考虑负荷随机模糊性的冷热电联供区域交换功率

马 瑞，李文晔，郭 光，李 默，李 晅

(长沙理工大学电气与信息工程学院，湖南 长沙 410004)

考虑负荷随机模糊性的冷热电联供区域交换功率

马 瑞，李文晔，郭 光，李 默，李 晅

(长沙理工大学电气与信息工程学院，湖南 长沙 410004)

分布式冷热电联供(combined cooling heating and power，CCHP)负荷具有随机模糊性且冷热电耦合的特性，多CCHP联供区域与电网的交换功率会影响电力系统运行。为尽可能减少其不利影响，考虑冷热电负荷随机模糊性及耦合，首先建立不同耦合策略下单个CCHP系统交换功率模型，然后在考虑区域内各CCHP子系统间功率平衡的基础上，结合随机模糊模拟进行CCHP区域平衡，进而获得CCHP联供区域与电网交换功率。通过湖南省某市4个CCHP项目实际数据仿真验证了模型和算法的有效性。

冷热电联供(CCHP)；微网；交换功率；随机模糊性；区域平衡

0 引言

分布式冷热电联供(combined cooling heating and power，CCHP)系统是基于能源梯级利用的发电、供暖及供冷三者一体化的多联供系统[1-2]，因其具有高能源利用效率、可灵活调节的供能方案以及经济、低碳效益[2-3]等优点，已成为分布式能源发展的重要方向之一[4]。但由于负荷固有的随机模糊不确定性以及冷热电耦合生产的特点[5]，对接入电网安全运行有重要影响，特别是大容量CCHP系统构成的微网区域与电网交换功率[2,6-7]影响尤其突出。因此，在提取冷热电随机模糊不确定性及其耦合特征基础上，获取区域型CCHP系统与电网交互功率模型是亟待研究的关键问题。

关于分布式能源构建微网与电网的功率交换和功率波动问题，文献[8]从微网能量优化调度方面考虑来降低含风电和光伏发电的微网与主网之间的功率波动，文献[9]在经济运行方面提出了含热电联产系统微网与外网双向交换功率模式，文献[10]提出通过改进自适应遗传算法来寻求含分布式电源配网的最佳结构，以达到平衡负荷、降低网损的目的，文献[11]提出了为减轻配电系统过负荷而实施的负荷平衡算法。但是上述研究只是考虑到各类分布式系统直接接入电网的交换功率，关于含CCHP系统的微网经区域内部平衡于接入电网交换功率的研究鲜见报道。

获取区域型CCHP系统与接入电网交换功率，一方面要考虑CCHP系统不同运行模式，另一方面要兼顾CCHP系统之间及CCHP系统与分布式能源或用户负荷之间的功率平衡。本文在CCHP系统负荷随机模糊模型的基础[12]上，首先建立单个独立CCHP系统在不同运行策略下的交换功率模型，基于随机模糊模拟的方法获取每时段的交换功率，然后结合其他分布式电源以及用电用户负荷构成一个含各类分布式系统的微网综合区域，运用区域平衡算法建立考虑区域平衡的综合区域交换功率模型，分析微网区域内各类系统之间进行功率交换，将区域内电能供应和电能需求进行分摊，减少电能远距离输送以提高电能利用效率，算例结果验证了该方法的有效性。

1 考虑分布式冷热电负荷随机模糊性的CCHP系统交换功率模型

依据文献[12]，将电负荷与冷热负荷描述为2个随机模糊变量。目前应用较广的天然气CCHP系统的功能及能量流向如图1所示。

与其他分布式能源相比，CCHP系统的重要特点为电力和热力系统之间存在耦合关系，不同运行策略对系统运行性能有很大影响[13-14]。目前主要有“以电定热”[15]、“以热定电”[16]以及混合运行[17]这3种运行模式。下面基于随机模糊模型，以“以电定热”模式为例，建立单个独立CCHP系统交换功率模型。

(1) 当燃气机出力可以满足电能需求以及系统可供应的热能可满足t时段冷热需求，此时系统冷热负荷全部由系统余热锅炉提供。

(2) 当燃气机出力可以满足电能需求而系统供应的热能不能满足t时段冷热需求，此时除了由系统余热锅炉提供热能外，还需要供热辅助设备消耗电能运行补充热能。

(3) 当燃气机出力不能满足电能需求时，系统购电首先满足电能需求。此时，当系统可供应的热能可满足t时段冷热需求，系统冷热负荷全部由系统余热锅炉提供。

(4) 当燃气机出力不能满足电能需求而系统供应的热能不能满足t时段冷热需求，此时除了由系统余热锅炉提供热能外，还需要供热辅助设备消耗电能运行补充热能。

(1)

(2)

(3)

结合式(1)—(3)，以电定热模式下系统的交换功率可进一步表示为

(4)

2 考虑CCHP区域平衡的联供区域与电网交换功率模型

分布式CCHP系统交换功率模型如前所述，但未来的发展趋势是“区域型”CCHP系统——含各类分布式系统的微网综合区域。而且随着智能电网的建设发展，各CCHP和负荷在主动管理机制下，主观响应能力增强，可以依托其自身特征与需求、针对不同优化目标而进行灵活的能量传递。本文针对目前电网负荷平衡采用的由下而上分级别按预测情况汇总、自上而下依据调度安排逐一落实的方式[18-19]展开研究，对微网区域内各类系统间功率交换进行分析，建立区域平衡算法，使区域型CCHP系统接入电网前各类负荷达到进一步平衡以减少不利影响。

2.1 子系统状态分析

2.2 含多CCHP系统的综合区域负荷平衡算法

综合区域负荷平衡算法是一种通过将分布式能源在区域内部分配消耗，并计算其与电网交换功率和分析区域状态的方法。对于一个有多个子系统的含CCHP的综合区域，其电能可以经负荷平衡后再用由下而上按级别汇总接入电网。在配电网电压等级下，功率传输过程中线路功率损耗十分可观，本文采用线损率ks描述[20]，其值可依据实际技术参数预测及设定。

考虑冷热电负荷随机模糊性的区域平衡算法原理框图如图2所示，主要步骤如下所述。

步骤2：依据实际技术参数设定不同连接之间的线损率，以ks(ml)表示系统Sm与系统Sl连接之间的损耗率，在功率交换过程中考虑传输损耗。

步骤3：令m=1，从子系统S1开始分析，子系统可能处于3种不同状态分别处理。

1) 如果邻近子系统Sm′的状态显示为孤岛模式，直接跳过分析下一相邻子系统。也可分析经两级连接的子系统，分析顺序依照ks(1-m′)叠加数值从小到大。

3 算例仿真及结果分析

3.1 算例及参数

图3为含多CCHP的区域电能流向图，其中S1、S3分别为分布式电源DG1和DG2，S4为负荷Load1，S5、S6、S7和S2分别为CCHP1、CCHP2、CCHP3、CCHP4，各部分的电能流动通过联络线传递进行区域电能平衡，其中分布式电源只流出电能，负荷只流入电能，CCHP既可流出电能也可流入电能。

以某市夏季历史数据作为研究对象，基于文献[12]提出的随机模糊模型，采用随机模糊模拟技术仿真产生各时段数据。相关数据及技术参数如表1—3所示。

表1 各连接线路损耗率Table 1 Loss rate of each connection line %

表2 各CCHP系统供能参数Table 2 Energy supply parameters of each CCHP system

表3 S4(LOAD1)负荷值Table 3 Load value of S4(LOAD1) MW

3.2 结果分析

根据原始数据，考虑了以下2类情景下区域接入电网的总交换功率。

表4 S1(DG1)、S3(DG2)出力Table 4 Power output of S1(DG1) and 、S3(DG2) MW

(1) 经区域平衡后的交换功率。依据平衡算法，各子系统之间进行功率交换：分布式电源所产电能由区域内负荷就近消纳；区域内负荷优先考虑由系统内电源供电，CCHP系统处于需求状态时等同于负荷，其电能优先由系统内供应，处于供应状态时等同于分布式能源，其电能优先就近消纳。

(2) 各子系统直接汇总至S6的交换功率。各子系统之间不进行功率交换，功率仅经连接汇总至S6接入电网。由于同样需要经线路传输需要考虑功率损耗，因此本文算例直接采用微网结构中各子系统接入S6的参数值，考虑其损耗。

经计算，2类不同情景下区域总交换功率数据如表5所示，其24 h负荷曲线如图5。

表5 2类情景下区域交换功率Table 5 Regional power exchange in two scenarios MW

由数据分析可知，在本次算例仿真数据下，区域平衡的方法对于区域内各系统接入电网每时段负荷缺额平均降低约1.66 MW，达到每时段平均需求的7.15%。出现这一现象的原因主要是由于2类不同接入方式中，经区域平衡后接入电网的方式实现了分布式能源所产电能实现就近消纳，而其他分布式系统电能需求由邻近系统供应，降低了功率传输所产生的损耗。经区域平衡后接入电网的方式下，当微网区域处于负荷需求状态下，其需求量因内部进行了一定平衡，因此低于另一接入方式，此时电网向其传输功率损耗越低；当微网区域处于负荷供应状态，由于传输过程中有一部分电能已经由区域内其他处于需求状态的系统消纳，因此向电网传输功率所产生的损耗也越低。

由图5可以看出交换功率经汇总后显示为负数，即区域整体状态属于需求状态，区域内部负荷需求存在缺额，无法完全由区域内能源供应。2条曲线对比可知经区域平衡后的负荷缺额少于直接接入的负荷缺额，主要原因是在区域内平衡方式下，电能在内部优先进行消纳，减少了电能不必要的远距离传输，降低了线路损耗。可见，对本算例实施该区域平衡算法，在一定程度上减少了系统接入电网的传输损耗，从而提高电能利用效率和实现分布式能源就近利用。

4 结语

本文考虑冷热电负荷随机模糊特征，优先以区域内多CCHP功率平衡为基础，提出区域功率平衡算法求取多CCHP区域平衡下的交换功率，得到以下结论：

(1) 考虑冷热电负荷随机模糊不确定性，以随机模糊模拟进行冷热电负荷功率仿真，更加符合实际。

(2) 得到基于随机模糊模拟技术和独立分布式CCHP系统交换功率模型的含多CCHP联供区域平衡算法。

(3) 得到区域内各子系统交换功率值以及状态，在区域平衡基础上获得电能需求分担结果，证明本文区域功率平衡算法可行有效，可提高CCHP联供区域接入电网运行的效益。

[1] 王锐, 顾伟, 吴志. 含可再生能源的热电联供型微网经济运行优化[J]. 电力系统自动化, 2011, 35(8)： 22-27. WANG Rui, GU Wei, WU Zhi. Economic and operation of a combined heat and power microgrid with renewable energy resources[J]. Automation of Electric Power System, 2011, 35(8)： 22-27.

[2] 李正茂, 张峰, 梁军, 等. 计及附加机会收益的冷热电联供型微电网动态调度[J]. 电力系统自动化, 2015, 39(14)： 8-15. LI Zhengmao, ZHANG Feng, LIANG Jun, et al. Dynamic scheduling of CCHP type of microgeid considering additional opportunity income[J]. Automation of Electric Power System, 2015, 39(14)： 8-15.

[3] 王成山, 洪博文, 郭力, 等. 冷热电联供微网优化调度通用建模方法[J]. 中国电机工程学报, 2015, 33(31)： 26-33. WANG Chengshan, HONG Bowen, GUO Li, et al. A general modeling method for optimal dispatch of combined cooling, heating and power microgrid[J]. Proceedings of the CSEE, 2015, 33(31)： 26-33.

[4] 国家发展改革委. 天然气利用政策[EB/OL]. (2015-7-27)[2016-11-23]. http： //www. ndrc. gov. cn/fzgggz/flfg/flgz/201507/t2015071_710493. html.

[5] 徐宪东, 贾宏杰, 靳小龙, 等. 区域综合能源系统电/气/热混合潮流算法研究[J]. 中国电机工程学报, 2015, 35(14)： 3634-3642. 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)： 3634-3642.

[6] 吕天光, 艾芊, 韩学山, 等. 基于模糊理论的并网型含光伏微电网功率控制[J]. 电网技术, 2014, 38(9)： 2404-2409. LYU Tianguang, AI Qian, HAN Xueshan, et al. Fuzzy theory based grid-connected power control of microgrid containing photovoltaic system[J]. Power System Technology, 2014, 38(9)： 2404-2409.

[7] MENSIN W, SETTHAPUN W, RAKWICHIAN W, et al. Simulation for the management of power exchange and payment between renewable energy and electric utility network[J]. Energy Procedia, 2012, 42(2)： 289-296.

[8] 柳丹, 李强, 袁晓冬. 考虑随机性的微网能量优化调度模型[J]. 电力系统保护与控制, 2014, 42(11)： 112-117. LIU Dan, LI Qiang, YUAN Xiaodong. Economic and optimal dispatching of power microgrid with renewable energy resources based on stochastic optimization[J]. Power System Protection and Control, 2014, 42(11)： 112-117.

[9] 陈洁, 杨秀, 朱兰, 等. 不同运行调度模式下微网经济运行对比分析[J]. 电力自动化设备, 2013, 33(8)： 106-113. CHEN Jie, YANG Xiu, ZHU Lan, et al. Comparison of microgrid economic operation among different dispatch modes[J]. Electric Power Automation Equipment, 2013, 33(8)： 106-113.

[10] 邹必昌, 许可, 李涛, 等. 基于负荷平衡的含分布式发电配电网重构研究[J]. 陕西电力, 2011, 39(7)： 5-8. ZOU Bichang, XU Ke, LI Tao, et al. Study on distributed network reconfiguration with distributed generations based on load balancing[J]. Shaanxi Electric Power, 2011, 39(7)： 5-8.

[11] 乐秀璠, 杨成峰, 徐青山. 配电网故障恢复及负荷平衡的重构算法研究[J]. 电网技术, 2002, 26(7)： 34-37. LE Xiufan, YANG Chengfeng, XU Qingshan. A diatribution network reconfiguration algorithm for service restoration after faults and load balance[J]. Power System Technology, 2002, 26(7)： 34-37.

[12] 马瑞, 李文晔, 李晅, 等. 分布式冷热电联供系统负荷随机模糊建模[J]. 电力系统自动化, 2016, 40(15)： 53-58. MA Rui, LI Wenye, LI Xuan, et al. Random fuzzy model for load distributed combined cooling, heating and power system[J]. Automation of Electric Power System, 2016, 40(15)： 53-58.

[13] 闫占新, 黄荣辉, 刘俊勇, 等. 冷热电联供微电网系统的节能经济运行策略[J]. 电网技术, 2014, 38(S)： 24-28. YAN Zhanxin, HUANG Ronghui, LIU Junyong, et al. Energy-saving operation strategy of the combined cooling heating and power system micro grid[J]. Power System Technology, 2014, 38(S)： 24-28.

[14] 刘星月, 吴红斌. 太阳能综合利用的冷热电联供系统控制策略和运行优化[J]. 电力系统自动化, 2015, 39(12)： 1-6. LIU Xingyue, WU Hongbin. A control strategy operation optimization of combined cooling heating and power system considering solar comprehensive utilization[J]. Automation of Electric Power System, 2015, 39(12)： 1-6.

[15] LI Y, XIA Y. DES/CCHP the best utilization mode of natural gas for China slow carbon economy[J]. Energy Policy, 2013(53)： 477-483.

[16] 王漪, 薛永锋, 张敏, 等. 基于能量平衡法的供热机组电量分析数学模型[J]. 电力系统自动化, 2014, 38(8)： 108-112. WANG Yi, XUE Yongfeng, ZHANG Min, et al. Mathematical model for power quantity analysis of heating unit based on energy balance method[J]. Automation of Electric Power System, 2014, 38(8)： 108-112.

[17] LI M, MU H, LI N, et al. Optimal option of natural-gas district distributed energy systems for various buildings[J]. Energy and Buildings, 2014, 75(11)： 70-83.

[18] 袁铁江, 彭超峰, 梅生伟, 等. 基于提高消纳能力的风电平衡区域电网划分方法[J]. 电网技术, 2015, 39(8)： 2129-2134. YUAN Tiejing, PENG Chaofeng, MEI Shengwei, et al. A partitioning method to enhance accommodation capability of power network with balance region of wind power[J]. Power System Technology, 2015, 39(8)： 2129-2134.

[19] 赖晓文, 钟海旺, 杨军峰, 等. 全网统筹电力电量平衡协调优化方法[J]. 电力系统自动化, 2015, 39(7)： 97-104. LAI Xiaowen, ZHONG Haiwang, YANG Junfeng, et al. A coordinated optimization method for system-wide power supply-demand balancing [J]. Automation of Electric Power System, 2015, 39(7)： 97-104.

[20] 张恺凯, 杨秀媛, 卜从容, 等. 基于负荷实测的配电网理论线损分析及降损对策[J]. 中国电机工程学报, 2013, 33(S)： 92-97. ZHANG Kaikai, YANG Xiuyuan, BU Congrong, et al. Theoretical analysis on distribution network loss based on load measurement and countermeasures to reduce the loss[J]. Proceedings of the CSEE, 2013, 33(S)： 92-97.

[21] 马瑞, 张强, 吴瑕, 等. 日风速随机模糊不确定模型[J]. 中国电机工程学报, 2015, 35(24)： 6351-6358. MA Rui, ZHANG Qiang, WU Xia, et al. Random fuzzy uncertain model for daily wind speed[J]. Proceedings of the CSEE, 2015, 35(24)： 6351-6358.

(编辑 蒋毅恒)

CCHP Regional Power Exchange Considering the Random Fuzzy Nature

MA Rui, LI Wenye, GUO Guang， LI Mo， LI Xuan

(School of Electrical and Information Engineering, Changsha University of Science & Technology, Changsha 410004, Hunan Province, China)

Considering the random-fuzzy nature of power load and the coupling feature of combined cooling heating and power (CCHP) system, power interaction between multi-CCHP regions and power grid will affect the safe and stable operation of power system. The power exchange model of specific CCHP system was built based on the random fuzzy and different coupling strategies; the CCHP regional balance was simulated, by incorporating the power balance of each subsystem, to obtain the power exchange between multi-CCHP region and power grid. Simulation case study, based on the actual data from four CCHPs of Hunan Province, has verified the proposed model and algorithm.

combined cooling heating and power(CCHP); microgird; power exchange; random fuzzy nature; regional balance algorithm

国家自然科学基金项目(51677007)；湖南省教育厅创新平台开放基金项目(54291)

TK47;TM61;TU 995

： A

： 2096-2185(2016)03-0010-08

2016-08-20

马 瑞(1971—)，男，博士，教授，研究方向为电力系统分析与控制，能源互联网和电力大数据，marui818@126.com；

李文晔(1989—)，女，硕士研究生，研究方向为电力系统运行与控制；

郭 光(1994—)，男，硕士研究生，研究方向为电力系统运行与控制；

李 默(1991—)，男，硕士研究生，主要研究方向为电力系统运行与控制；

李 晅(1992—)，女，硕士研究生，主要研究方向为电力系统运行与控制。

Project supported by National Natural Science Foundation of China (51677007); Education Department Innovation Platform Open Foundation of Hunan Province (54291)