考慮市場出清的農業園區能量管理策略

張繼國,任洪民,劉大勇,周力威,邵俊巖,賈曜誠,陳厚合

(1.國網吉林省電力有限公司四平供電公司, 吉林省四平市 136000;2.東北電力大學電氣工程學院, 吉林省吉林市 132012)

0 引 言

隨著農業4.0[1],智慧農業等科技化農業項目的不斷推進,集信息、研發、產業于一體的現代化農業園區高速發展,勢必成為未來農業生產的主要承載形式[2-3]。農業園區可實現生產要素集中化、工程技術產業化等發展目標,同時也是加快新農村建設、促進農民增收的重要手段[4]。農業園區溫室栽培技術可形成不受外界環境影響的生產保護區,使農業生產擺脫地域限制與生長時間限制,大幅提高農作物生產效率[5]。

新型溫室栽培技術也使農業園區對電力能源的依賴度逐步增加,農業生產負荷在農村配電網中的比重逐年增加[6-7]。在農業園區規模不斷擴大的過程中,傳統溫室用能方式不合理、能源利用效率低等能源管理問題逐步凸顯,為此相關領域專家針對園區能量管理問題進行了初步探索。文獻[8]對溫室微能源網的多運行模塊進行統一建模,結果表明利用儲能設備、分時負荷可提高微型能源網的靈活性,但其計算過程中未考慮溫室環境系統的能源供給設備特性;文獻[9-10]分析了氣象災害對設施農業的影響,主要針對植物生長與綜合能源系統供電安全的交互關系進行了初步分析,研究指出有必要針對能源氣象學與園區級農業能源網絡間的耦合關系開展定量研究;文獻[11]在分析農作物生理特性的基礎上,解決了光伏發電與溫室內農作物的爭光問題,但研究過程中尚未考慮溫度因素對農作物生長及農業產能的影響;文獻[12-13]提出了一種基于作物蒸散量和日光積分的農業溫室負荷能量管理模型,結果表明合理地利用光儲能量系統可提高農作物銷售的總收入,但該模型尚未考慮環境溫度對作物生長的影響以及電價變化對農業負荷的影響。

另一方面,隨著用電量的逐步增大,農業園區微電網(agricultural park microgrid,APMG)與配電網之間的能量互動愈加頻繁,目前已有相關領域專家針對微電網與配電網協調優化調度問題開展研究。文獻[14]提出一種基于合作博弈論與Shapley值法的市場交易模型以分析并網型光伏微電網直接參與配電市場交易模式,但研究尚未考慮各微電網的負荷特性;文獻[15-16]針對電力市場中的投資現象及交易方式中普遍存在的次序決策問題進行了深入分析,為處于不同決策位置的利益主體參與電力市場競爭提供了參考;文獻[17-18]在考慮設備等效壽命損耗的基礎上提出一種市場背景下儲能系統的最佳配置方案,儲能作為獨立的運行商參與系統運行,在給自身帶來經濟性的同時也帶來了較好的社會效益,同時在一定程度上改善了電網潮流分布,并實現了代理商在參與電能交易中的最優能量管理。

綜上所述,現有研究存在以下問題:1)現代化APMG能量管理策略效率低,相關研究忽略了溫室負荷與園區內供能系統的互動方式;2)農業微電網負荷特性對配電市場出清的影響還有待研究。

為解決以上問題,本文提出一種考慮農作物生長特性和配電市場出清的APMG能量管理雙層優化模型。首先,從電力設備運行層面分析了APMG的能量調度方式及其參與配電市場出清的能量管理策略;其次,建立農業溫室中光照系統、灌溉系統、溫控系統的運行模型,及溫室最優能量管理模型;進一步,構建農業園區運營商(agricultural park operator,APO)參與配電市場交易的市場出清模型;再次,利用自適應交替方向乘子法(self-adaptive alternating direction multiplier method,SA-ADMM)對雙層模型進行交替求解;最后,分別以IEEE-12節點以及內蒙古某縣農村配電網為例,證明所提模型和方法的有效性與合理性。

1 農業園區運營商參與配電市場出清的能量管理策略

溫室農作物生長環境的營造過程與APMG的能源供給側呈現動態耦合,農業園區運營商根據溫室微電網環境系統能量需求及配電市場出清電價制定購電計劃,并調整能量管理策略,可達到降低購電成本、增產增收的目標。

1.1 溫室栽培技術與能源管理

APMG的主要能源消耗來自于溫室環境系統,利用土壤、水和氣候資源為媒介營造適宜的生長環境以提升農作物產量[19-20]。農作物生長的主要環境指標為光照強度、空氣流通度、環境溫度、土壤濕度以及施肥程度[21-22],其中施肥頻率低,且一般以人工施肥為主,空氣循環系統與溫度控制系統可以通過導熱風扇進行溫控調節。因此,溫室農作物的日常生長過程主要考慮的能量因素為光、水、溫等資源,溫室環境系統需根據農作物的種類及生長階段智能調節資源配比,營造農作物最佳生長環境,APMG基本構成如圖1所示。

圖1 農業園區能量管理系統示意圖Fig.1 Diagram of energy management system in agricultural park

由圖1可知,APMG主要包括光儲互補發電系統及溫室環境系統兩部分,光儲互補發電系統根據能源需求調整出力。溫室環境系統包括光環境系統、水環境系統以及溫度環境系統三部分[23-24],通過溫室環境傳感器實現農作物生長區域濕度、溫度以及光照強度的實時監測,并根據農作物品種、生長階段及自然環境形成最優能量控制策略,通過電排灌、空氣能熱泵以及智能LED補光燈等設備調節環境,營造最佳農作物生長環境。因此APO還需考慮用電成本。下面進一步針對配電市場結算的機制進行分析。

1.2 農村配電市場結算框架

APO根據農作物生長特性以及配電市場出清結算價格調整自身用電策略,實現最大化收益。因此需對配電市場的出清機制開展研究,農村配電市場出清總體架構如圖2所示。

圖2 農村配電市場結算出清機制分析Fig.2 Analysis of clearing mechanism in rural distribution market

圖2展示了APO參與配電市場出清的雙層框架,上層模型根據溫室環境系統的電能需求及農村配電市場出清后的節點邊際電價(distribution locational marginal price,DLMP)來決策從配電網運營商(distribution system operator,DSO)處的購電量以及光儲系統與溫室環境系統的互動方式,使其達到運行成本最小的目的。而DSO根據APO提供的購電量以及電能報價進行市場出清,計算配電網的DLMP,確定配電系統中的邊際機組,并進一步制定供電方案。

2 農業園區運營商參與配電市場出清的雙層優化數學模型

根據APMG的能量管理與配電市場出清相結合的計算框架構建雙層優化模型,上層模型主要針對農作物生長環境及APMG能量管理進行建模,下層模型需建立配電市場出清模型,下面針對雙層模型進一步開展建模分析。

2.1 上層模型

上層模型為APMG最小化用能成本最優化數學模型,APO需在保證農作物最佳生長的基礎上盡量減少購電成本。農作物的生長主要包含光合作用和呼吸作用,整個過程依賴溫度、水和光照等自然要素,因此上層模型圍繞灌溉系統、溫控系統和光照系統進行建模[25]。

2.1.1 上層模型目標函數

上層目標函數為APO最小化運行成本,包括日前園區購電成本與設備老化成本,表示為:

(1)

(2)

2.1.2 上層模型約束條件

1)灌溉系統運行模型。

灌溉系統主要依靠電排灌、噴淋器及濕敏探測儀等設備對植物定期澆水,通過實時濕度追蹤與動態調整,提高土壤濕潤程度,促進農作物生長。實際灌溉量根據農作物最佳生長環境下的蒸騰量及蒸發量計算[26]。

溫室電排灌運行模型可表示為:

(3)

根據文獻[19]的研究,農業電排灌的排水量可通過農作物的需水量進行計算,具體計算方法表示為:

(4)

溫室中的農作物生長過程中水分發生蒸散作用,表示植被及地面整體向大氣輸送的水汽總量,農作物蒸散量可通過Penman-Monteith方程計算得到[27]。

2)溫控系統運行模型。

溫控系統將電子溫度計數據傳輸至控制臺,并根據農作物種類調整空氣能熱泵的暖氣輸出,對溫度進行動態調整,營造農作物最佳生長溫度[28]。

空氣能熱泵運行模型可表示為:

(5)

其中,溫室氣溫降低量可表示為:

(6)

式中:Vgh為溫室內空氣體積;Qn為熱負荷總量。

溫室的熱損失可表示為:

(7)

式中:us為圍護結構的散熱系數;As為圍護結構的表面面積;ks為換氣比例;nh為換氣次數;uj為地面傳熱系數;Fn為室內溫度;Fw為室外平均溫度。

3)光照系統運行模型。

日光充足時基本可滿足溫室內農作物光合作用需求,但在不良天氣以及太陽完全升起前,需通過智能LED燈進行補光[29],增加農作物光照強度。

智能LED補光燈運行模型可表示為:

(8)

溫室內植物的補光強度可表示為:

(9)

植物最佳生長所需的光照強度需嚴格控制在一定范圍內[11],因此需根據植物光合速率計算其最大、最小光補償點。

植物的補光強度需滿足植物的生長需求[12],該生長約束可表示為:

(10)

4)光儲互補系統模型。

APMG運營商會安裝光儲系統為園區提供部分能源,儲能設備可靈活調整充放電時間,以降低購電成本。

光伏系統運行模型可表示為:

(11)

儲能系統能量模型可表示為:

(12)

式中:Etbat為蓄電池的儲能量;Ptbat,c、Ptbat,d分別為蓄電池充放電功率;ωtbat,c、ωtbat,d分別為蓄電池充放電效率。

蓄電池充放電約束可表示為:

(13)

電池能量約束可表示為:

(14)

5)APMG能量平衡模型。

APMG電能平衡約束可表示為:

(15)

農作物最佳生長特性約束可表示為:

(16)

本節所構建的APMG溫室環境系統運行模型兼顧計算溫室農作物環境指標以及電能消耗量,進一步研究其參與配電市場交易的市場出清模型。

2.2 下層模型

下層模型為APO參與配電市場電能交易的出清模型,包括電力出清目標函數及運行約束條件兩部分。本文主要針對APO的運營策略開展研究,故將其他配電運營商的策略進行簡化并假設其為固定負荷,根據配電運營商統計值計算。

2.2.1 下層模型目標函數

下層模型目標函數為APMG所在配電網最小化運行成本模型,可表示為:

(17)

2.2.2 下層模型約束條件

農村配電網往往采用開環運行方式,具有輻射型網絡的結構特點,故采用適用于輻射狀電網潮流計算的Dist flow模型來進行建模[29]。

配電網能量平衡約束可表示為:

(18)

(19)

配電網線路電壓降模型可表示為:

(20)

(21)

松弛后的線路能量平衡約束可表示為:

(22)

節點電壓安全約束可表示為:

(23)

發電機有功輸出安全約束可表示為:

(24)

發電機無功輸出安全約束可表示為:

(25)

本節所構建的配電市場出清模型考慮了配電網線損及電壓跌落因素,刻畫了農村配電網的運行特性,此處值得注意的是,按照現階段電網運行要求,APO所使用的無功功率不單獨進行結算,而是根據功率因數角及有功功率值決定懲罰系數,負荷功率因數角越小,懲罰系數越高,通過此類方法進一步計算無功支出費用。

3 基于SA-ADMM的雙層模型求解

在本文中,由于上層模型中APMG降低運行成本的目標與下層模型中市場出清不一致,采用一般迭代計算方法進行計算易導致交易結果發散。故本文采用SA-ADMM來計算所提雙層模型,SA-ADMM是交替方向乘子算法的衍生算法[15],其迭代過程中,在更新每個決策變量后,均會對拉格朗日乘子進行重新計算,以修正迭代方向,利用此方法可保證上層模型中的結果始終逼近下層模型。

3.1 自適應交替方向乘子法

SA-ADMM的主體思想是將原始目標函數擴展為拉格朗日函數,以滿足變量間的約束關系,原函數的基本形式可表示為:

(26)

式中:f1,…,fn為目標函數;a1,…,an和B為等式約束條件系數;x1,…,xn為待優化變量。

進一步構建擴展拉格朗日函數:

(27)

式中:λT為拉格朗日乘子;ρ為迭代步長。

SA-ADMM的迭代過程可表示為:

(28)

式中:r為迭代乘子;D為算術平方根的次數。

可見,在計算每一層模型后,除更新每一層決策變量外,SA-ADMM算法還對拉格朗日乘子進行更新,保證了結果的收斂性。

3.2 SA-ADMM迭代計算流程

利用SA-ADMM求解電力市場出清目標函數計算流程如圖3所示。

圖3 雙層模型計算流程Fig.3 Two-layer model calculation flow

雙層模型的具體計算流程可表示為:

1) 建立APMG最優能量管理策略優化模型式(1)—(16)以及配電市場出清的最優模型式(18)—(25);

2) 設置收斂精度ξ=10-4及迭代步長ρ=0.5×10-2,初始化迭代次數k=0,拉格朗日乘子λ=0以及迭代前的初始電力價格;

3) 根據初始電價,求解上層模型的最優解,得到APMG的購電策略;

4) 更新拉格朗日乘子λk+1/2;

5) 求解下層模型得到電力價格;

6) 更新拉格朗日乘子λk+1;

7) 更新迭代次數,判斷是否收斂;若收斂,則輸出結果,若不收斂則返回3)直至滿足收斂條件。

4 算例分析

本節首先針對IEEE-12節點配電網[30]及單一APMG算例進行計算分析,驗證本文所提模型和方法的有效性,進而針對內蒙古某縣農村66節點配電網[31]與多APMG耦合的實際系統開展算例分析,以驗證其實用性。

4.1 IEEE-12節點配電系統算例

IEEE-12配電系統結構如圖4所示,系統的總有功負荷為435.0 kW,節點電壓取0.9UN～1.1UN,其中UN為基準電壓。

圖4 IEEE-12配電網拓撲結構Fig.4 Distribution network topology of IEEE-12

本文所考慮的APMG所配備的光伏發電容量最大為10 kW,儲能容量最高為16 kW·h,APMG接入配電網節點5。配電網中接入2臺微型燃氣發電機(gas turbine,GT)進行售電,具體配電網參數如表1及圖5所示。由圖5可知,農村配電網上午負荷高峰時段為08:00—10:00,下午高峰時段為14:00—23:00。19:00,達到日前最大負荷峰值411 kW。通過初步計算得到溫室環境參數,如圖6所示。

表1 配電網電源參數Table 1 Distribution grid power parameters

圖5 IEEE-12配電網負荷功率Fig.5 Distribution network load power for IEEE-12

圖6 溫室自然環境參數Fig.6 Natural environmental parameters for the greenhouse

由圖6可知,農作物最佳生長環境:光照強度>400 μmol,溫度為15～25 ℃,日耗土壤水量>3 mm)。08:00—17:00,自然光光照強度充足,外界溫度逐漸升高,農作物吸收水分進行光合作用及蒸騰作用。但僅利用外界溫度無法使農作物達到最佳生長狀態,需依賴溫室自控設備營造適宜環境,包括提高光照強度、溫度以及濕度輔助農作物生長,具體溫室設備參數如表2所示。

表2 溫室設備參數Table 2 Greenhouse equipment parameters

4.2 配電市場出清結果分析

根據溫室農作物最佳生長狀態計算APMG溫室內部能耗,兼顧考慮光儲系統的供能能力,分析其參與配電市場出清下的最佳能量管理策略,本文設置以下4個場景進行對比分析。

場景1：光伏不發電,APMG直接從配電網購電滿足溫室需求。

場景2：APMG利用儲能系統在電價低谷時自動購入額外電能存儲,電價高峰時段則自動釋放為溫室供能,降低APO的購電成本。

場景3：APMG中的光伏系統優先為溫室供電,差額從配電市場進行購電補充。

場景4：APMG利用光儲系統合理調整能量管理策略實現最佳能量調度。

4.2.1 農業園區購電策略分析

進一步分析APO參與配電市場出清的購電策略,購電功率結果如圖7所示。

圖7 農業園區多場景下的購電功率分析 Fig.7 Analysis of power purchase in agricultural parks with multiple scenarios

通過求解優化雙層模型,得到上層模型中農業園區購電功率的值如圖7所示。4種場景下APO的購電功率分別為:171.08、171.32、143.24、131.37 kW。由于儲能充放電過程存在損耗,因此場景2中APO的購電功率高于場景1。而場景3中過剩的光伏發電無法存儲,因此17:00—19:00仍需從DSO處購買電能。而場景4中APO利用儲能裝置將過剩的光伏發電進行存儲,降低其購電量,下面針對幾個重點時段進行分析。

11:00—15:00,光照強度充足,環境溫度相對較高,溫室內補光燈停止運行,溫控系統處于低功率運行狀態,光伏系統發電功率可以完全覆蓋溫室負荷功率,因此場景3與場景4的購電功率均為0。而場景1與場景2中的APO需從配電網進行購電為溫控系統和灌溉系統供電。

17:00—19:00,農作物停止光合作用,將溫室環境參數調整為植物最佳生長狀態下邊界值即可,場景3中APMG內光伏系統無法為溫室供電,故其購電量與場景1接近。而場景2與場景4中APMG由于配備了儲能裝置,在電價高峰時刻可利用儲能裝置內部電能對溫室進行供電,降低APMG的購電成本。

可見,場景4中農業園區利用光儲互補系統對溫室供能,還可降低購電成本,證明了本文所提模型的有效性。

4.2.2 配電市場電源出清結果分析

除分析APO的購電行為外,還需進一步研究DSO的市場出清行為以驗證本文出清方式正確性,場景4配電網電源出清結果如圖8所示。

圖8 IEEE-12系統出清后的電源出力圖Fig.8 Diagram of power output for IEEE-12 after clearing

4.2.3 市場出清電價分析

在分析APO與DSO的行為后,進一步針對APMG參與配電市場出清的邊際電價進行分析。邊際電價為:

(29)

式中:β為式(28)的對偶變量。

不同場景下的APMG購電價格如表3所示。

表3 不同時刻配電網的節點邊際電價分析Table 3 DLMP analysis of distribution networks at different moments 元/(kWh)

05:00,場景4中,APO利用園區內的儲能裝置提前購電,配電網的總負荷量低于GT1最大出力,邊際機組為GT1,因此配電網其他用戶的購電價格也相對較低。而同樣配備儲能裝置的場景2由于其需為電價更高時段提前存儲電能,因此其在此時刻仍保持充電狀態,DLMP相對較高。

16:00,場景3和場景4中,APMG的光伏系統為溫室供電,燃氣輪機發電量高于配電網總負荷,節點邊際機組為GT2,因此其DLMP較低,而場景1和場景2中,由于APMG負荷較大,突破燃氣輪機最大供應量,DSO需從輸電網購電,提高節點邊際電價。

場景4中APO能量調度策略不僅減少了成本,還降低了其他用戶的購電成本。

4.3 APMG最優能量管理分析

本文所提模型(場景4)的光儲互補系統運行方式最佳。因此,進一步分析其中APMG的能量管理策略。

4.3.1 APMG用電功率分析

APMG各組成部分的能量消耗及購電結果反映了其能量調度策略,如圖9所示。

圖9 場景4的園區能量管理策略Fig.9 Park energy management strategy for scenario 4

02:00—04:00,配電網總負荷較小,儲能裝置進行小規模充電并在05:00釋放,維持配電網總負荷量不超過GT1的最大出力,降低購電成本。

11:00—16:00,溫室負荷較小,光伏出力過剩,溫室僅依賴光伏供電即可維持運行,蓄電池存儲多余電能,用以在夜間釋放維持供電,降低APMG運行成本。

進一步針對場景2和場景4的光伏消納量進行對比以驗證本文所提模型優勢,結果如圖10所示。

圖10 光伏出力變化圖Fig.10 Diagram of photovoltaic power output changes

由圖10可知,場景4中APMG在儲能裝置參與能量調度下,光伏消納量由27.84 kWh增加至39.71 kWh,證明了本文所提模型具有進一步消納光伏發電的能力。場景4中的光伏消納量增加的根本原因在于儲能裝置的合理利用。

4.3.2 農作物生長模式分析

本文以西紅柿為例分析溫室栽培增產模式高效性,增產模式的條件為每日增加光合作用時間3 h。西紅柿正常生長周期為58天,假設1 000 m2溫室可種植西紅柿3 000株,每株產量為1.83 kg,西紅柿售價為2.5元/kg,人工費用為每日32.5元,每年培育天數為290天,進一步分析增產模式收益。西紅柿生長狀態分析如圖11所示。

圖11 西紅柿生長狀態分析Fig.11 Tomatoes growth status analysis

圖12 66節點配電網燃氣輪機出力Fig.12 Gas turbine power output of 66-node distribution grid

由圖11可知,根據自然環境與溫室最佳生長環境的綜合指標,優化得到18:00—20:00為西紅柿增產模式最佳時間,3個時段的運行狀態由緩慢生長轉為最佳生長。下面針對西紅柿的收益情況進行分析,結果見表4。

表4 西紅柿的收益分析Table 4 Revenue analysis of tomatoes

由表4可知,增產模式下,由于其每日光合作用時間增加,可將西紅柿生長周期縮短10天,APO僅需額外支付低額的人工費用、購電費用以及其老化費用即可使每日凈利潤提高27.9%。

4.4 66節點內蒙古某縣農網實際算例分析

為深入研究多APMG參與的電力市場出清與能量管理,本文進一步針對66節點實際農村配電系統算例進行分析,具體農網參數可參考文獻[31],在此基礎上增加燃氣輪機4臺,GT1、GT2、GT3、GT4電能報價分別為0.38、0.44、0.39、0.42元/kWh。APMG為4個,每個APMG為3.0～4.5畝,APMG1連接節點22、41、44,APMG2連接節點34、48、56,APMG3連接節點52、61,APMG4連接節點30、66。

考慮多個APMG的66節點實際電網算例與IEEE-12算例計算方法相似,上層模型為4個不同APMG的能量管理策略,下層模型仍為配電市場出清模型。

4.4.1 市場出清結果分析

配備光儲系統后,APO可實現最優能量管理,同時降低DLMP及燃氣輪機出力,如圖13所示。

由圖13可知,多APMG光儲系統運行時,燃氣輪機出力明顯減小,DLMP隨之降低。15:00僅利用GT1發出功率即可滿足配電網負荷,09:00及16:00也均有不同程度的DLMP減小及邊際機組變化情況。

4.4.2 配電網購電成本對比分析

多APMG的最優能量管理可影響DLMP進而降低配電網用戶購電成本,對比結果如表5所示。

表5 用戶購電成本分析Table 5 Analysis of the cost of electricity purchased by customers

由表5可知,僅依靠單獨APMG調整用能策略可降低配電用戶2.16%的購電費用,而通過多個APMG進行調控,可降低6.13%費用。

5 結 論

本文提出了一種APMG參與配電市場高效能量管理優化模型,在考慮農作物最佳生長特性基礎上構建溫室環境負荷模型,并結合其用電特性與配電市場出清機制進一步構建了最優能量調度雙層優化模型,進而利用SA-ADMM進行求解。最后通過算例分析驗證了所提模型及方法的正確性和有效性,相關結論如下:

1)配備光儲系統的APMG可實現能量合理管控。其中光儲系統的聯合使用相比于單獨使用光伏或儲能系統可減少8.29%和23.34%的用能成本,還可進一步消納過剩的光伏發電。

2)所提出的能量管理模型可使APMG溫室環境系統營造最佳植物生長狀態,還可進一步通過增產模式降低農作物生長周期,僅需額外花費3.3%的用能成本,即可提升APO 21.33%的日均收益。

3)APMG實現最優能量管理的同時還可降低配電網用戶的購電成本。相比于單個APMG參與配電市場出清的場景,多園區參與配電市場出清的購電成本降低效果更強,降低比例從2.16%增加至6.13%。

本文針對APMG參與電力市場進行研究,對于光伏發電的場景分析有所欠缺。未來工作主要包括考慮光伏出力不確定性的APMG投標策略以及考慮多類型電力交易形式的APMG的能量管理研究。