大氣污染防治下京津冀地區分布式電源優化配置研究

周鵬程，程怡心

（1.南方電網物資有限公司，廣東 廣州 510620；2.華北電力大學，北京 102206）

0 引言

能源危機、環境污染等問題給京津冀協同發展帶來了前所未有的挑戰［1］。當前，京津冀地區能源開發利用面臨兩方面的矛盾：一是傳統能源日漸枯竭與能源利用效率低下的矛盾；二是以煤為主的能源結構與環境壓力持續增大的矛盾。在大氣污染防治背景下，轉變能源發展方式，調整能源結構，提高能源利用效率，實現能源低碳利用已成為京津冀地區協同發展工作的重點［2-4］。

科學規劃和發展分布式能源是解決京津冀地區霧霾天氣的關鍵。一方面，分布式發電作為新興的能源利用方式，相對于集中式電源而言，具有靈活、高效、節能、低碳等優勢，可作為大電源和大型能源基地的良好補充；另一方面，京津冀地區擁有豐富的風能、太陽能和生物質資源，在有效、合理規劃分布式電源方面具有得天獨厚的優勢。

為解決京津冀地區霧霾天氣問題，實現能源的清潔、高效、低碳利用，對京津冀地區發展分布式電源的前提條件進行了梳理分析，包括發展需求、扶持政策和資源開發及利用現狀；分別考慮經濟、技術和環境等效益，構建了分布式電源優化配置指標；在此基礎上，建立目標函數和約束條件，并基于CO-EDO算法進行分布式電源的優化配置。選取京津冀地區某分布式能源示范工程，以分布式冷-熱-電三聯供（Distributed Combined Cooling Heating and Power，DCCHP）系統為例進行了算例分析，為有效解決京津冀地區大氣污染問題、促進分布式電源有序發展提供參考。

1 京津冀地區分布式電源發展研究

1.1 分布式電源發展需求分析

分布式電源的資源條件具有典型的地域性，而京津冀地區擁有豐富的風能、太陽能和生物質資源，為有效解決大氣污染問題，保障京津冀地區電力供應穩定，大力發展分布式電源項目創造了良好條件［5］。具體來說，分布式電源采用天然氣作為燃料，或以氫氣、太陽能、風能為能源，減少SO2、NOx等有害物的排放量，有效緩解大氣污染；大規模的分布式電源就近供電，減少了大容量、遠距離高壓輸電線的建設投資，且降低了高壓輸電線的電磁污染；分布式發電為用戶提供冷、熱、電等多種能源綜合利用，是解決能源危機、提高能源利用效率、保障能源安全的關鍵途徑；針對京津冀地區的某些偏遠農村，可利用風電、光伏發電以及生物質能發電實現“自發自用，余量上網”，有效推進光伏扶貧。

1.2 分布式電源發展政策分析

開發及利用分布式能源是我國能源戰略的重要組成部分，有效的政策指導是保障分布式能源有序發展的前提［6］。為促進分布式能源的建設發展，北京市、天津市、河北省出臺了一系列扶持和補貼政策，具體如表1 所示。

1.3 分布式能源分布及開發情況

京津冀地區風能資源主要集中在北京昌平、房山、門頭溝，天津濱海新區，河北張家口、承德等高海拔或沿海地區；太陽能主要集中在北京延慶、密云、懷柔，天津塘沽，河北承德、保定、石家莊等地區；生物質能主要來源于農村地區作物秸稈、畜禽糞便、生活垃圾等。京津冀地區分布式能源分布及開發情況如圖1 所示。

圖1 京津冀地區分布式能源分布及開發情況

2 京津冀地區分布式電源優化配置研究

2.1 分布式電源優化配置指標

2.1.1 經濟效益指標

分布式電源優化配置的經濟效益可以通過單位電量成本指標來體現。若分布式發電產生的社會利益大于社會成本，且在計算分布式電源的生產成本時僅考慮資金成本，單位電量成本C 可表示為

式中：r 為固定年利率；n 為投資償還期；k 為平均容量系數，是一段時間內分布式電源發電量與該時期內發電小時數和裝機容量的比值；Cinv為分布式電源機組的安裝成本；Cope為分布式電源機組的運維成本；Cful為分布式電源機組的燃料成本。

為提高電力系統運行性能，通常將不同分布式電源機組組合成聯合發電系統［7］。單位發電量成本Cunion可表示為

式中：m 為分布式電源機組總數；ζi為所有電量成本的第i 種分布式電源的占比系數；Cinv，i為第i 臺分布式電源機組的安裝成本；Cope，i為第i 臺分布式電源機組的運維成本；Cful，i為第i 臺分布式電源機組的單位燃料成本；ni、ki分別為第i 臺分布式電源機組的投資償還期和平均容量系數。

2.1.2 技術效益指標

當分布式電源接入電網后，會引起配電網潮流大小和方向的改變，進而影響電力系統的電壓穩定性。分布式電源優化配置的技術效益可以通過幾種評估配電網電壓的指標來體現。

1）綜合網損電壓指標。該指標綜合考慮了配電網絡的網絡損耗Uloss和電壓質量Uqual。綜合網損電壓Uwsdy可表示為

式中：T 為配電網總節點個數；μ 為比例系數；Utbus為節點t 處母線電壓幅值；Ij為支路j 的電流；Rj為支路j 的電阻；J 為總支路數；Urat為額定電壓幅值。

2）靜態電壓穩定指標。該指標是對分布式電源接入配網后改善電力系統靜態電壓穩定性作用的量化。靜態電壓穩定指標Ujtdy可表示為

式中：δ=δt1-δt2為分布式電源接入支路的節點t1與節點t2的相位差；Ut1∠δt1和Ut2∠δt2分別為首、末 端電壓。

3）電壓改善指標。該指標是指分布式電源接入配網后電壓指標與未接入分布式電源的電壓指標之比。電壓改善指標Uubt可表示為

式中：Uunot和Uuot分別為分布式電源接入前、接入后的電壓指標Uut（若電力系統節點為t，電壓幅值為Ut，節點負荷為Lt，各節點權重值為αt，則電壓指標可表示為。

2.1.3 環境效益指標

分布式電源優化配置的環境效益可以通過環境改善指標來體現。該指標是指安裝分布式電源前、后的第b 種污染物排放量的比值。環境改善指標EIRIb可表示為

2.2 分布式電源優化配置模型

2.2.1 目標函數

分布式電源優化配置模型的目標函數表示為

式中：Fobj為分布式電源優化配置的綜合效益。

2.2.2 約束條件

目標函數需要滿足節點電壓約束、導線電流約束、分布式電源容量約束以及分布式電源接入總量約束等限制條件［8］。

1）分布式電源節點電壓約束。

式中：Ut、Utmax、Utmin分別為節點t 的電壓、電壓上限、電壓下限。

2）分布式電源導線電流約束。

式中：It和Itmax分別為節點t 的電流和電流上限。

3）分布式電源容量約束。

此外，以DCCHP 系統為例進行算例分析，系統也需要滿足自身的設備運行約束和系統運行約束。

2.3 基于CO-EDO 算法的分布式電源優化配置

將混沌優化算法（Chaos Optimization，CO）和極值動力學優化算法（Extreme Dynamics Optimization，EDO）相結合，形成CO-EDO 算法優化模型。COEDO 算法模型利用CO 算法全局搜索能力強、能夠快速逼近最優解的特點，彌補了EDO 算法容易陷入局部最優的不足；同時，EDO 算法具有強大的局部搜索能力，協助CO 算法跳出局部極值，避免CO算法過早收斂［9］。另外，EDO 算法會增加CO 算法計算的時間，減緩了算法的收斂速度，需要設定時間間隔（即設定W 代）以保證算法的快速收斂能力。采用自適應Lévy 變異作為變異算子，其函數概率分布為

式中：y 為函數概率分布因變量；γ 為規模因子，且滿足γ＞0；τ 為函數參數，當τ=1 時Lτ，γ（y）為Cauchy 分布，當τ→2 時Lτ，γ（y）接近于Gaussian 分布。

3 京津冀地區分布式電源算例優化

3.1 基礎數據

選取京津冀地區某分布式能源示范工程，以DCCHP 系統為例進行算例分析，算例的相關數據如表2 和表3 所示。

表2 DCCHP 系統能源價格

表3 DCCHP 設備技術參數

DCCHP 系統的夏、冬兩季典型日負荷曲線如圖2 和圖3 所示。從電力負荷分布上看，07∶00 后電力負荷逐漸上升，分別在08∶00—10∶00、18∶00—22∶00達到高峰期。此外，分布式示范工程屬于工業園區，因此夜間時段的用電負荷也很穩定。從冷負荷分布上看，需求主要集中在夏季，且12∶00—24∶00 的冷負荷需求高，00∶00—12∶00 的需求低。從熱負荷分布來看，冬季的用熱負荷量大，一方面用于采暖供需，一方面用于工業生產的熱水供應。

3.2 算例分析

結合DCCHP 系統的相關數據和典型日負荷需求的特點，借助CO-EDO 算法求解DCCHP 系統在夏、冬兩季的供能協同組合運行結果，以此給出分布式電源的最優配置方案，優化結果如圖4—圖8 所示。

圖2 夏季典型日負荷需求

圖3 冬季典型日負荷需求

圖4 夏季冷負荷供應優化結果

圖5 夏季電力供應優化結果

由圖4 和圖5 可知，夏季電力負荷需求由燃氣輪機、光伏發電供應，若電力不足需要向電網購電。由于22∶00—次日06∶00 為夏季電價的谷時段，此時段多向電網購電以滿足系統電力負荷需求。另外，07∶00—19∶00 光照條件較好，此時段的電力需求多由分布式光伏發電供應。夏季冷負荷需求由電制冷機和吸收式制冷機供應，07∶00—19∶00 的用電高峰時段主要由吸收式制冷機進行冷負荷供應，電制冷機多在夜間的谷時段進行冷負荷供應。

圖6 冬季電力供應優化結果

圖7 冬季采暖供應優化結果

由圖6—圖8 可知，冬季電負荷需求主要由燃氣輪機、分布式光伏發電供應，若電力不足也需向電網購電。由于22∶00—次日06∶00 為冬季電價的谷時段，此時段多向電網購電以滿足系統電力負荷需求。另外，08∶00—17∶00 光照條件較好，此時段的電力需求多由分布式光伏供應。冬季熱水需求由燃氣輪機、熱水器供應，采暖主要由燃氣輪機供應。08∶00—17∶00 為用熱高峰時段，熱水需求主要由熱水器供應，燃氣輪機用于滿足夜間需求。

借助CO-EDO 算法優化得到系統年費用、一次能耗節能率以及CO2減排率，如表4 所示。

表4 DCCHP 系統目標優化值

由表4 可知，相比分供系統，DCCHP 系統在夏、冬兩季都達到了經濟性運行效益，同時實現節能減排的效果。相比于夏季，冬季的優化值無論是在系統費用的減少比例、一次能耗節能率、CO2減排率等方面都要大于夏季的優化值，主要是由于冬季外界氣溫低，相對來講熱效率較低，且光照強度相對較弱，一次能源消耗量較多，成本較高。

具體來說，DCCHP 系統利用了燃氣輪機發電產生的高溫煙氣和高溫熱水作為溴化鋰機組的熱源，實現能源的階梯利用，相應減少了系統一次能源的投入，降低了系統成本；DCCHP 系統利用分布式光伏為系統提供電力，同時借助熱水器實現熱水供給，降低了一次能源的投入，實現節能減排。

4 結語

為解決大氣污染問題，促進京津冀地區分布式能源科學有效發展和規劃，提出一種基于CO-EDO算法的分布式電源優化配置方法。綜合考慮經濟、技術和環境等效益，構建了分布式電源優化配置指標，建立目標函數和約束條件，并基于CO-EDO 算法進行分布式電源的優化配置。針對京津冀地區某分布式能源示范工程，以DCCHP 系統為例進行了分析，結果驗證了所提模型算法是有效的。

基于研究結果，從宏觀和微觀層面對京津冀地區分布式電源發展提出建議。在宏觀層面，一是應結合京津冀地區能源資源特點，因地制宜發展分布式電源；二是優化分布式電源配套政策，統一分布式電源標準規范；三是實施年度發展計劃，加快建立適應分布式電源的項目全過程管理機制；四是加快推進智能電網建設，保障分布式電源發展等。在微觀層面，一是應借助科學的分布式電源評價工具，應用差異化的項目發展策略；二是應借助有效的分布式電源優化工具，促進分布式電源優化配置。