基于目標(biāo)級聯(lián)分析法的區(qū)域源網(wǎng)荷儲(chǔ)系統(tǒng)日前運(yùn)行優(yōu)化

羅首權(quán)， 丁孝華， 韓 韜， 蔣國棟， 張 瑋

(1. 國網(wǎng)電力科學(xué)研究院， 江蘇 南京 211106； 2. 國電南瑞科技股份有限公司， 江蘇 南京 211106)

1 引言

近年來，我國分布式光伏、天然氣、生物質(zhì)能等發(fā)電形式新增裝機(jī)容量逐年增加，逐漸成為未來可再生能源的發(fā)展趨勢[1]。但傳統(tǒng)“源跟荷走”的控制方式無法對風(fēng)電、光伏等出力具有隨機(jī)性的分布式電源進(jìn)行調(diào)度，難以保證配電網(wǎng)絡(luò)的安全經(jīng)濟(jì)運(yùn)行。區(qū)別于可并網(wǎng)或獨(dú)立運(yùn)行可控的微網(wǎng)[2]和具有開放系統(tǒng)特征的柔性聚合虛擬電廠[3]，區(qū)域源網(wǎng)荷儲(chǔ)協(xié)調(diào)控制作為促進(jìn)新能源大規(guī)模消納的核心技術(shù)之一[4]，在縱深層面實(shí)現(xiàn)源各類分布式資源的優(yōu)化調(diào)度與主動(dòng)管理，充分發(fā)揮電源的互補(bǔ)性、電網(wǎng)的靈活性、負(fù)荷和儲(chǔ)能的靈活可控性，提高配電網(wǎng)對新能源的消納能力，保證配電網(wǎng)運(yùn)行的可靠性和經(jīng)濟(jì)性，成為近年來的研究熱點(diǎn)。

分布式可調(diào)度資源的協(xié)調(diào)控制技術(shù)國內(nèi)外均有了一定研究。在資源互動(dòng)方面，目前已有源-源互補(bǔ)、源-網(wǎng)協(xié)調(diào)、網(wǎng)-荷互動(dòng)、源-荷互動(dòng)等互動(dòng)調(diào)度形式[5]。文獻(xiàn)[6]綜合考慮了分布式電源配網(wǎng)重構(gòu)、無功補(bǔ)償裝置以及變壓器抽頭改變的優(yōu)化問題。文獻(xiàn)[7]運(yùn)用滾動(dòng)優(yōu)化算法對微網(wǎng)源網(wǎng)荷互動(dòng)運(yùn)行進(jìn)行優(yōu)化。文獻(xiàn)[8]引入?yún)f(xié)同進(jìn)化遺傳算法實(shí)現(xiàn)對光伏、風(fēng)力、儲(chǔ)能的出力進(jìn)行優(yōu)化控制。文獻(xiàn)[9]研究了一種考慮價(jià)格響應(yīng)機(jī)制的網(wǎng)絡(luò)、負(fù)荷、儲(chǔ)能系統(tǒng)協(xié)同優(yōu)化策略。在優(yōu)化模型方面，文獻(xiàn)[10]以系統(tǒng)運(yùn)行的綜合費(fèi)用最低為目標(biāo),建立了綜合能源微網(wǎng)的優(yōu)化調(diào)度模型。文獻(xiàn)[11]針對并網(wǎng)運(yùn)行的風(fēng)、光、儲(chǔ)微電網(wǎng),制定了其運(yùn)行策略建立了微網(wǎng)經(jīng)濟(jì)性和供電可靠性多目標(biāo)優(yōu)化模型；文獻(xiàn)[12]建立了協(xié)整度約束下以新能源消納量最大和系統(tǒng)運(yùn)行成本最小為目標(biāo)的源荷儲(chǔ)多目標(biāo)優(yōu)化協(xié)整模型。文獻(xiàn)[13]建立基于能效、經(jīng)濟(jì)、環(huán)境的多目標(biāo)優(yōu)化模型,分別實(shí)現(xiàn)蓄能裝置的循環(huán)電量和循環(huán)冷量最小、儲(chǔ)能系統(tǒng)成本及購電費(fèi)用之和最少和環(huán)境污染成本最小。以上多數(shù)研究只考慮了部分分布式可調(diào)度資源之間的協(xié)調(diào)優(yōu)化問題，隨著綜合能源系統(tǒng)、能源互聯(lián)網(wǎng)等項(xiàng)目建設(shè)的發(fā)展，系統(tǒng)內(nèi)分布式可調(diào)度資源種類更多，耦合關(guān)系更復(fù)雜，需要從參與協(xié)調(diào)的資源種類與不同資源間的協(xié)調(diào)方式上更全面地研究各類資源之間的配合關(guān)系。其次，多數(shù)研究以供能成本和可再生能源消納為優(yōu)化目標(biāo)進(jìn)行建模，忽略了用戶的用電感受，需要建立平衡多方利益的優(yōu)化模型，實(shí)現(xiàn)綜合社會(huì)效益的最大化。

基于以上分析，本文統(tǒng)籌協(xié)調(diào)區(qū)域源網(wǎng)荷儲(chǔ)系統(tǒng)內(nèi)的多種分布式可調(diào)度資源，制定了基于目標(biāo)級聯(lián)分析法的日前多目標(biāo)有功優(yōu)化策略，并用某區(qū)域源網(wǎng)荷儲(chǔ)系統(tǒng)數(shù)據(jù)對所提策略進(jìn)行了驗(yàn)證。本文主要?jiǎng)?chuàng)新點(diǎn)如下：

(1)分析能源供應(yīng)商與柔性負(fù)荷用戶在利益追求與承擔(dān)社會(huì)責(zé)任等方面的差異，制定了考慮供能成本和用電滿意度的多目標(biāo)優(yōu)化策略，然后分層建立能源供應(yīng)商與柔性負(fù)荷用戶的精細(xì)化優(yōu)化模型。

(2)根據(jù)目標(biāo)級聯(lián)分析法的思想，設(shè)計(jì)了適合本文所建優(yōu)化模型的變系數(shù)的動(dòng)態(tài)罰函數(shù)，通過上下層交替優(yōu)化，實(shí)現(xiàn)供能設(shè)備出力與用電需求的并行求解，完成能源供應(yīng)商與柔性負(fù)荷用戶在同等地位上的利益博弈。

2 系統(tǒng)結(jié)構(gòu)分析與優(yōu)化控制策略

2.1 系統(tǒng)結(jié)構(gòu)分析

傳統(tǒng)“源網(wǎng)荷儲(chǔ)”協(xié)調(diào)優(yōu)化主要指電源、電網(wǎng)、負(fù)荷、儲(chǔ)能之間的互動(dòng)運(yùn)行。在能源互聯(lián)網(wǎng)背景下，“源網(wǎng)荷儲(chǔ)”衍生出了更深層次的含義[5]。因此本文考慮的區(qū)域源網(wǎng)荷儲(chǔ)協(xié)調(diào)系統(tǒng)所包含的分布式可調(diào)度資源及其能量流動(dòng)關(guān)系如圖1所示。針對傳統(tǒng)冷熱電聯(lián)供系統(tǒng)以熱定電或以電定熱的運(yùn)行模式固定、調(diào)節(jié)性能較差的問題，通過在冷熱電分布式能源站內(nèi)建設(shè)蓄熱裝置，圍繞燃?xì)廨啓C(jī)和余熱鍋爐輸出的電力與熱力資源構(gòu)建“能源緩沖器”，實(shí)現(xiàn)三聯(lián)供系統(tǒng)的熱電解耦，提升機(jī)組的調(diào)節(jié)能力，擴(kuò)大分布式可再生能源的消納空間，提高區(qū)域源網(wǎng)荷儲(chǔ)系統(tǒng)的自治運(yùn)行能力。

圖1 區(qū)域源網(wǎng)荷儲(chǔ)系統(tǒng)母線結(jié)構(gòu)Fig.1 Bus structure of source network load storage system in regional scale

2.2 優(yōu)化策略

在2.1節(jié)描述的包含多類型分布式可調(diào)度資源的系統(tǒng)中，從社會(huì)角度看，能源供應(yīng)商需要在滿足電、冷、熱三類負(fù)荷基本用能需求的前提下，合理調(diào)用系統(tǒng)中的分布式資源，以充分消納可再生能源，降低系統(tǒng)運(yùn)行成本，節(jié)約社會(huì)資源；從用戶角度看，用戶作為獨(dú)立用能主體，需要能源供給者實(shí)時(shí)滿足自身生產(chǎn)或生活的基本用能需求，并可根據(jù)能源供給者的激勵(lì)條件調(diào)整自身用電計(jì)劃，但是調(diào)整量大小由自身獲利多少而定。可見，并非系統(tǒng)中所有可調(diào)度設(shè)備均屬于同一利益主體，若將整個(gè)系統(tǒng)集中優(yōu)化，雖然可達(dá)到系統(tǒng)全局某一目標(biāo)的最優(yōu)，但不一定能實(shí)現(xiàn)多方主體的效益最優(yōu)，需要尋求一個(gè)能夠平衡系統(tǒng)中多方利益主體需求的運(yùn)行狀態(tài)。

基于上述分析，本文根據(jù)系統(tǒng)實(shí)際運(yùn)營模式將其劃分為能源供應(yīng)商與柔性負(fù)荷兩個(gè)利益主體，分別建立以能源供應(yīng)商供能成本最小的上層優(yōu)化模型和以柔性負(fù)荷用電滿意度最高的下層優(yōu)化模型，細(xì)化不同主體內(nèi)部的優(yōu)化目標(biāo)和運(yùn)行約束條件，以及不同主體之間的利益博弈。優(yōu)化策略如圖2所示。

圖2 雙層優(yōu)化模型示意圖Fig.2 Schematic diagram of bilevel optimization model

在上層優(yōu)化中，以分布式風(fēng)電、光伏日前出力預(yù)測、儲(chǔ)能系統(tǒng)初始荷電狀態(tài)和下層反饋的用電需求為輸入信息，以系統(tǒng)供能成本最小為優(yōu)化目標(biāo)，考慮系統(tǒng)功率平衡約束、機(jī)組出力上下限、爬坡率約束以及儲(chǔ)能系統(tǒng)充放電功率約束等條件，優(yōu)化系統(tǒng)中外部電源輸入功率、冷熱電聯(lián)供機(jī)組的發(fā)電功率、儲(chǔ)能系統(tǒng)的充放電功率、向柔性負(fù)荷供電功率，以及蓄熱裝置的蓄熱、釋熱功率，并將系統(tǒng)總供電功率發(fā)至下層，作為下層優(yōu)化的參考值。在充分消納可再生能源的同時(shí)，也要防止其向輸電網(wǎng)倒送功率。

在下層優(yōu)化中，以用戶日前負(fù)荷預(yù)測為輸入，并以上層優(yōu)化供電功率為參考，以自身用電滿意度最高為優(yōu)化目標(biāo)，優(yōu)化柔性負(fù)荷的用電功率需求，并將優(yōu)化后的用電需求反饋到上層。

上下層交替進(jìn)行優(yōu)化，直到供電功率與用電需求在各個(gè)時(shí)段內(nèi)的差值都小于設(shè)定值時(shí)優(yōu)化停止，取上層優(yōu)化結(jié)果作為各供能設(shè)備的最終出力計(jì)劃，各供能設(shè)備出力總和作為最終需求計(jì)劃。

3 運(yùn)行優(yōu)化模型

3.1 上層優(yōu)化模型

3.1.1 優(yōu)化目標(biāo)

上層優(yōu)化目標(biāo)為能源供應(yīng)商供能成本最小，其中風(fēng)電和光伏成本主要包括投資成本、運(yùn)行維護(hù)成本和財(cái)務(wù)費(fèi)用[14,15]三個(gè)部分，這些成本屬于固定成本，幾乎不受運(yùn)行狀態(tài)的影響,本文研究中忽略風(fēng)電和光伏的運(yùn)行成本。所以供能成本僅包括向外部電源購電成本、儲(chǔ)能系統(tǒng)使用成本和冷熱電聯(lián)供機(jī)組的購氣成本，其數(shù)學(xué)模型如下：

(1)

式中，C為整個(gè)優(yōu)化周期T內(nèi)的供能成本；Cess(t)和Cmt(t)分別為在第t個(gè)Δt時(shí)段內(nèi)充、放電對儲(chǔ)能系統(tǒng)造成的成本損耗和冷熱電聯(lián)供機(jī)組的一次能源消耗成本；pe(t)和Pgrid(t)分別為第t個(gè)Δt時(shí)段的分時(shí)電價(jià)和向輸電網(wǎng)購電的功率。

(2)

式中，Pmt(t)和ηe分別為微型燃?xì)廨啓C(jī)發(fā)出的電功率和發(fā)電效率；pgas為天然氣價(jià)格；Rgas為天然氣的燃燒熱值。

(3)

式中，Cbase為儲(chǔ)能系統(tǒng)建設(shè)成本；Efull為儲(chǔ)能系統(tǒng)生命周期內(nèi)的總吞吐電量；Pess(t)為儲(chǔ)能系統(tǒng)運(yùn)行功率，充電時(shí)功率為正。

3.1.2 約束條件

電氣母線功率平衡：

Pmt(t)+Pgrid(t)+Pwt(t)+Ppv(t)=Pess(t)+L(t)

(4)

式中，Pwt(t)、Ppv(t)和L(t)分別為第t個(gè)Δt時(shí)段內(nèi)風(fēng)電、光伏和柔性負(fù)荷的功率。

蒸汽母線功率平衡：

(5)

式中，Qac,steam(t)、Qws,steam(t)和Ppcr(t)分別為第t個(gè)Δt時(shí)段內(nèi)制冷機(jī)、換熱裝置和蓄熱裝置吸收的熱功率；Qsteam,whb(t)和Qsteam,pcr(t)分別為第t個(gè)Δt時(shí)段內(nèi)余熱鍋爐發(fā)出的熱功率和蓄熱裝置的釋熱功率。

三聯(lián)供機(jī)組運(yùn)行約束：

(6)

式中，Pmt min和Pmt max分別為微型燃?xì)廨啓C(jī)在安全穩(wěn)定運(yùn)行情況下能提供的最小發(fā)電功率和最大發(fā)電功率；ΔPmt max為相鄰兩個(gè)Δt時(shí)段內(nèi)燃?xì)廨啓C(jī)發(fā)電功率能達(dá)到的最大變化量；Qac,steam max、Qws,steam max和Qsteam,whb max分別為吸收式制冷機(jī)、換熱裝置和余熱鍋爐的最大輸出功率。

蓄熱裝置運(yùn)行約束：

(7)

式中，K=1,2,3,…,T；Qsteam,pcr max和Ppcr max分別為蓄熱裝置的最大釋熱功率和最大蓄熱功率；ηpcr為蓄熱裝置的能量轉(zhuǎn)換效率；SOHmax為蓄熱裝置的最大儲(chǔ)熱量。

同一時(shí)段內(nèi)釋熱和蓄熱兩個(gè)過程不可同時(shí)進(jìn)行，即變量Ppcr(t)與Qsteam,pcr(t)至少有一個(gè)0。

Ppcr(t)Qsteam,pcr(t)=0

(8)

儲(chǔ)能系統(tǒng)運(yùn)行約束：

(9)

式中，SOC(t)為第t個(gè)Δt時(shí)段內(nèi)儲(chǔ)能系統(tǒng)的荷電狀態(tài)；SOCmin和SOCmax分別為儲(chǔ)能系統(tǒng)的最小荷電狀態(tài)和最大荷電狀態(tài)；SOC0和SOCT分別為儲(chǔ)能系統(tǒng)在一個(gè)調(diào)度周期內(nèi)的起始荷電狀態(tài)和末時(shí)荷電狀態(tài)；Pess max為儲(chǔ)能系統(tǒng)的最大充電功率。

柔性負(fù)荷運(yùn)行約束：

Lmin(t)≤L(t)≤Lmax(t)

(10)

式中，Lmin(t)和Lmax(t)分別為第t個(gè)Δt時(shí)段內(nèi)柔性負(fù)荷的最小用電功率和最大用電功率。

3.2 下層優(yōu)化模型

3.2.1 優(yōu)化目標(biāo)

系統(tǒng)中柔性負(fù)荷類型多，從用戶類型可分為普通居民用戶和工業(yè)用戶，從響應(yīng)類型可分為價(jià)格型用戶和激勵(lì)型用戶等，不同用戶有不同的響應(yīng)決策模型[16]，且容量較小的用戶用電方式的改變對配網(wǎng)的影響很小，只有將其聚合才具備可調(diào)度性。因此，為綜合反映系統(tǒng)內(nèi)各類負(fù)荷的聚合效應(yīng)，本文建立以柔性負(fù)荷用戶用電滿意度最高為目標(biāo)的簡化響應(yīng)決策模型，用電滿意度評價(jià)指標(biāo)包含兩個(gè)方面：

一是用電方式滿意度，反映的是用戶調(diào)整后的用電方式相對于日前預(yù)測的用電方式的改變量，柔性負(fù)荷響應(yīng)量越大，用電方式改變量越大。用電方式滿意度φ可用式(11)表示。

(11)

式中，ΔL(t)和L0(t)分別為第t個(gè)Δt時(shí)段內(nèi)柔性負(fù)荷響應(yīng)功率與預(yù)測功率。

二是負(fù)荷響應(yīng)效益滿意度，反映的是用戶調(diào)整用電方式后的電費(fèi)支出相對于日前預(yù)測用電方式下的電費(fèi)支出的變化量。用戶電費(fèi)支出越高，則滿意度越低。響應(yīng)效益滿意度γ可用式(12)表示。

(12)

柔性負(fù)荷用戶響應(yīng)綜合滿意度可表示為：

(13)

式中，λ1和λ2分別為柔性負(fù)荷用戶響應(yīng)后用電方式滿意度與效益滿意度的權(quán)值。

3.2.2 約束條件

柔性負(fù)荷運(yùn)行約束條件如式(10)所示。

3.3 求解策略

3.3.1 目標(biāo)級聯(lián)分析法

目標(biāo)級聯(lián)分析法是一種采用并行思想解決復(fù)雜系統(tǒng)的設(shè)計(jì)方法[17]，其基本思想是把系統(tǒng)逐級劃分為多個(gè)子系統(tǒng)，將設(shè)計(jì)指標(biāo)由上到下不斷分流，同時(shí)各級響應(yīng)結(jié)果由下而上逐級反饋，各層系統(tǒng)獨(dú)立求解，求解結(jié)果相互反饋，直到收斂條件滿足為止[18]，文獻(xiàn)[19]從理論上嚴(yán)格地證明了它的收斂性。目標(biāo)級聯(lián)分析法中各層變量優(yōu)化模型如式(14)所示。

(14)

式中，f(x)為該層系統(tǒng)的初始目標(biāo)函數(shù)；g(x)<0和h(x)=0為該層系統(tǒng)的約束條件；tij為上層系統(tǒng)傳遞給下層的設(shè)計(jì)變量；rij為下層系統(tǒng)反饋給上層的響應(yīng)結(jié)果；π(tij-rij)為懲罰函數(shù)，根據(jù)不同應(yīng)用需求，懲罰函數(shù)有不同的表達(dá)形式。

對應(yīng)于本文，上層系統(tǒng)將優(yōu)化后各設(shè)備總供電功率Ps(t)作為設(shè)計(jì)變量發(fā)給下層系統(tǒng)，下層系統(tǒng)將優(yōu)化后的用電功率L(t)作為反饋?zhàn)兞總髦辽蠈酉到y(tǒng)。根據(jù)目標(biāo)級聯(lián)分析法罰函數(shù)設(shè)置思想，同時(shí)考慮函數(shù)模型的簡潔性與易求解性，在第k次迭代中，需將上下層的目標(biāo)函數(shù)作更新，如式(15)和式(16)所示。

(15)

(16)

式中，Psk(t)和Lk(t)分別為第k次迭代后的總供電功率與用電需求的優(yōu)化結(jié)果；v和u是大于0的系數(shù)，其值分別根據(jù)C和F的大小而定，其取值應(yīng)使得式(15)和式(16)中前后兩項(xiàng)值大小的數(shù)量級相近?？梢?，加入罰函數(shù)項(xiàng)后，上層設(shè)計(jì)變量與下層反饋?zhàn)兞看嬖诘钠顚?huì)造成上層供能成本增加和下層用電滿意度降低，使得當(dāng)前解為非最優(yōu)解。通過調(diào)整罰函數(shù)系數(shù)而改變其對目標(biāo)函數(shù)的影響，可調(diào)整當(dāng)前優(yōu)化層變量向其上層或下層變量的逼近速度。通過反復(fù)迭代，直至設(shè)計(jì)量與反饋量之間誤差小于設(shè)定值ε，迭代停止，獲得系統(tǒng)最優(yōu)解。迭代收斂條件如式(17)所示。

(17)

隨著迭代次數(shù)增加，設(shè)計(jì)變量與反饋?zhàn)兞恐g誤差逐漸縮小，罰函數(shù)項(xiàng)對目標(biāo)函數(shù)的影響隨之減小，這降低了設(shè)計(jì)變量與反饋?zhàn)兞肯嗷ケ平乃俣?，即降低了算法收斂速度。因此本文設(shè)計(jì)了一種變系數(shù)策略，罰函數(shù)系數(shù)隨著迭代次數(shù)增加同步增加，以減緩整個(gè)罰函數(shù)項(xiàng)減小速度，以加快算法收斂速度。系數(shù)更新方法如式(18)所示。

(18)

式中，k為迭代次數(shù)；v0和u0為系數(shù)的初始值。

基于目標(biāo)級聯(lián)法求解源網(wǎng)荷儲(chǔ)協(xié)調(diào)日前優(yōu)化模型流程如圖3所示。

圖3 模型求解流程Fig.3 Model solving process

3.3.2 求解工具

本文所建模型為混合整數(shù)二次規(guī)劃問題，CPLEX作為一款專業(yè)優(yōu)化軟件，能夠求解線性規(guī)劃、二次方程規(guī)劃、混合整數(shù)規(guī)劃等復(fù)雜優(yōu)化模型，在電力系統(tǒng)優(yōu)化中得到廣泛應(yīng)用。YALMIP是在Matlab軟件平臺(tái)上開發(fā)的用于求解最優(yōu)化問題的工具箱，它包含了linprog、bintprog、bnb等基本線性規(guī)劃求解算法和Cplex、Gurobi、Glpk、Lpsolve等求解工具箱，提供了關(guān)于凸優(yōu)化與非凸優(yōu)化問題的一種簡單而統(tǒng)一的標(biāo)準(zhǔn)化建模語言和求解器調(diào)用接口，真正實(shí)現(xiàn)了建模和算法二者的分離[20]。因此本文應(yīng)用YALMIP建模工具在MATLAB平臺(tái)建立優(yōu)化模型，并調(diào)用CPLEX求解器對模型進(jìn)行求解。

4 算例分析

選取江蘇省某區(qū)域源網(wǎng)荷儲(chǔ)系統(tǒng)作為算例對本文所提策略進(jìn)行驗(yàn)證。

4.1 系統(tǒng)基本情況

該區(qū)域有大量的分布式光伏共計(jì)33.25 MW，風(fēng)電總裝機(jī)規(guī)模50 MW；冷熱電三聯(lián)供綜合能源站項(xiàng)目規(guī)劃建設(shè)2×10 MW燃?xì)?蒸汽聯(lián)合循環(huán)機(jī)組，三聯(lián)供建設(shè)方案如圖4所示。區(qū)域內(nèi)電力負(fù)荷最大達(dá)到6.9萬kW，各時(shí)段內(nèi)最大響應(yīng)量為當(dāng)前負(fù)荷的±5%，熱負(fù)荷為生產(chǎn)用工業(yè)蒸汽，功率約為33 t/h；冷負(fù)荷分為廠內(nèi)冷負(fù)荷和外供數(shù)據(jù)中心等穩(wěn)定負(fù)荷，功率約為3.9 t/h。冷、熱負(fù)荷均屬于常年性負(fù)荷，與季節(jié)性變化無關(guān)，且暫不考慮采暖負(fù)荷及生活熱水熱負(fù)荷等民用熱負(fù)荷。t/h與MW之間的換算方法參考文獻(xiàn)[21]。區(qū)域內(nèi)有電網(wǎng)側(cè)儲(chǔ)能電站，建設(shè)成本為1 600萬元，全生命周期內(nèi)總電能吞吐量為115 700 MW·h。區(qū)域系統(tǒng)通過一座220 kV變電站(180 MV·A)與上級輸電網(wǎng)絡(luò)相聯(lián)，區(qū)域內(nèi)10 kV配電線路采用架空與電纜線路相結(jié)合的方式，線路之間能夠?qū)崿F(xiàn)互為備供，已實(shí)現(xiàn)配電自動(dòng)化全覆蓋。該區(qū)域?qū)嵭蟹骞绕椒謺r(shí)電價(jià)機(jī)制。

圖4 三聯(lián)供系統(tǒng)源端融合建設(shè)方案Fig.4 Construction scheme of source end integration of CCHP system

4.2 參數(shù)設(shè)置

(1)模型參數(shù)。經(jīng)初步計(jì)算，系統(tǒng)供能成本(單位：元)的數(shù)量級(以10為底，下同)為5，用電滿意度的數(shù)量級為-1，設(shè)計(jì)變量與反饋?zhàn)兞康牟钪?單位：MW)數(shù)量級為1。為使得目標(biāo)級聯(lián)法中罰函數(shù)能夠有效影響原優(yōu)化目標(biāo)，罰函數(shù)初始值應(yīng)與原目標(biāo)函數(shù)的數(shù)量級接近，因此上層罰函數(shù)系數(shù)的數(shù)量級取為2，下層罰函數(shù)系數(shù)的數(shù)量級取為-1。具體參數(shù)值如表1所示。

表1 模型參數(shù)Tab.1 Model parameter

(2)設(shè)備參數(shù)。冷熱電聯(lián)供系統(tǒng)、儲(chǔ)能系統(tǒng)和蓄熱裝置的主要特性參數(shù)如表2和表3所示。

表2 冷熱電聯(lián)供系統(tǒng)特性參數(shù)Tab.2 Characteristic parameters of CCHP system

表3 儲(chǔ)能系統(tǒng)與蓄熱裝置特性參數(shù)Tab.3 Characteristic parameters of energy storage system and heat storage device

(3)電價(jià)與天然氣價(jià)。配網(wǎng)向上級電網(wǎng)的購電電價(jià)取0.4元/(kW·h)，售電分時(shí)電價(jià)曲線如圖5所示。天然氣價(jià)格為3元/m3，其熱值取9.7 kW/m3。

圖5 電價(jià)曲線Fig.5 Electricity price curve

(4)可再生能源出力和負(fù)荷日前預(yù)測。選取該區(qū)域內(nèi)某個(gè)典型日的風(fēng)電、光伏出力和負(fù)荷功率模擬日前預(yù)測結(jié)果，如圖6所示。

圖6 可再生能源出力和負(fù)荷日前預(yù)測結(jié)果Fig.6 Daily forecast of renewable energy output and load

4.3 分布式資源優(yōu)化調(diào)度結(jié)果

運(yùn)用所建模型對供能系統(tǒng)各設(shè)備日前運(yùn)行計(jì)劃作優(yōu)化，得到各設(shè)備出力情況如圖7所示。

圖7 系統(tǒng)設(shè)備出力情況Fig.7 System equipment output

從圖7可看出，在0∶00～6∶00和17∶00～24∶00兩個(gè)時(shí)段，由于沒有光照或光照強(qiáng)度弱，光伏發(fā)電量小，系統(tǒng)供電量主要來自于風(fēng)電、聯(lián)供機(jī)組發(fā)電和外部電網(wǎng)。在6∶00～17∶00時(shí)段，光照充足，光伏發(fā)電量較大，系統(tǒng)供電量主要來自風(fēng)電、光伏發(fā)電和聯(lián)供機(jī)組，系統(tǒng)對外部電源的依賴幾乎降至0。由于冷熱電聯(lián)供機(jī)組的供熱功率與發(fā)電功率存在較強(qiáng)的關(guān)聯(lián)特性，且冷、熱負(fù)荷為穩(wěn)定負(fù)荷，幾乎不變，所以聯(lián)供機(jī)組的負(fù)載率全天保持在86%左右。但是由于蓄熱裝置的加入，燃?xì)廨啓C(jī)在4∶00～6∶00和18∶00～20∶00兩個(gè)可再生能源出力不足的時(shí)段內(nèi)提高了發(fā)電功率，負(fù)載率達(dá)到100%，多余熱功率被蓄熱裝置存儲(chǔ)下來，并在11∶00～13∶00可再生能源出力較大的時(shí)段內(nèi)放出，降低了聯(lián)供機(jī)組的負(fù)載率，降至58%左右，減少了一次能源的使用。

在12∶00～15∶00時(shí)段，風(fēng)電和光伏出力總和小于負(fù)荷，且儲(chǔ)能系統(tǒng)有充放電損耗而無相應(yīng)激勵(lì)手段的情況下卻進(jìn)行了電能存儲(chǔ)，并在18∶00～20∶00時(shí)段內(nèi)釋放。這是由于冷熱電聯(lián)供系統(tǒng)的產(chǎn)熱量與發(fā)電量存在關(guān)聯(lián)，為保證系統(tǒng)內(nèi)熱功率的平衡，聯(lián)供機(jī)組的產(chǎn)熱功率不可再減小，發(fā)電功率因此不能無限減小。在此情況下，聯(lián)供機(jī)組、風(fēng)電和光伏三者的出力總和大于負(fù)荷。此時(shí)將這部分多余電能進(jìn)行存儲(chǔ)則不計(jì)電能成本。同時(shí)，通過計(jì)算可得，儲(chǔ)能系統(tǒng)在不計(jì)電能成本的情況下，轉(zhuǎn)換1 kW·h電能的成本為0.28元，此值小于能源供應(yīng)商向上級電網(wǎng)的購電成本0.4元。因此儲(chǔ)能系統(tǒng)的運(yùn)行計(jì)劃在供能成本最小的目標(biāo)下是合理的。

可見，由于蓄熱裝置的加入，一定程度上減弱了冷熱電聯(lián)供機(jī)組的熱電耦合特性，提升了聯(lián)供機(jī)組的調(diào)度靈活性。多種分布式可調(diào)度資源在時(shí)間和空間上的出力互補(bǔ)，促進(jìn)了可再生能源的消納，減小了系統(tǒng)與外部電源的聯(lián)絡(luò)線上的功率波動(dòng)，提高了電網(wǎng)運(yùn)行的安全性。

4.4 不同優(yōu)化方案對比

為對比不同模型的優(yōu)化效果，本文設(shè)計(jì)了僅以供能成本最低為目標(biāo)、僅以用戶滿意度最高和綜合考慮供能成本與用戶滿意度多目標(biāo)三種優(yōu)化模型，求解后得到不同優(yōu)化模型的供能成本、用戶滿意度和負(fù)荷曲線分別如表4和圖8所示。

圖8 不同優(yōu)化方案下的負(fù)荷曲線Fig.8 Load curves of different optimization schemes

表4 不同優(yōu)化模型下的供能成本與用戶滿意度Tab.4 Energy supply cost and customer satisfaction under different optimization models

可見，在單層單目標(biāo)優(yōu)化中，以系統(tǒng)供能成本最小為優(yōu)化目標(biāo)時(shí)，優(yōu)化負(fù)荷曲線幾乎全部低于預(yù)測負(fù)荷曲線，只有在中午光伏發(fā)電較為充足的時(shí)段，計(jì)劃負(fù)荷曲線高于預(yù)測負(fù)荷曲線。原因是此模型只考慮系統(tǒng)供能成本，而系統(tǒng)的供能成本與供能的多少和供能的來源有關(guān)，供能少或供能來源于可再生能源，供能成本就小，因此在可再生能源出力較小的時(shí)段，系統(tǒng)通過減少供能的方式來降低供能成本，所以負(fù)荷在此時(shí)段內(nèi)以可減小容量的上限運(yùn)行。而在可再生能源出力較豐富的時(shí)段，因?yàn)槿?lián)供機(jī)組需要滿足冷、熱負(fù)荷的供能需求，不能大幅度減小燃?xì)廨啓C(jī)的出力，所以出現(xiàn)優(yōu)化負(fù)荷高于預(yù)測負(fù)荷的情況。從整體看來，以供能成本最小為目標(biāo)的優(yōu)化負(fù)荷是低于預(yù)測負(fù)荷的。

以滿意度最高為目標(biāo)的優(yōu)化模型兼顧用電總量和電費(fèi)總量的變化，為減少用戶的電費(fèi)支出，同時(shí)滿足一天內(nèi)的用電需求，模型最大限度的將峰電價(jià)時(shí)段的用電負(fù)荷轉(zhuǎn)移到谷時(shí)電價(jià)時(shí)段，實(shí)現(xiàn)了一天內(nèi)總用電量不變的情況下將電費(fèi)支出降到最低。

雙層多目標(biāo)優(yōu)化在尋求低供能成本的系統(tǒng)運(yùn)營者和追求高用電滿意度的用戶之間的利益博弈中找到了一個(gè)折中的運(yùn)行點(diǎn)，既適度降低了系統(tǒng)的供能成本，又盡量減少對用戶用電方式的改變。

5 結(jié)論

本文從不同視角將分布式資源劃分成利益主體不同的兩類，并建立了考慮能源供應(yīng)商供能成本最小和用戶用電滿意度最高的多目標(biāo)雙層優(yōu)化模型，采用目標(biāo)級聯(lián)分析法對模型進(jìn)行求解，實(shí)現(xiàn)了區(qū)域源網(wǎng)荷儲(chǔ)協(xié)調(diào)系統(tǒng)的優(yōu)化調(diào)度。相比于傳統(tǒng)的主要目標(biāo)法、線性加權(quán)法、分層序列法等化多為少或逐層優(yōu)化的多目標(biāo)優(yōu)化策略，本文基于目標(biāo)級聯(lián)分析思想，采用分層建模、并行求解多的目標(biāo)優(yōu)化策略主要有兩大優(yōu)點(diǎn)：一是能夠保證不同主體在進(jìn)行利益博弈時(shí)的獨(dú)立性，各主體無主次之分，除關(guān)聯(lián)變量外，優(yōu)化過程與目標(biāo)均和其他主體無關(guān)，更好地實(shí)現(xiàn)不同主體之間的利益平衡。二是各層主體獨(dú)立建模策略能夠簡化目標(biāo)度量尺度不同的多目標(biāo)優(yōu)化模型的建模過程，細(xì)化不同層內(nèi)分布式資源的優(yōu)化目標(biāo)和運(yùn)行約束，各主體的優(yōu)化算法選擇也具有更多靈活性。算例表明，所建模型能夠在合理分配各類分布式資源的出力，實(shí)現(xiàn)電、冷、熱功率平衡，保證系統(tǒng)安全穩(wěn)定運(yùn)行的情況下，有效平衡不同主體的利益目標(biāo)。

但本文在模型中的懲罰因子和權(quán)重系數(shù)的選取問題上具有一定的主觀性，需進(jìn)一步完善模型參數(shù)選取原則。此外，罰函數(shù)系數(shù)隨迭代次數(shù)增加而增加，若迭代次數(shù)達(dá)到一定程度，可能出現(xiàn)罰函數(shù)將主導(dǎo)系統(tǒng)的目標(biāo)函數(shù)的情況，可在算法流程中增加迭代次數(shù)判斷環(huán)節(jié)，當(dāng)?shù)螖?shù)超過某一設(shè)定值時(shí)則變?yōu)槎ㄏ禂?shù)算法，但對于該設(shè)定值的選取方法仍需更深入研究。