基于运行成本的园区综合能源系统优化调度

朱群波, 郝思鹏,2

(1.南京工程学院,南京 211167; 2.江苏省配电网智能技术与装备协同创新中心,南京 211167)

0 引 言

工业园区作为工业生产的集中地,其能耗水平高低在很大程度上决定了所在城市的整体能耗,园区内部企业能耗特性多样,在用能高峰时期将会对供能体系造成较大压力,因此根据工业园区内部的能耗特性对综合能源系统进行协同优化调度具有重要意义。

目前已有部分学者针对园区内部综合能源系统的优化调度展开研究。文献[1]建立“源-储-荷”两级优化模型,分别以相对效益及发电侧效益最大化为上下层规划模型,通过实际算例证明可控负荷及储能的加入将会优化微电网运行并提高整体收益;文献[2]使用能源枢纽法对热电联供系统进行建模,以日内运行费用和能耗费用最低为目标函数,结果表明各能量转化设备协调运行后将会降低峰谷差且可降低运行费用提升能量转化率;文献[3]基于综合能源系统的基础架构,研究蓄冷、储热、储电在CCHP机组中的运行模式,并针对不同季节不同类型的负荷曲线进行求解,结果显示蓄冷和储热在多能互补体系中较储电具有更大的利润空间;文献[4]提出一种含P2G的气电互联综合能源系统的多目标优化调度模型,将运行成本最低、环境污染最小及弃风成本最低作为优化目标,使用多目标粒子群算法进行优化求解,利用模糊理论挑选出满意度最大的解,最终通过实际算例验证了模型的有效性。但上述文献与企业生产实际结合不够,未能从具体数据分析出传统工业园区的负荷特性,导致算例有效性和可靠性欠缺。

文章在前人研究基础上,将园区内的可控负荷考虑在内,对(Combined Cooling Heating and Power)CCHP系统内各能量转化设备进行建模[5],综合考虑各设备额定工作状态,将优化场景与企业生产实际结合,在对大量企业运行数据分析应用的基础上通过优化得出了配置综合能源系统的优势所在,验证了文中所提综合能源系统运行模式的合理性和有效性。

1 工业园区负荷特性分析

文章采集了江苏省内某工业园区73家企业的典型日负荷数据,发现不同类型的企业用电特性具有较大差异。抽取该园区内典型纺织及机械制造企业各5家,其典型日负荷分别如图1、图2所示。

图1 5家纺织企业典型日负荷

图2 5家机械制造企业典型日负荷

由上图可知,纺织企业在典型日内负荷基本保持稳定,属于连续生产型企业,5家纺织企业的日负荷率平均值高达88.5%;而机械制造企业日内负荷波动较大,其负荷变化时段基本与峰谷平电价时段重合,5家机械制造企业的日负荷率平均值仅为47.1%。可知纺织行业与机械制造行业用电特性差异较大。将73家企业的负荷数据整理列于表1。

表1 73家企业典型日用电数据

由表1可知,43家企业日负荷率低于60%,同时有51家企业日峰谷差率高于60%,这表明园区整体负荷波动率较大,将会对电网稳定性造成较大影响;谷用电率超过40%的企业有32家,表明企业根据峰谷电价自主调配负荷的能力较差,不利于降低成本,可能会造成“峰上加峰”的现象;变压器负载率低于60%的企业为31家,表明这些企业变压器容量配置不合理造成了较大程度的冗余,变压器负载率高于80%的企业为21家(另有9家企业当天变压器负载率高于100%),表明变压器已处于重载状态,极易因负荷分配不合理产生超载现象,长期工作于超载状态的变压器,不仅会损失电能,还会因温升过高对变压器内部的绝缘材料性能造成破坏,夏季环境温度较高时,该现象会进一步降低绝缘材料的绝缘性能,严重时会烧毁变压器,对企业用电安全有着极大危害。

根据以上分析,可知传统工业园区未对企业用电特性进行比较,未能从综合能源系统的角度全面考虑能源互联的可行性,不仅造成了资源的浪费还使得企业整体能耗较高。若能对园区内不同类型的用电负荷进行协调配置,并辅助以分布式新能源设备以及各类储能装置,将能够达到消纳风光、降低成本、增加电网稳定性等多重目的[6-7]。因此,在企业聚集的工业园区内配置综合能源系统具有重要意义。

2 工业园区综合能源系统模型建立

文章基于能量流绘制如图3所示的工业园区综合能源系统结构图。

图3 工业园区综合能源系统结构图

图3中电力线首先消纳光伏和风力发电机发出的清洁电能,出现电能短缺时再从电网上购买电能。储能电池起到“削峰填谷”的作用,在夜间谷电价时段充电,在峰电价时段放电,此举不仅可以利用电价差增加运行收益还可以降低配电网扩容投资[8]。冷力线中的能源主要来自电制冷机,其将电能转化为冷能,蓄冷槽在冷负荷较小时储存部分冷能,在负荷较大时提供冷能缺额,降低电制冷机的功耗从而进一步降低电能的需求量。热力线中的能源首先通过收集燃气轮机发电时附加产生的热量,当出现供热不足时再由燃气锅炉提供剩余部分的热量,蓄热槽在热负荷较小时储存部分热能,在负荷较大时提供热能缺额[9]。电制冷机、锅炉等能量转换设备功率模型较为简单,文中仅针对其余部分设备建立数学模型。

2.1 光伏模型

光伏能够将太阳能直接转化为电能,且使用方便维护成本低,随着技术的不断发展,光伏发电的效率不断攀升,也使得光伏发电的单位成本不断降低,因此在工业园区布置这种清洁能量转化设备契合了环保高效的发展理念[10]。在实际工作模式下,光伏的功率模型为：

Ppv=Ps[1+α(Tr-Ts)]Gr/Gs

(1)

式中Ppv为光伏实际出力,单位为kW;Ps为标准条件下的出力,单位为kW;α为功率温度系数;Tr为工作环境实际温度,单位为℃;Ts为标准条件下的温度,单位为℃;Gr为实际太阳光照强度,单位为W/m2;Gs为标准条件下的太阳光照强度,单位为W/m2。

2.2 风力发电机模型

随着技术的进步风力发电机装机容量不断增长,部分沿海地区利用海上充足的风力资源建立起功率高达300 MW的海上风力发电站。但风力发电机输出功率受风力大小影响较大,且存在低电压穿越能力不足的问题,因此合理有效的优化调度策略具有深远意义。风力发电机的功率模型为：

(2)

式中Pwt为风机实际出力,单位为kW;Pra为额定输出功率,单位为kW;vr为现场实际风速,单位为m/s;vin为切入风速,单位为m/s;vout为切出风速,单位为m/s;vra为额定出力风速,单位为m/s;αwt、βwt、γwt为功率风速拟合参数。

2.3 储能电池模型

储能电池制造成本的降低以及安全性的提高使其成为理想的“削峰填谷”设备,利用夜间低谷电价充电,日间峰电价时段放电,在利用电价差获得利润的同时还可以减缓配电网的扩容投资,具有良好的使用前景[11]。储能电池工作模型为：

(3)

式中SOC(t)、SOC(t-1)分别表示储能电池系统在时刻t及t-1时的荷电状态;ω(t)为0-1变量,当t时刻储能电池充电时则为1,反之为0;Pch(t)为充电功率,单位为kW;ηch为充电效率;Pfa(t)为放电功率,单位为kW;ηfa为放电效率;θ为储能电池系统自放电率;EB为储能电池系统总容量,单位为kW·h;ΔT为采样时间间隔。

2.4 蓄能槽模型

蓄冷槽可以在冷负荷较小时消纳电制冷机所产生的部分能量,在冷负荷快速增加时将能量放出,以减小电制冷机的功耗,使之能够平稳运行降低对电网的冲击,蓄热槽运行机理与之类似。蓄能槽工作模型为：

Lcs(t)=Lcs(t-1)+[φctLcx(t)ηcx-(1-φct)Lcf(t)/ηcf]ΔT

(4)

Hhs(t)=Hhs(t-1)+[φhtHhx(t)ηhx-(1-φht)Hhf(t)/ηhf]ΔT

(5)

式中Lcs(t)和Lcs(t-1)为t时刻及t-1时刻蓄冷槽中蓄冷量,单位为kW·h;ηct为0-1变量,当t时刻蓄冷槽储蓄能量时则为1,反之为0;Lcx(t)及Lcf(t)分别为t时刻蓄冷槽蓄放能功率,单位为kW;ηcx及ηcf为蓄冷槽蓄放能效率;ΔT为采样时间间隔;蓄热槽公式中各变量与之类似,不再赘述。

3 工业园区综合能源系统优化调度模型

工业园区中负荷一般包含电、冷、热负荷,其中冷热负荷受季节变化影响较大,各企业生产情况的改变也可能对园区内电负荷造成较大影响,而过大的负荷峰谷差不仅会增加损耗还会对电网造成冲击[12-13]。因此有必要对负荷进行优化调度调节,这样不仅可以减小各类负荷的日峰谷差还能增加园区各系统的运行稳定性。

3.1 目标函数的建立

工业园区综合能源系统协同优化调度的最终目的是在不影响企业生产的情况下,将日运行成本降至最低同时尽可能提高能量转化率。文中以园区综合能源系统日运行成本最低为目标函数,日运行成本包含能量转化设备日配置成本、能源采购成本、设备维护成本、可控负荷调度补偿成本。建立目标函数如下所示：

minC=C1+C2+C3+C4

(6)

(7)

(8)

C3=(aEpv+bEwt+cEB+dEeb+eEgb+fEgt)/365

(9)

(10)

式中C为综合能源系统日运行成本;C1为能量转化设备日配置成本;C2为能源采购成本;C3为设备维护成本;C4为可控负荷调度补偿成本;Cpv为光伏的单位造价,单位为元/kW;Epv表示光伏配置容量,单位为kW;r为年利率;npv为光伏设计使用年限(C1表达式后五项依次为风机、储能电池、电锅炉、燃气锅炉、燃气轮机的配置成本表达式);Ce(t)为t时刻分时电价,单位为元/(kW·h);Pe(t)为t时刻电网侧功率,单位为kW;Cg(t)为t时刻天然气单价,单位为元/m3(文中Cg(t)取为2.7元/m3);Pg(t)为t时刻燃气锅炉及燃气轮机功率,单位为kW;Dg为标准气压下天然气的低热值,单位为kW·h/m3(文中取7.9 kW·h/m3);a、b、c、d、e、f分别为设备年维护系数,单位为元/kW/年;δ(t)为0-1变量,当t时刻有负荷发生转移则为1,反之为0;Fs为单位功率削减或转移至其余时刻的补贴费用,单位为元/kW(文中Fs取为0.2元/kW);P(t)为t时刻发生转移的功率大小,单位为kW。

3.2 约束条件

综合能源系统优化调度要保证园区内部正常的生产秩序,采样时间内园区的电、冷、热负荷都应满足供需平衡,同时各个能量转化设备也应工作在限定范围内。

(1)电力功率平衡

Pe(t)+Ppv(t)+Pwt(t)+Pgt(t)=PL(t)+PB(t)+Pec(t)+Peb(t)

(11)

式中Pe(t)、Ppv(t)、Pwt(t)、Pgt(t)依次表示t时刻电网、光伏、风机及燃气轮机的出力大小,单位为kW;PL(t)、PB(t)、Pec(t)、Peb(t)依次表示用户、储能电池、电制冷机、电锅炉的功率大小,单位为kW;其中当储能电池充电时PB(t)值为正,放电时其值为负。

(2)热力功率平衡

Peb(t)+Pgth(t)+Pgb(t)=PLh(t)+Phs(t)

(12)

式中Peb(t)、Pgth(t)及Pgb(t)分别表示t时刻电锅炉、燃气轮机及燃气锅炉供给制热量的功率,单位为kW;PLh(t)、Phs(t)分别表示t时刻用户及蓄热槽所需制热量的功率,单位为kW;其中当蓄热槽蓄热时Phs(t)值为正,放电时其值为负。

(3)冷力功率平衡

Pec(t)=PLc(t)+Pcs(t)

(13)

式中Pec(t)表示t时刻电制冷机供给制冷量的功率,单位为kW;PLc(t)、Pcs(t)分别表示t时刻用户及蓄冷槽所需制冷量的功率,单位为kW;其中当蓄冷槽蓄冷时Pcs(t)值为正,放电时其值为负。

(4)设备运行约束条件

储能电池的化学特性决定了其寿命将会随着充放电次数的增加而不断衰减,满充满放工况下容量衰减将会加速,因此将其充放电量限制在固定范围内以延长寿命周期。各设备运行约束条件为：

(14)

式中SOCmin、SOCmax分别为储能电池荷电量上下限;PBmax为储能电池充放电功率的最大值,单位为kW;Pecmax为电制冷机输出功率的最大值,单位为kW;Pebmax为电锅炉输出功率的最大值,单位为kW;Pgtmax为燃气轮机输出功率的最大值,单位为kW;Pgbmax为燃气锅炉输出功率的最大值,单位为kW。

3.3 改进蚱蜢优化算法(IGOA)

蚱蜢优化算法于2017年提出,其基本机理为通过模拟蚱蜢幼虫及成虫在寻找食物时的不同表现来求解实际问题。该算法的搜索算子即为蚱蜢个体,蚱蜢成虫飞行速度较快能够在大范围内实现搜索,而幼虫飞行速度较慢因此只能在局部移动,这两种移动方式即对应了算法迭代寻优过程中的全局搜索和局部搜索。蚱蜢优化算法的两要素为自身所处位置及与其它个体的相对位置,通过在搜索过程中不断调整相对位置来优化求解过程,并最终获得全局最优解。

蚱蜢优化算法的实现过程为：

(1)初始化参数。随机生成蚱蜢搜索算子的初始位置xi(i=1,2,…,N),各算子的位置可表示为xi=(xi,1,xi,2,…,xi,G),其中G表示求解模型中的变量个数;

(2)根据(1)中给定位置,计算各算子对应的目标函数值,寻求最优解及相应的算子位置;

(3)计算各蚱蜢算子间的距离并更新位置,同时应将更新后的位置限定在给定范围内;

(4)判断搜索寻优次数是否达到上限或结果是否已满足要求,若是则转入步骤(5),否则转入步骤(2)以进行下一次搜索寻优;

(5)输出全局最优解及相应的最优拟合值。

但传统的蚱蜢算法收敛速度较慢且难以求得全局最优解,因此采用高斯变异机制增加种群多样性,结合高斯变异机制的蚱蜢位置公式如下所示：

(15)

(16)

改进后蚱蜢算法的全局寻优能力获得较大提升,其求解流程如图4所示。

图4 改进蚱蜢优化算法流程图

4 算例分析

4.1 算例数据整理

文章根据园区历史数据拟合出典型日的各类负荷曲线,并设定各能量转化设备的容量(见表2),依照光伏及风机的出力特性,将出力预测值及各类负荷曲线整理如图5所示[14]。

表2 能量转化设备容量

图5 负荷及新能源设备出力预测曲线

企业生产过程中,有部分用电属于不可中断型,这类负荷不在协调优化范围内,将其定义为固定电负荷;将73家企业用电数据与各行业单位产值用电量较低的企业数据进行对比,可知该园区内有部分电能消耗可以通过用电调度和技术升级实现削减,将这部分电能定义为可节约电负荷;此外,在实际生产过程中,存在可整体平移至其它时段的负荷,例如将峰电价时段的可控负荷平移至谷电价时段,将该部分用电负荷定义为可转移负荷[15]。各类型用电负荷数据如图6所示。

图6 各类型用电负荷数据

储能电池系统在规定的充放电量上下限工况下,理论充放次数为2 500次。文中规定24 h以内,只允许储能电池系统在设定工况下满充满放一次,即峰电价时段放电至下限值后不再动作,等待下一次谷电价时段进行充电;谷电价时段将电量充至上限后也不再动作,等待下一次峰电价时段进行放电,此举可以充分发挥储能电池“削峰填谷”的优势,据此计算得到储能电池系统理论寿命为7年,将能量转换设备的各项参数整理得表3。

表3 能量转换设备参数设定

江苏省部分电压等级的大工业用户电价如表4所示。

表4 江苏省部分电压等级大工业电价

4.2 协调优化分析

利用改进蚱蜢算法对上述模型及参数进行分析,种群大小设置为30,算法最大迭代次数设置为300,优化后的电负荷数据如图7、图8所示。将图7与图6对比可知,0：00-8：00的可节约负荷在优化后并没有被削减,原因在于可控负荷调控补偿成本与谷电价相差较小,若将此部分电负荷削减所需的技术投入总和或将超过原本的电价总量;优化前8：00-11：00及19：00-21：00的可转移负荷被调整至1：00-7：00,这样可以利用较大的峰谷电价差来节约企业运行成本,增加企业的谷用电率;除谷时段以外的时段,优化后均对可节约负荷进行了优化。

图7 优化前后园区电负荷对比

图8 优化后各设备的电力输出分配

由图8可知,风机和光伏的引入在很大程度上缓解了电网的压力,9：00-12：00之间由于各能量转换设备的加入使得电网出力极小,使得整个园区所用的峰时段电量大幅下降;储能电池依照设定的运行方式平稳运行,其在夜间1：00-4：00将电量充至设定最大容量,在9：00-11：00及18：00-20：00两个峰电价时段将电量放至设定最小值;燃气轮机总体出力较为平稳,但谷电价时段由于光伏设备几乎不出力从而加重了电网的负担,燃气轮机在该时段出力值做出了适当增加,以此降低电网的负荷,起到稳定电网降低配电网扩容投资的作用;优化后的电网最大出力值为67.738 7 MW,而优化前电负荷全部由电网承担时其最大出力值为91.658 35 MW,且谷用电率由42.2%提升至59.15%,因此引入综合能源系统后极大的降低了电网所承担的负荷,减少了园区整体的用电成本。

引入综合能源系统后,园区冷、热负荷优化结果如图9、图10所示。由图9可知,蓄冷容量为5×103kW·h的蓄冷槽在谷电价时段利用较低的电价进行蓄冷,但在冷负荷较大时刻蓄冷槽也会适当输出冷力以减小电制冷机的出力,此举虽然较峰电价时段输出冷力的收益低,但可降低谷时段及平时段的电网压力;10：00-12：00及17：00-21：00两个峰电价时段蓄冷槽均将储存的能量有序放出,起到了合理有效的削峰作用。

图9 优化后各设备的冷力输出分配

图10 优化后各设备的热力输出分配

由图10可知,燃气轮机产生的热量是发电过程中的附加产物,因此其输出热量与输出电量成比例;燃气锅炉产生热量占多数,主要原因是天然气价格相对固定且天然气低热值为7.9 kW·h/m3,其能量转换成本低于其它热量输出设备;电锅炉在夜间谷电价时段利用较低的电价输出热量,减缓了燃气锅炉的负担。在13：00-17：00及22：00-0：00,热负荷处于较大时刻,电锅炉也适当输出了部分热量,以此提高系统运行的稳定性及可靠性,避免了单一设备输出能量时因设备故障而造成热量断供的现象。

基于以上分析,可计算得到优化后能量转化设备日配置成本C1为173 302.135 6元/天,能源采购成本C2为848 888.444 3元/天(其中电能成本669 481.1元,天然气成本179 407.344 3元),设备维护成本C3为2 700元/天,可控负荷调度补偿成本C4为24 949.6元/天,即优化后该工业园区单日运行成本为1 049 840.18元;而优化前园区为供应电负荷从电网购电费用为989 781.1元/天,使用电制冷机供应冷负荷的成本为303 129.8元/天,使用燃气锅炉供应热负荷的成本为150 974.430 4元/天,即优化前该园区单日运行成本为1 443 885.33元。

综上所述,在配置综合能源系统的理想工作条件下,该园区单日运行成本下降了394 045.150 4元,具有显著的经济效益。此外,使用清洁的能量转换设备后,将风光等资源充分利用起来,减少了对于传统不可再生能源的使用,带来了一定的环保效益。

5 结束语

文章基于对传统工业园区的负荷分析,提出在园区内配置综合能源系统,并针对各能量转化设备的不同特性构建其出力模型。文中结合企业实际生产,将电负荷按特性分为三类,建立以日运行成本最低为目标的优化函数,并依据各设备的额定运行条件设定约束条件。使用改进蚱蜢优化算法对所建立的模型进行优化求解,结果显示优化后该园区单日运行成本下降显著,同时由于新能源设备对于风光的消纳使得企业从电网上购买的电量大幅下降,降低了当地电网运行的压力。综上,文中提出的工业园区综合能源系统具有较好的实用性和可靠性,能够对传统园区能耗进行有效优化,具有较强的实际应用价值。