面向多能互補的分布式光伏與氣電混合容量規(guī)劃方法

馬溪原, 郭曉斌, 雷金勇

(南方電網(wǎng)科學(xué)研究院有限責(zé)任公司, 廣東省廣州市 510080)

0 引言

多能互補分布式能源綜合利用是清潔能源與可再生能源高效利用的重要方式[1-3]。在眾多的多能互補系統(tǒng)形態(tài)中,含分布式光伏發(fā)電(PV)和“氣電混合(P2G)”的區(qū)域多能互補分布式能源配電系統(tǒng)是一種典型形式。本文中的“氣電混合”指的是通過電能與燃氣之間的能量轉(zhuǎn)化和互聯(lián)實現(xiàn)配電網(wǎng)與天然氣網(wǎng)絡(luò)的協(xié)同運行[4-6]。對含分布式光伏與氣電混合的區(qū)域多能互補系統(tǒng)在容量上進行合理規(guī)劃,可以在兼顧系統(tǒng)經(jīng)濟性的基礎(chǔ)上提高對分布式光伏的消納能力。

目前對分布式光伏發(fā)電規(guī)劃的研究主要從配電網(wǎng)接納能力的角度出發(fā),重點關(guān)注配電網(wǎng)內(nèi)部的電壓不越限與功率平衡等電網(wǎng)安全性要求。文獻[7-9]考慮了電壓不越限時分布式光伏所能允許接入的容量極限;文獻[10]提出了考慮潮流倒送約束的分布式光伏的選址、定容和規(guī)劃方法,在氣電混合容量規(guī)劃方面,主要考慮天然氣網(wǎng)絡(luò)規(guī)劃與電網(wǎng)規(guī)劃的協(xié)調(diào)互補問題;文獻[11-14]重點考慮了天然氣網(wǎng)絡(luò)約束的氣電互聯(lián)系統(tǒng)協(xié)調(diào)擴容的規(guī)劃方法;文獻[15]建立了重點考慮電網(wǎng)和氣網(wǎng)經(jīng)濟性的長期多區(qū)域、多階段的規(guī)劃模型。但是,在分布式光伏與氣電混合聯(lián)合運行系統(tǒng)的規(guī)劃方面,目前研究仍然較少。

多能互補系統(tǒng)中分布式光伏與氣電混合容量規(guī)劃主要存在以下問題。

1)現(xiàn)有的研究對分布式光伏出力的間歇性和負荷用電隨機性考慮不夠,多在確定性的典型日或確定性的負荷峰值情況下進行分析,缺少基于概率性分析的運行成本期望計算,得到的優(yōu)化結(jié)果往往僅能適應(yīng)某些典型日場景,不能體現(xiàn)分布式光伏發(fā)電和負荷的季節(jié)性差異、日差異和中長期特性。

2)規(guī)劃往往相對割裂,多數(shù)僅針對分布式光伏發(fā)電系統(tǒng)或僅針對氣電混合系統(tǒng)分別開展,在多能互補的環(huán)境下,為了有效提高系統(tǒng)經(jīng)濟性,應(yīng)更好地利用不同能源的時空互補性,建立分布式光伏與氣電混合容量的協(xié)同優(yōu)化模型。

3)規(guī)劃階段往往缺少對實際運行策略的考慮,容易導(dǎo)致規(guī)劃結(jié)果與實際運行脫節(jié)。

針對以上問題,本文的創(chuàng)新性工作主要體現(xiàn)在以下幾個方面。

1)考慮到光照強度、負荷均具有顯著的時序性和季節(jié)性,提出了采用光照強度與負荷的季節(jié)性日場景削減結(jié)果作為規(guī)劃模型輸入的思想,建立了多場景隨機規(guī)劃模型。

2)提出了多能互補系統(tǒng)中分布式光伏與氣電混合的協(xié)同規(guī)劃方法,建立了協(xié)同規(guī)劃模型的目標函數(shù)和約束條件。

3)在由分布式光伏與氣電混合組成的多能互補系統(tǒng)規(guī)劃問題中考慮系統(tǒng)運行的影響,以多場景下的多能互補系統(tǒng)的基礎(chǔ)投資成本和運營成本綜合最低為優(yōu)化目標,將季節(jié)性多個不同場景下的運行成本與收益進行加權(quán)計算。

1 分布式光伏與氣電混合區(qū)域多能互補配電系統(tǒng)典型結(jié)構(gòu)

含分布式光伏發(fā)電與氣電混合的區(qū)域多能互補配電系統(tǒng)位于能源消費末端,主要由分布式光伏發(fā)電系統(tǒng)、氣電混合裝置(電轉(zhuǎn)氫氣或甲烷)、氫儲能裝置、配電網(wǎng)、燃氣網(wǎng)和控制系統(tǒng)等部分組成。其典型結(jié)構(gòu)如圖1所示。

圖1 含分布式光伏發(fā)電與氣電混合的多能互補配電系統(tǒng)的典型結(jié)構(gòu)Fig.1 Typical structure of multi-energy coupled distribution system with distributed PV and P2G

分布式光伏發(fā)電系統(tǒng)在用戶側(cè)實現(xiàn)“自發(fā)自用,余量上網(wǎng)”。當(dāng)分布式光伏發(fā)電盈余較大導(dǎo)致配電網(wǎng)無法消納時,一方面,電轉(zhuǎn)甲烷裝置啟動,把多余的分布式光伏發(fā)電量轉(zhuǎn)換成甲烷并注入天然氣網(wǎng)絡(luò);另一方面,電轉(zhuǎn)氫氣裝置也可以啟動,把多余的分布式光伏發(fā)電量轉(zhuǎn)換成氫能的形式存儲在氫儲能裝置中。當(dāng)上級電網(wǎng)供電能力不足或分布式光伏發(fā)電量較小時,氫燃料電池將氫儲能中的氫能轉(zhuǎn)化成電能送入電網(wǎng)。氣電混合在區(qū)域多能互補配電系統(tǒng)中的作用主要是解決分布式光伏高滲透率地接入配電網(wǎng)后的消納問題。

自然資源、負荷水平、市場價格和運行策略等均對多能互補配電系統(tǒng)中分布式光伏與氣電混合容量規(guī)劃結(jié)果有重要影響。本文通過建立含分布式光伏與氣電混合的多能互補配電系統(tǒng)穩(wěn)態(tài)模型,計及“市場價格”和“運行策略”的影響,測算多能互補配電系統(tǒng)的運營成本;通過光照強度與負荷季節(jié)性多場景,刻畫多能互補配電系統(tǒng)所在地的“自然資源”和“負荷水平”。

2 光照強度與負荷的季節(jié)性日場景

分布式光伏發(fā)電與負荷均具有日規(guī)律性和季節(jié)性?？紤]到本文研究的對象為規(guī)劃問題,在規(guī)劃階段需要更加關(guān)注分布式光伏發(fā)電及負荷的中長期特性和互補效應(yīng),本文提出采用從光照強度歷史曲線和負荷歷史曲線中按照不同季節(jié)提取典型日曲線作為規(guī)劃模型的輸入數(shù)據(jù)的思想,以此為基礎(chǔ)構(gòu)建隨機規(guī)劃模型。

在該規(guī)劃模型中,光照強度和負荷需求是兩個相互獨立的隨機變量,如果在規(guī)劃模型中利用全部的光照強度和負荷需求的歷史數(shù)據(jù)信息進行仿真、計算和分析或進行大量的長周期的隨機生產(chǎn)模擬,求解運算量龐大且耗時較長。針對以上問題,本文按照不同季節(jié)將光照強度日曲線和負荷日曲線劃分成春季、夏季、秋季和冬季共4個樣本集,運用“場景削減”的思想將海量樣本集縮減為少量的離散樣本,在減少計算量的同時計及分布式光伏發(fā)電出力與負荷的隨機性、時序特性和季節(jié)規(guī)律。本文采用同步回代消除法[16]進行場景削減,該算法每次迭代削減一個場景并改變其他場景的概率,直到剩余場景集數(shù)量達到指定的閾值。

3 分布式光伏與氣電混合容量規(guī)劃的多場景優(yōu)化模型

本文建立了面向多能互補配電系統(tǒng)的分布式光伏與氣電混合容量規(guī)劃問題的數(shù)學(xué)優(yōu)化模型,下面就該數(shù)學(xué)優(yōu)化模型的目標函數(shù)和約束條件進行詳細介紹。

3.1 目標函數(shù)

本模型以系統(tǒng)初始投資、維護和運營的綜合成本最低為優(yōu)化目標。其中,運營成本與光照強度和負荷需求有關(guān),具有一定的隨機性,同時也受系統(tǒng)運營方式和控制策略影響。目標函數(shù)為:

(1)

3.1.1等年值設(shè)備投資成本CCP,i

第i個設(shè)備的等年值設(shè)備投資成本如下:

(2)

式中:r為貼現(xiàn)率[17],本文取6.7%;βi為第i個一次設(shè)備的單位容量價格;PCapacity,i為第i個設(shè)備的容量;ri為第i個設(shè)備的設(shè)計、安裝、調(diào)試和配套二次設(shè)備投資等費用占一次設(shè)備成本的比例,本文取12%;Yi為第i個設(shè)備的財務(wù)周期,本文取20 a。

3.1.2設(shè)備年維護成本CM,i

設(shè)備的年維護成本與設(shè)備類型、容量規(guī)模,需要運行維護人員的數(shù)量,每年定期進行大修、巡檢的次數(shù),零配件故障率及更換價格有關(guān)。本文采用簡化的計算公式如下:

CM,i=kM,iPCapacity,i

(3)

式中:kM,i為第i個設(shè)備單位容量的年維護成本系數(shù)。

本文在計算綜合運營成本時不站在特定利益相關(guān)方的立場考慮其一方的成本,而是從多種能源在多能互補配電系統(tǒng)中的生產(chǎn)、傳輸、存儲和消費的全過程成本和效率角度出發(fā),實現(xiàn)能源全社會綜合利用成本最低。

(4)

式中:N為配電網(wǎng)負荷節(jié)點集合,n∈N;各種成本和收益項的計算方法如下。

在第j個季節(jié)的某個場景下,第t個時段配電網(wǎng)中第n個節(jié)點的用電成本計算公式為:

(5)

在第j個季節(jié)的某個場景下,第t個時段配電網(wǎng)的網(wǎng)損等價成本計算公式為:

(6)

從本文所述系統(tǒng)運行策略可見,因為電轉(zhuǎn)甲烷裝置啟動的條件是配電網(wǎng)無法就地消納盈余的分布式光伏發(fā)電,電轉(zhuǎn)甲烷裝置輸入的電量實質(zhì)上來自于分布式光伏發(fā)電,所以該裝置輸入電量的單位成本為光伏上網(wǎng)電價。由上述分析可見,在第j個季節(jié)的某個場景下,第t個時段的電轉(zhuǎn)甲烷裝置運營成本計算公式為:

(7)

同上述電轉(zhuǎn)甲烷裝置類似,電轉(zhuǎn)氫氣裝置輸入電量來自于系統(tǒng)過剩的分布式光伏發(fā)電,輸入電量的單位成本為光伏上網(wǎng)電價。在第j個季節(jié)的某個場景下,第t個時段的電轉(zhuǎn)氫氣裝置的運營成本計算公式為:

(8)

在第j個季節(jié)的某個場景下,第t個時段的氫燃料電池的運營成本計算公式為:

(9)

在第j個季節(jié)的某個場景下,第t個時段分布式光伏發(fā)電的運營收益計算公式為:

(10)

3.2 約束條件

3.2.1配電網(wǎng)運行約束

1)有功平衡約束。對于任何季節(jié)下任何光照強度和負荷場景,配電網(wǎng)滿足有功平衡約束(發(fā)電=用電),即

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(11)

2)節(jié)點電壓約束。對于任何季節(jié)下任何光照強度和負荷場景,配電網(wǎng)中各節(jié)點n的運行電壓水平應(yīng)限制在極限范圍內(nèi),即

?j∈J,?ω∈SPV,j∪SL,j,?t∈T,?n∈N

(12)

式中:Un,min和Un,max分別表示節(jié)點n的最小允許電壓值和最大允許電壓值,分別取0.93(標幺值)和1.07(標幺值)。

3)支路輸電能力約束。對于任何季節(jié)下任何光照強度和負荷場景,配電網(wǎng)中各支路l的電流應(yīng)限制在其所允許的最大電流值內(nèi),即

?j∈J,?ω∈SPV,j∪SL,j,?t∈T,?l∈L

(13)

3.2.2燃氣網(wǎng)運行約束

1)燃氣網(wǎng)管道流量約束

對于任何季節(jié)下任何光照強度和負荷場景,天然氣管網(wǎng)流量受管道的最大流量約束,即

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(14)

2)燃氣網(wǎng)節(jié)點流量平衡約束

對于任何季節(jié)下任何光照強度和負荷場景,燃氣網(wǎng)中的每一個節(jié)點gn有類似于電網(wǎng)基爾霍夫電流定律的流量平衡條件,即節(jié)點進氣流量等于出氣流量。

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(15)

3.2.3分布式光伏出力約束

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(16)

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(17)

式中:Irc為當(dāng)前工作點的輻照度;β為功率溫度系數(shù);Tc為工作點的電池表面溫度,本文在此近似取為環(huán)境溫度;TSTC為標準額定條件溫度,本文取25 ℃;Ir,STC為標準額定條件下的光伏發(fā)電功率,本文取Ir,STC=1 kW/m2。

3.2.4電轉(zhuǎn)甲烷裝置能量轉(zhuǎn)化約束

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(18)

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(19)

3.2.5電轉(zhuǎn)氫氣-氫儲能-氫燃料電池聯(lián)合系統(tǒng)能量轉(zhuǎn)化約束

電轉(zhuǎn)氫氣裝置、氫儲能裝置和氫燃料電池三者共同組成一個聯(lián)合系統(tǒng)。當(dāng)配電網(wǎng)中分布式光伏發(fā)電盈余較大時,由電轉(zhuǎn)氫氣裝置將電能轉(zhuǎn)化為氫能并存儲在氫儲能裝置中;當(dāng)分布式光伏發(fā)電盈余較小時,氫儲能裝置中的氫輸送到氫燃料電池中發(fā)電,存儲的氫能通過電能的形式反送到配電網(wǎng)中。3個裝置聯(lián)合運行時,盡管存在多次的能量形式轉(zhuǎn)換,為了便于分析和建模,本文均用電能或等效電能的形式刻畫能量流。

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(20)

式中:ηele-P2H為電轉(zhuǎn)氫氣裝置的能量轉(zhuǎn)換效率,本文取80%。

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(21)

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(22)

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(23)

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(24)

式中:ηFC為氫燃料電池的綜合轉(zhuǎn)換效率,本文取55%。

?j∈J,?ω∈SPV,j∪SL,j,?t∈T

(25)

4 問題求解

4.1 系統(tǒng)運行策略

由前所述,多能互補配電系統(tǒng)的運營成本受系統(tǒng)運行策略的影響很大,需要考慮通過分布式光伏和氣電混合裝置的協(xié)調(diào)運行,在滿足各種配電網(wǎng)運行約束、燃氣網(wǎng)運行約束以及各種機組約束的基礎(chǔ)上,為實現(xiàn)光伏的高滲透率接入和能源綜合利用效率的提高。本文設(shè)計了一種典型的多能互補配電系統(tǒng)的能量管理策略,其基本原則如下。

1)優(yōu)先利用分布式光伏發(fā)電為負荷供電,光伏可以反送配電網(wǎng)。

2)若分布式光伏反送配電網(wǎng)使配電網(wǎng)母線電壓超過上限或線路傳輸功率超過上限時,為了消除這些配電網(wǎng)運行越限情況并盡量避免“棄光”,優(yōu)先啟動電轉(zhuǎn)氫氣裝置,并把多余的分布式光伏發(fā)電量存儲在氫儲能裝置中。當(dāng)電轉(zhuǎn)氫氣裝置的輸出達到上限時,啟動電轉(zhuǎn)甲烷裝置,把部分多余的分布式光伏發(fā)電量轉(zhuǎn)換成甲烷注入天然氣網(wǎng)絡(luò)(此處考慮到“電轉(zhuǎn)甲烷”的損耗和成本比“電轉(zhuǎn)氫氣存儲后再發(fā)電”大,故而優(yōu)先啟用后者)。

3)當(dāng)電轉(zhuǎn)甲烷過程導(dǎo)致天然氣網(wǎng)絡(luò)的管道流量越限時,降低電轉(zhuǎn)甲烷裝置功率;當(dāng)電轉(zhuǎn)氫氣過程導(dǎo)致氫儲能裝置儲氣量達到上限時,停止電轉(zhuǎn)氫氣裝置。

4)當(dāng)分布式光伏發(fā)電未導(dǎo)致配電網(wǎng)母線電壓或線路功率越限觸發(fā)電轉(zhuǎn)甲烷和電轉(zhuǎn)氫氣裝置啟動時,啟動氫燃料電池發(fā)電,將氫儲能中存儲的氫氣轉(zhuǎn)化成電能反送回配電網(wǎng),即通過“分布式光伏發(fā)電→(電轉(zhuǎn)氫氣)氫氣→氫儲能→(燃料電池)電能”的能源存儲和轉(zhuǎn)換的循環(huán)過程,充分利用配電網(wǎng)難以消納的分布式光伏發(fā)電電量,盡量避免“棄光”。

5)當(dāng)依次考慮電轉(zhuǎn)氫氣和電轉(zhuǎn)甲烷消納分布式光伏發(fā)電盈余電量仍不能滿足母線電壓超過上限或線路傳輸功率超過上限時,出于系統(tǒng)安全運行的考慮,降低分布式光伏出力。

綜上所述,為計算運營成本而開展的運行模擬流程見附錄A圖A1。

4.2 求解算法

由于上述容量規(guī)劃模型中,在測算運營成本時需要啟用配電網(wǎng)潮流計算(本文采用前推回代法),同時附錄A圖A1中系統(tǒng)運行策略存在諸多邏輯判斷,是一個典型的多元非線性最優(yōu)化問題,無法直接采用線性規(guī)劃法、混合整數(shù)線性規(guī)劃法和拉格朗日松弛迭代法等理論較為成熟的數(shù)學(xué)算法尋求最優(yōu)解。考慮到細菌覓食算法(bacterial foraging algorithm,BFA)在求解含有低維度變量的連續(xù)優(yōu)化問題上易跳出局部極小值,具有很強的全局搜索和精細搜索能力等優(yōu)點[20-21],并且本文中研究的光伏發(fā)電和電轉(zhuǎn)氣容量規(guī)劃模型中的決策變量較少,也屬于低維度連續(xù)優(yōu)化問題,因此選擇BFA作為求解該容量規(guī)劃模型的人工智能算法。關(guān)于BFA的具體介紹見文獻[20],本文不再贅述。

采用BFA的分布式光伏與氣電混合容量規(guī)劃流程如圖2所示。

圖2 采用BFA算法的分布式光伏與氣電混合容量規(guī)劃流程Fig.2 Flow chart of optimal capacity planning for distributed PV and P2G using BFA

BFA中的適應(yīng)值取式(1),其計算方法由第3節(jié)的目標函數(shù)、約束條件和系統(tǒng)運行策略共同決定。細菌空間矢量θ=[θ1,θ2,…,θS]T由各設(shè)備的容量PCapacity,i組成,即本文優(yōu)化模型中的決策變量(分布式光伏發(fā)電、電轉(zhuǎn)氫氣裝置、電轉(zhuǎn)甲烷裝置、氫儲能裝置和氫燃料電池的裝機容量)。

5 算例分析

典型算例如圖1所示,共有10個節(jié)點和8條支路,節(jié)點1至7為配電網(wǎng)節(jié)點,節(jié)點8至10為燃氣網(wǎng)節(jié)點且無氣負荷;配電網(wǎng)電壓等級為10 kV,通過110 kV/10 kV變壓器與上級電網(wǎng)相連,變壓器低壓側(cè)電壓為10.5 kV,配電網(wǎng)總有功負荷為5.24 MW,無功負荷為2.54 Mvar,負荷類型為工業(yè)用戶;多能互補配電系統(tǒng)中有3個分布式光伏發(fā)電系統(tǒng)安裝于工廠屋頂,分別位于節(jié)點3、節(jié)點4和節(jié)點6,節(jié)點5與節(jié)點8之間通過電轉(zhuǎn)甲烷裝置實現(xiàn)氣電混合,同時節(jié)點5接入電轉(zhuǎn)氫氣裝置、氫儲能裝置和氫燃料電池;日內(nèi)運行時,氫儲能裝置初始容量設(shè)為額定裝機容量的10%。算例具體參數(shù)見附錄A表A1至表A3。

5.1 場景削減結(jié)果

本文在已知光照強度和負荷年歷史曲線的基礎(chǔ)上,根據(jù)第2節(jié)介紹的方法進行場景削減,每個季節(jié)的每種場景集合分別削減至2個,得到季節(jié)性日場景及其概率。以夏季為例,結(jié)果如圖3所示。

圖3 夏季日場景削減結(jié)果Fig.3 Results of daily load scenario reduction for summer

5.2 算例1:分布式光伏與氣電混合協(xié)同規(guī)劃

本算例假設(shè)每個節(jié)點擁有足夠的屋頂場地鋪設(shè)分布式光伏發(fā)電系統(tǒng),分布式光伏發(fā)電、電轉(zhuǎn)氫氣裝置、電轉(zhuǎn)甲烷裝置、氫儲能裝置和氫燃料電池的裝機均為待求量。根據(jù)本文提出的方法計算得到的各種裝置最佳裝機容量是:1號、2號和3號分布式光伏發(fā)電系統(tǒng)裝機容量分別達到3.200,4.844,3.158 MW,無需配置電轉(zhuǎn)氫氣裝置、電轉(zhuǎn)甲烷裝置、氫儲能裝置和氫燃料電池。成本與收益計算結(jié)果見表1。

表1 分布式光伏容量與氣電混合容量規(guī)劃的成本與收益Table 1 Cost and benefit for optimal sizing of distributed PV and P2G

分析結(jié)果可見,在目前的設(shè)備市場價格、補貼機制、算例區(qū)域光照強度和負荷水平等條件下,對算例系統(tǒng)同時配置分布式光伏發(fā)電系統(tǒng)和氣電混合系統(tǒng)時,僅配置光伏發(fā)電系統(tǒng)是綜合經(jīng)濟效益最優(yōu)的,配置氣電混合系統(tǒng)暫不具有經(jīng)濟優(yōu)勢。產(chǎn)生這樣的結(jié)果原因主要有:由電轉(zhuǎn)氫氣/甲烷、氫儲能和氫燃料電池組成的氣電混合聯(lián)合系統(tǒng)在能量轉(zhuǎn)化過程中損耗較大且投資成本較高。在這樣的損耗和市場價格現(xiàn)狀下,暫不適宜在配電網(wǎng)大規(guī)模推廣氣電混合多能互補配電系統(tǒng)。

5.3 算例2:分布式光伏高滲透率接入情況下的氣電混合容量規(guī)劃

本算例求解在配電網(wǎng)中1號、2號和3號分布式光伏發(fā)電系統(tǒng)的裝機容量已經(jīng)分別達到3,8,7 MW的情況下,如何通過配置電轉(zhuǎn)甲烷裝置、電轉(zhuǎn)氫氣裝置、氫儲能裝置和氫燃料電池的最佳裝機容量減少“棄光”,并使得系統(tǒng)投資成本和運行成本綜合最低。根據(jù)本文提出的方法計算得到的各種裝置最佳裝機容量是:僅配置443 kW電轉(zhuǎn)甲烷裝置即可,無需配置電轉(zhuǎn)氫氣、氫儲能和氫燃料電池。成本與收益計算結(jié)果見表1。

分析結(jié)果可見,典型算例中的節(jié)點3、節(jié)點4和節(jié)點6已高滲透率地接入了分布式光伏發(fā)電系統(tǒng)。在目前的市場價格條件下,僅對該系統(tǒng)配置一定的電轉(zhuǎn)甲烷裝置更具經(jīng)濟性,能源綜合成本從50 756元/d降到50 620元/d。電轉(zhuǎn)氫氣裝置、氫儲能裝置和氫燃料電池組成的聯(lián)合系統(tǒng)暫不具備競爭優(yōu)勢,雖然等年值設(shè)備投資費用增長了,但由于電轉(zhuǎn)甲烷對光伏消納的促進作用,分布式光伏發(fā)電運營收益有所增加且節(jié)點用電成本降低。因此,在分布式光伏高滲透率地接入配電網(wǎng)且難以消納的情況下,將原有系統(tǒng)改造成含分布式光伏與氣電混合的多能互補配電系統(tǒng)能夠一定程度地降低系統(tǒng)綜合成本,促進光伏消納。

5.4 參數(shù)靈敏度分析

各種市場價格參數(shù)對分布式光伏與氣電混合在多能互補配電系統(tǒng)中的容量規(guī)劃有重要影響。

本文在算例1的基礎(chǔ)上,分析各種價格參數(shù)對結(jié)果的影響。

1)0.1元/(kW·h)分布式光伏補貼對應(yīng)的分布式光伏容量規(guī)劃結(jié)果的敏感度約為0.46 MW,0.1元/(kW·h)分布式光伏補貼對應(yīng)的多能互補配電系統(tǒng)的綜合成本敏感度約為3 396 元。

2)0.1元/(kW·h)用戶電價對應(yīng)的分布式光伏容量規(guī)劃結(jié)果敏感度約為0.10 MW,0.1元/(kW·h)用戶電價對應(yīng)的多能互補配電系統(tǒng)的綜合成本敏感度約為4 994 元。

由上述分析可見,分布式光伏容量規(guī)劃結(jié)果對參數(shù)的敏感度排序是分布式光伏補貼高于用戶電價;多能互補配電系統(tǒng)的綜合成本對參數(shù)的敏感度排序是用戶電價高于分布式光伏補貼。

此外,由前述計算可知,電轉(zhuǎn)氫氣裝置、氫儲能裝置和氫燃料電池組成的聯(lián)合系統(tǒng)由于設(shè)備市場價格較高,導(dǎo)致其尚不具備推廣性。本文計算了電轉(zhuǎn)氫氣裝置、氫燃料電池的單位容量價格對算例2中規(guī)劃結(jié)果的影響,結(jié)果發(fā)現(xiàn):當(dāng)電轉(zhuǎn)氫氣裝置和氫燃料電池價格分別下降到約2 500元/kW和5 000元/kW以下時,電轉(zhuǎn)氫氣裝置、氫儲能裝置和氫燃料電池組成的聯(lián)合系統(tǒng)才具有推廣應(yīng)用的經(jīng)濟可行性。

6 結(jié)語

本文設(shè)計了一種面向多能互補系統(tǒng)的分布式光伏與氣電混合容量多場景規(guī)劃方法,提出了采用對光照強度歷史曲線和負荷歷史曲線按照季節(jié)進行日曲線分類和場景削減的思想,將場景削減的結(jié)果作為后續(xù)的規(guī)劃模型的輸入數(shù)據(jù)。設(shè)計了一種含分布式光伏與氣電混合的系統(tǒng)運行策略,采用了BFA對本文提出的模型進行求解。由計算分析可知,以目前的設(shè)備市場價格和補貼機制,氣電混合系統(tǒng)尚不具備明顯的綜合效益優(yōu)勢,多數(shù)情況下在配電網(wǎng)中僅合理配置分布式光伏發(fā)電系統(tǒng)是綜合經(jīng)濟效益最優(yōu)的。但當(dāng)分布式光伏發(fā)電容量已經(jīng)冗余時,通過本文方法配置一定比例的氣電混合系統(tǒng)可以降低系統(tǒng)綜合成本。

值得指出的是,本文建立的數(shù)學(xué)模型假設(shè)分布式光伏發(fā)電補貼價格、上網(wǎng)電價和用電電價在項目全生命周期內(nèi)不變。但是,受技術(shù)、經(jīng)濟和政策影響,這些敏感的價格參數(shù)可能變化,存在一定的不確定性,如何在規(guī)劃問題中考慮這些不確定性是本文的下一步的工作。此外,雖然電轉(zhuǎn)氫氣裝置、電轉(zhuǎn)甲烷裝置和氫燃料電池等裝置的市場價格目前相對較高,但是隨著技術(shù)進步和規(guī)?；l(fā)展,這些設(shè)備的市場價格有望遵循經(jīng)典的“摩爾定律”而大幅下降,屆時通過更新本文中的數(shù)學(xué)模型的關(guān)鍵參數(shù),本文提出的方法對實際工程推廣應(yīng)用將能夠發(fā)揮更大作用。

總體而言,對于現(xiàn)階段含有分布式光伏發(fā)電的配電網(wǎng)而言,不宜盲目推廣氣電混合,應(yīng)因地制宜,找到氣電混合系統(tǒng)和多能互補配電系統(tǒng)的贏利點,合理配置其容量,才能實現(xiàn)系統(tǒng)綜合成本最低。

附錄見本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] 董朝陽,趙俊華,文福拴,等.從智能電網(wǎng)到能源互聯(lián)網(wǎng):基本概念與研究框架[J].電力系統(tǒng)自動化,2014,38(15):1-11.DOI:10.7500/AEPS20140613007.

DONG Zhaoyang, ZHAO Junhua, WEN Fushuan, et al. From smart grid to Energy Internet: basic concept and research framework[J]. Automation of Electric Power Systems, 2014, 38(15): 1-11. DOI: 10.7500/AEPS20140613007.

[2] 孫宏斌,潘昭光,郭慶來.多能流能量管理研究:挑戰(zhàn)與展望[J].電力系統(tǒng)自動化,2016,40(15):1-8.DOI:10.7500/AEPS20160522006.

SUN Hongbin, PAN Zhaoguang, GUO Qinglai. Energy management for multi-energy flow: challenges and prospect[J]. Automation of Electric Power Systems, 2016, 40(15): 1-8. DOI: 10.7500/AEPS20160522006.

[3] 馬溪原,郭曉斌,董朝陽,等.能源互聯(lián)網(wǎng)的形態(tài)與試點構(gòu)想[J].南方電網(wǎng)技術(shù),2016,10(8):2-10.

MA Xiyuan, GUO Xiaobin, DONG Zhaoyang, et al. Features and demonstration prospect of energy internet[J]. Southern Power System Technology, 2016, 10(8): 2-10.

[4] 孫國強,陳霜,衛(wèi)志農(nóng),等.計及相關(guān)性的電-氣互聯(lián)系統(tǒng)概率最優(yōu)潮流[J].電力系統(tǒng)自動化,2015,39(21):11-17.DOI:10.7500/AEPS20150611006.

SUN Guoqiang, CHEN Shuang, WEI Zhinong, et al. Probabilistic optimal power flow of combined natural gas and electric system considering correlation[J]. Automation of Electric Power Systems, 2015, 39(21): 11-17. DOI: 10.7500/AEPS20150611006.

[5] QIU Jing, DONG Zhaoyang, ZHAO Junhua, et al. Low carbon oriented expansion planning of integrated gas and power systems[J]. IEEE Transactions on Power Systems, 2015, 30(2): 1035-1046.

[6] 徐憲東,賈宏杰,靳小龍,等.區(qū)域綜合能源系統(tǒng)電/氣/熱混合潮流算法研究[J].中國電機工程學(xué)報,2015,35(14):3635-3642.

XU Xiandong, JIA Hongjie, JIN Xiaolong, et al. Study on hybrid heat-gas-power flow algorithm for integrated community energy system[J]. Proceedings of the CSEE, 2015, 35(14): 3635-3642.

[7] 黃煒,劉健,魏昊焜,等.分布式光伏電源極端可接入容量極限研究[J].電力系統(tǒng)保護與控制,2015,43(3):22-28.

HUANG Wei, LIU Jian, WEI Haokun, et al. Extreme capacity limitations of photovoltaic generators in distribution grids[J]. Power System Protection and Control, 2015, 43(3): 22-28.

[8] 劉健,同向前,潘忠美,等.考慮過電壓因素時分布式光伏電源的準入容量[J].電力系統(tǒng)保護與控制,2014,42(6):45-51.

LIU Jian, TONG Xiangqian, PAN Zhongmei, et al. The maximum power of distributed PV generation according to over-voltage in distribution network[J]. Power System Protection and Control, 2014, 42(6): 45-51.

[9] 范元亮,趙波,江全元,等.過電壓限制下分布式光伏電源最大允許接入峰值容量的計算[J].電力系統(tǒng)自動化,2012,36(17):40-44.

FAN Yuanliang, ZHAO Bo, JIANG Quanyuan, et al. Peak capacity calculation of distributed photovoltaic source with constraint of over-voltage[J]. Automation of Electric Power Systems, 2012, 36(17): 40-44.

[10] 章力,高元海,熊寧,等.考慮潮流倒送約束的分布式光伏電站選址定容規(guī)劃[J].電力系統(tǒng)自動化,2014,38(17):43-48.DOI:10.7500/AEPS20140509005.

ZHANG Li, GAO Yuanhai, XIONG Ning, et al. Siting and sizing of distributed photovoltaic power station considering reverse power flow constraints[J]. Automation of Electric Power Systems, 2014, 38(17): 43-48. DOI: 10.7500/AEPS20140509005.

[11] KABIRIAN A, HEMMATI M R. A strategic planning model for natural gas transmission networks[J]. Energy Policy, 2007, 35(11): 5656-5670.

[14] SHARAN I, BALASUBRAMANIAN R. Integrated generation and transmission expansion planning including power and fuel transportation constraints[J]. Energy Policy, 2012, 43(2): 275-284

[15] UNSIHUAY-VILA C, MARANGON-LIMA J W, SOUZA A C, et al. A model to long-term, multiarea, multistage, and integrated expansion planning of electricity and natural gas systems[J]. IEEE Transactions on Power Systems, 2010, 25(2): 1154-1168.

[16] DUPACOVA J, GROWE-KUSKA N, ROMISCH W. Scenario reduction in stochastic programming: an approach using probability metrics[J]. Mathematical Programming Series B, 2003, 95(3): 493-511.

[17] 胡驊,徐沖,吳汕,等.影響用戶側(cè)分布式發(fā)電經(jīng)濟性因素分析[J].電力自動化設(shè)備,2008,28(5):29-33.

HU Hua, XU Chong, WU Shan, et al. Analysis of factors influencing economy of customer-side distributed generation[J]. Electric Power Automation Equipment, 2008, 28(5): 29-33.

[18] 王業(yè)磊,趙俊華,文福拴,等.具有電轉(zhuǎn)氣功能的多能源系統(tǒng)的市場均衡分析[J].電力系統(tǒng)自動化,2015,39(21):1-10.DOI:10.7500/AEPS20150623001.

WANG Yelei, ZHAO Junhua, WEN Fushuan, et al. Market equilibrium of multi-energy system with power-to-gas functions[J]. Automation of Electric Power Systems, 2015, 39(21): 1-10. DOI: 10.7500/AEPS20150623001.

[19] 肖峻,梁海深,王旭東,等.基于濾波的孤立微網(wǎng)多目標規(guī)劃設(shè)計方法[J].電網(wǎng)技術(shù),2014,38(3):596-602.

XIAO Jun, LIANG Haishen, WANG Xudong, et al. Multiple objective planning and designing of island microgrid based on filtering[J]. Power System Technology, 2014, 38(3): 596-602.

[20] 馬溪原,吳耀文,方華亮,等.采用改進細菌覓食算法的風(fēng)/光/儲混合微電網(wǎng)電源優(yōu)化配置[J].中國電機工程學(xué)報,2011,31(25):17-25.

MA Xiyuan, WU Yaowen, FANG Hualiang, et al. Optimal sizing of hybrid solar-wind distributed generation in an islanded microgrid using improved bacterial foraging algorithm[J]. Proceedings of the CSEE, 2011, 31(25): 17-25.

[21] 彭春華,謝鵬,詹驥文,等.基于改進細菌覓食算法的微網(wǎng)魯棒經(jīng)濟調(diào)度[J].電網(wǎng)技術(shù),2014,38(9):2392-2398.

PENG Chunhua, XIE Peng, ZHAN Jiwen, et al. Robust economic dispatch of microgrid using improved bacterial foraging algorithm[J]. Power System Technology, 2014, 38(9): 2392-2398.