崔鵬程 ，史俊祎 ，文福拴 ，2，孫 磊 ，董朝陽(yáng) ，鄭 宇 ，張 睿

（1.浙江大學(xué) 電氣工程學(xué)院，浙江 杭州 310027；2.文萊科技大學(xué) 電機(jī)與電子工程系，文萊 斯里巴加灣 BE1410；3.南方電網(wǎng)科學(xué)研究院，廣東 廣州 510080）

0 引言

環(huán)境污染和能源危機(jī)促進(jìn)了對(duì)電、天然氣、熱等多種能源協(xié)同規(guī)劃運(yùn)行的研究［1-3］。能量樞紐是一種用于描述多能源系統(tǒng)中能源供應(yīng)、負(fù)荷需求、網(wǎng)絡(luò)交換以及耦合關(guān)系的輸入-輸出雙端口模型，采用耦合矩陣可表述多種能源間的轉(zhuǎn)化、分配和存儲(chǔ)等耦合關(guān)系，在多能源系統(tǒng)規(guī)劃和運(yùn)行分析中有著廣泛應(yīng)用［4-5］。通過對(duì)能量樞紐優(yōu)化配置，可提升其整體運(yùn)行優(yōu)化行為進(jìn)而取得最大化的經(jīng)濟(jì)效益。

目前，關(guān)于能量樞紐的優(yōu)化配置問題已有一些研究報(bào)道［6-10］。 文獻(xiàn)［6］對(duì)熱電聯(lián)產(chǎn)（CHP）機(jī)組、燃?xì)忮仩t、吸收式制冷機(jī)及儲(chǔ)能設(shè)備的容量進(jìn)行了協(xié)同規(guī)劃，對(duì)實(shí)際系統(tǒng)的分析結(jié)果表明，所提方法相較于各能源系統(tǒng)單獨(dú)規(guī)劃，能夠更有效地降低成本。文獻(xiàn)［7］基于生命周期分析法，對(duì)基于太陽(yáng)能的冷熱電聯(lián)產(chǎn)系統(tǒng)中的燃?xì)鈨?nèi)燃機(jī)容量和系統(tǒng)運(yùn)行策略進(jìn)行了優(yōu)化。文獻(xiàn)［8］提出了包括蓄能設(shè)備的分布式聯(lián)供系統(tǒng)的優(yōu)化模型，確定單臺(tái)設(shè)備容量和設(shè)備臺(tái)數(shù)。文獻(xiàn)［9］以最小化年費(fèi)用和最大化炯用效率（exergy efficiency）為優(yōu)化目標(biāo)，采用遺傳算法優(yōu)化冷熱電聯(lián)供系統(tǒng)中各設(shè)備的容量。文獻(xiàn)［10］建立了雙層優(yōu)化規(guī)劃與設(shè)計(jì)模型，外層模型確定能量樞紐中能源轉(zhuǎn)換設(shè)備及儲(chǔ)能單元的投建與否和安裝容量，內(nèi)層模型則優(yōu)化典型日的運(yùn)行工況。

上述文獻(xiàn)均未考慮需求側(cè)管理或需求側(cè)響應(yīng)（DR）的影響。據(jù)統(tǒng)計(jì)，居民負(fù)荷具有巨大的可控潛力，潛在可控居民負(fù)荷約占居民總負(fù)荷的60%［11］。利用DR可以實(shí)現(xiàn)負(fù)荷的轉(zhuǎn)移和削減，平抑負(fù)荷曲線輪廓，進(jìn)而改善電力系統(tǒng)運(yùn)行的安全性和經(jīng)濟(jì)性。隨著需求側(cè)管理的逐步推廣實(shí)施，可以預(yù)見其在多能源系統(tǒng)中也會(huì)逐步得到應(yīng)用，因此在能量樞紐的優(yōu)化配置中也就需要考慮DR。在分布式電源和微電網(wǎng)的優(yōu)化配置和運(yùn)行方面，已有考慮需求側(cè)管理的研究報(bào)道。例如，文獻(xiàn)［12］綜合考慮了可控性負(fù)荷和分布式電源出力的不確定性，建立了分布式電源雙層優(yōu)化規(guī)劃模型；文獻(xiàn)［13］指出利用家用電器的可時(shí)移特性能夠降低海島微電網(wǎng)的儲(chǔ)能成本；文獻(xiàn)［14］構(gòu)建了能源互聯(lián)微電網(wǎng)系統(tǒng)供需雙側(cè)多能協(xié)同優(yōu)化模型，借助DR利用峰谷價(jià)差減少系統(tǒng)運(yùn)行成本。這些文獻(xiàn)僅考慮了可時(shí)移的電負(fù)荷，而在能量樞紐中，負(fù)荷側(cè)包括冷熱電等多種能源形式，因此有必要將傳統(tǒng)電力DR拓展到綜合需求側(cè)響應(yīng)（IDR）［15］。IDR包括多類型負(fù)荷需求的轉(zhuǎn)移以及負(fù)荷需求間的替代［16］，能夠充分挖掘需求側(cè)調(diào)節(jié)負(fù)荷的潛力，提高能量樞紐中設(shè)備的利用率，減少用能成本。因此，在能量樞紐優(yōu)化配置時(shí)考慮IDR是一個(gè)值得研究的重要問題，而目前尚未有這方面的系統(tǒng)研究報(bào)道。

在上述背景下，本文首先概述了能量樞紐中各類設(shè)備的模型，分析了用戶電負(fù)荷和冷熱負(fù)荷特性并分別建模，進(jìn)而以年運(yùn)行費(fèi)用最小化為優(yōu)化目標(biāo)，構(gòu)建了考慮IDR的能量樞紐優(yōu)化配置模型，并通過線性化處理將該優(yōu)化模型轉(zhuǎn)換為0-1混合整數(shù)線性規(guī)劃問題，在 MATLAB環(huán)境下的 YALMIP［17］平臺(tái)上采用CPLEX求解器求解。最后，以某居民小區(qū)為例，對(duì)本文提出的計(jì)及IDR的能量樞紐優(yōu)化配置模型進(jìn)行了驗(yàn)證。

1 能量樞紐系統(tǒng)架構(gòu)設(shè)計(jì)

能量樞紐系統(tǒng)一般包括能量生產(chǎn)、轉(zhuǎn)換和存儲(chǔ)設(shè)備。本文所針對(duì)的能量樞紐系統(tǒng)架構(gòu)如圖1所示，采用“自發(fā)自用、余量上網(wǎng)”的運(yùn)行機(jī)制，優(yōu)先滿足本地各類負(fù)荷需求，同時(shí)允許將富余電量輸送到配電系統(tǒng)。本文將一天分為48個(gè)時(shí)段，并假定每個(gè)時(shí)段的狀態(tài)參數(shù)保持不變，這樣在時(shí)刻t某變量的取值即為在時(shí)段t中該變量的取值。

圖1 能量樞紐系統(tǒng)架構(gòu)Fig.1 Structure of energy hub

1.1 能量生產(chǎn)設(shè)備

a.燃?xì)廨啓C(jī)。

燃?xì)廨啓C(jī)是能量樞紐最常用的發(fā)電機(jī)，以微型燃?xì)廨啓C(jī)為核心的冷熱電聯(lián)供系統(tǒng)的能源利用率可達(dá)70%～90%［18］。這里假設(shè)燃?xì)廨啓C(jī)的效率在運(yùn)行區(qū)間內(nèi)保持不變，廢熱由余熱鍋爐回收利用，其輸出的電功率和回收的熱功率可以描述為［19］：

其中分別為燃?xì)廨啓C(jī)在時(shí)刻t輸出的電功率、回收的熱功率和燃?xì)庀乃俾?；λgas為天然氣熱值分別為燃?xì)廨啓C(jī)發(fā)電效率和余熱鍋爐熱回收效率。

b.燃?xì)忮仩t。

燃?xì)忮仩t是常用的熱源設(shè)備，當(dāng)燃?xì)廨啓C(jī)提供的回收熱量不能滿足用戶的熱負(fù)荷時(shí)，則需燃?xì)忮仩t為部分熱負(fù)荷提供熱能。

其中分別為燃?xì)忮仩t在時(shí)刻t輸出的熱功率和燃?xì)庀乃俾蕿槿細(xì)忮仩t的供熱效率。

1.2 能量轉(zhuǎn)換設(shè)備

能量轉(zhuǎn)換設(shè)備包括溴化鋰吸收式制冷機(jī)、熱泵、電制冷機(jī)等。該類設(shè)備用于不同能量形式之間的轉(zhuǎn)化，如電轉(zhuǎn)熱、熱轉(zhuǎn)冷等，僅涉及轉(zhuǎn)換效率，因此可以對(duì)該類裝置統(tǒng)一采用式（4）進(jìn)行建模。

其中分別為能量轉(zhuǎn)換設(shè)備s在時(shí)刻t的輸入和輸出功率；ηs為能量轉(zhuǎn)換設(shè)備s的能量轉(zhuǎn)換效率。

1.3 儲(chǔ)能設(shè)備

儲(chǔ)能設(shè)備能夠在時(shí)間上解耦能量的生產(chǎn)與消耗，主要包括熱儲(chǔ)能、電儲(chǔ)能等。對(duì)于該類儲(chǔ)能設(shè)備可統(tǒng)一采用式（5）進(jìn)行建模。

其中分別為儲(chǔ)能設(shè)備s在時(shí)刻t具有的儲(chǔ)能量、充能功率和放能功率；gs為儲(chǔ)能設(shè)備s的自損耗系數(shù)分別為儲(chǔ)能設(shè)備s的充能效率和放能效率；ΔT為單位時(shí)段長(zhǎng)度。

2 IDR

傳統(tǒng)DR僅對(duì)可控電力負(fù)荷進(jìn)行了分類建模。在能量樞紐中，負(fù)荷可為冷、熱、電等多種形式，對(duì)于采用集中采暖供冷的系統(tǒng)，其冷熱負(fù)荷也具有可控潛力。IDR包括負(fù)荷需求轉(zhuǎn)移和負(fù)荷需求替代2個(gè)方面。其中，負(fù)荷需求替代體現(xiàn)在由于設(shè)備冗余，用戶可選擇消費(fèi)不同能源種類以滿足冷／熱／電負(fù)荷需求，已涵蓋在能源樞紐系統(tǒng)架構(gòu)之中。所以本節(jié)著重對(duì)負(fù)荷需求轉(zhuǎn)移進(jìn)行建模。根據(jù)冷／熱／電負(fù)荷用能特性，可將其分為基荷類負(fù)荷、可平移類負(fù)荷以及可轉(zhuǎn)移類負(fù)荷3類。

2.1 基荷類負(fù)荷

基荷類負(fù)荷指用戶對(duì)該類負(fù)荷的使用近似剛性，若不滿足或?qū)υ擃愗?fù)荷進(jìn)行調(diào)節(jié)，會(huì)對(duì)用戶產(chǎn)生較大的影響。在電負(fù)荷方面，該類負(fù)荷主要包括基本照明類設(shè)備用電、娛樂類設(shè)備用電等；在冷／熱負(fù)荷方面，該類負(fù)荷主要包括洗刷、清潔等用水負(fù)荷?？苫跉v史數(shù)據(jù)對(duì)基荷類負(fù)荷曲線的輪廓進(jìn)行預(yù)測(cè)。

2.2 可平移類負(fù)荷

可平移類負(fù)荷指只需在某個(gè)時(shí)間段內(nèi)滿足該類負(fù)荷需求即可，一般具有固定的負(fù)荷持續(xù)時(shí)間及習(xí)慣使用時(shí)間，且一旦啟動(dòng)就不宜中斷。在電負(fù)荷方面，該類負(fù)荷主要包括洗衣機(jī)、洗碗機(jī)等具有固定工作模式的電器設(shè)備；在冷／熱負(fù)荷方面，該類負(fù)荷包括洗澡用水等?？蓪?duì)該類負(fù)荷用式（6）—（10）進(jìn)行統(tǒng)一建模［20］。

其中，式（8）表示負(fù)荷的不可中斷性；式（9）表示必須在習(xí)慣使用時(shí)間內(nèi)滿足負(fù)荷要求；wt.i.j和分別為用戶j的第i類可平移類負(fù)荷在時(shí)刻t的功率值和額定功率，對(duì)于電負(fù)荷其為電功率值，對(duì)于冷／熱負(fù)荷則為冷／熱功率值；εt.i.j為在時(shí)刻t用戶j的第i類可平移類負(fù)荷啟動(dòng)狀態(tài)的0-1變量，εt.i.j＝1和εt.i.j＝0分別表示啟動(dòng)和不啟動(dòng)和 Hi分別為第i類可平移類負(fù)荷習(xí)慣開始使用時(shí)間、結(jié)束使用時(shí)間和負(fù)荷持續(xù)時(shí)間。

2.3 可轉(zhuǎn)移負(fù)荷

可轉(zhuǎn)移負(fù)荷指該類負(fù)荷在規(guī)定時(shí)間區(qū)間內(nèi)滿足一定的負(fù)荷需求即可，具有一定的虛擬儲(chǔ)能特性。對(duì)于電負(fù)荷，其主要包括電動(dòng)汽車（EV）等；對(duì)于冷／熱負(fù)荷，則主要包括采暖負(fù)荷、供冷負(fù)荷等。

對(duì)于 EV，采用下述模型［21］：

其中和St.k分別為第k輛EV在時(shí)刻t的充電功率和荷電狀態(tài)（SOC）和EEV.k分別為第k輛EV的充電效率和蓄電池容量分別為第k輛EV蓄電池所允許的最小和最大SOC；Stdep.k.k和分別為第k輛EV在離網(wǎng)時(shí)的實(shí)際和期望達(dá)到的SOC；tari.k和tdep.k分別為第k輛EV接入和離開電力系統(tǒng)的時(shí)刻為第k輛EV的最大充電功率。

室內(nèi)溫度升高或降低會(huì)影響用戶舒適度。用戶對(duì)于室內(nèi)環(huán)境的舒適度要求可以通過熱感覺平均標(biāo)度預(yù)測(cè)PMV（Predicted Mean Vote）指標(biāo)進(jìn)行表述，該指標(biāo)綜合考慮了人體新陳代謝率、衣著情況、空氣溫度、空氣流速、空氣相對(duì)濕度等因素［22］。在不同季節(jié)，人體在室內(nèi)活動(dòng)的舒適度感觀主要取決于室內(nèi)溫度、所穿著衣物以及人體新陳代謝率。文獻(xiàn)［23］考慮了各影響因素對(duì)PMV指標(biāo)的影響程度，得到了式（15）所示的PMV指標(biāo)的簡(jiǎn)化公式。

其中分別為時(shí)刻t的PMV指標(biāo)值和室內(nèi)溫度；M為人體新陳代謝率，人體在住宅建筑內(nèi)不進(jìn)行劇烈運(yùn)動(dòng)時(shí)，M可取定值為τ季節(jié)時(shí)人體所著衣物服裝熱阻，τ取1、2和3時(shí)分別表示春秋季、夏季和冬季。

ISO7730標(biāo)準(zhǔn)推薦 PMV 指標(biāo)范圍為［22］：

在式（16）所給定的范圍內(nèi)，用戶不會(huì)感覺到溫度變化的明顯差異，因此冷熱負(fù)荷曲線可以轉(zhuǎn)換為一個(gè)區(qū)間，在滿足用戶舒適度的前提下具備一定的彈性。

由于建筑墻體等圍護(hù)結(jié)構(gòu)具有隔熱保暖效果，室內(nèi)與室外的熱交換過程較慢，當(dāng)系統(tǒng)停止向用戶供熱或供冷時(shí)，室內(nèi)溫度以一定的時(shí)間常數(shù)逐漸降低或升高。在室內(nèi)取暖器停止加熱后，經(jīng)過30 min平均室溫降幅約為0.9℃［24］，因此可通過提前升高或降低室內(nèi)溫度來調(diào)節(jié)負(fù)荷曲線輪廓。

室內(nèi)溫度與采暖供冷量間的關(guān)系可采用一階等效熱參數(shù) ETP（Equivalent Thermal Parameters）模型描述，其微分方程如下［25］：

其中為時(shí)刻t的室外溫度；R、C分別為建筑物的等效熱阻、等效熱容為采暖通風(fēng)空調(diào)系統(tǒng)（HVAC）在時(shí)刻t輸出的熱功率或冷功率。

對(duì)式（17）的微分方程做離散化處理，可得到離散形式的熱平衡方程如下：

采暖供冷負(fù)荷在各時(shí)刻具有彈性且在時(shí)間軸上具有可轉(zhuǎn)移特性，因此為可轉(zhuǎn)移負(fù)荷，可通過調(diào)節(jié)采暖供冷負(fù)荷來調(diào)整冷熱負(fù)荷曲線。

3 數(shù)學(xué)模型與求解方法

3.1 優(yōu)化目標(biāo)

這里采用等年值法評(píng)估系統(tǒng)的經(jīng)濟(jì)性?？蓪?duì)一年內(nèi)的冷熱電負(fù)荷做統(tǒng)計(jì)分析，利用場(chǎng)景削減技術(shù)等進(jìn)行模式聚類和歸并，獲得典型日?qǐng)鼍?。采用這種方法形成N個(gè)典型日，第n個(gè)典型日的持續(xù)天數(shù)為dn。

以由初始安裝成本CIN、運(yùn)行維護(hù)成本COM及能耗成本CES構(gòu)成的年運(yùn)行費(fèi)用CATC最小為優(yōu)化目標(biāo)：

a.初始安裝成本。

通過資金回收系數(shù)CRF（Capital Recovery Factor）可將設(shè)備的一次性投資成本折算到每年的費(fèi)用支出：

其中，Cs為設(shè)備s的安裝容量為設(shè)備s的單位容量安裝成本；r為基準(zhǔn)折現(xiàn)率；ls為設(shè)備s的平均壽命。b.運(yùn)行維護(hù)成本。

其中為設(shè)備s單位輸出能量的運(yùn)行維護(hù)費(fèi)用。

c.能耗成本。

其中分別為時(shí)刻t的購(gòu)氣價(jià)格、購(gòu)電價(jià)格和售電價(jià)格分別為時(shí)刻t的購(gòu)電功率和售電功率；ft.s為設(shè)備s在時(shí)刻t的燃?xì)庀穆省?/p>

3.2 約束條件

a.功率平衡約束。

包括系統(tǒng)冷、熱、電功率平衡約束：

其中分別為系統(tǒng)在時(shí)刻t的剛性電負(fù)荷和熱負(fù)荷分別為設(shè)備s在時(shí)刻t消耗的電功率和輸出的電功率分別為設(shè)備s在時(shí)刻t消耗的熱功率和輸出的熱功率為設(shè)備s在時(shí)刻t 輸出的冷功率；pt，i，j和 ht，i，j分別為用戶 j第 i類可平移負(fù)荷在時(shí)刻t消耗的電功率和熱功率分別為在時(shí)刻t系統(tǒng)給用戶j提供的熱功率和冷功率。

b.聯(lián)絡(luò)線功率約束與購(gòu)售電狀態(tài)約束。

其中，pbuy.max、psell.max分別為能量樞紐從配電系統(tǒng)購(gòu)電、向配電系統(tǒng)售電功率上限分別為能量樞紐在時(shí)刻t處于購(gòu)電和售電的0-1狀態(tài)變量表示購(gòu)電表示售電，該約束限定能量樞紐不能同時(shí)購(gòu)售電。

c.安裝容量約束。

其中，γs為 0-1狀態(tài)變量，γs=0和 γs=1分別表示不安裝和安裝設(shè)備分別為設(shè)備s安裝容量的下限和上限。

d.能量生產(chǎn)／轉(zhuǎn)換設(shè)備的運(yùn)行約束。

其中分別為能量生產(chǎn)設(shè)備s的最小和最大負(fù)荷率；ψt.s為0-1狀態(tài)變量，ψt.s=0和ψt.s=1分別表示能量生產(chǎn)設(shè)備s在時(shí)刻t不投入和投入運(yùn)行；對(duì)于能量生產(chǎn)設(shè)備，wt.s為設(shè)備s在時(shí)刻t的輸出功率，而對(duì)于能量轉(zhuǎn)換設(shè)備wt.s則為設(shè)備s在時(shí)刻t的輸入功率。

e.儲(chǔ)能設(shè)備約束。

儲(chǔ)能設(shè)備需滿足儲(chǔ)能狀態(tài)約束，且為了保證調(diào)度的連續(xù)性，給定儲(chǔ)能設(shè)備調(diào)度的每日結(jié)束時(shí)刻T的狀態(tài)WT.s與初始時(shí)刻狀態(tài)Wl.s一致。

其中分別為儲(chǔ)能設(shè)備最小和最大儲(chǔ)存能量要求。

儲(chǔ)能設(shè)備還應(yīng)滿足充放能功率約束，其充放能功率與儲(chǔ)能容量相關(guān)，且不能同時(shí)充放能。

其中，式（35）保證儲(chǔ)能設(shè)備不能同時(shí)充能和放能和分別為儲(chǔ)能設(shè)備的充能和放能倍率分別為儲(chǔ)能設(shè)備在時(shí)刻t處于充能和放能的0-1狀態(tài)變量表示充能表示放能。

式（30）、（33）和（34）中存在二進(jìn)制離散變量與連續(xù)變量的乘積，成了混合非線性約束，導(dǎo)致優(yōu)化模型求解難度大。為改善求解效率，可對(duì)這些非線性約束進(jìn)行線性化。以式（30）為例進(jìn)行線性化得到：

經(jīng)過上述線性化處理后，即把所構(gòu)造的優(yōu)化模型轉(zhuǎn)換為0-1混合整數(shù)線性規(guī)劃問題，這樣就可在MATLAB 環(huán)境下的 YALMIP［17］平臺(tái)上，采用商業(yè)化的高效求解器CPLEX求解。

4 算例分析

以包括30戶居民用戶的某小區(qū)為例，對(duì)本文提出的能量樞紐優(yōu)化配置方法進(jìn)行驗(yàn)證。假設(shè)小區(qū)內(nèi)居民用戶戶型一致，面積均為150 m2，建筑物等效比熱容為1.2 kW·h／℃，等效熱阻為6.8℃／kW。這些居民用戶采用集中供暖供冷模式，不計(jì)輸送過程中的損耗，對(duì)室內(nèi)溫度進(jìn)行監(jiān)測(cè)，并統(tǒng)一調(diào)控。將全年分為3個(gè)典型季節(jié)，分別為春秋過渡季（3—5月、9—11月）、夏季（6—8月）和冬季（12月至次年 2月），各典型日氣溫及剛性負(fù)荷曲線如圖2所示。

圖2 典型日負(fù)荷和氣溫Fig.2 Loads and temperature of typical days

各設(shè)備的投資費(fèi)用、效率等參數(shù)列于表1、2中［8，14，26-27］。 燃?xì)廨啓C(jī)的最小負(fù)荷率取 0.2，其他設(shè)備取0，最大負(fù)荷率均取1?？善揭齐娯?fù)荷和熱負(fù)荷分別以洗衣機(jī)、洗碗機(jī)和洗澡用水為例，可轉(zhuǎn)移負(fù)荷以EV、采暖供冷負(fù)荷為例，并假設(shè)每個(gè)居民用戶對(duì)于上述負(fù)荷的需求均相同。IDR的相關(guān)參數(shù)見表3。

假設(shè)小區(qū)內(nèi)所有用戶采用相同型號(hào)的EV，則EV出行開始時(shí)刻tdep、出行結(jié)束時(shí)刻tari和日行駛里程 d 的概率密度函數(shù)如式（39）—（41）所示［28］。

其中，μs＝ 8.92；σs＝ 3.24；μe＝ 17.47；σe＝ 3.41；μm＝2.98；σm＝1.14。

采用的分時(shí)電價(jià)如圖3所示。假設(shè)售電價(jià)格與購(gòu)電價(jià)格相等，用戶小區(qū)與電力系統(tǒng)連接線路的容量為150 kW。給定天然氣價(jià)格為2.7元／m3，熱值取9.7 kW·h／m3，基準(zhǔn)折現(xiàn)率取 5%。

4.1 能量樞紐優(yōu)化配置結(jié)果比較

針對(duì)4種場(chǎng)景進(jìn)行優(yōu)化配置：場(chǎng)景一為同時(shí)考慮冷熱負(fù)荷的可控性和電負(fù)荷的可控性；場(chǎng)景二為僅考慮電負(fù)荷的可控性，洗澡熱水負(fù)荷按照習(xí)慣用水時(shí)間采用均勻分布模擬，采暖供冷負(fù)荷則按滿足用戶最佳PMV指標(biāo)要求進(jìn)行控制；場(chǎng)景三為僅考慮熱負(fù)荷的可控性，可平移電負(fù)荷按習(xí)慣用電時(shí)間用均勻分布模擬，EV最后一次出行結(jié)束即接入系統(tǒng)并以額定電功率充電至期望電量后退出；場(chǎng)景四為不考慮IDR的基礎(chǔ)場(chǎng)景。

所提方法在Intel Core i5-6500 CPU@3.20 GHz、內(nèi)存8GB的計(jì)算機(jī)上實(shí)現(xiàn)，并對(duì)算例進(jìn)行了測(cè)試。算例中的場(chǎng)景一考慮了電負(fù)荷的DR和熱負(fù)荷的DR，所求解的問題規(guī)模在4個(gè)場(chǎng)景中最大，共包括2768個(gè)連續(xù)變量和5411個(gè)整型變量，求解耗時(shí)9.31 s；求解場(chǎng)景二、三、四分別耗時(shí) 8.45s、8.26 s、5.47 s。

表1 設(shè)備經(jīng)濟(jì)參數(shù)Table 1 Economic parameters of devices

表2 儲(chǔ)能設(shè)備參數(shù)Table 2 Parameters of energy storage devices

表3 綜合需求側(cè)響應(yīng)參數(shù)Table 3 Parameters of integrated demand response

這4種場(chǎng)景下的優(yōu)化配置結(jié)果及相關(guān)各項(xiàng)費(fèi)用分別如表4和表5所示。由于電儲(chǔ)能及燃?xì)忮仩t的經(jīng)濟(jì)性較差，沒有包括在優(yōu)化配置結(jié)果之中。

場(chǎng)景一和場(chǎng)景二均考慮了電負(fù)荷的可控性，二者容量配置的差別主要體現(xiàn)在熱儲(chǔ)能設(shè)備。場(chǎng)景二比場(chǎng)景一的安裝成本多12.5%，運(yùn)行維護(hù)費(fèi)用多17.7%，能耗成本增幅不明顯，年運(yùn)行費(fèi)用多3.2%。

場(chǎng)景三未考慮電負(fù)荷的可控性，但考慮了冷熱負(fù)荷的可控性，因此在熱儲(chǔ)能設(shè)備配置方面與場(chǎng)景一差別不大。與場(chǎng)景一相比，場(chǎng)景三的燃?xì)廨啓C(jī)安裝容量略大，總安裝成本多6.2%，能耗成本多6.1%，年運(yùn)行費(fèi)用多6.2%。

表4 4種場(chǎng)景下的設(shè)備容量?jī)?yōu)化配置結(jié)果Table 4 Optimal device capacity configuration for four scenarios

表5 4種場(chǎng)景下各項(xiàng)費(fèi)用比較Table 5 Comparison of costs among four scenarios 萬元

場(chǎng)景四未考慮需求側(cè)的綜合響應(yīng)，因此安裝成本、運(yùn)行維護(hù)成本以及能耗成本均比場(chǎng)景一高，年運(yùn)行費(fèi)用多10.3%。

4.2 能量樞紐典型日運(yùn)行工況分析

以典型日運(yùn)行工況為例，分析IDR對(duì)容量配置的影響及其原因。

4.2.1 冬季典型日功率平衡

冬季典型日電功率平衡情況如圖4所示，熱功率平衡情況則如圖5所示。利用熱負(fù)荷的可控性，可以根據(jù)需要改變熱負(fù)荷大小，室內(nèi)溫度會(huì)在給定的用戶舒適度范圍內(nèi)進(jìn)行調(diào)節(jié)。在時(shí)段1—14，電價(jià)較低，燃?xì)廨啓C(jī)不工作，剛性熱負(fù)荷和采暖負(fù)荷由熱泵提供，通過容量?jī)?yōu)化配置，熱泵輸出熱功率能較好地滿足熱負(fù)荷需求，僅有部分時(shí)段需要利用儲(chǔ)能設(shè)備。

在時(shí)段17—24，電價(jià)較高，燃?xì)廨啓C(jī)工作，滿足系統(tǒng)的電負(fù)荷需求，同時(shí)向配電系統(tǒng)出售富余電量。此時(shí)燃?xì)廨啓C(jī)輸出的熱功率優(yōu)先滿足采暖負(fù)荷，富余熱功率則由熱儲(chǔ)能設(shè)備儲(chǔ)熱。在時(shí)段23—24，采暖負(fù)荷增加，室內(nèi)溫度升高到允許的上限以存儲(chǔ)熱量。在時(shí)段25—26，采暖負(fù)荷為0 kW，室內(nèi)溫度逐漸下降。當(dāng)室溫低于允許溫度的下限后，熱泵重新工作，維持室內(nèi)溫度，以滿足PMV指標(biāo)要求。

后續(xù)時(shí)段的情況類似。電價(jià)高時(shí)燃?xì)廨啓C(jī)工作，產(chǎn)生的熱量?jī)?yōu)先滿足剛性熱負(fù)荷和可平移熱負(fù)荷需求，同時(shí)通過升高室內(nèi)溫度儲(chǔ)存熱量，減少對(duì)熱儲(chǔ)能設(shè)備的依賴。故利用熱負(fù)荷的可控性可在滿足熱負(fù)荷需求的同時(shí)降低對(duì)熱儲(chǔ)能設(shè)備的容量配置要求。

4.2.2 夏季典型日功率平衡

考慮了IDR的夏季典型日的電功率平衡情況見圖6。在時(shí)段1—14和47—48，電價(jià)較低，電負(fù)荷由電力系統(tǒng)提供。對(duì)于可轉(zhuǎn)移電力負(fù)荷如EV，在滿足其出行要求的前提下，其充電一般安排在電價(jià)最低的時(shí)段；對(duì)于可平移電力負(fù)荷，安排在習(xí)慣使用時(shí)間段內(nèi)的低電價(jià)時(shí)段。當(dāng)電價(jià)為0.9368元／（kW·h）時(shí)，只有利用燃?xì)廨啓C(jī)產(chǎn)生的廢熱，運(yùn)行才具有經(jīng)濟(jì)性，即其售電收益低于純發(fā)電成本，因此燃?xì)廨啓C(jī)未滿發(fā)。當(dāng)電價(jià)為1.1505元／（kW·h）時(shí)，燃?xì)廨啓C(jī)的售電收益高于其純發(fā)電成本，故其滿發(fā)，此時(shí)吸收式制冷機(jī)和熱儲(chǔ)能設(shè)備也處于最大負(fù)荷狀態(tài)。

圖4 冬季典型日電功率平衡情況Fig.4 Power balance of typical winter day

圖5 冬季典型日熱功率平衡Fig.5 Heat power balance of typical winter day

圖6 夏季典型日電功率平衡Fig.6 Power balance of typical summer day

圖7顯示了夏季典型日的冷功率平衡，由于冷負(fù)荷具有可調(diào)性，而在時(shí)段8—13，電價(jià)較低，電制冷機(jī)按最大功率出力，室溫降低，這樣就可以減少后續(xù)高電價(jià)時(shí)的出力。在時(shí)段14—44，吸收式制冷機(jī)優(yōu)先利用燃?xì)廨啓C(jī)產(chǎn)生的熱量制冷，減少熱儲(chǔ)能設(shè)備儲(chǔ)熱，當(dāng)燃?xì)廨啓C(jī)停止出力時(shí)由熱儲(chǔ)能設(shè)備供熱，不足的冷功率由電動(dòng)制冷機(jī)提供。

圖7 夏季典型日冷功率Fig.7 Cooling power of typical summer day

4.3 靈敏度分析

定義可平移電負(fù)荷和可轉(zhuǎn)移電負(fù)荷之和參與IDR的比例為可控電負(fù)荷參與度，本節(jié)分析PMV指標(biāo)要求和可控電負(fù)荷參與度對(duì)能量樞紐年運(yùn)行費(fèi)用的影響。

a.PMV指標(biāo)。

PMV指標(biāo)反映用戶對(duì)于溫度舒適度的要求。圖8展示了在不同PMV指標(biāo)下系統(tǒng)配置方案較PMV=0場(chǎng)景下的各成本節(jié)約比例，具體成本分布情況見圖9。隨著PMV指標(biāo)允許波動(dòng)范圍增大，安裝成本和運(yùn)維成本的節(jié)約比例增大，其中安裝成本最多下降了17.3%，而能耗成本降幅不明顯，總成本則略有下降。增大PMV的允許波動(dòng)范圍，就放寬了對(duì)室內(nèi)溫度的舒適度要求，室內(nèi)溫度的允許偏差增大，相當(dāng)于居民樓冷熱等效儲(chǔ)能容量增大，可以更大程度地代替真實(shí)儲(chǔ)能裝置，因此可以降低對(duì)儲(chǔ)能設(shè)備的需求。儲(chǔ)能主體的改變對(duì)居民的用能情況和小區(qū)的購(gòu)能情況影響較小，所以能耗成本變化不大。

b.可控電負(fù)荷參與度。

圖8 不同PMV指標(biāo)下的成本對(duì)比Fig.8 Comparison of costs among different PMVs

圖9 不同PMV指標(biāo)下的成本分布Fig.9 Cost distribution for different PMVs

圖10展示了與電負(fù)荷不可控場(chǎng)景相比，在不同的可控電負(fù)荷參與度下各項(xiàng)成本節(jié)約的比例，具體成本分布情況見圖11?？煽仉娯?fù)荷直接影響居民的用能情況和小區(qū)的購(gòu)能情況，當(dāng)其參與DR的比例增大時(shí)，各項(xiàng)相關(guān)費(fèi)用均有所下降，且趨勢(shì)一致。

圖10 不同可控電負(fù)荷參與度下的成本對(duì)比Fig.10 Comparison of costs among different participation degrees of controllable electrical loads

圖11 不同可控電負(fù)荷參與度下的成本分布Fig.11 Cost distribution for different participation degrees of controllable electrical loads

5 結(jié)語(yǔ)

本文提出了一種計(jì)及IDR的能量樞紐優(yōu)化配置模型，以系統(tǒng)等值年運(yùn)行成本最低為優(yōu)化目標(biāo)，并考慮了功率平衡約束、聯(lián)絡(luò)線容量約束、安裝容量約束、運(yùn)行約束和儲(chǔ)能設(shè)備約束。以典型日的運(yùn)行工況為例，分析了IDR對(duì)優(yōu)化配置的影響，同時(shí)對(duì)可調(diào)節(jié)冷熱負(fù)荷及可控電負(fù)荷參與度對(duì)能量樞紐優(yōu)化配置成本的影響做了靈敏度分析，計(jì)算結(jié)果表明冷熱負(fù)荷的可控性主要影響安裝成本和運(yùn)維成本，而電負(fù)荷的可控性則對(duì)各類成本均有一定程度的影響。

在后續(xù)研究工作中，將考慮集中采暖供冷時(shí)傳輸管道損耗以及管網(wǎng)熱慣性對(duì)能量樞紐優(yōu)化配置的影響。

參考文獻(xiàn)：

［1］董朝陽(yáng)，趙俊華，文福拴，等.從智能電網(wǎng)到能源互聯(lián)網(wǎng)：基本概念與研究框架［J］. 電力系統(tǒng)自動(dòng)化，2014，38（15）：1-11.DONG Zhaoyang，ZHAO Junhua，WEN Fushuan，et al.From smart grid to energy internet：basic concept and research framework［J］.Automation of Electric Power Systems，2014，38（15）：1-11.

［2］孫宏斌，潘昭光，郭慶來.多能流能量管理研究：挑戰(zhàn)與展望［J］.電力系統(tǒng)自動(dòng)化，2016，40（15）：1-8.SUN Hongbin，PAN Zhaoguang，GUO Qinglai.Energy management for multi-energy flow：challenges and prospects［J］.Automation of Electric Power Systems，2016，40（15）：1-8.

［3］鄧建玲.能源互聯(lián)網(wǎng)的概念及發(fā)展模式［J］.電力自動(dòng)化設(shè)備，2016，36（3）：1-5.DENG Jianling.Concept of energy internet and its development modes［J］.Electric Power Automation Equipment，2016，36（3）：1-5.

［4］ZHANG Xiaping，SHAHIDEHPOUR M，ALABDULWAHAB A，et al.Optimal expansion planning of energy hub with multiple energy infrastructures［J］.IEEE Transactions on Smart Grid，2015，6（5）：2302-2311.

［5］王毅，張寧，康重慶.能源互聯(lián)網(wǎng)中能量樞紐的優(yōu)化規(guī)劃與運(yùn)行研究綜述及展望［J］. 中國(guó)電機(jī)工程學(xué)報(bào)，2015，35（22）：5669-5681.WANG Yi，ZHANG Ning，KANG Chongqing.Review and prospect of optimal planning and operation of energy hub in energy internet［J］.Proceedings of the CSEE，2015，35（22）：5669-5681.

［6］BAHRAMI S，SAFE F.A financial approach to evaluate an optimized combined cooling，heat and power system［J］.Energy and Power Engineering，2013，5（5）：352-362.

［7］荊有印，白鶴，張建良.太陽(yáng)能冷熱電聯(lián)供系統(tǒng)的多目標(biāo)優(yōu)化設(shè)計(jì)與運(yùn)行策略分析［J］. 中國(guó)電機(jī)工程學(xué)報(bào)，2012，32（20）：82-87.JING Youyin，BAI He，ZHANG Jianliang.Multi-objective optimization design and operation strategy analysis of a solar combined cooling heating and power system［J］.Proceedings of the CSEE，2012，32（20）：82-87.

［8］肖小清，闞偉民，楊允，等.有蓄能的聯(lián)供系統(tǒng)超結(jié)構(gòu)優(yōu)化配置［J］. 中國(guó)電機(jī)工程學(xué)報(bào)，2012，32（32）：8-14.XIAO Xiaoqing，KAN Weimin，YANG Yun，et al.Superstructurebased optimal planning of cogeneration systems with storage［J］.Proceedings of the CSEE，2012，32（32）：8-14.

［9］BENNEK J，BUHLIGEN U，ROTHE K，et al.Design and optimization of CCHP system incorporated into kraft process，using Pinch analysis with pressure drop consideration ［J］.Applied Thermal Engineering，2013，61（1）：88-97.

［10］GUO Li，LIU Wenjia，CAI Jiejin，et al.A two-stage optimal planning and design method for combined cooling，heat and power microgrid system［J］.Energy Conversion and Management，2013，74（10）：433-445.

［11］湯奕，鄧克愚，孫華東，等.智能家電參與低頻減載協(xié)調(diào)配合方案研究［J］. 電網(wǎng)技術(shù)，2013，37（10）：2861-2867.TANG Yi，DENG Keyu，SUN Huadong，et al.Research on coordination scheme for smart household appliances participating underfrequency load shedding［J］.Power System Technology，2013，37（10）：2861-2867.

［12］林君豪，張焰，陳思，等.考慮可控負(fù)荷影響的主動(dòng)配電系統(tǒng)分布式電源優(yōu)化配置［J］. 電力自動(dòng)化設(shè)備，2016，36（9）：46-53.LIN Junhao，ZHANG Yan，CHEN Si，et al.Optimal DG allocation considering effect of controllable load for active distribution system［J］.Electric Power Automation Equipment，2016，36（9）：46-53.

［13］荊朝霞，胡榮興，袁灼新，等.含風(fēng)／光／抽水蓄能并計(jì)及負(fù)荷響應(yīng)的海島微網(wǎng)優(yōu)化配置［J］. 電力系統(tǒng)自動(dòng)化，2017，41（1）：65-72，116.JING Zhaoxia，HU Rongxing，YUAN Zhuoxin，etal.Capacity configuration optimization for island microgrid with wind ／solar／pumped storage considering demand response［J］.Automation of Electric Power Systems，2017，41（1）：65-72，116.

［14］曾鳴，韓旭，李冉，等.能源互聯(lián)微網(wǎng)系統(tǒng)供需雙側(cè)多能協(xié)同優(yōu)化策略及其求解算法［J］. 電網(wǎng)技術(shù)，2017，41（2）：409-417.ZENG Ming，HAN Xu，LI Ran，et al.Multi-energy synergistic optimization strategy of micro energy internet with supply and demand sides considered and its algorithm utilized［J］.Power System Technology，2017，41（2）：409-417.

［15］曾鳴，武賡，李冉，等.能源互聯(lián)網(wǎng)中綜合需求側(cè)響應(yīng)的關(guān)鍵問題及展望［J］. 電網(wǎng)技術(shù)，2016，40（11）：3391-3398.ZENG Ming，WU Geng，LIRan，etal.Key problemsand prospects of integrated demand response in energy internet［J］.Power System Technology，2016，40（11）：3391-3398.

［16］BAHRAMI S，SHEIKHI A.From demand response in smart grid toward integrated demand response in smart energy hub［J］.IEEE Transactions on Smart Grid，2016，7（2）：650-658.

［17］劉偉佳，吳秋偉，文福拴，等.電動(dòng)汽車和可控負(fù)荷參與配電系統(tǒng)阻塞管理的市場(chǎng)機(jī)制［J］. 電力系統(tǒng)自動(dòng)化，2014，38（24）：26-33.LIU Weijia，WU Qiuwei，WEN Fushuan，et al.A market mechanism forparticipation ofelectric vehiclesand dispatchable loads in distribution system congestion management［J］.Automation of Electric Power Systems，2014，38（24）：26-33.

［18］張曉暉，陳鐘頎.熱電冷聯(lián)產(chǎn)系統(tǒng)的能耗特性［J］.中國(guó)電機(jī)工程學(xué)報(bào)，2007，27（5）：93-98.ZHANG Xiaohui，CHEN Zhongqi.Energy consumption performance of combined heat cooling and power system ［J］.Proceedings of the CSEE，2007，27（5）：93-98.

［19］WANG J，JING Y，ZHANG C.Optimization of capacity and operation for CCHP system by genetic algorithm［J］.Applied Energy，2010，87（4）：1325-1335.

［20］周磊，李揚(yáng).分時(shí)電價(jià)環(huán)境下基于家居能量管理系統(tǒng)的家居負(fù)荷建模與優(yōu)化運(yùn)行［J］. 電網(wǎng)技術(shù)，2015，39（2）：367-374.ZHOU Lei，LI Yang.Modeling and optimal dispatch for residential load based on home energy management system under time-of-use pricing［J］.Power System Technology，2015，39（2）：367-374.

［21］蘇海鋒，梁志瑞.基于峰谷電價(jià)的家用電動(dòng)汽車居民小區(qū)有序充電控制方法［J］. 電力自動(dòng)化設(shè)備，2015，35（6）：17-22.SU Haifeng，LIANG Zhirui.Orderly charging control based on peak valley electricity tariffs for household electric vehicles of residential quarter［J］.Electric Power Automation Equipment，2015，35（6）：17-22.

［22］International Organization for Standardization.Ergonomics of the thermal environment-analytical determination and inter-pretation of thermal comfort using calculation of the PMV and PPD indices and local thermal comfort criteria：ISO7730［S］.Geneva，Switzerland：ISO，2005.

［23］曾光，田永錚，趙華，等.環(huán)境因素及綜合因素對(duì)PMV指標(biāo)的影響分析［J］. 建筑節(jié)能，2007，35（3）：11-16.ZENG Guang，TIAN Yongzheng，ZHAO Hua，et al.Analysis on the environment and synthesis factors affecting the PMV index［J］.Building Energy Efficiency，2007，35（3）：11-16.

［24］NOUREDINE H.有源智能配電網(wǎng)［M］.陶順，肖湘寧，彭騁，譯.北京：中國(guó)電力出版社，2012.

［25］ZHANG W，LIAN J，CHANG C Y，et al.Aggregated modeling and control of air conditioning loads for demand response［J］.IEEE Transactions on Power Systems，2013，28（4）：4655-4664.

［26］MARNAY C，VENKATARAMANAN G，STADLER M，et al.Optimal technology selection and operation of commercial building microgrids［J］.IEEE Transactions on Power Systems，2008，23（3）：975-982.

［27］ZHOU Z，LIU P，LI Z，et al.An engineering approach to the optimal design of distributed energy systems in China［J］.Applied Thermal Engineering，2013，53（2）：387-396.

［28］姚偉鋒，趙俊華，文福拴，等.基于雙層優(yōu)化的電動(dòng)汽車充放電調(diào)度策略［J］. 電力系統(tǒng)自動(dòng)化，2012，36（11）：30-37.YAO Weifeng，ZHAO Junhua，WEN Fushuan，et al.A charging and discharging dispatching strategy for electric vehicles based on bi-level optimization［J］.Automation of Electric Power Systems，2012，36（11）：30-37.