基于综合需求侧响应策略的园区多能源系统优化运行

陈锦涛， 杨 苹，2， 陈 滢， 陆进威

（1.华南理工大学 电力学院， 广东 广州 510640； 2.广东省绿色能源技术重点实验室， 广东 广州 511458）

0 引言

工业园区是涉及到电、冷、热等多种能源的生产、转移和利用的复杂能源系统。园区以工业负荷为主，负荷需求量大、负荷特性复杂、供电可靠性要求高， 因此对配用电系统的运行调度提出了较高的要求[1]，[2]。电力需求侧响应通过综合多类型能源市场价格传导机制， 能够促进供需双侧深度互动，优化工业园区能源结构，提高能源利用效率，减少园区运行成本， 可有效解决传统工业园区能源利用效率低、电能紧张等问题。

目前， 对于电网与用户之间的需求响应（Demand Response，DR） 互动机理已进行过一定的研究。 文献[3]综合考虑风电功率预测误差和需求响应特点， 构建了以电网运行费用最低为目标的电力系统需求响应多时间尺度优化调度模型，提高了系统风电消纳能力。 文献[4]基于需求响应的特点建立了虚拟电厂双层调度优化模型， 能够平抑新能源接入波动， 促进风光等新能源的发电并网。 上述文献侧重于从需求响应提高系统和资源利用率的角度进行研究， 但并未考虑其他类型能源的产能和用能特性。 多能源系统优化调度对提高多能源系统可靠性和经济性的意义重大。 文献 [5] 提出了一种新型的热电联产（Combined Heating and Power，CHP） 系统组合和调度仿真方法，可从成本、可靠性和环境角度有效评估大规模风电对系统运行的影响。 文献[6]提出了一种基于电、 热负荷跟踪策略的冷热电联产（Combined Cooling Heating and Power，CCHP） 鲁棒优化日前调度方法， 减弱可再生能源间歇性和负荷不确定性的干扰， 并用后悔值准则来描述系统的运行性能。上述文献主要以CHP 或CCHP 为产能主体的微电网或其它自治系统的经济运行为优化调度目标，并未考虑其与电网或其它主体的互动，也并未考虑用户侧的需求响应行为。 将综合需求侧响应应用于多能源系统中， 可有效解决多能源系统效率低、电能紧张等问题。 文献[7]建立了一个将负荷曲线与CCHP 系统联合满意度最大作为优化目标的双向峰谷电价优化模型， 发挥CCHP 系统的调节优化， 充分挖掘其参与用户需求侧管理的潜力。 文献[8]通过考虑柔性负荷参与需求响应后的效果， 提出了可实现供应侧多能互补的综合优化目标函数，实现系统的优化调度运行。上述文献虽然在多能源系统中考虑了需求响应， 但并未考虑综合多类型能源市场价格传导机制的激励作用。

综上所述，目前在多能源系统的研究工作中，将综合需求侧响应考虑其中的较少， 也缺少对多类型能源市场价格传导机制的关注。因此，本文以园区多能源系统为研究对象， 计及电力市场和碳交易市场价格传导机制， 基于园区多能源系统模型，以系统运行成本最小化为目标，设计了园区多能源系统综合需求侧策略， 并运用粒子群算法进行优化求解，提高园区多能源系统的运行可靠性，降低运行成本。

1 园区多能源系统架构

图1 园区多能源系统架构Fig.1 The structure of multi-energy system in the industrial park

本文建立园的区多能源系统架构如图1 所示。 该架构包括光伏系统、风电机组、以燃气轮机为核心发电设备，余热锅炉为供热设备，溴化锂吸收式制冷机为供冷设备的CCHP 机组、电制冷机、燃气锅炉和蓄电池。图中：Pgrid为园区多能源系统通过联络线向电网购售电的功率，购电为正，售电为负；Ppv为光伏系统输出功率；Pwt为风电机组输出功率；Pbs为蓄电池功率，充电为正，放电为负；PGT为燃气轮机发电功率；FGT为燃气轮机天然气消耗速率；Qrec为CCHP 机组高温烟气回收余热量；Qc-rec为吸收式制冷机组回收的余热量；Qh-rec为余热锅炉回收的余热量；Qc为吸收式制冷机组的制冷功率；Qh为余热锅炉的制热功率；QEC为电制冷机输出的冷功率；PEC为输入电制冷机的电功率；QGB为燃气锅炉输出的热功率；FGB为燃气锅炉天然气消耗速率。

2 园区多能源系统模型

本文参照文献[9]～[11]分别建立光伏发电模型、风力发电模型、冷热电联供机组模型、燃气锅炉模型、电制冷机模型和蓄电池模型。

2.1 运行边界

①园区能量平衡约束

式中：PLD为园区实时电负荷需求功率；HLD为园区实时热负荷需求功率；CLD为园区实时冷负荷需求功率。

②CCHP 机组出力约束

式中：ηGT为燃气轮机的发电效率；λgas为天然气热值，本文取值为35.588×103kJ/m3；ηrec为CCHP 机组高温烟气回收效率；α 为CCHP 机组高温烟气的冷分配系数；COPAC为吸收式制冷机组的制冷性能系数；β 为CCHP 机组高温烟气的热分配系数；ηh为余热锅炉的制热效率；PGT.max为燃气轮机的最大发电功率；Qc.max为吸收式制冷机组的最大制冷功率；Qh.max为余热锅炉的最大制热功率。

③辅助供能设备出力约束

式中：ηGB为燃气锅炉的制热效率；QGB.max为燃气锅炉的最大制热功率；COPEC为压缩式电制冷机的制冷性能系数；QEC.max为电制冷机的最大制冷功率。

④蓄电池充放电约束

式中：Pbs为蓄电池充放电功率，充电为正，放电为负；Pdis.max为蓄电池最大放电功率，为负值；Pch.max为蓄电池最大充电功率， 为正值；SOC 为蓄电池的荷电状态；SOCmax，SOCmin分别为蓄电池SOC 的上下限值，本文取0.8 和0.2。

⑤联络线功率约束

式中：Pgrid.max为联络线最大购售电功率。

2.2 目标函数

在确定了园区多能源系统的运行边界之后，以燃气轮机、燃气锅炉天然气燃料总消耗速率FGT和FGB、联络线功率Pgrid以及储能的充放电功率Pbs为决策变量， 综合电力市场价格传导机制和碳交易市场价格传导机制，考虑系统运维成本、燃料成本、购售电收益和碳排放权交易收益，以园区运行总成本最小化作为目标，其目标函数为

式中：Ccom为系统运维成本；Ccon为燃料成本；Csell为购售电收益；Ctra为碳排放权交易收益。

①系统运维成本

系统运维成本与各设备的发电量、制热/冷量和储能的充放电量有关，其表达式为

式中：cpv，cwt，cbs，cGT，cHRB，cAC，cGB，cEC分别为为光伏系统、风电机组、蓄电池、燃气轮机、余热锅炉、溴化锂吸收式制冷机组、 燃气锅炉和电制冷机的单位运维成本。

②燃料成本

燃料成本包括燃气轮机和燃气锅炉消耗的天然气燃料费用，即：

式中：cgas为天然气价格，元/m3。

③购售电收益

购售电收益等于多能源系统通过联络线向电网售电总收益减去通过联络线向电网购电总成本，即：

式中：Pug，Pd分别为各时段整个园区多能源系统联络线的售电量和购电量；cug，cdg分别为整个园区多能源系统联络线各时段的售电价格和购电价格。

④碳排放权交易收益

碳排放权交易对电力行业的可持续发展具有重要意义[12]。 通过建设二氧化碳减排项目可获得一定额度的中国核证减排量（Chinese Certified Emission Reduction，CCER）， 可作为碳配额的抵消机制[13]。 本文按照光伏电站对应的方法学，将风、光等可再生能源发电量折算成自愿减排量， 由此交易所获得的收益减去园区原须购买超出二氧化碳配额排放量部分的成本，即为碳排放交易收益，其表达式为

式中：ξpower，ξgas为电力和天然气的碳排放因子，分别取值为0.749 6 kg/（kW·h） 和1.994 kg/m3；σ 为单位电量碳排放配额， 取值为0.798 kg/（kW·h）；μH，μC分别为制热量和制冷量折算成相应发电量的折算系数；cCCER为CCER 交易价格；ct为碳配额交易价格。

3 基于不同价格传导机制的园区综合需求侧响应策略设计

基于前文建立的园区多能源系统模型， 计及电力市场价格传导机制和碳交易市场价格传导机制， 本文设计了包含CCHP 机组运行策略和蓄电池储能控制策略的多能源系统综合需求侧响应方案，实现园区多能源系统的优化运行。

3.1 CCHP 机组运行策略

CCHP 机组根据冷热电负荷的实际需求确定运行策略， 主要有以冷/热定电和以电定冷热3种： ①当园区冷/热负荷需求较小时， 采用以冷（热）定电的运行策略，优先满足冷（热）负荷的需求，以决定天然气燃料的投入量，发电功率与之相适应匹配。 策略以使园区运行总成本最小化为目标，冷（热）负荷差额分别由电制冷机和燃气锅炉提供。 ②当需要调控CCHP 机组发电量以维持园区多能源系统稳定时， 采用以电定冷热的运行策略，优先确定燃气轮机的发电功率，以决定天然气燃料的投入量，制冷及制热功率与之相适应匹配，冷热负荷差额分别由电制冷机和燃气锅炉提供。

3.2 蓄电池储能控制策略

本文以峰谷分时电价作为电力市场价格传导机制， 制定峰平谷3 个时段的蓄电池储能控制策略。

园区净电负荷为

式中：Pe为园区实时净电负荷。

①谷时段策略：谷时段电价低，采用优先购电策略。 当Pe<0 时，若园区内可提供的多余功率小于蓄电池充电功率限值， 从电网购电来保证蓄电池以最大功率充电；当Pe>0 时，则尽可能多地从电网购电，减少利用蓄电池放电来满足负荷需求；当功率不平衡较小时，从电网购电为蓄电池充电。

②平时段策略：平时段电价较高，采用维持蓄电池SOC 的策略。 当Pe＜0 时，园区内可提供的多余功率优先为蓄电池充电；当Pe＞0 时，优先从电网购电满足园区电负荷需求。使蓄电池SOC 保持在较高的水平，以保证在峰时段可获得最大收益。

③峰时段策略：峰时段电价最高，采用优先放电策略。蓄电池尽可能多地释放电能，在满足电负荷需求的同时，向电网出售电能以赚取收益。

3.3 园区综合需求侧响应执行策略

本文根据历史数据，基于K-means 聚类算法获取风光出力预测曲线和冷热电负荷预测曲线，输入园区多能源系统配置数据和相关设备参数以及峰谷分时电价机制各时段和电价， 碳交易市场中的CCER 均价和碳配额价格； 根据系统需求确定CCHP 机组运行策略； 然后计算出园区净电负荷Pe， 并根据不同时段的电价和净电负荷特性，执行峰平谷3 个时段的蓄电池储能控制策略；采用粒子群算法计算出FGB，FGT，Pgrid和Pbs各个时段的最优值；最后根据式（6）～（10）计算出园区运行总成本以及系统运维成本、燃料成本、购售电收益和碳排放权交易收益。 园区综合需求侧响应策略执行流程如图2 所示。

图2 园区综合需求侧响应策略执行流程Fig.2 Implementation process of the integrated demand response strategy of the multi-energy system in the industrial park

4 算例分析

4.1 园区多能源系统结构及参数设置

本文以深圳某工业园区冬季某日负荷情况为背景， 工业园区的电/冷/热负荷需求曲线如图3所示。

图3 工业园区日电/冷/热负荷需求曲线Fig.3 Daily electric/cold/heat load demand curve of the industrial park

日电负荷在白天达到高峰， 夜晚则为电负荷的低谷时段，主要以生活区的居民用电为主，全日的电负荷具有明显的峰谷差。由于工艺上的要求，冷负荷和热负荷的需求曲线基本平稳， 无较大波动。 风光出力预测曲线如图4 所示。

图4 工业园区风光出力预测曲线Fig.4 Output prediction curves of wind turbine and photovoltaicystem in the industrial park

园区多能源系统配置数据和相关设备参数分别如表1，2 所示。

表1 工业园区多能源系统配置数据Table 1 Configuration data of multi-energy system in the industrial park

表2 工业园区多能源系统设备参数Table 2 Equipment parameters of multi-energy system in the industrial park

本文采用峰谷分时电价机制， 各时段及其电价如表3 所示。 碳交易市场中，CCER 交易均价为30 元/t，碳配额价格为60 元/t。

表3 峰谷分时电价机制信息Table 3 Peak and valley time-of -use electricity price mechanism information

4.2 仿真结果

基于以上园区多能源系统结构及参数设置，总负荷为园区电负荷与电制冷机输入电功率之和，蓄电池初始容量设为2 500 kW·h。 对策略进行仿真分析后结果如图5，6 所示。

图5 工业园区各设备输出电功率及负荷情况Fig.5 Output power of equipment and load in the industrial park

图6 工业园区蓄电池容量变化情况Fig.6 Change of battery capacity in the industrial park

由图5，6 可知，在谷时段（00：00-05：00），光伏没有出力，采用优先充电策略，在满足电负荷需求后往蓄电池充电， 蓄电池容量在01：00 时刻达到上限值；在平时段（05：00-07：00），采用维持蓄电池SOC 的策略，风机、燃气轮机出力以及从电网获取的购电量共同满足园区电负荷需求； 在峰时段（07：00-11：00），电价高且光伏出力开始增加，采用优先放电策略，蓄电池以最大功率放电，一方面和光伏、风机、燃气轮机出力一起满足负荷需求，另一方面向电网出售电能，以赚取收益，当达到蓄电池容量下限时停止放电； 在平时段（11：00-17：00），此时段光伏、风机、燃气轮机的综合出力水平最高， 采用维持蓄电池SOC 的策略，以保证在峰时段蓄电池能有足够的储能容量，在13：00 时刻蓄电池容量达到上限值， 多余的电能则通过联络线向电网出售以赚取收益； 在峰时段（17：00-21：00），光伏出力逐渐下降，采用优先放电的策略，蓄电池放电，在和风机、燃气轮机出力共同满足园区电负荷需求的同时向电网售电赚取收益，在19：00 时刻蓄电池容量达到下限值，停止放电，此时负荷需求由风机、燃气轮机出力和从购买获取的电量共同满足； 在平时段 （21：00-22：00），采用维持蓄电池SOC 的策略，风机、燃气轮机出力以及从电网购买的电量共同满足电负荷需求；在谷时段（22：00-24：00），采用优先购电策略，在满足电负荷需求后往蓄电池充电，直至达到蓄电池容量上限值。

工业园区的冷热负荷需求满足情况如图7 所示。CCHP 机组采用“以冷定电”的运行策略，冷负荷需求首先由CCHP 机组提供， 超出部分则由电制冷机提供。该策略下CCHP 机组热出力较小，约为300 kW，需要启动燃气锅炉来满足剩下大部分的园区热负荷需求。

图7 冷热负荷功率组成累积图Fig.7 Power composition accumulation map of cold load and heat load

4.3 对比分析

为进一步验证本文所提出的园区多能源系统综合需求侧响应策略的有效性， 分别对以下4 种策略进行仿真对比分析。策略一：同时考虑电力市场价格传导机制和碳交易市场价格传导机制，即本文所提园区多能源系统综合需求侧响应策略。策略二：不考虑电力市场价格传导机制。 策略三：不考虑碳交易市场价格传导机制。策略四：不考虑电力市场价格传导机制和碳交易市场价格传导机制。 仿真所得结果如表4 所示。

表4 4 种策略的经济性仿真结果Table 4 Economic simulation results of four strategy

由表4 可知，在系统运维成本方面，4 种策略相差无几；在燃料成本方面，策略一最低；在购售电收益方面， 策略一和策略三明显多于策略二和策略四；在碳排放权交易收益方面，策略一和策略二均可抵消园区原本需要购买的超额的碳排放配额，并获得一定的碳排放权交易收益，而策略三和策略四收益为负，即须购买超额的碳排放配额。应用本文策略后园区运行总成本为94 354.8 元，分别比应用策略二～四减少3 285.0，3 389.0，5 805.2元，验证了所提策略的有效性。

5 结论

本文计及电力市场、 碳交易市场等多类型能源市场价格传导机制，基于园区多能源系统模型，考虑系统运维成本、燃料成本、购售电收益和碳排放权交易收益，以系统总运行成本最小化为目标，设计了园区多能源系统综合需求侧响应策略，并采用粒子群算法进行优化求解。 基于园区多能源系统设置算例验证了所提策略， 能够提高园区多能源系统的运行可靠性、降低运行成本，兼具有效性和工程应用价值。