基于卷積神經(jīng)網(wǎng)絡(luò)的分布式多能源系統(tǒng)能效計(jì)算方法研究

鐘建英，張一茗，張友鵬，李澤坤，雷炳銀

（1.平高集團(tuán)有限公司，河南平頂山 467001；2.華北電力大學(xué)，北京 102206）

隨著熱電聯(lián)產(chǎn)（Combined Heat and Power，CHP）、電熱泵（Electric Heat Pumps，EHP）等分布式技術(shù)的發(fā)展，電、氣、熱/冷網(wǎng)絡(luò)之間的相互作用日趨復(fù)雜[1]。近年來(lái)，多能源系統(tǒng)(Multi-Energy Systems，MES)的集成越來(lái)越受到重視，尤其是隨著間歇式可再生能源（例如光伏、風(fēng)力發(fā)電等）的快速普及[2]。與原有的能源系統(tǒng)相比，電、燃料、熱和冷卻相互作用的MES 不僅可以利用能源替代的靈活性容納更多的可再生能源或多種類(lèi)型的儲(chǔ)能系統(tǒng)，還可以提高一次能源（包括可再生能源）的轉(zhuǎn)換效率和利用率[3-4]。

目前，已有眾多專(zhuān)家學(xué)者針對(duì)MES 的能效以及如何削弱分布式能源對(duì)系統(tǒng)的影響展開(kāi)研究。文獻(xiàn)[5]針對(duì)可再生能源利用及不同能源質(zhì)量的有效衡量等問(wèn)題，設(shè)計(jì)了一種能源質(zhì)量系數(shù)，用于綜合能源效率的評(píng)價(jià)。文獻(xiàn)[6]提出了一種燃?xì)?電力綜合配電系統(tǒng)的協(xié)調(diào)運(yùn)行策略，基于CCHP 系統(tǒng)的非線性多能量耦合外部特性模型，通過(guò)多CCHP 的協(xié)調(diào)運(yùn)行，可再生能源的功率波動(dòng)被傳遞到燃?xì)夥峙渚W(wǎng)絡(luò)及制冷或供熱系統(tǒng)。文獻(xiàn)[7]提出了一種基于凸優(yōu)化的分布式算法，以解決耦合能量分配系統(tǒng)中的多周期最優(yōu)燃?xì)?發(fā)電效率問(wèn)題。在氣體分配系統(tǒng)側(cè)，通過(guò)迭代二階錐規(guī)劃（Second-Order Cone Programming，SOCP）程序求解最優(yōu)氣體流量（OGF）問(wèn)題，該程序的效率較傳統(tǒng)的非線性方法有顯著提升。

但目前已有的方法存在對(duì)潛在MES 配置參數(shù)依賴(lài)過(guò)大，且能效較低等問(wèn)題。為此，設(shè)計(jì)了一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolution Neural Network，CNN）的分布式多能源系統(tǒng)能效計(jì)算方法。將MES 分成不同的供能子系統(tǒng)與能源轉(zhuǎn)化裝置，并設(shè)計(jì)相應(yīng)的優(yōu)化目標(biāo)和約束條件。利用CNN 求解模型最優(yōu)解，以得到分布式MES 最大能效的計(jì)算方式。

1 分布式多能源系統(tǒng)的能效

電力、燃?xì)饧翱稍偕茉吹榷鄠€(gè)種類(lèi)的能源，通過(guò)分布式MES 轉(zhuǎn)化為用戶可直接消費(fèi)的冷量、熱量和電力。雖然能量的轉(zhuǎn)換技術(shù)及設(shè)備多種多樣，但現(xiàn)有的基本能量轉(zhuǎn)換路徑，即分布式MES 的能量流圖如圖1 所示。

圖1 中，系統(tǒng)內(nèi)的可再生能源，例如風(fēng)能、光能等，均是系統(tǒng)內(nèi)部能夠使用的能量，因此，不屬于外部輸入的能量。但是使用可再生能源時(shí)，能夠切實(shí)將能量供給系統(tǒng)負(fù)載，所以將其計(jì)入系統(tǒng)能源供給側(cè)[8-9]。即MES 的能效ηMES為：

圖1 分布式MES的能量流圖

式中，Pe、Pg、Ph分別表示從外部系統(tǒng)輸入的電能、天然氣、熱能；Se、Sh、Sc依次為儲(chǔ)存電能、熱能、冷能設(shè)備的真實(shí)儲(chǔ)存能量；De、Dh、Dc依次為儲(chǔ)存電能、熱能、冷能設(shè)備的真實(shí)輸出能量；λE、λG、λH依次為電能、氣能、熱能的核算因子；λe、λh、λc依次為電負(fù)載、熱負(fù)載、冷負(fù)載的核算因子；We、Wh、Wc表示電、熱、冷的供應(yīng)量，Eeh、Eec依次為由電能制成熱能、熱量時(shí)損失的電能；Ehp,m為能量m在傳動(dòng)中的耗能；Hhc為由熱能制成冷能時(shí)的熱能損失；γe、γh、γc依次為儲(chǔ)存電能、儲(chǔ)存熱能、儲(chǔ)存冷能設(shè)備的狀態(tài)，其中儲(chǔ)存能量是1，釋放能量是0；ηse、ηsh、ηsc依次為儲(chǔ)存電能、儲(chǔ)存熱能、儲(chǔ)存冷能設(shè)備的儲(chǔ)能效率。

其中，供電子系統(tǒng)中的電量輸出We為：

式中，ηt為變壓器的工效；ηl為區(qū)域內(nèi)輸電線路的效率；ECHP為CHP 的輸出電能；Re為區(qū)域內(nèi)可再生能源的輸出能量。

供電子系統(tǒng)中熱能與冷能的輸出Wh、Wc為：

式中，Hgh、Heh依次為天然氣與電能經(jīng)過(guò)電、燃?xì)忮仩t后輸出的熱量；HCHP為CHP 輸出的熱量；Cec、Chc依次為電能與熱能經(jīng)過(guò)有關(guān)能量轉(zhuǎn)化裝置轉(zhuǎn)化成的冷能；Rh、Rc依次為可再生能源產(chǎn)生的熱能、冷能；ah、ac依次為熱、冷傳輸管道的能耗量。

2 分布式MES能效計(jì)算方法

2.1 優(yōu)化目標(biāo)與約束條件

對(duì)于MES，能源利用率越大，能源效益越優(yōu)[10-11]。因此，目標(biāo)函數(shù)為：

式中，T為總運(yùn)營(yíng)周期；PPV(t)、PW(t)分別為光伏和風(fēng)電的發(fā)電量。

而能量供需平衡約束計(jì)算如下：

式中，γ為系統(tǒng)的自身用電損耗率。

因?yàn)轱L(fēng)能、電能及光伏輸出存在不穩(wěn)定性，為了確保其并網(wǎng)后穩(wěn)定輸出，不影響系統(tǒng)運(yùn)行，設(shè)定的出力約束為[12-13]：

2.2 卷積神經(jīng)網(wǎng)絡(luò)

CNN 結(jié)構(gòu) 如圖2 所示[14-15]。

圖2 CNN結(jié)構(gòu)

由于在分布式MES 領(lǐng)域中，其模型包括大量結(jié)構(gòu)高度復(fù)雜的網(wǎng)絡(luò)，易增加過(guò)度擬合的風(fēng)險(xiǎn)，因此，所提方法采用規(guī)模相對(duì)較小的一種CNN[16]。其中，卷積層使用一個(gè)可學(xué)習(xí)的卷積核對(duì)輸入數(shù)據(jù)或上一層的輸出進(jìn)行卷積運(yùn)算，從而獲得一個(gè)特征數(shù)據(jù)。一個(gè)卷積核能夠通過(guò)卷積運(yùn)算得到多個(gè)特征數(shù)據(jù)，則第l卷積層j個(gè)特征數(shù)據(jù)表示為：

式中，Mj為特征數(shù)據(jù)集，為卷積核，為偏置量，?為卷積運(yùn)算，f(x)為激活函數(shù)。系統(tǒng)采用線性整流激活函數(shù)；池化層采用最大池化方法；全連接層通過(guò)綜合經(jīng)卷積和池化后得到的數(shù)據(jù)，以此得到最優(yōu)解。

3 實(shí)驗(yàn)結(jié)果與分析

以某住宅區(qū)為例進(jìn)行實(shí)驗(yàn)論證，在這一區(qū)域中存在冷負(fù)載、熱負(fù)載和電負(fù)載等，選取夏季較為有代表性的時(shí)間段進(jìn)行能效計(jì)算。其日負(fù)荷需求曲線如圖3 所示。

圖3 夏季日負(fù)荷曲線

3.1 儲(chǔ)能配置方案對(duì)能效的影響

儲(chǔ)能作為能源供應(yīng)系統(tǒng)中的關(guān)鍵設(shè)備，能夠?qū)崿F(xiàn)削峰填谷，但在儲(chǔ)能和釋放能量的環(huán)節(jié)中會(huì)存在能耗。因此儲(chǔ)能合理的配置可以降低系統(tǒng)運(yùn)行的成本，從而提高能效。MES 中不同儲(chǔ)能配置方案下的能效對(duì)比如表1 所示。

表1 不同儲(chǔ)能配置方案的能效對(duì)比

3.2 可再生能源的接入對(duì)能效的影響

對(duì)比可再生能源加入前后的系統(tǒng)能效，可以直接觀察到可再生能源接入到系統(tǒng)后對(duì)其產(chǎn)生的干擾，其中，系統(tǒng)的可再生能源為光伏機(jī)組與地?zé)?。而且，系統(tǒng)接入可再生能源后，將傳統(tǒng)冷機(jī)組與地?zé)岬目偤妥鳛橄到y(tǒng)的綜合冷機(jī)組。實(shí)時(shí)能效與可再生能源出力占比的對(duì)應(yīng)關(guān)系如圖4 所示。

圖4 可再生能源出力占比與實(shí)時(shí)能效

3.3 與其他方法的對(duì)比分析

為了展現(xiàn)所提方法相較于其他能效計(jì)算方法的優(yōu)勢(shì)，對(duì)比該方法與文獻(xiàn)[5]、文獻(xiàn)[6]、文獻(xiàn)[9]3 種方法能效評(píng)估準(zhǔn)確率結(jié)果，如圖5 所示。

圖5 不同方法的能效對(duì)比

從圖5 可以看出，相比于其他方法，文中方法的準(zhǔn)確率最高，在不同時(shí)刻該方法表現(xiàn)均優(yōu)于其他方法。由于其采用CNN 求解問(wèn)題的最優(yōu)解，因此能夠最大化利用系統(tǒng)內(nèi)的可再生能源、協(xié)調(diào)儲(chǔ)能設(shè)備的使用，減少外部資源的消耗。

4 結(jié)束語(yǔ)

文中提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的分布式多能源系統(tǒng)能效計(jì)算方法。在考慮多能間的互補(bǔ)以及可再生能源利用的基礎(chǔ)上，構(gòu)建了含儲(chǔ)能裝置的MES 能效的評(píng)估模型。并以最大能效為優(yōu)化目標(biāo)，利用CNN 對(duì)其進(jìn)行求解，以獲得MES 能效最大的運(yùn)行方式，且進(jìn)行能效計(jì)算。最終，通過(guò)某一住宅區(qū)的實(shí)例進(jìn)行分析。結(jié)果表明，MES 合理利用可再生能源能夠?qū)δ苄Мa(chǎn)生積極的影響；且與其他方法相比，所提方法的能效最為理想，由此論證了該方法的有效性和實(shí)用性。