基于Simulink仿真模拟的智慧能源管理系统分析

沈忠杰， 汪 鹏， 许鸿伟

(1.中国科学技术大学纳米科学技术学院, 苏州 215000； 2.中国科学院广州能源研究所, 广州 510000)

随着社会经济的快速发展,传统化石能源如石油及其衍生物的高强度集约利用对人类、环境和其他生物造成了严重的破坏。从能源消费的强度来看,2018年中国的国内生产总值约为90.03万亿元,能源消费总量约为46.4亿t标准煤；从能源消费的结构来看,2018年中国煤炭、石油、天然气消费占比总和约为85.7%,能源消费仍以煤炭为主,可再生能源只占很小的比重。解决传统能源系统的缺陷与不足已经成为当今能源领域的一个重要课题,世界各国正在积极探索提高能源利用效率、减少化石燃料使用及增加可再生能源供应的途径[1-2]。

近些年，信息网络技术、物联网技术、微电网技术、储能技术等发展迅速,从而催生了能源互联网的发展。能源互联网以电力系统为核心、以其他技术为基础、以大规模可再生能源和分布式电源接入为主,通过先进的通信技术,最大限度地满足分布式能源在接入传输等方面的按需传输与动态平衡要求,实现各种能源的精细化管理[3-5]。能源互联网通过能源管理系统(energy management system，EMS),实现信息流与能源流的双向通信与控制,最终达到横向多能互补,纵向“源-网-荷-储”互相协调的格局[6]。基于智能采集系统及信息通信网络,整合电力、天然气、热网等公共能源基础设施,为园区建立一整套智慧能源管理系统对于调节其能源消费、经济增长和环境保护具有重要意义。

图1 典型智慧多能源系统

然而,目前关于园区智慧能源的研究工作主要限于宏观层面,对于能源管理系统的研究大多集中在方案设计以及系统构架研究上,缺少对具体情景的仿真模拟分析。文献[7]介绍了中国上海临港科技创新城园区智慧能源管理研究,从信息采集层、数据传输层、数据管理层、应用层和综合展示层,介绍了该园区智慧能源管理的系统构架及主要内容；文献[8]从智能微电网、智能楼宇、物联网等角度介绍了建设智慧园区的基本思路与方法,认为智慧园区更注重综合能源互联,更加强调集成要素、整合资源。文献[9]针对智慧多能源系统(smart multi-energy system)提出了一种多能源系统优化规划和能源管理策略,将最优规划问题归结为一个混合整数线性规划模型,以总成本最小化为目标。通过对比分析认为,多能源系统比传统的集中式能源系统和典型的冷热电联供系统具有更好的经济性与环保性。文献[10]从宏观角度讨论了智慧能源的定义、解决方案的确定、建模和储能集成等问题，为发展可持续能源系统提供了参考。如何在当前智慧能源、能源互联网、“互联网+”的大背景下,针对园区发展特色,建立相应的能源管理系统及情景仿真模拟模型就显得愈加重要。

基于此,从广东省中山市南朗镇华南现代中医药城园区入手,建立园区智慧能源管理系统仿真模拟的数学模型,研究了仿真模型中各装置模型逻辑控制、能量关系及其约束条件,同时以年运行成本为优化目标建立目标函数,并采用MATLAB/Simulink平台进行情景分析与求解,以期为园区管理者选择绿色经济、节能环保的能源供应方式提供参考。

1 智慧多能源系统

典型智慧多能源系统如图1所示。其通常具有多个输入、输出端口。输入端口经常连接到电网、区域热网和其他的能源分配网络；输出端口可同时提供电力、热能等多种能源服务[9]。图1中能量转换装置包括光伏、生物质锅炉、药渣气化器、生物质气体热电联产设施；储能装置有储能电池和储热罐。可再生能源光伏、热电联产设施、储能电池或区域电网可以满足园区用户的电力需求；供热需求可由生物质锅炉、热电联产设施、储热罐或区域热网提供。

2 智慧多能源系统模型

2.1 用户工厂模型

考虑中药企业工厂在日常消耗电力和蒸汽热能进行生产的同时会产生湿药渣废弃物。中药企业工厂生产模型如图2所示,其湿药渣废弃物产量可以表示为

FAdo(t)=[FAee(t)FAed+FAhe(t)FAhd]TS

(1)

式(1)中：FAdo(t)为用户在t时刻生产过程中湿药渣的产生量,t；FAee(t)、FAhe(t)分别为用户在t时刻的电能耗数据和蒸汽热能耗数据,kW；FAed、FAhd分别为用户生产过程中单位电能耗和单位蒸汽热耗产生的湿药渣量,t/(kW·h)；TS为模型仿真的时间步长,取TS=1 h。

图2 工厂模型

2.2 药渣气化器模型

中药企业工厂产生的药渣废弃物通常含有较高的水分,所以在进入药渣气化器之前,一般会进行脱水及烘干预处理[11]。在仿真模型中,药渣气化器有一个根据现场湿药渣量的多少而气化产生生物质气体的逻辑指令,具体为

PMod(t)=min{[FAdo(t)+DYsoc(t-1)], PMhi}×(1-αw)PMe

(2)

式(2)中：PMod(t)为药渣汽化器在t时刻控制其药渣气化产气量的逻辑控制指令,m3; DYsoc(t-1)为t-1时刻现场所拥有的湿药渣量,t；PMhi为药渣气化器的最大湿药渣进入量,t；αw为药渣的含水率,%,通常情况下αw=80%；PMe为药渣在气化器内的气化率,m3/t。

药渣气化器模型如图3所示,药渣在气化器内的数学模型可以表示为

(3)

式(3)中：PMei(t)为药渣气化器在t时刻消耗掉的湿药渣量,t; PMhc(t)为t时刻用来烘干湿药渣所需要的热能,kW; PMhce为药渣气化烘干单位湿药渣所需要的热能,kW·h；PMeo(t)为在t时刻气化药渣产生的生物质气体量,m3; PMT为时间常数,用于反映药渣气化器在其逻辑指令发生变化的情况下,其气化能力响应逻辑指令发生变化的快慢,h；PML为延迟时间,用于反映药渣气化器最开始工作时相对于其逻辑指令的延迟,h；s为复频域。

图3 气化器模型

2.3 热电联产模型

热电联产是分布式能源广泛应用的载体,利用热机或发电机同时产生电力和有用的余热[12]。研究的热电联产数学模型是生物质气体热电联产模型,其启动的逻辑判断基于现场所拥有的全部生物质气体和机组消耗气量的下限进行比较,具体为

(4)

(5)

式中：BGod(t)为生物质气体热电联产装置在t时刻控制气化产气的逻辑控制指令,kW；BGeor为该装置的最大产电功率,kW; PVeo(t)为光伏发电板在t时刻的出力,kW; BGhi为该装置在最大产电功率下所消耗的生物质气体量,m3/h;GSsoc(t-1)为现场t-1时刻所拥有的生物质气体量,m3; BGli为该装置的最小的进气量,m3/h。

热电联产模型如图4所示,生物质气体在热电联产装置内进行燃烧发电的数学模型可以表示为

(6)

式(6)中：BGgi(t)为热电联产装置在t时刻燃烧发电所消耗的生物质气体量,m3; BGeo(t)为该装置在t时刻所产生的电力,kW; BGT为时间常数,用于反映生物质气体热电联产装置在其逻辑指令发生变化的情况下,其产电能力响应逻辑指令发生变化的快慢,h；BGL为延迟时间,用于反映生物质气体热电联产装置最开始工作时相对于其逻辑指令的延迟,h；BGho(t)为该装置在t时刻所产生的热能,kW;ηe为该装置的发电效率,%;ζ为该装置在联产过程中的热能损失率,%。

图4 热电联产模型

2.4 锅炉模型

传统的燃煤锅炉在进行燃烧供热的同时会产生大量的气态污染物,本文建立的是一种燃烧生物质颗粒的锅炉,其启动的逻辑是判断产生等量的热能,锅炉所消耗的生物质颗粒费用和直接从区域热网上购买这部分热量的费用,具体可以表示为

BLod(t)=

(7)

(8)

式中：BLod(t)为生物质锅炉在t时刻燃烧生物质颗粒产生的热能,kW;D2为考虑生物质锅炉效率后,生物质颗粒燃烧产生的热量；BLhe为该锅炉的最大燃烧效率,%；BLle为该锅炉的最小燃烧效率,%；PLlh为单位生物质颗粒的低位热,(kW·h)/t; BLhi为在模型仿真期间内,生物质颗粒的最大进入量,t/h; BLli为在模型仿真期间内,生物质颗粒的最小进入量,t/h; SPhc为从区域热网上购买蒸汽热能的单位费用,元/(kW·h); SPpc为从市场上购买生物质颗粒的单位费用,元/t。

锅炉模型如图5所示,生物质颗粒在锅炉内燃烧产热的数学模型可以表述为

(9)

式(9)中：BLei(t)为生物质锅炉在t时刻燃烧产热所消耗的生物质颗粒量,t; BLho(t)为生物质锅炉在t时刻燃烧生物质颗粒所产生的热能,kW; BLT为时间常数,用于反映生物质锅炉装置在其逻辑指令发生变化的情况下,其产热能力响应逻辑指令发生变化的快慢,h；BLL为延迟时间,用于反映生物质锅炉装置最开始工作时相对于其逻辑指令的延迟,h。

图5 锅炉模型

2.5 储能模型

储能设备在能源系统中的加入即可以在一定程度上缓解能源的供需不平衡问题,也可以利用夜间的低电价从电网取电,然后在白天的时候进行放电,利用价格差为用户减轻一定的成本。主要讨论的是电池储能和储热罐模型。两者最主要的功能是当能源供给大于需求时,储能装置进行储能；反之,储能装置则进行放能[13]。所研究的电池储能和储热罐在逻辑控制上的区别是,电池储能装置在夜间电价低的时间段进行充电,在白天电价高的时段进行放电,其逻辑控制表示为

(10)

式(10)中：RFod(t)为储能电池在t时刻控制其充、放电的逻辑指令,kW。在这里规定负号表示储能电池处于充电状态,正号表示储能电池处于放电状态。RFhoc为储能电池的最大状态量,kW·h; RFloc为储能电池的最小状态量,kW·h；RFsoc(t-1)为储能电池在t-1时刻的状态量,kW·h; RFe为储能电池在进行充、放电时的效率,%; RFhc为储能电池的最大充电功率,kW; RFhd为储能电池的最大放电功率,kW。

储热罐的逻辑控制则是基于能源供给与需求的关系而定,具体可以表示为

SAod(t)=

(11)

D3=FAhe(t)-BGho(t)-BLho(t)

(12)

式中：SAod(t)为储热罐在t时刻控制其储、放热的逻辑指令,kW, 其正负号的定义和RFod一样；SAhoc为储热罐的最大状态量,kW·h;SAloc为储热罐的最小状态量,kW·h; SAe为储热罐在进行储、放热时的效率,%; SAhi为储热罐的最大储热功率,kW; SAho为储热罐的最大放热功率,kW。

由以上可知,储能电池和储热罐在各自工作的情况下,其内部状态变化量可以统一由式(13)表示[14]，即

(13)

式(13)中：Yeio(t)为储能装置在t时刻进行充、放能量的功率,kW,其中Y∈{RF,SA}；Ysoc(t)为储能装置在t时刻充、放能量后其内部的状态量,kW·h；SIGN为符号函数,当自变量大于0时,返回1；当自变量等于0时,返回0；当自变量小于0时,返回-1。Yes为储能装置的自损失率,%。以储能电池为例,其模型如图6所示。

图6 储能电池模型

3 智慧多能源系统仿真对比

3.1 目标函数

多能源系统优化规划的目标是使运行费用最小,系统的运行费用通常包括燃料成本费用、运行维护费用、污染物排放惩罚费用和能量过剩惩罚费用。总运行费用可以表示为

CSal=CSe+CSm+CSp+CSr

(14)

式(14)中：CSal为多能源系统总运行费用,元；CSe为燃料成本费用,元；CSm为运行管理费用,元；CSp为污染物排放处理费用,元；CSr为能量过剩惩罚费用,元。具体为

(15)

式(15)中：SPec为分时电价,元/(kW·h)；SPe(t)为t时刻从电网外购的电量,kW；SPp(t)为t时刻从市场外购的生物质颗粒量,t；SPh(t)为t时刻从区域热网外购的蒸汽热能,kW；ψk为第k种能量转换装置或储能装置的运行维护费用,元/(kW·h)。其中,k为具体的能量设备,k∈{PV,PM,BG,BL,RF,SA}；Pk为第k种能量转换装置或储能装置的出力,kW。在这里由于单位原因,药渣气化器的维护费用需另外单独计算。αj为处理第j种污染物费用,元/t,其中j∈{CO2,NOx,SO2,ash},一般取23、8 000、6 000、100；POj为锅炉燃烧单位生物质颗粒排放的第j种污染物,t/t；ce为电能量过剩导致的惩罚价格,元/(kW·h)；Eex(t)为t时刻电力过剩的能量,kW·h；ct为热能量过剩导致的惩罚价格,元/(kW·h)；Tex(t)为t时刻热力过剩的能量,kW·h。

3.2 约束条件

智慧多能源系统仿真模拟时各模型设备参数、运行边界条件等的限制,一般应根据多能源系统实际情况建立各类等式约束条件和不等式约束条件,从而能更加贴近实际情况进行仿真模拟。约束条件一般主要包括3类[9,15]：①能量平衡约束；②能量转换装置发电容量约束；③储能装置运行约束。

3.2.1 能量平衡约束

由图1可知,系统的能量平衡应满足：

(16)

式(16)中：FApe为蒸汽热能在区域热网管道与用户工厂之间传输的损失,%。

3.2.2 能量转换装置发电容量约束

智慧多能源系统模型中各能量转换装置的出力是由其相应的逻辑指令控制。若能量转换装置的逻辑判断认为其不启动时,则相应装置的逻辑控制指令就等于0；若其逻辑判断认为满足启动条件时,相应装置的逻辑指令就会限制在一定范围内,具体约束为

图7 MATLAB/Simulink多能源系统建模思路

0≤PMod(t)≤PMhi(1-αw)PMe

(17)

(18)

(19)

3.2.3 储能装置的运行约束

储能装置的约束一般有以下两方面：第一,储能装置的充、放能功率不得超过其最大限定值；第二,储能装置不能出现过充或过放的现象,即当某个时刻充、放能完毕时,其内部状态量需要保持在一定合理的范围内。储能电池和储热罐的约束应满足：

(20)

(21)

3.3 求解方法

一般对于系统优化问题,最终化解成非线性多目标优化求解的数学问题。求解此类的传统方法有最速下降法、二次逼近法等,但也存在收敛速度慢,求解不精确等问题[12],如今也有使用遗传算法、粒子群算法和一些商用软件，如GAMS、CPLEX等求解此类问题[9]。本文中关注的重点的是多能源系统在不同供能方式场景下的年费用比较,所以主要使用MATLAB/Simulink建立系统各模块的数学模型进行求解分析,多能源系统建模思路如图7所示。

4 案例研究

4.1 园区简介与数据输入

华南现代中医药城园区位于广东省中山市南朗镇,占地面积约16 000亩,是中国规模最大的中医药主题产业园之一。园区主要分为中能片区和科技园片区,根据划分在中能片区主要存在6家有电需求、蒸汽热能需求的企业,在科技园片区主要存在5家电需求的企业。

中山地区日照条件较为充足,太阳资源丰富,可再生能源光伏所在地多年平均太阳辐射量约为4 545 MJ/m2,日照小时数约为1 000 h/a,因此可以在科技园片区产房屋顶安装太阳能光伏发电板。整个中药城园区实现电力全覆盖,满足建筑照明、办公设备及工艺生产等需求；热能主要为150 ℃、0.4 MPa左右的蒸汽用于满足中能片区中药企业生产需求,蒸汽供应来源于中能片区的生物质锅炉集中提供,不足部分可以考虑外购蒸汽。智慧多能源系统仿真模拟输入数据项有用户电负荷、蒸汽热负荷和光伏出力。为直观展示仿真模拟结果,选取某日作为研究对象。园区某日电负荷、蒸汽热负荷和可再生能源光伏出力如图8所示。

图8 某日电力、蒸汽热能负荷及光伏出力

4.2 仿真情景设置

华南现代中医药城园区是一个以生产中医药为主的特色园区,区别与其他工业园区。中药城园区里面的用户企业在生产的同时会产生中药渣废弃物,对这部分中药渣废弃物的处理额外增加了用户企业的成本。如考虑将中药企业产生的药渣用于脱水、烘干并气化产生生物质气体,然后进入生物质气体热电联产装置进行热电联产,产生的电能和热能优先提供给用户使用,不足部分再从外部电网和区域热网购买。这既为中药城园区节省了处理药渣的成本也复合绿色循环经济的要求。为了仿真模拟比较,可以把当前实际情况定义为情景1,把中药渣气化并用于热电联产满足用户企业不同类型能源需求的情况定义为情景2。情景模拟定义如表1所示。另外,针对以上2种情景的仿真模拟,设置相应的模型参数如表2所示。

表1 两种情景定义Table 1 Definitions of the two scenarios

表2 模型技术参数设置

4.3 仿真情景分析

利用MATLAB/Simulink平台,对表1定义的两种情景进行了仿真模拟。图9所示为园区某日情景1的仿真模拟结果,图10所示为园区某日情景2的仿真模拟结果。

图9 情景1某日仿真模拟结果

图10 情景2某日仿真模拟结果

对比分析可知,对于电能而言,情景2智慧多能源系统从外部电网购买的电量有所减少,主要是因为情景2设置了生物质气体热电联产装置,在进行能量联产时,产生的一部分电量可以优先供于园区用户使用。另外,储能电池在两种情景下工作情况相同,主要是因为最初设计的储能电池模型的逻辑控制指令是基于分时电价的,即储能电池装置在分时电价低时以最大充电功率20 kW进行充电,在快要充满的时候以较小的变功率进行充电；在分时电价高时以最大功率20 kW进行放电,而在其余时间段储能电池均不工作。储能电池充分运用峰谷电差价,为园区用户减少相应的用能成本；对于热能而言,情景1园区用户的蒸汽热能需求主要由生物质锅炉满足,但是一天中极个别时间由于用户蒸汽热负荷较大,超出生物质锅炉的额定出力,所以存在小量的外购热量。而情景2只存在生物质气体热电联产装置,在进行能量联产时,由于生物质气体量不多,所以热电联产只能产生的小部分热量提供给用户使用,蒸汽热能需求不足的那部分将从区域热网购买。另外,情景1下,由于锅炉供热与用户蒸汽热能需求之间存在不实时匹配现象,所以导致储热罐在锅炉供热大于用户需求时进行储热,反之则放热。情景2下,由于热电联产供热一直小于用户蒸汽热能需求,所以储热罐没有发挥工作。表3给出了两种情景运行费用的模拟结果。可以看出总成本的减少主要表现在运行维护费用、污染物排放惩罚费用和能量过剩惩罚费用的减少,所以可以等园区企业发展稳定,药渣产量进一步增大时再设计热电联产装置,或者在原有生物质锅炉的基础上对其进行改进,让锅炉不但可以燃烧生物质颗粒,也可以燃烧气化器产生的生物质气体。

表3 两种情景运行费用

5 结论

(1)提出了基于MATLAB/Simulink园区智慧多能源系统优化模型,建立了模型中相应设备的数学模型、多目标函数和三大类约束条件,同时该优化模型具有一定的扩展性,通过更改输入数据、逻辑控制、系统模型中的组件等可以实现不同情景下的仿真模拟,同时也能适用于其他不同的园区。

(2)案例仿真结果表明,情景2比情景1具有更好的经济性和环保性。与情景1相比,情景2多能源系统年总成本下降11.78%,运行维护费用减少126万元,年污染物排放惩罚费用减少230万元,能量过剩惩罚费用减少17万元。给出的建议是,等药渣产量进一步增大时再设计安装热电联产装置或者改造原有锅炉使其可以燃烧生物质气体。