地?zé)?氫綜合能源系統(tǒng)的雙層優(yōu)化模型

王 婷，韓慧玉

（華北電力大學(xué) 經(jīng)濟(jì)管理系，河北 保定 071003）

0 引言

氫能是一種清潔、高效的可再生能源。氫能的利用，被認(rèn)為是實現(xiàn)低碳目標(biāo)的關(guān)鍵路徑之一[1]。目前，獲取氫能的主要方式為電解水制氫。然而，較高的電價降低了制氫的經(jīng)濟(jì)性[2]，阻礙了氫能對傳統(tǒng)化石能源的替代。

以新能源為制氫生產(chǎn)動力源，可有效降低制氫成本，進(jìn)而可以促進(jìn)能源利用趨勢由化石能源向以新能源轉(zhuǎn)變。

關(guān)于可再生能源與氫能集成生產(chǎn)，目前已有學(xué)者開展了相關(guān)研究。文獻(xiàn)[3]針對風(fēng)電出力隨機(jī)性所導(dǎo)致的電網(wǎng)調(diào)度能力下降問題，提出了一種基于電轉(zhuǎn)氫、電轉(zhuǎn)熱、氫轉(zhuǎn)電、氫轉(zhuǎn)熱的多源聯(lián)合微能源網(wǎng)模型，并以系統(tǒng)運(yùn)行成本及棄風(fēng)量最小化為目標(biāo)進(jìn)行了模型優(yōu)化。文獻(xiàn)[4]為解決源、荷隨機(jī)性波動引起的綜合能源生產(chǎn)單元運(yùn)行調(diào)度及容量配置問題，提出了一種2階段隨機(jī)優(yōu)化方法。上述研究旨在解決風(fēng)能及太陽能發(fā)電的不確定性問題。目前，對集成地?zé)崮?、氫能系統(tǒng)的優(yōu)化問題進(jìn)行討論的文獻(xiàn)很少。

針對可再生能源-氫能系統(tǒng)聯(lián)合運(yùn)行，文獻(xiàn)[5]驗證了發(fā)電制氫機(jī)組的靈活性對于可再生能源功率削減的重要作用。為提高水資源的利用率、解決目前水電站所面臨的“棄水”問題，文獻(xiàn)[6]對水電站的制氫系統(tǒng)進(jìn)行了優(yōu)化。為實現(xiàn)智能電網(wǎng)的最優(yōu)電力調(diào)度，文獻(xiàn)[7]開發(fā)了一種改進(jìn)的模型控制方案，提高了風(fēng)電利用率。上述相關(guān)文獻(xiàn)的研究角度，大多集中于將氫儲能納入可再生能源系統(tǒng)后的環(huán)境及資源效益方面。目前，從能源、社會、環(huán)境、經(jīng)濟(jì)等方面綜合分析可再生能源-氫能系統(tǒng)效益的相關(guān)文獻(xiàn)比較少。

對于建立之初的綜合能源系統(tǒng)，其優(yōu)化方法方面的研究對提高系統(tǒng)性能具有重要意義。為適應(yīng)風(fēng)電和光伏等分布式電源接入的場景，文獻(xiàn)[8]提出了一種考慮供能可靠性的電-氣綜合能源系統(tǒng)規(guī)劃方法，并通過混合整數(shù)線性規(guī)劃方法進(jìn)行求解。為確定綜合能源系統(tǒng)中能源設(shè)備類型和容量的最優(yōu)配置，文獻(xiàn)[9]提出了一種考慮電、熱、氣耦合的綜合能源系統(tǒng)設(shè)備選型及容量規(guī)劃方法。文獻(xiàn)[10]采用“經(jīng)濟(jì)最優(yōu)”運(yùn)行策略，建立了綜合能源系統(tǒng)經(jīng)濟(jì)性運(yùn)行的優(yōu)化模型；引入多元儲能系統(tǒng)，以最小運(yùn)行成本為目標(biāo)；用改進(jìn)群搜索優(yōu)化算法求解了經(jīng)濟(jì)運(yùn)行的優(yōu)化問題。上述研究主要涉及綜合能源系統(tǒng)設(shè)備選型、容量配置或運(yùn)行策略的單一優(yōu)化，并未考慮系統(tǒng)規(guī)劃與運(yùn)行控制的緊密關(guān)聯(lián)性。

僅單一考慮系統(tǒng)規(guī)劃而未考慮設(shè)備的運(yùn)行調(diào)度，會降低系統(tǒng)運(yùn)行經(jīng)濟(jì)性及可靠性；僅研究系統(tǒng)運(yùn)行優(yōu)化，則設(shè)備配置的不合理可能會增加系統(tǒng)建設(shè)成本，且不利于保障系統(tǒng)的穩(wěn)健性。

近年來，2階段規(guī)劃方法的研究與應(yīng)用逐漸受到學(xué)者重視。2階段規(guī)劃方法克服了單一規(guī)劃方法的缺點(diǎn)，綜合考慮了系統(tǒng)的規(guī)劃策略和經(jīng)濟(jì)運(yùn)行計劃，從而降低了系統(tǒng)總成本并提高了設(shè)備平均年利用率。文獻(xiàn)[11]提出了一種混合整數(shù)非線性規(guī)劃-運(yùn)行2階段優(yōu)化模型——在規(guī)劃階段進(jìn)行設(shè)備類型選擇及容量配置，并為運(yùn)行階段提供安全約束；隨后制定運(yùn)行階段的經(jīng)濟(jì)調(diào)度計劃。仿真結(jié)果表明，所提規(guī)劃-運(yùn)行2階段優(yōu)化方法能夠有效降低系統(tǒng)建設(shè)及運(yùn)行成本。

本研究構(gòu)建了一種集成地?zé)岚l(fā)電（制熱）、電制氫、氫儲的地?zé)?氫綜合能源系統(tǒng)。系統(tǒng)設(shè)計的目標(biāo)在于：借助地?zé)岚l(fā)電成本較低的優(yōu)勢[12]，提高電制氫的經(jīng)濟(jì)性；借助氫能易存儲、運(yùn)輸[13]等特點(diǎn)，為地?zé)崮艿挠行Ю锰峁┬碌目尚型緩剑辉诙嗄荞詈侠玫倪^程中，實現(xiàn)二氧化碳“近零”排放。

1 綜合能源系統(tǒng)結(jié)構(gòu)

如圖1所示，電-氫-熱聯(lián)供綜合能源系統(tǒng)由能量負(fù)荷、能量轉(zhuǎn)換裝置及能量儲存裝置組成，主要包括地?zé)犭姀S、制氫設(shè)備、儲氫裝置、燃料電池以及熱、電、氫負(fù)荷。在該系統(tǒng)中，從地?zé)峋谐槿〉牡責(zé)嵴羝c地?zé)崴謩e用來發(fā)電、供熱。當(dāng)所發(fā)電量無法滿足當(dāng)?shù)刎?fù)荷需求時，燃料電池供能；當(dāng)發(fā)電量超出當(dāng)?shù)刎?fù)荷需求時，電解水制氫設(shè)備開始運(yùn)行。地?zé)犭姀S所生產(chǎn)的電能可以氫的方式進(jìn)行儲存；所存儲的氫，可以供給燃料電池用于發(fā)電或銷售。

圖1 地?zé)?氫綜合能源系統(tǒng)結(jié)構(gòu)Fig. 1 Geothermal - hydrogen integrated energy system structure

2 雙層優(yōu)化模型

對于地?zé)?氫綜合能源系統(tǒng)，在滿足本地負(fù)荷需求的基礎(chǔ)上制定合理的建設(shè)及運(yùn)營計劃至關(guān)重要。作為區(qū)域供熱系統(tǒng)的一個重要部分，系統(tǒng)的調(diào)度策略勢必呈現(xiàn)出明顯的季節(jié)特征。因此，實現(xiàn)能源有效互補(bǔ)利用、保持電力穩(wěn)定供應(yīng)，是地?zé)?氫綜合能源系統(tǒng)的關(guān)鍵問題。

2.1 目標(biāo)函數(shù)

（1）建設(shè)規(guī)劃

模型的上層旨在最大程度降低系統(tǒng)的總投資成本。

式中：CGE、CHP、CHS、CHE分別為地?zé)釤犭娐?lián)產(chǎn)裝置、制氫設(shè)備、儲氫裝置以及燃料電池的建設(shè)和運(yùn)營成本的年凈值；UGE為地?zé)岚l(fā)電裝置的額定容量；為地?zé)岚l(fā)電裝置單位容量的建設(shè)和運(yùn)營成本；UHP為制氫設(shè)備的額定功率；為制氫設(shè)備單位功率的建設(shè)及運(yùn)營成本；UHS為儲氫裝置的額定容量；為儲氫裝置單位容量的建設(shè)和運(yùn)營成本；UHE為燃料電池的額定功率；為燃料電池單位功率的建設(shè)及運(yùn)營成本。

（2）運(yùn)營優(yōu)化

模型的下層旨在最大程度降低每日運(yùn)行過程中的負(fù)荷損失。

式中：PL為日總負(fù)荷損失；π為單位負(fù)荷損失的懲罰成本；Pe,t為每一時刻區(qū)域的負(fù)荷；PH,t為制氫的用電量；PG,t為地?zé)犭姀S的發(fā)電量；PF,t為燃料電池的發(fā)電量。

2.2 約束條件

（1）發(fā)電設(shè)備約束

地?zé)犭姀S的發(fā)電、產(chǎn)熱量取決于每一時刻的地?zé)崴髁?。用于發(fā)電的水流量不能超過此時的水流量[14]。地?zé)犭姀S出力與地?zé)崴髁块g的對應(yīng)關(guān)系為：

式中：QG,t為t時刻地?zé)犭姀S產(chǎn)熱量；G為每一時刻地?zé)崃黧w水流量；J為地?zé)崃黧w比熱容；tg為地?zé)峋鏊疁囟?；th為地?zé)峋菜疁囟龋籊min、Gmax分別為每一時刻地?zé)崃黧w水流量的最小與最大值；β為熱電比[15]；UGE為地?zé)岚l(fā)電設(shè)備額定功率。

（2）制氫設(shè)備約束

式中：HP,t為t時刻制氫設(shè)備的制氫量；θ為制氫設(shè)備效率系數(shù)；PH,t為t時刻用于制氫的功率；UHP為設(shè)備功率上限。

（3）燃料電池約束

式中：PF,t為t時刻燃料電池發(fā)電量；λ為燃料電池發(fā)電系數(shù)；HF,t為t時刻用于發(fā)電的氫量；UHE表示燃料電池的額定功率；UHS為氫儲設(shè)備的額定功率。

（4）儲氫設(shè)備約束

特定時間的儲氫量等于制氫中的所有氫氣產(chǎn)量與燃料電池氫消耗量之間的差額。

（5）能量平衡約束

2.3 模型對比分析

若采用單層目標(biāo)優(yōu)化方法，則總目標(biāo)函數(shù)為：

此時系統(tǒng)的總成本包括不同設(shè)備的建設(shè)及運(yùn)營成本以及負(fù)荷損失成本。

單層目標(biāo)優(yōu)化方法下，設(shè)備容量值是基于設(shè)備預(yù)定運(yùn)行策略的[16]；所以，其優(yōu)化目標(biāo)為——在設(shè)定的容量配置策略下，最小化系統(tǒng)的負(fù)荷損失。相較于2階段規(guī)劃-運(yùn)行目標(biāo)優(yōu)化，此類方法無法根據(jù)實際的負(fù)荷需要選擇合理的設(shè)備容量，易導(dǎo)致設(shè)備容量配置過大或過小。

2階段目標(biāo)優(yōu)化方法的優(yōu)點(diǎn)是，通過規(guī)劃與運(yùn)行階段相互作用、不斷循環(huán)，可以找出系統(tǒng)的最優(yōu)容量配置，進(jìn)而同時降低系統(tǒng)的建設(shè)及運(yùn)營成本。

3 雙層優(yōu)化算法

3.1 多目標(biāo)遺傳算法

在使用多目標(biāo)優(yōu)化方法解決實際工程應(yīng)用問題時，通常不存在“用一個解決方案同時實現(xiàn)所有目標(biāo)”的情況，而是需要找到一個Pareto最優(yōu)解集，即最優(yōu)解在理論上是最優(yōu)的，并且具有最好的逼近性和均勻性。多目標(biāo)遺傳算法對于此類問題具有良好的可解性。

非劣遺傳算法NSGA-II是具代表性的遺傳算法之一。該方法采用快速非支配排序算子降低計算復(fù)雜度，用精英策略防止最佳個體遺失，用擁擠度比較算子優(yōu)化種群多樣性[17]。對于一些具有許多局部最優(yōu)值的多目標(biāo)優(yōu)化問題，由于種群傾向于收斂到局部最優(yōu)位置，所以這種方法的缺點(diǎn)是種群多樣性可能較差。同時，該算法對于種群規(guī)模的要求較高，可能導(dǎo)致運(yùn)算時間較長、優(yōu)化效率不高。

3.2 改進(jìn)的非劣類遺傳算法NSGA-II

為提高運(yùn)算效率、保證解的多樣性，本文對非劣類遺傳算法 NSGA-II進(jìn)行改進(jìn)——對選擇算子和精英搜索策略進(jìn)行修飾，并將其引入NSGA-II中。

（1）改進(jìn)的選擇算子

在種群選擇的過程中，采用平均距離聚類。

若種群P的規(guī)模為n，對于第j個目標(biāo)函數(shù)，其平均距離為：

式中：V為小種群的個體數(shù)量；uj,max、uj,min分別為第i個目標(biāo)函數(shù)的最大、最小值。

使用此方法需依據(jù)不同個體的支配關(guān)系進(jìn)行選擇。若 Xi、Xj間存在支配關(guān)系，則需依據(jù)兩者的擁擠度判斷個體的優(yōu)劣；若不存在支配關(guān)系，則選擇種群中個體數(shù)目較少者。

（2）改進(jìn)的精英保留策略

個體的選取規(guī)則為：

式中：ni為第i層級中選取個體的數(shù)目；k為此種群中非支配層級的最大值；i為選取個體層級數(shù)目的編號。

（3）具體運(yùn)算步驟

步驟 1：隨機(jī)生成初始種群 P0，其樣本規(guī)模為n。

步驟2：進(jìn)行非支配排序并測算擁擠度。

步驟3：利用改進(jìn)的選擇算子選出n個不同的個體。

步驟4：交叉變異并產(chǎn)生子代種群Q0。

步驟5：將P0、Q0合并整理并形成規(guī)模為2n的種群Pt。

步驟 6：利用精英保留策略，在 Pt中選出 n個個體形成新的父代種群Rt。

步驟 7：根據(jù)迭代次數(shù)判斷——結(jié)束或轉(zhuǎn)至步驟2。

3.3 雙層優(yōu)化算法

根據(jù)本研究提出的雙層優(yōu)化模型，設(shè)計了一種雙層優(yōu)化求解方法：采用改進(jìn)的非劣類遺傳算法來求解上層規(guī)劃模型[18]，利用 MILP工具箱來求解下層運(yùn)行優(yōu)化問題。

將經(jīng)上層優(yōu)化得到的各設(shè)備最優(yōu)容量配置結(jié)果作為下層優(yōu)化的輸入?yún)?shù)。下層接收上層的規(guī)劃動作，使用優(yōu)化方法找到最佳運(yùn)行動作并將其返回到上層。通過相互作用、不斷循環(huán)直至最優(yōu)，進(jìn)而實現(xiàn)系統(tǒng)的最優(yōu)配置。該算法的優(yōu)化流程如圖2所示。

圖2 雙層優(yōu)化求解流程Fig. 2 Two-layer optimization solution process

（1）上層規(guī)劃階段

上層優(yōu)化的目標(biāo)是得到系統(tǒng)的最優(yōu)容量配置方案。規(guī)劃階段以最小化系統(tǒng)的建設(shè)和運(yùn)營成本為目標(biāo)。通過多目標(biāo)遺傳算法得出最優(yōu)的 Parero解集，并從中選取多組典型最優(yōu)解，進(jìn)而得出多組典型最優(yōu)解對應(yīng)的容量配置方案。

（2）下層優(yōu)化階段

下層優(yōu)化階段以系統(tǒng)功率平衡和設(shè)備運(yùn)行狀態(tài)作為約束條件，以最小化系統(tǒng)的負(fù)荷損失為約束目標(biāo)。針對上層規(guī)劃階段選擇的多組配置方案進(jìn)行優(yōu)化，得出系統(tǒng)多種規(guī)劃方案的運(yùn)行結(jié)果。

（3）規(guī)劃決策階段

通過比較各組優(yōu)化方案的運(yùn)行成本、負(fù)荷損失、能源利用率等因素，對上層規(guī)劃方案進(jìn)行比選，最終確定系統(tǒng)經(jīng)濟(jì)效益與環(huán)境效益最大化時的最佳容量配置方案。

4 算例分析

4.1 數(shù)據(jù)描述

結(jié)合如圖1所示的地?zé)?氫綜合能源系統(tǒng)進(jìn)行了數(shù)值實驗。

表 1根據(jù)文獻(xiàn)[2]、文獻(xiàn)[19]列出了系統(tǒng)中相關(guān)設(shè)備的參數(shù)。

表1 地?zé)?氫綜合能源系統(tǒng)設(shè)備相關(guān)參數(shù)Tab. 1 Related parameters of geothermal-hydrogen integrated energy system equipment

分析計算時，考慮了高負(fù)荷與低負(fù)荷2種運(yùn)行工況，如圖3（a）所示。同時，根據(jù)文獻(xiàn)[20]，以夏季和冬季2個典型日為研究對象。這2個典型日的預(yù)期供熱需求如圖3（b）所示。

圖3 典型電負(fù)荷與熱需求日曲線Fig. 3 Daily curve of load and heat demand in typical scenarios

設(shè)計了4種典型尋優(yōu)場景：夏季高負(fù)荷、夏季低負(fù)荷、冬季高負(fù)荷、冬季低負(fù)荷。

實時電價如圖4所示。計算時，懲罰電價設(shè)為實時電價的100倍。

圖4 分時電價曲線Fig. 4 Electric price in different periods

4.2 各場景仿真結(jié)果

仿真實驗的假設(shè)條件：（1）在每種場景下，電解裝置產(chǎn)生的多余氫氣可以銷往氫市場。（2）若產(chǎn)生了負(fù)荷損失，則會受到相應(yīng)的懲罰。

使用本文設(shè)計的雙層優(yōu)化算法求解，得出在4種場景下，地?zé)岚l(fā)電設(shè)備的容量為4.320 MW，儲氫裝置的容量為5.492×103m3，燃料電池的容量為1.780 MW，電解電池的容量為1.680 MW。

（1）夏季低負(fù)荷場景

該場景下，每個單元的輸出及氫量狀態(tài)如圖5所示。

圖5 夏季低負(fù)荷場景下的各設(shè)備輸出及氫量變化Fig. 5 Equipment output and hydrogen variation under low load scenarios in summer

由圖5（a）可以看出，當(dāng)負(fù)荷需求低于地?zé)岚l(fā)電的輸出時，制氫設(shè)備開始電解水的過程。該過程持續(xù)到地?zé)岚l(fā)電與負(fù)荷需求相等為止。當(dāng)?shù)責(zé)岚l(fā)電量低于負(fù)荷需求時，燃料電池對系統(tǒng)進(jìn)行了功率補(bǔ)充。制氫設(shè)備非運(yùn)行時段為8:00—23:00，其生產(chǎn)力受地?zé)岚l(fā)電量的制約。9:00—13:00，燃料電池開始消耗氫氣，總體的儲氫量開始下降。13:00—15:00，由于此時段負(fù)荷需求降低，制氫裝置開始運(yùn)轉(zhuǎn)，此時儲氫量逐漸提高。16:00—22:00，燃料電池開始持續(xù)發(fā)電，儲氫量進(jìn)一步降低，但總體的氫儲量始終為正。

從圖5（b）可以看出，夏季低負(fù)荷場景中的氫量能夠始終滿足燃料電池的需求，同時有剩余銷往氫市場。制氫設(shè)備的容量在3:00時達(dá)到峰值——此時負(fù)荷較低；燃料電池發(fā)電量在 21:00達(dá)到峰值——此時負(fù)荷達(dá)到頂峰。

（2）冬季高負(fù)荷

圖6示出了冬季高負(fù)荷場景下，不同設(shè)備的輸出及氫量狀態(tài)。該場景與夏季低負(fù)荷場景類似。從圖6（a）可以看出，在冬季，由于區(qū)域熱需求達(dá)到峰值，因此地?zé)犭姀S的發(fā)電量也較高。在高負(fù)荷期間，地?zé)岚l(fā)電的過剩輸出未達(dá)到制氫設(shè)施的容量上限。在這種情況下，過剩的電力可以最大程度地在設(shè)備容量范圍內(nèi)制氫，從而提升系統(tǒng)的經(jīng)濟(jì)效益。從圖6（b）可以看出，與夏季低負(fù)荷場景相比，冬季高負(fù)荷場景下的儲氫量較高。這是由于冬季高負(fù)荷場景下可用于制氫的電能更多，熱需求的增加幅度明顯高于電負(fù)荷的增加幅度。

圖6 冬季高負(fù)荷場景下的各設(shè)備輸出及氫量變化Fig. 6 Equipment output and hydrogen variation under high load scenarios in winter

（3）冬季低負(fù)荷

如圖7所示，在冬季低負(fù)荷場景下：地?zé)岚l(fā)電量較為充足，僅地?zé)岚l(fā)電就可滿足負(fù)荷要求；燃料電池幾乎不運(yùn)轉(zhuǎn)；制氫設(shè)備持續(xù)工作，氫儲量呈上升趨勢。

圖7 冬季低負(fù)荷場景下的各設(shè)備輸出及氫量變化Fig. 7 Equipment output and hydrogen variation under low load scenarios in winter

（4）夏季高負(fù)荷

圖8示出了夏季高負(fù)荷場景下，不同設(shè)備的輸出狀態(tài)及氫量變化。3:00—5:00，地?zé)嵫b置的發(fā)電量高于負(fù)荷，制氫設(shè)備開始工作。在其余時間段，發(fā)電量遠(yuǎn)不能滿足負(fù)載的要求，燃料電池不斷發(fā)電，氫儲量始終為負(fù)值，因此：該場景中存在負(fù)荷損失。

圖8 夏季高負(fù)荷場景下的各設(shè)備輸出及氫量變化Fig. 8 Equipment output and hydrogen variation under high load scenarios in summer

4.3 模型對比分析

為了更好地驗證所提出優(yōu)化模型及策略的有效性，將單目標(biāo)優(yōu)化策略與規(guī)劃-運(yùn)行2階段目標(biāo)優(yōu)化模型進(jìn)行對比，同時對改進(jìn)的非劣性遺傳算法的優(yōu)化性能進(jìn)行分析。

不同優(yōu)化模型下，設(shè)備的裝機(jī)容量優(yōu)化結(jié)果如表2所示。

表2 不同優(yōu)化模型下的設(shè)備容量配置結(jié)果Tab. 2 Device capacity allocation results under different optimization models MW

從表2結(jié)果可以看出，對于單目標(biāo)優(yōu)化模型，地?zé)?氫綜合能源系統(tǒng)的設(shè)備容量取決于預(yù)先定義的配置策略，并未進(jìn)行優(yōu)化。在相同的負(fù)荷需求下，單層優(yōu)化方法的儲氫裝置容量值受到預(yù)先設(shè)定值——3 MW的限制；這樣可能會導(dǎo)致在冬季低負(fù)荷場景下，系統(tǒng)無法存儲更多的氫氣。2階段目標(biāo)優(yōu)化方法對于氫容量選擇了更為合適的5.493 MW，減少了氫能的損失。

同時，從表2可以看到，燃料電池的預(yù)先設(shè)定容量偏大，這將導(dǎo)致系統(tǒng)的投資成本增加。經(jīng)計算，單層優(yōu)化模型的總投資成本7.112×107元，而2階段規(guī)劃-運(yùn)行優(yōu)化模型的投資成本為6.069×107元，比單目標(biāo)優(yōu)化模型節(jié)省了1.043×107元。

綜上，對于2階段目標(biāo)優(yōu)化模型，其規(guī)劃階段的配置結(jié)果能為運(yùn)行階段提供合理運(yùn)行邊界，可以在保障系統(tǒng)安全運(yùn)行的同時有效降低建設(shè)成本。

圖9示出了NSGA-II算法與改進(jìn)的NSGA-II算法在不同種群個數(shù)下的計算時間。從圖 9可以看出，改進(jìn)后的 NSGA-II算法相較于之前的計算效率有了較大提升。當(dāng)群體大小為300時，改進(jìn)的非劣遺傳算法的時間復(fù)雜度僅為原來的NSGA-II的32%。

圖9 NSGA-II算法改進(jìn)前后的計算時間比較Fig. 9 Comparison of computational time before and after the improvement of the NSGA-II algorithm

4.4 模型的收益驗證

從日負(fù)荷損失、制氫成本、氫銷售收入、碳排放量4個方面討論集成地?zé)崮?、氫能所帶來的收益?/p>

在不同場景下，將地?zé)?氫綜合能源系統(tǒng)與單一地?zé)岚l(fā)電系統(tǒng)、購電制氫系統(tǒng)進(jìn)行對比，結(jié)果如表3所示。

表3 不同場景下的各系統(tǒng)日負(fù)荷損失Tab. 3 Daily load loss of each system in different scenarios MW

（1）日負(fù)荷損失

由于地?zé)犭姀S地處偏僻，無法連接上級能網(wǎng)，所以地?zé)?氫綜合能源系統(tǒng)的一個重要目標(biāo)是保持電力供應(yīng)穩(wěn)定、最大程度降低負(fù)荷損失。

表3示出了各系統(tǒng)在不同場景下的日負(fù)荷損失。從表3可以看出：由于沒有儲能設(shè)施，單一地?zé)岚l(fā)電系統(tǒng)除在冬季低負(fù)荷場景下運(yùn)行不存在負(fù)荷損失外，在其余場景下運(yùn)行均會產(chǎn)生日負(fù)荷損失。在地?zé)岚l(fā)電量與負(fù)荷之間差值較小時（夏季低負(fù)荷、冬季高負(fù)荷），系統(tǒng)負(fù)荷損失較小；在夏季高負(fù)荷場景下，差值較大，系統(tǒng)負(fù)荷損失也最高，日均負(fù)荷損失達(dá)到5.560 MW。

由于購電制氫系統(tǒng)可以連接上級能網(wǎng)，可以從電力市場購電，因此在任何場景下都不存在負(fù)荷損失。現(xiàn)實中，由于從電力市場購入的電能大部分由火電提供，這不可避免的會導(dǎo)致碳排放。此外，由于地?zé)崮馨l(fā)達(dá)的地區(qū)一般都比較偏遠(yuǎn)，長距離輸送電能勢必會導(dǎo)致功率損耗增加。

地?zé)?氫綜合能源系統(tǒng)只在夏季高負(fù)荷時期的運(yùn)行日內(nèi)產(chǎn)生負(fù)荷損失，日均負(fù)荷損失為3.993 MW。在夏季高負(fù)荷時期，地?zé)岚l(fā)電量與負(fù)荷差距較大，制氫量無法滿足燃料電池的發(fā)電要求。但相較于單一地?zé)岚l(fā)電系統(tǒng)，地?zé)?氫綜合能源系統(tǒng)最大程度地降低了負(fù)載損失，同時較為清潔。

在懲罰電價設(shè)置為實時電價100倍的情況下，單一地?zé)岚l(fā)電系統(tǒng)年負(fù)荷損失成本為108元。相比之下，地?zé)?氫綜合能源系統(tǒng)損失為7.180×107元，在很大程度上降低了因停電所造成的經(jīng)濟(jì)損失。

（2）制氫成本

表4示出了不同場景下2個系統(tǒng)的單日制氫成本。購電制氫成本約為2.72元/kW·h[21]。由于地?zé)崮茌^為穩(wěn)定，相較于購電制氫系統(tǒng)而言，地?zé)?氫綜合能源系統(tǒng)的成本較低，約為0.969元/kW·h[22]。

表4 不同場景下系統(tǒng)的日制氫成本Tab. 4 The hydrogen production cost of the system in different scenarios 元

（3）氫銷售收入

計氫市場售價為10元/kg[23]。表5示出了不同場景下系統(tǒng)的售氫收益。

表5 不同場景下日銷售氫氣的收入Tab. 5 Revenue from hydrogen sales in different scenarios 元

單一地?zé)岚l(fā)電系統(tǒng)中不存在售氫收益。由表5可知，購電制氫系統(tǒng)與地?zé)?氫綜合能源系統(tǒng)的年售氫收益分別為1.747 43×105元與1.339 55×105元。地?zé)?氫綜合能源系統(tǒng)售氫收益少于購電制氫系統(tǒng)，原因在于購電制氫系統(tǒng)不存在消耗氫氣的燃料電池；但由于購電制氫系統(tǒng)運(yùn)行成本較高，所以綜合考慮，地?zé)?氫綜合能源系統(tǒng)經(jīng)濟(jì)性更高。

（4）碳排放量

計每kW·h電能對應(yīng)的碳排放量為0.75 kg[24]。

表6示出了不同場景下購電制氫系統(tǒng)的日碳排放量計算結(jié)果。從表6數(shù)據(jù)可以看出，與購電制氫系統(tǒng)相比，地?zé)?氫綜合能源系統(tǒng)可以達(dá)到清潔、低碳的效果。

表6 不同場景下的日碳排放量Tab. 6 Daily carbon emissions in different scenarios kg

通過確定氫氣的銷售收入與節(jié)省的負(fù)荷損失成本之和來計算投資回收期。系統(tǒng)的投資成本主要包括每臺設(shè)備的成本（見表1）。經(jīng)計算，系統(tǒng)的總投資成本為6.069×107元，減少負(fù)荷損失的年成本為2.820×107元，氫氣銷售年收入為1.339 55×105元，投資回收期為2.14 a。

綜上所述，集成地?zé)崮堋淠芸梢允褂镁C合能源系統(tǒng)最大程度地降低的日負(fù)荷損失，保持電力系統(tǒng)穩(wěn)定，同時可以達(dá)到節(jié)約成本、節(jié)能減排、提高系統(tǒng)收益等效果。

4.5 敏感性分析

為研究不同價格對投資可行性的影響，對懲罰性電價進(jìn)行敏感性分析。

表7 懲罰電價的敏感性分析Tab. 7 Sensitivity analysis of penalty electricity price

5 結(jié)論

本文構(gòu)建了一個地?zé)?氫綜合能源系統(tǒng)并針對該系統(tǒng)設(shè)計了2階段規(guī)劃與優(yōu)化模型。

仿真計算結(jié)果表明：一方面，建立地?zé)?氫綜合能源系統(tǒng)是科學(xué)合理的，可以獲得較高的經(jīng)濟(jì)效益與環(huán)境效益，具有較高的投資價值。另一方面，與單層優(yōu)化模型相比，本文所設(shè)計的2階段規(guī)劃-運(yùn)行優(yōu)化模型有助于找出系統(tǒng)最優(yōu)容量配置、降低系統(tǒng)的建設(shè)及運(yùn)營成本。同時，利用改進(jìn)的非劣類遺傳算法可降低模型的計算復(fù)雜度，提高運(yùn)行效率。