計(jì)及風(fēng)光就地消納的設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)綜合能源系統(tǒng)多目標(biāo)優(yōu)化調(diào)度方法

陳偉，路源，何欣，張海龍，楊勇，崔建斌

(1. 蘭州理工大學(xué)電氣工程與信息工程學(xué)院，蘭州市 730050；2. 國網(wǎng)甘肅省電力公司電力科學(xué)研究院，蘭州市 730050)

0 引 言

近年來，隨著農(nóng)業(yè)技術(shù)的不斷深入發(fā)展，我國的設(shè)施農(nóng)業(yè)成為了各地區(qū)農(nóng)業(yè)的重要發(fā)展模式，我國的設(shè)施農(nóng)業(yè)面積和產(chǎn)量都位居世界前列，同時(shí)對冷、熱、電、氣等多種能源的需求也日益強(qiáng)烈[1-2]。但是，目前我國設(shè)施農(nóng)業(yè)也正面臨著一些現(xiàn)實(shí)問題：其一是我國農(nóng)村能源分配和利用不合理造成了設(shè)施農(nóng)業(yè)生產(chǎn)能耗費(fèi)用過高，進(jìn)而限制了地區(qū)農(nóng)業(yè)的快速發(fā)展；其二是我國農(nóng)村可再生能源十分豐富，但無法充分利用。而綜合能源系統(tǒng)(integrated energy system, IES)可深度挖掘能源系統(tǒng)的利用潛力，根據(jù)不同能源系統(tǒng)的特點(diǎn)實(shí)現(xiàn)多能源轉(zhuǎn)換以及合理分配，能夠有效提高能源利用率，也可促進(jìn)可再生能源的就地消納[3-4]。所以，研究將可再生能源系統(tǒng)、IES與設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)各類負(fù)荷相結(jié)合，有助于解決上述問題，對于地區(qū)農(nóng)業(yè)的生產(chǎn)和發(fā)展具有重要價(jià)值和意義。

文獻(xiàn)[5-6]重點(diǎn)從城市工業(yè)園區(qū)、校園背景下的區(qū)域IES展開研究，對包括冷、熱、電、氣等多種能源形成的多能網(wǎng)構(gòu)架進(jìn)行了建模以及分析。文獻(xiàn)[7]構(gòu)建了多能園區(qū)IES運(yùn)行經(jīng)濟(jì)優(yōu)化模型，通過采用Cplex等優(yōu)化軟件進(jìn)行模型求解，在不同場景下驗(yàn)證了IES有助于節(jié)約用能成本。文獻(xiàn)[8]通過目前國內(nèi)外研究背景以及3個(gè)案例，分析了農(nóng)業(yè)園區(qū)能源互聯(lián)網(wǎng)所存在的關(guān)鍵問題，并描述了其概念、特點(diǎn)、結(jié)構(gòu)框架，為園區(qū)農(nóng)業(yè)能源互聯(lián)網(wǎng)的建設(shè)奠定了理論基礎(chǔ)。文獻(xiàn)[9]通過分析研究，證明了可再生能源可以持續(xù)為IES提供能源動力，熱儲能系統(tǒng)與沼氣系統(tǒng)相結(jié)合可以起到補(bǔ)充風(fēng)光出力不足的作用。文獻(xiàn)[10]從農(nóng)業(yè)大棚負(fù)荷的可時(shí)移性角度出發(fā)，主要利用變學(xué)習(xí)因子的二階振蕩文化粒子群優(yōu)化算法對微能源網(wǎng)運(yùn)行調(diào)度的經(jīng)濟(jì)性進(jìn)行了優(yōu)化。通過上述分析，相對于城市、工業(yè)IES的研究，目前對基于設(shè)施農(nóng)業(yè)園區(qū)的多能源耦合運(yùn)行研究正處于起步階段，鮮有文獻(xiàn)同時(shí)考慮園區(qū)IES運(yùn)行的經(jīng)濟(jì)性和風(fēng)光的就地消納。

因此，本文依據(jù)設(shè)施農(nóng)業(yè)特點(diǎn)構(gòu)建以設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)內(nèi)日能耗及運(yùn)行費(fèi)用最低和風(fēng)光就地消納率最大為目標(biāo)的IES運(yùn)行優(yōu)化調(diào)度模型，結(jié)合風(fēng)光滿發(fā)時(shí)出力、冷熱電負(fù)荷預(yù)測結(jié)果以及分時(shí)電價(jià)，并利用本文提出的基于反向?qū)W習(xí)的改進(jìn)型多目標(biāo)正余弦優(yōu)化算法對實(shí)際算例進(jìn)行計(jì)算，通過對比和分析，驗(yàn)證所提算法的有效性。

1 設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)IES結(jié)構(gòu)

本文所構(gòu)建的設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)IES是一個(gè)涉及分布式風(fēng)光發(fā)電、電網(wǎng)、沼氣、設(shè)施農(nóng)業(yè)溫室大棚、農(nóng)業(yè)生產(chǎn)、農(nóng)產(chǎn)品儲藏與園區(qū)日常生活組成的多能源交互網(wǎng)絡(luò)系統(tǒng)，其結(jié)構(gòu)如圖1所示。同時(shí)，由于沼氣發(fā)酵在一定溫度下產(chǎn)氣效率較佳[11]，但僅靠環(huán)境溫度無法滿足產(chǎn)氣要求，所以沼氣發(fā)酵的熱量需求可由電制熱設(shè)備、余熱鍋爐和儲熱器滿足。

圖1 設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)IES結(jié)構(gòu)Fig.1 IES structure of a protected agricultural industrial park

1.1 沼氣熱電聯(lián)供系統(tǒng)數(shù)學(xué)模型

在設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)中可發(fā)展沼氣等可再生生物質(zhì)能源，具有較高的利用價(jià)值和環(huán)保性[12-13]。農(nóng)作物廢料、牲畜糞尿以及溫度對沼氣的產(chǎn)量具有一定影響，但考慮到在園區(qū)內(nèi)產(chǎn)業(yè)形成一定規(guī)模且生產(chǎn)飼養(yǎng)等沼氣原料生產(chǎn)源的管理技術(shù)趨于穩(wěn)定，同時(shí)沼氣發(fā)酵在恒溫條件下進(jìn)行發(fā)酵，所以沼氣的產(chǎn)量也會趨于穩(wěn)定。故沼氣的日產(chǎn)量用以下數(shù)學(xué)模型表示：

MBiog=rBiogVBiog

(1)

式中：MBiog表示園區(qū)沼氣的日產(chǎn)量；rBiog表示園區(qū)沼氣的產(chǎn)氣率；VBiog表示沼氣池的容積。

沼氣熱電聯(lián)供系統(tǒng)的能源轉(zhuǎn)換設(shè)備的數(shù)學(xué)模型為：

(2)

(3)

(4)

(5)

1.2 電制熱/冷設(shè)備數(shù)學(xué)模型

設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)中，不僅對熱力需求較大，同時(shí)在儲存農(nóng)產(chǎn)品時(shí)需要設(shè)置冷藏倉庫來保持農(nóng)產(chǎn)品新鮮。其電熱、電冷轉(zhuǎn)換數(shù)學(xué)模型為：

(6)

1.3 空氣源熱泵數(shù)學(xué)模型

空氣源熱泵在工作時(shí)不會對空氣產(chǎn)生任何污染且轉(zhuǎn)換效率高、損耗小，故在設(shè)施農(nóng)業(yè)中得到了廣泛使用，其數(shù)學(xué)模型為：

(7)

1.4 儲能設(shè)備數(shù)學(xué)模型

儲能裝置具有平抑風(fēng)光出力波動的作用，或者在風(fēng)光大發(fā)且負(fù)荷無法消納時(shí)儲能，在風(fēng)光出力小于負(fù)荷需求時(shí)出力，并且也可以在低谷電價(jià)時(shí)儲能，高峰電價(jià)時(shí)出力[14]。其數(shù)學(xué)模型為：

(8)

2 設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)IES運(yùn)行優(yōu)化調(diào)度模型

2.1 目標(biāo)函數(shù)

本文所建立的目標(biāo)函數(shù)為[15]：

(9)

(10)

(11)

線性加權(quán)是解決多目標(biāo)優(yōu)化問題常用的方法，其根據(jù)各目標(biāo)的重要程度賦予其相應(yīng)的權(quán)系數(shù)，然后對其線性組合進(jìn)行尋優(yōu)[16]。

minF=ψ1FCost+ψ2FNew

(12)

式中：ψ1、ψ2為線性加權(quán)系數(shù)。

2.2 約束條件

2.2.1 平衡約束條件

1)電功率平衡約束。

(13)

2)冷熱功率平衡約束。

(14)

(15)

2.2.2 不平衡約束條件

1)電熱不平衡約束。

(16)

(17)

2)儲電裝置不平衡約束。為保證蓄電池正常工作和減緩壽命衰減，蓄電池在使用過程中將受到一定限制。相關(guān)具體約束參考文獻(xiàn)[17]中蓄電池儲能設(shè)備約束方法。

3)儲熱裝置不平衡約束。

(18)

(19)

(20)

(21)

3 IES優(yōu)化調(diào)度算法

在解決IES調(diào)度問題中，若使整個(gè)系統(tǒng)運(yùn)行的能耗費(fèi)用以及風(fēng)光就地消納率都達(dá)到期望結(jié)果，采用合適且高效的優(yōu)化算法對最終的調(diào)度結(jié)果起到至關(guān)重要的作用[18]。

正弦余弦算法( sine-cosine algorithm，SCA)是近幾年提出的一種利用正余弦函數(shù)原理來實(shí)現(xiàn)全局搜索和局部開發(fā)的智能優(yōu)化算法，該算法參數(shù)少、結(jié)構(gòu)簡潔、收斂速度較快[19]；但對于計(jì)算多變量、多目標(biāo)、多約束的設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)綜合能源系統(tǒng)模型，基本SCA極易陷入局部最優(yōu)、計(jì)算精度較差。針對上述問題，本文提出了一種適用于設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)IES能源優(yōu)化調(diào)度的基于反向?qū)W習(xí)策略的改進(jìn)型多目標(biāo)正余弦算法。

基本SCA位置更新公式為：

(22)

(23)

將反向?qū)W習(xí)策略(opposition-based learning，OBL)運(yùn)用在SCA中，可提高算法的有效性和收斂性。其原理為：首先計(jì)算候選解集中的每個(gè)候選解，同時(shí)計(jì)算相應(yīng)反向解集中的候選解，并比較其適應(yīng)度值，然后保留適應(yīng)度值較高的一方，并代入式(22)中更新候選解集。

(24)

同時(shí)，由于r1在SCA中決定算法的全局搜索以及局部開發(fā)之間的平衡，對整個(gè)算法具有重要作用，而基本SCA中的r1為線性遞減函數(shù)，其變化方式不能滿足工程精度需求，故本文對式(23)進(jìn)行了非線性化改進(jìn)，r1的非線性改進(jìn)方程為：

(25)

式中：rs、re分別為r1的初始值和終止值，且rs>re≥0；φ為非線性調(diào)節(jié)系數(shù)。

從式(25)可以看出，r1隨著迭代次數(shù)的增加呈非線性趨勢增加，有利于提高算法計(jì)算能力。具體算法流程如圖2所示。

圖2 IES優(yōu)化調(diào)度算法流程Fig.2 Flow chart of IES optimal scheduling algorithm

4 算例分析

4.1 仿真算例

本文以某設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)IES為例，該園區(qū)主要包括育種實(shí)驗(yàn)室、育種溫室大棚、農(nóng)作物栽培大棚、冷藏倉庫、日常生活區(qū)、農(nóng)作物處理和生產(chǎn)車間等。相關(guān)設(shè)備的部分參數(shù)以及運(yùn)維成本見表1和表2。同時(shí)，根據(jù)當(dāng)?shù)匕l(fā)改委發(fā)布的峰谷電價(jià)，以每日00:00—07:00、23:00—24:00定為電價(jià)谷時(shí)段；07:00—08:00、11:00—18:00定為電價(jià)平時(shí)段；08:00—11:00、18:00—23:00為電價(jià)峰時(shí)段。

表1 綜合能源系統(tǒng)部分設(shè)備參數(shù)Table 1 Parameters of some equipment in the integrated energy system

表2 部分相關(guān)設(shè)備運(yùn)維費(fèi)用Table 2 Operation and maintenance fees of some related equipment

蒙特卡洛模擬方法在風(fēng)光出力以及負(fù)荷預(yù)測上被廣泛使用，該方法實(shí)質(zhì)上是一種隨機(jī)模擬方法，即在給定概率分布中進(jìn)行多次隨機(jī)抽樣后計(jì)算平均值。本文參考文獻(xiàn)[20]中的風(fēng)光出力隨機(jī)模型和負(fù)荷隨機(jī)模型，并利用蒙特卡洛模擬方法得到設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)夏季典型日和冬季典型日的風(fēng)光滿發(fā)出力預(yù)測曲線、冷熱電負(fù)荷曲線，如圖3、圖4所示。

圖3 夏季典型日冷、熱、電負(fù)荷以及風(fēng)光預(yù)測曲線Fig.3 Typical daily curves of cooling, heating and electric loads, and forecasting curves of wind and solar power in summer

圖4 冬季典型日冷、熱、電負(fù)荷以及風(fēng)光預(yù)測曲線Fig.4 Typical daily curves of cooling, heating and electric loads, and forecasting curves of wind and solar power in winter

4.2 仿真結(jié)果分析

將園區(qū)各參數(shù)輸入設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)IES能源優(yōu)化調(diào)度模型中，通過本文所提優(yōu)化算法進(jìn)行迭代優(yōu)化后，可得出滿足目標(biāo)函數(shù)的各能源設(shè)備的最優(yōu)出力數(shù)據(jù)。對目標(biāo)函數(shù)的線性加權(quán)系數(shù)設(shè)定方式，本文采用等權(quán)重約束，即Ψ1=Ψ2=0.5。對優(yōu)化算法的參數(shù)設(shè)置為：算法粒子數(shù)為350，空間維度為240，最大迭代次數(shù)Tmax=900，非線性調(diào)節(jié)系數(shù)φ=0.05。

1)夏季典型日優(yōu)化結(jié)果分析。

夏季典型日電、熱、冷優(yōu)化后結(jié)果如圖5所示。由圖5(a)、(b)可知，23:00—次日07:00的電價(jià)低谷時(shí)段，系統(tǒng)在考慮運(yùn)行經(jīng)濟(jì)性的同時(shí)盡量使風(fēng)電完全消納，故在風(fēng)電完全出力后，電負(fù)荷需求主要由向電網(wǎng)購電來滿足，與此同時(shí)蓄電池開始儲電。由于設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)沼氣產(chǎn)氣量的限制，所以除了沼氣鍋爐在滿足了大部分熱量需求外，剩余熱量需求由空氣源熱泵提供。而且，從06:00看出，在沼氣滿足熱量需求后，剩余沼氣將用來發(fā)電。

圖5 夏季典型日電、熱、冷優(yōu)化后結(jié)果Fig.5 Optimization results of electricity, heat and cooling load in a typical day in summer

在07:00—23:00電價(jià)平時(shí)段和峰時(shí)段期間，由于電價(jià)相對較高，沼氣優(yōu)先供應(yīng)微型燃?xì)廨啓C(jī)來滿足電負(fù)荷需求，與此同時(shí)其發(fā)電產(chǎn)生的熱量可被余熱鍋爐利用并用來發(fā)熱。蓄電池在電價(jià)峰時(shí)段放電，并在電價(jià)平時(shí)段或風(fēng)光還未就地消納完全時(shí)儲存電量，為下一電價(jià)高峰時(shí)段做準(zhǔn)備。對于熱負(fù)荷來說，首先由余熱鍋爐提供部分熱量，若沼氣在供給微型燃?xì)廨啓C(jī)發(fā)電后還有可支配余量，則沼氣鍋爐可作為補(bǔ)充；若沼氣和余熱鍋爐無法滿足全部熱量需求，則由空氣源熱泵作為補(bǔ)充。相比較，儲熱器運(yùn)行成本較高，所以在夏季，其熱交換功率較小，在全時(shí)段主要起到調(diào)峰的作用。并且，全時(shí)段的冷負(fù)荷需求由電制冷設(shè)備滿足。

2)冬季典型日優(yōu)化結(jié)果分析。

冬季典型日電、熱、冷優(yōu)化后結(jié)果如圖6所示。由圖6(a)、(b)中可以得出，在23:00—次日07:00的電價(jià)谷時(shí)段，此時(shí)段處于熱負(fù)荷高峰、電負(fù)荷低谷時(shí)段，在風(fēng)電完全滿足電負(fù)荷后剩余需求由電網(wǎng)滿足，此時(shí)段蓄電池開始儲存電能?？紤]經(jīng)濟(jì)性，沼氣首先供沼氣鍋爐產(chǎn)熱，若超出沼氣鍋爐產(chǎn)熱上限，則依次由空氣源熱泵和電制熱設(shè)備出力加以補(bǔ)充，同時(shí)儲熱器開始儲熱。

圖6 冬季典型日電、熱、冷優(yōu)化后結(jié)果Fig.6 Optimization results of electricity, heat and cooling load in a typical day in winter

在07:00—23:00的電價(jià)平時(shí)段以及峰時(shí)段，此時(shí)段大部分時(shí)間電負(fù)荷高于熱負(fù)荷，所以在風(fēng)光全部被就地消納后，沼氣先被全部用來發(fā)電以滿足電負(fù)荷需求；蓄電池在08:00—11:00放電，在11:00—18:00充電，為下一電價(jià)峰時(shí)段做電能儲備，剩余電負(fù)荷需求從電網(wǎng)購電來滿足。同時(shí)在此時(shí)段先由空氣源熱泵、余熱鍋爐產(chǎn)熱，最后由電制熱設(shè)備、儲熱器補(bǔ)充。儲熱器在08:00—11:00時(shí)段(此時(shí)段內(nèi)熱負(fù)荷較大且電價(jià)較高)內(nèi)放熱；在11:00—16:00時(shí)段(此時(shí)段為熱負(fù)荷較小、風(fēng)光出力較大)內(nèi)再次儲熱，為下一時(shí)段的熱負(fù)荷高峰和電價(jià)高峰時(shí)段提供部分熱量。

夏季和冬季典型日調(diào)度優(yōu)化前后總費(fèi)用及就地消納率對比見表3、4。由上述分析以及表3和表4可以看出，使用本文提出的基于反向?qū)W習(xí)的改進(jìn)型多目標(biāo)正弦余弦算法的優(yōu)化調(diào)度方法與未使用優(yōu)化調(diào)度方法和使用了基本SCA優(yōu)化調(diào)度方法相比較，在夏季典型日內(nèi)，該園區(qū)IES運(yùn)行費(fèi)用分別減少了58.05%和18.96%，風(fēng)光就地消納率分別提升了37.29%和7.16%；在冬季典型日內(nèi)，園區(qū)IES運(yùn)行費(fèi)用分別減少了33.85%和6.41%，風(fēng)光就地消納率分別提升了26.30%和4.74%，故采用本文的優(yōu)化調(diào)度方法可有效降低設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)IES日運(yùn)行費(fèi)用，并提高風(fēng)光消納率。

表3 夏季典型日IES優(yōu)化調(diào)度對照Table 3 Comparison of IES optimal dispatching in typical days in summer

表4 冬季典型日IES優(yōu)化調(diào)度對照Table 4 Comparison of IES optimal dispatching in typical days in winter

本文建立了容量為200的最優(yōu)解庫，該最優(yōu)解庫記錄每次迭代的最優(yōu)解，若最優(yōu)解數(shù)量超過最優(yōu)解庫的容量上限，則刪除庫中適應(yīng)度最小的解，該位置將保存下次迭代的最優(yōu)解，在收斂完成后最優(yōu)解庫將不再發(fā)生變化。圖7給出了夏季和冬季典型日優(yōu)化算法收斂速度對比。從圖7(a)、(b)可以看出，無論是在夏季典型日還是在冬季典型日，本文提出的改進(jìn)SCA在收斂速度上都要優(yōu)于基本SCA。

圖7 優(yōu)化算法收斂速度對比Fig.7 Comparison of convergence rates of optimization algorithms

5 結(jié) 論

本文提出了一種同時(shí)兼顧農(nóng)業(yè)設(shè)施產(chǎn)業(yè)園區(qū)中IES運(yùn)行經(jīng)濟(jì)性與風(fēng)光就地消納率的多目標(biāo)能源調(diào)度優(yōu)化方法。通過對某設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)IES進(jìn)行算例優(yōu)化計(jì)算并對其分析，結(jié)果表明：本文所提優(yōu)化方法能夠減少IES日運(yùn)行費(fèi)用并能有效提升風(fēng)光就地消納能力，而不影響園區(qū)內(nèi)各個(gè)系統(tǒng)的正常運(yùn)行。通過對比分析可以得出，本文所提方法優(yōu)化效果較為明顯，所以本文所構(gòu)建的IES調(diào)度優(yōu)化模型與方法對于類似背景下設(shè)施農(nóng)業(yè)產(chǎn)業(yè)園區(qū)IES建設(shè)具有一定普適性和可推廣性。