(安徽三聯(lián)學(xué)院,安徽 合肥 230061)
化石能源短缺以及由化石能源帶來的環(huán)境污染問題,依然困擾人類[1]。冷熱電三聯(lián)供(combined cooling, heating and power,CCHP)系統(tǒng)作為分布式能源的一種,可實現(xiàn)能源的梯級利用,提高系統(tǒng)能源利用效率,具有節(jié)能、環(huán)保的特點。隨著微電網(wǎng)技術(shù)的發(fā)展,CCHP型微電網(wǎng)通過對各分布式電源進(jìn)行整合管理,在提高可再生能源利用效率、減輕環(huán)境污染的基礎(chǔ)上,又保障了系統(tǒng)的穩(wěn)定性[2—4]。而隨著可再生能源的不斷滲透以及負(fù)荷靈活性的提高,源荷不確定性使得CCHP型微電網(wǎng)調(diào)度難度增大。近年來,針對CCHP型微電網(wǎng)優(yōu)化調(diào)度已有較多研究。例如基于調(diào)整微電源出力以及采用儲能設(shè)備補償誤差方法,文獻(xiàn)[5]提出了一種利用確定場景預(yù)測控制方法實時修正功率偏差模型。文獻(xiàn)[6]提出了一種基于模型預(yù)測控制和反饋校正的CCHP型微電網(wǎng)優(yōu)化調(diào)度方法,以補償預(yù)測誤差。文獻(xiàn)[7—9]考慮需求側(cè)管理建立了冷熱電聯(lián)供型微電網(wǎng)優(yōu)化配置模型,其中:文獻(xiàn)[7]通過削減負(fù)荷實現(xiàn)多能協(xié)同,并采用了一種基于模型預(yù)測控制的微電網(wǎng)能量管理算法;文獻(xiàn)[8]考慮包括可平移負(fù)荷和可中斷負(fù)荷管理,并采用混沌粒子群算法對所建立的模型進(jìn)行求解;文獻(xiàn)[9]建立了一種包括基礎(chǔ)負(fù)荷、可平移負(fù)荷、可轉(zhuǎn)移負(fù)荷、可削減負(fù)荷的社區(qū)冷、熱、電三聯(lián)供系統(tǒng), 算例分析驗證了該系統(tǒng)在調(diào)整冷、熱、電負(fù)荷曲線的同時,也有效降低了綜合運行成本。文獻(xiàn)[10]提出了一種基于綜合需求響應(yīng)的源荷協(xié)調(diào)CCHP型微電網(wǎng)優(yōu)化調(diào)度模型,采用典型場景集考慮新能源出力的不確定性,并利用免疫遺傳算法求解,算例分析驗證了該方法能有效降低綜合運行成本,具有一定的經(jīng)濟(jì)及社會價值。文獻(xiàn)[11] 建立了一種含可再生能源預(yù)測的RE-CCHP系統(tǒng)經(jīng)濟(jì)模型,通過改進(jìn)求解算法,分析各機組最優(yōu)配置結(jié)果以及可再生能源滲透率對運行成本的影響。
考慮到負(fù)荷需求存在實時變化的特點,下面提出了一種基于日前初始用電負(fù)荷需求并結(jié)合電價激勵及用戶側(cè)用電舒適度的綜合實時用電需求優(yōu)化模型,實現(xiàn)負(fù)荷從高峰向非高峰轉(zhuǎn)移,并采用了遺傳算法的多目標(biāo)優(yōu)化算法。通過典型日算例分析,證明了實時需求管理模型能使負(fù)荷需求曲線明顯平緩,各微源出力相對均衡,證明了該模型的科學(xué)性和有效性。
系統(tǒng)能源設(shè)備包括光伏電源、風(fēng)力機組、燃料電池、微型燃?xì)廨啓C、燃?xì)忮仩t;系統(tǒng)儲能設(shè)備包括蓄電池、儲熱槽;系統(tǒng)能量轉(zhuǎn)換設(shè)備包括余熱回收及轉(zhuǎn)換裝置、電制冷機、吸收式制冷機[12],如圖1所示。
圖1 冷熱電聯(lián)供型微電網(wǎng)結(jié)構(gòu)
微型燃?xì)廨啓C是分布式電源中最典型的一種,微型燃?xì)廨啓C排放污染氣體量和運行功率成正比,運行功率超出額定功率越多,排放的污染氣體量越大。為了限定微型燃?xì)廨啓C(以下簡稱燃?xì)廨啓C)污染氣體排放量,文中對燃?xì)廨啓C的運行功率進(jìn)行限制[13—14];依據(jù)文獻(xiàn)[15],給出了其較為精確的污染排放量數(shù)據(jù),如表1所示。
表1 微型燃?xì)廨啓C排放特性 單位:g/kWh
Pm(t)=Gm(t)ηmLng
(1)
(2)
式中:Pm(t)為燃?xì)廨啓C發(fā)電功率;Tm(t) 為燃?xì)廨啓C熱出力;Gm(t)為燃?xì)廨啓C燃?xì)庀?;ηm為燃?xì)廨啓C發(fā)電效率;Lng為燃?xì)鉄嶂?,一般?.7 kWh/m3。
燃?xì)廨啓C排出煙氣余熱通過余熱回收裝置收集起來,經(jīng)熱交換裝置轉(zhuǎn)換成熱能供給CCHP型微電網(wǎng)系統(tǒng)的冷、熱負(fù)荷需求,實現(xiàn)能量的梯級利用[11]。
1)余熱功率
Tr(t)=Tm(t)·ηr
(3)
式中,ηr為余熱回收裝置效率。
2)熱交換裝置熱出力
Tex(t)=Texin(t)·ηex
(4)
式中:Texin(t)為熱交換裝置輸入熱功率;ηex為熱交換效率。
當(dāng)余熱回收及轉(zhuǎn)換裝置輸出的熱量不能夠滿足系統(tǒng)熱負(fù)荷需求時,燃?xì)忮仩t作為熱能補充設(shè)備提供能量給熱負(fù)荷[14]。
燃?xì)忮仩t熱出力為
Tbl(t)=Gbl(t)·ηblLng
(5)
式中:Gbl(t)為燃?xì)忮仩t消耗燃?xì)饬浚沪莃l為燃?xì)忮仩t效率。
光伏發(fā)電系統(tǒng)是CCHP型微電網(wǎng)的重要組成部分之一,溫度和太陽光照強度是影響分布式光伏發(fā)電系統(tǒng)的重要因素。
光伏發(fā)電功率為
Pp(t)=а1Pprp(t)·A[1+а2(Ts-Tsic)]
(6)
式中:а1為功率系數(shù),指實際輸出功率與額定條件下輸出功率的比值,一般取0.9;а2為功率溫度系數(shù);Pprp(t)為額定輸出功率;A為電池板實際輻照度;Tsic為標(biāo)準(zhǔn)測試條件下參考溫度,一般取25 ℃;Ts為當(dāng)前電池板表面溫度,可由式(7)求出。
Ts=Ta+0.013 8(1+0.031Ta)(1-0.042vp)·A
(7)
式中:Ta為環(huán)境溫度;vp為風(fēng)速。
風(fēng)力發(fā)電與光伏發(fā)電在時間尺度上具有較為明顯的互補性。夏季太陽能資源豐富,而風(fēng)能資源則較小;冬春季則反之。合理利用這種互補特性,不僅可以減小整體投資成本,更能夠減小儲能系統(tǒng)的負(fù)擔(dān),從而可以一定程度上縮小儲能設(shè)備容量。
由貝茲理論可知,通過風(fēng)輪的最大能量可以表示為
Pw(t)=0.5ρπR2vw3CP
(8)
式中:ρ為空氣密度;R為風(fēng)輪葉片半徑;vw為風(fēng)速;CP為風(fēng)能利用系數(shù),一般取0.593。
目前吸收式制冷機中,溴化鋰制冷機的應(yīng)用最為廣泛。
吸收式制冷機冷出力為
Cac(t)=Tacin(t)·аac
(9)
式中:Tacin(t)為吸收式制冷機輸入熱功率;аac為制冷系數(shù)。
電制冷機的冷出力為
Cec(t)=Pec(t)·аec
(10)
式中:Pec(t)為電制冷機輸入電功率;аec為電制冷系數(shù)。
1)儲熱
余熱回收和熱轉(zhuǎn)換裝置提供的熱能超過系統(tǒng)熱負(fù)荷需求時,采用蓄熱槽儲熱;當(dāng)余熱回收和熱轉(zhuǎn)換裝置提供熱能不足時,首先由蓄熱槽補充熱能。
蓄熱槽存儲熱量為
Ths(t)=(1-σhs)Ths(t-1)+
[ηhscThsc(t)-Thsd(t)/ηhsd]·Δt
(11)
式中:σhs為蓄熱槽能量損耗系數(shù);ηhsc為蓄熱槽蓄熱效率;ηhsd為 蓄熱槽放熱效率;Thsc(t)為t時刻蓄熱槽蓄熱功率;Thsd(t)為t時刻蓄熱槽放熱功率;Δt為時間間隔。
2)儲電
燃?xì)廨啓C和分步式電源(distributed generation,DG)提供的電能超過系統(tǒng)電負(fù)荷及電制冷機需求時,采用蓄電池儲電;當(dāng)系統(tǒng)提供電能不足時,首先由蓄電池補充電能。
蓄電池存儲電量為
Pbt(t)=(1-σbt)Pbt(t-1)+
(12)
式中:σbt為蓄電池能量損耗系數(shù);ηbtc為蓄電池蓄電效率;ηbtd為蓄電池放電效率;Pbtc(t)為t時刻蓄電池蓄電功率;Pbtd(t)為t時刻蓄電池放電功率。
1)總投資成本最小
(13)
式中,Egrid(t)、Eng(t)、Ebt(t)、Erm(t)分別為電網(wǎng)交互成本、天然氣消耗成本、電池老化成本、運維成本。
①天然氣成本
Eng(t)=Enmt(t)+Enbl(t)
(14)
式中:Enmt(t)為燃?xì)廨啓C消耗天然氣成本;Enbl(t)為燃?xì)忮仩t消耗天然氣成本。
②電池老化成本
Ebt(t)=Ebtc(t)+Ebtd(t)
(15)
式中:Ebtc(t)為蓄電池儲電成本;Ebtd(t)為蓄電池放電成本。
③電網(wǎng)交互成本
Egrid(t)=Egridin(t)-Egridout(t)
(16)
式中:Egridin(t)為買電成本;Egridout(t)為賣電收益。
④運維成本
Pw(t)Rwr+Cac(t)Racr+Cec(t)Recr+
[Thsc(t)-Thsd(t)]Rhsr+[Pbtc(t)+
Pbtd(t)]
Rbtr+TR(t)Rrr+Tex(t)Rexr
}·Δt
(17)
式中,Rmtr、Rblr、Rpr、Rwr、Racr、Recr、Rhsr、Rbtr、Rrr、Rexr分別為燃?xì)廨啓C、燃?xì)忮仩t、光伏電池、風(fēng)機、吸收式制冷機、電制冷機、蓄熱槽儲熱放熱、蓄電池充放電、余熱回收裝置和熱交換裝置t時刻出力費用。
2)環(huán)境成本
污染物的排放與燃?xì)廨啓C的出力、燃?xì)忮仩t出力以及電網(wǎng)購電有關(guān),以CO2為例,其排放量為
Qcd=[Nmg(t)βmcd+Nbg(t)βbcd+Ng(t)βgcd]·T
(18)
式中:Nmg(t)、Nbg(t)、Ng(t)分別為燃?xì)廨啓C、燃?xì)忮仩t燃?xì)庑枨笠约半娋W(wǎng)購電需求;βmcd、βbcd、βgcd分別為燃?xì)廨啓C、燃?xì)忮仩t、電網(wǎng)購電CO2排放轉(zhuǎn)換因子;T為整個規(guī)劃周期。
有害氣體處理成本[16]為
(19)
式中:k為污染物的種類;Rk為第k項污染物的處理費用;Qk為第k項污染物的排放量。
1)電平衡
Pm(t)+PP(t)+Pw(t)+Pgin(t)+Pbtd(t)=
Pec(t)+Pl(t)+Pbtc(t)+Pgout(t)
(20)
式中:Pgin(t)為電網(wǎng)購電功率;Pgout(t)為電網(wǎng)回購功率;Pl(t)為電負(fù)荷需求。
2)熱平衡
Tm(t)+Tex(t)+Tbl(t)+Thsd(t)=
Tacin(t)+Thsc(t)+Tl(t)
(21)
式中,Tl(t)為熱負(fù)荷需求。
3)冷平衡
Cec(t)+Cac(t)=Cl(t)
(22)
式中,Cl(t)為冷負(fù)荷需求。
4)設(shè)備平衡約束
①微型燃?xì)廨啓C
Pm,min(t)≤Pm(t) ≤Pm,max
(23)
②光伏電源
0≤Pp(t) ≤Pm,max
(24)
③風(fēng)電機組
0≤Pw(t) ≤Pm,max
(25)
④電網(wǎng)
0≤Pgin(t) ≤Pgin,max,0≤Pgout(t) ≤Pgout,max
(26)
⑤蓄電池
(27)
⑥蓄熱槽
(28)
式(23)—式(28)中:下標(biāo)max、min分別表示對應(yīng)量的最大值、最小值;Xbtc、Xbtd分別為蓄電池充、放電標(biāo)志;Xhsc、Xhsd分別為蓄熱槽充、放熱標(biāo)志。
基于日前負(fù)荷需求曲線,考慮用戶側(cè)用電成本和用電舒適度,建立一種綜合信息價格激勵機制的實時用電需求模型,鼓勵用戶在用電高峰期適量轉(zhuǎn)移部分需求到用電低谷??傆秒娦枨罂杀硎緸?/p>
(29)
式中:Por(t)為t時刻初始用電需求;T為一個管理周期的時間。
實時用電需求為
Prt(t)=Por(t)+Pmv(t)
(30)
式中,Pmv(t)為轉(zhuǎn)移需求。
轉(zhuǎn)移負(fù)荷受到電價影響,假設(shè)將一個管理周期分為i個時間段,用Ni表示,對應(yīng)時間段電價為ri,標(biāo)準(zhǔn)電價為r0,則由負(fù)荷轉(zhuǎn)移引起的電價補償費用為
Rtot(t)=Pmv(t)·(r0-ri)
(31)
其中:
ri=γ·r0
(32)
rimin≤ri≤rimax
γ=Por(t)/Pav(t)
(33)
Pav(t)=Ptot(t)/T
(34)
式中:Pav(t)為平均電負(fù)荷需求;γ為用電需求浮動因子。
參照文獻(xiàn)[17]中的算例參數(shù),并結(jié)合合肥地區(qū)實際情況給出各微電源參數(shù),如表2所示;系統(tǒng)其他參數(shù)如表3所示。
表2 微電源參數(shù)
Kalyanmoy Deb的帶精英策略的快速非支配排序遺傳算法是目前應(yīng)用較為廣泛的一種算法,Matlab提供了基于此種算法的gamultiobj函數(shù),算例分析基于gamultiobj函數(shù),證明了此算法為解決多目標(biāo)優(yōu)化問題提供了良好的分析途徑。
為驗證所建模型及求解算法的有效性,參考文獻(xiàn)[18-19]得到某典型日風(fēng)機及光伏出力曲線如圖2所示,某典型日的冷負(fù)荷、熱負(fù)荷和電負(fù)荷曲線如圖3所示。
圖2 光伏和風(fēng)力出力預(yù)測曲線
各污染物的處理成本如表4所示,各主要發(fā)電方式的污染物排放量如表5所示,某典型日分時段電價如表6所示。
以某典型日24 h為一個調(diào)度周期,調(diào)度時段長1 h。采用遺傳算法的多目標(biāo)優(yōu)化算法進(jìn)行優(yōu)化調(diào)度分析,種群大小設(shè)置為100,最優(yōu)前端個體系數(shù)為0.3,最大進(jìn)化代數(shù)為為200,停止代數(shù)為200,適應(yīng)度函數(shù)值偏差為1×10-100。
表3 系統(tǒng)其他參數(shù)
圖3 典型日冷、熱、電負(fù)荷預(yù)測曲線
表4 主要污染物處理成本單位:元/kg
表5 主要發(fā)電方式污染物排放量 單位:g/kWh
表6 某典型日分時段電價 單位:元/kWh
以某典型日負(fù)荷需求為例,圖4給出了考慮實時需求管理優(yōu)化的第一個前端個體分布情況;圖5—圖10給出了實時用電需求管理的各微源出力情況;圖11給出了綜合考慮實時需求及電價激勵的實時用電需求曲線與初始需求曲線。
圖4 考慮實時需求管理的第一個前端個體分布
圖5 風(fēng)電-光伏出力
圖6 燃?xì)廨啓C出力
圖7 燃?xì)忮仩t出力
圖8 吸收式制冷機出力
圖9 電制冷機出力
圖10 蓄電池、蓄熱槽出力
圖11 某典型日電負(fù)荷需求曲線對比
由圖11可得,通過價格激勵及用電舒適度優(yōu)化,實時用電需求曲線明顯平緩,初始用電高峰適度向非高峰區(qū)域轉(zhuǎn)移。算例表明,考慮實施需求管理優(yōu)化方法各微電源出力較為均衡,能源利用率相對較高。
上面分析了冷熱電聯(lián)供型微電網(wǎng)優(yōu)化現(xiàn)狀,并建立了一個典型的冷熱電微電網(wǎng)優(yōu)化模型,分析了各微電源工作原理及出力特點;提出了一種基于日前初始用電負(fù)荷需求并結(jié)合電價激勵及用戶側(cè)用電舒適度的綜合實時用電需求優(yōu)化模型;采用遺傳算法的多目標(biāo)優(yōu)化算法進(jìn)行優(yōu)化,考慮實時需求管理模式進(jìn)行仿真分析。實際算例證明,考慮實時需求管理優(yōu)化方法使得用電需求曲線明顯平緩,各微電源在各時段處理情況較不考慮實時需求管理時更為均衡,改善了各微電源出力不均衡帶來的資源浪費、能源利用率低等問題。同時,由于在實時需求管理中兼顧用戶側(cè)用電舒適度問題,避免了由于電價激勵帶來的用戶滿意度低的問題。由于所用算例中價格激勵參數(shù)設(shè)置相對簡單,沒有進(jìn)行深入調(diào)研,致使價格激勵帶來的價格補償費用增加,使得總成本相較不考慮實時用電需求管理模型稍有增加。