考虑风光不确定性与灵活性指标的园区综合能源系统最优调度

呼斯乐，王 渊，于 源，高 源，曹林峰，赵禹灿，杨家强

（1.内蒙古电力（集团）有限责任公司，呼和浩特 010010；2.浙江大学电气工程学院，杭州 310027；3.内蒙古电力（集团）有限责任公司内蒙古电力经济技术研究院分公司，呼和浩特 010010）

0 引言

能源是人类社会赖以生存的重要物质基础。近年来，为了推动经济的发展，化石能源的无节制开发利用不仅造成资源枯竭，世界范围内正遭受能源短缺和全球变暖的危机[1-2]。为了应对危机，提升非化石能源在能源体系中的占比，具有清洁环保、能源可回收特点的可再生能源受到了广泛的关注。与传统的化石燃料发电相比，可再生能源发电技术符合新型能源体系的需求。同时，基于多种异质能源协同优化、多能互补的综合能源系统作为可再生能源的有效载体，也备受关注[3-5]。国内各省市已陆续出台园区级综合能源系统规划实施方案、细则，为园区级源网荷储综合能源系统建设提出指导。内蒙古自治区于2022 年出台六类市场化项目实施细则，其中源网荷储一体化项目、绿色园区供电项目是典型的园区综合能源系统，批复电源规模超过500万千瓦、配套各类负荷超过300万千瓦、均配套15%（4 h）以上新型储能系统。并明确提出了自我消纳、不向公用电网反送电、不占用电网调峰空间的技术要求，因此，如何做好园区综合能源系统规划、运行，充分释放其灵活性、提升运行经济性的重要性凸显。

在高比例风光接入的园区级综合能源系统（Park Integrated Energy System，PIES）中，风光固有的不确定性阻碍了大规模的可再生能源并网，大量学者对其做了研究。文献[6]提出了两阶段随机规划公式，基于情景树的方法考虑电、热和气供应的负荷小时尺度的不确定性，以及风光能源供应的可变性，以最大限度地减少综合能源系统的日前运行和环境成本。文献[7]根据风光不确定性概率模型，采用蒙特卡洛模拟抽样得到的大量场景，对场景进行机会约束等式的检验，筛选检验通过的场景来得到确定性模型。文献[8]采用基于联合分布随机变量方法的机会约束规划，在考虑新能源发电输出和负荷不确定性的情况下，求解热电联产调度的多目标随机优化模型。文献[9]构建双层鲁棒模型，在各个时间段调整不同的鲁棒参数避免风电出力约束过于保守，然后实现极端风电出力场景下系统日前最优调度。文献[10]对鲁棒优化的保守性进行改进，设计了一种改进细菌觅食算法，兼顾个体多样性与收敛速度。

另一方面，如何保证系统运行的灵活性也是关注的课题。国际能源署等机构给出了系统运行灵活性的概念，现有诸多研究聚焦于能源系统运行灵活性方面。文献[11]设计了一种计及灵活性需求的综合能源系统优化配置方法，有效实现系统规划在运行经济性和安全性之间的平衡。文献[12]推导了灵活性需求的数学表达，建立气、热网运行灵活性的数学模型，分析表明，提高运行灵活性可有效降低系统运行成本。为平抑可再生能源和负荷的不确定性，文献[13]提出一种考虑多能灵活性的综合能源系统优化策略，分析表明，所提模型可以通过协调机组出力提升系统运行灵活性，平抑系统功率波动。文献[14]设计了一种灵活调节资源的联合运行市场机制，分析表明，该方法在提升新能源消纳水平、灵活性方面具有较好的效果。现有文献多数采用可控设备调节系统灵活性，极少文献考虑引入灵活性指标对系统的灵活性进行量化评价。

针对上述问题，本文提出了一种功率型灵活性指标的园区级综合能源系统日前调度策略，综合平衡系统的经济性与灵活性。建立含功率型灵活性指标的综合能源系统优化模型，利用机会约束方程对风光的不确定性提供备用服务，并将机会约束方程数学等价为可以参加线性求解的形式。此外，构建兼顾经济性与灵活性约束的优化调度模型，采用CPLEX求解，获得最优的调度策略。

1 日前调度的灵活性供给与需求

灵活性概念早已提出并应用在电力系统的定性描述中。一般来说，系统的灵活性主要受灵活性供给与灵活性需求的平衡水平的影响，若失衡会对系统的经济灵活安全运行造成威胁。在本文中，针对日前调度过程的灵活性，定义为：在日前调度的时间段内，系统通过合理规划灵活性可控资源，留出灵活性裕度，在风光功率波动的情况下，系统快速适应波动变化的能力，使功率保持实时平衡。

具体来说，系统调度灵活性需求主要来自净负荷的不确定性，可以通过在调度计划内考虑可控资源的备用服务来应对灵活性需求的不确定性。目前，负荷预测技术已经非常成熟，净负荷的大部分不确定性集中体现在风光中。本文通过建立灵活性可控资源备用服务的机会约束方程来应对风光的不确定性，可描述为：

式中：Prod{}为计算{}中的概率；σ为机会约束的置信度；ΔEVRE,t为t 时段的可再生能源出力误差；为t时段可提供的灵活备用容量。

而电力系统调度灵活性供给主要来自于系统中可控灵活性资源。随着灵活性资源的不断挖掘，系统的决策者将面对如何充分发挥灵活资源的调节能力来满足功率平衡的困境。灵活性的量化指标是一个重点的研究方向，通过对灵活性的量化，以较小的代价满足灵活性需求，预防系统中功率的失衡情况。

此外，灵活性资源输出功率的变化具有方向性，相应的灵活性也具备方向性，可分为向上灵活性与向下灵活性。为了更具体化分析各个可控资源的灵活性，采用功率型灵活性指标对可控资源的灵活性水平进行评价。功率型灵活指标为设备某时刻可输出功率调节的范围与设备额定功率的比值，反映灵活性资源应对功率变化的能力。本文重点以微型燃气轮机（Micro Turbine，MT）、电储能（Electric Energy Storage，ESS）、需求响应（Demand Response，DR）作为可控灵活性调节资源，为系统提供向上、向下灵活性。

灵活性资源的功率型灵活指标：

式中：FMTup,t、FILup,t、FESSup,t为t 时段内MT、DR、ESS的向上灵活性供应；FMTdown,t、FILdown,t、FESSdown,t为t 时段内MT、DR、ESS 下灵活性供应；为MT 在t 时段内输出的电功率；为MT 的额定功率；、分别为MT 输出的最大电功率与最小电功率；分别为MT的最大爬坡电功率与最小滑坡电功率；为t 时段内MT 调用备用容量；ESSN为电储标定容量；分别为电储单次充放电的功率最大值；分别为电储充放能量容量限值；ηESSch、ηESSdc为电储充放电的效率；为电储t 时间段的容量与调用备用容量；PL,cut,t、PL,add,t分别为DR负荷切除和增加的电负荷；Δt为调度时间间隔。

2 基于功率型灵活指标的优化调度模型

2.1 目标函数

2.1.1 经济目标F1

2.1.2 灵活性目标F2

随着灵活性资源的不断挖掘，系统的决策者将面对如何充分发挥灵活资源的调节能力，以较小的代价满足灵活性需求，保证功率实时平衡的困境。

2.2 约束条件

在本文的最优调度模型中，约束条件包含公式（5）电功率平衡约束、公式（6）热功率平衡约束、公式（7）气功率平衡约束、公式（8）能量约束、公式（9）储能约束、公式（10）旋转备用约束，其中旋转备用约束以燃气轮机与储能设备作为灵活性可控资源提供旋转备用容量。

式中：EVRE,t为t 时间段内计算的风光联合出力期望值；、PESSch为t时间段电储最终输出的充放电功率；为t 时间段PIES 电负荷需求；为t 时间段PIES 电负荷的时移量；为t 时间段电锅炉的电功率；为t时间段热储最终输出的充放热功率；为PIES热负荷需求；为t时间段PIES 热负荷的时移量；为t 时间段燃气锅炉的热功率；为购气的上下限；为购电的上下限；为售电的上下限；为GB机组的耗气功率；分别为MT机组实际输出与备用容量的耗气功率；ubuy,e、usell,e、ubuy,g是二进制变量，为购电、售电、购气状态；为储能装置t时刻容量；为t时刻充放电状态二进制变量；为储能装置单次充放电的功率的上限；为t 时刻储能装置的充电放电功率；为储能装置充放容量上下限；为t时刻储能设备的备用容量。

2.3 模型求解流程

综上所述，本文建立了考虑风光不确定与灵活性供给的PIES 最优多目标调度模型。但在多目标优化中，子目标间往往是矛盾关系，灵活性若达到最优，系统会着重保障可控资源的灵活性裕度尽可能大，系统会倾向于向电网购电带来经济成本的增加；相反，若经济性最优，经过调度策略的优化，系统会倾向于将源荷储闲置功率充分发挥，系统灵活性裕度下降。在本文中通过加权系数方法将多目标问题转化为单目标[19]，并将机会约束转化为等价的混合整数线性规划数学公式[20]，可以利用CPLEX求解器稳定求解。

3 算例分析

3.1 PIES基础数据

综合能源系统是多能互补、优化能源效率等理念实现的重要载体。本文以含高比例风光的园区级综合能源系统（见图1）为仿真算例。系统中的电负荷需求由电网售电、风力机组、光伏机组、燃气轮机发电供给；热负荷需求由电锅炉、燃气锅炉供给；气网的售气一部分供给于燃气轮机，一部分供给于燃气锅炉；储电与储热装置为系统能量缓冲部分；荷侧考虑了可时移、可中断的综合需求响应，具体的能量耦合状态如图1所示。

图1 综合能源园区测试系统Fig.1 Test system of PIES

系统中设备的参数如下。

（1）电网参数：ωre,MT=0.04元/kWh，KMT=1.6元/kWh，= 1000 kW，= 1000 kW；

（3）中断补偿参数：ωel=0.8 元/kWh，ωhl= 0.6元/kWh；

（6）PIES基础数据如图2所示。

图2 PIES基础数据Fig.2 Basic data of PIES

3.2 PIES最优调度计划

图3 为PIES 的最优供电计划，从图中可以看出，在电网分时电价较高时段（08：00—11：00，18：00—21：00），系统通过增加燃气轮机出力，减少向电网购电，从而提高系统运行的经济效益。此外，可控负荷变量表示PIES中未消纳的新能源数值，在调度周期内新能源剩余功率始终为0，即可再生能源在本文的调度策略下完全消纳，没有产生弃风弃光现象。

图3 PIES最优供电计划Fig.3 Optimal power supply plan of PIES

图4 为PIES 最优供热计划，可以看出，电锅炉在01：00—04：00时段承担了大部分热负荷，降低了该时段燃气锅炉的供热功率；而在电价高峰时段，通过燃气锅炉消耗燃气来供给大部分热负荷，降低电锅炉的供热功率。分析表明，燃气锅炉和电锅炉具有互补特性，在满足系统热需求的同时，通过提高负荷低谷时段电能的利用率，进一步降低系统运行成本。

图4 PIES最优供热计划Fig.4 Optimal heating plan of PIES

3.3 PIES灵活性分析

采用本文提出的功率型灵活性指标对上述最优调度方案进行灵活性评价，得到各时段的灵活性指标。图5展示了系统内相关设备各时段灵活性指标，具体分析如下。

图5 PIES各设备灵活性指标Fig.5 Flexibility index of each device in PIES

系统灵活性指标是多设备参与调节能力综合作用的结果，从图5 可以看出，在08：00—11：00 与18：00—21：00 时段，燃气轮机利用率较高，其灵活性指标接近0，负荷侧需求响应能力的存在为系统增加了部分灵活性裕度，增强了系统运行的灵活性。分析表明，多种设备/资源在系统运行灵活性指标方面存在互补特性，相比于传统仅考虑可控机组运行灵活性，多设备/资源参与的系统运行灵活性更强。

作为负荷侧可调度资源，负荷需求响应特性有效改善了系统灵活性指标，同时，对系统经济性均有影响。本节选取不同综合需求响应占比，进一步评估综合需求响应程度对PIES 运行经济性及其灵活性指标的影响，结果如图6所示。

图6 综合需求响应占比对PIES的影响Fig.6 Impact of the proportion of comprehensive demand response on PIES

从图6 可以看出，随着综合需求占比的提高，PIES系统运行成本呈现逐步降低，当占比超过25%时，系统运行成本逐步升高；需求响应运行灵活性随着综合需求占比的提高而一直逐步增大。就运行成本而言，综合需求响应改变了原始负荷的用电计划，使负荷分配更加符合电源特性，刚开始降低了PIES运行成本。但是，随着需求响应的进一步增大，系统可自由分配的负荷变多，最终用电计划不再改变，PIES 运行成本不再降低。此外，需求响应占比的增加进一步增强了系统的灵活性，由系统优化同时保持系统灵活性带来的费用使综合能源系统总运行成本增大。

3.4 不同置信水平下PIES备用服务分析

备用是确保PIES 系统稳定运行最重要的手段之一，可以有效克服新能源不确定性对综合能源系统运行的影响。本文以储能与燃气轮机提供备用功率，图7 展示了不同置信水平下储能装置和燃气轮机承担备用功率的最优计划。

图7 不同置信度的备用容量计划Fig.7 Reserve capacity planning under different conficence levels

由图7 可知，在风光联合运行时段（7—19 h），其平均配备的备用容量要低于其余时间段；在风光单独运行时间段，系统需要提供更多的备用容量来保障相同的置信水平，这说明风光互补可以明显降低输出功率的波动水平，提高系统的稳定性。

图8 展示了在置信度90%时，PIES 系统备用需求最优分配计划。可以看出，PIES系统所需备用由储能装置和燃气轮机提供。由于储能自身容量的限制，PIES系统所需备用主要由燃气轮机提供。燃气轮机备用能耗成本高于储能装置，PIES系统会优先选择储能装置提供备用，只有当储能备用功率不足以满足系统备用需求时，燃气轮机启动弥补PIES备用需求差，保证PIES系统经济可靠运行。

图8 置信度90%时的备用需求分配Fig.8 Reserve demand allocation at 90% confidence level

4 结语

在承载高比例可再生能源的综合能源系统中，系统灵活性稀缺。本文构建了园区级综合能源系统日前调度模型，通过制订最优调度策略，有效实现了方案灵活性与经济性协同优化，结果表明本文建立的功率型灵活指标可以与调度目标相耦合，并参与调度过程的分析；与此同时，输出的最优调度计划在灵活性水平的约束下有效利用了多种资源的互补特性，提高系统运行的灵活性。此外，通过机会约束方程对风光的不确定性提供备用服务，并分析了约束方程的置信水平对备用服务的影响，随着置信度的提高，系统的备用容量与运行成本提高，且系统会优先采用储能提供备用服务。