基于信息物理融合的微能源網(wǎng)統(tǒng)一調(diào)控架構(gòu)及優(yōu)化運(yùn)行

楊 義，楊 蘋，2，李壯壯，唐玉烽，陸冠鵬

（1.華南理工大學(xué)電力學(xué)院,廣東省廣州市 510630；2.廣東省綠色能源技術(shù)重點(diǎn)實(shí)驗(yàn)室（華南理工大學(xué)）,廣東省廣州市 510630）

0 引言

目前,全球化石能源日漸枯竭,環(huán)境污染日趨嚴(yán)重,能源結(jié)構(gòu)亟待轉(zhuǎn)型升級。微能源網(wǎng)（microenergy grid,MEG）通過能源的梯級利用和多能互補(bǔ)可以有效提高能源的綜合利用效率、減少環(huán)境污染,是未來新型電力系統(tǒng)的重要組成部分［1］。MEG 的優(yōu)化運(yùn)行一直是國內(nèi)外研究的熱點(diǎn)［2-3］,而建模是MEG 進(jìn)行優(yōu)化分析的理論基礎(chǔ)。

關(guān)于MEG 的優(yōu)化調(diào)控建模主要從整體的角度和從局部的角度開展。從整體的角度對MEG 進(jìn)行建模的方法不關(guān)注組成MEG 系統(tǒng)的各能源單元的建模。典型代表是文獻(xiàn)［4-6］提出的能源集線器建模方法。從局部的角度對MEG 進(jìn)行建模的方法主要 關(guān) 注MEG 內(nèi) 部 組 成 結(jié) 構(gòu)［7-8］、各 能 源 單 元 的 建模［9］。然而,上述2 類建模方法主要從MEG 系統(tǒng)的輸入-輸出關(guān)系進(jìn)行描述,并未考慮MEG 內(nèi)各能源單元的運(yùn)行狀態(tài),難以清晰描述MEG 中各能源單元的狀態(tài)轉(zhuǎn)移過程。此外,現(xiàn)有的MEG 模型大多僅考慮物理系統(tǒng),缺乏對信息部分的特性描述。從信息和物理2 個(gè)層面全面描述系統(tǒng)的特性,分析信息流和能量流的交互機(jī)制,能施以更為精確而靈活的調(diào)控,可以提高系統(tǒng)優(yōu)化調(diào)控的靈活性、有效性和精準(zhǔn)性,同時(shí)能夠降低系統(tǒng)的運(yùn)行成本。信息物理系統(tǒng)（cyber-physical system,CPS）理論的提出為實(shí)現(xiàn)MEG 系統(tǒng)信息流和能量流的描述提供了技術(shù)手段［10］。

近年來,CPS 理論在電力系統(tǒng)中開始得到廣泛研究［11-12］,文獻(xiàn)［13］分析了信息物理融合的電網(wǎng)層次結(jié)構(gòu),采用關(guān)聯(lián)矩陣描述電力信息系統(tǒng)、物理系統(tǒng)以及二者間的耦合關(guān)系。文獻(xiàn)［14］建立了電網(wǎng)信息物理系統(tǒng)信息流-能量流混成計(jì)算模型,并基于節(jié)點(diǎn)-支路關(guān)聯(lián)矩陣建立了電網(wǎng)靜態(tài)模型,較為全面地描述了電網(wǎng)中信息流和能量流的耦合關(guān)系。文獻(xiàn)［15］基于關(guān)聯(lián)矩陣建立了表征電網(wǎng)CPS 中信息層和物理層的耦合關(guān)系模型,并定量分析了信息故障對電網(wǎng)CPS 可靠性方面的影響。文獻(xiàn)［16］提出了一種集中式控制的微電網(wǎng)CPS 分層建模方法,實(shí)現(xiàn)了微電網(wǎng)中各單元運(yùn)行狀態(tài)軌跡的可觀測。文獻(xiàn)［17］提出了一種分布式控制的微電網(wǎng)信息物理融合建模方法,實(shí)現(xiàn)了微電網(wǎng)CPS 運(yùn)行的可靠性評估。以上文獻(xiàn)大多應(yīng)用CPS 理論對系統(tǒng)進(jìn)行建模,研究能量流和信息流間的耦合關(guān)系,而MEG 作為CPS應(yīng)用的重要領(lǐng)域,尚缺乏一個(gè)統(tǒng)一的架構(gòu)和模型。此外,現(xiàn)有的模型對于資金流的考量較少,缺乏對能量流、信息流和資金流三者之間關(guān)系的描述與分析。

為此,本文從CPS 的視角出發(fā),構(gòu)建了一種新型的MEG 統(tǒng)一調(diào)控架構(gòu),對MEG 內(nèi)能源單元的運(yùn)行狀態(tài)及運(yùn)行狀態(tài)轉(zhuǎn)換的各個(gè)階段下能量流、信息流和資金流的關(guān)系進(jìn)行描述,實(shí)現(xiàn)MEG 在優(yōu)化過程中各能源單元狀態(tài)轉(zhuǎn)移軌跡的精準(zhǔn)調(diào)控。

1 MEG 的典型結(jié)構(gòu)

本文所研究的MEG 典型結(jié)構(gòu)由能源生產(chǎn)單元、能源轉(zhuǎn)換單元、能源儲存單元以及能源消費(fèi)單元組成,具體如附錄A 圖A1 所示。

能源生產(chǎn)單元包括光伏、風(fēng)電等可再生能源以及電網(wǎng)和天然氣網(wǎng)。能源轉(zhuǎn)換單元主要實(shí)現(xiàn)不同形式能源間的相互轉(zhuǎn)化,具體包括燃?xì)廨啓C(jī)（gas turbine,GT）、燃?xì)忮仩t（gas boiler,GB）、余熱鍋爐（waste heat boiler,HB）、電制冷機(jī)（electric chiller,EC）以及吸收式制冷機(jī)（absorption chiller,AC）,例如EC 將電能轉(zhuǎn)換成冷能,AC 通過吸收熱量將熱能轉(zhuǎn)換成冷能。能源儲存單元包括電池儲能（battery storage,BS）裝置、儲熱（thermal storage,TS）裝置和儲冷（cold storage,CS）裝置。在能量有富余時(shí)實(shí)現(xiàn)能量的儲存,能量不足時(shí)進(jìn)行能量釋放。能源消費(fèi)單元包括電負(fù)荷、熱負(fù)荷和冷負(fù)荷。

2 基于CPS 的MEG 統(tǒng)一調(diào)控架構(gòu)

本章對MEG 中的能量流、信息流和資金流的互動關(guān)系進(jìn)行精準(zhǔn)描述,建立基于CPS 的MEG 調(diào)控模型框架。

2.1 MEG 統(tǒng)一調(diào)控架構(gòu)

本節(jié)采用分層描述方法,將MEG 統(tǒng)一調(diào)控模型分為對象層、融合層和優(yōu)化層,其框架如圖1 所示。不同層級內(nèi)部功能相對獨(dú)立,各層級之間通過信息流交互。

圖1 MEG 統(tǒng)一調(diào)控模型框架Fig.1 Unified dispatch and control model framework of MEG

1）對象層:由傳感器、執(zhí)行器以及各種能源單元等物理設(shè)備構(gòu)成。傳感器負(fù)責(zé)將感知到的能源單元狀態(tài)信息上傳給融合層；執(zhí)行器接收優(yōu)化層下達(dá)的控制指令,用于調(diào)整和控制物理設(shè)備的運(yùn)行；能源單元用于實(shí)現(xiàn)能量的轉(zhuǎn)換、儲存和分配等。

2）融合層:該層級作為對象層和優(yōu)化層的中間部分,一方面,對對象層上傳上來的各能源單元運(yùn)行狀態(tài)信息進(jìn)行分析和處理,并基于狀態(tài)機(jī)對能源單元的運(yùn)行狀態(tài)轉(zhuǎn)移過程以及驅(qū)動狀態(tài)轉(zhuǎn)移的條件進(jìn)行描述,構(gòu)建能源單元的狀態(tài)轉(zhuǎn)移軌跡,為優(yōu)化層做出決策提供參考；另一方面,基于狀態(tài)機(jī)對MEG 中的能量流、信息流和資金流三者間的交互影響進(jìn)行描述。

3）優(yōu)化層:完成系統(tǒng)的全局優(yōu)化管理決策。該層級將MEG 系統(tǒng)中各單元的運(yùn)行狀態(tài)和運(yùn)行約束考慮在內(nèi),基于融合層中能源單元的狀態(tài)轉(zhuǎn)移軌跡,制定系統(tǒng)的全局最優(yōu)運(yùn)行策略,以最優(yōu)的結(jié)果驅(qū)動對象層中的能源單元運(yùn)行。

2.2 層間交互描述

對象層、融合層和優(yōu)化層3 層之間通過數(shù)據(jù)的自動流動實(shí)現(xiàn)交互,由狀態(tài)感知、分析、決策和執(zhí)行4 個(gè)環(huán)節(jié)閉環(huán)構(gòu)成,如附錄A 圖A2 所示。

狀態(tài)感知:狀態(tài)感知由對象層執(zhí)行,對象層通過傳感器、物聯(lián)網(wǎng)等數(shù)據(jù)采集設(shè)備采集各能源單元的運(yùn)行狀態(tài)數(shù)據(jù),完成能量流到信息流的轉(zhuǎn)換過程。

分析:分析是對數(shù)據(jù)的進(jìn)一步處理,由融合層執(zhí)行。融合層通過數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等數(shù)據(jù)處理分析技術(shù)對數(shù)據(jù)進(jìn)一步分析和處理,轉(zhuǎn)換為決策層做出決策所需要的狀態(tài)數(shù)據(jù),為決策提供參考。

決策:決策是對信息的綜合處理,由優(yōu)化層執(zhí)行。優(yōu)化層權(quán)衡判斷當(dāng)前時(shí)刻所獲取的來自融合層提供的所有信息,在一定的約束條件下,為實(shí)現(xiàn)某個(gè)優(yōu)化目標(biāo)做出最優(yōu)決定,并形成最優(yōu)決策對對象層中的能源單元進(jìn)行控制。

執(zhí)行:執(zhí)行是對決策的精準(zhǔn)執(zhí)行,由對象層執(zhí)行。將決策層產(chǎn)生的決策指令轉(zhuǎn)換成能源單元可以執(zhí)行的命令函數(shù),將轉(zhuǎn)化結(jié)果轉(zhuǎn)換成能源單元下一個(gè)運(yùn)行狀態(tài)的函數(shù),即信息流到能量流的轉(zhuǎn)換過程。

上述閉環(huán)過程保證了MEG 能夠朝著更優(yōu)化的方向發(fā)展,實(shí)現(xiàn)了微能源系統(tǒng)運(yùn)行狀態(tài)的更新。

3 基于CPS 的MEG 分層建模

本章基于所提出的MEG 統(tǒng)一調(diào)控架構(gòu),根據(jù)不同層級的各自特點(diǎn)和功能,采用不同的建模方法,建立了各層級的模型。3 層模型的組合形成了信息物理融合的MEG 整體模型。

3.1 對象層

對象層采用特征向量的形式統(tǒng)一描述能量流、信息流和資金流的特征。

1）能量流特征描述

在能源的生產(chǎn)、傳輸、分配以及消費(fèi)等環(huán)節(jié)中,能量流會在各能源單元之間流動,且具有方向性,可以用如下表達(dá)式進(jìn)行描述:

式中:E(?)為描述能量流的特征向量；α為輸入的能源類型,可以為電、熱、氣等能源；Pin為能源的輸入功率；β為輸出能源類型,可以為電、熱、氣、冷等能源；Pout為能源的輸出功率；SE為能量流的運(yùn)行狀態(tài)；ΔTE為能源的控制周期。

能量流示意圖如圖2 所示。

圖2 能量流示意圖Fig.2 Schematic diagram of energy flow

2）信息流特征描述

信息流用于描述信息的采集、傳輸、處理、分析和控制等環(huán)節(jié),可以用下式進(jìn)行描述。

式中:I(?)為描述信息流的特征向量；Ri,t為t時(shí)段能源單元i的采集虛擬信號；Yi為t時(shí)段能源單元i用于分析計(jì)算的中間變量；Ui,t為t時(shí)段能源單元i的輸出控制信號；SI為信息流的運(yùn)行狀態(tài)；Δtc為信息網(wǎng)絡(luò)通信時(shí)延；Δtb為信息網(wǎng)絡(luò)計(jì)算時(shí)延。

信息流示意圖如圖3 所示。

圖3 信息流示意圖Fig.3 Schematic diagram of information flow

3）資金流特征描述

在能源的生產(chǎn)和消費(fèi)等過程中會產(chǎn)生成本和收益,表現(xiàn)在資金流會在不同的能源主體間流動,可以如式（3）所示描述資金流。

式中:C(?)為描述資金流的特征向量；cr為能源主體在能源的生產(chǎn)和消費(fèi)過程中產(chǎn)生的成本；cb為能源主體在能源的生產(chǎn)和消費(fèi)過程中產(chǎn)生的收益。資金流示意圖如附錄A 圖A3 所示。

3.2 融合層

融合層基于狀態(tài)機(jī)對能源單元的運(yùn)行狀態(tài)轉(zhuǎn)移過程進(jìn)行建模,并對MEG 中的能量流、信息流和資金流三者間的交互影響進(jìn)行描述。其中,能源單元運(yùn)行狀態(tài)轉(zhuǎn)移建模見附錄B。

能源單元狀態(tài)轉(zhuǎn)移模型中,狀態(tài)之間轉(zhuǎn)移的概率可以通過能源單元大量的歷史運(yùn)行統(tǒng)計(jì)數(shù)據(jù)或者觀測數(shù)據(jù)得到,其計(jì)算方法見文獻(xiàn)［18］。狀態(tài)之間轉(zhuǎn)移概率的計(jì)算通常用于設(shè)備或者系統(tǒng)的可靠性分析方面。由于本文不涉及可靠性分析,不考慮狀態(tài)之間的轉(zhuǎn)移概率。本文更多關(guān)注的是狀態(tài)之間的轉(zhuǎn)移條件,只要狀態(tài)轉(zhuǎn)移條件滿足,就會觸發(fā)相對應(yīng)狀態(tài)間的轉(zhuǎn)移。

采用狀態(tài)機(jī)對MEG 中的能量流、信息流和資金流間的相互關(guān)系進(jìn)行描述。建立融合層的模型如圖4 所 示。圖 中:S1至S4為 狀 態(tài)；GEI為 能 量 流 影 響信息流運(yùn)行狀態(tài)的條件集合；GIE為信息流影響能量流運(yùn)行狀態(tài)的條件集合；GEC為能量流影響資金流運(yùn)行狀態(tài)的條件集合；GCE為資金流影響能量流運(yùn)行狀態(tài)的條件集合；GCI為資金流影響信息流運(yùn)行狀態(tài)的條件集合；GIC為信息流影響資金流運(yùn)行狀態(tài)的條件集合。

圖4 基于狀態(tài)機(jī)的融合層模型Fig.4 Model of fusion layer based on state machine

圖4 中的每個(gè)方框分別表示能源單元（能量流）、信息單元（信息流）和資金流的狀態(tài),方框里面的圓圈表示各自存在的運(yùn)行狀態(tài),圓圈之間的箭頭表示不同狀態(tài)之間的轉(zhuǎn)移過程,例如能源單元會存在啟動、正常運(yùn)行、故障等狀態(tài),并在運(yùn)行過程中會在上述狀態(tài)間進(jìn)行轉(zhuǎn)移。信息單元會存在數(shù)據(jù)采集超時(shí)、采集故障、傳輸延時(shí)以及數(shù)據(jù)丟包等狀態(tài)。資金流則會存在成本和收益2 種狀態(tài)。箭頭上標(biāo)注的G是一個(gè)描述MEG 中能量流、信息流和資金流狀態(tài)轉(zhuǎn)移條件的集合,如式（4）所示。

式中:E、I和C分別為能量流、信息流和資金流的狀態(tài)轉(zhuǎn)移條件。

圖4 中,方框之間的邊表示能量流、信息流和資金流三者之間的交互關(guān)系。信息物理融合的MEG內(nèi)部能量流、信息流和資金流交互影響,具體表現(xiàn)為:1）不同時(shí)段不同的價(jià)格信號會影響各能源單元的輸出功率,即資金流影響能量流,不同能源單元的出力情況直接導(dǎo)致其運(yùn)行成本的變化,從而影響系統(tǒng)及其他能源單元的資金利用狀態(tài),即能量流影響資金流；2）能源單元輸出功率的變化直接影響信息系統(tǒng)采集到的狀態(tài)數(shù)據(jù),即能量流影響信息流,而信息系統(tǒng)下發(fā)的控制指令會影響能源單元的運(yùn)行狀態(tài),即信息流影響能量流；3）價(jià)格信號的變化通過通信網(wǎng)絡(luò)直接影響信息系統(tǒng)接收到的相關(guān)價(jià)格輸入變量,即資金流影響信息流,而信息系統(tǒng)傳輸數(shù)據(jù)的丟失又會影響價(jià)格的獲取,即信息流影響資金流。由此可得出,能量流與資金流互為驅(qū)動,信息流為二者的支撐。

本節(jié)所建立的狀態(tài)轉(zhuǎn)移模型是優(yōu)化層進(jìn)行優(yōu)化調(diào)控的基礎(chǔ),狀態(tài)轉(zhuǎn)移模型的作用在于可以設(shè)計(jì)和選擇系統(tǒng)的最優(yōu)狀態(tài)轉(zhuǎn)移軌跡,如MEG 在完成某一目標(biāo)時(shí),需要從狀態(tài)S1轉(zhuǎn)移到狀態(tài)S8運(yùn)行。假設(shè)從狀態(tài)S1轉(zhuǎn)移到狀態(tài)S8共可形成m條狀態(tài)轉(zhuǎn)移路徑,如圖5 所示。

圖5 狀態(tài)轉(zhuǎn)移路徑示意圖Fig.5 Schematic diagram of state transition path

MEG 根據(jù)優(yōu)化層確定的優(yōu)化目標(biāo)和圖5 所示的MEG 狀態(tài)轉(zhuǎn)移模型,以某一指標(biāo)為依據(jù)來設(shè)計(jì)和選擇一條系統(tǒng)的最優(yōu)狀態(tài)轉(zhuǎn)移軌跡,這里選擇最優(yōu)軌跡的依據(jù)指標(biāo)可以是系統(tǒng)的經(jīng)濟(jì)性指標(biāo)（例如,運(yùn)行成本最?。?也可以是系統(tǒng)的穩(wěn)定性等指標(biāo)。

狀態(tài)轉(zhuǎn)移模型給出了能源單元在不同狀態(tài)間的轉(zhuǎn)移條件,為優(yōu)化層確定MEG 的優(yōu)化運(yùn)行策略提供m條可轉(zhuǎn)移的路徑。因此,當(dāng)以MEG 運(yùn)行成本最小為目標(biāo)時(shí),MEG 中的優(yōu)化層可根據(jù)當(dāng)前可控能源單元的運(yùn)行狀態(tài)以及不同狀態(tài)間的轉(zhuǎn)移條件,通過分析MEG 內(nèi)部能量流、信息流和資金流的狀態(tài)和流向,基于每小時(shí)電價(jià)的引導(dǎo),優(yōu)化配置MEG 內(nèi)各單元的運(yùn)行狀態(tài),并整合MEG 中各類可調(diào)節(jié)資源進(jìn)行統(tǒng)一優(yōu)化調(diào)控,實(shí)現(xiàn)MEG 的經(jīng)濟(jì)運(yùn)行。

3.3 優(yōu)化層

優(yōu)化層基于融合層模型提取優(yōu)化變量,建立MEG 優(yōu)化調(diào)控的目標(biāo)函數(shù),將MEG 系統(tǒng)中各能源單元的運(yùn)行狀態(tài)和運(yùn)行約束考慮在內(nèi),求解MEG的優(yōu)化調(diào)控模型,以最優(yōu)的結(jié)果調(diào)控對象層中可控單元。本文以MEG 日運(yùn)行成本最低為目標(biāo),建立優(yōu)化層的模型,如式（5）所示。

式中:Cr為MEG 日運(yùn)行總成本；ceb,t和PGridb,t分別為t時(shí)段購電電價(jià)和向電網(wǎng)購入的電功率；ces,t和PGrids,t分別為t時(shí)段售電電價(jià)和向電網(wǎng)出售的電功率；cpg,t為t時(shí)段的天然氣價(jià)格；PGT,t和HGB,t分別為t時(shí)段GT 的發(fā)電功率和GB 的產(chǎn)熱量；ηgt和ηgb分別為GT和GB 的轉(zhuǎn)換效率；Δt為調(diào)控時(shí)長；T為調(diào)控周期,本文取24；Y（X,S）為MEG 系統(tǒng)中各能源單元的狀態(tài)更新函數(shù),其中,X為優(yōu)化變量,S為能源單元運(yùn)行狀態(tài)變量；Z（X,S）為MEG 系統(tǒng)及各能源單元運(yùn)行的約束條件,這里的約束條件包括MEG 的能量平衡約束、能源單元的出力約束、能源轉(zhuǎn)換單元的運(yùn)行約束、能源儲存單元的運(yùn)行約束、向電網(wǎng)購售電約束、向天然氣網(wǎng)購氣約束等［8］。

上述建立的目標(biāo)函數(shù)式（5）加上約束條件構(gòu)成了一個(gè)典型的0-1 混合整數(shù)非線性規(guī)劃（mixedinteger nonlinear programming,MINLP）問題,將本文的優(yōu)化問題寫成MINLP 典型形式,如式（6）所示。

式中:Z(?)為目標(biāo)函數(shù)；x為變量矩陣；xc為連續(xù)變量矩陣；xl為整數(shù)變量矩陣；A、Ac,n、Al,n、Bn為系數(shù)矩陣,其中,n為約束條件的數(shù)量。

針對MINLP 問題的求解有很多算法,本文選擇分枝-割平面法對其進(jìn)行求解［19］。該方法對所提模型進(jìn)行初始線性規(guī)劃（linear programming,LP）松弛。LP 松弛問題是指將原問題中的整數(shù)變量松弛為連續(xù)變量（例如將0-1 變量u松弛為0 ≤u≤1）,松弛后對其的可行解空間反復(fù)地分割為子空間（稱為分枝）,對每個(gè)子空間內(nèi)搜尋最優(yōu)解,并且在分枝結(jié)束后更新上下界。通過排除不滿足已知可行解集上下界的子空間,不斷縮小最優(yōu)解的范圍,最終獲得所述問題的最優(yōu)解。倘若出現(xiàn)子集的最優(yōu)解不滿足整數(shù)界約束的情況,則通過不斷增加約束割除松弛問題不包含整數(shù)可行解的區(qū)域,使所述問題的最優(yōu)解逐步顯現(xiàn)。分枝-割平面法的詳細(xì)求解步驟如下:

步驟1:將所述問題進(jìn)行LP 松弛,松弛后初始化空間域Ω0與收斂精度ε,以及初始空間域?qū)?yīng)的上界ψlb(Ω0)、下界ψu(yù)b(Ω0)。

1）若無可行解集,則問題無解,結(jié)束計(jì)算；

本文以MEG 運(yùn)行成本最小為目標(biāo),優(yōu)化層根據(jù)所建立的狀態(tài)轉(zhuǎn)移模型采用分枝-割平面法求解式（6）,以此來調(diào)控能源單元,使其運(yùn)行在所期望的狀態(tài)。求解所得到的各能源單元的出力向量P及運(yùn)行狀態(tài)向量V,如式（7）和式（8）所示。

式中:PGT為GT 的發(fā)電功率；PGridb為向電網(wǎng)購入的電功率；PGrids為向電網(wǎng)出售的電功率；PBS,c和PBS,d分別為BS 裝置的充、放電功率；PEC為EC 的輸出功率；HGB為GB 的 產(chǎn) 熱 量；HHB為HB 的 輸 出 功 率；HTS,c和HTS,d分別為TS 裝置的充、放熱功率；HAC為AC 的 輸 出 功 率；CCS,c和CCS,d分 別 為CS 裝 置 的 充、放冷功率。

式 中:vGT為GT 的 運(yùn) 行 狀 態(tài)；vGridb和vGrids分 別 為MEG 的購電狀態(tài)和售電狀態(tài)；vBS,c和vBS,d分別為BS裝 置 的 充、放 電 狀 態(tài)；vEC為EC 的 運(yùn) 行 狀 態(tài)；vGB和vHB分別為GB 和HB 的運(yùn)行狀態(tài)；vTS,c和vTS,d分別為TS 裝置的充、放熱狀態(tài)；vAC為AC 的運(yùn)行狀態(tài)；vCS,c和vCS,d分別為CS 裝置的充、放冷狀態(tài)。

4 算例分析

4.1 算例參數(shù)

為了驗(yàn)證本文所提的統(tǒng)一調(diào)控架構(gòu)的可行性,本文利用附錄A 圖A1 所示的MEG 系統(tǒng)進(jìn)行算例分析。算例基于日前預(yù)測的可再生能源出力和負(fù)荷功率的預(yù)測值以及電價(jià)和天然氣價(jià)格的信息,以MEG 日運(yùn)行成本最低為目標(biāo),基于所建立的狀態(tài)轉(zhuǎn)移模型求解未來24 h 各設(shè)備的運(yùn)行計(jì)劃。其中,假設(shè)天然氣價(jià)格為0.45 元/（kW?h）,可再生能源和負(fù)荷的日期預(yù)測數(shù)據(jù)曲線如圖A4 所示。算例中主要參數(shù)如附錄C 表C1 和表C2 所示。此外,MEG 采用分時(shí)電價(jià)向大電網(wǎng)進(jìn)行購售電,分時(shí)電價(jià)見表C3。

4.2 優(yōu)化結(jié)果分析

4.2.1 日前優(yōu)化調(diào)控結(jié)果

日前優(yōu)化以日運(yùn)行成本最低為目標(biāo),確定了各能源單元未來一天的出力值。本算例仿真在一臺處理器型號為Intel Core i5-7200U、內(nèi)存為8 GB 的電腦上完成。所得優(yōu)化結(jié)果如附錄A 圖A5 所示。由圖A5 可知,系統(tǒng)在運(yùn)行時(shí)能保持電功率、熱功率和冷功率實(shí)時(shí)平衡。因此,優(yōu)化結(jié)果關(guān)于橫坐標(biāo)軸對稱。

1）在電價(jià)低谷時(shí)段,由于電價(jià)較低,直接從電網(wǎng)購電滿足電負(fù)荷比GT 發(fā)電更經(jīng)濟(jì)。因此,優(yōu)先選擇從電網(wǎng)購電滿足電負(fù)荷需求,不足部分則由GT補(bǔ)充,同時(shí),通過購電對BS 裝置充電以儲存電能。在電價(jià)高峰時(shí)段,由于電價(jià)較高,為降低系統(tǒng)運(yùn)行成本,GT 滿發(fā),BS 裝置放電以緩解供電壓力,電負(fù)荷主要由GT 和BS 裝置放電滿足,多余的電能則向電網(wǎng)售電,以獲取利潤。在電價(jià)平時(shí)段,負(fù)荷主要由GT 和從電網(wǎng)購電來滿足。

2）在電價(jià)低谷時(shí)段,余熱鍋爐對GT 發(fā)電余熱進(jìn)行回收來滿足熱負(fù)荷,不足部分由GB 提供。在電價(jià)高峰時(shí)段和平時(shí)段,由于GT 發(fā)電量較大,通過余熱鍋爐對GT 發(fā)電余熱進(jìn)行回收利用更經(jīng)濟(jì)。因此,熱負(fù)荷主要由余熱鍋爐滿足,GB 不工作,多余的熱量則由TS 裝置儲存,在熱量不足時(shí)段TS 裝置則放熱以滿足熱負(fù)荷需求。

3）在電價(jià)低谷時(shí)段,冷負(fù)荷主要由EC 供給。在電價(jià)高峰時(shí)段和平時(shí)段,由于電價(jià)較高,冷負(fù)荷主要由AC 供給,不足部分由EC 補(bǔ)充。CS 裝置則在冷量富余時(shí)段進(jìn)行蓄冷,在冷量不足時(shí)段進(jìn)行放冷以滿足冷負(fù)荷需求。

MEG 中各能源單元的運(yùn)行狀態(tài)如附錄A 圖A6所示。由圖A6 可知,信息物理融合的3 層建模與調(diào)控架構(gòu)實(shí)現(xiàn)了對MEG 全運(yùn)行階段下各類能源單元狀態(tài)變化軌跡的優(yōu)化調(diào)控,各能源單元在不同的時(shí)段運(yùn)行在不同的狀態(tài),以提高系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。

4.2.2 不同調(diào)控策略的對比分析

為了將本文所提的基于CPS 的3 層建模與調(diào)控架構(gòu)（以下簡稱策略1）與傳統(tǒng)的優(yōu)化調(diào)度方法（以下簡稱策略2）［20］進(jìn)行比較,本節(jié)設(shè)置如下場景進(jìn)行對比分析。

1）抗擾動能力分析

設(shè)能源單元出力擾動分別為5%和10%時(shí),觀察2 種策略下的系統(tǒng)功率偏差率。功率偏差率δ的表達(dá)式為:

式中:Pt為t時(shí)刻總出力；Pload,t為t時(shí)刻實(shí)際負(fù)荷功率。

結(jié)算結(jié)果如附錄A 圖A7 所示。由圖A7（a）可知,當(dāng)擾動為10%時(shí),采用傳統(tǒng)的優(yōu)化調(diào)度方法所得到的δ較大,而基于信息物理融合的MEG 優(yōu)化調(diào)控方法得到的δ明顯減小。當(dāng)擾動增大時(shí),傳統(tǒng)的優(yōu)化調(diào)度方法所得到的δ進(jìn)一步增大,而基于信息物理融合的MEG 優(yōu)化調(diào)控方法得到的δ基本保持不變。

2 種策略在整個(gè)優(yōu)化時(shí)段內(nèi)δ的最大值見附錄C 表C4。由表C4 可知,本文所提的基于信息物理融合的MEG 優(yōu)化調(diào)控方法相較于傳統(tǒng)的優(yōu)化調(diào)度方法在抗干擾能力方面更優(yōu)。

2）出力平穩(wěn)性分析

以GT 為例,在風(fēng)電出力快速波動的場景下,對比2 種策略下能源單元的出力波動情況。由于標(biāo)準(zhǔn)差σ能反映一組數(shù)據(jù)集的離散程度,用σ反映能源單元的出力波動情況,表達(dá)式為:

式中:Pave為能源單元在優(yōu)化時(shí)段內(nèi)的出力平均值。

以GT1 為例,附錄A 圖A8（a）為風(fēng)電機(jī)組的輸出功率,圖A8（b）為GT1 在2 種策略下所得到的優(yōu)化結(jié)果。經(jīng)計(jì)算,GT1 在策略1 下的標(biāo)準(zhǔn)差為75.7,在策略2 下的標(biāo)準(zhǔn)差為123.7。

由附錄A 圖A8 可知,在傳統(tǒng)的調(diào)度策略下,σ為123.7,GT 出力波動性較大。本文所提的調(diào)控策略下σ為75.7,表明GT 出力在優(yōu)化時(shí)段內(nèi)平穩(wěn)性更好,這能降低GT 的機(jī)械損耗,有利于延長GT 的使用壽命。本文所提策略在應(yīng)對新能源快速波動性方面比傳統(tǒng)的策略更具優(yōu)越性。

綜上所述,基于CPS 的MEG 優(yōu)化調(diào)度通過狀態(tài)感知、分析、決策和執(zhí)行4 個(gè)環(huán)節(jié)實(shí)現(xiàn)信息系統(tǒng)和物理系統(tǒng)的深度融合,物理系統(tǒng)的運(yùn)行狀態(tài)全面實(shí)時(shí)可知可控,系統(tǒng)各單元協(xié)調(diào)能力更強(qiáng),因而在面對新能源出力和負(fù)荷不確定時(shí),機(jī)組出力相較于傳統(tǒng)的調(diào)度策略更平穩(wěn),抗擾動能力更強(qiáng)。

4.2.3 能量流-信息流-資金流交互影響分析

為了分析在MEG 優(yōu)化調(diào)度過程中,能量流、信息流以及資金流三者之間的交互影響關(guān)系,本節(jié)設(shè)置了3 種場景進(jìn)行對比分析。場景1 為信息系統(tǒng)正常,場景2 為缺失08:00—10:00 時(shí)段的分時(shí)電價(jià)信息,表現(xiàn)在無法獲得該時(shí)段的電價(jià)信息；場景3 為燃?xì)廨啓C(jī)1 缺失09:00—13:00 時(shí)段的運(yùn)行數(shù)據(jù),表現(xiàn)在數(shù)據(jù)與實(shí)際值存在偏差。在3 種場景下的優(yōu)化運(yùn)行結(jié)果如附錄A 圖A9 所示。

由附錄A 圖A9 可知,相較于場景1,場景2 中GB、GT1、BS 裝置運(yùn)行狀態(tài)以及MEG 購售電狀態(tài)在多個(gè)時(shí)段都發(fā)生了明顯變化,場景3 中各單元運(yùn)行狀態(tài)變化較小。其中,不同場景下的運(yùn)行成本見附錄C 表C5。由表C5 可知,場景2 和場景3 下的運(yùn)行成本相較于場景1 分別提高了2.3%和0.7%。以場景2 為例,場景2 運(yùn)行成本增加主要原因是在08:00—10:00 時(shí)段,BS 裝置充電和MEG 向電網(wǎng)購電造成的。具體分析為:08:00—10:00 時(shí)段為電價(jià)高峰期,BS 裝置應(yīng)放電,MEG 應(yīng)向電網(wǎng)售電以降低系統(tǒng)運(yùn)行成本,但由于分時(shí)電價(jià)信息在該時(shí)段缺失,系統(tǒng)無法獲取該時(shí)段的電價(jià)信息,若以前一時(shí)刻電價(jià)信息為依據(jù)進(jìn)行優(yōu)化計(jì)算,將導(dǎo)致系統(tǒng)購電成本增加。

5 結(jié)語

本文提出了一種基于信息物理融合的MEG 統(tǒng)一調(diào)控架構(gòu),并將該架構(gòu)應(yīng)用到MEG 的日前優(yōu)化調(diào)控中,本文主要結(jié)論如下:

1）從能量流、信息流和資金流3 個(gè)維度描述信息物理融合的MEG,可以綜合多種影響因素得到系統(tǒng)最優(yōu)的調(diào)控策略,從而實(shí)現(xiàn)MEG 的靈活精準(zhǔn)調(diào)控；

2）MEG 中的能量流與資金流互為驅(qū)動,信息流為二者的支撐；

3）在面對新能源出力和負(fù)荷不確定時(shí),基于CPS 的優(yōu)化調(diào)控方法相較于傳統(tǒng)的調(diào)度策略,設(shè)備出力更平穩(wěn),抗擾動能力更強(qiáng)。

本文所提方法為將CPS 理論應(yīng)用到優(yōu)化調(diào)度中的一種嘗試,可以為MEG 的優(yōu)化運(yùn)行提供一定的指導(dǎo),未來研究將進(jìn)一步考慮多時(shí)間尺度間的協(xié)調(diào)優(yōu)化調(diào)度。

本文研究得到南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司科技項(xiàng)目(YTYZW20010)的資助，特此感謝！

附錄見本刊網(wǎng)絡(luò)版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。