含冷熱電聯(lián)供及儲能的區(qū)域綜合能源系統(tǒng)運行優(yōu)化

劉滌塵, 馬恒瑞, 王 波, 高文忠, 王 駿, 閆秉科

(1. 武漢大學電氣工程學院, 湖北省武漢市 430072; 2. 丹佛大學電機工程系, 丹佛 80210, 美國; 3. 國網(wǎng)湖北省電力有限公司電力科學研究院, 湖北省武漢市 430077)

0 引言

近年來,中國建設(shè)了大量可再生能源發(fā)電系統(tǒng),以達到調(diào)整能源結(jié)構(gòu)的目的[1-2]。提升能源系統(tǒng)中可再生能源所占比例是全球能源領(lǐng)域行業(yè)的未來發(fā)展方向,也是能源行業(yè)發(fā)展的重要戰(zhàn)略[2]。

中國可再生能源出力區(qū)域集中在冬季有著供暖需求的“三北”地區(qū)[3-4]。可再生能源具有隨機性、間歇性等特點,并且在供暖季節(jié)受到“以熱定電”政策的限制,導致中國北方地區(qū)棄風、棄光現(xiàn)象頻發(fā)。國家能源局的統(tǒng)計數(shù)據(jù)顯示,僅2016年前3個季度,全國棄風電量達到3.947×1010kW·h,直接經(jīng)濟損失超過2×1010元人民幣[5]。

在由電力系統(tǒng)、熱力系統(tǒng)和天然氣系統(tǒng)組成的供能系統(tǒng)中,各子系統(tǒng)單獨設(shè)計和運行導致了相互能源利用率低下。為改善該現(xiàn)象,能源行業(yè)提出了“能源互聯(lián)網(wǎng)”這一概念[6-8]。利用各類能源轉(zhuǎn)換設(shè)備(如冷熱電聯(lián)供系統(tǒng)(combined cooling,heating and power，CCHP)[9]等)和儲能設(shè)備(energy storage system,ESS)做到電/熱/氣網(wǎng)互聯(lián)運行,達到可再生能源在能源互聯(lián)網(wǎng)內(nèi)充分消納與利用這一目標[10]。能源互聯(lián)網(wǎng)可以分為能源主干網(wǎng)和綜合能源系統(tǒng)(integrated energy system,IES)兩部分[11-12]。區(qū)域綜合能源系統(tǒng)(regional integrated energy system,RIES)位于能源的負荷側(cè),它是能滿足一定區(qū)域內(nèi)能源終端用戶的多種用能需求,消納就地接入可再生能源的IES[13]。

關(guān)于RIES的研究,集中于系統(tǒng)建模、規(guī)劃與經(jīng)濟運行等方面。文獻[14]建立了RIES設(shè)備模型庫,并通過實驗和仿真來豐富和改進該模型庫;文獻[15]以RIES的基本概念和特征為切入點,分析了RIES在中國的發(fā)展現(xiàn)狀;文獻[16]利用牛頓—拉夫遜法設(shè)計了在RIES中電力、熱力和天然氣的能量流計算方法;文獻[17]設(shè)計了含有電熱聯(lián)合系統(tǒng)的微電網(wǎng)運行優(yōu)化方案,但是對于成本考慮不充分;文獻[18]設(shè)計了多RIES的運行優(yōu)化,將熱網(wǎng)納入了優(yōu)化方案之內(nèi),但文中對于可再生能源的波動性考慮不足,與工程應用中差距較大。

通過對上述文獻的分析可以看出,在含CCHP系統(tǒng)的RIES中,對于可再生能源出力的預測結(jié)果過于理想化,不利于RIES的實際運行;在利用ESS使RIES脫離“以熱定電”這一限制時,ESS模型過于簡單,并未充分考慮使用成本等約束;并且在實際運行的含CCHP系統(tǒng)的RIES中,常常是多臺燃氣輪機(gas turbine,GT)聯(lián)合運行,因此需要在考慮常規(guī)機組組合約束的基礎(chǔ)上考慮基于多種源設(shè)備、能量轉(zhuǎn)化設(shè)備和ESS運行特性的約束條件,而該問題在相關(guān)文獻中也并沒有提及。

針對以上問題,本文建立了含新能源、ESS及CCHP系統(tǒng)的RIES聯(lián)合調(diào)度模型,對其進行仿真后求得了RIES內(nèi)各個單元最佳出力、不同調(diào)度模式下總運行成本和GT的機組組合。本文所提出的模型可以有效反映出可再生能源出力隨機性所帶來的影響,并且利用ESS解耦熱電約束可以降低運行成本,有助于提高系統(tǒng)運行經(jīng)濟性。

1 RIES

1.1 RIES結(jié)構(gòu)

RIES是依托智能電網(wǎng)技術(shù)的進步,將分布式發(fā)電、CCHP系統(tǒng)、儲能技術(shù)利用信息和通信技術(shù)聯(lián)系起來的綜合能源供應系統(tǒng);是在考慮到組成傳統(tǒng)能源供應系統(tǒng)的電/熱/氣網(wǎng)之間的相互作用和互補性后利用各類能量轉(zhuǎn)化裝置將它們組合在一起的IES。系統(tǒng)內(nèi)含源設(shè)備包括光伏電源(photovoltaic,PV)、風電機組(wind turbine,WT)、GT、燃氣鍋爐(gas boiler,GB);儲能設(shè)備包括儲電設(shè)備(energy storage,ES)、儲熱設(shè)備(heat storage,HS)、儲冷設(shè)備(cold energy storage,CS);能量轉(zhuǎn)換設(shè)備包括余熱鍋爐(waste heat boiler,WHB)、電制冷機(electric refrigerator,ER)、電鍋爐(electric boiler,EB)等單元。

本文建立的含有CCHP系統(tǒng)的RIES結(jié)構(gòu)及能量流示意圖如附錄A圖A1所示。

1.2 CCHP系統(tǒng)

為能夠準確描述CCHP系統(tǒng)的構(gòu)成及其內(nèi)部各個設(shè)備之間的能量流,本文借鑒文獻[18]中的表述方式,按照能量傳遞介質(zhì)的不同對母線進行分類,分別為電氣、空氣、煙氣、熱水和蒸汽母線。附錄A圖A2為燃氣型CCHP系統(tǒng)的母線式結(jié)構(gòu)圖。

RIES在并網(wǎng)模式下經(jīng)濟調(diào)度策略的目標是保證系統(tǒng)運行費用最小。在制定協(xié)調(diào)經(jīng)濟調(diào)度策略的過程中,需要考慮以下幾點。

1)PV和WT作為可再生能源,擬采用最大功率追蹤技術(shù)來完全利用可再生能源出力。

2)ESS包括ES和HS兩部分,其儲存或釋放能量的指令來自運行調(diào)度策略,該策略的主要目的為利用ESS解耦熱電聯(lián)系;需要考慮ESS的運行成本/費用、容量和充電功率等約束,并且滿足ES作為重要負荷熱備用的需求。

3)在實際運行中,含CCHP系統(tǒng)的RIES中常常是多臺GT聯(lián)合運行,因此優(yōu)化機組組合過程中不僅需要考慮電負荷、可再生能源出力和不同機組啟停特性等常規(guī)約束,還需要考慮GT出力狀態(tài)、熱負荷、能量轉(zhuǎn)化設(shè)備、ESS特性及日前電價曲線等相關(guān)約束條件。

1.3 ESS及其在RIES中的作用

GT的出力熱電比一般在1.5左右,因此當負荷的熱電比為1.5時可以將系統(tǒng)能源充分利用,但實際運行中并不是所有情況下都能滿足此熱電比,這就需要系統(tǒng)具有相對靈活的適應性[19]。在系統(tǒng)設(shè)計中,若按照冷熱電負荷的峰值來確定發(fā)電容量,勢必會使系統(tǒng)容量過大,系統(tǒng)將全年處于低負荷運行狀態(tài),不利于經(jīng)濟性;若按照負荷的平均值來設(shè)計容量,必定會出現(xiàn)高峰供熱能力不足的問題,而含有ESS的RIES可有效解決這一矛盾。通過ESS可以解耦熱電生產(chǎn)之間的出力約束,使負荷的熱電比維持在1.5左右,脫離“以熱定電”這一限制。同時還可以在時間上解耦能源生產(chǎn)與消耗必須對等的約束條件,實現(xiàn)能量消耗的跨時段轉(zhuǎn)移來解決可再生能源消納難題。

2 可再生能源出力隨機性建模

2.1 可再生能源出力預測

可再生能源出力受天氣影響,其實際出力與預測出力不完全一致,直接代入可再生能源預測出力曲線進行計算不能反映真實的系統(tǒng)運行成本,所以需要將預測值的波動考慮在內(nèi)。本文采用對預測值按其誤差分布采樣的方法來模擬實際中預測值的波動情況。每次采樣結(jié)果代表一種可能出現(xiàn)的場景,在完成采樣后對數(shù)量巨大的初始樣本進行場景削減,提煉出能代表絕大多數(shù)誤差的典型場景,求得計及可再生能源出力預測誤差的系統(tǒng)運行成本。這種處理方法可以廣泛應用在由于歷史數(shù)據(jù)不完整或者環(huán)境突變等原因造成預測值與實際值產(chǎn)生誤差的場景和問題中。

本文首先使用場景分析法對可再生能源出力的波動性進行建模并采樣,假設(shè)可再生能源出力的預測誤差可以用時間序列法中的自回歸滑動平均模型來描述,然后基于自回歸滑動平均模型求得預測數(shù)據(jù)和預測誤差的標準差,得到不同可再生能源出力預測誤差概率情況下的可再生能源出力概率模型,預測概率為95.4%時的概率模型見附錄A圖A3。

2.2 場景生成與削減

拉丁超立方采樣(Latin hypercube sampling,LHS)是一種分層采樣方法,通過采樣和排序兩步提取樣本點中均勻分布的有效值并完全覆蓋隨機變量的樣本空間來形容其整體分布情況,可以用于描述可再生能源出力的波動性現(xiàn)象。

與傳統(tǒng)的蒙特卡洛模擬法(Monte Carlo simulation method，MCSM)隨機抽取輸入變量相比,LHS可以利用均勻的、較少的采樣點來描述輸入隨機變量的整個分布空間,大幅提升了運算速度。

為了能夠準確地反映預測值的波動情況,需要生成盡可能多的初始場景,但是初始場景數(shù)量過大會造成場景重復和計算時間過長,因此需要在模型盡可能準確表達可再生能源出力隨機性的前提下設(shè)置合適數(shù)量的初始場景,考慮計算能力和時長,本文初始場景數(shù)量設(shè)置為2 000。在此基礎(chǔ)上通過定義場景距離函數(shù)來削減相似場景,提煉出能盡可能準確表達可再生能源出力的典型場景[20]。

在獲得初始場景后,對每一個場景指定一個發(fā)生的概率Ps(ps>0),且∑ps=1,每個場景發(fā)生的概率指定為1/N。ζs為采樣矩陣XS中的場景,Ds,s′為場景s和s′的距離,其值為場景s和s′之間的向量范數(shù)。集合S為初始的場景,集合R為需消除的場景。然后利用同步回代消除法來消除多余場景。同步回代消除法的基本步驟如下。

步驟1:計算每對場景的距離Ds,s′=D(ζs,ζs′)。

步驟2:對于每個場景k,找出與場景k距離最短的場景r,即Dk(r)=minDks′,k∈S,s′∈S,k≠s′。

步驟3:計算PDk(r)=pkDk(r),k∈S,從k中找出場景索引d,使得Pd=minPk,k∈S。

步驟4:S=S-j5i0abt0b,R=R+j5i0abt0b,且pr=pr+pd。

步驟5:重復步驟2至步驟4直至剩余的場景數(shù)滿足要求為止。

步驟4中pr=pr+pd是保證剩余的場景發(fā)生的概率之和等于消除前場景發(fā)生概率之和,消除的場景的概率為0。

采用以上方法將WT出力的預測概率為95.4%的動態(tài)概率模型進行場景生成和消除后可以得到如附錄A圖A4所示的場景樹,即提煉出10條具有代表性的WT發(fā)電預測曲線描述WT的隨機性特性,每一條曲線模擬了該時段風電出力在實際中可能出現(xiàn)的一種偏差,有效反映了該時段的風電出力預測誤差的波動情況,提高了預測精度。

3 RIES經(jīng)濟性模型及求解方法

3.1 目標函數(shù)

對于并入電網(wǎng)運行的RIES來說,經(jīng)濟調(diào)度模型的目標函數(shù)為:

C=min(Ce+Cgas+CES+CHS)

(1)

式中:C為系統(tǒng)總運行費用;Ce為購電費用;Cgas為購買天然氣費用；CES為ES運行費用;CHS為HS運行費用。

購電費用的表達式為:

(2)

式中:H為調(diào)度周期的時段數(shù);Δt為調(diào)度時段步長;Pgrid,t為時段t=1,2,…,H時RIES與電網(wǎng)之間的交換功率;cgrid,t為時段t=1,2,…,H交換功率的價格,其值大于0時表示RIES從電網(wǎng)購電,小于0時表示RIES向電網(wǎng)售電以獲得收益,用分段函數(shù)可表示為式(3)所示的形式。

(3)

式中:cgrid/b,t和cgrid/s,t分別為RIES系統(tǒng)的購電和售電價格,其值與日分時電價相關(guān)。

購買天然氣費用的表達式為:

式中：：cgas為購買天然氣的單位熱值價格；PGT,n和QGB,m分別為n 臺聯(lián)供GT的發(fā)電功率和m臺GB 的產(chǎn)熱功率；a，b，c為GY燃料成本系數(shù)；；ηGB為GB 的產(chǎn)熱效率[21]。

假設(shè)ES每次充放電時的使用成本相同，購買成本為Cpurchase，使用次數(shù)為Mcycles，則其單次完全充放電成本Cr為：

(5)

在一個調(diào)度周期內(nèi),其運行成本為:

(6)

式中:CES-cap為ES的容量;PES,C/ES,D,t為時段t=1,2,…,H時ES的充放電功率。

HS運行費用主要是水泵運行的電費,即

(7)

式中:CHS為HS運行費用;QHS,C/HS,D,t為時段t=1,2,…,H時HS的充放熱功率。

3.2 約束條件

3.2.1CCHP系統(tǒng)母線平衡方程

1)電氣母線平衡約束

Pgrid+PGT+PPV+PWT+PES,D=

LE+PER+PEB+PES,C

(8)

式中:Pgrid為RIES和電網(wǎng)的交換功率;PGT為GT的發(fā)電功率;PPV為PV的出力;PWT為WT的出力;PES,D為ES的放電功率;LE為電負荷;PER為ER的功率;PEB為EB的功率;PES,C為ES的充電功率。

2)煙氣母線平衡方程

ηGTPGT=QWHB

(9)

式中:ηGT為GT的產(chǎn)熱效率;QWHB為WHB的出力。

3)蒸汽母線平衡方程

ηWHBQWHB+QGB+QHS,D=QHX+QHS,C

(10)

式中:ηWHB為WHB的產(chǎn)熱效率;QGB為GB的產(chǎn)熱功率;QHS,D為HS的儲熱功率;QHX為換熱器的熱出力;QHS,C為HS的放熱功率。

4)熱水母線平衡方程

ηHXQHX=LH

(11)

式中:ηHX為換熱器的效率;LH為熱負荷。

5)空氣母線平衡方程

ηERQER=LC

(12)

式中:ηER為ER的制冷效率,即制冷量與輸入電功率的比值;QER為ER的產(chǎn)冷功率;LC為冷負荷。

3.2.2GT運行特性模型

本文根據(jù)文獻[22]的實測參數(shù),提出按式(13)至式(15)計算并擬合出其相應數(shù)值。

(13)

(14)

(15)

式中:ηGT,E為GT的發(fā)電效率;Kηi為發(fā)電效率特性曲線的擬合參數(shù);PGT(t)和PGTN分別為GT的出力和額定出力;QGT(t)為煙氣余熱;KQi為煙氣余熱特性曲線的擬合參數(shù);vGT(t)為GT耗氣率;δGT為GT的啟停狀態(tài),停運為0,運行為1;Kvi為耗氣量特性曲線的擬合參數(shù)。

3.2.3WHB特性模型

WHB利用GT所釋放的煙氣余熱將水加熱為蒸汽,參考文獻[22]的WHB特性模型:

(16)

式中:ηWHBN為WHB的額定熱效率;QWHBN為WHB的額定出力;KWHBi為熱效率特性曲線的擬合參數(shù)，i=1,2。

3.2.4各個設(shè)備電、熱功率出力上下限

(17)

式中:Pi為設(shè)備i的電功率;Pimin和Pimax分別為設(shè)備i的電功率下限和上限;Qi為設(shè)備i的熱功率;Qimin和Qimax分別為設(shè)備i的熱功率下限和上限。

3.2.5ESS需要滿足的約束條件

1)ES儲存能量約束

(18)

式中:S(T+1)和S(T)分別為ES在時間點T+1和T(即充放電前后)的荷電狀態(tài);Smin和Smax分別為ES荷電狀態(tài)的下限和上限;σES為自放電率;ηES,C和ηES,D分別為充放電效率;IES,C和IES,D分別為ES的充放電狀態(tài)變量。

2)ES充放電功率約束

(19)

式中:PES,Cmin,PES,Dmin,PES,Cmax,PES,Dmax分別為ES的最小、最大充放電功率。

3)HS儲存能量約束

(20)

式中:EHS(T+1)和EHS(T)分別為HS在時間點T+1和T的容量;EHSmin和EHSmax分別為HS容量的下限和上限;σHS為HS熱量耗散率;ηHS,C和ηHS,D分別為充放熱效率;IHS,C和IHS,D分別為HS的充放熱狀態(tài)變量。

4)HS充放熱功率約束

(21)

式中:QHS,Cmin,QHS,Dmin,QHS,Cmax,QHS,Dmax分別為HS的最小、最大充放熱功率。

3.2.6GT出力上下限約束

PGT,min≤PGT(k)≤PGT,max

(22)

式中:PGT,max和PGT,min分別為GT出力的上下限。

3.2.7備用約束

考慮任何時段RIES都有可能與主網(wǎng)斷開連接,為保證重要負荷的不間斷運行,k時段內(nèi)RIES的最大出力要大于等于重要負荷LIE的需求,即

PGT,max+PES,max+PPV(k)+PWT(k)≥LIE(k)

(23)

同時由于ES有存儲能量限制,為保證重要負荷在k時段能夠不間斷運行一段時間ts,RIES在時段ts內(nèi)能夠提供的最大出力要大于重要負荷在該時段內(nèi)的電量需求,即

(24)

3.2.8場景約束

為式(1)加入場景約束的目的是考慮到WT和PV的出力具有波動性,其出力與預測值不可能完全相同。當WT和PV的出力出現(xiàn)波動時,就需要調(diào)整CCHP系統(tǒng)內(nèi)ES和GT的出力,以滿足系統(tǒng)的功率平衡。

(25)

3.2.9冷電聯(lián)供約束

當GT與溴化鋰雙效煙氣制冷機構(gòu)成冷電聯(lián)供系統(tǒng)時,需要考慮以下冷負荷平衡約束:

(26)

式中:QAIR為電空調(diào)產(chǎn)生的制冷量;QER為ER產(chǎn)生的制冷量;VCOPAIR和VCOPER分別為電空調(diào)和ER的制冷系數(shù)。

3.3 求解方法

作為一個0-1型的混合整數(shù)線性規(guī)劃問題,其求解模型的標準形式為:

(27)

式中:優(yōu)化變量x包括各類電源的出力、轉(zhuǎn)換設(shè)備的輸入、儲能的輸入/輸出和購售電量;等式約束為母線能量平衡方程和ESS的儲能關(guān)系式;不等式約束為各個設(shè)備的運行約束;i表示規(guī)劃問題中受到各個不等式約束的變量,例如HS的充放熱功率約束等;j表示規(guī)劃問題中部分未知數(shù)為整數(shù)的約束條件,如機組啟停機。

針對上述模型,本文將其轉(zhuǎn)化為混合整數(shù)線性規(guī)劃問題(MILP),通過Yalmip工具箱和商業(yè)軟件Cplex在MATLAB中進行求解。

4 算例分析

4.1 基礎(chǔ)數(shù)據(jù)

本文選取某省含CCHP系統(tǒng)的RIES作為仿真對象,系統(tǒng)內(nèi)包含PV,WT,GB,ES/HS,以及3臺GT等。其中高鐵站1號、2號兩臺GT的最小啟動和停止間隔分別為2 h和1 h,醫(yī)院有一臺3號GT的最小啟動和停止間隔分別為3 h和2 h,各個設(shè)備的容量如附錄A表A1所示。調(diào)度時段長度為24 h,調(diào)度時長Δt為1 h,可再生能源出力預測誤差概率為95.4%。

仿真中GT出力的上下限見附錄A表A2;ESS的容量、初始能量及存儲能量的上下限見附錄A表A3;ES采購成本為6 720 000元,充放電循環(huán)次數(shù)為6 000次。GT以Turbec T1000型為例,主要設(shè)備的相關(guān)參數(shù)見附錄A表A4[12,23-24]。RIES的典型電/熱/冷負荷預測曲線及購電價格見附錄A圖A5;購氣價格為3.45元/m3,單位熱值價格為0.349元/(kW·h)。RIES中重要負荷為5 MW,當系統(tǒng)與電網(wǎng)斷開后要能夠保證重要負荷至少不間斷運行1 h。

4.2 算例分析

MCSM通過大量采樣計算,其結(jié)果可認為具有較高的精度,但計算時間較長;而采用本文提出的方法所求得的結(jié)果與MCSM的結(jié)果較接近,并且節(jié)省了計算時間。在本文所用算例中,采用MCSM計算時長為60 s以上,而采用本文所用方法的計算時長為(25±5)s,大幅度提高了運算速度。

在將不同可再生能源出力預測誤差概率情況下的可再生能源出力概率模型代入計算后,其成本變化如表1所示,可以看出系統(tǒng)運行成本隨著可再生能源出力預測概率范圍的增大而增大,但其增長率明顯低于預測概率的增長率,因此通過選取合適的可再生出力預測誤差范圍可以在包含盡可能多的預測誤差概率情況下,在平抑運行優(yōu)化過程中對可再生能源出力隨機性估計不足帶來影響的同時,控制系統(tǒng)運行成本。即在對系統(tǒng)運行總費用的增加量較少的前提下,最大程度地考慮到了可再生能源出力波動性帶來的影響,求得更加接近系統(tǒng)實際運行情況的系統(tǒng)運行總費用,提高了優(yōu)化方案的實用性。

表1 不同可再生能源出力概率模型下的運行成本Table 1 Operation cost of different probability models for renewable energy output

為驗證含CCHP系統(tǒng)的RIES優(yōu)化后的優(yōu)勢,本文選取了以下3種冬季運行方式作為參考。

方式1:采用熱電分產(chǎn)的方式運行。熱負荷由GB供應;電負荷由GT、可再生能源、能源互聯(lián)網(wǎng)之間的交換功率及ES滿足。

方式2:采用“熱電聯(lián)產(chǎn)”,即以熱定電的熱電耦合運行方式。熱負荷主要由GT供應;電負荷由GT、可再生能源、能源互聯(lián)網(wǎng)之間的交換功率及ES滿足。

方式3:利用ESS解耦“熱電聯(lián)產(chǎn)”中以熱定電的耦合關(guān)系的運行方式。熱負荷由GT,GB,WHB,EB及HS供應;電負荷由GT、可再生能源、能源互聯(lián)網(wǎng)之間的交換功率及ES滿足。

3種運行方式下RIES的運行成本如表2所示。在方式1下,電能和熱能獨立調(diào)度,GT中的余熱未能有效利用,并且GB的燃料費用較高,因此在該運行方式下調(diào)度成本較高。方式2中系統(tǒng)運行模式類似于常規(guī)熱電廠。在該運行方式下,GT中的余熱能夠有效利用,并且售電獲利較多,因此運行成本比方式1低。但是由于以熱定電這一約束條件,系統(tǒng)內(nèi)電出力被熱出力所限制,與能源主干網(wǎng)之間的電能功率交換受到影響,因此在該運行方式下調(diào)度成本較高。方式3中由于HS的引入,系統(tǒng)得以解耦“熱電聯(lián)產(chǎn)”中的以熱定電的耦合關(guān)系,GT的電出力限制被解除,系統(tǒng)內(nèi)總調(diào)度成本得以優(yōu)化。將發(fā)電成本最低和供熱成本最低兩個目標函數(shù)聯(lián)系起來,得到滿足發(fā)電/供熱成本最低和系統(tǒng)運行約束的各個單位的最佳調(diào)度策略,即實現(xiàn)了電熱的聯(lián)合調(diào)度。

表2 3種運行方式下RIES的運行成本Table 2 Operation cost of RIES under three modes

優(yōu)化結(jié)果(即方式3)如圖1和圖2所示。機組組合結(jié)果如表3所示。

圖1 RIES的電負荷平衡狀態(tài)和ES狀態(tài)變化(方式3)Fig.1 Variations of power load balance condition and ES condition for RIES (mode 3)

圖2 RIES的熱負荷平衡狀態(tài)和HS狀態(tài)變化(方式3)Fig.2 Variations of heat load balance condition and HS condition for RIES (mode 3)

機組24個時段GT的啟停狀況100000001111111101111111020000001111111111011111103000000111111111111111000

聯(lián)系電價曲線分析、比較優(yōu)化結(jié)果:圖1和圖2中,在22:00—07:00電價較低時段,負荷和電價均處于低谷期,可再生能源出力逐步升高,熱負荷由GB和EB承擔,電負荷由電網(wǎng)承擔;在07:00—11:00時段,隨著負荷和電價的逐漸上升,GT出力繼續(xù)增加,ES開始釋放能量以降低系統(tǒng)對于電網(wǎng)的依賴,并在07:00時刻電價達到第1個高峰,此時RIES開始向電網(wǎng)倒送功率以套利降低運行成本,多余熱能由HS設(shè)備儲存并且EB關(guān)閉;在11:00—17:00時段,負荷和電價開始逐步下降,GT逐步降低出力,提供的熱能變少,HS設(shè)備開始釋放能量;17:00—18:00是電價第2個上升時段,系統(tǒng)工作情況與07:00—11:00時段基本相同;在18:00—23:00時段,負荷和電價均逐步降低,熱負荷由GB和EB承擔,電負荷由電網(wǎng)承擔。

聯(lián)系負荷曲線分析,ES的運行特征同時受電價曲線、熱電負荷比變化影響,需要將負荷進行時空上的平移,解決熱電比不穩(wěn)定導致聯(lián)合調(diào)度難題的基礎(chǔ)上,考慮電價變化進行高發(fā)低儲來有效降低系統(tǒng)運行成本。

由圖3可見,含有CCHP系統(tǒng)的RIES通過ESS將系統(tǒng)的熱電比穩(wěn)定在1.5左右,可以充分利用系統(tǒng)能源。

圖3 優(yōu)化前后系統(tǒng)熱電比Fig.3 Thermoelectric ratios before/after optimization

為了能夠量化評價含有CCHP系統(tǒng)的RIES的能源綜合利用效率[25],可以利用一次能源利用效率指標對系統(tǒng)的運行狀態(tài)進行評估,如式(28)所示。

(28)

在對含有CCHP系統(tǒng)的RIES進行運行優(yōu)化后,VPER=81.374 9%,大于75%,滿足RIES的最低要求。

5 結(jié)語

本文基于RIES, 建立了含有可再生電源出力的隨機性模型和CCHP的熱電聯(lián)合調(diào)度模型。仿真結(jié)果表明:含有CCHP系統(tǒng)的RIES可以通過ESS穩(wěn)定系統(tǒng)的熱電負荷比,解耦其熱電運行約束,提高能源利用效率。

天然氣網(wǎng)絡作為能源互聯(lián)網(wǎng)中的重要組成部分,并且與電力能源和熱力能源相比較有著可以規(guī)?；虚L期儲存的優(yōu)勢,但是本文對天然氣網(wǎng)絡考慮不夠充分,因此,天然氣系統(tǒng)和電力系統(tǒng)的相互影響,例如天然氣價格波動對電力系統(tǒng)的影響, 考慮天然氣管道運行約束的機組組合約束等問題將成為下一步的研究方向。

附錄見本刊網(wǎng)絡版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] 金紅光,隋軍.變革性能源利用技術(shù)—分布式能源系統(tǒng)[J].分布式能源,2016,1(1):1-5.

JIN Hongguang, SUI Jun. Transformational technology innovation-distributed energy system[J]. Distributed Energy, 2016, 1(1): 1-5.

[2] 魯宗相,李海波,喬穎.含高比例可再生能源電力系統(tǒng)靈活性規(guī)劃及挑戰(zhàn)[J].電力系統(tǒng)自動化,2016,40(13):147-158.DOI:10.7500/AEPS20151215008.

LU Zongxiang, LI Haibo, QIAO Ying. Power system flexibility planning and challenges considering high proportion of renewable energy[J]. Automation of Electric Power Systems, 2016, 40(13): 147-158. DOI: 10.7500/AEPS20151215008.

[3] 杜爾順,張寧,康重慶,等.太陽能光熱發(fā)電并網(wǎng)運行及優(yōu)化規(guī)劃研究綜述與展望[J].中國電機工程學報,2016,36(21):5765-5775.

DU Ershun, ZHANG Ning, KANG Chongqing, et al. Reviews and prospects of the operation and planning optimization for grid integrated concentrating solar power[J]. Proceedings of the CSEE, 2016, 36(21): 5765-5775.

[4] 曹袖,黃瀚,王雪平,等.軟件定義電網(wǎng):概念,結(jié)構(gòu)與示例[J].電力系統(tǒng)自動化,2016,40(6):1-9.DOI:10.7500/AEPS20150907009.

CAO Xiu, HUANG Han, WANG Xueping, et al. Software defined grid: concept, architecture and samples[J]. Automation of Electric Power Systems, 2016, 40(6): 1-9. DOI: 10.7500/AEPS20150907009.

[5] 欒相科.限制“三北”風電未來發(fā)展將轉(zhuǎn)向中東部和南部[J].中國戰(zhàn)略新興產(chǎn)業(yè),2017,25(3):36-37.

LUAN Xiangke. To limite the “three North” wind power, future development will turn to the central and southern China[J]. China Strategic Emerging Industry, 2017, 25(3): 36-37.

[6] 苗新,張東霞,宋璇坤.全球電力能源互聯(lián)網(wǎng)拓撲的矩陣表述[J].電力系統(tǒng)自動化,2016,40(5):8-16.DOI:10.7500/AEPS20150612003.

MIAO Xin, ZHANG Dongxia, SONG Xuankun. Matrix representation of global power Energy Internet topology[J]. Automation of Electric Power Systems, 2016, 40(5): 8-16. DOI: 10.7500/AEPS20150612003.

[7] 曾鳴,楊雍琦,劉敦楠,等.能源互聯(lián)網(wǎng)“源-網(wǎng)-荷-儲”協(xié)調(diào)優(yōu)化運營模式及關(guān)鍵技術(shù)[J].電網(wǎng)技術(shù),2016,40(1):114-124.

ZENG Ming, YANG Yongqi, LIU Dunnan, et al. “Generation-grid-load-storage” coordinative optimal operation mode of energy internet and key technologies[J]. Power System Technology, 2016, 40(1): 114-124.

[8] RIFKIN J. The third industrial revolution: how lateral power is transforming energy, the economy, and the world[J]. Survival, 2011, 2(2): 67-68.

[9] LI Y, HU R. Exergy-analysis based comparative study of absorption refrigeration and electric compression refrigeration in CCHP systems[J]. Applied Thermal engineering, 2016, 93: 1228-1237.

[10] 劉偉佳,文福拴,薛禹勝,等.電轉(zhuǎn)氣技術(shù)的成本特征與運營經(jīng)濟性分析[J].電力系統(tǒng)自動化,2016,40(24):1-11.DOI:10.7500/AEPS20160504013.

LIU Weijia, WEN Fushuan, XUE Yusheng, et al. Cost characteristics and economic analysis of power-to-gas technology[J]. Automation of Electric Power Systems, 2016, 40(24): 1-11. DOI: 10.7500/AEPS20160504013.

[11] LUND H, WERNER S, WILTSHIRE R, et al. 4th generation district heating (4GDH): integrating smart thermal grids into future sustainable energy systems[J]. Energy, 2014, 68(4): 1-11.

[12] 李立浧,張勇軍,陳澤興,等.智能電網(wǎng)與能源網(wǎng)融合的模式及其發(fā)展前景[J].電力系統(tǒng)自動化,2016,40(11):1-9.DOI:10.7500/AEPS20150912002.

LI Licheng, ZHANG Yongjun, CHEN Zexing, et al. Merger between smart grid and energy-net: mode and development prospects[J]. Automation of Electric Power Systems, 2016, 40(11): 1-9. DOI: 10.7500/AEPS20150912002.

[13] 賈宏杰,王丹,徐憲東,等.區(qū)域綜合能源系統(tǒng)若干問題研究[J].電力系統(tǒng)自動化,2015,39(7):198-207.DOI:10.7500/AEPS20141009011.

JIA Hongjie, WANG Dan, XU Xiandong, et al. Research on some key problems related to integrated energy systems[J]. Automation of Electric Power Systems, 2015, 39(7): 198-207. DOI: 10.7500/AEPS20141009011.

[14] 王成山,王守相.分布式發(fā)電供能系統(tǒng)若干問題研究[J].電力系統(tǒng)自動化,2008,32(20):1-4.

WANG Chengshan, WANG Shouxiang. Study on some key problems related to distributed generation systems[J]. Automation of Electric Power Systems, 2008, 32(20): 1-4.

[15] 賈宏杰,穆云飛,余曉丹.對我國綜合能源系統(tǒng)發(fā)展的思考[J].電力建設(shè),2015,36(1):16-25.

JIA Hongjie, MU Yunfei, YU Xiaodan. Thought about the integrated energy system in China[J]. Electric Power Construction, 2015, 36(1): 16-25.

[16] 王英瑞,曾博,郭經(jīng),等.電-熱-氣綜合能源系統(tǒng)多能流計算方法[J].電網(wǎng)技術(shù),2016,40(10):2942-2950.

WANG Yingrui, ZENG Bo, GUO Jing, et al. Multi-energy flow calculation method for integrated energy system containing electricity, heat and gas[J]. Power System Technology, 2016, 40(10): 2942-2950.

[17] 李正茂,張峰,梁軍,等.含電熱聯(lián)合系統(tǒng)的微電網(wǎng)運行優(yōu)化[J].中國電機工程學報,2015,35(14):3569-3576.

LI Zhengmao, ZHANG Feng, LIANG Jun, et al. Optimization on microgrid with combined heat and power system[J]. Proceedings of the CSEE, 2015, 35(14): 3569-3576.

[18] 王成山,洪博文,郭力,等.冷熱電聯(lián)供微網(wǎng)優(yōu)化調(diào)度通用建模方法[J].中國電機工程學報,2013,33(31):26-33.

WANG Chengshan, HONG Bowen, GUO Li, et al. A general modeling method for optimal dispatch of combined cooling, heating and power microgrid[J]. Proceedings of the CSEE, 2013, 33(31): 26-33.

[19] 王珺,顧偉,陸帥,等.結(jié)合熱網(wǎng)模型的多區(qū)域綜合能源系統(tǒng)協(xié)同規(guī)劃[J].電力系統(tǒng)自動化,2016,40(15):17-24.DOI:10.7500/AEPS20160426010.

WANG Jun, GU Wei, LU Shuai, et al. Multi-regional integrated energy system cooperative planning based on heat-supply network model[J]. Automation of Electric Power Systems, 2016, 40(15): 17-24. DOI: 10.7500/AEPS20160426010.

[20] HUANG N, ZHANG S, CAI G, et al. Power quality disturbances recognition based on a multiresolution generalized S-transform and a PSO-improved decision tree[J]. Energies, 2015, 8(1): 549-572.

[21] 于波.微網(wǎng)與儲能系統(tǒng)容量優(yōu)化規(guī)劃[D].天津:天津大學,2012.

[22] 荊朝霞,袁灼新,胡榮興,等.供能設(shè)備模型對冷熱電聯(lián)供微網(wǎng)系統(tǒng)經(jīng)濟調(diào)度的影響[J].南方電網(wǎng)技術(shù),2016,10(8):32-39.

JING Zhaoxia, YUAN Zhuoxin, HU Rongxin, et al. Effect of component models on economic dispatch of CCHP-type microgrid[J]. Southern Power System Technology, 2016, 10(8): 32-39.

[23] 梁金柁,李洋,肖增弘.棄風在熱電廠回熱系統(tǒng)中的應用研究[J].沈陽工程學院學報(自然科學版),2016,12(1):28-31.

LIANG Jintuo, LI Yang, XIAO Zenghong. Application of wind curtailment in power plant heat recovery system[J]. Journal of Shenyang Institute of Engineering (Natural Science), 2016, 12(1): 28-31.

[24] 秦朝葵,李偉奇,謝衛(wèi)華,等.微燃機天然氣冷熱電三聯(lián)供系統(tǒng)熱力學分析[J].天然氣工業(yè),2008,28(1):129-131.

QIN Zhaokui, LI Weiqi, XIE Weihua, et al. The thermodynamic analysis of the natural gas cooling and heating power system for the micro gas turbine[J]. Natural Gas Industry, 2008, 28(1): 129-131.

[25] 郭力,許東,王成山,等.冷電聯(lián)供分布式供能系統(tǒng)能量優(yōu)化管理[J].電力系統(tǒng)自動化,2009,33(19):96-100.

GUO Li, XU Dong, WANG Chengshan, et al. Energy optimization and management of combined cooling and power distributed energy supply system[J]. Automation of Electric Power Systems, 2009, 33(19): 96-100.