計及風光就地消納的設施農業產業園區綜合能源系統多目標優化調度方法

陳偉，路源，何欣，張海龍，楊勇，崔建斌

(1. 蘭州理工大學電氣工程與信息工程學院，蘭州市 730050；2. 國網甘肅省電力公司電力科學研究院，蘭州市 730050)

0 引 言

近年來，隨著農業技術的不斷深入發展，我國的設施農業成為了各地區農業的重要發展模式，我國的設施農業面積和產量都位居世界前列，同時對冷、熱、電、氣等多種能源的需求也日益強烈[1-2]。但是，目前我國設施農業也正面臨著一些現實問題：其一是我國農村能源分配和利用不合理造成了設施農業生產能耗費用過高，進而限制了地區農業的快速發展；其二是我國農村可再生能源十分豐富，但無法充分利用。而綜合能源系統(integrated energy system, IES)可深度挖掘能源系統的利用潛力，根據不同能源系統的特點實現多能源轉換以及合理分配，能夠有效提高能源利用率，也可促進可再生能源的就地消納[3-4]。所以，研究將可再生能源系統、IES與設施農業產業園區各類負荷相結合，有助于解決上述問題，對于地區農業的生產和發展具有重要價值和意義。

文獻[5-6]重點從城市工業園區、校園背景下的區域IES展開研究，對包括冷、熱、電、氣等多種能源形成的多能網構架進行了建模以及分析。文獻[7]構建了多能園區IES運行經濟優化模型，通過采用Cplex等優化軟件進行模型求解，在不同場景下驗證了IES有助于節約用能成本。文獻[8]通過目前國內外研究背景以及3個案例，分析了農業園區能源互聯網所存在的關鍵問題，并描述了其概念、特點、結構框架，為園區農業能源互聯網的建設奠定了理論基礎。文獻[9]通過分析研究，證明了可再生能源可以持續為IES提供能源動力，熱儲能系統與沼氣系統相結合可以起到補充風光出力不足的作用。文獻[10]從農業大棚負荷的可時移性角度出發，主要利用變學習因子的二階振蕩文化粒子群優化算法對微能源網運行調度的經濟性進行了優化。通過上述分析，相對于城市、工業IES的研究，目前對基于設施農業園區的多能源耦合運行研究正處于起步階段，鮮有文獻同時考慮園區IES運行的經濟性和風光的就地消納。

因此，本文依據設施農業特點構建以設施農業產業園區內日能耗及運行費用最低和風光就地消納率最大為目標的IES運行優化調度模型，結合風光滿發時出力、冷熱電負荷預測結果以及分時電價，并利用本文提出的基于反向學習的改進型多目標正余弦優化算法對實際算例進行計算，通過對比和分析，驗證所提算法的有效性。

1 設施農業產業園區IES結構

本文所構建的設施農業產業園區IES是一個涉及分布式風光發電、電網、沼氣、設施農業溫室大棚、農業生產、農產品儲藏與園區日常生活組成的多能源交互網絡系統，其結構如圖1所示。同時，由于沼氣發酵在一定溫度下產氣效率較佳[11]，但僅靠環境溫度無法滿足產氣要求，所以沼氣發酵的熱量需求可由電制熱設備、余熱鍋爐和儲熱器滿足。

圖1 設施農業產業園區IES結構Fig.1 IES structure of a protected agricultural industrial park

1.1 沼氣熱電聯供系統數學模型

在設施農業產業園區中可發展沼氣等可再生生物質能源，具有較高的利用價值和環保性[12-13]。農作物廢料、牲畜糞尿以及溫度對沼氣的產量具有一定影響，但考慮到在園區內產業形成一定規模且生產飼養等沼氣原料生產源的管理技術趨于穩定，同時沼氣發酵在恒溫條件下進行發酵，所以沼氣的產量也會趨于穩定。故沼氣的日產量用以下數學模型表示：

MBiog=rBiogVBiog

(1)

式中：MBiog表示園區沼氣的日產量；rBiog表示園區沼氣的產氣率；VBiog表示沼氣池的容積。

沼氣熱電聯供系統的能源轉換設備的數學模型為：

(2)

(3)

(4)

(5)

1.2 電制熱/冷設備數學模型

設施農業產業園區中，不僅對熱力需求較大，同時在儲存農產品時需要設置冷藏倉庫來保持農產品新鮮。其電熱、電冷轉換數學模型為：

(6)

1.3 空氣源熱泵數學模型

空氣源熱泵在工作時不會對空氣產生任何污染且轉換效率高、損耗小，故在設施農業中得到了廣泛使用，其數學模型為：

(7)

1.4 儲能設備數學模型

儲能裝置具有平抑風光出力波動的作用，或者在風光大發且負荷無法消納時儲能，在風光出力小于負荷需求時出力，并且也可以在低谷電價時儲能，高峰電價時出力[14]。其數學模型為：

(8)

2 設施農業產業園區IES運行優化調度模型

2.1 目標函數

本文所建立的目標函數為[15]：

(9)

(10)

(11)

線性加權是解決多目標優化問題常用的方法，其根據各目標的重要程度賦予其相應的權系數，然后對其線性組合進行尋優[16]。

minF=ψ1FCost+ψ2FNew

(12)

式中：ψ1、ψ2為線性加權系數。

2.2 約束條件

2.2.1 平衡約束條件

1)電功率平衡約束。

(13)

2)冷熱功率平衡約束。

(14)

(15)

2.2.2 不平衡約束條件

1)電熱不平衡約束。

(16)

(17)

2)儲電裝置不平衡約束。為保證蓄電池正常工作和減緩壽命衰減，蓄電池在使用過程中將受到一定限制。相關具體約束參考文獻[17]中蓄電池儲能設備約束方法。

3)儲熱裝置不平衡約束。

(18)

(19)

(20)

(21)

3 IES優化調度算法

在解決IES調度問題中，若使整個系統運行的能耗費用以及風光就地消納率都達到期望結果，采用合適且高效的優化算法對最終的調度結果起到至關重要的作用[18]。

正弦余弦算法( sine-cosine algorithm，SCA)是近幾年提出的一種利用正余弦函數原理來實現全局搜索和局部開發的智能優化算法，該算法參數少、結構簡潔、收斂速度較快[19]；但對于計算多變量、多目標、多約束的設施農業產業園區綜合能源系統模型，基本SCA極易陷入局部最優、計算精度較差。針對上述問題，本文提出了一種適用于設施農業產業園區IES能源優化調度的基于反向學習策略的改進型多目標正余弦算法。

基本SCA位置更新公式為：

(22)

(23)

將反向學習策略(opposition-based learning，OBL)運用在SCA中，可提高算法的有效性和收斂性。其原理為：首先計算候選解集中的每個候選解，同時計算相應反向解集中的候選解，并比較其適應度值，然后保留適應度值較高的一方，并代入式(22)中更新候選解集。

(24)

同時，由于r1在SCA中決定算法的全局搜索以及局部開發之間的平衡，對整個算法具有重要作用，而基本SCA中的r1為線性遞減函數，其變化方式不能滿足工程精度需求，故本文對式(23)進行了非線性化改進，r1的非線性改進方程為：

(25)

式中：rs、re分別為r1的初始值和終止值，且rs>re≥0；φ為非線性調節系數。

從式(25)可以看出，r1隨著迭代次數的增加呈非線性趨勢增加，有利于提高算法計算能力。具體算法流程如圖2所示。

圖2 IES優化調度算法流程Fig.2 Flow chart of IES optimal scheduling algorithm

4 算例分析

4.1 仿真算例

本文以某設施農業產業園區IES為例，該園區主要包括育種實驗室、育種溫室大棚、農作物栽培大棚、冷藏倉庫、日常生活區、農作物處理和生產車間等。相關設備的部分參數以及運維成本見表1和表2。同時，根據當地發改委發布的峰谷電價，以每日00:00—07:00、23:00—24:00定為電價谷時段；07:00—08:00、11:00—18:00定為電價平時段；08:00—11:00、18:00—23:00為電價峰時段。

表1 綜合能源系統部分設備參數Table 1 Parameters of some equipment in the integrated energy system

表2 部分相關設備運維費用Table 2 Operation and maintenance fees of some related equipment

蒙特卡洛模擬方法在風光出力以及負荷預測上被廣泛使用，該方法實質上是一種隨機模擬方法，即在給定概率分布中進行多次隨機抽樣后計算平均值。本文參考文獻[20]中的風光出力隨機模型和負荷隨機模型，并利用蒙特卡洛模擬方法得到設施農業產業園區夏季典型日和冬季典型日的風光滿發出力預測曲線、冷熱電負荷曲線，如圖3、圖4所示。

圖3 夏季典型日冷、熱、電負荷以及風光預測曲線Fig.3 Typical daily curves of cooling, heating and electric loads, and forecasting curves of wind and solar power in summer

圖4 冬季典型日冷、熱、電負荷以及風光預測曲線Fig.4 Typical daily curves of cooling, heating and electric loads, and forecasting curves of wind and solar power in winter

4.2 仿真結果分析

將園區各參數輸入設施農業產業園區IES能源優化調度模型中，通過本文所提優化算法進行迭代優化后，可得出滿足目標函數的各能源設備的最優出力數據。對目標函數的線性加權系數設定方式，本文采用等權重約束，即Ψ1=Ψ2=0.5。對優化算法的參數設置為：算法粒子數為350，空間維度為240，最大迭代次數Tmax=900，非線性調節系數φ=0.05。

1)夏季典型日優化結果分析。

夏季典型日電、熱、冷優化后結果如圖5所示。由圖5(a)、(b)可知，23:00—次日07:00的電價低谷時段，系統在考慮運行經濟性的同時盡量使風電完全消納，故在風電完全出力后，電負荷需求主要由向電網購電來滿足，與此同時蓄電池開始儲電。由于設施農業產業園區沼氣產氣量的限制，所以除了沼氣鍋爐在滿足了大部分熱量需求外，剩余熱量需求由空氣源熱泵提供。而且，從06:00看出，在沼氣滿足熱量需求后，剩余沼氣將用來發電。

圖5 夏季典型日電、熱、冷優化后結果Fig.5 Optimization results of electricity, heat and cooling load in a typical day in summer

在07:00—23:00電價平時段和峰時段期間，由于電價相對較高，沼氣優先供應微型燃氣輪機來滿足電負荷需求，與此同時其發電產生的熱量可被余熱鍋爐利用并用來發熱。蓄電池在電價峰時段放電，并在電價平時段或風光還未就地消納完全時儲存電量，為下一電價高峰時段做準備。對于熱負荷來說，首先由余熱鍋爐提供部分熱量，若沼氣在供給微型燃氣輪機發電后還有可支配余量，則沼氣鍋爐可作為補充；若沼氣和余熱鍋爐無法滿足全部熱量需求，則由空氣源熱泵作為補充。相比較，儲熱器運行成本較高，所以在夏季，其熱交換功率較小，在全時段主要起到調峰的作用。并且，全時段的冷負荷需求由電制冷設備滿足。

2)冬季典型日優化結果分析。

冬季典型日電、熱、冷優化后結果如圖6所示。由圖6(a)、(b)中可以得出，在23:00—次日07:00的電價谷時段，此時段處于熱負荷高峰、電負荷低谷時段，在風電完全滿足電負荷后剩余需求由電網滿足，此時段蓄電池開始儲存電能?？紤]經濟性，沼氣首先供沼氣鍋爐產熱，若超出沼氣鍋爐產熱上限，則依次由空氣源熱泵和電制熱設備出力加以補充，同時儲熱器開始儲熱。

圖6 冬季典型日電、熱、冷優化后結果Fig.6 Optimization results of electricity, heat and cooling load in a typical day in winter

在07:00—23:00的電價平時段以及峰時段，此時段大部分時間電負荷高于熱負荷，所以在風光全部被就地消納后，沼氣先被全部用來發電以滿足電負荷需求；蓄電池在08:00—11:00放電，在11:00—18:00充電，為下一電價峰時段做電能儲備，剩余電負荷需求從電網購電來滿足。同時在此時段先由空氣源熱泵、余熱鍋爐產熱，最后由電制熱設備、儲熱器補充。儲熱器在08:00—11:00時段(此時段內熱負荷較大且電價較高)內放熱；在11:00—16:00時段(此時段為熱負荷較小、風光出力較大)內再次儲熱，為下一時段的熱負荷高峰和電價高峰時段提供部分熱量。

夏季和冬季典型日調度優化前后總費用及就地消納率對比見表3、4。由上述分析以及表3和表4可以看出，使用本文提出的基于反向學習的改進型多目標正弦余弦算法的優化調度方法與未使用優化調度方法和使用了基本SCA優化調度方法相比較，在夏季典型日內，該園區IES運行費用分別減少了58.05%和18.96%，風光就地消納率分別提升了37.29%和7.16%；在冬季典型日內，園區IES運行費用分別減少了33.85%和6.41%，風光就地消納率分別提升了26.30%和4.74%，故采用本文的優化調度方法可有效降低設施農業產業園區IES日運行費用，并提高風光消納率。

表3 夏季典型日IES優化調度對照Table 3 Comparison of IES optimal dispatching in typical days in summer

表4 冬季典型日IES優化調度對照Table 4 Comparison of IES optimal dispatching in typical days in winter

本文建立了容量為200的最優解庫，該最優解庫記錄每次迭代的最優解，若最優解數量超過最優解庫的容量上限，則刪除庫中適應度最小的解，該位置將保存下次迭代的最優解，在收斂完成后最優解庫將不再發生變化。圖7給出了夏季和冬季典型日優化算法收斂速度對比。從圖7(a)、(b)可以看出，無論是在夏季典型日還是在冬季典型日，本文提出的改進SCA在收斂速度上都要優于基本SCA。

圖7 優化算法收斂速度對比Fig.7 Comparison of convergence rates of optimization algorithms

5 結 論

本文提出了一種同時兼顧農業設施產業園區中IES運行經濟性與風光就地消納率的多目標能源調度優化方法。通過對某設施農業產業園區IES進行算例優化計算并對其分析，結果表明：本文所提優化方法能夠減少IES日運行費用并能有效提升風光就地消納能力，而不影響園區內各個系統的正常運行。通過對比分析可以得出，本文所提方法優化效果較為明顯，所以本文所構建的IES調度優化模型與方法對于類似背景下設施農業產業園區IES建設具有一定普適性和可推廣性。