基于能源集线器模型的园区混合能源系统日前优化调度方法

卜凡鹏，田世明，方 芳，尹 凯，杜伟强

（1.中国电力科学研究院，北京 100192；2.国网北京市电力公司，北京 102200；3.天津求实智源科技有限公司，天津 300384）

基于能源集线器模型的园区混合能源系统日前优化调度方法

卜凡鹏1，田世明1，方 芳2，尹 凯3，杜伟强3

（1.中国电力科学研究院，北京 100192；2.国网北京市电力公司，北京 102200；3.天津求实智源科技有限公司，天津 300384）

分布式发电和冷热电联供系统在用户侧的集成可构成一个典型多能源园区混合能源系统，可实现包括电能、太阳能、天然气等能源输入，以及电能、热能以及冷能等能源输出形式，可有效提升能源的综合利用效率，降低用户综合用能成本。本文以一个电力与天然气构成的多能源园区混合能源系统为研究对象，对园区混合能源系统中多能源混合资源进行日前优化调度，以降低园区混合能源系统用能成本。首先构建了多能源园区混合能源系统模型；进而，给出了基于能源集线器的多能源园区混合能源系统日前优化调度方法；最后以一个典型的电力与天然气多能源园区混合能源系统为例验证了本文调度方法的有效性。

混合能源系统；分布式发电；冷热电联供系统；日前优化调度

随着现代社会对能源需求的增加，能源与环境短缺问题日益严峻，对人类社会的可持续发展带来极大的危害。以分布式电源、冷热电联供CCHP（combined cooling，heating and power）系统为主要供能单元的多能源园区混合能源系统HEP（hybrid energy park）[1-2]，由于具有清洁能源利用、提高能源利用效率、低碳环保的特性，近两年获得了飞速发展。该系统能够有效地缓解能源消费增长与环境保护之间的矛盾，在我国电力结构调整中起着非常重要的作用，对经济社会发展意义重大[3]。

HEP从可将分布式发电单元、CCHP系统、负荷、储能等装置以及控制系统进行有效集成，满足用户对于电能、热能和制冷联合供能的需要，并通过配电网并网运行，最终形成一个可以并网运行也可以单独运行的灵活系统。根据HEP内部各单元的运行特征来制定最优调度方案，对HEP内多能源进行优化调度，可实现多种能源互补和可再生能源的充分消纳利用，降低系统运行成本。然而，HEP是一个含有多种能源输入、多种产品输出和多种能源转换单元的非同性复杂体，涉及到电/气/冷/热环节的相互转换与互补优化，急需新的调度方法。

有关园区HEP优化调度方法的研究已取得了一定的进展。文献[4-5]考虑风、光、负荷等的随机特性，建立了热电联供型园区混合能源系统经济运行的随机优化模型；文献[6]采用集中母线方式，提出了CCHP园区HEP优化调度通用建模方法，并基于该方法构建了园区HEP的动态经济调度模型框架；文献[7]针对某个含有热电联产系统、光伏、空调、电储能以及热储能的园区HEP，设计了一种分层能量管理系统架构，能够实现对园区HEP中供能单元的优化管理；文献[8]通过对蓄电池储能系统进行充放电优化来降低不确定环境下园区HEP运行成本；文献[9]引入碳排放权交易成本函数，建立了考虑碳交易成本、燃料成本、环境成本的CCHP系统低碳调度多目标优化模型；文献[10-12]考虑楼宇用能单元的特征，提出了由CCHP、电制冷机、吸收式制冷机以及热储能系统组成的园区HEP的经济优化调度方法。

上述研究从不同角度提出园区HEP的优化调度方法。与传统电力型园区HEP相比，HEP存在通过多能源环节协调调度来提高降低供能成本的迫切需求，当前对HEP中电气冷热不同能源形式之间的转换形式目前尚缺乏有效的模型进行统一描述，导致调度方案的保守性。为此，本文提出一种基于能源集线器模型的多能源园区HEP日前优化调度ODS（optimal day-ahead scheduling）方法，可充分挖掘电/冷/热不同能源形式之间的相互支撑能力，有助于提高HEP运行的经济性。

1 园区混合能源系统数学模型

能源集线器是一个可以包含多种形式能量的转化、传输以及存储的控制单元，它是不同的能源设施与不同需求负荷之间的接口平台。能源集线器从宏观上看是连接微电网与大电网的一个控制中心或控制平台，可通过超短期负荷预测以及实时在线监测分布式能源、配电网的各项状态，对各发电侧和受控负荷进行优化控制[13]。微观层面上，很多类似于工厂、大建筑群、农村、城市地区以及火车等等的基础能源设施都可以看作是能源集线器[14-15]。

分布式能源的多样性决定了HEP必然包括多种不同的供用能设备。本文以一个电力与天然气构成的HEP为例进行建模。HEP中不同能量潮流的耦合作用以及由此产生的系统间的相互作用可以通过能源集线器的概念来描述。如图1所示，一个典型的HEP系统可抽象为一个或多个能源集线器模型，包含输入和输出，转换和存储各种能源载体功能的单元组成。

图1 一个典型能源集线器模型Fig.1 A typical energy hub model

1.1 能源集线器内部的功率交换建模

对于一个单输入单输出的能量变换装置来说，输入与输出的关系为

式中：Pα和Lβ分别为系统稳态的输入和输出；Cαβ为输入和输出之间的耦合系数。包含多个能量变换装置和多种能源形式的HEP，可通过一个耦合矩阵C来描述输入与输出的耦合关系，即

向量P和L分别为HEP的输入和输出。由于一种形式的能源可能会进入到不同的能量转换装置中，例如图1中的HEP中电力同时进入到微型燃气轮机和中央空调中，耦合矩阵C中的耦合系数不仅与转换装置的转换效率有关，还与能源在不同转换装置中的分配系数有关。这里引进一个能源分配系数ν，0≤ν≤1，如，νPe表示直接供应电力负荷的电能，(1-ν)Pe则表示供应中央空调的电能。

式中：Pe和Pg分别为能源集线器与电网和天然气网的能源交互值；Le和Lh分别为能源集线器所供应的电负荷和热负荷。

写成矩阵的形式为

1.2 能源集线器中储能系统建模

本文HEP采用储热装置来储能。在k时刻，电与热的交换功率Mh,i(k)和储热装置中实际储存的能量Eh,i(k)的关系为

将储装置考虑进到式（5）中，可得

1.3 能源集线器间的功率交换建模

在能源集线器系统之间的潮流（即在连接不同能源集线器系统的联络线上的潮流）可通过稳态方程来描述。对于电网和天然气管道网络，潮流模型是基于节点功率平衡来建立的。

1）电网

电力潮流模型由节点复功率平衡来建立。在节点m，节点复功率平衡可以表示为

式中：Sm为注入节点m的复功率；Smn为流向和节点m相关联的所有节点的潮流。线路上的潮流由节点电压幅值U、向量以及线路参数来表示，即

式中：ymn为线路mn的互导纳；ym0为节点m的自导纳。

2）天然气管道网络

管道网络的潮流模型也是根据节点流量平衡来建立的。以下的潮流方程适用于所有类型的等温管道的潮流计算。节点m的体积流量平衡公式为

式中：Qm为注入节点m的天然气体积流量；Qmn为管道的体积流量，m3/h；pm和pn分别为管道上游和下游的压力；kmn为表征管道和天然气流体的参数；Tb为标准状态的温度，K；pb为标准状态的压力，kPa；Dmn为管道内径，mm；Tf为管道内燃气的温度，K；G为天然气相对于空气的比重；Z为燃气的压缩因子；Lmm为气体管道长度，km；fmn为气体管道的摩擦系数（无量纲）。

smn表征管道中气体流动的方向，其具体计算公式为

天然气管道的压缩机需要能量来驱动，如果由微型燃气轮机驱动压缩机，相应的功耗可以视为流入管道的额外的能量，如图2所示。压缩机的能耗为

式中：pk为压缩机入口侧的压力；pm为压缩机出口侧的压力；kcom为压缩机的压缩比。

天然气管道的体积流量Qmn对应电力潮流Pmn，两者之间的关系为

式中：k为天然气热值与电功率的转换系数；GHV为天然气的高热值，MJ/（N·m3）；Pmn为电力潮流，kW；因为1 MJ=0.278 kW·h，所以式（16）中存在一个转化系数0.278。

图2 由天然气压缩机和管道组成的天然气管道模型Fig.2 Natural gas pipeline model composed of natural gas compressor and pipelines

1.4 园区混合能源系统建模

本文含电力和天然气的园区混合系统是基于几个相互联系的能源集线器系统来建模的。因此，能源集线器代表电力生产者，消费者和传输设施之间的接口。图3是园区HEP的构成，系统由3个相同配置的能源集线器组成。各个能源集线器由交流电网和天然气网络连接。电力网络由电网以及分布式的光伏发电为能源集线器的电力输入端口Pe1、Pe2、Pe3供电；天然气由一个天然气网络N供应并送到能源集线器的天然气输入端口Pg1、Pg2、Pg3；节点1-2和1-3之间的天然气联络管道上装设了压缩机C12、C13，为天然气的流动提供压力。

图3 三互联能源集线器构成的园区混合能源系统Fig.3 Hybrid energy park composed of three interconnected energy hubs

2 日前优化调度模型

2.1 目标函数

由于本文建立的园区多能源HEP模型分别由电网、天然气网络和光伏提供能源，所以目标函数采用总的购电成本与天然气消耗成本的和最小为目标函数，电价采用分时电价数据，其函数公式为

式中：Cph，i为第i小时的电价预测值；Pi为第i小时购入的电功率；Cgas，i为第i小时的天然气价预测值；PMT，i为第i小时微燃机输出电功率。本文通过式（16）将天然气网络的体积流量等效为电力网络的潮流，因此将天然气网络的消耗特性等同于电力网络来处理。

2.2 约束条件

日前优化调度模型的等式约束为电力网络的潮流方程（9）、天然气网络的流量方程（16）和能源集线器系统的平衡方程（5）组成的等式约束组成[16-17]。

不等式约束由能源集线器的输入Pi，电力网络和天然气网络的流量Fa、分配因子νi、发电机电压幅值Um和相角θm、发电机有功出力Pei和无功出力Qei、天然气管道压力pm以及压缩机出口压力与入口压力的比值kcp的限制组成。

3 算例分析

3.1 园区多能源混合系统参数

3.1.1 电力网络参数

本文采用模型的电力网络共包括3个节点，节点1为电网与多能源混合系统的接口，设为平衡节点；节点2接入了分布式光伏发电，在光伏出力的时候为PV节点，在光伏不出力的时候为PQ节点；节点3为PQ节点，电网的电压为10.5 kV。具体参数见表1与表2。

表1 电力节点参数Tab.1 Parameters of electric nodes

表2 电力线路参数Tab.2 Parameters of electric power lines

3.1.2 天然气网络参数

天然气管道参数见表3。

表3 天然气管道参数Tab.3 Parameters of natural gas pipelines

本文选择8 500 kcal/（N·m3）=35.56 MJ/（N·m3）作为天然气热值转换标准。因此根据式（16）有Pmn=127.91Qmn。本文将天然气网络的流量通过天然气热值转化为电力潮流去进行优化，整个系统的基准功率为SB=1 MV·A，将Pmn转换为标幺值得

根据式（13）和表3可得具体天然气网络计算参数如表4所示；园区多能源混合系统的其他参数如表5所示。

表4 天然气网络计算参数Tab.4 Parameters used in the calculation of natural gas network

表5 园区混合能源系统的其他参数Tab.5 Other parameters of hybrid energy park

3.1.3 电价参数

本文电价数据参考[18]，在优化计算中采用分时电价的模型，天然气1月份的价格为0.042 5＄/（kW·h），8月份的价格为0.040 5＄/（kW·h），1月份和8月份的电价的具体数据见表6。天然气的数据随季节性有明显的变化，和气源的采集量有关，本文是综合能源系统，可以通过燃气发电，并将余热利用，故包含了天然气的价格，以与电一起进行优化。

表6 1月份和8月份的电价数据Tab.6 Power price data in January and August

3.1.4 负荷参数

本文中的多能源混合网络共有3个能源集线器系统，图3中能源集线器1的负荷为酒店负荷，能源集线器2的负荷为学校负荷，能源集线器3的负荷为商业中心负荷，3种负荷模型均为某一个典型日的负荷模型。酒店负荷1月份和8月份模型分别见图4和图5；学校负荷1月份和8月份模型分别见图6和图7；商业中心负荷1月份和8月份模型分别见图8和图9。

图4 酒店1月份负荷模型Fig.4 Model of hotel load in January

图5 酒店8月份负荷模型Fig.5 Model of hotel load in August

图6 学校1月份负荷模型Fig.6 Model of school load in January

图7 学校8月份负荷模型Fig.7 Model of school load in August

图8 商业中心1月负荷模型Fig.8 Model of business center load in January

图9 商业中心8月负荷模型Fig.9 Model of business center load in August

3.2 仿真结果

以图3中三互联能源集线器组成的园区混合能源系统为例对日前优化调度算法进行验证。

3.2.1 1月份调度结果

1）只有电力供应

此时能源集线器系统的能量供应只有电力，没有天然气，调度结果如图10所示。此时系统目标函数值为2 411.2＄，从图中可以看到系统中天然气网络没有出力。

图10 1月份只有电力供应时调度方案Fig.10 Scheduling scheme with only power supply in January

2）电力、天然气和光伏联合供应

系统包括电能、天然气和光伏。如图3所示，2节点接入了光伏电源，在光伏电源出力的时候将该节点视为PV节点，光伏不出力的时候将该节点视为PQ节点。通过优化得到如图11的调度方案。此时系统目标函数值为2 308.4＄。

3.2.2 8月份调度结果

8月份只有电力供应时的调度结果如图12所示，系统目标函数值为2 854.5＄。多能源联合供应调度方案如图13所示，系统目标函数值为2 467.6＄。

图11 1月份混合能源供应时调度方案Fig.11 Scheduling scheme with hybrid energy supplies in January

图12 8月份只有电力供应时调度方案Fig.12 Scheduling scheme with only power supply in August

图13 电力、天然气和光伏的混合能源系统Fig.13 Hybrid energy park composed of electric power，natural gas and photovoltaic power

3.2.3 调度方案对比

不同月份两种供能模式下的调度成本对比如表7所示。

表7 不同月份两种供能模式下的调度成本对比Tab.7 Comparison of scheduling cost between two supply modes in different months

可以看到，只有电力供应时和多能源联合供应时相比，前者明显的供能成本较高，可见园区HEP系统较单个形式的能源系统来讲综合供能成本得到明显降低。

6 结 语

本文在能源集线器模型的基础上，首先构建了园区混合HEP，进而基于能源集线器模型建立起电气冷热不同能源形式之间的互补耦合关系，提出一种多能源园区HEP的ODS方法，可充分挖掘电/气/冷/热不同能源形式之间的相互支撑能力，有效提升HEP运行的经济性。经过算例验证表明，只有电力供应时和多能源联合供应时相比，前者明显的供能成本较高，可见园区混合HEP较单个形式的能源系统来讲综合供能成本得到明显降低，是未来园区供用能系统供用能的主要解决方案，具有重要的工程应用前景。

[1]蒋菱，袁月，王峥，等（Jiang Ling，Yuan Yue，Wang Zheng，et al）.智能电网创新示范区能源互联网评估指标及评价方法（Evaluation index system and comprehensive evaluation method of energy internet in innovative demonstration area of smart grid）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2016，28（1）：39-45.

[2]Liu Nian，Chen Qifang，Liu Jie，et al.A heuristic operation strategy for commercial building containing EVs and PV system[J].IEEE Trans on Industrial Electronics，2015，62（4）：2560-2570．

[3]贾宏杰，穆云飞，余晓丹（Jia Hongjie，Mu Yunfei，Yu Xiaodan）.对我国综合能源系统发展的思考（Thought about the integrated energy system in China）[J].电力建设（Electric Power Construction），2015，36（1）：16-25.

[4]刘方，杨秀，黄海涛，等（Liu Fang，Yang Xiu，Huang Haitao，et al）.含热电联产热电解耦运行方式下的微网能量综合优化（Energy comprehensive optimization of micro-grid including CHP with thermoelectric decoupling operation mode）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2016，28（1）：51-57．

[5]兰立雄，刘力卿，米增强（Lan Lixiong，Liu Liqing，Mi Zengqiang）.冷电联供系统的多目标运行优化（Optimal operation of combined cooling and power supply system）[J].电力系统及其自动化学报（Proceedings of the CSUEPSA），2016，28（5）：62-68.

[6]王成山，洪博文，郭力，等（Wang Chengshan，Hong Bowen，Guo Li，et al）.冷热电联供园区混合能源系统优化调度通用建模方法（A general modeling method for optimal dispatch of combined cooling，heating and power microgrid）[J].中国电机工程学报（Proceedings of the CSEE），2013，33（31）：26-33．

[7]Xu Xiaodong，Jia Hongjie，Wang Dan，et al.Hierarchical energy management system for multi-source multi-product microgrids[J].Renewable Energy，2015，78：621-630.

[8]李凯，秦文萍，张海涛，等（Li Kai，Qin Wenping，Zhang Haitao，et al）.含混合储能的微电网能量管理系统控制策略（Control strategy for microgrid energy management system including hybrid energy storage）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2016，28（10）：85-91.

[9]周任军，李绍金，陈瑞先，等（Zhou Renjun，Li Shaojin，Chen Ruixian，et al）.采用模糊自修正粒子群算法的碳排放权交易冷热电多目标调度（Combined cool and heat and power multi-objective scheduling considering carbon emissions trading using algorithm of fuzzy self-correction particle swarm optimization）[J].中国电机工程学报（Proceedings of the CSEE），2014，34（34）：6119-6126.

[10]李献梅，陈瑞先，周任军，等（Li Xianmei，Chen Ruixian，Zhou Renjun，et al）.响应峰谷电价的冷热电联供系统优化调度（Optimal dispatch of combined cool，heat and power system of response peak-valley price）[J].电力系统及其自动化学报（Proceedings of the CSU-EPSA），2016，28（4）：25-30．

[11]Lu Yuehong，Wang Shengwei，Sun Yongjun，et al.Optimal scheduling of buildings with energy generation and thermal energy storage under dynamic electricity pricing using mixed-integer nonlinear programming[J].Applied Energy，2015，147：49-58．

[12]靳小龙，穆云飞，贾宏杰，等（Jin Xiaolong，Mu Yunfei，Jia Hongjie，et al）.融合需求侧虚拟储能系统的冷热电联供楼宇微网优化调度方法（Optimal scheduling method for a combined cooling，heating and power building microgrid considering virtual storage system at demand side）[J].中国电机工程学报（Proceedings of the CSEE），2017，37（2）：581-590.

[13]Yu Dongmin，Robinson F，Zha Wenhua，et al.Using historical data processing method to optimize energy hub[C]//50th International Universities Power Engineering Conference.Stoke on Trent，UK，2015.

[14]徐宪东，贾宏杰，靳小龙，等（Xu Xiandong，Jia Hongjie，Jin Xiaolong，et al）.区域综合能源系统电/气/热混合潮流算法研究（Study on hybrid heat-gas-power flow algorithm for integrated community energy system）[J].中国电机工程学报（Proceedings of the CSEE），2015，35（14）：3634-3642.

[15]Moeini-Aghtaie M，Farzin H，Fotuhi-Firuzabad M，et al.Generalized analytical approach to assess reliability of renewable-based energy hubs[J].IEEE Trans on Power Systems，2017，32（1）：368-377.

[16]Bozchalui M C，Hashmi S A，Hassen H，et al.Optimal operation of residential energy hubs in smart grids[J].IEEE Trans on Smart Grid，2012，3（4）：1755-1766.

[17]Shabanpour-Haghighi A，Seifi A R.Effects of district heating networks on optimal energy flow of multi-carrier systems[J].Renewable and Sustainable Energy Reviews，2016，59：379-387.

[18]Hourly electric commodity prices[EB/OL].http：//www.pge.com/notes/rates/tariffs/pxday.Shtml，2003.

Optimal Day-ahead Scheduling Method for Hybrid Energy Park Based on Energy Hub Model

BU Fanpeng1，TIAN Shiming1，FANG Fang2，YIN Kai3，DU Weiqiang3
（1.China Electric Power Research Institute，Beijing 100192，China；2.State Grid Beijing Electric Power Company，Beijing 102200，China；3.Tianjin Transenergy Technologies Ltd，Tianjin 300384，China）

A typical hybrid energy park（HEP）is composed of distributed generations（DGs）and combined cooling，heating and power（CCHP）system on the demand side，and it can realize input energies（e.g.，electric power，photovoltaic power，natural gas）and output energies（e.g.，electric power，heat and cooling），thus significantly improving the energy utilization efficiency and reducing the cost of consumers.In this paper，with an HEP composed of electric power and natural gas as research object，multi-energy resources are processed by optimal day-ahead scheduling（ODS）method to reduce the energy cost of HEP.First，an HEP model is established.Then，an ODS method is given based on energy hubs.At last，the effectiveness of the proposed method is verified by a typical HEP.

hybrid energy park（HEP）；distributed generation（DG）；combined cooling，heating and power（CCHP）；optimal day-ahead scheduling（ODS）

TM732

A

1003-8930（2017）10-0123-07

10.3969/j.issn.1003-8930.2017.10.021

2017-03-08；

2017-07-13

国家重点研发计划资助项目（2016YFB0901102）；国家电网公司科技项目《面向随机性电源的多元负荷主动响应及预测控制技术研究与应用》

卜凡鹏（1986—），男，硕士，工程师，研究方向为智能用电、电力营销。Email：bufanpeng@epri.sgcc.com.cn

田世明（1965—），男，硕士，教授级高级工程师，研究方向为智能用电、电力营销。Email：laotian@epri.sgcc.com.cn

方 芳（1986—），女，硕士，工程师，研究方向为电力营销。Email：411912023@qq.com