王俐英, 董厚琦, 宋美琴, 林嘉琳, 曾 鳴

(華北電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院,北京 102206)

0 引言

隨著環(huán)境污染和能源危機(jī)等問題的日益凸顯以及能源生產(chǎn)和消費(fèi)模式的轉(zhuǎn)變，以單一能源系統(tǒng)建設(shè)為主的傳統(tǒng)能源系統(tǒng)逐漸向綜合能源系統(tǒng)轉(zhuǎn)變。綜合能源系統(tǒng)(Integrated Energy System，IES)通過整合電、熱、氣、冷等多種能源資源，通過多能互補(bǔ)、協(xié)調(diào)優(yōu)化，在滿足用戶多元化用能需求的同時(shí)有效提升能源利用效率[1]。

目前，國內(nèi)外關(guān)于IES的研究主要集中在優(yōu)化調(diào)度、容量配置等方面。文獻(xiàn)[2]考慮風(fēng)電和負(fù)荷預(yù)測偏差，構(gòu)建了“日前-日內(nèi)-實(shí)時(shí)”多時(shí)間尺度滾動(dòng)調(diào)度計(jì)劃模型，分析了不確定性因素對調(diào)度計(jì)劃的影響；文獻(xiàn)[3]利用熱力學(xué)中的?分析法，構(gòu)建了多能流系統(tǒng)的經(jīng)濟(jì)-節(jié)能多目標(biāo)最優(yōu)調(diào)度模型；文獻(xiàn)[4]從能量允許波動(dòng)率的角度提出冷/熱/電靈活性指標(biāo)以及系統(tǒng)整體靈活性評價(jià)指標(biāo)，構(gòu)建了日運(yùn)行成本最低和靈活性最高的多目標(biāo)優(yōu)化調(diào)度模型；文獻(xiàn)[5]以最小化總投資成本以及運(yùn)營成本、最小化期望負(fù)荷損失為目標(biāo)，提出了微網(wǎng)中儲能系統(tǒng)的容量配置多目標(biāo)優(yōu)化模型；文獻(xiàn)[6]以綜合能源系統(tǒng)年總規(guī)劃成本和年二氧化碳排放最小為目標(biāo)，建立了多目標(biāo)優(yōu)化模型。

此外，在電力市場的發(fā)展下，需求響應(yīng)(Demad Response，DR)逐步轉(zhuǎn)變?yōu)榕c供應(yīng)側(cè)對等甚至優(yōu)先的系統(tǒng)資源，成為運(yùn)營者經(jīng)濟(jì)調(diào)度的重要手段，因此，已有學(xué)者在IES的調(diào)度、規(guī)劃中考慮DR。文獻(xiàn)[7]構(gòu)建了考慮基于實(shí)時(shí)電價(jià)的DR的綜合能源系統(tǒng)優(yōu)化調(diào)度模型，分析了價(jià)格不確定性對調(diào)度結(jié)果的影響；文獻(xiàn)[8]以最小化系統(tǒng)運(yùn)營成本和污染物排放為目標(biāo)，構(gòu)建了考慮DR的微電網(wǎng)最優(yōu)調(diào)度模型；文獻(xiàn)[9]考慮源、荷雙側(cè)資源的不確定性，將價(jià)格型和激勵(lì)型DR與常規(guī)機(jī)組、風(fēng)電、緊急調(diào)峰資源在不同時(shí)間尺度上進(jìn)行優(yōu)化配置，構(gòu)建了日前—日內(nèi)時(shí)間尺度的源荷互動(dòng)決策模型。

綜上所述，現(xiàn)有研究成果中，在IES運(yùn)行調(diào)度方面，計(jì)及價(jià)格型與激勵(lì)型DR影響的研究較少。因此，本文在已有研究的基礎(chǔ)上，通過偏差區(qū)間來描述DR量和可再生能源發(fā)電量的不確定性對系統(tǒng)運(yùn)行的影響，以系統(tǒng)運(yùn)行成本最低、碳排放量最低為優(yōu)化目標(biāo)，提出了考慮DR不確定性的IES多目標(biāo)優(yōu)化調(diào)度模型，分析了不同DR手段的實(shí)施對系統(tǒng)經(jīng)濟(jì)效益與環(huán)保效益的影響。

1 能源集線器設(shè)備模型

IES是利用各個(gè)能源系統(tǒng)在時(shí)空上的耦合機(jī)制，采用“自發(fā)自用、余量上網(wǎng)”的運(yùn)行機(jī)制，實(shí)現(xiàn)多能互補(bǔ)、能源梯級利用的一種新型一體化能源系統(tǒng)[10]。能源集線器(Energy Hub，EH)是IES中源、網(wǎng)、荷之間的接口平臺，包含對各種形式能源的相互轉(zhuǎn)化、分配和儲存，從而實(shí)現(xiàn)能源資源的優(yōu)化配置，為IES的規(guī)劃設(shè)計(jì)和運(yùn)行優(yōu)化提供了理論支撐[11]。本文計(jì)及冷熱電氣四種能源構(gòu)建EH，輸入和輸出關(guān)系如式(1)所示，基于不同優(yōu)化目標(biāo)，EH能夠通過調(diào)整供能設(shè)備出力滿足用能設(shè)備需求。

(1)

本文從能源生產(chǎn)、能源存儲、能源轉(zhuǎn)換三個(gè)環(huán)節(jié)介紹具體設(shè)備模型[12]。

(1)能源生產(chǎn)設(shè)備模型

能源生產(chǎn)環(huán)節(jié)設(shè)備主要包括可再生能源機(jī)組、燃?xì)廨啓C(jī)、余熱鍋爐、燃?xì)忮仩t。具體設(shè)備的模型如下:

(2)

(3)

(2)能源存儲設(shè)備模型

能源存儲設(shè)備包括儲電設(shè)備和儲熱設(shè)備。具體設(shè)備的模型如下：

1)儲電設(shè)備模型

(4)

2)儲熱設(shè)備模型

(5)

(3)能源轉(zhuǎn)換設(shè)備模型

能源轉(zhuǎn)換設(shè)備包括吸收式制冷機(jī)設(shè)備、電鍋爐和電制冷機(jī)。

根據(jù)圖1的能流圖，本文對吸收式制冷機(jī)設(shè)備、電鍋爐以及電制冷機(jī)等主要能源耦合設(shè)備進(jìn)行建模[13]。具體設(shè)備的模型如下：

1)溴化鋰吸收式制冷機(jī)模型

溴化鋰吸收式制冷機(jī)是冷熱耦合設(shè)備，其出力模型如下所示。

(6)

2)熱泵模型

熱泵是典型的電熱耦合設(shè)備，其出力模型如下所示。

(7)

3)電制冷機(jī)模型

電制冷機(jī)是典型的電冷耦合設(shè)備，其出力模型如下所示。

(8)

2 計(jì)及不確定性的DR建模

2.1 DR模型

DR的手段包括價(jià)格型DR措施(Price Based Demand Response，PBDR)與激勵(lì)型DR措施(Incentive Based Demand Response，IBDR)[14]。

PBDR主要借助市場彈性來實(shí)現(xiàn)，根據(jù)經(jīng)濟(jì)學(xué)原理，市場彈性包括自彈性和交叉彈性，其中自彈性用來衡量當(dāng)前單時(shí)段電價(jià)變化對于用電需求的影響，而交叉彈性用來衡量多時(shí)段電價(jià)變化對于多時(shí)段用電需求的影響[15]。電力負(fù)荷的自彈性系數(shù)和交叉彈性系數(shù)表示為:

(9)

IBDR通過與用戶簽訂DR合同，并約定響應(yīng)容量、響應(yīng)時(shí)間、獎(jiǎng)勵(lì)標(biāo)準(zhǔn)和懲罰標(biāo)準(zhǔn)等實(shí)現(xiàn)DR。因此，同時(shí)考慮PBDR和IBDR的單時(shí)段DR模型如下所示。

(10)

式中，Inct為用戶在第t時(shí)刻參與激勵(lì)型DR的收益，Pent為用戶在第t時(shí)刻未按照合同約定參與DR的懲罰標(biāo)準(zhǔn)。

2.2 不確定性分析

在不考慮不確定性情況下，基于式(10)所得qt計(jì)算得出用戶DR量Δqt為預(yù)測值，如式(11)所示。

(11)

然而，考慮用戶的實(shí)際用電情況，受自然環(huán)境、行為習(xí)慣等條件的影響，實(shí)際DR量具有一定的不確定性，本文采用三角模糊數(shù)來表示DR的不確定性。

(12)

同樣，對于可再生能源出力的不確定性，采用三角模糊數(shù)來刻畫由風(fēng)電和光伏發(fā)電組成的可再生能源出力預(yù)測誤差導(dǎo)致的不確定性。

(13)

3 計(jì)及DR的區(qū)域IES多目標(biāo)優(yōu)化模型

3.1 優(yōu)化目標(biāo)

(1)經(jīng)濟(jì)性目標(biāo)

以系統(tǒng)運(yùn)營商日運(yùn)行成本最低為優(yōu)化目標(biāo)，日運(yùn)行成本由能源購買成本C1、設(shè)備運(yùn)行維護(hù)成本C2、DR實(shí)施成本C3、設(shè)備啟停成本和能源銷售收益R五部分構(gòu)成，具體表達(dá)式如下所示。

minf1=C1+C2+C3+C4-R

(14)

1)能源購買成本

(15)

2)設(shè)備運(yùn)行維護(hù)成本

(16)

3)DR實(shí)施成本

(17)

4)設(shè)備啟停成本

(18)

5)能源銷售收入

(19)

(2)環(huán)保性目標(biāo)

IES污染物主要來自系統(tǒng)中的一些設(shè)備和電網(wǎng)，模型以CO2的排放量來衡量環(huán)保性，以最小碳排放為目標(biāo)，具體表達(dá)式如下所示。

(20)

3.2 約束條件

(1)功率平衡約束

電功率平衡約束如下式(21)所示，熱功率和冷功率平衡約束如式(22)～(23)所示。

(21)

(22)

(23)

(2)聯(lián)絡(luò)線約束

(24)

(25)

式中，Pgrid,min、Pgrid,max為IES與配電網(wǎng)交互功率的最小、最大值。

(3)儲能裝置約束

(26)

(4)設(shè)備出力約束

(27)

(5)機(jī)組爬坡約束

(28)

(6)機(jī)組開停機(jī)約束

uit+vit≤1

(29)

式中，uit為1表示機(jī)組i在第t時(shí)刻處于開機(jī)狀態(tài)，否則為0；vit為1表示機(jī)組i在第t時(shí)刻處于停機(jī)狀態(tài)，否則為0。

3.3 模型求解方法

(1)不確定性處理

根據(jù)不確定規(guī)劃理論，將決策模型中的不確定約束轉(zhuǎn)換為確定性約束后進(jìn)行求解[17]。約束(21)可轉(zhuǎn)化為如下形式:

(2-α)(k1Δqt+k3Ee,t)+(2α-1)(k4Δqt+k4Ee,t)

(30)

(2)ε約束法

本文采用ε約束法求解多目標(biāo)模型，獲得Pareto解集。ε約束法的思想是將多目標(biāo)優(yōu)化模型中的一個(gè)目標(biāo)函數(shù)轉(zhuǎn)化為約束條件，通過逐次修改該約束條件的取值范圍，將多目標(biāo)優(yōu)化問題轉(zhuǎn)化為一系列單目標(biāo)優(yōu)化問題進(jìn)行求解，如下式所示[18,19]。

(31)

其中，ε取值區(qū)間為f2的最小值到最大值，通過改變ε的取值可以得到不同的目標(biāo)函數(shù)值，這些數(shù)值共同構(gòu)成了多目標(biāo)問題的Pareto最優(yōu)解集。

(3)模糊決策法

在獲得Pareto最優(yōu)解集之后，利用模糊決策方法從Pareto前沿中折中得到最優(yōu)解。首先，定義第k個(gè)目標(biāo)函數(shù)(本文k=1,2)的第j個(gè)運(yùn)行方案(j=1,2,…,N0，N0為Pareto解的數(shù)量)的模糊隸屬函數(shù)如下式所示。

(32)

其次，選擇每個(gè)運(yùn)行方案的隸屬度函數(shù)值，如下式所示。

(33)

最后，從式(34)中選擇最大值，該值所對應(yīng)的解方案即為最后的折中決策解，具體表達(dá)式如下所示。

μmax=max(μ1,μ2,…,μN(yùn)0)

(34)

4 算例分析

4.1 算例條件

算例選取了北方某工業(yè)園區(qū)夏季典型日的實(shí)際數(shù)據(jù)，時(shí)間尺度為1h，在MATLAB環(huán)境下調(diào)用CPLEX求解，驗(yàn)證本文所建立的模型的合理性與有效性。圖2為典型日電、熱、冷負(fù)荷曲線和可再生能源出力曲線。為了充分利用可再生能源，減少棄風(fēng)棄光現(xiàn)象，本文設(shè)定優(yōu)先保證可再生能源全額消納。假定與電網(wǎng)的交互電價(jià)為0.8元/kWh，熱價(jià)0.3元/kWh，氣價(jià)0.25元/kWh，系統(tǒng)售電價(jià)采取分時(shí)電價(jià)，具體如表1所示，自彈性和交叉彈性如表2所示；假定儲電和儲熱設(shè)備的容量均為1000 kW·h，初始容量為500 kW·h，自損耗系數(shù)為0.0035，充放效率為0.9，運(yùn)行維護(hù)費(fèi)用為0.0018元/kWh；假定其他設(shè)備的容量均為1000 kW·h，上下爬坡不超過容量的20%，具體參數(shù)如表3所示。為保證電網(wǎng)安全，IES向電網(wǎng)的購電與售電的上限和下限功率分別為0 kW和200 kW。DR量預(yù)測值誤差區(qū)間為[-20%,20%]，置信度α取0.95。

表1 分時(shí)電價(jià)(元/kW·h)

表2 峰、平、谷時(shí)段的自彈性和交叉彈性

表3 其他設(shè)備主要參數(shù)

4.2 結(jié)果分析

(1)不同場景下IES效益分析

為驗(yàn)證文中所建模型的有效性，根據(jù)DR措施的不同，分別構(gòu)建如表4所示6種場景進(jìn)行對比，以系統(tǒng)運(yùn)營商的日運(yùn)行成本及污染物排放量最小為優(yōu)化目標(biāo)，尋求最優(yōu)調(diào)度策略。

表4 場景劃分

對比場景1與場景2的結(jié)果可知，實(shí)行分時(shí)電價(jià)措施之后，用戶為降低用電成本減少高峰時(shí)段的用電量，增加低谷時(shí)段的用電量，從而降低了系統(tǒng)的運(yùn)行成本以及碳排放量；對比場景2、場景3以及場景4的結(jié)果可知，相對于僅實(shí)行IBDR措施，基于TOU的PBDR措施使得用戶能夠自主調(diào)整用電時(shí)間與用電量，因此帶來的經(jīng)濟(jì)效益更為顯著；對比場景2、場景5以及場景6的結(jié)果可知，結(jié)合PBDR和IBDR措施，分時(shí)電價(jià)的實(shí)行顯著提高了用戶參與DR的積極性，增加了低谷時(shí)段的用電量，而高峰時(shí)段的激勵(lì)和懲罰措施對于減少高峰時(shí)段用電量的效果更加明顯，從而提高了售電收益，減少了系統(tǒng)的運(yùn)行成本以及碳排放量；對比場景5與場景6的結(jié)果可知，相較于同時(shí)實(shí)行激勵(lì)價(jià)格和懲罰價(jià)格，提高激勵(lì)價(jià)格水平更能帶來顯著的經(jīng)濟(jì)效益與環(huán)境效益，場景6的帕累托最優(yōu)解圖如下圖所示。

(2)不同場景下IES運(yùn)行結(jié)果分析

在不同DR措施場景下，電力負(fù)荷曲線如圖4所示。可以看出，在高電價(jià)水平時(shí)段，場景6的用電負(fù)荷顯著降低，在電價(jià)較低時(shí)段，場景6的用電負(fù)荷增長最為顯著，因此，場景6的削峰填谷效果最優(yōu)。

對比場景1和場景6各個(gè)機(jī)組的出力情況可以看出，通過電儲能、燃?xì)廨啓C(jī)、可再生能源和電網(wǎng)的協(xié)同運(yùn)行能夠共同滿足園區(qū)的電力負(fù)荷、電制冷機(jī)和熱泵的電力需求；通過余熱鍋爐、熱泵和熱儲能設(shè)備可以滿足園區(qū)的熱負(fù)荷、吸收式制冷機(jī)的用熱需求；通過吸收式制冷機(jī)和電制冷機(jī)設(shè)備可以滿足園區(qū)的用冷需求，系統(tǒng)的電、熱、冷力平衡圖如下圖所示。

從圖5和圖8可知，相比于場景1，場景6在峰時(shí)段的購電量、熱泵用電量和電制冷機(jī)用電量顯著減少。從圖6和圖9可知，熱負(fù)荷主要通過余熱鍋爐進(jìn)行供應(yīng)，只有在需求較高時(shí)段通過熱泵和儲熱設(shè)備進(jìn)行調(diào)峰。而由于場景6電價(jià)較低時(shí)段增加的用電量主要通過燃?xì)廨啓C(jī)供應(yīng)，其余熱通過余熱鍋爐可以滿足部分熱需求，因此，相較于場景1，該時(shí)段余熱鍋爐的產(chǎn)熱量更大。從圖7和圖10可知，由于電制冷機(jī)的性能系數(shù)遠(yuǎn)高于吸收式制冷機(jī)，因此一般情況下大部分的冷量由電制冷機(jī)提供，而在用電高峰時(shí)段(在8:00-11:00和16:00)，相較于場景1，場景6增加了吸收式制冷機(jī)的制冷量，減少了電制冷機(jī)的制冷量，從而減少了高峰時(shí)段的用電需求，提高了系統(tǒng)的經(jīng)濟(jì)性。

5 結(jié)論

本文根據(jù)彈性理論建立了包含價(jià)格與激勵(lì)措施的需求響應(yīng)模型，在此基礎(chǔ)上，以系統(tǒng)運(yùn)行成本最低、碳排放量最低為優(yōu)化目標(biāo)，建立了計(jì)及需求響應(yīng)不確定性的綜合能源系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型。針對多目標(biāo)優(yōu)化求解得到的一系列Pareto最優(yōu)解進(jìn)行最優(yōu)折中選取，獲得系統(tǒng)的最佳運(yùn)行策略。結(jié)論如下：

(1)價(jià)格型需求響應(yīng)與激勵(lì)型需求響應(yīng)措施相結(jié)合能夠顯著實(shí)現(xiàn)削峰填谷，有效降低系統(tǒng)的運(yùn)行成本和碳排放量。

(2)相較于同時(shí)制定激勵(lì)價(jià)格與懲罰價(jià)格，提高激勵(lì)價(jià)格的水平更能夠調(diào)動(dòng)用戶參與需求響應(yīng)的積極性，具有良好的經(jīng)濟(jì)效益和環(huán)保效益。