冷熱電三聯(lián)供與分布式光伏聯(lián)合優(yōu)化及理想模糊決策方法

張旭，葛磊蛟，高標(biāo)，張帥

(1.國網(wǎng)浙江綜合能源服務(wù)有限公司，浙江 杭州 310016；2.天津大學(xué) 電氣自動化與信息工程學(xué)院，天津 300072；3.山東科技大學(xué) 電氣與自動化工程學(xué)院，山東 青島 266590)

0 引 言

隨著城市以及工業(yè)的快速發(fā)展，煤、石油等化石能源已較難滿足人們?nèi)找嬖黾拥哪茉葱枨骩1]，同時,化石能源的過度利用造成的環(huán)境問題也愈加引起人們的關(guān)注。為了提升能源利用效率，利用能源互聯(lián)網(wǎng)并入新能源成為應(yīng)對此類問題的一個重要手段。但是，由于新能源發(fā)電的間斷性等特點，當(dāng)其大量地接入配電網(wǎng)，在一個區(qū)域內(nèi)與水/電/熱等多種能源同時供銷，形成區(qū)域能源互聯(lián)網(wǎng)(regional energy internet，REI)時，系統(tǒng)運行時的穩(wěn)定性以及高效性會受到相當(dāng)大影響。

為了減少新能源波動對能源互聯(lián)網(wǎng)聯(lián)合優(yōu)化帶來的負面效果，眾多專家學(xué)者進行了研究:肖白等[2]從整體布局上闡述了未來配電網(wǎng)規(guī)劃改造方向與方法，但未考慮規(guī)劃的靈活性；雷霞等[3]針對區(qū)域配電網(wǎng)的綜合能源協(xié)同規(guī)劃做了詳細的介紹，并提出了雙層規(guī)劃模型；朱文廣等[4]針對能源互聯(lián)網(wǎng)中分布式電源的接入以及系統(tǒng)的優(yōu)化升級進行了闡述。

本文在上述研究的基礎(chǔ)上，結(jié)合在不同用戶能源需求條件下較難實現(xiàn)能源互聯(lián)網(wǎng)中的冷熱電三聯(lián)供與新能源發(fā)電的整體能效最佳的實際情況，提出一種新的冷熱電三聯(lián)供與分布式光伏聯(lián)合優(yōu)化及理想模糊決策方法。首先建立冷熱電三聯(lián)供與分布式光伏聯(lián)合改造優(yōu)化模型；通過小生境遺傳粒子群算法對構(gòu)建的模型進行解算；以用戶滿意度和新能源消納指標(biāo)作為優(yōu)化判別標(biāo)準(zhǔn)；使用理想模糊決策方法對模型求解進行評估；最后，用實際案例驗證所提方案的有效性。

1 分布式光伏與冷熱電三聯(lián)供聯(lián)合改造優(yōu)化模型

近年來，隨著PV等新能源發(fā)電形式的推廣應(yīng)用，以及對冷熱電三聯(lián)供(CCHP)、集中供暖等原有方式的融合，將已有的智能配電網(wǎng)升級改造為REI已經(jīng)成為一種趨勢[5-6]。

1.1 光伏系統(tǒng)模型

PV系統(tǒng)在發(fā)電過程中幾乎可以做到完全無污染，且可以大幅減少化石能源的使用，進而減少發(fā)電成本[7]。通常的PV結(jié)構(gòu)如圖1所示。

圖1 光伏系統(tǒng)模型

PV功率輸出的特性通?？捎檬?1)計算：

(2)

式中：Ta(t)為環(huán)境溫度，℃；TNO通常取42～46 ℃之間的一個常數(shù)。

1.2 分布式光伏與冷熱電三聯(lián)供聯(lián)合改造模型

(1)一次能源消耗量最低。改造方案使用的一次能源主要有兩部分構(gòu)成，一部分是燃氣輪機以及燃氣鍋爐使用的天然氣，另一部分是電網(wǎng)，其消耗量如式(3)所示：

minPEC=σe.Egrid+σf.Fm,

(3)

式中:Fm與Egrid分別為天然氣和CCHP所利用的化石能源總量以及網(wǎng)上購買的所需要的電量總數(shù),kW·h;σe、σf分別為從電網(wǎng)上購買的每千瓦時電力和消耗的每千瓦時燃料所對應(yīng)的一次能源的轉(zhuǎn)換系數(shù)。

(2)改造成本最低。改造成本由新能源發(fā)電裝置的安裝以及運行維護成本組成，即

式中：δre,i為改造設(shè)備單位容量初始投資成本；ρre,i為改造設(shè)備單位容量的維護成本；εre,i為改造設(shè)備單位出力的運行成本；Pre,i為改造設(shè)備的設(shè)備容量，kW；Pre，out，i為改造設(shè)備的運行出力，kW·h；L為改造設(shè)備種類，這里主要包括光伏設(shè)備。

(3)系統(tǒng)的潮流約束。對于每一個節(jié)點，其注入的功率必須與輸出的功率相等，也就是功率平衡約束，包括有功功率平衡以及無功功率平衡：

(5)

(6)

式中：Pgi,Pli分別為節(jié)點i輸入電源的有功功率、有功負荷；Pij為第i個節(jié)點的有功功率輸出功率；Qgi，Qli分別為每個節(jié)點的輸入電源的無功功率、無功負荷；Qij為第i個節(jié)點的無功功率輸出功率。

式(5)～(6)代表能量流動的平衡，對于每一個節(jié)點，注入的功率與流出該節(jié)點的功率是相等的。

(4)光伏系統(tǒng)安全約束。由于存在新能源出力特性不穩(wěn)定、促進新能源消納的相關(guān)補償機制不完善等方面的因素[8]，電網(wǎng)消納新能源的能力受到了限制，出于安全考慮，需對新能源消納量進行約束，如式(7)所示。

0≤∑PPV≤PPV，max，

(7)

式中：∑PPV為PV總量；PPV，max為新能源最大接納量。

(5)節(jié)點電壓約束。系統(tǒng)每一個節(jié)點電壓約束為

Uimin≤Ui≤Uimax，

(8)

式中：Uimax為節(jié)點i的電壓幅值的上限；Uimin為節(jié)點i的電壓幅值的下限。

(6)發(fā)電機的出力約束為

Pimin≤Pi≤Pimax，

(9)

式中，Pimax，Pimin分別為發(fā)電機每個節(jié)點有功出力的上、下限。

分布式光伏與冷熱電三聯(lián)供聯(lián)合改造方案優(yōu)選不僅受以上的系統(tǒng)運行約束，而且還需要進一步考慮系統(tǒng)的應(yīng)用和管理指標(biāo)。

1.3 分布式光伏與冷熱電三聯(lián)供聯(lián)合改造方案評價指標(biāo)

分布式光伏與冷熱電三聯(lián)供聯(lián)合改造方案評價指標(biāo)，是在確定系統(tǒng)的設(shè)備選型及容量之后，以評價某項指標(biāo)的優(yōu)劣，作為對系統(tǒng)性能提升和優(yōu)化的評價。

1.3.1 用戶滿意度指標(biāo)

由購電滿意度和供電滿意度組成的用戶滿意度是用來評估改造方案的重要指標(biāo)。購電滿意度是以及時對客戶的用電需求做出響應(yīng)為第一目標(biāo)，且用戶購買變電站的電量越少，表明購電滿意度的指標(biāo)越高。供電滿意度是主要以響應(yīng)國家節(jié)約能源的號召為主提出的概念，對PV進行就地使用，減少在輸送過程中線路上的消耗[9]。供電滿意度最高表示PV的發(fā)電量均由用電客戶使用。用戶滿意度的表達式為

(10)

式中：Suser為用戶滿意度；Sload為購電滿意度；Snew為供電滿意度；EPV，all為PV總量；EPV，one為直接使用的PV部分。

1.3.2 新能源消納率指標(biāo)

CCHP中有過于龐大的負荷需求量，單一地只靠PV并不能夠滿足電力用戶的用電需求，所以提出新能源的利用率概念作為參考，即

(11)

式中：ηnew為新能源利用率；Edefect為系統(tǒng)自身無法滿足的電負荷量。

1.4 優(yōu)化模型改造方案求解方法

改造方案從根本上看,是一個多目標(biāo)函數(shù)尋優(yōu)問題[10]。本文將改造方案評價指標(biāo)作為約束，應(yīng)用基于小生境的混合二進制粒子群優(yōu)化算法進行解算。

1.4.1 小生境機制

在對不止一個目標(biāo)的函數(shù)進行解算時，如果通過傳統(tǒng)的粒子群智能算法求解，則經(jīng)常會有局部Pareto最優(yōu)收斂情況，與全局最優(yōu)的解相距甚遠。為了避免這一種情況，引入小生境機制提高多目標(biāo)求解的效率。該機制表現(xiàn)為在同一個小生境內(nèi)的所有個體共同分享有限資源。由此定義一個共享函數(shù)(sharing function)對每個個體的共享度進行區(qū)分。該函數(shù)實質(zhì)上是對不同個體間的關(guān)系相關(guān)性進行說明，該相關(guān)性與共享函數(shù)之間的共享度成正比，并且其相似性可以通過基因型或表現(xiàn)型來表示[11]。任意個體適應(yīng)度定義由式(12)～(15)表示。

(12)

(14)

(15)

式中：Nm為小生境內(nèi)的個體數(shù)量；dij為個體Xi與Xj的歐氏距離；f(dij)為個體Xi與Xj的密切程度；Si為個體Xi的共享度；σshare為事先設(shè)定的共享距離；Fi為個體Xi的種群適應(yīng)度。

1.4.2 混合二進制粒子群優(yōu)化算法

關(guān)于改造方案的求解問題都可以看作是二進制編碼。其中，粒子群速度的更新規(guī)則是不變的，當(dāng)粒子的速度vid≤0時，粒子位置xid的變化為

(16)

當(dāng)粒子的速度vid>0時，xid變化為

(17)

二進制粒子群算法中位置的更新類似于遺傳算法中的突變，因此，進一步考慮交叉，得到一個多樣性的混合更新[12]。利用混沌搜索的遍歷性，將慣性權(quán)值進行混沌映射，增強全局搜索能力，表示式為

wn+1=μwn(1-wn),0≤w0≤1。

(18)

w0≠{0，0.25，0.5，0.75，1}時，μ=4可獲得完整的混亂狀態(tài)。在所有粒子的更新過程中利用式(12)～(15)計算所有粒子的共享度，選取共享度最小的粒子作為全局最優(yōu)粒子[13]。迭代完成之后，再利用模糊隸屬度和方差權(quán)重計算所有粒子的偏好度，選擇偏好度最大的粒子作為折衷最優(yōu)解。

2 理想模糊決策方法

Pareto前沿將會給出眾多非劣解集合，當(dāng)所研究的目標(biāo)數(shù)量較多時,需要利用決策方法在決策過程中加以幫助[14]。由于無法直接對改造優(yōu)化的各類指標(biāo)的重要性進行直接表示，所以提出一種模糊理想決策方法，并利用三角模糊數(shù)對由模糊理想決策方法針對的目標(biāo)所獲得的結(jié)果中關(guān)于主觀模糊權(quán)重的判斷表現(xiàn)出來。對應(yīng)關(guān)系如表(1)所示。

表1 目標(biāo)權(quán)重語言變量與三角模糊數(shù)的對應(yīng)

假設(shè)有K位學(xué)者根據(jù)上面三角模糊數(shù)的對應(yīng)關(guān)系給出了m個目標(biāo)相對應(yīng)的模糊權(quán)重，并且將這些專家中第k位給出目標(biāo)j的模糊權(quán)重記作Cjk，進而目標(biāo)j的平均權(quán)重Cav,j由式(22)計算。再次利用式(18)將上面的Cav,j進行統(tǒng)一的歸一化處理，從而可以求出系統(tǒng)所需要的目標(biāo)的主管模糊權(quán)重向量C=[C1,C2,…,Cn][5]。

(19)

(20)

本文提出的決策方法是，首先求出所需要的正負理想解，然后將備選方案與理想解比較。設(shè)計方案的理想程度表現(xiàn)和正理想值的距離越近越好，且與負理想值的距離越遠越好[5]。具體決策步驟如下。

(1)首先準(zhǔn)備待選的設(shè)計方案，每個待選方案之中都包含有目標(biāo)函數(shù)值，并且這些目標(biāo)函數(shù)值都與相應(yīng)的方案一一對應(yīng)，且形成多目標(biāo)決策矩陣F=(fij)n×m，對F陣的相對優(yōu)屬度進行處理[5]。改造部分的改造成本及一次能源消耗量都是越小越好，則可按照式(21)進行處理:

(2)形成加權(quán)規(guī)范陣D=(dij)n×m，其中，

(22)

(3)根據(jù)加權(quán)規(guī)范陣計算模糊正理想解D+與模糊負理想解D-[15]：

(23)

利用式(24)對所求出的理想解進行選擇，從中選擇出與目標(biāo)函數(shù)最近最適合的解：

(24)

(4)對上述建立的所有方案依次求取其到各自的正、負理想解的歐氏距離和相近貼合度，并對它們分別進行排序，按照排序的大小找到最合適的方案[5]。歐式距離的計算公式為

(25)

式中，O(·)為二范數(shù)算子。

相對貼近度

(26)

所采用算法的總體流程圖如圖2所示。

圖2 理想模糊決策算法流程圖

3 案例分析

3.1 設(shè)計方案及參數(shù)選擇

分布式光伏與冷熱電三聯(lián)供聯(lián)合改造部分設(shè)計方案如圖3所示。

選用中國北方某地建筑群的供冷季、供暖季和過渡季的典型日負荷數(shù)據(jù)驗證改造方案，該方案包含分布式光伏和冷熱電(CCHP)聯(lián)供系統(tǒng)。圖4為該地區(qū)冬季、夏季以及過渡季節(jié)的日照狀況。圖5為該地區(qū)冬季、夏季和過渡季典型日的溫度曲線。

在分布式光伏與冷熱電三聯(lián)供聯(lián)合改造部分中,備選的設(shè)備信息如表2所示。

圖6為PV系統(tǒng)在三個典型日中的出力情況。

圖3 改造部分整體方案

圖4 典型日的日光照情況

圖5 典型日的日溫度曲線

表2 設(shè)備經(jīng)濟技術(shù)參數(shù)

根據(jù)上述給出的設(shè)備的參數(shù)和各典型日的情況，將相應(yīng)的數(shù)據(jù)作為粒子群算法的初始數(shù)據(jù)，設(shè)定種群數(shù)為500，迭代次數(shù)為300，用來進行優(yōu)化方案選擇。將目標(biāo)函數(shù)設(shè)定為改造成本最小;與正理想解距離最近、負理想解距離最遠；以及額定容量最佳。多次運行程序使其產(chǎn)生3個備選的改造方案。備選方案的各個參數(shù)以及正、負理想解距離如表3所示。

圖6 不同典型日中PV系統(tǒng)出力曲線

表3 3種備選方案對比

根據(jù)表3，求得3種方案的正、負理想解，計算各自的相對貼近度分別為0.778，0.687，0.747。對其排序后，按照相對貼近度越大，方案越優(yōu)的原則，可知第一種方案最優(yōu)，效果最好。

3.2 改造方案結(jié)果比較

利用小生境粒子群算法和理想模糊決策方法選擇出最優(yōu)的改造方案后，再與未改造前的原始方案進行對比，證明優(yōu)選方案具有更高的效益，兩種方案對比如下：

(1)優(yōu)選的改造方案，對原有的CCHP系統(tǒng)進行改造，改造后的相應(yīng)配置如表3方案1所示。

(2)原始方案，為原有的CCHP聯(lián)供系統(tǒng)，不進行任何改變，即并未進行PV系統(tǒng)的安裝。

分別對兩種方案進行仿真分析，其結(jié)果對比如表4所示。

表4 兩種方案的優(yōu)化結(jié)果

對表4進行分析可以看出，通過對冷熱電聯(lián)供系統(tǒng)進行光伏改造，使得一次能源的消耗量減少了24.5%，用戶滿意度提高了0.09，對于新能源的利用率也從原來的0增加到了58.2%。同時，光伏發(fā)電系統(tǒng)作為新能源發(fā)電，在白天負荷高峰時，可以緩解區(qū)域能源互聯(lián)網(wǎng)的供電壓力，提高系統(tǒng)的安全性與穩(wěn)定性。

4 結(jié) 語

針對分布式光伏與冷熱電三聯(lián)供聯(lián)合改造方案中，一次能源消耗量過大以及產(chǎn)能和冷熱電負荷不匹配的問題，對原有CCHP系統(tǒng)加以改進，添加了PV系統(tǒng)，在此基礎(chǔ)上建立了以改造成本最小以及一次能源消耗量最低的多目標(biāo)優(yōu)化管理模型，利用基于小生境的混合二進制粒子群優(yōu)化算法產(chǎn)生預(yù)備方案，并通過理想模糊決策方法進行方案的優(yōu)選。

算例分析表明，根據(jù)優(yōu)選出的方案進行設(shè)計的分布式光伏與冷熱電三聯(lián)供的聯(lián)供系統(tǒng)，與原有系統(tǒng)相比，能夠有效減少一次能源消耗量，減少有害氣體的排放量，提高用戶滿意度，有著良好的經(jīng)濟效益和環(huán)保效益。