聶文海，劉 麗，李海濱，謝宏坤，薛璐璐

(1.國網(wǎng)冀北電力有限公司經(jīng)濟技術研究院，北京 100038； 2.北京博望華科科技有限公司，北京 100045)

能源互聯(lián)網(wǎng)注重多種能源的綜合開發(fā)利用，然而電能瞬發(fā)、瞬供等特點，決定了能源互聯(lián)網(wǎng)將以電能為主、其他能源間相互轉(zhuǎn)化的能源生態(tài)系統(tǒng)[1-3]。分布式微網(wǎng)作為能源互聯(lián)網(wǎng)的一類區(qū)域性自治系統(tǒng)，融合了多種能源類型，可滿足各類用戶需求，同時促進微網(wǎng)系統(tǒng)內(nèi)部工序平衡，提高系統(tǒng)的安全穩(wěn)定性[4-5]。

目前，已有眾多專家學者對能源互聯(lián)網(wǎng)系統(tǒng)開展了大量的研究工作。文獻[6]出于技術層面考慮，詳細分析了能源互聯(lián)網(wǎng)系統(tǒng)的關鍵技術應用及未來發(fā)展趨勢。文獻[7]從能源價值維度切入，詳細分析了能源互聯(lián)網(wǎng)的基本概念、技術內(nèi)涵及系統(tǒng)特征等內(nèi)容。文獻[8]提出了分布式能源互聯(lián)網(wǎng)供需側(cè)多能源協(xié)同優(yōu)化模型，但只涉及了風—光—儲以及燃氣等能源。文獻[9]構(gòu)建了一類適用于分布式能源互聯(lián)網(wǎng)系統(tǒng)電—氣耦合的協(xié)同優(yōu)化模型。文獻[10]構(gòu)建了區(qū)域能源網(wǎng)系統(tǒng)中電—熱協(xié)調(diào)調(diào)度模型，并詳細分析了該模式下風電并網(wǎng)消納的能力；文獻[11]提出了基于能源互聯(lián)網(wǎng)模式下多時間尺度的優(yōu)化調(diào)度模型，促進電能子網(wǎng)和氣能子網(wǎng)之間的能源協(xié)調(diào)控制過程更加順暢。分布式能源微網(wǎng)系統(tǒng)作為涵蓋多能源類型多決策主體的綜合性能源系統(tǒng)，適用于雙層優(yōu)化理論建模分析，較全面地反映不同決策主體間博弈關系。文獻[12]針對現(xiàn)有能源系統(tǒng)對多類型供區(qū)規(guī)劃協(xié)調(diào)不足以及綜合能源統(tǒng)籌調(diào)度不合理等現(xiàn)狀，開展了基于用戶側(cè)二層規(guī)劃經(jīng)濟調(diào)度策略的研究。文獻[13]建立了基于熱—電聯(lián)供的多園區(qū)博弈的優(yōu)化調(diào)度模型，并詳細探討了各方主體間的均衡利益。文獻[14]基于園區(qū)內(nèi)電轉(zhuǎn)氣減小棄風的策略，建立了園區(qū)內(nèi)綜合能源系統(tǒng)的雙層優(yōu)化調(diào)度模型。電力市場不斷深入改革，分布式能源微網(wǎng)系統(tǒng)作為能源業(yè)務高度耦合的系統(tǒng)，涵蓋了供氣、供熱、供電等多家決策主體。分布式能源互聯(lián)網(wǎng)可作為運營主體進行多方協(xié)調(diào)互補，各決策主體在運營主體制定的能源協(xié)同方案下制定各方主體的運營計劃。

綜上，本文結(jié)合雙層規(guī)劃原理對園區(qū)內(nèi)分布式能源微網(wǎng)系統(tǒng)開展綜合調(diào)度建模研究，該模型重點分析能源互相轉(zhuǎn)化和各主體能源協(xié)同輸出，并以此為控制基礎，利用分層調(diào)度實現(xiàn)了分布式能源微網(wǎng)系統(tǒng)各方主體間的協(xié)同研究。最后，結(jié)合改進人工蜂群算法對本文所提的園區(qū)內(nèi)分布式能源微網(wǎng)系統(tǒng)的雙層調(diào)度模型進行求解。

1 分布式能源微網(wǎng)系統(tǒng)

分布式能源微網(wǎng)系統(tǒng)的典型結(jié)構(gòu)如圖1所示。分布式能源微網(wǎng)系統(tǒng)內(nèi)大致存在冷—熱—電三大模塊的能源平衡。園區(qū)內(nèi)的熱負荷由聯(lián)產(chǎn)機組、電鍋爐以及熱儲能協(xié)調(diào)供應；冷負荷由電制冷機、聯(lián)產(chǎn)系統(tǒng)以及冷儲能協(xié)調(diào)供應；電負荷由電儲能、風—光系統(tǒng)、聯(lián)產(chǎn)系統(tǒng)協(xié)調(diào)供應，并結(jié)合分布式能源微網(wǎng)和主網(wǎng)間能源交互進行綜合配合。其中，園區(qū)內(nèi)微網(wǎng)能源不確定性主要受新能源發(fā)電和電負荷的影響。冷—熱負荷考慮其慣性較大，其能源不確定性因素較小，本文暫不考慮。

圖1 分布式能源微網(wǎng)系統(tǒng)

1.1 冷—熱—電聯(lián)產(chǎn)系統(tǒng)

冷—熱—電聯(lián)供(CCHP)系統(tǒng)的核心設備為微燃機。在鍋爐運行中，會產(chǎn)生大量廢熱，將其直接排放造成很大的能量浪費。若將排出的廢熱加以回收利用進行供暖，則會大大提高能源利用效率。忽略外部環(huán)境因素對發(fā)電燃燒效率的影響，聯(lián)產(chǎn)機組冷—熱—電輸出功率的數(shù)學模型[9]為：

HMT(t，i)=PMT(t，i)×(1-ηMT-ηL)/ηMT

(1)

HMT(t，i)=QMT(t，i) ×ηH×χH

(2)

式中，HMT(t，i)、PMT(t，i)分別為機組i在時段t釋放的發(fā)電余熱和發(fā)電功率；ηMT為機組i的發(fā)電效率；ηL為機組i的散熱系數(shù)。

1.2 電鍋爐/電制冷機

在分布式能源微網(wǎng)系統(tǒng)中，電鍋爐/電制冷機的功率模擬可依據(jù)文獻[14]所述的數(shù)學模型來表示：

HET(t，i)=PET(t，i) ×ηH×χET

(3)

式中，χET為電鍋爐/電制冷機的能效比；PET(t，i) 、HET(t，i)分別為電鍋爐/電制冷機的消耗功率。

1.3 電儲能系統(tǒng)

儲系統(tǒng)能主要用于吸收/放出能量來實現(xiàn)熱—電能源的發(fā)需側(cè)功率平衡，從而促進分布式能源微網(wǎng)系統(tǒng)處于經(jīng)濟、環(huán)保的水平下運行。

EB(t，i)=(1-τB) ×EB(t-1，i)+

[γCPBC(t，i)ηC+γDPBD(t，i)ηD]Δt

(4)

式中，EB(t，i)為電儲能設備容量；γC、γD分別為儲能設備充/放電系數(shù)。

1.4 冷/熱儲能設備

熱/冷儲能設備和電儲能設備類似，只是儲存的能源形式有所差異。其數(shù)學模型可參見文獻[9]。

ET(t，i)=(1-τT) ×ET(t-1，i)+[γAPTA(t，i)ηA+γRPTR(t，i)ηR]Δt

(5)

式中，ET(t，i)為儲能設備容量；γA、γR分別為儲能設備充/放熱系數(shù)。

2 綜合能源微網(wǎng)調(diào)度模型

分布式能源互聯(lián)網(wǎng)可作為運營主體進行多方協(xié)調(diào)互補，各決策主體在運營主體制定的能源協(xié)同方案下制定各方主體的運營計劃。因此，適用于雙層規(guī)劃理論進行建模分析。

2.1 上層決策系統(tǒng)

作為分布式能源互聯(lián)微網(wǎng)系統(tǒng)的管理中心，其職責是肩負起整個分布式能源系統(tǒng)協(xié)調(diào)運行，平衡各方利益博弈，促使整個分布式能源微網(wǎng)系統(tǒng)綜合運行成本最小化。另外，上層目標成本會受到下層決策模型的影響，還應計及多能量之間轉(zhuǎn)化的損耗。分布式能源微網(wǎng)系統(tǒng)作為總決策層需制定整個微網(wǎng)系統(tǒng)的運行總原則，實現(xiàn)對多能源間利益博弈的協(xié)調(diào)互補，打破多能源之間生產(chǎn)—傳輸—存儲—消費等環(huán)節(jié)的壁壘，從而促進多能源的優(yōu)化配置。因此，上層決策者的目標函數(shù)并不全完由自身變量決定，而是利用上層決策影響下層決策以達到間接優(yōu)化上層目標函數(shù)[15]。在分布式能源微網(wǎng)系統(tǒng)中，CCHP機組主要承擔氣轉(zhuǎn)熱的職責，同時充分利用余熱發(fā)電。

2.2 下層決策系統(tǒng)

下層系統(tǒng)的決策者包含了電能、熱能、氣能等子網(wǎng)系統(tǒng)，各子網(wǎng)系統(tǒng)決策應根據(jù)上層決策者制定的綜合運行決策方案相繼制定各自成本最小化目標。各子網(wǎng)決策成本需要反饋給上層決策者。

2.3 雙層規(guī)劃綜合決策架構(gòu)

本文建立的雙層規(guī)劃模型，可協(xié)調(diào)多類型能源間的轉(zhuǎn)化關系，起到綜合管控的目的；各能源子網(wǎng)系統(tǒng)決策目標又以自身系統(tǒng)最優(yōu)化目標制定。充分體現(xiàn)了分步分層的決策特點，適用于雙層規(guī)劃理論。依據(jù)雙層規(guī)劃模型的建模原理[16-18]，繪制出雙層規(guī)劃模型原理架構(gòu)如圖2所示。

圖2 雙層優(yōu)化調(diào)度模型原理架構(gòu)

3 改進蟻群多目標算法

蟻群算法[19]是一種仿生蟻群搜索行為的智能算法，具有很好的全局搜索和局部搜索能力，在單目標優(yōu)化方面有很強的優(yōu)勢。然而，多目標求解問題要復雜得多，求解難度大。為了快速尋出Pareto 最優(yōu)解，經(jīng)典做法是利用非支配遺傳算法[20-21]計算擁擠度距離，并在排序后的解集中尋出最優(yōu)解，從而快速獲得Pareto解域。

經(jīng)典的NSGA-Ⅱ的非支配排序方法如圖3所示。設定個體將第t代生成新種群與其父代合并成，此時種群數(shù)變?yōu)?N。隨后可根據(jù)支配關系獲得一系列非支配Pareto解。假定非支配解集中的優(yōu)先級最高，其后逐次降低。如果中所含的非支配解數(shù)目小于N，則選取中可支配的解存入種群。種群中剩余解將在其余層內(nèi)選擇，直至種群數(shù)大于N，并找出對應層。因此，需對中的非支配解排序，擁堵程度小的個體進入內(nèi)。具體操作如下：

圖3 快速非支配排序過程

本文基于指標策略的擁堵距離優(yōu)化方法結(jié)合快速非支配排序的多目標求解流程如圖4所示。

圖4 多目標求解流程

4 算例分析

結(jié)合某園區(qū)建立的能源互聯(lián)微網(wǎng)系統(tǒng)示范工程開展算例分析。可將該園區(qū)看作為一個多類型能源耦合的能量樞紐系統(tǒng)。園區(qū)冬季工況下、夏季工況下的典型負荷及風電、光伏預測數(shù)據(jù)如圖5—圖6所示。

圖5 夏季/冬季工況下典型日電負荷和熱負荷

圖6 典型日風機與光伏出力曲線

典型能源互聯(lián)微網(wǎng)系統(tǒng)的典型參數(shù)見表1，其余參數(shù)見文獻[22]。涉及相關的價格見表2。涉及的改進多目標蟻群算法的廚師參數(shù)設定如下：初始種群數(shù)為200，最大迭代次數(shù)設為200，交叉概率初始值 設定為0.9，突變概率初始值設定為0.1。

表1 涉及能源互聯(lián)微網(wǎng)系統(tǒng)的典型參數(shù)

表2 相關參考價格

4.1 仿真優(yōu)化結(jié)果

以園區(qū)冬季運行工況為例，優(yōu)化仿真后得出各能源子網(wǎng)系統(tǒng)的優(yōu)化結(jié)果，對應如圖7—圖9所示。

圖7 電能子網(wǎng)系統(tǒng)優(yōu)化調(diào)度結(jié)果

圖8 熱能子網(wǎng)系統(tǒng)優(yōu)化調(diào)度結(jié)果

圖9 熱能子網(wǎng)系統(tǒng)優(yōu)化調(diào)度結(jié)果

從圖7可知，在0：00—6：00內(nèi)，外網(wǎng)系統(tǒng)的分時電價和負荷水平較低，此時園區(qū)微網(wǎng)系統(tǒng)的儲能設備將會進入充分充電的狀態(tài)，目的是基于外網(wǎng)系統(tǒng)較低的電價基礎上，微網(wǎng)系統(tǒng)大量購買外網(wǎng)系統(tǒng)電量以提高儲能設備的電量水平。在7：00—12：00內(nèi)，微網(wǎng)系統(tǒng)處在用電高峰期，為了充分保障微網(wǎng)系統(tǒng)負荷供應，一方面微網(wǎng)系統(tǒng)將提高向外網(wǎng)系統(tǒng)的購電比例，另一方面儲能設備充分放電。此時間段外網(wǎng)系統(tǒng)電價較高，從而微網(wǎng)系統(tǒng)可充分利用儲能放電滿足負荷需求，并獲取較好的經(jīng)濟收益。在13：00—16：00內(nèi)，光伏系統(tǒng)將處于最高發(fā)電水平，而微網(wǎng)系統(tǒng)的負荷需求下降，此時外網(wǎng)系統(tǒng)的分時電價較高，儲能設備進入新一輪的充電過程。在18：00—22：00內(nèi)，微網(wǎng)系統(tǒng)再次進入負荷用電高峰段，微網(wǎng)系統(tǒng)除充分向外網(wǎng)系統(tǒng)購電外，相應的儲能設備應充分放電。且在微網(wǎng)系統(tǒng)最大負荷時段21時，微網(wǎng)系統(tǒng)直接采取可中斷負荷措施來保證系統(tǒng)的穩(wěn)定性。在整個運行過程中，電能子網(wǎng)系統(tǒng)充分發(fā)揮了系統(tǒng)儲能和分布式能源削峰填谷的優(yōu)勢，整體上提升了微網(wǎng)系統(tǒng)的收益。

從圖8可知，為了維持室內(nèi)溫度恒定舒適，熱能子網(wǎng)系統(tǒng)需要向熱負荷輸出熱功率。0：00—9：00，微網(wǎng)系統(tǒng)的熱負荷處于較低水平。因此系統(tǒng)將利用蓄能裝置充分儲熱。在10：00—20：00內(nèi)，微網(wǎng)系統(tǒng)具有很高的熱負荷需求，除外網(wǎng)系統(tǒng)提供供熱外，微網(wǎng)系統(tǒng)將利用儲能設備充分放熱保障系統(tǒng)熱負荷水平。在21：00—24：00內(nèi)，微網(wǎng)系統(tǒng)具有較低的熱負荷水平，儲能設備將開展新一輪蓄熱。和電負荷曲線相比，系統(tǒng)熱負荷曲線相對要平穩(wěn)很多。

從圖9可知，在0：00—8：00內(nèi)，此時外網(wǎng)系統(tǒng)電價較低，微網(wǎng)系統(tǒng)管理中心可利用電能子網(wǎng)供出的低價電能充分向氣能子網(wǎng)轉(zhuǎn)化。此階段甲烷機組在電轉(zhuǎn)氣的狀態(tài)下運行，充分讓儲氣罐蓄氣。 在外網(wǎng)系統(tǒng)較低電價的時段11：00—16：00內(nèi)及時段19：00—22：00內(nèi)，儲氣罐處在放氣狀態(tài)，同時氣能子網(wǎng)系統(tǒng)向外網(wǎng)系統(tǒng)優(yōu)很大的購氣量需求：①保證燃料電池充分發(fā)電；②熱能子網(wǎng)系統(tǒng)需積極應對高峰時段的熱負荷。

4.2 微網(wǎng)系統(tǒng)和各子系統(tǒng)成本分析

為了充分探討本文微網(wǎng)系統(tǒng)總成本和各子系統(tǒng)的成本費用，以夏季工況和冬季工況為例，利用本文雙層優(yōu)化模型和改進多目標蟻群算法進行求解，所得優(yōu)化結(jié)果見表3。

表3 冬季/夏季典型日中能源互聯(lián)微網(wǎng)系統(tǒng)及各能源子網(wǎng)的運行成本

為了充分說明本文能源互聯(lián)微網(wǎng)系統(tǒng)的運行優(yōu)勢，以同樣的負荷水平為例，采用傳統(tǒng)微網(wǎng)系統(tǒng)只有電能供應單一能源形式，其冬季工況下微網(wǎng)系統(tǒng)的運行成本為145 434.4元。夏季工況下起運行成本為157 464.3元，從運行成本上，采用能源互聯(lián)微網(wǎng)系統(tǒng)分別可降低18.83 %、21.82%。

4.3 本文改進算法的優(yōu)勢對比

為論證本文所提的改進多目標蟻群算法可提高求解雙層優(yōu)化模型的高效性，結(jié)合利用粒子群算法、多目標蟻群算法和本文所提的改進多目標蟻群算法分別進行優(yōu)化求解，對比結(jié)果見表4。

表4 算法優(yōu)勢對比

從表4可知，相較于粒子群算法而言，多目標蟻群算法的求解性能、優(yōu)化時間更具優(yōu)勢。但本文采用改進后的多目標蟻群算法在尋優(yōu)能力及求解時間方面要優(yōu)于多目標蟻群算法。

5 結(jié)論

基于雙層規(guī)劃理論，本文建立了能源互聯(lián)微網(wǎng)系統(tǒng)的多能源協(xié)調(diào)優(yōu)化模型。以多能源之間的轉(zhuǎn)化樞紐矩陣為上層決策基礎，下層決策充分兼顧各能源子網(wǎng)的生產(chǎn)運行規(guī)劃。所建立的雙層優(yōu)化模型能很好地反映能源互聯(lián)微網(wǎng)系統(tǒng)多決策主體環(huán)境下分層分步的特點。并以改進多目標蟻群算法對雙層優(yōu)化模型進行求解。通過仿真結(jié)果可知，在同樣負荷需求的基礎上，能源互聯(lián)微網(wǎng)系統(tǒng)要比傳統(tǒng)微網(wǎng)系統(tǒng)在冬季工況下、夏季工況下分別節(jié)約成本18.83%、21.82%。在算法改進上，基于指標的多目標蟻群算法在成本優(yōu)化和求解時間方面要優(yōu)于多目標蟻群算法、粒子群算法的優(yōu)化效果。