考虑环保与可靠性成本的园区综合能源系统经济运行技术

臧宝志，吴长龙，朱宏光，魏 莘，高建宏，孙 艺

(1.国网烟台供电公司，山东 烟台 264000；2.北方工业大学电气与控制工程学院，北京 石景山 100144)

0 引言

如今环境、生态问题日益严重，能源需求量不断增大，促使可再生能源发展与电力体制改革，伴随着多种能源混合利用、能源网络、高级智能能源等技术的不断发展，综合能源系统概念应运而生。综合能源系统整合区域内煤炭、石油、天然气、电能、热(冷)能等多种能源，确立了一个高度集成、灵活、高效的新型供能体系，实现对多种能源的协调规划、优化运行，协同管理、交互响应和互补互济。对综合能源系统规划可确保以较高可靠性、较低成本满足多元能源需求的同时，实现综合能效提升并充分利用可再生能源[1-2]。综合能源系统的多能协同规划往往以目标区域的经济、资源现状为依据，通过对综合能源系统规划及运行相关技术确定区域内各种能源资源的最优分配与各种能源转换技术的最优组合，实现对综合能源系统的安全高效运行与智能调度[3]。

近年来，综合能源系统运行优化技术及协同规划问题广受国内外学者的重视。文献[4]分析了多能协同控制技术面临的问题，包括多种能源的耦合与建模、控制设备对多能系统适用性、综合能源系统故障处理。在解决协同控制方面问题的基础上，通过结合北方某园区综合能源系统规划实例，文献[5]对多场景规划理念进行深入研究，并预测能源需求、设计系统场景，实现多能互补。从优化规划和需求响应的角度出发，文献[6]对综合能源系统的发展前景进行概述，并总结了综合能源系统优化模型面临的关键技术问题。外国学者Mads R. Almassalkhi在文献[7]中提出一种新型Energy Hub模型，以高效的计算优化框架进行建模，从而对多能耦合系统进行快速分析，解决一系列Energy Hub的多周期优化调度问题。

为得到最优的园区综合能源系统规划方案及运行优化策略，综合考量经济性、环保性与可靠性等目标进行优化调度尤为关键。文献[8]以系统的运行费用最小为优化目标函数，分别考虑购电、购气费用及燃气轮机气体排放治理费用，以经济性与环保性为优化目标建立微网综合能源系统的经济优化运行模型，并未对供能可靠性进行优化考虑。与文献[8]相比，文献[9]增加考虑了综合能源系统投资建设成本、机组发电成本及弃风弃光和损失负荷的惩罚措施成本，以经济性与供能可靠性为优化目标建立了多能互补协调发展的综合模型，但并未对环境影响方面做出约束。文献[10]在考虑综合能源系统能耗成本、设备运维成本、碳交易成本的基础上，引入新能源弃电量、峰谷差、功率波动量3个惩罚项，更好地发挥了储能消纳新能源和削峰的效果。文献[11]提出优化调度双层模型对电-热-气耦合的综合能源系统进行规划，上层模型考虑能源站建设运行成本与能距，为下层模型提供能源站位置、网架结构等初始数据，下层模型以运行层面出发，综合考虑系统经济性、环保性和供能可靠性，分别以电热交易成本最低、污染物排放最少和供能可靠性最高为目标，建立多目标函数。

虽然国内外对综合能源系统协同规划及运行优化方面已进行深入研究，但大多仅关注到经济层面，通常没有考虑环境与供能可靠性，这将为园区的安全运行带来隐患。另一方面，环境保护与供能可靠性往往是以经济性为代价，园区综合能源系统经济运行技术应综合考量经济性、环保性、可靠性三者的制约关系，构建相对完善的目标函数与约束条件。因此研究考虑环保与可靠性成本的园区综合能源系统经济运行技术至关重要。

为提高综合能源系统运行效益，本文在国内外相关研究和探索的基础上，对园区综合能源系统运行优化方法进行研究梳理，着力对园区综合能源系统运行优化模型、多目标优化目标函数及约束条件进行归纳，总结多目标优化模型的求解方法，进行算例分析验证，并在此基础上展望园区综合能源系统运行优化问题未来发展的研究方向。

1 园区综合能源系统及运行优化方法

1.1 园区综合能源系统概述

图1 典型园区综合能源系统结构图Fig.1 Typical ICES structure

典型的园区级综合能源系统一般包含电能、热能、气能，三大能量流作为基础的能量单元，各能量之间的能量传递由综合能源管控平台进行协同规划、优化调度管理[12-13]，如图1所示，光伏与风电等新能源与传统供电、供热、供气源在供给侧作为生产单元提供能量来源，冷热电三联供系统(combined cooling heating and power，CCHP)、电锅炉、燃气锅炉、热电联产系统(combined heating and power，CHP)等设备作为多能耦合单元为能量的转换和输送提供支持，储能设备作为存储单元将电、气、热能进行合理的能量存储。

典型工业园区综合能源系统具有多种产能，是以工业负荷为基础的复杂能源系统。与传统微电网结构不同[14]，园区综合能源系统对电、气、热(冷)等多种能源都有涉及，可以对多种能源进行生产、转换、存储和利用[15]。园区综合能源系统的负荷特性复杂、负荷的需求量大且对供电可靠性要求高，因此配电系统的运行调度是园区综合能源系统重要的一环。

然而传统工业园区仍普遍存在能源利用率低、缺乏对能源的统一规划及运行优化，对园区整体经济环境效益及运行效率有极大影响。为了加快工业化和城市化进程，增加工业园区能源利用效率，缓解能源、环境与社会发展的矛盾，对园区综合能源系统的优化尤为重要。为此必须加强对清洁低碳能源的使用，提高对园区多能流间的能源耦合效率，建立高效、清洁、低碳的能源工业体系，全方位统筹规划园区综合能源系统，对园区内各供能系统间能源的相互转换、转移、存储、消费的过程进行合理规划与优化，通过合理规划设计园区综合能源系统方案解决工业园区存在的问题。

1.2 园区综合能源系统运行优化方法

目前在工程实际应用中，对园区综合能源系统运行优化步骤[13,16-19]如下文所述。

1) 搜集并分析园区基本信息及园区区域现状，对园区用地现状、市政规划现状、电力、燃气、新能源等资源分布进行分析。

2) 对园区供能设备出力特性及园区负荷用能特性进行分析，建立园区综合能源系统多能耦合模型，以多能耦合设备的数学模型反映出电、气、热(冷)能源转化关系及多能流耦合关系。

3) 构建园区综合能源运行优化目标函数及相应约束条件，通过适当算法在状态集合中寻找能够满足当前运行条件的最优解，以实现对园区综合能源系统运行优化。

在园区综合能源系统运行优化中，对于园区综合能源系统多能耦合模型的建立、园区综合能源目标函数优化及构建约束条件尤为关键，现对上述内容进行具体阐述。

2 园区综合能源系统运行优化模型

2.1 传统微电网微型电源及其数学模型

1) 光伏。

光伏发电输出的电能为直流电，标准条件下测试其功率计算公式如下：

(1)

式中：PPV为光伏发电输出功率；PSTC为标准条件下最大测试功率；GAC为光照强度；GSTC为标准条件下光照强度；k为功率温度系数；TC为电池板实际温度；TSTC为标准条件下的温度。

2) 风电。

风电机组输出功率计算公式为

(2)

式中：PWT为风机输出功率；Pr、vci、vr、vco分别为风机的额定功率、切入风速、额定风速和切除风速参数；系数a、b、c、d为风机固定系数由输出功率曲线拟合得到。

3) 微型燃气轮机。

微型燃气轮机所提供的电能及回收高温烟气所产生的冷、热能的计算公式如下：

式中：QMT(t)为t时段微型燃气轮机排气余热量；PMT(t)为t时段燃气轮机输出功率；ηMT为微型燃气轮机发电效率；ηL为微型燃气轮机散热损失系数；Qco(t)与Qhe(t)分别为烟气余热提供的制冷量和制热量；COPco与COPhe分别为制冷、制热系数；VMT(t)为运行时间微型燃气轮机消耗的天然气量；Δt为燃气轮机的运行时间；LHV为天然气地热热值，取9.7 kW·h/m3。

4) 储能。

储能系统是园区综合能源系统多能互补中必不可少的单元，其数学模型主要讨论蓄电池的充放电功率约束及其存储容量约束，蓄电池在t时刻荷电状态可表示为：

式中：I(t)为储能蓄电池在t时段内充放电电流，充电时为正，放电时为负；PBT(t)为储能蓄电池的充放电功率，充电时为正，放电时为负；UBT(t)为储能蓄电池端电压；SOC(t)为储能蓄电池t时段内的荷电状态，即剩余容量；σsdr为储能蓄电池自放电率；Δt为充放电时间；ηbce为充放电效率，放电时其值为1，充电时与SOC(t)和充电电流相关，一般在0.65至0.8范围内[20]。

2.2 面向工业园区的多能耦合单元建模

多能耦合单元能够有效地实现能源的梯级利用，考虑园区中多能耦合单元的产能源头分类[21]，可分为气源设备、电源设备与热源设备[22]，气源设备包含热电联产机组、燃气锅炉等设备，电源设备包含电锅炉、热泵、压缩式制冷机等设备，热源设备包含吸收式制冷机等设备，以下为各多能耦合单元的数学模型建模。

1) CHP机组。

热电联产机组以天然气为输入，利用燃气轮机产生的电能及其所产生的蒸汽对用户供热的生产方式，不仅减少了燃料的使用，而且可以提高生产效率，广泛应用于园区综合能源系统中，其数学模型如下：

(8)

式中：PGT(t)、HGT(t)、PGT_in(t)分别为t时刻燃气轮机的电输出功率、热输出功率及天然气输入功率；ηGT和vGT分别为电输出效率和输出热电比。

2) 燃气锅炉。

从图2可见，盐酸浓度不变，液固比对盐酸浸出含钛高炉渣效果明显，液固比越大，酸量越多，有助于钙、镁、铁和铝的溶出，当液固比达到5时，CaO和MgO的脱除率达到95%以上，Fe和Al2O3的脱除率达到了85%，TiO2的损失率小于4.5%。

燃气锅炉是一种将气能转化为热能的设备，其数学模型为

HGB(t)=ηGBPGB_in(t)

(9)

式中：HGB(t)和PGB_in(t)分别为t时刻燃气锅炉的热输出功率和天然气输入功率；ηGB为燃气锅炉的热效率。

3) 电锅炉。

电锅炉(electric boiler，EB)是热能机械设备，以电力为能源，将电能转化为热能，其数学模型为

HEB(t)=ηEBPEB_in(t)

(10)

式中：HEB(t)和PEB_in(t)分别为t时刻电锅炉的电输入功率和热输出功率；ηEB为电锅炉的热效率。

4) 热泵。

热泵(heat pump，HP)是一种将低位热源的热能转移到高位热源的装置，通过消耗电能来提供热能，其数学模型为

HHP(t)=ηHPPHP_in(t)

(11)

式中：HHP(t)和PHP_in(t)分别为t时刻热泵的热输出功率和电输入功率；ηHP为热泵的热输出能效比。

5) 压缩式制冷机。

压缩式制冷机(compression refrigerator，CR)依靠压缩机提高制冷剂的压力以实现制冷循环，将输入的电能转换为冷量输出：

PCR(t)=ηCRPCR_in(t)

(12)

式中：PCR(t)和PCR_in(t)分别为t时刻压缩式制冷机的冷输出功率和电输入功率；ηCR为压缩式制冷机的冷输出能效比。

6) 吸收式制冷机。

吸收式制冷机(absorption refrigerator，AR)依靠吸收器-发生器组的作用完成制冷循环，将输入的热量转换为冷量输出：

PAR(t)=ηARPAR_in(t)

(13)

式中：PAR(t)、PAR_in(t)分别为t时刻吸收式制冷机的冷输出功率和热输入功率；ηAR为吸收式制冷机的冷输出能效比。

2.3 园区综合能源系统能量平衡模型

园区综合能源系统中电、气、热(冷)网通过供能设备实现多能耦合，各能源的输入输出分别在能源母线处实现平衡[23]，图2为园区综合能源系统能量平衡模型。

图2 园区综合能源系统母线功率平衡图Fig.2 ICES bus power balance diagram

1) 电母线功率平衡：

(14)

式中：Pgrid(t)为t时刻从上级电网购电功率；LE(t)为t时刻的系统电负荷功率。

2) 热母线功率平衡：

(15)

式中LH(t)为t时刻的系统热负荷功率。

3) 冷母线功率平衡：

PCR(t)+PAR(t)=LC(t)

(16)

式中LC(t)为t时刻的系统冷负荷功率。

3 考虑环保与可靠性成本的园区综合能源系统经济运行技术

由于园区综合能源系统含有不同类型及容量的微电源与多能耦合单元，其能源转化方式及运行特性各不相同，如何协调各类能源的出力情况使园区综合能源系统综合成本最优、环境影响最小、系统运行最可靠，是综合能源系统运行优化中需要解决的核心问题[24-25]。

3.1 目标函数

对于园区综合能源系统的运行优化问题，从综合能源系统运行层面考虑系统经济性、环保性、供能可靠性目标优化不可或缺，要求以系统的运行总费用最少为目标。

受限于不同园区综合能源系统对优化的定义、优化的目标大不相同，不同的利益相关方在进行优化时优化的函数目标和形式有很大差距，现将较为典型的优化目标函数模型归纳如下。

F=min(f1+f2+f3)

(17)

式中：F为综合能源系统运行总费用；f1为经济性成本，包括外部能源购置成本、设备运行维护成本；f2为环保性成本，即污染物排放惩罚措施成本；f3为供能可靠性成本，包括新能源弃电惩罚措施成本、中断负荷补偿成本。

1) 经济性成本f1：

(18)

式中：T为系统运行总时间；Cf(t)为外部能源购置成本；COM(t)为设备运行维护成本。其中，ce(t)、cg(t)、Pnet(t)、Gnet(t)分别为时段t电网的电价、天然气气价、从电网的购电量、从天然气网络的购气量；N为微电源与多能耦合设备总数；KOMi为第i个设备运行维护系数；Pi(t)为t时段内第i个设备输出功率。

2) 环保性成本f2：

(19)

式中：K为污染物排放类型总数；αk为处理第k种污染物成本；βk为第k种污染物排放系数；Pk(t)为t时段设备输出功率。

3) 供能可靠性成本f3：

(20)

式中：CP1为单位弃风弃光的惩罚价格；Ldes为系统t时段弃风弃光量；CP2为区域中断负荷受到的单位惩罚价格；Lloss为系统t时段中断负荷损失负荷量。

3.2 约束条件

3.2.1 功率平衡约束

对于电、热、冷网功率平衡进行约束，约束条件同园区综合能源系统能量平衡模型中公式(14)—(16)，可得到电、热、冷各能量子系统存在能量平衡。

3.2.2 设备运行约束

1) 园区系统运行约束[13]：

Umin≤Ui≤Umax

(21)

式中：Ui为园区内用户电压幅值；Umin和Umax为园区内节点电压限制上、下限值。

|Ii|≤Imax

(22)

式中：Ii为园区内线路电流值；Imax为园区内线路电流上限值。

2) 各新能源机组与多能耦合机组出力约束：

(23)

3) 储能设备运行约束。

① 电储能。考虑蓄电池的充放电功率约束与其存储容量约束，以及过度充放电对蓄电池寿命的影响，对电储能约束条件如下：

(24)

② 热储能。考虑对热储能输入、输出功率的约束，约束条件如下：

(25)

3.2.3 外部网络约束

考虑到园区综合能源系统能源网络可靠性与安全性，需要将园区与外部网络交互的传输功率进行约束：

Pnet_min≤Pnet≤Pnet_max

(26)

式中：Pnet为园区对外部网络的传输功率；Pnet_min与Pnet_max为园区对外部网络传输功率的上下限值[27]。

3.3 多目标优化模型求解算法

考虑经济性、环保性、供能可靠性的多目标优化问题是一个复杂的、非线性多目标优化问题，在求解过程中应权衡各子目标间的关系，寻求一种处理方法得到综合效益目标下的最优解[24]。由于所建立的多目标优化模型的差异，采用的优化算法不尽相同，应具体问题具体分析，使用适当的求解算法。现提出2种目前应用最广泛的多目标优化算法[28]。

3.3.1 NSGA-II优化算法

NSGA-II是最流行的多目标遗传算法之一，采用快速非支配排序方法、精英种群保留策略方法和基于拥挤距离算子，使得算法能够迅速地找出全局最优解，且算法得到的Pareto最优解会均匀地分布在整个Pareto最优前沿上。NSGA-II全局搜索能力强，但搜索速度相比其他算法较慢，且收敛性较差。具体的NSGA-II优化算法流程如图3所示。

图3 NSGA-II优化算法流程图Fig.3 Flow chart of NSGA-II optimization algorithm

3.3.2 多目标粒子群算法

粒子群算法将空间中的一系列粒子组成粒子群，通过不断更新粒子的速度和位置达到寻找最优解的目的。相较于遗传算法，粒子群算法具有收敛速度快的优点，但容易陷入局部最优，全局搜索能力差。面对日益复杂的多目标优化问题，性能往往不佳，因此在优化时常常需要对多目标粒子群算法进行改进。该算法流程图如图4所示。

图4 多目标粒子群算法流程图Fig.4 Flow chart of MOPSO

3.4 算例分析

上述园区综合能源系统经济运行技术方法在文献中得到算例有效验证。文献[29]选取我国南方某一园区作为研究对象，以区域冷热电联供系统为基础，采用某小区夏季典型日负荷需求数据和能源供应数据进行多目标经济运行优化模型构建，以系统的经济效益、环境效益和能源效益为目标函数进行多目标运行优化，采用多目标粒子群算法对优化调度模型进行求解，优化后的冷热电联供系统电/热/冷能供需结果分别如图5—7所示。

为进一步验证运行优化结果的经济性，将优化得到的区域综合能源系统分别与传统冷热电分供系统、以热定电联供系统、以电定热联供系统进行比较，比较结果如表1所示。可以看出算例优化后的区域综合能源系统相比于传统供能系统具有明显经济优势，通过优化分配各设备的出力，大幅减少年运行成本与总成本，算例结果也证明了本文所提优化运行策略的正确性和有效性。

图5 夏季典型日时冷热电联供系统电能供需图Fig.5 Power supply and demand diagram of typical CCHP system in summer

图6 夏季典型日时冷热电联供系统热能供需图Fig.6 Heat supply and demand diagram of typical CCHP system in summer

图7 夏季典型日时冷热电联供系统冷能供需图Fig.7 Cooling energy supply and demand diagram of typical CCHP system in summer

表1 不同供能系统的优化结果Table 1 Optimization results of different energy supply systems

4 结论与展望

合理的园区综合能源系统规划与经济运行优化将大幅提升能源利用率及经济效益，本文针对园区综合能源系统运行优化问题，概述了园区综合能源系统运行优化方法，总结并归纳园区综合能源系统优化模型，基于经济性、环保性、供能可靠性提出目标函数及约束条件，提出现阶段使用最广泛的2种多目标优化求解算法，通过算例验证方法的正确性和有效性，为综合能源系统运行优化与协同规划方案的完善提供参考和借鉴。

随着国家提出并实施综合能源服务战略，综合能源系统成为关系国家民生的热点技术，不断深入对园区综合能源系统运行优化进行研究，进一步提升能源利用效率、提升经济收益以及减少环境污染依旧是今后研究的重点。另一方面，对于综合能源系统运行优化方面仍存在许多欠缺：

1) 现有文献中虽然已经建立多种优化方案及算法，但其参考的目标函数过于宽泛，导致影响因素过多，结果趋于理想化，可能与实际工程实践偏差过大。对于庞大且复杂的综合能源系统，后续研究应根据实际情况对模型细化，完善目标函数与约束条件。

2) 对于现有的综合能源系统优化模型中考虑环保性与可靠性优化目标较少，后续研究应充分考虑环境污染带来的问题与系统可靠性运行层面的问题，完善各类衡量标准，并进行建模优化。

3) 随着综合能源系统多目标优化研究深入，非线性复杂模型情况越来越普遍，必须依靠多目标优化算法通过计算机软件进行仿真模拟或者编程计算来求解，因此高维度且收敛速度快的多目标优化算法是今后的主要研究方向。