胡俊杰 童宇軒 劉雪濤 王劍曉 徐衍會(huì)

計(jì)及精細(xì)化氫能利用的綜合能源系統(tǒng)多時(shí)間尺度魯棒優(yōu)化策略

胡俊杰1童宇軒1劉雪濤1王劍曉2徐衍會(huì)1

（1．新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室（華北電力大學(xué)） 北京 102206 2．大數(shù)據(jù)分析與應(yīng)用技術(shù)國(guó)家工程實(shí)驗(yàn)室（北京大學(xué)） 北京 100871）

能源結(jié)構(gòu)改革背景下，構(gòu)建以氫能驅(qū)動(dòng)、電-熱為主體的綜合能源系統(tǒng)（HEH-IES）具有重要意義。為提高含電氫耦合單元的IES運(yùn)行靈活性，同時(shí)減小功率波動(dòng)對(duì)系統(tǒng)的影響，提出含多元儲(chǔ)能與綜合需求響應(yīng)的氫能精細(xì)化利用兩階段調(diào)度方法。首先，分析電制氫（P2H）兩階段運(yùn)行過(guò)程與電氫耦合單元運(yùn)行特性，對(duì)氫能的用能過(guò)程與設(shè)備進(jìn)行精細(xì)化建模；其次，計(jì)及多元儲(chǔ)能與綜合需求響應(yīng)提出了日前-日內(nèi)兩階段多時(shí)間尺度優(yōu)化策略，日前階段充分考慮能源系統(tǒng)的不確定性，構(gòu)建數(shù)據(jù)驅(qū)動(dòng)的分布魯棒優(yōu)化（DRO）模型，日內(nèi)階段遵從日前計(jì)劃，考慮多能流在靈活性調(diào)節(jié)時(shí)間尺度上的差異，通過(guò)多時(shí)間尺度的滾動(dòng)優(yōu)化降低功率波動(dòng)的影響；最后，仿真算例證明了所提模型與策略對(duì)提升IES的運(yùn)行靈活性具有積極作用。

綜合能源系統(tǒng) 氫能 變載啟停特性 分布魯棒優(yōu)化 靈活性 多時(shí)間尺度

0 引言

隨著能源結(jié)構(gòu)改革進(jìn)程的推進(jìn)[1]，具有隨機(jī)波動(dòng)性的風(fēng)電機(jī)組高比例接入電網(wǎng)，建立清潔、高效、靈活的新型能源結(jié)構(gòu)體系已迫在眉睫[2-3]。綜合能源系統(tǒng)（Integrated Energy System, IES）內(nèi)部包含多種能量耦合單元，可以實(shí)現(xiàn)能源之間聯(lián)供的優(yōu)勢(shì)互補(bǔ)，為促進(jìn)用風(fēng)電消納、用能高效化提供了解決途徑[4]。

氫能作為一種轉(zhuǎn)換形式多樣且高效的二次能源，可與其他能源互補(bǔ)形成以氫能驅(qū)動(dòng)的綜合能源利用架構(gòu)。由電解制氫、甲烷化、氫能發(fā)電組成的電氫交互過(guò)程是P2H（power-to-hydrogen）兩階段運(yùn)行的橋梁?，F(xiàn)有研究指出電解制氫的能量轉(zhuǎn)換效率超過(guò)80%，而電解制天然氣的效率低于60 %。并且由于氫氣的燃燒效率更高，優(yōu)先在電氫耦合環(huán)節(jié)高品位利用氫氣，可以提高IES的經(jīng)濟(jì)性。所以對(duì)氫能利用的精細(xì)化建模是研究電氫耦合單元靈活性?xún)r(jià)值的關(guān)鍵問(wèn)題。文獻(xiàn)[5]將P2H的兩階段生產(chǎn)過(guò)程細(xì)化，研究了階梯式碳交易背景下IES的運(yùn)行策略。文獻(xiàn)[6]將傳統(tǒng)P2H與燃料電池、燃?xì)忮仩t等結(jié)合，提出了含氫能與天然氣的混合儲(chǔ)能模型。文獻(xiàn)[7]提出了含P2H的熱電聯(lián)產(chǎn)模型，利用燃料電池與余熱發(fā)電促進(jìn)氫能的高品位使用。上述文獻(xiàn)均是對(duì)氫的用能過(guò)程進(jìn)行研究，并以簡(jiǎn)單的線性轉(zhuǎn)換關(guān)系對(duì)能量耦合單元進(jìn)行建模，忽視了電氫耦合設(shè)備的能效特性。實(shí)際上，電解槽等設(shè)備的運(yùn)行狀態(tài)轉(zhuǎn)換多樣，這會(huì)對(duì)IES的運(yùn)行靈活性產(chǎn)生影響。

目前，對(duì)于電氫耦合設(shè)備運(yùn)行特性的建模已有部分研究。文獻(xiàn)[8-9]考慮電解槽、燃料電池等設(shè)備的運(yùn)行效率隨輸入電功率變化呈非線化關(guān)系，建立了非固定效率能效模型。上述模型均為非凸，不利于大規(guī)模計(jì)算求解，且未考慮電解槽的運(yùn)行特性。文獻(xiàn)[10]考慮電解槽的啟停特性，引入0-1變量表示運(yùn)行狀態(tài)的切換，建立了混合整數(shù)線性模型。電解槽具有變載特性，可在過(guò)載、變載、低載狀態(tài)中靈活切換，而上述模型均未涉及。燃料電池在氫能驅(qū)動(dòng)的IES中作為重要的熱電聯(lián)產(chǎn)單元，熱電比通常被視為常數(shù)，無(wú)法準(zhǔn)確地匹配用能需求，造成能源利用率低下，且不利于風(fēng)電消納。文獻(xiàn)[5]建立熱電比可調(diào)的燃料電池與熱電聯(lián)產(chǎn)機(jī)組模型，有效地提高了能源系統(tǒng)的運(yùn)行靈活性。

為實(shí)現(xiàn)對(duì)風(fēng)電的有效消納，IES的靈活性不僅可由供給側(cè)提供，也可由需求側(cè)產(chǎn)生。隨著負(fù)荷聚合與控制技術(shù)的發(fā)展，多能柔性負(fù)荷的調(diào)節(jié)潛力得到挖掘。文獻(xiàn)[11-12]研究了供需靈活雙響應(yīng)下的IES運(yùn)行策略。文獻(xiàn)[13]計(jì)及風(fēng)險(xiǎn)價(jià)值理論，構(gòu)建含電-熱-氣柔性負(fù)荷的IES經(jīng)濟(jì)調(diào)度模型，實(shí)現(xiàn)了風(fēng)電的友好接納。上述文獻(xiàn)研究了多能負(fù)荷的調(diào)節(jié)潛力，但局限于時(shí)間尺度上的需求響應(yīng)，未考慮多能負(fù)荷之間的互補(bǔ)性，電、熱、氣等負(fù)荷具有耦合特性，在一定程度上可以相互替代。

IES內(nèi)各能量波動(dòng)特性在不同時(shí)間尺度具有較大差異，對(duì)多能源之間的互補(bǔ)運(yùn)行造成影響。同時(shí)，風(fēng)電與負(fù)荷的日前預(yù)測(cè)存在誤差，為了減小功率波動(dòng)帶來(lái)的不利影響，需要在日內(nèi)階段對(duì)日前制定的IES調(diào)度計(jì)劃進(jìn)行修正。多時(shí)間尺度優(yōu)化策略因考慮了不同時(shí)間尺度下的預(yù)測(cè)誤差特性，可以提高預(yù)測(cè)精度，在IES日內(nèi)滾動(dòng)階段得到了廣泛運(yùn)用。文獻(xiàn)[14-15]基于電熱氣能源系統(tǒng)多能靈活性，提出了多時(shí)間尺度優(yōu)化策略。文獻(xiàn)[16-18]構(gòu)建了隨機(jī)優(yōu)化和魯棒優(yōu)化模型應(yīng)對(duì)日前調(diào)度時(shí)新能源出力與負(fù)荷的不確定性。但是上述研究在日前階段對(duì)不確定性的考慮過(guò)于冒險(xiǎn)或保守，前者使得日內(nèi)階段跟蹤日前計(jì)劃的成本過(guò)大，甚至無(wú)法完全平抑功率波動(dòng)。后者可能使得日前成本超出接受范圍。

基于上述研究存在的問(wèn)題，本文考慮P2H的兩階段運(yùn)行過(guò)程，計(jì)及電解槽、燃料電池等設(shè)備的工作特性，對(duì)氫能的用能過(guò)程與設(shè)備進(jìn)行了精細(xì)化建模，提出一種日前-日內(nèi)兩階段多時(shí)間尺度魯棒優(yōu)化策略。本文主要?jiǎng)?chuàng)新點(diǎn)如下：①提出一種考慮變載啟停特性的電解槽混合整數(shù)線性模型，根據(jù)電氫負(fù)荷可以實(shí)時(shí)調(diào)整設(shè)備工作狀態(tài)，有效提升電解制氫過(guò)程的靈活性；②日前階段建立數(shù)據(jù)驅(qū)動(dòng)的分布魯棒優(yōu)化模型，采用綜合范數(shù)對(duì)概率分布進(jìn)行約束以達(dá)到調(diào)節(jié)模型保守性的目的；③日內(nèi)階段考慮多能流在靈活性調(diào)節(jié)時(shí)間尺度上的差異，通過(guò)多時(shí)間尺度滾動(dòng)優(yōu)化以降低功率波動(dòng)的影響。最后，通過(guò)仿真算例證明所提模型的有效性與合理性。

1 HEH-IES運(yùn)行框架

由氫能驅(qū)動(dòng)，電-熱為主體構(gòu)成的綜合能源系統(tǒng)（Hydrogen Driven Electricity Heat Integrated Energy System, HEH-IES）可以實(shí)現(xiàn)系統(tǒng)內(nèi)部多能供給與負(fù)荷需求的靈活運(yùn)行。本文在傳統(tǒng)含熱電聯(lián)產(chǎn)機(jī)組（Combined Heat and Power, CHP）和燃?xì)忮仩t（Gas Boiler, GB）系統(tǒng)的基礎(chǔ)上引入甲烷反應(yīng)器（Methane Reactor, MR）和熱電比可調(diào)的燃料電池（Hydrogen Fuel Cell, HFC），同時(shí)考慮電解槽（ELectrolyzer, EL）的變載啟停特性，對(duì)電氫耦合單元的氫能用能過(guò)程與設(shè)備用能特性進(jìn)行了建模。

HEH-IES包含四個(gè)部分：能量供給單元、能量耦合單元、儲(chǔ)能單元、用能單元。風(fēng)電機(jī)組（Wind Turbine, WT）提供清潔電能，并且IES可通過(guò)向上級(jí)電網(wǎng)與氣網(wǎng)購(gòu)能彌補(bǔ)系統(tǒng)內(nèi)能量的短缺。以電解槽和氫燃料電池為主體組成的電-氫耦合單元可以有效降低能源的梯級(jí)損耗，提高綜合利用率。此外，電熱氫多元儲(chǔ)能設(shè)備及負(fù)荷的綜合需求響應(yīng)將為HEH-IES的靈活運(yùn)行提供一定保障。HEH-IES運(yùn)行結(jié)構(gòu)如圖1所示。

圖1 HEH-IES運(yùn)行結(jié)構(gòu)

1.1 能量轉(zhuǎn)換設(shè)備數(shù)學(xué)模型

1.1.1 考慮變載啟停特性的電解槽模型

利用電解制氫技術(shù)可以加強(qiáng)多能源的互補(bǔ)耦合，提高風(fēng)電消納與低谷電價(jià)時(shí)段IES的靈活調(diào)度能力。電解槽是電解制氫的關(guān)鍵設(shè)備，質(zhì)子交換膜（Proton Exchange Membrane, PEM）電解槽（以下簡(jiǎn)稱(chēng)PEM）相比堿性電解槽轉(zhuǎn)換效率與調(diào)節(jié)靈活性更高，故本文以PEM為例建立考慮變載啟停特性的電解槽混合整數(shù)線性數(shù)學(xué)模型。

PEM的運(yùn)行狀態(tài)可分為停機(jī)狀態(tài)、冷待機(jī)狀態(tài)和工作狀態(tài)[10]?？紤]到PEM的工作特性，工作狀態(tài)又可細(xì)分為低載、變載和過(guò)載狀態(tài)。電解槽運(yùn)行狀態(tài)轉(zhuǎn)換原理如圖2所示。

1）停機(jī)狀態(tài)（不制氫）；PEM在任意狀態(tài)可以迅速停機(jī)，視為可中斷負(fù)荷，不計(jì)停機(jī)時(shí)間。在該狀態(tài)通常需要30 min～1 h完全啟動(dòng)。

圖2 PEM運(yùn)行狀態(tài)轉(zhuǎn)換示意圖

2）冷待機(jī)狀態(tài)（不制氫）：PEM關(guān)閉但不停機(jī)，以低功率待機(jī)維持控制和防凍單元的運(yùn)行[10]。在該狀態(tài)PEM需要5～10 min完成冷啟動(dòng)。

3）工作狀態(tài)（制氫）：為保證電解槽制氫安全，即氫氣具有爆炸體積上限與下限，PEM絕大部分時(shí)間運(yùn)行在變載狀態(tài)（額定功率的30%～100%）。同時(shí)PEM可以短時(shí)運(yùn)行在過(guò)載狀態(tài)（額定功率的100%～150%）和低載狀態(tài)（額定功率的10%～30%），這使得PEM有著出色的運(yùn)行靈活性。

將PEM完全啟動(dòng)的時(shí)間（本文設(shè)為1 h）作為優(yōu)化的時(shí)間尺度，由于冷啟動(dòng)的時(shí)間（本文設(shè)為10 min）小于一個(gè)時(shí)間尺度，所以需要計(jì)及冷啟動(dòng)過(guò)程中造成輸出氫能的損失。PEM用電功率與產(chǎn)氫功率的關(guān)系可表示為

PEM的用電功率滿足式（3）所示的不等式關(guān)系，通過(guò)二進(jìn)制變量的取值可以實(shí)現(xiàn)電解槽不同工作狀態(tài)之間的協(xié)調(diào)控制。

此外，為了避免PEM在短時(shí)間內(nèi)頻繁啟停，需要對(duì)最短停機(jī)及冷待機(jī)時(shí)間進(jìn)行限制。

1.1.2 可調(diào)熱電比熱電聯(lián)產(chǎn)單元模型

熱電聯(lián)產(chǎn)單元由HFC和CHP共同組成。HFC燃燒氫氣進(jìn)行供電和供熱，傳統(tǒng)模型熱電比為定值，一般運(yùn)行在“以熱定電”或“以電定熱”模式，運(yùn)行靈活性較差。通過(guò)改變散熱循環(huán)水流速與氫氣輸入速率，燃料電池可以根據(jù)實(shí)時(shí)電熱負(fù)荷情況調(diào)節(jié)熱電比[19]，模型為

CHP機(jī)組燃燒天然氣進(jìn)行熱電聯(lián)供，通過(guò)控制汽輪機(jī)抽氣比例和進(jìn)氣導(dǎo)葉角度，可以根據(jù)實(shí)時(shí)電熱負(fù)荷情況調(diào)節(jié)熱電比[20]，模型為

1.1.3 甲烷反應(yīng)器模型

MR將氫能轉(zhuǎn)換為氣能，并供給GB或CHP產(chǎn)生電能與熱能，模型為

其余單元如燃?xì)忮仩t、通用儲(chǔ)能單元建模過(guò)程見(jiàn)附錄。

1.2 約束條件

約束條件包括購(gòu)能約束、棄風(fēng)約束、各單元運(yùn)行約束及功率平衡約束。

1）購(gòu)電與購(gòu)氣約束

2）風(fēng)電出力與棄風(fēng)約束

3）各單元運(yùn)行約束見(jiàn)1.1節(jié)。

4）功率平衡約束

1.3 綜合需求響應(yīng)模型

本文不考慮氣負(fù)荷的靈活性，部分電熱負(fù)荷可以實(shí)現(xiàn)時(shí)間維度和空間維度上的轉(zhuǎn)移，即具有橫向和縱向的需求響應(yīng)能力。將電熱負(fù)荷分為固定負(fù)荷、可替代負(fù)荷、可轉(zhuǎn)移負(fù)荷，可表示為

可轉(zhuǎn)移負(fù)荷允許在調(diào)度周期內(nèi)實(shí)現(xiàn)功率的轉(zhuǎn)移，其進(jìn)行需求響應(yīng)時(shí)用電/熱計(jì)劃的調(diào)整受到用電/熱需求的影響，可表示為

可替代負(fù)荷允許在保證用能需求不變的情況下實(shí)現(xiàn)用電和用熱需求的替代，從而緩解電網(wǎng)與熱網(wǎng)負(fù)荷高峰的壓力。可替代負(fù)荷可表示為

1.4 綜合能源利用率計(jì)算模型

IES中包含多能流的轉(zhuǎn)換過(guò)程，不同形式的能量之間既有數(shù)量上的聯(lián)系也有質(zhì)量上的區(qū)別[16]。由于能量存在梯級(jí)損耗，能量品位不斷降低。為說(shuō)明電氫耦合單元在提升能源利用率上的作用，通過(guò)能質(zhì)系數(shù)量化能量品位，IES的綜合能源利用率為

2 兩階段多時(shí)間尺度滾動(dòng)優(yōu)化模型

為降低因風(fēng)電與多能負(fù)荷預(yù)測(cè)值在日前與日內(nèi)偏差引起的功率波動(dòng)，建立日前調(diào)度與日內(nèi)滾動(dòng)兩階段優(yōu)化模型。日前調(diào)度充分考慮電解槽等電氫耦合單元的運(yùn)行靈活性以及風(fēng)電和負(fù)荷的不確定性，得到HEH-IES內(nèi)各單元24 h的日前出力計(jì)劃。日內(nèi)滾動(dòng)調(diào)度遵從日前計(jì)劃，考慮多能流在靈活性調(diào)節(jié)時(shí)間尺度上的差異，通過(guò)多時(shí)間尺度的滾動(dòng)優(yōu)化降低功率波動(dòng)的影響。日內(nèi)每個(gè)滾動(dòng)周期開(kāi)始時(shí)，對(duì)預(yù)測(cè)時(shí)域內(nèi)的預(yù)測(cè)值進(jìn)行更新，優(yōu)化控制時(shí)域內(nèi)的出力計(jì)劃，但只下發(fā)第一個(gè)時(shí)段的計(jì)劃結(jié)果。本文構(gòu)建的日前-日內(nèi)兩階段調(diào)度框架如圖3所示。

圖3 日前-日內(nèi)兩階段調(diào)度示意圖

2.1 日前數(shù)據(jù)驅(qū)動(dòng)分布魯棒優(yōu)化模型

日前調(diào)度以購(gòu)能成本、棄風(fēng)成本、電解槽啟停成本及綜合需求響應(yīng)補(bǔ)償成本的綜合成本最小為目標(biāo)函數(shù)，同時(shí)考慮風(fēng)電與多能負(fù)荷的不確定性，建立數(shù)據(jù)驅(qū)動(dòng)的分布魯棒優(yōu)化（Distributionally Robust Optimization, DRO）模型。數(shù)據(jù)驅(qū)動(dòng)DRO通過(guò)提取IES運(yùn)行的大量歷史數(shù)據(jù)樣本，建立綜合范數(shù)（∞-范數(shù)和1-范數(shù)）不確定概率集合表征不確定性。通過(guò)歷史數(shù)據(jù)而不是表征整體性能的矩信息指導(dǎo)日前計(jì)劃的決策，相比隨機(jī)優(yōu)化和魯棒優(yōu)化具有求解效率高、經(jīng)濟(jì)靈活性好的優(yōu)勢(shì)。

日前階段涉及的DRO是一個(gè)min-max-min的兩階段三層優(yōu)化問(wèn)題。第一階段min問(wèn)題以各能量耦合單元與可調(diào)節(jié)負(fù)荷為決策變量，實(shí)現(xiàn)電解槽啟停成本與綜合需求響應(yīng)成本最優(yōu)。第二階段max-min問(wèn)題尋找使得購(gòu)能成本和棄風(fēng)成本最小值最大的最?lèi)毫訄?chǎng)景概率分布，表達(dá)式為

對(duì)于上述兩階段三層優(yōu)化問(wèn)題，使用列與約束生成（Column and Constraint Generation, C&CG）算法將其解耦成主問(wèn)題和子問(wèn)題進(jìn)行迭代求解[22]，具體步驟見(jiàn)附錄。

2.2 日內(nèi)多時(shí)間尺度滾動(dòng)優(yōu)化模型

日內(nèi)階段遵循日前調(diào)度得到的各單元運(yùn)行計(jì)劃，包括柔性負(fù)荷調(diào)用計(jì)劃、能量耦合單元運(yùn)行計(jì)劃、儲(chǔ)能單元充放能計(jì)劃及購(gòu)電購(gòu)氣計(jì)劃，通過(guò)1 h和15 min的多時(shí)間尺度滾動(dòng)平抑風(fēng)電與多能流的功率波動(dòng)?？紤]到短時(shí)間尺度電能的波動(dòng)相較于其他能量更大，在15 min短時(shí)間尺度引入超級(jí)電容器（Super Capacitor, SC）對(duì)快速波動(dòng)的電功率進(jìn)一步平抑。SC功率密度大，可以瞬時(shí)輸出高功率，并且滿足短時(shí)間尺度頻繁的充放電次數(shù)需求。

2.2.1 日內(nèi)長(zhǎng)時(shí)間尺度滾動(dòng)模型

長(zhǎng)時(shí)間尺度滾動(dòng)模型在日前計(jì)劃的基礎(chǔ)上，通過(guò)調(diào)整各能量耦合單元出力和購(gòu)能平抑日內(nèi)1 h尺度的風(fēng)電與多能負(fù)荷波動(dòng)，目標(biāo)函數(shù)為

約束條件為考慮日前計(jì)劃的各單元運(yùn)行約束和功率平衡約束，可以表示為

2.2.2 日內(nèi)短時(shí)間尺度滾動(dòng)模型

短時(shí)間尺度滾動(dòng)在長(zhǎng)時(shí)間尺度調(diào)度計(jì)劃基礎(chǔ)上，通過(guò)調(diào)整購(gòu)電量，并制定SC的充放電計(jì)劃來(lái)平抑短時(shí)間尺度的風(fēng)電快速波動(dòng)。目標(biāo)函數(shù)為

約束條件為考慮日內(nèi)長(zhǎng)時(shí)間尺度調(diào)度計(jì)劃的電功率平衡約束及SC運(yùn)行約束，可以表示為

本文所提多時(shí)間尺度滾動(dòng)優(yōu)化策略算法流程如圖4所示。

3 算例分析

圖4 多時(shí)間尺度優(yōu)化策略算法流程

3.1 日前調(diào)度及電氫耦合靈活性分析

為分析電氫耦合單元靈活性及綜合需求響應(yīng)對(duì)HHE-IES運(yùn)行的靈活性?xún)r(jià)值，在日前階段設(shè)立五種方案進(jìn)行對(duì)比分析，具體方案見(jiàn)表1。

表1 不同對(duì)比方案說(shuō)明

Tab.1 Description of different comparison schemes

方案1為本文所提模型。方案2為傳統(tǒng)CHP熱電聯(lián)產(chǎn)模型，無(wú)電轉(zhuǎn)氣過(guò)程。方案3為CHP與HFC固定熱電比模型。方案4為不考慮P2H兩階段運(yùn)行模型。方案5為不考慮電解槽變載啟停特性的傳統(tǒng)線性模型。

3.1.1 電熱與P2H兩階段優(yōu)化結(jié)果分析

電熱與P2H兩階段優(yōu)化結(jié)果如附圖6～附圖9所示。方案1中HEH-IES電能主要由風(fēng)電供應(yīng)，其余部分由HFC補(bǔ)足，無(wú)需向上級(jí)電網(wǎng)購(gòu)電。熱能主要由CHP與HFC供應(yīng)，不足部分由GB分擔(dān)。在1:00—10:00和20:00—24:00時(shí)段風(fēng)電大發(fā)且處于電價(jià)低谷，PEM作為氫氣唯一的來(lái)源，以大功率運(yùn)行將富集的電能轉(zhuǎn)換為氫能，促進(jìn)了風(fēng)電的消納，同時(shí)為HFC熱電聯(lián)產(chǎn)提供能源供給。由于受到分時(shí)電價(jià)的影響，天然氣價(jià)格在10:00—16:00時(shí)段比電價(jià)低，所以該時(shí)段的熱負(fù)荷全部由CHP通過(guò)購(gòu)氣供給。雖然GB的熱效率比CHP要高，但是此時(shí)電負(fù)荷處于較高水平，而風(fēng)電出力較小，需要CHP彌補(bǔ)一定的電能，故GB不出力。在其余電價(jià)低于氣價(jià)時(shí)段如1:00—8:00和23:00—24:00，電制氫成本較低，PEM與HFC滿發(fā)且主要以熱輸出滿足熱負(fù)荷需求，不足部分由GB進(jìn)行供應(yīng)。由于受到爬坡速率的限制，HFC和CHP在電價(jià)與氣價(jià)交替時(shí)段有著明顯的過(guò)渡過(guò)程，保證了系統(tǒng)的經(jīng)濟(jì)穩(wěn)定運(yùn)行。

結(jié)合電熱優(yōu)化結(jié)果，對(duì)P2H兩階段運(yùn)行進(jìn)行分析。方案1中氣負(fù)荷主要由氫氣甲烷化與外購(gòu)氣供應(yīng)，HFC與MR對(duì)氫氣的需求完全來(lái)自PEM電解制氫。具體地，在1:00—8:00和23:00—24:00時(shí)段PEM谷電制氫，一部分直接供給HFC燃燒供熱，一部分經(jīng)MR產(chǎn)生天然氣。這一部分天然氣減小了IES在氣價(jià)較高時(shí)段向上級(jí)氣網(wǎng)的購(gòu)氣成本，同時(shí)供給熱效率更高的GB產(chǎn)熱應(yīng)對(duì)熱負(fù)荷峰值。在1:00—5:00時(shí)段，由PEM制得的氫氣優(yōu)先供給HFC進(jìn)行熱電聯(lián)產(chǎn)，剩余部分再由MR轉(zhuǎn)換成天然氣。這是因?yàn)橄啾扔诮?jīng)由MR合成天然氣后再供給CHP與GB供能，由HFC直接進(jìn)行熱電聯(lián)產(chǎn)避免了中間的一個(gè)能量梯級(jí)損耗環(huán)節(jié)，且HFC熱電轉(zhuǎn)換效率更高。

3.1.2 儲(chǔ)能單元優(yōu)化結(jié)果分析

圖5為各能量存儲(chǔ)單元充放能與能量狀態(tài)（State of Energy, SOE）優(yōu)化結(jié)果。分析可得，電儲(chǔ)與氫儲(chǔ)的充放能趨勢(shì)基本保持一致，這是因?yàn)樵陲L(fēng)電出力大、電價(jià)低谷或氫氣需求較低時(shí)段，電儲(chǔ)充能并且PEM以最大功率運(yùn)行，將多余氫氣存入氫儲(chǔ)。在用電高峰時(shí)段，電負(fù)荷由電儲(chǔ)放電與HFC電輸出共同滿足，此時(shí)系統(tǒng)對(duì)氫氣的需求逐漸增加，氫儲(chǔ)放能。由此，電儲(chǔ)與氫儲(chǔ)共同實(shí)現(xiàn)“削峰填谷”的作用，減弱風(fēng)電的反調(diào)峰特性，使得風(fēng)電出力匹配電負(fù)荷變化。為適應(yīng)PEM的運(yùn)行狀態(tài)變化，氫儲(chǔ)較電儲(chǔ)充放能轉(zhuǎn)換次數(shù)更多，且出力更不平穩(wěn)。氫儲(chǔ)使得PEM的運(yùn)行更加靈活，在風(fēng)電發(fā)生劇烈波動(dòng)時(shí)可以保持PEM處于冷待機(jī)狀態(tài)。熱儲(chǔ)與氣儲(chǔ)同樣發(fā)揮了低儲(chǔ)高發(fā)的套利作用，降低了天然氣的購(gòu)買(mǎi)成本。

圖5 方案1儲(chǔ)能優(yōu)化結(jié)果

3.1.3 PEM生產(chǎn)計(jì)劃分析

日前階段方案1電解槽陣列運(yùn)行工況如圖6所示。分析各電解槽電功率沿時(shí)間的變化趨勢(shì)可以發(fā)現(xiàn)，PEM大多數(shù)時(shí)刻運(yùn)行在最大或最小技術(shù)出力，即變載狀態(tài)，這反映了調(diào)度策略在滿足能源和價(jià)格波動(dòng)的基礎(chǔ)上盡可能保持PEM的工作狀態(tài)不變。在1:00—10:00和20:00—24:00時(shí)段，為消納更多的風(fēng)電，第②、③、⑤、⑥號(hào)PEM在變載最大出力與過(guò)載狀態(tài)之間切換。同時(shí)，為應(yīng)對(duì)分時(shí)電價(jià)和風(fēng)電的波動(dòng)，且避免氫儲(chǔ)和電儲(chǔ)容量越限，第①、④號(hào)PEM短時(shí)運(yùn)行在冷待機(jī)狀態(tài)，避免了停機(jī)造成的經(jīng)濟(jì)損失。相較于附圖10中傳統(tǒng)電解槽模型的生產(chǎn)計(jì)劃，本文提出的模型考慮了PEM的運(yùn)行特性和啟動(dòng)成本，有效地減少了電解槽的啟停次數(shù)，且運(yùn)行狀態(tài)更為靈活。在10:00—20:00時(shí)段氫氣需求較小，大多數(shù)PEM處于停機(jī)狀態(tài)，20:00由于氫儲(chǔ)容量即將到達(dá)下限，第①、②、⑥號(hào)PEM的制氫功率有所增加。

圖6 方案1電解槽陣列運(yùn)行工況

3.1.4 綜合需求響應(yīng)結(jié)果分析

圖7為電熱負(fù)荷綜合需求響應(yīng)優(yōu)化結(jié)果。對(duì)于可轉(zhuǎn)移負(fù)荷，考慮到風(fēng)電的反調(diào)峰特性，且受到分時(shí)電價(jià)的影響，電負(fù)荷將白天8:00—9:00和12:00—20:00高峰時(shí)段部分負(fù)荷轉(zhuǎn)移到1:00—7:00和21:00—24:00電負(fù)荷低谷和平谷時(shí)段，緩解了高峰的供電壓力。熱負(fù)荷在晚間需求較高，白天較低，且由于夜間天然氣價(jià)高于電價(jià)，為了減小GB供熱而向上級(jí)氣網(wǎng)購(gòu)氣的壓力，將夜間一部分負(fù)荷轉(zhuǎn)移到白天。并且由于白天的電負(fù)荷有所減小，此時(shí)增加熱負(fù)荷有助于增大CHP的電功率輸出，減小系統(tǒng)在峰時(shí)段購(gòu)電的壓力。對(duì)于可替代負(fù)荷，為了在夜間進(jìn)一步消納風(fēng)電，部分熱負(fù)荷由電負(fù)荷代替。在白天部分高峰時(shí)段電負(fù)荷由熱負(fù)荷代替，從而通過(guò)購(gòu)買(mǎi)價(jià)格更便宜的天然氣滿足能源需求。

圖7 方案1綜合需求響應(yīng)優(yōu)化結(jié)果

3.1.5 可調(diào)熱電比CHP與HFC靈活性分析

相比于傳統(tǒng)固定熱電比模型，熱電比可調(diào)的CHP與HFC熱電聯(lián)產(chǎn)單元可以更好地應(yīng)對(duì)因熱電負(fù)荷峰谷不匹配造成的調(diào)峰困難，提升系統(tǒng)運(yùn)行的靈活性。圖8為方案1熱電比優(yōu)化結(jié)果。結(jié)合各機(jī)組出力可知，在夜間與凌晨時(shí)段，由于熱負(fù)荷達(dá)到峰值而電負(fù)荷較低，熱電聯(lián)產(chǎn)單元保持較高的熱電比，即多供熱少供電，因?yàn)闇p小了電功率的輸出，對(duì)風(fēng)電的消納起到了促進(jìn)作用。在1:00—6:00與23:00—24:00時(shí)段CHP不出力，所以熱電比不予考慮。白天時(shí)段熱負(fù)荷處于低谷，熱電聯(lián)產(chǎn)單元保持較低的熱電比，即多供電少供熱。特別地，在12:00—18:00時(shí)段氣價(jià)低于電價(jià)，熱功率全部由CHP供給，HFC不出力，所以其熱電比同樣不考慮。由于HFC的氫氣供給受到電解槽工況的影響，而CHP可以通過(guò)上級(jí)氣網(wǎng)直接供給穩(wěn)定的氣源，所以熱電比曲線相比HFC變化更為平穩(wěn)。綜上所述，熱電比可調(diào)的CHP與HFC可以根據(jù)負(fù)荷實(shí)時(shí)調(diào)整機(jī)組出力，提升了電氫耦合的靈活性?xún)r(jià)值。

圖8 方案1熱電比優(yōu)化結(jié)果

3.1.6 不同方案優(yōu)化結(jié)果對(duì)比分析

本節(jié)具體分析各方案下的IES運(yùn)行費(fèi)用、風(fēng)電利用率及綜合能源利用率。方案1、3中供能結(jié)構(gòu)與設(shè)備一致，方案2氣負(fù)荷僅由上級(jí)氣網(wǎng)供給，熱負(fù)荷通過(guò)熱電聯(lián)產(chǎn)機(jī)組與燃?xì)忮仩t供給。各方案調(diào)度結(jié)果對(duì)比見(jiàn)表2，風(fēng)電消納情況如圖9所示。

表2 不同方案結(jié)果對(duì)比

Tab.2 Comparison of results of different schemes

圖9 不同方案風(fēng)電消納效果

由表2可知，方案1在運(yùn)行成本、風(fēng)電利用率、綜合能源利用率各方面均比其他方案有較大提升。其中，方案4相較于方案2考慮了電轉(zhuǎn)氣過(guò)程，將原本棄風(fēng)的電能通過(guò)電轉(zhuǎn)氣設(shè)備轉(zhuǎn)換為天然氣，風(fēng)電利用率提升了13.76%。同時(shí)，由于傳統(tǒng)熱電聯(lián)產(chǎn)單元的天然氣需求僅有上級(jí)氣網(wǎng)供給，電轉(zhuǎn)氣過(guò)程的引入減小了購(gòu)氣成本，系統(tǒng)總運(yùn)行成本降低了36.7%。方案1在方案4的基礎(chǔ)上考慮P2H的兩階段運(yùn)行，電熱負(fù)荷可由能效更高的HFC供給。由3.1.2節(jié)分析可知，氫能用能過(guò)程的精細(xì)化充分發(fā)揮了氫能利用的高效性與靈活性，所以綜合能源利用率提升了3.23%，系統(tǒng)運(yùn)行成本降低了18.3%。方案1與方案3、方案5相比，分別考慮了熱電聯(lián)產(chǎn)單元的熱電比可調(diào)與PEM的運(yùn)行特性。由3.1.4節(jié)和3.1.6節(jié)分析可知，考慮氫能利用設(shè)備的運(yùn)行特性提高了電氫耦合單元的靈活性，有效地促進(jìn)了各能源轉(zhuǎn)換設(shè)備與多能源的互動(dòng)調(diào)節(jié)，所以方案1的系統(tǒng)運(yùn)行成本、風(fēng)電利用率與綜合能源利用率均有一定改善。

3.2 日內(nèi)多時(shí)間尺度滾動(dòng)調(diào)度結(jié)果分析

以3.1節(jié)方案1得到的調(diào)度結(jié)果作為日前計(jì)劃，日內(nèi)長(zhǎng)時(shí)間尺度各單元調(diào)整結(jié)果如圖10所示。結(jié)合日內(nèi)長(zhǎng)時(shí)間尺度風(fēng)電與負(fù)荷預(yù)測(cè)結(jié)果可知，在6:00—11:00和15:00—18:00時(shí)段，電負(fù)荷日內(nèi)預(yù)測(cè)值相比日前預(yù)測(cè)值有較大的誤差，減小的這一部分電負(fù)荷主要通過(guò)CHP與PEM調(diào)整出力平抑，具體表現(xiàn)為CHP減小電輸出，PEM增加電功率。在1:00—7:00時(shí)段，熱負(fù)荷日內(nèi)預(yù)測(cè)值小于日前預(yù)測(cè)值，方案1考慮了CHP和HFC的熱電比可調(diào)特性，能效更高的HFC僅通過(guò)改變熱電比即可平抑該部分功率波動(dòng)，所以無(wú)需改變產(chǎn)電功率就可以跟蹤日前計(jì)劃，降低了日內(nèi)調(diào)整成本。由于熱電聯(lián)產(chǎn)機(jī)組出力減小，而氣負(fù)荷波動(dòng)不大，所以系統(tǒng)的購(gòu)氣功率也呈現(xiàn)減小的趨勢(shì)。在其余時(shí)段日內(nèi)預(yù)測(cè)值相較于日前預(yù)測(cè)值波動(dòng)不大，可通過(guò)各設(shè)備靈活調(diào)整出力有效平抑。

日內(nèi)短時(shí)間尺度滾動(dòng)階段購(gòu)電功率需要盡可能地跟蹤長(zhǎng)時(shí)間尺度的調(diào)度計(jì)劃，超級(jí)電容器充放電功率與電量如圖11所示，跟蹤效果如圖12所示?？梢钥闯龀?jí)電容器的引入有效地減小了日內(nèi)短時(shí)間尺度購(gòu)電功率快速波動(dòng)的幅度。

圖11 超級(jí)電容器運(yùn)行結(jié)果

圖12 短時(shí)間尺度購(gòu)電跟蹤效果

為進(jìn)一步說(shuō)明日內(nèi)滾動(dòng)修正階段在多時(shí)間尺度優(yōu)化策略下的優(yōu)勢(shì)，將本文方法與DA-P（day-ahead programming）日內(nèi)功率修正策略進(jìn)行對(duì)比。DA-P策略指基于日前調(diào)度計(jì)劃，日內(nèi)與日前預(yù)測(cè)誤差造成的功率不平衡僅由外部電網(wǎng)或氣網(wǎng)平抑。在該策略下，電功率波動(dòng)由外購(gòu)電平抑，氣功率波動(dòng)由外購(gòu)氣平抑，熱功率波動(dòng)由GB轉(zhuǎn)換成天然氣由外購(gòu)氣平抑。兩種日內(nèi)修正策略下的成本及與上級(jí)電網(wǎng)、氣網(wǎng)的交互功率波動(dòng)率對(duì)比見(jiàn)表3。

表3 兩種策略對(duì)比結(jié)果

Tab.3 Comparison of results of two strategies

由表3可知，多時(shí)間尺度滾動(dòng)策略考慮了不同能源的波動(dòng)特性，長(zhǎng)時(shí)間尺度通過(guò)調(diào)整各能量耦合單元出力平抑電熱氣功率的波動(dòng)，短時(shí)間尺度引入超級(jí)電容器進(jìn)一步降低電功率波動(dòng)。更多的設(shè)備因?yàn)闀r(shí)間尺度逐層細(xì)化參與到了電熱氣功率波動(dòng)的平抑中，在保證購(gòu)電購(gòu)氣波動(dòng)率在較低水平的同時(shí)，避免了大量棄風(fēng)。DA-P策略?xún)H通過(guò)購(gòu)電購(gòu)氣平抑電熱氣功率的改變，這導(dǎo)致聯(lián)絡(luò)線上的功率大幅波動(dòng)，風(fēng)電利用率也有所降低。所以相比于DA-P策略，本文多時(shí)間尺度滾動(dòng)策略下系統(tǒng)的購(gòu)電和購(gòu)氣波動(dòng)率下降了48.47%和25.85%，風(fēng)電利用率提高了6.38%，日內(nèi)運(yùn)行成本降低了3.5%。

對(duì)于日內(nèi)階段的求解時(shí)間，本文模型在配置為11th Gen Intel(R) Core(TM) i5-1135G7@ 2.40GHz的個(gè)人計(jì)算機(jī)上進(jìn)行仿真，單次日內(nèi)短時(shí)間尺度滾動(dòng)優(yōu)化平均求解時(shí)間僅為0.56 s。這是因?yàn)槿諆?nèi)階段基于多時(shí)間尺度理論，單次優(yōu)化的時(shí)間窗口長(zhǎng)度大幅縮短，降低了優(yōu)化粒度，短時(shí)間尺度滾動(dòng)1次的時(shí)間也相應(yīng)減小。本文方法可以有效、實(shí)時(shí)地在日內(nèi)階段對(duì)IES中各能源耦合設(shè)備和儲(chǔ)能單位下達(dá)調(diào)度指令并進(jìn)行控制。

3.3 數(shù)據(jù)驅(qū)動(dòng)DRO模型有效性分析

圖13 數(shù)據(jù)驅(qū)動(dòng)的DRO模型保守度分析

對(duì)于日內(nèi)修正階段，對(duì)比分析確定性模型、隨機(jī)優(yōu)化模型和DRO模型日內(nèi)調(diào)度的結(jié)果見(jiàn)表4。由表4可知，確定性模型在日前階段不考慮多能負(fù)荷與風(fēng)電的不確定性，日前決策過(guò)于冒險(xiǎn)，日內(nèi)階段由于預(yù)測(cè)誤差需要進(jìn)行更多的修正，導(dǎo)致購(gòu)電購(gòu)氣波動(dòng)較大，成本也較高。傳統(tǒng)隨機(jī)優(yōu)化模型雖然考慮了不確定性，但是受限于削減場(chǎng)景的精度依然過(guò)于冒險(xiǎn)。本文所提數(shù)據(jù)驅(qū)動(dòng)DRO使用不確定概率密度描述日前預(yù)測(cè)值的不確定性，尋找最?lèi)毫訄?chǎng)景下的概率分布，對(duì)不確定信息的描述更加準(zhǔn)確，所以在日內(nèi)修正階段有著更高的經(jīng)濟(jì)靈活性。

表4 三種模型對(duì)比結(jié)果

Tab.4 Comparison results of the three models

4 結(jié)論

本文通過(guò)對(duì)氫的用能過(guò)程與設(shè)備精細(xì)化建模，研究了電氫耦合單元的靈活性?xún)r(jià)值。針對(duì)日前日內(nèi)兩階段運(yùn)行，提出了一種考慮不確定性的多時(shí)間尺度滾動(dòng)優(yōu)化策略，得出以下結(jié)論：

1）細(xì)化P2H的兩階段運(yùn)行過(guò)程后，由PEM制取的氫氣優(yōu)先供給HFC進(jìn)行熱電聯(lián)產(chǎn)，剩余部分再供給CHP與GB供能，避免了中間的能量梯級(jí)損耗。充分發(fā)揮了氫能利用的高效性與靈活性，大幅提高了IES的綜合能源利用率。

2）所提PEM混合整數(shù)線性模型與可調(diào)熱電比熱電聯(lián)產(chǎn)模型可以根據(jù)負(fù)荷實(shí)時(shí)調(diào)整設(shè)備出力，有效提升了電氫耦合的靈活性，對(duì)促進(jìn)風(fēng)電消納，提高運(yùn)行經(jīng)濟(jì)性具有積極作用。

3）日前階段所提數(shù)據(jù)驅(qū)動(dòng)的DRO模型基于歷史數(shù)據(jù)樣本充分考慮了多能負(fù)荷和風(fēng)電的不確定性，其保守程度受到削減場(chǎng)景數(shù)和樣本容量的影響。在日內(nèi)修正階段有著更好的抵御不確定量預(yù)測(cè)誤差波動(dòng)的能力，有著更高的經(jīng)濟(jì)靈活性。

4）日內(nèi)階段考慮了不同能源預(yù)測(cè)特性差異，通過(guò)分時(shí)間尺度調(diào)節(jié)不同能源耦合設(shè)備平抑功率波動(dòng)，有效地降低了風(fēng)電波動(dòng)率與運(yùn)行成本。

本文主要針對(duì)電解槽設(shè)備的變載啟停特性進(jìn)行了建模，后續(xù)將完善燃料電池模型，進(jìn)一步研究?jī)烧咴陔姎漶詈檄h(huán)節(jié)中的互補(bǔ)調(diào)控策略。此外，由于涉及的IES規(guī)模及傳輸范圍較小，本文尚未計(jì)及多能網(wǎng)絡(luò)約束對(duì)系統(tǒng)靈活性的影響。對(duì)大型IES聯(lián)合系統(tǒng)，考慮不同能量網(wǎng)絡(luò)動(dòng)態(tài)特征對(duì)日前與日內(nèi)多時(shí)間尺度調(diào)度靈活性的影響是必要的，這也是后續(xù)研究的重點(diǎn)。

1. 燃?xì)忮仩t和通用儲(chǔ)能單元建模

GB可以在電價(jià)與氣價(jià)的激勵(lì)下與氫能驅(qū)動(dòng)的熱電聯(lián)產(chǎn)系統(tǒng)配合，進(jìn)行電熱負(fù)荷的峰谷互補(bǔ)，提高系統(tǒng)的運(yùn)行靈活性。

考慮到電儲(chǔ)、氫儲(chǔ)、熱儲(chǔ)模型的相似性，對(duì)ES進(jìn)行通用建模。

2. 基于概率距離的場(chǎng)景削減方法

基于概率距離的場(chǎng)景削減方法是一種快速前代場(chǎng)景削減技術(shù)，在大量歷史樣本場(chǎng)景中尋找到給定數(shù)目的典型場(chǎng)景，并得到每個(gè)場(chǎng)景的出現(xiàn)概率。相比于聚類(lèi)法得到的典型場(chǎng)景為聚類(lèi)中心，削減法得到的場(chǎng)景均來(lái)自樣本真實(shí)場(chǎng)景，使得典型場(chǎng)景更具有真實(shí)性。削減步驟如下：

3）判斷剩余場(chǎng)景數(shù)目是否滿足要求，若滿足要求則剩余場(chǎng)景即為典型場(chǎng)景；否則回到步驟1）進(jìn)行迭代計(jì)算。

3. 列與約束生成（C&CG）算法

對(duì)兩階段模型即式（24）進(jìn)行分解，得到主問(wèn)題（MP）為

當(dāng)?shù)谝浑A段變量給定后，子問(wèn)題可表示為

子問(wèn)題的形式雖然為一個(gè)NP難的max-min雙層優(yōu)化問(wèn)題，但不難發(fā)現(xiàn)在各場(chǎng)景下內(nèi)層的min問(wèn)題是相互獨(dú)立的，可以采用并行計(jì)算的方法同時(shí)求解內(nèi)層min問(wèn)題。因此，子問(wèn)題可改寫(xiě)為兩個(gè)單層優(yōu)化問(wèn)題依次求解，如式（A7）所示。

附圖1 數(shù)據(jù)驅(qū)動(dòng)的DRO模型求解流程

App.Fig.1 Flow chart for solving data-driven two-stage DRO

4. 設(shè)備參數(shù)與分時(shí)電價(jià)、天然氣價(jià)格

附表1 能源耦合設(shè)備參數(shù)

App.Tab.1 Parameters of energy coupling equipment

設(shè)備類(lèi)型容量/kW能量轉(zhuǎn)換效率(%)爬坡約束(%) HFC2509520 CHP6009020 GB6509820 MR2506020

附表2 儲(chǔ)能設(shè)備參數(shù)

App.Tab.2 Parameters of energy storage equipment

儲(chǔ)能類(lèi)型容量/kW容量下限(%)容量上限(%) 電儲(chǔ)5001090 熱儲(chǔ)5501090 氫儲(chǔ)2501090 氣儲(chǔ)1501090

附表3 分時(shí)電價(jià)與天然氣價(jià)格

App.Tab.3 TOU price and natural gas price

電價(jià)/天然氣價(jià)峰谷時(shí)段價(jià)格/元 分時(shí)電價(jià)0:00—8:0023:00—24:000.38 8:00—12:0015:00—19:000.68 12:00—15:0019:00—23:001.20 天然氣價(jià)格全時(shí)段0.45

5. 風(fēng)電與負(fù)荷日前日內(nèi)預(yù)測(cè)值

附圖2 風(fēng)電預(yù)測(cè)曲線

App.Fig.2 Wind power prediction curve

附圖3 電負(fù)荷預(yù)測(cè)曲線

App.Fig.3 Electric load prediction curve

附圖4 熱負(fù)荷預(yù)測(cè)曲線

App.Fig.4 Heat load prediction curve

附圖5 氣負(fù)荷預(yù)測(cè)曲線

App.Fig.5 Gas load prediction curve

6. 含絕對(duì)值項(xiàng)的線性化

通過(guò)引入輔助變量對(duì)含有絕對(duì)值項(xiàng)進(jìn)行線性化，可分為兩種情況：①目標(biāo)函數(shù)含有絕對(duì)值項(xiàng)；②約束含有絕對(duì)值項(xiàng)。

式中，和為常數(shù)。

7. 方案1電熱與P2H過(guò)程優(yōu)化結(jié)果

附圖6 方案1電能優(yōu)化結(jié)果

App.Fig. 6 Results of electric energy optimization

附圖7 方案1熱能優(yōu)化結(jié)果

App.Fig.7 Results of heat energy optimization

附圖8 方案1氫能優(yōu)化結(jié)果

App.Fig.8 Result of hydrogen energy optimization

附圖9 方案1天然氣優(yōu)化結(jié)果

App.Fig. 9 Result of natural gas optimization

8. 方案4電解槽運(yùn)行工況

附圖10 方案4電解槽運(yùn)行工況

App.Fig. 10 Operating condition of electrolytic cell

[1] 葛蘇南. 電能替代與綜合能源服務(wù)加速融合[N]. 中國(guó)能源報(bào), 2022-04-18.

[2] 熊宇峰, 司楊, 鄭天文, 等. 基于主從博弈的工業(yè)園區(qū)綜合能源系統(tǒng)氫儲(chǔ)能優(yōu)化配置[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(3): 507-516. Xiong Yufeng, Si Yang, Zheng Tianwen, et al. Optimal configuration of hydrogen storage in industrial park integrated energy system based on stackelberg game[J]. Transactions of China Electrotechnical Society, 2021, 36(3): 507-516.

[3] 陳瑜瑋, 孫宏斌, 郭慶來(lái). 綜合能源系統(tǒng)分析的統(tǒng)一能路理論(五)：電-熱-氣耦合系統(tǒng)優(yōu)化調(diào)度[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2020, 40(24): 7928-7937, 8230. Chen Yuwei, Sun Hongbin, Guo Qinglai. Energy circuit theory of integrated energy system analysis (Ⅴ):integrated electricity-heat-gas dispatch[J]. Proceedings of the CSEE, 2020, 40(24): 7928-7937, 8230.

[4] 刁涵彬, 李培強(qiáng), 王繼飛, 等. 考慮電/熱儲(chǔ)能互補(bǔ)協(xié)調(diào)的綜合能源系統(tǒng)優(yōu)化調(diào)度[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(21): 4532-4543. Diao Hanbin, Li Peiqiang, Wang Jifei, et al. Optimal dispatch of integrated energy system considering complementary coordination of electric/thermal energy storage[J]. Transactions of China Electrotechnical Society, 2020, 35(21): 4532-4543.

[5] 陳錦鵬, 胡志堅(jiān), 陳穎光, 等. 考慮階梯式碳交易機(jī)制與電制氫的綜合能源系統(tǒng)熱電優(yōu)化[J]. 電力自動(dòng)化設(shè)備, 2021, 41(9): 48-55. Chen Jinpeng, Hu Zhijian, Chen Yingguang, et al. Thermoelectric optimization of integrated energy system considering ladder-type carbon trading mechanism and electric hydrogen production[J]. Electric Power Automation Equipment, 2021, 41(9): 48-55.

[6] 劉繼春, 周春燕, 高紅均, 等. 考慮氫能-天然氣混合儲(chǔ)能的電-氣綜合能源微網(wǎng)日前經(jīng)濟(jì)調(diào)度優(yōu)化[J]. 電網(wǎng)技術(shù), 2018, 42(1): 170-179. Liu Jichun, Zhou Chunyan, Gao Hongjun, et al. A day-ahead economic dispatch optimization model of integrated electricity-natural gas system considering hydrogen-gas energy storage system in microgrid[J]. Power System Technology, 2018, 42(1): 170-179.

[7] 崔楊, 閆石, 仲悟之, 等. 含電轉(zhuǎn)氣的區(qū)域綜合能源系統(tǒng)熱電優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2020, 44(11): 4254-4264. Cui Yang, Yan Shi, Zhong Wuzhi, et al. Optimal thermoelectric dispatching of regional integrated energy system with power-to-gas[J]. Power System Technology, 2020, 44(11): 4254-4264.

[8] 鄧杰, 姜飛, 王文燁, 等. 考慮電熱柔性負(fù)荷與氫能精細(xì)化建模的綜合能源系統(tǒng)低碳運(yùn)行[J]. 電網(wǎng)技術(shù), 2022, 46(5): 1692-1704. Deng Jie, Jiang Fei, Wang Wenye, et al. Low-carbon optimized operation of integrated energy system considering electric-heat flexible load and hydrogen energy refined modeling[J]. Power System Technology, 2022, 46(5): 1692-1704.

[9] 朱蘭, 王吉, 唐隴軍, 等. 計(jì)及電轉(zhuǎn)氣精細(xì)化模型的綜合能源系統(tǒng)魯棒隨機(jī)優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2019, 43(1): 116-126. Zhu Lan, Wang Ji, Tang Longjun, et al. Robust stochastic optimal dispatching of integrated energy systems considering refined power-to-gas model[J]. Power System Technology, 2019, 43(1): 116-126.

[10] Varela C, Mostafa M, Zondervan E. Modeling alkaline water electrolysis for power-to-x applications: a scheduling approach[J]. International Journal of Hydrogen Energy, 2021, 46(14): 9303-9313.

[11] 林順富, 曾旭文, 沈運(yùn)帷, 等. 考慮靈活性需求的園區(qū)綜合能源系統(tǒng)協(xié)同優(yōu)化配置[J]. 電力自動(dòng)化設(shè)備, 2022, 42(9): 9-17. Lin Shunfu, Zeng Xuwen, Shen Yunwei, et al. Collaborative optimal configuration of park-level integrated energy system considering flexibility requirement[J]. Electric Power Automation Equipment, 2022, 42(9): 9-17.

[12] 馬燕峰, 謝家榮, 趙書(shū)強(qiáng), 等. 考慮園區(qū)綜合能源系統(tǒng)接入的主動(dòng)配電網(wǎng)多目標(biāo)優(yōu)化調(diào)度[J]. 電力系統(tǒng)自動(dòng)化, 2022, 46(13): 53-61. Ma Yanfeng, Xie Jiarong, Zhao Shuqiang, et al. Multi-objective optimal dispatching for active distribution network considering park-level integrated energy system[J]. Automation of Electric Power Systems, 2022, 46(13): 53-61.

[13] 張濤, 劉景, 楊曉雷, 等. 計(jì)及主/被動(dòng)需求響應(yīng)與條件風(fēng)險(xiǎn)價(jià)值的微網(wǎng)經(jīng)濟(jì)調(diào)度[J]. 高電壓技術(shù), 2021, 47(9): 3292-3304. Zhang Tao, Liu Jing, Yang Xiaolei, et al. Economic dispatch of microgrid considering active/passive demand response and conditional value at risk[J]. High Voltage Engineering, 2021, 47(9): 3292-3304.

[14] 湯翔鷹, 胡炎, 耿琪, 等. 考慮多能靈活性的綜合能源系統(tǒng)多時(shí)間尺度優(yōu)化調(diào)度[J]. 電力系統(tǒng)自動(dòng)化, 2021, 45(4): 81-90. Tang Xiangying, Hu Yan, Geng Qi, et al. Multi-time-scale optimal scheduling of integrated energy system considering multi-energy flexibility[J]. Automation of Electric Power Systems, 2021, 45(4): 81-90.

[15] 何暢, 程杉, 徐建宇, 等. 基于多時(shí)間尺度和多源儲(chǔ)能的綜合能源系統(tǒng)能量協(xié)調(diào)優(yōu)化調(diào)度[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2020, 32(2): 77-84, 97. He Chang, Cheng Shan, Xu Jianyu, et al. Coordinated optimal scheduling of integrated energy system considering multi-time scale and hybrid energy storage system[J]. Proceedings of the CSU-EPSA, 2020, 32(2): 77-84, 97.

[16] 張大海, 贠韞韻, 王小君, 等. 計(jì)及風(fēng)光不確定性的新能源虛擬電廠多時(shí)間尺度優(yōu)化調(diào)度[J]. 太陽(yáng)能學(xué)報(bào), 2022, 43(11): 529-537. Zhang Dahai, Yun Yunyun, Wang Xiaojun, et al. Multi-time scale of new energy scheduling optimization for virtual power plant considering uncertainty of wind power and photovoltaic power[J]. Acta Energiae Solaris Sinica, 2022, 43(11): 529-537.

[17] 謝鵬, 蔡澤祥, 劉平, 等. 考慮多時(shí)間尺度不確定性耦合影響的風(fēng)光儲(chǔ)微電網(wǎng)系統(tǒng)儲(chǔ)能容量協(xié)同優(yōu)化[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2019, 39(24): 7126-7136, 7486. Xie Peng, Cai Zexiang, Liu Ping, et al. Cooperative optimization of energy storage capacity for renewable and storage involved microgrids considering multi time scale uncertainty coupling influence[J]. Proceedings of the CSEE, 2019, 39(24): 7126-7136, 7486.

[18] 馬紫嫣, 賈燕冰, 韓肖清, 等. 考慮動(dòng)態(tài)時(shí)間間隔的綜合能源系統(tǒng)雙層優(yōu)化調(diào)度[J]. 電網(wǎng)技術(shù), 2022, 46(5): 1721-1730. Ma Ziyan, Jia Yanbing, Han Xiaoqing, et al. Two-layer dispatch model of integrated energy system considering dynamic time-interval[J]. Power System Technology, 2022, 46(5): 1721-1730.

[19] 隨權(quán), 馬嘯, 魏繁榮, 等. 計(jì)及燃料電池?zé)?電綜合利用的能源網(wǎng)日前調(diào)度優(yōu)化策略[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2019, 39(6): 1603-1613, 1857. Sui Quan, Ma Xiao, Wei Fanrong, et al. Day-ahead dispatching optimization strategy for energy network considering fuel cell thermal-electric comprehensive utilization[J]. Proceedings of the CSEE, 2019, 39(6): 1603-1613, 1857.

[20] 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, 143.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, 143.

[21] 程浩忠, 胡梟, 王莉, 等. 區(qū)域綜合能源系統(tǒng)規(guī)劃研究綜述[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(7): 2-13. Cheng Haozhong, Hu Xiao, Wang Li, et al. Review on research of regional integrated energy system planning[J]. Automation of Electric Power Systems, 2019, 43(7): 2-13.

[22] 孔順飛, 胡志堅(jiān), 謝仕煒, 等. 含電動(dòng)汽車(chē)充電站的主動(dòng)配電網(wǎng)二階段魯棒規(guī)劃模型及其求解方法[J]. 電工技術(shù)學(xué)報(bào), 2020, 35(5): 1093-1105. Kong Shunfei, Hu Zhijian, Xie Shiwei, et al. Two-stage robust planning model and its solution algorithm of active distribution network containing electric vehicle charging stations[J]. Transactions of China Electrotechnical Society, 2020, 35(5): 1093-1105.

Multi-Time-Scale Robust Optimization Strategy for Integrated Energy System Considering the Refinement of Hydrogen Energy Use

Hu Junjie1Tong Yuxuan1Liu Xuetao1Wang Jianxiao2Xu Yanhui1

（1. State Key Laboratory of Alternate Electrical Power System With Renewable Energy Sources North China Electric Power University Beijing 102206 China 2. National Engineering Laboratory for Big Data Analysis and Applications Peking University Beijing 100871 China）

The local flexibility of the high percentage of new energy power system is seriously insufficient, and it is urgent to establish a new energy structure system that is clean, efficient and flexible. Hydrogen energy as a secondary energy source with diverse and efficient conversion forms. Refined modeling of hydrogen energy utilization is a key issue to study the flexibility value of electric-hydrogen coupled units. At the same time, the energy system has uncertainty and fluctuating variability on multiple time scales, and the existing studies are too adventurous or conservative in considering the uncertainty at the day-ahead stage. In response to the above problems, a robust optimization strategy is proposed for the multi-timescale distribution of the integrated energy system taking into account the refined hydrogen energy utilization.

Firstly, the two-stage operation process of P2H is considered, and the refinement modeling of hydrogen energy use process and equipment is carried out by taking into account the operating characteristics of electrolyzer, hydrogen fuel cell and other equipment. The operating states of PEM are divided into shutdown, cold standby, overload, variable load and low load states, and a mixed integer linear mathematical model of the electrolyzer with variable load start-stop characteristics is established, taking into account the loss of hydrogen output during the cold start of PEM. In order to improve the operational flexibility of the cogeneration unit, the adjustable thermoelectric ratio of CHP and HFC is considered to decouple the thermoelectric linkage, and an adjustable thermoelectric ratio heat model of the cogeneration unit is established. Secondly, to reduce the power fluctuation caused by the deviation of wind power and multi-energy load forecasts in the day-ahead and intra-day, a two-stage optimization model of day-ahead scheduling and intra-day rolling is established. In the day-ahead stage, a data-driven distribution robust optimization model is established, and the probability distribution is constrained by the composite norm to adjust the conservativeness of the model; in the intra-day stage, the differences in the time scales of flexibility regulation of multi-energy flows are considered, and the impact of power fluctuations is reduced by rolling optimization on multiple time scales.

In the case simulation, five scenarios are set up for comparative analysis in the day-ahead phase, and the proposed multi-timescale model is compared with day-ahead programming (DA-P) in the intra-day phase, and the conservativeness of the data-driven DRO model is investigated, leading to the following conclusions: (1) The intermediate energy ladder losses are avoided after refining the two-stage operation process of P2H. The efficiency and flexibility of hydrogen energy utilization are fully exploited, and the comprehensive energy utilization of IES is significantly improved. (2) The proposed PEM mixed integer linear model and adjustable cogeneration model can adjust the equipment output in real time according to the load, which promotes the wind power consumption and improves the operating economy. (3) The data-driven DRO model proposed in the day-ahead stage fully takes into account the uncertainty of the energy system based on historical data samples, and its conservativeness is influenced by the number of reduction scenarios and sample size. It has a better ability to resist the fluctuation of uncertainty forecast error in the intra-day correction phase. (4) The intra-day phase takes into account the differences in the forecast characteristics of different energy sources, and smoothes out power fluctuations by regulating different energy coupling devices on a sub-time scale, effectively reducing wind power volatility and operating costs.

Integrated energy systems, hydrogen energy, variable load start-stop characteristic, distributionally robust optimization, flexibility, multi-time-scale

10.19595/j.cnki.1000-6753.tces.222335

TM73

國(guó)家重點(diǎn)研發(fā)計(jì)劃資助項(xiàng)目（2021YFB4000104）。

2022-12-21

2023-02-21

胡俊杰 男，1986年生，副教授，博士生導(dǎo)師，研究方向?yàn)樾履茉措娏ο到y(tǒng)及微網(wǎng)。E-mail：junjiehu@ncepu.edu.cn（通信作者）

童宇軒 男，1998年生，碩士研究生，研究方向?yàn)榫C合能源系統(tǒng)與微網(wǎng)優(yōu)化運(yùn)行。E-mail：120212201575@ncepu.edu.cn

（編輯 赫 蕾）