基于能源集線器模型的園區混合能源系統日前優化調度方法

卜凡鵬，田世明，方 芳，尹 凱，杜偉強

（1.中國電力科學研究院，北京 100192；2.國網北京市電力公司，北京 102200；3.天津求實智源科技有限公司，天津 300384）

基于能源集線器模型的園區混合能源系統日前優化調度方法

卜凡鵬1，田世明1，方 芳2，尹 凱3，杜偉強3

（1.中國電力科學研究院，北京 100192；2.國網北京市電力公司，北京 102200；3.天津求實智源科技有限公司，天津 300384）

分布式發電和冷熱電聯供系統在用戶側的集成可構成一個典型多能源園區混合能源系統，可實現包括電能、太陽能、天然氣等能源輸入，以及電能、熱能以及冷能等能源輸出形式，可有效提升能源的綜合利用效率，降低用戶綜合用能成本。本文以一個電力與天然氣構成的多能源園區混合能源系統為研究對象，對園區混合能源系統中多能源混合資源進行日前優化調度，以降低園區混合能源系統用能成本。首先構建了多能源園區混合能源系統模型；進而，給出了基于能源集線器的多能源園區混合能源系統日前優化調度方法；最后以一個典型的電力與天然氣多能源園區混合能源系統為例驗證了本文調度方法的有效性。

混合能源系統；分布式發電；冷熱電聯供系統；日前優化調度

隨著現代社會對能源需求的增加，能源與環境短缺問題日益嚴峻，對人類社會的可持續發展帶來極大的危害。以分布式電源、冷熱電聯供CCHP（combined cooling，heating and power）系統為主要供能單元的多能源園區混合能源系統HEP（hybrid energy park）[1-2]，由于具有清潔能源利用、提高能源利用效率、低碳環保的特性，近兩年獲得了飛速發展。該系統能夠有效地緩解能源消費增長與環境保護之間的矛盾，在我國電力結構調整中起著非常重要的作用，對經濟社會發展意義重大[3]。

HEP從可將分布式發電單元、CCHP系統、負荷、儲能等裝置以及控制系統進行有效集成，滿足用戶對于電能、熱能和制冷聯合供能的需要，并通過配電網并網運行，最終形成一個可以并網運行也可以單獨運行的靈活系統。根據HEP內部各單元的運行特征來制定最優調度方案，對HEP內多能源進行優化調度，可實現多種能源互補和可再生能源的充分消納利用，降低系統運行成本。然而，HEP是一個含有多種能源輸入、多種產品輸出和多種能源轉換單元的非同性復雜體，涉及到電/氣/冷/熱環節的相互轉換與互補優化，急需新的調度方法。

有關園區HEP優化調度方法的研究已取得了一定的進展。文獻[4-5]考慮風、光、負荷等的隨機特性，建立了熱電聯供型園區混合能源系統經濟運行的隨機優化模型；文獻[6]采用集中母線方式，提出了CCHP園區HEP優化調度通用建模方法，并基于該方法構建了園區HEP的動態經濟調度模型框架；文獻[7]針對某個含有熱電聯產系統、光伏、空調、電儲能以及熱儲能的園區HEP，設計了一種分層能量管理系統架構，能夠實現對園區HEP中供能單元的優化管理；文獻[8]通過對蓄電池儲能系統進行充放電優化來降低不確定環境下園區HEP運行成本；文獻[9]引入碳排放權交易成本函數，建立了考慮碳交易成本、燃料成本、環境成本的CCHP系統低碳調度多目標優化模型；文獻[10-12]考慮樓宇用能單元的特征，提出了由CCHP、電制冷機、吸收式制冷機以及熱儲能系統組成的園區HEP的經濟優化調度方法。

上述研究從不同角度提出園區HEP的優化調度方法。與傳統電力型園區HEP相比，HEP存在通過多能源環節協調調度來提高降低供能成本的迫切需求，當前對HEP中電氣冷熱不同能源形式之間的轉換形式目前尚缺乏有效的模型進行統一描述，導致調度方案的保守性。為此，本文提出一種基于能源集線器模型的多能源園區HEP日前優化調度ODS（optimal day-ahead scheduling）方法，可充分挖掘電/冷/熱不同能源形式之間的相互支撐能力，有助于提高HEP運行的經濟性。

1 園區混合能源系統數學模型

能源集線器是一個可以包含多種形式能量的轉化、傳輸以及存儲的控制單元，它是不同的能源設施與不同需求負荷之間的接口平臺。能源集線器從宏觀上看是連接微電網與大電網的一個控制中心或控制平臺，可通過超短期負荷預測以及實時在線監測分布式能源、配電網的各項狀態，對各發電側和受控負荷進行優化控制[13]。微觀層面上，很多類似于工廠、大建筑群、農村、城市地區以及火車等等的基礎能源設施都可以看作是能源集線器[14-15]。

分布式能源的多樣性決定了HEP必然包括多種不同的供用能設備。本文以一個電力與天然氣構成的HEP為例進行建模。HEP中不同能量潮流的耦合作用以及由此產生的系統間的相互作用可以通過能源集線器的概念來描述。如圖1所示，一個典型的HEP系統可抽象為一個或多個能源集線器模型，包含輸入和輸出，轉換和存儲各種能源載體功能的單元組成。

圖1 一個典型能源集線器模型Fig.1 A typical energy hub model

1.1 能源集線器內部的功率交換建模

對于一個單輸入單輸出的能量變換裝置來說，輸入與輸出的關系為

式中：Pα和Lβ分別為系統穩態的輸入和輸出；Cαβ為輸入和輸出之間的耦合系數。包含多個能量變換裝置和多種能源形式的HEP，可通過一個耦合矩陣C來描述輸入與輸出的耦合關系，即

向量P和L分別為HEP的輸入和輸出。由于一種形式的能源可能會進入到不同的能量轉換裝置中，例如圖1中的HEP中電力同時進入到微型燃氣輪機和中央空調中，耦合矩陣C中的耦合系數不僅與轉換裝置的轉換效率有關，還與能源在不同轉換裝置中的分配系數有關。這里引進一個能源分配系數ν，0≤ν≤1，如，νPe表示直接供應電力負荷的電能，(1-ν)Pe則表示供應中央空調的電能。

式中：Pe和Pg分別為能源集線器與電網和天然氣網的能源交互值；Le和Lh分別為能源集線器所供應的電負荷和熱負荷。

寫成矩陣的形式為

1.2 能源集線器中儲能系統建模

本文HEP采用儲熱裝置來儲能。在k時刻，電與熱的交換功率Mh,i(k)和儲熱裝置中實際儲存的能量Eh,i(k)的關系為

將儲裝置考慮進到式（5）中，可得

1.3 能源集線器間的功率交換建模

在能源集線器系統之間的潮流（即在連接不同能源集線器系統的聯絡線上的潮流）可通過穩態方程來描述。對于電網和天然氣管道網絡，潮流模型是基于節點功率平衡來建立的。

1）電網

電力潮流模型由節點復功率平衡來建立。在節點m，節點復功率平衡可以表示為

式中：Sm為注入節點m的復功率；Smn為流向和節點m相關聯的所有節點的潮流。線路上的潮流由節點電壓幅值U、向量以及線路參數來表示，即

式中：ymn為線路mn的互導納；ym0為節點m的自導納。

2）天然氣管道網絡

管道網絡的潮流模型也是根據節點流量平衡來建立的。以下的潮流方程適用于所有類型的等溫管道的潮流計算。節點m的體積流量平衡公式為

式中：Qm為注入節點m的天然氣體積流量；Qmn為管道的體積流量，m3/h；pm和pn分別為管道上游和下游的壓力；kmn為表征管道和天然氣流體的參數；Tb為標準狀態的溫度，K；pb為標準狀態的壓力，kPa；Dmn為管道內徑，mm；Tf為管道內燃氣的溫度，K；G為天然氣相對于空氣的比重；Z為燃氣的壓縮因子；Lmm為氣體管道長度，km；fmn為氣體管道的摩擦系數（無量綱）。

smn表征管道中氣體流動的方向，其具體計算公式為

天然氣管道的壓縮機需要能量來驅動，如果由微型燃氣輪機驅動壓縮機，相應的功耗可以視為流入管道的額外的能量，如圖2所示。壓縮機的能耗為

式中：pk為壓縮機入口側的壓力；pm為壓縮機出口側的壓力；kcom為壓縮機的壓縮比。

天然氣管道的體積流量Qmn對應電力潮流Pmn，兩者之間的關系為

式中：k為天然氣熱值與電功率的轉換系數；GHV為天然氣的高熱值，MJ/（N·m3）；Pmn為電力潮流，kW；因為1 MJ=0.278 kW·h，所以式（16）中存在一個轉化系數0.278。

圖2 由天然氣壓縮機和管道組成的天然氣管道模型Fig.2 Natural gas pipeline model composed of natural gas compressor and pipelines

1.4 園區混合能源系統建模

本文含電力和天然氣的園區混合系統是基于幾個相互聯系的能源集線器系統來建模的。因此，能源集線器代表電力生產者，消費者和傳輸設施之間的接口。圖3是園區HEP的構成，系統由3個相同配置的能源集線器組成。各個能源集線器由交流電網和天然氣網絡連接。電力網絡由電網以及分布式的光伏發電為能源集線器的電力輸入端口Pe1、Pe2、Pe3供電；天然氣由一個天然氣網絡N供應并送到能源集線器的天然氣輸入端口Pg1、Pg2、Pg3；節點1-2和1-3之間的天然氣聯絡管道上裝設了壓縮機C12、C13，為天然氣的流動提供壓力。

圖3 三互聯能源集線器構成的園區混合能源系統Fig.3 Hybrid energy park composed of three interconnected energy hubs

2 日前優化調度模型

2.1 目標函數

由于本文建立的園區多能源HEP模型分別由電網、天然氣網絡和光伏提供能源，所以目標函數采用總的購電成本與天然氣消耗成本的和最小為目標函數，電價采用分時電價數據，其函數公式為

式中：Cph，i為第i小時的電價預測值；Pi為第i小時購入的電功率；Cgas，i為第i小時的天然氣價預測值；PMT，i為第i小時微燃機輸出電功率。本文通過式（16）將天然氣網絡的體積流量等效為電力網絡的潮流，因此將天然氣網絡的消耗特性等同于電力網絡來處理。

2.2 約束條件

日前優化調度模型的等式約束為電力網絡的潮流方程（9）、天然氣網絡的流量方程（16）和能源集線器系統的平衡方程（5）組成的等式約束組成[16-17]。

不等式約束由能源集線器的輸入Pi，電力網絡和天然氣網絡的流量Fa、分配因子νi、發電機電壓幅值Um和相角θm、發電機有功出力Pei和無功出力Qei、天然氣管道壓力pm以及壓縮機出口壓力與入口壓力的比值kcp的限制組成。

3 算例分析

3.1 園區多能源混合系統參數

3.1.1 電力網絡參數

本文采用模型的電力網絡共包括3個節點，節點1為電網與多能源混合系統的接口，設為平衡節點；節點2接入了分布式光伏發電，在光伏出力的時候為PV節點，在光伏不出力的時候為PQ節點；節點3為PQ節點，電網的電壓為10.5 kV。具體參數見表1與表2。

表1 電力節點參數Tab.1 Parameters of electric nodes

表2 電力線路參數Tab.2 Parameters of electric power lines

3.1.2 天然氣網絡參數

天然氣管道參數見表3。

表3 天然氣管道參數Tab.3 Parameters of natural gas pipelines

本文選擇8 500 kcal/（N·m3）=35.56 MJ/（N·m3）作為天然氣熱值轉換標準。因此根據式（16）有Pmn=127.91Qmn。本文將天然氣網絡的流量通過天然氣熱值轉化為電力潮流去進行優化，整個系統的基準功率為SB=1 MV·A，將Pmn轉換為標幺值得

根據式（13）和表3可得具體天然氣網絡計算參數如表4所示；園區多能源混合系統的其他參數如表5所示。

表4 天然氣網絡計算參數Tab.4 Parameters used in the calculation of natural gas network

表5 園區混合能源系統的其他參數Tab.5 Other parameters of hybrid energy park

3.1.3 電價參數

本文電價數據參考[18]，在優化計算中采用分時電價的模型，天然氣1月份的價格為0.042 5＄/（kW·h），8月份的價格為0.040 5＄/（kW·h），1月份和8月份的電價的具體數據見表6。天然氣的數據隨季節性有明顯的變化，和氣源的采集量有關，本文是綜合能源系統，可以通過燃氣發電，并將余熱利用，故包含了天然氣的價格，以與電一起進行優化。

表6 1月份和8月份的電價數據Tab.6 Power price data in January and August

3.1.4 負荷參數

本文中的多能源混合網絡共有3個能源集線器系統，圖3中能源集線器1的負荷為酒店負荷，能源集線器2的負荷為學校負荷，能源集線器3的負荷為商業中心負荷，3種負荷模型均為某一個典型日的負荷模型。酒店負荷1月份和8月份模型分別見圖4和圖5；學校負荷1月份和8月份模型分別見圖6和圖7；商業中心負荷1月份和8月份模型分別見圖8和圖9。

圖4 酒店1月份負荷模型Fig.4 Model of hotel load in January

圖5 酒店8月份負荷模型Fig.5 Model of hotel load in August

圖6 學校1月份負荷模型Fig.6 Model of school load in January

圖7 學校8月份負荷模型Fig.7 Model of school load in August

圖8 商業中心1月負荷模型Fig.8 Model of business center load in January

圖9 商業中心8月負荷模型Fig.9 Model of business center load in August

3.2 仿真結果

以圖3中三互聯能源集線器組成的園區混合能源系統為例對日前優化調度算法進行驗證。

3.2.1 1月份調度結果

1）只有電力供應

此時能源集線器系統的能量供應只有電力，沒有天然氣，調度結果如圖10所示。此時系統目標函數值為2 411.2＄，從圖中可以看到系統中天然氣網絡沒有出力。

圖10 1月份只有電力供應時調度方案Fig.10 Scheduling scheme with only power supply in January

2）電力、天然氣和光伏聯合供應

系統包括電能、天然氣和光伏。如圖3所示，2節點接入了光伏電源，在光伏電源出力的時候將該節點視為PV節點，光伏不出力的時候將該節點視為PQ節點。通過優化得到如圖11的調度方案。此時系統目標函數值為2 308.4＄。

3.2.2 8月份調度結果

8月份只有電力供應時的調度結果如圖12所示，系統目標函數值為2 854.5＄。多能源聯合供應調度方案如圖13所示，系統目標函數值為2 467.6＄。

圖11 1月份混合能源供應時調度方案Fig.11 Scheduling scheme with hybrid energy supplies in January

圖12 8月份只有電力供應時調度方案Fig.12 Scheduling scheme with only power supply in August

圖13 電力、天然氣和光伏的混合能源系統Fig.13 Hybrid energy park composed of electric power，natural gas and photovoltaic power

3.2.3 調度方案對比

不同月份兩種供能模式下的調度成本對比如表7所示。

表7 不同月份兩種供能模式下的調度成本對比Tab.7 Comparison of scheduling cost between two supply modes in different months

可以看到，只有電力供應時和多能源聯合供應時相比，前者明顯的供能成本較高，可見園區HEP系統較單個形式的能源系統來講綜合供能成本得到明顯降低。

6 結 語

本文在能源集線器模型的基礎上，首先構建了園區混合HEP，進而基于能源集線器模型建立起電氣冷熱不同能源形式之間的互補耦合關系，提出一種多能源園區HEP的ODS方法，可充分挖掘電/氣/冷/熱不同能源形式之間的相互支撐能力，有效提升HEP運行的經濟性。經過算例驗證表明，只有電力供應時和多能源聯合供應時相比，前者明顯的供能成本較高，可見園區混合HEP較單個形式的能源系統來講綜合供能成本得到明顯降低，是未來園區供用能系統供用能的主要解決方案，具有重要的工程應用前景。

[1]蔣菱，袁月，王崢，等（Jiang Ling，Yuan Yue，Wang Zheng，et al）.智能電網創新示范區能源互聯網評估指標及評價方法（Evaluation index system and comprehensive evaluation method of energy internet in innovative demonstration area of smart grid）[J].電力系統及其自動化學報（Proceedings of the CSU-EPSA），2016，28（1）：39-45.

[2]Liu Nian，Chen Qifang，Liu Jie，et al.A heuristic operation strategy for commercial building containing EVs and PV system[J].IEEE Trans on Industrial Electronics，2015，62（4）：2560-2570．

[3]賈宏杰，穆云飛，余曉丹（Jia Hongjie，Mu Yunfei，Yu Xiaodan）.對我國綜合能源系統發展的思考（Thought about the integrated energy system in China）[J].電力建設（Electric Power Construction），2015，36（1）：16-25.

[4]劉方，楊秀，黃海濤，等（Liu Fang，Yang Xiu，Huang Haitao，et al）.含熱電聯產熱電解耦運行方式下的微網能量綜合優化（Energy comprehensive optimization of micro-grid including CHP with thermoelectric decoupling operation mode）[J].電力系統及其自動化學報（Proceedings of the CSU-EPSA），2016，28（1）：51-57．

[5]蘭立雄，劉力卿，米增強（Lan Lixiong，Liu Liqing，Mi Zengqiang）.冷電聯供系統的多目標運行優化（Optimal operation of combined cooling and power supply system）[J].電力系統及其自動化學報（Proceedings of the CSUEPSA），2016，28（5）：62-68.

[6]王成山，洪博文，郭力，等（Wang Chengshan，Hong Bowen，Guo Li，et al）.冷熱電聯供園區混合能源系統優化調度通用建模方法（A general modeling method for optimal dispatch of combined cooling，heating and power microgrid）[J].中國電機工程學報（Proceedings of the CSEE），2013，33（31）：26-33．

[7]Xu Xiaodong，Jia Hongjie，Wang Dan，et al.Hierarchical energy management system for multi-source multi-product microgrids[J].Renewable Energy，2015，78：621-630.

[8]李凱，秦文萍，張海濤，等（Li Kai，Qin Wenping，Zhang Haitao，et al）.含混合儲能的微電網能量管理系統控制策略（Control strategy for microgrid energy management system including hybrid energy storage）[J].電力系統及其自動化學報（Proceedings of the CSU-EPSA），2016，28（10）：85-91.

[9]周任軍，李紹金，陳瑞先，等（Zhou Renjun，Li Shaojin，Chen Ruixian，et al）.采用模糊自修正粒子群算法的碳排放權交易冷熱電多目標調度（Combined cool and heat and power multi-objective scheduling considering carbon emissions trading using algorithm of fuzzy self-correction particle swarm optimization）[J].中國電機工程學報（Proceedings of the CSEE），2014，34（34）：6119-6126.

[10]李獻梅，陳瑞先，周任軍，等（Li Xianmei，Chen Ruixian，Zhou Renjun，et al）.響應峰谷電價的冷熱電聯供系統優化調度（Optimal dispatch of combined cool，heat and power system of response peak-valley price）[J].電力系統及其自動化學報（Proceedings of the CSU-EPSA），2016，28（4）：25-30．

[11]Lu Yuehong，Wang Shengwei，Sun Yongjun，et al.Optimal scheduling of buildings with energy generation and thermal energy storage under dynamic electricity pricing using mixed-integer nonlinear programming[J].Applied Energy，2015，147：49-58．

[12]靳小龍，穆云飛，賈宏杰，等（Jin Xiaolong，Mu Yunfei，Jia Hongjie，et al）.融合需求側虛擬儲能系統的冷熱電聯供樓宇微網優化調度方法（Optimal scheduling method for a combined cooling，heating and power building microgrid considering virtual storage system at demand side）[J].中國電機工程學報（Proceedings of the CSEE），2017，37（2）：581-590.

[13]Yu Dongmin，Robinson F，Zha Wenhua，et al.Using historical data processing method to optimize energy hub[C]//50th International Universities Power Engineering Conference.Stoke on Trent，UK，2015.

[14]徐憲東，賈宏杰，靳小龍，等（Xu Xiandong，Jia Hongjie，Jin Xiaolong，et al）.區域綜合能源系統電/氣/熱混合潮流算法研究（Study on hybrid heat-gas-power flow algorithm for integrated community energy system）[J].中國電機工程學報（Proceedings of the CSEE），2015，35（14）：3634-3642.

[15]Moeini-Aghtaie M，Farzin H，Fotuhi-Firuzabad M，et al.Generalized analytical approach to assess reliability of renewable-based energy hubs[J].IEEE Trans on Power Systems，2017，32（1）：368-377.

[16]Bozchalui M C，Hashmi S A，Hassen H，et al.Optimal operation of residential energy hubs in smart grids[J].IEEE Trans on Smart Grid，2012，3（4）：1755-1766.

[17]Shabanpour-Haghighi A，Seifi A R.Effects of district heating networks on optimal energy flow of multi-carrier systems[J].Renewable and Sustainable Energy Reviews，2016，59：379-387.

[18]Hourly electric commodity prices[EB/OL].http：//www.pge.com/notes/rates/tariffs/pxday.Shtml，2003.

Optimal Day-ahead Scheduling Method for Hybrid Energy Park Based on Energy Hub Model

BU Fanpeng1，TIAN Shiming1，FANG Fang2，YIN Kai3，DU Weiqiang3
（1.China Electric Power Research Institute，Beijing 100192，China；2.State Grid Beijing Electric Power Company，Beijing 102200，China；3.Tianjin Transenergy Technologies Ltd，Tianjin 300384，China）

A typical hybrid energy park（HEP）is composed of distributed generations（DGs）and combined cooling，heating and power（CCHP）system on the demand side，and it can realize input energies（e.g.，electric power，photovoltaic power，natural gas）and output energies（e.g.，electric power，heat and cooling），thus significantly improving the energy utilization efficiency and reducing the cost of consumers.In this paper，with an HEP composed of electric power and natural gas as research object，multi-energy resources are processed by optimal day-ahead scheduling（ODS）method to reduce the energy cost of HEP.First，an HEP model is established.Then，an ODS method is given based on energy hubs.At last，the effectiveness of the proposed method is verified by a typical HEP.

hybrid energy park（HEP）；distributed generation（DG）；combined cooling，heating and power（CCHP）；optimal day-ahead scheduling（ODS）

TM732

A

1003-8930（2017）10-0123-07

10.3969/j.issn.1003-8930.2017.10.021

2017-03-08；

2017-07-13

國家重點研發計劃資助項目（2016YFB0901102）；國家電網公司科技項目《面向隨機性電源的多元負荷主動響應及預測控制技術研究與應用》

卜凡鵬（1986—），男，碩士，工程師，研究方向為智能用電、電力營銷。Email：bufanpeng@epri.sgcc.com.cn

田世明（1965—），男，碩士，教授級高級工程師，研究方向為智能用電、電力營銷。Email：laotian@epri.sgcc.com.cn

方 芳（1986—），女，碩士，工程師，研究方向為電力營銷。Email：411912023@qq.com