基于碳排放与需求响应的园区IES双层优化调度

代帅帅，高 岩

（上海理工大学 管理学院，上海 200093）

0 引 言

化石燃料的快速枯竭和环境污染的加剧，使得以清洁和可再生能源为基础的综合能源系统（Integrated Energy System，IES）更加适用。IES是一种高效、低碳、优化规划与调度的能源供应系统，其可根据不同时段能源价格差异，选择其它能源等质转换来满足用户多种能源需求，显著提高了系统能源利用率和运行经济性。

目前，国内外学者对IES的深入研究已取得一定成果。其中，文献［2］基于需求响应（Demand response，DR）提出一种多区域IES实时定价与优化调度策略，该策略降低了电负荷消耗和碳排放。文献［3］中提出一种新型的冷、热、电多储能相结合的分布式IES，通过优化系统配置，使能源损耗接近于0。文献［4］针对电、热、气的协同作用，提出一种并网式IES。系统利用沼气－太阳能－风能的互补性，有效地降低了CO排放和能源损耗。文献［5］构建了一个可替代的热电一体化能源系统，以综合能源碳价格作为优化目标，使系统总生产成本和碳排放成本达到最小，碳排放成本在此指IES与用户因消耗天然气排放碳类污染物需向相关部门交付的环保成本。文献［6］研究了电、热、冷等多能互补分布式能源系统规划问题，所建模型可使系统低碳运行，并提高可再生能源利用率。文献［7－8］均将电转气（Power to Gas，P2G）技术引入IES中，降低了CO排放和天然气系统运行成本。文献［9］提出一种基于改进谱聚类方法的电－氢－气－热一体化IES随机优化调度策略，有效解决了P2G产气效率低以及负荷不确定性问题，实现多能源之间的协同作用。文献［10］采用随机场景法和鲁棒优化法对购能价格、风光出力和综合需求响应等多重不确定性进行建模，降低了系统运行成本，实现经济性与鲁棒性的协调优化。

IES通过控制实时定价或分时定价，来促进和调动用户参与需求响应，实现真正意义上的削峰填谷。文献［11］建立了考虑需求响应的双层规划模型，来协调电力市场主从层次关系，提高了社会总福利，但上层模型忽略了供应商发电时的环保成本。文献［12］提出一种综合考虑电源侧与负荷侧特性的双层互动调度策略，该策略降低了负荷峰谷差，提高了电力系统运行的经济性和调节能力。文献［13］构建了以设计峰谷分时电、热价为依托的综合型价格需求响应模型，通过价格激励引导用户合理用能，有效提高了系统净收益。文献［14］建立了基于电价的电负荷需求响应和基于激励的热负荷需求响应模型，降低了电、热负荷峰谷差，提高了能源整体利用率。

综上所述，文献［3－6］中各系统内用户均未参与需求响应，以此降低能源消耗和系统运行成本。但文献［7－9］均未对P2G产生的过剩热能回收再利用，造成了资源浪费。文献［12－14］未考虑系统耗气造成的碳排放成本，而碳排放成本的引入，可有效减少系统CO排放量和天然气消耗量。此外，IES的诸多研究领域中大都以用户电、热负荷为研究主体，分析需求响应或者碳排放对系统运行稳定性及其经济性的影响，很少将两者综合考虑，同时也忽略了用户对天然气使用的灵活性。为此，本文以用户电、热、气需求为研究对象，建立了考虑碳排放和需求响应的园区IES双层优化调度模型。针对双层模型，本文将采用对偶理论、KKT条件、Big－M法把下层模型转换为上层目标函数的线性约束条件后求解。通过仿真实验，验证IES中所建立模型的经济性、环保性。

1 园区综合能源系统建模

IES内包含风电机组（Wind Turbine，WT）、蝶式斯特林光热系统（Disc－type Stirling photothermal system，DSPS）、燃气锅炉（Gas boiler，GB）、热电联产（Combined Heat and Power，CHP）机组、电锅炉（Electric boiler，EB）、P2G、储电池（Battery Storage，BS）、蓄热罐（Heat storage tank，HST）及储气罐（Gas Storage Tank，GST）等能源生产、存储和转换设备；系统仅考虑与电网交互（Grid Interactions，GI）以及用户电、热、气负荷的需求响应，其运行结构如图1所示。

图1 园区IES结构图Fig.1 Structure diagram of IES in the park

1.1 能源生产－转换设备模型

1.1.1 蝶式斯特林光热系统模型

DSPS是一种具备高效发电、产热的清洁能源设备，且其产能成本较低，近年来在各个IES内受到广泛使用。

1.1.2 风电机组模型

风能属于可再生资源，且中国风力资源丰富，利用风力产电可有效降低化石能源消耗和环境污染度。

式中，P为风电出力；为实际风速；v、v为输入输出风速；P为风电装机容量；v为额定风速。

1.1.3 CHP机组模型

CHP机组是由燃气轮机和余热锅炉组成，通过消耗天然气驱动涡轮叶片做功发电，排出的高温余热烟气经余热锅炉为用户提供热能。

1.1.4 GB模型

GB是IES内以天然气为燃料的主要热源设备，其产热性能高。

式中，、为时刻GB产热、燃气功率；为GB产热效率；为GB产热额定功率；、为EB爬坡速率的上、下限。

1.1.5 EB模型

EB主要通过消耗电能高效转化为热能的热源设备。

式中，、为时刻EB产热，耗电功率；为EB电转热效率；为EB产热额定功率。

1.1.6 改进后P2G模型

P2G分为电制氢和氢制甲烷两部分，后者在催化剂作用下具有放热反应。相较于传统P2G技术，为防止热污染和资源浪费，本文将对该反应热回收再利用。改进后P2G运行过程如图2所示，模型如下：

图2 改进后P2G运行图Fig.2 Improved P2G operating diagram

1.2 储能设备模型

IES储能设备由储电池、蓄热罐、储气罐构成。

1.2.1 储能设备容量约束

1.2.2 储能设备存储量约束

式中，E为储能设备最大容量；S、S为储能设备存储能力上、下限；E为储能设备初始时刻存储量；S为储能设备初始时刻的存储能力。

1.2.3 储能设备起止容量平衡约束

1.2.4 储能设备充放能功率约束

2 双层优化调度模型

以往文献中IES双层优化模型中，上层模型主要规划IES日运行成本最优问题，下层模型负责求解用户日用能成本最小化问题。而本文与之区别是：上层同时考虑了系统转换能时的碳排放成本和激励用户参与需求响应的补偿成本；下层计入了用户使用天然气时的碳排放成本。

2.1 上层模型目标函数

上层模型目标函数以IES运行成本最小为目标，由IES从外网购买热、天然气能成本、电能交互成本、各产能设备维护成本、碳排放成本以及激励用户参与需求响应的补偿成本等构成。

式中，C为IES向外网购买热、气能成本；C为系统运行维护成本；C为IES与电网交互成本；C为系统燃气时碳排放成本；C为IES对用户参与需求响应的补偿成本。

（1）IES向外网购热、气成本计算公式：

式中，p，p为IES向外网购买热、气单价，P，P为IES内热、气能购买量。（2）IES运行维护成本计算公式：

式中，c，c，c，c，c，c为IES内WT机组、DSPS、GB、CHP、EB等设备运行维护成本系数；P为时刻P2G产气功率；c，c，c为BS、HST、GST运行维护成本系数。

（3）IES与电网间的交互成本计算公式：

式中，p，p为IES向电网购、售电价格，P，P为IES向电网购售电功率。

（4）IES的碳排放成本计算公式：

式中，p为碳税价格（0.3元／Kg），β为燃气发电、产热时的等效碳排放系数（0.47 Kg／kW）。

（5）IES对用户需求响应补偿成本计算公式：

式中，p，p，p，p，p，p为用户参与电、热、气负荷可削减、可转出响应时的补偿收益系数；P，P，P和P，P，P为时刻用户可削减、可转出的电、热、气负荷量。

2.2 上层模型约束条件

（1）电负荷功率平衡约束：

（2）热负荷功率平衡约束：

（3）天然气功率平衡约束：

（4）电网交互功率约束：

式中，P、P为IES与电网交互功率上、下限。

2.3 下层模型目标函数

下层模型目标函数以用户综合用能成本最低为最优化目标，其包含用户从IES购入电、热、天然气等综合能源成本，用户参与需求响应获得IES补偿收益以及用户使用天然气产生的碳排放成本。

式中，C为用户从IES购能成本；C为用户需求响应获得的补偿收益；C为用户耗气时的碳排放成本。

（1）用户向IES购能成本：

式中，p、p、p为用户购电、热、气单价。

（2）用户耗气时碳排放成本：

2.4 下层模型约束条件

IES内用户需求负荷分为基本负荷（不因价格变化而变化）和可响应负荷两种类型。可响应负荷具有较强的灵活性，其包括可削减和可转移负荷。根据系统能源供应情况，可灵活调整用能负荷量及用能时段。电、热、气负荷需求响应模型如下：

3 仿真实验

针对上述双层混合整数规划问题，根据对偶理论、KKT条件和Big－M法，将下层模型转换为上层模型的线性约束条件，最后利用MATLAB－YALMIP求解器对单目标函数求解。

3.1 场景描述

为验证所建模型的经济性和环保性，本文将分为4个场景，对不同结构组成的园区IES优化调度策略进行探讨分析研究，具体分类见表1。

表1 场景分类Tab.1 Scene classification

3.2 日负荷及可再生能源日出力功率预测

根据系统各设备模型及其参数，对可再生能源日出力与电、热、气负荷需求量进行预测，（本文暂不考虑预测存在的细微误差），预测曲线如图3所示。

图3 日负荷及可再生能源日出力功率预测曲线Fig.3 Daily load and renewable energy sunrise power prediction curve

3.3 能源交易价格与需求响应策略

园区IES能源交易价格采用分时定价，详见表2。

表2 能源交易价格（单位：元／kW）Tab.2 Energy transaction price（Unit：Yuan／kW）

用户参与需求响应时，其各时段最大负荷削减量占该时段负荷消耗量的5%；最大负荷转移量占该时段负荷消耗量的8%。负荷可转移时段不同于可削减时段；前者为5：00－22：00，而后者为全天24 h。IES为鼓励用户参与需求响应，将给予一定的经济补偿。系统内电负荷在每时段可削减、可转出补偿成本系数分别为0.6元／kW和0.3元／kW；热负荷在每时段可削减、可转出补偿成本系数分别为0.3元／kW和0.15元／kW；气负荷在每时段可削减、可转出补偿成本系数分别为0.2元／kW和0.1元／kW。

3.4 系统优化调度结果分析

本文主要根据场景4中IES内各负荷供需平衡图，对系统优化调度结果进行分析，如图4。

场景4相较于其它场景，IES综合考虑了CHP机组、P2G技术的使用以及用户需求响应的参与。

由图4（a）可见，1：00～4：00和23：00～24：00是电能需求低谷时段，用户不参与电负荷响应，此时风电机组产电过剩。为减少能源浪费，将多余的电能分别输送给P2G、EB及BS，用于生产天然气、热能或者进行电能存储。9：00～13：00和18：00～21：00是电能需求高峰时段，参与电负荷响应后的用户用电量明显减少。在CHP、风光发电及储电池放电的协作配合下，系统供电压力减弱；此时段售电价格相对较高，可将多余电能上网售卖获利。14：00～17：00是电价平峰期，用户用电增加。为降低IES经济成本，系统从外网购电满足其需求，并对储电池充电，保持系统供需平衡。

图4 场景4优化调度结果Fig.4 Scenario 4 optimized scheduling results

由图4（b）得，在1：00～2：00和23：00～24：00时段，IES向热网购热能力受限，P2G产热不足；利用EB、GB产热效率高的特性，配合蓄热罐放热来满足用户热能需求。在3：00～8：00时段，EB、GB产热明显增多；CHP、PSDS也启动产热，多余热能输送给蓄热罐。9：00～13：00和18：00～21：00时段由于用户热负荷响应的参与，热能需求显著降低，第二时段光热系统停止供热，不足部分由蓄热罐放热满足，既可提高能源利用率；也能降低IES外网购热成本。14：00～17：00是热价平峰期，外网低价购热对蓄热罐充热。

由图4（c）得，用户参与需求响应使得天然气在日周期内消耗量大大减少。1：00～4：00时段，P2G吸收CO合成天然气，降低IES外网购气量；9：00～13：00和18：00～21：00时段，为维持系统稳定，储气罐放气加以IES外网购气共同满足CHP、GB产热耗气需求；在气价低谷和平峰期，IES内用户气能需求量相对较低，该时段持续对储气罐充气以维持储能系统性能稳定。

3.5 电、热、气负荷需求响应分析

由图5可知，9：00～13：00和18：00～21：00为用能高峰时段，由于购能价格较高，用户均选择相应的转出和削减，以降低用能需求。其中4：00～9：00和22：00～24：00以及14：00～17：00分别是能源价格低谷和平价时段，用户用能需求均上升，可见负荷需求量总体呈现由用能高峰时段向低谷时段转移。由图可知，可削减和可转出负荷量明显高于可转入负荷量，用户能源总需求量减少，节约了能源消耗。

图5 需求响应前后电热气负荷需求对比图Fig.5 Comparison of electric heating and gas load demand before and after demand response

通过综合分析可得，电、热、气负荷参与需求响应后，在分时电价、热价、气价及系统补偿激励的引导下，负荷峰谷差显著变小，真正意义上实现了削峰填谷。

3.6 不同场景下经济成本分析

园区IES内不同场景优化后的各项成本，以及总运行成本见表3。由于用户在场景1、2、3下的购能成本、补偿收益以及总用能成本相同，本文仅以场景1、4作主要对比分析（见表4）。

表3 园区IES运行成本Tab.3 Operating cost of IES in the park 元

表4 用户用能成本Tab.4 Energy cost for users 元

由表3中场景1、2的经济分析结果可知，IES增加CHP机组为用户供能，可节约6%的购能经济成本，增加2.1%的设备维护成本，整体上节约2.3%的日运行成本；由场景2、3的经济分析结果可知，IES在前者的基础上增加P2G设备，节约2.6%的日碳排放成本和0.3%的日运行成本；由场景3、4的经济分析结果可知，用户参与负荷需求响应，可为系统节省17.3%的购能经济成本、1%的设备维护成本以及6.7%的日运行成本。由此可见，CHP、P2G以及DR的共同参与，显著降低了IES日运行总成本。其中，IES内碳排放成本的降低，体现了CO排放量的减少。

由表4中场景1、4的经济分析结果可知，在电热气协同优化的作用下，需求响应的参与降低了用户7.4%的购能成本、5.7%的碳排放成本以及10.7%的日用能成本。因此，用户可积极参与IES制定的能源需求响应策略。综上所述，本文所建立的双层模型有效降低了IES日运行成本和用户日用能成本，且减少了系统产能和用户用能产生的碳排放量，具有一定的经济性和环保性。

4 结束语

本文根据能源生产、转换、存储等设备特性，提出了计及电、热、气负荷需求响应的园区IES优化调度运行策略。通过仿真实验分析与对比，得到以下主要结论：

（1）实施电、热、气能需求响应可将负荷从用能高峰期转移至低谷期，起到削峰填谷的作用，这使得用户总能源消耗量和系统外网购能成本均有所减少。

（2）IES在传统P2G技术的基础上，增加余热回收装置，降低了热能的污染和浪费。电锅炉、燃气锅炉、CHP机组、光热系统以及风电机组之间的协作供能，有效地提高整体能源利用率和保障系统的稳定运行。

（3）对用户参与需求响应给予相应的经济补贴，不仅减少了用户天然气消耗时的碳排放量，还节省了日用能成本。

（4）该双层模型降低了电、热能源的大规模消耗，改善了系统的灵活性，具有一定的经济性和环保性。

本文在这里仅研究了小型单一园区IES的优化调度运行策略。随着新型信息技术对电、气、冷、热等多种能源生产、转换、存储进行综合管理和协调优化的IESs研究和发展，可更加有效地提高能源利用率，降低各系统运行成本，减少环境污染。基于此，接下来将结合新型低碳能源、高效产能设备、不同优化策略对IES调度问题进一步深入研究。