綜合能源系統多時間尺度優化調度模型研究

張圓圓，樊小朝，史瑞靜，3，左 帥，孟光明

(1.新疆大學電氣工程學院，新疆 烏魯木齊 830047；2.可再生能源發電與并網技術教育部工程研究中心(新疆大學)，新疆 烏魯木齊 830047；3.新疆工程學院，新疆 烏魯木齊 830000)

當前世界能源體系正處于由化石能源向非化石能源過渡的第三次能源轉換期[1]，但不合理的能源結構、持續增長的能源需求以及較低的新能源消納比例等問題嚴重阻礙了我國能源轉型與能源結構的調整。在探索新能源與傳統能源緊密結合、協同消納的過程中，綜合能源系統(IES)的提出為能源的綜合利用提供了新的思路。通過能源的生產、傳輸、分配、消納等多個環節的協調與優化[2]，IES的多能互補方式能夠顯著地提升系統的供能穩定性，提高對新能源的利用效率，減少對化石能源的需求，這對緩解當前能源需求激增、環境污染加重等問題發揮出重要作用[3]。

為了改善IES能源利用情況，現有文獻針對多時間尺度下調度機制對于IES系統的影響進行了研究，通過減少因新能源預測誤差而對系統安全運行和電能質量造成的不良影響，以此提高系統消納新能源的能力。文獻[4]建立了日前、滾動、實時3個時間尺度下的優化調度模型，但所提模型較簡單，未考慮模型各設備響應在不同時間尺度上的差異。文獻[5]考慮到分布式供電的時間特性、用電價格、網絡存儲特性和電熱負荷等特性，建立了基于電熱聯合調度的區域微網運行優化調度模型，但未提及負荷波動對于系統穩定性的影響。文獻[6]所提優化模型，是按多時間尺度來運行的，降低了因可再生能源預測誤差對系統的不利影響。文獻[7]針對長、短期發電計劃的調度特性進行研究，同時還深入探討了長、短期兩時間尺度協同調度的優化問題。文獻[8]研究了計及機組的檢修費用及燃料費用的長期調度優化問題，考慮了最優潮流的短期調度。長、短期調度間的關聯是短期調度為長期調度提供依據，而長期調度則依據短期調度的結果進行修正。文獻[9]采用滾動單元的組合，解決風電出力的隨機性。利用更高頻率的修正滾動單元組合出力，減少了風電預測的不確定性帶來的冗余備用。文獻[10]建立了日前、日內和實時的優化模型，降低了負荷波動性對IES的的影響。

目前針對IES優化調度的研究，大多是將電、冷、熱等多種能源放置于同一時間尺度上進行優化調度，但考慮到各設備響應特性在時間上的誤差，以及所接入的可再生能源出力的不確定性以及因設備本身運行特性所造成的誤差對系統造成的不利影響，需要使用時間尺度更為復雜的優化調度模型。因此，本文根據各能源負荷在時間尺度上的響應快慢，建立IES日內多目標分層優化調度模型，在多時間尺度上將其進行日前-日內分層優化控制，以實現平移IES內各能源負荷波動，平衡其功率波動，使IES能夠平穩運行。

1 IES多能互補基本架構

本文所研究的基于多能互補的IES架構主要包括能源生產環節、能源轉換環節和能源儲存環節。能源生產環節包括向電網購電、向氣網購氣、燃氣輪機(Gas Turbine，GT)、燃氣鍋爐(Gas Boiler，GB)及可再生能源(包含光伏發電(Photo-Voltaic cell，PV))與風機(Wind Turbine，WT)接入；能源轉換環節包括電轉氣機組(Power to Gas，P2G)、電熱泵(Electricity-driven heat pump，EH)、電制冷機(Electric Chiller，EC)、雙效吸收式制冷機(Double-effect Absorption Chiller，DAC)、單效吸收式制冷機(Single-effect Absorption Chiller，SAC)、吸收式熱泵(Absorption Refrigerator，AR)、尖峰加熱器(Peak-load Calorifier，PC)、余熱鍋爐(Waste heat Boiler，WH)；能源儲存環節包含電儲能(Electric Storage，ES)、熱儲能(Heat Storage，HS)和冷儲能(Cooling Storage，CS)。各機組根據可再生能源的出力特性、分時電價及配合各能源轉換設備出力，來完成不同能源之間的轉化。本文利用燃氣輪機的能量梯級利用原理，負荷側由電、氣、冷和不同溫度的熱負荷組成，其IES多能互補示意如圖1所示。

圖1 IES多能互補示意

IES內電負荷由電網、風電、光伏出力、電儲能及燃氣輪機共同供應；不同溫度差異的熱負荷由系統內燃氣輪機發電排出的余熱、儲熱裝置和各熱能轉換設備共同供給；氣負荷由氣網和P2G共同供應；冷負荷由冷儲能和各冷能轉換設備供給。在多能互補的IES中設備種類較多，各設備技術參數互不相同，對能源的需求與利用方式也不相同，因此分類對IES系統進行優化調度。

2 IES多能互補的多目標優化調度模型

多能互補的IES的調度目標是減少系統的運行成本，增加IES風光滲透率。運行成本包括向上級電網和氣網購能費用，同時為了簡便計算，將系統內各設備啟停費用、更換費用等用懲罰系數進行代替。目的是盡可能的消納系統接入的新能源，合理利用各種能源間的轉化，提升能源的利用率及風光的消納能力，使IES總運行成本最低，因此對IES的調度策略、優化指標和約束條件進行構建。

2.1 多目標優化調度策略

IES中各設備控制響應時間不同，需要對其進行分類考慮：電負荷和電儲能傳輸具有快速性，響應時間極其短暫；而燃料電池(Fuel Cell，FC)和P2G等耗氣產電或耗電產氣設備調控時間大于電負荷；同時產冷、儲冷、產熱和儲熱等設備由于其存在冷熱慣性，調節時間周期比較長。因此，可以根據IES內相關設備調控時間的差異進行分層控制，由于GT同時涉及熱能和電能，因此將其與冷熱能設備放在同一層進行控制。

本文依據IES內相關設備調控時間的差異進行分層控制，在日內多時間尺度調度中，建立上層控制和下層控制的多目標優化調度模型。由于冷熱能存在冷熱慣性，調控時間周期長，所以把IES內生產冷熱能相關設備放在上層長時間優化調度中，用來平移調度時間較長的冷熱能功率波動，而具有快速響應的電負荷和相關設備放在下層短時間優化調度中，依據上層調度結果對日前電能調度進行修正。

2.2 模型約束條件

2.2.1 多時間尺度上層約束條件

天然氣調整平衡約束

(1)

熱功率調整平衡約束

(2)

冷功率調整平衡約束

(3)

GT調整量約束

(4)

2.2.2 多時間尺度下層約束條件

電功率調整平衡約束

(5)

日內ES調整約束

(6)

電網交換功率調整約束

(7)

燃料電池調整約束

(8)

2.2.3 設備綜合約束

(9)

2.3 優化指標

(1) 多目標上層優化目標

(10)

(2) 多目標下層優化目標

(11)

3 多時間尺度優化調度求解流程

本文所構建模型的求解流程如圖2所示，其日內優化運行策略的主要思路是用已知的日內負荷數據修正日前負荷數據，通過所構建的上層優化，調整多目標上層系統各設備出力，平抑系統功率波動。同時，多目標下層系統接收上層系統功率輸出數據，通過使用燃料電池、蓄電池以及電網交互進行功率微調，使得系統出力更符合負荷所需。換言之，即供需平衡存在一個功率差，以此進行調控，進行修正各設備的出力，以滿足系統功率平衡。

圖2 多時間尺度優化調度策略流程

4 算例分析

考慮到可再生能源出力的隨機性與冷熱電負荷波動性等問題對系統穩定性造成的干擾， 建立起IES系統優化調度模型，通過輸入系統內各負荷日前預測數據與日內預測數據完成對IES的功率優化，平抑系統波動。

數據處理如下，其中，日內上層調度各機組的出力情況與下層調度各機組的出力情況分別如圖3、4所示。

由圖3、4分析可知：

圖3 上層調度各機組出力變化

(1) 在上層優化調度中，受制于系統設備運行特性，其日前調度和日內調度中的冷熱能調度均選擇小時為時間尺度，但考慮到上層優化調度受下層優化供能設備的影響，日內預測要更為精確一些。其中，GT是CCHP的核心設備，其出力調整不宜過大，所以對其調控進行了相關約束，因而在日內調度時，冷熱負荷的功率誤差主要由調控DACSAC、AR、PC、EC和EH進行彌補。

(2) 在下層優化調度中，由于可再生能源負荷預測偏差較大，因而IES運行過程中系統電負荷波動較大。為了保證電網的穩定，選擇以燃料電池為主要的供能單元，將電網交互功率與蓄電池作為輔助供能單元，因此對電網交互功率與蓄電池儲能進行了約束，使得系統主要以燃料電池為主要平抑功

圖4 下層調度各機組出力變化

率單元。

(3) 針對本文所構建IES多能互補模型和所提多時間尺度優化調度策略的實施，通過算例仿真結果證明了所構建模型與優化調度策略的有效性，通過優化調度策略的實施，可以有效抑制IES中各能源負荷的波動，平抑系統功率波動，提高系統運行的穩定性。

5 結 論

本文所建立的多時間尺度優化調度模型，充分考慮了不同類型的能源響應特性在時間尺度上的差異，優化調度策略以IES穩定運行為主要目標實施對系統日前調度中存在的負荷出力波動問題進行日內調度修正，通過合理安排供能儲能機組的出力計劃和出力調整，能夠有效抑制IES內各能源負荷的波動性，實現功率的動態平衡。