環(huán)境質(zhì)量約束下的濱州市能源系統(tǒng)優(yōu)化

魏　琦，劉　峰，丁偉玲

（1.沈陽(yáng)鼓風(fēng)機(jī)集團(tuán)自動(dòng)控制系統(tǒng)工程有限公司，遼寧 沈陽(yáng)　110869；2.遼寧科技大學(xué) 材料與冶金學(xué)院，遼寧 鞍山　114051；3.東山源能源有限公司，遼寧 大連　116000）

我國(guó)新能源產(chǎn)業(yè)發(fā)展過(guò)程中存在重投資建設(shè)、輕規(guī)劃管理、重技術(shù)推進(jìn)、輕統(tǒng)籌安排等頑疾，使得新能源技術(shù)的推廣、應(yīng)用及發(fā)展受到很大的制約，不能有效地緩解能源危機(jī)和實(shí)現(xiàn)能源供需平衡。因此，綜合考慮能源系統(tǒng)與外界其它系統(tǒng)（包括社會(huì)、經(jīng)濟(jì)和環(huán)境）之間的互動(dòng)關(guān)系和作用機(jī)制，建立經(jīng)濟(jì)合理、多元化的能源供應(yīng)體系，形成科技含量高、經(jīng)濟(jì)效益好、資源消耗低、環(huán)境污染輕的中長(zhǎng)期能源發(fā)展戰(zhàn)略，是區(qū)域能源管理和持續(xù)健康發(fā)展的核心問(wèn)題。

目前，以處理變量的類型為分類標(biāo)準(zhǔn)，三類不確定性優(yōu)化模型，包括隨機(jī)數(shù)學(xué)規(guī)劃（Stochastic Mathematical Programming，SMP）、模糊數(shù)學(xué)規(guī)劃（Fuzzy Mathematical Programming，F(xiàn)MP）和區(qū)間線性規(guī)劃（Interval linear Programming，ILP），在能源規(guī)劃領(lǐng)域得到一定程度的應(yīng)用［1-2］。以往的應(yīng)用結(jié)果顯示，SMP存在概率信息難以收集和模型求解困難等缺點(diǎn)，而ILP存在變量表征過(guò)于簡(jiǎn)單、區(qū)間范圍過(guò)大可能導(dǎo)致模型無(wú)解等問(wèn)題。相比于隨機(jī)和區(qū)間優(yōu)化方法，Xu和Qin［3］提出的雙側(cè)模糊機(jī)會(huì)約束規(guī)劃方法（Double-sided Fuzzy Chance Constrained Programming，DFCCP），作為新型的FMP方法，具有參數(shù)信息量要求低、計(jì)算負(fù)擔(dān)小和利于生成更優(yōu)的決策方案等優(yōu)勢(shì)［3］，且目前沒(méi)有應(yīng)用到能源規(guī)劃領(lǐng)域。因此，本文以DFCCP為技術(shù)框架，以濱州市能源供應(yīng)系統(tǒng)為研究對(duì)象，構(gòu)建濱州市能源供應(yīng)規(guī)劃模型，以期獲得低成本、環(huán)境友好的能源分配模式。

1　模糊機(jī)會(huì)約束規(guī)劃方法

借鑒隨機(jī)機(jī)會(huì)約束規(guī)劃［4］的建模思路，Liu和Iwamura［5］在1998年首次創(chuàng)建了模糊條件下的機(jī)會(huì)約束規(guī)劃模型，定義為模糊機(jī)會(huì)約束規(guī)劃（Fuzzy Chance Constrained Programming，F(xiàn)CCP）。模型的主要優(yōu)勢(shì)就是不要求所有的約束都必須嚴(yán)格滿足，允許一些特定的模糊約束只需滿足由決策者預(yù)先設(shè)定的置信水平。相比于傳統(tǒng)的FMP模型，這種處理方法擴(kuò)大了模型的求解范圍，利于模型得到更優(yōu)的求解結(jié)果。不同置信水平下的規(guī)劃方案有效地反映了系統(tǒng)經(jīng)濟(jì)性和可靠性之間的平衡關(guān)系，便于決策者根據(jù)自身對(duì)系統(tǒng)風(fēng)險(xiǎn)的接受程度，制定相應(yīng)的決策。FCCP模型依據(jù)約束處理模糊變量的差異性，分為兩種類型：?jiǎn)蝹?cè)的模糊機(jī)會(huì)約束規(guī)劃模型和雙側(cè)的模糊機(jī)會(huì)約束規(guī)劃模型［3，5］。

1.1　單側(cè)的模糊機(jī)會(huì)約束規(guī)劃模型

Liu和Iwamura構(gòu)建的FCCP模型可以處理約束右側(cè)的模糊參數(shù)，因此稱為單側(cè)的模糊機(jī)會(huì)約束規(guī)劃（Single-sided Fuzzy Chance Constrained Programming，SFCCP），其解法程序如下［5］：

主要約束

式中：X是決策變量；C是費(fèi)用系數(shù)；A,D和E是約束中的確定性變量；變量是以μ1為隸屬函數(shù)的模糊數(shù)；約束（1b）為包含模糊變量且只需滿足特定置信水平的模糊約束，Pos{?}代表{?}里面的事件的可能性；αl是預(yù)先確定的置信水平集，l=1,2,3。約束（1c）是一般的約束，約束（1d）是非負(fù)約束。

（2）參考Liu和Iwamura規(guī)定的SFCCP計(jì)算規(guī)則，轉(zhuǎn)變約束（1b）到它的等價(jià)確定性形式［5］，則原有的SFCCP模型可以轉(zhuǎn)換為一般的確定性模型，并直接進(jìn)行求解。

主要約束

式中：BR(α)代表B值中的最大值，也就是BR(α)=sup{B|B=(α)}，而是μ1的相反數(shù)。α為αl集合中的特定取值，多數(shù)情況下取0.3，0.6和0.9。

1.2　雙側(cè)的模糊機(jī)會(huì)約束規(guī)劃模型

以往的系統(tǒng)組成要素調(diào)查和評(píng)估結(jié)果顯示［3-4］，優(yōu)化模型約束左右兩側(cè)的變量多數(shù)情況下都會(huì)同時(shí)表現(xiàn)出不確定性特征，導(dǎo)致SFCCP在實(shí)際應(yīng)用過(guò)程中受到一些限制。參考Xu和Qin［3］，本文構(gòu)建了雙側(cè)的模糊機(jī)會(huì)約束規(guī)劃（DFCCP）模型，其解法程序如下：

主要約束

式中：約束（3b）是左右兩側(cè)均為模糊變量的模糊約束；模糊變量和是以μ1和μ2為隸屬函數(shù)的模糊數(shù)。其余變量和約束的性質(zhì)和解釋可參考模型（1）。

（2）定義模糊約束（3b）在兩個(gè)可靠性條件下（最小可靠性和最大可靠性）滿足預(yù)先規(guī)定的置信水平，約束（3b）可以相應(yīng)對(duì)轉(zhuǎn)換為兩個(gè)確定型約束，表達(dá)形式如下［5］

（3）利用約束（4a）和（4b）代替約束（3b），分別構(gòu)建和求解兩個(gè)確定性模型，生成可靠性和置信水平的組合條件下的解，有效地反映系統(tǒng)經(jīng)濟(jì)和可靠性之間的平衡關(guān)系，為管理者設(shè)計(jì)反映自身偏好的規(guī)劃方案提供很好的決策依據(jù)。

2　環(huán)境污染控制條件下的能源供應(yīng)規(guī)劃模型

區(qū)域能源供應(yīng)規(guī)劃模型是在不破壞周邊環(huán)境、排放的污染物低于規(guī)定的排放水平的前提下，以系統(tǒng)總成本最小化（包括能源供應(yīng)成本和污染物控制成本）為主要目標(biāo)，綜合利用傳統(tǒng)的一次性能源和可再生能源，采用對(duì)應(yīng)的能源轉(zhuǎn)換技術(shù)進(jìn)行發(fā)電，來(lái)滿足包括工業(yè)、農(nóng)業(yè)和市政等在內(nèi)的多個(gè)部門的日益增長(zhǎng)的電力需求，實(shí)現(xiàn)供需平衡。污染物以二氧化硫和氮氧化物為主要考察對(duì)象，處理技術(shù)分別是濕式石灰石洗滌脫硫技術(shù)和選擇性催化還原脫硝技術(shù)?？紤]到不同部門的電力需求、規(guī)定的污染物允許排放量和可再生能源的發(fā)電量等模型變量受到包括自然因素（地理、氣象和氣候條件）、社會(huì)和經(jīng)濟(jì)因素（人口數(shù)量、GDP產(chǎn)值、受影響區(qū)域的特征和功能定位、企業(yè)的性質(zhì)、生產(chǎn)規(guī)模和運(yùn)行方式）等多方面因素的影響，因此，本研究采用專家咨詢、公眾調(diào)查和圓桌會(huì)議等方式，對(duì)上述變量進(jìn)行合理的識(shí)別和評(píng)估，確定采用三角模糊數(shù)來(lái)表示參數(shù)的模糊性和不確定性。最終，構(gòu)建以DFCCP為基本框架、模糊條件下的能源供應(yīng)規(guī)劃模型如下：

式中：f代表供電系統(tǒng)的總成本，百萬(wàn)元；i代表傳統(tǒng)一次能源的種類，在這里i=1,2,…,4，分別代表煤炭、天然氣、原油和外購(gòu)電；t(t=1,2,3)代表規(guī)劃周期；k(k=1,2,…,K)代表傳統(tǒng)能源和可再生能源轉(zhuǎn)換技術(shù)類型；β為預(yù)先設(shè)定的安全系數(shù)，確保能源需求完全滿足，在這里表達(dá)為三角模糊參數(shù)；MECit表示能源i在t時(shí)期的供應(yīng)成本，百萬(wàn)元/PJ；當(dāng)i=5時(shí)，表示為百萬(wàn)元/（GW·h）；Pit代表能源i在t時(shí)期的供應(yīng)量，PJ；當(dāng)i=5時(shí)，表示為GW·h；QVkt為電力供應(yīng)技術(shù)k在t時(shí)期的可變成本，百萬(wàn)元/（GW·h）；Wkt為電力供應(yīng)技術(shù)k在t時(shí)期的發(fā)電量，GW·h；Ekmt表示轉(zhuǎn)換技術(shù)k在t時(shí)期是否采用擴(kuò)容方案m，是一個(gè)二元變量，其中1代表擴(kuò)容，0代表不擴(kuò)容；CYkmt表示轉(zhuǎn)換技術(shù)k在t時(shí)期采用擴(kuò)容方案m所需要的成本，百萬(wàn)元；LGPkmt表示轉(zhuǎn)換技術(shù)k在t時(shí)期采用擴(kuò)容方案m的擴(kuò)容量，MW；NWZktr表示轉(zhuǎn)換技術(shù)k在t時(shí)期的污染物r的排放量，t/（GW·h）；NZktr表示轉(zhuǎn)換技術(shù)k在t時(shí)期的污染物r的去除成本，百萬(wàn)元/t；BLkt表示每單位電力產(chǎn)生耗用的原始能源量；LPEt表示t時(shí)期的電力需求量，表示成三角模糊數(shù)，GW·h；FIk表示轉(zhuǎn)換技術(shù)k的剩余容量，MW；HVkt表示動(dòng)力轉(zhuǎn)換系數(shù)；JOkt表示電力供應(yīng)技術(shù)k在t時(shí)期的可發(fā)電量，表示成三角模糊數(shù)，MW；ηktr表示轉(zhuǎn)換技術(shù)k在t時(shí)期的污染物r的去除效率，%；TRtr表示污染物r的允許排放量，表示成三角模糊數(shù)，t；P1代表本地煤的最大供應(yīng)量，GJ；P2代表外地煤的最大供應(yīng)量，GJ；P3代表天然氣的最大供應(yīng)量，GJ；P4代表原油的最大供應(yīng)量，GJ；P5代表外購(gòu)電量，GJ。

求解模型（5）時(shí)，模糊約束（5e、5g和5h）滿足的置信水平α的設(shè)定值參考了文獻(xiàn)［3，5］的同時(shí)，也充分考慮到各種情況，在本研究中設(shè)為0.3，0.6和0.9。參考約束轉(zhuǎn)換方法（4a）和（4b），等價(jià)轉(zhuǎn)換模糊約束為確定性形式，進(jìn)而形成傳統(tǒng)的確定性能源供應(yīng)規(guī)劃模型。模型求解得到的不同可靠性條件和置信水平下的能源供應(yīng)方案，為濱州市能源結(jié)構(gòu)調(diào)整和能源供應(yīng)方案的設(shè)計(jì)和生成提供很好的借鑒。

3　案例研究

針對(duì)濱州市能源供應(yīng)系統(tǒng)中存在的問(wèn)題，本文開發(fā)了模糊條件下的濱州市能源供應(yīng)模型，為實(shí)現(xiàn)濱州市能源供需平衡、保障濱州市環(huán)境空氣質(zhì)量達(dá)標(biāo)、制定合理、有效的濱州市能源供應(yīng)方案提供技術(shù)支持和決策依據(jù)。

濱州市為保證電網(wǎng)的供電能力，目前市內(nèi)轄有山東省統(tǒng)一調(diào)度的發(fā)電廠一座、并網(wǎng)地方電廠18座（其中公用電廠9座、企業(yè)自備電廠9座），總裝機(jī)容量2 GW左右。濱州電網(wǎng)濱州供電公司現(xiàn)轄有110 kV及以上變電站23座，220 kV變電站8座、110 kV變電站17座［6］。但是，隨著濱州市國(guó)民經(jīng)濟(jì)的快速發(fā)展，電力需求顯著增長(zhǎng)，濱州市電量負(fù)荷的年增長(zhǎng)率大約維持在20%左右，近年來(lái)多次出現(xiàn)“供不應(yīng)求”的現(xiàn)象。此外，能源消耗過(guò)程中導(dǎo)致的空氣污染問(wèn)題日益嚴(yán)重。因此，亟需開展環(huán)境污染控制條件下的能源供應(yīng)規(guī)劃研究。規(guī)劃周期為6年，分為3個(gè)周期。模型的參數(shù)信息主要來(lái)源于濱州市發(fā)布的能源規(guī)劃相關(guān)文件，描述濱州市能源系統(tǒng)的一些專業(yè)網(wǎng)站和出版物，以及一些圍繞濱州市能源系統(tǒng)開展的研究工作所取得的成果。其中，表1主要描述模型中的模糊參數(shù)，表2主要提供濱州市不同發(fā)電技術(shù)的擴(kuò)容選擇和相應(yīng)的擴(kuò)容成本。

表3提供了能源供應(yīng)優(yōu)化模型的求解結(jié)果。選定的模型求解軟件是LINGO 12.0，其主要原因在于該軟件提供了利于用戶操作的友好界面、簡(jiǎn)單的編程語(yǔ)言和處理包括無(wú)限個(gè)變量和約束的模型的能力。模型每次的運(yùn)轉(zhuǎn)時(shí)間大概在5 s左右，快速的計(jì)算速度有利于決策者改變可靠性條件和置信水平，獲得反映系統(tǒng)經(jīng)濟(jì)性和可靠性之間妥協(xié)的解，生成最終決策。

表1　模型中的關(guān)鍵模糊參數(shù)Tab.1　Critical fuzzy parameters in model

表2　不同發(fā)電技術(shù)的擴(kuò)容選擇和擴(kuò)容成本Tab.2　Expansion cost and amounts of various technologies

結(jié)果顯示，隨著可靠性和置信水平的提高，模糊約束（包括電力需求和污染物控制要求）變得更加嚴(yán)格。相比于煤炭資源，外購(gòu)電在滿足電力需求的同時(shí)，不會(huì)產(chǎn)生污染物，所以外購(gòu)電的數(shù)量呈現(xiàn)增長(zhǎng)趨勢(shì)，而煤炭使用量有所下降。比如，在置信水平為0.3時(shí)，最小可靠性條件下第三規(guī)劃期煤炭使用量為21 067.20，14 414.40和9 424.80 PJ，而外購(gòu)電量為13 342.50、14 542.50和16 742.50 PJ。另外，可再生能源作為清潔能源，有利于污染氣體排放的控制。因此，盡管產(chǎn)能成本高于傳統(tǒng)的一次能源，但是隨著電力需求的增長(zhǎng)，它的使用量仍然有所增加。例如，在置信水平為0.6時(shí)，最小可靠性條件下的規(guī)劃期內(nèi)太陽(yáng)能的發(fā)電量為0，345.12和2 145.76 PJ，最大可靠性條件下則為0，448.66和2 798.49 PJ。這也促使總成本隨著可靠性和置信水平的提高有所增加。在最小可靠性條件下，三個(gè)置信水平下的系統(tǒng)總成本分別為35.65、49.13和70.52百萬(wàn)元；在最大可靠性條件下，則分別為47.52、76.31和105.78百萬(wàn)元。

不同的可靠性和置信水平組合條件下，反映了系統(tǒng)經(jīng)濟(jì)性和穩(wěn)定性之間的妥協(xié)。成本的提高，標(biāo)志著能源需求和環(huán)境保護(hù)要求得到很好的滿足，同時(shí)需要付出一定的經(jīng)濟(jì)代價(jià)，反之亦然。事實(shí)上，模型提供的多種類型的解，可以幫助當(dāng)?shù)毓芾碚呓Y(jié)合濱州市供電現(xiàn)狀，綜合考慮供電成本和電力供需平衡，生成滿意的決策模式。

表3　能源供應(yīng)模型求解情況，PJTab.3　Obtained solutions form energy provision model，PJ

4　結(jié)論

本研究以模糊機(jī)會(huì)約束規(guī)劃模型為技術(shù)手段，以濱州市能源供應(yīng)系統(tǒng)為研究對(duì)象，構(gòu)建了模糊條件下的濱州市能源供應(yīng)模型。系統(tǒng)中的不確定性要素表示為三角模糊數(shù)，有效地解決了其它優(yōu)化模型變量要求高、求解困難等問(wèn)題?？煽啃詶l件和置信水平的引入，有利于模型生成發(fā)電成本低、環(huán)境友好的能源供應(yīng)模式，為管理者根據(jù)自身對(duì)于風(fēng)險(xiǎn)和系統(tǒng)收益的態(tài)度設(shè)計(jì)規(guī)劃方案，提供很好的技術(shù)支持和決策依據(jù)。依托濱州市的用電現(xiàn)狀、電力負(fù)荷需求預(yù)測(cè)和求解模型獲得的能源供應(yīng)規(guī)劃方案，盡管在使用過(guò)程中會(huì)導(dǎo)致污染問(wèn)題，煤炭仍然在能源消費(fèi)中占據(jù)主導(dǎo)地位，但逐漸呈下降趨勢(shì)。相反，外購(gòu)電的使用量逐漸升高，油氣保持穩(wěn)定增長(zhǎng)，可以起到很好的補(bǔ)充甚至替代作用。新能源發(fā)展緩慢，需要政府更多的政策支持和財(cái)政補(bǔ)貼。另外，在保障濱州市能源結(jié)構(gòu)持續(xù)優(yōu)化和升級(jí)的基礎(chǔ)上，電力需求側(cè)的管理，包括督促企業(yè)節(jié)能和強(qiáng)化居民節(jié)約意識(shí)等，應(yīng)該給予足夠的重視，最終實(shí)現(xiàn)電力行業(yè)的協(xié)調(diào)、可持續(xù)發(fā)展。

參考文獻(xiàn)：

［1］李彩，黃國(guó)和，蔡宴朋.能源供需優(yōu)化模型在北京市能源系統(tǒng)的應(yīng)用［J］.能源工程，2009，4（2）：1-5.

［2］CAI Y P，HUANG G H，LIN Q G，et al.A dynamic inexact energy systems planning model for supporting greenhouse-gas emission management and sustainable renewable energy development under uncertainty-A case study for the City of Waterloo，Canada［J］.Renewable and Sustainable Energy Reviews，2009，13（8）：1836-1853.

［3］XU Y，QIN X S.Agricultural effluent control under uncertainty：An inexact double-sided fuzzy chance-constrainedmodel［J］.Advances in Water Resources，2010，33（9）：997-1014.

［4］GULDMAN J M.Chance-constrained dynamic model of air quality management［J］.Journal of Environmental Engineering，1988，114（5）：1116-1126.

［5］LIU B D，IWAMURA K.Chance-constrained programming with fuzzy parameters［J］.Fuzzy Sets and Systems，1998，94（2）：227-237.

［6］張亮.濱州地區(qū)電力需求側(cè)管理分析研究［D］.濟(jì)南：山東大學(xué)，2010.