城市电热综合能源系统分布式鲁棒经济调度

吴潇雨，孔维政，代红才

（国网能源研究院有限公司，北京 102200）

受环境和能源危机的影响，大力发展风、光等可再生能源利用技术，加快能源转型发展已经成为世界各国的普遍共识。城市电热综合能源系统UI⁃HPS（urban integrated heat and power systems）将为能源转型的落地实施和加速发展提供有力的支持[1-2]。通过大型热电联产CHP（combined heat and power）机组和分布式蓄热DTES（distributed thermal energy storage）装置等电热耦合设备，可以有效利用热力系统的灵活调节特性，实现两种能源系统间的协同互补，显著提升风能等可再生能源消纳水平[3]。考虑到风力发电机组出力强，随机波动性对系统运行稳定性的影响，发展一种同时计及热力系统灵活调控能力和可再生能源消纳安全性的城市电热综合能源系统经济调度模型变得尤为重要。

城市级热力系统灵活调控能力主要受一级热力管网和分布在一级管网换热站的分布式蓄热装置影响。在计及城市热力管网的运行优化研究方面，目前主要采用节点模型来模拟热网流量和各节点动态变化过程[4-5]。文献[4]综合考虑了热网传热时延和温度损耗特性，建立了考虑火电机组启停和热力网络约束的热电综合能源系统优化调度模型；文献[5]在对热网动态特性分析的基础上，建立了综合考虑CHP机组运行特性、风电功率以及储热运行策略的热电系统协同调度模型。对DTES的建模，目前多通过类比电储能的荷电状态模型，建立DTES的能量状态时序模型。文献[6]以DTES的蓄热和放热功率为优化变量，构建了社区综合能源系统的优化调度模型，但未考虑不同DTES热交换过程中介质温度的影响。

在处理风电出力不确定方面，目前的主流建模方法有随机优化[7]和鲁棒优化[8]，但随机优化中的不确定变量概率分布往往与其真实的概率分布存在一定的偏差，而鲁棒优化中预先设置的不确定变量边界可能会对优化方案保守性产生较大影响。近年来，结合了随机优化、鲁棒优化优点的分布式鲁棒优化DRO（distributionally robust optimization），逐渐成为处理可再生能源出力不确定性的常用方法之一。文献[9]建立了一种考虑风电不确定性的综合能源系统DRO调度模型，依据L1范数和L∞范数调节各不确定场景的概率分布，得出出力最恶劣概率分布式下的系统调度方案；文献[10]以Kullback-Leibler散度作为依据，度量风电出力分布函数与参考分布之间距离，建立了综合能源系统的DRO调度模型。但上述研究中，未考虑传热介质温度对热力管网和分布式蓄热装置运行的影响，无法准确刻画热力系统的灵活调控特性。

本文面向城市电-热综合能源系统，首先建立了计及介质温度变化的城市热力管网和分布式蓄热设备模型，完整刻画了热力系统调控特性。在此基础上，提出了一种城市电热综合能源系统分布式鲁棒经济调度模型。通过分布式鲁棒优化理论，对风电机组的不确定性进行建模，进而得到可再生能源出力最恶劣概率分布下的经济调度方案。

1 城市电热综合能源系统

UIHPS通过整合城市范围内不同种类能源资源，打破原有能源系统单独规划、独立运行的模式，实现电热两种能源协调发展。图1给出了一个典型的UIHPS示意。

UIHPS中，电能供应主要来自火电发电TPG（thermal power generation）机组、CHP机组、风力发电机组，热能供应主要来自CHP。城市电网主要负责将电能供应设备发出的电能传输给用户，连接了电源、输配电网和电负荷。城市热网将CHP机组发出的热能传输给用户，由一级热网和二级热网构成。一级热网与二级热网在换热站内进行热力交互。同时，为了增强热力系统运行灵活性，部分换热站会配置水蓄热和相变蓄热两种类型的DTES。

1.1 发电供能设备模型

1.2 电力网络模型

1.3 热力网络模型

1.4 分布式蓄热装置模型

1.5 换热站模型

2 城市电热综合能源系统分布式鲁棒经济调度

在UIHPS经济调度问题中，风电机组出力波动性对调度方案的影响尤其突出。本文基于DRO理论，提出了一种UIHPS的DRO经济调度模型，旨在得到风电机组最恶劣概率分布下的最优调度方案。

2.1 目标函数

基于DRO的UIHPS优化调度是一个典型的两阶段优化模型[9]。考虑到热网的动态特性要慢于电网，因此，在本文模型中，通过调节电网设备的出力来应对风电出力不确定性带来的影响。第1阶段在不计及风电出力不确定性（即预测场景）的前提下，综合考虑CHP机组运行成本和DTES的运维成本，以系统运行成本最小为优化目标；第2阶段根据各不确定场景下的风电机组出力变化，考虑运行安全，以TPG机组发电成本和弃风惩罚成本最小为优化目标。

2.2 约束条件

3 算例分析

本文基于中国北方某城市电-热综合能源系统[19]，对所提模型的有效性进行了验证。该系统由30节点电力系统与28节点热力系统构成，电力系统与热力系统通过CHP耦合节点相连接，包括2台热电联产机组CHP1与CHP2，CHP1的最大电功率和最大热功率输出分别为450 MW和270 MW，CHP2的最大电功率和最大热功率输出分别为100 MW和125 MW，CHP机组的运行参数见表1，系统中含有4台热电机组TPG1～TPG4与1个装机容量为300 MW的风电场PW，热电机组与电力和热力网络数据参见文献[19]。UIHPS拓扑结构如图2所示，系统最大电负荷为1 072.75 MW，最大热负荷为359.26 MW，具体数据参见文献[19]。DTES的相关技术参数如表2所示。

表1 CHP机组运行参数Tab.1 Operating parameters CHP units

图2 UIHPS拓扑结构Fig.2 Topological structure of UIHPS

表2 DTES的技术参数Tab.2 Technical parameters of DTES

根据DRO优化理论，建立以风电预测出力值为其期望值、方差为0.6倍期望值的正态分布模型，生成100个风电出力数据，然后利用K-means聚类得到4个不确定场景。预测场景、不确定场景下的风电机组出力如图3所示。

图3 各场景下的风电机组出力Fig.3 Wind turbine output in each scenario

3.1 风电出力不确定性对调度结果的影响

根据是否考虑风电出力的不确定性，设方案1为确定性调度，方案2为不确定性调度，UIHPS的运行成本如表3所示。

表3 UIHPS在方案1和方案2中的运行成本Tab.3 Operating costs of UIHPS in Cases 1 and 2万元

由表3可见，考虑风电出力的不确定性后，UI⁃HPS的各项运行成本均发生了不同幅值的增长。其中，CHP机组运行成本变化幅度最大，为3.2万元；弃风惩罚成本的变化比例最大，约为原弃风惩罚成本的26.31%。这说明，为应对风电出力的不确定性，UIHPS运营商需要弃用部分富余场景下的风电、提高TPG机组和CHP机组出力，来保证用户的可靠供电，增强风电消纳的安全性。

由于受到风电出力不确定性的影响，CHP机组的电出力会发生改变。同时，受出力可行域约束，其热出力也发生变化，进而通过热力管网的传播影响DTES装置的运行转态，如图4所示。

图4 2种方案中CHP机组和DTES的出力偏差值Fig.4 Deviation values of CHP unit output and DTES output in two cases

3.2 热力系统介质温度特性对调度结果的影响

设方案3为不考虑热力系统介质温度特性的不确定性调度。方案2和方案3中，UIHPS的运行成本如表4所示，热网优化结果分别如图5和图6所示。

表4 UIHPS在方案2和方案3中的运行成本Tab.4 Operating costs of UIHPS in Cases 2 and 3万元

图5 Case 2中热网运行结果Fig.5 Operating results of heat network in Case 2

图6 Case 3中热网运行结果Fig.6 Operating results of heat network in Case 3

由表4可见，与方案3相比，考虑热力系统介质温度特性后，方案2的总成本下降51.1万元，降幅为11.55%。其中，CHP机组的运行成本降低最多，占运行成本降幅总量的83%。

图5和图6分别给出了方案2和方案3中热力运行优化结果。可以看出，在考虑热力系统介质温度特性后，整个热力系统能够在全天不同时段实现92 MW热量的转移，其调控灵活性大大增强，可以有效降低CHP机组的发电成本。当不考虑热力系统介质温度特性时，热网温度变化能够瞬时传递到换热站，各时刻完全依靠CHP机组的热出力来满足热负荷，热力系统的灵活性大大降低。

3.3 风电装机容量对调度结果的影响

风电机组装机容量变化意味着其发电功率随机波动幅度的大小对于整个系统调度方案也会产生很大影响。表5给出了不同风电机组装机容量下UIHPS的运行成本。

表5 不同风电装机容量的UIHPS的运行成本Tab.5 Operating costs of UIHPS for different wind power installations万元

可以看出，随着风机装机容量的增加，UIHPS的总成本呈现出先下降，后上升的变化趋势。当风电装机容量小于等于350 MW时，CHP和TPG机组运行成本的减小量高于弃风成本的增加量，系统总体运行成本会逐步下降；当风电装机容量大于350MW时，CHP和TPG机组运行成本的减小量低于弃风成本的增加量，系统成本会随着风电装机容量的增加而增大。

这是因为，在用户负荷不变的前提下，风电装机容量越高，电网消纳的风电功率就越高，CHP和TPG机组的出力减少，运行成本随之下降。但由于风电出力具有不确定性，随着风电装机容量的提高，弃风功率会逐步增大，导致弃风惩罚成本越来越高。

4 结论

本文面向城市电-热综合能源系统，提出了一种计及热力系统介质温度特性的分布式鲁棒经济调度模型。通过对热力系统调控特性的完整刻画，以及对风电机组出力不确定性的分布式鲁棒优化建模，得到风电机组最恶劣概率分布下系统的最优调度方案，实现风电机组最大化安全消纳。通过算例分析发现如下结论：

（1）考虑风电出力不确定性后，CHP机组的出力和弃风情况会出现不同程度的增长。同时，风电出力的不确定性可以通过CHP机组，影响热力管网和分布式蓄热装置的运行；

（2）考虑热力系统介质温度特性，有助于改善系统的运行状况，有效降低CHP机组的运行成本和弃风惩罚；

（3）随着风电机组装机容量的变化，系统运行成本会呈现出先减少后增高的变化趋势。这说明在一定的价格政策下，城市热电综合能源系统存在一个经济最优的风电装机容量。