多能互补分布式能源系统容量配置和优化运行研究现状*

崔 琼，黄 磊,3，舒 杰†，王 浩，吴昌宏

（1.中国科学院广州能源研究所，广州 510640；2.中国科学院可再生能源重点实验室，广州 510640；3.中国科学院大学，北京 100049）

0 前 言

能源问题是近年来众多学者探讨的热点。探究如何在减少环境污染的前提下实现多能源综合统筹，更大程度地提高能源综合利用效率，是国内外学者共同关注的主要问题[1-2]。能源互联网[3]、新一代能源系统[4]等概念的提出以及我国近期对“互联网 + 智慧能源”理念的推行促进了能源改革[5]。能源系统形态发展趋势由集中式转向分布式，单一能源转为多能互补，可再生能源占比逐步提高，智能电网与能源网的互联互动程度进一步加强[6]。多能互补分布式能源系统是在传统分布式能源系统基础上的衍生和扩展，它将电力、燃气、太阳能、风能、生物质能、海洋能等多种能源交互耦合，经协同优化，最终以较高的综合能源利用率向用能单元提供冷热电。分布式能源系统是一种具有多供能形式以及多运送模式的区域能源互联网系统[7]，可以发挥不同能源的优势和潜能，是能源变革的发展趋势及推动能源可持续发展的重要手段[8]。

多能互补分布式能源系统是能源互联网的重要物理载体[9]，也被作为能源互联网的原型和基础[10-11]，主要关注不同能源间的协同优化等物理层面的技术。能源互联网则是在多能互补分布式能源系统的基础上，结合先进信息通讯、互联网等技术，强调能源网络的“互联”，即信息与物理系统间的深度融合。多能互补分布式能源系统是探究不同能源内部运行机理及推广能源先进技术，具有重要的研究意义。鉴于多能互补分布式能源系统在能源系统转型中的特殊地位，如何实现多能互补分布式能源系统科学合理的容量配置以及优化运行，以满足冷热电用能需求，并取得最大的经济、节能、减排等综合效益尤为重要。因此，本文以多能互补分布式能源系统为研究对象，重点围绕多能互补分布式能源系统的容量配置与优化运行的相关研究内容，进行详细梳理。

1 分布式能源系统应用发展现状

近年来，分布式能源在全球广泛应用，行业发展迅速且发展空间广阔[12]。2015-2017年全球分布式能源新增装机容量分别为 136.4GW、140.2GW 和132.4GW，2026年装机容量预计为528.4GW。

美国是世界上最早应用分布式能源系统及分布式能源技术最成熟国家之一，并计划至2020年将有50%以上的新建办公或商用建筑采用冷热电联供（combined cooling heating and power,CCHP）系统供能模式[13]。英国政府制定“能源效率最佳方案计划”，在过去20年中，已安装超过1 000个分布式能源系统。日本把能源高效利用当作其能源利用的工作重心。据报道，日本分布式能源系统计划2020年装机规模为800万kW以及2030年装机规模为1 100万kW的目标[14]。我国各地在多个领域进行了分布式能源的开发与应用，大多采用的是洁净高效、以小型分散为主要特征的“冷热电三联供技术”[15]，可以实现80%以上的综合能源利用效率。国内外典型工程概况分别见表1和表2。

表1 国内典型分布式能源工程概况Table 1 Typical distributed energy projects in China

表2 国外典型分布式能源工程概况Table 2 Typical distributed energy projects abroad

2 分布式能源系统容量优化配置

多能互补分布式能源系统的优化配置问题比仅含化石能源的传统分布式能源系统更为复杂，系统容量优化配置建模主要包含约束条件、优化指标、优化目标、优化算法四个方面。这四个方面在优化过程中相互关联，相互制约。本文首先分析了能源互联网大趋势下，分布式能源系统的集成优化配置研究现状，然后主要从优化指标、目标函数及优化算法的角度进行归纳和总结，最后详述了商用优化配置软件的适用系统以及需要考虑的具体优化指标，为解决系统容量合理配置方案提供参考依据。

2.1 分布式能源系统集成优化配置

分布式能源系统的网络化应用成为能源互联网技术背景下分布式能源系统利用的新思路、新模式。分布式能源系统设备配置与区域供热供冷管网的集成优化成为了学者共同关注的热点。该研究涉及工程热物理、传热学、动力学、环境经济学、可再生能源技术、电力学、系统设计集成等多个学科的理论知识体系，近年来各国学者针对该方向开展了初步研究[16]。WEBER等[17]研究了分布式能源规划与区域供热供冷管网布局的优化，但忽略了分布式能源系统之间的关联互动。AKOMENO等[18]提出分布式能源网络优化配置模型，仍然对子系统之间的互动没有深入研究。任洪波等[19]以互联网思维为导向，提出了“分布式能源互联网”的理念，指明了“分布式能源互联网”相对于常规分布式能源系统的优势。蔡博等[20]提出了基于天然气分布式能源系统智能建筑能源物联网（building energy smart grid based on natural gas based distributed energy system,NDES-SG）的理念，系统计算结果表明，与常规供能系统相比，NDES-SG实现节能率达22.2%。综上所述，对于分布式能源系统的集成，目前国内外相关研究大部分处于概念框架设想阶段，关于优化配置也仅仅是在集成系统整体层面，对于参与集成的各系统之间的融合互动分析尚缺乏深入研究。

2.2 优化指标

分布式能源系统优化配置指标主要包括经济性、环保性、可靠性等优化指标。其中经济性是最重要的优化目标，体现该系统的投资成本和收益的大小。通过经济性优化使系统全生命周期内的原始成本、运行成本、更换成本、维护成本的总成本最小。学者们提出了多种指标[21-25]来评价系统的经济性，常见的指标主要有年平均成本、生命周期成本、能源标准化成本、净现值、净现成本、内部收益率和投资回收期等。其中，前三个指标只考虑了系统的成本因素，后四个指标同时考虑了成本和收益这两个因素。

进行系统容量优化配置时，除了考虑系统的投资运行成本，环保性也是一个主要的优化目标。环保性优化一般作为惩罚费用加入到总费用中建立单目标经济性优化，考虑到将环保性指标的经济性折算方法随时空变化较大，因此也可采用经济性和环保性多目标优化对系统容量进行优化求解。环保性指标包括CO2排放量、蕴藏能量和生命周期评估等。此外，也可使用可再生能源渗透率和可再生能源利用率作为指标。CO2排放量是对设备运行和维护时对环境的影响进行评估；蕴藏能量是对设备生产销售时对环境的影响进行评估；生命周期评估是对整个系统和设备从生产到报废整个生命周期对环境的影响进行全面的评估。

可靠性指标中目前最常用的是供电不足概率[24]，表示系统供电不能满足用电需求的概率，也可以用供电不足时间除以系统总运行时间来表示。其他可靠性指标[26-27]还包括电量不足期望值、负荷缺失概率、强制中断率等。

2.3 目标函数

目前，大多数文献将可靠性指标作为约束条件，以经济性、环保性等量化指标为目标函数对系统组成部分进行优化配置。PELET等[28]综合考虑了资源、需求、能源、排放、成本的因素，将系统优化配置问题转化为多目标优化问题，并进行仿真。结果表明，新的配置方案显著降低了成本和二氧化碳排放。BOROWY等[29]使用某个地区30年的风速和太阳辐射的数据，计算风力发电机和光伏电池在每月一个典型天中每小时的平均发电功率，用马萨诸塞州的一个典型房子的负荷特征作为混合发电系统的负荷特征，在给定的负荷水平和要求的供电不足概率下，计算出使系统成本最低的最优储能电池数量和光伏发电模组数量。荆有印等[30]从环保性的碳排放和经济性的投资回收期角度，对含光伏发电的分布式能源系统的容量设计进行了优化。JAYASEKARA等[31]以年总成本最小为优化目标，研究设备最佳容量配置的两阶段粒子群优化算法。

综上所述，设置目标函数进行的系统容量优化主要集中在供给侧分布式能源设备的配置方面，而未能充分考虑源-荷在时空上的匹配以及能量平衡。

2.4 商用优化配置软件

目前，国内外已开发出一些分布式能源系统优化配置的商用软件，如美国国家可再生能源室研发的HOMER软件、美国马萨诸塞大学的新能源研究室研发的 HYBRID2软件、西班牙萨拉戈萨大学电气工程系研发的HOGA软件、美国威斯康星大学和科罗拉多大学研发的TRNSYS软件、挪威能源技术研究所研发的基于TRNSYS的HYDROGEMS库文件等。现有优化配置软件的适用系统和涉及指标见表3。

表3 商用优化配置软件总结Table 3 Summary of commercial optimized configuration software

3 分布式能源系统优化运行

如何对分布式能源系统进行运行优化，是发展分布式能源面临的重大问题。分布式能源系统的主要应用形式是 CCHP系统[32]，其典型结构如图1所示。CCHP系统的运行策略研究一般可以分为基本运行策略和优化运行策略[33]。CCHP系统和微网有效结合成为CCHP型微网，是一种采用分布式能源优化管理形式的系统，可以更好地发挥可再生能源的优势，提高能源利用率，调节峰谷用能差，提升系统安全性和可靠性，是能源结构中不可或缺的补充[34]。CCHP型微网的复杂性主要体现在多能量耦合、多个优化目标以及多时间尺度三个方面，而传统微网的优化调度方法不再适合CCHP型微网，因此在实际运行条件下制定出最佳优化调度策略存在一定的难度。基于此，本文重点归纳总结了CCHP型微网的优化调度策略。

图1 CCHP系统典型结构示意图Fig.1 Typical structure diagram of CCHP system

3.1 CCHP系统的运行策略类型

目前，根据优先满足电负荷或热（冷）负荷需求，冷热电联供系统的基本运行模式可以分为“以电定热”与“以热定电”两种[35]。在“以电定热”模式下，系统发电量跟随电负荷的变化，而“以热定电”模式则要求机组产生的总余热量与系统的热（冷）负荷相匹配，针对这两种模式[33,36]的相关分析已有不少学者进行了研究。FANG等[37]依据多变负荷情况确立联供系统运行的约束条件，根据边界条件将运行空间划分了不同区域，各区域分别采用“以电定热”或者“以热定电”的基本运行方式以实现系统运行性能最优。另外，还有3种常见的运行模式[38-39]：（1）连续运行模式。系统在规定时间内以最大功率运行，仅适用于对燃气轮机的效率有高要求，不允许其在部分负载下运行的情况；（2）减小峰值功率模式。用电峰值时，降低从大电网购买的峰值功率；（3）基本负载运行模式。适用于燃气轮机动态性能较差时。

CCHP系统的运行策略仅从负荷侧考虑，没有从系统源—网—荷—储整体层面上考虑总体的经济性、环保性、节能率，并且大多仍未计及系统内部能量耦合与运行性能之间的关系，使系统难达到最佳性能。因此，为了更好地降低一次能源消耗，减少污染物排放以及提高能源利用率，将CCHP系统与微网结合组成CCHP型微网，可将CCHP系统与各种负荷、可再生能源、储能系统等结合在一起，满足用户冷、热、电的需求。目前CCHP型微网的应用刚刚起步，其相关优化调度文献也不多见，基于此，本文针对现有的CCHP型微网优化调度策略，从不同的优化调度角度进行综述。

3.2 CCHP型微网的优化调度策略

CCHP型微网优化调度的主要目标是首先满足冷热电负荷，然后根据各单元不同的特性设计最优的调度策略，最终提高系统综合性能。

3.2.1 以提高系统经济性为目的优化调度

目前CCHP型微网系统的优化运行策略研究主要考虑经济性、环保性、节能性等性能评价指标[34]。骆钊[40]以运行费用为优化目标，提出一种基于区间优化的CCHP型微网区间经济调度策略。许东[41]建立了系统经济成本最优的数学优化调度模型，采用遗传算法对模型进行求解分析，提出系统的多种能量管理运行策略。JU等[42]设计了含太阳能和风能等可再生能源的CCHP系统，并提出了包含经济成本和CO2排放等多目标的优化运行策略。孙作潇[43]针对CCHP型微网提出了一种“以商定量，以余定度”的方法确定系统负荷平移策略，对CCHP型微网进行日前优化调度，结果表明系统的运行费用得到了一定程度降低。环境污染问题越来越受到重视，因此环境成本也是经济性优化指标中十分重要的一项。目前关于环境成本问题的描述主要有：①以二氧化碳等污染气体的排放量为约束条件，以运行成本最优为目的，进行单目标优化；②设置考虑运行成本以及环境成本的多目标函数，即多目标优化。对于多目标优化函数的处理，多数研究通过线性加权法将其转成单目标优化求解，且优化结果与各目标的权重系数组合息息相关。

3.2.2 考虑不确定性因素的优化调度

CCHP型微网优化调度面临的难题是随机参数（风力、太阳辐射和负载）的不确定性，因此，电力系统普遍应用的确定性模型不再适用。当前大多数研究学者处理该问题的方法是利用预测值简单表达随机性，出现较大预测误差时会导致结果的准确度低[44]。含太阳能、风能等多种能源的CCHP型微网是一个具有不确定性、多时间尺度和多耦合关系的复杂系统。因此，CCHP型微网的优化调度十分有难度。目前已有学者提出不少方法来减少不确定性给系统带来的影响。HU等[45]设计了一种考虑负荷不确定性的多目标协调运行模型，并加入了可靠性约束条件，同时针对提出经济评价模型用以评估系统节能收益。LIU等[46]针对一种具有混合制冷模式的CCHP系统，通过实时调整不同制冷模式的制冷比来匹配负荷变化，设计系统最优运行策略。WU等[47]设计基于小型CCHP系统的混合整数非线性规划模型，进行包含能源节约率和运行成本两种指标的多目标运行优化，并进行了负荷变化与能源价格对运行策略的敏感性分析。FACCI等[48]考虑了冷热电负荷以及能源价格变动，估算燃机的日最优工况，相比“以热定电”和“以电定热”两种基本运行模式，更加有效地降低了系统经济成本。BYUN等[49]设计了一种考虑用户能耗模式和能耗预测的多能源调度管理系统。OLIVARES等[50]考虑多时间尺度设计冷热电多能协调的调度策略以降低负荷和可再生能源出力不确定性带来的影响，设计了CCHP型微网的两阶段优化调度策略。

综上，当前研究大多从调整可再生能源发电、冷热电负荷的角度出发，较少考虑需求侧可平移负荷。

3.3 模型求解方法

CCHP型微网的优化调度与优化配置均属于混合整数规划问题，其模型的求解通常采用数学规划方法和智能优化算法。由于存在目标函数以及约束条件的差异，因此模型可以描述为线性规划[51-52]、和非线性规划[53]问题。对于混合整数线性规划模型，可以通过采用商用求解软件调用其相应的解法器进行求取。CPLEX是常用的求解软件，包括单一优化程序、界限优化程序和混合整数优化程序，可根据实际需求进行优化选择，可以高效快速地找到鲁棒性更好的解，已得到广泛的应用。对于混合整数非线性规划问题，商用软件求取全局最优解的可靠性比较低。由于智能算法[54-55]具有并行高效性、通用性以及很强的鲁棒性，且实现过程简单，因此广泛应用于CCHP型微网优化调度非线性规划问题。典型的智能算法包括粒子群算法、模糊算法、遗传算法以及在遗传算法的基础上发展起来的多目标进化算法，如多目标遗传算法（multi-objective genetic algorithm,MOGA）等。

4 结 语

能源是社会发展的关键要素，能源互联网概念的提出促进了能源发展理念的革新。在此背景下，分析了分布式能源系统与能源互联网之间的关系，阐述了分布式能源系统国内外应用发展现状。在此基础上，围绕分布式能源系统的容量配置与优化运行的相关研究内容进行全面梳理，明确了其研究现状。内容包括围绕分布式能源系统多能互补集成优化配置研究，归纳总结系统容量配置建模所涉及的优化指标、目标函数，并对商用优化配置软件的适用系统和优化指标进行了详述；围绕分布式能源系统优化运行研究现状，分析多能互补分布式能源系统的主要应用形式——冷热电联供（CCHP）系统，分别从经济性和不确定性两方面详述CCHP型微网的优化调度策略研究现状，进一步总结CCHP型微网优化调度和优化配置模型的现有求解方法。

5 展 望

多分布式能源系统的协调运作，是整合能源互联网框架下多个分布式能源模块的核心技术。通过全面考虑分布式发电、储能和电动汽车等源侧和荷侧能量单元，协调分布式能源系统内以及多分布式能源系统之间的能量多向流动，研究分布式能源系统的合理配置和最优运行方式以及多分布式能源系统的协同运作将是未来的重点研究方向。

另外，考虑需求侧响应可以在一定程度上降低可再生能源不确定性影响，但需求侧可平移负荷的转移也会影响用户用能满意度。如何在多分布式能源系统中协调多分布式能源系统的不确定性因素、需求侧响应以及用户满意度三者之间的关系，以更好地评估以及解决各类不确定因素对系统的整体影响，是系统优化配置和优化运行中至关重要的问题。

综上，以多能源互补、多能源网互联、多用户互动为基本立足点，进行源-网-荷-储一体的多系统集成优化配置与运行，实现能源互联网理念在多分布式能源系统互联层面的具象化是目前研究趋势。