基于源荷匹配度的多綜合能源社區日前共享模型

羅筱均，魏震波，田軻，方濤

(1.四川大學電氣工程學院，成都市 610065；2.國網四川省電力公司，成都市 610041)

0 引 言

能源互聯網建設是尋求資源節約、環境友好的可持續發展道路的重要舉措，使區域內冷熱電氣并行發展、生產和供應間協同優化成為可能[1]，而園區級綜合能源系統是其典型應用之一。

當前，分布式能源(distributed energy resources，DERs)因靈活高效、清潔環保、多元互動等優勢，在現代能源系統的滲透率持續上升。傳統園區用戶側電能的生產和消費方式也得以改變，利用用戶終端設備進行信息互動和能量互連完成智能用電以及能源與信息的雙向交互[2-3]，另一方面，電力市場配售分離改革使更多新興主體涌入市場。綜合能源企業正從供應商轉變到服務商[4-5]，社區運營商作為社區能源管理者，可根據市場發布的信息實現供需平衡，但僅靠社區內部協調無法實現能源利用率最大化。因此，如何開展多用戶多區域能源互通，實現內部資源合理共享，提升經濟效益成為學者們研究的熱點。

目前，智能社區屋頂光伏、電動汽車[6]、儲能系統[7]、調溫負荷等需求側資源豐富，作為新型利益主體參與市場競爭。例如，文獻[8]設立3類供給源：電網、儲能、光伏，用戶可根據自身情況向電網售電；文獻[9]根據室外溫度預測值、可再生能源功率輸出預測值、日前電價信號和用戶偏好等，提出一種考慮電動汽車(electric vehicle，EV)在高電價時段供電的家庭能源優化調度算法，以降低用電費用。相較于以上文獻個體用戶獨立開展能源互動方式，社區運營商統一管理能源，制定經濟高效用電計劃解決了個體用戶不確定性強、能源容量小等問題。另外，已有大量文獻研究了運營商參與社區能源調度優化[10-19]。文獻[10]以社交網絡理論為基礎，研究多用戶聯盟與綜合能源運營商的利益沖突，驗證了用戶聯盟力度同運營商盈利的關系；文獻[11-12]在智能小區的背景下，考慮用戶在用電評價、用電成本等方面需求，建立運營商盈利模型；文獻[13]研究社區內運營商與產消者群的主從博弈關系，制定運營商定價模型和產消者負荷模型，應用說明二者收益有所提升。然而，以上研究局限于單個社區自身優化，盡管有社區運營商調度，優化效果亦不理想。未考慮同其他社區的能源交互與協同，無法發揮資源共享互濟、降本增效的優勢[14]?；诖?，文獻[15]考慮多個智能樓宇間，通過光伏、儲能EV等分布式電源實現電能共享，達到居民用戶用電費用最小的目的；文獻[16]提出合作能源管理方案并應用于能源消耗不同的一組智能建筑群，實現了對當地可再生能源產生的能量的最佳利用，結果表明與無源交換相比，電源管理成本和碳排放量顯著降低；文獻[17]研究包含清潔能源的建筑群的整體成本優化，但是文章并未考慮能源交互也需要適應度的問題；文獻[18]研究了居民用電動汽車反向供電的3個場景：供給自身用電、鄰里用電及反饋到電網，證明此方法能降低用能成本。但是，僅依靠EV充放電的能源共享方式靈活性低，經濟效益不高。

基于此，本文針對綜合能源社區提出一種考慮不同社區間源荷匹配度的能源互動形式，由社區運營商負責日前能源調度，并對社區能源結構進行闡述。在此結構下，以含屋頂光伏、電動汽車和微型燃氣輪機組的社區為研究對象進行建模分析。社區在滿足匹配指標的基礎上，通過能源調度獲得社區群日前成本最小，實現資源最優利用。最后，算例對不同場景下各社區的成本進行比較，驗證匹配成功的社區之間可以有效消納清潔能源并減少社區各自的購電費用。

1 多綜合能源社區結構

圖1所示為社區能源網絡組織架構示意圖。其中，社區運營商(community operator，CO)根據能量管理系統(energy management system，EMS)對區域內的負荷量、電源出力和天氣等信息進行收集和預測，在日前負責規劃機組出力，進而實現社區內部能源生產與供應之間的協同。社區之間通過物理和信息方式連接，運營商利用各社區用電行為的互補性和交互關系，進一步實現能源良好利用和供需平衡。

圖1 社區能源網絡組織架構Fig.1 Organizational structure of a community energy network

若社區間未開展能源交互模式，當社區內部出現供電缺額時，運營商直接向電網購電。而在社區間交互模式下，運營商根據匹配信息制定與多個社區的能源交互計劃，通過能源調度實現互濟，獲得經濟效益；當交互能源仍無法滿足負荷需求時再從電網購電。

社區內部是結合光伏和冷熱電聯產的二次能源網絡，其組織結構如圖2所示。

圖2 社區內部能流圖Fig.2 Diagram of community internal energy flow

微型燃氣輪機組(簡稱微燃機組)是社區的主要能量來源，其中鍋爐的余熱可作為社區內熱力負荷的能量來源，而制冷機供應社區中的冷負荷。微燃機組的運行由社區運營商采用以熱定電策略實現管理和控制。然而光伏運行存在間歇性和隨機性，微燃機組在以熱定電的管控策略下無法保證每時段穩定供電，運營商需要從外部主網購電。

2 基于匹配度指標的多綜合能源社區調度優化模型

2.1 匹配指標

綜合考慮社區光伏曲線和日負荷曲線的趨勢，社區間曲線差異程度越大越能高效進行能源互補和消納。為了衡量社區的匹配度，實現能源的有效利用，提出基于Spearman相關系數和歐氏距離的社區間匹配度衡量指標。

Spearman相關系數是統計學中利用單調方程評價2個統計變量間相關性的指標，表示2個獨立變量的相關方向。其直觀定義為：在3個二元分布的隨機向量(a1,b1)，(a2,b2)，(a3,b3)中，至少有一個分布與其他分布協同出現的概率，與其中至少有一個分布與其他分布不協同出現的概率之間的差值[19]來描述隨機變量的相關性，計算方法如式(1)所示：

(1)

式中：ρ為任意兩向量間的相關系數；6為斯皮爾曼相關系數標準公式的系數；J為向量維度，本文將一天劃分為24個時段，即代表24對獨立同分布的數據；dj為兩向量中元素在升序序列中的秩次之差。

按照式(1)計算社區之間負荷和光伏出力的相似度，相似度越低，社區越容易匹配成功實現能源共享。但Spearman系數的缺點在于：當變量的秩次不變而值發生變化，會依然判斷為原來的相關程度；忽略數值的差異，無法準確判斷此刻的相關性。Spearman劣勢分析如圖3所示，當改變曲線中最大數與最小數的值時，曲線圖會出現明顯不同但相關性判斷并未發生改變。

歐式距離是衡量變量間絕對距離的指標，它定義于歐幾里得空間中。歐氏距離只考慮距離的遠近，忽略圖形的相似度。歐氏距離劣勢分析如圖4所示，藍色作為基準曲線，橙色與黃色曲線上的各點均與藍色線各點的歐式距離相等，但藍色與橙色曲線的相似程度更高。

圖3 Spearman劣勢分析Fig.3 Spearman weakness analysis

圖4 歐氏距離劣勢分析Fig.4 Euclidean distance weakness analysis

綜上所述，根據Spearman系數與歐式距離在衡量相似度上呈現出的優劣互補特點，提出按權重分配決定出社區間匹配程度的綜合指標。由于二者量綱不同，對歐氏距離進行歸一化：

(2)

式中：ρnew為新的社區間匹配程度衡量指標；λ為權重系數；xm、ym為不同變量在空間的位置；dm為xm與ym間的歐氏距離；dmax、dmin為歐式距離的最大、最小值。ρnew越小，社區間差異越大。

在調度優化模型中引入匹配約束，為運營商調度篩選出適宜能量交互的潛在社區。基于源荷數據的社區匹配，可以較精準發現在同一時段中出現缺額的社區和盈余的社區，實現快速對接。排除因交互能量少而傳輸損耗占比高的社區，減少信息的流通。在運營商的調度下，社區實現更為精準能源交互。通過算例驗證得出，匹配后的社區實現了高消納、高傳輸效率，減少了信息流通量和傳輸損耗。匹配與調度相結合的形式可以實現精細化運營。

匹配成功的社區的能源共享主要表現為某些社區有盈余，其他社區能源缺額的情況。當整體社區都出現缺額時，社區將從電網購電。

2.2 目標函數

社區運營商根據匹配信息開展社區群間能源共享。當整體出現電能缺損時，與電網交易，實現社群日前成本最低。目標函數中還考慮了微燃機組運行維護成本和電動汽車電池損耗，如式(3)所示：

(3)

2.3 約束條件

2.3.1微燃機、余熱鍋爐運行約束

(4)

(5)

2.3.2電動汽車約束

用戶出行前要保證電動汽車電量充裕，以保證順利出行，本文將用戶出行前電動汽車的期望電量值設定為額定電量的85%。另一方面，電動汽車到家時應保留一定裕量，將該電量隨機設置在額定電量的20%～50%，有降低電池損耗的作用。電動汽車充放電滿足互斥原則。用戶的出行和到達時間存在不確定性，采用高斯分布統計用戶出行分布[20]。基于上述約束，提出以下優化過程的約束條件：

1)用戶出行需求約束：

(6)

2)荷電狀態約束：

(7)

3)充放電約束：

(8)

2.3.3社區內功率平衡

本文將電力負荷分為不可轉移負荷和可轉移負荷。不可轉移負荷指在供電時間不能調整的負荷；可轉移負荷指根據電價信息用電時間允許調整的負荷。社區內的電負荷應滿足：

(9)

以社區n功率平衡為參考，其余社區功率平衡等式相同。

(10)

2.3.4區間購售電平衡

(11)

2.3.5匹配約束

開展能源交互的社區數量由匹配指標決定。當社區的匹配值大于一常數時，將其記為可參與調度的社區，公式如下：

(12)

根據式(1)—(12)構建考慮社區購電成本、微燃機組運維成本、EV電池損耗成本最小的綜合優化目標。該模型為混合整數線性規劃模型，在MATLAB 2016a平臺下使用CPLEX進行求解。

3 算例分析

3.1 仿真參數

本文的系統配置條件如下：1)同一區域選取3個社區，社區1、社區2、社區3分別包含5棟建筑、4棟建筑和6棟建筑，每棟建筑的屋頂配有光伏板，其光伏裝機容量取值為60～120 kW；2)每個社區電動汽車數量均設置為20輛，型號為比亞迪宋Pro；3)每個社區配有微型燃氣輪機(500 kW)、余熱鍋爐、制冷機各1臺。選取3個社區某夏季典型日的實際負荷數據進行算例分析，如圖5—7所示。微燃機、EV具體參數、電價設置見表1、2。

圖5 社區1日負荷功率曲線Fig.5 Daily load power curve of community 1

圖6 社區2日負荷功率曲線Fig.6 Daily load power curve of community 2

圖7 社區3日負荷功率曲線Fig.7 Daily load power curve of community 3

3.2 場景設置

通過對匹配指標的靈敏度仿真，得出本文適用的匹配常數數值。匹配值靈敏度分析如圖8所示，在[0.4,0.7]區間，成本增幅低，交易量降速緩慢，適宜取值。

本文將匹配值設為0.5并搭建3個場景：

場景1：社區獨立，不進行能源交互；

場景2：所有社區不實施匹配計劃，各社區間均可能源交互；

場景3：根據匹配指標的值實現能源互通。

表1 微燃機和電動汽車參數設置Table 1 Parameter settings of micro-combustion unit and electric vehicle

表2 電價參數Table 2 Electricity parameter

圖8 匹配值靈敏度分析Fig.8 Sensitivity analysis of match value

3.3 計算結果及分析

結合圖5—7可以發現，社區不同時段的負荷值、光伏出力有明顯差異，為能源交互提供了良好背景。針對場景1，供電出現缺額時，社區運營商直接從電網購電，但能源利用率低，棄光問題無法解決。場景2的能源交互情況如圖9所示，每個社區都需要實時接收其余社區的能源信息，更大規模的信息交互容易造成信息通道阻塞。社區2與社區3的交互功率很小，能源互通優勢未展現，社區交互效果不理想。

通過匹配值求出社區1同社區2，社區1同社區3均可能源傳輸。場景3社區功率交互如圖10所示，場景3運用匹配指標為社區能源交互提供指導，將社區2與社區3的能源交互放到社區1與社區2，社區1與社區3實現，降低信息復雜度，簡化信息處理過程，提高能源傳輸效率，并有效消納了光伏。

圖9 場景2社區功率交互Fig.9 Community power interaction in scene 2

圖10 場景3社區功率交互Fig.10 Community power interaction in scene 3

圖11—13分別為3個社區匹配后的功率平衡圖。在00:00—06:00時段，社區3的微燃機組出力有盈余，可向社區2、社區3提供部分冷、熱能源供應。

圖11 社區1功率平衡圖Fig.11 Power balance in community 1

圖13為商住兩用型社區，考慮到社區屬性，社區3配置更多的光伏出力，但能耗也相對更高。為了保證商用區域的溫度，冷負荷也會全天存在且占比較高。在00:00—06:00時段，因為冷、熱負荷大，微燃機出力更多，部分熱、冷能可以售出，電動汽車受電價引導開始充電。

圖13 社區3功率平衡圖Fig.13 Power balance in community 3

為引導光伏全消納，在12:00—20:00時段，社區1供電存在缺額，首先將信息發布給其他社區運營商，購買光伏；在光伏無法滿足供給的情況下，再向電網購電。EV根據優化目標實現智能充放電，在負荷高峰期時合理放電，在夜間進行充電。由于考慮可轉移電負荷，從圖11—13可看到各社區負荷曲線波動幅度減緩，光伏、微燃機都被合理調度。

各場景下社區的成本如表3所示，以場景1中各社區成本為參考：場景2能源互動一定程度上能夠降低某些社區的費用，但是隨著社區數量越來越龐大、交互信息越來越復雜，能量管理系統對信息的分析、規劃程度有限，會導致社區能源無法及時傳送造成棄能，一些社區的成本并不會減少。匹配后的能源互動，保證參與優化的社區成本降低，未參與優化的社區不會分攤成本，傳輸效率更高。社區2和社區3被消納的光伏分別為社區賺取了76.3元和43.7元。

社區匹配后存在的不足：經濟效益未有顯著提高，微燃機以熱定電的特性造成在負荷高峰時段能源供應不足，存在缺額；運營商需要向電網購電，而此時正值峰值電價。

表3 各場景下社區成本對比Table 3 Community cost comparison under various scenes

4 結 論

本文以綜合能源社區為研究對象，以社區運行的經濟性和消納清潔能源為重點，從源荷匹配的角度開展能源共享形式，制定社區群日前成本最小策略。通過算例仿真分析得到以下結論：

1) 經匹配指標引導開展社區能源交互能夠降低各自的用能成本，良好的互動方式在一定程度上實現了能源的協調互濟。

2) 相較于僅電能雙向流動模式，多能多向共享模式在靈活性上更占優勢。通過能源共享充分挖掘社區能源響應潛力，可提高能源利用率。

下一步研究方向為，考慮用戶行為的不確定性，將日前市場與實時市場兩階段的能源調度相結合。

致 謝

本文研究得到了以下項目支持：甘肅省科技重大專項計劃“光熱-光伏-風電新能源基地市場消納和調度控制關鍵技術與示范應用”(19ZD2GA003)。