考慮設(shè)備風(fēng)險(xiǎn)和風(fēng)光不確定性的園區(qū)綜合能源隨機(jī)優(yōu)化運(yùn)行

聞天潤(rùn), 彭道剛*, 趙慧榮, 張浩

(1.上海電力大學(xué)自動(dòng)化工程學(xué)院, 上海 200090; 2.同濟(jì)大學(xué)電子與信息工程學(xué)院, 上海 201804)

在雙碳的背景下,構(gòu)建清潔、高效、利用率高的新型電力系統(tǒng)是中國現(xiàn)階段能源系統(tǒng)的主要發(fā)展目標(biāo)[1-2]。綜合能源系統(tǒng)(integrated energy system,IES)將多種能源進(jìn)行融合[3],能夠提高整體的能源使用效率,實(shí)現(xiàn)能源協(xié)調(diào)供給下的優(yōu)化運(yùn)行。在IES中因結(jié)合了多種設(shè)備使其運(yùn)行工況復(fù)雜,單個(gè)設(shè)施出現(xiàn)問題會(huì)導(dǎo)致增添檢修工作、供能中斷、安全事故等影響[4-5]。此外,由于可再生能源出力具有隨機(jī)性、間歇性、波動(dòng)性特點(diǎn),隨著IES中風(fēng)光發(fā)電占比的持續(xù)增加,其不確定性會(huì)對(duì)系統(tǒng)穩(wěn)定運(yùn)行造成影響,因此在對(duì)IES實(shí)現(xiàn)優(yōu)化運(yùn)行時(shí),需要同時(shí)考慮供能設(shè)備的運(yùn)行風(fēng)險(xiǎn)與可再生能源不確定性風(fēng)險(xiǎn)的處理。

目前,針對(duì)綜合能源系統(tǒng)運(yùn)行風(fēng)險(xiǎn)方面的研究已經(jīng)取得了一定的成果。文獻(xiàn)[6]根據(jù)電-氣系統(tǒng)的運(yùn)行特性,建立了風(fēng)機(jī)失效風(fēng)險(xiǎn)與耗能成本最小的多目標(biāo)模型,能夠在較少的經(jīng)濟(jì)損失下有效降低系統(tǒng)的運(yùn)行風(fēng)險(xiǎn),有利于系統(tǒng)安全運(yùn)行。文獻(xiàn)[7]對(duì)綜合能源關(guān)鍵設(shè)備采用兩狀態(tài)馬爾可夫模型,同時(shí)引入風(fēng)險(xiǎn)因子,描繪設(shè)備在風(fēng)險(xiǎn)狀態(tài)下的能流關(guān)系,刻畫了風(fēng)險(xiǎn)在系統(tǒng)中的傳遞行為。文獻(xiàn)[8]通過權(quán)重因子實(shí)現(xiàn)電能與熱能輸出的按比例分配,避免設(shè)備出現(xiàn)高負(fù)荷或過載現(xiàn)象,平衡了控制的經(jīng)濟(jì)性與安全性。文獻(xiàn)[9]通過建立預(yù)想事故集,對(duì)IES進(jìn)行靜態(tài)N-1安全校核,提出一種在負(fù)荷較重、耦合設(shè)備出力較大時(shí)的保護(hù)控制模式,降低了運(yùn)行越限的情況。文獻(xiàn)[10]提出一種考慮靜態(tài)安全因素的IES雙層優(yōu)化模型,上層以系統(tǒng)運(yùn)行成本與靜態(tài)安全性評(píng)估指標(biāo)為目標(biāo),下層以內(nèi)部機(jī)組運(yùn)行成本與光伏消納為目標(biāo),實(shí)現(xiàn)多區(qū)域的全局能量流最優(yōu)與系統(tǒng)安全運(yùn)行。以上研究對(duì)運(yùn)行風(fēng)險(xiǎn)的描繪多從建立事故集的發(fā)生概率的角度進(jìn)行計(jì)算,對(duì)于IES實(shí)際運(yùn)行過程中各設(shè)備間出力狀態(tài)與故障概率的動(dòng)態(tài)變化結(jié)合不足。此外,對(duì)于可再生能源不確定性的處理手段有區(qū)間優(yōu)化[11]、魯棒優(yōu)化[12]、信息間決策理論等[13],而隨機(jī)優(yōu)化對(duì)結(jié)果覆蓋不確定性集合更廣[14-15],可以更好地表現(xiàn)多場(chǎng)景對(duì)IES運(yùn)行風(fēng)險(xiǎn)的影響。

因此,面向園區(qū)IES,對(duì)于安全運(yùn)行風(fēng)險(xiǎn)考慮了設(shè)備故障概率與風(fēng)光不確定性。針對(duì)已有研究對(duì)設(shè)備故障概率采取固定值這一做法的不足,建立基于設(shè)備負(fù)載率與故障概率的設(shè)備風(fēng)險(xiǎn)模型,描述了運(yùn)行過程中設(shè)備出力大小與發(fā)生故障概率的動(dòng)態(tài)關(guān)系。針對(duì)可再生能源出力不確定性,使用蒙特卡洛采樣法(Monte Carlo, MC)進(jìn)行典型場(chǎng)景生成,并結(jié)合基于場(chǎng)景集的隨機(jī)優(yōu)化算法提升供能設(shè)備在最優(yōu)出力區(qū)間的運(yùn)行時(shí)長(zhǎng)占比。建立以設(shè)備風(fēng)險(xiǎn)與經(jīng)濟(jì)成本最小的多目標(biāo)隨機(jī)優(yōu)化運(yùn)行模型,通過分段線性化與寬容分層序列法處理多目標(biāo)非線性問題,轉(zhuǎn)化為混合整數(shù)模型調(diào)用CPLEX求解。通過算例仿真分析,驗(yàn)證所建立的模型在保證經(jīng)濟(jì)性的同時(shí)可有效提升系統(tǒng)運(yùn)行的安全性,并通過調(diào)節(jié)寬容因子大小可以兼顧園區(qū)綜合能源系統(tǒng)運(yùn)行時(shí)的設(shè)備風(fēng)險(xiǎn)值與經(jīng)濟(jì)成本。

1 考慮設(shè)備故障率與風(fēng)光不確定性的運(yùn)行風(fēng)險(xiǎn)模型

1.1 IES系統(tǒng)架構(gòu)

將安全運(yùn)行的系統(tǒng)風(fēng)險(xiǎn)分為來自設(shè)備自身的故障風(fēng)險(xiǎn)與風(fēng)光不確定性引起的波動(dòng)風(fēng)險(xiǎn),從兩方面對(duì)其進(jìn)行優(yōu)化調(diào)度。IES架構(gòu)如圖1所示,將出力設(shè)備分為三類,可再生能源設(shè)備包含風(fēng)機(jī)與光伏發(fā)電,分布式能源設(shè)備包含燃?xì)鈨?nèi)燃機(jī)、煙氣熱水型溴化鋰機(jī)、電制冷機(jī)、燃?xì)忮仩t,儲(chǔ)能設(shè)備包含蓄電池儲(chǔ)能。其中,煙氣熱水型溴化鋰機(jī)組對(duì)燃?xì)鈨?nèi)燃機(jī)的發(fā)電進(jìn)行余熱利用,優(yōu)先滿足園區(qū)冷熱負(fù)荷需求,當(dāng)冷熱供能不足時(shí),啟動(dòng)電制冷機(jī)與燃?xì)忮仩t實(shí)現(xiàn)調(diào)峰策略。同時(shí)在分時(shí)電價(jià)引導(dǎo)下,配合儲(chǔ)能設(shè)備,系統(tǒng)采取并網(wǎng)購售電策略。

圖1 園區(qū)綜合能源架構(gòu)圖Fig.1 Structure of the park-level integrated energy system

1.2 基于故障概率的設(shè)備風(fēng)險(xiǎn)模型

1.2.1 設(shè)備故障概率模型

綜合能源系統(tǒng)設(shè)備在長(zhǎng)期運(yùn)行過后,由于設(shè)備老化以及外部運(yùn)行環(huán)境惡劣等原因,各設(shè)備的實(shí)際各項(xiàng)參數(shù)指標(biāo)無法達(dá)到其額定標(biāo)準(zhǔn),其參數(shù)變化情況與自身健康度、外部環(huán)境、負(fù)載功率有關(guān),常數(shù)定值的設(shè)備故障概率與事先設(shè)定故障集并不足以表征設(shè)備當(dāng)前風(fēng)險(xiǎn)狀態(tài)。研究表明,設(shè)備負(fù)載率的大小會(huì)對(duì)故障概率產(chǎn)生影響,當(dāng)設(shè)備長(zhǎng)期處于重載運(yùn)行狀態(tài)時(shí),內(nèi)部溫度會(huì)產(chǎn)生堆積,當(dāng)設(shè)備長(zhǎng)期處于輕載運(yùn)行狀態(tài)時(shí),會(huì)加劇設(shè)備內(nèi)部工件的震動(dòng)、抖動(dòng)、磨損,導(dǎo)致運(yùn)行安全問題[16-17]。因此,根據(jù)綜合能源系統(tǒng)特點(diǎn),選取功率表示負(fù)載率高低,將不同設(shè)備分為三類,建立其與故障概率的關(guān)系。

當(dāng)設(shè)備出力處于低負(fù)載區(qū)間時(shí),其故障概率隨著負(fù)載率大小的升高而降低;當(dāng)設(shè)備出力處于最優(yōu)負(fù)載區(qū)間時(shí),故障概率保持不變;當(dāng)設(shè)備出力處于高負(fù)載區(qū)間時(shí),故障概率隨負(fù)載率大小的升高而升高,如圖2所示,設(shè)備故障概率[18]的表達(dá)式為

為三類設(shè)備的常規(guī)故障概率;為三類設(shè)備的低負(fù)載最大故障概率;為三類設(shè)備的高負(fù)載最大故障概率;ψmin、ψlow、ψhigh、ψmax為設(shè)備的容量最小負(fù)載率、低負(fù)載率、高負(fù)載率、容量最大負(fù)載率;ψ為負(fù)載率大小

(1)

(2)

根據(jù)不同設(shè)備類型,對(duì)故障概率進(jìn)行精細(xì)化劃分,其中可再生能源屬于A類、分布式能源屬于B類、儲(chǔ)能屬于C類,三類設(shè)備的負(fù)載區(qū)間與故障概率大小不同。定義A類負(fù)載率區(qū)間為[0,0.3,0.8,1],B類負(fù)載率區(qū)間為[0,0.2,0.85,1],C類負(fù)載率區(qū)間為[0,0.2,0.5,1],表示為[低負(fù)載區(qū)間,最優(yōu)負(fù)載區(qū)間,高負(fù)載區(qū)間],由于儲(chǔ)能充放電存在功率正負(fù)情況,因此C類負(fù)載區(qū)間有對(duì)稱負(fù)半軸。

1.2.2 設(shè)備風(fēng)險(xiǎn)模型

風(fēng)險(xiǎn)包含了發(fā)生的概率與產(chǎn)生的后果,故障概率越高的設(shè)備其存在風(fēng)險(xiǎn)隱患越大,進(jìn)而造成更大的經(jīng)濟(jì)損失,在IES多能耦合系統(tǒng)中,容量高的供能設(shè)備發(fā)生故障會(huì)引起功率缺額,在源側(cè)產(chǎn)生斷供,因此根據(jù)設(shè)備出力容量大小與上述建立的故障概率模型,可得設(shè)備風(fēng)險(xiǎn)模型,用以評(píng)估設(shè)備發(fā)生故障對(duì)系統(tǒng)供能的運(yùn)行影響,表達(dá)式為

(3)

(4)

1.2.3 供能不足指標(biāo)

在IES中因單個(gè)設(shè)備故障而無法滿足全部負(fù)荷供能時(shí),會(huì)對(duì)缺額負(fù)荷進(jìn)行直接削減產(chǎn)生供能不足影響,系統(tǒng)根據(jù)切負(fù)荷量評(píng)估嚴(yán)重性程度。因此,系統(tǒng)供能不足指標(biāo)[19]表達(dá)式為

(5)

式(5)中:ΔPcut,t、ΔHcut,t、ΔCcut,t為t時(shí)段內(nèi)電/熱/冷負(fù)荷的切負(fù)荷量;λe、λh、λc為電/熱/冷負(fù)荷權(quán)重系數(shù),表示不同能源供應(yīng)缺額的影響程度。

1.3 基于場(chǎng)景生成的風(fēng)光不確定性模型

風(fēng)光出力的隨機(jī)波動(dòng)較大,通過場(chǎng)景法描述風(fēng)、光出力的不確定性,將實(shí)際值定義為預(yù)測(cè)值與偏差之和[20],根據(jù)已有研究,風(fēng)電與光伏功率偏差服從期望為0正態(tài)分布[21],其表達(dá)式為

(6)

針對(duì)風(fēng)電、光伏的不確定性,根據(jù)其誤差概率分布,基于場(chǎng)景法通過蒙特卡洛采樣[22]隨機(jī)生成大量場(chǎng)景,并為了減小計(jì)算復(fù)雜度,通過向后縮減法對(duì)生成的場(chǎng)景進(jìn)行縮減分類,保留相同特征的少量場(chǎng)景,以較少的典型場(chǎng)景集體現(xiàn)大量場(chǎng)景的特征。

2 IES多目標(biāo)隨機(jī)優(yōu)化運(yùn)行模型

2.1 需求響應(yīng)

傳統(tǒng)微電網(wǎng)對(duì)單一電負(fù)荷采取分時(shí)電價(jià)的價(jià)格型需求響應(yīng),而在綜合能源系統(tǒng)中,能源種類更為豐富,因此對(duì)電負(fù)荷、熱負(fù)荷、冷負(fù)荷采取需求響應(yīng)策略,柔性負(fù)荷根據(jù)能源分時(shí)價(jià)格參與優(yōu)化響應(yīng)[23]。將參與需求響應(yīng)(demand response,DR)的各類柔性負(fù)荷分為可轉(zhuǎn)移負(fù)荷(shifTable load,SL)與可削減負(fù)荷(curtailable load,CL),不同類型負(fù)荷對(duì)購能價(jià)格的敏感程度不同。SL通過對(duì)比DR前后分時(shí)電價(jià)的變化率來靈活調(diào)整使用時(shí)間,在高峰期通過高電價(jià)的引導(dǎo)使得負(fù)荷轉(zhuǎn)移到平谷低電價(jià)的負(fù)荷低谷期,而CL通過對(duì)比DR前后的本時(shí)段電價(jià)決定是否削減自身的用能負(fù)荷需求,用價(jià)格彈性矩陣E(t,j)來描述變化特性,其中第t行的第j個(gè)元素表示t時(shí)刻負(fù)荷對(duì)j時(shí)刻電價(jià)的彈性系數(shù),表達(dá)式為

(7)

(8)

(9)

式中:et,j為價(jià)格彈性矩陣E(t,j)中元素;ΔPload,t為DR后t時(shí)刻負(fù)荷變化量;Pini,t為t時(shí)刻初始負(fù)荷;Δcj為DR后j時(shí)刻電價(jià)變化量;cini,j為DR前j時(shí)刻初始電價(jià);ΔPSL,t為可轉(zhuǎn)移負(fù)荷變化量;Pini,SL,t為t時(shí)刻初始可轉(zhuǎn)移負(fù)荷量;ESL(t,j)為SL價(jià)格需求彈性矩陣;cj為j時(shí)刻電價(jià);ΔPCL,t為可削減負(fù)荷變化量;Pini,CL,t為t時(shí)刻初始可削減負(fù)荷量;ECL(t,j)為CL價(jià)格需求彈性矩陣,為對(duì)角陣。

熱負(fù)荷與冷負(fù)荷的需求響應(yīng)模型與電負(fù)荷的響應(yīng)模型相同,不再贅述。

2.2 目標(biāo)函數(shù)

對(duì)1.3節(jié)中生成的風(fēng)光不確定多場(chǎng)景,使用基于場(chǎng)景集的期望值隨機(jī)優(yōu)化方法轉(zhuǎn)化為確定性模型求解。以設(shè)備風(fēng)險(xiǎn)的期望最小與經(jīng)濟(jì)費(fèi)用的期望最低同時(shí)作為優(yōu)化目標(biāo),對(duì)多場(chǎng)景需要計(jì)算生成的每一類場(chǎng)景下的設(shè)備風(fēng)險(xiǎn)與各具體費(fèi)用,并與概率乘積形成期望最小,包含供能設(shè)備風(fēng)險(xiǎn)值Crisk,s、電網(wǎng)購售電成本Cgrid,s、燃料購買成本Cgas,s、設(shè)備運(yùn)維成本CIES,s、碳排放懲罰費(fèi)用CCO2,s、供能不足切負(fù)荷補(bǔ)貼成本Ccut,s,表達(dá)式為

(10)

式(10)中:n為生成場(chǎng)景個(gè)數(shù);Ps為第s個(gè)場(chǎng)景發(fā)生的概率;F1為設(shè)備風(fēng)險(xiǎn)指標(biāo);F2為經(jīng)濟(jì)費(fèi)用指標(biāo)。

電網(wǎng)購售電成本通過電網(wǎng)聯(lián)絡(luò)線與外部電網(wǎng)連接,實(shí)現(xiàn)IES缺電購買、余電上網(wǎng)盈利:

(11)

燃料購買成本通過對(duì)燃?xì)鈨?nèi)燃機(jī)與燃?xì)忮仩t消耗的外購天然氣計(jì)算,計(jì)算公式為

(12)

IES運(yùn)行時(shí)設(shè)備運(yùn)維成本與出力和單位維護(hù)費(fèi)用有關(guān),可表示為

(13)

針對(duì)IES的碳排放懲罰費(fèi)用由電網(wǎng)購電、鍋爐供熱、內(nèi)燃機(jī)供電組成,表達(dá)式為

(14)

對(duì)于供能不足導(dǎo)致的切負(fù)荷給予補(bǔ)貼可表示為

Ccut,s=αeEEENS

(15)

式(15)中:αe為切負(fù)荷單位補(bǔ)貼系數(shù);EEENS為系統(tǒng)供能不足指標(biāo)。

2.3 約束條件

所建立各設(shè)備的約束如下。

(16)

(17)

(18)

(19)

(20)

(21)

本園區(qū)IES運(yùn)行要滿足供能網(wǎng)絡(luò)之間的冷能平衡、熱能平衡、電能平衡約束為

(22)

3 模型處理

3.1 分段線性化處理

所建立的模型中目標(biāo)函數(shù)含有較多非線性項(xiàng),屬于混合整數(shù)非線性規(guī)劃模型,對(duì)于式(1)建立的故障風(fēng)險(xiǎn)模型,采取分段線性化處理,引入連續(xù)變量wi與0～1變量zi,推導(dǎo)過程如式(23)所示。

(23)

式(23)中:bi為分段點(diǎn)。

3.2 寬容度分層處理

對(duì)于式(10)建立的多目標(biāo)函數(shù),采取寬容度分層序列法,按照優(yōu)先級(jí)排序進(jìn)行處理。首先以運(yùn)行風(fēng)險(xiǎn)最小為高優(yōu)先級(jí)目標(biāo)進(jìn)行求解。

(24)

式(24)中:x為變量;g(x)為不等式約束條件;h(x)為等式約束條件。

(25)

式(25)中:F2(x)為第二優(yōu)先求解的經(jīng)濟(jì)成本目標(biāo);k(x)為不等式約束條件。

采用MATLAB軟件使用YALMIP工具箱對(duì)模型搭建,調(diào)用CPLEX求解器進(jìn)行計(jì)算,模型求解流程如圖3所示。

圖3 模型求解流程圖Fig.3 Flow chart of model solution

步驟1輸入光伏與風(fēng)機(jī)的預(yù)測(cè)數(shù)據(jù),根據(jù)蒙特卡洛采樣對(duì)負(fù)荷預(yù)測(cè)誤差進(jìn)行場(chǎng)景生成,再使用同步回代縮減法進(jìn)行場(chǎng)景縮減,得到風(fēng)光典型場(chǎng)景集。

步驟2將1.2節(jié)中基于故障概率的設(shè)備風(fēng)險(xiǎn)模型通過式(23)轉(zhuǎn)化為線性關(guān)系模型,并通過式(24)與式(25)的寬容度分層序列法將多目標(biāo)函數(shù)轉(zhuǎn)化成混合整數(shù)線性規(guī)劃模型。

步驟3調(diào)用CPLEX求解器得出在不考慮經(jīng)濟(jì)性下的設(shè)備最優(yōu)出力大小對(duì)應(yīng)的最小設(shè)備風(fēng)險(xiǎn)值F1(x),再使用寬容度因子δ將F1(x)轉(zhuǎn)化為約束條件代入多目標(biāo)模型中,求解出考慮設(shè)備風(fēng)險(xiǎn)下的最優(yōu)出力大小與經(jīng)濟(jì)成本,得出滿足設(shè)備風(fēng)險(xiǎn)較低情況下的最優(yōu)經(jīng)濟(jì)結(jié)果F2(x),最后輸出綜合能源各供能設(shè)備調(diào)度計(jì)劃出力表。

4 算例分析

4.1 模型參數(shù)與運(yùn)行結(jié)果

選取某MW級(jí)別園區(qū)IES作為算例,對(duì)其進(jìn)行優(yōu)化調(diào)度仿真,向電網(wǎng)購售電的分時(shí)電價(jià)如表1所示。天然氣購買價(jià)格為2.5 元/m3,風(fēng)機(jī)、光伏與負(fù)荷采取日前數(shù)據(jù)[24],如圖4所示。結(jié)合實(shí)測(cè)數(shù)據(jù)并根據(jù)建立的式(1)、式(2)得三類設(shè)備不同負(fù)載率分段點(diǎn)下的故障概率,A=[0.05,0.01,0.01,0.2]、B=[0.1,0.01,0.01,0.1]、C=[0.15,0.02,0.02,0.25]。單位碳排放成本、電網(wǎng)購電、鍋爐供熱、內(nèi)燃機(jī)供電碳排放系數(shù)參照文獻(xiàn)[25]。風(fēng)電與光伏的誤差功率取標(biāo)準(zhǔn)差為0.1,生成500個(gè)隨機(jī)場(chǎng)景并縮減成5個(gè)場(chǎng)景,如圖5所示。寬容度因子大小為0.1。為平抑負(fù)荷峰谷差,IES采取基于用能分時(shí)價(jià)格的需求響應(yīng)策略,冷熱電能源的購能分時(shí)價(jià)格如圖6所示,設(shè)置可轉(zhuǎn)移負(fù)荷占比15%,可削減負(fù)荷占比10%。切負(fù)荷補(bǔ)貼系數(shù)為10 元/kW。儲(chǔ)能電池始末SOC狀態(tài)為40%,SOC上下限為20%～90%。外電網(wǎng)購售電量上下限為5 000 kW。由于電負(fù)荷較大配備3臺(tái)燃?xì)鈨?nèi)燃機(jī),而熱負(fù)荷大于冷負(fù)荷需求,因此配備3臺(tái)溴化鋰機(jī)組,其中2臺(tái)供熱、1臺(tái)供冷模式,總?cè)萘咳绫?所示。

表1 電網(wǎng)購售電分時(shí)電價(jià)Table 1 Time sharing price of grid network power

表2 IES各設(shè)備主要參數(shù)Table 2 Main parameters of IES equipment

圖4 負(fù)荷與風(fēng)光日前預(yù)測(cè)曲線Fig.4 Load and wind power, photovoltaic forecast curve

P1～P5為5個(gè)光伏場(chǎng)景

電能平衡優(yōu)化結(jié)果如圖7所示,在考慮需求響應(yīng)后電負(fù)荷峰谷差由原來的5 352 kW下降為4 642 kW,即降低了15.28%,風(fēng)電與光伏因發(fā)電價(jià)格低廉且無碳排放優(yōu)先進(jìn)行消納,其中白天時(shí)段光伏資源豐富,夜間時(shí)段風(fēng)電資源豐富。內(nèi)燃機(jī)作為IES的主要供電單元,在電網(wǎng)分時(shí)電價(jià)高峰期為節(jié)省成本多出力供電,而在電負(fù)荷低谷期減少出力,因考慮故障風(fēng)險(xiǎn)降低了設(shè)備運(yùn)行在重載區(qū)間的情況,導(dǎo)致存在持續(xù)向電網(wǎng)購電情況,儲(chǔ)能電池對(duì)內(nèi)燃機(jī)運(yùn)行于最優(yōu)區(qū)間而多發(fā)的電進(jìn)行充電補(bǔ)能,在10:00—11:00時(shí)與18:00—19:00時(shí)兩個(gè)尖峰期時(shí)放電。熱能平衡優(yōu)化結(jié)果如圖8所示,在考慮需求響應(yīng)后熱負(fù)荷峰谷差由原來的3 838 kW下降為3 724 kW,即降低了3.07%,溴化鋰供熱機(jī)組優(yōu)先對(duì)內(nèi)燃機(jī)發(fā)電的余熱利用,全天維持在最優(yōu)區(qū)間穩(wěn)定出力下,而燃?xì)忮仩t因供熱時(shí)會(huì)消耗天然氣產(chǎn)生購氣費(fèi)用與碳排放懲罰費(fèi)用,因此在12:00—19:00時(shí)負(fù)荷高峰期時(shí)出力較多,其余時(shí)段出力較少。冷能平衡優(yōu)化結(jié)果如圖9所示,在考慮需求響應(yīng)后冷負(fù)荷峰谷差由原來的868 kW下降為720 kW,即降低了20.54%,冷負(fù)荷較小且平穩(wěn),因此溴化鋰供冷機(jī)組全天穩(wěn)定運(yùn)行,調(diào)用電制冷機(jī)消耗電能進(jìn)行調(diào)峰。

圖7 電能平衡優(yōu)化曲線Fig.7 Electric energy balance optimization curve

圖8 熱能平衡優(yōu)化曲線Fig.8 Heat energy balance optimization curve

4.2 與傳統(tǒng)經(jīng)濟(jì)優(yōu)化模式對(duì)比

為驗(yàn)證所建立的考慮設(shè)備風(fēng)險(xiǎn)與風(fēng)光不確定性模型有效性,與傳統(tǒng)僅考慮經(jīng)濟(jì)性的優(yōu)化運(yùn)行模式進(jìn)行對(duì)比。

設(shè)置4種情景模式:①僅考慮經(jīng)濟(jì)目標(biāo)F1的傳統(tǒng)經(jīng)濟(jì)模式;②在情景1的基礎(chǔ)上實(shí)施需求響應(yīng)策略;③同時(shí)考慮經(jīng)濟(jì)目標(biāo)F1與設(shè)備風(fēng)險(xiǎn)目標(biāo)F2的風(fēng)險(xiǎn)模式;④在情景3的基礎(chǔ)上實(shí)施需求響應(yīng)策略,即本文調(diào)度模型。

情景2的各設(shè)備故障概率如圖10所示,其中設(shè)備1～7依次為風(fēng)機(jī)、光伏、電制冷機(jī)、燃?xì)忮仩t、儲(chǔ)能、內(nèi)燃機(jī)、溴化鋰機(jī)。通過對(duì)比圖10與圖11可知,相較于情景2,情景4下各設(shè)備的故障概率都有明顯的降低,其中電制冷機(jī)、儲(chǔ)能設(shè)備、溴化鋰機(jī)全天運(yùn)行在出力最優(yōu)區(qū)間內(nèi),使得設(shè)備故障概率最低。內(nèi)燃機(jī)在11:00與20:00時(shí)由于是外電網(wǎng)購電價(jià)格峰時(shí)段,為了降低購電成本而運(yùn)行于重載區(qū)間內(nèi),出力大小為7 320 kW與7 438 kW。燃?xì)忮仩t由于夜間熱負(fù)荷需求量較低,在3時(shí)與4時(shí)運(yùn)行于低載區(qū)間,出力大小為693 kW與805 kW。因此,在運(yùn)行模型中考慮了設(shè)備風(fēng)險(xiǎn)目標(biāo)后,各設(shè)備能更多地運(yùn)行在各自最優(yōu)出力區(qū)間內(nèi),從而減小在重載區(qū)間與輕載區(qū)間運(yùn)行導(dǎo)致的較大故障概率。結(jié)合表3可知,情景2在情景1的基礎(chǔ)上通過參與需求響應(yīng)減少了1.33萬元的電網(wǎng)購電費(fèi)用,使得總成本降低了1.32%、情景4在情景3的基礎(chǔ)上減少了1.8萬元的電網(wǎng)購電費(fèi)用,使得總成本降低了1.45%,因此需求響應(yīng)可以減少系統(tǒng)的成本費(fèi)用,提升系統(tǒng)調(diào)度的經(jīng)濟(jì)性。通過對(duì)比情景2可知,情景4在總運(yùn)行成本僅增加9.6%時(shí),設(shè)備風(fēng)險(xiǎn)值從24.43×104減少為5.07×104,即降低了79.3%。這是由于在考慮了設(shè)備風(fēng)險(xiǎn)目標(biāo)后,通過減少各供能設(shè)備運(yùn)行于重載區(qū)間、輕載區(qū)間的時(shí)長(zhǎng)而選擇增加外電網(wǎng)購電量進(jìn)行供能,其中情景4相較于情景2增加了購電量27 241 kW,表明通過抑制一定的經(jīng)濟(jì)性可大幅減少設(shè)備故障風(fēng)險(xiǎn)。而由于承擔(dān)供能主體的內(nèi)燃機(jī)出力減少相應(yīng)降低了購氣費(fèi)用6.02%、碳排放成本7.3%、運(yùn)維費(fèi)用10%。綜上所述,在園區(qū)綜合能源系統(tǒng)中引入需求響應(yīng)策略與設(shè)備風(fēng)險(xiǎn)目標(biāo),可以有效牽制住系統(tǒng)追求經(jīng)濟(jì)目標(biāo)而使設(shè)備趨向低載和重載的情況,降低了供能設(shè)備的故障概率,兼顧系統(tǒng)調(diào)度的經(jīng)濟(jì)性與安全性。

表3 不同運(yùn)行模式下的具體費(fèi)用Table 3 Specific costs under different operation modes

圖10 情景2的設(shè)備故障概率Fig.10 Equipment failure probability of scenario 2

由于圖10表明溴化鋰機(jī)作為冷熱負(fù)荷的供應(yīng)主體,需要長(zhǎng)時(shí)間運(yùn)行在重載區(qū)間內(nèi),導(dǎo)致故障概率較大,因此通過對(duì)比當(dāng)溴化鋰機(jī)發(fā)生故障情況下,不同運(yùn)行模式的切負(fù)荷效果。通過圖12可知,情景2為僅考慮經(jīng)濟(jì)目標(biāo)的優(yōu)化模型,當(dāng)發(fā)生溴化鋰機(jī)故障時(shí)的切熱負(fù)荷占比為7.9%,切負(fù)荷補(bǔ)貼成本為48.1萬元,情景4為同時(shí)考慮經(jīng)濟(jì)目標(biāo)與設(shè)備風(fēng)險(xiǎn)的優(yōu)化模型,當(dāng)發(fā)生溴化鋰機(jī)故障時(shí)的切熱負(fù)荷占比為14.9%,切負(fù)荷補(bǔ)貼為90.4萬元。表明當(dāng)溴化鋰機(jī)組發(fā)生故障時(shí),系統(tǒng)都會(huì)發(fā)生負(fù)荷缺額不足,而情景4的運(yùn)行策略更加保守,為了兼顧設(shè)備風(fēng)險(xiǎn)而抑制設(shè)備出力,通過對(duì)用戶進(jìn)行切負(fù)荷補(bǔ)貼,使得總成本由161.3萬元增加到203.5萬元,上升了26.7%。

圖12 溴化鋰機(jī)故障時(shí)切熱負(fù)荷量Fig.12 Heat load cut off in case of lithium bromide machine failure

4.3 隨機(jī)優(yōu)化與確定優(yōu)化對(duì)比

為驗(yàn)證對(duì)多場(chǎng)景生成采取隨機(jī)優(yōu)化處理方法的有效性,通過與確定優(yōu)化方法進(jìn)行對(duì)比,兩種優(yōu)化方法下各個(gè)設(shè)備處于輕載區(qū)間、最優(yōu)區(qū)間、重載區(qū)間的運(yùn)行時(shí)長(zhǎng)占比如表4所示。由于隨機(jī)優(yōu)化是對(duì)生成的多個(gè)場(chǎng)景分別優(yōu)化再進(jìn)行期望加權(quán)得到綜合最優(yōu)值,因此在多場(chǎng)景處理時(shí)有更優(yōu)傾向性。相較于確定優(yōu)化方法,所采取的隨機(jī)優(yōu)化方法在處理風(fēng)光不確定性的同時(shí)也增加了各個(gè)設(shè)備負(fù)載率在最優(yōu)區(qū)間運(yùn)行的時(shí)間,其中電制冷機(jī)在最優(yōu)區(qū)間運(yùn)行時(shí)長(zhǎng)延長(zhǎng)了33.3%,燃?xì)忮仩t在最優(yōu)區(qū)間運(yùn)行時(shí)長(zhǎng)延長(zhǎng)了20.8%,儲(chǔ)能設(shè)備在最優(yōu)區(qū)間運(yùn)行時(shí)長(zhǎng)延長(zhǎng)了16.7%,燃?xì)鈨?nèi)燃機(jī)在最優(yōu)區(qū)間運(yùn)行時(shí)長(zhǎng)延長(zhǎng)了62.5%,說明隨機(jī)優(yōu)化方法有助于減少供能設(shè)備運(yùn)行于輕載或重載不良狀態(tài)的情況,降低了各設(shè)備的故障概率,有利于系統(tǒng)的安全穩(wěn)定運(yùn)行。

表4 不同優(yōu)化模式下各區(qū)間運(yùn)行時(shí)長(zhǎng)Table 4 Operation duration of each section under different optimization modes

4.4 敏感性分析

為探究參與需求響應(yīng)后系統(tǒng)運(yùn)行模型對(duì)寬容度因子的敏感性,對(duì)寬容度取值在[0,1.5]區(qū)間大小內(nèi)進(jìn)行了多組實(shí)驗(yàn)分析,結(jié)果如圖13所示。可以看出,隨著寬容因子的增大,系統(tǒng)的運(yùn)行風(fēng)險(xiǎn)在逐步線性增加而總運(yùn)行成本持續(xù)降低,當(dāng)寬容因子小于1時(shí),系統(tǒng)運(yùn)行成本下降速度較快,當(dāng)寬容因子大于1時(shí),系統(tǒng)運(yùn)行成本下降速度逐漸平穩(wěn),而運(yùn)行風(fēng)險(xiǎn)值的上升速度則較為穩(wěn)定,這是由于寬容因子大小的增加導(dǎo)致系統(tǒng)對(duì)于設(shè)備風(fēng)險(xiǎn)的約束條件進(jìn)一步松弛,系統(tǒng)有更大的調(diào)節(jié)空間去追求經(jīng)濟(jì)目標(biāo),進(jìn)而提升系統(tǒng)經(jīng)濟(jì)性。因此,系統(tǒng)可根據(jù)實(shí)際情況調(diào)節(jié)寬容度對(duì)風(fēng)險(xiǎn)性和經(jīng)濟(jì)性進(jìn)行平衡,以選取合適的寬容度大小制定優(yōu)化調(diào)度策略。

圖13 寬容因子對(duì)結(jié)果影響Fig.13 Influence of tolerance factor on results

當(dāng)系統(tǒng)參與需求響應(yīng)時(shí),由于負(fù)荷峰谷差降低,處于電價(jià)高峰期的購電量減少,系統(tǒng)供能成本降低,因此參與需求響應(yīng)時(shí)的成本曲線在整體上要低于無需求響應(yīng)時(shí)的成本曲線。而需求響應(yīng)對(duì)設(shè)備風(fēng)險(xiǎn)的影響較小,風(fēng)險(xiǎn)值曲線重合無變化,這是由于參與需求響應(yīng)的負(fù)荷較少,引起的各設(shè)備出力調(diào)整較小,設(shè)備仍運(yùn)行于原來的輕載、最優(yōu)、重載區(qū)間內(nèi),并未改變故障概率大小。從上述分析可知,當(dāng)系統(tǒng)處于同一風(fēng)險(xiǎn)值的調(diào)度策略時(shí),由于追求安全性限制了一部分多能互補(bǔ)耦合設(shè)備的出力區(qū)間,使得經(jīng)濟(jì)效益變差,可通過采取需求響應(yīng)策略使得系統(tǒng)的經(jīng)濟(jì)性獲得提升。

5 結(jié)論

針對(duì)綜合能源供能設(shè)備的故障概率在運(yùn)行過程中采取固定值的不足,對(duì)不同類型設(shè)備進(jìn)行分類,提出基于負(fù)載率的設(shè)備風(fēng)險(xiǎn)模型動(dòng)態(tài)描述運(yùn)行過程中設(shè)備的故障概率,建立考慮設(shè)備風(fēng)險(xiǎn)與風(fēng)光不確定性的園區(qū)IES隨機(jī)優(yōu)化運(yùn)行模型,結(jié)合算例仿真得出如下結(jié)論。

(1)所建立的設(shè)備風(fēng)險(xiǎn)模型通過調(diào)節(jié)設(shè)備負(fù)載率,使其運(yùn)行于最優(yōu)區(qū)間內(nèi),可有效降低故障風(fēng)險(xiǎn)。與傳統(tǒng)經(jīng)濟(jì)模型相比,本文模型可通過利用設(shè)備的輕載、重載能力來降低系統(tǒng)運(yùn)行風(fēng)險(xiǎn),在總運(yùn)行成本僅增加9.6%時(shí),將設(shè)備風(fēng)險(xiǎn)降低了79.3%。

(2)通過與確定優(yōu)化方法對(duì)比,采用的基于場(chǎng)景集的隨機(jī)優(yōu)化方法可有效處理風(fēng)光不確定性,提升IES供能設(shè)備在負(fù)載最優(yōu)區(qū)間的出力時(shí)長(zhǎng)占比,降低設(shè)備故障概率,有利于系統(tǒng)安全運(yùn)行。

(3)所使用的寬容度分層方法可有效處理多目標(biāo)優(yōu)化問題,對(duì)不同類型相互抵抗的目標(biāo)擁有較大的調(diào)節(jié)能力,IES可根據(jù)自身需求對(duì)其進(jìn)行經(jīng)濟(jì)性與安全性側(cè)重。

IES是實(shí)現(xiàn)“3060碳中和”的有力手段,后續(xù)研究中將結(jié)合多區(qū)域IES,通過區(qū)域能源互聯(lián)來降低設(shè)備風(fēng)險(xiǎn)與供能不足影響。