鄒超，吳強(qiáng)

（1.中國電建集團(tuán)昆明勘測設(shè)計(jì)研究院，云南 昆明 650224；2.云南能投電力設(shè)計(jì)有限公司，云南 昆明 650224）

0 前言

冷熱電聯(lián)供型微網(wǎng)（combined cooling heating and power Microgrid,CCHP Microgrid）按照“分配得當(dāng)、各取所需、溫度對口、梯級利用”原則，集制冷、供熱及發(fā)電于一體，以其較高的能源利用效率，高效靈活的能源供應(yīng)方式成為了實(shí)現(xiàn)能源生產(chǎn)和消費(fèi)轉(zhuǎn)型、提升能源綜合利用效率和解決能源環(huán)境問題的重要手段[1-2]。近年來我國加大了可再生能源的投資建設(shè)，構(gòu)建新型清潔高效能源供給結(jié)構(gòu)，能源互聯(lián)網(wǎng)應(yīng)運(yùn)而生。因此，對冷熱電聯(lián)供型微網(wǎng)系統(tǒng)優(yōu)化運(yùn)行成為研究的熱點(diǎn)之一[3]。

在此前提下，研究冷熱電聯(lián)供型微網(wǎng)系統(tǒng)的優(yōu)化調(diào)度策略具有重要的意義[4]。與傳統(tǒng)的冷熱電聯(lián)供型微網(wǎng)系統(tǒng)（CCHP Microgrid）僅以經(jīng)濟(jì)成本或環(huán)境成本為單目標(biāo)的運(yùn)行策略相比[5]，本文以微網(wǎng)的經(jīng)濟(jì)成本和環(huán)境成本為目標(biāo)，構(gòu)建冷熱電聯(lián)供型微網(wǎng)系統(tǒng)簡化模型并建立相應(yīng)的約束條件，并采用改進(jìn)粒子群算法對求解系統(tǒng)進(jìn)行優(yōu)化，然后通過算例對所提的優(yōu)化調(diào)度策略進(jìn)行了仿真驗(yàn)證，研究系統(tǒng)在單一目標(biāo)同事在兼顧多目標(biāo)系統(tǒng)下的運(yùn)行結(jié)果，為后面的冷熱電聯(lián)供型微網(wǎng)系統(tǒng)的規(guī)劃提供前期依據(jù)。

1 冷熱電聯(lián)供型微網(wǎng)系統(tǒng)建模

本文構(gòu)建的冷熱電聯(lián)供型微網(wǎng)系統(tǒng)模型主要包含了冷、熱、電3 種負(fù)荷[6-8]。冷熱電聯(lián)供型微網(wǎng)系統(tǒng)由電制冷機(jī)（Electric Refrigerator,ER）、微型燃?xì)廨啓C(jī)（Gas Turbine,GT）、燃?xì)忮仩t（Gas Boiler,GB）、天然氣內(nèi)燃機(jī)（Gas Combustion Engine,GCE）、燃料電池（Fuel Cell,FC）、光伏系統(tǒng)（Photo Voltaics,PV）、風(fēng)電系統(tǒng)（Wind Farm,WF）、電鍋爐（Electric Boiler,EB）、熱回收裝置（Heat Recovery Device,HRD）、吸收制冷機(jī)（Absorption Chiller,AC）、儲熱裝置（Heat Storage Device,HSD） 和儲冷設(shè)備（Cold Storage Device,CSD）等組成。冷熱電聯(lián)供型微網(wǎng)系統(tǒng)的結(jié)構(gòu)如圖1所示。

圖1 冷熱電聯(lián)供型微網(wǎng)系統(tǒng)結(jié)構(gòu)

1.1 微型燃?xì)廨啓C(jī)模型

微型燃?xì)廨啓C(jī)是一種熱力發(fā)電機(jī)，通過將注入的天然氣轉(zhuǎn)化為電能，產(chǎn)生的余熱可以回收，實(shí)現(xiàn)能量的高效利用。燃?xì)廨啓C(jī)的數(shù)學(xué)模型如式（1）所示：

式中：PGT為燃?xì)廨啓C(jī)的發(fā)電功率；HGT為燃?xì)廨啓C(jī)余熱產(chǎn)生的余熱；QGT為消耗天然氣的燃料熱值；ηGT.P、ηGT.H分別為燃?xì)獾陌l(fā)電效率以及產(chǎn)熱效率；αGT、βGT為系數(shù)常數(shù)。

燃?xì)忮仩t的數(shù)學(xué)模型：

式中：PGB為燃?xì)忮仩t的產(chǎn)熱功率；ηGB為產(chǎn)熱效率；QGB為消耗天然氣的燃料熱值。

天然氣內(nèi)燃機(jī)的數(shù)學(xué)模型為：

式中：PGC為天然氣內(nèi)燃機(jī)的發(fā)電功率；HGC為天然氣內(nèi)燃機(jī)余熱產(chǎn)生的余熱；QGC為消耗天然氣的燃料熱值；ηGC.P、ηGC.H分別為燃?xì)獾陌l(fā)電效率以及產(chǎn)熱效率；αGC、βGC為系數(shù)常數(shù)。

1.2 儲能設(shè)備

冷熱電聯(lián)供型微網(wǎng)系統(tǒng)包含3 種儲能設(shè)備：蓄電池儲能、儲熱以及儲冷裝置。蓄電池的數(shù)學(xué)模型如式（4）所示：

式中：EFC(t)、EFC(t-1)分別為t和t-1 時(shí)刻蓄電池的儲能容量；ηLOSS、ηFC,in、ηFC,dis分別為蓄電池的自放電損耗率和蓄電池的充、放電效率；PFC,in、PFC,dis為蓄電池的充放電功率。

儲熱裝置的數(shù)學(xué)模型如式（5）：

式中：EHS(t)、EHS(t-1)分別為t和t-1 時(shí)儲熱裝置的儲熱量；ηLOSS,h、ηHS,in、ηHS,dis分別為儲熱裝置的自散熱損耗率和儲熱裝置的充、放熱效率；PHS,in、PHS,dis為儲熱的充放熱功率。

儲冷裝置的數(shù)學(xué)模型如式（6）：

式中：ECS(t)、ECS(t-1)分別為t和t-1 時(shí)儲冷裝置的儲冷量；ηLOSS,c、ηCS,in、ηCS,dis分別為儲冷裝置的自散冷損耗率和儲冷裝置的充、放冷效率；PCS,in、PCS,dis為儲冷裝置的充放冷功率。

1.3 吸收式制冷機(jī)及電制冷機(jī)

吸收式制冷機(jī)是將燃?xì)廨啓C(jī)產(chǎn)生的一部分熱能轉(zhuǎn)化為冷能，電制冷機(jī)是將電能轉(zhuǎn)換為冷能。吸收式制冷機(jī)的數(shù)學(xué)模式如式（7）：

式中：QAC、ηAC、QhAC分別為吸收式制冷機(jī)輸出的冷功率，吸收式制冷機(jī)的制冷效率，以及吸收式制冷機(jī)吸收的燃?xì)廨啓C(jī)產(chǎn)生的一部分能量。

電制冷機(jī)的數(shù)學(xué)模型如式（8）：

式中：QER、ηER、PER分別為電制冷機(jī)產(chǎn)生的冷功率，電制冷機(jī)的產(chǎn)冷效率，以及電制冷機(jī)消耗的電功率。

2 冷熱電聯(lián)供型微網(wǎng)系統(tǒng)調(diào)度模型

2.1 目標(biāo)函數(shù)

1）運(yùn)行成本

冷熱電聯(lián)供型微網(wǎng)系統(tǒng)的運(yùn)行成本包括系統(tǒng)向外部購買的電量，天然氣的消耗，各個(gè)設(shè)備的運(yùn)維成本。其運(yùn)行成本式（9）所示：

式中：CF為系統(tǒng)總的運(yùn)行成本；CP(t)、Pgrid(t)為t 時(shí)刻的分時(shí)電價(jià)以及系統(tǒng)向電網(wǎng)的購電量；Cgas(t)、Pgas(t) 為t 時(shí)刻的天然氣價(jià)格以及系統(tǒng)購買的天然氣量；Ci、Pi分別為系統(tǒng)第i個(gè)設(shè)備的運(yùn)行維護(hù)成本以及在調(diào)度總周期內(nèi)第i個(gè)設(shè)備的總出力。

2）環(huán)境成本

冷熱電聯(lián)供型微網(wǎng)系統(tǒng)環(huán)境成本主要考慮包括電網(wǎng)燃煤產(chǎn)生的二氧化碳以及燃?xì)廨啓C(jī)消耗天然氣產(chǎn)生的二氧化碳治理費(fèi)用。環(huán)境成本如式（10）所示：

式中：CE為冷熱電聯(lián)供型微網(wǎng)系統(tǒng)的環(huán)境成本；W為系統(tǒng)產(chǎn)生的二氧化碳的懲罰成本，δ、ε分別為購電產(chǎn)本的二氧化碳、消耗天然氣產(chǎn)生的二氧化碳排放因子。

基于冷熱電聯(lián)供型微網(wǎng)系統(tǒng)的運(yùn)行成本和環(huán)境成本，總體的冷熱電聯(lián)供型微網(wǎng)系統(tǒng)調(diào)度成本如式（11）所示：

2.2 約束條件

1）功率平衡條件

冷熱電聯(lián)供型微網(wǎng)系統(tǒng)的功率平衡條件包含電功率、熱功率、冷功率等3個(gè)功率平衡條件，電功率平衡條件如式（12）所示：

式（12）中：PPV、PWT為光伏、風(fēng)力的發(fā)電量；Pgrid為電網(wǎng)的購電量；Le為系統(tǒng)輸送到用戶側(cè)的電負(fù)荷量。

熱功率平衡條件如式（13）所示：

式中：Lh為系統(tǒng)輸送到用戶側(cè)的熱負(fù)荷量。

天然氣功率平衡條件如式（13）所示：

式中：Qgas為購買的天然氣產(chǎn)生的總熱量；Lh為系統(tǒng)輸送到用戶側(cè)的熱負(fù)荷量。

冷功率平衡條件如式（15）所示：

式中：Lc為系統(tǒng)輸送到用戶側(cè)的冷負(fù)荷量。

2）能源轉(zhuǎn)換設(shè)備出力約束如式（16）～（21）所示：

式中：Pgrid,min、Pgrid,max為向電網(wǎng)購電的上下限值；PGT,min、PGT,max為燃?xì)廨啓C(jī)發(fā)電功率的上下限值；PGB,min、PGB,max為燃?xì)忮仩t發(fā)電功率的上下限值；PGC,min、PGC,max為天然氣內(nèi)燃機(jī)發(fā)電功率的上下限值；IER,min、IER,max為電制冷機(jī)的出力上下限值；IAC,min、IAC,max吸收式制冷機(jī)的出力上下限值。

3）儲能設(shè)備約束

儲能設(shè)備的約束包括蓄電池、儲熱、儲冷裝置的容量上下限，各個(gè)裝置的出力上下限。同時(shí)還要保證在調(diào)度周期內(nèi)初始的儲能容量和末尾的儲能容量一致。

蓄電池的絨里以及出力約束如式（22）～（24）：

式中：EFC,min、EFC,max為蓄電池容量的上下限值；PFC,min、PFC,max蓄電池出力的上下限值；、Epend為蓄電池在調(diào)度周期內(nèi)初始和末尾容量。儲熱裝置的容量和出力約束如式（25）～（27）所示：

式中：EHS,min、EHS,max為儲熱裝置容量的上下限值；QHS,min、QHS,max儲熱裝置出力的上下限值；Ehstart、Ehend為儲熱裝置初始和末尾容量。儲冷裝置的容量和出力約束如式（28）～（30）所示：

式中：ECS,min、ECS,max為儲冷裝置容量的上下限值；ICS,min、ICS,max儲冷裝置出力的上下限值；、Ecend為儲冷裝置初始和末尾容量。

3 冷熱電聯(lián)供型微網(wǎng)系統(tǒng)優(yōu)化方法

基本粒子群算法（particle swarm optimization,PSO）是一種基于群體智能的算計(jì)搜索算法[9-10]，一般用于對系統(tǒng)優(yōu)化模型就行求解?；玖Ｗ尤核惴ㄖ?，粒子位置及速度公式為：

式中：k為迭代次數(shù)；ω為慣性權(quán)重；η1、η2為加速系數(shù)；Pid為粒子個(gè)體最優(yōu)值位置；Pgd為全局最優(yōu)值位置；xid(k+1)為第i個(gè)粒子在t+1次迭代中第d維上的速度；r1、r2為0～1 之間的隨機(jī)數(shù)。

由于冷熱電聯(lián)供型微網(wǎng)系統(tǒng)含有多個(gè)目標(biāo)函數(shù)及約束條件，針對單一目標(biāo)的粒子群算法不容易得出全局最優(yōu)解。本文引入基于粒子緯度熵的改進(jìn)混沌粒子群算法，其更適合與面向多目標(biāo)求解。

3.1 粒子維度熵

本文更具粒子各維度坐標(biāo)差異性，引入如下粒子第d維緯度熵色確定方法：

式中，xid表示第i個(gè)粒子在第d維上的位置坐標(biāo)；p(xid) 為對應(yīng)位置坐標(biāo)的概率函數(shù)；xid,min為xid的最小值。種群包含n個(gè)粒子緯度熵，歸一化的粒子維度熵可由下式表示：

甚至維度熵上線為Emax，在迭代過程中若緯度d維度熵E(xd)＞Emax，則對該緯度的部分粒子坐標(biāo)進(jìn)行混沌變異。

3.2 基于粒子緯度熵和貪心策略的改進(jìn)混沌粒子群算法

為了縮短迭代的收斂路徑，可采用如圖2所示的貪心變異策略對部分適應(yīng)度較差的個(gè)體坐標(biāo)進(jìn)行式（35）的混沌變異。

圖2 貪心變異策略示意圖

式中，k為迭代次數(shù)；xi,max為xi的最大值；z(k+1)為第k+1 代的Logistic 混沌方程取值。

本文采用基于粒子維度熵的改進(jìn)混沌粒子群算法[11-12]對模型進(jìn)行求解。綜合能源系統(tǒng)的調(diào)度模型求解是一個(gè)單目標(biāo)優(yōu)化問題，優(yōu)化變量包括各時(shí)刻熱電聯(lián)產(chǎn)機(jī)組和電鍋爐出力、儲能裝置的儲放能功率、電動(dòng)汽車的充放電功率等。計(jì)算流程如下：

1）初始化粒子群，確定每個(gè)粒子的位置初值。

2）根據(jù)適應(yīng)度評價(jià)函數(shù)計(jì)算每個(gè)粒子的適應(yīng)度值。

3）更新粒子個(gè)體極值Pid和種群全局極值Pgd，保留最優(yōu)的個(gè)體極值和全局極值。

4）根據(jù)式（30）和式（31）來更新粒子的位置。

5）根據(jù)式（32）和式（33）計(jì)算n個(gè)粒子維度熵，若某一維度熵E(xd)＞，則對該維度適應(yīng)度較差的80%個(gè)體坐標(biāo)進(jìn)行式（34）的變異。

6）判斷是否達(dá)到迭代停止條件，若滿足終止條件，則停止計(jì)算，否則轉(zhuǎn)到步驟2。

4 算例分析

以圖1所示系統(tǒng)為模型，該系統(tǒng)包括1 臺燃?xì)廨啓C(jī)發(fā)電機(jī)、1 臺天然氣內(nèi)燃機(jī)、1 臺電制冷機(jī)、1 臺吸收式制冷機(jī)和1 組儲電設(shè)備等。粒子群個(gè)數(shù)為100，迭代次數(shù)為100，圖3為經(jīng)濟(jì)最優(yōu)目標(biāo)時(shí)可用粒子群示意圖。模型中Pgrid,min=-200 kW，Pgrid,max=300 kW；IER,min=-100 kW、IER,max=100 kW；PGB,min=-50 kW，PGB,max=200 kW，W=4.125×10-3s/kg；δ=872×10-3kg/(kW·h)；ε=5.42 kg/克卡等參數(shù)設(shè)定后，算例分別以電定熱和經(jīng)濟(jì)最優(yōu)運(yùn)行模式下一天0 至24時(shí)時(shí)間段電、熱、冷功率優(yōu)化結(jié)果如圖4～圖6所示。電價(jià)圖如圖7所示。

圖3 經(jīng)濟(jì)最優(yōu)目標(biāo)時(shí)可用粒子群示意圖

圖4 經(jīng)濟(jì)最優(yōu)以及以電定熱運(yùn)行模式下電網(wǎng)運(yùn)行曲線

圖6 經(jīng)濟(jì)最優(yōu)以及以電定熱運(yùn)行模式下冷網(wǎng)運(yùn)行曲線

圖7 電價(jià)圖

如圖4所示，在電網(wǎng)運(yùn)行曲線中，在0 至6時(shí)及10 至16 時(shí)時(shí)間段用電低谷期以及風(fēng)光發(fā)電高峰期，向電網(wǎng)提供電力；而在6 至10 時(shí)及16 至22 時(shí)時(shí)間段用電高峰期，向電網(wǎng)購買電量。由圖可知，通過經(jīng)濟(jì)最優(yōu)運(yùn)行模式下多目標(biāo)優(yōu)化，負(fù)荷曲線較以電定熱運(yùn)行模式下的負(fù)荷曲線有所優(yōu)化，并將部分在用電高峰時(shí)期的負(fù)荷轉(zhuǎn)移至用電低谷期，起到了對用電負(fù)荷“削峰填谷”的作用。

如圖5所示，在熱網(wǎng)運(yùn)行曲線中，在6 至20 時(shí)時(shí)間段為用熱高峰期，由圖可知，通過經(jīng)濟(jì)最優(yōu)運(yùn)行模式下多目標(biāo)優(yōu)化，負(fù)荷曲線較以電定熱運(yùn)行模式下的負(fù)荷曲線整體降低，且將部分用熱負(fù)荷優(yōu)化至用熱低谷時(shí)段，能一定程度上緩解用熱高峰壓力，且在用熱低谷期進(jìn)行儲熱。

圖5 經(jīng)濟(jì)最優(yōu)以及以電定熱運(yùn)行模式下熱網(wǎng)運(yùn)行曲線

如圖6所示，在冷網(wǎng)運(yùn)行曲線中，在6 至18 時(shí)時(shí)間段為用冷高峰期，由圖可知，通過經(jīng)濟(jì)最優(yōu)運(yùn)行模式下多目標(biāo)優(yōu)化，負(fù)荷曲線較以電定熱運(yùn)行模式下的負(fù)荷曲線整體降低，且將部分用冷負(fù)荷優(yōu)化至用冷低谷時(shí)段，能一定程度上緩解用熱高峰壓力，且在用冷低谷期進(jìn)行儲冷。

綜上所述，用改進(jìn)粒子群算法，對多約束條件目標(biāo)求解進(jìn)行優(yōu)化，能有效降低冷熱電負(fù)荷，從而達(dá)到冷熱電聯(lián)供型微網(wǎng)系統(tǒng)的經(jīng)濟(jì)性。

5 結(jié)論

本文構(gòu)建含燃?xì)廨啓C(jī)、燃?xì)忮仩t、電制冷機(jī)、風(fēng)光等機(jī)組的冷熱電聯(lián)供型微網(wǎng)系統(tǒng)簡化模型并建立相應(yīng)的約束條件，并以微網(wǎng)的經(jīng)濟(jì)成本和環(huán)境成本為目標(biāo)，并采用改進(jìn)粒子群算法，對多約束條件目標(biāo)求解進(jìn)行優(yōu)化。然后通過算例對所提的優(yōu)化調(diào)度策略進(jìn)行了仿真驗(yàn)證，仿真結(jié)果表明算法能夠確保系統(tǒng)的經(jīng)濟(jì)性和環(huán)保性。