基于全局Pareto的臺區柔性可調資源分布式協調優化建模①

潘 琪,范 磊,陳 康,孟顯海,楊鳳坤

1(國網江蘇省電力有限公司 蘇州供電分公司,蘇州 215000)

2(南京郵電大學,南京 210023)

3(國電南瑞南京控制系統有限公司,南京 211106)

隨著現代化工業的不斷發展,隨之而來的是對各種資源的巨大需求[1].經濟結構的發展也推動了能源消費結構的改變,以自動控制系統、先進的材料技術、靈活的制造工藝等新技術為基礎的可調資源發電技術在負荷調控及優化方面發揮著重要作用.如何利用可調資源實現橫向多源互補、縱向源-網-荷-儲協調的臺區下多源協調優化調度,促進電網供需平衡,減少終端用戶電費支出、降低電力公司成本、節約資源、減少環境污染,同時減少社會對電力建設的投入是今后研究重點.

文獻[2]提出以提高風電消納能力為目標,考慮源荷多時間尺度的優化調度策略,構建了源荷儲協同調度模型,并通過算例驗證了所提策略的有效性；文獻[3]基于分布式算法提出了一種考慮風光火儲和可調控負荷的多區域調度優化模型,并通過算例驗證電儲能裝置和可調控負荷的參與,能夠降低區域互聯系統對發電機組的備用要求,提高系統的備用能力；文獻[4]提出了以成本最優和設備輸出功率調整量最小為混合目標,建立了多時間尺度的優化調度模型,該模型可以保證綜合能源系統的經濟性運行,又能減輕電網平抑功率波動負擔；文獻[5]提出了一種變頻空調負荷虛擬同步機群參與微網調頻的控制方法,并驗證了負荷虛擬同步機化改造能夠有效提升空調負荷參與調頻的能力；文獻[6]運用模糊綜合評估法構建了多能互補綜合能源優化利用評估體系,并通過算例進行驗證,為多種能源的綜合利用提供科學、準確的依據.上述文獻主要從源-網-荷等不同角度開展研究,對臺區下的資源調控與優化有借鑒意義,但是基于模型預測控制的臺區下多源分層分布式協調優化研究相對較少.本文通過分析臺區下資源分層分布式協調運行典型場景,對分布式電源、儲能以及各種輔助設備進行建模,以成本、效益、新能源消納率、節能等多目標出發解析不同場景下供能設備的出力情況及儲能設備的運行狀態；通過建立基于模型預測控制的分層分布式協調優化模型,根據協調優化模型開發基于模型預測控制的多源協調優化模型的求解方法,并通過算例驗證該模型的有效性,為可調資源利用奠定基礎.

1 臺區下資源分層分布式協調運行典型場景

與電網友好互動能夠實現對可調資源的優化利用,而且能夠減少分布式能源對配電網的不利影響[7-11].

1.1 場景1.多源自治運行控制模式

自治模式如圖1所示.按照效率最高、經濟最優原則,在安全約束條件下,自治模式調控中心向各區域下發調控目標,按照要求各區域進行可調資源的就地消納,把運行成本最低作為約束目標進行優化,同時調控中心以數據平臺為依靠,監測區域負荷和能源狀態,以及網絡安全約束校驗.在場景1 條件下,各個區域之間沒有負荷以及能量的交互,因此調控措施受到限制,如下圖的應用場景中,區域1、2、3 之間的調控之間相互沒有干擾,不存在能量與負荷的交互.

圖1 自治模式應用場景

在該模式下不能夠完成區域內能量相互平衡下,那么為了保持能量平衡,就會進入場景2,調度區域之間的能量來實現總能量平衡.

1.2 場景2.多源協同優化調度模式

在網絡安全約束為前提的條件下,各區域在調度中心的統一安排下實現負荷或者能量的轉移,同時監測和展示各個區域負荷和能源狀態.在該調度模式下,能夠執行的調控措施多種多樣.而且每個地區的能源補給與使用的預測、客戶用能情況以及調控策略等信息能夠實現全局共享、跨能量路由器的潮流調度.如圖2所示為多源協同優化調度模式下的場景,區域1,2,3 之間通過主動配電網實現電能的交互.

圖2 多源協同優化模式應用場景

2 分層分布式協調運行優化建模

通過設立分層分布式優化調度機制,分別為區域Agent 層、局部Agent 層,Agent 層以主動配電網為核心,綜合各種分布式發電及蓄電設備、分布式冷熱能產生和儲存設備等,通過分層多源協調優化調度架構將整個優化模型的目標和約束分散到每一個Agent 層,利用Agent 層之間的相互聯系及從屬關系,通過主動配電網引導各個區域進行分布式優化調度,實現可調資源間的相互轉換及能源的協調優化控制.

每個區域根據主動配電網下發的調度激勵信號,區域內的各局部Agent：電源、冷熱電負荷、冷熱電儲能設備及冷熱電能源相互轉換的輔助設備等,在滿足主動配電網下發的調度目標后,以總體成本最低為優化目標函數,實現各個局部Agent 的優化調度,實現區域內部的能量自治平衡.

2.1 目標函數

(1)局部Agent 層

1)經濟效益最優

本文所提出的可調資源優化配置的綜合總成本由電網交互的功率成本、設備初始投資、燃料成本、系統運行維護成本組成.

其中,Cgrid為微電網與電網交換的功率成本；Cinf設備初始投資年等值成本；Com為系統設備運行成本；Cfuel為系統燃料成本.

其中,CTST為蓄熱槽單位容量成本；CAC為吸收式制冷機的單位容量成本；CGB為燃氣鍋爐的單位容量成本；CGT為燃氣輪機的投資單位容量成本；CEC為電制冷機單位容量成本；C BT 為蓄電池單位容量成本；CPV為光伏電池單位容量成本；下標cap 表示設備額定容量；R為資金年回收率；r為折現率,表現為加權平均資本成本,是來測算投資方案的凈現值和凈現值系數,實現投資決策；n為設備使用年限.

系統燃料費用包括燃氣輪機燃料費用和燃氣鍋爐燃料費用：

系統運行維護費用包括主要設備維護費如式(5).

系統與大電網交互費用為式(6).

其中,T表示系統在典型日運行小時數；Kom,i系統設備運行維護費用；dj表示典型日運行天數；M表示第幾個典型日；γ值為0 或1,當γ=1 時,表示微電網通過售電給主網獲得收益,當γ=0 時,表示微電網不向主網收取售電功率費用,Pex,j(t)小于0 表示微網向電網輸出電量,大于0 時表示微網從電網購電；Cph和Cse分別為微電網購售電費用.

2)綠色節能最優

為了減低能源浪費,提高單位能耗國內生產總值,以一次能源消耗量最小為目標函數.

其中,μf為天然氣一次能源轉換系數；μe為電網一次能源轉換系數；Pex為系統向電網購買電量[12].

3)新能源消納率最大

新能源消納率指的是光伏電池、風機等不可控分布式電源出力的實際利用效率,它表示為參與系統優化調度的分布式電源出力與實際機組可調度的最大功率的比值,用以下公式來表示：

(2)電源Agent 層：

電源Agent 層優化目標為發電的經濟成本最低.

式中,NT表示調度時段集合[0,1,…,T]；Δt表示每個時段的長度.對時段t而言,Pjoi(t)表示新能源發電光伏發電和風力發電、各自的儲能設備及微型燃氣輪機的聯合出力,應該滿足總體的發電調度需求；約束條件中PRDG(t)和(t)分別表示新能源發電光伏發電和風力發電的調度發電功率和預測最大發電功率；PES,dis(t)和PES,ch(t) 分別表示ES 裝置的放電和充電功率；EES(t)表示ES 裝置的荷電狀態.ηES,dis和 ηES,ch分別表示ES裝置的充電效率和放電效率；和分別表示ES 裝置的最大充電和放電功率；εES表示調度周期結束時ES 裝置的荷電狀態相對于開始時的允許變化范圍.

2.2 約束條件

臺區柔性可調資源往往包含了區域范圍內冷能、熱能、電能等多種形式能源的生產、傳輸、轉換、消費過程,因此設置電能平衡約束、冷平衡約束、熱平衡約束.由于本文所提出的可調資源優化配置的綜合總成本包含由電網交互的功率成本,因此要設置與主網交互功率和電壓約束條件.

(1)電能平衡等式約束

電能平衡主要由燃氣輪機、蓄電池、光伏發電、風力發電和電網滿足電負荷和驅動地源熱泵、戶用空調,蓄電池的有充放電兩種模式,因此電能平衡方程如下：

蓄電池放電公式如式(16).

蓄電池充電公式如式(17).

(2)熱能平衡不等式約束

熱能平衡主要由燃氣鍋爐、地源熱泵和電儲熱鍋爐滿足熱負荷的需求,電儲熱鍋爐有充放熱兩種模式,因此熱能平衡方程如下：

電儲熱鍋爐放熱：

電儲熱鍋爐蓄熱：

(3)冷能平衡等式約束

冷能平衡主要由空調、地源熱泵和冰蓄冷滿足冷負荷的需求,冰蓄冷有蓄放冷兩種模式,因此冷能平衡方程如下：

冰蓄冷放冷：

冰蓄冷蓄冷：

(4)與主網交互功率和電壓約束

其中,表示系統與大電網最大交換功率的下限,表示系統與大電網最大交換功率的上限.

式中,Umax、Umin為t時刻的與外界大電網聯絡線電壓的上下限制.

3 優化算法

針對本文分層分布式協調運行優化模型,以模型預測控制作為優化算法,可以更大限度地消除微電網中不確定性因素對優化運行調度方案的影響.通過狀態空間模型建立起預測控制,推導基于狀態空間模型的預測方程.

多源協調優化模型求解依據儲能SOC 和功率平衡方程,把儲能SOC、儲能充放電功率、區域互聯網與外電網的聯絡線交換功率和可調度機組出力構成的向量作為狀態向量：

以可調度機組和儲能的出力增量構成向量為控制變量：

以負荷、風電機組及光伏的超短期預測功率增量構成的向量為擾動輸入：

以聯絡線交換功率和儲能SOC 構成的向量為輸出變量：

建立多輸入、多輸出狀態空間模型如式(28)、式(29).

由式(27)和式(28)可知,通過對該狀態空間預測模型反復迭代,并基于可再生能源和負荷超短期功率預測數據,直到相前預測p步,獲得儲能SOC 和聯絡線在預測時長pΔt內的預估輸出值構成的向量Yt：

為應對可再生能源和負荷日前預測導致的聯絡線功率波動,保證儲能在日內調度中遵循日運行能量平衡的約束,并且確保聯絡線功率跟蹤日前計劃值,在當前時刻向前pΔt時段進行取值,儲能 SOC日前計劃值以及聯絡線功率日前計劃值構成的向量Rda為跟蹤控制目標.其中Rda可描述如下：

然后以目標為它們之間的誤差最小,而且還要保證各機組控制調節增量盡可能的小,于是能夠把對應的滾動優化調度轉化為二次規劃問題.

目標函數：

約束條件：

其中,Qu為控制量的權重系數矩陣.

Werr=為儲能SOC跟蹤誤差和聯絡線功率跟蹤誤差的權重系數矩陣.

然后通過利用Matlab 優化工具箱的quadprog 函數求解模型.

4 算例分析

4.1 算例描述

為充分驗證上述基于模型預測控制算法進行多源協調優化模型的求解,本節選取綜合能源片區的3 個典型多能源互聯系統進行案例分析,各區域內均有居民用戶,商業用戶和工業用戶,按照前述的光伏預測法,得到光伏的出力曲線,按照前述的聚類分析法,得到用戶負荷曲線.

各區域的設備配置如表1所示,分布式電源設備有微型燃氣輪機、光伏發電、風力發電,制冷設備有空調、熱泵,制熱設備有燃氣鍋爐和熱泵,蓄能設備有蓄電池、電儲熱鍋爐和冰蓄冷.分時電價如表2所示.

表1 設備參數表

表2 分時電價表

該地區采用分時電價計價方式,平段時間為7：00—8：00,11：00—18：00；谷段時間為23：00—7：00,峰段時間為8：00—11：00,18：00—23：00；具體如表2.

天然氣價格為：3.25 元/立方米,換算為0.33 元/kWh.把各區域的負荷分為電、冷和熱負荷.通過聚類分析以及負荷預測,獲得每個區域的負荷值,負荷值如圖3～圖5所示.

根據歷史數據預測得到的光伏出力和風電出力的最大值如圖6所示.

4.2 算例結果分析

場景1.多源自治運行控制模式.

圖3 區域1 的冷熱電負荷圖

圖4 區域2 的冷熱電負荷圖

圖5 區域3 的冷熱電負荷圖

圖6 光伏風電最大出力圖

首先,為了驗證基于多智能體的分層分布式協調優化調度的優點,采用未分層分布式優化調度方式對3 個區域進行優化調度,調度結果如下.由于本文通過設置多層次多目標進行優化,因此采用Pareto 圖來尋找最優解.各區域的Pareto 最優解如圖7～圖9所示.

圖7 區域1 的Pareto 圖

各區域的最優解的值如表3所示.

然后,采用基于多智能體的分層分布式協調優化調度時,各區域的Pareto 最優解如圖10～圖12所示.

各區域的最優解的值如表4所示.

綜合對比最優解值,未采用基于多智能體的分層分布式協調優化調度時,總的經濟成本為8301 元,燃氣耗量為2589 898 J,新能源的消納量為8218.6496 kWh,而采用基于多智能體的分層分布式協調優化調度時,總的經濟成本為8061 元,燃氣耗量為2559 898 J,新能源消納量為8255.6154 kWh.因此,多源自治運行控制模式有良好的優化效果.

圖8 區域2 的Pareto 圖

圖9 區域3 的Pareto 圖

表3 各區域的最優解的值

圖10 區域1 的Pareto 圖

圖11 區域2 的Pareto 圖

圖12 區域3 的Pareto 圖

表4 各區域的最優解的值

場景2.多源協同運行控制模式.

全局Pareto 最優解如圖13.

圖13 全局Pareto 圖

各目標的最優解的值及其與場景一對應值的對比如表5.

表5 各目標的最優解的值

在多源自治運行控制模式下,總經濟成本為8061 元,燃氣耗量為2559 898 J,新能源消納量為8255.6154 kWh,在多源協同運行控制模式下,總的經濟成本為7534 元,燃氣耗量為2475 021 J,新能源消納量為8337.1667 kWh.所以,多源協同運行控制模式比多源自治運行控制模式更優.

因此,無論是在場景1 還是場景2 下,通過分層分布式協調優化調度時,都有較好的優化效果.基于全局考慮,多源協同運行控制模式的優化模式明顯能夠減少運營成本,并且提高新能源消納,為實現對可調資源的優化利用奠定了基礎.

5 結論

本文從技術和經濟因素層面優化了臺區下資源調控及優化的設計模型,采用分層分布式進行協調優化,并以模型預測控制作為優化算法進行求解分析.并通過在場景1：多源自治運行控制模式下和場景2：多源協同運行控制模式下進行分析,得出臺區下資源調控及優化的最佳設計模式,可以通過使用分布式能源發電來提高盈利能力,同時需要與電網友好互動以提高優化效果.本研究對制定多源協調優化調度策略、降低電力公司成本、節約資源、減少環境污染,以及減少社會對電力建設的投入有著重要意義.