气电热联供网络规划与运行联合优化

孙凯华，韩冬，严正，马骏宇

(电力传输与功率变换控制教育部重点实验室(上海交通大学)，上海市 200240)

气电热联供网络规划与运行联合优化

孙凯华，韩冬，严正，马骏宇

(电力传输与功率变换控制教育部重点实验室(上海交通大学)，上海市 200240)

多能源耦合系统是将电力、天然气、热能等通过能源集线器作为能量变换枢纽建立起来的混合能源网络，也是未来能源互联构架的一种发展趋势。该文对多能源耦合系统的结构和运行机制进行了阐述，提出了以能源集线器为调度枢纽的气电热联供网络规划与运行联合优化模型。该模型以规划建设、调度运行、可靠性等方面的总成本最小化为目标函数，同时兼顾了系统满足各能源系统网络约束、能源集线器(energy hub，EH)能量平衡等约束条件，是一个目标函数和约束条件都含有非线性项的混合整数优化问题，采用线性化和大规模优化方法求解，使耦合系统规划和运行共同达到最优。算例仿真将耦合与非耦合规划、耦合系统考虑元件种类不同的情况进行求解和对比，验证了该模型和处理方法的优越性和有效性。

多能源耦合系统；能源集线器(EH)；规划与运行联合优化；经济调度

0 引 言

近年来，各能源网络互联对运行和规划影响的研究方兴未艾[1-3]。文献[4]在微网中对电网和燃气网进行动态建模，研究气电网运行过程中电负荷变化对燃气网管道压强以及气网对电压稳定的影响，总结出耦合系统的运行机制，并提出相应的控制策略。文献[5]考虑风电接入不确定性对含电、天然气、煤以及可再生能源耦合系统的影响，采用鲁棒优化的方法，得出一个满足各节点约束和参数不确定的最优运行方案。文献[6]在含分布式能源的气电网中，考虑电和气从输出到最终消耗的过程，对产能和线路进行耦合规划。

随着能源互联网研究的不断深入，文献[7]提出了能源集线器(energy hub，EH)的概念，作为各系统耦合点实现对混合能源系统的经济调度和最优潮流的全局调控。EH是各能源载体的转化站，在其内部通过相应元件实现不同能量之间的相互转化。另外，EH还可以通过调控安装在其内部的储能设备(蓄电池、储热设备等，合理分配能源的供应与存储。

将EH作为关键元件引入到多能源耦合系统中，相应的建模方法也发生了较大变化。文献[8]根据可再生能源预测和需求响应，得到在不规律市场环境下，24 h能量转化、存储和输出的最优经济调度，EH规划考虑各网络约束、EH平衡约束，得到使包含运行费用、安装成本、可变成本和缺负荷费用等的目标函数最优的方案。文献[9]考虑了气电网、区域供热网络融合，天然气网建立了节点平衡约束与管道流量约束，电网采用有功无功平衡的潮流约束，目标函数采用净现值(net present value，NPV)方法，其中日运行收入指控制不同能源转化的比例、储能设备的充放和能量输出的用途使24 h的运行收入最高，年固定成本和可变成本指EH新增元件的花费，负荷损失和排放费用等都可计入，从而得到以年为时间单位的最优规划方案。

EH结构的引入，使耦合网络的经济调度有了控制中心，能源间的转化互补更具经济性和有效性。气电热网络的运行方式随之发生改变，与能源网络规划相互影响，文献[10]采用耦合矩阵将EH能源输入与输出对应，在可选投产的集合中确定发电机组、输电线路、气转电和气转热元件的安装使成本最小，反映了能源转化对规划的影响。

本文将气电热网络规划与运行优化的研究进一步完善，构建由EH调控的电、天然气和区域供暖耦合系统的长期规划模型。规划元件有发电机、EH的气转电元件(combined heat and power，CHP)、燃机(气转热元件)、储电和储热设备、输电线路和燃气管道，目标函数涉及日运行收入、年度固定成本和可变成本和耦合系统运行损失等，约束条件涉及各能源网络约束、EH转化平衡约束等。

1 气电热联供系统

1.1 EH能量分配模型

本文考虑的EH模型有电、燃气和热能的输入，其中，输入的电能不转化，输入的燃气可以通过CHP设备转化为电能，同时产热、通过燃机转化为热能，输入的热能也不转化，燃气起到“联结”电和热的作用。EH内的电能可以存储在内置的电池、输出卖入区域电网或供应负荷，燃气不进行转化的部分输出到燃气网，热能可以进行存储或供应到区域热负荷。

假设有M种能源输入EH，N种能源输出EH，则各能源的转化关系由转化矩阵CMN确定。即

(1)

图1 能源集线器结构Fig.1 Basic structure of energy hub

能源的输入和输出在EH里的转化关系为：

(2)

(3)

(4)

(5)

(6)

(7)

(9)

式中：PCHP为CHP产生的功率；HB、HCHP为燃机、CHP

产生的热功率；PE、HE为存储的电能和热能；α、β为充电/热、放电/热比例系数；vi(t)为燃气转化比例系数。

1.2 气电热联供网络结构

1.3 气电热联供网络的运行方式

在相应的规划年，考虑对应的日负荷场景，负荷需求在不同的日场景中变化。能源集线器可视作能源交易商，在节点处购入电、燃气、热并在其中控制转化关系，在每个场景基于分时数据，给出相应元件出力、EH转化、线路传输、能源交易的最优运行策略。

2 规划与运行联合优化模型

2.1 目标函数

本文提出的规划与运行优化模型的主要目标是在yp规划年内，确定EH各元件、输电线路、供气管道的安装时间以及在相应规划年不同日场景下各元件产能、EH转化关系、线路传输和能源交易，使包含建设费用、运行费用、交易收益和丢失负荷成本的目标函数最优。

(1)规划期投资建设成本Cinv。包括EH中发电机、燃机、CHP、储能设备和新建线路等的安装费用，安装年的变化而变化，一般按折旧率随时间呈线性下降，某一元件的安装费用由对应时间的0-1变量I(t)与投资费用C(t)相乘表示[11]。

(2)气电热联供系统的运行成本[12]。发电机、CHP、燃机设备调节灵活、出力可控[13]，考虑其运行费用及启停成本。

(3)能源供给收益。能源集线器作为多能源耦合点，可以控制按当前价格从发电机购入电能，从燃气供应商买入燃气，从热供应商买入热能，在EH内转化或存储，出售供应节点负荷或传输到其他节点。

(4)可靠性成本—失负荷损失成本[14]。即每个节点无法供给的负荷量产生的惩罚，相应的有电负荷丢失和热负荷丢失，缺负荷惩罚系数K应设成较大以尽可能的保证负荷供给。

由此生成下列目标函数：

(10)

(11)

(12)

(13)

(14)

(15)

(16)

2.2 约束条件

2.2.1 规划逻辑约束

每个规划元件都有其投产日期，在投产日期后的规划年可安装使用。规划变量I在安装年由0变为1，并且在之后的规划年限中恒为1。即：

(17)

(18)

2.2.2 机组出力约束

(19)

(20)

(21)

(22)

2.2.3 网络约束

(1)输电网约束。采用直流潮流模型，考虑网络中的有功平衡，节点电压相角与线路传输功率的关系以及线路传输功率的上限，参考节点的电压相角为0，即：

(23)

(24)

(25)

θref=0

(26)

(2)燃气网络约束。将燃气从供应商输送到各节点，每个节点燃气有输入和输出，与输电网类似，管道中燃气流动量受其两端的气压差影响，呈非线性的关系[5]。即：

(27)

(28)

(29)

(30)

3 模型的处理与求解

模型的目标函数含有连续变量和0-1变量，燃气网络约束为非线性，模型总体上可表述为多时段的混合整数非线性规划问题[16]。主要求解思路为将非线性约束转化为其线性化形式，使模型转换为较易求解的混合整数线性规划问题，并采用Matlab软件工具包Cplex进行优化计算[17-18]，具体处理与分析流程如图2所示[19]。

图2 模型求解流程Fig.2 Model solving process

4 算例分析

本文以6节点气电热联供网络为研究对象，节点处EH可安装燃煤发电机组G、热电联供机组CHP、燃气供热元件Boiler、用于从外界购入热量的Heat-Exchanger、储电装置Battery、储热装置Heat-Storage，网络中可以安装与其他EH相连的输气管道、输电线(略去了变电站等)，通过燃气主供应点供气注入网络。

规划年限为10年，每年考虑夏季、秋季两个典型日场景，电、热、气负荷逐年递增。混合系统现有元件初始状态如表1所示，初始网络的拓扑结构如图3所示。

表1 节点初始安装情况
Table 1 Initial installation of node

图3 初始网络结构Fig.3 Initial network structure

初始输电线路e-line包括：(1，3)、(2，3)、(3，4)、(5，6)。

初始燃气管道g-line有：(1，3)、(3，5)、(5，6)。

通过4种场景分析与计算，得到相应的规划方案。具体场景设计如下：

Case1规划过程所有节点不安装CHP和储能元件。

Case2考虑安装CHP，但不安装储能元件。

Case3考虑安装储能元件，但不安装CHP。

Case4考虑安装CHP和储能元件。

规划结果由[ , ]表示，如表2所示。其中第1位数字表示安装元件数量，第2位数字表示规划相应安装年。运行结果如表3所示。

表2 规划结果
Table 2 Planning results

Case 1是电网和燃气网解耦的独立规划，由于没有其他形式的能源转化为电，需安装尽可能多的发电机，有发电机的节点必须架设输电线到没有的节点。没有CHP的安装，热的供应量相应减少，需安装Boiler、架设燃气管道供热或安装Heatex从外界购热。

Case 2 考虑安装CHP使气网与电网形成耦合，起到气转电并产热的作用，节点6安装CHP同时满足了模型电负荷和热负荷的要求，减少了燃机的安装数量。

Case 3 电网与气网解耦，考虑储能元件的安装可调节不同时间段能源的低充高放，随着元件安装费用逐年下降，与Case 1情况类似，并尽可能多安装储能设备。

Case 4 是气、电、热耦合联供系统，由于CHP的安装运行费用与发电机类似，同时又能产热，加上储能设备低充高放的调节作用，发电机和燃机的安装数量与Case1相比明显减少，储电设备应尽可能多安装。由于CHP数量很多，燃气价格波动不大，所以在此情况下储热设备没有安装。

由表3可知：总成本Case 1>Case 2>Case 3>Case 4。与Case 1相比，Case 2安装了CHP，当发电机供电不足或者燃机供热不足时，CHP运行供电产热作为补充，所以失负荷损失成本明显下降，CHP发电成本比发电机小，故相应的运行成本也下降，总的成本下降；Case 3安装了储能设备，当电、热、气价格较低时相应发电、产热成本低，储能设备储存多产生的能源，待价格升高的时间段卖出，赚取交易能源的收益，同时Case 3较之Case 1运行成本下降，储能设备调节使缺负荷成本下降，所以总成本下降。

表3 运行结果
Table 3 Operation results

Case 4中CHP的作用在储能设备安装的促进下显著增加，因为CHP安装数量远超过发电机，CHP运行发电时同时可以供热，燃机安装显著减少同时不再产热，购入热量的比例也变为其他情形的将近四分之一，天然气供应平稳使储热设备的使用率也比Case 3小；CHP发电利用的是价格平稳的天然气，使储电设备的使用率上升，起到调节电价不同时段供电的作用。

取Case 4冬季日场景24 h运行结果进行分析，研究电和热的供应情况，电运行情况如图4所示，热运行情况如图5所示。

图4 电运行情况Fig.4 Operation of electric

由图4可知：夏季电负荷变化趋势逐年增加3%，取最后1个规划年24 h运行过程，可以看出，08:00—22:00是负荷高峰，电负荷较高的节点依次有hub4、hub5、hub3，与相邻安装发电机的hub2用输电线相连；hub2处发电机24 h中出力比例大；CHP 24 h发电量波动不大，负荷小的节点CHP发电用于存储或传输到其他节点，因热负荷的需要CHP运行发出一定电量；在用电高峰时段，储电较少，在用电低峰相应发电成本、电价较低，会存储一定的量。

图5 热运行情况Fig.5 Operation of heat

由图5可知：热负荷高峰是晚间时段，储热设备放热；热负荷低峰，储热设备储热。在规划中，由于增加了CHP元件，在发电的同时联供热，配合热储能元件时效果很好，仅在少数时间点需要从外界购入热量来维持供应。

5 结 论

本文提出了由EH调节能量分配的气电热联供网络规划与运行联合优化模型，在规划建设方面，考虑EH中发电机和CHP等规划元件的安装、线路的新建以及储能元件的新增；在运行策略方面，规划年考虑多个典型日场景下24 h各元件出力、储能元件充放、线路传输和EH能量分配的经济调度。算例分析得到的规划与运行结果表明：

(1)在总投资、运行成本、能源交易收益以及设备利用率等各个方面，耦合气电热网络运行-规划方案具有一定的经济性和有效性。

(2)取冬季日场景24 h的耦合运行情况进行分析，其中各元件(包括储能设备)之间互为补充、互相增益，能够较好地应对了负荷和各能源价格的波动，体现了调度的经济性。

(3)本文提出的考虑调度枢纽EH的气电热联供网络规划与运行联合优化模型，体现出能源耦合的优越性，为未来多种能源联供网络建设规划与调度运行提供了理论依据。

[1]LEONARDO S, GIORGIO U. Inventory of existing technologies for energy storage and conversion[R/OL]. (2011-12-15)[2016-01-07]http://www.e-hub.org/pdf/D2.1_Inventory_of_technologies_for_energy_storage_and_conversion.pdf.

[2]U.S. Energy information administration, assumptions to the annual energy outlook[R/OL]. (2015-10-10)[2016-1-7] http://www.eia.gov/forecasts/aeo/assumptions.

[3]HÜBNER M, HAUBRICH H J. Long-term planning of natural gas networks[C]//International Conference on European Electricity Market. Lisboa： IEEE, 2008: 1-5.

[4]XU X, JIA H, CHIANG H D, et al. Dynamic modeling and interaction of hybrid natural gas and electricity supply system in microgrid[J]. IEEE Transactions on Power Systems , 2015, 30(3): 1212-1221.

[5]MARTINEZ-MARES A, FUERTE-ESQUIVEL C R. A robust optimization approach for the interdependency analysis of integrated energy systems considering wind power uncertainty[J]. IEEE Transactions on Power Systems, 2013, 28(4): 3964-3976.

[6]UNSIHUAY-VILA C, MARANGON-LIMA J W, PEREZ-ARRIAGA I J, et al. A model to long-term, multiarea, multistage, and integrated expansion planning of electricity and natural gas systems[J]. IEEE Transactions onPower Systems, 2010, 25(2): 1154-1168.

[7]GEIDL M, ANDERSSON G. Optimal power flow of multiple energy carriers[J]. IEEE Transactions on Power Systems, 2007, 22(1): 145-155.

[8]PAZOUKI S, HAGHIFAM M R. Short term economical scheduling in an energy hub by renewable and demand response[C]//International Conference on Electric Power and Energy Conversion Systems. Istanbul ：IEEE, 2013: 1-6.

[9]SALIMI M, GHASEMI H, ADELPOUR M, et al. Optimal planning of energy hubs in interconnected energy systems: A case study for natural gas and electricity[J]. IET Generation, Transmission & Distribution, 2015, 9(8): 695-707.

[10]ZHANG X, SHAHIDEHPOUR M, ALABDULWAHAB A. Optimal expansion planning of energy hub with multiple energy infrastructures[J].IEEE Transactions on Smart Grid, 2015, 6(99):2302-2311.

[11]沈欣炜, 朱守真, 郑竞宏, 等. 考虑分布式电源及储能配合的主动配电网规划-运行联合优化[J]. 电网技术, 2015, 39(7): 1913-1920. SHEN Xinwei,ZHU Shouzhen,ZHENG Jinghong,et al. Active distribution network planning-operation co-optimization considering the coordination of ESS and DG[J]. Power System Technology, 2015, 39(7): 1913-1920.

[12]PAZOUKI S, HAGHIFAM M R, OLAMAEI J. Economical scheduling of multi carrier energy systems integrating Renewable, energy storage and demand response under energy hub approach[C]//Smart Grid Conference (SGC), 2013. Tehran: IEEE, 2013: 80-84.

[13]李正茂, 张峰, 梁军, 等. 含电热联合系统的微电网运行优化[J]. 中国电机工程学报, 2015，35(14): 3569-3576. LI Zhengmao, ZHANG Feng, LIANG Jun, et al.Optimization on microgrid with combined heat and power system[J]. Proceedings of the CSEE, 2015, 35(14): 3569-3576.

[14]AGHAEI J, AMJADY N, BAHARVANDI A, et al. Generation and transmission expansion planning: milp-based probabilistic model[J]. IEEE Transactions on Power Systems,2014, 29(4): 1592-1601.

[15]熊焰, 吴杰康, 王强, 等. 风光气储互补发电的冷热电联供优化协调模型及求解方法[J]. 中国电机工程学报, 2015，35(14): 3616-3625. XIONG Yan, WU Jiekang, WANG Qiang, et al. An optimization coordination model and solution for combined cooling, heating and electric power systems with complimentary generation of wind, PV, gas and energy storage[J]. Proceedings of the CSEE, 2015, 35(14): 3616-3625.

[16]孙秋野, 滕菲, 张化光, 等. 能源互联网动态协调优化控制体系构建[J]. 中国电机工程学报, 2015，35(14): 3667-3677. SUN Qiuye, TENG Fei, ZHANG Huaguang, et al. Construction of dynamic coordinated optimization control system for energy internet[J]. Proceedings of the CSEE, 2015, 35(14): 3667-3677.

[17]GEIDL M, ANDERSSON G. Operational and structural optimization of multi‐carrier energy systems[J]. European Transactions on Electrical Power, 2006, 16(5): 463-477.

[18]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, 2013, 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, 2013, 33(31): 26-33.

[19]郑乐, 胡伟, 陆秋瑜, 等. 储能系统用于提高风电接入的规划和运行综合优化模型[J]. 中国电机工程学报, 2014, 34(16): 2533-2543. ZHENG Le, HU Wei, LU Qiuyu, et al. Research on planning and operation model for energy storage system to optimize wind power integration[J]. Proceedings of the CSEE, 2014, 34(16): 2533-2543.

(编辑 蒋毅恒)

Planning-Operation Co-Optimization of Gas-Heat-Electricity Co-Generation Network

SUN Kaihua, HAN Dong,YAN Zheng, MA Junyu

(Key Laboratory of Control of Power Transmission and Conversion, Ministry of Education, Shanghai Jiao Tong University, Shanghai 200240, China)

The multi-carrier system is hybrid energy network which takes electric, natural gas, heat and others as power conversion hubs through energy hub (EH), and is a development trend of the future energy interconnection structure. This paper discusses the structure and operation mechanism of multi-carrier system, and proposes the planning-operation co-optimization model of gas-heat-electricity co-generation network with taking EH as dispatching hub. This model takes the minimum total cost of planning and construction, scheduling and operation, reliability and other aspects as the objective function. The model considers the constraint conditions that the system can meet the network constraints of each energy system, the energy balance of EH, etc., it is a mixed integer optimization problem in which the objective function and the constraint condition both contain nonlinear terms. Therefore, we adopt linearization and large-scale optimization method to solve the model, in order to make the planning and operation of multi-carrier system to achieve the optimal. Finally, we compare and analyze different situations in example simulation, such as coupling and non-coupling planning, and coupling system considering different types of components, whose results verify the superiority and effectiveness of the proposed model and processing method.

multi-carrier system; energy hub(EH); planning-operation co-optimization; economic dispatch

国家自然科学基金项目(51377103)

TM 74

A

1000-7229(2016)04-0022-07

10.3969/j.issn.1000-7229.2016.04.004

2016-01-07

孙凯华(1991)，男，通信作者，博士研究生，主要研究方向为电力系统规划及优化运行；

韩冬(1984)，男，博士研究生，主要研究方向为电力系统分析评估及电力市场；

严正(1964)，男，教授，博士生导师，主要研究方向为电力系统优化运行、电力系统稳定分析及电力市场；

马骏宇(1995)，男，本科生，主要研究方向为电力系统优化运行。

Project supported by National Natural Science Foundation of China(51377103 )