多能互補綜合能源系統日前經濟優化調度

劉佳星

（中南大學 能源科學與工程學院，湖南 長沙410083）

1 引言

傳統的冷、熱、電等能源系統隸屬于不同部門進行管理與運行，無法發揮協同潛力，抑制了能源利用率的提高和可再生能源的消納［1］。 在此背景下，智能電 網 （ Smart Grid ）、 綜 合 能 源 系 統 （ Integrated Energy System ，IES）和能源互聯網（Energy Internet）3 種理念先后出現，大家開始把目光轉向能源系統的綜合規劃、協調控制以及智能調度等方面，使集成了供電、供熱和供冷等系統的多能互補綜合能源系統成為新能源與可再生能源領域廣泛研究的一個重點問題［2］。 多能互補綜合能源系統耦合了冷、熱、電等多種能源形式，通過各類設備的協調運行來滿足終端用戶的用能需求，不僅能實現能源的梯級利用，還能有效地提高能源利用效率。 不僅如此，相比于傳統分供系統，多能互補綜合能源系統的經濟效益也十分明顯。

目前國內外對多能互補綜合能源系統的概念、物理架構及相關模型已經進行了較為深入的研究，但已有研究大多是建立在系統設備的靜態模型上，沒有考慮負荷特性對設備運行效率的影響；部分學者借鑒微電網的控制理論和調度理論，開展綜合能源系統的運行優化研究［3－5］，但通常研究的對象還是以傳統能源設備為主要供能手段，或者在電力系統中加入風、光等可再生能源，沒有對以新能源與可再生能源為主的供能系統進行過多研究。 因此，本文針對以分布式能源為主的多能互補綜合能源系統，在考慮設備動態效率的基礎上，建立單目標運行優化模型，進而得到系統經濟性最優情況下的用能策略。

2 系統描述與優化調度模型建立

多能互補綜合能源系統由光伏組件、蓄電池、太陽能集熱器、儲熱水箱、地源熱泵、風冷熱泵和燃氣鍋爐構成，系統結構示意如圖1 所示。

地源熱泵和風冷熱泵作為主力供熱供冷設備，滿足室內空調冷熱負荷需求；太陽能集熱器提供熱水所需加熱量，燃氣鍋爐作為輔助熱源實施補給，儲熱水箱作為削峰填谷的媒介，保證熱水系統的穩定運行；光伏組件作為系統的主力供電單元，由于其不確定性和晝夜更替情況的存在，除利用蓄電池的充放電實現電負荷供需平衡外，還考慮到蓄電池容量限度，將系統與市政電網相連以增加運行可靠性。本文研究如何通過調度各設備出力，在滿足負荷需求的前提下，獲得較高的經濟效益。

圖1 多能互補綜合能源系統結構

2.1 優化調度模型框架

基于綜合能源系統結構，建立多能互補綜合能源系統的日前優化調度模型，模型的輸入包括終端冷／ 熱／ 電負荷數據、室外溫度和光照強度等天氣數據、電價、天然氣價格以及各個供能設備的容量和相關運行參數，通過遺傳算法對模型進行求解，實現系統的經濟性運行。

多能互補綜合能源系統日前經濟優化調度模型框架如圖2 所示，主要包括以下3 個模塊：

（1）參數輸入模塊：模型主要輸入參數包括電、天然氣等能源價格、室外溫度和太陽能輻射強度等天氣數據、冷熱電負荷數據以及設備運行相關參數。

（2）運行優化模塊：包括優化目標函數、運行約束條件、優化變量以及優化算法；

（3）結果輸出模塊：包括系統日運行優化成本以及典型日運行優化策略。

下面將詳細介紹系統設備模型、優化目標函數、約束條件以及求解方法等方面。

圖2 多能互補綜合能源系統日前運行優化模型框架

2.2 設備建模

2.2.1 光伏發電模型

光伏作為不可調度電源，其輸出功率主要是由太陽輻射強度、光伏面積和發電效率來綜合決定的，具體見公式（1），其中光伏發電效率與外界太陽輻射強度和環境溫度有關［6］，可由公式（2）計算得到：

式中，Gt為太陽輻射強度，W／ m2；T 為環境溫度；AM為空 氣 質 量； P1＝0. 28204， P2＝0. 39668， P3＝－0.44730，P4＝ － 0.092864，P5＝0.016010，50≤G≤1 100，25≤T≤50，1.3≤AM≤3，G0＝1 000 W／ m2，T0＝25 ℃，AM0＝1.5。

2.2.2 太陽能集熱器模型

與光伏一樣，太陽能集熱器作為不可調度熱源，其集熱功率與太陽能輻射強度、集熱器面積以及集熱效率息息相關，參考標準太陽能集熱器模型［7］，表示如下：

2.2.3 燃氣鍋爐模型

由于太陽能集熱器供熱的不確定性，故采用燃氣鍋爐作為輔助熱源進行熱能補充，以保證熱力系統的穩定運行。 負荷的不同，會導致設備運行效率的改變，在此基礎上，引入部分負荷系數（part load factor，PLF）和部分負荷率（part load ratio，PLR）兩個概念，針對燃氣鍋爐的供熱效率，可用下面的關系曲線［8］得到：

2.2.4 地源熱泵模型

地源熱泵是陸地淺層能源通過輸入少量的高品位能源（如電能） 實現由低品位熱能向高品位熱能轉移的裝置，其輸出功率主要與負荷率以及機組能效比［9］有關，具體表示如下：

2.2.5 風冷熱泵模型

風冷熱泵是基于壓縮式制冷循環，利用冷媒作載體，通過風機的強制換熱，從大氣中吸取熱量或者排放熱量，以達到制冷或者制熱的需求，其制冷、制熱能效比與負荷之間的關系［10］可用下列公式表示：

2.2.6 儲能設備模型

系統采用蓄電池和儲熱水箱作為儲能設備。 作為系統電負荷的調度核心，蓄電池的合理充放電至關重要，其數學模型如下所示［11－12］：

類似的，儲熱水箱的數學模型如下所示［12－13］：

式中，分別表示蓄電池和儲熱水箱的充、放電／ 熱效率；分別表示蓄電池和儲熱水箱的充、放電／ 熱功率，kW；E、W表示儲能設備某時刻的容量；Δt為時間間隔，h。

2.3 目標函數

最小日運行費用如下式所示，主要由購電成本Cgrid（元）和燃料成本Cfuel（元）構成。

式中：l為電價和天然氣價格，元／（kW·h）。

2.4 約束條件

在多能互補綜合能源系統的運行優化過程中，除了考慮設備本身的物理約束外，還應考慮系統的冷、熱、電平衡約束。

2.4.1 能量平衡約束

由于設備在各典型日的供能方式不同，故系統的冷熱電平衡約束也隨之改變，具體公式如下：

①夏季典型日：

式中，分別表示系統電負荷、空調冷／熱負荷以及熱水負荷。

2.4.2 功率約束

主要包括儲能設備的容量約束以及其他供能設備的功率約束，具體見公式（24）。

3 優化調度模型求解

3.1 求解方法

遺傳算法（Genetic Algorithm，GA） 是模擬生物在自然環境中的遺傳和進化的過程而形成的自適應全局優化搜索算法，通過對當前群體施加選擇、交叉、變異等一系列遺傳操作，從而產生出新一代群體，并逐步使群體進化到包含或接近最優解的狀態［13］。

在遺傳算法中，將n維決策向量X看作是由n個遺傳基因組成的一個染色體，對染色體X的搜索也就是對問題最優解的搜索。 算法通過模仿生物的進化過程，不斷地進行交叉和變異，按照優勝劣汰的規則將較優個體遺傳給下一代，經過迭代計算后，將會得到一個優良的個體，接近或者就是問題的最優解。

遺傳算法的計算流程如圖3 所示。

圖3 遺傳算法計算流程

3.2 算例數據

為驗證所提日前經濟優化調度模型與優化算法的有效性，在MATLAB 中進行仿真驗證。 本文采用某游泳館內供能系統的基本參數進行分析，結合當地分時電價政策對系統運行進行優化。 系統中光伏板與太陽能集熱器面積分別為100 m2和256 m2，蓄電池、儲熱水箱的額定存儲容量分別為100 kwh 和770 kwh，儲能設備最大、最小存儲量和初始容量為90%、20%、20%。 設備相關參數如表1 所示，購電電價參照某省商用電價政策，具體數據如表2 所示，售電電價結合中國分布式光伏并網補貼政策［14］，取1.12 元／ kwh。

本文分別選取夏季、冬季以及過渡季的典型日作為系統的運行工況，忽略地源熱泵供冷和供熱的時差性。 系統供能設備的運行時間為9：00 ～22：00，日負荷曲線如圖4 所示。

表1 設備參數

表2 分時電價

圖4 典型日負荷曲線

4 結果分析

由于多能互補綜合能源系統供能結構和地區負荷特性，分別對夏、冬、過渡季的運行調度結果進行分析。

4.1 夏季典型日

夏季，電負荷和空調冷負荷需求較高，在這種負荷需求下，系統的電負荷由光伏板和電網供給，空調冷負荷由地源熱泵和空氣源熱泵聯合供應，熱水負荷由太陽能集熱器和鍋爐供應，蓄電池和儲熱水箱作為儲能設備參與調度。 此時，系統的互補特性尚不能完全體現出來，利用前文提出的日前經濟優化調度模型對該模式進行優化，種群數設為100，迭代次數設為500，結果如圖5（a）所示，圖5（b）、（c）、（d）分別表示系統的各類供能及儲能設備的調度計劃。

由圖5（b）可知，在能夠滿足電負荷需求的條件下，優先利用光伏供電；系統在電價較低的時間段11：00～13：00 向電網購電，多余的電量儲存在蓄電池內，在夜間用電高峰期釋放出來，多余電量賣給電網，起到了削峰填谷的作用，以降低系統購電成本；地源熱泵的運行效率較空氣源熱泵高，為達到經濟性運行的要求，地緣熱泵在調度中起著主導作用，不足部分由空氣源熱泵提供，這點在圖5（c）中也得到了體現；圖5（d）中展示了供熱水負荷相關設備的出力情況，太陽能集熱器作為主力供熱設備參與調度，由于夏季太陽能輻射強度大，而熱水負荷需求相對較小，會有大部分熱儲存在儲熱水箱中，到夜間沒有太陽輻射的時候用來滿足負荷需求。 使用天然氣供熱價格較高，故燃氣鍋爐并未列入計劃運行方案。 當然，由于儲熱水箱的儲熱容量限制，會有一部分熱量損失。

圖5 夏季典型日設備調度策略

4.2 過渡季典型日

過渡季節，只有電負荷和熱水負荷，沒有空調負荷需求，此時電負荷由光伏板和電網供給，太陽能集熱器、地源熱泵、空氣源熱泵以及鍋爐全部用來提供熱水負荷，蓄電池和儲熱水箱作為儲能設備參與調度。 利用前文提出的日前經濟優化調度模型對該模式進行優化，種群數設為100，迭代次數設為1 000，結果如圖6（a）所示，圖6（b）、（c） 分別表示系統的各類供能及儲能設備的調度計劃。

由圖6（b）可知，在進入了光伏可發電時刻，光伏按照預測出力滿發，以減少系統的電力供應需求；9：00～10：00 ，光伏出力無法滿足電負荷需求，此時蓄電池也無法進行電量供應，故只能向電網購電；11：00～12：00，電價較低，向電網購電的剩余電量儲存在蓄電池中，用于夜間用電高峰期，削峰填谷。 圖6（c）顯示，過渡季節所有供熱設備均用來滿足熱水負荷；其中，太陽能集熱器依然作為主力供熱單元，優先參與調度；9：00 ～10：00，太陽能集熱器出力不足，地源熱泵和空氣源熱泵作為輔助熱源參與供能；11：00～16：00，太陽能集熱器出力充足，多余熱量儲存在儲熱水箱中，用于晚間供熱不足時刻。 同樣，由于天然氣供熱的不經濟性，燃氣鍋爐并未參與優化調度方案。

4.3 冬季典型日

冬季，主要的負荷需求包括電負荷和熱負荷兩大類，在這種情況下，光伏板和電網用來提供系統電負荷，熱負荷（包含熱水負荷） 由太陽能集熱器、地源熱泵、空氣源熱泵和鍋爐聯合供應，蓄電池和儲熱水箱作為儲能設備參與調度。 利用前文提出的日前經濟優化調度模型對該模式進行優化，種群數設為100，迭代次數設為800，結果如圖7（ a） 所示，圖7（b）、（c）分別表示系統的各類供能及儲能設備的調度計劃。

由圖7（b）可知，冬季電負荷需求較大，光伏出力無法滿足，故在電價較低時，多采用用電網購電，多余電量儲存起來，用于夜晚電價高峰期。 由圖7（c）可以看出，冬季，儲熱水箱作為特殊的 “中間設備”，將空調熱負荷和熱水負荷結合起來，系統開始以多能互補模式運行。 此時，太陽能集熱器、地源熱泵和空氣源熱泵作為系統的主要供能設備，鍋爐作為輔助熱源參與調度。

圖6 過渡季典型日設備調度策略

圖7 冬季典型日設備調度策略

4.4 對比分析

綜上，優化后的供能方案足以滿足多能互補綜合能源系統的全部能源需求，表3 給出了系統優化前后的日運行費用對比，如下所示。

表3 不同調度策略下的系統日運行費用

其中優化后的系統采用的是前文所提的調度策略，未優化指的是全部采用調峰設備供能，儲能設備不參與調度，而分供式指的是系統的電負荷由光伏和電網供應，空調負荷由地源熱泵和空氣源熱泵提供，熱水負荷由太陽能集熱器和鍋爐提供。

由表3 可知，跟分供式相比，在多能互補的運行策略下，系統的日運行費用也有了顯著地降低，這也證明了多能互補系統的優越性。 另外，系統在使用了優化調度策略后，夏季、過渡季以及冬季的日運行費用分別降低了7.86%、44.38%和7.32%，因此通過調度系統內各功能設備的運行方式和出力，可以顯著降低系統的日運行費用，實現多能互補綜合能源系統的經濟優化運行。

5 結論

為提高系統的經濟效益，降低系統運行成本，本文建立了多能互補綜合能源系統日前經濟優化調度模型，并采用遺傳算法對模型進行求解。 在設備模型建立中，考慮到負荷對設備運行特性的影響，對設備的變工況特性進行了統一的數學建模，提高了模型的準確性。 算例仿真表明，所提優化模型和求解算法能夠有效的降低系統運行成本，實現經濟優化運行，對實際生產具有指導意義。 本文所提多能互補綜合能源系統的主要供能設備均為可再生能源設備，在上述計算中，忽略了可再生能源的不確定性對系統運行的影響。 因此，可針對可再生能源的不確定性對系統優化運行的影響作進一步的研究。