张章, 张丽洁, 李光毅, 李津
(1.国网河北省电力有限公司经济技术研究院,河北,石家庄 050081;2.国网雄安综合能源服务有限公司,河北,雄安 071700)
随着可再生能源的规模化发展,其发电固有的不确定性为综合能源系统的实际运行带来了挑战[1-3]。因此,如何协调区域综合能源系统,使其高效可靠地运行是目前的难题。
文献[4]以整个系统的运行成本和主网功率波动量最小为目标进行能源系统优化。在此基础上,结合多种限制条件,转变模型规划形式。算例结果表明,该方案可以保证系统的安全稳定,但是该系统运行中消耗的成本较高。文献[5]通过分析用户需求响应能力,结合价格型负荷和替代型负荷,对负荷曲线进行优化,实现能源系统协调优化。经测试得出,该方案能够提高整个系统的灵活性,保障体系的安全性,但是不能满足环保性需求,系统优化后仍会产生大量的碳排放量。文献[6]提出了一种计及多能转化效率的区域综合能源系统协同优化模型设计方法,构建目标函数,利用多目标粒子群求解目标函数,得出系统优化结果。通过实例计算,证明了该方案可以有效地改善碳减排率,但是由于该方法仅建立了单一的目标函数,不能全面地反映区域综合能源系统的实际情况,因此,在标准煤消耗量方面仍然存在一定的问题。
针对上述问题,以提升系统运行的经济性和环保性为目标,探究区域综合能源系统协同运行优化问题。
区域综合能源系统运行中会产生大量的运行数据和能源数据,为了提高系统优化效率,在综合能源系统的开发利用过程中,必须对各种不同的能量数据展开综合处理,因此,在数据采集阶段可以通过压缩、传输等方式降低数据处理复杂度,提升数据传输效率,方便后续的区域综合能量系统协调优化[7]。
在综合能源数据的具体分析与处理过程中,选取了水、电、气3种综合能源资料作为参考。水、电、气数据处理流程见图1。
图1 区域综合能源数据处理流程
由图1可知,区域综合能源数据处理步骤分为数据采集、数据中继和数据分析3个环节。由于区域综合能源系统在运行中会产生大量的数据,因此,通过压缩感知方法对采集得到的能源数据进行压缩处理,该方法能够降低数据传输压力,为区域综合能源系统协同优化提供数据基础。
以气、电能源为例,分析二者的耦合关系,构建双向耦合模型,具体可分为燃气轮机运行模型和电转气设备运行模型。
(1) 燃气轮机运行模型:
PGT=δGTQGTLg
(1)
(2) 电转气设备运行模型:
θP→G=δP→GPP→G/Lg
(2)
其中,PGT表示燃气轮机的输出功率,δGT表示燃气轮机天然气发电能量转化率,QGT表示燃气轮机的储存热能,P→G表示电转气装置,P→G输出天然气的能量转化率用δP→G描述,θP→G表示电转气设备的能量传递效率,PP→G表示电转气设备功率,Lg表示单位换算系数。
通过上述公式能够得到气-电能源之间的双向耦合关系,上述耦合关系同样适用于其他能源,分析区域综合能源系统协同优化方法,实现冷热电气不同能源之间的耦合与协调,促进区域综合能源系统协调、稳定发展。
在区域综合能源系统中,主要分为3个部分,分别为供能侧、能量转换设备和需求侧[8-9]。根据区域综合能源系统模型的基本结构,给出模型表达式:
(3)
其中,νi表示多能互补系数,i=1,2,3,CES表示区域综合能源系统,n表示能源类型数量。
接下来针对区域综合能源系统模型建立多目标函数,对系统模型进行多目标优化。单一目标函数仅关注系统优化中的某一个具体指标或目标,与单一目标函数相比,多目标函数考虑了多个指标或目标的综合性,可以平衡不同目标之间的权衡关系。这意味着使用多目标函数可以更全面地反映实际情况,并将多个优化目标进行综合考虑。因此,本文建立多目标函数,具体目标函数包括运行成本最小化、碳排放量最低以及标准煤消耗量最小化。
(1) 运行成本目标函数
运行成本主要由购买和收益两部分组成。将运行成本作为目标函数即降低购买成本,提高经济收益,具体表达式为
minC=Cgas-Cgird-Cs
(4)
其中,Cgas表示天然气购买成本,Cgird表示电力购买成本,Cs表示向电网卖电所得收益。
(2) 碳排放目标函数
在碳排放优化目标设计中,充分考虑能源系统中燃气锅炉与燃气轮机的碳排放量,具体表达式为
minE=EGB+EGT+Egird
(5)
其中,燃气锅炉用GB描述,GB和GT的碳排放量用EGB和EGT描述,电网的碳排放量用Egird描述。
(3) 标准煤消耗目标函数
除了运行成本与碳排放量等优化目标之外,将标准煤消耗作为另一个优化目标:
minS=SGB+SGT+Sgird
(6)
其中,SGB用于GB运行过程中消耗的煤炭当量,SGT用于描述GT运行过程中消耗的煤炭当量,Sgird用于描述电网产生的煤炭当量。
针对上述建立的多目标优化函数,设置相应的约束条件。
功率平衡约束:
PGT+PGB+Pgird=Pload-Pbess
(7)
其中,Pload表示用户负荷功率,Pbess表示储能设备出力。
设备出力约束:
(8)
设备运行约束:
(9)
粒子群算法[10-12]具备的高效、适用范围广等优点被逐渐发现,然而,使用单个PSO对所建模型进行求解时,其收敛性较差。为兼顾区域综合能源系统多目标协调优化问题,设计启发式规则,在所得解中得到折中解。具体求解过程如下:
(10)
(11)
针对设置的约束条件,引入启发式规则,获取冷热电气设备的出力范围大小,并得到设备的开机优先顺序:
zn=(Pw>A1) or (Pw>A2)
(12)
其中,zn表示设备启停次数,Pw表示设备实际开机概率,A1和A2均表示随机数,二者在(0,1)区间取值。
综上,给出区域综合能源系统协同优化模型的求解流程图,如图2所示。
图2 模型求解流程图
为了验证所设计基于大数据与双向耦合的区域综合能源系统协同优化模型的应用效果,进行算例分析。
首先,给出某地区综合能源系统中的主要设备及其具体参数,如表1所示。
表1 系统中各项设备及其具体参数
在上述参数设置下,结合设定的目标函数,测试区域综合能源系统的成本、碳排放量以及标准煤消耗量,根据测试结果得出相关结论。
(1) 运行成本测试结果
以分供系统成本作为参考,测试4个季节典型日中分供系统与综合能源系统的成本,在分供系统中,能源资源主要来自于一种或有限几种能源形式,例如燃煤、天然气等化石燃料。综合能源系统将多种能源资源进行整合,包括可再生能源如太阳能、风能、地热能等,以及传统的化石燃料等,实现了能源资源的多样化利用。对比结果如表2所示。
从表2中的数据可以看出,由于负荷不同,不同典型日下综合能源系统与分供系统的成本不同,其中,夏季的运行成本可节省27.12%,是在4个季节中节约率最高的。由此看来,无论何种负荷下的综合能源系统均可以实现多能互补,多能协调,验证了所提方法的经济性。
(2) 碳排放测试结果
将文献[4]方法、文献[5]方法和文献[6]方法作为对比方法,测试应用3种方法后该地区不同时段综合能源系统的碳排放量,结果如表3所示。
表3 不同方法在不同时段的碳排放量对比结果
由表3可知,与文献[4]方法、文献[5]方法和文献[6]方法相比,所提方法的碳排放量大幅度下降,说明该方法能够使综合能源系统具有更佳的低碳性,可提高能源系统的环保性。
(3) 标准煤消耗量测试结果
最后,测试2020年和2021年应用所提方法之前该地区的标准煤的消耗量和应用该方法之后对应的消耗量,对比结果如图3所示。
(a) 2020年
由图3可知,该地区的标准煤消耗特点呈现出春秋季节较低,夏冬季节较高的特点,其中,2021年的标准煤消耗量较2020年有所减少,且应用所提方法之后标准煤消耗量明显低于应用该方法之前,说明应用该方法之后,区域综合能源系统的能源消耗量得到了降低,再次验证了该方法的经济性。
本文将提升综合能源系统的经济性与环保性作为研究目标,提出一种基于大数据与双向耦合的区域综合能源系统协同优化模型设计方法。将碳排放、标准煤消耗等方面设定为目标函数,并通过粒子群算法得到模型的解,获取多目标优化结果。算例结果表明,应用该方法后成本节约率得到了明显提升,碳排放和标准煤消耗量明显降低,验证了该方法的应用价值。