含冷熱電聯(lián)供的綜合能源系統(tǒng)優(yōu)化調(diào)度

陳克文，撖奧洋，周生奇，菅學(xué)輝，張智晟

（1.青島大學(xué)電氣工程學(xué)院，山東青島 266071；2.國(guó)網(wǎng)山東省電力公司青島供電公司，山東青島 266002）

當(dāng)今世界，能源危機(jī)、環(huán)境污染的壓力越來(lái)越大，并且工業(yè)生產(chǎn)和居民生活對(duì)能源的需求也日益增加，如何使能源更加有效地利用，同時(shí)使污染物進(jìn)一步減少，實(shí)現(xiàn)能源的清潔利用、可持續(xù)發(fā)展是當(dāng)今世界共同關(guān)注的焦點(diǎn)[1-4]。綜合能源系統(tǒng)（Integrated Energy System,IES）的提出在世界范圍內(nèi)引起了普遍的關(guān)注，與傳統(tǒng)能源分供的形式相比，它能使能源效益最大化。因此，對(duì)于綜合能源系統(tǒng)的研究成為現(xiàn)在的重點(diǎn)問(wèn)題[5-6]。

關(guān)于IES 的建模、需求響應(yīng)及優(yōu)化調(diào)度方法是現(xiàn)在研究的重點(diǎn)。文獻(xiàn)[7]考慮碳交易方案和不同的空氣污染物控制技術(shù)，構(gòu)建了環(huán)境經(jīng)濟(jì)調(diào)度模型；文獻(xiàn)[8]在分析用戶(hù)能源需求特性和熱網(wǎng)的傳輸特性的基礎(chǔ)上，協(xié)同優(yōu)化需求側(cè)、供給側(cè)和傳輸側(cè)；文獻(xiàn)[9]考慮天然氣的動(dòng)態(tài)潮流，構(gòu)建了一種新模型；文獻(xiàn)[10]提出了一種考慮電轉(zhuǎn)氣設(shè)備運(yùn)行成本對(duì)系統(tǒng)風(fēng)電接納能力與運(yùn)行經(jīng)濟(jì)性影響的日前調(diào)度方法；文獻(xiàn)[11]建立了園區(qū)綜合能源系統(tǒng)的績(jī)效評(píng)價(jià)指標(biāo)，從彈性矩陣的角度構(gòu)建了多能量需求響應(yīng)模型；文獻(xiàn)[12]針對(duì)樓宇系統(tǒng)提出一種虛擬儲(chǔ)能的調(diào)度模式，有效地降低了樓宇的運(yùn)行成本。

鑒于以上背景，文中構(gòu)建一種綜合能源系統(tǒng)，包含多種能源轉(zhuǎn)換設(shè)備便于達(dá)到多元化需求，并且考慮系統(tǒng)的運(yùn)行費(fèi)用和環(huán)境治理費(fèi)用，使總和最小，通過(guò)模擬退火粒子群算法求解該模型，在綜合考慮系統(tǒng)多約束條件的情況下，合理調(diào)度各個(gè)設(shè)備的有功功率，以使系統(tǒng)在調(diào)度周期內(nèi)所需費(fèi)用最少。

1 綜合能源系統(tǒng)的優(yōu)化調(diào)度模型

文中研究的綜合能源系統(tǒng)由光伏系統(tǒng)（Photo Voltaics,PV）、電制冷機(jī)（Electric Refrigerator,ER）、微型燃?xì)廨啓C(jī)（Gas Turbine,GT）、溴化鋰制冷機(jī)（Lithium Bromide Refrigerator,LBR）、燃?xì)忮仩t（Gas Boiler,GB）、燃料 電池（Fuel Cell,FC）和電鍋爐（Electric Boiler,EB）等組成。綜合能源系統(tǒng)的結(jié)構(gòu)如圖1 所示。

圖1 綜合能源系統(tǒng)結(jié)構(gòu)

1.1 目標(biāo)函數(shù)

1）運(yùn)行成本

文中構(gòu)建的綜合能源系統(tǒng)的運(yùn)行成本主要包括三部分，分別為電網(wǎng)購(gòu)電所需費(fèi)用、向電網(wǎng)售電所得費(fèi)用和購(gòu)氣所需費(fèi)用，即：

式中，Ce,b為系統(tǒng)產(chǎn)電不足時(shí)的購(gòu)電費(fèi)用，單位:元；Ce,s為系統(tǒng)售賣(mài)電所得費(fèi)用，單位:元；Cg為購(gòu)買(mǎi)能源轉(zhuǎn)換設(shè)備所需天然氣費(fèi)用，單位:元。

購(gòu)電費(fèi)用為:

式中，M為調(diào)度周期總時(shí)段數(shù)；ce,b,t為系統(tǒng)購(gòu)電單價(jià)，單位:元/kW·h；Pgrid,buy為系統(tǒng)從電網(wǎng)購(gòu)買(mǎi)的電量，單位:kW·h；Δt為單位調(diào)度時(shí)長(zhǎng)，單位:h。

向電網(wǎng)售電所得費(fèi)用為:

式中，ce,s,t為系統(tǒng)賣(mài)電時(shí)的單價(jià)，單位:元/kW·h；Pgrid,sell為系統(tǒng)售出的電量，單位:kW·h。

購(gòu)氣費(fèi)用為:

式中，cg為購(gòu)買(mǎi)天然氣的單價(jià)，單位:元/m3；VMT、VFC、VGB分別為系統(tǒng)在t時(shí)段微型燃?xì)廨啓C(jī)MT、燃料電池FC和燃?xì)忮仩tGB所消耗的天然氣量，單位:m3。

2）環(huán)境成本

在系統(tǒng)的運(yùn)行過(guò)程中，主要考慮處理CO2的治理費(fèi)用[13]。這部分CO2主要由與電網(wǎng)進(jìn)行電力交互時(shí)燃煤及能源轉(zhuǎn)換設(shè)備消耗天然氣時(shí)產(chǎn)生。因此環(huán)境成本Cenv為:

式中，WCO2為系統(tǒng)產(chǎn)生CO2時(shí)的懲罰系數(shù)；μg、μe分別為單位天然氣、單位電功率下CO2的排放量。

系統(tǒng)的總目標(biāo)函數(shù)為:

1.2 各設(shè)備的約束條件

1）各設(shè)備電、熱功率滿足功率上下限要求

各設(shè)備電、熱功率滿足功率上下限要求為：

式中，Pi是各設(shè)備的電功率；Qi是各設(shè)備的熱功率；Pimin、Pimax分別是各設(shè)備電功率的下限和上限，其電功率上限不得超出額定值，有功功率下限不得小于0；Qimax、Qimin分別是電鍋爐等產(chǎn)熱設(shè)備熱功率的上限和下限，其設(shè)定同上。

2）電功率平衡約束

在系統(tǒng)中，電功率應(yīng)在各個(gè)時(shí)刻保持各設(shè)備有功功率及負(fù)載消耗的平衡,如下式:

式中，PPV、Pele、PFC、Peb、PMT分別為光伏機(jī)組、電制冷機(jī)、燃料電池、電鍋爐、燃?xì)廨啓C(jī)的電功率；Puser表示第t時(shí)段滿足系統(tǒng)約束時(shí)優(yōu)化調(diào)整后的電負(fù)荷需求；Pgrid為正表示從電網(wǎng)購(gòu)電，為負(fù)表示向電網(wǎng)售電。

3）供氣平衡約束

供氣平衡約束如下:

式中，Vg為從天然氣網(wǎng)中獲取的天然氣量；Vuser為用戶(hù)側(cè)用氣負(fù)荷所需量。

4）冷能平衡約束

冷能平衡約束如下:

式中，Quser為系統(tǒng)中用戶(hù)的冷負(fù)荷；Qco為溴化鋰制冷機(jī)的制冷功率；Qele為電制冷機(jī)的制冷功率。

5）熱能平衡約束

熱能平衡約束如下:

式中，Huser為用戶(hù)的熱負(fù)荷；HGB為燃?xì)忮仩t的產(chǎn)熱功率；HEB為電鍋爐的產(chǎn)熱功率。

2 模型的求解方法

2.1 模擬退火粒子群算法

由于粒子群優(yōu)化算法（Particle Swarm Optimization,PSO）容易困入局部極值，因此文中將模擬退火[14]思想（Simulated Annealing,SA）和Metropolis 準(zhǔn)則引入粒子群優(yōu)化算法中。當(dāng)受到擾動(dòng)而產(chǎn)生的新粒子為x′，粒子群的當(dāng)前最優(yōu)粒子為pbest，兩者之間的適應(yīng)度差值可以表示為:

若Δf＜0，即新粒子的適應(yīng)度值比當(dāng)前最優(yōu)粒子的適應(yīng)度值小，那么接收新粒子為最優(yōu)粒子；反之，以的概率接收這個(gè)粒子。這就是Metropolis 準(zhǔn)則，其中T為模擬退火過(guò)程中的當(dāng)前溫度。文中適應(yīng)度值代表綜合能源系統(tǒng)中的總成本。

2.2 算法流程

該算法優(yōu)化系統(tǒng)中各能源轉(zhuǎn)換設(shè)備的功率，從而使算法中的適應(yīng)度值即系統(tǒng)的總成本最小。

算法的具體步驟如下：

1）設(shè)定粒子群的規(guī)模，生成各個(gè)粒子一定范圍內(nèi)的初始狀態(tài)。

2）根據(jù)式（14）和式（15）更新粒子狀態(tài)，搜索個(gè)體和全局最優(yōu)粒子。

式中，c1和c2為學(xué)習(xí)因子，一般取兩者相等；ksi為慣性因子，可根據(jù)需要設(shè)定；r1和r2為0 到1 中的無(wú)規(guī)則數(shù)；xi,j(t)和vi,j(t)分別為粒子的位置和速度；pi,j為迭代至目前所找到的個(gè)體最優(yōu)值；pg,j為全局最優(yōu)值。

3）對(duì)當(dāng)前粒子群進(jìn)行擾動(dòng)，計(jì)算擾動(dòng)后的個(gè)體和全局最優(yōu)粒子。

4）如果重新搜索到的擾動(dòng)后的全局最優(yōu)粒子優(yōu)于擾動(dòng)前的最優(yōu)粒子，則接收該粒子并將其作為新的全局最優(yōu)解，反之不接收。如果擾動(dòng)后的解滿足準(zhǔn)則，則接收此解作為新的個(gè)體最優(yōu)粒子，反之不接收。

5）根據(jù)Tk+1=λ×Tk執(zhí)行退溫操作，使溫度T不斷下降，其中λ為退溫常數(shù)，初始溫度T0=fitness(pg)/log(5)。如果搜索到的解已經(jīng)滿足條件，則不再搜索，輸出最終結(jié)果；反之，回到第2）步，繼續(xù)搜索最優(yōu)解。

3 算例分析

3.1 綜合能源系統(tǒng)的仿真算例

為了驗(yàn)證模型及算法的有效性，文中以某建筑樓宇綜合能源系統(tǒng)[15-16]為實(shí)際算例，該辦公樓建筑面積為1.5萬(wàn)m2。該建筑吸收來(lái)自光伏、電網(wǎng)、燃料電池及燃?xì)廨啓C(jī)的電能；熱負(fù)荷由燃?xì)忮仩t及電鍋爐提供。

取某一夏季典型日為一個(gè)完整的調(diào)度周期，每一個(gè)小時(shí)為一個(gè)時(shí)段，一個(gè)調(diào)度周期內(nèi)共包含24 個(gè)時(shí)段。建筑的光伏出力及冷、熱、電負(fù)荷如圖2 所示。分析該算例時(shí)采用分時(shí)電價(jià)，峰時(shí)段（10:00-15:00、18:00-21:00）、谷時(shí)段（23:00-次日6：00）及平時(shí)段（其他時(shí)間）的購(gòu)電價(jià)分別為1.00元/kW·h、0.38 元/kW·h、0.70 元/kW·h；售電價(jià)分別為0.70 元/kW·h、0.25元/kW·h、0.40 元/kW·h。

圖2 內(nèi)部負(fù)荷及光伏出力

3.2 算法結(jié)果的對(duì)比及分析

用兩種算法對(duì)綜合能源系統(tǒng)模型進(jìn)行求解，圖3為兩種算法適應(yīng)度的變化對(duì)比，圖4 為各個(gè)設(shè)備的出力數(shù)據(jù)。

圖3 兩種算法的對(duì)比

圖4 各設(shè)備的出力

從圖3 可以看出，在兩種算法迭代次數(shù)相同（均為1 000 次）的情況下，SAPSO 算法的整體效果要優(yōu)于PSO 算法。盡管基本粒子群算法在前期搜索速度快，但是容易陷入局部極值，從而較早的收斂；而模擬退火粒子群算法能夠跳出局部極值，全局搜索能力更強(qiáng)，收斂的效果優(yōu)于基本粒子群算法。

如圖4 所示，在谷時(shí)段，由于此時(shí)電價(jià)較低，因此向電網(wǎng)買(mǎi)電用于滿足整體電負(fù)荷需求，所以燃?xì)廨啓C(jī)的功率逐漸減小，電鍋爐的功率較大，電制冷機(jī)功率逐漸下降；在峰時(shí)段，電負(fù)荷、冷負(fù)荷需求量整體處于上升趨勢(shì)，并趨近于峰值，所以燃?xì)廨啓C(jī)發(fā)電量逐漸增大，且燃?xì)忮仩t工作在較高功率狀態(tài)；由于燃?xì)廨啓C(jī)處在功率較高的工作狀態(tài)時(shí)，產(chǎn)生的余熱較多，因此溴化鋰吸收式制冷機(jī)功率較高，但仍不能滿足此時(shí)的冷負(fù)荷需求，因此電制冷機(jī)的功率仍然較高，溴化鋰吸收式制冷機(jī)與電制冷機(jī)共同工作以滿足冷負(fù)荷需求。

兩種算法的系統(tǒng)成本如表1 所示。與傳統(tǒng)粒子群算法相比，利用模擬退火粒子群算法得到的系統(tǒng)總成本更低，減少了約5.9%，充分說(shuō)明了該算法的有效性。

表1 兩種算法的成本對(duì)比

4 結(jié)論

文中針對(duì)綜合能源系統(tǒng)能源需求增長(zhǎng)迅速但能源供給結(jié)構(gòu)不合理的問(wèn)題，構(gòu)建包含運(yùn)行費(fèi)用和環(huán)境治理費(fèi)用的目標(biāo)函數(shù)，利用模擬退火粒子群算法對(duì)模型進(jìn)行求解。通過(guò)仿真分析可知，與傳統(tǒng)粒子群算法相比，模擬退火粒子群算法能夠有效減少綜合能源系統(tǒng)在調(diào)度周期內(nèi)的總成本，該模型能夠有效平衡系統(tǒng)的經(jīng)濟(jì)及環(huán)境效益，滿足生產(chǎn)時(shí)的多目標(biāo)需求，為綜合能源系統(tǒng)的規(guī)劃運(yùn)行奠定基礎(chǔ)。但是模擬退火粒子群算法也有著收斂性慢的問(wèn)題，需要更多的迭代次數(shù)，找到最優(yōu)解所需的時(shí)間也更長(zhǎng)，在今后的研究中可以對(duì)此進(jìn)行優(yōu)化。