基于光熱電站與電動汽車的綜合能源系統(tǒng)風(fēng)電消納策略

孟 明，臘志源，王喜平，包志永

（1.華北電力大學(xué)電氣與電子工程學(xué)院，河北 保定 071003；2.華北電力大學(xué)經(jīng)濟(jì)管理系，河北 保定 071003）

為應(yīng)對化石燃料枯竭與環(huán)境污染問題，國家大力推動能源革命，提倡建設(shè)以可再生能源為主導(dǎo)的能源供應(yīng)體系，并打造以電動汽車（electric vehicle，EV）為載體的能源互聯(lián)網(wǎng)[1]。能源利用理念的變革，促使光熱電站（concentrating solar power，CSP）與EV在技術(shù)層面取得重大突破[2-3]，從而推進(jìn)了區(qū)域綜合能源系統(tǒng)（regional integrated energy system，RIES）的發(fā)展[4-5]。

風(fēng)電作為綠色RIES的主要供應(yīng)來源，預(yù)計2050年裝機(jī)容量可達(dá)24億kW。然而受限于熱電聯(lián)產(chǎn)（combined heating and power，CHP）機(jī)組“以熱定電”運(yùn)行約束，風(fēng)電并網(wǎng)空間擁擠的特點十分顯著，綠色電能被迫浪費(fèi)增加了化石能源的消耗，進(jìn)而降低了系統(tǒng)的環(huán)保性[6-8]。

配有儲熱裝置的CSP具有能量時移以及熱電轉(zhuǎn)換的能力，可以有效緩解CHP機(jī)組“以熱定電”約束的局限，進(jìn)而達(dá)到“以可再生能源消納可再生能源”的目的[9]。文獻(xiàn)[10-11]利用CSP熱能存儲的調(diào)度能力，平抑了可再生能源發(fā)電帶來的波動性。文獻(xiàn)[12]引入電加熱器輔助CSP聯(lián)合風(fēng)電協(xié)調(diào)運(yùn)行，提高了系統(tǒng)的環(huán)境效益。文獻(xiàn)[13-14]采用CSP替代CHP機(jī)組，通過與其他能量轉(zhuǎn)換設(shè)備的配合，降低了系統(tǒng)的運(yùn)行成本以及棄風(fēng)率。所述文獻(xiàn)驗證了CSP消納風(fēng)電的可行性，但仍存在以下問題需要深入探討：一是在調(diào)度運(yùn)行中未考慮CSP的最優(yōu)配置容量；二是未充分發(fā)揮用能側(cè)可調(diào)度資源削峰填谷的潛力。

除了在源側(cè)引入CSP降低棄風(fēng)量以外，合理調(diào)度用能側(cè)并網(wǎng)的大規(guī)模EV亦可作為提升RIES風(fēng)電消納能力的有效措施。文獻(xiàn)[15]提出了基于動態(tài)分時電價的EV調(diào)度策略，通過控制中心與代理商的分層控制，增加了可再生能源的消納量。文獻(xiàn)[16]利用車網(wǎng)互動（vehicle to grid，V2G）策略應(yīng)對風(fēng)光高滲透率引起的高網(wǎng)損及電壓波動影響，提高了配電網(wǎng)的可靠性。文獻(xiàn)[17]結(jié)合了V2G及需求響應(yīng)技術(shù)，加強(qiáng)了EV與電網(wǎng)間的協(xié)作，實現(xiàn)了負(fù)荷側(cè)可調(diào)度資源的削峰填谷。上述文獻(xiàn)均證明了EV具有協(xié)助RIES擴(kuò)大風(fēng)電并網(wǎng)空間的可觀效益，但并未打破源荷雙側(cè)協(xié)調(diào)優(yōu)化調(diào)度的壁壘，風(fēng)電消納水平仍存在較大提升空間。

聯(lián)合考慮源荷雙側(cè)可調(diào)度資源之間的互補(bǔ)調(diào)節(jié)能力，可以進(jìn)一步降低RIES的棄風(fēng)量[18-19]。但是，現(xiàn)有文獻(xiàn)中以CSP與EV為源荷協(xié)調(diào)優(yōu)化對象的研究較少，且出發(fā)點多以降低凈負(fù)荷波動率或提升RIES調(diào)度靈活性為主[20-21]，并未考慮到EV不同并網(wǎng)方式對CSP容量配置的影響，同時也忽略了由風(fēng)電及負(fù)荷預(yù)測誤差造成的風(fēng)險損失。

綜上，本文在現(xiàn)有研究的基礎(chǔ)上，提出了一種計及條件風(fēng)險價值（conditional value at risk，CVaR）下基于CSP與EV的RIES風(fēng)電消納策略。首先，分別研究了CSP和EV對于風(fēng)電消納的促進(jìn)作用，通過分析源、荷2種調(diào)度方式的互補(bǔ)特性，體現(xiàn)了源荷協(xié)調(diào)優(yōu)化策略在減少棄風(fēng)限電方面的優(yōu)勢；然后，以運(yùn)行成本和CSP日投資成本最小為目標(biāo)建立了日前經(jīng)濟(jì)調(diào)度模型，探討了EV不同并網(wǎng)方式對CSP容量配置的影響，并引入CVaR衡量了由不確定因素引起的風(fēng)險損失；最后，利用求解器CPLEX展開多場景對比分析，驗證了本文所提策略的有效性。

1 基于光熱電站與電動汽車的RIES優(yōu)化架構(gòu)

含CSP與EV的RIES源荷協(xié)調(diào)優(yōu)化架構(gòu)如圖1所示。能源供給側(cè)包含外部電網(wǎng)、風(fēng)電、太陽光熱以及天然氣網(wǎng)，其中外部電網(wǎng)可以與RIES進(jìn)行聯(lián)絡(luò)交易。天然氣網(wǎng)能夠為CHP機(jī)組補(bǔ)給燃料。

圖1 區(qū)域綜合能源系統(tǒng)架構(gòu)Fig.1 Architecture of the regional integrated energy system

能源耦合設(shè)備包括光熱機(jī)組、電加熱器（electric heater，EH）、電儲能裝置（energy storage，ES）以及熱電聯(lián)產(chǎn)機(jī)組。其中，熱電聯(lián)產(chǎn)機(jī)組由燃?xì)廨啓C(jī)（gas turbine，GT）與余熱鍋爐共同構(gòu)成，余熱鍋爐能夠利用GT的高溫余熱供應(yīng)熱負(fù)荷；而EH作為CSP的附屬子系統(tǒng)，可通過消納夜間盈余的風(fēng)電為CSP補(bǔ)充熱能；CSP作為電熱耦合設(shè)備，不僅可以利用太陽光熱以及EH提供的熱量達(dá)成電熱雙向轉(zhuǎn)換，還能通過與熱網(wǎng)進(jìn)行充放熱聯(lián)絡(luò)來提高RIES調(diào)度運(yùn)行的靈活性。

能源需求側(cè)包含電、熱負(fù)荷以及EV并網(wǎng)充電負(fù)荷。其中，電、熱負(fù)荷均由固定負(fù)荷、可轉(zhuǎn)移負(fù)荷以及可削減負(fù)荷構(gòu)成，能在需求響應(yīng)引導(dǎo)下平滑RIES的負(fù)荷波動率；EV并網(wǎng)方式可分為無序充電、有序充電以及V2G 3種模式，當(dāng)EV處于V2G模式時能夠?qū)崿F(xiàn)電能的雙向流動。

2 光熱電站模型及消納風(fēng)電原理

2.1 CSP模型

CSP內(nèi)部包含光場、傳熱介質(zhì)、儲熱裝置（thermal energy storage，TES）、EH以及發(fā)電裝置。CSP利用光場吸收的太陽能輻射熱量加熱傳熱介質(zhì)，并將熱能傳遞給發(fā)電裝置或儲存于TES內(nèi)。TES既可釋放熱量加熱水蒸氣以推動汽輪機(jī)旋轉(zhuǎn)產(chǎn)生電能，也能根據(jù)調(diào)度指示與熱網(wǎng)進(jìn)行充放熱聯(lián)絡(luò)達(dá)到熱能時移效果。CSP的傳熱模型如圖2所示。CSP內(nèi)部熱能傳遞的數(shù)學(xué)模型為：

圖2 CSP傳熱模型Fig.2 Heat transfer model of CSP

式中：Hsolar.t為t時段光場吸收熱量；Hcurt.t、HSF.t分別為t時段傳熱介質(zhì)舍棄與傳遞的熱量；HTC1.t、HTD1.t分別為t時段TES在CSP內(nèi)部的充、放熱量；PEH.t、HEH.t分別為t時段EH的耗電量及產(chǎn)熱量；Hfd.t、Pcsp.t分別為t時段CSP發(fā)電所消耗的熱量及產(chǎn)電量；ηr-d為CSP熱電轉(zhuǎn)換效率；ηEH為EH轉(zhuǎn)換效率。

TES通常采用雙罐式儲熱，換熱循環(huán)簡便，安全系數(shù)較高，可憑借傳熱介質(zhì)在“冷罐”和“熱罐”之間不斷交換熱量實現(xiàn)能量傳遞。TES數(shù)學(xué)模型為：

式中：ETS.t為t時段TES容量；HTC2.t、HTD2.t分別為t時段TES與熱網(wǎng)的聯(lián)絡(luò)熱量；HTC.max、HTD.max分別為TES充、放熱功率上限；σTloss、ηTCr及ηTDr分別為TES自損耗系數(shù)與充、放熱效率；ETS.0、ETS.T分別為調(diào)度周期起始與結(jié)束時TES的容量；ETS.max、ETS.min分別為TES容量上、下限；HTC.t、HTD.t分別為TES在t時段從內(nèi)部傳熱介質(zhì)及外部熱網(wǎng)吸收、放出的熱量之和。

由傳熱模型及儲熱模型可知，含TES和EH的CSP擁有熱能時移以及電熱雙向轉(zhuǎn)換的能力，因此具有配合CHP提升RIES風(fēng)電消納量的潛質(zhì)。

2.2 CSP配合CHP機(jī)組提升風(fēng)電消納量的原理

CHP的熱電比可定義為同一調(diào)度時段內(nèi)CHP機(jī)組熱出力與電出力的比值[22]：

傳統(tǒng)RIES內(nèi)熱負(fù)荷完全由CHP機(jī)組提供，若夜間熱負(fù)荷過高，CHP機(jī)組為滿足熱負(fù)荷需求致使電出力高發(fā)，造成風(fēng)電并網(wǎng)空間相對擁擠。引入CSP配合CHP機(jī)組協(xié)調(diào)運(yùn)行后：1）當(dāng)熱負(fù)荷較高，電負(fù)荷較低時，可利用CSP的熱能時移特性緩解CHP機(jī)組的供熱壓力，在減少熱電耦合發(fā)電功率的同時，能夠擴(kuò)大RIES的風(fēng)電并網(wǎng)空間，盈余的風(fēng)電功率還可通過EH的電熱轉(zhuǎn)換得以消納，從而進(jìn)一步降低系統(tǒng)的棄風(fēng)量；2）當(dāng)熱負(fù)荷較低，電負(fù)荷較高時，一方面可利用TES從熱網(wǎng)吸收熱量以加大CHP機(jī)組的電出力，另一方面還可通過CSP的熱電轉(zhuǎn)換能力協(xié)助CHP機(jī)組維持電力平衡，進(jìn)而提高了RIES調(diào)度運(yùn)行的靈活性。

因此，將CSP與CHP機(jī)組所構(gòu)成的整體作為廣義熱電聯(lián)產(chǎn)機(jī)組供應(yīng)電、熱負(fù)荷，通過控制TES的充放熱量以及CSP、EH的出力，可以打破“以熱定電”運(yùn)行限制。由此推導(dǎo)出廣義CHP機(jī)組的熱電比為：

式中：γ1為廣義CHP機(jī)組的熱電比；PCHP1.t、HCHP1.t分別為引入CSP后t時段傳統(tǒng)CHP機(jī)組的電、熱出力；Hload.t為t時段的熱負(fù)荷量。

廣義CHP機(jī)組與傳統(tǒng)CHP機(jī)組的調(diào)峰可行域?qū)Ρ热鐖D3所示。其中，ABCDEF所圍部分為廣義CHP的可行域范圍，線段GH為傳統(tǒng)CHP機(jī)組的可行域范圍。由圖3可知，廣義CHP機(jī)組的調(diào)峰可行域范圍明顯較大，并且不再受限于固定熱電比約束的影響。其中，熱出力增量取決于TES與熱網(wǎng)的聯(lián)絡(luò)熱量，電出力增量取決于CSP的發(fā)電量及EH的耗電量。

圖3 熱電聯(lián)產(chǎn)機(jī)組可行域范圍對比Fig.3 Comparison of feasible areas of CHP units

3 電動汽車并網(wǎng)模型與消納風(fēng)電原理

3.1 電動汽車無序充電模型

根據(jù)美國交通部公布的車輛出行統(tǒng)計數(shù)據(jù)，電動汽車日行駛里程數(shù)的概率密度近似滿足對數(shù)正態(tài)分布，且返回時刻近似滿足正態(tài)分布[23]。對于無序充電而言，EV用戶返回時刻就是充電起始時刻，并將以恒定功率持續(xù)充電至滿荷電狀態(tài)。日行駛里程數(shù)及返回時刻的概率密度函數(shù)為：

式中：s為EV日行駛里程；ts為返回時刻；σs、σt、μs以及μt皆為系數(shù)。

EV充電時長及總充電功率可分別表示為：

式中：q100為100 km耗電量；Tc.n為第n輛EV充電時長；ηch為充電效率；Pch.n.t、Pch.t分別為t時段第n輛EV及所有EV的充電功率；N為EV總量。

基于上述模型，采用蒙特卡洛法對600輛EV抽樣模擬，得到EV無序充電負(fù)荷數(shù)據(jù)如圖4所示。

圖4 電負(fù)荷與風(fēng)電出力Fig.4 Power load and wind power output

由圖4可知，EV用戶返回時刻多位于電負(fù)荷的高峰期，此時并網(wǎng)充電既加大了RIES的調(diào)峰壓力，又未達(dá)到源荷協(xié)調(diào)消納風(fēng)電的目的。因此，必須采取適宜策略引導(dǎo)EV用戶有效配合風(fēng)電并網(wǎng)。

3.2 V2G并網(wǎng)模型及EVA分層調(diào)控機(jī)制

相比于無序充電，有序充電及V2G并網(wǎng)狀態(tài)下的EV可視為大規(guī)模的柔性負(fù)荷資源。在滿足用戶出行需求的前提下，EV可以根據(jù)系統(tǒng)的調(diào)度指示決定充電時刻以及充電功率，通過將負(fù)荷高峰期的EV充電功率轉(zhuǎn)移至夜間風(fēng)電高發(fā)時段，能夠有效降低系統(tǒng)的棄風(fēng)量。此外，當(dāng)EV處于V2G狀態(tài)時，RIES還能控制EV協(xié)助耦合設(shè)備維持功率平衡，進(jìn)而提高了系統(tǒng)調(diào)度運(yùn)行的靈活性。

電動汽車用戶的V2G模型為：

式中：SEV.n.t、SEV.n.max以及SEV.n.min分別為t時段第n輛EV的容量及其上、下限；SEV.n.T為調(diào)度周期結(jié)束時第n輛EV的容量；Pch.n.t、Pdch.n.t分別為t時段第n輛EV的充、放電功率；Pch.n.min、Pch.n.max及Pdch.n.min、Pdch.n.max分別為第n輛EV的充、放電功率最值；ηdch為放電效率；ts.n為第n輛EV返回時刻；T為調(diào)度周期；Pdch.t為t時段EV總放電功率。

鑒于有序充電是在V2G模型的基礎(chǔ)上僅進(jìn)行充電而不放電，即令每輛EV的放電功率恒等于零，故在此不再展開敘述。

為防止由于EV并網(wǎng)數(shù)量的逐漸增長而加大了RIES的調(diào)度壓力，引入電動汽車聚合商（electric vehicle aggregator，EVA）實現(xiàn)調(diào)度中心與EV用戶之間信息流及資金流的分層控制。基于EVA的分層調(diào)控機(jī)制原理如圖5所示。

圖5 基于EVA的分層調(diào)控機(jī)制原理Fig.5 Hierarchical regulation mechanism based on EVA

4 源荷協(xié)調(diào)消納風(fēng)電機(jī)理

經(jīng)上述分析可知，在源側(cè)引入CSP以及在荷側(cè)合理調(diào)度EV均可提升系統(tǒng)的風(fēng)電消納水平，但這二者也存在一定局限。

1）若系統(tǒng)僅在源側(cè)引入CSP時，考慮到CSP的建造成本較高，如果單純依靠CSP打破CHP機(jī)組“以熱定電”約束來擴(kuò)大風(fēng)電的并網(wǎng)空間，并不能使系統(tǒng)的經(jīng)濟(jì)效益最大化。

2）若系統(tǒng)僅在荷側(cè)調(diào)度EV時，考慮到EV的調(diào)節(jié)范圍受制于用戶出行習(xí)慣的影響，且未從根本上實現(xiàn)CHP機(jī)組的熱電解耦，故當(dāng)風(fēng)電出力很高時，EV的調(diào)節(jié)效果并不理想。

本文考慮通過2種調(diào)度策略的協(xié)同配合，在達(dá)到源荷協(xié)調(diào)消納風(fēng)電目標(biāo)的同時，最大化系統(tǒng)的經(jīng)濟(jì)效益。基于CSP與EV的源荷協(xié)調(diào)消納風(fēng)電機(jī)理如圖6所示。由圖6可知，當(dāng)夜間風(fēng)電出力較高時，因為CHP機(jī)組“以熱定電”約束壓縮了風(fēng)電的并網(wǎng)空間，造成系統(tǒng)的棄風(fēng)量較多。CSP的引入不僅能夠緩解CHP的電熱耦合，還能利用EH將部分風(fēng)電轉(zhuǎn)化為熱功率并存儲于TES內(nèi)。同時，有序充電狀態(tài)下的EV，在接收到EVA的控制指令后，也可以通過提高電負(fù)荷低谷的用電需求來協(xié)助CSP擴(kuò)大風(fēng)電的并網(wǎng)空間；而V2G狀態(tài)下的EV，由于放電深度的增加，進(jìn)一步提高了負(fù)荷低谷的用電量，因此RIES的棄風(fēng)量將在源荷協(xié)調(diào)策略下維持在較低水平。

圖6 源荷協(xié)調(diào)應(yīng)對風(fēng)電消納分析Fig.6 Analysis of coordinated source-load response to wind power consumption

以上分析為風(fēng)電位于某一高峰時段內(nèi)源荷雙側(cè)協(xié)調(diào)調(diào)度的優(yōu)勢。當(dāng)風(fēng)電位于低谷時，其協(xié)調(diào)配合機(jī)理如圖7所示。由圖7可知，當(dāng)風(fēng)電位于低谷時，CSP可以利用光熱功率降低CHP機(jī)組的電出力，但由于EV無序充電負(fù)荷較大，致使CSP的投資成本較高，系統(tǒng)的經(jīng)濟(jì)性欠佳。在EV有序充電模式下，通過轉(zhuǎn)出用電高峰期部分EV的充電功率，可以適當(dāng)減少CSP的投資成本；而當(dāng)EV處于V2G模式時，EV電能的高效反饋能夠協(xié)助RIES進(jìn)一步降低CSP各設(shè)備的配置容量，從而促使系統(tǒng)的經(jīng)濟(jì)效益最優(yōu)。

圖7 源荷協(xié)調(diào)應(yīng)對風(fēng)電不足分析Fig.7 Analysis of coordinated source-load response to wind power shortage

綜上所述，合理利用荷側(cè)的EV調(diào)度資源配合源側(cè)CSP協(xié)調(diào)運(yùn)行，能夠在有效降低系統(tǒng)棄風(fēng)量的同時，提升RIES的調(diào)度靈活性以及運(yùn)行經(jīng)濟(jì)性。

5 區(qū)域綜合能源系統(tǒng)源荷協(xié)調(diào)優(yōu)化模型

5.1 RIES確定性調(diào)度模型

RIES總調(diào)度成本Ftotal由運(yùn)行成本FOP和CSP日投資成本Finv組成，各成本為：

式中：FGE為購能成本；pGS.t為t時段購氣價格；FGT.t為t時段GT耗氣量；Pbuy.t、Psell.t分別為t時段RIES與外網(wǎng)的聯(lián)絡(luò)電量；pbuy.t、psell.t分別為外網(wǎng)的聯(lián)絡(luò)電價。

式中：FOM為運(yùn)維成本；Pi.t為t時段第i個設(shè)備出力值；ki為第i個設(shè)備單位運(yùn)維成本。

式中：FEN為環(huán)境成本；PGT.t為t時段GT產(chǎn)電量；ρGT為GT單位發(fā)電量所產(chǎn)生的CO2量；ρbuy為RIES從外網(wǎng)購買單位電量所產(chǎn)生的CO2量；σg為單位CO2的治理成本。

式中：FWS為棄風(fēng)懲罰成本；σQ為單位棄風(fēng)量的懲罰成本；Pws.t為t時段棄風(fēng)量。

式中：FDR為需求響應(yīng)成本；δEV、δDLC、δTL、δDHC以及δTH分別為EV放電補(bǔ)償系數(shù)、用戶削減和轉(zhuǎn)移電、熱負(fù)荷的補(bǔ)償系數(shù)；PDLC.t、PTLD.t、HDHC.t以及HTHD.t分別為用戶削減和轉(zhuǎn)出的電、熱負(fù)荷功率。

式中：r為貼現(xiàn)率；Y為使用年限；Cpinv、Chinv和Pcsp.inv、ETS.inv分別為CSP發(fā)電裝置、儲熱裝置的單位投資成本以及配置容量。

5.2 計及CVaR的RIES不確定性調(diào)度模型

由于CSP能夠利用TES的儲熱量平抑光照輻射指數(shù)預(yù)測誤差的影響，同時考慮到EV的日行駛里程、返回時刻等數(shù)據(jù)本身就來自于蒙特卡洛抽樣，故本文不確定因素僅含風(fēng)電及電負(fù)荷2類[24]。

RIES經(jīng)濟(jì)調(diào)度的CVaR表達(dá)式為：

式中：ξ為計算CVaR引入的決策變量，其最優(yōu)值為風(fēng)險價值；λ為置信水平；K表示場景集；ρk為某一場景的概率；ψ為成本損失函數(shù)，其表達(dá)式為ψ=(Ftotal.k-FYC)+，F(xiàn)total.k為場景k時RIES的總成本，F(xiàn)YC為預(yù)計成本，(x)+=max(x,0)。

將RIES的“期望運(yùn)行成本”和“平均風(fēng)險損失成本”通過風(fēng)險偏好系數(shù)聯(lián)系起來，即可得到計及CVaR的總體目標(biāo)函數(shù)為：

式中：β為風(fēng)險偏好系數(shù)。

5.3 約束條件

1）電功率平衡約束為：

式中：PGT.t、Pwl.t分別為t時段GT發(fā)電量和風(fēng)電消納量；Pload.t為t時段電負(fù)荷功率；PESC.t、PESD.t分別為t時段電儲能的充、放電功率；PTLC.t為t時段經(jīng)需求響應(yīng)轉(zhuǎn)入的電負(fù)荷功率。

2）熱功率平衡約束為：

式中：HHB.t為t時段余熱鍋爐產(chǎn)熱功率；HTHC.t為t時段經(jīng)需求響應(yīng)轉(zhuǎn)入的熱負(fù)荷功率。

3）聯(lián)絡(luò)線約束包括售電約束與購電約束：

式中：Pbuy.max、Psell.max分別為RIES購、售電功率上限。

4）CSP的熱電轉(zhuǎn)換及熱能傳遞約束如2.1節(jié)CSP模型所示，除此之外還包括設(shè)備出力約束以及容量配置約束等。

式中：Pcsp.max、ETS.max分別為CSP發(fā)電裝置及儲熱裝置的配置容量上限；Pcsp.min分別為CSP電出力最小值，Rup.csp、Rdn.csp分別為CSP發(fā)電裝置爬坡上、下限。

5）EH約束為：

式中：PEH.max、PEH.min分別為EH出力上、下限。

6）風(fēng)電出力約束為：

式中：Pw.t為t時段風(fēng)電出力預(yù)測值。

7）電儲能約束為：

式中：SES.t為t時段ES容量；σESloss和ηESC、ηESD分別為ES的自損耗系數(shù)及充、放電效率；SES.0、SES.T分別為ES初始容量與調(diào)度周期結(jié)束時的容量；PESC.max、PESD.max分別為ES充、放電功率最大值；SES.max、SES.min分別為ES容量上、下限。

8）CHP出力約束與爬坡約束為：

式中：ηGT、ηL分別為GT產(chǎn)電效率與散熱損失系數(shù)；LHV為天然氣低熱值；HGT.t為t時段GT的產(chǎn)熱量；PGT.max、PGT.min分別為GT出力上、下限；Rup.GT、Rdn.GT分別為GT爬坡上、下限；ηHB為余熱鍋爐效率。

9）本文電熱負(fù)荷均由固定負(fù)荷、可削減與可轉(zhuǎn)移負(fù)荷構(gòu)成，約束條件包括可削減、可轉(zhuǎn)移負(fù)荷最值約束以及用戶滿意度約束。考慮到文章篇幅限制，此處不再詳細(xì)展開，具體約束可參考文獻(xiàn)[25]。

6 算例分析

為驗證本文源荷協(xié)調(diào)優(yōu)化策略對提升系統(tǒng)風(fēng)電消納水平的有效性，選取西北地區(qū)某RIES為研究對象，利用CPLEX對4種不同的確定性場景進(jìn)行優(yōu)化求解，各場景設(shè)置見表1。其中，RIES內(nèi)各設(shè)備參數(shù)見表2，新能源及電、熱負(fù)荷功率預(yù)測值如圖8所示，分時購能價格如圖9所示。

表1 4種不同的確定性場景Tab.1 Four different deterministic scenarios

表2 RIES各設(shè)備參數(shù)Tab.2 RIES equipment parameters

圖8 預(yù)測功率Fig.8 The predicted power

圖9 能源交易價格Fig.9 The energy transaction prices

針對其中棄風(fēng)量最小且總成本最優(yōu)的場景做不確定性調(diào)度研究。以風(fēng)電及電負(fù)荷每時刻預(yù)測量為均值，0.2為標(biāo)準(zhǔn)差，通過蒙特卡洛以及K-means聚類分析法共獲取100種調(diào)度場景，據(jù)此分析RIES所面臨的風(fēng)險損失。

6.1 確定性場景調(diào)度結(jié)果分析

6.1.1 各場景優(yōu)化結(jié)果對比分析

表1中4種確定性場景的優(yōu)化結(jié)果對比見表3。

表3 各場景優(yōu)化結(jié)果對比Tab.3 The optimization results in each scenario

對比表3中場景2與場景1的優(yōu)化結(jié)果，驗證了CSP對提升系統(tǒng)風(fēng)電消納能力的有效性。若單純依靠用戶側(cè)可轉(zhuǎn)移、可削減負(fù)荷的需求響應(yīng)能力，并不能有效應(yīng)對高比例新能源并網(wǎng)帶來的調(diào)峰壓力。而在源側(cè)引入CSP配合CHP機(jī)組協(xié)同運(yùn)行后，一方面CSP作為靈活可控的熱源，可以在降低CHP機(jī)組供熱壓力的同時為風(fēng)電并網(wǎng)騰出空間，使RIES的風(fēng)電消納量提升了36.5%；另一方面CSP還能利用發(fā)電裝置的熱電轉(zhuǎn)換能力協(xié)助CHP機(jī)組維持電力平衡，使系統(tǒng)的購能成本降低了37.7%。

對比表3中場景2至場景4的優(yōu)化結(jié)果，佐證了合理調(diào)度負(fù)荷側(cè)的EV對提升系統(tǒng)風(fēng)電消納能力的促進(jìn)作用。當(dāng)EV并網(wǎng)方式由無序充電逐次轉(zhuǎn)換為有序充電及V2G后，RIES有效發(fā)揮了柔性負(fù)荷資源的可調(diào)節(jié)能力，使得系統(tǒng)的購能成本分別降低了10.7%、17.2%，總調(diào)度成本下降了16.1%、25.2%，并且風(fēng)電消納量也分別提升了10.9%、19.1%。

綜合對比場景1至場景4的優(yōu)化結(jié)果，可體現(xiàn)本文所提源荷協(xié)調(diào)優(yōu)化策略的優(yōu)越性如下。

1）棄風(fēng)消納方面 在源側(cè)通過利用CSP打破CHP機(jī)組“以熱定電”運(yùn)行約束，充分釋放了CHP機(jī)組的調(diào)峰能力；在荷側(cè)通過調(diào)度V2G并網(wǎng)模式下充電需求更高的EV，有效彌補(bǔ)了電負(fù)荷在風(fēng)電高峰期的匱乏。在二者聯(lián)合作用下，場景4的棄風(fēng)量相對于場景1減少了55.6%。

2）經(jīng)濟(jì)效益方面 雖然場景4的運(yùn)維成本相比場景1有所增加，但由于CSP及EV能夠協(xié)助CHP機(jī)組維持功率平衡，使系統(tǒng)的購能成本相比于場景1降低了48.4%。此外，通過合理利用需求側(cè)的大規(guī)模EV群進(jìn)行有序充放電，CSP的投資成本相比場景2降低了26.3%。二者聯(lián)合可使場景4的總成本優(yōu)于其他各個場景。

6.1.2 EV并網(wǎng)方式對CSP容量配置的影響分析

場景2至場景4中CSP各設(shè)備的容量配置結(jié)果見表4，圖10為上述場景中的EV充放電功率曲線對比。

表4 CSP各設(shè)備容量配置結(jié)果對比 單位：kWTab.4 The CSP configuration results

圖10 EV充放電功率Fig.10 Charge and discharge power of EV

由圖10可知：

1）場景2中RIES只能利用TES在夜間放熱來降低系統(tǒng)的棄風(fēng)率，調(diào)控手段較為單一，致使TES的配置要求達(dá)到2 739 kW。另外，無序充電模式的反調(diào)峰特性又增加了CSP發(fā)電裝置的配置容量，因而在場景2中CSP的投資成本最高。

2）場景3相比于場景2，引入有序充電模式后，CSP的建造成本下降了4.68%。這是因為：在有序充電模式下，EVA接收到RIES的控制指令后，轉(zhuǎn)移了處于電負(fù)荷高峰期的EV充電功率，從而令CSP發(fā)電裝置的配置容量降低了4.71%；此外，轉(zhuǎn)移到夜間的EV充電功率增加了01:00—06:00負(fù)荷低谷的用電量，進(jìn)而使TES的配置容量降低了4.60%。

3）場景4相比于場景3，引入V2G策略后，CSP的建造成本降低了22.7%。總體看，V2G狀態(tài)下的EV不僅可以做到充電負(fù)荷的有序轉(zhuǎn)移，還能在電負(fù)荷較高時段實現(xiàn)電池能量的高效反饋。由于EV放電深度的增加使01:00—06:00的電能需求進(jìn)一步升高，CHP的電熱耦合程度得到了有效改善，從而大幅降低了CSP各設(shè)備的配置容量。

6.1.3 各場景設(shè)備出力對比分析

1）場景1調(diào)度結(jié)果分析

場景1為傳統(tǒng)模型，調(diào)度周期內(nèi)電負(fù)荷主要由CHP機(jī)組、風(fēng)機(jī)、ES以及聯(lián)絡(luò)功率協(xié)同供給，熱負(fù)荷通過余熱鍋爐吸收GT的高溫余熱來滿足，具體調(diào)度結(jié)果如圖11所示。由圖11可見：由于固定熱電比約束限制了CHP機(jī)組的調(diào)峰能力，造成23:00—24:00、01:00—06:00 2個時段CHP機(jī)組的耦合發(fā)電量較多，此時因聯(lián)絡(luò)功率達(dá)到了傳輸容量上限，富足風(fēng)電功率被迫棄用；11:00—16:00熱負(fù)荷及風(fēng)電出力位于低谷，考慮到CHP機(jī)組不能靈活參與供電調(diào)節(jié)，剩余電負(fù)荷則需通過向外部電網(wǎng)購電予以滿足；17:00—20:00電負(fù)荷處于高峰，而EV的無序充電行為進(jìn)一步加大了系統(tǒng)的調(diào)度壓力，導(dǎo)致系統(tǒng)的供能可靠性及運(yùn)行經(jīng)濟(jì)性較差。

圖11 場景1調(diào)度結(jié)果Fig.11 Scheduling results in scenario 1

2）場景2調(diào)度結(jié)果分析

將含TES和EH的CSP引入傳統(tǒng)模型后，CSP可與CHP協(xié)同供給電、熱負(fù)荷需求，具體調(diào)度結(jié)果如圖12所示。

圖12 場景2調(diào)度結(jié)果Fig.12 Scheduling results in scenario 2

由圖12可知：10:00—17:00光照輻射熱量充足，CSP一方面利用其熱電轉(zhuǎn)換能力配合CHP維持電力平衡，另一方面將盈余的光熱功率存儲于TES內(nèi)；23:00—24:00、01:00—07:00熱負(fù)荷及風(fēng)電出力均處于峰值，為加大RIES的風(fēng)電并網(wǎng)空間，CSP不僅能夠使用EH消納部分棄風(fēng)量，還能利用TES存儲的熱量協(xié)助CHP實現(xiàn)熱電解耦，從而使CHP能夠靈活參與供電調(diào)節(jié)。由此可知：通過合理利用CSP熱能時移的特性以及電熱雙向轉(zhuǎn)換的能力，可以達(dá)到“以可再生能源消納可再生能源”的目的。

3）場景3調(diào)度結(jié)果分析

場景3在場景2的基礎(chǔ)上引入了EV有序充電并網(wǎng)模式，增加了負(fù)荷側(cè)的調(diào)度靈活性，具體調(diào)度結(jié)果如圖13所示。由圖13可見：在01:00—06:00、23:00—24:00這2個時段內(nèi)，EV在RIES的引導(dǎo)下將充電功率轉(zhuǎn)移至負(fù)荷低谷處理，與CSP共同作用進(jìn)一步降低了系統(tǒng)的棄風(fēng)率；此外，由于在17:00—20:00的購能價格較高，而峰時負(fù)荷的轉(zhuǎn)移減少了RIES的購能成本，因此系統(tǒng)的調(diào)度經(jīng)濟(jì)性也有所提高。

圖13 場景3調(diào)度結(jié)果Fig.13 Scheduling results in scenario 3

4）場景4調(diào)度結(jié)果分析

根據(jù)本文所提調(diào)度模型，優(yōu)化得出場景4下的各設(shè)備電、熱出力如圖14、圖15所示。由圖14、圖15可知，11:00—15:00熱負(fù)荷處于低谷而電負(fù)荷相對較大?？紤]到該時段的購氣價格較高，為減少系統(tǒng)的購氣成本，CSP將利用充裕的光照輻射熱量持續(xù)運(yùn)行在最高電出力水平；此外，EVA也在RIES的調(diào)度指令下加大了EV的電能反饋力度，二者聯(lián)合使CHP運(yùn)行在最小出力狀態(tài)。

圖14 場景4各設(shè)備電出力Fig.14 The electric output of devices in Scenario 4

圖15 場景4各設(shè)備熱出力Fig.15 The thermal output of devices in Scenario 4

18:00—20:00電負(fù)荷處于高峰，而熱負(fù)荷相對較小。鑒于固定熱電比約束限制了傳統(tǒng)CHP的發(fā)電量，又加之RIES為滿足EV的出行需求不再調(diào)度其進(jìn)行大規(guī)模放電，因此，為提高RIES的供能可靠性，CSP一方面通過TES從熱網(wǎng)吸收熱量以加大CHP的電出力，另一方面利用其發(fā)電單元為系統(tǒng)補(bǔ)發(fā)缺額的電能。

23:00—24:00、01:00—07:00熱負(fù)荷位于峰值，電負(fù)荷位于谷值。RIES將大規(guī)模EV的充電功率轉(zhuǎn)移到該時段，并利用CSP協(xié)助CHP參與供熱，同時令CSP保持最小電出力來為夜間高發(fā)的風(fēng)電騰出并網(wǎng)空間。盈余的風(fēng)電量還能通過ES與EH的能量轉(zhuǎn)換特性存儲于系統(tǒng)內(nèi)，有效提高了RIES的可再生能源利用率。

CSP儲熱裝置充放熱情況如圖16所示。結(jié)合圖16和上述分析可知：23:00—24:00、01:00—07:00 TES在CSP內(nèi)部的充熱量主要來自于EH的電熱轉(zhuǎn)換，由于此時TES需要向熱網(wǎng)釋放熱能以配合CHP實現(xiàn)熱電解耦，因此TES儲熱狀態(tài)將處于較低水平；10:00—16:00CSP吸收到的光熱功率遠(yuǎn)高于熱網(wǎng)所需的放熱功率，TES的儲熱狀態(tài)將逐漸上升至最大值；18:00—20:00光熱功率下降，TES不斷從熱網(wǎng)吸收熱量，使儲熱狀態(tài)維持在較高水平，進(jìn)而為夜間提高RIES的風(fēng)電消納量奠定了基礎(chǔ)。

圖16 儲熱裝置充放熱情況Fig.16 Charging and discharging situation of thermal energy storage device

6.2 不確定性調(diào)度結(jié)果分析

由上述分析可知，場景4具有良好的經(jīng)濟(jì)效益和環(huán)保價值，因此在該場景中引入CVaR以分析由風(fēng)電及電負(fù)荷預(yù)測誤差引起的風(fēng)險損失，具體優(yōu)化結(jié)果如圖17、圖18所示。

圖17不同置信水平下的總成本Fig.17 Total cost at different confidence levels

圖18 各因素下的風(fēng)險損失成本Fig.18 Risk loss costs with various factors

置信水平代表了調(diào)度人員對風(fēng)險損失的重視程度。由圖17可見，預(yù)計成本為7 500元，當(dāng)置信水平從0.05依次升高至0.95時，總成本從9 345元逐步增長至9 585元。置信水平越高，表示RIES的最大損失超出平均風(fēng)險損失的可能性越小。當(dāng)置信水平為0.9時，計算得到風(fēng)險損失成本為1 244元，這意味著在未來24 h內(nèi)，調(diào)度人員有90%的把握保證在調(diào)度周期內(nèi)最大損失不會超過1 244元。

預(yù)計成本能夠映射調(diào)度人員面對風(fēng)險損失的保守程度。由圖18可知，取置信水平為0.6，當(dāng)預(yù)計成本從7 500元不斷增長至8 300元時，風(fēng)險損失成本將從1 156元逐步降低為356元。由此表明：引入CVaR后，調(diào)度人員能通過犧牲一定的經(jīng)濟(jì)效益來應(yīng)對不確定性預(yù)測誤差造成的風(fēng)險影響。

7 結(jié) 論

為有效應(yīng)對高比例可再生能源并網(wǎng)帶來的調(diào)峰壓力，本文提出一種基于光熱電站與電動汽車源荷協(xié)調(diào)優(yōu)化以降低棄風(fēng)量的調(diào)度策略。在此基礎(chǔ)上，構(gòu)建了計及CVaR的不確定性優(yōu)化調(diào)度模型，并探討了EV不同并網(wǎng)方式對CSP建造成本的影響。算例結(jié)果表明：

1）將光熱電站與電動汽車源荷協(xié)調(diào)優(yōu)化策略引入RIES后，系統(tǒng)的總調(diào)度成本明顯下降，并在兼顧運(yùn)行可靠性的前提下實現(xiàn)了風(fēng)電的有效消納，滿足了現(xiàn)代化綠色能源利用理念的需求。

2）采用光熱電站與熱電聯(lián)產(chǎn)機(jī)組聯(lián)合運(yùn)行能夠有效擴(kuò)大電熱供應(yīng)范圍，合理應(yīng)對多種負(fù)荷場景，既提高了RIES的調(diào)度靈活性，又達(dá)到了促進(jìn)風(fēng)電消納、節(jié)能減排的目的。

3）處于V2G并網(wǎng)模式下的EV能夠使源荷之間的協(xié)調(diào)能力最大化，不僅可以有效配合CSP減少RIES的棄風(fēng)量，還能在優(yōu)化運(yùn)行中合理降低CSP的投資建造成本。

4）條件風(fēng)險價值能夠衡量系統(tǒng)所面臨的潛在風(fēng)險，置信水平越高、預(yù)計成本越低將會導(dǎo)致系統(tǒng)的損失成本越大。調(diào)度人員可根據(jù)實際情況選取合適的置信水平及預(yù)計成本值，從而采取相應(yīng)的調(diào)度策略以降低系統(tǒng)的風(fēng)險損失。