林佳兴,孙亮,李佳雯,陈立东
(1.东北电力大学 电气工程学院,吉林 吉林 132012; 2.国网天津电力公司蓟州供电分公司,天津 301900)
随着国家节能减排战略的提出,综合能源系统IES(Integrated Energy System)应运而生。它是含有电气及天然气系统的多能耦合系统,可以实现对各类能源的产生、传输、分配、转换以及存储等环节进行协调优化[1]。其中以微型燃气轮机为代表的热电联产系统具有能量梯级利用率高、运行灵活等特点[2],为实现风光等可再生能源的消纳提供了途径,并且最大限度地降低系统运行成本,同时需求侧响应的引进能够更大程度提高新能源利用率,减少污染气体排放实现节能减排将是IES的重要发展方向[3-5]。为此国家电网提出要将传统的电能供应商向综合能源服务商的的角色转变[6]。为了使能源得到充分的利用实现IES的经济性,国内外的研究人员围绕着IES能源间协调优化进行了大量的研究。文献[7]提出了考虑电力用户侧参与的IES优化调度模型,考虑了电力负荷具有时移特性将可控负荷参与到系统的优化调度中来。文献[8]提出了一种基于系统多能综合互补利用的电热综合需求响应,并以上级电网的调峰指令为优化目标得出系统优化策略。文献[9]考虑了不同的用户负荷对电价响应的差异性,为了能够充分展现出不同负荷响应能力,建立了多种不同负荷类型的协调控制模型。有一些文献主要将综合能源系统优化的研究重点放在对热力系统的研究上。文献[10]和文献[11]针对冷-热-电联产系统与供热管网间的关系以及热能在管网的传输过程中具有一定的热滞后及热损失等特性,对供热管网的热传输特性进行建模进而得到最优的调度策略。综上所述,现有文献对IES的研究主要在单个负荷的柔性调度价值上展开,而对于同时考虑电热负荷的综合需求响应的研究还相对较少。因此,文章提出了一种考虑调度人员参与下的负荷跟踪调度信号的电热综合需求响应模型,构建了考虑调度人员期望的电负荷调度模型,以人体对热的感知具有模糊性建立了热负荷需求响应模型,通过对源-网-荷-储的动态建模以及目标函数的优化实现IES经济运行[12-13]。
传统的需求侧响应只考虑了单能源网的经济性,用户会考虑到自身的利益问题去调整用电安排进而参与到系统的调度中来[14]。随着IES研究的不断深入,传统的响应方式已经不能满足新形式下综合能源系统的应用。热电耦合的不断加强要求不仅要满足用电供需平衡还要满足用热的供需平衡[15]。因此,文章的电力需求侧响应将会从IES的整体去研究。将部分具有可调度价值的电负荷定义为可时移负荷TSL(Time-shift Load)[16],TSL在用电时间上具有较好的灵活性,能够根据系统的经济优化目标进行负荷调整,使得各个时间段的用电量变化进而对供能端产生影响达到整个系统优化的目的。
在IES中热力负荷同电力负荷一样也处于用能终端,因此热力负荷同样可挖掘其特有的调度价值。根据热力用户对温度的感知具有一定模糊性对热负荷进行优化。在我国的设计规范中规定热感觉平均标度预测(PMV)指标宜处于±1之间,即允许热供应侧供应的热量在一定范围内波动。因此热力负荷可以作为一种柔性负荷参与到整个系统的需求侧响应中[17]。
TSL的需求特性可以在时间轴上左右移动,D(t-τ2)和D(t+τ1)表示滞后τ2和超前τ1时间的需求特性。其群聚合特性可用如下公式表示:
(1)
式中NT为参与调度的种类,Di(t+τ1i,j)、Di(t-τ2i,k)为第i类TSL超前τ1i,j和滞后τ2i,k,mi,j、ni,k为第i类TSL超前τ1i,j和τ2i,k的数量,j和k的上限分别表示TSL在超前时间限制和滞后时间限制范围内时移的时间有无穷多种可能,其下限表示不转移。由于文章考虑的是日前优化调度,可令τ1i,j和τ2i,k为1 h,则最大超前以及滞后时间可以表示为:
(2)
引入期望信号将目标函数定义为TSL聚合特性与期望信号的偏差最小,即:
(3)
式中X为调度后的偏差值大小;x(t)调度信号。模型的约束条件可以表示为:
(1)TSL可时移负荷的总量之和与参与用户的总量相等,即:
(4)
式中Ni为第i类TSL参与的用户量。
(2)超前、滞后时间约束:
(5)
式中STi、EDt为第i类负荷正常需求下起始工作时间和结束时间,通过约束保证TSL不能前至前一天开始工作, 并且在当天结束工作。群时移电能守恒约束:
(6)
(7)
式中En、Ei为聚合特性的电量需求和为第i类TSL单位电量需求。
用户对供热温度的感知具有模糊性,因此可在某一范围调整供热量的大小,另一方面热能在传输时具有热惯性,基于此热负荷可作为一种柔性负荷参与到需求侧响应中来。在热传导过程中水的比热容为c,供热设备在t时段提供的热量为HHS(t),则通过热源质量为QHS的水由回水温度Th(t)上升到供水温度Tg(t),有:
HHS(t)=cQHS(Tg(t)-Th(t))
(8)
负荷节点在t时段内消耗的热量为HL(t),则通过热负荷质量为QL的水由供水温度Tg(t)下降到回水温度Th(t),有:
HL(t)=cQL(Tg(t)-Th(t))
(9)
考虑到要满足用户对温度的舒适度,因此t时段负荷节点吸收的热量HL(t)应该在一定的范围内有:
(10)
同时要保证在T′时间段内,热负荷所消耗的总热量的大小与用户理想型的供热需求总量大小一致,即:
(11)
T′=m×Δt
(12)
式中T′为调度周期内最大连续参与调度时段数。供水温度以及回水温度的约束为:
(13)
(14)
文章研究的IES主要由风机(WT)、光伏(PV)、燃气轮机(MT)、电制热锅炉(EB)、燃气锅炉(BL)、储能电池(EES)、储热罐(HS)及需求侧电热负荷组成。整体结构如图1所示。
图1 区域型综合能源系统图
其中电力系统可以与大电网并网或孤岛运行,并且与电网进行电价交易,燃气轮机为热电联产机组(CHP)可以消耗天然气同时产生电和热,电制热更加紧密地将电-气-热三者耦合起来,通过调整各个设备的出力使得整个系统运行在最优状态。
(1)热电联产(CHP)模型。
热电联产机组消耗天然气产生电、热功率如下:
HMT,h(t)=PMT(t)·[1-ηMT,e-ηL]/ηMT,e
(15)
HMT(t)=HMT,h(t)·kh
(16)
式中HMT(t)、PMT(t)、HMT,h(t)分别为t时段CHP发出的热功率、电功率和溴冷机的制热量;ηMT,e、ηL、kh分别为发电效率、散热损失率和制热系数。
(2)燃气锅炉模型。
HBl(t)=ηBl·Qgas(t)·LHV
(17)
式中HBl(t)、Qgas(t)为t时刻输出的热功率和消耗的天然气量;ηBl为锅炉燃烧效率。
(3)制热电锅炉模型。
Heb(t)=Peb(t)·ηeb
(18)
(19)
(4)蓄电池模型。
(20)
(5)储热罐模型。
(21)
系统的日内运行成本主要由三部分组成:购买能源、设备运行及调度响应成本。第一部分为CHP机组及燃气锅炉燃烧天然气的成本及向电网购电成本。第二部分为各设备出力的运行维护及启停成本。第三部分为TSL跟踪调度信号的响应成本。综合考虑电热需求侧响应,合理安排各个设备单元的出力情况,使整个系统运行的总成本最小。
MinC1=Cgas+CMT+CXE+CMC+Cqt+CTSL
(22)
(23)
(24)
(25)
(26)
(27)
(28)
式中CMT(t)为t时燃气成本;CCH4为天然气气价;Cgas(t)为调度周期内消耗天然气的成本;CXE、c_grid为购电成本和电价;CMC、c_mc为各设备的维护成本和维护系数;Cqt、Vn(t)为设备启停成本和启停状态;CTSL、RTSL为TSL跟随调度信号的响应成本和响应系数。
(1)电力系统平衡约束。
(29)
式中Pload(t)为电负荷侧引入期望调度信号x(t)后TSL优化调整的需求。
(2)供热网平衡约束。
(30)
式中Hload(t)为热负荷参与需求响应优化调整后的热用户需求。
(3)可控机组爬坡约束。
-rdlΔt≤PMT(t)-PMT(t-1)≤rulΔt
(31)
式中-rdl、rul为可控CHP机组在t时段内加载和减载的速率限值。
(4)与大电网交互功率约束。
32)
(5)储能电池约束。
(33)
(6)储热罐约束。
(34)
算例选取我国北方冬季某一区域的IES进行分析,模型中引入决策变量后成为混合整数二次规划问题,在yalmip工具箱下编程并使用cplex求解器在Matlab环境下求解。区域电热负荷的原始需求特性以及风光等可再生能源的预测出力如图2所示。图3中选取6类可时移负荷组成TSL群。峰时、平时及谷时电价为0.83、0.49、0.25。系统设备运行参数如表1所示。电储能以及热储能参数如表2所示。
表1 区域综合能源系统相关运行参数
表2 电/热储能参数
图2 原始需求特性以及风光预测出力
图3 各类TSL原始需求特性
为验证文章所提出考虑调度人员期望曲线的电热综合需求响应的可行性,对两种不同场景下的电热响应进行对比分析。如图4~图7所示,场景1下仅虑电热综合能源替代的响应,未考虑电热负荷的可调度价值;场景2下同时考虑电热综合能源替代响应以及TSL跟踪调度信号的电热综合需求响应。
图4 场景一下电负荷平衡各机组出力曲线
图5 场景一下热负荷平衡各机组出力曲线
图6 场景二下电负荷平衡各机组出力曲线
图7 场景二下热负荷平衡各机组出力曲线
从图4~图7中可以看出,情景一下的多能互补替代响应下系统可以实现电热能源的互补利用,在电价较高时增加热电联产的出力,在电价低谷时从电网购电。系统可以控制各分布式单元的出力及启停状态以保证运行在最经济的状态下。此时电储能将会在谷时电价进行充电,在平时电价时补充充电1次,在峰时电价下电储能进行放电。电制热在电价低谷时段增加用电量以减少燃气锅炉消耗天然气使成本变低。相比较于情景二中的综合需求响应来讲,情景二中将谷时用电量从432.74 kW提高到了470.28 kW,将峰时用电量从904.48 kW降低到了829.82 kW可以更好地实现用户侧的削峰填谷。通过负荷对调度信号的跟随使可控柔性负荷得到充分的利用。在场景一下CHP机组出力波动性较大,此时受到以热定电运行方式的影响使机组灵活性下降。场景二下机组在中午光伏出力较大时,有一次的波动时其余时段运行较平稳出力波动更小。此时电储能会消纳部分新能源且放电时刻也会较场景一提前。电制热不仅在低电价持续供热且在平时由于负荷变动也会增加出力,使热电系统的耦合性加强以及各个机组的配合更加灵活。从图8中可以看到两个场景夜间风光等可再生能源的消纳较高,夜间的供热也正处于高峰时刻,在此时CHP机组以及电制热将会受到以热定电的影响加大出力,实现新能源消纳。场景一下的弃风率及弃光率为38.14%和30.02%。在场景二下由于电负荷跟踪调度信号使负荷发生转移,使得在谷时及平时电价下负荷增大进而将弃风率及弃光率减小到16.41%和23.53%。
图8 不同场景下风光消纳曲线
图9、图10为场景二下电负荷跟踪调度信号以及热负荷柔性参与调度响应数量的曲线,可以看出电负荷在跟踪调度信号的同时可以降低负荷的峰谷差,在用电量较少且热量需求较高的夜晚将峰时电价下的负荷转移到谷时及平时段。热负荷响应为在T’=3的情况下综合考虑电热耦合以及保证供热量需求的情况下达到系统经济成本最优。
图9 场景二下电负荷跟随调度信号变化情况
图10 场景二下柔性热负荷调度情况
文章建立了考虑调度人员期望信号参与的电负荷调度模型,以及针对人体对温度的感知具有模糊性的热负荷调度模型。通过对两种不同情境下的优化调度结果进行对比分析,得出当仅考虑电热替代响应时系统能够在一定范围内进行削峰填谷,但运行成本偏高且风光可再生能源利用率偏低。当考虑调度人员期望信号的综合需求响应时可以在更大程度上降低综合能源系统的运行成本,提高风光等可再生能源的利用率,通过对系统各机组出力、电热储能、能量转换设备及电热负荷的优化调整,使得各单元之间相互协调与配合保证供需平衡达到源-网-荷-储互动的效果。