董 帥, 王成福, 梁 軍, 董曉明, 梁正堂, 李華東

(1. 電網(wǎng)智能化調(diào)度與控制教育部重點實驗室(山東大學(xué)), 山東省濟(jì)南市 250061; 2. 國網(wǎng)山東省電力公司電力科學(xué)研究院, 山東省濟(jì)南市 250002)

0 引言

當(dāng)前,中國棄風(fēng)消納問題極為嚴(yán)峻,據(jù)統(tǒng)計,2016年全年棄風(fēng)電量49.7 TW·h,平均棄風(fēng)率達(dá)到17.1%,其中甘肅省棄風(fēng)率更是高達(dá)43%[1]。與此同時,能源互聯(lián)網(wǎng)的提出為可再生能源消納提供了新的解決途徑[2-3],而作為其重要物理載體的綜合能源系統(tǒng)的優(yōu)化調(diào)度運行則是實現(xiàn)棄風(fēng)消納的關(guān)鍵所在[4-7]。

作為綜合能源系統(tǒng)的核心環(huán)節(jié),電轉(zhuǎn)氣(power to gas,P2G)技術(shù)可將低谷時段難以消納的風(fēng)電轉(zhuǎn)化為易于大規(guī)模存儲的天然氣,實現(xiàn)電力—天然氣網(wǎng)絡(luò)的深度耦合,從而改善系統(tǒng)運行靈活性,并提高其風(fēng)電接納能力。因此,P2G技術(shù)及其優(yōu)化運行方法成為當(dāng)前綜合能源系統(tǒng)研究的焦點問題[8-14]。文獻(xiàn)[8-9]建立了電氣互聯(lián)系統(tǒng)的不確定性模型,并分析了P2G對系統(tǒng)運行靈活性的提高作用;文獻(xiàn)[10]提出了一種通過P2G和燃?xì)廨啓C協(xié)調(diào)進(jìn)行削峰填谷的模型,兼顧了系統(tǒng)的經(jīng)濟(jì)性目標(biāo)與削峰填谷目標(biāo);文獻(xiàn)[11]采用能源中心建模方法,建立了綜合能源系統(tǒng)優(yōu)化調(diào)度模型,并分析了系統(tǒng)消納風(fēng)電的經(jīng)濟(jì)效益。上述研究均證明了P2G對系統(tǒng)運行靈活性及風(fēng)電接納能力的有益幫助。

然而,雖然P2G具有良好的棄風(fēng)消納效果,但在當(dāng)前及可預(yù)見的未來,其運行成本恐將難以得到大幅度降低。當(dāng)前,國內(nèi)外針對P2G運行成本的探討主要集中在P2G容量配置與經(jīng)濟(jì)性評估方面[15-23]。文獻(xiàn)[15]詳細(xì)介紹了P2G各環(huán)節(jié)的關(guān)鍵技術(shù),并對其成本進(jìn)行了系統(tǒng)分析;文獻(xiàn)[16-17]評估了P2G通過購買電能與出售天然氣參與能源市場的經(jīng)濟(jì)可行性;文獻(xiàn)[18]采用成本—收益分析法確定了P2G的最優(yōu)容量配置;文獻(xiàn)[19-20]研究了P2G應(yīng)用在不同場景下的成本特征與運營經(jīng)濟(jì)性。上述研究表明:一方面,由于P2G運行成本較為昂貴,在應(yīng)用中必須合理計及該成本;另一方面,除用電成本外,P2G原料成本也將影響其經(jīng)濟(jì)性。因此,有必要綜合考慮其運行成本對系統(tǒng)調(diào)度的影響。

目前,在現(xiàn)有含P2G的綜合能源系統(tǒng)優(yōu)化調(diào)度研究中,計及P2G運行成本對綜合能源系統(tǒng)調(diào)度運行影響的研究尚不多見。實際上,當(dāng)P2G運行成本較高時,會在一定程度上影響系統(tǒng)的風(fēng)電接納能力與運行經(jīng)濟(jì)性,使二者之間產(chǎn)生一定的矛盾關(guān)系。進(jìn)而,如何協(xié)調(diào)二者間的關(guān)系,使得系統(tǒng)在具有較高風(fēng)電接納能力的同時,仍能保證運行經(jīng)濟(jì)性,是含P2G的綜合能源系統(tǒng)面臨的關(guān)鍵問題。

針對上述問題,本文提出一種考慮P2G運行成本對系統(tǒng)風(fēng)電接納能力與運行經(jīng)濟(jì)性影響的綜合能源系統(tǒng)日前調(diào)度方法。首先,在建立P2G運行成本及能源集線器模型的基礎(chǔ)上,分析P2G運行成本對系統(tǒng)經(jīng)濟(jì)性與風(fēng)電接納能力的影響,并據(jù)此建立多目標(biāo)日前優(yōu)化調(diào)度模型。然后,通過加權(quán)模糊規(guī)劃方法協(xié)調(diào)矛盾關(guān)系,實現(xiàn)由多目標(biāo)到單目標(biāo)的轉(zhuǎn)化。最后,以9節(jié)點能源集線器系統(tǒng)為例進(jìn)行仿真,結(jié)果分析說明了P2G運行成本對系統(tǒng)運行的影響,驗證了所提模型的正確性。

1 含P2G的能源集線器模型

1.1 P2G技術(shù)及其運行成本

P2G技術(shù)分為電解和甲烷化兩個過程,當(dāng)前整個化學(xué)反應(yīng)流程的效率可達(dá)60%～70%[11],技術(shù)原理如附錄A圖A1所示。

P2G運行成本包括固定運行成本與可變運行成本,前者包含設(shè)備維護(hù)費、勞動力成本等;后者則指生成單位天然氣所需的成本,其直接影響日前優(yōu)化調(diào)度。因此,下文所述P2G運行成本均指其可變運行成本,其主要包含用電成本與原料成本[20]。其中,用電成本與耗電量呈正比;原料成本主要為二氧化碳(CO2)成本,因其來源不同(如碳捕捉技術(shù)、沼氣等)而差別較大,取值在10～1 000美元/t之間[20,22]。

綜上,P2G運行成本可表示為:

CP2G=CEPP2GΔt+αCMPNGΔt

(1)

式中:CP2G為P2G運行成本;Δt為P2G設(shè)備的運行時間;CE,α,CM分別為P2G用電電價、生成單位天然氣所需CO2系數(shù)、CO2價格系數(shù);PP2G和PNG分別為P2G消耗的電功率與生成的天然氣功率,二者關(guān)系如式(2)所示。

PNG=ηegPP2G

(2)

式中:ηeg為P2G效率。

可見,隨用電電價、CO2來源不同,P2G運行成本有不同取值。因此,當(dāng)P2G運行成本較高時,有必要考慮其對系統(tǒng)調(diào)度運行的影響。

1.2 含P2G的能源集線器

綜合多種能源的能源集線器可為P2G技術(shù)提供更廣闊的運行靈活性。本文構(gòu)建了如圖1所示的含P2G的能源集線器模型:輸入端的電能、天然氣通過P2G設(shè)備、熱電聯(lián)產(chǎn)(CHP)機組、燃?xì)忮仩t、儲氣設(shè)備等實現(xiàn)能量轉(zhuǎn)換與存儲,輸出電能、熱能供應(yīng)負(fù)荷需求。需要說明的是,電力網(wǎng)絡(luò)和天然氣網(wǎng)絡(luò)一般是在大范圍內(nèi)聯(lián)網(wǎng),而熱力網(wǎng)絡(luò)由于受制于就近供需特點和傳輸延時特性,一般僅在局部小范圍內(nèi)傳輸。因此,在本文所構(gòu)造的模型中,假定熱能僅在能源集線器內(nèi)部傳輸,即不考慮熱力聯(lián)網(wǎng)。

圖1 含P2G的能源集線器Fig.1 Energy hub including a P2G device

如圖1所示,當(dāng)風(fēng)電消納困難時,可通過P2G將過剩風(fēng)電轉(zhuǎn)化為天然氣,供CHP機組、燃?xì)忮仩t使用或進(jìn)行儲存,從而提高風(fēng)電消納能力與系統(tǒng)運行靈活性。

含P2G的能源集線器的數(shù)學(xué)表達(dá)式如下:

(3)

2 綜合能源系統(tǒng)多目標(biāo)日前調(diào)度模型

本文假定綜合能源系統(tǒng)由統(tǒng)一的調(diào)度機構(gòu)負(fù)責(zé)調(diào)度。當(dāng)P2G運行成本較高時,會在一定程度上影響系統(tǒng)的風(fēng)電接納能力與運行經(jīng)濟(jì)性,使二者之間產(chǎn)生一定的矛盾關(guān)系。此時,若以系統(tǒng)經(jīng)濟(jì)性最優(yōu)為目標(biāo)進(jìn)行調(diào)度,則可能會導(dǎo)致P2G出力較少、風(fēng)電接納能力較低;而若以風(fēng)電接納能力最大為目標(biāo)進(jìn)行調(diào)度,除較高的P2G運行成本之外,系統(tǒng)內(nèi)各裝置有可能偏離經(jīng)濟(jì)運行點,導(dǎo)致系統(tǒng)經(jīng)濟(jì)性變差。

因此,本文在計及P2G運行成本的基礎(chǔ)上,建立多目標(biāo)優(yōu)化調(diào)度模型,以期得到兼顧系統(tǒng)運行經(jīng)濟(jì)性與風(fēng)電接納能力的優(yōu)化結(jié)果。

2.1 目標(biāo)函數(shù)

目標(biāo)1即綜合能源系統(tǒng)的總運行成本Fg最小,包括火電成本、風(fēng)電成本、氣源出力成本、儲氣設(shè)備運行成本以及P2G原料成本。需要說明的是,對于統(tǒng)一調(diào)度機構(gòu)而言,風(fēng)電成本即系統(tǒng)支付給風(fēng)電機組所有者的成本,而P2G用電成本已包含在火電成本或風(fēng)電成本之中。因此,目標(biāo)1如下式所示:

(4)

目標(biāo)2即風(fēng)電接納電量Fw最大:

(5)

在綜合能源系統(tǒng)調(diào)度運行中,系統(tǒng)在t時段的風(fēng)電最大接納功率不一定是風(fēng)電預(yù)測功率,由于受到系統(tǒng)物理容量限制(如火電機組最小出力、P2G和儲氣等設(shè)備容量、線路傳輸容量限制等),有一部分風(fēng)電必須棄掉。

2.2 約束條件

2.2.1能源集線器內(nèi)部約束

1)CHP出力約束

(6)

(7)

2)燃?xì)忮仩t出力約束

(8)

3)P2G出力約束

(9)

4)儲氣設(shè)備運行約束

儲氣設(shè)備模型包括式(8)所示儲氣平衡約束、式(9)所示儲氣容量約束、式(10)和式(11)所示儲氣和放氣功率上下限約束。

(10)

Sm,min≤Sm,t≤Sm,max

(11)

(12)

(13)

為了給下一個調(diào)度周期預(yù)留一定的調(diào)節(jié)裕度,將運行一個周期后的儲氣量恢復(fù)到原來的儲氣量,也即意味著一個周期內(nèi)的充氣量等于放氣量:

(14)

2.2.2電力網(wǎng)絡(luò)約束

1)節(jié)點功率平衡約束

Bijsinθij,t)=0

(15)

Bijcosθij,t)=0

(16)

2)機組出力約束

(17)

(18)

(19)

3)節(jié)點電壓約束

Ui,min≤Ui,t≤Ui,max

(20)

式中:Ui,max和Ui,min分別為節(jié)點i的電壓上下限。

4)支路潮流約束

|Pkl,t|≤Pkl,max

(21)

式中:Pkl,max為支路kl的潮流上限值。

2.2.3天然氣網(wǎng)絡(luò)約束

1)節(jié)點流量平衡約束

(22)

2)氣源出力約束

(23)

3)天然氣節(jié)點壓力約束

ωi,min≤ωi,t≤ωi,max

(24)

式中:ωi,max和ωi,min分別為天然氣節(jié)點i的壓力上下限。

4)加壓站約束

由于天然氣在傳輸過程中會因管壁摩擦等造成壓力損失,因此通常需要加壓站進(jìn)行增壓,如附錄A圖A2所示。

(25)

(26)

5)管道流量約束

(27)

(28)

fnj,min≤fnj,t≤fnj,max

(29)

式中:Cnj為節(jié)點n與節(jié)點j之間傳輸管道的傳輸系數(shù);fnj,max和fnj,min分別為管道nj的流量上下限。

6)天然氣流量可以通過其熱值轉(zhuǎn)化為功率流,二者之間的換算關(guān)系為:

Pgas=HGVGgas

(30)

式中:Pgas為天然氣功率流;HGV為天然氣的高熱值,取值為39 MJ/m3。

3 多目標(biāo)的加權(quán)模糊化處理

為協(xié)調(diào)該模型中兩個具有矛盾關(guān)系的目標(biāo),本文首先借助隸屬度函數(shù)將優(yōu)化目標(biāo)模糊化,然后采用加權(quán)滿意度指標(biāo)法[24-25]實現(xiàn)多目標(biāo)到單目標(biāo)的轉(zhuǎn)化。該方法既結(jié)合了模糊規(guī)劃理論的優(yōu)點,同時又可以考慮決策者對不同目標(biāo)的重視程度,適應(yīng)調(diào)度人員對經(jīng)濟(jì)性與風(fēng)電接納能力的不同要求。

首先,將兩個不同的目標(biāo)進(jìn)行模糊化、歸一化處理。分別建立系統(tǒng)運行成本與風(fēng)電接納電量兩個目標(biāo)的“降半梯形”隸屬度函數(shù),如附錄A圖A3所示。

兩個目標(biāo)所對應(yīng)的隸屬度函數(shù)分別為:

(31)

(32)

式中:μ(Fg)和μ(Fw)分別為對運行成本與風(fēng)電接納電量的滿意度;Fg,min和Fw,max為兩個單目標(biāo)模型的最優(yōu)解,分別代表了理論上系統(tǒng)運行成本的最小值與風(fēng)電接納電量的最大值;βg和βw為彈性滿意程度;βgFg,min和βwFw,max分別代表了決策者允許的運行成本增加值與風(fēng)電接納電量減小值。

然后,通過將兩個滿意度函數(shù)加權(quán)求和,構(gòu)造整體滿意度目標(biāo)函數(shù),從而實現(xiàn)多目標(biāo)到單目標(biāo)的轉(zhuǎn)化。所建立的多目標(biāo)加權(quán)模糊規(guī)劃模型如下:

(33)

式中:μ為整體滿意度;a1和a2為兩個目標(biāo)的權(quán)重系數(shù),根據(jù)調(diào)度人員對經(jīng)濟(jì)性與風(fēng)電接納電量的不同要求設(shè)定;H(x)代表了模型中的所有等式約束;G(x)代表了所有不等式約束。

在式(31)和式(32)的設(shè)定下,式(33)所示模型與式(34)所示模型等價。

(34)

式(34)所示模型是普通非線性單目標(biāo)規(guī)劃問題,可以用優(yōu)化軟件GAMS求解。GAMS是一種建立并求解大型復(fù)雜規(guī)劃問題的軟件,通過調(diào)用合適的外部求解器(如CPLEX,IPOPT,MINOS)來求解優(yōu)化模型的最優(yōu)解。其中,內(nèi)點法求解器IPOPT適于求解大規(guī)模非線性優(yōu)化問題,在很多領(lǐng)域得到了廣泛應(yīng)用。因此,本文采用GAMS/IPOPT進(jìn)行求解。

4 算例分析

4.1 9節(jié)點能源集線器系統(tǒng)

本文參考文獻(xiàn)[14,26],構(gòu)造了如圖2所示的9節(jié)點能源集線器系統(tǒng)。圖中,H1至H9是9個能源集線器,H5內(nèi)部結(jié)構(gòu)如圖1所示,其余能源集線器內(nèi)部無P2G和儲氣設(shè)備。H3,H4,H9分別接入火電廠G1,G2,G3,而H5接入風(fēng)電場WT。另外,H3和H4分別接入氣源點S1和S2。

圖2 9節(jié)點能源集線器系統(tǒng)Fig.2 Integrated energy system including 9 energy hubs

針對文獻(xiàn)[14]中的冬季典型日測試數(shù)據(jù)進(jìn)行了部分修改,各設(shè)備參數(shù)、成本系數(shù)等見附錄B表B1至表B5。其中風(fēng)電預(yù)測發(fā)電量為7 196 MW·h。假設(shè)負(fù)荷在9個能源集線器內(nèi)均勻分配。電力系統(tǒng)、天然氣系統(tǒng)、熱負(fù)荷等統(tǒng)一歸算為電力單位計量,并取功率基準(zhǔn)值為100 MW,以標(biāo)幺值表示;取成本基準(zhǔn)值為4美元/(MW·h),以金融單位表示。

P2G運行成本中,參考文獻(xiàn)[20]中的CO2成本數(shù)據(jù),取α=0.2 t/(MW·h),CM=90美元/t,即P2G的原料成本系數(shù)為4.5(以金融單位表示)。

為研究系統(tǒng)運行經(jīng)濟(jì)性與風(fēng)電接納能力之間的特征關(guān)系,本文設(shè)置如下4種場景進(jìn)行對比分析。

場景1:系統(tǒng)中無P2G,目標(biāo)是系統(tǒng)運行成本最小。

場景2:系統(tǒng)中有P2G,目標(biāo)是系統(tǒng)運行成本最小。

場景3:系統(tǒng)中有P2G,目標(biāo)是系統(tǒng)風(fēng)電接納電量最大。

場景4:系統(tǒng)中有P2G,綜合考慮運行成本目標(biāo)和風(fēng)電接納目標(biāo)。

4.2 P2G原料成本對系統(tǒng)調(diào)度運行的影響

對場景1進(jìn)行優(yōu)化,得Fw=5 301 MW·h,Fg=3 623.73(以金融單位表示)。為分析P2G運行成本對系統(tǒng)風(fēng)電接納能力與運行經(jīng)濟(jì)性的影響,在場景2中分別設(shè)置不同的P2G原料成本系數(shù)(即不同的CO2價格系數(shù)CM)進(jìn)行優(yōu)化,并與場景1優(yōu)化結(jié)果進(jìn)行對比。

如圖3所示,當(dāng)不計及P2G原料成本時,由于只受到系統(tǒng)物理容量限制,風(fēng)電盡可能被接納,此時Fw=7 052 MW·h,Fg=3 545.23(以金融單位表示)。對比場景1可發(fā)現(xiàn),此時P2G能顯著提高系統(tǒng)的風(fēng)電接納能力并減少系統(tǒng)運行成本。

圖3 P2G原料成本對系統(tǒng)調(diào)度運行的影響Fig.3 Effect of P2G material cost on system dispatch

而隨P2G原料成本增加,P2G出力逐漸減少,因此系統(tǒng)的風(fēng)電接納電量減少,同時系統(tǒng)總運行成本也逐漸增加。對比場景1可發(fā)現(xiàn),此時P2G仍能增加系統(tǒng)的風(fēng)電接納能力并減少運行成本,但其效果受到了其運行成本的限制。

當(dāng)P2G原料成本增加至6(以金融單位表示)時,啟動P2G接納風(fēng)電對系統(tǒng)而言不具備經(jīng)濟(jì)性,因此P2G不啟動,風(fēng)電接納電量固定在5 301 MW·h,與場景1相同。

由此可見,當(dāng)P2G運行成本較高時,會在一定程度上影響系統(tǒng)的風(fēng)電接納能力與運行經(jīng)濟(jì)性。該結(jié)論亦充分證明了在日前調(diào)度研究中計及P2G運行成本的必要性。

4.3 多目標(biāo)間的特征關(guān)系分析

為進(jìn)一步分析系統(tǒng)在運行經(jīng)濟(jì)性與風(fēng)電接納能力之間存在的特征關(guān)系,取P2G原料成本系數(shù)為4.5(以金融單位表示),分別對場景2和3進(jìn)行優(yōu)化計算,可得優(yōu)化結(jié)果如表1所示。

表1 不同場景下的風(fēng)電接納電量和系統(tǒng)運行成本Table 1 Wind power accommodation amount and system operational costs in different scenarios

對比場景2和3可以發(fā)現(xiàn),當(dāng)以系統(tǒng)風(fēng)電接納能力最大為目標(biāo)時,其接納的風(fēng)電量增加,但系統(tǒng)運行成本亦隨之增加。由此可見,當(dāng)P2G運行成本較高時,系統(tǒng)在運行經(jīng)濟(jì)性與風(fēng)電接納能力之間存在一定的矛盾關(guān)系。

由于系統(tǒng)在最優(yōu)經(jīng)濟(jì)運行點時仍有較大的棄風(fēng)電量,因此,有必要在兩個相互矛盾的目標(biāo)之間尋求折中解。由場景2和3優(yōu)化結(jié)果得Fg,min=3 604.11(以金融單位表示),Fw,max=7 052 MW·h,在場景4中取βgFg,min=48.05(以金融單位表示),βwFw,max=1 272 MW·h,分別取不同的權(quán)重系數(shù)a1和a2對兩個目標(biāo)進(jìn)行協(xié)調(diào)分析,結(jié)果見圖4。

圖4 權(quán)重系數(shù)對兩個目標(biāo)的影響Fig.4 Influence of weight coefficient on two objectives

由圖4可以看出,隨a2增大、a1減小,風(fēng)電接納電量大約呈直線增加。與此同時,系統(tǒng)運行成本也增加,并且在a2=0～0.4時,增加速度較為緩慢,而隨著a2進(jìn)一步增大,增加速度則逐漸趨向于風(fēng)電接納電量的變化趨勢?；谶@一特征關(guān)系,下文將結(jié)合優(yōu)化結(jié)果詳細(xì)分析系統(tǒng)運行機理。

4.4 優(yōu)化運行結(jié)果分析

針對場景4,調(diào)度人員可根據(jù)運行需求設(shè)置權(quán)重系數(shù),本文取a2=0.5,得優(yōu)化結(jié)果Fw=6 471 MW·h,Fg=3 618.89(以金融單位表示)。為分析矛盾性產(chǎn)生的系統(tǒng)內(nèi)部運行機理,本文對場景2,3,4的優(yōu)化結(jié)果進(jìn)行對比分析,各裝置出力情況如圖5至圖7所示。

圖5 不同場景下風(fēng)電使用情況Fig.5 Wind power utilization in different scenarios

圖6 不同場景下儲氣設(shè)備和氣源出力Fig.6 Outputs of gas storage and gas supplier in different scenarios

圖7 不同場景下CHP機組、火電機組、燃?xì)忮仩t出力Fig.7 Outputs of CHP unit, thermal unit and gas boiler in different scenarios

根據(jù)圖5至圖7可以看出,系統(tǒng)大致可分為夜間(1～6 h,23～24 h)、白天(7～22 h)兩種運行狀態(tài),由于夜間風(fēng)電有較大盈余,而白天風(fēng)電出力較少,所以P2G只在夜間啟動。不同場景下的風(fēng)電使用情況如圖5所示,其中功率為標(biāo)幺值。

對比圖5中的不同場景可知,從場景2到場景4再到場景3,夜間P2G出力增加,增大了系統(tǒng)的風(fēng)電接納能力。

如圖6所示,隨著P2G轉(zhuǎn)化的天然氣逐漸增多,夜間儲氣設(shè)備的儲氣量也逐漸增多。而3種場景下的氣源出力并無明顯變化,這主要是由于P2G轉(zhuǎn)化天然氣的成本相比氣源直接出力的成本較高,所以P2G出力變化基本不會影響氣源出力。另外,由于式(14)所示約束的限制,從場景2到場景4再到場景3,白天儲氣設(shè)備的放氣量也逐漸增多,供給CHP機組進(jìn)行電力調(diào)峰。CHP機組、火電機組、燃?xì)忮仩t的出力情況如圖7所示。

由圖7可見,從場景2到場景4再到場景3,白天CHP機組出力逐漸增多,根據(jù)電負(fù)荷供需平衡,火電機組出力逐漸減少;另外,由于電熱耦合關(guān)系,熱負(fù)荷在白天也主要依靠CHP滿足,燃?xì)忮仩t出力較少。而夜間由于電負(fù)荷需求低,依靠風(fēng)電、火電即可滿足需求,因此CHP不啟動;此時的熱負(fù)荷主要依靠燃?xì)忮仩t滿足。

由上述分析可見,電力、天然氣和熱三種能源的轉(zhuǎn)換緊密耦合、相互影響。

3種場景下各裝置在調(diào)度周期內(nèi)的累計出力及其成本如附錄B表B6所示。由上述分析及附錄B表B6可見,隨著對風(fēng)電接納要求的逐步提高,風(fēng)電與P2G的出力及其成本逐漸增加;但由于受到供需平衡以及各裝置出力水平等限制,火電出力及其成本減少的速度逐漸變慢。因此,系統(tǒng)總成本逐漸增加,并趨向于風(fēng)電與P2G出力成本增加的趨勢。由此可見,P2G運行成本是使系統(tǒng)在兩個目標(biāo)間產(chǎn)生矛盾關(guān)系的核心因素。上述結(jié)論亦反映了圖4所示的特征現(xiàn)象,充分解釋了矛盾關(guān)系產(chǎn)生的系統(tǒng)內(nèi)部運行機理。

并且,相比場景2,場景4的風(fēng)電接納電量從80.32%提高到89.92%;而相比場景3,系統(tǒng)運行成本也有所減少。這說明本文所采用的多目標(biāo)模型,在提高系統(tǒng)風(fēng)電接納能力的同時,也可以有效保證系統(tǒng)運行的經(jīng)濟(jì)性,充分驗證了本文模型和方法的有效性。

5 結(jié)語

本文在含P2G的綜合能源系統(tǒng)的日前調(diào)度中,考慮P2G運行成本對系統(tǒng)風(fēng)電接納能力與運行經(jīng)濟(jì)性的影響,提出一種多目標(biāo)優(yōu)化模型協(xié)調(diào)二者之間的矛盾關(guān)系。算例結(jié)果表明:較高的P2G運行成本會在一定程度上影響系統(tǒng)的風(fēng)電接納能力與運行經(jīng)濟(jì)性,使二者之間產(chǎn)生一定的矛盾;而本文所提多目標(biāo)模型則能兼顧系統(tǒng)運行的經(jīng)濟(jì)性與風(fēng)電接納能力,并可為調(diào)度決策提供多樣化選擇。后續(xù)工作中,將進(jìn)一步精細(xì)化模型,如考慮風(fēng)電預(yù)測誤差、氣網(wǎng)動態(tài)特性等;另外,也將擴(kuò)展研究系統(tǒng)在“源”“荷”方面存在的靈活性,如多能源分時定價、考慮用能替代的綜合需求響應(yīng)等。

本文獲得了山東大學(xué)基本科研業(yè)務(wù)費專項資金資助(2015GN001),在此表示衷心感謝!

附錄見本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx)。

參 考 文 獻(xiàn)

[1] 中華人民共和國國家能源局.2016年風(fēng)電并網(wǎng)運行情況[EB/OL].(2017-01-26)[2017-05-23].http://www.nea.gov.cn/2017-01/26/c_136014615.htm.

[2] 董朝陽,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)自動化,2014,38(15):1-11.DOI:10.7500/AEPS20140613007.

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. DOI: 10.7500/AEPS20140613007.

[3] 尤石,林今,胡俊杰,等.從基于服務(wù)的靈活性交易到跨行業(yè)能源系統(tǒng)的集成設(shè)計、規(guī)劃和運行:丹麥的能源互聯(lián)網(wǎng)理念[J].中國電機工程學(xué)報,2015,35(14):3470-3481.

YOU Shi, LIN Jin, HU Junjie, et al. The Danish perspective of energy internet: from service-oriented flexibility trading to integrated design, planning and operation of multiple cross-sectoral energy systems[J]. Proceedings of the CSEE, 2015, 35(14): 3470-3481.

[4] 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)自動化,2016,40(15):1-8.DOI:10.7500/AEPS20160522006.

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. DOI: 10.7500/AEPS20160522006.

[5] 王偉亮,王丹,賈宏杰,等.能源互聯(lián)網(wǎng)背景下的典型區(qū)域綜合能源系統(tǒng)穩(wěn)態(tài)分析研究綜述[J].中國電機工程學(xué)報,2016,36(12):3292-3305.

WANG Weiliang, WANG Dan, JIA Hongjie, et al. Review of steady-state analysis of typical regional integrated energy system under the background of energy internet[J]. Proceedings of the CSEE, 2016, 36(12): 3292-3305.

[6] 賈宏杰,王丹,徐憲東,等.區(qū)域綜合能源系統(tǒng)若干問題研究[J].電力系統(tǒng)自動化,2015,39(7):198-207.DOI:10.7500/AEPS20141009011.

JIA Hongjie, WANG Dan, XU Xiandong, et al. Research on some key problems related to integrated energy systems[J]. Automation of Electric Power Systems, 2015, 39(7): 198-207. DOI: 10.7500/AEPS20141009011.

[7] 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)劃與運行研究綜述及展望[J].中國電機工程學(xué)報,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.

[8] SUN Guoqiang, CHEN Shuang, WEI Z, et al. Multi-period integrated natural gas and electric power system probabilistic optimal power flow incorporating power-to-gas units[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(3): 412-423.

[9] HE Chuan, LIU Tianqi, WU Lei, et al. Robust coordination of interdependent electricity and natural gas systems in day-ahead scheduling for facilitating volatile renewable generations via power-to-gas technology[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(3): 375-388.

[10] 衛(wèi)志農(nóng),張思德,孫國強,等.計及電轉(zhuǎn)氣的電-氣互聯(lián)綜合能源系統(tǒng)削峰填谷研究[J].中國電機工程學(xué)報,2017,37(16):4601-4609.

WEI Zhinong, ZHANG Side, SUN Guoqiang, et al. Power-to-gas considered peak load shifting research for integrated electricity and natural-gas energy systems[J]. Proceedings of the CSEE, 2017, 37(16): 4601-4609.

[11] 李楊,劉偉佳,趙俊華,等.含電轉(zhuǎn)氣的電-氣-熱系統(tǒng)協(xié)同調(diào)度與消納風(fēng)電效益分析[J].電網(wǎng)技術(shù),2016,40(12):3680-3688.

LI Yang, LIU Weijia, ZHAO Junhua, et al. Optimal dispatch of combined electricity-gas-heat energy systems with power-to-gas devices and benefit analysis of wind power accommodation[J]. Power System Technology, 2016, 40(12): 3680-3688.

[12] 陳沼宇,王丹,賈宏杰,等.考慮P2G多源儲能型微網(wǎng)日前最優(yōu)經(jīng)濟(jì)調(diào)度策略研究[J].中國電機工程學(xué)報,2017,37(11):3067-3077.

CHEN Zhaoyu, WANG Dan, JIA Hongjie, et al. Research on optimal day-ahead economic dispatching strategy for microgrid considering P2G and multi-source energy storage system[J]. Proceedings of the CSEE, 2017, 37(11): 3067-3077.

[13] LI Guoqing, ZHANG Rufeng, JIANG Tao, et al. Security-constrained bi-level economic dispatch model for integrated natural gas and electricity systems considering wind power and power-to-gas process[J]. Applied Energy, 2017, 194: 696-704.

[14] 王業(yè)磊,趙俊華,文福拴,等.具有電轉(zhuǎn)氣功能的多能源系統(tǒng)的市場均衡分析[J].電力系統(tǒng)自動化,2015,39(21):1-10.DOI:10.7500/AEPS20150623001.

WANG Yelei, ZHAO Junhua, WEN Fushuan, et al. Market equilibrium of multi-energy system with power-to-gas functions[J]. Automation of Electric Power Systems, 2015, 39(21): 1-10. DOI: 10.7500/AEPS20150623001.

[15] G?TZ M, LEFEBVRE J, M?RS F, et al. Renewable power-to-gas: a technological and economic review[J]. Renewable Energy, 2016, 85: 1371-1390.

[16] CLEGG S, MANCARELLA P. Integrated modeling and assessment of the operational impact of power-to-gas (P2G) on electrical and gas transmission networks[J]. IEEE Transactions on Sustainable Energy, 2015, 6(4): 1234-1244.

[17] BUCHER M A, HARING T W, BOSSHARD F, et al. Modeling and economic evaluation of power-to-gas technology using energy hub concept[C]// IEEE Power & Energy Society General Meeting, July 26-30, 2015, Denver, USA: 5p.

[18] JENTSCH M, TROST T, STERNER M. Optimal use of power-to-gas energy storage systems in an 85% renewable energy scenario[J]. Energy Procedia, 2014, 46: 254-261.

[19] 劉偉佳,文福拴,薛禹勝,等.電轉(zhuǎn)氣技術(shù)的成本特征與運營經(jīng)濟(jì)性分析[J].電力系統(tǒng)自動化,2016,40(24):1-11.DOI:10.7500/AEPS20160504013.

LIU Weijia, WEN Fushuan, XUE Yusheng, et al. Cost characteristics and economic analysis of power-to-gas technology[J]. Automation of Electric Power Systems, 2016, 40(24): 1-11. DOI: 10.7500/AEPS20160504013.

[20] LIU Weijia, WEN Fushuan, XUE Y. Power-to-gas technology in energy systems: current status and prospects of potential operation strategies[J]. Journal of Modern Power Systems and Clean Energy, 2017, 5(3): 439-450.

[21] VANDEWALLE J, BRUNINX K, D'HAESELEER W. Effects of large-scale power to gas conversion on the power, gas and Carbon sectors and their interactions[J]. Energy Conversion and Management, 2015, 94: 28-39.

[22] PARRA D, ZHANG X, BAUER C, et al. An integrated techno-economic and life cycle environmental assessment of power-to-gas systems[J]. Applied Energy, 2017, 193: 440-454.

[23] GUANDALINI G, CAMPANARI S, ROMANO M C. Power-to-gas plants and gas turbines for improved wind energy dispatchability: energy and economic assessment[J]. Applied Energy, 2015, 147: 117-130.

[24] SHAW K, SHANKAR R, YADAV S S, et al. Supplier selection using fuzzy AHP and fuzzy multi-objective linear programming for developing low carbon supply chain[J]. Expert Systems with Applications, 2012, 39(9): 8182-8192.

[25] 張國立,李庚銀,謝宏,等.多目標(biāo)加權(quán)模糊非線性規(guī)劃[J].華北電力大學(xué)學(xué)報,2004,31(1):33-35.

ZHANG Guoli, LI Gengyin, XIE Hong, et al. Multi-objective weighted fuzzy nonlinear programming[J]. Journal of North China Electric Power University, 2004, 31(1): 33-35.

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