計及碳交易與需求響應的綜合能源系統優化研究

郝浩偉，周博文，張馨文

(1.東北大學電氣工程系，遼寧 沈陽 110004；2.國網上海超高壓公司，上海 200063)

隨著社會發展，能源危機與環境惡化日益嚴重，因此積極開發利用可再生能源(renewable energy sources, RES)已經成為必然趨勢[1]。綜合能源系統(integrated energy system, IES)能實現多種能源的協調管理與耦合互補，有效提高RES的利用率[2]。

在國家實現“雙碳”目標的背景下，多能流IES已經成為碳減排的重要載體[3]。在文獻[4]中，碳交易機制被引入到多能流系統的優化運行中，并且研究了碳價格對系統運行的影響，但是其對于碳交易成本的建模過于簡單。文獻[5-6]對傳統碳交易模型進行了改進，建立了階梯型碳交易成本模型，但是在對系統中設備碳排放量建模時考慮不夠全面，部分設備對系統總碳排放量的影響沒有考慮進去，同時也沒考慮需求響應對于系統優化運行的作用。

負荷需求響應(load demand response，LDR)通過分時電價或經濟激勵，充分激發用戶側負荷的靈活性，使得達到削峰填谷的效果[7]。文獻[8]將基于時間價格激勵的需求響應引入到多能源樞紐的協作運行中。文獻[9]通過經濟激勵的方式去使得用戶改變自身用能行為。但是文獻[8-9]都對于負荷需求響應的建模過于簡單，無法充分發揮需求響應的作用。此外，上述文獻均只考慮了單目標優化，存在難以協調多個調度需求的缺陷。

針對上述不足，本文提出了一種綜合考慮碳交易與負荷需求響應的IES多目標優化模型。首先，全面考慮了IES中各設備對于碳排放的影響，建立了一種具有獎勵系數的獎懲階梯型碳交易成本模型。然后，按照電熱負荷的柔性特性與調度潛力，將負荷詳細地分為多種類型，構建了電熱負荷綜合需求響應模型。然后，建立了以IES運行成本最低和棄風棄光量最少為目標的多目標優化運行模型。最后，通過多方案對比，驗證了所提方法的有效性。

1 IES結構和建模

1.1 IES結構

本文中的IES包括風力發電機(wind turbine, WT)、光伏面板(photovoltaic panel, PV)、熱電聯產單元(combined heat and power，CHP)、燃氣鍋爐(gas boiler, GB)、電制氣單元(power to gas, P2G)、儲電裝置(energy storage, ES)、儲熱裝置(heat storage, HS)以及用戶側電熱負荷。CHP包括微燃機(micro gas turbine, MT)和余熱鍋爐(heat recovery boiler, HRB)。此外，IES也分別與外部電網及天然氣網相連。IES基本結構如圖 1 所示。

1.2 儲能裝置模型

(1)

(2)

因此，ES與HS的輸出功率分別可表示為

(3)

(4)

1.3 碳交易成本模型

碳交易機制使得碳排放權能夠被買賣，從而達到控制碳排放量的目的。政府首先為企業分配初始的免費碳排放額度。如果企業在實際生產中碳排放量低于碳配額，則可以在碳交易市場上將多余的碳額度進行出售，從而獲得一定的收益。如果實際碳排放量超出碳配額，則企業需要額外購買碳額度。本文中的IES碳排放額的初始分配由從外部電網購電、GB和CHP決定。

本文將CHP的發電量轉化為等效的產熱量，其碳配額根據等效產熱量進行計算。系統初始碳排放額可表示為

(5)

系統實際碳排放量由整個能源系統電力和天然氣的消耗量決定。同時，考慮到P2G在電-氣轉換過程中需要CO2作為原料，因此認為P2G運行期間吸收的CO2也參與了碳交易。系統實際碳排放量為

(6)

在傳統碳排放交易機制的基礎上，本文提出了一種具有獎勵系數的獎懲階梯型碳交易成本模型。

(7)

式中：CCO2為系統的碳交易成本；FCO2為碳交易價格；γ為獎勵因子；d為碳排放量間隔長度；ρ為碳交易中每一步的價格增長；Ep為碳減排目標值。

1.4 負荷需求響應模型

本文的負荷需求響應(load demand response，LDR)基于用戶側的負荷特性，將負荷分為不可控負荷(uncontrollable load，UL)與可控負荷(controllable load, CL)，其中CL又可分為時間可轉移負荷(time transferable load, TTL)，數量可削減負荷(quantity reducible load, QRL)和能量可替代負荷(energy fungible load，EFL)。

1.4.1 TTL模型

TTL表示用戶將能源價格高峰期時的負荷轉移至價格低峰期，且調度時期內總負荷不變。根據分時能源價格與初始能源價格之比來構造TTL價格需求彈性矩陣。

(8)

(9)

從而，轉移負荷量可表示為

(10)

為保證TTL轉移前后其總量不變，應滿足以下條件：

(11)

1.4.2 QRL模型

QRL表示通過削減電力峰值時的用電量，從而減少供能壓力。QRL價格需求彈性矩陣可表示為對角陣：

(12)

(13)

從而，削減負荷量可表示為

(14)

1.4.3 EFL模型

EFL表示部分負荷可由其他形式的能源代替，本文考慮電熱負荷之間可以相互轉化。其模型可表示為

(15)

2 IES多目標優化模型

2.1 目標函數

本文分別以IES總運行成本最小與棄風棄光電量最少為目標，建立目標函數。

2.1.1 目標函數1(總運行成本最小)

minf1=Cen+Com+Cpo+CCO2

(16)

式中：f1為總運行成本；Cen為購能成本；Com為設備運維成本；Cpo為污染物處理成本。

a.購能成本

(17)

式中：Cele與Cgas分別為購電與購氣價格。

b.設備運維成本

(18)

c.污染物處理成本

系統運行過程中會產生SO2、NOx以及可吸入顆粒物PM2.5等污染物，主要包括從電網購電的污染物排放，CHP發電和GB產熱的污染物排放[10]，污染物處理成本可表示為

(19)

式中：φgrid、φMT與φGB分別為購電、CHP發電和GB產熱單位功率的污染物治理成本。

2.1.2 目標函數2(棄風棄光量最少)

系統中棄風棄光量由風光預測出力與系統實際消納風光功率之差表示：

(20)

2.2 約束條件

2.2.1 安全約束

(21)

(22)

(23)

2.2.2 設備運行特性約束

(24)

(25)

(26)

(27)

(28)

(29)

(30)

式中：PMT,max為MT出力的上限;WES,max與WES,min為ES的最大、最小充電容量；PES,max為ES的最大輸出功率。

2.3 求解方法

本文采用基于多目標粒子群算法(niche multi-objective particle swarm optimization，NMOPSO)對IES多目標優化模型進行求解[11]。NMOPSO能夠快速收斂至Pareto最優解集，同時還能保證解的多樣性。

3 算例分析

3.1 數據輸入

本文以東北某地區典型日的風光出力和電熱負荷為案例仿真輸入數據，來驗證所提出方法有效性。規定調度周期為24 h，步長為1 h。圖2給出了預測電熱負荷和風光最大出力數據。圖3為分時電價。購氣價格為2.83元/m3。在未考慮LDR之前，IES向用戶售電的初始電價為0.78元/kWh，售熱價格為0.37元/kWh。設TTL、QRL、EFL與UL占總負荷的比例分別為20%、20%、10%與50%。

3.2 仿真結構分析

3.2.1 Pareto最優解

經NMOPSO計算得到的Pareto前沿解如圖4所示。

為了得出與最優水平(2個目標函數均為最小)最接近的方案，本文采取TOPSIS法來確定唯一的折中方案。先求出Pareto解集中各解與最優水平的接近指數，接近指數越大，與最優水平越接近。假設運行成本與棄風棄光率有相同的權重，由TOPSIS法決策得到Pareto最優解集中次序前5的解見表1。將次序1的解作為本文IES優化運行的最佳方案。

表1 由決策得到的Pareto集的前5個解

3.2.2 方案對比

為了研究LDR與碳排放模型在IES中的影響，分別針對有無LDR以及不同類型碳排放模型設置了4個方案進行仿真分析。針對各方案下的Pareto前沿解集，都采用TOPSIS法來確定唯一折中方案。

方案1：采用傳統的基于統一碳交易成本的模型[12]，但未計及LDR；

方案2：采用傳統的基于統一碳交易成本的模型，并且計及LDR；

方案3：采用具有獎勵系數的獎懲階梯型碳交易成本模型，但未計及LDR；

方案4：采用具有獎勵系數的獎懲階梯型碳交易成本模型，并且計及LDR。

仿真結果見表2。方案2、4相比于未考慮 LDR的方案1、3而言，考慮 LDR 的方案中總成本和棄風棄光量都有減少。原因是用戶在參與LDR后，主動調整自身電熱負荷用能方式，將部分電負荷與熱負荷轉移到電價熱價低峰期，同時削減一定量的電熱負荷，并且電熱負荷之間能相互替代與轉化；用戶主動調整自身負荷用能，使得系統可以盡可能多的消納RES，有效減少棄風棄光量。同時可以看出，相比于采用傳統碳交易模型的方案1、2，采用具有獎勵系數的獎懲階梯型碳交易成本模型的方案3、4的碳排放量和碳交易成本都有減少，可知本文所提碳交易模型能嚴格控制碳排放量與碳成本。綜上，充分驗證了本文所提方法的有效性。

表2 4種方案的仿真結果

圖5為方案4中引入LDR前后用戶向IES購電購熱的初始電熱價與分時電熱價,可以看出都發生了顯著變化。

圖6(a)與圖6(b)分別為方案4中用戶參與LDR前后電熱負荷曲線與對應的各類負荷變化量。可以看出，電熱TTL在高能源價格時段將部分負荷轉移到低能源價格時段；電熱QRL也在高能源價格時段將部分負荷數量進行削減；EFL在高電價時段與低熱價時段將部分電負荷轉化為熱負荷，在低電價時段與高熱價時段部分熱負荷轉化為電負荷。通過LDR的作用，有效地調整了各時段電熱負荷量，達到了削峰填谷的作用，使得用戶總體日負荷曲線與RES出力之間具有一致性。

圖7與圖8為方案4中各系統元件的能量調度結果。由圖7可知，在用戶電負荷需求較小的時期，電負荷需求主要由CHP、WT與PV滿足，同時剩余的電量被ES儲存；在電負荷需求高峰期，電負荷需求除了由CHP、WT、PV滿足外，還需要通過電網購電和ES放電來滿足。 由圖8可知，用戶熱負荷需求較小時，熱負荷需求主要由CHP與GB產熱來滿足；用戶熱需求較大時，熱負荷需求除了由CHP與GB產熱滿足外，還需要通過HS放熱來滿足。

4 結論

a.在保證IES經濟運行的前提下，考慮LDR可以提高RES的利用效率，并且對環境保護也起到了積極作用。

b.與統一碳成本計算模型相比，基于獎懲的階梯型碳成本計算模型可以顯著降低碳排放量和碳交易成本，同時也提高了IES經濟性。