計及多元不確定性的綜合能源系統(tǒng)優(yōu)化配置

周 帆,陳 龍,趙 珺,王 偉

(工業(yè)裝備智能控制與優(yōu)化教育部重點實驗室(大連理工大學),遼寧大連 116024;大連理工大學控制科學與工程學院,遼寧大連 116024)

1 引言

隨著物聯(lián)網(wǎng)、人工智能等新興互聯(lián)網(wǎng)技術(shù)的快速發(fā)展,構(gòu)建“能源互聯(lián)網(wǎng)”成為改善傳統(tǒng)單供系統(tǒng)缺陷的重要舉措[1-3].作為能源互聯(lián)網(wǎng)的重要組成部分,綜合能源系統(tǒng)可實現(xiàn)多能互補及能量的梯級利用,在提高能源利用效率、減少污染排放方面具有顯著的優(yōu)勢,已成為未來能源技術(shù)的重要發(fā)展方向[4-5].在考慮能源負荷需求、能源價格、設備參數(shù)的基礎上,合理的優(yōu)化系統(tǒng)的配置,包括設備的類型選擇、連接關系等,是綜合能源規(guī)劃研究中亟需解決的問題[6-7].

目前,已有眾多學者在綜合能源系統(tǒng)的規(guī)劃方面進行了大量研究[8-11],主要集中于系統(tǒng)的容量優(yōu)化、選址優(yōu)化等,采用的技術(shù)包括混合整數(shù)線性規(guī)劃[12]、混合整數(shù)二階錐[13]、多目標優(yōu)化等[14].文獻[15]采用混合整數(shù)線性規(guī)劃方法評估系統(tǒng)總成本,包含設備成本、能源成本、維護成本與碳排放成本成本,并以此最小為目標,優(yōu)化了某綜合能源系統(tǒng)的設備選型與連接關系,且獲得了系統(tǒng)在典型場景下的運行策略.文獻[16]在充分考慮系統(tǒng)供用能特征以及負荷需求的情況下,研究了一種綜合能源系統(tǒng)配置-優(yōu)化算法,實現(xiàn)了系統(tǒng)的設備選型、容量規(guī)劃與系統(tǒng)全年運行優(yōu)化的統(tǒng)一求解.而在上述研究中,系統(tǒng)的供能設備連接關系大多預先設定的,并未考慮設備的選型、連接拓撲結(jié)構(gòu)優(yōu)化的問題.并且,其所針對的場景均為確定性場景,未考慮在光伏出力、負荷預測等方面的不確定性,從而會造成系統(tǒng)規(guī)劃的方案過于理想化、設備的利用率低等缺點.為此,有學者進行了考慮不確定性因素的綜合能源系統(tǒng)規(guī)劃研究,其不確定性因素包括新能源出力預測、用戶負荷預測等[17-19].文獻[20]提出一種計及風光不確定性的綜合能源系統(tǒng)兩層級協(xié)同優(yōu)化模型,其中,上層以年化總成本最低求解設備選型問題,下層以設備平均年利用率最高求解設備定容問題.文獻[21]基于能源集線器模型,提出一種考慮冷/熱/電多能負荷不確定性的綜合能源系統(tǒng)規(guī)劃方法,該方法通過K-means聚類方法獲得多個典型日負荷場景,以上下界區(qū)間描述負荷不確定性,進而構(gòu)建魯棒優(yōu)化規(guī)劃模型.文獻[22]以電-熱-氣多能微網(wǎng)系統(tǒng)為對象,考慮新能源出力以及負荷的不確定性,提出基于分位數(shù)梯度提升決策樹的分位點-區(qū)間預測方法,并結(jié)合機會約束規(guī)劃出力不確定性,提出考慮不確定性的來兩階段隨機規(guī)劃方法.然而,上述研究成果雖然考慮系統(tǒng)在負荷預測、光伏出力方面的不確定性,但缺少對系統(tǒng)運行階段中面臨的設備N-1不確定性[23-24]的考慮,使得規(guī)劃的系統(tǒng)方案的供能安全能力具有局限性.

本文考慮綜合能源系統(tǒng)在源-網(wǎng)-荷側(cè)存在的不確定性,提出了基于多目標-機會約束規(guī)劃的雙層配置優(yōu)化模型.上層以能源成本、環(huán)境成本、能源效率為目標,優(yōu)化設計系統(tǒng)的配置方案,包括設備選型與連接關系;下層以年運行成本為目標,對于給定的一組方案,采用機會約束規(guī)劃建立了系統(tǒng)在典型場景下的運行優(yōu)化模型.考慮到可再生能源出力與用戶負荷預測誤差的不確定性,建立了滿足置信概率的機會約束以描述能量的供需平衡.在模擬運行階段,考慮到設備運行過程中不確定的發(fā)生故障,提出了系統(tǒng)調(diào)整裕度計算模型.進而建立了調(diào)整裕度與故障設備導致的能量缺額的機會約束,實現(xiàn)對各備選設備進行N-1檢驗.對于多目標優(yōu)化模型獲得的多組帕累托最優(yōu)解集,以經(jīng)濟成本、環(huán)境成本、一次能源利用率、投資回收期為準則,采用信息熵與逼近理想排序法構(gòu)建多準則評價模型,以確定最終的系統(tǒng)方案.以實際綜合能源系統(tǒng)為研究對象,采用本文方法優(yōu)化了系統(tǒng)的最優(yōu)設備選型與配置數(shù)量,通過對比仿真,驗證了本文方法的有效性與可靠性.

2 問題描述

典型的綜合能源系統(tǒng)結(jié)構(gòu)如圖1所示.系統(tǒng)輸入能源包括外購電能、天然氣、太陽能與風能等多種形式介質(zhì),經(jīng)由系統(tǒng)內(nèi)所配置的變壓器(transformer,T)、可再生能源發(fā)電(renewable energy generation,REG)、熱電聯(lián)產(chǎn)(combined heat and power generation,CHP)、燃氣鍋爐(gas boiler,GB)、電熱泵(electric heat pump,EHP)、吸收式制冷(absorption chiller,AC)、電制冷(electric chiller,EC)等設備轉(zhuǎn)換為用戶所需的電、熱、冷能源.同時,系統(tǒng)還可配置一定的電儲能(electricity storage,ES)與熱儲能(heat storage,HS),以提升系統(tǒng)運行時的削峰填谷能力以及提高系統(tǒng)在峰谷平能源價格條件下的經(jīng)濟性.

圖1 典型綜合能源系統(tǒng)配置圖Fig.1 Typical configuration diagram of integrated energy system

由圖1可知,系統(tǒng)中不僅包含多種類型設備,而且對于同一類型備選設備可配置多臺機組.圖中標注變量nd≥0,分別表示對應的備選設備的配置數(shù)量,d表示圖中的各備選設備.當其值等于0時,則表示拓撲結(jié)構(gòu)中不選擇該類型設備;否則,配置nd數(shù)量的該類型設備機組.對于綜合能源系統(tǒng)的配置優(yōu)化問題,在考慮備選機組參數(shù)、能源價格、負荷需求等因素條件下,優(yōu)化一組兼顧經(jīng)濟性、能效性與環(huán)保性的設備配置方案,向用戶提供冷、熱、電的能源.然而,在此過程中,對于用戶的負荷需求、可再生能源的典型場景的出力,均需要采用預測的方式獲得,然而對典型場景的負荷預測和可再生能源出力均存在誤差.同時,對于給定的配置方案,受設備運行工況、部件壽命影響,供能設備在運行過程中存在不確定的設備故障問題.故此,針對由上述預測誤差與設備故障引起的不確定性,在規(guī)劃階段如若能加以考慮,則會使得系統(tǒng)的供能方案能夠更能滿足實際需求,更具有實際的可行性.

3 計及多元不確定性的配置規(guī)劃模型

考慮到綜合能源系統(tǒng)在源-網(wǎng)-荷層面存在的不確定性,本文提出一種多目標優(yōu)化-機會約束規(guī)劃的兩層優(yōu)化配置模型.上層模型以經(jīng)濟性、環(huán)保性與能效性為目標,考慮備選設備的經(jīng)濟與技術(shù)參數(shù),實現(xiàn)系統(tǒng)的結(jié)構(gòu)優(yōu)化.下層模型則以上層模型結(jié)構(gòu)優(yōu)化配置為邊界,考慮到可再生能源出力與用戶負荷預測的誤差以及設備N-1的不確定性,以年運行經(jīng)濟性為目標,構(gòu)建典型季節(jié)場景的模擬運行模型.圖2為兩層規(guī)劃模型的邏輯框圖.

圖2 本文所提兩層配置規(guī)劃方法的邏輯框圖Fig.2 Frame diagram of the proposed IES bi-level configuration planning method

3.1 上層配置優(yōu)化模型

3.1.1 目標函數(shù)

1) 經(jīng)濟成本.

經(jīng)濟成本Ca以年為時間單位計算,主要包括年投資成本Cv、年燃料購買成本Cf及年設備維護成本Cm.對于圖1所示的綜合能源系統(tǒng),外購能源為電與天然氣.計算公式如下:

其中:D為備選設備的集合,d ∈D代表某一類備選設備;Nu表示一年中的典型場景數(shù),u為場景的索引;Uu為場景u的持續(xù)天數(shù);Tu為一天內(nèi)的周期數(shù),t為周期的索引;i為設備索引,Pd,i(t)表示其在時刻t的瞬時功率;BCHP,g(t)與BGB,g(t)分別表示熱電聯(lián)產(chǎn)與燃氣鍋爐消耗燃氣的功率,Bg(t)則表示其總量;Be(t)表示購電的總量;分別表示熱電聯(lián)產(chǎn)的發(fā)電效率與燃氣鍋爐的產(chǎn)熱效率;Vd,cd分別表示備選設備d的額定容量與單位投資成本價格;ce與cg分別表示外購電能以及燃氣的單位價格;cd,m為設備d的單位維護成本;Δt為單位周期的持續(xù)時間,一般取1小時;ld表示該設備的設計壽命;CRF 為投資回報系數(shù);r為投資年利率.

2) 環(huán)境成本.

環(huán)境成本以年碳排放成本Cce為指標,其作為最小化的優(yōu)化目標加入到多目標優(yōu)化模型中.計算公式如下:

其中:αe與αg分別表示電和燃氣的碳排放系數(shù),cce表示碳排放的單位價格.

3) 能源效率.

采用一次能源利用率作為系統(tǒng)能效的評價指標,衡量系統(tǒng)的能源轉(zhuǎn)換效率.在系統(tǒng)規(guī)劃階段,應最大化該指標.其定義如下:

3.1.2 優(yōu)化變量及容量約束

對于上層配置優(yōu)化模型,通過優(yōu)化各備選設備的配置數(shù)量,最終確定系統(tǒng)的供能配置.決策變量可定義如下:

對于集合D中的各備選設備,其配置數(shù)量需滿足如下邊界約束:

3.2 下層計及多元不確定性的模擬運行模型

本章節(jié)以年運行成本為目標,建立了基于機會約束規(guī)劃的模擬運行優(yōu)化模型,以使得系統(tǒng)能夠以一定的置信區(qū)間消除源網(wǎng)荷不確定性的影響.

3.2.1 優(yōu)化目標

下層模擬運行模型以最小化年經(jīng)濟成本為優(yōu)化目標,用符號Cope表示,主要包含設備維護成本Cm、能源購置成本Cf與溫室氣體排放成本Cce.為降低計算的復雜度,采用典型季節(jié)負荷表示用戶側(cè)在全年內(nèi)的能源需求情況.相應的計算公式可定義如下:

3.2.2 約束條件

本節(jié)優(yōu)化模型的約束主要包括: 1)能源轉(zhuǎn)換設備約束;2)儲能系統(tǒng)約束;3)能量平衡的機會約束.

1) 能源轉(zhuǎn)換設備約束.

能源轉(zhuǎn)換設備可將輸入能源轉(zhuǎn)換成負荷需求的能源,如氣-電、氣-熱、電-熱、電-冷等.本文中,采用如下的的穩(wěn)態(tài)模型描述設備對應的輸入能源與輸出負荷的轉(zhuǎn)換關系:

其中:k表示能源種類,k ∈{e,h,g};ηc表示設備d的能源轉(zhuǎn)換效率,表示該設備輸入的能源,如電、熱、氣等.設備運行過程中,其負荷出力需滿足容量約束

其中:Dc表示能源轉(zhuǎn)換設備的集合,Dc ∈D,包括T,CHP,EHP,GB,EC,AC.Vd為相應設備的裝機容量,與為設備的出力范圍系數(shù).

2) 儲能系統(tǒng)約束.

對于儲能系統(tǒng)設備,一方面其出力功率邊界約束,另一方面,所具有的能源儲量滿足設備自身容量限制,如下式所示:

其中;i ∈ns,s ∈Ds;Ds表示儲能設備的集合,包含ES與HS;ns為儲能設備s的配置數(shù)量;Ps,i(t)表示t時刻第i個s儲能設備的輸出功率,若其值為正數(shù)則表示儲能設備正在釋放能量,否則表示設備正在存儲能量;Ps,i,ch(t),Ps,i,dch(t)分別表示該儲能設備的儲能功率與釋能功率;分別表示儲能設備的儲能、釋能的最大功率邊界;αs,i則表示相應的各儲能設備的工作狀態(tài),1表示儲能系統(tǒng)正在儲存能量,0則表示系統(tǒng)正在釋放能量.

為保證各儲能設備的安全運行,在時刻t,其容量約束如下所示:

其中:Vs表示s儲能設備的額定裝機容量;Es,i(t)表示第i個s儲能設備在t時刻的存儲能量;ωs,w表示儲能設備s的耗散率;ωs,ch與ωs,dch分別表示其儲能效率與釋能效率;與為設備的存儲容量安全下限與安全上限.

3) 含源荷雙側(cè)不確定性的能量平衡約束.

為滿足用戶側(cè)對電、熱、冷能源的需求,對于系統(tǒng)中的某一設備,其能源供應形式可采用如下統(tǒng)一模型描述:

考慮到規(guī)劃階段對負荷及可再生能源出力預測誤差的不確定性,本文中供需平衡約束以置信水平βb滿足,如下式所示:

3.2.3 設備N-1不確定性檢驗

為保證系統(tǒng)的運行安全,系統(tǒng)規(guī)劃階段應考慮設備N-1故障.當設備發(fā)生故障時,該設備所提供的能量,可通過調(diào)節(jié)正常設備預留的調(diào)整能力來補償,以降低設備故障對能源供應的影響.本章節(jié)中,上述補償過程,以一定的置信概率滿足.

在t時刻,系統(tǒng)所包含的能源發(fā)生設備與儲能設備的調(diào)整裕度可定義如下:

其中:αs,i=0或1,表示t時刻設備運行在儲能或者釋能狀態(tài);分別表示能源轉(zhuǎn)換設備與儲能設備的調(diào)整裕度.特別的,由于光伏發(fā)電機組,其輸出功率由環(huán)境條件決定,機組本身無法進行輸出功率的調(diào)節(jié),故該類設備的調(diào)整裕度為.本文中,為滿足能源的供應平衡,當運行設備發(fā)生N-1時,根據(jù)正常設備預留的調(diào)整裕度,構(gòu)建滿足置信概率的調(diào)整裕度與能量缺額的檢驗約束,進而獲得在滿足N-1約束時的運行方案.

通過逐一對各設備的N-1狀況進行檢驗,判斷當前配置方案是否通過N-1檢驗.

其中:f ∈nf,f為異常設備的序列,nf為其對應的配置數(shù)量,αf=1表示該設備發(fā)生N-1故障;ef(t)為供能缺額不確定性隨機變量,βf為置信水平.

3.3 機會約束的轉(zhuǎn)化與規(guī)劃模型求解

3.3.1 機會約束的轉(zhuǎn)化

為求解所構(gòu)建的雙層規(guī)劃模型,需要將機會約束轉(zhuǎn)換為確定的約束條件.對于式(24)所示的供需平衡概率約束,為便于研究本文假設可再生能源出力與負荷預測偏差均服從正態(tài)分布

則式(28)做如下轉(zhuǎn)化:

成立.因此,上述機會約束可進一步轉(zhuǎn)化下式中的確定性約束:

其中?N表示標準正態(tài)分布的分布函數(shù).

本文假設能量缺額的不確定性隨機變量亦服從正態(tài)分布.ef(t)～N(μf,),則式(27)可轉(zhuǎn)化為如下確定性約束:

3.3.2 模型的求解

如上述分析,本文上層配置優(yōu)化模型為多目標優(yōu)化模型;下層模型由于考慮了儲能設備的運行狀態(tài),在將機會不確定性約束轉(zhuǎn)化為確定性約束后,可轉(zhuǎn)化為混合整數(shù)非線性規(guī)劃問題.

對于多目標優(yōu)化問題,該類問題的最優(yōu)解是一組Pareto最優(yōu)解集.非支配排序遺傳算法(non-dominated sorting genetic algorithm-Ⅱ)[8]方法降低了非劣排序遺傳算法的復雜性,具有運行速度快,解集的收斂性好的優(yōu)點,成為其他多目標優(yōu)化算法性能的基準.鑒于此,本文采用該方法求解上層配置優(yōu)化模型.

而對于轉(zhuǎn)化后的混合整數(shù)非線性規(guī)劃模型.本文采用商業(yè)優(yōu)化求解器Gurobi[15]進行求解,可優(yōu)化獲得系統(tǒng)在典型場景下的最優(yōu)運行策略.

3.3.3 多準則綜合評價

對于多目標方法獲得的Pareto最優(yōu)解集,本文采用信息熵[20]與逼近理想排序法[21]相結(jié)合的方法構(gòu)建綜合評價模型,以確定最終的配置方案.

假設有m種備選方案,假設建立了n種評價指標,則經(jīng)過計算,可獲得評價結(jié)果矩陣,用符號H表示.

其中hij表示第i種方案的第j個指標的計算結(jié)果.本文綜合能源規(guī)劃研究旨在獲得綜合評價值最大的方案,需要將各指標標準化.對于最小化類別的評價指標,采用式(33)標準化;反之,則采用式(34)標準化計算:

基于獲得各方案的指標值,本文采用信息熵方法獲得各指標的權(quán)重矩陣.該方法根據(jù)數(shù)據(jù)本身客觀的差異性確定指標的權(quán)重.采用該方法獲得權(quán)重可表示為w=[w1w2···wn].更進一步,采用逼近理想排序法構(gòu)建綜合評價模型,如下式所示:

其中:Ei表示第i組準則的綜合評價結(jié)果,且0≤Ei≤1;表示第i組準則距離最大值的距離,而則表示與最小值的距離.對于綜合評價結(jié)果Ei值越大,則表示被評價方案越接近最大值,表明該方案從綜合評價的角度分析是最優(yōu)的.

4 案例分析

4.1 案例說明與參數(shù)設定

本文以國內(nèi)某綜合能源系統(tǒng)為研究對象[15],能源供應關系可抽象為圖1所示.該綜合能源系統(tǒng)為國內(nèi)某市的智慧社區(qū)示范項目,需求負荷的類型包括冷、熱、電3種能源.該社區(qū)建筑面積為0.1平方公里,容納1500人.全年的天數(shù)設定為365天,各場景的持續(xù)時間分別為:春季場景為90天,夏季場景為93天,秋季場景為90天,冬季場景為92天.此外,典型的可再生能源發(fā)電設備有光伏發(fā)電(photovoltaic,PV)與風力發(fā)電(wind generation,WG),然而由于項目的地區(qū)不是典型風場,系統(tǒng)規(guī)劃時,可再生能源發(fā)電設備僅考慮光伏發(fā)電.

本文電價采用峰-谷-平分時電價,峰時電價為0.18$/kWh,平時電價為0.132$/kWh,谷時電價為0.072$/kWh.天然氣價格為0.0392$/kWh.冷、熱負荷收益單價為20$/GJ.電力與天然氣的粉塵排放系數(shù)分別為0.968與0.22 kg/kWh.碳稅價格為0.0032$/kg.外購電能假設由傳統(tǒng)火力發(fā)電方式產(chǎn)出,其發(fā)電效率取0.48.實驗過程中,負荷需求、各備選能源設備的技術(shù)與經(jīng)濟參數(shù)可參考引文獻[15].不確定性隨機變量假設其服從高斯分布,均值為0,標準差為負荷值的10%,置信概率取值均為95%.NSGA-Ⅱ的種群數(shù)量設置為50,交叉概率為0.9.

4.2 實驗結(jié)果與分析

在置信水平為95%的條件下,采用本文所提考慮多元不確定性的雙層配置方法所獲得的方案如表1所示.表2為各方案相應的經(jīng)濟性、碳稅與能效指標結(jié)果.由表1-2可以看出,不同的方案對于經(jīng)濟性、環(huán)保性以及能效方面的表現(xiàn)具有顯著的差異.方案#1相比于方案#2,雖然在經(jīng)濟成本與能效方面優(yōu)勢較弱,但其能夠有效降低碳排放,在環(huán)境保護方面優(yōu)勢明顯.方案#5相較于方案#4,其能源利用率水平非常高,但是該方案對經(jīng)濟成本依賴較高,同時在碳排放控制方面也表現(xiàn)較差.而對于方案#8,該方案在控制碳排放方面表現(xiàn)最優(yōu),但對投資經(jīng)濟性的依賴也是最顯著的.

表1 采用本文方法所獲得的帕累托解集Table 1 Pareto front sets obtained by the proposed method

表2 所獲得的帕累托最優(yōu)方案及優(yōu)化目標值Table 2 Alternative schemes and the corresponding objective values of the Pareto front sets

為確定最優(yōu)的系統(tǒng)供能結(jié)構(gòu),本文選擇設備購置成本、年運行成本、碳稅成本、一次能源利用率以及投資回收期構(gòu)建多準則評價指標體系.采用信息熵-逼近理想排序法相結(jié)合的多準則評價方法實現(xiàn)各方案的綜合評價,并以綜合評價最大的方案作為最終的規(guī)劃方案.各準則值、確定的準則權(quán)重以及綜合評價的結(jié)果如表3所示.

表3 本文所獲得的各方案的綜合評價結(jié)果Table 3 Comprehensive evaluation of the configuration schemes using the proposed method

從結(jié)果來看,設備購置成本、碳稅成本、一次能源利用率與投資回收期評價準則的重要程度高.從綜合評價的結(jié)果來看,方案#4,雖然其能效水平不是最優(yōu)方案,但其余各項評價準則均處于最優(yōu)或次優(yōu)狀態(tài),且該方案具有最高的綜合評價結(jié)果.方案#1,#2與#3配置了較多數(shù)量的GB與EHP,在滿足用戶側(cè)熱負荷條件下,提供了富余的熱能;同時,系統(tǒng)則利用HS與AC配合實現(xiàn)能量的梯級利用,有效降低了設備購置成本,在投資回收期方面比較有優(yōu)勢;然而,由于外購電能以及GB在環(huán)保方面優(yōu)勢較弱,使得系統(tǒng)的碳排放控制表現(xiàn)較差.方案#2,#5,#6與#7配置了數(shù)量多的高能效的EHP與EC設備,使其能效表現(xiàn)較優(yōu),均超過了100%;但由于其CHP設備的數(shù)量較少,系統(tǒng)運行時對外購電能的需求較大,導致方案在碳排放控制方面效果不佳.對于方案#8,系統(tǒng)配置了多臺CHP以及PV,降低了系統(tǒng)對外購電能的依賴,使得系統(tǒng)的碳排放控制表現(xiàn)最優(yōu).同時,在考慮峰谷平電價條件下,由于儲能系統(tǒng)的配置可實現(xiàn)能源在時間層面的轉(zhuǎn)移,可有效改善系統(tǒng)運行的經(jīng)濟性,但由于系統(tǒng)建設投資成本較其他方案較高,使得系統(tǒng)的綜合評價處在較低水平.結(jié)果表明,基于本文構(gòu)建的綜合評價模型可最終選定方案#4本文的規(guī)劃方案,表明了本文所提規(guī)劃方法的有效性.

4.3 典型場景的運行策略

對于給定的配置方案,下層優(yōu)化模型可獲得在典型場景下的運行策略,結(jié)果分別如圖3-5所示.圖中曲線表示典型場景的用戶側(cè)負荷曲線,彩色柱狀圖表示對應設備的出力功率.

圖3 不同場景下的電負荷供應策略Fig.3 Power supply strategies in multiple scenarios

由圖3可知,考慮到峰谷平分時電價政策,在夜間谷時電價時,CHP處于低功率運行,電能供應平衡多通過外購電能滿足;在峰時與平時,兩臺CHP均是高功率運行,其在提供電能的同時,也可實現(xiàn)能量的梯級利用,向系統(tǒng)輸出熱能.同時,本文配置兩臺變壓器設備,實現(xiàn)1用1備,用于保證系統(tǒng)電能供應的安全.

如圖4所示,系統(tǒng)所需的熱能主要來源為CHP的余熱.為了保證熱網(wǎng)的削峰運行,本文配置了兩臺EHP機組,設計為1用1備,以滿足熱能供應時的N-1安全等級.對于熱網(wǎng)在滿足用戶負荷需求后,富余產(chǎn)出的熱能量則通過AC機組,將高品位的熱能轉(zhuǎn)化成低品位的冷量.

圖4 不同場景下熱負荷供應策略Fig.4 Heat supply strategies in multiple scenarios

圖5為系統(tǒng)冷量供應時的設備運行出力.由圖可知,3臺AC機組將熱網(wǎng)富余的熱能轉(zhuǎn)化為冷量,向用戶側(cè)提供冷能.4臺EC機組,運行模式為3用1備,3臺機組協(xié)作運行,與AC制冷機組配合滿足用戶需求.尤其是夏季日間冷量需求高的情況,3臺EC機組需要全開,才能滿足用戶的冷需求.

圖5 不同場景下冷負荷供應策略Fig.5 Cool supply strategies in multiple scenarios

由上述分析可知,基于本文方法獲得設備配置,不僅能夠滿足系統(tǒng)的供能需求,而且在規(guī)劃時考慮了多元不確定行,尤其是設備的N-1不確定性,使得系統(tǒng)的能源結(jié)構(gòu)在供需過程中具有更高的安全等級.

4.4 與傳統(tǒng)規(guī)劃方法對比

為更一步驗證本文方法所規(guī)劃方案的有效性,本文采用文獻[15]中所提出的以經(jīng)濟性為目標的混合整數(shù)線性規(guī)劃(mixed integer linear programming,MILP)方法進行對比實驗分析.該方法以總體經(jīng)濟性最小為優(yōu)化目標,包括設備投資費用、運維成本與環(huán)保成本,旨在獲得經(jīng)濟性最優(yōu)的配置方案.

表4是采用MILP方法獲得配置方案以及對應的各計算指標值.由結(jié)果可知,2臺CHP作為供熱的主要設備,滿足用戶側(cè)負荷的熱需求.對于CHP和PV無法滿足的電負荷,則通過1臺變壓器由外電網(wǎng)采購.為保證熱網(wǎng)的運行穩(wěn)定,規(guī)劃模型從經(jīng)濟性角度,配置了2臺HS設備,用于熱網(wǎng)系統(tǒng)的削峰填谷運行.冷負荷則由3臺AC機組與3臺EC滿足,AC機組將熱網(wǎng)富余的熱量轉(zhuǎn)化成冷量,一方面保證了熱網(wǎng)穩(wěn)定運行,另一方面減少了EC出力.

表4 基于MILP獲得經(jīng)濟性最優(yōu)的配置方案Table 4 Economic optimal configuration scheme obtained by the MILP algorithm

相比于傳統(tǒng)方法,本文所提方法重點考慮了系統(tǒng)的多元不確定性,尤其是N-1故障.本章節(jié)選擇各場景12時刻的能源需求,以1臺CHP發(fā)生故障為案例,計算各場景的能源缺額,旨在可通過調(diào)節(jié)正常運行設備的預留容量實現(xiàn)N-1設備的出力功率值的補償.如果當前設備預留的容量可將N-1設備的出力補償,則表明系統(tǒng)可通過改變供能結(jié)構(gòu),繼續(xù)滿足能源平衡供應.否則,則表明系統(tǒng)無法實現(xiàn)滿足能源供需平衡.且缺額越大,表示系統(tǒng)對于N-1故障的應對能力越弱.由于CHP設備屬于熱電聯(lián)產(chǎn)設備,表5統(tǒng)計了在冷負荷供應不變的條件下的電能、熱能的缺額.

表5 各場景中熱電聯(lián)產(chǎn)設備故障時的供能缺額Table 5 Energy gap for each scenario in the event of CHP equipment failure

由表結(jié)果可知,在1臺CHP發(fā)生故障時,基于本文方法的供能方案,能夠更好的通過調(diào)節(jié)正常工作設備的調(diào)整裕度,保證供能平衡.在電能供應方面,兩種方案中均有一定的富余調(diào)整度,而對于熱能供應,基于MILP方法獲得方案在春季、夏季、秋季均出現(xiàn)一定的能量缺額.特別的,在夏季場景中,本文方法也存在了能量的缺額,但相較于MILP方法所出現(xiàn)的能量缺額更小.基于上述分析,本文方法能夠在用能在各個場景的用能高峰期,相較于傳統(tǒng)的MILP規(guī)劃方法,能夠更好的應對系統(tǒng)中的N-1故障,保證系統(tǒng)的安全穩(wěn)定運行.此外,對于表中出現(xiàn)能量的富余狀情況,表明系統(tǒng)有能力應對由于設備N-1導致的能量缺額,在實際運行過程中,可通過調(diào)度的干預,使得系統(tǒng)達到能量的實時平衡,不會導致能源的浪費.

5 結(jié)論

針對綜合能源系統(tǒng)的配置優(yōu)化問題,本文提出一種考慮系統(tǒng)源-網(wǎng)-荷多元不確定性的配置規(guī)劃方法.該方法考慮可再生能源出力與用戶負荷預測的不確定性、設備N-1運行不確定性,建立了基于多目標-機會約束規(guī)劃的雙層規(guī)劃模型.對于多目標優(yōu)化獲得的帕累托解集,采用信息熵與逼近理想排序法相結(jié)合的綜合評價方法,實現(xiàn)對各備選方案的綜合評價以確定最終的設計方案.實驗部分將本文方法應用于國內(nèi)某區(qū)域綜合能源系統(tǒng)的最優(yōu)配置設計,在給出最優(yōu)的配置方案的同時,也設計了考慮多元不確定性的典型場景的設備運行策略.通過設計對比實驗,驗證了本文所提優(yōu)化模型與優(yōu)化方法的有效性.然而,本文方法在衡量光伏出力與負荷預測結(jié)構(gòu)不確定性時,均采用正態(tài)分布其進行建模,在今后的研究中,可考慮采用基于數(shù)據(jù)的辨識方法以獲得更準確的不確定性模型.