計(jì)及風(fēng)電不確定性的綜合能源系統(tǒng)儲能優(yōu)化配置研究

羅曉樂，宋 洋，徐 翔，梁 家，車靖峰

(國網(wǎng)松原供電公司，吉林 松原 138000)

針對大規(guī)模風(fēng)電接入對綜合能源系統(tǒng)(integrated energy system, IES)規(guī)劃和運(yùn)行的影響，目前，國內(nèi)外已有部分專家學(xué)者從不同角度對IES優(yōu)化配置開展研究。文獻(xiàn)[1]通過調(diào)度柔性電負(fù)荷和靈活調(diào)整室內(nèi)溫度，優(yōu)化電、熱負(fù)荷曲線，使其接近于風(fēng)光出力曲線，提高了風(fēng)電裝機(jī)容量，促進(jìn)可再生能源消納，降低燃?xì)廨啓C(jī)容量和蓄熱罐容量，提高了系統(tǒng)經(jīng)濟(jì)性。文獻(xiàn)[2]在文獻(xiàn)[1]的基礎(chǔ)上，結(jié)合火電改造、引入儲能進(jìn)行多種靈活性資源優(yōu)化配置，與配置單一靈活性資源相比，節(jié)約成本，減少棄風(fēng)。文獻(xiàn)[3]從綜合調(diào)度電力柔性負(fù)荷角度，對區(qū)域綜合能源系統(tǒng)進(jìn)行儲能優(yōu)化配置，減少了儲能設(shè)備配置容量，增強(qiáng)了區(qū)域綜合能源系統(tǒng)的靈活調(diào)節(jié)能力，降低能耗率以及儲能設(shè)備的投資費(fèi)用。文獻(xiàn)[4]考慮極限情況的風(fēng)光場景集建立2層級協(xié)同優(yōu)化配置模型，減小了燃?xì)廨啓C(jī)和余熱回收裝置的容量，使系統(tǒng)年化總成本和設(shè)備利用率得到改善。文獻(xiàn)[5]通過建立含熱網(wǎng)延遲和損耗的熱網(wǎng)模型，實(shí)現(xiàn)多個區(qū)域能量轉(zhuǎn)移，共同規(guī)劃，降低了設(shè)備配置容量，提高了風(fēng)電消納率。文獻(xiàn)[1,4-5]都是針對IES容量進(jìn)行優(yōu)化配置，對于該問題已有學(xué)者進(jìn)行大量研究，而對于綜合能源系統(tǒng)儲能系統(tǒng)(energy storage system,EES)容量優(yōu)化配置的文獻(xiàn)研究有限。文獻(xiàn)[6-7]從改善電網(wǎng)電壓質(zhì)量的角度，對儲能進(jìn)行經(jīng)濟(jì)優(yōu)化配置，既降低了運(yùn)行成本，又提高了電壓質(zhì)量。文獻(xiàn)[8]計(jì)及局部靈活性約束和靈活性不足懲罰成本建立ESS優(yōu)化配置模型，實(shí)現(xiàn)了電網(wǎng)經(jīng)濟(jì)靈活運(yùn)行。文獻(xiàn)[9]以平抑系統(tǒng)聯(lián)絡(luò)線波動為出發(fā)點(diǎn)制定儲能容量優(yōu)化配置策略，減少儲能的初始投資，在保證經(jīng)濟(jì)性的同時，使系統(tǒng)穩(wěn)定性達(dá)到最優(yōu)。文獻(xiàn)[10]結(jié)合EES的規(guī)劃和運(yùn)行2種不同時間尺度的問題考慮儲能配置，提高了風(fēng)電接入能力，降低了投資和運(yùn)行成本。

在優(yōu)化規(guī)劃目標(biāo)上，上述文獻(xiàn)大都考慮了長時間尺度的系統(tǒng)運(yùn)行經(jīng)濟(jì)性、可靠性、環(huán)保性等因素，實(shí)現(xiàn)系統(tǒng)設(shè)備容量或型號的優(yōu)化。在建立儲能配置模型的目標(biāo)函數(shù)時，通常分為單目標(biāo)優(yōu)化和多目標(biāo)優(yōu)化。在單目標(biāo)優(yōu)化中以經(jīng)濟(jì)最優(yōu)為目標(biāo)的研究最為廣泛，文獻(xiàn)[12]以綜合能源系統(tǒng)年運(yùn)行費(fèi)用最低為目標(biāo)，考慮供需平衡，求解電/熱儲能設(shè)備的容量及系統(tǒng)典型場景內(nèi)的設(shè)備調(diào)度值。文獻(xiàn)[14]基于含可再生能源和儲能的區(qū)域供熱系統(tǒng)提出運(yùn)行優(yōu)化模型，目標(biāo)使供能凈購買總成本最小。文獻(xiàn)[15]以實(shí)現(xiàn)年總成本最小為目標(biāo)求取最佳設(shè)備配置容量。另一類單目標(biāo)優(yōu)化常以環(huán)保為目標(biāo)，文獻(xiàn)[16]以將排放量降到最小為目標(biāo)，實(shí)現(xiàn)社區(qū)分布式能源系統(tǒng)優(yōu)化運(yùn)行。多目標(biāo)優(yōu)化往往從經(jīng)濟(jì)和節(jié)能2方面進(jìn)行考慮，也有部分文獻(xiàn)考慮經(jīng)濟(jì)指標(biāo)和技術(shù)指標(biāo)在規(guī)劃和運(yùn)行2個階段的相互關(guān)系。文獻(xiàn)[6-7]以電網(wǎng)電壓質(zhì)量與經(jīng)濟(jì)成本相結(jié)合為儲能配置優(yōu)化目標(biāo)。文獻(xiàn)[9]兼顧系統(tǒng)的穩(wěn)定性和經(jīng)濟(jì)性，以儲能初始投資最低和聯(lián)絡(luò)線功率波動最低為目標(biāo)進(jìn)行優(yōu)化。文獻(xiàn)[10-11,13]提出雙層決策模型，規(guī)劃層以儲能投資成本最少為目標(biāo)，運(yùn)行層以系統(tǒng)總運(yùn)行成本最小為目標(biāo)對儲能進(jìn)行優(yōu)化配置。更有文獻(xiàn)在雙目標(biāo)基礎(chǔ)上，同時考慮3個不同的優(yōu)化目標(biāo)，文獻(xiàn)[17]同時考慮運(yùn)行成本、電壓偏差和溫室氣體排放3個目標(biāo)函數(shù)進(jìn)行儲能系統(tǒng)優(yōu)化配置。文獻(xiàn)[18]在減少投資和運(yùn)行成本的基礎(chǔ)上，降低預(yù)期的功率損耗率。

上述部分研究中有的沒有考慮風(fēng)電的影響，有的僅選取典型日對系統(tǒng)進(jìn)行調(diào)度和配置，不具備足夠的代表性，缺乏對風(fēng)電不確定性的考慮。目前，在IES儲能系統(tǒng)規(guī)劃配置中考慮風(fēng)電不確定性的研究尚不多見，在已有文獻(xiàn)研究中，有如下處理方法：文獻(xiàn)[4]采用場景分析法得到典型風(fēng)光場景，對系統(tǒng)進(jìn)行多場景優(yōu)化配置。文獻(xiàn)[5]采用混合度量的改進(jìn)k-means算法對風(fēng)電歷史數(shù)據(jù)進(jìn)行聚類并進(jìn)行場景縮減，得到典型場景。

上述相關(guān)文獻(xiàn)在解決儲能優(yōu)化配置問題時，為了滿足多目標(biāo)優(yōu)化，大量采用雙層決策模型。該模型為本課題提供了合適的解決方法，因此本文通過建立雙層優(yōu)化配置模型，上層以年投資費(fèi)用最小為目標(biāo)，求解儲能系統(tǒng)定容規(guī)劃問題；下層以運(yùn)行成本和棄風(fēng)懲罰費(fèi)用最小為目標(biāo)，求解運(yùn)行問題。雙層模型分別采用遺傳算法和fmincon函數(shù)進(jìn)行求解。為簡化模型，本文僅考慮風(fēng)電出力不確定性，站在經(jīng)濟(jì)性角度對電-熱綜合能源系統(tǒng)進(jìn)行儲能優(yōu)化配置。

1 風(fēng)電出力不確定性的描述

隨著可再生能源在電源側(cè)的滲透率逐步提升，加之極端天氣愈加頻繁和劇烈，其波動性、間歇性的特征被放大，未來大規(guī)模高比例接入，將影響電力穩(wěn)定供應(yīng)且難以消納利用。因此，如何描述風(fēng)、光出力的不確定性并將其運(yùn)用于電力系統(tǒng)的經(jīng)濟(jì)調(diào)度與優(yōu)化運(yùn)行中具有重要意義。

在對不確定性進(jìn)行研究時，首先要確定不確定參數(shù)的類型，風(fēng)電出力屬于輸入不確定性參數(shù)，需要采用合適的方法對參數(shù)的不確定性進(jìn)行表示，從而將不確定性納入到建立的模型中，這一過程是對不確定性的表征。根據(jù)文獻(xiàn)[19]的總結(jié)研究，不確定性的表征方法分為2步：①不確定性參數(shù)的確定；②將合適的數(shù)學(xué)形式分配給相應(yīng)的不確定性參數(shù)。風(fēng)電出力的不確定性體現(xiàn)在風(fēng)速的變化，而風(fēng)速作為不確定性參數(shù)數(shù)量很多，如果考慮所有參數(shù)，難于計(jì)算，因此需要對典型參數(shù)進(jìn)行選取，從而得到典型風(fēng)電出力的參數(shù)。在進(jìn)行數(shù)學(xué)描述時，一般劃分為概率方法和非概率方法2類。概率方法為不確定性參數(shù)分配連續(xù)概率分布函數(shù)；非概率方法包括區(qū)間分析、模糊集等方法。對不確定性參數(shù)進(jìn)行表征之后，就可以對其進(jìn)行建模，如何在模型中更加合理的考慮風(fēng)電出力的不確定性，目前主要使用基于場景的隨機(jī)優(yōu)化和魯棒優(yōu)化的方法處理場景。

隨機(jī)規(guī)劃是應(yīng)對建模不確定性的傳統(tǒng)優(yōu)化方法。基于場景法的隨機(jī)規(guī)劃通過預(yù)先抽樣可能出現(xiàn)的離散場景來體現(xiàn)風(fēng)電的出力特性，將無限維的風(fēng)電不確定性用有限數(shù)量的場景來模擬，為了提高該方法對風(fēng)電不確定性因素的代表性，需要構(gòu)建大量場景，模型的規(guī)模越大，在求解時所需要的求解時間越長，也越不容易收斂，因此選擇合適數(shù)量且具有代表性的場景集很重要。

魯棒優(yōu)化是一種解決參數(shù)不確定優(yōu)化問題的方法。魯棒優(yōu)化能夠基于適度的不確定性分布信息來考慮各種不確定因素，同時，其計(jì)算結(jié)果能夠滿足給定范圍內(nèi)的不確定因素的所有可能場景。魯棒優(yōu)化只需要不確定參數(shù)的波動范圍，而不需要場景或者精確的概率分布，優(yōu)于基于場景的隨機(jī)規(guī)劃方法[20]。

經(jīng)過上述對風(fēng)電不確定性處理方法的研究，結(jié)合國內(nèi)外在進(jìn)行儲能優(yōu)化配置時對風(fēng)電出力的描述，本文根據(jù)需求選取風(fēng)電出力典型日的處理方法，原因如下：①本文主要針對北方供暖季進(jìn)行儲熱容量的優(yōu)化配置，在時空上較為局限，并不考慮全年風(fēng)電出力；②本文的重點(diǎn)在于合理配置儲能，研究發(fā)現(xiàn)處理風(fēng)電不確定性的復(fù)雜度，可以單獨(dú)作為一個課題研究，為分清主次，本文對風(fēng)電不確定性的處理不進(jìn)行展開研究。

2 電-熱綜合能源系統(tǒng)模型

在能源消費(fèi)中，電能這種能量形式主要用于能量傳輸，而熱能需求是終端能源消耗的最主要部分。傳統(tǒng)的能源系統(tǒng)僅限于電、熱等單一的能源形式，無法發(fā)揮能源之間的互補(bǔ)優(yōu)勢和協(xié)同效益。隨著我國終端能源消費(fèi)的清潔化和電氣化水平的不斷提高，電能轉(zhuǎn)化為熱能消耗的比例越來越大，電力系統(tǒng)和熱力系統(tǒng)的聯(lián)系也越來越緊密，逐漸形成以CHP機(jī)組為核心，通過熱泵、電鍋爐、儲能(電池儲電、蓄水罐儲熱)等多種靈活性資源進(jìn)行耦合構(gòu)成的電-熱綜合能源系統(tǒng)。

考慮到我國北方地區(qū)風(fēng)電資源豐富，在本文的電-熱綜合能源系統(tǒng)建模中引入風(fēng)電機(jī)組。圖1為簡化的電-熱綜合能源系統(tǒng)，本文所研究的電-熱綜合能源系統(tǒng)包括風(fēng)電機(jī)組、CHP機(jī)組、儲熱、儲電、電鍋爐以及熱泵。

圖1 電熱綜合能源系統(tǒng)結(jié)構(gòu)

抽汽式機(jī)組的電熱特性曲線如圖2所示。抽汽式機(jī)組的運(yùn)行區(qū)間，即圖2中ABCD所包圍的區(qū)域，一般可用3組線性約束表示，即:

(1)

式中：pmax和pmin分別為發(fā)電量的最大值和最小值；cv為凝汽式機(jī)組曲線斜率[21];p1為CHP機(jī)組發(fā)電量；h1為CHP機(jī)組供熱量；h0為蒸汽推動汽輪機(jī)做功的熱量閾值；cm為背壓式機(jī)組曲線的斜率。

圖2 抽汽式機(jī)組電熱特性曲線

電池儲電、蓄水罐儲熱存儲特性為

(2)

電鍋爐一般利用風(fēng)電等新能源作為電源，通過電磁感應(yīng)或電阻方式發(fā)熱，輸出熱水或高溫蒸汽，結(jié)構(gòu)簡單、價格低廉，能源轉(zhuǎn)換效率高，其數(shù)學(xué)模型為

QEB,t=ηEBPEB,t

(3)

式中：QEB,t為電鍋爐t時段輸出的熱功率；PEB,t為電鍋爐t時段消耗的電功率；ηEB為電鍋爐的熱轉(zhuǎn)換效率，一般在0.9以上。

熱泵與電鍋爐類似，增設(shè)熱泵同樣將電出力轉(zhuǎn)換為熱出力，提高熱電機(jī)組的調(diào)節(jié)能力，但熱泵相對于電熱鍋爐具有更高的電熱轉(zhuǎn)換效率[22]。其數(shù)學(xué)模型為

QHP,t=COPHPPHP,t

(4)

式中：QHP,t為t時段熱泵輸出的熱功率；PHP,t為t時段熱泵消耗的電功率；COPHP為熱泵的制熱系數(shù)，通常為3.0～3.5。

3 儲能雙層優(yōu)化配置模型

本文為實(shí)現(xiàn)合理規(guī)劃熱泵以及儲熱設(shè)備容量配置的同時，實(shí)現(xiàn)系統(tǒng)運(yùn)行經(jīng)濟(jì)性最優(yōu)，引入雙層規(guī)劃模型，該模型是一個具有2層遞階結(jié)構(gòu)的系統(tǒng)優(yōu)化模型，優(yōu)化模型中每一層都有自己的目標(biāo)函數(shù)、決策變量和約束條件，可以滿足本文多目標(biāo)優(yōu)化的需求。

本文提出的雙層優(yōu)化配置模型中，上層解決儲能投資規(guī)劃問題，優(yōu)化目標(biāo)是設(shè)備投資費(fèi)用最少，決策變量是電-熱綜合能源系統(tǒng)最優(yōu)資源組合及其容量；下層解決系統(tǒng)優(yōu)化運(yùn)行問題，目標(biāo)是使包括熱電機(jī)組運(yùn)行費(fèi)用和棄風(fēng)懲罰費(fèi)用在內(nèi)的總運(yùn)行成本最低。上層規(guī)劃結(jié)果即電-熱綜合能源系統(tǒng)的投資決策變量為下層規(guī)劃提供了初始條件，下層規(guī)劃所得運(yùn)行最優(yōu)值反饋到上層規(guī)劃，通過數(shù)值解法進(jìn)行迭代逼近，滿足一定的收斂條件后即可獲得上層規(guī)劃總的目標(biāo)函數(shù)值。

3.1 上層優(yōu)化配置模型

上層優(yōu)化的決策變量為熱泵和儲熱的配置容量，目標(biāo)函數(shù)為設(shè)備年投資成本最小。本文為區(qū)分與從無到有規(guī)劃的不同，設(shè)定風(fēng)電機(jī)組、CHP機(jī)組、電鍋爐為已有資源，熱泵和儲熱為待定容資源，并對系統(tǒng)內(nèi)的待定容資源進(jìn)行優(yōu)化配置。

3.1.1 上層目標(biāo)函數(shù)

規(guī)劃層考慮儲電和儲熱設(shè)備的投資成本，認(rèn)為CHP機(jī)組、風(fēng)電機(jī)組以及電鍋爐已經(jīng)在系統(tǒng)中安裝，無需另行投資。以儲能設(shè)備的投資成本Cinv最低為目標(biāo)函數(shù)。

minC=Cinv

(5)

(6)

(7)

(8)

3.1.2 上層約束條件

在對儲電、儲熱進(jìn)行優(yōu)化配置時，受安裝現(xiàn)場的規(guī)模、安裝條件等實(shí)際情況影響，儲電、儲熱的安裝容量受限制。

E′ES≤EES≤E″ES

(9)

E′HS≤EHS≤E″HS

(10)

3.2 下層優(yōu)化配置模型

本文建立的運(yùn)行層模型是在電、熱平衡約束以及風(fēng)電機(jī)組、CHP機(jī)組、電鍋爐、熱泵、儲電、儲熱設(shè)備單元出力約束都滿足的條件下，通過儲電、儲熱容量的最優(yōu)分配，在經(jīng)濟(jì)性角度，實(shí)現(xiàn)電-熱綜合能源系統(tǒng)的年運(yùn)行成本最低；在環(huán)保角度，提高風(fēng)電消納率，在系統(tǒng)運(yùn)行成本中加入棄風(fēng)懲罰費(fèi)用，最后建立以系統(tǒng)總運(yùn)行成本最低為目標(biāo)的下層優(yōu)化運(yùn)行模型。

3.2.1 下層目標(biāo)函數(shù)

運(yùn)行層考慮經(jīng)濟(jì)、環(huán)保運(yùn)行，以規(guī)劃層得到的熱泵、儲熱規(guī)劃容量為決策變量，以運(yùn)行成本最低為目標(biāo)函數(shù)。

minCope=CCHP+Cwind

(11)

(12)

(13)

3.2.2 下層約束條件

運(yùn)行層需要考慮的約束條件包括等式約束和不等式約束，其中等式約束包括電、熱平衡約束，不等式約束包括風(fēng)電機(jī)組出力約束、CHP機(jī)組出力約束、電鍋爐、熱泵出力約束和熱儲能約束，從而為優(yōu)化求解構(gòu)建可行的尋優(yōu)區(qū)域。

等式約束包括電平衡約束和熱平衡約束2類。電-熱綜合能源系統(tǒng)在實(shí)際運(yùn)行時必須保證電源側(cè)和負(fù)荷側(cè)的電、熱功率守恒。

PWT,t+PCHP,t=PLD,t+PHP,t+PEB,t+PES,t

(14)

式中：PWT,t為t時段的風(fēng)電出力；PCHP,t為t時段熱電聯(lián)產(chǎn)機(jī)組的出力；PLD,t為t時段系統(tǒng)中的總電負(fù)荷；PHP,t為t時段熱泵出力；PEB,t為t時段電鍋爐出力；PES,t為t時段儲電設(shè)備充放電功率。

(15)

不等式約束包括風(fēng)電機(jī)組出力約束、CHP機(jī)組出力約束、電鍋爐、熱泵出力約束和熱儲能約束。

(16)

(17)

0≤QEB≤Q″EB

(18)

0≤QHP≤Q″HP

(19)

(20)

(21)

3.3 求解方法

本文建立的儲能優(yōu)化配置模型屬于非線性、混合整數(shù)問題。采用遺傳算法求解規(guī)劃層模型，基于規(guī)劃層儲能投資成本最低的目標(biāo)對儲能配置容量進(jìn)行尋優(yōu)，所得即運(yùn)行層的初始值。在求解運(yùn)行層模型時，采用序列二次規(guī)劃法來求解，調(diào)用MATLAB軟件優(yōu)化工具箱中的fmincon函數(shù)，以最小化運(yùn)行成本和棄風(fēng)懲罰成本為目標(biāo)，得到儲能在運(yùn)行層傳遞過來的初始值下的最優(yōu)運(yùn)行策略，并把運(yùn)行層的最優(yōu)值返回給規(guī)劃層，規(guī)劃層計(jì)算目標(biāo)函數(shù)值與適應(yīng)度值進(jìn)行尋優(yōu)，得到最優(yōu)儲能配置方案。

3.3.1 上層求解方法

規(guī)劃層基于遺傳算法進(jìn)行求解，遺傳算法通過設(shè)立隨機(jī)的初始化種群，規(guī)定種群的規(guī)模大小，設(shè)定種群中個體的交叉和變異的概率，確定進(jìn)化的代數(shù)，避免人為因素對求解過程的干擾，并建立所要優(yōu)化目標(biāo)的適應(yīng)值函數(shù)，根據(jù)所設(shè)定好的遺傳和變異的參數(shù)，逐次進(jìn)行適應(yīng)值的計(jì)算，并在每一次進(jìn)化的結(jié)果中選擇適應(yīng)值比較好的個體，淘汰結(jié)果中適應(yīng)性比較差的個體。通過大量的進(jìn)化和擇優(yōu)，最后可以搜索到優(yōu)化目標(biāo)的最優(yōu)解。遺傳算法本身就具有較強(qiáng)的自適應(yīng)能力，因?yàn)槠淇梢赃M(jìn)行隨機(jī)優(yōu)化的特點(diǎn)，可以用來解決很多復(fù)雜的多目標(biāo)優(yōu)化問題，而且算法比較容易實(shí)現(xiàn)，所以廣泛應(yīng)用在不同的領(lǐng)域中。

3.3.2 下層求解方法

運(yùn)行層運(yùn)用MATLAB中的fmincon函數(shù)求解非線性規(guī)劃問題，其求解過程是從一個預(yù)估值出發(fā)，搜索在約束條件下非線性多變量函數(shù)的最小值。fmincon的約束條件為

(22)

式中：b和beq為向量；A和Aeq為矩陣；c(x)和ceq(x)為返回向量的函數(shù)；f(x)為返回標(biāo)量的函數(shù)；f(x)、c(x)和ceq(x)為非線性函數(shù)；x、lb、ub為向量或矩陣傳遞。

本文在求解約束非線性優(yōu)化問題時采用序列二次規(guī)劃算法(SQP)，SQP是求解此類問題最有效的方法之一，與其他優(yōu)化算法相比，其收斂性好、計(jì)算效率高，將復(fù)雜的非線性約束最優(yōu)化問題轉(zhuǎn)化為較為簡單的二次規(guī)劃問題求解。

3.3.3 求解流程

儲能雙層優(yōu)化配置模型的具體求解流程如圖3所示。

圖3 儲能雙層優(yōu)化配置模型求解流程

4 算例仿真與分析

為了驗(yàn)證上述模型的有效性，本文以北方供暖季的某新能源小鎮(zhèn)為研究對象進(jìn)行實(shí)際算例分析，采用MATLAB軟件搭建電-熱綜合能源系統(tǒng)儲能雙層優(yōu)化配置模型，并進(jìn)行求解。系統(tǒng)中已安裝的設(shè)備為風(fēng)電機(jī)組、CHP機(jī)組、電鍋爐和熱泵，為解決CHP機(jī)組“以熱定電”模式造成的電網(wǎng)調(diào)峰能力不足，導(dǎo)致夜間負(fù)荷低谷時段大規(guī)模棄風(fēng)的問題，根據(jù)該小鎮(zhèn)各建筑群用熱用冷特點(diǎn)，在原有系統(tǒng)基礎(chǔ)上加入熱泵、儲熱環(huán)節(jié)解耦“以熱定電”約束，即系統(tǒng)中需要配置定容的設(shè)備有儲電和儲熱設(shè)備。

圖4 收斂特性曲線

算例選取冬季典型日電、熱負(fù)荷數(shù)據(jù)和風(fēng)電預(yù)測出力數(shù)據(jù)，對該小鎮(zhèn)電-熱綜合能源系統(tǒng)進(jìn)行優(yōu)化配置，系統(tǒng)包括1臺220 MW風(fēng)電機(jī)組、1臺300 MW CHP機(jī)組、1臺10 MW電鍋爐和熱泵、1臺儲電和1臺儲熱設(shè)備，儲能設(shè)備的容量是本文進(jìn)行優(yōu)化配置的決策變量。收斂特性曲線如圖4所示。

由圖4可以看出，當(dāng)?shù)?0次后系統(tǒng)上層目標(biāo)函數(shù)值逐漸收斂，當(dāng)?shù)?00次時，系統(tǒng)投資費(fèi)用收斂到最優(yōu)值2542萬元。此時，得到最優(yōu)容量配置，儲電配置容量為16.62 MWh，儲熱配置容量為97.86 MWh。

對4種不同的配置方案進(jìn)行對比，分析合理配置熱泵和儲熱設(shè)備對電-熱綜合能源系統(tǒng)運(yùn)行的影響以及對消納棄風(fēng)的影響。算例分別采用以下4種情景進(jìn)行仿真。

情景1：系統(tǒng)僅由CHP機(jī)組，電鍋爐及熱泵對熱負(fù)荷進(jìn)行供熱，不配置儲電和儲熱設(shè)備。

情景2：在包括CHP機(jī)組、電鍋爐及熱泵的系統(tǒng)中，加裝儲熱設(shè)備，不配置儲電設(shè)備。

情景3：系統(tǒng)由CHP機(jī)組、電鍋爐和熱泵進(jìn)行供熱，加裝儲電設(shè)備，不配置儲熱設(shè)備。

情景4：在包括CHP機(jī)組和電鍋爐的系統(tǒng)中，同時配置儲電和儲熱設(shè)備。

4.1 不同配置方案對系統(tǒng)運(yùn)行的影響

情景1即無熱泵、無儲熱時系統(tǒng)在冬季典型日的機(jī)組出力情況如圖5(a)和圖6(a)所示，其中由于系統(tǒng)已經(jīng)配置電鍋爐，因此在電出力曲線中總電負(fù)荷包括用電負(fù)荷和電鍋爐，而在熱出力曲線中電鍋爐代替一部分熱電機(jī)組為熱負(fù)荷供熱。由圖5(a)和圖6(a)可以發(fā)現(xiàn)，在01:00—10:00風(fēng)電過剩的時段，CHP機(jī)組降低發(fā)電功率接納一部分風(fēng)電上網(wǎng)，由于電熱耦合所減少的供熱部分由電鍋爐消耗另一部分風(fēng)電進(jìn)行滿足，相當(dāng)于使用夜間過剩的風(fēng)電替代CHP機(jī)組進(jìn)行供電和供暖。情景1沒有配置儲電和儲熱設(shè)備，因此沒有投資費(fèi)用，一個運(yùn)行周期內(nèi)的系統(tǒng)運(yùn)行費(fèi)用為1544.4萬元。

在情景1基礎(chǔ)上配置儲熱設(shè)備后機(jī)組的出力情況如圖5(b)和圖6(b)所示。由圖6(b)可以發(fā)現(xiàn)，蓄熱罐在01:00—10:00進(jìn)行吸熱，而11:00—24:00進(jìn)行放熱對用戶進(jìn)行供暖。由于01:00—10:00的風(fēng)電出力大，電鍋爐和熱泵消納風(fēng)電用于供熱，蓄熱罐會吸收超出熱負(fù)荷部分的熱量；在11:00—24:00，尤其是11:00—15:00和22:00—24:00，風(fēng)電出力小且熱負(fù)荷較高，此時由蓄熱罐對熱用戶進(jìn)行補(bǔ)償供熱。由于二者存在配合關(guān)系，使系統(tǒng)運(yùn)行費(fèi)用減小為1518.0萬元。

情景3在CHP機(jī)組中增設(shè)儲電設(shè)備，其電、熱出力如圖5(c)和圖6(c)所示，總電負(fù)荷由用戶用電、電鍋爐、熱泵及儲電設(shè)備充放電構(gòu)成，在情景3中電鍋爐和熱泵都分別代替一部分CHP機(jī)組對用戶供熱。由于儲電裝置的能源都是清潔能源，因此增設(shè)儲電設(shè)備與情景1相比具有顯著的節(jié)能效益，主要體現(xiàn)在運(yùn)行費(fèi)用上，情景3一個運(yùn)行周期內(nèi)的系統(tǒng)運(yùn)行費(fèi)用為1495.7萬元。

配置大量儲熱設(shè)備需要很多投資費(fèi)用和運(yùn)行維護(hù)成本，而在熱電機(jī)組中引入儲電與儲熱設(shè)備協(xié)同作用，在系統(tǒng)白天棄風(fēng)量較少時，不啟動電鍋爐、熱泵這類電加熱設(shè)備，通過儲熱設(shè)備對風(fēng)電進(jìn)行消納；在夜間棄風(fēng)嚴(yán)重的時候，利用儲熱設(shè)備、電鍋爐、熱泵無法完全消納風(fēng)電，此時利用儲電設(shè)備來存儲風(fēng)電，將超出負(fù)荷的部分電量以及熱量儲存在儲能設(shè)備中，待負(fù)荷高峰期使用。情景4基于上述運(yùn)行機(jī)理對熱泵和儲熱設(shè)備進(jìn)行合理配置，可以使系統(tǒng)運(yùn)行成本達(dá)到最小值1481.8萬元，此時各機(jī)組的電、熱出力如圖5(d)和圖6(d)所示。

(a) (b)

(c) (d)圖5 不同配置方案下的電平衡曲線

(a) (b)

(c) (d)圖6 不同配置方案下的熱平衡曲線

4種情景的系統(tǒng)運(yùn)行成本對比如表1所示。由表1可以看出，情景4即最優(yōu)配置方案的系統(tǒng)運(yùn)行成本最小，滿足運(yùn)行層優(yōu)化目標(biāo)，驗(yàn)證了通過雙層優(yōu)化配置模型對熱泵和儲熱設(shè)備容量進(jìn)行合理配置實(shí)現(xiàn)的經(jīng)濟(jì)效益。

表1 4種情景的系統(tǒng)運(yùn)行成本對比 單位：%

4.2 不同配置方案對棄風(fēng)消納的影響

4種情景的棄風(fēng)情況對比如圖7所示。與其他3種情景相比，情景1在01:00—11:00內(nèi)產(chǎn)生的棄風(fēng)量最大，其中01:00—07:00棄風(fēng)量最為顯著，這是由于深夜至凌晨這一時間段為用電負(fù)荷低谷時期，且供熱需求大，由于熱電機(jī)組的電熱耦合特性強(qiáng)迫出力高導(dǎo)致風(fēng)電無法上網(wǎng)，造成大量棄風(fēng)。情景1沒有配置儲電和儲熱設(shè)備，因此沒有投資費(fèi)用，一個運(yùn)行周期內(nèi)的系統(tǒng)運(yùn)行費(fèi)用為1544.4萬元，情景1為參考情景。情景2當(dāng)風(fēng)電出力小且熱負(fù)荷較高時，蓄熱罐對熱用戶進(jìn)行了補(bǔ)償供熱，由于二者存在配合關(guān)系，使系統(tǒng)運(yùn)行成本較情景1節(jié)約了1.71%。情景3中，電鍋爐和熱泵都分別代替一部分CHP機(jī)組對用戶供熱，由于儲電裝置的加入，棄風(fēng)率明顯降低，因此增設(shè)儲電設(shè)備與情景1相比具有顯著的節(jié)能效益，主要體現(xiàn)在運(yùn)行費(fèi)用上，情景3一個運(yùn)行周期內(nèi)的系統(tǒng)運(yùn)行成本較情景1節(jié)約了3.15%。情景4中引入儲電與儲熱設(shè)備協(xié)同作用，在系統(tǒng)白天棄風(fēng)量較少時，不啟動電鍋爐、熱泵這類電加熱設(shè)備，通過儲熱設(shè)備對風(fēng)電進(jìn)行消納；在夜間棄風(fēng)嚴(yán)重的時候，利用儲熱設(shè)備、電鍋爐、熱泵無法完全消納風(fēng)電，此時利用儲電設(shè)備來存儲風(fēng)電，將超出負(fù)荷的部分電量以及熱量儲存在儲能設(shè)備中，待負(fù)荷高峰期使用，情景4根據(jù)上述運(yùn)行機(jī)理對儲電、儲熱設(shè)備進(jìn)行合理配置，使系統(tǒng)運(yùn)行成本較情景1節(jié)約了4.05%。

圖7 4種情景下風(fēng)電出力情況對比

5 結(jié)論

在電-熱綜合能源系統(tǒng)的大背景下，為了更加經(jīng)濟(jì)有效地解決北方冬季供暖期的大規(guī)模棄風(fēng)問題，本文提出了儲能雙層優(yōu)化配置模型，通過合理配置儲電和儲能的容量，解決風(fēng)電消納問題并實(shí)現(xiàn)投資和運(yùn)行的經(jīng)濟(jì)性。

本文提出的雙層優(yōu)化配置模型，上層即規(guī)劃層以儲能投資成本為目標(biāo)，下層即運(yùn)行層以運(yùn)行成本和棄風(fēng)費(fèi)用為目標(biāo)進(jìn)行優(yōu)化，并通過算例驗(yàn)證了模型的可行性和有效性，該模型實(shí)現(xiàn)多目標(biāo)優(yōu)化的思路清晰，能夠廣泛應(yīng)用在系統(tǒng)規(guī)劃運(yùn)行研究中。

結(jié)合典型日電熱負(fù)荷以及風(fēng)電預(yù)測出力，得到儲電和儲熱的最優(yōu)配置容量后，劃分場景進(jìn)行算例分析，對比發(fā)現(xiàn)采用儲熱設(shè)備與熱泵協(xié)同供熱能夠拓展電網(wǎng)棄風(fēng)消納空間，并實(shí)現(xiàn)系統(tǒng)經(jīng)濟(jì)運(yùn)行。

本文研究的計(jì)及風(fēng)電不確定性的綜合能源系統(tǒng)儲能優(yōu)化配置問題的研究尚待改進(jìn)和深化的部分如下。

a.本文對風(fēng)電不確定性的處理方法是根據(jù)“電-熱綜合能源系統(tǒng)棄風(fēng)問題”的需要，選取冬季供暖期典型日風(fēng)電預(yù)測出力的方式，這種出力方法雖然簡單易行，簡化了問題的難度，但是不具有代表性。在以后研究中，可以就本文提到的隨機(jī)規(guī)劃和魯棒優(yōu)化方法對風(fēng)電出力進(jìn)行系統(tǒng)描述，這樣能夠使結(jié)果更貼近實(shí)際系統(tǒng)運(yùn)行。

b.在規(guī)劃目標(biāo)上，本文主要以經(jīng)濟(jì)性指標(biāo)為優(yōu)化目標(biāo)，在以后的研究中，可以綜合考慮經(jīng)濟(jì)和節(jié)能兩方面，例如排放量等。

c.本文基于遺傳算法進(jìn)行求解，可以采用收斂精度更高的粒子群算法、人工蜂群算法等迭代搜尋最優(yōu)值。

d.綜合能源系統(tǒng)包括的能源種類不止本文所提及的電和熱，在以后的研究中，可以覆蓋更多能源種類，進(jìn)行協(xié)同優(yōu)化。