计及厂用电不平衡状态感知与碳减排的多能源储能优化配置模型

杨子建，赵 璐，王越超，陈思远，孙广涛，朱 琪，陈 哲，闫佳佳

（1.北京京能高安屯燃气热电有限责任公司，北京100024；2.丹麦奥尔堡大学 能源技术学院，奥尔堡DK-9220；3.沈阳工业大学 电气工程学院，辽宁 沈阳110870）

0 引言

为推进“碳达峰、碳中和”目标的实现，燃气电厂正加快资源节约、节能降耗、环境友好的智慧电厂的发展建设[1]～[3]。随着燃气电厂内设备种类的增加，多能源负荷用能需求具有的不确定性使厂用电不平衡度不断提高，不仅影响燃气电厂的供能质量，还会给电厂的安全稳定运行带来隐患，同时在电厂相关建设规划方面也将面临更多新的问题[4]～[6]。因此，如何实现对厂用电不平衡状态的准确快速感知，合理配置电、气、热多能源储能设备，有效降低厂用电不平衡给系统造成的危害，实现燃气机组、负荷、储能之间的高效协调，提高燃气电厂的负荷用能质量，降低天然气资源损耗，减小电厂的碳排放量等目标成为目前智慧电厂发展建设亟需解决的问题。

目前国内外相关学者已针对多能源储能设备在发电厂中的供能特性、优化配置等方面展开较多研究。文献[7]考虑发电厂的运行经济性，在配电网场景下构建了基于Fmincon函数规划算法的储能优化配置模型。文献[8]通过研究储能系统与火电机组的运行特性，建立了联合自动发电控制策略，通过优化储能功率与容量提升火电厂发电控制调频收益。文献[9]分析了电厂储能设备在日前、日内和实时3个阶段参与电能调节的响应模型，通过电厂对储能系统的多阶段调度可以有效降低电厂的运行成本，同时提高供能可靠性。文献[10]为实现发电厂内热电联产机组的调节灵活性，提出了一种压缩空气储能系统与发电机组集成方案，能够分别在强化供热阶段与供电阶段提升供热与供电效率。文献[11]考虑电厂内火电机组与多能源储能系统的运行特性和约束条件，采用非线性自适应权重改进了鲸鱼优化算法，并在此基础上构建了适用于电厂规划建设的多能系统储能优化配置模型。文献[12]，[13]建立了与传统电厂内单一电池储能具有相同电能调节能力的电、热、氢、气多能源储能系统，能够根据厂用电峰谷差参数进行协调，提高了电厂的电能调节灵活性与经济性。文献[14]基于分布式计算技术，充分考虑储能系统建设成本与电厂运行收益间的协调性，建立了储能系统容量与功率规划模型。以上研究成果对于多能源储能设备在发电厂中的供能特性、优化配置等方面进行了研究，并取得了一定的成果。但考虑多种类用能需求不确定性，合理配置电、热、气多能源储能设备，实现多种负荷、燃气机组以及储能系统之间的高效协调，保障燃气电厂的供能质量提升，降低天然气资源损耗，减少电厂的碳排放量，是目前燃气电厂内多能源储能系统优化配置须要解决的主要问题之一。

本文提出了一种计及厂用电不平衡状态感知与碳减排的多能源储能优化配置模型，首先通过分析燃气电厂内多种能源负荷用能需求特性，构建厂用电不平衡状态感知模型；然后考虑投资额度、燃气机组及多能源储能运行状态等约束条件，构建以多能源储能系统综合成本最小、碳排放量最小、天然气利用效率最大为目标的多能源储能优化配置模型，并求解该模型；最后，通过算例仿真验证了本文提出的多能源储能优化配置模型的经济性和有效性。

1 厂用电不平衡状态感知模型

燃气电厂内电、热、天然气多种能源负荷用能需求具有不确定性，会引起厂用电不平衡。为解决这一问题，须要构建多能源储能系统，保障燃气电厂的厂用电功率平衡，减少天然气资源浪费，提高电厂的碳减排能力。因此，在多能源负荷用能需求不确定性影响下，能够准确、快速感知厂用电不平衡状态是实现燃气电厂多能源储能系统安全高效运行的关键[15]。

本文基于可信预测精度对多能源负荷不确定性进行定量分析[16]，以多种能源负荷用能的实际值和预测值在t时刻的偏差与负荷预测结果在该时刻的比值定义电厂内负荷需求不确定性，具体可表示为

各类负荷用能需求不确定性对燃气电厂的厂用电不平衡状态有一定影响，因此，本文采用粒子滤波算法[17]，通过传感器网络对燃气电厂的多种类负荷用能需求状态、燃气机组运行状态进行数据采集与化简处理，实现对未来负荷用能需求和燃气机组运行状态的预测，计算得到负荷用能需求不确定性的估计值，从而保障厂用电不平衡状态感知的精度。

式中：e′n为n时刻多种类负荷用能需求对应的偏差；f（·）为输入输出对应的函数表达式。

则此时燃气电厂内多种类负荷需求不确定性状态置信水平可表示为

本文将负荷i在t时刻的置信水平集合{Kit，i=0，…，I}用于量化燃气电厂内多种类负荷需求不确定性状态，则根据式（5）可得：

基于燃气电厂内电、热、天然气多种能源负荷用能需求不确定性状态估计，厂用电不平衡状态置信水平可表示为

2 多能源储能优化配置模型

本文充分考虑燃气电厂内电、热、天然气多种能源负荷用能需求不确定性引起厂用电不平衡问题，为实现燃气机组、负荷、储能之间的高效协调，提高燃气电厂的负荷用能质量，降低天然气资源损耗与电厂的碳排放量，构建了计及厂用电不平衡状态感知与碳减排的多能源储能优化配置模型。

2.1 目标函数

本文综合考虑投资额度、燃气机组及多能源储能运行状态等约束条件，提出的计及厂用电不平衡状态感知与碳减排的多能源储能优化配置模型的目标函数由3部分组成：

①多能源储能设备的综合成本F1

多能源储能设备在周期T内的综合成本F1主要包括储电设备、储热设备和储气设备的投资成本f1、运行成本f2、维护成本f3、处置成本f4：

χH，χg分别为储电、储热、储气设备的使用寿命。

②碳排放量F2

③天然气利用效率F3

2.2 约束条件

①投资额度约束

式中：Cin-max为燃气电厂内多能源储能设备的最大总投资额度。

浅谈海洋石油钻井完井机械及工具的国产化发展…………………………………………… 鄢红江，包昌华（8-141）

②功率平衡约束

③燃气机组约束

④多能源储能设备容量约束

式中：ES-E-max，ES-H-max，ES-g-max分别为燃气电厂内储电、储热、储气设备容量的上限。

⑤多能源储能设备功率约束

⑥充放能功率与储能剩余容量关联约束

⑧电网约束

⑨热网、天然气网的网络约束

网络约束见文献[19]。

⑩联络线的功率约束

2.3 多能源储能优化配置流程

燃气电厂多能源储能优化配置，须要考虑电厂内多种类负荷、燃气机组与储能设备之间的协同关系，以及储能设备建设的经济性。燃气电厂多能源储能优化配置策略能够在感知厂用电不平衡状态的基础上，对电厂内电、气、热多能源储能设备进行合理优化配置，具体优化配置流程见图1。

图1 多能源储能优化配置流程Fig.1 Optimization configuration processfor multienergy storage

2.4 模型求解

本文首先采用适应度偏差排序法计算各子目标权重，在此基础上构建了聚合函数，然后采用自适应混沌粒子群算法 （Self-Adaptive Chaos Particle Swarm Optimization，SA-CPSO）[20]对本文建立的计及厂用电不平衡状态感知与碳减排的多能源储能优化配置模型进行求解。

2.4.1聚合函数G的具体构建模型

式中：φσ为本文建立的多能源储能优化配置模型中多目标函数的子目标σ的权重系数，子目标总数量为H=3，分别为多能源储能系统综合成本最小、碳排放量最小、天然气利用效率最大；xυ为子目标v的最优解；gσυ，gσσ分别为xυ代入子目标σ的适应系数，以及子目标σ自身的适应系数；eσ，eυ分别为子目标σ，v的偏差值。

2.4.2自适应混沌粒子群算法的具体求解步骤

①输入燃气电厂的相关运行数据，如电负荷、热负荷、天然气负荷需求，以及电制气、气转热和燃气机组等设备的能耗和出力等数据；定义粒子群Z，各粒子Zi由燃气电厂内多种能源转换装置在t时刻的运行功率、设备启停系数、多能源存储设备的运行功率、储能容量、储放系数等的集合组成；设置SA-CPSO算法的基本参数。

②采用粒子滤波算法实现燃气电厂内多种类负荷需求不确定性状态与厂用电不平衡状态置信水平

③采用Logistic映射方程，即式（25）混沌初始化粒子的位置和速度：

式中：Bφ为第φ个混沌变量，并且0≤B0≤1；γ为控制参量，γ=（0，4]，当γ=4时，系统处于完全混沌状态，混沌空间为[0，1]。

④计算各粒子的适应值，记录各粒子自身以及全局最优位置。

⑤更新粒子速度和位置：

式中：w，c1，c2分别为惯性权重和学习因子，c1，c2＞0；wmax，wmin分别为w的上、下限；d为搜索空间维数，取d=3；l为当前迭代次数，最大迭代次数为L；分别为粒子l在第h次迭代中第d维的自身和全局最优位置；η为经验系数，η=[20，55]。

⑥计算种群适应值，更新粒子和种群的最优位置。

⑦判断是否满足最大迭代次数要求，若是则进行步骤⑨，否则进行下一步。

⑧判断算法是否早熟收敛，若是则根据式（27）更新粒子群位置并进行混沌搜索，并从步骤⑤开始重复，否则进行下一步。

式中：Xmax，Xmin分别为粒子位置遍历范围的上、下限。

⑨输出全局最优值，得到多能源储能系统最优配置方案。

3 算例仿真

本文以我国某地区燃气电厂的实际燃气机组、多种类负荷运行数据为基础，以如图2所示的改进的IEEE33节点电力系统、14节点天然气系统、6节点热力系统构成的算例仿真系统对本文所提计及厂用电不平衡状态感知与碳减排的多能源储能优化配置模型进行仿真验证。将燃气电厂全年内燃气机组及负荷数据在各时段的分布函数归一化后的燃气机组日出力曲线、负荷日用能曲线如图3、图4所示；燃气机组、天然气负荷的碳排放系数分别取值为0.732 kg/（kW·h），1.93 kg/m3；电价、热价、气价如图5所示；燃气电厂内燃气机组、多种类负荷的基本参数如表1所示；多能源储能设备的基本参数如表2所示。为验证本文提出的计及厂用电不平衡状态感知与碳减排的多能源储能优化配置模型的有效性，设置了两个场景。

图2 算例仿真系统图Fig.2 The example simulation system diagram

图3 燃气电厂燃气机组日出力曲线Fig.3 Daily gas-fired units output curve of the gas-fired power plants

图4 燃气电厂的日负荷用能曲线Fig.4 Daily load energy curve of the gas-fired power plants

图5 电价、气价和热价Fig.5 Price of electrical，gas and heat

场景一：不考虑燃气电厂内厂用电不平衡状态感知的多能源储能优化配置模型。

场景二：本文建立的考虑厂用电不平衡状态感知与碳减排的多能源储能优化配置模型。

本文分别对燃气电厂内多能源储能系统在场景一、场景二下进行了优化配置，在此基础上，通过对燃气电厂在两种场景下接入储电、储气、储热设备后的运行状态进行了算例仿真对比，两种场景下的多能源储能系统优化配置结果和燃气电厂运行情况分别如表3和表4所示。

表3 两种场景下多能源储能系统容量配置结果Table 3 The capacity configuration results of multi-energy energy storage system in two scenarios

表4 两种场景下燃气电厂的运行结果Table 4 The operation results of gas-fired power plants in two scenarios

由表4的仿真结果进行对比分析可得，场景二与场景一相比，多能源储能设备的综合成本降低了13.97%，碳排放量降低了20.74%，天然气利用效率提高了13.8%。因此，通过本文建立的考虑厂用电不平衡状态感知与碳减排的多能源储能优化配置模型能够提高多能源储能设备的经济性，提升天然气的利用效率，降低电厂的碳排放量。

分别采用自适应混沌粒子群算法（SACPSO）、带压缩因子的粒子群算法（YSPSO）对本文提出的计及厂用电不平衡状态感知与碳减排的多能源储能优化配置模型进行求解，设置种群初始规模为40；最大迭代次数L=100；惯性权重上下限wmax=0.91，wmin=0.6； 学习因子c1=1.58，c2=1.63。两种算法的统计结果如表5所示。

表5 两种算法的求解结果Table 5 The results of the two algorithms

表5中两种算法的求解结果表明，本文采用的SA-CPSO算法的寻优性能、收敛与求解速度均优于YSPSO算法。

4 结束语

针对燃气电厂内厂用电不平衡导致的天然气资源浪费、碳排放量高等问题，本文提出了一种计及厂用电不平衡状态感知与碳减排的多能源储能优化配置模型，并以我国某地区燃气电厂燃气机组、多种类负荷的实际运行数据为基础进行算例仿真，综合燃气电厂内厂用电不平衡状态感知模型可知，以多能源储能系统综合成本最小、碳排放量最小、天然气利用效率最大为目标建立的燃气电厂多能源储能优化配置模型，能够减少燃气浪费，提高多能源储能建设的经济性，降低燃气电厂的碳排放量。