電-氣混合能源系統(tǒng)優(yōu)化調度

呂 睿

（國礦業(yè)大學（北京）機電與信息工程學院 北京 100083）

1 引言

從上世紀80年代開始，隨著許多發(fā)展中國家的崛起，能源短缺、環(huán)境污染、氣候變化開始成為世界各國面臨的主要問題，損害了人們的健康，制約了各國經濟的發(fā)展，造成了巨大的經濟財產損失。

電-氣綜合能源系統(tǒng)（IEGS）是一種以電力系統(tǒng)為主體，與天然氣系統(tǒng)相融合的現(xiàn)代能源系統(tǒng)。國內外學者針對此系統(tǒng)已進行多方面研究，文獻[1]在國際上首次提出了天然氣網絡的運行會也會對電力系統(tǒng)產生不可忽視的影響，因此兩個能源網絡需進行聯(lián)合優(yōu)化調度；文獻[2]在國內較早地提出電-氣混合能源系統(tǒng)聯(lián)合優(yōu)化調度方法，對我國電-氣混合能源系統(tǒng)的研究具有深遠的意義。前人的研究中對于電-氣混合能源系統(tǒng)的分析計算方法主要可分為兩類——統(tǒng)一求解法和順序求解法。[3]本文將按照順序求解法對電-氣混合能源系統(tǒng)的優(yōu)化調度問題的建模求解方法進行研究總結。

2 電力-天然氣混合能源系統(tǒng)目標函數(shù)

電力-天然氣混合能源系統(tǒng)的調度優(yōu)化的目的是最大限度利用可再生能源，使得一次能源側能源消耗最小化，主要有環(huán)境效益、經濟效益及社會效益三部分。[4]

2.1 環(huán)境效益

主要內容是通過增加可再生能源在一次側的能源比例，減少化石能源的使用，緩解能源危機；同時減少有害物質的排放，降低二氧化碳排放量，從而改善環(huán)境問題。該目標函數(shù)可表示為：

式中：T 為調度總時長；NG為熱電聯(lián)產機組總數(shù)；PGj,t為 t 時段內第j個熱電聯(lián)產機組輸出的有功功率；QGrj,t為 t 時段第j 個熱電聯(lián)產機組的輸出熱量；aj、bj、cj為第 j 個熱電聯(lián)產機組的參數(shù)；NF為燃煤鍋爐機組總數(shù)；QFj,t為 t 時統(tǒng)第 j個燃煤鍋爐機組的輸出熱量。

2.2 經濟效益

主要內容是在保證負荷側能源需求的條件下，通過配電網、供熱網絡的能源共享以及削峰填谷安排合理的發(fā)電計劃來實現(xiàn)成本的降低，降低發(fā)電成本，提高發(fā)電調度效益。該目標函數(shù)可表示為：

式中： FGcost為天然氣熱電聯(lián)產機組運行成本，F(xiàn)Fcost為傳統(tǒng)燃煤鍋爐機組運行成本。

3 電力-天然氣混合能源系統(tǒng)約束條件

3.1 電力系統(tǒng)約束

目前，對于電力-天然氣混合能源系統(tǒng)中電力系統(tǒng)約束的研究已經比較成熟，主要有機組運行狀態(tài)約束，機組出力約束，機組爬坡約束，最小啟停約束，電力平衡方程以及線路傳輸容量及節(jié)點電壓約束。其中的具體公式可見文獻[5]。

3.2 天然氣系統(tǒng)約束

3.2.1 天然氣潮流方程

不考慮節(jié)點氣壓的在時間上的耦合變化，穩(wěn)態(tài)天然氣潮流方程為

式中：gmn,t管道 mn 在時段 t 的天然氣潮流，正負表示方向。

3.2.2 節(jié)點氣壓約束

式中：：πm,t為氣網第 m 個節(jié)點在時段t 的氣壓；分別為第m 個節(jié)點的最小、最大氣壓值。

3.2.3 天然氣平衡方程

式中：Lm,t為第 m 個節(jié)點的天然氣負荷需求，包括節(jié)點所連燃氣機組天然氣負荷需求和其他用戶的天然氣負荷需求Qm,t；CP,m，CS,m，CU,m分別為第 m 個節(jié)點所連管道、氣井和燃氣機組的集合。

3.2.4 氣井供氣約束

式中：vminw和vmaxw分別為氣井 w 的最小、最大供氣量。[6]

4 電力-天然氣混合能源系統(tǒng)穩(wěn)態(tài)模型求解方法

4.1 遺傳算法

遺傳算法基于基因遺傳學原理，以一個種群為研究對象，是一種尋求全局最優(yōu)解而不需要任何初始化信息的高效優(yōu)化算法。但實際應用中，在算法早期，可能會出現(xiàn)個體適應值遠大于種群個體平均值的“超級個體”，使得種群多樣性迅速下降并失去進化能力，算法過早收斂于局部最優(yōu)解，無法跳出，不能找到全局最優(yōu)解，需要通過人為添加擾動等方法，跳出局部最優(yōu)的范圍。

4.2 粒子群算法

粒子群算法是一種受鳥類覓食行為的啟發(fā)而產生并發(fā)展起來的隨機搜索算法。粒子群算法總目標的完成突出表現(xiàn)在多個個體行為過程，具有突出性；粒子群算法中的所有粒子都包含最優(yōu)解的相關知識，能夠完成進化并具有記憶功能，且具有自組織能力。但是當最大速度、加速系數(shù)等參數(shù)過大時，粒子群算法可能錯過最優(yōu)解，尤其在算法的早期，很容易出現(xiàn)精度過低導致的發(fā)散問題。

5 結語

本文所做的對電-氣混合能源系統(tǒng)的建模求解方法的總結，是對目前研究IEGS優(yōu)化調度問題的有益補充，為初次接觸IEGS的研究者提供了研究IEGS優(yōu)化調度問題的思路。下一階段將重點研究如何改進各種算法，為解決IEGS模型求解問題提供更優(yōu)的方案。