大气污染防治下京津冀地区分布式电源优化配置研究

周鹏程，程怡心

（1.南方电网物资有限公司，广东 广州 510620；2.华北电力大学，北京 102206）

0 引言

能源危机、环境污染等问题给京津冀协同发展带来了前所未有的挑战［1］。当前，京津冀地区能源开发利用面临两方面的矛盾：一是传统能源日渐枯竭与能源利用效率低下的矛盾；二是以煤为主的能源结构与环境压力持续增大的矛盾。在大气污染防治背景下，转变能源发展方式，调整能源结构，提高能源利用效率，实现能源低碳利用已成为京津冀地区协同发展工作的重点［2-4］。

科学规划和发展分布式能源是解决京津冀地区雾霾天气的关键。一方面，分布式发电作为新兴的能源利用方式，相对于集中式电源而言，具有灵活、高效、节能、低碳等优势，可作为大电源和大型能源基地的良好补充；另一方面，京津冀地区拥有丰富的风能、太阳能和生物质资源，在有效、合理规划分布式电源方面具有得天独厚的优势。

为解决京津冀地区雾霾天气问题，实现能源的清洁、高效、低碳利用，对京津冀地区发展分布式电源的前提条件进行了梳理分析，包括发展需求、扶持政策和资源开发及利用现状；分别考虑经济、技术和环境等效益，构建了分布式电源优化配置指标；在此基础上，建立目标函数和约束条件，并基于CO-EDO算法进行分布式电源的优化配置。选取京津冀地区某分布式能源示范工程，以分布式冷-热-电三联供（Distributed Combined Cooling Heating and Power，DCCHP）系统为例进行了算例分析，为有效解决京津冀地区大气污染问题、促进分布式电源有序发展提供参考。

1 京津冀地区分布式电源发展研究

1.1 分布式电源发展需求分析

分布式电源的资源条件具有典型的地域性，而京津冀地区拥有丰富的风能、太阳能和生物质资源，为有效解决大气污染问题，保障京津冀地区电力供应稳定，大力发展分布式电源项目创造了良好条件［5］。具体来说，分布式电源采用天然气作为燃料，或以氢气、太阳能、风能为能源，减少SO2、NOx等有害物的排放量，有效缓解大气污染；大规模的分布式电源就近供电，减少了大容量、远距离高压输电线的建设投资，且降低了高压输电线的电磁污染；分布式发电为用户提供冷、热、电等多种能源综合利用，是解决能源危机、提高能源利用效率、保障能源安全的关键途径；针对京津冀地区的某些偏远农村，可利用风电、光伏发电以及生物质能发电实现“自发自用，余量上网”，有效推进光伏扶贫。

1.2 分布式电源发展政策分析

开发及利用分布式能源是我国能源战略的重要组成部分，有效的政策指导是保障分布式能源有序发展的前提［6］。为促进分布式能源的建设发展，北京市、天津市、河北省出台了一系列扶持和补贴政策，具体如表1 所示。

1.3 分布式能源分布及开发情况

京津冀地区风能资源主要集中在北京昌平、房山、门头沟，天津滨海新区，河北张家口、承德等高海拔或沿海地区；太阳能主要集中在北京延庆、密云、怀柔，天津塘沽，河北承德、保定、石家庄等地区；生物质能主要来源于农村地区作物秸秆、畜禽粪便、生活垃圾等。京津冀地区分布式能源分布及开发情况如图1 所示。

图1 京津冀地区分布式能源分布及开发情况

2 京津冀地区分布式电源优化配置研究

2.1 分布式电源优化配置指标

2.1.1 经济效益指标

分布式电源优化配置的经济效益可以通过单位电量成本指标来体现。若分布式发电产生的社会利益大于社会成本，且在计算分布式电源的生产成本时仅考虑资金成本，单位电量成本C 可表示为

式中：r 为固定年利率；n 为投资偿还期；k 为平均容量系数，是一段时间内分布式电源发电量与该时期内发电小时数和装机容量的比值；Cinv为分布式电源机组的安装成本；Cope为分布式电源机组的运维成本；Cful为分布式电源机组的燃料成本。

为提高电力系统运行性能，通常将不同分布式电源机组组合成联合发电系统［7］。单位发电量成本Cunion可表示为

式中：m 为分布式电源机组总数；ζi为所有电量成本的第i 种分布式电源的占比系数；Cinv，i为第i 台分布式电源机组的安装成本；Cope，i为第i 台分布式电源机组的运维成本；Cful，i为第i 台分布式电源机组的单位燃料成本；ni、ki分别为第i 台分布式电源机组的投资偿还期和平均容量系数。

2.1.2 技术效益指标

当分布式电源接入电网后，会引起配电网潮流大小和方向的改变，进而影响电力系统的电压稳定性。分布式电源优化配置的技术效益可以通过几种评估配电网电压的指标来体现。

1）综合网损电压指标。该指标综合考虑了配电网络的网络损耗Uloss和电压质量Uqual。综合网损电压Uwsdy可表示为

式中：T 为配电网总节点个数；μ 为比例系数；Utbus为节点t 处母线电压幅值；Ij为支路j 的电流；Rj为支路j 的电阻；J 为总支路数；Urat为额定电压幅值。

2）静态电压稳定指标。该指标是对分布式电源接入配网后改善电力系统静态电压稳定性作用的量化。静态电压稳定指标Ujtdy可表示为

式中：δ=δt1-δt2为分布式电源接入支路的节点t1与节点t2的相位差；Ut1∠δt1和Ut2∠δt2分别为首、末 端电压。

3）电压改善指标。该指标是指分布式电源接入配网后电压指标与未接入分布式电源的电压指标之比。电压改善指标Uubt可表示为

式中：Uunot和Uuot分别为分布式电源接入前、接入后的电压指标Uut（若电力系统节点为t，电压幅值为Ut，节点负荷为Lt，各节点权重值为αt，则电压指标可表示为。

2.1.3 环境效益指标

分布式电源优化配置的环境效益可以通过环境改善指标来体现。该指标是指安装分布式电源前、后的第b 种污染物排放量的比值。环境改善指标EIRIb可表示为

2.2 分布式电源优化配置模型

2.2.1 目标函数

分布式电源优化配置模型的目标函数表示为

式中：Fobj为分布式电源优化配置的综合效益。

2.2.2 约束条件

目标函数需要满足节点电压约束、导线电流约束、分布式电源容量约束以及分布式电源接入总量约束等限制条件［8］。

1）分布式电源节点电压约束。

式中：Ut、Utmax、Utmin分别为节点t 的电压、电压上限、电压下限。

2）分布式电源导线电流约束。

式中：It和Itmax分别为节点t 的电流和电流上限。

3）分布式电源容量约束。

此外，以DCCHP 系统为例进行算例分析，系统也需要满足自身的设备运行约束和系统运行约束。

2.3 基于CO-EDO 算法的分布式电源优化配置

将混沌优化算法（Chaos Optimization，CO）和极值动力学优化算法（Extreme Dynamics Optimization，EDO）相结合，形成CO-EDO 算法优化模型。COEDO 算法模型利用CO 算法全局搜索能力强、能够快速逼近最优解的特点，弥补了EDO 算法容易陷入局部最优的不足；同时，EDO 算法具有强大的局部搜索能力，协助CO 算法跳出局部极值，避免CO算法过早收敛［9］。另外，EDO 算法会增加CO 算法计算的时间，减缓了算法的收敛速度，需要设定时间间隔（即设定W 代）以保证算法的快速收敛能力。采用自适应Lévy 变异作为变异算子，其函数概率分布为

式中：y 为函数概率分布因变量；γ 为规模因子，且满足γ＞0；τ 为函数参数，当τ=1 时Lτ，γ（y）为Cauchy 分布，当τ→2 时Lτ，γ（y）接近于Gaussian 分布。

3 京津冀地区分布式电源算例优化

3.1 基础数据

选取京津冀地区某分布式能源示范工程，以DCCHP 系统为例进行算例分析，算例的相关数据如表2 和表3 所示。

表2 DCCHP 系统能源价格

表3 DCCHP 设备技术参数

DCCHP 系统的夏、冬两季典型日负荷曲线如图2 和图3 所示。从电力负荷分布上看，07∶00 后电力负荷逐渐上升，分别在08∶00—10∶00、18∶00—22∶00达到高峰期。此外，分布式示范工程属于工业园区，因此夜间时段的用电负荷也很稳定。从冷负荷分布上看，需求主要集中在夏季，且12∶00—24∶00 的冷负荷需求高，00∶00—12∶00 的需求低。从热负荷分布来看，冬季的用热负荷量大，一方面用于采暖供需，一方面用于工业生产的热水供应。

3.2 算例分析

结合DCCHP 系统的相关数据和典型日负荷需求的特点，借助CO-EDO 算法求解DCCHP 系统在夏、冬两季的供能协同组合运行结果，以此给出分布式电源的最优配置方案，优化结果如图4—图8 所示。

图2 夏季典型日负荷需求

图3 冬季典型日负荷需求

图4 夏季冷负荷供应优化结果

图5 夏季电力供应优化结果

由图4 和图5 可知，夏季电力负荷需求由燃气轮机、光伏发电供应，若电力不足需要向电网购电。由于22∶00—次日06∶00 为夏季电价的谷时段，此时段多向电网购电以满足系统电力负荷需求。另外，07∶00—19∶00 光照条件较好，此时段的电力需求多由分布式光伏发电供应。夏季冷负荷需求由电制冷机和吸收式制冷机供应，07∶00—19∶00 的用电高峰时段主要由吸收式制冷机进行冷负荷供应，电制冷机多在夜间的谷时段进行冷负荷供应。

图6 冬季电力供应优化结果

图7 冬季采暖供应优化结果

由图6—图8 可知，冬季电负荷需求主要由燃气轮机、分布式光伏发电供应，若电力不足也需向电网购电。由于22∶00—次日06∶00 为冬季电价的谷时段，此时段多向电网购电以满足系统电力负荷需求。另外，08∶00—17∶00 光照条件较好，此时段的电力需求多由分布式光伏供应。冬季热水需求由燃气轮机、热水器供应，采暖主要由燃气轮机供应。08∶00—17∶00 为用热高峰时段，热水需求主要由热水器供应，燃气轮机用于满足夜间需求。

借助CO-EDO 算法优化得到系统年费用、一次能耗节能率以及CO2减排率，如表4 所示。

表4 DCCHP 系统目标优化值

由表4 可知，相比分供系统，DCCHP 系统在夏、冬两季都达到了经济性运行效益，同时实现节能减排的效果。相比于夏季，冬季的优化值无论是在系统费用的减少比例、一次能耗节能率、CO2减排率等方面都要大于夏季的优化值，主要是由于冬季外界气温低，相对来讲热效率较低，且光照强度相对较弱，一次能源消耗量较多，成本较高。

具体来说，DCCHP 系统利用了燃气轮机发电产生的高温烟气和高温热水作为溴化锂机组的热源，实现能源的阶梯利用，相应减少了系统一次能源的投入，降低了系统成本；DCCHP 系统利用分布式光伏为系统提供电力，同时借助热水器实现热水供给，降低了一次能源的投入，实现节能减排。

4 结语

为解决大气污染问题，促进京津冀地区分布式能源科学有效发展和规划，提出一种基于CO-EDO算法的分布式电源优化配置方法。综合考虑经济、技术和环境等效益，构建了分布式电源优化配置指标，建立目标函数和约束条件，并基于CO-EDO 算法进行分布式电源的优化配置。针对京津冀地区某分布式能源示范工程，以DCCHP 系统为例进行了分析，结果验证了所提模型算法是有效的。

基于研究结果，从宏观和微观层面对京津冀地区分布式电源发展提出建议。在宏观层面，一是应结合京津冀地区能源资源特点，因地制宜发展分布式电源；二是优化分布式电源配套政策，统一分布式电源标准规范；三是实施年度发展计划，加快建立适应分布式电源的项目全过程管理机制；四是加快推进智能电网建设，保障分布式电源发展等。在微观层面，一是应借助科学的分布式电源评价工具，应用差异化的项目发展策略；二是应借助有效的分布式电源优化工具，促进分布式电源优化配置。