基于多目標(biāo)優(yōu)化算法的綜合能源循環(huán)運(yùn)行控制策略研究

劉曌煜，王 蕾，王 坤

（國網(wǎng)浙江省電力有限公司經(jīng)濟(jì)技術(shù)研究院，浙江杭州 310008）

國家“碳達(dá)峰、碳中和”戰(zhàn)略的實(shí)施，對低碳能源消費(fèi)提出了更高的要求。隨著近幾年農(nóng)業(yè)的加速發(fā)展，農(nóng)業(yè)生產(chǎn)對各類能源的需求日益增長，但目前農(nóng)業(yè)能源資源的不合理分配，造成其生產(chǎn)成本較高，且不利于快速發(fā)展。同時(shí)，對本地豐富的能源資源就地開發(fā)的利用程度也不夠充分[1-3]。在傳統(tǒng)農(nóng)業(yè)園區(qū)，農(nóng)業(yè)生產(chǎn)過程中產(chǎn)生的秸稈等廢料通常采用燃燒等方式處理，燃燒過程中產(chǎn)生的氣體會污染環(huán)境，而且秸稈中所蘊(yùn)含的生物質(zhì)能也被浪費(fèi)了。

近年來，綜合能源系統(tǒng)在工業(yè)園、校園等應(yīng)用廣泛。其通過多種能源形式的耦合優(yōu)化、合理配置，大幅提高能源綜合利用效率，促進(jìn)可再生能源的就地消納[4-8]，但目前綜合能源系統(tǒng)在農(nóng)業(yè)領(lǐng)域的應(yīng)用研究仍較少。針對這些問題，該文開展了農(nóng)業(yè)綜合能源循環(huán)系統(tǒng)的多目標(biāo)運(yùn)行控制研究，以期降低系統(tǒng)運(yùn)行成本，從而促進(jìn)清潔能源的就地消納。

1 農(nóng)業(yè)綜合能源循環(huán)系統(tǒng)結(jié)構(gòu)

該文構(gòu)建的典型農(nóng)業(yè)綜合能源循環(huán)系統(tǒng)結(jié)構(gòu)，如圖1 所示[9-11]。該系統(tǒng)涉及沼氣、電能、熱能和冷能等多種能源形式，包含沼氣燃?xì)廨啓C(jī)、余熱回收等多種設(shè)備。利用農(nóng)業(yè)生產(chǎn)、日常生活中產(chǎn)生的廢料，通過沼氣池發(fā)酵產(chǎn)生的沼氣為農(nóng)業(yè)園區(qū)供電、供冷/熱，實(shí)現(xiàn)能量的循環(huán)利用，從而有利于提高能源利用效率、就地消納光伏等分布式能源。

圖1 農(nóng)業(yè)綜合能源循環(huán)系統(tǒng)結(jié)構(gòu)

1）沼氣池利用秸稈、動物糞便等農(nóng)業(yè)生產(chǎn)廢料，通過微生物發(fā)酵產(chǎn)生沼氣，其數(shù)學(xué)模型如式（1）所示：

式中，MBD、rBD、VBD分別為沼氣池的產(chǎn)氣量、產(chǎn)氣率和容積。

2）沼氣燃?xì)廨啓C(jī)利用沼氣燃燒發(fā)電，同時(shí)產(chǎn)生的廢氣通過余熱回收可實(shí)現(xiàn)農(nóng)業(yè)園區(qū)的供熱，其數(shù)學(xué)模型如式（2）所示：

3）燃?xì)忮仩t利用沼氣燃燒為農(nóng)業(yè)園區(qū)供熱，其數(shù)學(xué)模型如式（3）所示：

4）余熱鍋爐相關(guān)數(shù)學(xué)模型如下：

5）電制熱相關(guān)數(shù)學(xué)模型如下：

6）電制冷相關(guān)數(shù)學(xué)模型如下：

7）蓄電池當(dāng)前時(shí)段儲存的電量與當(dāng)前時(shí)段的充放電功率及上一時(shí)段儲存的電量有關(guān)，關(guān)系如下：

8）儲熱器在燃?xì)廨啓C(jī)產(chǎn)熱過剩時(shí)儲存熱量，在熱負(fù)荷高峰時(shí)釋放熱量，其數(shù)學(xué)模型如下：

9）光伏發(fā)電功率與光照強(qiáng)度相關(guān)，其發(fā)電模型如下：

2 多目標(biāo)優(yōu)化運(yùn)行控制模型

2.1 經(jīng)濟(jì)性與環(huán)保性優(yōu)化

經(jīng)濟(jì)性目標(biāo)以總成本最小為優(yōu)化目的，總成本包括運(yùn)維成本以及從配電網(wǎng)購買電能的成本兩部分，計(jì)算方式如下：

式中，CTotal、COm、CE分別為農(nóng)業(yè)綜合能源循環(huán)系統(tǒng)的日運(yùn)行成本、設(shè)備維護(hù)費(fèi)用和購買電能費(fèi)用。

設(shè)備維護(hù)費(fèi)用COm與設(shè)備的輸出功率相關(guān)，計(jì)算方式如下：

式中，cOm,i為設(shè)備i的單位輸出功率的運(yùn)行維護(hù)成本，為t時(shí)段設(shè)備i的輸出功率。

購買電能成本CE計(jì)算方式如下：

式中，φ為農(nóng)業(yè)綜合能源循環(huán)系統(tǒng)的分布式能源消納率；為t時(shí)段光伏的調(diào)度出力。

2.2 約束條件設(shè)置

1）功率需求約束。系統(tǒng)需要滿足農(nóng)業(yè)生產(chǎn)生活中的電、熱和冷負(fù)荷需求，從而維持系統(tǒng)電、熱和冷功率的穩(wěn)定，具體表達(dá)如下：

2）設(shè)備最大出力約束。為避免損害系統(tǒng)中的沼氣熱電聯(lián)產(chǎn)設(shè)備、電制冷與電制熱等設(shè)備的使用壽命，其運(yùn)行過程中需要滿足最大出力約束：

3）蓄電池應(yīng)用約束。為了提高系統(tǒng)的運(yùn)行壽命，需要對蓄電池充放電功率與放電深度做一定限制，應(yīng)滿足以下約束條件：

4）儲熱器運(yùn)行約束。儲熱器運(yùn)行需要滿足以下約束條件：

5）光伏調(diào)度出力約束。光伏電池的實(shí)際調(diào)度出力值需滿足以下約束條件：

2.3 求解方法

對于農(nóng)業(yè)綜合能源循環(huán)系統(tǒng)多目標(biāo)運(yùn)行優(yōu)化模型，該文采用結(jié)合基于非支配排序算法與改進(jìn)遺傳算法（NSMGA）的求解方法進(jìn)行求解[12-13]。算法流程如圖2 所示。

圖2 基于NSMGA的多目標(biāo)優(yōu)化求解方法

主要包括以下步驟：

1）輸入算法初始化數(shù)據(jù)；

2）生成初始種群；

3）選擇、變異和交叉操作[14-16]；

4）計(jì)算進(jìn)行遺傳操作后的子代種群的適應(yīng)度值，并將其與父代種群合并；

5）精英保留選擇策略；

6）若滿足終止條件，則將最優(yōu)解作為結(jié)果輸出；否則，返回上一步驟。

3 算例驗(yàn)證與數(shù)值分析

為了驗(yàn)證所提算法的綜合性能，以某農(nóng)業(yè)園區(qū)夏季典型運(yùn)行日數(shù)據(jù)進(jìn)行仿真驗(yàn)證。該農(nóng)業(yè)園區(qū)電、熱和冷負(fù)荷數(shù)據(jù)如圖3 所示。電網(wǎng)分時(shí)電價(jià)如圖4 所示。

圖3 農(nóng)業(yè)園區(qū)電、熱和冷負(fù)荷數(shù)據(jù)

圖4 電網(wǎng)分時(shí)電價(jià)

3.1 不同優(yōu)化算法的結(jié)果對比

為驗(yàn)證該文所提NSMGA 算法的優(yōu)勢，將其與傳統(tǒng)NSGA 算法進(jìn)行對比，結(jié)果如表1 所示。在未優(yōu)化系統(tǒng)的情況下，運(yùn)行成本高達(dá)4 823 元，光伏消納率僅為68.7%。經(jīng)過該文所提算法優(yōu)化控制后，運(yùn)行成本降為2 728 元，光伏消納率提高至98.5%。另一方面，相比于傳統(tǒng)NSGA 算法，文中所提算法在運(yùn)行成本和光伏消納率上均更優(yōu)，這是因?yàn)樵撐乃崴惴ú捎梅侄问骄幋a和進(jìn)化操作，提高了算法的搜索能力，使求得的結(jié)果更加接近真實(shí)最優(yōu)值。

表1 不同優(yōu)化算法的結(jié)果對比

3.2 不同優(yōu)化目標(biāo)結(jié)果對比

為驗(yàn)證不同優(yōu)化目標(biāo)對優(yōu)化控制結(jié)果的影響，將該文所提模型與單目標(biāo)優(yōu)化模型進(jìn)行對比，結(jié)果如表2 所示。由表2 可知，該文所提的多目標(biāo)優(yōu)化控制結(jié)果與經(jīng)濟(jì)性目標(biāo)優(yōu)化控制結(jié)果相比，雖然在系統(tǒng)運(yùn)行成本上增加了76 元，但光伏消納率大幅提高，其由原先85.7%提高至98.5%；相比于環(huán)保性目標(biāo)優(yōu)化的控制結(jié)果，雖然光伏消納率降低了0.4%，但系統(tǒng)運(yùn)行成本顯著降低，共減少502 元。由此可見，該文所提出的算法能夠降低系統(tǒng)運(yùn)行成本，同時(shí)也兼顧到了系統(tǒng)的光伏消納率。

表2 單目標(biāo)優(yōu)化與多目標(biāo)優(yōu)化結(jié)果對比

4 結(jié)束語

文中開展了農(nóng)業(yè)綜合能源循環(huán)系統(tǒng)多目標(biāo)運(yùn)行控制策略研究，提出了基于NSMGA 的多目標(biāo)優(yōu)化算法。通過算例分析結(jié)果表明，文中所提算法相比于傳統(tǒng)NSGA 算法，其計(jì)算結(jié)果的準(zhǔn)確性更高；相比于單目標(biāo)優(yōu)化算法，能夠在降低系統(tǒng)運(yùn)行成本的同時(shí)，提高系統(tǒng)光伏消納率。但該文所提算法僅考慮確定性場景下農(nóng)業(yè)綜合能源循環(huán)系統(tǒng)的運(yùn)行控制，并未考慮農(nóng)業(yè)負(fù)荷、光伏發(fā)電等環(huán)境的不確定性。因此，如何在不確定性環(huán)境下，優(yōu)化農(nóng)業(yè)綜合能源循環(huán)系統(tǒng)的運(yùn)行控制，將在下一步研究中開展。