多能互补分布式能源系统优化设计研究进展

卢胤龙, 韩明新, 任洪波, 吴 琼

(1.上海电力学院, 上海 200090; 2.青岛北洋建筑设计有限公司, 山东 青岛 250101)

传统能源消费模式所引发的能源危机和环境污染等问题日益突出,人们开始探究如何在环境友好的前提下对热、电、气等各种能源进行协调利用[1]。针对该问题,以能量梯级利用为基础,在需求侧就地设置的分布式冷热电联供系统受到了广泛关注,并在政策激励下取得了爆发性增长[2]。然而随着分布式冷热电联供系统规模的扩大,系统供能单一、灵活性欠佳等局限性问题持续暴露。此外,近年来可再生能源相关技术迅猛发展[3],分布式可再生能源系统与当地能源结构特性相结合,可协同解决区域能源与环境问题。但因太阳能、风能等可再生能源出力的波动性、不连续性,以及储能技术不够成熟等诸多因素的存在,弃光、弃风现象屡见不鲜,分布式可再生能源系统发展步履维艰。在此背景下,供需两侧能源多样化发展以及能源传输与设备的革新促使能源系统进一步耦合,以弥补常规单一性分布式能源系统的不足,多能互补分布式能源系统应运而生。

多能互补分布式能源系统概念的提出,为能源分析提供了全新视角。其多种能源形式间的耦合,也促使人们对其展开深入的研究和推广。在我国,无论传统分布式能源系统还是多能互补系统,均处于发展初期,完全可以发挥后发优势,吸取国外经验教训,探索适合我国多能互补分布式能源系统发展的主要技术架构。为此,国家发展改革委和能源局于2016年7月联合发布了《关于推进多能互补集成优化示范工程建设的实施意见》[4],指出建成终端一体化集成供能系统,因地制宜实施传统能源与风能、太阳能等能源系统的开发利用,通过天然气热电冷联供等方式实现多能互补和协同供应,提高能源的综合利用效率;并提出了“十三五”期间的建设目标,明确了开展多能互补集成优化项目的评审标准和优惠政策,规范了项目实际核实与督查机制。

由此可见,构建多能互补分布式能源系统,对促进建设清洁低碳、安全高效的现代能源体系意义深远。

多能互补分布式能源系统耦合多种供能技术,在形成互动、互补、互助效应的同时,也使得系统复杂化。要使其充分发挥潜在的节能减排效益并实现多种能源间“1+1>2”的产出效果,基于系统科学理念下的规划和设计至关重要。对比常规单体分布式能源系统的分析与优化,多能互补分布式能源系统多尺度、复杂性的能源利用体系需遍历从系统能流设计、设备选型、容量配置到运行方案优化的全过程,同时还需引入全新的多元化的评价指标来评估系统的性能。

本文以多能互补分布式能源系统为研究对象,对其供能类型和关键技术进行了分析,结合传统分布式能源系统,对两者的供能结构进行了对比。在此基础上,立足于多能互补分布式能源系统的优化设计,归纳分析优化求解方法,并对未来研究进行了展望。

1 多能互补分布式能源系统技术架构及典型案例

1.1 基本概念

多能互补分布式能源系统是对传统分布式能源系统的衍生与拓展。它将电力、燃气、太阳能、风能等各种形式能源耦合输入,通过能源与技术协同优化整合,最终以较高的综合能效向用户提供冷量、热量以及电力[5]。总体而言,多能互补分布式能源系统是一种具有多项产出功能和多种运输形式的区域能源互联网系统[6]。

多能互补分布式能源系统由供给侧、转换侧、需求侧等基本单元构成,供给侧的电力、燃气及可再生能源等各类能源通过技术转换,变成用户可直接消纳的能量。

能量转换设备和技术多种多样。在当前技术条件下,多能互补分布式能源系统中供能类型和技术转换路径如表1所示。表1中,○表示确立输出形式;√表示能全天供应。

表1 能源转换技术路径

基于用户侧能源需求,通过耦合各类能源和转换设备,可实现定制化的高效能源供给。多能互补系统接入可再生能源,既减少了天然气等化石能源的消耗,又削减了系统的碳排放量;此外,还能较好地弥补太阳能、风能等可再生能源输出不连续的缺陷,平抑其出力波动性[7]。对比传统分布式冷热电联供系统,多能互补分布式能源系统利用“自发自用,余电上网”的方式将剩余电量出售给电网,可以有效地处理电量冗余,提高能源利用率。传统分布式能源系统与多能互补分布式能源系统的能流图如图1所示。

图1 传统分布式能源系统与多能互补分布式能源系统能流图

1.2 发展现状与案例分析

多能互补分布式能源系统的发展始于21世纪初,美国最先开展相关理论和技术研究,并于2001年提出能源集成系统发展计划,旨在保证能源系统可靠运行的前提下,提高可再生能源在能源供应链中的份额,推进能源集成系统的发展[8-9]。其后,瑞士、丹麦等国也对多能互补分布式能源系统展开了研究,并制定了相关的推广政策[10-11]。

我国在“十三五”规划新形势下,能源发展的重点和主要矛盾从传统的“保供”转向提高能源发展的质量和效益。伴随国内工业园区的建设和发展、微电网与新能源技术的革新以及投资模式的升级,为满足新形势下的供能需求,各地多能互补集成优化示范工程建设如火如荼。2016年12月26日,国家能源局公布了首批23个多能互补集成优化示范工程。从公布的优化示范项目来看,目前项目集中于终端一体化集成供能系统建设,示范项目达17个,占比73.9%。在首批申报示范工程项目中,终端一体化集成供能系统达205个,工程投资超3 000亿元。

首批多能互补集成系统优化示范项目中,终端一体化供能系统地理分布及能源互补形式如图2所示。

图2中,从地域分布来看,多能互补分布式能源系统在传统能源大省应用广泛,其中陕西省首批入选的示范项目达4个,其次是河北省入选的项目为3个。究其原因,主要是这些省份稳定的能源需求、先天性的可再生能源优势和政策性优势,促使传统热(冷)电系统与分布式可再生能源系统相耦合,既可解决可再生能源就地消纳问题,又可平衡调节地方冷热电负荷。从多能互补的形式来看,除新疆生产建设兵团第十二师的多能互补集成优化示范工程(采用耦合光伏发电、风力发电和生物质发电的方式)外,其他16个项目均依托分布式热(冷)电联产技术协同其他可再生能源技术供能,其主要是因为热(冷)电联产技术发展已相对成熟,具有较好的供能稳定性和供能种类多样性。此外,由于光伏发电技术水平的提高以及生产成本的下降,光照强度优良的示范项目均有光伏技术的加入。

在国外,多能互补分布式能源系统的应用发展以欧洲为首[12-13],其中太阳能与其他能源耦合最为广泛,如丹麦和瑞典主要采用太阳能与生物质能联合供能,德国主要发展太阳能与燃气互补系统。欧洲多能互补和多网耦合项目试点具有良好的示范效应,其试点阶段因地制宜地考虑了本地的发展情况、用户需求和技术条件,推进阶段也具有较强的规划性,注重经济性和实用性。此外,就技术路线而言,欧洲在经历技术突破、注重本地需求、推行电力改革后,高比例新能源如何接入,以及交易调度机构的设立等问题均得到了很好的解决。这些也是国内改革初期所面临的特点和难点,因此具有很好的借鉴意义。

图2 首批多能互补集成优化示范工程项目分布(仅终端一体化项目)

2 系统优化分析

多能互补分布式能源系统是具有多元结构特性的复杂用能体系,其规划与设计过程既要考虑宏观政策形势、经济成本、环境收益等因素,又要从微观技术上考虑能源生产、转换、储备、使用等环节间的相互承接关系,以及冷、热、电等多形式能源的交互耦合。

多能互补分布式能源系统设计优化遵循系统使用率最大化和能源利用效率最大化两个原则,即科学合理的系统容量配置与冷、热、电等能源间良好的匹配关系,以保证能源利用效率达到较高水平。

2.1 优化内容及路径

多能互补分布式能源系统的优化设计旨在为决策者提供一个最佳供能方案。因此,对于这种具有多元化驱动装置和能源利用装置的系统来说,如何实现其最佳集成配置以满足用户冷、热、电需求,并取得最大的节能、经济等收益尤为关键。文献[14]对含有微型燃气轮机、风机、光伏电池、燃料电池等设备的微电网进行了模拟分析,建立了混合整数线性规划模型,并运用优化算法得到了微电网的最优容量配置。文献[15]在建立含太阳能光伏光热多能互补分布式能源系统模型的基础上,以经济成本、节约能耗、环境影响为优化目标对系统进行优化配置,结果表明,优化配置后的多能互补系统具有全面的潜力优势。

由于是多种能源产品的耦合关系,所以多能互补分布式能源系统在运行、管理、调节等方面较为复杂。系统运行优化的目的在于协调系统与用能单位之间的能量匹配关系,依据用能单位能量需求来调整或改变系统的运行模式,达到多能互补、整体运行最优的目标。对于系统结构和组成单元已确立的给定系统,以机组特性、用能需求、经济条件等为参照,便可确定系统的运行策略。文献[16]运用混合整数线性规划理论,研究了基于光伏电池、燃料电池、蓄电池的多能互补型住宅分布式能源系统成本最小的运行方案。文献[17]为解决风光并网消纳问题,通过搭建风光互补理论模型并设置适宜的装机容量比例,运用多种算法相结合的模型求解算法,优化得出了系统逐时运行策略。

在实际优化过程中,由于多能互补系统多元化的供能方式,会使多能流相互影响,因此孤立地考虑单一机组的运行情况往往会导致其他机组出力冗余或过载。为实现多能互补分布式能源系统效益最大化,有必要对系统整体框架、设备容量以及运行策略进行协同优化。文献[18]基于生命周期法,从节能、环保、投资回收期的角度,对含光伏发电的分布式能源系统的容量设计和运行策略进行了协同优化。文献[19]针对微型燃气轮机和地源热泵构成的复合供能系统,以年总费用和天然气节能率为优化目标,对系统优化配置和运行规律进行了研究,并论证了复合供能系统的综合优势。

图3为基于供需平衡的多能互补分布式能源系统优化流程。

图3 多能互补分布式能源系统协同优化流程

首先,在建筑用能需求分析的基础上提出系统的优化问题;其次,针对系统方案、结构、技术参数、运行策略中的协同优化变量进行性能分析;再次,基于系统优化所提出的评估目标进行数学建模处理,在满足约束条件的前提下,判断是否为系统最优化结果,若不能满足条件,则采用寻优算法对变量输入进行修正,如此循环直到得出协同优化的最优方案。由此可看出,多能互补分布式能源系统优化内容主要包含优化变量、优化目标、满足约束条件、优化算法4个方面,且在优化过程中相互关联,相互制约,密不可分。

2.2 优化数学模型

如上所述,多能互补分布式能源系统优化模块由优化变量、目标函数、约束条件和求解算法构成。一般而言,系统优化设计的出发点决定了数学模型中的目标函数,其主要从热力学性能、经济性能和环境性能3方面进行考察。传统分布式能源系统优化决策通常只采用单一的目标函数[20-21],但因单一决策指标相对片面,致使系统优化结果并不能获得全面的理想效果;而多能互补分布式能源系统中可再生能源的引入,打破了原有分布式能源系统的评估结构,其免费的可再生能源输入、清洁的排放输出、附加的政策补贴等特点都表明了多角度全方位评估决策方法的必要性。文献[22]结合燃气分布式能源系统与太阳能电池,以一次能源节约率、当量CO2排放量和全生命周期成本为目标,构建了系统优化模型,并对系统的一体化机组台数和燃气轮机容量进行了优化配置。文献[23]以包含风、光、储、微型燃气轮机、燃料电池的实际微电网为研究对象,运用改进的遗传算法,对综合经济性和环保性优化模型进行了分析,并对比单目标系统优化值,验证了多目标优化方式的有效性。

模型的优化变量取决于优化内容:一是系统结构优化,主要针对系统集成设计方案的比选问题以确定最佳系统流程和设备等[24];二是容量优化,主要是通过对设备容量配置以达到系统相互间的匹配,从而获得最佳收益,优化变量即为容量[25];三是运行策略优化,其一般与系统结构、配置、容量等协同优化,其优化变量既涉及上述优化所含的变量,又包含单位时间内设备的运行情况[26]。

系统优化过程中的变量选择、目标函数计算及算法求解均受制于约束条件。模型的约束条件包括可再生能源供能周期约束、系统能量供需平衡约束、设备转换与出力约束、投资成本约束、环境排放约束和场地约束等。基于多能互补分布式能源系统优化问题的自身特性以及数学模型的精准性,也是模型中所需考虑的约束条件之一。

2.3 优化算法

优化算法是多能互补分布式能源系统优化过程中重要的求解工具,目前用于该领域优化的算法很多。从时间发展角度来说,优化算法可分为传统经典算法和现代智能算法;从目标函数角度上说,可分为单目标优化算法和多目标优化算法。

传统经典算法一般围绕单目标优化展开,具有明确的问题和条件描述,以及有唯一的全局最优解,如(非)线性规划法、序列二次规划算法、最大矩形法等。文献[27]基于可再生能源与蓄能相耦合的热电联产系统优化模型,以某区域供能系统为例,采用单纯形法进行了优化求解。文献[28]以运行成本为优化目标,采用线性规划方法对某内燃机冷热电联产项目进行了优化,并得出了年典型日的最佳运行策略。传统算法在处理系统单目标优化时性能较好,但在处理多目标优化时,因各目标函数间耦合矛盾的关系,则显得捉襟见肘。

在处理多目标优化问题方面,常用的方法是将多目标函数转化为单目标函数,典型的算法有权重法、主要目标法等,但上述方法中权重设置的合理性、主要目标选取的有效性等成为干扰优化结果的关键问题[29]。随着计算机技术和数学算法的发展,一些现代启发式智能算法逐步在多能互补分布式能源系统的优化设计中得到了应用,如遗传算法、模拟退火算法等。文献[30]在考虑系统发电成本、环境成本和设备维护成本的基础上,采用改进的人工鱼群算法对系统进行了运行策略优化。文献[31]基于粒子群算法,以运行成本最低为优化目标,研究了含多种能源的微电网系统经济运行策略。与传统算法相比,智能算法求解优化结果的精度较高、寻优特性好,但其求解过程耗时较多,且控制参数不易调控,易陷入局部最优。

3 多能互补分布式能源系统研究展望

多能互补分布式能源系统的核心是多种能源之间的衔接融合和调配——从能源供给侧的多能协同到使用端的分配和响应,甚至能源网络布局。目前,制约多能互补分布式能源系统发展的主要问题在于技术水平和投资回报两方面。由于各类可再生能源尚未实现平价上网,加之关键储能技术成本不具市场竞争力,经济成本成为多能互补系统的主要短板,其大规模推广受到了阻碍。

从发展趋势上看,推进多能互补分布式能源系统建设依然很有必要。一方面,多能互补分布式能源系统可为园区建设提供灵活的解决方案,可以提高能源供给的安全性和稳定性,也对大规模消纳新能源背景下的电网调峰调频进行补充。另一方面,结合国内能源体制改革形势,在发电计划放开、现货市场出现、终端电价调整的背景下,将逐渐打破电网、热网、气网单一的运行模式,摆脱不同业务部门协调困难、规划不一、效率低下的困境。因此,未来多能互补分布式能源系统不仅仅局限于微电网,还将向综合能源服务趋势发展。

为顺应能源发展趋势和应对多能互补分布式能源系统即将面临的诸多挑战,需要从技术创新、经营模式创新、政策创新等多方面开展工作。具体而言,一是整合多种能源发电技术,加大风、光、储等关键技术以及控制器等关键设备的研发力度;二是将系统与能源互联网深度融合,与大数据、云计算、信息通信等前沿技术紧密结合,实现集成优化、智慧融合的能源体系;三是与增量配电网衔接并参与市场化交易,通过扩大服务体系和管理职能,提供差异化、定制化的增值服务;四是要完善宏观政策环境,加大扶持力度,加强跨部门、跨地区协调,改革价格机制,以价格信号引导不同资源的开发和利用。

4 结 语

多能互补分布式能源系统作为一种集成多元化供能方式、贴近用户侧的智慧化能源系统,在当前全球能源形势下的发展方兴未艾。国内多能互补分布式能源的发展空间将逐渐扩大,在多方面创新驱动并融合综合能源服务、能源互联网等理念后,多能互补分布式能源将成为未来重要的市场主体。

参考文献：

[1] KRAUSE T,ANDERSSON G,FROHLICH K,et al.Multiple-energy carriers:modeling of production,delivery,and consumption[J].Proceedings of the IEEE,2010,99(1):15-27.

[2] 张莉,姚秀平,李永光,等.以天然气为燃料的冷热电联产系统[J].上海电力学院学报,2003,19(3):9-12.

[3] 任建兴,刘青荣,杨涌文,等.主要可再生能源及其分布式系统的构建[J].上海电力学院学报,2011,27(5):495-498.

[4] 国家发展改革委,国家能源局.国家发展改革委 国家能源局关于推进多能互补集成优化示范工程建设的实施意见[EB/OL].(2016-07-07)[2017-12-15].http://www.ndrc.gov.cn/zcfb/zcfbtz/201607/t20160706_810652.html.

[5] KOIRALA B P,KOLIOU E,FRIEGE J,et al.Energetic communities for community energy:a review of key issues and trends shaping integrated community energy systems[J].Renewable & Sustainable Energy Reviews,2016,56:722-744.

[6] 任洪波,吴琼,班银银,等.基于多目标规划的多能互补分布式能源系统优化决策方法研究[C]//中国系统工程学会第18届学术年会论文集,北京,2014.

[7] 谭忠富,谭清坤,赵蕊.多能互补系统关键技术综述[J].分布式能源,2017(5):1-10.

[8] QUELHAS A,GIL E,MCCALLEY J D,et al.A multiperiod generalized network flow model of the U.S. integrated energy system:part I model description[J].IEEE Transactions on Power Systems,2007,22(2):829-836.

[9] QUELHAS A,McCALLEY J D.A multiperiod generalized network flow model of the U.S.integrated energy system:part II simulation results[J].IEEE Transactions on Power Systems,2007,22(2):837-844.

[10] GEIDL M.Integrated modeling and optimization of multicarrier energy systems[D].Zürich:Eidgenössische Technische Hochschule Zürich,2007.

[11] OMALLEY M,KROPOSKI B.Energy comes together:the integration of all systems[guest editorial][J].IEEE Power and Energy Magazine,2013,11(5):18-23.

[12] 吴建中.欧洲综合能源系统发展的驱动与现状[J].电力系统自动化,2016(3):1-7.

[13] 范征,管文琳.多能互补助力未来能源网络运营[EB/OL].(2017-04-25)[2017-12-15].http://shupeidian.bjx.com.cn/news/20170425/822019.html.

[14] LIU G,STARKE M,XIAO B,et al.Microgrid optimal scheduling with chance-constrained islanding capability[J].Electric Power Systems Research,2017,145(1):197-206.

[15] CHUA K J,YANG W M,WONG T Z,et al.Integrating renewable energy technologies to support building trigeneration—a multi-criteria analysis[J].Renewable Energy,2012,41(2):358-367.

[16] 任洪波,吴琼,任建兴,等.基于燃料电池、太阳能电池、蓄电池的住宅分布式能源系统的运行优化[J].可再生能源,2014,32(4):379-384.

[17] 秦泽宇,马瑞,张强,等.考虑风光互补的电力系统多目标随机优化发电方案研究[J].电力科学与技术学报,2015(3):53-60.

[18] 荆有印,白鹤,张建良.太阳能冷热电联供系统的多目标优化设计与运行策略分析[J].中围电机工程学报,2012,32(20):82-87.

[19] 林怡,张士杰,肖云汉.复合供能系统优化配置和运行策略研究[J].暖通空调,2011,41(10):84-90.

[20] 蒋大鹏.分布式发电系统中并网逆变器的研究[D].杭州:浙江大学,2006.

[21] 周雪松,宋代春,马幼捷,等.光伏发电系统的并网重复控制及仿真[J].电力电子技术,2010,44(5):8-10.

[22] 吴红斌,王东旭,刘星月.太阳能冷热电联供系统的策略评估和优化配置[J]. 电力系统自动化,2015,39(21):46-51.

[23] 陈洁,杨秀,朱兰,等.微网多目标经济调度优化[J].中国电机工程学报,2013,33(19):57-66.

[24] ZHU Q,LUO X,ZHANG B,et al.Mathematical modelling and optimization of a large-scale combined cooling,heat,and power system that incorporates unit changeover and time-of-use electricity price[J].Energy Conversion & Management,2017,133(1):385-398.

[25] SANAYE S,KHAKPAAY N.Simultaneous use of MRM (maximum rectangle method) and optimization methods in determining nominal capacity of gas engines in CCHP (combined cooling,heating and power) systems[J].Energy,2014,72(7):145-158.

[26] 薛海龙.含可再生能源的热电联供型微网经济协调的多目标优化调度方法[J].电气应用,2015(11):114-119.

[27] WANG H,YIN W,ABDOLLAHI E,et al.Modelling and optimization of CHP based district heating system with renewable energy production and energy storage[J].Applied Energy,2015,159(1):401-421.

[28] 刘伟,古云蛟.基于线性规划算法的燃气内燃机三联供系统运行策略优化[J].上海电气技术,2016,9(1):9-13.

[29] 王向慧,连志春,徐志英,等.基于Pareto最优概念的多目标进化算法研究[J].计算机工程与应用,2008,44(27):58-61.

[30] 李锐,李鹏.基于改进人工鱼群算法的冷热电联产微网经济优化运行[J].电气技术,2014(6):63-68.

[31] 杨佩佩,艾欣,崔明勇,等.基于粒子群优化算法的含多种供能系统的微网经济运行分析[J].电网技术,2009(20):38-42.