基于多能源需求響應(yīng)的綜合能源系統(tǒng)動(dòng)態(tài)優(yōu)化控制研究

張娜，王歡，宋坤，程孟增，張明理，葉鵬

(1.遼寧省電力有限公司經(jīng)濟(jì)技術(shù)研究院， 沈陽 110015； 2.沈陽工程學(xué)院 電力學(xué)院， 沈陽 110136)

0 引 言

能源問題是支撐人類社會(huì)可持續(xù)發(fā)展的核心問題，伴隨著風(fēng)、光等可再生能源技術(shù)的迅猛發(fā)展，源端與荷端的能源多樣化促使能源系統(tǒng)進(jìn)一步耦合，打破原有各能源供用系統(tǒng)單獨(dú)規(guī)劃、單獨(dú)設(shè)計(jì)和獨(dú)立運(yùn)行的既有模式，綜合能源系統(tǒng)(Integrated Energy System，IES)應(yīng)運(yùn)而生[1-3]。

IES是以電力為核心，融合燃?xì)狻崃Φ榷喾N能源，以實(shí)現(xiàn)能源高效利用與可再生能源消納為目的，有機(jī)協(xié)同能源生產(chǎn)、輸配、利用等環(huán)節(jié)的一體化能源服務(wù)系統(tǒng)，其供能子系統(tǒng)的高度耦合，可以有效減少化石能源消耗，實(shí)現(xiàn)社會(huì)用能效率最優(yōu)，是構(gòu)建未來低碳生活的重要途徑[4-6]。在綜合能源的網(wǎng)絡(luò)架構(gòu)下，IDR利用電能、天然氣等不同能源間的耦合特性，通過削減、轉(zhuǎn)移用能負(fù)荷來參與DR，并可兼顧用戶的滿意度與舒適度[7-8]。與DR相比，在不同價(jià)格方案下，實(shí)施IDR的效果明顯不同，其削峰填谷效果更明顯、用戶滿意度與舒適度更高[9-11]。

目前國(guó)內(nèi)外學(xué)者針對(duì)DR在IES中的應(yīng)用展開了大量研究。文獻(xiàn)[12]建立了電價(jià)激勵(lì)型需求響應(yīng)(PBDR)總規(guī)劃成本碳排放最小的雙目標(biāo)優(yōu)化模型，對(duì)計(jì)及DR計(jì)劃的區(qū)域IES容量配置的經(jīng)濟(jì)、環(huán)境效益進(jìn)行了綜合評(píng)估分析，并應(yīng)用價(jià)格需求彈性系數(shù)進(jìn)行用電負(fù)荷曲線修正；文獻(xiàn)[13]針對(duì)面向DR的儲(chǔ)能設(shè)備控制問題，基于模型預(yù)測(cè)控制，建立了相應(yīng)的儲(chǔ)能需求關(guān)系模型，利用遺傳算法提出了控制優(yōu)化的求解方法；文獻(xiàn)[14]研究了園區(qū)IES在考慮DR時(shí)的運(yùn)行優(yōu)化調(diào)控，構(gòu)建了園區(qū)IES的整體框架，并確定了能源供應(yīng)商、園區(qū)運(yùn)營(yíng)商、園區(qū)用戶主從博弈的分析方法；文獻(xiàn)[15]提出一種考慮DR及動(dòng)態(tài)天然氣潮流的“電-氣”IES優(yōu)化調(diào)度新模型；文獻(xiàn)[16]建立了包含風(fēng)電、光伏、燃?xì)廨啓C(jī)以及電熱負(fù)荷等構(gòu)成的熱電聯(lián)供園區(qū)微網(wǎng)模型。綜上所述，IDS作為一個(gè)最新的概念，其研究成果還未形成完整的體系，建模較為粗糙，缺少精細(xì)化的建模描述，對(duì)用戶側(cè)的可調(diào)資源挖掘不夠，應(yīng)用場(chǎng)景較單一。

文中提出考慮多能源需求響應(yīng)下的綜合能源系統(tǒng)動(dòng)態(tài)優(yōu)化控制方法。依據(jù)電力需求和價(jià)格彈性理論，綜合考慮了能源價(jià)格對(duì)電力、天然氣等能源消耗量的影響，構(gòu)建了多元化用能價(jià)格需求響應(yīng)模型；以經(jīng)濟(jì)和環(huán)境成本最小為目標(biāo)，建立了基于DR機(jī)制的IES多目標(biāo)動(dòng)態(tài)運(yùn)行優(yōu)化模型，并采用HP-NSGA-Ⅱ算法進(jìn)行求解，為推動(dòng)綜合能源互聯(lián)網(wǎng)向有利于促進(jìn)分布式新能源消納的方向發(fā)展提供了有效參考依據(jù)。

1 IES的結(jié)構(gòu)

IES不同子系統(tǒng)間存在密切的互補(bǔ)和轉(zhuǎn)換關(guān)系，子系統(tǒng)間能否有效配合將直接影響系統(tǒng)效率，同時(shí)不同的負(fù)荷需求和用能選擇也將直接影響調(diào)度結(jié)果。根據(jù)已有研究，IES的結(jié)構(gòu)如圖1所示[17-18]。

圖1 IES的結(jié)構(gòu)框圖Fig.1 System structure block diagram of IES

因分布式電源受地理?xiàng)l件限制明顯，實(shí)際中的IES多數(shù)是以冷熱電聯(lián)供系統(tǒng)(CCHP) 為核心的。CCHP利用燃?xì)廨啓C(jī)或內(nèi)燃機(jī)發(fā)電，利用換熱器供熱、吸收式制冷機(jī)供冷，負(fù)責(zé)用戶的冷、熱、電負(fù)荷。聯(lián)合運(yùn)行效率高達(dá) 85%，是現(xiàn)今IES中最具潛力及發(fā)展前景的運(yùn)營(yíng)模式。

2 多元化用能價(jià)格需求響應(yīng)模型

ID與電價(jià)密切相關(guān)，當(dāng)電價(jià)上漲或可靠性受到威脅時(shí)，用戶在收到ID信號(hào)后，可改變用電模式，調(diào)整用電行為，實(shí)現(xiàn)資源的優(yōu)化配置[18]。

在電價(jià)彈性理論中，ID價(jià)格彈性反應(yīng)不同時(shí)期能源消費(fèi)對(duì)價(jià)格的敏感度，它是一定時(shí)期負(fù)載變化率與價(jià)格變比率的比值，其關(guān)系如式(1)所示：

(1)

式中βii為i時(shí)間段的自彈性系數(shù);ΔQi為i時(shí)間段內(nèi)負(fù)載變化量；Δpi為i時(shí)間段內(nèi)能源價(jià)格的變化量；Qi、Qi0分別表示i時(shí)間段內(nèi)原始負(fù)荷和峰谷分時(shí)能源價(jià)格實(shí)施后的負(fù)荷量；pi0、pi分別為i時(shí)間段內(nèi)的原始價(jià)格和峰谷分時(shí)能源價(jià)格實(shí)施后的峰、谷分時(shí)價(jià)格。

i時(shí)間段的負(fù)荷隨j時(shí)價(jià)格的變化交叉彈性系數(shù)βii為:

(2)

式中Δpj為j時(shí)能源價(jià)格變化量；pj0為j時(shí)價(jià)格；pj為j時(shí)峰谷價(jià)格。

假設(shè)能量需求為線性函數(shù)，根據(jù)原始能源價(jià)格、峰谷分時(shí)價(jià)格、原始負(fù)荷和價(jià)格需求彈性，可以獲得實(shí)施需求響應(yīng)后各個(gè)時(shí)間段的能耗。

為了最大化用戶的利益，假設(shè)：

(3)

則有

(4)

經(jīng)濟(jì)學(xué)中常引用的效益函數(shù)如下：

(5)

(6)

能量需求和能量?jī)r(jià)格之間的關(guān)系為：

(7)

由于IES內(nèi)部耦合多個(gè)冷、熱、電負(fù)荷需求，且不同負(fù)荷相互影響，所以需要構(gòu)建多元化的綜合型價(jià)格需求響應(yīng)模型。以電力負(fù)荷和天然氣負(fù)荷之間耦合關(guān)系為例進(jìn)行建模分析，兩者需求響應(yīng)模型分別為：

(8)

(9)

式中，QE，i0為需求響應(yīng)前的電負(fù)荷；QE，i為需求響應(yīng)后的電負(fù)荷；QN，i0為需求響應(yīng)前的天燃?xì)庳?fù)荷；QN，i為需求響應(yīng)后的天然氣負(fù)荷；γel，i為需求響應(yīng)電價(jià)；γg為固定電價(jià)；?fl，i為需求響應(yīng)天然氣價(jià)格；?f為固定天然氣價(jià)格。

電力負(fù)荷和天然氣負(fù)荷的消減范圍為：

(10)

(11)

多元化用能價(jià)格需求響應(yīng)模型如下：

(12)

根據(jù)上述多能源價(jià)格需求響應(yīng)模型，用戶可以在不同時(shí)間節(jié)點(diǎn)上選擇不同種類能源進(jìn)行替代，選擇不同形式的能源輸出方式進(jìn)行供能。

3 綜合能源系統(tǒng)中各元件數(shù)學(xué)模型

3.1 CCHP機(jī)組

CCHP系統(tǒng)數(shù)學(xué)模型如下：

(13)

(14)

(15)

HCCHP=HWHB-UCCHP

(16)

CCHP機(jī)組輸出冷功率是由燃?xì)廨啓C(jī)余熱經(jīng)由吸收式制冷機(jī)轉(zhuǎn)化產(chǎn)生的，因此輸出冷功率需小于余熱鍋爐輸出熱功率。

HWHB≥UCCHP

(17)

3.2 電轉(zhuǎn)氣設(shè)備

GP2G≥ηP2GPP2G

(18)

式中GP2G為電轉(zhuǎn)氣設(shè)備生產(chǎn)的天然氣總量；PP2G為需要消納的風(fēng)電和光伏發(fā)電的功率；ηP2G為電氣轉(zhuǎn)化效率。

約束條件為：

(19)

3.3 電鍋爐模型

HEB=ηEBPEB

(20)

式中HEB為電鍋爐的供熱功率；ηEB為電鍋爐的供熱效率；PEB為電鍋爐消耗的電功率。

約束條件為：

(21)

3.4 電制冷機(jī)模型

UER=PERCOPER

(22)

式中UER為電制冷機(jī)的供冷功率；PER為電制冷機(jī)消耗的電功率；COPER為電制冷機(jī)的能效系數(shù)，取值3.2。

約束條件為：

(23)

3.5 光伏發(fā)電系統(tǒng)模型

(24)

式中PV為光伏發(fā)電功率；fV為光伏系統(tǒng)的功率降額因數(shù)，表示實(shí)際輸出功率與額定條件下輸出功率的比值，取 0.9；YV為光伏陣列容量；IT為地表水平面光照度；IS為標(biāo)準(zhǔn)測(cè)試條件下的光照度；αP為功率溫度系數(shù)；TC為當(dāng)前光伏電池表面溫度；TCS為標(biāo)準(zhǔn)測(cè)試條件下的光伏電池溫度，取 25 ℃。

約束條件為：

(25)

3.6 風(fēng)機(jī)模型

(26)

式中PWT為風(fēng)機(jī)功率；v為風(fēng)機(jī)輪轂高度處的實(shí)際風(fēng)速；vi、vo分別為切入、切出風(fēng)速，當(dāng)實(shí)際風(fēng)速低于切入風(fēng)速或高于切出風(fēng)速時(shí)，風(fēng)機(jī)不工作；P(v)為正常風(fēng)速范圍內(nèi)的風(fēng)機(jī)出力，由風(fēng)速與功率特性曲線插值得到。

約束條件為：

(27)

3.7 儲(chǔ)能電池模型

綜合能源系統(tǒng)中電儲(chǔ)能可以起到削峰填谷的作用，進(jìn)而消納更多富裕的光伏發(fā)電量和風(fēng)電量，其儲(chǔ)能容量和充放電功率關(guān)系模型可表示為：

(28)

約束條件為：

(29)

4 綜合能源系統(tǒng)動(dòng)態(tài)優(yōu)化控制模型

4.1 目標(biāo)函數(shù)

多源化能源供應(yīng)模式下，基于DR的IES運(yùn)行優(yōu)化問題是一個(gè)典型的多目標(biāo)優(yōu)化問題，涉及非線性、隨機(jī)性、離散性和不確定性等[19-20]。

為了實(shí)現(xiàn)IES總運(yùn)行費(fèi)用最低、污染物減排率、系統(tǒng)可靠性最高，需要采用多目標(biāo)、多約束的運(yùn)行模型進(jìn)行求解，求解過程中考慮了經(jīng)濟(jì)和環(huán)境雙重目標(biāo)，其函數(shù)表達(dá)式為：

F(t)=min([fc(t)，fe(t)]t)

(30)

式中fc、fe分別為經(jīng)濟(jì)目標(biāo)和環(huán)境目標(biāo)；t為時(shí)間變量。

經(jīng)濟(jì)成本主要考慮購(gòu)電成本、設(shè)備運(yùn)行維護(hù)成本、燃料成本，蓄電池折舊成本等，針對(duì)光伏、風(fēng)機(jī)、蓄電池和發(fā)電機(jī)構(gòu)成的多能源網(wǎng)絡(luò)，用下式表示為：

fc(t)=CE(t)+CH(t)+CU(t)+CG(t)

(31)

式中GE(t)、GH(t)、GU(t)、Ggas,max分別為電力Ggas,max、熱力、供冷、供氣子系統(tǒng)的運(yùn)行成本。

電力系統(tǒng)的總成本由風(fēng)、光清潔能源機(jī)組、CCHP 機(jī)組、儲(chǔ)電設(shè)備等的外部主網(wǎng)購(gòu)電成本、初始建設(shè)成本折舊額、運(yùn)維成本及機(jī)組啟停成本組成，用下式表示：

CE(t)=CB/E(t)+CC/E(t)+CM/E(t)+CS/E(t)

(32)

CB/E(t)=PBUY(t)·PE(t)

(33)

(34)

(35)

(36)

式中N為設(shè)備數(shù)；PE為外部主網(wǎng)售電價(jià)格；CC，n、Cλ，n、Vn、Tn分別為第n臺(tái)設(shè)備的單位容量初始投資成本、容量、壽命、殘值；Cn、Pn為單位出力的運(yùn)維成本系數(shù)、發(fā)電量；CSS，n為啟停成本系數(shù)；Un為設(shè)備的啟停狀態(tài)。

熱力系統(tǒng)的總成本為：

CH(t)=CB/H(t)+CC/H(t)+CM/H(t)+CS/H(t)

(37)

供冷系統(tǒng)的總成本為：

CU(t)=CC/U(t)+CM/U(t)+CS/U(t)

(38)

供氣系統(tǒng)的總成本為：

CG(t)=CB/G(t)+CC/G(t)+CM/G(t)+CS/G(t)

(39)

式中CC/G中考慮了P2G設(shè)備的影響。

環(huán)境成本主要考慮碳排放、其他污染氣體及顆粒物排放對(duì)環(huán)境的影響，下式反映了不同污染排放物的環(huán)境影響差異：

(40)

式中Ve，i、Qi、Vi分別為第i項(xiàng)污染物的環(huán)境價(jià)值、污染物的排放量和污染物所受罰款；n為污染物種類。

4.2 約束條件

IES是一種多能源協(xié)調(diào)規(guī)劃的能源供需系統(tǒng)，其電、氣、熱、冷四種能源的守恒關(guān)系為：

(41)

Ggas+GP2G=GCCHP+Gload

(42)

HCCHP+HEB=Hload

(43)

UCCHP+UER=Uload

(44)

式中Pgrid、Ggas分別為系統(tǒng)從大電網(wǎng)購(gòu)買的功率和從天然氣網(wǎng)購(gòu)買的天然氣量。Pload、Gload、Hload和Uload分別為電、氣、熱、冷四種負(fù)荷需求。

外部電能和天然氣購(gòu)買約束：

0≤Pgrid≤Pgrid，max

(45)

0≤Ggas≤Ggas，max

(46)

式中Pgrid,max和Ggas,max分別表示系統(tǒng)從外部購(gòu)買電能和天然氣的上限。

4.3 求解流程

由于優(yōu)化模型存在多個(gè)變量、目標(biāo)函數(shù)較為復(fù)雜，為了綜合考慮IES中的能量需求、模型特征及每個(gè)能源供應(yīng)單元中的輸出功率，以往研究中，主要采用非劣性遺傳算法NAGA-Ⅱ進(jìn)行求解，其流程圖如圖2所示。

圖2 NAGA-Ⅱ算法流程圖Fig.2 Flow chart of NAGA-Ⅱ algorithm

NSGA-Ⅱ采用擁擠距離法及精英策略進(jìn)行排序，有效保證了種群的多樣性，在降低計(jì)算復(fù)雜度的同時(shí)加速了Pareto前沿收斂，但其在求解超過2個(gè)目標(biāo)函數(shù)的多目標(biāo)問題時(shí)，計(jì)算效率較低，且容易陷入局部最優(yōu)。

針對(duì)上述問題，本文引入超平面投影 HP(Hyperplane Projection)的方法，在NSGA-Ⅱ的種群進(jìn)化過程中，通過構(gòu)建超平面，將種群投影到單位超平面上，進(jìn)而平衡解集的收斂性與分布性。HP-NSGA-Ⅱ與NSGA-Ⅱ的不同之處在于父代種群的選擇機(jī)制，其求解步驟為：

(1)輸入原始數(shù)據(jù)，包括 IES各供能儲(chǔ)能設(shè)備參數(shù)、綜合需求響應(yīng)相關(guān)參數(shù)、約束條件及典型日負(fù)荷曲線等；設(shè)種群規(guī)模為80，最大迭代次數(shù)為50，交叉概率為0.75，變異概率為0.25，Pareto最優(yōu)個(gè)體系數(shù)為0.5;

(2)形成初始種群，對(duì)各設(shè)備出力情況進(jìn)行編碼，構(gòu)成設(shè)備出力集;

(3)根據(jù)HP 對(duì)種群進(jìn)行選擇，并通過NSGA-Ⅱ的交叉和變異機(jī)制形成新子代種群，該過程中，各個(gè)體的每個(gè)維度需滿足約束條件;

(4)判斷是否達(dá)到最大迭代次數(shù)，若達(dá)到則可生成Pareto前沿解，否則繼續(xù)執(zhí)行上面步驟;

(5)使用 TOPSIS 法從 Pareto 前沿中尋得最理想解，得到最優(yōu)方案。

5 算例分析

以典型的工業(yè)園區(qū)綜合能源系統(tǒng)為例進(jìn)行仿真分析。園區(qū)現(xiàn)有能源供應(yīng)系統(tǒng)主要包括風(fēng)力發(fā)電機(jī)組、光伏發(fā)電機(jī)組、儲(chǔ)能設(shè)備、CCHP系統(tǒng)，電轉(zhuǎn)氣設(shè)備、電鍋爐設(shè)備、電制冷設(shè)備和儲(chǔ)氣設(shè)備，其中CCHP系統(tǒng)中燃?xì)忮仩t排出的煙氣將全部供給余熱鍋爐。表1為各設(shè)備運(yùn)行參數(shù)。表2為不同能源污染物排放量、環(huán)境成本參數(shù)。圖3為供電、供氣、供冷和供熱價(jià)格。

表1 設(shè)備運(yùn)行參數(shù)Tab.1 Equipment operation parameters

表2 不同能源污染氣體排放量、環(huán)境成本參數(shù)Tab.2 Pollution gas emissions and environmental cost

圖3 電、氣、冷和熱的價(jià)格Fig.3 Prices of electricity, gas, cool and heat

結(jié)合發(fā)電模型與實(shí)際負(fù)荷，考慮園區(qū)自然條件，預(yù)測(cè)典型日電、熱、冷負(fù)荷需求，如圖4所示。典型日(24 h)供電量如圖5所示。

圖4 典型日熱和電負(fù)荷需求Fig.4 Demand of typical daily heating and electric load

圖5 典型日供電量Fig.5 Typical daily power supply

5.1 動(dòng)態(tài)優(yōu)化控制求解

通過價(jià)格需求響應(yīng)模型中式(1)～式(3)，得到園區(qū)用戶需求響應(yīng)前、后的電、氣、熱價(jià)格對(duì)照如圖6所示。隨著電、氣、熱價(jià)的改變，需求響應(yīng)前、后，電、熱負(fù)荷也發(fā)生變化。圖7為需求響應(yīng)電、熱負(fù)荷變化情況。在需求響應(yīng)模型的基礎(chǔ)上，可以得到電、熱需求響應(yīng)前后的負(fù)荷特性，如表3所示。

圖6 需求響應(yīng)前后電、氣、熱價(jià)格對(duì)照Fig.6 Comparison of electricity, gas and thermal prices before and after demand response

圖7 需求響應(yīng)前后的電、熱負(fù)荷對(duì)照Fig.7 Comparison of electric and thermal load before and after demand response

表3 IDR前、后系統(tǒng)負(fù)荷特性Tab.3 Load characteristics before and after IDR

結(jié)合圖6、圖7和表3可知，需求響應(yīng)前，電力負(fù)荷峰值為122.1 MW，負(fù)荷谷值為12.6 MW，受電價(jià)改變的影響，需求響應(yīng)后峰值為111.3 1MW，谷值為20.5 MW，需求響應(yīng)峰谷電力差由原來的109.4 MW降至90.7 MW，降幅約為28.5%。在電價(jià)高峰期，系統(tǒng)的功耗明顯降低。

同時(shí)，對(duì)于熱負(fù)荷，在20 h～6 h，負(fù)荷增加約2.3 MW至4.1 MW，其他時(shí)間段均有降低，大部分時(shí)間段降低約3.7 MW。除了受熱價(jià)變化的影響，造成這些變化的主要原因是系統(tǒng)中的熱能主要由CCHP提供，當(dāng)電能波動(dòng)較大時(shí)，CCHP機(jī)組的運(yùn)行狀態(tài)發(fā)生改變，并引起熱負(fù)荷曲線發(fā)生變化。

由上述分析可知，價(jià)格型需求響應(yīng)的實(shí)施，可以影響用戶的負(fù)荷需求，有效提升系統(tǒng)內(nèi)部功能，降低用戶負(fù)荷峰谷差及系統(tǒng)用電高峰期負(fù)荷。同時(shí)，需求響應(yīng)后的負(fù)荷特性不僅與能源價(jià)格有關(guān)，還與能源供應(yīng)方式相關(guān)，因此，P2G等能量轉(zhuǎn)換設(shè)備的參與對(duì)緩解供電系統(tǒng)在用電高峰期的供電壓力，以及系統(tǒng)調(diào)度結(jié)果也有重要影響。下面通過下述兩種工況進(jìn)行分析。

(1)工況1：不考慮多元化價(jià)格需求響應(yīng)和P2G、電鍋爐和電制冷等能量轉(zhuǎn)換設(shè)備對(duì)系統(tǒng)的影響。

此工況下，IES系統(tǒng)由風(fēng)力發(fā)電機(jī)組、光伏發(fā)電機(jī)組、儲(chǔ)能設(shè)備、CCHP機(jī)組以及外部能源共同作用。CCHP系統(tǒng)通過燃料帶動(dòng)燃?xì)廨啓C(jī)、發(fā)電機(jī)等燃?xì)獍l(fā)電設(shè)備運(yùn)行，產(chǎn)生的電力供應(yīng)用戶的電力需求，系統(tǒng)發(fā)電后排出的余熱還能通過余熱回收利用設(shè)備向用戶供熱、供冷。優(yōu)先考慮由風(fēng)力發(fā)電機(jī)組和光伏發(fā)電機(jī)組聯(lián)合供應(yīng)電負(fù)荷需求，再由CCHP機(jī)組中的燃?xì)廨啓C(jī)補(bǔ)足不足，若仍無法滿足系統(tǒng)電負(fù)荷需求，需要購(gòu)買外部能源。另外，由于燃?xì)廨啓C(jī)在發(fā)電過程中產(chǎn)生的余熱經(jīng)余熱鍋爐吸收后，可由制冷機(jī)或換熱裝置轉(zhuǎn)換成冷、熱能，因此，考慮用該冷、熱能滿足系統(tǒng)冷、熱負(fù)荷需求，再由外部能源提供剩余不足。

(2)工況2：考慮多元化價(jià)格需求響應(yīng)和P2G、電鍋爐和電制冷等能量轉(zhuǎn)換設(shè)備對(duì)系統(tǒng)的影響。

若風(fēng)力發(fā)電機(jī)組和光伏發(fā)電機(jī)組滿足系統(tǒng)電力負(fù)荷需求后仍有剩余，剩余能量可進(jìn)行儲(chǔ)電或經(jīng)由P2G等轉(zhuǎn)換設(shè)備進(jìn)行電轉(zhuǎn)氣、電轉(zhuǎn)冷、電轉(zhuǎn)熱，以滿足系統(tǒng)中除電能外的其他供能要求。同時(shí)，優(yōu)先利用電鍋爐、電制冷等能量轉(zhuǎn)換設(shè)備，對(duì)系統(tǒng)中的冷、熱負(fù)荷需求進(jìn)行供應(yīng)，再由外部設(shè)備提供剩余不足。

圖8為不同工況下的供電需求。工況1下，在用電高峰期，風(fēng)力發(fā)電機(jī)組和光伏發(fā)電機(jī)組無法單獨(dú)滿足用電負(fù)荷需求，在17 h，兩者供電最高87.65 MW，同時(shí)需要儲(chǔ)能設(shè)備、燃?xì)廨啓C(jī)和外部能源共同配合給用戶供電；在8 h ～12 h和15 h ～19 h，儲(chǔ)能供電約6 MW；在7 h～12 h時(shí)和15 h～22 h，燃?xì)廨啓C(jī)供電約26 MW；外部能源供電最高達(dá)44.6 MW。工況2下，外部能源供電較少，主要是由于多元化需求影響的實(shí)施，使用能結(jié)構(gòu)發(fā)生變化。

圖8 不同工況下的供電情況Fig.8 Power supply under different working conditions

圖9和圖10分別為不同工況下的供冷、供熱情況，由分析可知，在工況1下，CCHP系統(tǒng)無法滿足冷、熱負(fù)荷的需求，分別經(jīng)制冷機(jī)于15時(shí)最高滿足了約29.1 MW的冷負(fù)荷，經(jīng)換熱裝置于21時(shí)最高滿足了約19.53 MW的熱負(fù)荷。系統(tǒng)主要依靠外部供能進(jìn)行冷、熱負(fù)荷補(bǔ)給；在工況2下，電制冷、電鍋爐與CCHP共同參與系統(tǒng)冷、熱負(fù)荷需求。在23時(shí)～6時(shí)，電制冷滿足了均高于10 MW的冷負(fù)荷需求；15時(shí)，制冷機(jī)滿足了最大29.2 MW的冷負(fù)荷要求。在0時(shí)～5時(shí)，電鍋爐滿足了約21.2 MW的熱負(fù)荷需求；在22 h，換熱裝置滿足了最大約22.9 MW的熱負(fù)荷需求，最多僅9.69 MW的電負(fù)荷需求由系統(tǒng)外部裝置提供。

圖9 不同工況下的供冷情況Fig.9 Cooling under different working conditions

圖10 不同工況下的供熱情況Fig.10 Thermal under different working conditions

實(shí)施需求響應(yīng)前、后調(diào)度對(duì)比如表4所示。相比于工況1，工況2下系統(tǒng)的凈收益增加約20萬元，用戶總用能支出降低了約17.8萬元。其中，用戶電、熱和冷用能的支出分別降低了16.5萬元、1.1萬元和0.19萬元，CO2等有害氣體排放量降低。結(jié)合圖9、圖10，以及表4進(jìn)行分析可知，在工況2下，多元化的價(jià)格需求響應(yīng)可有效地轉(zhuǎn)移用電、用熱等負(fù)荷，而電制冷、電鍋爐、P2G等能量轉(zhuǎn)化設(shè)備能夠在用電低谷實(shí)施棄能消納，大幅提高能源的利用率。

表4 實(shí)施綜合需求響應(yīng)前、后效益對(duì)比Tab.4 Comparison of benefits before and after IDR

5.2 HP-NSGA-Ⅱ算法求解

采用TOPSISN方法分別尋找文中NSGA-Ⅱ和HP-NSGA-Ⅱ兩種算法下 Pareto 前沿解中的最理想解，由表5不同算法下各主體收益情況可知，相較于NSGA-Ⅱ，HP-NSGA-Ⅱ 所得調(diào)度方案下的各主體經(jīng)濟(jì)性均更佳。

表5 不同算法下各主體收益Tab.5 Revenues of agents under different algorithms

6 結(jié)束語

本文在IDR研究的基礎(chǔ)上，綜合考慮了能源價(jià)格對(duì)電力、天然氣、熱能等能源消耗量的影響，構(gòu)建了多元化用能價(jià)格需求響應(yīng)模型；以經(jīng)濟(jì)和環(huán)境成本最小為目標(biāo)，建立了基于DR機(jī)制的IES多目標(biāo)動(dòng)態(tài)運(yùn)行優(yōu)化模型，并采用基于超平面投影的NSGA-Ⅱ(HP-NSGA-Ⅱ)算法進(jìn)行求解，通過算例分析驗(yàn)證，得到如下主要結(jié)論：

(1)考慮NSGA-Ⅱ在處理多目標(biāo)動(dòng)態(tài)優(yōu)化調(diào)度中的主要缺陷，引入超平面投影 HP(Hyperplane Projection)的方法，對(duì)NSGA-Ⅱ算法進(jìn)行改進(jìn)，有效地提高了算法的收斂性;

(2)IES多元價(jià)格需求響應(yīng)的實(shí)施，可以有效改變用戶的用能習(xí)慣，在增大了系統(tǒng)凈收益的同時(shí)，減小了用戶用能的總成本，提高了系統(tǒng)運(yùn)行經(jīng)濟(jì)性，研究成果具有實(shí)際工程意義。