多个DG的农村综合能源系统，提出了一种UIES-VIES-TIES的综合能源系统分层协同优化运行方法。TIES负责协调各VIES的优化以及与上级配电网的交互；VIES负责优化各分布式设备出力；UIES负责响应上级的电能调度并对剩余电能进行合理调配。通过算例分析得到以下结论：

1)三级农村综合能源分层协同优化框架对农村综合能源系统中大规模的决策变量处理提供了有效解决方案。

2)在VIES内部优化运行时，通过BG机组的余热回收以及ASHP、LBR等设备，实现了冷、热、电多能源互补；在VIES间优化运行时，实现了各VIES间的电能互济；多种能源的互补互济可有效提高农村居民多元化用能经济性。

3)本文提出的农村综合能源系统多层协调优化运行方法，对农村综合能源系统中各分布式清洁能源设备进行有效管控，促进可再生清洁能源的就地消纳。

针对一般含PV、WT、BG等DG的农村综合能源系统，本文所提方法具有一定的通用性，可为以后农村综合能源系统的相关研究提供参考。